隐性领导与多维度模仿：中国大学生群体中的结构路径模型

《Frontiers in Psychology》：Implicit leadership and multidimensional imitation: a structural pathway model among Chinese university students

　　摘要
引言：本研究探讨了隐含领导力感知（ILP）与大学生在基于小组的教育环境中的社会学习和模仿过程之间的关联。通过将隐含领导力理论（ILT）与社会学习和情感传染的视角相结合，本研究将模仿视为一个多层次的构建，涵盖了认知、行为、决策相关和情感维度，通过这些维度在同伴群体中体现非正式领导力。

方法：本研究收集了912名中国本科生的调查数据，并使用顺序分析策略进行分析。主要是采用验证性因子分析（CFA）来验证理论规定的测量结构，并结合主轴因子分析和平行分析进行探索性因子分析。主成分分析仅作为辅助技术来检查方差分布，而不是作为因子提取方法。随后利用具有鲁棒最大似然估计的结构方程建模来考察ILP与四种模仿形式之间的结构关系。此外，还进行了额外的多组探索性分析，以考察不同角色地位和性别之间的差异。

结果：研究支持了一个稳定的五因素结构，包括ILP、认知模仿、行为模仿、团队决策模仿和情感模仿。结构分析表明，ILP与所有四种模仿维度均显著相关，其中认知模仿的相关性最强，其次是团队决策模仿和情感模仿，而行为模仿的相关性相对较弱。这些维度似乎存在层次关系，尽管当前的横断面设计无法确定时间顺序。组间比较进一步突显了不同社会角色和性别之间的模仿模式的系统性差异。

讨论：研究结果加深了人们对教育环境中领导力影响的理解，表明模仿并非单一的反应，而是一种主要与认知机制相关的多层次社会学习过程。通过将ILT扩展到正式组织环境之外，本研究强调了非显性领导线索如何与同伴互动、集体规范和课堂群体参与相关联。这些结果为有关社会学习、无权威领导力和高等教育中群体动态的研究提供了理论和方法论上的贡献。

1 引言
在人类社会互动中，模仿是最基本的学习和适应机制之一。它不仅是个人层面的学习策略，也是群体内部社会影响的基础形式。个体在观察到他人的行为和情感反应后调整自身行为，从而实现社会认同和归属感（Cialdini和Goldstein，2004）。在价值观体系和行为模式的形成阶段，大学生中的模仿现象尤为普遍。面对学术竞争、社会比较和同伴压力时，模仿成为学生适应环境的重要手段（Wentzel等人，2009）。同伴的学习策略、表达方式、生活方式甚至情感反应都可能微妙而持久地影响一个人的行为。这种影响通常不依赖于明确的权威或命令，而是通过看似平等的同伴关系中的隐性学习和心理认同实现的（Veenstra和Laninga-Wijnen，2022；Mendoza和King，2022）。

关于传统领导力的研究主要集中在正式领导者的特质和行为上（Bass和Avolio，1994）。然而，近年来研究表明，影响力并不完全源于正式职位。在小组互动中，某些个体即使没有官方角色，仍能通过行为、情感传染和价值观展示来影响他人的态度和行为（Lord等人，2020）。这种现象被称为隐含领导力。隐含领导力理论（ILT）认为个体持有内化的领导力原型图式。当小组成员的特质或行为与这些图式相匹配时，其他成员可能会本能地将此人视为领导者，并进行模仿、服从或认同（Billsberry和O'Callaghan，2024）。在大学生群体中，隐含领导者通常具有学术卓越、自信的表达能力、积极参与和社会影响力。即使在缺乏正式权威的情况下，这些人也能通过示范效应和社会参照指导他人的行为（Madtha等人，2022）。

社会学习理论（SLT；Bandura，1986）将模仿视为个体通过观察他人获得行为、策略和情感反应的核心机制。相比之下，隐含领导力理论（ILT）解释了某些个体如何基于内化的领导力原型在认知上被归类为“领导者”（Lord等人，1984）。这两种视角的结合提供了一种基于机制的解释，说明在同伴情境中的模仿现象。具体来说，ILT回答了“谁成为模仿对象”的问题，而SLT解释了“一旦确定了榜样后，模仿是如何发生的”。当小组成员与其他人的隐含领导力图式相匹配时，此人更可能被视为显著且可信的榜样。这种感知增加了观察注意力，并增强了认知一致性，从而促进了更高水平的行为和情感模仿，这与SLT的预测一致。因此，大学生之间的模仿并非随机发生，而是有选择地针对那些被隐含认为的领导者。从这个综合角度来看，隐含领导力感知作为一种认知过滤机制，决定了同伴群体中社会学习过程的方向和强度。从这一整合的角度来看，模仿可以被理解为一种结构化和以领导者为导向的社会学习过程，而不仅仅是一种普遍或未分化的反应。

