UCLA-3孤独量表的因子结构及追踪测量等值性检验
任丽杰1 ，2 韩宪国2 刘俊升3 李 丹2
（1上海海关学院心理健康教育中心，上海 201204；2上海师范大学心理学系，上海 200234；3华东师范大学心理与认知科学学院，上海 200062）
摘 要 采用中文版UCLA－3孤独量表对890名大学生进行间隔半年的追踪测量，考察UCLA－3孤独量表在大学生群体中的因子结构及追踪测量等值性。结果发现：（1）验证性因素分析表明，相较于其他因子结构，双因子模型（Bifactor model）对两次追踪数据的拟合最佳；（2）追踪测量等值性检验表明，Bifactor模型满足追踪测量的强等值性。Bifactor模型是UCLA－3孤独量表的最佳因子结构模型，且满足追踪测量等值性，适用于孤独感的追踪研究。
关键词 UCLA－3孤独量表；因子结构；追踪测量等值性；验证性因素分析
1 前言
孤独感是指个体社会需求未得到满足而产生的负向情绪状态（Hawkley＆ Cacioppo，2010）。已有研究表明，孤独体验广泛存在于不同的文化之中（蒋艳菊，李艺敏，李新旺，2005；Rokach＆Neto，2000）。较高的孤独感往往与敌意、压力、悲观、焦虑和自卑等负性情绪相联系 （Cacioppo＆Hawkley，2009； Cacioppo et al．，2006），被认为是个体身心健康的重要危险因子（Hawkley＆ Cacioppo，2010）。
UCLA孤独量表是研究者使用最为广泛的孤独感测量工具。其编制者Russell认为人们以相同的方式体验和理解孤独，孤独感是具有复杂特性的单维结构，据此编制了第一版UCLA孤独量表（Russell，Peplau＆ Ferguson，1978）。第一版UCLA孤独量表包括20个题目，采用自评方式评估个体孤独体验的发生频率。由于所有题目均采用负向措辞的方式，可能导致被试产生系统性反应偏差 （Russell，1996）。所以，Russell等人（1980）对原有题目进行调整，开发了UCLA孤独量表修订版（R－UCLA）。与第一版不同，R－UCLA包括10个负性措辞题目和10个正性措辞题目，且修订后量表的区分效度得到增强（Russell et al．，1980）。然而，根据 R－UCLA 的探索性因素分析结果，研究者并未得到一致性的因子结构。研究发现R－UCLA因子结构主要包括：单因子（oine factor）模型，即所有题目载荷在孤独感单一维度上（Hartshorne，1993）；二因子（two factor）模型，包含社交孤独和情感孤独两个维度（Wilson，Cutts，Lees，Mapungwana ＆ Maunganidze，1992）；三因子（three factor）模型，包含关系联结（relational connectedness）、疏离（isolation）和集体联结（collective connectedness）三个维度（Hawkley，Browne，＆ Cacioppo，2005）。此外，R－UCLA的有些题目出现双重否定和语句描述含糊，致使被试存在理解困难和偏差，从而影响 R－UCLA 的使用（Russell，1996）。
墨西哥与美国接壤，美国是墨西哥的主要贸易伙伴，贸易额占其总贸易额的80%以上，而美国是全球竹制品的主要进口国[5]。因此，墨西哥开展竹子种植、发展竹产业，对于满足美国的市场需求具有很大优势。墨西哥当前的国内政治形势非常有利于发展竹产业。新当选的总统安德烈斯·曼努埃尔·洛佩斯·奥夫拉多尔提出的主张之一即是将墨西哥从现在的廉价制造国转变为技术应用国，这为从中国引进竹子技术带来了可能。墨西哥国内还有一些十分热衷竹子的学者，他们了解竹子，认识到竹子的重要性，致力于普及竹子的知识，作为主办方曾多次组织“世界竹子大会”，成立了“竹子技术发展中心”，为今后发展竹产业奠定了学术基础。
针对 R－UCLA 存在的问题，Russell（1996）开发了 UCLA 孤独量表第三版（UCLA－3）。UCLA－3量表对措辞进行重新调整，最终形成由11个负性题目和9个正性题目构成的自评量表。研究发现UCLA－3具有较好的内部一致性、重测信度、区分效度和聚合效度（Britton ＆ Conner，2007；Russell，1996）。另外，Russell（1996）对学生、护士、教师和老年人四类人群进行一系列的验证性因素分析，发现双因子模型（bifactor）是UCLA－3的最佳因子模型。该模型包括一个一般因子和两个反映题目措辞方向的方法因子，且两个方法因子正交，一般因子和方法因子彼此不相关。
跨文化研究发现，UCLA－3孤独量表在不同的文化背景因子结构存在差异。比如，Lasgaard（2007）的研究表明，丹麦青少年孤独感符合单因子结构。Wilson对津巴布韦青少年和成人被试进行施测，发现二因子结构是描述孤独感的最优结构（Wilson etal．，1992）。 Shevlin，Murphy 和 Murphy（2015）则发现，三因子模型是描述北爱尔兰青少年孤独感的最佳模型，Durak 和 Senol－Durak（2010）研究也发现，三因子模型同样适用于土耳其的学生和老年人。然而，关于UCLA－3孤独量表的因子结构，国内研究较少，大多数研究仅仅采用量表总分，很少涉及量表因子结构。国外学者对UCLA－3因子结构的探索也引起国内学者的思考，作为使用最为广泛的孤独感测量工具，是否是之前理解的一维量表，还是可以细分为不同的因子，将孤独感进行细化研究？所以，在中国文化背景下，需要确定UCLA－3的因子结构，增强对此量表测量内容的确定性，这对于孤独感的进一步研究具有重要的理论和现实意义。近年来，开始有研究者采用结构方程模型控制测量误差，探索中国文化背景下UCLA－3孤独量表的因子结构（郭庆科，蔡明航，王菲，李玉洁，2017）。然而目前来看，尚没有研究对中文版UCLA－3孤独量表的所有可能因子结构做直接的比较。
