Введение
Идеальный партнер – это образ, который формируется обществом и играет важную роль в выборе спутника жизни. Эта тема изучается с древних времен: философы, религиозные мыслители и современные ученые сходятся в том, что идеальный партнер отражает качества, которые общество считает лучшими, и служит эталоном для принятия решений в отношениях (Campbell и др., 2016; Fletcher и др., 1999; Fletcher и др., 2014). Он выполняет функцию социального контроля, задавая стандарты, которые влияют на выбор партнера и оценку существующих отношений.
Сегодня, в условиях демографического кризиса, исследование предпочтений при выборе партнера становится особенно актуальным. Современные мужчины и женщины более осведомлены о проблемах совместимости, сложностях совместной жизни и рисках в отношениях. Это делает их более осторожными и требовательными при выборе партнера по сравнению с прошлыми поколениями (Плешакова, 2021). Люди стали больше внимания уделять не только внешним характеристикам, но и внутренним качествам, которые способствуют гармоничным и долгосрочным отношениям.
Представления об идеальном партнере формируются через культурные и социальные механизмы: средства массовой информации (Nosrati и др., 2023), личное общение, наблюдение за поведением других людей и влияние референтных групп. Эти образы передаются из поколения в поколение и варьируются в зависимости от культурного и социального контекста. Например, даже в традиционно монолитных обществах, таких как страны Азии, существуют различия в представлениях об идеальном партнере между социальными классами и регионами (Ong и др., 2020).
Разные социальные и культурные контексты наполняют образ идеального партнера уникальными характеристиками. Для одних людей приоритетом является физическая привлекательность, для других – интеллект, чувство юмора или эмоциональный интеллект (Bruch, Newman, 2019). Эти предпочтения могут различаться не только между странами, но и внутри них, в зависимости от социальной группы, уровня образования и других факторов (Carol, 2016). Например, в одних культурах больше ценится способность партнера обеспечивать семью, а в других – его эмоциональная отзывчивость и умение поддерживать гармонию в отношениях.
Исследования выделяют несколько универсальных черт, которые часто ассоциируются с идеальным партнером. Среди них – эмоциональный интеллект, способность управлять своими эмоциями и проявлять привязанность (Tu и др., 2022). Коммуникабельность, то есть умение выстраивать отношения с окружающими, также играет важную роль в формировании этого образа (Eastwick и др., 2011). Эти качества помогают создавать устойчивые и гармоничные отношения, что делает их значимыми для большинства людей.
Социально-экономические и культурные факторы также влияют на представления об идеальном партнере. Экономическая стабильность, например, часто рассматривается как важный критерий, особенно в условиях современного общества, где финансовые вопросы играют значительную роль в отношениях (Campbell и др., 2016). Семейное воспитание и социальный статус партнера также имеют значение, так как они отражают его ценности и способность вносить вклад в отношения. Уверенность в себе, которая часто связана с социальным статусом, также считается важной характеристикой идеального партнера (Li и др., 2020).
Конечно, внешняя привлекательность традиционно играет значительную роль в восприятии идеального партнера. Исследования показывают, что физические характеристики и внешность влияют на первое впечатление и дальнейшее развитие отношений (Cahill и др., 2020; Eastwick и др., 2011).
Исследования образа идеального партнера часто опираются на качественные методы, такие как интервью и опросы, которые создаются под конкретные задачи и не всегда подходят для других целей или выборок. Одни из первых универсальных моделей были разработаны Кристенсеном и Хиллом (Christensen, 1947; Hill, 1945) в 1930–1940-х годах. Их инструмент включал 18 характеристик идеального партнера и использовался для изучения изменений в предпочтениях на протяжении почти века (Boxer и др., 2015; Hudson, Henze, 1969; McGinnis, 1958). Однако за это время приоритеты в отношениях изменились: такие качества, как религиозность и целомудренность, утратили актуальность, а на первый план вышли уровень образования и социальные навыки. Это потребовало создания более современных инструментов.
