中学生线上社交焦虑与抑郁症状和睡眠质量的关联

刘致宏，张珊珊

沈阳师范大学教育科学学院，辽宁 110034 

【摘要】 目的 识别中学生线上社交焦虑的潜在类别，并进一步分析不同潜类别与抑郁症状、睡眠质量的关联。方法于 2020 年 10—12 月，采用方便整群随机抽样方法选取辽宁省 4 所中学 1 402 名初、高中学生，采用线上社交焦虑问卷( SAS－SMU) 、流调中心抑郁量表( CES－D) 和匹兹堡睡眠质量指数( PQSI) 进行问卷调查，对数据进行潜在剖面分析及 Lo- gistic 回归分析。结果 中学生线上社交焦虑分为低线上社交焦虑型( 47．00%，659 名) 、中线上社交焦虑型( 43．37%，608 名) 和高线上社交焦虑型( 9．63%，135 名) 3 个潜在类别。Logistic 回归分析结果显示，控制人口学变量后，中线上社交焦虑型和高线上社交焦虑型与抑郁症状( β 值分别为 1．22，2．23，P 值均＜0．01) 和睡眠质量( β 值分别为 0．85，1．68，P 值均＜0．01)均呈正相关。结论中学生的线上社交焦虑存在异质性。学校和家庭应关注线上社交焦虑水平较高的中学生，防止出现抑郁症状和睡眠问题，促进心理健康发展。 

【关键词】 焦虑; 抑郁; 睡眠; 精神卫生; 回归分析; 

学生《中国国民心理健康蓝皮书( 2020) 》指出，24．6%的青少年有抑郁症状，84．1% ～ 90．8%的青少年存在睡眠不足问题［1］。良好的情绪、充足的睡眠是青少年心理健康的重要测量指标。抑郁症状、睡眠障碍不仅会降低青少年的生活满意度，也会对其心理及行为适应产生严重的负性影响［2－3］。随着网络社交模式的日趋发展与完善，很多网络社交过程中特有的不良情绪 线上社交焦虑) 、不良行为( 被动性社交网络使用) 成为导致青少年抑郁症状、睡眠障碍等问题的网络情境诱发源［4－5］。线上社交焦虑是个体在社交媒体交往情境中感知到的紧张和恐惧等人际负性体验［6］。线上社交焦虑与现实社交焦虑一样，可以负向影响个体的心理与行为，损害个体的社会适应能力［7］。依据抑郁的人际理论，不良社交媒体使用往往会破坏人际关系，使个体的交往需要得不到满足，产生对人际交往的焦虑和恐惧，进而容易出现抑郁情绪［8］。不仅如此，社交焦虑也是导致生理伤害( 睡眠质量) 的前因预测变量［9］。有研究已证实，社交焦虑与青少年抑郁症状、睡眠质量等均密切相关［10－11］。本研究以辽宁省中学生为研究对象，采用潜在剖面分析方法对中学生线上社交焦虑进行分类，确定中学生群体存在的线上社交焦虑潜在类别［12］，甄别高线上社交焦虑个体，进而分析不同线上社交焦虑潜类别与抑郁症状、睡眠质量的关联。 

1 对象与方法

1．1 对象 采用方便整群随机抽样方法，从辽宁省沈阳市及朝阳市选取初中和高中各 2 所，再使用抽签法从每所学校的非毕业年级各抽取 7 ～ 12 个班，经过学校领导、班主任及学生本人知情同意后，以班级为单位于 2020 年 10—12 月进行集体施测。共发放问卷1 500份，剔除漏选、多选的被试，最终得到有效问卷1 402份，有效率为 93．47%。被试均为匿名自愿填写，其中男生 597 名，女生 805 名; 初一学生 288 名，初二学生 365 名，高一学生 486 名，高二学生 263 名。年龄为 12～18 岁，平均年龄( 15．02±1．47) 岁。本研究获得了沈 阳 师 范 大 学 教 育 科 学 学 院 伦 理 委 员 会 批 准( 20201001) 。

