这份研究中，研究人员对环境态度的多维性和层次性进行了分析，提出了一种累积性和理论性的环境态度测量方法。并基于评估倾向，设计了环境态度评价的横向和纵向结构。研究人员以三项关于发展心理测量健全，多维的清单来评估不同文化下的环境态度，即环境态度清单（EAI）作为基础进行开发。最后形成的环境态度清单包含有12份特别的量表，囊括了之前各研究的主要测量内容。开发出的EAI在单个国家以及不同文化背景下进行了测量验证，表明这套量表是具有高度内部一致性，同质性和高度重测信度的一维量表。
- 多重话题，多表达手段，侧重于多重环境问题和多重关注表达;
- 关注多重环境问题和单一表达关注的多主题单一表达工具;
- 单一环境问题，专注于单一环境议题和多表达的多重表达工具;
- 单一环境问题，单一表达关注的单一话题，单一表达工具。
如下所示，这种类型对于EA评估的分类非常有用。
例如，保存和利用分别与人 – 环境关系的精神和工具性观点（Stokols，1990）以及道德/利他主义和功利主义价值之间的区分有关（Kaiser＆Scheuthle，2003）。基于这些领域的最新发展，这里假设EA是一个多维结构，可以按层次结构组织，具有两个更高阶的维度（即保存和利用）。
为了检验这一点，将这两个子集扩展为两个平衡量表（即附录1中的量表2和11），看它们是否会作为不同的维度出现。另外，由于人口增长是环境问题的核心问题，Milfont和Duckitt（2004）使用的项目池不包括评估人口过剩的项目（班杜拉，2002年;千年生态系统评估，2005年; Van Liere＆Dunlap，1981年）。另一个EAI方面（即规模12）被确定为可能的额外环境评估维度。通过这种方式，确定了十二个EA维度。
- 环境态度清单（EAI）。这包括193个平衡项目，评估已确定的十二个EA首要维度。
- 生态行为量表。这是一项以前使用的8项量表（Milfont＆Duckitt，2004），要求参与者说明他们多长时间参与八种特定行为（例如，“寻找重复使用物品的方式”）。 ”步行或骑自行车以节约汽油”）在过去的一年中从1（从不）到5（经常）5分制。 这些是个人领域的生态行为（Stern，2000）。
- 经济自由主义量表。这是一个3项量表，用于评估主导社会范式（DSP）的经济维度（Kilbourne，Beckmann和Thelen，2002）。这些项目是：“’个人行为应该由个体经济利益决定，而不是政治’，”最好的衡量标准是经济”，’如果经济持续增长，每个人都受益”’。
- 缩短的社会满意度量表。为了研究EAI量表和社会需求之间的关系，从Paulhus（1991）的期望响应平衡量表（BIDR）量表（例如“我从不发誓”，和’如果必须’我有时会说谎’）中选择了一组衡量印象管理的10个平衡项目。参与者对7点量表（不真实和非常真实）上的每个项目进行评分。
- 对经济增长的限制。这是一个解决经济增长限制的两项平衡标准。这些项目是：“经济增长存在限制，我们的工业化社会无法扩张”，这是源自原始的NEP量表（Dunlap＆Van Liere，1978），“我们不应该担心经济增长受限制“（逆转得分）。
- 可持续性量表。这是基于可持续发展通用定义的两项均衡标准。这些项目是：“在我们社会的发展中，我们必须努力满足现在的需要，同时又不损害子孙后代满足自身需求的能力”，“在不影响后代满足自身需求，我们应该尽力满足需求的想法”是错误的“（逆转得分）。
- 单个自评项目。单一的自评项目被用来衡量宗教信仰（以非宗教和非常宗教为基础的8分制），圣经的文字主义（Schultz，Zelezny和Dalrymple，2000），政治保守主义（以极其自由和极度保守的方式的7分制），自我感知的家庭经济状况（以低收入和高收入为基础的9分制）以及与自然的联系（Schultz，2001）。
- 问卷A版还包括以下测量