采用简单随机整体抽样法，选取上海市的三所大学大一、大二学生为被试。第一次测量时间是学年下学期五月份（Time 1），发放问卷971份，间隔六个月后（Time 2），对被试进行第二次施测。剔除无效问卷后，两次测量共获得有效问卷890份，总有效回收率 91．7%。其中，男生 402 人（约 45．2%），女生 488 人；大一学生452人（约50．8%），大二学生438人。年龄范围 18～21 岁，平均年龄为 20．33 岁（SD ＝1．11 岁）。
2 方法
2．1 被试
孤独感对个体身心健康发展的长期影响同样得到越来越多研究者的关注，UCLA－3孤独量表也被广泛应用于研究孤独感影响的追踪研究设计（Buer，Anderssen，Malterud，＆ Kvalem，2017； Shankar，McMunn，Banks，＆ Steptoe，2011）。然而，追踪研究的基本假设是，在一段时间内量表的因子结构保持不变，即满足追踪测量等值性（longitudinal measurement invariance）。如果在不同时间点所得因子结构存在差异，那么关于追踪研究的任何推论都可能是不准确的。目前来看，尚没有研究考察中文版UCLA－3孤独量表的追踪测量等值性。基于此，本研究拟通过一项追踪研究，考察中文版UCLA－3孤独量表的因子结构并检验其追踪测量等值性。
从2000年起，在国防科工局空间碎片专项科研计划支持下，我国才开展空间碎片防护研究。先后开展了典型铝合金Whipple防护结构、双层和多层铝板、泡沫铝、铝网等填充防护结构的超高速碰撞特性研究。近年来，开发了玄武岩纤维/SiC纤维填充材料，一些成果在“天宫”系列载人航天器上获得了工程应用。
2.2 UCLA－3孤独量表
采用 Russell等人（1996）编制的UCLA孤独量表（第三版），主要评价由于对社会交往的渴望与实际水平的差距而产生的孤独感。全量表共有20个题目，采用 4级计分（1＝从不，4＝经常），其中 9个题目采用反向措辞描述（比如，你常感到属于朋友们中的一员吗？），11个题目采用直接措辞描述（比如，你常感到缺少伙伴吗？）。研究表明，该量表在东西方文化下均具有良好的信效度 （郭庆科 等，2017；Russell，1996）。本研究中，两时间点UCLA－3孤独量表的内部一致性系数分别为0．88和0．90。
2.3 程序
首先，对承担测试任务的主试进行注意事项和指导语的培训。然后，以班级为单位组织测试，施测后当即收回问卷。在指导语中向被试说明本次调查的目的，并承诺会对被试的回答保密。
2．4 数据分析
首先，通过文献综述发现UCLA－3孤独量表可能存在四种主要的因子结构，分别为单因子模型、二因子模型、三因子模型，以及Russell提出的Bifactor模型（见图1）。利用两次追踪的数据对四种因子结构模型进行验证性因素分析，综合比较两个时间点四种因子结构模型拟合情况，选出适合大学生群体的UCLA－3孤独量表的最优因子结构模型。
UCLA－3量表采用李克特4点计分方式，根据Rhemtulla等人（2012）的建议，低于五点的计分，需将测量指标当作分类变量（或等级变量）进行处理，所以本研究采用均值和方差调整的稳健加权最小二乘法 （mean－ and variance－adjusted weighted least Squares，WLSMV）估计模型参数。值得注意的是，Bifactor模型的追踪测量等值性和上述程序略有不同，因为Bifactor模型每个题目负载于两个因子，为了降低解释的复杂性，模型单位等值或尺度等值需要在形态等值性的基础上同时限制因子载荷和题目截距相等（Muthén ＆ Muthén，2013）。因此，Bifactor模型追踪测量等值性检验仅需考察形态等值性和强等值性。
图1 UCLA-3孤独量表的潜在因子结构
其次，对确定的最优结构模型进行追踪测量等值性检验。追踪数据测量等值性和横断数据多组测量等值性类似，均需要设置一系列连续的限制模型，且前一步的模型和后一步的模型彼此嵌套，各限制模型在不同时间点参数限制相等。但与横断数据不同的是，同一测量指标的误差在不同时间点之间允许相关。形态等值性需要同时为两次测量数据设定相同因子结构，其他参数自由估计，该模型一般作为模型比较的基线模型。弱等值性（单位等值）需要将不同时间点因子载荷限制相等，而强等值性（尺度等值）需要在弱等值性的基础上限定同一题目在两个时间点上的截距相等。需要指出的是，本研究没有进一步考察追踪数据的严格测量等值性 （残差等值），原因在于同一被试多次测量的残差容易出现变异，使得严格测量等值性变得不太现实 （Wu，Liu，Gadermann，＆ Zumbo，2010）。