Методика оценки идеального партнера. Первым вариантом шкалы оценки идеального партнера стала шкала Ideal Partner and Relationship Scale (IPRS), разработанная Флетчером и коллегами (Fletcher и др., 1999). Она состоит из 35 характеристик идеального партнера, включающих в себя: физическую привлекательность, интеллектуальные способности, уровень дохода, коммуникативные способности и некоторые другие. Несколько позже, в 2015 году, Катсена и Димдинс (Katsena, Dimdins, 2015) представили обновленную версию опросника IPRS, в которой вопросы были частично переработаны с учетом современных предпочтений молодежи, а также в опрос были добавлены актуальные для современных реалий критерии – уровень образования и социальные навыки.
Шкала IPRS была успешно протестирована на англоговорящих респондентах (Campbell и др., 2016; Eastwick и др., 2014), после чего она была адаптирована и валидирована на латышской (Katsena, Dimdins, 2015) и колумбийской (Moreno Naranjo, Gutiérrez, 2023) выборках. На данный момент в русскоязычной научной среде отсутствуют аналогичные инструменты, которые могли бы комплексно оценить представления об идеальном партнере с учетом современных социальных и культурных реалий. Адаптация шкалы IPRS на русский язык позволит заполнить этот пробел и предоставит исследователям надежный инструмент для изучения предпочтений в выборе партнера в русскоязычной среде. Поэтому целью данной статьи является адаптация шкалы IPRS для русскоязычных респондентов.
Материалы и методы
Выборка. Благодаря свободному распространению опросника в сети Интернет удалось охватить респондентов из многих регионов Российской Федерации. В выборку вошли жители Перми и Пермского края, Новосибирска, Москвы, Санкт-Петербурга и других регионов России. Всего в опросе приняли участие 709 человек в возрасте от 16 до 63 лет. Однако после проверки данных на выбросы и последующего удаления наблюдений с аномальными значениями (например, наблюдений, в которых ответы респондента на все вопросы оказались равны максимальному значению шкалы) 27 ответов были исключены, и итоговый размер выборки составил 682 наблюдения. В итоговую выборку попали 420 женщин и 262 мужчины (61,6% и 38,4% соответственно) в возрасте от 16 до 63 лет (M = 22,95; SD = 6,43). Большая часть респондентов (83,9%) отметила местом рождения крупные города (центры субъектов Российской Федерации), остальные участники – родом из сельской местности.
Более подробное описание выборки в формате визуализации результатов анализа данных представлено в Приложении B, раздел 1 / see Appendix B, section 1. База данных с результатами опроса опубликована в репозитории психологических исследований и инструментов RusPsyData (Проворова и др., б. д.).
Участие в опросе было анонимным, добровольным и безвозмездным.
Методики. Шкала оценки идеального партнера. Для адаптации методики IPRS на русский язык использовалась обновленная версия опросника IPRS (Fletcher и др., 1999), разработанная Кацена и Димдинс (Katsena, Dimdins, 2015) и включающая 35 характеристик идеального партнера, объединенных в пять факторов (надежность: ???? = 0,84–0,91). Каждую из характеристик респондентам предлагалось оценить по шкале от 1 («неважно») до 7 («очень важно»). При переводе шкалы на русский язык возникали некоторые сложности: англоязычная версия шкалы содержит тонкие личностные концепты (например, «Sociability» и «Communicative»), которые в русском переводе могли сливаться по смыслу. Кроме того, в английской версии характеристики представлены существительными и прилагательными, что при дословном переводе на русский язык создавало несогласованность. Для решения данной проблемы было принято решение привести все пункты опроса в форму прилагательных (например, «общительный», «коммуникабельный»).
Перевод был выполнен в два этапа: с английского на русский и обратно. Данный подход основывается на рекомендациях Test Adaptation Reporting Standars (Iliescu и др., 2024). Сравнение результатов выявило расхождения в 7 пунктах, которые были скорректированы. Затем три эксперта-билингва (лингвисты и социологи по специальности) проверили соответствие русской версии оригиналу, предложив свои правки для повышения точности перевода. Их рекомендации учтены в итоговой адаптации шкалы.