2 文献综述
2.1 同伴情境中的隐含领导力理论和领导力感知
ILT认为个体发展出理想领导者的内在原型，当遇到特定人物时这些原型会被激活，随后形成对领导力素质的判断（Lord等人，1984）。Offermann等人（1994）和Offermann与Coats（2018）提出了一个八维度原型模型，并通过实证验证了这些原型在不同文化情境中的动态灵活性。在教育和社会学习环境中，领导角色通常不是正式指定的，而是通过小组互动和表现自然形成的。先前的研究表明，同伴群体中的个体可能会本能地识别出自然领导者或核心人物，并将他们作为参照点，从而形成领导者-追随者关系（Lawson和Fleshman，2020）。Schyns等人（2012）强调，通过基于ILT的指导和反思性培训可以增强个体对其隐含领导力原型的意识，从而促进团队内更有效的互动。

最近的ILT/IFT研究将领域扩展到共享领导力、动态原型、情境变异性和基于代理的建模（Epitropaki等人，2023；Hesmert和Vogel，2023）。作者还强调，ILT/IFT不应被视为静态的认知结构，而应视为可以通过互动过程演变的结构。此外，Escobar Vega等人（2025）研究了个体在团队和组织情境中如何通过互动经验逐渐学习领导力概念，并在此过程中不断重构他们的隐含领导力原型。他们的发现表明，ILT并非出生时就固定不变，而是通过社会互动不断调整和形成的。

2.2 社会学习和模仿机制（包括最近关于情感传染和模仿的研究）
Bandura（1977）的社会学习理论强调，个体不仅通过直接经验获得知识和行为，还通过观察、模仿和替代强化来学习。作为社会学习的核心机制，模仿不仅体现在显性行为层面，还体现在认知和情感领域。在认知层面，模仿指的是内化他人的思维策略、问题解决路径和隐性规则（Wang等人，2015）。在行为层面，模仿表现为行为、语言或表达风格的再现，从而促进行为一致性（Byrne，2005）。在情感层面，模仿——常称为情感传染——是指群体成员的情感状态无意识或半意识地与他人趋同的过程（Barsade，2002；Lin等人，2024）。Norscia和Palagi（2011）证明情感模仿与共情密切相关，是维持社会纽带的关键机制。Barsade（2002）是组织行为研究中的首批通过实验验证情感传染效应的研究之一，表明团队成员的情绪可以通过非言语线索传播并影响整体团队表现。Barsade等人（2018）进一步提出，情感传染遵循明确的因果链：个体关注、感知并模仿他人的情感表达，从而实现情感趋同和同步。这种机制在教育群体中也很明显——增强了课堂凝聚力和积极的学习氛围（Fischer等人，2012）。因此，从社会学习的角度来看，模仿不应仅仅被视为被动的行为再现，而是一种连接个体认知处理、情绪调节和群体互动的关键社会机制。

最近在情感传染领域的研究中，Marx等人（2024）提出了一种平衡的自我报告测量方法，用于区分对正面和负面情感传染的易感性。研究结果表明，对正面情感传染的易感性与人际功能和亲社会倾向相关，而对负面情感传染的易感性则与心理健康问题更密切相关。基于神经认知视角，Wang等人（2024）研究了自我表征对情感传染过程的影响，发现当观察者感知到更大的关系亲密度或相似性时，神经共振机制（如镜像神经元系统）更可能触发情感同步。

2.3 从认知到情感：多层次路径视角
多层次路径视角认为，社会影响的扩散通常通过认知→行为→情感的渐进顺序实现。Dolan（2002）认为情感、认知和行为是相互互动和相互依存的过程。组织行为研究的实验证据进一步表明，团队中个体的情感状态可以通过非言语信号传播给整个群体，从而影响互动质量和集体表现。在课堂或同伴学习情境中，可以假设以下路径：学生首先在认知层面识别和评估同伴的隐含领导力特征（即与他们内化图式的匹配程度），然后在行为层面模仿相关策略或表达行为，最后在情感层面实现情感趋同和同步。Barsade等人（2018）强调，个体可以通过注意-感知-模仿的过程实现情感趋同——这一机制在群体层面具有因果路径意义。Pinus等人（2025）实证证明了情绪调节的溢出效应：当对某些小组成员进行认知重评干预时，成员之间的负面情绪也会显著缓解。这一发现表明，情感传递超出了简单的传染，可能涉及情绪调节效应的扩散。这些证据为阐明情感过程的放大或反馈功能提供了当代实证支持。同样，Michalec等人（2025）强调，模仿和同步机制通过多种渠道有效运作，包括面部表情、肌电图活动和语言节奏。

在整合隐含领导力和同伴模仿路径方面，Tavares等人（2018）提出的ILT处理结构模型特别有启发性。该模型将认知处理（如图式激活和信息过滤）置于路径的起点，从而阐明了以下层次机制：隐含领导力信号→认知匹配→行为模仿→情感趋同。此外，最近的ILT/IFT研究（如Epitropaki等人，2023）将隐含原型视为可以通过互动重塑的动态灵活结构。这一视角意味着模仿路径可能不是严格单向的，而是可能涉及反馈循环和重新校准的过程。