- 对民主的态度量表。从Watts和Feldman（2001）的民主定向量表中选择了一组6个平衡项目来衡量对民主的偏好（例如，“无论人们相信什么，他们都有权享有与其他任何人相同的民主权利和法律保护“’社会应该有权利通过压制某些群体并且否认他们正常的民主自由来保护自己免受他们的攻击’，反过来得分）。
- 简化的社会支配导向（SDO）量表。这个量表测量“人们希望个人在群体中占主导地位并且优于群体外的程度”（Pratto，Sidanius，Stall-worthm，＆Malle，1994，p.742）。从最初的SDO量表中随机抽取6个项目，以便具有相同数量的积极措词（例如，“某些群体的生活中的机会多于其他群体是没问题的”）和消极措辞（例如“所有的团体在生活中都应该享有平等的机会）。
- 简化的右翼威权主义（RWA）量表。 Altemeyer（1981）将威权主义定义为常规，威权主义屈服和威权主义激进。从最初的RWA量表（Altemeyer，1981）中随机抽取六个项目，以便有相同数量的积极措词（例如，“顺从和尊重权威是儿童应该学习的最重要的美德”）并且措辞负面（例如，’我们应该对抗抗议者和激进分子，因为新想法是渐进式变革的命脉，所以他们应该敞开怀抱和开放的态度’“）。
- 问卷B版还包括以下测量
- 环境动机量表（EMS）。 这个12项量表衡量了人类行为引起的环境问题的三个关注领域（Schultz，2000,2001）。 这些类别是自我主义的（我，我的生活方式，我的健康和我的未来），利他主义者（我国人民，所有人，儿童和后代）和生物圈（植物，海洋生物，鸟类和动物）。 参与者从1（不重要）到7（最重要）表示了他们对环境的关注。 为了控制个体反应的差异程度，通过从三个环境关注集群（Schultz，2001）的每一个中减去平均得分（即，所有12个项目的平均值）来创建集中的环境关注分数。
- 价值优先。一份包含四个三项量表（Stern，Guagnano，＆Dietz，1998）的简要清单被用来衡量Schwartz（1994）的四个主要的价值集群，包括自我超越，自我增强，对改变的开放性和保守主义。按照Stern，Dietz，Kalof和Guagnano（1995）的建议使用“保守主义”，另见Schultz和Zelezny（1999）和Schultz等人。 （2005），因为Schwartz（1994）的术语“保护”在环境研究中具有双重含义。因为自我超越集群被用来衡量环境内容，斯特恩等人（1998）创建了生物圈和利他集群。前者包括自我超越的环境内容，后者包括自我超越的非环境内容。因此，在这项研究中共检验了六个价值集群：自我超越（保护环境，和平世界和社会正义），自我提升（权威，有影响力和财富），对改变的开放性（多变的生活，令人兴奋的生活和好奇心），保守主义（尊敬父母和长辈，家庭安全和自律），生物圈（保护环境，与自然和谐统一，尊重地球）和利他主义（和平，社会正义和平等）。参与者将按照Schwartz（1994）的9点量表，对“我生活中的指导原则”进行打分，分值从-1（不同意）到0（不重要）到7（至高无上的重要性）。为了控制个体反馈的差异性，通过从六个值集群（Schwartz，2005）中的减去平均值分数（即，所有15个值项目的平均值）来计算居中值分数。
- 数据分析所有数据分析均使用SPSS或LISREL 8.71进行。 使用LISREL和最可能（ML）估计程序进行验证性因子分析（CFA），将观测的协方差矩阵作为输入值。 使用几个绝对指数来评估总体模型拟合程度：c2 / df比值为3：1或更小表明拟合良好（Carmines＆McIver，1981），RMSEA，SRMR，CFI和NNFI值接近.06，.08，.95以及各自为.95表示可接受的适合度（Hu＆Bentler，1999）。 增量拟合指数也用于计算竞争模型的改进：较低的ECVI和CAIC值，较高的T值反映了较好拟合的模型（Garson，2003; Marsh＆Hocevar，1985）。 此外，根据MacCallum，Browne和Sugawara（1996）的指导原则，RMSEA和ECVI也报告了90％置信区间（90％CI）。