Список вопросов итоговой версии русской адаптации шкалы представлен в Приложении A / see Appendix A.
Помимо ответов на вопросы об идеальном партнере, участникам было предложено заполнить информацию о себе и о своих представлениях о себе. Список дополнительных вопросов представлен в Приложении B, раздел 2 / see Appendix B, section 2.
Методы статистической обработки
Оценка нормальности распределения шкал производилась на основании показателей асимметрии и эксцесса. Так, значения индексов асимметрии и эксцесса в пределах 1 зачастую определяют как «отличные», а значения в пределах 2 – «приемлемые» для психометрических целей (George, Mallery, 2016).
Анализ структуры опросника проводился двумя методами: 1) исследовательским факторным анализом (exploratory factor analysis, EFA) и 2) конфирматорным факторным анализом (confirmatory factor analysis, CFA). Исследовательский факторный анализ проводился с целью выявления латентной структуры опросника и определения количества факторов, наилучшим образом объясняющих взаимосвязи между шкалами. Для этого использовался метод главных компонент (PCA) с последующим вращением факторов promax для улучшения интерпретируемости. Для определения оптимального количества факторов мы использовали метод «очень простой структуры» (very simple structure, vss), который сравнивает результаты различных факторных анализов с упрощенной матрицей нагрузок путем удаления всех нагрузок, за исключением c самых больших для каждого элемента, где c является мерой факторной сложности (Revelle, Rocklin, 1979), а также параллельный анализ (Parallel analysis), который, по мнению ряда исследователей (например, Matsunaga, 2010), является наиболее точным методом. Параллельный анализ генерирует случайные данные на основе количества выбранных переменных и участников, затем вычисляет корреляционную матрицу и вычисляет собственные значения. Кроме того, мы учитывали содержательную интерпретируемость факторных нагрузок, где значения ≥ 0,5 считались значимыми.
Конфирматорный факторный анализ проводился для проверки адекватности теоретически ожидаемой структуры опросника. В качестве метода оценивания мы использовали Weighted Least Squares Mean- and Variance-adjusted (WLSMV), разработанный специально для анализа категориальных и порядковых данных, включая ответы по шкале Лайкерта. Он использует взвешенный метод наименьших квадратов с корректировкой среднего и дисперсии, что делает его более устойчивым к нарушению предположений о нормальности распределения (Flora, Curran, 2004). Оценка модели включала анализ факторных нагрузок, а также показателей согласия: CFI и TLI (> 0,90), RMSEA (< 0,08) и SRMR (< 0,10) (Brown, 2015). В случае недостаточного соответствия качества модели данным вносились теоретически обоснованные модификации (например, учет ковариаций между ошибками шкал).
Для лучшей модели был проведен анализ инвариантности по полу, который состоял из четырех последовательных этапов. Сначала проверялась структурная инвариантность, чтобы убедиться, что одни и те же наблюдаемые переменные формируют идентичные латентные факторы в обеих группах. Затем тестировалась метрическая инвариантность, где на факторные нагрузки накладывались ограничения, требующие их равенства в сравниваемых группах. После этого оценивалась скалярная инвариантность, предполагающая равенство интерсептов (свободных членов) регрессионных уравнений. Наконец, проверялась строгая инвариантность, которая, помимо условий скалярной инвариантности, включала дополнительное требование равенства остаточных дисперсий в группах. В данном исследовании, наряду с традиционным критерием χ², обладающим известной чувствительностью к объему выборки и нарушениям предположения о нормальности распределения данных (Chen, 2007), были использованы более устойчивые показатели оценки инвариантности. В соответствии с общепринятыми методологическими рекомендациями для выборок численностью свыше 300 респондентов были установлены следующие диагностические пороги: для проверки метрической инвариантности значимыми считаются различия, превышающие ΔCFI > 0,010 в сочетании либо с ΔRMSEA > 0,015, либо с ΔSRMR > 0,030. Аналогичным образом, при тестировании скалярной инвариантности нарушение устанавливается при ΔCFI > 0,010 совместно с ΔRMSEA > 0,015 или ΔSRMR > 0,010. Применение этих более консервативных критериев позволяет существенно снизить вероятность получения ложноположительных результатов, обусловленных, например, большим объемом анализируемой выборки, что обеспечивает более надежную верификацию факта наличия или отсутствия измеряемых инвариантных свойств модели.