制动效能，即制动距离与制动减速度。制动效能是指汽车在良好的路面上，以一定初速制动到停车的制动距离或制动时汽车的减速度。它是制动性能最基本的评价指标。制动效能的恒定性，即抗热衰退性能。汽车高速行驶或下长坡连续制动时，制动效能保持的程度，称为抗热衰退性能，若汽车涉水行驶后，制动器还会存在水衰退问题。制动时汽车方向的稳定性，即制动时汽车不发生跑偏、侧滑以及失去转向能力的性能。第一个指标就是要求在所有的车轮上的制动系统能够提供足够的制动转矩，第三个指标要求各个车轮上的制动力分布要符合一定的规则。能量馈能制动系统研究的主要问题就是针对这两个指标。
验证性因素分析结果表明Bifactor结构是最优因子结构，因此我们仅对Bifactor模型进行追踪测量等值性检验。检验结果如表3所示。UCLA－3孤独量表纵向数据形态等值性模型拟合较好，而且在形态等值性的基础上设置的强等值性模型同样拟合良好，两模型△CFI和△RMSEA均未达到差异变化的临界值，表明同时限定因子载荷和题目截距相等的强等值性模型与形态等值性模型差异不大，满足追踪测量等值性假设。
本研究的首要目的是考察中国文化背景下UCLA－3孤独量表的因子结构。验证性因素分析表明：Bifactor模型CFI值和TLI值最高，均超过0．95（除T1时TLI低于0．95外），RMSEA值最低，两时间点四种模型拟合指标如表1所示。综合比较确定Russell提出的Bifactor模型为UCLA－3孤独量表的最优结构模型。
3 结果
3．1 验证性因素分析
第十届全国人大副委员长、原化工部部长顾秀莲，第十一届全国政协常委、第十届上海市政协主席蒋以任，上海市政府副秘书长、市国资委党委书记、主任宋依佳，中国石油和化学工业联合会副会长傅向升等出席座谈会并讲话；上海市交通委党组书记、主任谢峰，上海市应急管理局党组书记、局长马坚泓，上海市化学工业区管理委员会党委书记、主任马静出席座谈会；集团党委书记、董事长刘训峰作主题报告，总裁王霞主持。
表1 两次测量UCLA孤独量表因子模型拟合指数
各题目在Bifactor模型中的因子负荷如表2所示。参考曹亦薇和顾秋艳（2010）的做法，若题目在一般因子、负性题目、正性题目仅有一个负荷低于0．30，比如，T1 题目 9 在负性题目上负荷为 0．74，而在一般因子上的负荷仅为－0．27，则认为题目测出的是负性题目所反映的孤独因子而不是一般因子，T1题目16、20解释与之相反，题目测出的是一般因子而不是负性题目所反映的孤独因子；若题目在一般因子、负性题目、正性题目负荷均高于0．30，则认为该题目在一般因子上具有较高的反映；若三者负荷均低于0．30，需要全面检查题目的质量。综合来看，除T1题目8、9、17和T2题目9，题目更多的反映方法因子而非一般因子，其余所有题目均侧重于同一潜在因子，这表明UCLA－3控制题目方法效应影响后，孤独感是一个单维结构。
表2 因子载荷表
3．2 追踪测量等值性
追踪数据测量等值性一般采用卡方差异检验（使用Mplus的DIFFTEST函数）进行嵌套模型比较（Muthén ＆ Muthén，2013），差异显著则表明模型拟合变差。然而，卡方差异检验对样本量比较敏感，当样本量较大时，模型差异比较容易得到显著结果。因此，根据Chen等人（2007）建议，本研究使用RMSEA和CFI的变化量（即△RMSEA和△CFI）考察模型是否存在差异。如果△RMSEA≤0．015和△CFI≤0．01，则表示模型参数估计不存在显著差异，满足纵向测量等值性。
本研究所有模型估计均采用Mplus 7．4软件完成。根据 Brown （2015）和 Kline （2011）的建议，本研究选择包括模型卡方值，RMSEA（root mean square error of approximation），CFI（bentler comparative fit index），TLI（Tucker－Lewis Index）多个拟合优度指标评估模型拟合情况。以往研究广泛采用指标可接受的范围为CFI和 TLI大于或接近 0．95，RMSEA小于或接近0．06，且RMSEA的90%置信区间的上限不超过 0．10（Hu ＆ Bentler，1999； Kline，2011）。
表3 UCLA孤独量表Bifactor模型追踪测量等值性
4 讨论
本研究采用追踪研究设计考察了UCLA－3孤独量表在中国大学生群体中的因子结构及追踪测量等值性。研究结果表明，相较于单因子、二因子和三因子模型，Bifactor模型是UCLA－3孤独量表最佳的因子结构，且该因子结构满足追踪测量等值性，表明UCLA－3量表的Bifactor结构在中国大学生群体中具有良好的稳定性。
UCLA－3孤独量表是使用最为广泛的孤独感测量工具，然而其因子结构却存在一定的争议。Russell（1996）最初的研究表明，包含一个一般因子和两个反映题目措辞方向的方法因子是UCLA－3的最佳拟合模型，即所谓的Bifactor模型。然而，也有研究者提出了不同意见。如Hawkley等人（2005）采用探索性因素分析和验证性因素分析考察了UCLA－3的因子结构，发现三因子模型对数据的拟合最好。需指出的是，已有研究多是将UCLA－3的题目得分视作连续数据考察其因子结构。而近年来的研究则表明，李克特5级计分以下的变量不应该被视作连续数据，而应该采用更为稳健的类别变量统计方法（Rhemtulla et al．，2012）。此外，已有研究缺乏对UCLA－3孤独量表所有可能因子结构的系统性检验。基于此，本研究采用均值和方差调整的稳健加权最小二乘法，系统比较了各种可能因子结构对数据的拟合情况。研究结果表明，在两个时间点上，Bifactor模型相较于单因子模型、二因子模型和三因子模型对数据的拟合更好，表明量表更多是测量了整体的孤独感，但受到了措辞方向的影响。这一结果再一次验证了郭庆科等人（2017）的结果，即在中国文化背景下引入方法因子后，UCLA－3孤独量表测量的是同一特质。
