耳目“译”新|环境态度量表:环境态度结构评价的一种有效和可靠的方法

原文标题:The environmental attitudes inventory: A valid and reliable measure to assess the structure of environmental attitudesq 
原文作者:Taciano L. Milfont a,*,John Duckitt b;新西兰 惠灵顿维多利亚大学应用跨文化研究中心和心理学学院,新西兰奥克兰大学心理学
译者:陈璘    银斯雨
——————————————————————————————————————————————-
编者按
环境态度是环境心理学中的一个重要概念。它是用于评估人们对自然环境的喜好程度的心理倾向度。由于个人的环境态度(Environmental Awarness,EA)对其最后表现出的行为有着关键影响,因此培育个人的环境态度成为环境教育教学中重要的内容,而测评个人的环境态度自然也成为教育评估中的重要指标。但是态度是一种潜在的概念,不能被直接观测到,也为EA的测量带来很多挑战。目前主要有自我报告和隐式测量两种方法,其中自我报告是目前使用最多的测量方法,本文研究也基于此。不过由于所使用的概念和理论框架的存在差异,已经有数百种关于环境态度评估测量方法可供使用,并且大多数研究人员更倾向于制定新的方法,而不是对现有的方法进行有效整合。

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。

摘要
环境态度(EA)是环境心理学中的一个重要概念。它是用于评估人们对自然环境的喜好程度的心理倾向度。基于概念和理论框架的不同,目前有数百种环境态度评估测量方法可供使用,但大多数研究人员倾向于制定新的方法,而不是对现有的方法进行组织。本研究在考虑了环境态度的多维性和层次性后,提出了一种累积性和理论性的环境态度测量方法。报告内容基于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)。 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。这12个因子是基于验证性因素分析建立的,并且环境态度清单量表被证明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,并且基本上没有社会赞许性。

关键词
环境态度测量、环境态度清单、EAI、量表信效度
1.介绍
环境态度(EA)是环境心理学的一个重要概念,有超过一半的出版物涉及到它(Kaiser,Wölfing,&Fuhler,1999; Milfont,2007b)。 环境态度被定义用于评估人们对自然环境的喜好程度的心理倾向度(Milfont,2007b)。目前存在很多环境态度的测量方法(Dunlap&Jones,2002),因此,斯特恩(Stern,1992)将这种情况描述为一种“度量的无政府状态”(第279页)。然而,从未有人尝试采用系统的方法,包括考虑了环境态度的多维性和层次性来测量环境态度(参见Heberlein,1981)。1

本文报告了基于发展健全的心理测量、多层面的清单来测量跨文化环境下的环境评估的三项研究的结果。研究1包括在新西兰进行的环境态度清单构建的研究。研究2是在巴西进行的一项基于网络的研究,目的是在另一种文化背景下测试量表的心理测量特性和清单结构。最后,研究3是另一个基于网络的研究,用全球样本进行研究,以测试随着时间的推移清单的稳定性并开发一个缩减版本。在描述新的测量方法和三项研究工作之前,先对环境态度的测量和概念进行文献的简要回顾。
2.环境态度的测量
态度是一种潜在的概念,因此不能被直接观察到。 因此,态度必须从表现的反应推断,而不是直接衡量(Himmelfarb,1993)。 态度的测量技术可以广泛地组织成直接的自我报告方法和隐式测量技术(Krosnick,Judd,&Wittenbrink,2005)。 测量EA的研究通常使用直接自我报告方法(例如访谈和问卷调查),少部分采用的隐式技术(例如观察,启动和反应竞争措施)。
一些研究已经使用隐式技术,例如观察法和启动法来测量EA和/或生态行为。例如,Corral-Verdugo(1997)使用自我报告和不引人注目的观察来测量个体的再利用和再循环行为。他发现自我报告和观察到的再利用/再循环行为之间的对应关系很低,这表明自我报告并不是完全可靠的实际行为测量方法。在Van Vugt和Samuelson(1999)的另一项研究中,研究2使用引发缺水严重程度的情景来研究个别水计量对保护意图的影响。他们发现,当水资源短缺看起来严重并且已知用水量被计量时,保护的意愿更高。到目前为止,唯一使用隐式法来评估EA的研究来自Schultz,Shriver,Tabanico和Khazian(2004)以及Schultz和Tabanico(2007)。他们使用内隐联想测试(Greenwald,McGhee,&Schwartz,1998)通过使用两个目标概念(即天然和人工)和两个属性维度(即我和非我)来衡量人们与自然的联系。参与者被要求在十个特定试验中将一个物体与适当的类别进行匹配。他们发现参与者倾向于更容易地将自己与自然联系在一起,而不是与建筑环境联系起来,并且这种与自然联系的隐含测量与自我报告显性测量EA相关。
相比之下,更多的研究使用直接自我报告技术来衡量EA(Corral-Verdugo,1997)。为了组织这一领域,Dunlap和Jones(2002)提出了一个环境问题(例如水污染,人口增长)和关注表达(即信念,态度,意图,以及与环境问题有关的行为)的四维类型测量模型。

