商 穎 車(chē) 焱 蔡建華 張 妍 周維謹(jǐn)

家庭暴力是指家庭成員之間發(fā)生的，對(duì)家庭成員的肉體、精神、及性權(quán)利進(jìn)行侵害的暴力行為，主要包括身體暴力、精神暴力、性暴力、經(jīng)濟(jì)控制四個(gè)方面〔1〕?；閮?nèi)性暴力是家庭暴力的一種表現(xiàn)形式，受害者主要是女性，通常是妻子在不自愿的情況下，丈夫用暴力實(shí)施性行為。盡管?chē)?guó)內(nèi)外對(duì)女性遭受家庭暴力的報(bào)道較多〔2－4〕，但是針對(duì)婚內(nèi)性暴力的報(bào)道很少，女性如何應(yīng)對(duì)家庭性暴力的報(bào)道更少。本文報(bào)道了我國(guó)東、中、西部九省12 194名已婚育齡婦女如何應(yīng)對(duì)家庭性暴力的情況，并詳細(xì)介紹了用潛在類(lèi)別模型探索采取不同應(yīng)對(duì)措施婦女的內(nèi)在特征，為隨后開(kāi)展的家庭性暴力的深入分析提供基礎(chǔ)。國(guó)內(nèi)目前尚未見(jiàn)這方面的研究報(bào)道。

對(duì)象和方法

1.研究對(duì)象

本文采用多階段分層整群抽樣方法，于2009年1～4月，從我國(guó)東、中、西部地區(qū)9個(gè)中等發(fā)達(dá)省份的國(guó)家人口計(jì)生委信息采集抽樣縣中各抽取1個(gè)縣，每個(gè)縣抽取2個(gè)鄉(xiāng)鎮(zhèn)，再?gòu)闹谐槿?～4個(gè)居委/村，調(diào)查其全部20～50歲已婚育齡女性基本狀況以及面對(duì)婚內(nèi)性暴力時(shí)的應(yīng)對(duì)措施。其中12 194名已婚育齡婦女回答了本文所關(guān)注的三個(gè)問(wèn)題，占應(yīng)調(diào)查對(duì)象的95.3%。

2.調(diào)查方法和內(nèi)容

采用結(jié)構(gòu)式調(diào)查問(wèn)卷，經(jīng)調(diào)查對(duì)象同意后，由經(jīng)培訓(xùn)的女性調(diào)查員進(jìn)行入戶(hù)式面對(duì)面調(diào)查。除育齡婦女的人口學(xué)特征、避孕知識(shí)和避孕方法、孕產(chǎn)史等資料外，調(diào)查了已婚婦女面對(duì)婚內(nèi)性暴力時(shí)的應(yīng)對(duì)措施，問(wèn)題包括:1)如果你不幸遭遇丈夫強(qiáng)迫性生活，你將會(huì)采取哪些反應(yīng)方式?①當(dāng)面拒絕或向外人求助，②默默忍受，③不知道如何反應(yīng);2)如果不幸遭遇丈夫強(qiáng)迫性生活，你會(huì)怎樣求助?①向親戚朋友和婦聯(lián)求助，②向司法機(jī)關(guān)求助，③不求助;3)你認(rèn)為對(duì)于婚內(nèi)性施暴者，采取哪種處理(處罰)方式比較現(xiàn)實(shí)?①妻子和親友溫情感化，②移送司法機(jī)關(guān)，③沒(méi)有任何途徑，④不知道。

3.數(shù)據(jù)質(zhì)量控制

調(diào)查前對(duì)調(diào)查人員進(jìn)行培訓(xùn)，調(diào)查結(jié)束當(dāng)日對(duì)調(diào)查表進(jìn)行人工審核，及時(shí)回訪(fǎng)更正。采用Epidata 3.1雙遍錄入及核查。