此外，本研究通过追踪研究设计考察了UCLA－3孤独量表Bifactor模型的追踪测量等值性。从追踪的结果来看，Bifactor模型在两次追踪的形态等值性对数据拟合良好。而强等值性较之形态等值性，其对数据的拟合并未明显变差，表明UCLA－3孤独量表的Bifactor模型满足追踪测量等值性，这意味着不同时间点孤独感的均值差异可以解释为孤独体验水平的真实差异，UCLA－3孤独量表可以用作对孤独感的追踪测试。
采用CR-400型色差仪，测量样品的色度（L*、a*和b*）并和新鲜草莓的色度（L0、a0、b0），比较，计算色度变化值ΔE，L为明暗值，a为红或绿值，b为黄或蓝值，ΔE表示色差。式中L*、a*、b*表示草莓干燥产品的色泽值，L0、a0、b0为草莓新鲜的色泽值。
360度全景技术近年来发展迅速，本文对制作全景场景的全景图片的拍摄方法进行详细介绍，并对拍摄后的图片的处理方法进行深入研究。经过处理的图片没有拍摄时候辅助工具的痕迹，可以直接应用在高校制作全景漫游系统时的全景场景制作中，节约了图片处理的时间，加快了全景场景的制作过程，具有一定的研究意义。
本研究结果表明，UCLA－3除去方法因子外，反映的是单一维度，而不是像以往研究所表明的因子结构，量表更多是受措辞的影响。在今后的研究中，可以明确量表的一维特征，并且因为量表具有较好的追踪测量等值性，今后可以在探索孤独感发展轨迹的追踪研究中，使用UCLA－3进一步揭示在中国文化背景下，孤独感在不同年龄阶段群体中的发展规律与特征。
本研究虽然是第一次系统地考察UCLA－3孤独量表在中国大学生群体中的因子结构及其纵向测量不变性，但仍然存在局限。首先，本研究只选择了大一和大二的学生进行考察，并未囊括大学阶段的所有群体，大三和大四学生面临择业和考研的选择，有可能影响孤独感发展，所以未来的研究需要对全年级数据加以验证。另外，临床或咨询心理学领域的干预程序往往违反纵向追踪测量等值性前提（Oort，Visser，＆ Sprangers，2005），未来研究需要进一步考察临床样本的孤独量表因子结构，并检验追踪测量等值性。
参考文献
曹亦薇，顾秋艳．（2010）．PISA式汉语阅读测验的编制与维度评价．考试研究 ，（4），82－94．
郭庆科，蔡明航，王菲，李玉洁．（2017）．题目措辞方向对孤独感测量的影响．中国临床心理学杂志，25 （1），116－119＋131．
蒋艳菊，李艺敏，李新旺．（2005）．大学生孤独感结构特点的初步研究．心理科学， 28 （3），690－693．
Britton，P．C．，Conner，K．R．（2007）．Reliability of the UCLA loneliness scale in opiate dependent individuals．Journal of Personality Assessment， 88 （3），368－371．
Brown，T．（2015）．Confirmatory Factor Analysis for Applied Research （Vol．156）．London，England： Guilford Press．
Buer，L．，Anderssen，N．，Malterud，K．，Kvalem，I．L．（2017）．Self－esteem among young bisexual women in Norway：A 13－year longitudinal study．Journal of Bisexuality， 17 （4），487－507．
Cacioppo，J．T．，Hawkley，L．C．（2009）．Perceived social isolation and cognition．Trends Cognitive Sciences， 13 （10），447－454．
Cacioppo，J．T．，Hawkley，L．C．，Ernst，J．M．，Burleson，M．，Berntson，G．G．，Nouriani，B．，Spiegel，D．（2006）．Loneliness within a nomological net：An evolutionary perspective．Journal of Research in Personality， 40 （6），1054－1085．
Chen，F．F．（2007）．Sensitivity of goodness of fit indexes to lack of measurement invariance．Structural Equation Modeling－a Multidisciplinary Journal， 14 （3），464－504．
