场景案例 ·

宠物领养与人宠关系研究怎么用 AI 分析？量表信效度 + 回归全流程

宠物领养行为、人宠依恋、主观幸福感量表研究怎么做统计？本文从 Cronbach alpha 信度、EFA/CFA 效度到多元回归，给出 ChatSRS AI 可直接使用的完整指令与 APA 7th 报告句式。

宠物行为学、社会工作、心理学毕业生正在大量进入宠物福利、动物辅助干预（AAT）等交叉研究领域，但数据分析部分常常卡在：量表信效度怎么写、依恋分维度后怎么做回归、审稿人说"请报告效应量"该补哪些指标。本文把宠物领养与人宠关系研究最常用的统计链条从头跑一遍，每步给出 ChatSRS 可直接使用的真实指令与可抄进论文的 APA 7th 报告句式。

为什么宠物研究的数据分析容易翻车

宠物领养与人宠关系研究通常同时涉及三类数据：人口统计变量（领养渠道、宠物种类、饲养年限）、多维度量表（人宠依恋、主观幸福感、孤独感）、以及结果变量（领养意愿、再领养率、幸福感得分）。这让分析比单纯的描述统计或单一 t 检验复杂得多——常见翻车点包括：

  • 量表直接拿来用，没有报告信效度：导师或审稿人第一条意见几乎必然是"请补充量表的 Cronbach alpha"
  • 把 Likert 总分直接当连续变量做回归，没有先验证构建效度（KMO + EFA 或 CFA）
  • 忽略共同方法偏差（CMB）检验：宠物依恋和幸福感都由同一被试自填，这是典型的 CMB 风险情境
  • 回归报告只给 Beta 和 p，不给效应量 f² 或调整 R²，期刊退稿率高
  • 分组比较（领养 vs 购买；猫主 vs 狗主）用卡方或 t 检验，却没有做事后多重比较修正

chatsrs.com 把上述每一步都变成一句话对话，输出直接符合 APA 7th 格式。下面用一个完整案例走一遍。

研究场景设定

研究题目：宠物依恋程度对领养者主观幸福感的影响——基于人口统计变量的调节效应检验

数据结构（N = 218，网络问卷）：

被试ID   性别  年龄  月收入   领养方式    宠物种类   饲养年限
        (1=男/2=女)  (元)  (1领养/2购买)  (1猫/2狗/3其他)  (年)

LAPS量表（Lexington 宠物依恋量表，23题，7点）
SWLS量表（生活满意度量表，5题，7点）
孤独感量表（UCLA，3题，7点）
领养意愿（单题，1-10分）

全流程分析演示

第一步：描述统计与人口特征表

打开 chatsrs.com，上传数据后输入：

"请对样本做人口统计描述：性别、年龄（M±SD）、月收入（M±SD）、领养方式和宠物种类的频次与百分比；生成 APA 格式三线表，命名为'表 1 样本人口统计特征'。"

ChatSRS 自动输出：

表 1  样本人口统计特征（N = 218）

变量                  类别         n        %
----------------------------------------------
性别                  男           89      40.8
                      女          129      59.2
领养方式              领养渠道      97      44.5
                      购买渠道     121      55.5
宠物种类              猫           112      51.4
                      狗            78      35.8
                      其他          28      12.8

                                  M        SD
----------------------------------------------
年龄（岁）                       27.34     6.21
月收入（元）                   8420.16  3812.48
饲养年限（年）                    3.47     2.89

第二步：量表信度分析（Cronbach's alpha）

这是宠物研究论文最常被审稿人要求补充的部分。任何量表数据，不论是经典量表还是改编量表，都必须先报告 alpha。

"请对 LAPS 量表（23 题）、SWLS 量表（5 题）和 UCLA 孤独感量表（3 题）分别做信度分析，报告：整体 Cronbach's alpha、各子维度 alpha（LAPS 含 3 个子维度：人宠亲密、通用宠物依恋、宠物优先度）、逐题删除后 alpha 变化表；对 alpha < .70 的维度给出警告。"

ChatSRS 输出：

信度分析结果

量表          维度/子量表          题数    alpha
---------------------------------------------------
LAPS          整体                  23     .912
              人宠亲密（PA）         8     .887
              通用宠物依恋（GA）     9     .856
              宠物优先度（PP）       6     .801
SWLS          整体                   5     .876
UCLA 孤独感   整体                   3     .803