2.4 研究差距和意义
尽管高等教育研究越来越关注同伴影响，但仍存在一些局限性。首先，大多数研究关注显性的行为一致性和模仿，而对隐含领导力背后的心理机制关注不足。其次，模仿经常被 conceptualized 为一种被动或消极的社会学习形式，从而忽略了其在促进群体凝聚力、共享策略和情感共鸣方面的积极作用。第三，缺乏整合隐含领导力、模仿机制和同伴网络结构之间动态关系的实证框架。为了解决这些问题，本研究将ILT和SLT结合起来构建了一个隐含领导力-模仿机制模型。该模型侧重于隐含领导力通过认知、行为和情感模仿路径对群体互动和情感共鸣的影响。这种综合视角扩展了关于课堂社会动态研究的理论局限，并为培养大学生的自主学习能力、领导潜能和社会影响力提供了相关的实证证据。2.5 研究假设本研究结合了隐形成人理论（ILT）和社会学习理论（SLT），并结合了一个涵盖认知、行为和情感的多层次路径视角，提出了以下假设：H1：大学生对群体中隐性领导的感知（隐性领导感知[ILP]）将积极预测他们倾向于认知-学术模仿（CAI）。H2：大学生的ILP将积极预测他们的行为模仿倾向（BIT）。H3：大学生的ILP将积极预测他们的团队遵从性和决策模仿（TCDI）。H4：大学生的ILP将积极预测他们的情感模仿和同理心（EME）。这些假设共同构成了所提出的隐性领导-模仿机制模型的核心路径结构，并在后续的结构方程模型（SEM）分析中得到了实证检验。3 问卷设计与数据收集3.1 问卷设计本研究使用了一种自开发的工具，称为“大学生群体模仿行为问卷（从隐性领导视角）”作为主要的测量工具。该问卷的理论基础包括SLT（Bandura, 1977; Bandura, 1986）、社会影响理论（Cialdini和Goldstein, 2004）、ILT（Conger和Kanungo, 1987; Lord和Maher, 1991; Conger和Kanungo, 1994; Offermann等人, 1994）以及情感传染理论（Hatfield等人, 1993; Barsade, 2002; Barsade等人, 2018）。这些理论共同阐明了个体如何在社交环境中通过观察、模仿和同理心在认知、行为和情感层面实现互动和同步，从而为所提出的多层次路径模型提供了理论支持。在本研究中，学术上成功或社会上有影响力的同伴被视为大学生群体中的典型隐性领导者。先前的研究表明，隐性领导通常归因于那些在群体环境中表现出能力、自信和社会影响力的人。因此，涉及“表现优秀的同学”或“社会上有影响力的同伴”的条目在理论上被认为是隐性领导原型的可观察表现。因此，对这些个体的模仿可以解释为以隐性领导为导向的模仿，而不仅仅是普通的同伴模仿。问卷包括五个维度，共有45个项目，具体如下：ILP：基于ILT及相关研究（Conger和Kanungo, 1998），该维度衡量个体对其群体中自然领导者或非正式影响者的感知（例如，我认为某些同学即使没有正式职位也能影响他人的行为）。CAI：借鉴SLT（Bandura, 1977）和自我决定理论（Ryan和Deci, 2000），该维度评估学生在学习策略、目标设定和学习动机方面的CAI倾向（例如，我倾向于模仿学术表现良好的同学的时间管理或学习策略）。BIT：该维度改编自Bearden等人（1989）开发的同伴影响量表，并结合了社会模仿研究的发现（Cook和Bird, 2011; Robinson等人, 2016）。它用于评估大学生在日常行为和社会活动中模仿他人的倾向（例如，在社交活动中，我倾向于模仿受欢迎的同学的行为）。TCDI：基于社会影响理论和群体决策模型（Kerr和Tindale, 2004），该维度捕捉在团队讨论和集体决策情境中的模仿行为，特别是通过与主导观点的一致性和形成的群体共识（例如，在团队讨论中，如果领导者或主导成员坚持特定观点，我通常会跟随它）。EME：基于情感传染理论（Hatfield等人, 1993; Barsade, 2002）和变色龙效应（Chartrand和Bargh, 1999），该维度评估学生在接触到同伴的情感表达时的情感共鸣和情感模仿（例如，当同学表现出焦虑或紧张时，我倾向于经历类似的情感反应）。所有项目都使用五点李克特量表进行评分（1=强烈反对，5=强烈同意），高分表示在该维度上有强烈的倾向。在正式调查之前，进行了小规模的预测试以确保项目的清晰度和可靠性。结果显示，所有子量的Cronbach’s α系数均超过0.80，表明内部一致性良好。3.2 数据收集数据通过在线调查平台Wenjuanxing收集，采用自愿和匿名参与的方式，从而确保受访者的真实性和数据安全。问卷链接在2025年春季学期发布，面向全国的大学生。共获得了912份有效回应，有效回应率为100%。样本涵盖了来自18个省份的高等教育机构的学生，包括综合性大学、师范大学、理工科大学和少数民族大学，从而确保了广泛的地区和机构代表性。参与者包括不同学术层次的学生（从大一到大四，还包括少量研究生），性别分布相对均衡。样本还包括一定比例的学生领导者和学生组织成员，以确保群体中存在可感知的隐性领导特征。本研究严格遵循学术伦理标准；所有数据均安全存储，并仅用于学术研究目的。4 研究设计4.1 总体框架本研究以中国大学生的隐性领导和模仿机制为核心焦点，旨在阐明在中国大学生非正式群体互动中，他们如何通过感知和模仿隐性领导者来形成涵盖认知、行为和情感的多层次社会学习和共鸣过程。基于SLT（Bandura, 1977）、ILT（Lord等人, 1984）、社会影响理论（Cialdini和Goldstein, 2004）以及情感传染理论（Barsade, 2002），本研究提出了一个整合认知、行为和情感的多层次路径模型。该模型假设——在学习和社会互动背景下——大学生会本能地发展出对非正式影响者的感知，这种隐性领导通过认知、行为、团队决策和情感模仿的机制对群体学习氛围和情感凝聚力产生多层次影响。在整体设计上，研究遵循从理论假设到数据建模的系统逻辑。它采用了基于问卷的定量方法，并使用SEM来实证检验所提出的多层次路径。研究框架的基本逻辑可以总结如下：理论假设制定 → 量表构建与验证 → 数据质量评估 → 多层次路径建模 → 群组差异分析 → 基于网络的验证。这种设计强调方法论的一致性，从而确保分析阶段之间的内部一致性。除了检验整体的隐性领导-模仿机制模型外，研究还进行了两项探索性多组分析，以检验模型在不同子组中的稳定性。首先，根据参与者是否在班级或学生组织中担任职务（Position）将他们分组，以考察行为模仿路径是否因社会地位和可见性而有所不同。其次，根据性别将参与者分组，以验证CAI路径在信息处理倾向上是否有所不同。鉴于这些分析是事后的子组测试，其主要目的是确定模型的异质性并为未来的研究生成假设，而不是基于横截面数据做出因果推断。基于这种理论整合，研究构建了隐性领导-模仿机制的多层次路径模型（图1）。在该模型中，ILP作为上游潜在变量，假设通过四种不同的路径影响大学生群体之间的社会学习和情感共鸣过程，即认知、行为、团队决策和情感模仿。概念模型用于阐明理论假设和路径结构，随后通过SEM进行实证检验。图1 隐性领导-模仿机制的概念模型。4.2 数据分析程序主要使用R作为统计工具，研究者独立开发并调试了所有分析程序，以确保模型估计的可控性和可重复性。整个分析过程从数据准备和测量验证系统地进行到结构分析，每个步骤都逻辑清晰且方法论上相互依赖。在量表评估阶段，首先计算Cronbach’s α系数以评估每个子量的内部一致性。