医科大学毕业生应对方式的相关社会心理因素及统计技术研究

发布时间：2020-09-18 09:10

　　 目的: 了解目前医科大学毕业生面对压力所采用的应对方式,探讨毕业生应对方式的相关影响因素以及因素间的内在关系,以便有针对性地进行心理干预;研究可行的统计技术,为处理类似问题提供方法学上的指导。 方法: 通过对医科大学毕业生进行问卷调查,获得应对方式的相关资料。应用多元逐步回归分析、主成分回归分析、贝叶斯网络分析、通径分析等统计方法,分析影响医科大学毕业生应对方式的相关影响因素及作用机制。 结果: 采用自填问卷形式调查医科大学毕业生,获得有效问卷596份。多元逐步回归分析结果提示:影响积极应对得分的主要因素是自我效能、精神质、内控性、支持利用度、压力、性别;影响消极应对得分的主要因素是情绪性、自我效能、性别、受惩罚、内外向。贝叶斯网络分析可知,积极应对的影响因素为:精神质、支持利用度、内控性、性别、主观支持、自我效能、丧失、客观支持、情绪性、内外向,直接影响因素为:精神质、支持利用度、内控性;消极应对的影响因素为:情绪性、内控性、自我效能,直接影响因素为:情绪性。拟合积极应对的通径分析模型,拟合优度指数GFI(Goodness of Fit Index)为0.9906,模型拟合效果较好。结果提示:自我效能对积极应对的总效应最大,其次为内控性、精神质、性别、支持利用度、压力。 结论: 生活事件、人格特征、社会支持、内控性、自我效能是影响医科大学毕业生应对方式的社会心理因素。基于这些影响因素及作用机制,提出有针对性的干预措施。 一些传统的统计方法(如多元逐步回归、主成分回归)有其优缺点及适用性,得出结论应与专业知识相结合。贝叶斯网络为构建通径图提供基本的框架,较好地解决了通径分析中的难题。根据其所得出的结论详尽、有深度,往往更符合实际。
【学位单位】：福建医科大学
【学位级别】：硕士
【学位年份】：2007
【中图分类】：R-4
【部分图文】：

任一变量在给定他的父节点时条件独立于它的非后代节点集。（2）每一变量都有一个对应的条件概率表(图3(b))，它描述了这个变量在给定它的父节点值(字母表示该变量取真， 表示变量取非)时的概率分布，在条件独立的前提下，条件概率表就能求出贝叶斯网络的联合概率。6.1 数据预处理将各个影响变量进行变量的离散化处理，如表 8 所示。在构建贝叶斯网络和进行网络推理时，已有研究表明[17]：将连续性变量离散为二分类变量，在离散的过程当中会丢失过多的信息，导致生成的贝叶斯网络准确性降低；离散为三分类变量，得到的贝叶斯网络能较好的代表原数据中各变量的依赖关系；而离散为四分类变量

51图1 (a) 有向无环图 (b) 节点X4的条件概率表对于图中每一节点(X1, ,X5)可以说明两点：（1）网络中有向弧节点间存在一种依赖关系，如：X2→X4 ,表示因果关系。任一变量在给定他的父节点时条件独立于它的非后代节点集。（2）每一变量都有一个对应的条件概率表(图1(b))，它描述了这个变量在给定它的父节点值(字母表示该变量取真， 表示变量取非)时的概率分布，在条件独立的前提下，条件概率表就能求出贝叶斯网络的联合概率。2 贝叶斯网络的构建对于不同的问题和不同的应用领域构造贝叶斯网络的过程不尽相同，但概括起来包括以下几个步骤：第一，选择合适的网络拓扑结构。主要是确定模型变量，并根据变量间因果关系，确定网络的拓扑结构。本步骤的关键是应使网络拓扑结构能反映所研究的问题。变量可选取离散型或连续型分布。第二

【引证文献】

相关硕士学位论文 前1条

1 张艺玲;临床医学专业毕业生择业焦虑的相关社会心理因素及统计技术研究[D];福建医科大学;2008年

本文编号：2821452