对他人的关心程度：发展过程、验证方法、测量稳定性以及两国间个体差异的比较

《Personality and Individual Differences》：Concern for others scale: Development, validation, measurement invariance, and individual differences across two countries

　　阿卡什·A·乔卡塞|克沙玛·达塔尔|尼尔森·佩雷拉|达彻·凯尔特纳
耶鲁大学情绪智力中心，儿童研究中心，美国纽黑文

**摘要**
社会情感（如同情心）和行为（如利他主义、合作）的核心是对他人的关心。在相关理论指导和先前测量方法的基础上，我们开发并验证了两个版本的“对他人的关心量表”（CFOS）：一个包含21个项目的版本和一个包含12个项目的版本，适用于成人。CFOS评估三个相互关联的维度：同情性关怀（情感层面）、亲社会行为（行为层面）和共情能力（认知层面）。通过对美国和印度的成年群体进行的两项研究（N=1736），CFOS得分显示出良好的心理测量特性，包括极高的内部一致性，以及收敛效度、区分效度、同时效度和增量效度的证据，并且与亲社会决策的客观行为测量结果存在显著关联。验证性因素分析支持层次模型而非非层次模型的假设。我们还测试了该量表在文化、性别、年龄和社会经济地位（SES）方面的测量不变性，发现其在不同人群中的功能是等效的。最后，我们研究了不同人群在对他人的关心方面的个体差异，发现性别和文化是显著的预测因素。

**1. 引言**
在社会科学领域，普遍认为人类本质上是自私和竞争的。然而，情感科学、合作博弈论方法以及共情的神经生理学研究提供了相反的证据，表明人类经常表现出对他人的关心，并有动机关注和促进他人福祉（Bernhardt & Singer, 2012; Goetz et al., 2010; Keltner et al., 2014; Nowak, 2006）。对他人的关心是指对自我以外的个体及社会群体、文化乃至自然界中其他生命形式的福祉的关注（Chowkase & Watve, 2022）。这种关心包括几个相互关联的组成部分：感知他人的需求和挑战、与他们产生归属感、产生帮助的冲动以及付诸行动的动机（Bapat, 2004; Chowkase, 2022b, Chowkase, 2023）。个体对他人的关心程度存在显著差异，受到人格特质和社会环境的影响，这凸显了测量这种差异的重要性（Chowkase et al., 2024）。

通常，对他人的关心通过共情关怀、共情能力、同情心和亲社会行为等相关但不同的概念来隐含地理解和衡量（Batson, 2011; Chowkase, 2022a; Davis, 1983; Pommier et al., 2020）。这些概念各自强调对他人的关心的不同方面。例如，共情关怀涉及与他人情感上的共鸣（Davis, 1983）；共情能力是指在互动中理解和采用他人视角的认知过程（Davis, 1983）；亲社会行为则是旨在惠及他人的行动，体现在合作、分享、帮助和安慰等自我报告项目中（Batson, 2011）。同情心则表现为感知他人的痛苦并希望加以缓解（Goetz et al., 2010），包括对他人痛苦的关注、认识到人类的共通经历，并以善良和关怀作出反应（Pommier et al., 2020）。因此，共情关怀、共情能力和亲社会行为共同构成了对他人的全面理解的基础。

将对他人的关心视为连接共情、同情心和亲社会行为的核心要素，有助于将这些概念视为迈向社区和相互联系的更广泛进化驱力的组成部分（Baumeister & Leary, 1995; Wilson, 2007）。现有的关于共情关怀、共情能力、同情心和亲社会行为的调查量表并未将这种关心作为一个整合情感、行为和认知元素的综合性概念来评估，而是往往导致对人类亲 sociality 的片面理解。例如，“人际反应性指数”量表（Davis, 1983）仅关注情感和认知层面的共情，未涉及行为维度。此外，许多量表将对他人的关心的情感、认知和行为方面混为一谈，如单因素的“成人亲社会性量表”（Caprara et al., 2005）就包含了共情关怀（如“我强烈感受到他人的感受”）、共情能力（如“我能轻易地设身处地为他人着想”）和亲社会行为（如“即使他人没有直接表达，我也能立刻感知到他们的不适”）等项目。这些量表中情感、认知和行为方面的重叠表明，这些概念本质上可能是相互关联的，可能反映了对他人的一种更高层次的关心。这种关心通过情感、行为和认知三个维度体现出来：同情性关怀、亲社会行为和共情能力。然而，现有的量表尚未将对他人的关心视为一个包含这些维度的多维度、高层次概念。

现有调查的另一个局限性是长度过长。如果将测量共情关怀、共情能力、同情心和亲社会行为的量表合并，将形成包含30至40个项目的庞大量表，其中许多项目是重复的。一个简洁的量表，能够高效地评估对他人的关心及其维度，将是一种时间高效且基于理论的方法。这样的量表应包括同情性关怀（情感层面）、亲社会行为（行为层面）和共情能力（认知层面），并理想地通过自我报告测量以及客观行为测量（如社会价值取向量表（Murphy et al., 2011）来验证其有效性，后者是在社会心理学和行为经济学中广泛使用的亲社会决策测量工具。

此外，大多数与对他人的关心相关的量表主要是在西方发达国家、受过教育的人群中开发的，这些国家仅占全球人口的约16%，且在许多方面具有特殊性。为了提高普遍性，应在新文化背景下开发新的测量工具并收集验证数据，以更全面地理解个体差异。跨文化验证的量表可以提供文化敏感性的见解并丰富现有研究结果。在将心理测量工具应用于不同文化背景时，评估测量不变性至关重要，即该概念在不同群体中的概念化和测量方式是否一致。如果不确立测量不变性，观察到的群体间差异可能反映了测量偏差而非真实的心理差异。这一点在考察不同社会中对他人的关心的个体差异时尤为重要，因为这种关心可能因文化规范和价值观的不同而有所差异。

**1.2. 研究目的**
本研究旨在通过在美国和印度的三个成人样本中开发和验证“对他人的关心量表”（CFOS），来填补现有测量方法的空白。我们追求五个主要目标：首先，采用联合理性-实证方法开发CFOS（例如Soto & John, 2017a）；其次，测试其因素结构，假设由三个维度组成的高层次模型：同情性关怀（情感层面）、亲社会行为（行为层面）和共情能力（认知层面）；第三，创建一个保持良好心理测量特性的简化版量表；第四，评估测量不变性，以确定CFOS在不同人群中的功能是否等效；最后，研究对他人的关心方面的个体差异。

