育齡婦女應(yīng)對婚內(nèi)性暴力措施的潛在類別分析*

商 穎 車 焱 蔡建華 張 妍 周維謹(jǐn)

家庭暴力是指家庭成員之間發(fā)生的，對家庭成員的肉體、精神、及性權(quán)利進(jìn)行侵害的暴力行為，主要包括身體暴力、精神暴力、性暴力、經(jīng)濟控制四個方面〔1〕?；閮?nèi)性暴力是家庭暴力的一種表現(xiàn)形式，受害者主要是女性，通常是妻子在不自愿的情況下，丈夫用暴力實施性行為。盡管國內(nèi)外對女性遭受家庭暴力的報道較多〔2－4〕，但是針對婚內(nèi)性暴力的報道很少，女性如何應(yīng)對家庭性暴力的報道更少。本文報道了我國東、中、西部九省12 194名已婚育齡婦女如何應(yīng)對家庭性暴力的情況，并詳細(xì)介紹了用潛在類別模型探索采取不同應(yīng)對措施婦女的內(nèi)在特征，為隨后開展的家庭性暴力的深入分析提供基礎(chǔ)。國內(nèi)目前尚未見這方面的研究報道。

對象和方法

1.研究對象

本文采用多階段分層整群抽樣方法，于2009年1～4月，從我國東、中、西部地區(qū)9個中等發(fā)達(dá)省份的國家人口計生委信息采集抽樣縣中各抽取1個縣，每個縣抽取2個鄉(xiāng)鎮(zhèn)，再從中抽取2～4個居委/村，調(diào)查其全部20～50歲已婚育齡女性基本狀況以及面對婚內(nèi)性暴力時的應(yīng)對措施。其中12 194名已婚育齡婦女回答了本文所關(guān)注的三個問題，占應(yīng)調(diào)查對象的95.3%。

2.調(diào)查方法和內(nèi)容

采用結(jié)構(gòu)式調(diào)查問卷，經(jīng)調(diào)查對象同意后，由經(jīng)培訓(xùn)的女性調(diào)查員進(jìn)行入戶式面對面調(diào)查。除育齡婦女的人口學(xué)特征、避孕知識和避孕方法、孕產(chǎn)史等資料外，調(diào)查了已婚婦女面對婚內(nèi)性暴力時的應(yīng)對措施，問題包括:1)如果你不幸遭遇丈夫強迫性生活，你將會采取哪些反應(yīng)方式?①當(dāng)面拒絕或向外人求助，②默默忍受，③不知道如何反應(yīng);2)如果不幸遭遇丈夫強迫性生活，你會怎樣求助?①向親戚朋友和婦聯(lián)求助，②向司法機關(guān)求助，③不求助;3)你認(rèn)為對于婚內(nèi)性施暴者，采取哪種處理(處罰)方式比較現(xiàn)實?①妻子和親友溫情感化，②移送司法機關(guān)，③沒有任何途徑，④不知道。

3.數(shù)據(jù)質(zhì)量控制

調(diào)查前對調(diào)查人員進(jìn)行培訓(xùn)，調(diào)查結(jié)束當(dāng)日對調(diào)查表進(jìn)行人工審核，及時回訪更正。采用Epidata 3.1雙遍錄入及核查。

4.分析方法

上述三個問題反應(yīng)了育齡婦女面對婚內(nèi)性暴力發(fā)生時的反應(yīng)、如何求助以及發(fā)生后的處置措施等三方面的應(yīng)對行為?？梢哉J(rèn)為，這三個問題都在一定程度上反映了調(diào)查對象內(nèi)在性格特征。基于行為與性格關(guān)系理論〔5〕，雖然這些特征并不能通過本調(diào)查直接獲得，但可通過借助一定的分析手段與分析方法，如潛在類別分析(latent class analysis，LCA)方法，進(jìn)行深入分析，從而透過現(xiàn)象看本質(zhì)，來推斷調(diào)查對象內(nèi)在的性格特征。

