感恩对自我控制的影响(2)
研究一为相关研究，从特质层面考察感恩与自我控制之间的关系，并使用回归分析检验在排除了一般积极情感特质造成的变异之后感恩特质是否仍然能显著预测自我控制特质。
2.2方法
2.2.1被试
共350名大学生通过研究人员在高校论坛发放的电子版或在高校校内发放的纸质版广告招聘信息报名参加了该研究，其中有5名被试没有完成测量自我控制特质或感恩特质的量表而被排除在分析之外，最终有效数据为345名，有效回收率为98.6%，其中男性174人，女性171人，平均年龄为22.71±2.85岁。
2.2.2测量工具
(1)自我控制特质
自我控制特质的测量采用由易洁美(2013)翻译的中文版简式自我控制量表，该量表翻译自Tangney等人(2004)编制的简式自我控制量表题项如“我能很好地抵制诱惑”。量表采用5点式计分，用1-5表示非常不符合到非常符合，共13个题项，最后计算13道题的平均分作为自我控制特质的得分。在本研究中，该量表的内部一致性a系数为0.83。
(2)感恩特质
感恩特质的测量采用由魏昶、吴慧婷、孔祥娜和王海涛(2011)翻译的中文版GQ-6量表，该量表翻译自McCulIough，Emmons和Tsang(2002)编制的感恩量表(The Gratitude Questionnaire，GO-6)，题项如“我生命中有非常多值得感谢的地方”。量表采用7点式计分，用1 7表示非常不符合到非常符合，共6个题项，最后计算6道题的平均分作为感恩特质的得分。在本研究中，该量表的内部一致性a系数为0.80。
(3)一般积极情感特质
一般积极情感特质的测量使用由黄丽、杨廷忠和季忠民(2003)翻译的中文版正性负性情绪量表中的积极情绪分量表，该量表翻译自Watson，Clark和Tellegen(1988)编制的正性负性情绪量表(PositiveandNegativeAffet Scale，PANAS)。其中，积极情绪分量表由10个表示积极情绪的形容词组成，被试需要评定自己在最近一段时间里体验到每种情绪的频率。量表采用5点式计分，用1-5表示很少到很多，最后计算10道题的均分作为一般积极情感特质的得分。在本研究中，该量表的内部一致性a系数为0.87。值得注意的是，有5名被试没有完成本量表，他们在该量表上的分数在分析中以组均分代人进行分析。
2.2.3研究流程
为了最大程度地降低共同方法偏差，我们对研究流程采取了以下措施：(1)所有被试都以随机顺序完成三个量表；(2)尽量让被试在同一个实验室的不同电脑上完成不同的问卷；(3)其中一部分被试分两次完成三个量表，第一次来实验室随机完成其中两个量表，数天后第二次来实验室完成第三个量表。此外，中文版BSCS以及GQ-6量表本身包含反向计分题，并且GQ-6量表跟另外两个量表采用不同范围的Likert计分法，都能在一定程度上降低共同方法偏差。
2.2.4共同方法偏差检验
为了检验本研究的数据是否在很大程度上受到共同方法偏差的影响，我们使用被广泛应用的Harman单因素分析法进行检验。该方法背后的逻辑是，如果共同方法偏差在本研究中是是一个严重的问题，那么一个单一的因子将会从因素分析中得出或者其中一个因子能解释大部分的方差(Podsakoff’MacKenzie，Lee，&Podsakoff 2003；Podsakoff&Organ，1986；周浩，龍立荣，2004)。我们对三个量表中的所有题项进行因素分析，抽取出8个eigen值大于1的因子。此外，在非旋转的因素结构中并没有出现一个能解释大部分方差的因子，其中因子1只能解释22%的方差。因此，事后检验表明共同方法偏差在本研究中不是一个严重的问题。
2.2.5数据处理
使用SPSS20.0对数据进行因素分析、相关分析、偏相关分析以及分层回归分析。
2.3结果
2.3.1各变量之间的相关分析
为了考察感恩特质、自我控制特质和一般积极情感特质之间的关系，我们对这几个变量进行相关分析。结果发现，感恩特质、一般积极情感特质与自我控制特质之间两两呈显著正相关，结果如表1所示。