**研究1**专注于CFOS的开发、其层次因素结构的初步验证以及简化版的创建，使用了来自美国和印度的两个样本。**研究2**在独立的美国大学样本中复制了该因素结构，评估了CFOS量表得分的收敛效度、区分效度、同时效度和增量效度，并测试了其在不同国家、性别、年龄和社会经济群体间的测量不变性，同时检验了性别、文化、年龄和社会经济地位对对他人的关心方面的影响。

我们的总体目标是将来自广泛使用的测量工具中的概念重叠但分散的内容整合成一个简洁、层次化的对他人的关心量表，该量表具备良好的心理测量特性并在不同文化间具有可比性。为此，我们从三个已建立的量表中选取了直接对应CFOS理论维度的项目：同情性关怀（情感层面）、亲社会行为（行为层面）和共情能力（认知层面），具体包括“人际反应性指数”（共情关怀和共情能力；Davis, 1983）、“对他人的同情量表”（Nas & Sak, 2021）的“对他人的同情”子量表，以及“成人亲社会性量表”（Caprara et al., 2005）。使用经过验证的项目确保了各维度的全面覆盖，有助于将CFOS与广为使用的测量内容对应起来，并便于与父量表进行直接比较和增量效度测试。所有项目均调整为7点响应格式，然后通过心理测量程序进行筛选，以去除冗余并选择最有效的指标用于长版本（21个项目）和短版本（12个项目）。

所有程序均符合相关法律法规和机构指南，并得到了加州大学伯克利分校相关委员会的批准（协议编号2024–03-17,292；2024年3月2日）。参与者的隐私权得到了尊重，并取得了数据收集的知情同意。支持本研究结果的数据在OSF上公开可用。

**1.2. 假设：内部结构和构念有效性**
**1.2.1. 内部结构有效性**
关于内部结构有效性，我们预计CFOS的项目会加载到三个不同的第一阶因素上：同情性关怀、亲社会行为和共情能力。同时，我们预计这三个第一阶因素会共同加载到一个第二阶因素上（即对他人的关心）。此外，我们还预期CFOS项目具有较高的内部一致性。

**1.2.2. 构念有效性**
为了进一步验证CFOS能否有效反映对他人的关心，我们考察了CFOS得分是否与评估其三个维度中的一个或多个维度的现有量表得分相关。具体来说，我们预计CFOS得分会与对他人的同情心（Pommier et al., 2020）、同情之爱（Hwang et al., 2008）以及对其他生物的同情心（Nas & Sak, 2021）的量表得分呈正相关。基于关于共情、同情心和亲社会行为的研究，我们预期CFOS得分还会与感恩（Ma et al., 2017; Oguni & Ishii, 2024）、与他人的积极关系（Morelli, Lieberman, & Zaki, 2015）、智力谦逊（Krumrei-Mancuso, 2017）、生活满意度（Zuffianò et al., 2018）以及与他人之间的联系（Hutcherson et al., 2008）等心理福祉方面呈正相关。我们还假设CFOS得分会与社会价值取向（一种客观的亲社会决策行为测量工具）呈正相关，从而进一步支持CFOS的构念有效性（Murphy et al., 2011）。

此外，我们预计CFOS得分与社会支配倾向和黑暗人格特质呈负相关。实证研究表明，对他人的关心与社会支配倾向呈负相关（Pratto et al., 2013）。同样，研究发现对他人的关心与低水平的马基雅维利主义、自恋、心理变态和施虐癖有关，这些特质都具有伤害他人的共性（Paulhus et al., 2021）。

在人格特质方面，我们预计CFOS得分与宜人性呈强正相关；与开放性和对他人的开放性呈中等正相关；与尽责性、外向性和神经质呈弱相关（Antonoplis & John, 2022; Soto and John, 2017a, Soto and John, 2017b）。同样，我们预期CFOS得分与自我同情心得分无关（Pommier et al., 2020），因为对他人的关心是面向他人的，而自我同情心是面向自我的。自我报告的亲社会倾向往往会受到社会可接受性的影响；因此，我们预计CFOS分数会与社会可接受性测量结果相关，但程度较小。为了验证CFOS分数的增量效度，我们预期CFOS能够在功能相关的构建维度（即与他人建立积极关系、生活满意度、社会支配倾向、感恩和智力谦逊）上解释变异，而这些维度超出了两个同情心测量工具的范围：(a) Santa Clara简版同情心量表（BCS；Hwang等人，2008年）和同情心量表（CS；Pommier等人，2020年）。

1.3. 假设：
- 跨组测量不变性：为了确定CFOS对他人关怀的测量是否在不同的人口统计群体中是一致的，我们检验了该量表在不同国家、性别、年龄和社会经济地位（SES）组别中的测量不变性。具体而言，我们假设CFOS会表现出构型不变性，即其因子结构在各个群体中是一致的。我们还预期存在度量不变性，表明项目与因子之间的关系强度在各个群体中是可比的。最后，我们期待能够找到标量不变性的证据，以便能够有意义地比较不同人口统计群体之间的他人关怀平均水平。

1.4. 假设：
- 基于性别、文化、年龄和SES的个体差异：鉴于关于亲社会倾向的性别差异已有大量研究（Dorris等人，2022年；Eisenberg & Fabes，1998年；O'Brien等人，2013年；Pommier等人，2020年），我们假设认同为女性的参与者会比认同为男性的参与者报告出更高的他人关怀水平。
- 关于文化，我们预计印度参与者会比美国参与者报告出更高的他人关怀水平。这一预期基于这样的理解：与像美国这样的个人主义文化相比，像印度这样的集体主义文化更加强调相互依赖性，从而导致更高水平的亲社会行为、同理心和同情心（Goetz等人，2010年；Utz，2004年；Wong & Hong，2005年）。例如，在最后通牒游戏中，来自集体主义文化的人更有可能提出更高的要求（Chuah等人，2009年）。同样，集体主义者在使用独裁者游戏、最后通牒游戏和信任游戏时倾向于提供更多的帮助，表现出更大的信任和更多的互惠行为（Chai等人，2018年）。
- 年龄与对他人的关怀的认知方面（视角理解）呈反U形关联（Beadle & de la Vega，2019年；Dorris等人，2022年；O'Brien等人，2013年）。然而，情感方面的关联则复杂多样：一些研究发现年轻成年人有更高的同理心关怀（例如，Chen等人，2014年），其他研究则报告老年人在这方面具有优势（Bailey等人，2020年；Beadle & de la Vega，2019年），而O'Brien等人（2013年）提出了一种曲线形的反U形模式。同情心本身与年龄无关（Pommier等人，2020年）。在行为方面，老年人通常比年轻人更具有亲社会性（Lockwood等人，2021年；Mayr & Freund，2020年），尤其是在低难度任务中（Byrne等人，2023年）。由于CFOS综合了认知、情感和行为成分，我们没有对年龄方向做出具体假设。
- 关于SES，先前的研究表明，较高的SES与较低的他人关怀水平相关。换句话说，来自较低SES背景的人似乎对他人的关怀更为敏感，对他人痛苦的神经同理反应更强烈，表现出更多的慷慨、慈善和亲社会行为，并自我报告出更高的对他人的同情心（综述见Piff & Robinson，2017年）。然而，一些研究表明较高的SES与自我报告的同理心特质呈正相关（Varnum等人，2015年）。鉴于SES与对他人的关怀之间的关联可能因情境和背景而复杂多样（Kraus & Callaghan，2016年），我们对CFOS在SES上的差异没有具体假设。