與因子分析類似，LCA能夠探討多個直接測量的具有一定相關(guān)性的實測指標(biāo)(外顯變量)如何受少數(shù)幾個內(nèi)在的獨立因子所支配。然而因子分析的原始數(shù)據(jù)要求呈線性分布，因此適用于計量資料而不適用于計數(shù)資料，否則可能產(chǎn)生有偏估計，并使模型的擬合度指標(biāo)不可靠〔6〕。LCA是針對計數(shù)資料設(shè)計的，除了可以探索和驗證幾個離散型外顯變量的內(nèi)在關(guān)系外〔7〕，還可將分析對象歸類到潛變量的不同類別中，即把多個外顯變量的信息用少量潛變量表達(dá)出來而保留大部分的原來信息，從而達(dá)到所謂的“降維”目的。本文運用LCA方法將女性如何面對婚內(nèi)性暴力的三個外顯變量的信息轉(zhuǎn)化成一個新產(chǎn)生的潛變量，同時最大程度保留外顯變量的信息。

(1)LCA基本假設(shè)

假設(shè)外顯變量之間的內(nèi)在聯(lián)系是由潛變量引起的，當(dāng)考慮了潛變量之后，外顯變量間的關(guān)聯(lián)便不復(fù)存在，即潛變量的每個類別里，每個外顯變量在統(tǒng)計學(xué)上是獨立的。也就是常說的局部獨立〔6〕。

(2)LCA模型

LCA模型是建立在概率分布原理與對數(shù)線性基礎(chǔ)之上，引入因子分析與結(jié)構(gòu)方程模型的思想而形成的〔8〕。假設(shè)有3 個外顯變量(計數(shù)資料)A，B，C，每個變量的選項數(shù)分別為i，j，k個。基于模型的基本假設(shè)可得到LCA模型的基本方程〔9〕:

式(1)中，X表示潛變量的類別取值，t=1，…，T。t的不同取值代表不同的類別。πijkt是聯(lián)合概率，表示A=i，B=j，C=k時調(diào)查對象歸屬于潛在類別t的概率。πX

t表示外顯變量屬于某一潛在類別X的潛在類別概率。潛變量的各類別概率之和為1，即∑πXt=1。

πA|X

式中，^Fijk表示期望頻數(shù)，fijk代表觀察頻數(shù)。模型的卡方代表沒被解釋的變量之間的關(guān)系的量。所以，L2值越大，模型擬合度越差。如果L2小于3.84(P≥0.05)，可以認(rèn)為該模型與觀察數(shù)據(jù)處于擬合(適配)狀態(tài)。

常用最大似然法來估計模型參數(shù)，但是最大似然法不能用來直接比較不同模型的優(yōu)劣。原因是T個類別和T+1個類別的模型相比，L2減少值和自由度的減少值不是漸進(jìn)的卡方分布。要對該指標(biāo)進(jìn)行修正后才能用，修正后的常用指標(biāo)有(Akaike Information Criterion，AIC)和(Bayesian Information Criterion，BIC)。有學(xué)者認(rèn)為，當(dāng)模型中外顯變量很多時適用AIC指標(biāo)〔10〕，但是AIC概率推導(dǎo)的漸進(jìn)性缺乏并且沒有考慮樣本量的影響。BIC是連續(xù)估計，其指標(biāo)傾向于選擇

it為條件概率，表示當(dāng)A=i時，調(diào)查對象屬于潛在類別t的概率。πB|Xjt和πC|Xkt依次類推。

(3)LCA模型擬合

LCA的目的是確定當(dāng)外顯變量之間關(guān)系被完全解釋時，潛變量類別t的最小個數(shù)〔9〕。通常先擬合一個不分類即T=1的基準(zhǔn)模型(無效模型H0)，如果它擬合度不好，則進(jìn)一步擬合2分類(T=2)、3分類(T=3)……模型，每次增加一個類別，直到能夠提供足夠擬合度的模型出現(xiàn)。

(4)模型擬合度評價指標(biāo)

評價模型擬合度最常用的指標(biāo)是似然比卡方〔9〕:簡單模型。因此對于較為復(fù)雜的模型，BIC指標(biāo)更受青睞。其計算方法為〔11〕:

式中LL是對數(shù)似然，N是樣本量，M為參數(shù)個數(shù)。模型的BIC越小，模型越適合。由于BIC加入了ln(N)調(diào)整項，將樣本數(shù)的影響納入考慮范圍，因此有學(xué)者建議，當(dāng)樣本數(shù)達(dá)到數(shù)千人以上時，可采用BIC指標(biāo)〔12〕。也有學(xué)者認(rèn)為，在LCA分析中，常用BIC。但BIC也存在一定的缺陷，因此目前還沒有某單個指標(biāo)就能完全評價LCA模型的擬合度，比較好的方法是采用幾種方法相互補充。綜合考慮，本研究將以BIC作為模型選擇主要指標(biāo)，同時參考其他一些指標(biāo)(詳見后述)。