[OK] 所有量表及子维度 Cronbach's alpha >= .70，内部一致性良好。

逐题删除后 alpha：LAPS 第 17 题删除后 alpha 从 .912 升至 .917，
建议在小样本验证研究中关注该题的保留必要性。

论文可直接抄的 APA 句式（结果章节）：

宠物依恋量表（LAPS）总体信度良好，Cronbach's alpha = .91；三个子维度的内部一致性系数分别为人宠亲密（alpha = .89）、通用宠物依恋（alpha = .86）和宠物优先度（alpha = .80），均超过 .70 的可接受标准（Nunnally, 1978）。生活满意度量表（SWLS）alpha = .88，UCLA 孤独感量表 alpha = .80。

第三步：构建效度 — KMO + EFA

信度只检验"量表内部一致"，效度才能检验"量表测的是否是你想测的构念"。

"请对 LAPS 量表的 23 题做探索性因子分析（EFA）：先做 KMO 和 Bartlett 球形检验；提取方式选主轴因子法，旋转方式选斜交旋转（Promax）；根据碎石图和特征值 > 1 确定保留因子数；输出因子载荷矩阵（保留 >= .40 的载荷），报告累计方差解释率。"

ChatSRS 输出：

KMO 取样适切性量数 = .912（极佳）
Bartlett 球形检验：chi-square(253) = 3847.21，p < .001 — 适合做因子分析

提取 3 因子（与原量表维度结构一致）：
因子 1（人宠亲密，PA）：特征值 = 8.42，解释方差 = 36.6%
因子 2（通用宠物依恋，GA）：特征值 = 3.71，解释方差 = 16.1%
因子 3（宠物优先度，PP）：特征值 = 1.93，解释方差 = 8.4%
累计方差解释率 = 61.1%

所有题目主载荷 >= .40，跨因子载荷均 < .30，结构清晰。

APA 报告句式（方法章节）：

对 LAPS 量表进行探索性因子分析以检验构建效度。KMO 取样适切性量数 = .91，Bartlett 球形检验显著，chi-square(253) = 3847.21，p < .001，表明数据适合进行因子分析。采用主轴因子提取、Promax 斜交旋转，根据特征值 > 1 标准提取 3 个公因子，累计方差解释率为 61.1%，与量表原始三维度理论结构（Johnson, Garrity & Stallones, 1992）一致。所有题目主因子载荷均 >= .40，跨因子载荷均 < .30。

第四步：共同方法偏差检验（CMB）

当依恋量表和幸福感量表均来自同一被试自填，必须报告共同方法偏差检验，否则许多期刊直接退稿。

"请对所有自填量表题目做 Harman 单因子检验，判断是否存在严重共同方法偏差；同时报告未旋转单一因子的方差解释率，参照 <= 40% 的判断标准。"

ChatSRS 输出：

Harman 单因子检验结果
-------------------------------------------
未旋转提取第一个公因子方差解释率 = 28.4%

[OK] 低于 40% 的经验阈值，共同方法偏差影响处于可接受范围。
建议在论文中作如下表述（见下方 APA 句式）。

APA 报告句式（局限性/方法章节）：

为检验共同方法偏差（CMB），本研究采用 Harman 单因子检验（Podsakoff et al., 2003）。未旋转第一公因子的方差解释率为 28.4%，低于 40% 的判断阈值，表明共同方法偏差不构成本研究的主要威胁。

第五步：相关分析 — 查看变量关系全貌

"请计算 LAPS 总分、LAPS 三个子维度、SWLS 总分、UCLA 孤独感总分、年龄、饲养年限之间的 Pearson 相关系数矩阵，报告 r 值和显著性（双尾），生成 APA 格式相关矩阵表，显著相关用 * 标注（* p < .05, ** p < .01, *** p < .001）。"

ChatSRS 输出标准 APA 相关矩阵，含对角线均值和标准差，可直接放入论文。

第六步：多元线性回归 — 核心分析

以主观幸福感（SWLS 总分）为因变量，以宠物依恋各子维度为自变量，加入人口统计变量做控制。

"做层级多元线性回归，共三步：第一步纳入控制变量（性别、年龄、月收入、饲养年限）；第二步加入 LAPS 三个子维度（人宠亲密、通用宠物依恋、宠物优先度）；第三步加入孤独感（UCLA）。每步报告 R²、调整 R²、F 值、Delta R²（R² 增量）和 Delta F 显著性；对第二步的三个 LAPS 维度报告标准化 Beta、t 值、p 值；做 VIF 共线性诊断（VIF > 10 报警）。"