鉴于人们对人类亲社会行为的兴趣呈指数级增长（例如，Kubzansky等人，2023年），开发CFOS的目的是提供一个理论上有依据的、多维度的他人关怀测量工具，以促进对个体他人关怀研究的累积进展，探索其随生命周期的发展，考察个体和文化差异，并研究它与其他人格特质和人类倾向的关系。同样重要的是，CFOS可能有助于评估旨在扩大人类关怀和关注范围的干预措施和项目的有效性。

2. 第一项研究 - 量表构建、因素分析和量表简化
2.1. 研究方法
2.1.1. 量表构建
为了创建CFOS，我们借鉴了三个现有的测量工具，这些工具分别评估同理心（同理心关怀和视角理解）、同情心和亲社会行为。所有项目都采用7点量表进行评分，从1（强烈不同意）到7（强烈同意）。这三个测量工具如下：
- 同理心相关项目来自人际反应性指数（IRI；Davis，1983年）两个最常用的子量表：同理心关怀和视角理解（各7个项目）。
- 同情心相关项目来自同情心量表（CS；Nas & Sak，2021年）的“对他人的同情心”子量表（9个项目）。
- 亲社会行为相关项目来自成人亲社会性量表（PSA；Caprara等人，2005年）的16个项目，该量表衡量与分享、帮助、照顾他人以及对其需求或请求的共情相关的感受和行为。

总的来说，从这三个现有量表中抽取了39个项目（见附录A）。这些项目以其原始形式使用。在与两位社会心理学家和人格心理学家的咨询后，其中36个项目被分类为三个维度：情感维度、行为维度和认知维度。有三个项目（例如，“当我试图帮助受苦的人时，我会感到平静”）因为不符合这三个维度中的任何一个而被剔除。

2.1.1.1. 情感维度或同情心关怀
情感维度使用上述三个量表中的12个项目进行测量。其中7个项目来自IRI的“同理心关怀”子量表（Davis，1983年），例如“我经常会被我看到的事情所触动”。另外3个项目来自PSA（Caprara等人，2005年），因为它们与同理情感有关（例如，“我强烈感受到他人的感受”）。此外，来自同情心量表（Nas & Sak，2021年）的两个项目也被纳入这个维度，关注对受苦者的同情感受（例如，“我为受苦的患者感到难过”）。

2.1.1.2. 行为维度或亲社会行为
行为维度使用14个项目进行测量。其中11个项目来自PSA（Caprara等人，2005年），关注亲社会行为而非感受（例如，“我试图安慰那些悲伤的人”）。另外3个项目来自同情心量表（Nas & Sak，2021年），关注帮助行为（例如，“我试图帮助需要帮助的人”）。

2.1.1.3. 认知维度或视角理解
认知维度使用10个项目进行测量。其中7个项目来自IRI的“视角理解”子量表（Davis，1983年），例如“我有时会尝试通过想象他人的视角来更好地理解他们”。另外1个项目来自PSA（Caprara等人，2005年），即“我可以很容易地设身处地为处于不适中的人着想”。此外，来自同情心量表（Nas & Sak，2021年）的两个项目也被加入这个维度，关注理解受苦者（例如，“我试图理解受苦者的感受”）。

2.1.2. 参与者
我们从两个样本中收集数据：一个来自美国的在线样本和一个来自印度的社区样本（见表1的人口统计信息）。

表1. 样本人口统计信息
变量 | 第一项研究 | 第二项研究
|---------|---------|---------|
| 性别 | 认同为女性 | 认同为男性 |
| | 23 | 21 |
| | 15 | 19 |
| | 1.12 | 8.5 |
| | 25 | 46.7 |
| | 28 | 17 |
| | 0.2 | 17 |
| | 5 | 17 |
| | 0.4 | 20 |
| | 0.0 | 19 |
| | 2.8 | 15 |
| | 18–29 | 10 | 22.1 |
| | 25 | 65.5 |
| | 59 | 69.9 |
| | 30–44 | 12 | 26.5 |
| | 45 | 13 |
| | 59 | 25.5 |
| | 30 | 9 |
| | 59+ | 11 | 25.9 |
| | 13 | 34 |
| | 0.0 | 0.0 |
| | 26 | 6.9 |
| | 50.7 | 0.7 |
| | 工人阶级 | 76 | 16.8 |
| | 10 | 2.7 |
| | 中下层阶级 | 10 | 15.3 |
| | 13 | 13 |
| | 19 | 47.1 |
| | 16 | 44.0 |
| | 中产阶级 | 51 | 11 |
| | 13 | 19 |
| | 45 | 28.6 |
| | 上层阶级 | 6 | 1.3 |
| | 10 | 2.7 |
| | 缺失 | 0 | 0.0 |
| | 26 | 6.9 |
| | 50 | 0.0 |
| | 城市/郊区 | 36 | 80.3 |
| | 89 | 6.3 |
| | 镇 | 39 | 8.6 |
| | 50 | 11 |
| | 11 | 28.4 |
| | 2 | 3 |
| | 缺失 | 0 | 10.3 |
| | 教育水平 | 高中或以下 | 0 | 18.4 |
| | 高中毕业 | 51 | 11 |
| | 10 | 3 |
| | 一些大学，无学位 | 89 | 19.7 |
| | 13 | 3 |
| | 副学士或技术学位 | 46 | 10.2 |
| | 10 | – |
| | 学士学位 | 190 | 24.0 |
| | 14 | 13 |
| | 硕士学位或以上 | 76 | 20.5 |
| | 2 | 55 |
| | 其他/不愿透露 | 0 | 10.3 |
| | 总计 | 45 | 100 |

2.1.2.1. 样本1A：美国在线样本
这个具有全国代表性的样本由457名美国成年人组成，他们通过CloudResearch Connect在线完成了调查，并获得小额报酬（3.33美元）。未能通过两项注意力检查的参与者（n = 5）被排除在样本之外。最终样本包括452名参与者（51.1%认同为女性；中位年龄 = 45岁）。在种族方面，16%的参与者自称为西班牙裔，而84%的参与者是非西班牙裔。种族构成是78%的白人美国人，14%的黑人/非裔美国人，以及8%来自其他群体，包括亚裔美国人和美洲原住民。

