● 王亞寧

研究緣起

社交焦慮是焦慮情緒中的常見類型，是社交情境中較多出現(xiàn)的心理狀態(tài)。本文將社交焦慮界定為個體因人際傳播、社交活動而感受到的不安、緊張、害怕、恐懼等不同程度的復(fù)雜情緒，是一種負(fù)性情緒狀態(tài)，而非心理疾病。Alkis 等多位土耳其學(xué)者在梳理已有社交焦慮量表基礎(chǔ)上，依次完成深度內(nèi)容分析→專家審查→探索性因子分析→驗證性因子分析等多個步驟，最終建立起一個由4 個維度、21 項測量題目構(gòu)成的社交媒體用戶社交焦慮量表（以下稱“SAS-SMU”）。[1]他們在土耳其國內(nèi)進(jìn)行數(shù)據(jù)驗證，經(jīng)過嚴(yán)苛的翻譯程序?qū)⒘勘碜g成英文。本文以英文版為藍(lán)本，將量表引入中國社交媒體用戶社交焦慮的測量中，在一手?jǐn)?shù)據(jù)支持下檢驗量表在本土社交媒體語境中的適用性。

研究設(shè)計

微信是我國用戶規(guī)模最大、日活最高的社交媒體，構(gòu)建了“二十四小時在線”與快速回復(fù)的新社交文化。本研究針對微信建立的強(qiáng)關(guān)系社交媒體平臺設(shè)計問卷、收集數(shù)據(jù)，以驗證SAS-SMU 在該平臺的適用性。

1.問卷調(diào)查

本研究通過網(wǎng)絡(luò)調(diào)查共回收414 份問卷，有效問卷404 份。其中，女性占74.5%，年齡分布以26-35 歲為主，占總樣本量的58.42%，18-25 歲的占29.46%，36-45 歲的占10.15%；碩士研究生及以上占比最大（50.25%），大學(xué)本科占36.14%；收入在3001-5000 元之間的占比（20.79%）最大，5001-8000 元的占比為17.82%。

2.微信用戶的社交焦慮量表

社交焦慮以研究者對該問題在實踐中的測量與量表的發(fā)展、驗證進(jìn)入學(xué)術(shù)研究領(lǐng)域，很多心理學(xué)研究者因應(yīng)時代變遷與現(xiàn)實環(huán)境而發(fā)展與修訂前人的量表。

面對面交往語境中已有諸多學(xué)者發(fā)展了不同場景的社交焦慮量表，常用的有社交焦慮回避與苦惱和負(fù)性評價恐懼、負(fù)性評價量表簡表、Liebowitz 社交焦慮量表、社交焦慮量表（SIAS）與社交恐懼量表（SPS）。

隨著移動社交媒體加入社交活動中，Alkis 等人在此基礎(chǔ)上編制了適用于測量社交媒體用戶的社交焦慮水平的量表。本研究引入該量表時，根據(jù)微信平臺的特點與研究目的做了適應(yīng)性調(diào)整。

首先，將SAS-SMU 英文版翻譯成中文，并根據(jù)微信社交語境進(jìn)行調(diào)整。如將“我擔(dān)心給別人留下負(fù)面印象”修改為“我擔(dān)心發(fā)朋友圈給別人留下負(fù)面印象”。

其次，增三題，刪一題。增刪題目參考了面對面交往中常用的社交焦慮量表、微信用戶日常使用經(jīng)驗以及探索性研究時的用戶訪談。增加題目為：“我跟領(lǐng)導(dǎo)、老師等人交流時不會緊張”（反向題）、“我和異性聊天會很緊張”、“當(dāng)我必須在微信群發(fā)言時會緊張”。刪除題目為“我擔(dān)心別人不贊成我的行為”。

