一、影响关键事件的因素及其路径分析

需要说明的是，关键事件的影响因素是多方面的，其中包括教师个人的人口学变量，也有其他如教师反思、专业发展水平、学校的领导特征、学校组织文化等个人和组织层面的因素。本文在建立关键事件影响的逻辑回归模型中，对自变量的选择遵循这一原则：自变量应当是可以人为地加以改变的。研究自变量是可以人为地加以改变的，才能为后续实践的干预指明方向，对此本文将重点进行分析。其他一些事实性的影响因素也被分开纳入回归模型中，以作为对上文有关分析的补充。

（一）人口学变量的逻辑回归分析

在所有的人口学变量中，除了性别为二分类变量外，其余都是多分类变量。在逻辑回归中，当存在多分类变量时，拟合回归系数就不合适，因而本文引入虚拟变量来对模型加以定义，虚拟变量的设置在回归模型中生成。以教师是否经历关键事件为因变量，其他人口学变量为自变量，建立如下的二元logistic回归模型。

Log（P1）＝β1X1+β2X2+…+βnXn+μ1（n=1，2，3…）

其中，Log（P1）为因变量，表示教师“是否经历过关键事件”的虚拟变量。Xn表示各个人口学变量，其中年龄、教龄、家庭生活水平等为定序变量。用二元逻辑回归的enter：Wald方法，模型卡方检验的显著性水平为0.01，通过了1%的显著性水平检验，说明自变量可以较好地预测事件是否发生。方程中各自变量的共性线检验值均小于10，表明方程自变量间不存在严重的共线性问题（见表6.3）。

表6.2 模型系数的综合检验

表6.3 模型总体参数表

模型的Hosmer-Lemeshow拟合优度指标为3.18，自由度为8，显著性水平为0.92，表明统计不显著，说明模型较好地拟合了数据。反映方程解释力的R2指标分别是：Cox & Snell R2为0.040，Nagelkerke R2为0.054。教师是否经历关键事件的逻辑回归结果见表6.4。需要指出的是，表6.4中的各基准变量分别为小学、非示范校、男、中师、未评职称、单身。对于表6.4，在其他条件不变的情况下，有以下含义：小学和完全中学的教师比中学、高中学校的教师更有可能经历关键事件，且回归系数显著；另外，地市级示范校、男性、有大专和本科学历、拥有初级职称、已婚的教师更有可能经历关键事件，但除了学历外，回归系数都不显著；在学历中，相比之下，大专学历的教师最有可能经历关键事件，中师学历的教师经历关键事件的可能性最小；从年龄、教龄和家庭生活水平等因素来看，年龄越大、教龄越短、家庭生活水平越高越有可能经历关键事件，但回归系数并不显著。其中，年龄大和教龄短都利于产生关键事件的结论似有矛盾之处，但是，由于回归系数不显著，这一结论实际上并没有实质性的意义。综上所述，学校的类别和教师的学历对关键事件的有无有显著影响。

表6.4 关键事件的逻辑回归分析

（二）元认知、教师专业发展以及教学反思层面的逻辑回归分析

在这里，我们重点考察元认知、教师专业发展水平以及教学反思的各个维度对关键事件的影响。之所以将这几个层面放在一起分析，主要的原因是其中涉及的自变量均为连续变量，而且是本文研究假设中提出的主要考察对象。在具体的分析中，将计划策略、监视策略、认知策略、自我意识、专业知识与能力、专业精神、反思类型、理解与应用和行为主动性作为自变量，将教师是否经历关键事件作为因变量，建立如下逻辑回归模型。