4.分析方法

上述三個(gè)問(wèn)題反應(yīng)了育齡婦女面對(duì)婚內(nèi)性暴力發(fā)生時(shí)的反應(yīng)、如何求助以及發(fā)生后的處置措施等三方面的應(yīng)對(duì)行為?？梢哉J(rèn)為，這三個(gè)問(wèn)題都在一定程度上反映了調(diào)查對(duì)象內(nèi)在性格特征。基于行為與性格關(guān)系理論〔5〕，雖然這些特征并不能通過(guò)本調(diào)查直接獲得，但可通過(guò)借助一定的分析手段與分析方法，如潛在類(lèi)別分析(latent class analysis，LCA)方法，進(jìn)行深入分析，從而透過(guò)現(xiàn)象看本質(zhì)，來(lái)推斷調(diào)查對(duì)象內(nèi)在的性格特征。

與因子分析類(lèi)似，LCA能夠探討多個(gè)直接測(cè)量的具有一定相關(guān)性的實(shí)測(cè)指標(biāo)(外顯變量)如何受少數(shù)幾個(gè)內(nèi)在的獨(dú)立因子所支配。然而因子分析的原始數(shù)據(jù)要求呈線(xiàn)性分布，因此適用于計(jì)量資料而不適用于計(jì)數(shù)資料，否則可能產(chǎn)生有偏估計(jì)，并使模型的擬合度指標(biāo)不可靠〔6〕。LCA是針對(duì)計(jì)數(shù)資料設(shè)計(jì)的，除了可以探索和驗(yàn)證幾個(gè)離散型外顯變量的內(nèi)在關(guān)系外〔7〕，還可將分析對(duì)象歸類(lèi)到潛變量的不同類(lèi)別中，即把多個(gè)外顯變量的信息用少量潛變量表達(dá)出來(lái)而保留大部分的原來(lái)信息，從而達(dá)到所謂的“降維”目的。本文運(yùn)用LCA方法將女性如何面對(duì)婚內(nèi)性暴力的三個(gè)外顯變量的信息轉(zhuǎn)化成一個(gè)新產(chǎn)生的潛變量，同時(shí)最大程度保留外顯變量的信息。

(1)LCA基本假設(shè)

假設(shè)外顯變量之間的內(nèi)在聯(lián)系是由潛變量引起的，當(dāng)考慮了潛變量之后，外顯變量間的關(guān)聯(lián)便不復(fù)存在，即潛變量的每個(gè)類(lèi)別里，每個(gè)外顯變量在統(tǒng)計(jì)學(xué)上是獨(dú)立的。也就是常說(shuō)的局部獨(dú)立〔6〕。

(2)LCA模型

LCA模型是建立在概率分布原理與對(duì)數(shù)線(xiàn)性基礎(chǔ)之上，引入因子分析與結(jié)構(gòu)方程模型的思想而形成的〔8〕。假設(shè)有3 個(gè)外顯變量(計(jì)數(shù)資料)A，B，C，每個(gè)變量的選項(xiàng)數(shù)分別為i，j，k個(gè)?；谀Ｐ偷幕炯僭O(shè)可得到LCA模型的基本方程〔9〕:

式(1)中，X表示潛變量的類(lèi)別取值，t=1，…，T。t的不同取值代表不同的類(lèi)別。πijkt是聯(lián)合概率，表示A=i，B=j，C=k時(shí)調(diào)查對(duì)象歸屬于潛在類(lèi)別t的概率。πX

t表示外顯變量屬于某一潛在類(lèi)別X的潛在類(lèi)別概率。潛變量的各類(lèi)別概率之和為1，即∑πXt=1。

πA|X

式中，^Fijk表示期望頻數(shù)，fijk代表觀察頻數(shù)。模型的卡方代表沒(méi)被解釋的變量之間的關(guān)系的量。所以，L2值越大，模型擬合度越差。如果L2小于3.84(P≥0.05)，可以認(rèn)為該模型與觀察數(shù)據(jù)處于擬合(適配)狀態(tài)。