  1. 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;
  2. 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;
  3. 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;
  4. 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。

尽管有大量的环境评估方法,但只有三个被广泛使用并且评估其有效性和可靠性(Dunlap&Jones,2003; Fransson&Galerling,1999)。 这些是生态学量表(Maloney&Ward,1973; Maloney,Ward&Braucht,1975),环境关注量表(Weigel&Weigel,1978)和新环境范式(NEP)量表(Dunlap&Van Liere,1978 ; Dunlap,Van Liere,Mertig,&Jones,2000)。 这三个量表检查了多种现象或关注的表达,如信念,态度,意图和行为,还考察了对各种环境议题的关注,如污染和自然资源。 因此,根据Dunlap和Jones(2002)的类型模型,这些措施都是多主题/多表达的评估技术。
尽管被广泛使用,生态量表和环境关注量表都包含了探索特定环境主题的项目,这些主题随着新问题的出现而过时(Dunlap&Jones,2002,2003)。 新环境范式(NEP)量表通过仅使用一般环境话题避免了这个问题,并且测量了人类与环境之间的整体关系。 NEP量表测量信念的生态中心系统(即,人类只是自然界的一个组成部分),而不是以人类为中心的信仰系统(即人类独立于自然界中的其他生物并且优于其他生物)(Bechtel,Corral- Verdugo,Asai,&Riesle,2006; Dunlap等,2000),成为研究环境问题最广泛使用的方法(Haw- croft&Milfont,正在出版)。
3.环境态度的结构
遵循态度研究的传统,一些研究人员已经将三种成分态度模型用作指定EA结构的方法(例如Cottrell,2003)。这些研究人员假设EA具有认知,情感和行为成分。例如,Yin的(1999,p.63)和Schultz等人(2004,p.31)对EA的定义就很清楚。
Yin(1999)具体指出,人们对环境问题的感知和意识,情感或情感反应,以及对环境问题的判断或看法分别与认知,情感和评价环境导向有关。
然而,当代理论家倾向于认为,认知,情感和行为实际上是对特定心理对象的总体评价性总结来源的基础,而不是态度的组成部分(Fabrigar,MacDonald,&Wegener,2005)。例如,有人认为,“情感,信仰和行为被视为与态度相互作用,而不是作为他们的对象”(Albarracın,Zanna,Johnson,&Kumkale,2005,p。5)。因此,即使三成分模型仍然是传统的态度结构观点,新的理论方法倾向于将态度概念化为可以从信念,影响和行为中推断出来并对其产生影响的评估倾向。
遵循最现代的态度结构方法(Albarracın,Johnson,&Zanna,2005),在此认为EA的结构是基于评估倾向的,这些倾向既可以从信念推断出来,也可以影响有关人与环境关系的信念,情感以及行为。此外,最近提出了一个EA结构的综合框架(Milfont,2007a)。根据这个框架,EA的结构可以用其横向和纵向结构来表征。在心理测量学方面,水平结构是指形成EA结构的一级或一级因子,而垂直结构则指较高级或二级因子。
水平结构因此是指EA的维度。这里的问题是EA是否具有内在的多维性,或者将EA视作一种单维结构是否合理(Dunlap&Jones,2002)。虽然一些研究者在他们研究中将EA视作一维结构,但在文献中似乎有一个共识,即EA是一个多维结构(参见Maloney&Ward,1973; Maloney等,1975; Schultz,2001) ; Stern&Dietz,1994; Tognacci,Weigel,Wideen,&Vernon,1972)。然而,还不清楚EA的横向结构有多少维度。
很少有研究分析EA的垂直结构。这些研究认为要么是一个单一的高阶EA因子结构(Carman,1998; Xiao&Dunlap,2007),要么是两个高阶EA因子结构(Milfont&Duckitt,2004; Wiseman&Bogner,2003)。单一的一般因素一直是文献中的传统观点,其中单一的高阶维度由紧密共存的领域组成。例如,皮尔斯和洛夫里奇(Pierce and Lovrich)在指出所有环境信念相关联时表达了这种观点。
然而,最近的研究提出了一种新的结构,由保存和利用作为两个更高阶因子来形成EA的垂直结构(Milfont&Duckitt,2004,2006; Milfont&Gouveia,2006; Wiseman&Bogner,2003)。保存表示了应该优先考虑保护自然和物种在原始自然状态下的多样性,并保护它免于人类使用和改变的观念。与此相反,利用则表示为了人类的目标而使用和改变自然和所有自然现象和物种是正确的,适当的和必要的观念。两个这样的高阶EA因素之间的区别在许多理论中都有阐述(Milfont,2007b)。