1．2 调查工具

1．2．1 线上社交焦虑问卷( Social Anxiety Scale for So- cial Media Users，SAS-SMU) ［13］ 采用 Alkis 等编制，陈必忠等修订的社交媒体用户社交焦虑量表。该量表用于评估使用社交媒体平台时的社交焦虑水平，由 20 个题目构成，包括评价恐惧、交往焦虑和隐私担忧 3个维度。采用 5 点计分，1 代表“从来没有”至 5 代表“总是”，总分越高表明个体焦虑水平越高。基于本研究在青少年群体中进行测量，因此将有些不适合该群体的题目表述在测量前进行调整，并对问卷做信效度检验。本研究中该量表的 Cronbach α 系数为0．92，分半信度为 0．84; 验证性因素分析表明，ＲMSEA = 0．08， CFI = 0．91，NNFI = 0．92，问卷结构效度良好。 1．2．2 匹兹堡睡眠质量指数( Pittsburgh Sleep Quality Index，PSQI) ［14］ 采用刘贤臣等修订的睡眠质量自评量表。该量表用于评定个体近 1 个月内的睡眠质量， 由 23 个题目构成，包括睡眠质量、入睡时间、睡眠时间、睡眠效率、睡眠障碍、催眠药物和日间功能障碍 7个成分，采用 4 点计分，1 代表“无”至 4 代表“≥3 次/ 周”，各成分得分总和即为 PSQI 总分，总分越高表明个体睡眠质量越差。其中，睡眠质量总分＞7 分表明个体存在睡眠问题。本研究中该量表的 Conbach α 系数为 0．74，分半信度为 0．72; 验证性因素分析表明，ＲM- SEA = 0． 07，CFI = 0． 94，NNFI = 0． 91，问卷 结 构 效 度良好。

1．2． 3 流调中心抑郁量表( Center for Epidemiologic Studies Depression Scale，CES－D) ［15］ 该量表用于评定被试最近一周出现各种感受的频率，由 20 个题目构成，包括抑郁情绪、积极情绪、躯体障碍和人际关系 4个维度。采用 4 点计分，0 代表“没有或几乎没有”至 3 代表“几乎一直有”，总分越高表明个体的抑郁程度越高。其中，抑郁症状总分≥36 分代表存在抑郁症状［16］。本研究中该量表的 Conbach α 系数为 0．89，分半信度为 0．88; 验证性因素分析表明，ＲMSEA = 0．05， CFI = 0．94，NNFI = 0．93，问卷结构效度良好。 1．3 共同方法偏差检验 采用温忠麟等［17］推荐的双因子模型检验共同方法偏差，结果显示，未加方法因子的模型拟合指数: ＲMSEA = 0．13，SＲMＲ = 0．09，CFI = 0．76，TLI = 0．70; 增加方法因子的模型拟合指数: ＲM- SEA = 0．14，SＲMＲ = 0．11，CFI = 0．78，TLI = 0．71，其变化量均小于临界值，表明本研究数据中共同方法偏差并不严重。 

1．4 质量控制 经过统一培训的应用心理学研究生为主试。测试前，主试使用统一的标准化指导语，向被试说明施测目的、匿名填写、真实作答，说明所有调查资料仅做研究之用。施测过程中营造轻松的氛围，缓解学生填写的压力感，并对产生情绪波动的学生及时安抚。测试后，由主试统一回收问卷并进行筛选和数据录入。

1．5 统计学方法 采用 Mplus 8．0 统计软件进行验证性因素分析，验证问卷结构效度。进一步采用潜在剖面分析( LPA) ，探索中学生线上社交焦虑的潜在类别，其中统计指标 Log、AIC、BIC 和aBIC 值越小表示模型拟合越好; Entropy 值＞0．8 表示分类准确率可接受; LMＲT 和 BLＲT 值显著，表示K 个类别的模型比 K－1个类别的模型更佳［18］。采用 SPSS 25．0 进行描述统计和 χ2 检验，探究不同潜类别的群体在人口学变量上的差异，采用 Logistic 回归分析评估不同潜类别线上社交焦虑对睡眠质量及抑郁症状的相对危险度，检验水准 α= 0．05。