此外，还使用了Kaiser–Meyer–Olkin（KMO）检验和Bartlett的球形性检验来确定数据是否适合因子分析。在构建SEM之前，系统地检查了预测变量之间的多重共线性，以确保模型估计的稳健性和系数的解释性。还计算了方差膨胀因子（VIF）和容忍度指数，以诊断关键预测变量之间的潜在共线性问题。在建立了令人满意的可靠性之后，研究主要使用确认性因子分析（CFA）来检验隐性领导-模仿框架的理论规定测量结构。CFA采用最大似然估计和稳健校正方法进行，允许评估模型拟合度和验证假设的潜在构造（Lambert和Newman, 2023）。为了补充理论驱动的CFA方法并检验数据的实证维度结构，还使用了主轴因子分析（EFA）和斜交旋转（Oblimin）。根据分析策略，应用了平行分析来确定适当的因子数量，从而减少过度提取或提取不足的风险，并确保实证模式与理论预期之间的一致性。为了提供数据结构和变量聚类的辅助视角，对标准化数据进行了主成分分析（PCA）。通过计算每个主成分的方差贡献和累积解释方差，并结合累积分数图和双变量图等可视化手段，分析提供了指标聚类趋势的直观展示。与分析框架一致，PCA仅用于探索性和描述性目的，以检查方差分布，并未在EFA或CFA程序中用作因子提取方法。在结构分析阶段，使用lavaan包中的复合结构方程建模来检查变量之间的关系。鉴于测量模型的复杂性和指标数量众多，为每个构造计算了复合得分，以提高模型稳定性和估计的可靠性。结构模型指定隐性领导感知（ILP）作为与四种模仿行为（认知、行为、团队决策和情感模仿）相关的预测变量。参数估计采用了最大似然稳健估计（MLR）。结果关注标准化路径系数及其统计显著性。所有从ILP到四个模仿维度的路径都显著（p<0.001），表明关联稳健且一致。为了便于直观解释，使用了semPlot包来可视化结构关系。调整了节点布局和路径标签以增强模型的可读性。为了进一步检验模型在不同群体中的适用性和稳定性，进行了比较分析。使用性别（Sex）和参与者是否在班级或学生组织中担任职务（Position）作为分组变量，计算了四个模仿维度的组间差异，并使用ggplot2可视化分组条形图和均值分布图。结果揭示了群体间的系统差异，从而为第6.5节的子组特定解释提供了实证支持。5.1 可靠性分析研究计算了Cronbach’s α系数以评估每个子量的内部一致性。结果显示，ILP、CAI、BIT、TCDI和EME量表的α系数分别为0.83、0.92、0.92、0.87和0.81。所有α系数均超过了公认的0.70的心理测量阈值（Nunnally和Bernstein, 1994），表明内部一致性和测量稳定性良好。总之，问卷在不同模仿维度上显示出高度的可靠性，能够可靠地捕捉大学生关于ILP的多维模仿反应。5.2 验证性测试为了进一步验证量表结构的适用性和潜在变量的收敛有效性，研究使用了KMO样本充足性测量和Bartlett的球形性检验。结果显示总体KMO值为0.966，Bartlett的检验具有统计显著性（p<0.001），表明数据非常适合作因子分析。所有子量的KMO值均超过0.80，进一步支持了内部量表结构的合理性。这些发现强调了五个子量之间的高度共性以及足够的項目间相关性，支持潜在因子的提取。简单来说，共享的潜在结构可以解释隐性领导力以及认知、行为、团队决策和情感模仿的测量结果，为理论上提出的多层级认知-行为-情感路径模型提供了实证支持。5.3 多共线性诊断在实施结构方程模型（SEM）之前，对所有子量表和整个数据集进行了线性依赖性测试，以避免多共线性对路径估计的潜在干扰。结果显示，所有项目之间的平均VIF值为2.47，最大值为3.61，最大条件指数（CI）为9.28。所有值都远低于常用的警告阈值（VIF > 10和CI > 30）。子量表的平均VIF值在1.64到2.32之间，没有项目的VIF超过3.36，所有最大条件指数都小于6.5。5.4 探索性因子分析为了检验问卷的潜在结构及其与理论维度的一致性，根据最近的方法学建议，使用主轴因子分析（PAF）结合省略旋转（oblimin rotation）进行了探索性因子分析（EFA）。在提取因子之前，Kaiser–Meyer–Olkin（KMO）值为0.966，Bartlett的球形度检验结果显著（p < 0.001），确认了数据适合进行因子分析。5.4.1 平行分析结果平行分析用于确定适当的因子数量。如图2所示，实际数据的前六个因子的特征值超过了模拟数据的特征值，表明应采用六因子模型。然而，碎石图显示第五个因子之后出现了明显的拐点，表明在此点之后解释的方差减少。尽管平行分析建议采用六因子模型，但第六个因子的解释价值有限，存在显著的交叉负载，并且理论一致性较弱。因此，基于可解释性和简约性，最终保留了五因子模型。在本研究中，第六个因子对解释方差的贡献相对较小，且存在显著交叉负载，缺乏清晰的理论解释。因此，根据理论框架解释了因子结构，并保留了更简约的五因子模型。这一决定与量表开发的常见做法一致，在这些实践中，理论可解释性和简约性与统计标准同时被考虑（表1）。图2用于确定因子数量的平行分析。表1 MeasureML3ML2ML4ML5ML1SS载荷6.03575.78763.53313.43443.3549解释的比例0.15880.15230.09300.09040.0883累积方差0.15880.31110.40410.49450.5828解释的比例0.27250.26130.15950.1515累积比例0.27250.53390.69340.84851.0000通过五因子EFA解释的方差。5.4.2 因子载荷和结构模式图3展示了使用PAF结合省略旋转得到的因子载荷矩阵。热图显示了一个大体上可解释的结构，大多数项目有清晰的聚类模式。图3因子载荷热图。基于0.40的载荷阈值，有三个项目（ILP6、CAI5和TCDI1）的载荷较低，因此从后续分析中移除。然后使用改进的项目集重新估计了EFA。结果表明，ILP项目主要加载在单个因子（PA4）上，载荷范围大约在0.49到0.74之间，代表了对群体内隐性领导力的感知。CAI项目主要分布在两个密切相关的因子（PA3和PA1）上，表明认知模仿可能涉及多个子成分。BIT项目主要加载在PA2上，负载相对较高（高达0.84），表明强烈的行为模仿倾向。TCDI项目聚集在PA3上，反映了群体决策情境中的一致性。尽管观察到一些交叉载荷（例如BIT6、EME3和ILP5），但由于不同形式的模仿之间的概念相关性，这些模式是可以预期的。总体而言，因子结构与理论框架大体一致。5.4.3 解释的方差和解释提取的因子共同解释了60.57%的总方差。前两个因子解释了相对较大的方差比例，表明行为模仿及相关过程在整体结构中起着核心作用。其余因子解释了中等但显著的方差比例，支持了模仿的多维度性质。综合来看，EFA结果初步支持了问卷的构念有效性。鉴于研究的理论驱动性质，随后进行了验证性因子分析（CFA）以进一步验证测量模型。这些发现进一步证明了使用CFA作为理论驱动方法来确认测量结构的合理性。5.5 主成分分析作为补充EFA的辅助技术——这里仅用于检查方差分布而不是作为因子提取方法——对38个标准化项目进行了主成分分析（PCA），以进一步检查问卷项目在潜在维度上的聚合特征和结构集中度。最终样本包括912份有效问卷。5.5.1 特征值和解释的方差PCA还对所有项目进行了分析，以进一步检查方差在潜在维度上的集中度和聚合情况。根据Kaiser标准（特征值 > 1），研究保留了五个主成分。表2报告了每个成分的特征值和解释的方差。