五 回归模型建构与结果分析

（一）模型构建

通过Pearson相关性分析，所有自变量均在p＜0.05的水平上显著。为了确定影响受欺凌行为和欺凌他人行为的具体因素，我们在相关性分析的基础上展开了多元Logistic回归分析。本研究因变量为受欺凌行为（Y1）和欺凌他人行为（Y2），由于“无”和“极少”被视为正常行为，所以在回归分析中我们将这两个等级合并为“从来没有”，记为“1”，“偶尔”和“经常”则依次记为“2”和“3”。设受欺凌行为第i级的概率为P（Y1=i）（1≤i＜k），欺凌他人行为第j级的概率为P（Y2=j）（1≤j＜k），相应的多元Logistic回归模型如下。在两组多元Logistic回归模型中，P（Y1=k）为受欺凌行为参照组发生的概率，P（Y2=k）为欺凌他人行为参照组发生的概率，本次回归分析的参照组为“经常”这一等级，所以k的值为3。βi和βj分别为受欺凌程度第i级和欺凌他人程度第j级的常数项，Xm和Xn分别为受欺凌行为和欺凌他人行为的自变量，bim和bjn分别为受欺凌行为和欺凌他人行为各自变量的回归系数（m=1、2、3、…、21; n=1、2、3、…、21）。

（1）受欺凌行为的多元Logistic回归模型：

（2）欺凌他人行为的多元Logistic回归模型：

（二）研究结果分析

1．受欺凌行为多元Logistic回归分析

对受欺凌行为的多元Logistic回归模型进行似然比检验，模型中未引入自变量时，-2倍对数似然值为5631.73，引入自变量后减少至4267.44，两者之差等于1364.29，自由度为126, p＜0.001，模型整体显著，表明模型拟合结果较好，最终模型的估计结果如表16所示，由于本研究中变量较多，所以表中只留取了存在显著影响的变量。结果显示，从个人的行为习惯来看，少迟到、少旷课、少玩网络游戏可以避免遭受欺凌；从家庭、学校和同龄人群体来看，父母之间闹矛盾、专制型教育方式、亲子关系不融洽以及师生关系差、与同伴的关系不好是学生遭受校园欺凌的风险性因素；从社会层面看，欺凌环境恶劣是学生遭受校园欺凌的风险性因素，而不结交参加帮派组织的朋友则可以避免遭受欺凌。

表16 受欺凌行为多元Logistic回归结果

注：a表示与“经常”受欺凌比较；b表示各自变量中的参照组；∗表示参数在0.05的水平上显著；∗∗表示参数在0.01的水平上显著。

2．欺凌他人行为多元Logistic回归分析

对欺凌他人行为Logistic回归模型进行似然比检验，模型中未引入自变量时，-2倍对数似然值为2652.80，引入自变量后减少至1848.18，两者之差等于804.62，自由度为126, p＜0.001，模型整体显著，表明模型拟合结果较好。表17的内容显示，在个人行为习惯上，从不与他人打架斗殴的学生欺凌他人的可能性较低；在家庭层面上，和爷爷奶奶、外公外婆、父母之一一起生活或自己单独住、父母关系不和睦是学生欺凌他人的风险性因素，而较开明的教育方式则可以降低学生欺凌他人的可能性；在学校层面，师生关系差是学生欺凌他人的风险性因素；从同龄人群体来看，与同伴关系较好的学生欺凌他人的可能性较低；从社会层面上看，恶劣的欺凌环境是学生欺凌他人的风险性因素，不结交参加帮派或组织的朋友则可以降低学生欺凌他人的可能性。

表17 欺凌他人行为多元Logistic回归结果

注：a表示与“经常”欺凌他人比较；b表示各自变量中的参照组；∗表示参数在0.05的水平上显著；∗∗表示参数在0.01的水平上显著。