数字囤积行为量表的编制及信效度检验

吴旭瑶 黄旭 李静

摘 要 为制定符合中国文化背景的数字囤积行为量表，首先在文献回顾和对10名被试进行访谈的基础上编制问卷项目，然后对回收的352份预测问卷进行项目分析、探索性因素分析，获得正式问卷。最后发放577份正式施测问卷并进行验证性因素分析、信效度分析。结果表明，数字囤积行为量表包括情感依恋、工作需要、积累三个因子，且三因素模型拟合较好。总量表和三个分量表的内部一致性信度分别为0.87、0.86、0.66、0.79。该量表与已有的实物囤积量表、数字囤积量表间的相关系数分别为0.23、0.67，具有较好的区分效度和聚合效度。自编的数字囤积行为量表信效度良好，适用于测量个体的数字囤积行为。

关键词 数字囤积行为; 信度; 效度

分类号 B841.7

DOI： 10.16842/j.cnki.issn2095-5588.2021.02.007

1 引言

古往今来，人们囤积食物、钱财以延续生命，是一种适应性行为。然而当个体储存大量毫无价值的物品，难以丢弃，最终导致生活空间的过度杂乱，甚至造成家人、朋友的困扰，那么实物囤积行为就发展为一种心理障碍——囤积症（hoarding disorder）（Frost & Gross， 1993）。现有研究已经对囤积症进行了深入探讨，发现其与人格障碍（Samuels et al.， 2002）、家庭环境（Palermo et al.， 2011）、生活经历（Grisham， Frost， Steketee， Kim， & Hood， 2006）等因素相关，会损害个体认知功能（Testa， Pantelis， & Fontenelle， 2011）和人际交往（Tolin， Frost， Steketee， Gray， & Fitch， 2008）。随着科技的高速发展，研究者发现人们的囤积行为开始呈现出“数字化特点”，它允许个体不受空间限制，保存大量数字文件，如电子照片、邮件等。个体开始呈现出日益增长的“数字囤积”（digital hoarding）行为（Gulotta， Odom， Forlizzi， & Faste， 2013）。

数字囤积是指数字文件的积累致使个体降低目标检索能力，最终导致个体的压力和混乱（van Bennekom， Blom， Vulink， & Denys， 2015），它强调数字文件的繁杂和累积对个体工作生活的影响。van Bennekom等（2015）发现一名囤积症患者表现出长达五年的数字囤积行为，每天拍摄、保存1000多张相似的风景照，并花费3～5个小时整理。随后，Sweeten， Sillence和Neave （2018）对45名受访者的深入访谈，发现个体无法删除数字文件的理由共五点，如避免潜在威胁，保留数字文件以满足将来需求等。相较于实物囤积，数字囤积行为更隐蔽，不会导致个体居住空间明显的杂乱（Frost & Gross， 1993），是一种普遍的行为倾向而非心理障碍（Vitale， Janzen， & McGrenere， 2018），未能引起心理学研究者的广泛关注。但是个人信息管理（Personal Information Management， PIM）领域早在1996年开始关注数字技术的应用对个体的影响，他们发现信息过载会造成个体的压力（Swar， Hameed， & Reychav， 2017），隨着信息数量的增加，认知负荷增多，一旦超出个体承受能力，会引发自我强迫和紧张的焦虑感（王娜， 陈会敏， 2014）。

