大学生手机成瘾倾向的异质性：人际关系与孤独感的作用

凌 瑛 唐文清

（1.广东轻工职业技术学院 广东广州 510300；2.广西大学教育学院 南宁 530004）

随着智能手机的普及，大学生普遍持有智能手机，大学校园中经常可见大学生低头玩手机。智能手机改变了大学生的生活、学习及交际方式，提升了他们的学习和生活效率，扩展了他们的人际交往方式。另一方面，由于大学生脱离了高中的高压学习环境，在大学中往往缺乏自制力，容易过度使用手机，沉迷于网络游戏、视频、网络社交等网络活动，甚至有手机成瘾倾向，即由于不当地使用手机而造成的生理及心理上的不适应症状（熊婕，周宗奎，陈武，游志麒，翟紫艳，2012）。已有研究发现当前大学生手机成瘾倾向具有高发生率（刘红，王洪礼，2011）。大学生手机成瘾会影响其主观幸福感和人际关系等（王月琴，张宇，2015；廖慧云，钟云辉，王冉冉，唐宏，2016）。

大学生手机成瘾是心理健康干预的难题，如何对其进行针对性的心理干预是临床研究的重点。有研究者通过潜在剖面分析（Latent Profile Analysis，LPA)发现大学生手机成瘾倾向具有异质性，异质组的人际关系、孤独感存在差异（范士青，李雪源，2016；王慧慧，王孟成，吴胜齐，2015）。这对于手机成瘾的差异性干预具有一定的启发，但这些研究存在不足：一是没有比较LPA的检测结果和症状条目式的检测结果；二是只分析大学生手机成瘾倾向异质性组在人际关系、孤独感的差异，没有进一步探讨这些因素是否能预测大学生手机成瘾倾向的异质性；三是在LPA的进一步分析中，没有考虑校正LPA的分类误差，削弱了研究结论的可信性。

研究拟采用LPA检测大学生群体手机成瘾倾向的异质性，并和传统基于症状条目式的诊断结果进行比较以检验LPA检测结果的效度和优势。同时，采用校正分类误差的LPA后续分析方法探测大学生群体手机成瘾倾向异质性的原因，以提高研究结论的信度，以期为手机成瘾的针对性干预提供工作参考。

一、研究方法

（一）被试

共调查800名大学生，剔除无效问卷，获得有效问卷780份，有效回收率为97.5%。

（二）研究工具

选用大学生手机成瘾倾向量表测量大学生手机成瘾倾向，该量表共由16个项目组成，包含戒断症状、突现行为、社交抚慰和心境改变四个因子。项目采用1～5五级评分方式，所有项目均为正向记分方式，总分越高说明手机成瘾倾向程度越高，量表具有较好的信度和效度（熊婕，周宗奎，陈武，游志麒，翟紫艳，2012）。

选用Russell等人编制第三版UCLA孤独量表对大学生的孤独感水平进行测量，该量表共20题，包括11个正序条目和9个反序条目，采用1～4四级评分方式，将反向记分题转换后，将20个条目的得分加总获得孤独感得分，得分越高表明孤独感水平越高，量表具有良好的信度和效度（汪向东，1999）。

选用郑日昌（1996）编制的人际关系综合诊断量表对大学生的人际关系困扰进行测量。该量表共有28个项目组成，包括交谈交流、交际交友、待人接物、异性交往四个因子，项目采用0、1计分方式，每道题有“是”和“否”两个答案，答“是”记1分，答“否”记0分，将各因子内项目得分加总，分数越高，说明在该方面的人际关系困扰程度越高。

自编人口学调查条目：性别、是否独生子女。

（三）统计软件

使用软件LatentGOLD 5.1对数据进行LPA和校正分类误差的后续分析(Vermunt & Magidson， 2013)。为方便数据结果的解释，各量表的因子得分都进行标准化。

二、研究结果

（一）应用LPA评价学生手机成瘾的异质性

把被试手机成瘾倾向各因子得分作为外显变量构建LPA模型。选取LPA模型基于：（1）LPA模型的拟合指标，（2）潜在类别的区分及平均的后验概率；（3）理论的考虑。从表1可知LPA各模型的拟合指标，图1为模型相对拟合指标的变化趋势，可知各相对拟合指标的趋势曲线在3类别模型后趋于平缓。3类别模型中各外显变量的显著性检验显示虚无假设被拒绝（P＜0.001），即各外显变量的变异能够被潜在类别解释。3类别模型熵值为0.90，类别1-3的平均后验概率分别为0.90、0.92和0.89。同时，前人的研究发现大学生手机成瘾倾向异质组可以分为三个异质组，这与前人的研究结果一致（范士青，李雪源，2016;王慧慧，王孟成，吴胜齐，2015）。因此，选取3类别模型。