- 初步分析问卷中包含的193个项目，在进行初步分析后，从中选择了最佳的120个EAI项目。 这些项目是根据特定的心理测量标准选择的：校正项目的总体相关性高于.30，量表内的项目间相关性高于量表之间的相关性，探索性因素分析中的单因子结构，以及内部的一致性。 每个量表包括五个积极措词和五个消极措辞的项目。 这样，每个包含十二个EAI的量表中的都包含一组10个平衡的项目以控制默认（Krosnick，1999）。 然后使用这组选择的120个项目进行后续分析（见附录2）。
- 描述性统计和可靠性表1列出了12个EAI量表的α系数，平均项目间相关性，平均值，标准偏差，偏度和峰度。总的来说，α系数非常令人满意，范围从.72到.89（M = .84）。平均项目间相关系数为0.22至0.46（M = .36）。这些结果显示了所有EAI量表的内部一致性和均一性。这些量表也具有可接受的（即<1.00）偏度和峰度水平，表明没有严重偏离正态性。
表2给出了所有其他量表的描述性统计和可靠性。有些量表的可靠性低于α系数的最佳水平.70，平均项目间相关系数低于0.20（Briggs＆Cheek，1986; Nunnally，1978）。然而，所有测量指标的克朗巴赫α均高于0.60或平均项目间相关高于0.15，表明可接受的内部一致性和均一性。对民主态度的量表以及利他关系量表显示出与正态性存在一些偏差（即> 1.00），但偏度和峰度值在可接受的范围值内（West，Finch，＆Curran，1995）。
- 相互关系和社会愿望EAI量表之间的相互关系不是太强大。 没有高于0.60，并且66个值中只有8个高于0.50（见Milfont＆Duckitt，2006，表2）。 这些结果表明EAI量表具有相当大的独立性。 只有三个保留量表（量表1，量表3和量表8）具有统计显着性，以及（r <.30）与社会适应能力非常弱的相关性（Milfont，2009a）。
- 测试EAI结构模型为了测试EAI的结构模型，首先测试了EAI的测量模型（即，十二个相关的一阶因子模型）。三个显性指标，包括选项部分，被用于12个量表中的每一个。采用单因子方法（Brooke，Russell＆Price，1988; Landis，Beal，＆Tesluk，2000）来创建指标，每个部分中积极和消极措辞的项目均具有均衡的指标。然后使用CFA检查模型。 EAI测量模型的拟合指数表明非常合适（c2 = 810.97; df = 528; c2 / df = 1.54; RMSEA = .041,90％CI = .036-。 047; SRMR = .048; CFI = .98; NNFI = .98）。从显性指标到它们各自潜在变量的所有参数均具有统计学意义（t> 1.96，p <.05），且所有负荷都很高（最差的标准化路径为距离第一部分量表7的0.65）。只有量表5和1，8和12之间存在相关性不显着。总体而言，这些结果与表示一维环境态度一阶因子的EAI量表一致。
随后，使用相同的内容部分来评估EAI结构模型。三种模型被用来测试EA的高阶因子结构：一个一阶因子模型（模型1），一个两两不相关二阶因子模型（模型2）和一个两两相关二阶因素模型（模型3）。表3中报告了这些模型的拟合指数。模型3在统计学上更好地拟合[c2（1）= 51.02，p <.001]，并且具有比单个二阶因子结构更好的整体拟合指数（模型1），尽管单因素模型也很适合。从一级到二级因子的所有参数在统计学上都是显着的（t> 1.96，p <.05），并且所有的负荷都很高（最差的标准化路径是从利用到量表5的0.39）。两个高阶潜在因素高度相关（F = .87）。