最后，設(shè)置反向題。將原來量表“我擔(dān)心人們對我的評價差”轉(zhuǎn)為反向題。由此，形成本次微信用戶社交焦慮量表的23 個測量語句。

SAS-SMU 的信效度分析

本研究從總樣本中隨機(jī)抽取202 份樣本，使用SPSS26 進(jìn)行量表信效度和探索性因子分析。其余200 份樣本完成驗證性因子分析。

首先對SAS-SMU 做信度檢驗。23 個語句信度分析所得Cronbach’α 為0.924。信度分析結(jié)果顯示，“刪除項后的Cronbach’α”系數(shù)會再次提升。據(jù)此結(jié)果，刪除兩個反向題后，信度系數(shù)提升到0.935。

1.探索性因子分析

信度分析后，采用主成分對剩余21 個語句做探索性因子分析，所得KMO 值為0.906，Bartlett 球形檢驗的χ2值為3315.938（df=210），達(dá)到顯著性水平（P=0.000<0.001）。該量表的KMO 值、Bartlett 球形檢驗數(shù)據(jù)都顯著好于臨界值，說明適合做因子分析。

因子分析得到的旋轉(zhuǎn)矩陣將量表的21 個語句分為三個成分，即微信用戶社交焦慮的三維度。與原量表相比，本次調(diào)查的微信用戶將原本自我評價焦慮的“我擔(dān)心發(fā)朋友圈給別人留下負(fù)面印象”“我對不能滿足人們的期望感到焦慮”納入內(nèi)容分享焦慮中。從測量語句看，這兩項在Alkis 等人設(shè)計的量表中重點評估用戶處理社交中負(fù)面評價時的焦慮情緒。而在微信語境下，用戶把評估重點放在了可能帶來負(fù)面評價的行為上。學(xué)者研究發(fā)現(xiàn)，微信用戶使用朋友圈時，自我評價焦慮會對內(nèi)容分享焦慮產(chǎn)生正向影響。[2]

綜上，微信用戶社交焦慮由21 個語句組成，分為三個測量維度：內(nèi)容分享焦慮（SCA）、互動焦慮（IA）和隱私關(guān)注焦慮（PCA）。與原量表相比少了自我評價焦慮（SEA），因該維度經(jīng)過探索因子分析后還剩余兩個題項，且全部被劃分到內(nèi)容分享焦慮。

2.驗證性因子分析

探索性因子完成后，通過Amos 26 進(jìn)行驗證性因子分析，以評價量表的擬合優(yōu)度。首先，將探索性因子分析劃出的三個因子的所有語句納入相應(yīng)測量維度中，采用最大似然法分析三因子（SCA、IA、PCA）間的相關(guān)性。將全部21 個測量語句分析結(jié)果與模型擬合優(yōu)度常用指標(biāo)臨界值進(jìn)行對比發(fā)現(xiàn)，只有CFI=0.911 略大于臨界值0.9，滿足擬合優(yōu)度指標(biāo)要求，其他指標(biāo)均不滿足，具體地，χ2/df=3.879 ＞3，NFI=0.881 ＜0.9，TLI=0.899 ＜0.9，RMSEA=0.086 ＞0.08，說明該模型的擬合程度不理想。

鑒于此，在該模型擬合基礎(chǔ)上進(jìn)行模型修正。首先將標(biāo)準(zhǔn)化估計下各個維度相應(yīng)項目因子載荷小于0.6 或SMC 值小于0.36 的項目逐步刪除，即載荷系數(shù)越小的越先刪除，每刪除一項，檢查一次擬合優(yōu)度指標(biāo)。此過程刪除IA9，所 得χ2/df=3.849，NFI=0.892，TLI=0.906，RMSEA=0.085，CFI=0.918。此次模型擬合的各項指標(biāo)均有優(yōu)化，但依然未通過擬合度臨界值要求，需繼續(xù)修正模型。