由此可见，网络惠民的背后其实潜藏着巨大的隐患，而数字化囤积行为也不例外。第一，损害个体的认知功能。数字囤积者会使用更细致的分类方法整理电子邮件（Horvitz， Jacobs， & Hove， 1999），无法对其重要性进行排序（Boardman & Sasse， 2004）。第二，影响个体社会交往。数字囤积者表现出对存储的数字文件的深深依恋（Luxon， Hamilton， Bate， & Chasson， 2019），明确拒绝删除数字文件（Sweeten et al.， 2018），通过数字文件安抚对过去事情消逝和遗忘的恐惧（Vitale et al.， 2018）。同时，强调“重占有”知识的现代生存方式（埃里希·弗洛姆， 2015）阻断了个体间的信息交流（Avey， Avolio， Crossley， & Luthans， 2009），易引发人际隔阂。第三，不利于环境保护。囤积数字信息面临耗能多（Gormley & Gormley， 2012）、时效短（Ishikawa & Naka， 2007）的问题，违背环境保护的原则。研究者猜测数字囤积可能是由“自我损耗”和“损失规避”引发的行为。在工作场合中，处理高度相似的数字文件会增加个体的记忆负担（华巧云， 2018），消耗更多的认知资源，易引发自我损耗。自我损耗后的个倾向于浅层认知加工（谭树华， 许燕， 王芳， 宋婧， 2012），不加辩驳地接受信息（Wheeler， Briol， & Hermann， 2007），与个体只为保留数字信息的行为如出一辙（Marshall， Bly， & Brun-Cottan， 2006）。同时，个体为了避免改变现状造成损失，而不愿放弃拥有物（Giraud， 2007），即“损失规避”也可能是数字文件“难以删除”的原因。

但是，目前仍缺乏测量数字囤积行为的工具，阻断了研究者进行深入探索的可能性。有研究者对“Saving Cognitions Inventory”量表（Thorpe， Bolster， & Neave， 2019）、“Object Attachment Questionnaire”问卷（Luxon et al， 2019）进行改编，以符合数字情境。然而以上方法缺乏针对性。随后Neave， Briggs， McKellar和Sillence （2019）编制了数字囤积行为问卷（Digital Behaviours Questionnaire， DBQ），用于测量数字囤积行为。该问卷由数字囤积问卷（the Digital Hoarding Questionnaire， DHQ）和工作场合的网络行为问卷（Digital Behaviours in the Workplace Questionnaire， DBWQ）组成。其中DHQ问卷共10道题，将数字囤积行为分为2个维度：积累 （accumulating） 和难以删除 （difficulty deleting），该量表具有良好的信效度。DBWQ问卷则用于调查个体在工作场所的数字囤积行为的客观表现，如囤积数字文件的数量、种类等。但是Neave等（2019）编制的DBQ问卷更加侧重于“情感性存储”导致的数字囤积，如“删除一份确切的文件就像丢弃了一位爱人”，忽略了个体囤积数字文件的其他动机。第一，满足安全感，主要包括确定感和控制感（丛中， 安莉娟， 2004）。其中个体“对未来事件的不可预测”是产生不确定感的重要原因（Van & Lind， 2002），当无法判断数字文件的未来效用，产生不确定感时，个体更易将模糊信息解释为威胁信号（Dugas， Hedayati， Karavidas， Karavidas， Buhr， Francis， & Phillips， 2005），继而选择保存数字文件，以避免潜在威胁。保存数字文件也可以提高个体的边界控制感（Cushing， 2011），满足控制需求（Heckhausen， Wrosch， & Schulz， 2010）。同时，对数字文件的不断占有，会引发个体的心理所有权（Pierce， Kostova， & Dirks， 2003），进一步强化对数字文件的控制（Pierce， Kostova， & Dirks， 2001），尤其是与稳定、安全和可预见性相关的防御性心理所有权（Avey et al.， 2009）可能是个体囤积数字文件的重要原因之一。第二，满足工作需要。在工作场合中，人们为了维持自身优势会对重要信息进行囤积（Anaza & Nowlin， 2017），以提高竞争力，获得工作岗位的安全感（Butcher， 1995）。资源保存理论也假设个体会维持、保护和构建他认为有价值的资源，当面对资源损失时会体验到压力和威胁感（Hobfoll， 1989），如数字文件的删除。另一方面，某些数字文件是能力的象征，能够提升个体的自尊水平（John， Rowland， Williams， Dean， 2010），因此无法将其删除。工作岗位的特殊要求也会引发个体的数字囤积行为，与其自身需求无关，他们能够清楚的表示“我不删除某些文件，因为那是组织规定”（Neave， McKella， Sillence， & Briggs， 2020）。第三，DHQ问卷无法区分不同类型的数字囤积者。Neave等（2020）将数字囤积者分为“收集者”“意外囤积者”“指令囤积者”和“焦虑囤积者”。显然，DHQ问卷只能筛选出因强烈情感联系而无法删除信息的焦虑囤积者，却无法识别其他类型的数字囤积者，限制了进一步探讨不同类型的数字囤积者对组织、个人产生的不同影响以及不同心理机制。此外，DHQ问卷受到样本代表性、文化背景等因素的限制，仅限于使用电脑工作的成人被试为施策对象，忽略了群体的异质性，而集中于考察办公文件，也忽略了数字文件的多样性。由此可知，DHQ问卷仍存在许多的不足，为了区分不同数字囤积者的不同动机，亟待一种可用于测量中国文化背景下的数字囤积行为的测量工具。