(5)原始數(shù)據(jù)歸類

LCA最后一步是要將所有觀察對象分配到適當(dāng)?shù)臐撛陬悇e中，其分類的原理是貝葉斯理論，分類概率的計算如下〔9〕:

(6)潛變量各類別的命名及意義

各類別的條件概率可以反應(yīng)各類別的特征，我們可以根據(jù)條件概率來對各潛類進(jìn)行命名解釋并探討其意義，具體應(yīng)用參見下文。

結(jié) 果

1.基本情況

被調(diào)查人群平均年齡38.2±7.36歲，81.1%文化程度為初中及以下，85%生活在農(nóng)村，57.6%從事農(nóng)業(yè)，94.8%是初婚，3.3%是再婚，2007年家庭平均收入為27 473元。

由表1可以看出，絕大多數(shù)(84.2%)女性在遭遇婚內(nèi)性暴力時會選擇拒絕或向外人求助。約2/3的女性傾向選擇親戚朋友或婦聯(lián)求助，12.2%選擇司法機關(guān)求助，約1/5的對象選擇不求助。關(guān)于如何處置婚內(nèi)性施暴者，約2/3的女性選擇了溫和的感化方式，18.6%的女性傾向移送司法機關(guān)，其余的對象認(rèn)為沒有途徑或者不知道如何處理施暴者。

2.模型擬合與選擇

運用LatentGOLD 4.5(2005 Statistical Innovations Inc)軟件，選擇單一潛變量模型分析上述家庭性暴力應(yīng)對措施數(shù)據(jù)。表2所列為潛變量類別數(shù)1～5的模型擬合結(jié)果。其中BIC在4類別(T=4)模型中最小，較之零模型(T=1)，4分類模型誤判率為11%，比3分類模型高2%，但比5分類模型低7%。從L2來看，4分類模型的L2=10.6，P=0.031，接近0.05，考慮到此時BIC最小，且5分類的誤判率達(dá)18%，因此認(rèn)為4分類模型為最適模型。

表1 已婚婦女面對婚內(nèi)性暴力時不同應(yīng)對措施的構(gòu)成比

表2 女性如遭遇婚內(nèi)性暴力時應(yīng)對措施數(shù)據(jù)的潛在類別模型擬合結(jié)果

3.原始數(shù)據(jù)歸類

本研究三個顯變量應(yīng)答組合最多可有36種，實際上不是所有應(yīng)答組合都存在。本研究實際共有34種應(yīng)答組合(表3)。每種組合歸類的分類概率可以用貝葉斯后驗概率估計出來，即表3中C1，C2，C3，C4。以表3第一種應(yīng)答組合為例，表達(dá)為{111}，觀察頻數(shù)是5840，該組合分到第一類到第四類的概率依次為0.94、0.05、0.00、0.00，所以該組合歸屬于類別 1。同理可得其他應(yīng)答組合的歸類。最終，歸為第一類至第四類對象比例分別為64.0%、22.1%、7.4%和6.5%。

4.潛變量各類別命名及意義

圖1所示為潛變量各類別的條件概率，可見，第一類別的女性如遇到婚內(nèi)性暴力，當(dāng)面拒絕或向親戚朋友或婦聯(lián)求助，以及通過溫情感化丈夫的概率在這四類人中可能性最大，而選擇向司法機關(guān)求助或不知道怎樣處理概率較低。第二類女性如遇到婚內(nèi)性暴力，同樣傾向當(dāng)面拒絕或向外人求助，但選擇司法機關(guān)求助或直接將施暴者移送司法機關(guān)的概率最高，不知道怎么辦和不求助的概率最低。第三類女性如遇到婚內(nèi)性暴力，通常選擇默默忍受、不求助或認(rèn)為沒有途徑處罰施暴者的概率最高，當(dāng)面拒絕或向外人、親友、婦聯(lián)和司法機關(guān)求助的概率處于較低水平。第四類女性如遇到性暴力既不愿默默忍受，也不求助司法，可能認(rèn)為司法不能處理施暴者，通過溫情感化手段解決的概率也較低，多半束手無策，選擇不求助狀態(tài)。