表2 结果βpR2CAI0.738<0.0010.456BIT0.533<0.0010.716TCDI0.628<0.0010.605EME0.602<0.0010.638结构模型的标准化路径系数和解释的方差。第一个主成分（PC1）具有显著的特征值15.742，解释了41.4%的总方差。第二个成分（PC2）的特征值为3.865，解释了10.2%的方差，其次是PC3（特征值=2.200，5.8%）、PC4（特征值=1.343，3.5%）和PC5（特征值=1.069，2.8%）。前四个成分共同解释了60.9%的总方差，五个保留成分解释的累积方差达到了63.7%——符合社会科学研究中公认的维度简化标准。总之，PCA结果表明方差结构高度集中，主要与通过EFA确定的五因子模型一致，为测量工具的结构稳定性提供了额外支持。5.5.2 成分载荷和变量聚合检查主成分载荷矩阵显示，前两个成分（即PC1和PC2）在信息提取方面最具代表性。如PCA双轴图（图4）所示，PC1–PC2平面上的观测值分布均衡，显示出清晰的载荷方向和变量间的高度集中；没有检测到显著的异常值。图4前两个主成分（PC1和PC2）的PCA双轴图。行为模仿（BIT2、BIT4、BIT3、BIT5）和认知模仿（CAI5和CAI6）的项目在第一个和第二个主成分上的组合载荷最高（|r|≈0.27–0.33），表明这些变量对主成分结构的贡献最大。同时，隐性领导力（ILP3）和情感模仿（EME1）的项目在PC1和PC2上的载荷为中等（|r|≈0.25），表明领导力感知和情感共鸣在群体模仿机制中起次要但支持性的作用。总体而言，PC1主要反映了社会互动中的行为模仿，而PC2代表了认知和情感模仿倾向。这些成分共同捕捉了学生在群体情境中观察、解释和模仿他人行为的核心机制。5.5.3 模型解释和结果总结EFA和PCA的结果显示出高度一致的结构模式。两种分析方法的结果表明，该量表由五个相互关联但不同的维度组成，共同支持了所提出的隐性领导力-模仿机制模型的测量框架。通过PCA提取的前五个主成分解释了超过60%的总方差，同时保持了维度区分度，从而证明了信息的高度浓缩和维度稳定性。这些发现进一步支持了所提出的三层次模仿路径模型的实证有效性，该模型涵盖了认知、行为和情感，并为后续SEM分析中的潜在结构建模提供了坚实的统计依据（表3）。表3路径标准化系数（β）标准误差z显著性ILP→BIT0.5290.05810.08***ILP→CAI0.8330.06714.75***ILP→TCDI0.6950.06811.40***ILP→EME0.6930.06011.64***从隐性领导力感知到模仿维度的标准化路径系数。*** p < 0.001。5.6 结构模型分析为了检查隐性领导力感知与不同类型模仿行为之间的关系，使用复合变量构建了一个结构模型。通过平均每个构念的项目响应计算复合分数，然后使用这些测量值来估计变量之间的结构关系。结构关系使用lavaan包和稳健最大似然估计（MLR）进行估计，该方法在非正态条件下提供可靠的参数估计。在模型中，ILP被指定为预测变量，而四种类型的模仿行为被视为结果变量。这种建模方法减少了参数估计的复杂性，并增强了模型的稳定性，特别是在构念由相对较多的项目测量时尤为适用。此外，它允许清晰地检查构念之间的结构关系，而不会引入与复杂测量模型相关的额外约束。5.6.1 结构模型结果此外，还进行了Wald检验，以正式比较不同模仿维度之间路径系数的大小。如表2和图5所示，隐性领导力感知（ILP）对所有四种类型的模仿行为都有显著的正向效应（所有p < 0.001）。具体来说，ILP对认知模仿的影响最大（β=0.738），其次是团队决策模仿（β=0.628）和情感模仿（β=0.602），而对行为模仿的影响相对较弱（β=0.533）。在解释力方面，ILP解释了认知模仿方差的45.6%，行为模仿方差的71.6%，团队决策模仿方差的60.5%，以及情感模仿方差的63.8%。此外，在四种模仿维度之间观察到了中等的残差相关性（r=0.28–0.60），表明这些构念虽然相关，但在实证上仍然是可区分的。5.6.2 构念验证鉴于测量模型的复杂性和指标数量较多，通过平均各自的项目计算了每个构念（ILP、CAI、BIT、TCDI和EME）的复合分数。这种方法通常用于提高模型稳定性并减少结构建模中的估计偏差。先前的可靠性分析表明，所有量表都表现出良好的内部一致性（Cronbach’s α > 0.80），支持了复合测量的可靠性。此外，探索性因子分析（EFA）的结果为问卷的构念有效性提供了证据，表明测量结构与理论框架大体一致。5.7 组间差异分析虽然PCA结果提供了变量聚合的辅助视角，但本节中的组间比较是基于四种模仿维度的复合分数。为了进一步检查组间在模仿行为上的差异，使用性别（Sex）和参与者是否在班级或学生组织中持有职位（Position）作为分组变量进行了比较分析。比较了行为模仿（BIT）、认知模仿（CAI）、团队决策模仿（TCDI）和情感模仿（EME）的复合分数。图6和图7展示了结果，并使用独立样本t检验评估了统计显著性。图6按职位状态划分的模仿行为组间差异。图7按性别划分的模仿行为组间差异。5.7.1 按职位（position groups）的差异图6显示了四个模仿维度上的组间差异。* 条形图表示平均分数，使用独立样本t检验评估了统计显著性。对于认知模仿（CAI），持有班级或学生组织职位的Group 1组的平均分数显著高于Group 2组（t=3.30，p=0.001；M1=3.36；M2=3.18），表明担任中心或领导角色的个体的认知一致性和信息处理能力更高。相比之下，行为模仿（BIT；t=0.30，p=0.77）、团队决策模仿（TCDI；t=1.12，p=0.26）或情感模仿（EME；t=0.60，p=0.55）之间没有观察到统计学上的显著差异，尽管Group 1组在这些维度上的平均值略高。职位组在认知层面表现出轻微的差异，而在行为、决策相关和情感模仿方面的差异有限。5.7.2 性别差异（gender groups）图7显示了四个模仿维度上的性别差异。结果表明，在行为模仿（BIT；t=1.58，p=0.12）、认知模仿（CAI；t=?1.08，p=0.28）、团队决策模仿（TCDI；t=?0.05，p=0.96）或情感模仿（EME；t=?0.01，p=0.99）方面没有观察到统计学上的性别差异。尽管平均分数有轻微差异（例如，男性的行为模仿略高，女性的认知模仿略高），但这些差异并不显著。6 讨论鉴于本研究基于横断面数据，这些发现应被视为反映预测性关联而非建立因果关系。6.1 从隐性领导力感知到多层次模仿系统：一个由认知驱动的影响路径本研究发现ILP与四种类型的模仿显著相关。其中，CAI的相关性最强，其次是TCDI和EME，而BIT的相关性相对较弱。本研究观察到的模式——将隐性领导感知与认知跟随、决策/行为一致性以及情感共鸣联系起来——与领导理论中的过程模型一致，这些模型强调认知、行为和情感机制之间的相互作用（Walter和Scheibe，2013）。此外，关于情感机制和情感传染的研究支持情感在领导相关互动中的重要作用（Sy和van Knippenberg，2021）。学生对谁看起来是领导者的直觉判断与认知层面的一致性相关，包括策略性跟随行为（例如，学习策略、时间管理和目标设定）。这些认知倾向往往与团队互动中的决策共识和共享群体氛围模式同时出现，而情感共鸣也与这种一致性有关（Barsade和Knight，2015；van Kleef和C?té，2022）。利用来自群体环境的大样本定量证据，研究结果表明这四个维度之间存在结构化的但未必线性的关联模式。