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)。

总之,量表和清单这类直接的自我报告技术是测量EA最常用的方法。 虽然已经有几个量表衡量EA,但在文献中没有公认的黄金标准量表。 此外,现有的环境评估方法不足以衡量环境评估的总体结构。 虽然似乎有一个共识,即EA结构是多维的,并且是以层次结构组织的,但之前的方法以前没有尝试去评估EA的总体结构; 因此,需要一个新的方法。 环境态度清单(EAI)的制定是为了通过直接衡量EA的水平和垂直结构来弥补这一差距。
4.环境态度清单
EAI是考虑到了EA的多维和层次性而专门开发的。 EAI是测量对自然环境的广泛评估认知或信念的,包括影响其质量的因素。据推测,该清单将通过测量确定EA的二维高阶结构(即,保存和利用)的十二个具体方面或主要因素来捕获EA的垂直和水平结构。 (附录1中列出了12个方面以及它们的量表名称,概念定义和与先前EA方法的内容相似性。)鉴于所有12个尺度与先前的研究明确相关,EAI量表似乎充分覆盖了最广泛运用的一阶EA因素,并且这些量表能很好地捕捉EA的横向结构。
继Byrne(1995年,第141页)后,EAI结构模型假设:(1)对EAI的反应可以用12个一阶因子和2个二阶因子(即保存和利用)来解释;(2)7个一阶因子 (即标度1,2,3,6,8,11和12)将组成“保存”二阶因子,五个一阶因子(即标度4,5,7,9和10)组成“利用”二阶因子; (3)每个EAI项在要测量的一阶因子上应具有非零载荷,而对其他十一个一阶因子的载荷为零; (4)与每项相关的错误是不相关的;和(5)十二个一阶因子之间的共变将通过它们回归到这两个二阶因子来完全解释。
目前的研究报告了EAI的发展。 下面报告了进行这项新的EA清单的结构有效性和可靠性调查的三项研究。 但是,请注意,本研究仅考察了高阶EA因子与标准变量之间的关系模式。 在未来的研究中,12个一阶因子与标准变量之间的关系仍有待解决。
5.研究1
开发EAI的第一个阶段是确定包含水平结构的EA的关键维度。 Milfont和Duckitt(2004)通过对99项涉及EA多维测量的因子进行分析,包括NEP量表(Dunlap et al。,2000),Ecocentric和Anthropocentric Environmental Attitude Scale(Thompson&Barton,1994) ),生态世界景观尺度(Blaikie,1992)和环境感知(ENV)尺度(Bogner&Wiseman,1999)。对这个项目池进行探索性和验证性因素分析的结果显示,EA以分层方式组织,10个一阶因子加载在两两相关的二阶因子之一上。关键EA维度的确定主要来自这10个一阶因素以及环境问题的文献。 Milfont和Duckitt(2004)的研究(即因素II,外部控制/有效承诺)中确定的一个一阶因素具有异质含义的项目,似乎包含两个不同的项目子集,这可能构成不同的因素。