2 数字囤积行为问卷的编制

2.1 方法

2.1.1 问卷项目编制

第一，梳理文献。确定数字囤积行为的定义、表现、原因，整理访谈的大纲。第二，半结构访谈法。通过电话、面谈的方式对教师、学生、销售人员等10名受访者（其中女性8人，平均年龄为23.30岁， SD=8.06）进行半结构化访谈（如“您认为日常生活中何种情形属于数字囤积的行为表现？您为何无法删除某些数字文件？”）。第三，专家评定。首先对访谈结果进行初步编码，形成33个项目。随后，邀请心理学专业的教师和硕士生对项目的表述清晰程度和内容反映程度进行评定与修改，除去14个语义表述重复或不清晰的题项外，最终保留19个题项用于问卷预测。参照Neave等（2019）的量表结构，将数字囤积行为的表现和原因分为“积累”和“难以删除”两个维度。积累是指个体保留数字文件的行为表现，如“即使与当前需求无关，我也会倾向于保存某些文件”;难以删除是指个体无法删除数字文件的具体原因，如“删除某些文件，我会忘记一些信息”。

2.1.2 预测被试

使用問卷星发放问卷，共回收问卷419份，有效问卷352份。其中男生97名（27.60%），女生255人（72.40%），年龄17～52岁（M=22.74， SD=5.05），全日制学生共236名（67%），已工作的成人被试共116名（33%），报告具有数据保护工作要求的被试共190名（54%）。

2.2 结果

2.2.1 项目分析

对352份有效数据进行项目分析。所有项目题总相关显著（p<0.01），相关系数在0.39～0.71内。另外，按照总分由高到低排列，取得总分前27%的被试作为高分组，后27%的被试作为低分组，对高低分组的被试在每一项目上的得分进行独立样本t检验。19个项目的临界比率均达到0.001显著性水平。题总相关和CR值表明项目具有较好的区分度，见表1。

2.2.2 探索性因素分析

首先进行KMO值和Bartlet球形检验，结果表明所得数据适合做探索性因素分析 （χ2=2511.43， p<0.001，KMO=0.91）。对19个题项进行探索性因素分析，采用主轴因子法进行因子抽取，并利用方差极大正交法进行因子旋转。根据特征值大于1的标准抽取因子数目，得到四个因子（特征值分别为6.85、1.76、1.12、1.02）。同时参考碎石检验准则，碎石图在第三、四个因子处变得平缓，无法通过主观判断选取因子个数，且采用特征值大于1的标准抽取因子数目，会受到观测数目的影响，故结合“平行分析”（孔明，卞冉， 张厚粲， 2007）确定保留的因子个数。通过351份数据形成100个随机数据矩阵，得到一组特征值的平均值，见图1。由图可知，前两个因子的特征值大于随机矩阵中的平均特征值，具有较大的保留价值。但是两因子只解释了39.45%的方差变异量，故保留3个因子，共解释42.81%的方差变异量。随后对三因子进行优化，删除以下情况的项目或因子（1）删除在所有因子上载荷小于0.4的项目;（2）删除在两个或多个因子上载荷均较高的项目”;（3）删除项目不足三个的因子。同时，按照从下往上、从左往右、从最不重要到最重要，每次只删除一个项目的原则进行降维。故依次删除第3、7、6、18、15、2题，其中题项3、7、6、2在所有因子上的载荷均小于0.40，题项18、15在多个因子上具有高负荷。经删题后，共保留13个题项，最终得到3个因子，共能解释总变异量的48.30%，因子1为“情感依恋”，因子2为“工作需要”，因子3为“积累”，结果见表2。