2.1.2.2. 样本1B：印度样本
这个社区样本由488名来自印度的成年人组成，他们在线完成了调查，没有报酬。参与者通过网络团队的联系和社交媒体平台招募。未能通过或两项注意力检查的参与者（n = 109）被排除在样本之外。最终样本包括379名参与者（53.3%认同为女性；中位年龄 = 27岁）。样本的社会类别如下：67%为普通人群，26%为其他落后阶层，3%为预定种姓，1%为预定部落，2%为经济较弱群体，1%未报告其社会类别。这些社会类别特定于印度，不适用于美国背景。

2.1.3. 测量工具
2.1.3.1. 对他人的关怀
如上所述，我们借鉴了现有的测量工具而不是创建全新的项目集。最初的CFOS版本包含36个项目，我们使用CFA进行了测试，以确保分析了三个不同的他人关怀维度。我们使用的评分范围是从1（强烈不同意）到7（强烈同意）。

2.1.4. 程序
进行了以下分析，以确定CFOS是否提供了关于成年人对他人的关怀水平的有效数据。首先，我们进行了初步的CFA，以检查假设的层次模型与收集的数据之间的契合度。我们预期CFOS中的项目会加载到三个不同的第一阶因素上，包括同情心关怀（12个项目）、亲社会行为（14个项目）和视角理解（10个项目）。我们还预期这三个第一阶潜在因素会加载到一个第二阶潜在因素上，我们将其称为“对他人的关怀”。此外，我们还期望作为一个单一量表看到足够的内部分歧度。我们使用R语言中的lavaan包进行了模型拟合检验，并移除了表现不佳的项目，得到了21个项目的CFOS版本。

其次，我们将CFOS进一步简化为12个项目（每个维度4个项目），并进行了类似的层次CFA以检查模型拟合度。我们再次预期缩短后的CFOS版本会包含上述相同的三个第一阶潜在因素，这些因素构成了一个第二阶潜在因素，即对他人的关怀。我们还期望作为一个单一量表看到足够的内部分歧度。

2.2. 第一项研究的结果和讨论
2.2.1. CFOS：初步CFA
我们测试了一个包含三个第一阶潜在因素的层次结构模型：同情心关怀、亲社会行为和视角理解，这些因素加载到一个第二阶潜在因素上，即对他人的关怀。我们使用最大似然估计法（MLR）进行CFAs，并根据Hu和Bentler（1999年）的建议评估拟合指标：对于MLR方法，CFI和TLI的截止值接近0.95，SRMR和RMSEA的截止值分别为0.08和0.06，才能得出假设模型与观察数据之间有良好拟合的结论。参见补充表S1中的项目级描述性统计。

初步CFOS版本（36个项目）的层次CFA结果显示，两个样本（1A和1B）的模型拟合度较差（见表2）。因此，为了进一步提高模型拟合度，我们决定根据项目的因子载荷值移除了表现较弱的项目。

表2. CFOS长版本（36项和21项）的拟合指数
| | 美国在线样本（1A） | 印度样本（1B） |
|---------------------------------------------------------|-------------------------|
| | 层次结构（初始模型，36个项目） | 层次结构（修订后的模型，21个项目） |
| | 单因子（修订后的模型，21个项目） | 层次结构（初始模型，36个项目） | 单因子（修订后的模型，21个项目） |
| CFI（稳健） | 0.87 | 0.87 |
| TLI（稳健） | 1.92 | 1.92 |
| RMSEA（稳健）[90% CI] | 0.070 | 0.072 |
| | [0.066, .074] | [0.065, .080] |
| | 0.101 | [0.094, .108] |
| | 0.051 | [0.046, .056] |
| | 0.061 | [0.052, .069] |
| | | |

从这个模型中，我们移除了因子载荷低于0.5的项目（n = 15）。为了确保量表在不同国家中具有相同的适用性，我们只保留了在两项研究样本（美国和印度）中表现良好的项目。因此，两个版本中移除了相同的项目。有三个项目（#2、#8、#11）在两个样本中的载荷都很弱；其他项目主要在印度社区样本中表现出较弱的载荷，该样本显示出更多的噪声（例如，更多的注意力检查失败）和可能更大的语言差异。在优先考虑可访问性和跨样本可比性的前提下，我们也移除了在印度样本中表现不佳的条目。具体被剔除的条目包括：共情关怀（情感方面）——#3、#5、#7、#9、#28、#39；亲社会行为（行为方面）——#25、#30、#34、#37、#38；换位思考（认知方面）——#2、#4、#8、#11。除了移除这些表现不佳的条目外，我们还对抗留下来的21个条目进行了检查，以确保它们与我们理论构建的维度相符（情感/共情关怀；行为方面——分享、帮助、提供关怀、 comforting、志愿服务；认知/换位思考），并确认了内容覆盖范围。每个维度在21条目的形式中都得到了体现，每个维度至少有6条相关条目。我们用这21个条目重新进行了层次结构因子分析（CFA）。CFI（比较拟合指数）、TLI（Tucker-Lewis指数）、RMSEA（均方根误差）和SRMR（标准化残差均方）显示两个样本的拟合度都是可以接受的（见表2）。在两个样本中，6个情感条目都显著地加载到了共情关怀因子上（p < .001），负荷量在.552到.856之间；9个行为条目加载到了亲社会行为因子上（p < .001），负荷量在.525到.857之间；6个认知条目加载到了换位思考因子上（p < .001），负荷量在.538到.835之间。这三个潜在因子又共同加载到了一个二阶潜在因子上，我们将其命名为“对他人的关怀”（共情关怀：.931–.981, p < .001；亲社会行为：.866–.916, p < .001；换位思考：.858–.889, p < .001）。这一CFA的结果为21条目版本的CFOS提供了内部结构有效性的可信证据。

为了确定另一种非层次结构因子模型是否比层次模型更合适，我们进行了测试。我们测试了单因子模型，即所有21个条目都加载到“对他人的关怀”这个单一因子上。CFA的结果显示拟合度较差（见表2），这是预期之中的，因为我们的理论框架认为对他人的关怀包含三个独立的维度：情感、行为和认知。使用卡方差异检验进行的正式模型比较也证实了这一点（p < .001），表明卡方统计量的增加具有显著性。因此，层次模型比单因子模型具有显著更好的拟合度，应该优先选择层次模型。

尽管如上所述，21条目版本的CFOS exhibited可接受的内部结构有效性，但进一步缩短测量条目数量可能会提高模型的拟合度，并减少完成测量所需的时间，从而提升使用CFOS进行研究的效率。