图1 各相对拟合指标的趋势图

3类别模型剖面图见图2。由图2可知类别1手机成瘾各因子得分稍高于平均水平凸显行为明显，命名为手机成瘾一般倾向组，潜在类别概率为48.21%。类别2手机成瘾各因子得分非常低，命名为正常组，潜在类别概率为36.02%。类别3手机成瘾各因子得分高于平均1.09～1.48个标准差，其戒断症状突出，命名为手机成瘾高倾向组，潜在类别概率为15.77%。

图2 大学生手机成瘾倾向3类别模型剖面图

（二）LPA对手机成瘾倾向检出与传统标准的比较

根据相关研究者筛查手机成瘾的标准，即 16 个题目中有 9个作出肯定回答定为手机成瘾者（刘红，王洪礼，2011），共47.56%的被试者达到手机成瘾的症状标准。通过列联表分析，发现LPA的分类结果和手机成瘾症状标准的相关性达到显著性水平（χ2=408.63.03，df=2，p＜0.001）。正常组、手机成瘾一般倾向组和手机成瘾高倾向组达到手机成瘾症状标准的比例分别为1.07%、65.43%，99.19%。

（三）人际关系困扰、孤独感对大学生手机成瘾倾向异质性的作用

LPA后续分析结果显示各组别的人际关系困扰（Wald=1 385.33，p＜0.001） 和 孤 独 感（Wald=48 851.57，p＜0.001）的差异显著，正常组的孤独感水平和人际关系困扰水平最低，其次为手机成瘾一般倾向组，手机成瘾高倾向组的孤独感水平和人际关系困扰水平最高，具体结果见表2。此外，性别、是否独生子女和潜在分类也具有显著水平的相关性（p＜0.001），进一步分析发现，独生子女比例手机成瘾高倾向组最高，其次为手机成瘾一般倾向组，正常组最低。女生比例手机成瘾高倾向组最高，其次为正常组，手机成瘾一般倾向组最低，具体结果见表3。把潜在类别作为因变量，以性别、是否独生子女、孤独感和人际关系困扰作为自变量，选用LPA后续分析校正分类误差的ML方法进行logistic回归分析，结果发现只有性别的预测效应没有达到显著性水平（Wald=5.08，p＞0.05），是否独生子女、孤独感、人际关系困扰的预测效应达到显著性水平（p＜0.001），以正常组作为基准参考类别，使用Odds Ratio（OR）作为logistic回归的效应量，具体结果见表4。相比正常组，孤独感和人际关系困扰正向预测手机成瘾一般倾向组和手机成瘾高倾向组，非独生子女可以负向预测手机成瘾高倾向组。

表2 各潜在类别的学生在人际关系困扰、孤独感上的描述性统计

表3 各类别学生性别、家庭语言使用的人数比例

表4 各类别学生人际关系、孤独感对其手机成瘾异质性的预测

三、讨论

通过LPA把被试分为三个异质性组，正常组、手机成瘾一般倾向组和手机成瘾高倾向组。因此，手机成瘾的心理干预应采取差异性的干预方案。手机成瘾一般倾向组成瘾倾向水平较低突显行为明显，应对其进行早期干预和行为干预。手机成瘾高倾向组成瘾倾向水平高戒断症状明显，应注意干预其戒断症状。LPA对大学生手机成瘾倾向的检测和一些研究者基于症状的检测标准（刘红，王洪礼，2011）具有高度相关，同时LPA也表现出自身优势：一是基于模型进行分类，具有客观性，不需要划界分；二是能识别手机成瘾高倾向和一般倾向的个体，有助于心理健康工作者进行早期的差异性的心理干预。

相比正常组，孤独感和人际关系困扰可以正向预测大学生手机成瘾倾向（含一般倾向组和高倾向组），说明孤独感和人际关系困扰是影响大学生手机成瘾倾向异质性的重要因素。

四、结束语

大学生手机成瘾倾向在水平和结构上具有异质性，可分为正常组、手机成瘾一般倾向组及手机成瘾高倾向组。手机成瘾一般倾向组成瘾倾向水平较低突显行为明显，手机成瘾一般倾向组成瘾倾向水平高戒断症状明显。

孤独感和人际关系困扰是影响大学生手机成瘾倾向异质性的重要因素，在手机成瘾心理干预中，因根据手机成瘾异质性组采取差异性的干预方案。