Надежность опросника проверялась посредством расчета показателей Кронбаха и МакДональда. Показатель Кронбаха был выбран как традиционно используемый в аналогичных исследованиях, в то время как показатель МакДональда – как более точная альтернатива, учитывающая неравномерность факторных нагрузок и лучше подходящая для данных, отклоняющихся от тау-эквивалентности.
Конвергентная валидность оценивалась путем проверки степени согласованности факторов, сформированных в результате реализации конфирматорного факторного анализа, с дополнительными вопросами о самооценке респондентами собственного образа в глазах потенциальных партнеров (список вопросов представлен в Приложении B, раздел 2 / see Appendix B, section 2), а также через анализ среднего извлеченного дисперсии (Average Variance Extracted, AVE). Для этого рассчитывались корреляции между усредненными значениями факторов и вопросами о самооценке, а также проверялось, превышает ли AVE пороговое значение 0,50, что свидетельствует о достаточной объясненной дисперсии латентного конструкта (Fornell, Larcker, 1981). Дополнительно оценивались факторные нагрузки в рамках CFA: значимые и высокие нагрузки (≥ 0,50) подтверждают конвергентную валидность (Brown, 2015).
Анализ данных производился в статистической среде RStudio (R v1.1.456) и в программе JASP 0.19.3.0.
Результаты
В Приложении B, раздел 3, табл. B1 / see Appendix B, section 3, table B1 представлены описательные статистики по пунктам шкалы оценки идеального партнера. Как видно из представленных данных, пункты шкалы «Надежный(ая)», «Верный(ая)», «Любящий(ая)» демонстрируют асимметрию и эксцесс выше пороговых значений, что говорит о ненормальности распределения данных и сильной левосторонней асимметрии. Проще говоря, практически для всех респондентов эти качества являются важнейшими в партнере, и они оценивали их на 7 баллов из 7 возможных. В целом, большинство пунктов демонстрируют левостороннюю асимметрию, что свидетельствует о склонности респондентов высоко оценивать значимость различных качеств идеального партнера. В связи с тем, что данные демонстрируют распределение, отличное от нормального, в дальнейшем к данным применяются непараметрические методы оценки.
Исследовательский факторный анализ
Перед проведением исследовательского факторного анализа для оценки пригодности данных к проведению факторного анализа было рассчитано значение критерия Кайзера-Майера-Олкина, которое составило 0,912 при рекомендуемом значении выше 0,7 (Dziuban, Shirkey, 1974); также был проведен тест сферичности Бартлетта, результаты которого продемонстрировали возможность проведения факторного анализа на анализируемых данных ((595) = 13793,074; p < 0,001).
В результате реализации процедуры «очень простой структуры» было обнаружено, что оптимальным по двум критериям (Velicer MAP и BIC) является количество факторов, равное 5. Для подтверждения результата также был использован параллельный анализ. Данный инструмент подтвердил вывод о том, что оптимальным количеством факторов является 5. Совокупная объясненная доля дисперсии при таком количестве факторов составила 54,5%.