Durak，M．，Senol－Durak，E．（2010）．Psychometric qualities of the UCLA loneliness scale－version 3 as applied in a Turkish culture．Educational Gerontology， 36 （10－11），988－1007．
Hartshorne，T．S．（1993）．Psychometric properties and confirmatory factor analysis of the UCLA loneliness scale．Journal of Personality Assessment， 61 （1），182－195．
Hawkley，L．C．，Browne，M．W．，Cacioppo，J．T．（2005）．How can I connect with thee？ Let me count the ways．Psychological Science， 16 （10），798－804．
Hawkley，L．C．，Cacioppo，J．T．（2010）．Loneliness matters： A theoreticaland empiricalreview ofconsequences and mechanisms．AnnalsofBehavioral Medicine， 40 （2），218－227．
Hu，L．T．，Bentler，P．M．（1999）．Cutoff criteria for fit indexesin covariance structure analysis： Conventional criteria versusnew alternatives．StructuralEquation Modeling， 6 （1）．
Kline，R．B．（2011）．Principles and practice of structural equation modeling．Journal of the American Statistical Association， 101 （12）．
Lasgaard，M．（2007）．Reliability and validity of the Danish version of the UCLA loneliness scale．Personality and Individual Differences， 42 （7），1359－1366．
Muthén，L．K．，Muthén，B．O．（2013）．Mplus user’s guide（7th ed．） ．Los Angeles，CA：Author．
Oort，F．J．，Visser，M．R．M．，Sprangers，M．A．G．J．Q．o．L．R．（2005）．An application of structural equation modeling to detect response shifts and true change in quality of life data from cancer patients undergoing invasive surgery．Quality of Life Research， 14 （3），599－609．
Rhemtulla，M．，Brosseau－Liard，P．E．，Savalei，V．（2012）．When can categorical variables be treated as continuous？ A comparison of robust continuous and categorical SEM estimation methods under suboptimal conditions．Psychological Methods， 17 （3），354－373．
Rokach，A．，Neto，F．（2000）．Causes of loneliness in adolescence：A cross－cultural study．International Journal of Adolescence and Youth， 8 ，65－80．
Russell，D．，Peplau，L．，Cutrona，C．（1980）．The revised UCLA loneliness scale： Concurrent and discriminate validity evidence．JournalofPersonalityandSocial Psychology， 39 ，472－480．
Russell，D．，Peplau，L．A．，Ferguson，M．L．（1978）．Developing a measure of loneliness．Journal of Personality Assessment， 42 （3），290－294．
Russell，D．W．（1996）．UCLA loneliness scale （Version 3）：Reliability，validity，and factor structure．Journal of Personality Assessment， 66 （1），20－40．