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。

开发EAI的第二阶段是生成另一个项目库,以充分涵盖所有12个预期的量表。 200个项目的初始库由Milfont和Duckitt(2004)以及其他特别加入的12个维度的项目而来。然后在EAI开发的第三阶段执行该项目池的内容验证。一组四名社会心理学家(2名讲师和2名研究生)被要求评估项目的内容重要性。要求研究小组的每个成员评价每个项目的清晰度(以不明确和非常清晰的5分制为准),项目符合相应因素标签和定义的程度如何,以及每个因素都充分代表了一系列项目(均以5分制为基础,并且效果不佳)。评委在内容验证阶段将7个项目评为问题,并被排除在外。然后使用剩余的193个含有内容的项目来覆盖EAI的12个维度。
方法
参与者在新西兰奥克兰大学入读心理学入门课程的学生进行匿名问卷调查。 超过95%的班级学生自愿同意参加。 共有314名(215名女性和99名男性)学生填写了问卷。 他们的年龄介于16至51岁。(M = 20.00,SD = 4.48)。

仪器为了测试EAI的有效性,列入了几项措施。 为了能够包含更多的标准变量量度,创建了两个调查问卷版本,EAI包含在两个版本中,但每个版本都采用不同的标准度量。 版本A给150名学生,版本B给164名学生。 除非另有说明,对于所有回答均采用7分Likert评分表测量,范围从1(非常不同意)到7(非常同意)。 以下方法以及评估人口统计信息(例如,年龄,性别,族裔归属)的问题都包含在问卷的两个版本中。

  • 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
  1. 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)。
  2. 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)。
  3. 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
  1. 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。
  2. 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)。
结果
  • 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。

讨论
研究1着手开发EAI并测试其高阶因子的聚合和判别有效性。有三个主要发现。首先,结果显示EAI具有良好的心理测量特征,并且表明EAI量表相对不受社会需求的影响。其次,CFA和多元回归结果显示了对保存和利用的判别准确性的一些支持:EA的二因子高阶结构比竞争模型的统计学更好拟合,保存和利用与标准变量的关系不同。然而,一二阶因子模型几乎与两两相关二阶因子模型一样好,而且保存和利用比起GEA,没有显示更多的标准变量的方差。因此,尽管在研究1中显示了EAI的有效性和可靠性,但EA的层级结构仍不清楚。
6.研究2
确定EAI有效性和可靠性的一个步骤是将研究1的结果复制到另一文化背景中。 因此,研究2的主要目标是对EA的横向和纵向结构的跨文化有效性进行初步评估。 特别是,这第二项研究旨在检验EAI在不同社会背景下的因子结构和心理测量特性的稳健性。
方法 
  • 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)。
结果
  • 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)。
讨论
研究2旨在测试不同文化背景下的EA的水平和二维垂直结构以及EAI的心理测量特性。 这项研究为EAI的跨文化效度以及EA的结构的横向和纵向方法提供了初步支持。
7.研究3 
研究3也是一项基于网络的研究,采用全球范围的样本进行研究,以进一步检查EA的有效性和可靠性。 具体而言,研究3的目标有三个:

  • 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。
方法
  • 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。
结果
  • 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。
讨论
研究3提出了EAI的简短版本(即EAI-S)。 这些发现支持了EAI-S的有效性和可靠性,以及全球样本中EAI-S量表的重测信度。 研究3还支持对EA结构的横向和纵向方法。
8.综合讨论 
本文报道了三项研究的结果,这些研究旨在开发新的测量环境态度的跨文化和全面平衡的工具的环境态度清单(EAI)。 研究1在新西兰进行,并描述了EAI的最初开发和验证。 研究2是在巴西进行的一项基于网络的调查,并评估了EAI在这种不同文化背景下的有效性和可靠性。 研究3也是一项基于网络的调查,与来自50多个国家的参与者进行了对比,并描述了简短版本(EAI-S)的发展情况,并评估了其在多样化样本中的有效性和重测信度。 下面讨论具体的研究结果。
对环境态度清单的贡献
虽然有几项环境评估措施可供使用,但以前从未尝试开发测量环境评估总体结构的工具。 EAI的开发旨在通过评估EA的横向和纵向结构来弥补这一差距。这里报告的结果支持三个独立样本的完整EAI(每个量表10个项目,总共120个项目)及其简短版本(每个量表6个项目,总共72个项目)的有效性和可靠性。总体而言,12个EAI量表被证明是一维的量表,具有高度的内部一致性,均一性和高度的重测信度,并且基本上没有社会期许。因此,EA似乎可以通过12个主要因素来衡量,而这些因素又可能形成一个等级结构。 EAI-S的心理测量特性也得到了巴西,新西兰和南非样本的跨文化研究的支持(Milfont,Duckitt和Wagner,正在出版)。考虑到这些结果,并且考虑到EAI是为了综合以前研究的结果和EA的可能维度而开发的,该测量方法有可能成为该领域的黄金标准测量方法。如果是这样,EAI将有助于研究人们EA结构中的时间变化,并且还可以用于调查EA中的文化差异。

另一个潜在的贡献是使用EAI来测试将EA的结构与其功能联系起来的理论模型(参见Maio&Olson,2000)。一般来说,在态度研究过程中,存在一种强大的功能性传统(Katz,1960; Smith,Bruner,&White,1956),但这并没有扩展到EA的研究。为了解决这个问题,Milfont(在出版物中)最近提出通过首先确定具体的EA功能,然后将这些功能链接到它们的结构,来提出EA的功能结构模型。在简要版的EA结构中,在区分服务于根深蒂固的价值观念(象征态度)和那些服务于个人的自我利益和功利主义关心(工具态度)Prentice,1987的态度后,一种功能性区分被使用。