常用最大似然法來(lái)估計(jì)模型參數(shù)，但是最大似然法不能用來(lái)直接比較不同模型的優(yōu)劣。原因是T個(gè)類(lèi)別和T+1個(gè)類(lèi)別的模型相比，L2減少值和自由度的減少值不是漸進(jìn)的卡方分布。要對(duì)該指標(biāo)進(jìn)行修正后才能用，修正后的常用指標(biāo)有(Akaike Information Criterion，AIC)和(Bayesian Information Criterion，BIC)。有學(xué)者認(rèn)為，當(dāng)模型中外顯變量很多時(shí)適用AIC指標(biāo)〔10〕，但是AIC概率推導(dǎo)的漸進(jìn)性缺乏并且沒(méi)有考慮樣本量的影響。BIC是連續(xù)估計(jì)，其指標(biāo)傾向于選擇

it為條件概率，表示當(dāng)A=i時(shí)，調(diào)查對(duì)象屬于潛在類(lèi)別t的概率。πB|Xjt和πC|Xkt依次類(lèi)推。

(3)LCA模型擬合

LCA的目的是確定當(dāng)外顯變量之間關(guān)系被完全解釋時(shí)，潛變量類(lèi)別t的最小個(gè)數(shù)〔9〕。通常先擬合一個(gè)不分類(lèi)即T=1的基準(zhǔn)模型(無(wú)效模型H0)，如果它擬合度不好，則進(jìn)一步擬合2分類(lèi)(T=2)、3分類(lèi)(T=3)……模型，每次增加一個(gè)類(lèi)別，直到能夠提供足夠擬合度的模型出現(xiàn)。

(4)模型擬合度評(píng)價(jià)指標(biāo)

評(píng)價(jià)模型擬合度最常用的指標(biāo)是似然比卡方〔9〕:簡(jiǎn)單模型。因此對(duì)于較為復(fù)雜的模型，BIC指標(biāo)更受青睞。其計(jì)算方法為〔11〕:

式中LL是對(duì)數(shù)似然，N是樣本量，M為參數(shù)個(gè)數(shù)。模型的BIC越小，模型越適合。由于BIC加入了ln(N)調(diào)整項(xiàng)，將樣本數(shù)的影響納入考慮范圍，因此有學(xué)者建議，當(dāng)樣本數(shù)達(dá)到數(shù)千人以上時(shí)，可采用BIC指標(biāo)〔12〕。也有學(xué)者認(rèn)為，在LCA分析中，常用BIC。但BIC也存在一定的缺陷，因此目前還沒(méi)有某單個(gè)指標(biāo)就能完全評(píng)價(jià)LCA模型的擬合度，比較好的方法是采用幾種方法相互補(bǔ)充。綜合考慮，本研究將以BIC作為模型選擇主要指標(biāo)，同時(shí)參考其他一些指標(biāo)(詳見(jiàn)后述)。

(5)原始數(shù)據(jù)歸類(lèi)

LCA最后一步是要將所有觀察對(duì)象分配到適當(dāng)?shù)臐撛陬?lèi)別中，其分類(lèi)的原理是貝葉斯理論，分類(lèi)概率的計(jì)算如下〔9〕:

(6)潛變量各類(lèi)別的命名及意義

各類(lèi)別的條件概率可以反應(yīng)各類(lèi)別的特征，我們可以根據(jù)條件概率來(lái)對(duì)各潛類(lèi)進(jìn)行命名解釋并探討其意義，具體應(yīng)用參見(jiàn)下文。

結(jié) 果

1.基本情況

被調(diào)查人群平均年齡38.2±7.36歲，81.1%文化程度為初中及以下，85%生活在農(nóng)村，57.6%從事農(nóng)業(yè)，94.8%是初婚，3.3%是再婚，2007年家庭平均收入為27 473元。

由表1可以看出，絕大多數(shù)(84.2%)女性在遭遇婚內(nèi)性暴力時(shí)會(huì)選擇拒絕或向外人求助。約2/3的女性?xún)A向選擇親戚朋友或婦聯(lián)求助，12.2%選擇司法機(jī)關(guān)求助，約1/5的對(duì)象選擇不求助。關(guān)于如何處置婚內(nèi)性施暴者，約2/3的女性選擇了溫和的感化方式，18.6%的女性?xún)A向移送司法機(jī)關(guān)，其余的對(duì)象認(rèn)為沒(méi)有途徑或者不知道如何處理施暴者。