2.2.2. 简化CFOS
CFOS的简版是通过从上述21条目中选取每个维度4条条目来创建的（见附录B）。条目选取的标准如下：（a）条目的因子负荷量在各个样本中都是最高的；（b）条目的内容不与其他同一维度内的条目重叠。换句话说，我们在条目选取时既重视表现优劣，也注重内容的多样性。我们还检查了修正指数（MI），以确保不需要调整参数约束或添加路径来改善模型拟合度（即MI < 25）。
层次结构因子分析的结果再次显示，在两个样本中都具有良好的拟合度（如图1、图2所示，并在表3中进行了总结）。在两个样本中，4个情感条目显著地加载到了共情关怀因子上（p < .001），负荷量在.552到.860之间；4个行为条目加载到了亲社会行为因子上（p < .001），负荷量在.579到.840之间；4个认知条目加载到了换位思考因子上（p < .001），负荷量在.559到.848之间。这三个潜在因子共同加载到了一个二阶潜在因子上，我们将其命名为“对他人的关怀”（共情关怀：.983–.999, p < .001；亲社会行为：.806–.905, p < .001；换位思考：.885–.904, p < .001）。这一CFA的结果为12条目版本的CFOS提供了内部结构有效性的强有力证据。实际上，12条目的简版模型比21条目的CFOS展现出更好的拟合度。

下载：高分辨率图片（280KB）
下载：全尺寸图片

图1. CFOS-12的确认性因子分析模型（使用完全标准化的回归权重）：美国在线样本（1A）
注意：A1、A2、A3、A4 = 情感调查条目#1–4；B1、B2、B3、B4 = 行为调查条目#1–4；C1、C2、C3、C4 = 认知调查条目#1–4。
a 如果p > .05，则表示路径不显著；所有其他路径在p < .001时均显著。

下载：高分辨率图片（296KB）
下载：全尺寸图片

图2. CFOS-12的确认性因子分析模型（使用完全标准化的回归权重）：印度样本（1B）
注意：A1、A2、A3、A4 = 情感调查条目#1–4；B1、B2、B3、B4 = 行为调查条目#1–4；C1、C2、C3、C4 = 认知调查条目#1–4。
a 如果p > .05，则表示路径不显著；所有其他路径在p < .001时均显著。

表3. CFOS简版（12条目）的拟合优度指数
样本 | U.S.在线样本（1A） | 印度样本（1B）
---------|------------|-----------
拟合指数 | 452 | 452 |
单因子模型 | ------------| ------------|
χ2（标准化） | 92.34 | 92.34 |
CFI（稳健） | 98.2 | 98.2 |
TLI（稳健） | 97.7 | 97.7 |
RMSEA（稳健）[90% CI] | .051 [.034, .067] | .099 [.085, .113] |
SRMR | .042 [.021, .060] | .075 [.060, .090] |

与21条目版本的CFOS一样，我们也测试了另一种非层次结构因子模型，以确定它是否比层次模型有更好的拟合度。我们测试了单因子模型，即所有12个条目都加载到“对他人的关怀”这个单一因子上。CFA的结果显示，与层次模型相比，单因子模型的拟合度较差（尽管也是可以接受的，但拟合度较低，详见表3）。使用卡方差异检验进行的正式模型比较也证实了这一点（p < .001），表明单因子模型的卡方统计量显著增加。因此，层次模型比单因子模型具有显著更好的拟合度，应优先选择。

2.2.3. 内部一致性和描述性统计
21条目和12条目版本的CFOS的整体得分在两个样本中都表现出内部一致性（ω = .86–.97）。三个一阶因子和一个高阶因子的欧米伽（omega）可靠性指数在表4中呈现。正如预期的那样，由于21条目版本的CFOS包含更多的条目，其欧米伽可靠性略高于12条目版本。值得注意的是，美国在线样本（1A）的欧米伽可靠性高于印度样本（1B）。

表4. 不同样本中21条目和12条目版本CFOS的内部一致性
| 样本 | U.S.在线样本（1A） | 印度样本（1B） | 美国大学样本（2） |
|-------------|------------|-----------|------------|
| 总分 | 97.9 | 93.9 | 94.8 |
| 共情关怀 | 89.8 | 80.8 | 86.7 |
| 亲社会行为 | 92.8 | 87.8 | 85.8 |
| 换位思考 | 89.7 | 84.8 | 88.7 |
| 对他人的关怀（高阶） | 91.8 | 84.8 | 85.9 | 82.8 |

表5. 两个样本中21条目和12条目版本CFOS的描述性统计
| | U.S.在线样本（1A） | 印度样本（1B） | 美国大学样本（2） |
|-------------|------------|-----------|------------|
| M（平均值） | 5.3 | 5.7 | 5.5 | 5.5 |
| SD（标准差） | 0.9 | 0.7 | 0.7 | 0.7 |
| 总分 | 5.3 | 5.7 | 5.5 | 5.4 |
| 共情关怀 | 5.4 | 5.7 | 5.6 | 5.6 |
| 亲社会行为 | 5.3 | 5.8 | 5.5 | 5.5 |
| 换位思考 | 5.3 | 5.5 | 5.4 | 5.3 |
| 注意：所有分数均为1到7的量表分数 |

总之，CFA和内部一致性结果表明，两种版本的CFOS（CFOS-21和CFOS-12）都能有效评估该构念的三个维度，并且作为一种衡量对他人的关怀的单一指标，在两个样本中都具有适用性。然而，来自印度样本（平均年龄M = 27岁）和美国样本（平均年龄M = 45岁）的参与者年龄差异较大；因此，为了在两国之间进行可比的个体差异比较，我们招募了额外的美国大学生样本（样本2）来平衡年龄结构。这个样本也被用来复制研究1中的CFA结果。此外，还在研究2中使用了所有三个样本来评估CFOS得分的构念有效性。

3. 研究2 - CFA结果的复制、构念有效性、测量不变性和个体差异
3.1. 研究2的方法
研究2有三个主要目标。首先，我们使用CFA在独立样本中复制了新开发的CFOS的因子结构。其次，我们根据理论框架和先前的研究，评估了所有三个样本中该量表得分的收敛性、差异性、同时性和增量有效性。第三，我们评估了四个人口统计变量（国家、性别、年龄和社会经济地位SES）下的测量不变性。第四，我们通过分析基于性别、文化、年龄和SES的模式，来考察对他人的关怀的个体差异。