2 结果

2．1 中学生线上社交焦虑类型潜在剖面 为区分中学生线上社交焦虑的类型，以 SAS－SMU 量表 20 个条目为指标，分别抽取中学生线上社交焦虑 1 ～ 7 个类别进行潜在剖面分析。由表 1 可知，中学生潜在剖面分析的 AIC、BIC 和 aBIC 等拟合指标的变化从模型 1 开始逐渐变小，在模型 7 中，LMＲT 值不显著。模型 3 的 LMＲT 和 BLＲT 值均达到显 著 水 平，且 Entropy 值 为0．92。虽然模型 4 的 AIC 和 aBIC 值小于三分类模型， 但 LMＲT 无统计学意义( P =0．12) 。与其他数量类型模型相比，模型 3 能较好地反映线上社交焦虑的实际情况。

2．2 线上社交焦虑类型分类 中学生线上社交焦虑的 3 种潜在类别在各维度间均无交点，不同类别的形态变化趋于一致。类别 1 中学生的线上社交焦虑各维度值在 5．89～17．01，事后检验显示线上社交焦虑各维度均低于其他类别，共有 659 名，占比 47．00%，命名为“低线上社交焦虑型”; 类别 2 中学生的线上社交焦虑各维度值在 9．71～27．56，事后检验显示线上社交焦虑各维度均处于中间水平，共有 608 名，占比 43．37%，命名为“中线上社交焦虑型”; 类别 3 中学生的线上社交焦虑各维度值在 14．69 ～ 40．13，事后检验显示线上社交焦虑各维度均高于其他类别，共 有 135 名，占 比9．63%，命名为“高线上社交焦虑型”。

2．3 线上社交焦虑潜类别分布特征 

中学生线上社交焦虑的潜类别分布在性别、生源地和留守经历上差异均有统计学意义( P 值均＜0．05) ，而在学段和独生子女上差异均无统计学意义( P 值均＞0．05) 。见表 2。 2．4 线上社交焦虑与抑郁症状、睡眠质量的 Logistic回归分析 将性别、学段、生源地、独生子女和留守经历纳入回归方程并设置哑变量后，分析不同线上社交焦虑类型对抑郁症状和睡眠质量的影响。二元 Logis- tic 回归分析结果表明，与类别 1 相比，类别 2 和类别 3与抑郁症状( β 值分别为 1．22，2．23，P 值均＜0．01) 和睡眠质量( β 值分别为 0．85，1．68，P 值均＜0．01) 均呈正相关。见表 3。