2.3.2感恩特质对自我控制特质的分层回归分析
为了考察感恩特质是否在排除了一般积极情感特质的影响之后对自我控制仍然有显著的预测作用，我们进行了分层回归分析。在该分析中，我们把自我控制特质作为因变量，在第一层回归分析中以一般积极情感特质作为自变量，在第二层回归分析中以一般将积极情感特质和感恩特质作为自变量。此外，我们还把一般积极情感特质作为协变量，对感恩特质和自我控制特质进行偏相关分析。结果如表2所示。
分层回归分析表明，在将感恩特质加入回归方程以后，AR2显著，表明即使在排除了一般积极情感特质的变异之后，感恩特质仍然能显著预测自我控制特质的变异。另一方面，偏相关分析也发现即使在控制了一般积极情感特质之后，感恩特质与自我控制特质仍然显著相关。
2.4讨论
该研究结果验证了假设。感恩特质与自我控制特质之间显著正相关，并且即使在排除了一般积极情感特质造成的变异之后，感恩特质对自我控制之间的预测作用仍然显著。这个结果说明，感恩特质并不仅仅只通过一般积极情感特质来提升自我控制特质，感恩特质对自我控制特质具有比一般积极情感特质更强的效应。不过，研究一只是相关研究，对于感恩对自我控制的预测作用只能起到证伪而不是证实的作用，还不能断定感恩与自我控制之间的因果关系，因此研究二将采用实验室启动范式考察两者在状态层面上的因果关系。
3研究二
3.1目的
研究二通过操纵状态性感恩情绪的水平考察不同感恩水平的被试是否表现出不同程度的状态性自我控制水平。自我控制水平通过被试在握力任务中坚持的时间长度来测量，作为自我控制的指标，该任务被广泛应用于对自我损耗的研究中(Goto&Kusumi，2013；Muraven，Baumeister，&Tiee，1999；Tiee et al，2007)。实验采用双因素混合设计，组间变量为启动条件——感恩组(感恩启动)和控制组(中性启动)，组内变量为(启动)前测和(启动)后测，因变量为被试在握力任务中所坚持的时间长度。其中，启动前的握力任务既起到作为被试体力的控制变量的作用，也起到作为损耗任务的作用。 (平安俊 彭凯平)
2.2方法
2.2.1被试
共350名大学生通过研究人员在高校论坛发放的电子版或在高校校内发放的纸质版广告招聘信息报名参加了该研究，其中有5名被试没有完成测量自我控制特质或感恩特质的量表而被排除在分析之外，最终有效数据为345名，有效回收率为98.6%，其中男性174人，女性171人，平均年龄为22.71±2.85岁。
2.2.2测量工具
(1)自我控制特质
自我控制特质的测量采用由易洁美(2013)翻译的中文版简式自我控制量表，该量表翻译自Tangney等人(2004)编制的简式自我控制量表题项如“我能很好地抵制诱惑”。量表采用5点式计分，用1-5表示非常不符合到非常符合，共13个题项，最后计算13道题的平均分作为自我控制特质的得分。在本研究中，该量表的内部一致性a系数为0.83。
(2)感恩特质
感恩特质的测量采用由魏昶、吴慧婷、孔祥娜和王海涛(2011)翻译的中文版GQ-6量表，该量表翻译自McCulIough，Emmons和Tsang(2002)编制的感恩量表(The Gratitude Questionnaire，GO-6)，题项如“我生命中有非常多值得感谢的地方”。量表采用7点式计分，用1 7表示非常不符合到非常符合，共6个题项，最后计算6道题的平均分作为感恩特质的得分。在本研究中，该量表的内部一致性a系数为0.80。
(3)一般积极情感特质
一般积极情感特质的测量使用由黄丽、杨廷忠和季忠民(2003)翻译的中文版正性负性情绪量表中的积极情绪分量表，该量表翻译自Watson，Clark和Tellegen(1988)编制的正性负性情绪量表(PositiveandNegativeAffet Scale，PANAS)。其中，积极情绪分量表由10个表示积极情绪的形容词组成，被试需要评定自己在最近一段时间里体验到每种情绪的频率。量表采用5点式计分，用1-5表示很少到很多，最后计算10道题的均分作为一般积极情感特质的得分。在本研究中，该量表的内部一致性a系数为0.87。值得注意的是，有5名被试没有完成本量表，他们在该量表上的分数在分析中以组均分代人进行分析。