3.1.1. 参与者
3.1.1.1. 样本2：美国大学样本
由于印度样本（1B）中的参与者比美国样本（1A）更年轻，为了平衡这两个样本之间的年龄差异，我们从美国的大学样本中招募了更多参与者。这个样本包括795名通过SONA在线完成调查的大学生，他们可以通过此方式获得课程学分。未能通过至少一次注意事项检查的参与者（n = 119）被排除在外。最终样本包括676名参与者（80.2%为女性），中位年龄为20岁。种族构成如下：21%为白人美国人，3%为黑人和非裔美国人，22%为西班牙裔美国人，44%为亚裔美国人。

3.1.2. 测量工具
研究1和2中的所有测量工具都在附录C中进行了总结，包括条目数量、响应选项和内部一致性（McDonald's ω）。除非另有说明，否则条目都是按照7点李克特量表进行评级的。社会价值取向（SVO）滑块提供了一个亲社会决策行为指数（以角度表示），我们将其作为CFOS得分的客观有效性检验。

3.1.3. 程序
首先，我们进行了层次结构因子分析，以复制研究1中确定的因子结构。其次，为了评估CFOS得分的收敛性、差异性和同时性有效性，我们使用了研究1和2的数据进行了相关性分析，以考察CFOS得分是否与其他理论相关的构念（如心理福祉和生命满意度）有关。第三，为了确定CFOS得分的增量有效性，我们进行了层次回归分析，以检验CFOS是否能够解释除了两个共情指标（Santa Clara Brief Compassion Scale (BCS; Hwang et al., 2008) 和 Compassion Scale (CS; Pommier et al., 2020) 之外的功能相关构念的方差。我们比较了每个指标在积极关系、生命满意度、社会支配倾向、感恩心和智力谦逊方面的解释方差。

第四，我们使用lavan软件中的多组CFA估计了CFOS在不同文化、性别、年龄和社会经济地位（SES）群体下的测量不变性。配置模型检验了不同群体之间是否具有相同的因子结构；度量模型要求各组之间的因子负荷量相等；标量模型还限制了条目的截距。我们使用多种指标（RMSEA、CFI、SRMR）来评估模型拟合度，并根据Chen（2007）推荐的指南，通过卡方差异检验和近似拟合指数的变化来确定不变性。这些步骤使我们能够确定CFOS是否支持跨群体的结构和潜在均值的有效比较。最后，我们进行了多元回归分析，以考察对他人的关怀及其维度的个体差异，考虑了性别、文化、年龄和社会经济地位等因素。

3.2. 研究2的结果和讨论
3.2.1. CFA结果的复制和内部一致性
层次模型的结果显示，无论是21条目版本还是12条目版本的CFOS都具有可接受的拟合度（见表6）。拟合指数（包括CFI、TLI、RMSEA和SRMR）支持这一结论。因子负荷量也与研究1中观察到的结果一致（见图3）。正如假设的那样，情感、行为和认知条目都显著地加载到了各自的一阶因子上（p < .001）。这三个潜在因子又共同加载到了一个二阶潜在因子上，我们将其命名为“对他人的关怀”。这些结果进一步证明了两种CFOS版本的内部结构有效性。

表6.图3. 对CFOS-12的验证性因子分析模型，包含完全标准化的回归权重：美国大学样本（样本2）。注：A1、A2、A3、A4 = 情感调查项1–4；B1、B2、B3、B4 = 行为调查项1–4；C1、C2、C3、C4 = 认知调查项1–4。所有路径的显著性水平均低于p < .001。

与研究1类似，我们还测试了一个非层次模型，以评估更简单的结构是否能更好地解释数据。具体来说，我们测试了一个单因子模型，在该模型中所有项目都归入一个总体的“关心他人”因子中。正如预期的那样，这个模型对CFOS的两个版本都适用性较差（见表6），这与我们的理论框架一致，该框架将“关心他人”概念化为三个不同的维度。卡方差异检验确认层次模型的拟合效果明显优于单因子模型（p < .001）。

21项和12项CFOS的总分显示出内部一致性（ω = .89–.93）。三个一阶因素和一个更高阶因素的欧米伽信度指数与研究1的发现一致（见表4）。值得注意的是，美国这个大学样本中的欧米伽信度与印度样本（1B）相似，后者也主要由年轻人组成。CFOS全量表和子量表得分的均值和标准差详见表5。此外，两个版本的CFOS全量表和子量表得分都在正态分布的可接受范围内（偏度：?0.54至?0.70；峰度：0.37至0.81）。

总结来说，研究2复制了研究1的发现，进一步支持了CFOS的层次因子结构。21项和12项版本都有效地捕捉到了该结构的三个维度，同时作为一个统一的衡量标准，适用于不同样本中的“关心他人”现象。

为了评估CFOS得分的收敛效度、区分效度和同时效度，我们检查了CFOS与研究1和研究2中所有三个样本的各种测量工具之间的相关性。在几乎所有情况下，结果都支持了我们的假设（见表7；相关细节见补充表S2）。正如预期的那样，CFOS与其他测量工具之间存在积极且显著的相关性（rs：.34–.86），这些工具衡量了“关心他人”的不同方面，如对他人的同情（Pommier等人，2020年）、富有同情心的爱（Hwang等人，2008年）以及对其他生物的同情（Nas & Sak，2021年），这有助于确立量表得分的收敛效度。

CFOS还与一些功能相关的结构显示出积极的、显著的相关性，如感恩（rs：.18–.48），这些结构包括与他人的积极关系、心理幸福感、人际连通性等。这表明“关心他人”可能与心理幸福感、生活满意度以及与他人之间的联系等关键生活结果相关，同时也与这些结果的促成因素（如感恩和心理谦逊）有关。这与假设一致，即“关心他人”可能与自我利益相关。

正如假设的那样，CFOS得分与社会支配倾向呈负相关，这表明“关心他人”与个体在社会群体中的等级偏好及其对较低地位群体的支配欲望呈负相关。因此，“关心他人”可能是平等和公正社会的重要组成部分。

如同预期的那样，CFOS得分与自恋呈弱正相关，这表明自我报告的“关心他人”倾向与社会支配倾向之间存在一致性。此外，CFOS与心理病态呈负相关，这与理论预测相反。然而，实证证据表明这种关联并不明显，部分可能是因为自恋者可能希望在自我报告中夸大他们的亲社会倾向。分析具有较高自恋水平的个体的“关心他人”动机可以提供额外的见解。关于心理病态的发现虽然令人惊讶，但可能部分是由于在“简短黑暗四因素量表”中的测量方式。例如，“我倾向于反抗权威及其规则”、“我倾向于先行动然后再提问”以及“我有时会陷入危险情况”等条目衡量的是心理病态的某些方面，这些方面并不一定与真正的“关心他人”相矛盾。