В Приложении B, раздел 3, таб. B2 / see Appendix B, section 3, table B2 представлена матрица факторных нагрузок[1] для пяти получившихся факторов. Как можно видеть в таблице, фактор 1 (собственное значение = 9,508; var = 0,259) состоит из элементов, связанных с уровнем дохода и профессиональным успехом партнера, поэтому данный фактор можно условно обозначить как «Успешность». В фактор 2 (собственное значение = 3,932, var = 0,102) вошли характеристики, связанные с интеллектуальными способностями партнера, поэтому данный фактор мы назвали «Ум». В фактор 3 (собственное значение = 3,553, var = 0,09) оказались включены характеристики заботы, уважения и гармонии в отношениях, поэтому данный фактор мы обозначили как «Забота». В четвертый фактор (собственное значение = 2,409, var = 0,054) вошли характеристики красоты и физической привлекательности партнера, поэтому данный фактор был назван «Красота». Наконец, фактор 5 (собственное значение = 1,773, var = 0,039) включил в себя характеристики общения и социальных навыков, поэтому данный фактор был условно обозначен как «Коммуникабельность». Получившееся наполнение факторов оказалось полностью соответствующим англоязычной и испаноязычной версиям теста, произведенной Katsena, Dimdins, 2015 и Moreno Naranjo, Gutiérrez, 2023.
Однако два пункта шкалы получили факторные нагрузки ниже порогового значения (< |0,5|) – «Тактичный» (0,49) и «Хорошее чувство юмора» (0,304). Для сохранения качества модели было принято решение не включать в структуру опросника пункт «Хорошее чувство юмора», но оставить «Тактичный», так как значение факторной нагрузки незначительно отклоняется от порогового.
Конфирматорный факторный анализ
Полученная структура факторов была подтверждена посредством реализации CFA. Сначала была проверена исходная пятифакторная модель из 35 характеристик (см. табл. 1, «Полная модель (35 суждений – 5 факторов)»). Хотя значения показателей качества модели (CFI = 0,978, TLI = 0,976, RMSEA = 0,037, SRMR = 0,061) оказались выше рекомендуемых пороговых значений (CFI, TLI > 0,9, RMSEA < 0,08, SRMR < 0,1), было принято решение проверить, улучшится ли модель после исключения характеристик с низкой факторной нагрузкой – в частности, суждения «Хорошее чувство юмора». После исключения данного пункта была протестирована уточненная модель (см. табл. 1, «Уточненная модель (34 суждения – 5 факторов)»). Как показали результаты, ее показатели соответствия продемонстрировали незначительное, но устойчивое улучшение по сравнению с исходной версией. Учитывая теоретическую обоснованность исключения слабо нагруженных пунктов, а также статистическое преимущество скорректированной модели, для дальнейшего анализа была выбрана именно она.
Следующим шагом стал анализ индексов модификации, который продемонстрировал наличие ковариаций ошибок между различными суждениями внутри шкал (см. табл. 2). Выявленные ковариации ошибок имеют логичные основания. Так, пары суждений «Общительный» и «Коммуникабельный», «Имеет высокий доход» и «Финансово благополучен», а также «Надежный» и «Верный» семантически и содержательно схожи, что может определять их сильную ковариацию. Что касается пар суждений «Имеет высокий доход» и «Имеет хорошую работу» и «Имеет хорошую работу» и «Финансово благополучен», их взаимосвязи могут быть обусловлены их принадлежностью к общей латентной конструкции, отражающей экономический статус респондента. Кроме того, значимые ковариации ошибок были обнаружены между парами суждений «Верный» и «Любящий», а также «Надежный» и «Любящий». Подобные взаимосвязи могут быть обусловлены тем, что данные характеристики входят в единый смысловой кластер, связанный с эмоциональной близостью и межличностным доверием.
Так как выявленные ковариации имеют логичное обоснование, они были внесены в модель (см. табл. 1, «Уточненная модель (34 суждения – 5 факторов, 7 ковариаций)»), что привело к дополнительному улучшению ее соответствия эмпирическим данным (ΔCFI = +0,007, ΔTLI = +0,007, ΔRMSEA = –0,005, ΔSRMR = –0,008), что, в свою очередь, подтверждает целесообразность их учета.