Log（P2）＝β1X1+β2X2+ …+β9X9+μ1（n=1,2…）

其中，Log（P2）为因变量，表示教师“是否经历过关键事件”的虚拟变量。该因变量是教师是否经历关键事件的对数发生比，它是事件发生概率P的转换形式。Logistic回归方程不能直接解释自变量变化对事件发生概率的影响大小，但可以分析其对Log（P2）的影响强度。一般而言，回归系数为正，事件发生概率将增加；回归系数为负，事件发生的概率将降低。Xn分别为计划策略、监视策略、认知策略等几个自变量。在分析中，采用二元逻辑回归的enter：Wald方法，模型卡方检验的显著性水平为0.002，通过了1%的显著性水平检验。方程中各自变量的共性线检验值均小于10，表明方程自变量间不存在严重的共线性问题（见表6.5）。

表6.5 模型系数的综合检验

表6.6 模型总体参数表

表6.7 回归系数及显著性检验

续表

（三）其他因素的逻辑回归分析

可以明确的是，对教师工作的评价、个人在教学反思过程中的特点以及学校组织层面的一些因素也将影响教师所经历的关键事件。具体到本文的分析中，这些因素包括教师每周的课时数、学校的硬件条件、教师的职业满意度、校长的领导特征、同事之间的关系、专家在教师专业发展中的引领、学校评价教师的方式、学校在教师专业发展方面的投入、教师进行反思的方式以及反思的层次。这些因素为这里建立逻辑回归模型的自变量，这些自变量都是多分类变量，其中每周课时数、职业满意度等变量为定序变量，所以作为连续变量纳入回归模型中，其他多分类变量则转换为虚拟变量来建立如下的二元logistic回归模型。

Log（P3）＝β1X1+β2X2+…+βnXn+μ1（n=1，2，3…）

其中，Log（P3）为因变量，表示教师“是否经历过关键事件”的虚拟变量。Xn表示上文提及的若干自变量，采用二元逻辑回归的enter：Wald法，模型卡方检验的显著性水平为0.001，通过了1%的显著性水平检验，说明自变量可以较好地预测事件是否发生。方程中各自变量的共性线检验值均小于10，表明方程自变量间不存在严重的共线性问题（见表6.8）。

表6.8 模型系数的综合检验

表6.9 模型总体参数表

模型的Hosmer-Lemeshow拟合优度指标为6.23，自由度为8，显著性水平为0.62，表明统计不显著，说明模型较好地拟合了数据。反映方程解释力的R2指标分别是：Cox & Snell R2为0.062，Nagelkerke R2为0.083。最后的逻辑回归结果见下表6.10。需要指出的是，表6.10中部分变量的基准变量分别为：集权型（领导特征）、主要通过成绩来评价教师（教师评价）、自我反思（反思方式）、描述解释性反思（反思层次）。从表中可以看出，在其他条件不变的情况下，教师每周的课时数越多、学校的硬件条件越好、教师的职业满意度越高、专家引领得越少、学校在教师专业发展投入越多，教师越倾向于进行自我反思并努力进行归因，他们越有可能经历关键事件，但回归系数并不显著。同事之间人际关系、校领导对教师专业发展重视程度、学校评价教师的方式和校长的领导特征自变量的回归系数显著。具体而言，同事之间的关系越融洽、校领导对教师专业发展越重视，教师越有可能经历关键事件。民主型和自由型的校长领导特征比集权型更可能引发教师经历关键事件，其中民主型的领导特征成效最好。在学校评价教师的方式上，相比之下，根据教师在日常工作中的表现来进行评价的方式最可能引发关键事件，优于主要看学生考试成绩来进行评价的方式。访谈中就很多教师谈到学校的评价取向与信任和支持对教师的影响。比如：

我们教师这一行真的不容易做，有些抽考让老师的心态变了，严重扭曲了。很多老师会有动摇，是否要继续做一辈子老师。（T4-S1）

有一个校长说，我不会让任何默默无闻的老师吃亏的，这句话其实对我们很多老师来讲也是一种动力，我默默无闻付出，学校也能看到。（T2-S2）

给了我们很多的空间、发展的平台，给了我们很多的机会，以及学校对我们的信任，比如说校长经常说我把这个班交给你我很放心。（T1-S3）

表6.10 其他因素的回归系数及显著性检验