3 讨论

本研究通过对中学生线上社交焦虑进行潜在剖面分析，发现中学生群体存在明显的分类特征，包括“低线上社交焦虑型”“中线上社交焦虑型”“高线上社交焦虑型”3 种潜在类别; 对 3 种类别中学生进行事后检验，两两比较发现，3 个类别的中学生在线上社交焦虑的 3 个维度上得分差异有统计学意义，表明中学生线上社交焦虑存在异质性。此外，在被调查的中学生中，超过半数属于“中线上社交焦虑型”或“高线上社交焦虑型”两种类型，在一定程度上反映出，中学生在社交媒体使用过程中会经常感受到焦虑情绪体验。可以从两方面解释这一结果: 首先，大部分中学生是使用微信、QQ 及微博等网络社交媒体的主要人群，他们会不断地刷新社交平台上的信息，以确保自己及时获取最新资讯。这迫使中学生较频繁、密集地使用社交媒体，一旦错过交流信息或资讯信息，将出现焦虑情绪［19］。其次，处于青春期的中学生自我意识高涨，具有很强的自我形象管理意识，社交焦虑概念化模型指出，社交焦虑源于反复考虑他人是否喜欢和认可自己的形象，中学生通过社交媒体中的积极自我形象包装，呈现出改善的积极形象，期望在社交媒体上展示积极自我后能获得他人积极的反馈，而当他人反馈没能满足 其 期 望 时，则会在网络社交中产生焦虑情绪［20］。本研究进一步发现不同性别、生源地及留守经历在线上社交焦虑的 3 种类别上差异有统计学意义。在线上社交焦虑的性别差异上，超半数女生分布在“中线上社交焦虑型”及以上，表明女生存在的线上社交焦虑问题更加严重，与以往类似研究结果一致［21］。与男生相比，女生对消极情绪的易感性更强，在网络社交中容易受到负性信息的影响，提高了诱发女生负性情绪的概率［22］，因此即便在虚拟社交中，女生体验到的焦虑情绪也高于男生。此外，还有研究显示，即使是在健康的网络环境下，女生也会对中性突发刺激产生焦虑情绪，这也增加了女生出现社交焦虑的可能性［23］。在生源地及留守经历的差异上，农村中学生分布在“高线上社交焦虑型”的比例高于城市学生，有留守经历的中学生“中线上社交焦虑型”和“高线上社交焦虑型”发生率高于非留守学生。可能是在本次测量的样本中，大多数的留守学生是源自农村地区，这类学生由于常年与父母分离，缺乏父母的有效监管、缺少与父母的互动交流，导致他们的心理资本积累不足的风险性，而低心理资本者更可能出现不良社会适应，因此更容易出现社交焦虑等消极情绪［24］。受到网络社交的推动，多数外出打工的父母给留守中学生配备了智能手机，这些留守学生常利用网络社交与父母远程联系，但碍于自我控制能力的有限，在他们通过网络社交补偿了人际交往需求的同时，也会因无节制的使用网络而出现各种心理问题，而线上社交焦虑就是其中的一种表现。

本研究结果发现，与“低线上社交焦虑型”相比， “中线上社交焦虑型”与“高线上社交焦虑型”中学生是抑郁症状及睡眠问题的高发群体。在一定程度上说明了“低线上社交焦虑型”中学生会有较少的抑郁症状，拥有良好的睡眠质量，而“中线上社交焦虑型” 和“高线上社交焦虑型”中学生则倾向有更多的抑郁症状，而且睡眠质量也相对较差。随着网络社交的广泛应用，青少年不仅可以在网络上获取到最新的资讯信息、更多的交流机会，而且还会遭受到网络人际( 欺 凌、排斥、攻击) 伤害、被动性社交网站使用及问题性网络使用( 成瘾、依赖、过度使用) 挫伤。如有研究证实了网络受欺凌、被动性社交网站使用等对青少年社交焦虑有正向预测作用，而且网络情境引发的线下社交焦虑还会导致青少年抑郁症状等内化问题的出现［25－27］。在此基础上，本研究进一步证实线上社交焦虑对青少年抑郁症状有同样的预测作用。中学生会花费较长的时间沉浸于网络社交中，如果频繁或过度地使用社交媒体，会大大增加网络人际摩擦及人际挫折的风险，无法满足人际交往的心理需求，继而出现了抑郁 症 状，这一结论契合了抑郁的人际理论观点［28］。另一方面，基于睡眠干扰过程理论，情绪唤醒与人际关系是干扰睡眠质量的重要因素［29］。中学生不仅可以借助网络社交、网络游戏缓解课业负担带来的压力，而且还可以通过网络社交表述情感诉求。中学生一旦在网络社交过程里受阻，他们将陷入焦虑不安的情 绪 中，甚至担心错过某些新资讯而难以入睡［30］。尽管以往研究已证实线下社交焦虑对中学生睡眠质量有影响作用［31］，本研究也发现了线上社交焦虑同样会损害中学生的生理功能，即线下与线上社交焦虑对中学生的影响存在某种共同性。因此，教师和家长应切实关注中学生在网络社交媒体使用过程中的情绪问题，对于存在线上社交焦虑的学生要及时展开心理疏导，通过帮助他们合理分配上网时间，调整网络社交认知，以削弱线上社交焦虑对中学生带来的消极影响。