第二次模型修正以修正指標(biāo)（Modification Indices）結(jié)果為依據(jù)，根據(jù)不同題項、殘差相互之間的相關(guān)度高低，對影響模型擬合度較大的測量題項進(jìn)行逐次刪減。每刪減一個題項，都將模型擬合優(yōu)度指標(biāo)數(shù)值與臨界值做比較，直至實現(xiàn)較好的擬合優(yōu)度結(jié)果。本次修正過程中，依次刪除了PCA1、IA1、SCA1、SCA2、IA5。最終，所得模型擬合優(yōu)度指數(shù)為：χ2/df=1.753 ＜2，CFI=0.982 ＞0.95，NFI=0.960 ＞0.95，TLI=0.979 ＞0.95，RMSEA=0.044 ＜0.05，即顯示模型擬合良好。

接著，對CFA 模型各因子下所對應(yīng)測量題項的內(nèi)部一致性進(jìn)行檢驗，即因子收斂效度分析，以判斷實際測量時各題項是不是確實落在同一因子項下。因子收斂效度分析常用指標(biāo)有兩個：平均方差提取值（AVE）和建構(gòu)信度(CR)。AVE 數(shù)值用來說明每一個因子所解釋的方差中有多少是來自該因子中的所有題目，當(dāng)AVE ＞0.5 時說明收斂效度較好。CR 體現(xiàn)每個潛變量中所有題目是不是一致性地解釋該因子，當(dāng)CR ＞0.7 時說明該因子具有較好的建構(gòu)信度。[3]各個因子的AVE 值、CR 值均達(dá)到臨界值要求，表明各因子具有良好的收斂效度。

除同一因子內(nèi)部測量題項的收斂效度驗證外，還要進(jìn)行不同因子間區(qū)別效度分析，目的在于檢驗不同測量維度間是否存在顯著差異性。該分析使用AVE 根號值和其他相關(guān)維度的相關(guān)系數(shù)進(jìn)行對比，即某因子的AVE 根號值比“該因子與其他因子的相關(guān)系數(shù)最大值”都大時，說明該因子內(nèi)部相關(guān)性大于外部相關(guān)性，亦即該因子與其他因子可有效區(qū)分。根據(jù)計算發(fā)現(xiàn)IA 的AVE 根號值為0.795，PCA 的AVE 根號值為0.826，SCA 的AVE根號值為0.787，這三個值均大于相應(yīng)因子與其他因子的相關(guān)系數(shù)，也就是說各因子的內(nèi)部相關(guān)性遠(yuǎn)大于外部相關(guān)性，即具有良好的區(qū)別效度。

至此，本研究完成了Alkis 等人發(fā)展的社交媒體用戶社交焦慮量表在中國強(qiáng)社交媒體語境中的驗證與修訂，說明了其在微信平臺上的應(yīng)用性與不適之處。

結(jié) 語

本研究參考Alkis 等人編制的社交媒體用戶社交焦慮量表，在中國強(qiáng)關(guān)系社交媒體語境下進(jìn)行量表檢驗。經(jīng)過探索性—驗證性因子分析得到適用于微信用戶的社交焦慮測量量表，該量表共15 個題項，分三個維度：內(nèi)容分享焦慮、互動焦慮和隱私關(guān)注焦慮。

值得注意的是，問卷中的兩個反向題在因子分析階段未達(dá)到臨界值要求，按照操作規(guī)則刪除。反思這兩題未達(dá)標(biāo)原因，可能是在微信用戶對這兩種情形感知確實不明顯，也可能是網(wǎng)絡(luò)調(diào)查本身特點所致。網(wǎng)絡(luò)調(diào)查以用戶自評方式填答，沒有受訪員在一旁監(jiān)督和提醒，這種情況下填答者很容易忽略反向題的描述方式，而依然按照正向描述作答，從而影響分析結(jié)果。未來研究中設(shè)置反向題時應(yīng)從被調(diào)查者的角度審慎考慮，力求填答者的便利性和數(shù)據(jù)結(jié)果的精準(zhǔn)性。