6.2 为什么行为模仿不占据主导地位？从社会背景和成本效益视角的重新解释
与通常在双重视觉互动中观察到的强烈行为模仿（Chartrand和Lakin，2013）相比，本研究表明，在成员众多的课堂环境中，行为模仿相对较弱。这一模式与社区和群体研究中关于模仿成本与可见性之间权衡的讨论一致。在评价或竞争环境中，个体可能更倾向于低成本且外部可见性较低的形式的一致性——如认知一致性或共享策略——并将高可见性的行为模仿留给有明确规范或低人际风险的情境（Farmer等人，2018）。因此，在半公共的多观察者环境中，如教室或学生组织中，模仿的成本结构可能会发生变化，认知模仿似乎成为更安全和更受欢迎的一致性形式。

6.3 团队决策模仿的中介作用：从个体处理到群体规范
团队决策模仿（TCDI）的路径系数排名第二，表明在团队情境中的一致性不仅仅反映了盲从。相反，隐性领导线索可能通过群体内的共享框架被解读。这种解释表明，团队成员对隐性领导线索的反应与集体意义构建相关，而不仅仅是模仿，这与Maitlis和Christianson（2014）提出的意义建构理论一致。当团队成员就谁更可信或谁符合领导原型达成隐性共识时，讨论中的信息权重和发言机会可能会偏向这些准领导者，这与规范跟随的模式相关。ILP（隐性领导感知）与TCDI之间的显著关联与领导原型与个体认知和团队内部信息流动模式之间的联系一致。