ChatSRS 输出：

表 2  主观幸福感（SWLS）层级回归分析结果（N = 218）

                        步骤一           步骤二           步骤三
变量                 Beta    p        Beta    p        Beta    p
---------------------------------------------------------------
控制变量
  性别               .08   .201       .06   .328       .05   .402
  年龄               .12   .098       .09   .187       .07   .251
  月收入             .19   .009**     .14   .038*      .12   .061
  饲养年限           .07   .312       .05   .441       .04   .503

LAPS 子维度
  人宠亲密（PA）                       .31  <.001***   .27  <.001***
  通用宠物依恋（GA）                   .18   .012*      .15   .028*
  宠物优先度（PP）                     .09   .198       .08   .222

孤独感（UCLA）                                        -.24  <.001***

---------------------------------------------------------------
R²                   .068             .243             .301
调整 R²              .050             .214             .269
Delta R²                              .175             .058
Delta F                           12.43***           16.81***
VIF 最大值           1.23             2.18             2.31

注. * p < .05. ** p < .01. *** p < .001.
Beta 为标准化回归系数。

APA 报告句式（结果章节，可直接入论文）：

层级多元线性回归结果如表 2 所示。步骤一纳入控制变量，模型解释方差 R² = .07，F(4, 213) = 3.88，p = .005；月收入对幸福感的正向预测效应显著，beta = .19，t(213) = 2.63，p = .009。步骤二加入 LAPS 三个子维度后，R² = .24，Delta R² = .175，Delta F(3, 210) = 12.43，p < .001，增量解释力显著；人宠亲密（beta = .31，t(210) = 4.87，p < .001）和通用宠物依恋（beta = .18，t(210) = 2.54，p = .012）对主观幸福感具有显著正向预测作用，宠物优先度的效应不显著（beta = .09，p = .198）。步骤三加入孤独感后，R² = .30，Delta R² = .058，p < .001；孤独感对幸福感具有显著负向预测作用（beta = -.24，t(209) = -4.10，p < .001），加入孤独感后人宠亲密的效应由 .31 降至 .27，提示孤独感在人宠亲密与幸福感之间可能发挥部分中介作用，有待进一步检验。所有变量的 VIF 值均低于 3，共线性问题可排除。

第七步：领养渠道的分组比较（领养 vs 购买）

"比较领养渠道（领养 vs 购买）在 LAPS 总分和 SWLS 总分上的差异，做独立样本 t 检验，先做 Levene 检验判断方差齐性，报告 t 值、p 值、Cohen's d 效应量和 95% 置信区间。"

ChatSRS 输出：

Levene 检验（LAPS 总分）：F(1, 216) = 1.24，p = .267 — 方差齐性
独立样本 t 检验：
  领养渠道（n=97）：M = 118.43，SD = 22.16
  购买渠道（n=121）：M = 108.76，SD = 24.38
  t(216) = 3.00，p = .003
  Cohen's d = 0.41（小到中等效应）
  95% CI [3.34, 15.99]

Levene 检验（SWLS）：F(1, 216) = 0.87，p = .352 — 方差齐性
  领养渠道：M = 24.81，SD = 6.43
  购买渠道：M = 23.19，SD = 6.87
  t(216) = 1.74，p = .083，无显著差异
  Cohen's d = 0.24，95% CI [-0.22, 3.46]

论文方法章节写法范本（APA 7th，数据分析策略）

这段可直接粘贴进论文方法章节，替换括号内的具体数值：

本研究数据分析分以下步骤进行：首先，对所有量表进行信度分析（Cronbach's alpha）和构建效度检验（KMO + Bartlett 球形检验 + 探索性因子分析，主轴因子提取，Promax 旋转）；其次，采用 Harman 单因子检验法评估共同方法偏差；再次，计算各核心变量之间的 Pearson 相关系数以了解变量间线性关系；最后，以主观幸福感（SWLS 总分）为因变量，采用层级多元线性回归检验宠物依恋各子维度的独立预测效应（控制人口统计变量后）。效应量分别采用 Cohen's d（分组比较）和 f²（回归）报告，参照 Cohen（1988）标准进行解释。所有统计分析在 ChatSRS 平台完成（R 引擎，显著性水平设为 alpha = .05，双尾检验）。

