三、数据分析方法

1.多元线性回归模型

在估计影响因素对高职院校辅导员职业认同与职业能力的影响时，拟先采用多元线性回归模型进行估计，具体计量回归模型的方程表达式如下：

其中，Yi表示第i个高职辅导员职业认同或职业能力得分，F表示关注的主要自变量，C为控制变量。J、K分别代表的是家庭环境变量和控制变量的个数，j、k分别表示第j、k个自变量。β为相应自变量对Y的偏效应（partial effect）。ε是模型无法解释的随机误差。借鉴现有量化研究文献的基本方法，本研究将采用普通最小二乘法（OLS）估计家庭环境与孩子心理健康状况和行为表现得分之间的关系。

2.结构方程模型

随着统计分析技术的不断发展和进步，结构方程模型（structural equation modeling，简称SEM）被广泛地运用于社会科学的数据分析领域（Bentler，1995；Bollen，1989^[1]）。结构方程模型源自因子分析和路径分析，它的优势在于：在估计一组观察变量与其所代表的潜变量关系的同时，也能够分析各潜变量之间的关系，因此，潜变量之间的关系不再受到测量误差的影响（Benlter，1983）^[2]。结构方程模型主要由两部分组成：基于因子分析的测量模型和基于路径分析的结构模型。测量模型建立观察变量与其所测量的潜变量之间的关系，然后通过数据检验是否存在假设的因子结构。而结构模型主要是用来验证所假设的潜变量之间关系的模型（王济川、王小倩、姜宝法，2011）^[3]。结构方程模型中的关系是假设的因果关系，自变量作用于因变量，而非实际的因果关系，真实的因果关系需要满足更严格的条件。检验因果关系通常使用实验研究，在严格控制变量的条件下探讨自变量与因变量之间的关系。路径模型是基于回归分析的技术，仍然保持回归分析的特点，所以路径模型可使用数个回归方程表达。一般情况下，路径模型使用的数学形式表示如下：(https://www.daowen.com)

由于截距是常数，通过对变量进行减均值处理后，截距项变为零，使得公式转变为：

其中，Y表示由p个内生变量组成的p×1向量，为服从多元正态分布的随机变量，且残差项之间不存在相关性。X为由q个外生变量组成的q×1向量，为相关独立的非随机变量。Г、В是待估参数矩阵，В是内生变量之间的系数矩阵，Г是外生变量与内生变量之间的系数矩阵。

在本研究所应用的具体统计方法与分析技术方面，主要步骤如下：在文献回顾和总结的基础上，确定了本研究各变量定义与结构维度。在回顾分析的基础上，选取职业能力为因变量，并以学校因素、学院因素、个体因素、职业认同为自变量，对研究模型、研究方法和问卷设计进行了详细阐述，构建了学校因素、学院因素、个体因素、职业认同和职业能力之间关系的假设模型，提出结构方程模型分析路径：

①直接效应：学校因素、学院因素、个体因素直接作用于辅导员职业能力；②中介效应：学校因素、学院因素、个体因素需要通过职业认同作用于辅导员职业能力；③调节效用：不同人口和组织特征会对学校因素、学院因素、个体因素与辅导员职业能力的关系产生影响。此外，为探究自变量学校因素、学院因素、个体因素，中介变量职业认同和结果变量职业能力之间的直接效应和间接效应，采用结构方程模型来拟合四者之间的关系。在此基础上，将比较这三个模型的结果，比较模型优劣势。