2.模型擬合與選擇

運(yùn)用LatentGOLD 4.5(2005 Statistical Innovations Inc)軟件，選擇單一潛變量模型分析上述家庭性暴力應(yīng)對(duì)措施數(shù)據(jù)。表2所列為潛變量類(lèi)別數(shù)1～5的模型擬合結(jié)果。其中BIC在4類(lèi)別(T=4)模型中最小，較之零模型(T=1)，4分類(lèi)模型誤判率為11%，比3分類(lèi)模型高2%，但比5分類(lèi)模型低7%。從L2來(lái)看，4分類(lèi)模型的L2=10.6，P=0.031，接近0.05，考慮到此時(shí)BIC最小，且5分類(lèi)的誤判率達(dá)18%，因此認(rèn)為4分類(lèi)模型為最適模型。

表1 已婚婦女面對(duì)婚內(nèi)性暴力時(shí)不同應(yīng)對(duì)措施的構(gòu)成比

表2 女性如遭遇婚內(nèi)性暴力時(shí)應(yīng)對(duì)措施數(shù)據(jù)的潛在類(lèi)別模型擬合結(jié)果

3.原始數(shù)據(jù)歸類(lèi)

本研究三個(gè)顯變量應(yīng)答組合最多可有36種，實(shí)際上不是所有應(yīng)答組合都存在。本研究實(shí)際共有34種應(yīng)答組合(表3)。每種組合歸類(lèi)的分類(lèi)概率可以用貝葉斯后驗(yàn)概率估計(jì)出來(lái)，即表3中C1，C2，C3，C4。以表3第一種應(yīng)答組合為例，表達(dá)為{111}，觀察頻數(shù)是5840，該組合分到第一類(lèi)到第四類(lèi)的概率依次為0.94、0.05、0.00、0.00，所以該組合歸屬于類(lèi)別 1。同理可得其他應(yīng)答組合的歸類(lèi)。最終，歸為第一類(lèi)至第四類(lèi)對(duì)象比例分別為64.0%、22.1%、7.4%和6.5%。

4.潛變量各類(lèi)別命名及意義

圖1所示為潛變量各類(lèi)別的條件概率，可見(jiàn)，第一類(lèi)別的女性如遇到婚內(nèi)性暴力，當(dāng)面拒絕或向親戚朋友或婦聯(lián)求助，以及通過(guò)溫情感化丈夫的概率在這四類(lèi)人中可能性最大，而選擇向司法機(jī)關(guān)求助或不知道怎樣處理概率較低。第二類(lèi)女性如遇到婚內(nèi)性暴力，同樣傾向當(dāng)面拒絕或向外人求助，但選擇司法機(jī)關(guān)求助或直接將施暴者移送司法機(jī)關(guān)的概率最高，不知道怎么辦和不求助的概率最低。第三類(lèi)女性如遇到婚內(nèi)性暴力，通常選擇默默忍受、不求助或認(rèn)為沒(méi)有途徑處罰施暴者的概率最高，當(dāng)面拒絕或向外人、親友、婦聯(lián)和司法機(jī)關(guān)求助的概率處于較低水平。第四類(lèi)女性如遇到性暴力既不愿默默忍受，也不求助司法，可能認(rèn)為司法不能處理施暴者，通過(guò)溫情感化手段解決的概率也較低，多半束手無(wú)策，選擇不求助狀態(tài)。

表3 已婚女性面對(duì)婚內(nèi)性暴力時(shí)應(yīng)對(duì)措施不同應(yīng)答組合

上述分析可見(jiàn)，第一類(lèi)和第二類(lèi)女性如遇到丈夫強(qiáng)迫性生活，同樣傾向選擇當(dāng)面拒絕或求助，但第一類(lèi)女性偏向于向親朋好友或婦聯(lián)求助，第二類(lèi)女性偏向于向司法機(jī)關(guān)求助;在處理施暴者的問(wèn)題上，第一類(lèi)女性偏向于溫情感化，而第二類(lèi)女性偏向于移送司法機(jī)關(guān)。因此我們認(rèn)為第一類(lèi)女性的行為是“拒絕，溫和處理型”，第二類(lèi)女性的行為是“拒絕，嚴(yán)厲處理型”。第三類(lèi)女性的選擇默默忍受的概率最高，傾向不求助，把這類(lèi)行為稱(chēng)為“默默忍受型”。第四類(lèi)女性不知道如何反應(yīng)，不知道怎么處罰施暴者，因此把這類(lèi)行為稱(chēng)為“束手無(wú)策型”。