FAQ

Q1：宠物依恋量表（LAPS）有现成版本，还需要做信效度吗？

必须做，且必须在你的样本上做。 量表信效度不是"贴原版文献就够了"——审稿人和导师要看的是"在本研究 N = 218 的样本中，该量表的信效度指标"。经典量表在某一样本上 alpha 很高，在特殊群体（如老年人、Z 世代、非宠主）上可能下降到 .65 以下。每份论文都必须报告本样本的信效度数据。

Q2：三个 LAPS 子维度共线性会不会很严重？

宠物依恋三个子维度之间通常存在中等相关（r = .40-.60），但只要 VIF < 5（严格标准 < 3），共线性在回归中不构成严重威胁。ChatSRS 会自动输出 VIF，若超标会提示你考虑以下策略：(1) 做主成分降维后再回归；(2) 改用 LAPS 总分替代三个子维度；(3) 分步骤分别纳入。

Q3：想加入"宠物种类（猫/狗/其他）"为调节变量，怎么做？

分类变量做调节，先虚拟编码（以"其他"为参照组，生成猫 dummy 和狗 dummy），再与核心预测变量的乘积项一起进入回归。在 ChatSRS 里指令：

"以猫 dummy 和狗 dummy 为调节变量，分别与 LAPS 总分做乘积项，加入层级回归的第四步，检验宠物种类对人宠依恋-幸福感关系的调节效应；对显著调节效应画简单斜率图（低/高依恋，按 M±1SD 分组）。"

Q4：结果章节只有 p < .001，审稿人说"请补充效应量"，怎么补？

直接在 ChatSRS 补一条指令：

"请为上面所有已报告的统计检验追加效应量：t 检验补 Cohen's d 和 95% CI，回归补 f²（= R² / (1 - R²)）和 Delta f²，相关补 r²。参照 Cohen（1988）解释效应量大小。"

ChatSRS 会在原输出基础上逐条追加效应量，不需要重新跑分析。

Q5：N = 218 够做含 3 个维度的回归吗？

按照"每个预测变量至少 10-20 个样本"的经验规则，步骤二共纳入 7 个预测变量（4 个控制 + 3 个 LAPS 维度），N = 218 对应约 31 个样本每预测变量，样本量充足。若步骤三再加孤独感，8 个预测变量，每变量 27 个样本，仍在安全范围内。ChatSRS 在运行回归时会自动输出"样本量-预测变量比值"提示。

Q6：想同时检验孤独感的中介效应，需要额外做什么？

中介分析推荐使用 Bootstrap 法（Hayes 2022，PROCESS Model 4）。在 ChatSRS 输入：

"以人宠亲密（PA）为自变量，主观幸福感（SWLS）为因变量，孤独感（UCLA）为中介变量，做 Bootstrap 中介分析（5000 次重抽样），报告直接效应、间接效应和 95% 置信区间；控制变量同步骤一（性别、年龄、月收入、饲养年限）。"

若 95% CI 不含 0，即可报告显著中介效应。

分析方法速查表

分析目的推荐方法ChatSRS 关键词
样本特征描述频次统计 + 均值标准差"人口统计三线表，频次和百分比"
量表可靠性Cronbach's alpha"信度分析，逐题删除后 alpha"
量表结构检验KMO + EFA"KMO Bartlett，主轴因子 Promax 旋转"
共同方法偏差Harman 单因子"Harman 单因子检验，方差解释率"
变量线性关系Pearson 相关矩阵"相关矩阵，APA 三线表"
核心预测关系层级多元线性回归"层级回归，Delta R²，VIF 共线性"
分组均值比较独立样本 t 检验"独立 t，Levene 检验，Cohen's d"
中介效应检验Bootstrap (PROCESS)"Bootstrap 中介，5000 次，95% CI"

相关阅读

本文首发于 ChatSRS 官方博客。如有问题或反馈，欢迎在 ChatSRS 站内 [用户中心 -> 帮助与反馈] 联系我们。