其中，Log（P2）为因变量，表示教师“是否经历过关键事件”的虚拟变量。该因变量是教师是否经历关键事件的对数发生比，它是事件发生概率P的转换形式。Logistic回归方程不能直接解释自变量变化对事件发生概率的影响大小，但可以分析其对Log（P2）的影响强度。一般而言，回归系数为正，事件发生概率将增加；回归系数为负，事件发生的概率将降低。Xn分别为计划策略、监视策略、认知策略等几个自变量。在分析中，采用二元逻辑回归的enter：Wald方法，模型卡方检验的显著性水平为0.002，通过了1%的显著性水平检验。方程中各自变量的共性线检验值均小于10，表明方程自变量间不存在严重的共线性问题（见表6.5）。
表6.5 模型系数的综合检验
表6.6 模型总体参数表
表6.7 回归系数及显著性检验
续表
（三）其他因素的逻辑回归分析
可以明确的是，对教师工作的评价、个人在教学反思过程中的特点以及学校组织层面的一些因素也将影响教师所经历的关键事件。具体到本文的分析中，这些因素包括教师每周的课时数、学校的硬件条件、教师的职业满意度、校长的领导特征、同事之间的关系、专家在教师专业发展中的引领、学校评价教师的方式、学校在教师专业发展方面的投入、教师进行反思的方式以及反思的层次。这些因素为这里建立逻辑回归模型的自变量，这些自变量都是多分类变量，其中每周课时数、职业满意度等变量为定序变量，所以作为连续变量纳入回归模型中，其他多分类变量则转换为虚拟变量来建立如下的二元logistic回归模型。
Log（P3）＝β1X1+β2X2+…+βnXn+μ1（n=1，2，3…）
其中，Log（P3）为因变量，表示教师“是否经历过关键事件”的虚拟变量。Xn表示上文提及的若干自变量，采用二元逻辑回归的enter：Wald法，模型卡方检验的显著性水平为0.001，通过了1%的显著性水平检验，说明自变量可以较好地预测事件是否发生。方程中各自变量的共性线检验值均小于10，表明方程自变量间不存在严重的共线性问题（见表6.8）。
表6.8 模型系数的综合检验
表6.9 模型总体参数表
模型的Hosmer-Lemeshow拟合优度指标为6.23，自由度为8，显著性水平为0.62，表明统计不显著，说明模型较好地拟合了数据。反映方程解释力的R2指标分别是：Cox & SnellR2为0.062，NagelkerkeR2为0.083。最后的逻辑回归结果见下表6.10。需要指出的是，表6.10中部分变量的基准变量分别为：集权型（领导特征）、主要通过成绩来评价教师（教师评价）、自我反思（反思方式）、描述解释性反思（反思层次）。从表中可以看出，在其他条件不变的情况下，教师每周的课时数越多、学校的硬件条件越好、教师的职业满意度越高、专家引领得越少、学校在教师专业发展投入越多，教师越倾向于进行自我反思并努力进行归因，他们越有可能经历关键事件，但回归系数并不显著。同事之间人际关系、校领导对教师专业发展重视程度、学校评价教师的方式和校长的领导特征自变量的回归系数显著。具体而言，同事之间的关系越融洽、校领导对教师专业发展越重视，教师越有可能经历关键事件。民主型和自由型的校长领导特征比集权型更可能引发教师经历关键事件，其中民主型的领导特征成效最好。在学校评价教师的方式上，相比之下，根据教师在日常工作中的表现来进行评价的方式最可能引发关键事件，优于主要看学生考试成绩来进行评价的方式。访谈中就很多教师谈到学校的评价取向与信任和支持对教师的影响。比如：
我们教师这一行真的不容易做，有些抽考让老师的心态变了，严重扭曲了。很多老师会有动摇，是否要继续做一辈子老师。（T4-S1）
有一个校长说，我不会让任何默默无闻的老师吃亏的，这句话其实对我们很多老师来讲也是一种动力，我默默无闻付出，学校也能看到。（T2-S2）
给了我们很多的空间、发展的平台，给了我们很多的机会，以及学校对我们的信任，比如说校长经常说我把这个班交给你我很放心。（T1-S3）
表6.10 其他因素的回归系数及显著性检验