圖1 已婚女性面對(duì)婚內(nèi)性暴力時(shí)應(yīng)對(duì)措施四分類(lèi)潛在類(lèi)別模型的條件概率

討 論

本研究設(shè)置了一個(gè)潛變量，運(yùn)用LCA方法，根據(jù)已婚育齡婦女如何應(yīng)對(duì)婚內(nèi)性暴力，將其分為4類(lèi)不同人群，同時(shí)也揭示了各類(lèi)人群不同的性格特征。第一種特征，我們命名為“拒絕，溫和處理型”，這部分已婚女性所占比例最高，為64.0%，可見(jiàn)大部分女性遭遇婚內(nèi)性暴力時(shí)采用拒絕但手段溫和的處理方式，這種方式既維護(hù)了自身的利益，又可以避免夫妻間的矛盾，在我們看來(lái)是比較理想的處理方式。第二種特征，命名為“拒絕，嚴(yán)厲處理型”，占全部已婚女性的22.1%，這種處理方式維護(hù)了自身的利益，但可能造成夫妻間的矛盾激化。第三種特征，命名為“默默忍受型”，這部分已婚女性占7.4%，她們避免了夫妻間的矛盾，但使自身的利益受到了傷害。第四種特征，命名為“束手無(wú)策型”，所占的比例最低，僅占6.5%，這部分女性在面對(duì)婚內(nèi)性暴力時(shí)，沒(méi)有自己的主見(jiàn)，不知道該怎么做，也不會(huì)去采取措施。

通過(guò)LCA分析，我們將三個(gè)離散型的外顯變量通過(guò)一個(gè)四分類(lèi)的潛變量表達(dá)出來(lái)，不但解釋了揭示了外顯變量的內(nèi)在聯(lián)系，而且大大簡(jiǎn)化了數(shù)據(jù)，避免同時(shí)使用三個(gè)既有差異又相關(guān)的變量于同一分析中，減少了數(shù)據(jù)的冗余，提高了數(shù)據(jù)的利用效率。本文的結(jié)果將用于深入探討已婚女性面對(duì)婚內(nèi)性暴力應(yīng)對(duì)措施的影響因素，可為妥善處理中國(guó)女性婚內(nèi)性暴力提供指導(dǎo)和依據(jù)。

1．Erilicl RG．Violence against women in North America．Arch women ment health，2003，6(3):185-191．

2．European Commission．Domestic Violence against Women．Special Eurobarometer，2010．

3．Faruk Kocacik．Domestic violence against women:a field study in Turkey．The social science journal，2007，44(4):698-720．

4．林美卿．我國(guó)女性遭受家庭暴力問(wèn)題研究．山東社會(huì)學(xué)，2010(6):56-64．

5．馬存根主編．醫(yī)學(xué)心理學(xué)．北京:人民衛(wèi)生出版社，2009，63．

6．Magidson J，Vermunt JK．Comparing Latent Class Factor Analysis with the Traditional Approach in Data Mining Statistical Innovations Inc．USA，and Tilburg University，The Netherlandsby CRC Press LLC，2004．

7．Domimique Haughton，Pascal Legrand，Sam Woolford．Review of Three Latent Class Analysis Packages:Latent Gold，poLCA，and MCLUST．The American Statiscian，2009(1):81．

8．郭小玲．潛在類(lèi)別模型及數(shù)據(jù)模擬分析．?dāng)?shù)理醫(yī)藥學(xué)雜志，2009，22(6):631-635．

9．Magidson J，Vermunt JK．Latent class models．Belmont，Massachusetts:Statistical Innovations Inc，2003

10．邱皓政主編．潛在類(lèi)別模型的原理與技術(shù)．北京:教育科學(xué)出版社，2008．

11．Wikipedia．Bayesian information criterion．http://en．wikipedia．org/wiki/Bayesian_information_criterion，2011-2-23．

12．Burnham KP，Anderson DR．Multimodel Inference understanding AIC and BIC in Model Selection，2004，33(2):261-304．