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。

来自EAI和EAI-S的大量项目都需要完全覆盖具体的EA方面,但有研究表明,问卷完成所需的时间是一个主要的限制因素。在这种情况下,单一测量方法使用100个甚至72个项目是不合理的。为了给其他研究人员提供更有用的量表,还创建了一个只有24个项目的EAI的简要版本(Milfont&Duckitt,2007)。为了开发这套EAI-24,为每个EAI量表选择两个具有较高的校正平均项目总相关性的平衡项目,产生14个平衡的保存项目和10个平衡的利用项目。附录2还指出了这些具体的24个项目。
环境态度的结构
在三项研究中,关于EA的横向结构显示了一致的结果。有关自然环境的12项评估认知或信念被确定为EA的具体方面/维度。这十二个方面构成了EA的水平结构,并且被作为EAI量表使用。这些发现支持了EA的水平结构,表明对EAI或EAI-S的反应可以用提出的十二个一阶因子来解释。此外,这十二个方面与以前的研究(见附录1)明确地联系在一起,表明EAI量表充分覆盖了最广泛检验的一阶EA因子,从而捕捉到了EA的核心水平结构。
关于EA垂直结构的调查结果并不简单。验证性因素分析表明,与单一内容因素(即广义环境态度)相比,两个内容因素(即保存和利用)为EAI和EAI-S项目提供了更好的经验拟合。保存和利用在一定程度上支持这种区别,以不同的方式预测一些外部变量。研究1的结果显示保存与女性,融入自然,社会需求,生态行为,可持续性,对经济增长的限制,对民主的态度以及自我超越的价值观有关。相反,利用与较高的宗教信仰,圣经的文字主义,社会主导方向和右翼专制主义有关。同样,先前的研究表明,保存一直与生态行为有关,但与经济自由主义无关,而利用一直与经济自由主义相关,但与生态行为无关(见Milfont&Duckitt,2006)。保存与利用之间的经验性区分支持了Bogner及其同事的研究(Bogner&Wiseman,1999,2006; Wiseman&Bogner,2003)。几种理论也认为人与环境的关系可以用两种截然不同的观点来看待,这两种观点与保存和利用非常相似(参见Corral-Verdugo&Armenda riz,2000; Dobson,1998; Dunlap&Jones, 2002; Dunlap&Van Liere,1978; Kortenkamp&Moore,2001; Thompson&Barton,1994; Witten-Hannah,2000,2004)。

保存和利用之间的这些经验和理论上的区别被一些威胁这两个因子独立性的重要发现的限制。首先,虽然在所有三项研究中,两两相关的二阶因子模型提供了对数据的最佳拟合,并且在统计上比一阶二阶因子模型拟合程度更高,但差异很小:1个二阶因子模型几乎与两两相关二阶因子模型一样好,具有更多路径的模型将在数学上更好地拟合。其次,在所有三项研究中,保存和利用呈高度和负相关,对于观测和潜在变量,平均相关系数分别为0.66和0.87。最后,由于如此高度负相关,这两个因素显示了与几个标准变量的相似模式。
现有的研究可能没有收集到足够的证据来得出明确的EA的高阶维度结论。鉴于两个高阶维度在理论上非常合理且值得进一步审查,未来的研究应该在使用EAI时继续测试单个和两个高阶结构(以及保存和利用之间的区别)。但是,考虑到(1)GEA和其他变量之间的关系模式更清晰和更符合理论预测,(2)更多的简约模型优于不那么简单的模型,以及(3)单个更高阶模型是对EA结构的最简单的解释,必须得出结论,应该采用单一的高阶EA因子结构模型。

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。

9.结论 
本文介绍了EAI的发展情况,这是一种既有效又可靠的测量方法,涵盖了EA的横向(水平)和纵向(垂直)结构。 基于这一研究,可以得出结论:(1)EA是一个多维结构,至少有12个核心维度形成它们的水平结构,并且(2)EA的垂直结构由单一因素加载二阶因子(即广义环境态度)或者可能负载在两个相关的二阶因子(即保存和利用)中的任何一个上。
附录1.环境态度量表清单,其概念定义和内容与之前环境态度研究的相似性。

附录2.环境态度清单(EAI)。
【声明】本翻译仅作了解之用,并非用于学术研究或商业决策。未爱共同体志愿者翻译社群的小伙伴力求将关键理念与思想更广泛地传播至中文区域,故部分表达与原文有所差异。如需使用,请查证原文。

 

关于我们

未爱教育,致力于打造基于研究的教育创新实验室,通过孵化公益产品,推动儿童及青少年的“关心品质”的发展,创造有爱的未来。我们以促进教育公益系统性变革为愿景,致力于成为研究、支持和实践更多的“关心”特质的教育创新。我们希望通过联合一大批的非政府组织,基金会,学校,教育局,企业以及社会人士,打破行业、专业和文化界限,推动协同创新。