Shankar，A．，McMunn，A．，Banks，J．，Steptoe，A．（2011）．Loneliness，social isolation，and behavioral and biological health indicators in older adults．Health Psychology， 30 （4），377－385．
Shevlin，M．，Murphy，S．，Murphy，J．（2015）．The latent structure of loneliness：Testing competing factor models of the UCLA Loneliness Scale in a large adolescent sample．Assessment， 22 （2），208－215．
Wilson，D．，Cutts，J．，Lees，I．，Mapungwana，S．，Maunganidze，L．（1992）．Psychometric properties of the revised UCLA Loneliness Scale and two short－form measures of loneliness in Zimbabwe．Journal of Personality Assessment， 59 （1），72－81．
Wu，A．D．，Liu，Y．，Gadermann，A．M．，Zumbo，B．D．（2010）．Multiple－indicator multilevel growth model：A solution to multiple methodological challenges in longitudinal studies．Social Indicators Research，97 （2），123－142．
Factorial structure and longitudinal measurement invariance of UCLA-3 loneliness scale among Chinese college students
REN Lijie1，2，HAN Xianguo2，LIU Junsheng3，LI Dan2
（1 Mental Health Center， Shanghai Customs College， Shanghai 201204；2 Department of Psychology， Shanghai Normal University，Shanghai 200234；3 College of Psychology and Cognitive Sciences， East China Normal University， Shanghai 200062）
Abstract To explore the factorial structure and examine the longitudinal measurement invariance of UCLA loneliness scale （UCLA－3）among Chinese college students，UCLA loneliness scale （UCLA－3）was administrated to 890 college students （402 males，488 females） at two－points separated by 6 months．The results showed that：（1）Categorical confirmatory factor analysis indicated that the bifactor model represented the best factor model of UCLA－3 over two waves； （2） Longitudinal measurement invariance test indicated that full scalar invariance was established across the two waves．The bifactor model of UCLA－3 was proved to meet longitudinal measurement invariance and is suitable for the longitudinal study among college students．
Key words UCLA－3； factorial structure； longitudinal measurement invariance； confirmatory factor analysis
基金项目： 上海学校德育实践研究课题“上海大学生孤独感现状调研及其影响因素分析”（2018－D－119）、上海师范大学博士研究生拔尖人才培育
通讯作者： 刘俊升，男，教授，博士生导师。Email：jasonliu@yeah.net
标签：UCLA-3孤独量表论文; 因子结构论文; 追踪测量等值性论文; 验证性因素分析论文; 上海海关学院心理健康教育中心论文; 上海师范大学心理学系论文; 华东师范大学心理与认知科学学院论文;