3结果与分析

　　3.1小学生学校适应的基本状况

　　首先随机抽取60个个体，通过散点图初步了解小学生学校适应随时间变化的大致趋势，从图1可以看出，学校适应的各维度均存在随时间变化的趋势，且表现出明显的个体差异。因此，可以采用多层线性模型进一步加以分析。

　　图160个个体学校适应随时间发展特征

　　另外，通过描述统计可以看出，同伴关系和学业行为维度有随时间增长的趋势，而学校态度维度有下降的趋势(表2)。

　　3.2小学生学校适应的发展特点

　　采用多层线性模型，通过建立无条件均值模型

　　(模型I)考察学校适应各维度进行多层线性模型分析的必要性。通过无条件增长模型(模型II)探讨低年级小学生学校适应的发展变化趋势，以及这种变化趋势是否存在个体差异。

　　模型I:无条件均值模型

　　Level－1Model学校适应=β0+ε

　　Level－2Modelβ0=γ00+μ0

　　分别将学校态度、学业行为和同伴关系作为因变量带入模型I，经过HLM6.08软件进行参数估计，结果见表3。固定效应的参数估计发现:三次测量同伴关系的平均值为4.376。随机部分的参数估计发现:个体之间存在显著差异(方差=0.134，p＜0.001)。个体之间的变异占同伴关系总变异的比例为:ρ=0.134/(0.134+0.230)=0.368，表明个体之间的变异解释了同伴关系总变异的36.80%，有必要针对同伴关系进行多层线性模型分析。同理，三次测量学校态度的平均值为4.241，个体之间的变异解释了学校态度总变异的40.15%;三次测量学业行为的平均值为4.065，个体之间的变异解释了学业行为总变异的45.60%。

　　因此有必要对学校态度和学业行为进行多层线性模型分析。

　　以学校适应各维度为因变量，以测试时间点(time)为第一水平的自变量建立无条件增长模型(模型II)，考察小学生学校适应各维度是否存在线性发展趋势，以及这种发展趋势是否存在个体差异。对学校适应三次测量时间点T2、T3、T4编码为0、1、2，方程的截距代表的是学生在T2时间点因变量的平均值。

　　模型II:

　　Level－1Model学校适应=β0+β1(time)+ε

　　Level－2Modelβ0=γ00+μ0

　　β1=γ10+μ1

　　经过HLM6.08软件进行参数估计，结果见表4中同伴关系的固定效应结果发现，截距系数γ00=4.330，表明在T2时间点，同伴关系的平均值是4.330。斜率系数γ10=0.147(p＜0.05)表明小学生从T2－T4，同伴关系有显著的上升趋势，平均上升速度为0.147。随机部分参数估计发现，第一水平的截距μ0=0.215(p＜0.05)表明在T2时间段，小学生同伴关系存在显著的个体差异。同理可以发现，T2时间点小学生学校态度的平均值是4.435，斜率系数γ10=－0.195(p＜0.05)表明儿童学校态度有显著的下降趋势，平均下降速度是0.195。随机部分的参数估计发现，第一水平的截距μ0=0.140和斜率μ1=0.030均显著，表明在T2时间段，小学生学校态度存在显著的个体差异;且T2－T4这一时间段，学校态度的下降速度也存在显著的个体差异。

　　学业行为的固定效应结果发现，T2时间点小学生学业行为的平均值是3.864。斜率系数γ10=0.201(p＜0.05)表明儿童的学业行为有显著的上升趋势，平均上升速度是0.201。随机部分的参数估计发现，第一水平的截距μ0=0.322(p＜0.05)表明在T2时间段，小学生学业行为存在显著的个体差异;斜率μ1=0.009(p＞0.05)不显著，表明T2－T4这一时间段，学业行为的上升速度不存在显著的个体间差异。

　　同时数据结果显示，学校态度固定效应截距和斜率的相关系数r=0.132，说明T2

　　时学校态度较好的学生，之后学校态度下降的速度相对较快。学业行为固定效应截距和斜率的相关系数r=－0.801，说明T2时学业行为较好的学生，之后上升的速度相对较慢。

　　3.3父母教养方式对小学低年级学生学校适应发展的预测作用

　　研究表明，儿童性别、父母学历、家庭收入等因素会影响学校适应(McKinney，Milone，＆Ｒenk，2011)。因此，本研究全模型纳入了这些相关变量作为控制变量，考察父母教养方式对学校适应的预测作用。全模型是指既包含第一水平预测变量(time)，又包括第二水平的控制变量(儿童性别、家庭收入、父母学历)和父母教养方式的模型。