- 测试EAI结构模型的聚合和判别有效性高级EA因子的初始聚合和判别有效性先前已被证明（Milfont＆Duckitt，2004，2006）：保存预测生态行为，而利用预测经济自由主义。为了进一步评估两个高阶因子与其他标准变量之间的关系，计算了70个保存项目和50个利用项目的平均分数。一维EA项目平均得分也被计算并标记为“通用环境态度”（GEA）。这通过倒转50个利用项目然后汇总所有120个EAI项目来完成。因此，保存，利用和GEA分数是多主题，多表达的分数（Dunlap＆Jones，2002）。
保存（M = 4.83，SD = .65），利用（M = 3.64，SD = .60）和GEA（M = 4.63，SD = .58）有足够的可靠性：分别为=a 1⁄4 .95，.91和.96，以及平均项目间相关性分别为= 1⁄4 .20，.17和.17。这些稍低的均匀系数显示了保存，利用和GEA的预期多维性。保存和利用密切相关（r = .66，p <.001）。鉴于这种高度相关性，它仍有待证明保存和利用是否显示出区别效度。
为了测试保存和利用是否可以解释有效性标准中重要的非重叠方差，我们进行了多元回归分析，并将其与GEA合并后的回归进行比较。在保存和利用两个方面，每个有效性标准同时被回归。为了能够直接比较回归和方便解释，利用得到了反向评分，因此该变量与保存和GEA具有相同的得分方向。据报道，调整后的R2还试图评估保存和利用分数是否预测变量的显着更多方差，而不仅仅是GEA。如果在预测一个标准变量时调整后的保存和利用R2高于GEA单独调整后的R2，那么它将为具有两个单独的保存/利用分数的可能性提供证据。结果列于表4中。由于问卷有两个版本，每个分析中包含的受访者人数各不相同。
对于所有回归报告，容忍度系数均高于0.20，方差膨胀因子系数低于4.0，表明缺乏多元多重共线性（Garson，2003）。1保存在女性，融入自然，社会愿望，生态行为，可持续性，经济增长的限制，对民主的态度以及自我超越的价值观中，占据显着的非重叠方差。 另一方面，利用在宗教，圣经的文字主义，社会支配的方向以及右翼的专制主义方面占据了重要的非重叠方差。 然而，如调整后的R2所示，保留和利用分数似乎不能说明预测变量显着多于GEA。 因此，保存和利用的判别效度没有明确的经验证据。
- 参与者，程序和手段：通过SurveyMonkey技术（www.surveymonkey.com），在巴西创建并管理一个基于网络的研究。 由于基于网络的方法的可接受性，其在心理学研究中的应用越来越多（Reips，2006）。 例如，最近出版了一本关于这个话题的书（Joinson，McKenna，Postmes，＆Reips，2007），由实验心理学期刊（Reips＆Musch，2002）组织的一个关于基于因特网的心理实验的特刊， 顶尖的科学期刊认为在网络研究和实验室研究之间不再有区别（Honing＆Reips，2008）。 此外，相比纸质版本（Riva，Teruzzi和Anolli，2003），研究表明在线完成的心理测量的心理测量特性在统计学上没有显着差异，计算机管理的问卷甚至可以提高自我报告的数据质量（Denny等，2008）。这份调查共发送给414人，409人同意参与研究，但只有229人（153名女性和76名男性）完成了调查。 大多数参与者（53.1％）是通过短信了解到有调查。 他们的年龄在19到64岁之间（M = 32.28，SD = 9.50），巴西所有州的一半以上都有代表（27个州中有18个州）。 大部分受访者（81.7％）完成了本科或研究生学位。 这份调查包括了巴西 – 葡萄牙版本的EAI。