3 数字囤积行为问卷的信效度检验

3.1 方法

3.1.1 正式施测被试

于预测的两周后，开始正式施测。使用问卷星和线下纸质问卷发放的方式，共回收问卷642份，剔除不认真作答的问卷65份（如被试规律作答，对所有题项打分相同，或未填完问卷等），回收有效问卷577份。其中男生160名（27.70%），女生417名（72.30%），年龄16～58岁（M = 21.91， SD =5.27），其中全日制学生共543名（94.10%），参加工作的成人被试共34名（5.90%），报告具有数据保护工作要求的被试共268名（46.40%）。

3.1.2 研究工具

（1）数字囤积行为量表（自编）。该问卷要求个体回忆或查看个人电子设备，明确囤积的数字文件类型、数量，思考保留数字文件的目的或无法删除的理由，并根据个人真实情况进行作答。问卷由13个题项组成，采用Likert七级评分，要求被试对每个项目做1（非常不符合） 到7（非常符合） 的评定。

（2）囤积量表修订版（Saving Inventory-Revised， SI-R）（Fros， Steketee， & Grisham， 2004）。该问卷在中国文化背景下具有较好的信效度（唐谭， 王建平， 唐苏勤， 赵丽娜， 2012），用以考察自编量表的区分效度。SIR量表共包含23个项目，分为三个维度“过度获取”“难以丢弃”“堆积”，要求被试按照实际状况进行5级评分，23个项目的得分之和即为量表总分，得分越高表明被试实物囤积行为越严重。本研究中，总量表Cronbach's α系数为0.93，各分量表Cronbach's α系数为0.79～0.90。

（3）数字囤积量表（the Digital Hoarding Questionnaire， DHQ）（Neave et al.， 2019），用以考察自编量表的聚合效度。DHQ量表共包含10个项目，分为两个维度“难以删除”“积累”，要求被试按照实际情况进行7级评分。本研究中该量表的Cronbach's α系数为0.85，各分量表Cronbach's α系数为0.88、0.63。

3.2 结果与分析

3.2.1 结构效度

对数字囤积行为量表的三因素模型进行验证性因素分析，并根据模型估计的结果及修正指数，对部分模型进行修正，修改前后的各项拟合指标见表3。

“情感依恋”维度中的题项“删除某些文件，意味着我需要花费更多的时间去记忆相关信息”具有较大的修正指数，经修改后，将其归为因子2“工作需要”。其中，近似误差均方根和卡方自由度比值都得到了较大的改善，各项指标的拟合程度也更好，说明修改后的模型的结构效度良好。

此外，由于各因子间的相关较高，在0.50～0.62之间，说明可能存在一个共同的因子（Reise. Moore， & Haviland， 2010），因此，将二阶三因子模型、单因子模型与修正后的一阶三因子模型进行比较。由表3可知，单因子各拟合指标均较差，说明单因子模型契合度不佳;二阶三因子模型和三因子模型的自由度均为62，其拟合指数均相同，二者属于等值模型。然而一阶三因子模型更为简洁，因此本研究仍采用一阶三因子模型。

3.2.2 信度分析

内部一致性信度分析结果显示，总量表的Cronbach's α系数为0.87，其中“情感依恋”“工作需要”“积累”维度Cronbach's α系数分别为0.86、0.66、0.79，说明量表具有良好的内部一致性信度。

3.2.3 聚合效度和区分效度

对量表的总分及各分量表得分与囤积量表、数字囤积量表进行Pearson相关分析，具体结果见表4。自编数字囤积行为量表与SIR量表呈低相关（r=0.23， p<0.01），与DHQ量表呈高相关（r=0.67， p<0.01），说明量表具有良好的区分效度和聚合效度。