6.4 情感模仿不是辅助变量：情感氛围的巩固作用
研究结果表明，ILP与EME（情感共鸣）显著相关，这与将领导力、情感传染和群体过程联系起来的理论模型一致。Walter和Bruch（2008）提出，团队情绪可能通过积极情感螺旋产生情感趋同，而van Knippenberg和van Kleef（2016）强调领导者的情绪表达通过情感传染与团队氛围和绩效相关。与单点测量不同，本研究将EME置于更广泛的多层次结构中，表明其潜在的双重作用。一方面，情感同步可能增强对现有规范和目标的情感承诺；另一方面，它可能降低跨人际边界的协调成本，从而支持认知和行为一致性的长期可持续性。因此，情感不仅仅是领导相关过程的被动结果，也是群体内部一致性稳定和强化的重要社会组成部分。

6.5 群体角色和性别差异：谁领导，谁跟随？
多组比较的结果表明，在四个模仿维度上，角色地位和性别之间的差异有限且具有维度特异性。担任核心或领导角色的个体表现出显著更高的认知模仿水平（CAI），而在行为模仿（BIT）、团队决策模仿（TCDI）或情感模仿（EME）方面没有观察到统计学上的显著差异。这种模式可以从网络角色差异和地位一致性的角度进行解释，与意义建构理论（Maitlis和Christianson，2014）一致。从这个角度看，地位较高的个体可能表现出更强的认知一致性和战略信息处理倾向，而明显的身体行为和情感模仿差异相对有限。尽管平均分数存在小幅变化，但这些差异在统计上并不显著，应谨慎解读。在这种背景下，此前关于学术表现存在性别差异的研究结果（Voyer和Voyer，2014）仍可以提供解释认知策略潜在差异的有用背景，但这些差异在当前数据中并未得到实证支持。