关于人格特质，CFOS与随和性呈最强相关性，这体现了对他人的一种关怀和关心的态度。CFOS还与开放性和对他人的开放性呈正相关。相比之下，CFOS与尽责性、外向性和神经质性之间的相关性较弱或没有相关性。这些发现与对同情量表的验证研究结果一致。

正如假设的那样，CFOS与自我同情呈弱相关，这证实了以他人为中心的关怀与以自我为中心的同情是不同的。此外，CFOS与社会可取性呈中度相关，这再次表明自我报告的亲社会倾向可能受到社会可取性偏见的影响。总体而言，这些发现为CFOS得分的构念效度提供了强有力的证据。

接下来，我们控制了年龄和性别因素，检验了CFOS得分的增量效度。我们使用了两个同情量表来比较CFOS预测五个功能相关结构的增量能力：（a）积极的人际关系、（b）生活满意度、（c）社会支配倾向、（d）感恩和（e）心理谦逊。如图4所示，CFOS显著解释了这些结构中的方差，超出了同情量表所能解释的范围。具体来说，与BCS相比，CFOS在积极的人际关系（?R2 = 3.8%至6.4%）、生活满意度（?R2 = 0.4%至2.0%）、感恩（?R2 = 2.5%至4.4%）和心理谦逊（?R2 = 1.1%至6.4%）方面解释了更多的方差。同样，与CS相比，CFOS在积极的人际关系（?R2 = 0.7%至2.1%）、生活满意度（?R2 = 1.8%至4.7%）、感恩（?R2 = 1.7%至1.8%）和心理谦逊（?R2 = 0.8%）方面解释了更多的方差。

在增量效度的测试中存在两个问题结果。首先，在印度样本中，CFOS未能显著解释社会支配倾向的额外方差。然而，在美国在线样本（1A）中，CFOS在社会支配倾向方面解释了比同情量表更多的方差。同样，在美国大学样本（样本2）中，CFOS仅在社会支配倾向和心理谦逊方面解释了微小的额外方差。其次，即使在引入CFOS之后，CS仍然是积极的人际关系（印度样本、美国大学样本）、社会支配倾向（美国在线样本）、感恩（美国在线样本、美国大学样本）和心理谦逊（美国在线样本）的显著预测因子。

尽管存在这些不足，CFOS得分仍显著增强了除同情量表之外对功能相关结构的预测能力，证明了其增量效度。另请参阅补充表S11和S12，了解所有四个人口统计变量在不同层次间潜在均值的变化。此外，我们还使用了lavTestScore函数进行了得分测试，以评估不匹配是否集中在少数受限载荷或截距上。在CFOS-12/CFOS-21以及所有四个分组变量中，最大的得分测试χ2值通常都较低（通常<20；最大值为42.3；见补充表S13），这表明没有单个约束因素产生了极端影响。尽管某些模型显示了顶层约束的局部集中现象，但其程度与局部而非严重的非不变性一致。

3.2.5. 基于性别、文化、年龄和社会经济地位（SES）的对他人的关心程度的个体差异
我们进行了同时多元回归分析，以考察CFOS在不同性别[1 = 男性认同，2 = 女性认同]、文化、年龄和社会经济地位（SES）下的模式。非二元参与者以及那些选择不透露自己性别的人（n = 21）被排除在了这项分析之外。国家[1 = 美国，2 = 印度]被用作文化的代理变量。参与者对自身社会经济地位的评分范围是从1（工人阶级）到5（上层阶级）。来自所有三个样本的数据被合并为一个数据集用于这项分析。
基于现有文献，我们假设在不同性别（女性认同 > 男性认同）和文化（印度 > 美国）下，对他人的关心程度上存在显著差异。然而，由于对他人的关心与这些变量之间的关系复杂、多方面且依赖于具体情境，我们并没有提出关于年龄或SES差异的具体假设。
正如预期的那样，同时多元回归分析显示，在控制其他所有预测变量的情况下，性别和文化对他人的关心程度有显著影响（见表8）。女性认同的参与者（M = 5.51，SD = 0.79）报告的对他人的关心程度显著高于男性认同的参与者（M = 5.26，SD = 0.93；b = 0.281，β = 0.33，p < .001），这与大量研究表明的性别在亲社会倾向上的相似差异一致（Dorris等人，2022年；Eisenberg & Fabes，1998年；O'Brien等人，2013年；Pommier等人，2020年）。这种效应较小（η2 = .02）。
表8. 以对他人的关心为标准的多重回归系数和Eta-Squared效应大小
变量 b SE β [95% CI] t p η2
性别（女性认同） 0.281 0.05 0.33 [0.22, 0.44] 6.05 <.001 0.02
SES 0.008 0.02 0.01 [?0.04, 0.06] 0.37 1.71 <0.001
文化（印度） 0.337 0.05 0.40 [0.27, 0.52] 6.38 <.001 0.03
年龄 ?0.003 0.002 ?0.05 [?0.10, 0.00] ?1.89 0.05 9
注：N = 1447。多重R2 = .05；调整后的R2 = .05；p值 < .001。
同样，正如预期的那样，印度参与者（M = 5.64，SD = 0.73）报告的对他人的关心程度显著高于美国参与者（M = 5.35，SD = 0.87；b = 0.337，β = 0.40，p < .001），且效应较小（η2 = .03）。这一发现与在印度等集体主义文化中观察到的典型模式一致，这些文化强调相互依赖性，可能导致比美国等个人主义文化更高的自我报告的对他人关心程度（Chuah等人，2009年；Goetz等人，2010年；Utz，2004年；Wong & Hong，2005年）。尽管文化群体中的成员并不完全相同或同质化，但本研究观察到的差异与文献中报道的文化差异一致。因此，这些差异很可能源于印度和美国的相互依赖性和独立性文化价值观。
在控制其他预测变量的情况下，年龄或SES并未显著预测对他人的关心程度（p > .05）。关于年龄与对他人的关心程度之间关系的非显著发现可以通过这种关系的复杂性和多面性来解释。先前的研究表明，在观点采纳方面存在倒U形模式，中年成年人比年轻和年长的成年人具有更强的观点采纳能力（Beadle & de la Vega，2019年；Dorris等人，2022年；O'Brien等人，2013年），同时也有关于年龄和同情心关心程度的混合结果——一些研究发现年轻成年人有更高的同情心关心程度，而其他研究则没有发现差异或发现年长成年人有更高的关心程度（Bailey等人，2020年；Beadle & de la Vega，2019年；Chen等人，2014年；O'Brien等人，2013年）。此外，年长成年人可能在低努力任务中表现出更多的亲社会行为（Byrne等人，2023年；Lockwood等人，2021年；Mayr & Freund，2020年）。CFOS中认知、情感和行为维度的整合可能减弱了这些与年龄相关的差异，从而导致非显著的结果。
同样，关于SES与对他人的关心程度之间关系的非显著发现也可以这样解释：一般来说，来自较低SES背景的个体表现出更多的对他人的关心，其特征是神经共情反应增强、更慷慨的亲社会行为以及更高的自我报告的同情心（Piff & Robinson，2017年；Varnum等人，2015年）。然而，一些研究提出了相反的证据。例如，Varnum等人（2015年）发现较高的SES与自我报告的特质性共情之间存在正相关。这些混合结果表明，SES与对他人的关心程度之间的关系是复杂且依赖于具体情境和测量方法的（Kraus & Callaghan，2016年）。因此，我们的结果（在控制其他预测变量后，SES对对他人的关心程度没有显著预测作用，p > .05）与强调这种关系多变性的广泛文献相符。这一发现的一个关键局限性是使用了一个简单的单一问题，这个问题可能没有涵盖SES的所有典型组成部分，如收入、教育、职业声望和物质资源。未来的研究应进一步调查可能调节SES各个方面与对他人的关心程度之间联系的情境和具体情况因素，以便更好地理解这些动态。还进行了涉及性别、文化、年龄和SES之间的四元、三元和二元交互作用的额外分析；然而，没有观察到有意义的模式。对CFOS的三个子量表分别进行了类似的回归分析，结果与上述描述一致（见表9）。在控制模型中的所有其他变量的情况下，性别和文化在CFOS的三个维度上均成为显著的预测因子。效应大小也与之前报告的结果相当（η2：性别 = .01–.03，文化 = .01–.04）。有趣的是，与其他方面的综合得分相比，性别对同情心方面的影响略强，文化对亲社会行为的影响略强，而性别和文化对观点采纳的影响较弱（见表9）。
表9. 以对他人的关心的三个维度为标准的多重回归系数和Eta-Squared效应大小
变量 β SE β [95% CI] p η2 β [95% CI] p η2
性别（女性认同） 0.38 [0.27, 0.49] .03 .03 .02 .07 .006
SES 0.01 [?0.04, 0.06] <0.001 0.04 [?0.01, 0.09] .002
文化（印度） 0.28 [0.16, 0.40] .01 .50 .04 .04 .25
年龄 ?0.04 [?0.09, 0.01] ?0.03 ?0.08 .001 ?0.05 [?0.10, 0.00]
注：p < .05；**p < .01**；**p < .001**。
尽管年龄是观点采纳的显著预测因子（p < .05），但其效应大小可以忽略不计（η2 = .003）。总之，性别和文化是对他人关心的最强预测因子，而年龄和SES则不是。需要进一步研究影响他人关心与其他预测因子之间关系的情境和具体情况因素。