Таблица 1 / Table 1
Показатели соответствия конфирматорных моделей
Conformity indices of confirmatory models
|
Модель / Model |
df |
RMSEA [90% CI] |
SRMR |
CFI |
TLI |
|
|
Полная модель (35 суждений – 5 факторов) |
998,088 |
517 |
0,037 [0,034; 0,04] |
0,061 |
0,978 |
0,976 |
|
Уточненная модель (34 суждения – 5 факторов) |
926,31 |
485 |
0,037 [0,033; 0,04] |
0,06 |
0,979 |
0,977 |
|
Уточненная модель (34 суждения – 5 факторов, 7 ковариаций) |
750,478 |
447 |
0,032 [0,028; 0,035] |
0,053 |
0,985 |
0,983 |
Примечание: χ² – статистика критерия хи-квадрат; df – степени свободы; RMSEA – среднеквадратическая ошибка аппроксимации; CI – доверительный интервал; SRMR – стандартизированный среднеквадратический остаток; CFI и TLI – индексы сравнительного соответствия.
Note: χ² – chi-square statistic; df – degrees of freedom; RMSEA – Root Mean Square Error of Approximation; CI – confidence interval; SRMR – Standardized Root Mean Square Residual; CFI and TLI – comparative fit indices.
Таблица 2 / Table 2
Ковариации ошибок суждений
Covariances of judgment errors
|
Формулировка суждения / Formulations of judgments |
|
Формулировка суждения / Formulations of judgments |
MI |
|
Общительный(ая) / Sociability |
↔ |
Коммуникабельный(ая) / Communicative |
28,993 |
|
Имеет высокий доход / High income |
↔ |
Имеет хорошую работу / Good job |
24,435 |
|
Имеет высокий доход / High income |
↔ |
Финансово благополучен / Financial security |
22,053 |
|
Надежный(ая) / Trustworthiness |
↔ |
Верный(ая) / Fidelity |
10,404 |
|
Имеет хорошую работу / Good job |
↔ |
Финансово благополучен / Financial security |
10,255 |
|
Верный(ая) / Fidelity |
↔ |
Любящий(ая) / Loving |
9,694 |
|
Надежный(ая) / Trustworthiness |
↔ |
Любящий(ая) / Loving |
5,077 |
Примечание: MI – модификационный индекс.
Note: MI is a modification index.
Анализ инвариантности
Мультигрупповой факторный анализ. Для наилучшей модели (см. табл. 1, «Уточненная модель (34 суждения – 5 факторов, 7 ковариаций)») была рассмотрена инвариантность по полу (табл. 3) по примеру авторов (Агадуллина, 2018; Калугин и др., 2021). Проверка инвариантности модели по полу включала последовательную оценку конфигурационной, метрической, скалярной и строгой инвариантности. На каждом этапе изменения сравнительных индексов (ΔCFI, ΔRMSEA, ΔSRMR) оставались ниже установленных пороговых значений (ΔCFI < 0,010; ΔRMSEA < 0,015; ΔSRMR < 0,030 для метрической и ΔSRMR < 0,010 для скалярной инвариантности). Полученные результаты свидетельствуют о соблюдении условий инвариантности на всех уровнях проверки, подтверждая, что факторная структура модели, факторные нагрузки, интерсепты и остаточные дисперсии не демонстрируют статистически значимых различий между гендерными группами. Это обосновывает кросс-групповую эквивалентность модели и позволяет проводить содержательное сравнение латентных конструктов между мужчинами и женщинами.