6.6 理论贡献
本研究的理论贡献有三方面。首先，它将隐性领导理论（ILT）从组织和工作场所背景扩展到大学生之间的同伴互动，并提出隐性领导线索代表激活的社会认知，而非静态特征。这一视角强调了ILP如何通过图式激活与同伴群体中的非正式学习过程相关联。其次，本研究提出了一种涉及认知、行为和情感的层次化模式，并为模仿是一个多层次社会学习过程提供了实证支持，而不仅仅是一个单维响应。第三，本研究为隐性领导-模仿模型开发了一个适用于大学环境的测量系统，并通过EFA（因子分析）、PCA（辅助分析）和SEM（结构方程模型）建立了初步的仪器有效性证据。这种方法为未来的跨文化和跨学科研究提供了一个可复用的测量框架。

7 结论
利用隐性领导-模仿框架作为分析视角，本研究揭示了大学生群体内部非正式影响的潜在结构模式。与将领导力和从众视为对立力量的传统观点相反，研究结果表明，大学生之间的社会学习不仅仅是对权威的遵从过程。相反，它可以被理解为与认知处理、行为模仿和情感共鸣相关的动态模式。这一发现增强了当前对同伴影响和学习动机的理解，并为解释高等教育环境中的群体动态提供了有用的视角。

7.1 理论贡献：将隐性领导力嵌入学习科学
在理论层面，本研究将ILT与SLT（社会学习理论）结合，提出了一个去中心化领导和多层次模仿的概念框架。结果表明，在非正式群体中，与领导相关的过程不依赖于正式的职位结构；相反，它们与团队成员对领导原型的感知有关。这一模式与最近关于共享领导和非正式影响的学术研究一致（Carson等人，2007；DeRue等人，2011）。这些研究表明，领导过程不必源自权威职位，而可以与认知一致性、角色建模和社会参照过程相关联（Lord等人，1984；Shondrick等人，2010）。本研究进一步在教育背景下支持这一观点：学生群体中的隐性领导者虽然没有正式权力，但他们可以通过作为行为榜样、认知策略和情感调谐来成为他人的显著参考点。通过这种方式，本研究将隐性领导力的概念从组织心理学扩展到学习科学领域，从而增强了其在去中心化社会学习情境中的适用性。

7.2 方法论创新：测量、结构和群体差异的三层验证框架
在方法论上，本研究构建了一个连续的验证系统，整合了可靠性和有效性测试；因子分析和主成分分析；以及SEM，以揭示潜在维度和结构关系。通过协调应用EFA（作为主要因子提取方法使用主轴因子分析）、PCA（作为检查方差分布的辅助技术）和SEM，它建立了一个从测量工具到结构模型的全面逻辑链——有效控制了测量冗余和结构膨胀的风险（Kline，2016）。这种连接测量、结构和群体差异的三方范式为未来研究提供了可复制的 metodological 路径，这些研究旨在将隐性影响与社交网络指标、行为日志和多模态课堂数据相结合（D'Mello和Graesser，2015）。

7.3 教育意义：在学习群体中激活去中心化影响
从教育实践的角度来看，本研究揭示了高等教育中学习影响的新逻辑。首先，教师或同伴导师可以在课堂环境中明确展示有效的学习策略（例如，时间管理和任务分解），从而使这些策略对学生更具可观察性和可模仿性。先前的研究表明，有意识地展示学习策略和间隔练习可以显著提高学生的内化和应用这些策略的能力（Carpenter等人，2012）。其次，通过将轮换领导角色和理由分享机制纳入团队任务，教育者可以加强共享的解释过程，并促进认知一致性转化为团队决策中的共识。这种方法与强调过程机制和环境作用的研究一致（Mathieu等人，2019）。最后，就情感而言，情感表达培训和结构化的同伴反馈可能有助于改善团队的氛围情感，使情感同步成为协调的促进因素，而不是压力来源。尽管直接实验证据有限，但现有的学术情感测量研究为未来的课堂干预提供了方法论基础（Govaerts和Grégoire，2008）。基于这些见解，促进学生自主性和合作的努力应重点放在激活群体内的内部学习信号和社会模仿机制上，而不仅仅是依赖传统的权威控制形式。

7.4 文化和社会意义：东亚文化背景下的关系学习机制
从文化和社会角度来看，本研究为理解东亚文化背景下的集体主义领导提供了实证支持。中国大学生的模仿行为不仅仅是被动从众；相反，它们可以解释为与认知一致性和情感共鸣相关的社会认同形式。这种以认知为导向和情感相关的社会学习模式反映了东亚文化中常见的关系自我和情感调谐的特点。它还表明，在集体主义背景下，领导力和学习紧密相连。