3.2.4 人口学差异

对男性（M=37.73， SD=9.87）与女性（M=39.34， SD=10.16）的数字囤积行为进行差异检验，结果发现二者无显著差异（t（1，575）=1.72， p=0.09），即男性和女性未表现出不同程度的数字囤积行为。为考察具有数据保护责任是否会影响个体的数字囤积行为，进行独立样本t检验，结果表明，具有数据保护责任的个体（M=40.04， SD=9.83）与不具有数据保护责任的个体（M=37.89， SD=10.23）差异显著（t（1，575）=2.57， d=0.22， p<0.01），即具有数据保护责任的个体表现出更多的数字囤积行为。

4 讨论

本研究通过访谈和文献回顾，编制了一份适用于探察中国文化背景下的数字囤积行为量表，将数字囤积行为分为三个维度：“积累”“情感依恋”“工作需要”，其中“积累”维度3题，反映了个体数字文件的积累程度;“情感依恋”6题，指个体因与数字文件的情感联系导致数字文件难以删除;“工作需要”4题，表明因与工作相关的因素导致个体难以删除数字文件，如工作要求、提高岗位竞争力等。信度分析结果显示，总量表与各分量表的Cronbach's α系数在0.66～0.87之间，说明量表具有较好的同质性信度。验证性因素分析显示，修改后模型的各项拟合指标符合标准，具有良好的结構效度。将题项“删除某些文件，意味着我需要花费更多的时间去记忆相关信息”归为“工作维度”更符合语义表达的内容，说明个体存储数字文件可能是为了减少记忆负担，提高工作效率。

SIR总分与本研究中数字囤积行为问卷量表总分呈低相关（r=0.23， p<0.01），表明数字囤积行为与囤积症之间有一定联系但也有所区别。个体保存数字文件和存储实物行为之间存在相同点，都表现出对事物的不舍，亦与前人的研究结果一致（Luxon et al.， 2019），但需要深入探讨数字囤积行为和囤积症之间存在何种共同点。存储实物和保存数字文件的原因也不尽相同。个体存储数字文件表现出更强烈的目的性，或是为了维持与朋友之间的情感联系，或是由于工作要求，然而个体囤积实物更可能是一种强迫性行为的表现，二者的行为性质大相径庭。DHQ总分与本研究中数字囤积行为问卷量表总分呈高相关（r=0.67， p<0.01），表明自编量表较好的反映了个体的数字囤积行为，也反映出数字囤积行为的文化差异。

人口学差异分析显示，报告具有数据保护的个体表现出更多的数字囤积行为，因为他们更可能需要为伙伴、同事提供全面细致的信息，以应对不同工作要求（Neave et al.， 2019）。此外，相较于实物囤积行为表现出性别差异（Ivanov et al.， 2013），数字囤积行为是一种普遍的行为模式。受到传统文化中“有备无患”的思想影响，个体有赖于科技手段保存大量文件，以应对突发情况。同时，抢占更多信息可增加工作竞争力、获得经济安全感，个体也会表现出数字囤积行为。因此，数字囤积行为并无性别差异。

综上所述，本研究编制的数字囤积行为量表具有良好的内部一致性信度、结构效度、区分效度和聚合效度，适用于测量个体的数字囤积行为，有助于推动数字囤积这个新兴领域实证研究的开展。

参考文献

埃里希·弗洛姆 （2015） 占有还是存在（李穆 译）. 北京： 世界图书出版社.

丛中， 安莉娟 （2004）. 安全感量表的初步编制及信度、效度检验. 中国心理卫生杂志， 18（2）， 97-99.

华巧云 （2018）. 相似性、邻近性和工作记忆负载对视觉工作记忆表征的影响. 硕士学位论文. 山东师范大学.

孔明， 卞冉， 张厚粲 （2007）. 平行分析在探索性因素分析中的应用. 心理科学， （4）， 924-925+918.

谭树华， 许燕， 王芳， 宋婧 （2012）. 自我损耗： 理论、影响因素及研究走向. 心理科学进展， 20（5）， 715-725.

唐譚， 王建平， 唐苏勤， 赵丽娜 （2012）. 囤积量表修订版在中国大学生中的修订. 中国临床心理学杂志， 20（1）， 21-24.