Таблица 3 / Table 3
Результаты мультигруппового факторного анализа ()
Results of multigroup factor analysis ()
|
Модель / Model |
df |
RMSEA [90% CI] |
SRMR |
CFI |
TLI |
CFI |
RMSEA |
SRMR |
||
|
1. Конфигурационная инвариантность / Configuration invariance |
1095,91 |
970 |
0,02 [0,012; 0,025] |
0,064 |
0,994 |
0,994 |
|
|
|
|
|
2. Метрическая инвариантность / Metric invariance |
1206,3 |
998 |
0,025 [0,019; 0,03] |
0,068 |
0,99 |
0,99 |
–0,004 |
0,005 |
0,004 |
|
|
3. Скалярная инвариантность / Scalar invariance |
1367,4 |
1026 |
0,031 [0,027; 0,036] |
0,069 |
0,984 |
0,983 |
–0,006 |
0,006 |
0,001 |
|
|
4. Строгая инвариантность / Strict invariance |
1423,96 |
1059 |
0,032 [0,027; 0,036] |
0,072 |
0,983 |
0,983 |
–0,001 |
0,001 |
0,003 |
|
Проверка надежности. Полученные значения коэффициентов надежности свидетельствуют о высокой внутренней согласованности всех пяти факторов (табл. 4). В частности, фактор «Заботы» продемонстрировал несколько более низкие, но все же удовлетворительные показатели надежности (α = 0,85; ω = 0,802), что соответствует общепринятым психометрическим стандартам (Nunnally, Bernstein, 1994). Аналогично, фактор «Коммуникабельности» показал незначительно сниженные значения (α = 0,852; ω = 0,809), оставаясь при этом в пределах допустимого диапазона для исследовательских целей. Следует отметить, что разница между коэффициентами Кронбаха и Макдональда для указанных факторов оказалась минимальной (Δ = 0,048 и Δ = 0,043 соответственно), что может указывать на отсутствие существенных нарушений тау-эквивалентности модели (Dunn и др., 2014). Высокие усредненные значения обоих показателей (α = 0,911; ω = 0,927) подтверждают общую психометрическую состоятельность методики и позволяют рекомендовать ее для использования в исследовательской практике.
Таблица 4 / Table 4
Характеристика измерений, свидетельствующих о надежности факторов
Characteristics of measurements indicating the reliability of factors
|
Фактор / Factor |
Кронбаха / Cronbach |
Макдональда / McDonald |
Усредненная извлеченная дисперсия / Averaged variance extracted (AVE) |
|
Забота / Warmth/trustworthiness |
0,858 |
0,822 |
0,43 |
|
Успешность / Status/resources |
0,913 |
0,816 |
0,571 |
|
Коммуникабельность / Social skills |
0,852 |
0,809 |
0,514 |
|
Ум / Intelligence |
0,882 |
0,883 |
0,522 |
|
Красота / Physical attractiveness |
0,902 |
0,899 |
0,651 |
Конвергентная валидность. Результаты оценки конвергентной валидности показали следующее: во-первых, анализ средней извлеченной дисперсии (AVE) продемонстрировал, что для всех исследуемых латентных конструктов, кроме фактора «Забота», данный показатель превышал установленный порог 0,50 (см. табл. 4), что подтверждает внутреннюю согласованность измеряемых конструктов. Во-вторых, в рамках конфирматорного факторного анализа были получены статистически значимые факторные нагрузки (β ≥ 0,50, p < 0,001) для всех индикаторов, что дополнительно подтверждает конвергентную валидность модели.
Для комплексной проверки также анализировалась взаимосвязь между усредненными значениями латентных факторов и дополнительными вопросами о самооценке респондентов (см. Приложение C). Корреляционный анализ выявил статистически значимые связи между фактором «Общительность» и значением шкалы самооценки «Я очень общителен – как с друзьями и близкими, так и с посторонними людьми» (r = 0,417, p < 0,01), между фактором «Забота» и «Мне важно ощущать безопасность при общении с моим партнером» (r = 0,31, p < 0,01). Несмотря на то, что присутствуют другие значимые корреляции, они достаточно слабо выражены (см. Приложение B, раздел 3, табл. B3 / see Appendix B, section 3, table B3).
Таким образом, совокупность полученных результатов, в частности, высокие значения AVE и значимые факторные нагрузки, позволяет сделать вывод об удовлетворительной конвергентной валидности разработанной измерительной модели. Однако требуется дополнительная проверка внешней валидности шкалы в сравнении с другими шкалами.
Дополнительно в Приложении B, раздел 3, табл. B4 / Appendix B, section 3, table B4 приведены описательные статистики для анкеты самооценки респондентов. Важно отметить, что ответы по пунктам 4 и 5 сильно смещены в сторону максимальной оценки, то есть наиболее высоко респонденты оценивали важность безопасности в отношениях и стремление сделать партнера счастливым. Асимметрия и эксцесс по остальным шкалам находятся в допустимых границах и их можно назвать «отличными».