- 制作巴西葡萄牙语版本的EAIEAI的英文版采用双语委员会方法被改编成巴西葡萄牙语（van de Vijver＆Leung，1997）。 首先，EAI项目由独立译者翻译，随后由第一作者进行两个版本的比较。 然后，这个第一个翻译版本被发送给新西兰的两名巴西双语居民征求意见。 修改后，修订后的版本由巴西的十名本科心理学学生进行内容验证。 翻译准确性通过必要后续纠正来完成检查，（Milfont，Pessoa，Belo，Gouveia，＆Andrade，2005）。
- 描述性统计和可靠性表1给出了巴西12个EAI量表的描述性统计和可靠性。总体而言，研究2中所有EAI量表的可信度均低于研究1。两种研究中的12个量表的内部可靠性（克朗巴赫α）的等同性均采用van de Vijver和Leung（1997，方框4.1）。这个程序允许统计检验Cronbach’s alpha之间可能存在的显着差异。研究2中的所有四个量表（标度1,7,9和12）的可靠性显着较低。
然而，所有量表在巴西样本中仍然具有足够的可靠性，α系数范围从.63到.87（M = .76），平均项目间相关性范围从.15到.40（M = .27）。这些量表也具有可接受的偏度和峰度水平，表明没有与正常情况严重偏差。保存（M = 5.60，SD = .55）、利用（M = 3.37，SD = .57）和GEA（M = 5.20，SD = .49）再次产生并且具有足够的可靠性：α=. 91，.86和.93，平均项目间相关性分别为.14，.11和.11。保存和利用强相关。（r = .57，p <.001）。
- 测试EAI结构模型如在研究1中一样，内容部分被使用，并且首先进行EAI测量模型的测试。拟合指数表明，该样本中的12个EAI量表也可以作为一维EA一阶因子处理（c2 = 655.09; df = 528; c2 / df 1.24; RMSEA .032 ，CI90％ .023-.040; SRMR = .051; CFI = .98; NNFI = .98）。从显示指标到它们各自的潜在变量的所有参数在统计学上都是显着的（t> 1.96，p <0.05），并且所有负荷都很高（最弱的标准化路径是从第一个量表4 部分的0.52）。一阶因子之间的所有相关性也具有统计显着性。然后测试EAI结构模型。 CFA结果表明，两两相关二阶因子结构也显示出适合研究2的数据（见表3）。所有参数均具有统计学意义（t> 1.96，p <.05），并且所有负荷都很高（最小的标准化路径是从保存到量表12的0.23）。两两相关二阶因子模型（模型3）在统计学上比单个二阶因子结构（模型1）的统计学拟合性更好[c2（1）= 18.78，p <.001]。然而，与之前一样，两种模型的总体拟合指数实际上是相同的，而两个高阶因子是高度相关的（V = .83）。
- 开发和测试EAI的简式版本;
- 在多个文化背景下复制EA的横向和纵向结构分析（即全球样本）;
- 检查EAI量表的重测信度。
- 参与者和程序这项基于网络的研究旨在招募全球样本。该研究在“互联网上的心理学研究”和“网络调查列表”网站以及环境心理学邮件列表的成员上均有广告。该研究还向“第五届博士太平洋大学协会学生会议”的参会者发放广告。大部分参与者（71.2％）通过电子信息了解了调查。
调查链接共送达659人，648人同意参与研究。不过，只有468人（244名女性和224名男性）完成了调查。参与者的年龄介于18至69岁（M = 34.04，SD = 12.89）。参与者来自59个国家，所有六个有人居住的大陆均有参与：非洲（n = 9），亚洲（n = 35），澳大利亚和大洋洲（n = 216），欧洲（n = 107） ，北美（n = 80）和南美（n = 21）。大部分受访者来自新西兰（40.2％），其次是来自美国的参与者（13.2％）。大部分受访者（88.7％）完成了本科或研究生学位。