表3 已婚女性面對婚內(nèi)性暴力時應(yīng)對措施不同應(yīng)答組合

上述分析可見，第一類和第二類女性如遇到丈夫強迫性生活，同樣傾向選擇當(dāng)面拒絕或求助，但第一類女性偏向于向親朋好友或婦聯(lián)求助，第二類女性偏向于向司法機關(guān)求助;在處理施暴者的問題上，第一類女性偏向于溫情感化，而第二類女性偏向于移送司法機關(guān)。因此我們認(rèn)為第一類女性的行為是“拒絕，溫和處理型”，第二類女性的行為是“拒絕，嚴(yán)厲處理型”。第三類女性的選擇默默忍受的概率最高，傾向不求助，把這類行為稱為“默默忍受型”。第四類女性不知道如何反應(yīng)，不知道怎么處罰施暴者，因此把這類行為稱為“束手無策型”。

圖1 已婚女性面對婚內(nèi)性暴力時應(yīng)對措施四分類潛在類別模型的條件概率

討 論

本研究設(shè)置了一個潛變量，運用LCA方法，根據(jù)已婚育齡婦女如何應(yīng)對婚內(nèi)性暴力，將其分為4類不同人群，同時也揭示了各類人群不同的性格特征。第一種特征，我們命名為“拒絕，溫和處理型”，這部分已婚女性所占比例最高，為64.0%，可見大部分女性遭遇婚內(nèi)性暴力時采用拒絕但手段溫和的處理方式，這種方式既維護了自身的利益，又可以避免夫妻間的矛盾，在我們看來是比較理想的處理方式。第二種特征，命名為“拒絕，嚴(yán)厲處理型”，占全部已婚女性的22.1%，這種處理方式維護了自身的利益，但可能造成夫妻間的矛盾激化。第三種特征，命名為“默默忍受型”，這部分已婚女性占7.4%，她們避免了夫妻間的矛盾，但使自身的利益受到了傷害。第四種特征，命名為“束手無策型”，所占的比例最低，僅占6.5%，這部分女性在面對婚內(nèi)性暴力時，沒有自己的主見，不知道該怎么做，也不會去采取措施。

通過LCA分析，我們將三個離散型的外顯變量通過一個四分類的潛變量表達(dá)出來，不但解釋了揭示了外顯變量的內(nèi)在聯(lián)系，而且大大簡化了數(shù)據(jù)，避免同時使用三個既有差異又相關(guān)的變量于同一分析中，減少了數(shù)據(jù)的冗余，提高了數(shù)據(jù)的利用效率。本文的結(jié)果將用于深入探討已婚女性面對婚內(nèi)性暴力應(yīng)對措施的影響因素，可為妥善處理中國女性婚內(nèi)性暴力提供指導(dǎo)和依據(jù)。

1．Erilicl RG．Violence against women in North America．Arch women ment health，2003，6(3):185-191．

2．European Commission．Domestic Violence against Women．Special Eurobarometer，2010．

3．Faruk Kocacik．Domestic violence against women:a field study in Turkey．The social science journal，2007，44(4):698-720．

4．林美卿．我國女性遭受家庭暴力問題研究．山東社會學(xué)，2010(6):56-64．

5．馬存根主編．醫(yī)學(xué)心理學(xué)．北京:人民衛(wèi)生出版社，2009，63．

6．Magidson J，Vermunt JK．Comparing Latent Class Factor Analysis with the Traditional Approach in Data Mining Statistical Innovations Inc．USA，and Tilburg University，The Netherlandsby CRC Press LLC，2004．

7．Domimique Haughton，Pascal Legrand，Sam Woolford．Review of Three Latent Class Analysis Packages:Latent Gold，poLCA，and MCLUST．The American Statiscian，2009(1):81．

8．郭小玲．潛在類別模型及數(shù)據(jù)模擬分析．?dāng)?shù)理醫(yī)藥學(xué)雜志，2009，22(6):631-635．

9．Magidson J，Vermunt JK．Latent class models．Belmont，Massachusetts:Statistical Innovations Inc，2003

10．邱皓政主編．潛在類別模型的原理與技術(shù)．北京:教育科學(xué)出版社，2008．

11．Wikipedia．Bayesian information criterion．http://en．wikipedia．org/wiki/Bayesian_information_criterion，2011-2-23．

12．Burnham KP，Anderson DR．Multimodel Inference understanding AIC and BIC in Model Selection，2004，33(2):261-304．