Обсуждение результатов
В статье приводится русскоязычная адаптация модифицированной версии шкалы оценки идеального партнера, разработанной Каценой и Димдисом (Katsena, Dimdins, 2015). Оригинальная методика показала высокую степень соответствия эмпирическим данным, что ранее подтверждалось в ходе ее адаптации и валидации на латвийской (Katsena, Dimdins, 2015) и колумбийской (Moreno Naranjo, Gutiérrez, 2023) выборках. Тем не менее, несмотря на высокие психометрические показатели исходной модели, в ходе исследования были внесены следующие коррективы: во-первых, исключена шкала «Хорошее чувство юмора» ввиду ее недостаточной факторной нагрузки, выявленной в ходе исследовательского факторного анализа; во-вторых, учтены ковариации ошибок между отдельными пунктами, имеющие содержательное обоснование.
Финальная уточненная модель, включающая 34 пункта, объединенных в пять факторов, и учитывающая 7 пар ковариаций ошибок, показала высокие показатели надежности и конвергентной валидности. Кроме того, результаты подтвердили гендерную инвариантность факторной структуры шкалы.
Настоящее исследование имеет ряд методологических ограничений, которые следует учитывать при интерпретации результатов:
- Выборка исследования преимущественно (более 80%) состояла из жителей крупных городов, что может обуславливать смещение данных в сторону урбанизированного населения России и ограничивать экстраполяцию выводов на сельских жителей.
- Гендерная структура выборки не полностью соответствует демографическому распределению населения России, что может влиять на обобщаемость полученных результатов.
- Поскольку сбор данных осуществлялся через онлайн-опрос, репрезентативность исследования в отношении лиц, не использующих интернет, не может быть гарантирована.
- Оценка конвергентной валидности проводилась с применением авторских опросников, не прошедших предварительную валидацию, что могло повлиять на точность измерений.
- Участие респондентов в опросе предусматривало добровольное желание отвечать – соответственно, в опросную выборку не попали люди, по разным психологическим, культурным, социальным, экономическим и т.п. причинам отказавшиеся от участия.
Указанные ограничения следует принимать во внимание при дальнейшем использовании полученных данных.
На основании проведенного исследования и выявленных методологических ограничений можно обозначить следующие перспективные направления для дальнейших научных изысканий: расширение репрезентативности выборки, в частности, проведение исследования с включением респондентов из сельских районов России для проверки кросс-культурной валидности методики, а также формирование выборки с пропорциональным представлением гендерных групп в соответствии с демографическими показателями страны. Кроме того, перспективным направлением исследования представляется анализ дискриминантной валидности шкалы в сравнении с другими инструментами оценки межличностных отношений.
Заключение
Проведенное исследование представляет собой важный этап в изучении представлений об идеальном партнере в русскоязычной среде. Адаптация модифицированной версии шкалы IPRS Кацены и Димдиса (Katsena, Dimdins, 2015) позволила создать надежный инструмент, соответствующий современным требованиям психометрики. Полученные результаты подтвердили высокую надежность и конвергентную валидность методики, а также продемонстрировали гендерную инвариантность ее факторной структуры.
Исследование показало, что, несмотря на универсальность базовых характеристик идеального партнера, отмечаемых в различных культурах (Campbell и др., 2016; Fletcher и др., 1999), существует необходимость в культурно-специфической адаптации измерительных инструментов. Исключение шкалы «Хорошее чувство юмора» и учет ковариаций ошибок между отдельными пунктами подчеркивают важность учета культурных особенностей при использовании психометрических методик.
Проведенная работа вносит существенный вклад в развитие инструментальной базы исследований межличностных отношений и создает основу для дальнейшего изучения трансформации представлений о партнерстве в условиях меняющегося общества.
[1] Отметим, что в таблице представлены факторные нагрузки величиной большей или равной 0,3.