参与者还被问及是否有兴趣参加另一项研究，如果愿意可提供他们的姓名和电子邮件地址。141名参与者提供了联系方式。八周后，通过电子邮件将重新测试的研究链接发送给他们。97名参与者访问了研究链接，80名参与者（54名女性和26名男性）完成了调查。重测参与者的年龄在18到61岁之间（M = 33.68，SD = 10.85）。同样的，大多数测试重新测试的参与者来自新西兰（37.5％）和美国（21.3％）。
- 仪器从每个EAI量表的中选择六个平衡项目来形成简要的EAI量表。 这些项目是根据研究1和研究2中的高因子负荷来选择的。此缩减版本将在下文称为EAI-S。
- 描述性统计和可靠性表1给出了12个EAI-S量表的描述性统计和可靠性。总体而言，EAI-S量表的α系数和平均项间相关性也非常令人满意，平均分别为0.82和0.47。只有量表4具有低但仍然可以接受的可靠性。 EAI-S量表也具有可接受的偏态和峰度水平，表明没有严重偏离正常。保存（M = 5.60，SD = .76），利用（M=3.20，SD=.81）和GEA（M=5.26，SD=.73）具有足够的可靠性（= .94，. 91和.96，平均项间相关性分别为= .28，.25和.24），保存和利用强相关（r = .75，p <.001）。
- 测试EAI-S的结构模型与在前面两项研究中使用部分内容不同，在研究3中使用全套内容物品（即12个EAI一阶因素中的每一个的6个内容）来测试EAI-S测量模型和结构模型。这是因为EAI-S包含的项目数量较少，从而减少了CFA模型。 EAI-S测量模型与数据（c2 = 6539.08; df = 2418; c2 / df = 2.70; RMSEA = .060，CI90％= .059-.062 ; SRMR = .065; CFI = .96; NNFI = .96），证明12个六项量表可以视为单维EA一阶因子。量表4中的两项（第2项“自然很重要，因为它可以为人类的快乐和福祉做出贡献”，第3项“关于森林砍伐，我最关心的事情是：后代没有有足够的木材“）没有统计学意义（t <1.96，p> 0.05）。但是，这些项目被保留用于随后的分析。所有其他参数均具有统计学意义。
然后测试了EAI-S结构模型。 两两相关的二阶因子结构对数据有适当的适应性（见表3）。 所有参数均具有统计学意义（除了量表4中的这两个项目外），并且所有加载量都很高（从利用到量表5，最弱的标准化路径为.47）。 两两相关二阶因子模型在统计学上比一阶因子模型拟合更好[c2（1）= 6.52，p <.05]，但两个模型的总体拟合指数实际上是相同的，并且这两个更高阶的因子是高度相关的（V = .96）。
- EAI-S的重测信度表1的最后一栏列出了EAI-S量表的重测系数，范围从.62到.90。 还计算了保存，利用和GEA的重测系数，分别为.95，.92和.96。 结果表明，在8周的时间间隔内，所有EAI-S量表及高阶EA因子呈现稳定。 因此，在此期间，人们的EA表现出相当大的稳定性。
根据这种功能结构模型，EA的符号和工具功能分别与它们的保存和利用高阶维度有关：保存表示象征态度，而利用表示工具态度。这与Kaiser和Scheuthle（2003）区分与人们对生态行为态度的评估成分有关的道德/利他主义和功利主义价值观是一致的。对EA的功能 – 结构链接的深入理解似乎是未来研究的一个非常重要的方向。
Carman（1998）和Xiao和Dunlap（2007）的研究结果支持这一观点，即环境态度的层次结构和垂直结构可能有单一的高阶因子。在文献中也有一些理论支持，认为单一的高阶维度是评估自然环境的基础（例如，Guber，1996; Pierce＆Lovrich，1980）。由紧密共变域组成的单一广义EA高阶维度的结论表明，在特定域中支持EA的个体将倾向于在其他域中支持EA，并且某些个体将倾向于对这样的域总体更有利。
关于我们