王娜， 陈会敏 （2014）. 泛在网络中信息过载危害及原因的调查分析. 情报理论与实践， 37（11）， 20-25.

Anaza， N. A.， & Nowlin， E. L. （2017）. What's mine is mine： A study of salesperson knowledge withholding & hoarding behavior. Industrial Marketing Management， 64，14-24.

Avey， J. B.， Avolio， B. J.， Crossley， C. D.， & Luthans， F. （2009）. Psychological ownership： Theoretical extensions， measurement and relation to work outcomes. Journal of Organizational Behavior， 30（2）， 173-191.

Boardman， R.， & Sasse， M. A. （2004）. “Stuff goes into the computer and doesn't come out”： A cross-tool study of personal information management. In R. Grinter， T. Rodden， P. Aoki， E. Cutrell， R. Jeffries， & G. Olson （Eds.）， Proceedings of the SIGCHI Conference on Human Factors in Computing Systems（pp. 583-590）. New York， NY： ACM.

Butcher， H. （1995）. Information overload in management and business. IEE Colloquium on Information Overload， London， UK.

Cushing， A.， L. （2011）. “Self extension and the desire to preserve digital possessions. ” Proceedings of the ASIST Annual Meeting， 48（1）， 1-3.

Dugas， M. J.， Hedayati， M.， Karavidas， A.， Buhr， K.， Francis， K.， & Phillips， N. A. （2005）. Intolerance of uncertainty and information processing： Evidence of biased recall and interpretations. Cognitive Therapy and Research， 29（1）， 57-70.

Frost， R. O.， & Gross， R. C. （1993）. The hoarding of possessions. Behaviour Research and Therapy， 31（4）， 367-381.

Frost， R. O.， Steketee， G.， & Grisham， J. （2004）. Measurement of compulsive hoarding： Saving inventory-revised. Behaviour Research and Therapy， 42（10）， 1163-1182.

Giraud， R. （2007）. Money matters： An axiomatic exploration of the endowment effect and the preference reversal phenomenon. Unpublished manuscript， University of Paris I.

Gormley， C. J.， & Gormley， S. J. （2012）. Data hoarding and information clutter： The impact on cost， life span of data， effectiveness， sharing， productivity and knowledge management culture. Issues in Information Systems， 13（2）， 90-95.

Grisham， J. R.， Frost， R. O.， Steketee， G.， Kim， H.， & Hood， S. （2006）. Age of onset of compulsive hoarding. Journal of Anxiety Disorders， 20（5）， 675-686.

Gulotta， R.， Odom， W.， Forlizzi， J.， & Faste， H. （2013）. Digital artifacts as legacy： Exploring the lifespan and value of digital data. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems perspectives（pp. 1813-1822）， Paris.

Heckhausen， J.， Wrosch， C.， &Schulz， R. （2010）. A motivational theory of life-span development. Psychological Review， 117（1）， 32-60.

Hobfoll， S. E. （1989）. Conservation of resources： A new attempt at conceptualizing stress. The American psychologist， 44（3）， 513-524.

Horvitz， E.， Jacobs， A.， & Hovel， D. （1999）. Attention-sensitive alerting. In K. Laskey & H. Prade （Eds. ）， Proceedings of the Fifteenth Conference on Uncertainty in Artificial Intelligence（pp. 305-313）. San Francisco， CA： Morgan Kaufmann Publishers.

Ishikawa， A.， & Naka， I. （2007）. Knowledge management and risk strategies. Hackensack， NJ： World Scientific.

Ivanov， V. Z.， Mataixcols， D.， Serlachius， E.， Lichtenstein， P.， Anckarsater， H.， Chang， Z.， ... & Ruck， C. （2013）. Prevalence， comorbidity and heritability of hoarding symptoms in adolescence： A population based twin study in 15 year olds. PLOS ONE， 8（7）.

John， J. L.， Rowland， I.， Williams， P.， & Dean， K. （2010）. Digital lives： Personal digital archives for the 21st century （Beta 2. 0）.London， UK： British Library.