2.2.3研究流程
为了最大程度地降低共同方法偏差，我们对研究流程采取了以下措施：(1)所有被试都以随机顺序完成三个量表；(2)尽量让被试在同一个实验室的不同电脑上完成不同的问卷；(3)其中一部分被试分两次完成三个量表，第一次来实验室随机完成其中两个量表，数天后第二次来实验室完成第三个量表。此外，中文版BSCS以及GQ-6量表本身包含反向计分题，并且GQ-6量表跟另外两个量表采用不同范围的Likert计分法，都能在一定程度上降低共同方法偏差。
2.2.4共同方法偏差检验
为了检验本研究的数据是否在很大程度上受到共同方法偏差的影响，我们使用被广泛应用的Harman单因素分析法进行检验。该方法背后的逻辑是，如果共同方法偏差在本研究中是是一个严重的问题，那么一个单一的因子将会从因素分析中得出或者其中一个因子能解释大部分的方差(Podsakoff’MacKenzie，Lee，&Podsakoff 2003；Podsakoff&Organ，1986；周浩，龍立荣，2004)。我们对三个量表中的所有题项进行因素分析，抽取出8个eigen值大于1的因子。此外，在非旋转的因素结构中并没有出现一个能解释大部分方差的因子，其中因子1只能解释22%的方差。因此，事后检验表明共同方法偏差在本研究中不是一个严重的问题。
2.2.5数据处理
使用SPSS20.0对数据进行因素分析、相关分析、偏相关分析以及分层回归分析。
2.3结果
2.3.1各变量之间的相关分析
为了考察感恩特质、自我控制特质和一般积极情感特质之间的关系，我们对这几个变量进行相关分析。结果发现，感恩特质、一般积极情感特质与自我控制特质之间两两呈显著正相关，结果如表1所示。
2.3.2感恩特质对自我控制特质的分层回归分析
为了考察感恩特质是否在排除了一般积极情感特质的影响之后对自我控制仍然有显著的预测作用，我们进行了分层回归分析。在该分析中，我们把自我控制特质作为因变量，在第一层回归分析中以一般积极情感特质作为自变量，在第二层回归分析中以一般将积极情感特质和感恩特质作为自变量。此外，我们还把一般积极情感特质作为协变量，对感恩特质和自我控制特质进行偏相关分析。结果如表2所示。
分层回归分析表明，在将感恩特质加入回归方程以后，AR2显著，表明即使在排除了一般积极情感特质的变异之后，感恩特质仍然能显著预测自我控制特质的变异。另一方面，偏相关分析也发现即使在控制了一般积极情感特质之后，感恩特质与自我控制特质仍然显著相关。
2.4讨论
该研究结果验证了假设。感恩特质与自我控制特质之间显著正相关，并且即使在排除了一般积极情感特质造成的变异之后，感恩特质对自我控制之间的预测作用仍然显著。这个结果说明，感恩特质并不仅仅只通过一般积极情感特质来提升自我控制特质，感恩特质对自我控制特质具有比一般积极情感特质更强的效应。不过，研究一只是相关研究，对于感恩对自我控制的预测作用只能起到证伪而不是证实的作用，还不能断定感恩与自我控制之间的因果关系，因此研究二将采用实验室启动范式考察两者在状态层面上的因果关系。
3研究二
3.1目的
研究二通过操纵状态性感恩情绪的水平考察不同感恩水平的被试是否表现出不同程度的状态性自我控制水平。自我控制水平通过被试在握力任务中坚持的时间长度来测量，作为自我控制的指标，该任务被广泛应用于对自我损耗的研究中(Goto&Kusumi，2013；Muraven，Baumeister，&Tiee，1999；Tiee et al，2007)。实验采用双因素混合设计，组间变量为启动条件——感恩组(感恩启动)和控制组(中性启动)，组内变量为(启动)前测和(启动)后测，因变量为被试在握力任务中所坚持的时间长度。其中，启动前的握力任务既起到作为被试体力的控制变量的作用，也起到作为损耗任务的作用。 (平安俊 彭凯平)