大学生心理控制源、自我效能感与拖延行为的相关分析

       为了更好地探究各个事物之间的关联性，可使用相关分析这一数量分析方法，通过计算两两之间的相关系数来反映与揭示不同事物之间的相关性强弱。在本文中，笔者主要采用了Pearson（皮尔逊）相关系数指标。
那么，心理控制源、自我效能感与总拖延行为之间的相关分析结果如下所示：
表3-14 大学生心理控制源、自我效能感与拖延行为的相关分析结果

       由表3-14可知，相关分析的结果表明心理控制源、自我效能感与“总拖延行为”的简单相关系数分别为：0.304、-0.263，即心理控制源与“总拖延行为”之间存在正向的相关关系；而自我效能感与“总拖延行为”之间存在负向的相关关系
       综上所述，通过相关分析验证可得，大学生的心理控制源越偏向于外控性，那么该大学生将越可能表现出拖延行为；而大学生的自我效能感越低，那么该大学生也将越可能表现出拖延行为。
 
3.3 大学生心理控制源、自我效能感与拖延行为的回归分析
       在很多情况下，我们需要探究与分析不同变量之间或不同事物之间的影响关系，此影响关系包括了影响程度与影响方向。如果要想探究与分析不同变量之间或不同事物之间的影响关系，那么使用回归分析法就是一个很好的选择。回归分析法描述与反映这种影响关系的主要表现形式是形成回归方程，以能够更形象地帮助人们准确把握变量受其他一个或多个变量影响的程度及方向。
结合统计学科的相关专业知识，笔者将大学生心理控制源、自我效能感与拖延行为的关系模型转化成了统计学模型，如下所示：
模型1：被解释变量为：总拖延行为，解释变量为：心理控制源、自我效能感。
表3-15 模型的拟合优度检验结果

       由表3-15可知，模型1的拟合优度（调整R方）的值为：0.611，由此可见，模型1的拟合优度（调整R方）较大，表明该模型的拟合效果较好。Durbin-Watson值为2.029，接近于标准数值2，表明模型1的残差序列存在自相关性的可能性非常低。
表3-16 模型方程的F检验结果

       由表3-16可知，模型1方程显著性F检验统计量的观测值为102.790，显著性对应的概率Sig.值（0.000）＜0.05。由此可见，模型1中的偏回归系数不同时为0，即建立模型1的方程是可行的。
表3-17 模型回归系数的计算结果

       由表3-17可知，自变量共线性诊断结果表明，各个自变量的VIF值均小于最大容忍数值10。由此可见，建立模型1的方程是可行的。
       从影响系数显著性的检验结果来看，心理控制源、自我效能感对“总拖延行为”的影响系数显著性检验的Sig.值均小于0.05，表明其具有显著性。
模型1的方程具体表现为：
总拖延行为=1.582+0.133*心理控制源-0.156*自我效能感
       由上述方程可知，心理控制源对“总拖延行为”具有正向的影响作用，其影响系数为：0.133，即大学生的心理控制源越偏向于外控性，那么该大学生将越可能表现出拖延行为
       自我效能感对“总拖延行为”具有负向的影响作用，其影响系数为：-0.156，即大学生的自我效能感越低，那么该大学生也将越可能表现出拖延行为。
       综上所述，通过相关分析与回归分析验证可得，大学生的心理控制源越偏向于外控性，那么该大学生将越可能表现出拖延行为；而大学生的自我效能感越低，那么该大学生也将越可能表现出拖延行为。
 
3.4心理控制源在大学生自我效能感与总拖延行为之间的中介效应分析
表3-18心理控制源在大学生自我效能感与总拖延行为之间的中介效应分析

       由表3-18可知，在第一步的回归方程中，自我效能感对总拖延行为具有极其显著的正向影响作用，回归系数为：-0.215，Sig.值（0.003）＜0.05；在第二步的回归方程中，自我效能感对心理控制源的影响也十分显著，Sig.值（0.001）＜0.05。第三步将中介变量纳入回归方程后发现，自我效能感对总拖延行为的影响有所下降，路径c标准化系数值由-0.215变为-0.156，Sig.值（0.033）＜0.05，仍表现为显著。这说明，自我效能感对总拖延行为具有直接的影响作用。
       另外，自我效能感的回归系数a、b均十分显著，这说明，心理控制源在自我效能感对总拖延行为的影响中，起到了部分中介作用。也就是说，被调查大学生的自我效能感会通过其心理控制源的提升进而提升自己的总拖延行为。