Luxon， A. M.， Hamilton， C. E.， Bates， S.， & Chasson， G. S. （2019）. Pinning our possessions： Associations between digital hoarding and symptoms of hoarding disorder. Journal of Obsessive-Compulsive and Related Disorders， 21，60-68.

Marshall， C. C.， Bly， S.， & Brun-Cottan， F. （2006）. The long term fate of our digital belongings： Toward a service model for personal archives. Proceedings of Society for Imaging Science and Technology Archiving conference（pp. 25-30）. Ottawa， Canada.

Neave， N.， Briggs， P.， Mckellar， K.， & Sillence， E. （2019）. Digital hoarding behaviours： Measurement and evaluation. Computers in Human Behavior， 96，72-77.

Neave， N.， McKellar， K.， Sillence， E.， & Briggs， P. （2020）. Digital hoarding behaviours： Implications for cybersecurity. In V. Benson& J. Mcalaney （Eds. ）， Cyber influence and cognitive threats（pp. 77-95）. New York： Academic Press.

Palermo， S. D.， Bloch， M. H.， Craiglow， B. G.， Landerosweisenberger， A.， Dombrowski， P.， Panza， K. E.， ... & Leckman， J. F. （2011）. Predictors ofearly adulthood quality of life in children with obsessive-compulsive disorder. Social Psychiatry and Psychiatric Epidemiology， 46（4）， 291-297.

Pierce J. L. Kostova， T.， Dirks， K. T. （2001）. Toward atheory of psychological ownership and organization. Academy of Management Journal， 26（2）， 298-310.

Pierce， J. L.， Kostova， T.， Dirks， K. T. （2003）. The state of psychological ownership： Integrating and extending a century of research. Review of General Psychology， 7（1）， 84-107.

Reise， S. P.， Moore， T. M.， & Haviland， M. G. （2010）. Bifactor models and rotations： Exploring the extent to which multidimensional data yield univocal scale scores. Journal of Personality Assessment， 92（6）， 544-559.

Samuels， J.， Bienvenu， O. J.， Riddle， M. A.， Cullen， B.， Grados， M.， Liang， K. Y.， ... & Nestadt， G. （2002）. Hoarding in obsessive compulsive disorder： Results from a case-control study. Behaviour Research and Therapy， 40（5）， 517-528.

Swar， B.， Hameed， T.， & Reychav， I. （2017）. Information overload， psychological ill-being， and behavioral intention to continue online healthcare information search. Computers in Human Behavior， 70，416-425.

Sweeten， G.， Sillence， E.， & Neave， N. （2018）. Digital hoarding behaviours： Underlying motivations and potential negative consequences. Computers in Human Behavior， 85，54-60.

Testa， R. R.， Pantelis， C.， & Fontenelle， L. F. （2011）. Hoardingbehaviors in children with learning disabilities. Journal of Child Neurology， 26（5）， 574-579.

Thorpe， S.， Bolster， A.， & Neave， N. （2019）. Exploring aspects of the cognitive behavioural model of physical hoarding in relation to digital hoarding behaviours. Digital health， 5.

Tolin， D. F.， Frost， R. O.， Steketee， G.， Gray， K. D.， & Fitch， K. E. （2008）. The economic and social burden of compulsive hoarding. Psychiatry Research， 160（2）， 200-211.

van Bennekom， M. J.， Blom， R. M.， Vulink， N.， & Denys， D. （2015）. A case of digital hoarding. BMJ Case Reports.

van den Bos， K.， & Lind， E. A. （2002）. Uncertainty management by means of fairness judgments. Advances in Experimental Social Psychology， 34， 1-60.

Vitale， F.， Janzen， I.， & McGrenere， J. （2018）. Hoarding and minimalism： Tendencies in digital data preservation. Proceedings of the 2018 CHI Conference on Human Factors in Computing Systems， New York， USA.

Wheeler， S. C.， Briol， P.， & Hermann， A. D. （2007）. Resistance to persuasion as self-regulation： Ego-depletion and its effects on attitude change processes. Journal of Experimental Social Psychology， 43（1）， 150-156.