4. 总体讨论和结论
在一个日益不平等、两极分化、自恋和个人主义日益严重的世界中（Zarins & Konrath，2017），对他人的关心起到了关键的平衡作用，促进了富有同情心的关心、亲社会行为和观点采纳——这些品质增强了社会关系，弥合了分歧，促进了社会凝聚力，并减轻了不平等的影响（Davis，2017）。然而，由于使用了许多仅评估他人关心的一个或几个组成部分的测量方法，而且这些组成部分在问卷条目中往往以重复的方式呈现，因此对他人的关心的研究受到了阻碍。
CFOS从现有测量方法中汲取灵感，评估了他人的关心的三个关键维度：同情心、亲社会行为和观点采纳。通过对三个样本进行当代效度分析（CFA），确认了三维层次模型比非层次模型更适合，支持了该测量方法的内部结构有效性。
我们还发现，CFOS的总分和因子分具有很强的内在一致性（ω = .73–.97），可以作为对他人的关心及其三个维度的可靠测量工具。CFOS得分与三个与同情心相关的测量指标以及感恩、心理幸福感、生活满意度和与他人的人际联系呈正相关。它与马基雅维利主义、虐待倾向和社会支配倾向呈负相关。此外，CFOS得分与宜人性、对体验的开放性和对他人的开放性呈正相关，而与尽责性、外向性和神经质呈弱相关或无关。CFOS得分与社会价值取向显著相关，表明报告对他人的关心程度较高的个体也更有可能做出亲社会选择。
还有其他发现表明了CFOS测量的实用性。层次回归分析确立了CFOS得分的增量有效性，证明它在五个功能相关的构念上解释了方差，超出了现有的同情心量表。为了支持其跨群体适用性，CFOS在不同国家、性别、年龄和SES群体中表现出配置性、度量和标量测量不变性。
最后，性别和文化是对他人关心的最强预测因子，而年龄和SES则不是，这与关于这些亲社会性预测因子的丰富文献一致（Dorris等人，2022年；Eisenberg & Fabes，1998年；Goetz等人，2010年；Kraus & Callaghan，2016年；Pommier等人，2020年）。
没有一项量表开发研究是没有局限性的。关于亲社会倾向的自我报告数据可能受到社会期望和认知偏见的影响，例如虚幻的优越感（Van Yperen & Buunk，1991年）。尽管CFOS与社会价值取向滑块显著相关，但未来的研究应继续将该量表得分与亲社会决策的实际表现（如同情心的实际表现、亲社会行为和观点采纳）等行为指标进行验证。同样，CFOS得分的预测有效性仍有待确定，即它对关系质量、婚姻满意度以及身心健康等有意义结果的可预测性如何。
尽管存在这些局限性，CFOS仍提供了一个全面、可靠且高效的工具，用于评估对他人的关心。通过捕捉这一构念的情感、行为和认知维度，它有望推动关于亲社会发展的研究，并为培养同情心、观点采纳和亲社会行为的项目提供信息。未来的研究可以在此基础上进一步探索其预测有效性及其在不同文化和发展情境中的应用，从而加深我们对他人关心如何塑造个体和集体福祉的理解。

致谢
作者贡献声明：
Aakash A. Chowkase：撰写——审稿与编辑、撰写——初稿、可视化、验证、监督、软件、资源、项目管理、方法论、调查、形式分析、数据 curacy、概念化。
Kshama Datar：撰写——审稿与编辑、项目管理、数据 curacy。
Nielsen Pereira：撰写——审稿与编辑、资金获取。
Dacher Keltner：撰写——审稿与编辑、方法论。
关于写作过程中生成式AI和AI辅助技术的声明：
在准备这项工作时，作者使用了ChatGPT来提高手稿的可读性和语言表达。使用该工具后，作者根据需要审查和编辑了内容，并对已发表文章的内容负全责。

资金来源：
本研究未获得公共部门、商业部门或非营利部门的任何特定资助。