基于分層線性回歸模型的上海市外來務工人員心理健康狀況及影響因素分析

宋徽江，汪天英，劉 瑤

上海每年約有400萬外來務工人員，提高他們的綜合保障水平不僅關系到外來務工人員自身的發展和幸福，還影響到整個社會的和諧與穩定。有研究提示，外來務工人員中心理壓力巨大的情況較為突出[1]。當前針對外來務工人員的心理狀況分析往往將其心理情況與年齡、性別、居住情況、不良生活習慣、工作環境等諸多因素參雜在一起進行多元Logistic回歸分析，往往得到不一致的相關性結論，這些研究的統一特征是：將環境層面的變量和個人層面的變量統一分析，而未加以分層，這樣的結論往往缺乏可靠性，也不能說明環境層面的變化對個人實際生活狀況的影響，本研究通過橫斷面研究獲得農民工的心理健康狀況、生活習慣資料，結合其生活環境，利用國際上較為先進的分層線性模型(HLM)展開分析，了解上海市外來務工人員的心理健康狀況及影響因素，并驗證這一方法在此項研究領域中的有效性。

1 資料與方法

1.1 資料來源 于2012年7—10月，選擇普陀區長征、長寧區新涇、浦東新區三林、徐匯區漕河涇、楊浦區殷行、嘉定區黃渡、青浦區華新7個社區(皆為本市外來務工人員較為集中的區域)作為現況調查區域。按照本市外來務工人員的性別、年齡分布等人口學特征，采用分層整群隨機抽樣的方法進行抽樣。數據資料包含了體檢者姓名、性別、年齡、居住地等基本信息。最終有效問卷調查人數841人。

1.2 研究方法

1.2.1 環境變量的控制與賦值 環境選擇居住區域、行業以及單位規模3個變量，覆蓋了農民工的工作和生活環境，具有較強的代表性。農民工居住區域按照城鄉差異進行分類賦值建模；工作環境根據農民工較為集中的建造業、餐飲住宿業、家政服務業、批發零售業、娛樂性場所類進行賦值建模；單位規模是根據單位人數情況進行賦值建模。

1.2.2 研究工具 心理狀況調查采用國際標準癥狀自評量表(SCL-90)，將量表按照軀體化、強迫癥狀、人際關系敏感、抑郁、焦慮、敵對、恐怖、偏執、精神病性等維度分為9類。個人不良生活習慣采用Fagerstrom尼古丁依賴性測試量表[2]、飲酒問卷(ADS)[3]及匹茲堡睡眠質量指數量表(PSQI)[4]對生活習慣進行更為全面的了解，均按照各量表的評分原則進行評分。

1.2.3 建模方式 從問卷中挑選出與個人心理健康狀況相關因素進行分析，重點分析個體層面的因素和外在環境的因素作為調節變量是怎樣影響心理健康狀況的。將環境因素與個體層面會影響心理健康的因素分開，使用HLM了解個體和環境層面是如何影響個人心理健康的，并探究個體因素和環境因素的關系。本研究對841名農民工的心理健康水平進行檢測，農民工有其自身的“個人效應”，同時農民工又從屬于自己的生活環境，就是“背景效應”。在進行個體研究時必須考慮到被研究對象所處的背景或他所從屬的上層分析單位。運用HLM能夠使分析的結果更加貼近事實[5]。

本研究建立的HLM為二層模型[6]，假設第一層次為農民工個體，第二層次為環境，層次一的模型與傳統的回歸模型類似，所不同的是，回歸方程的截距和斜率不再假設為一個常數[7]，而是不同的農民工的回歸方程的截距和斜率都不同，是一個隨機變量。每個農民工回歸方程的截距和斜率都直線依賴于第二層次變量[8](如所屬行業、單位規模大小)，這樣就構成了農民工-環境二層模型?？杀硎救缦拢?/p>

層-1(農民工)Yij=β0j+β1jXij+eij

層-2(環境)β0j=□00+□01Wj+u0j

β1j=□10+□11Wj+u1j

合并的模型表示為：

Yij=□00+□10Xij+□01Wj+□11XijWj+ u0j+u1jXij+eij[9]

其中：Yij表示第j個環境的第i個農民工的相應變量觀測值(如農民工的心理分數),Xij表示第j個環境的第i個農民工的解釋變量觀測值(如農民工的吸煙狀況)，Wj表示第j個環境的環境特征變量(如單位規模大小)。對于層-1模型，β0j、β1j分別表示第j個農民工吸煙(飲酒/睡眠)回歸直線的截距和斜率，eij表示第j個環境第i個農民工的測量誤差。對于層-2模型，□00、□01分別表示β0j截距對于環境變量Wj的回歸直線的截距和斜率，u0j表示由第j個環境的環境變量帶來的截距上的誤差?！?0、□11分別表示截距β1j對于環境變量Wj的回歸直線的截距和斜率,u1j表示由第j環境的環境變量帶來的斜率上的誤差[9]。

1.3 統計學方法 將經過質控審核的統計資料采用Epidata 3.01軟件錄入，對數據進行核實，采用SPSS 19.0 統計軟件進行單因素Logistic回歸分析和組間t檢驗或方差分析。統計學檢驗水平α設置為0.05。HLM建模使用HLM 6.04軟件。

2 結果

2.1 人口學特征 76.1%的農民工居住在郊區；76.6%集中在建筑業和制造業(建造業)，37.0%子女不在身邊；居住情況為與家人同租房或單位宿舍的分別占30.0%、35.5%(見表1)。

2.2 SCL-90評分情況及與常模的比較 將841個樣本數據與全國成人常模[10](n=1 388)相比，在9個因子中，除了軀體化和精神病性與成人常模相比差異無統計學意義(P>0.05)外，其他7個因子比較差異均有統計學意義(P<0.05)，農民工心理健康水平得分較全國成人常模得分低(見表2)。

2.3 不同人口學特征農民工SCL-90得分比較 針對此次調查人群的人口學特征，包括居住區域、所屬行業、單位規模、子女是否在身邊及目前居住情況，分別進行單因素檢驗分析發現，這些因素在單獨情況下對農民工SCL-90總分的影響均無統計學意義(P>0.05，見表1)。

2.4 不同生活習慣農民工SCL-90得分比較 對農民工的生活習慣進行調查，主要從吸煙、飲酒以及睡眠三方面進行了解，包括對該類生活習慣的態度以及危害的認知度等方面。結果顯示，是否酒精依賴、睡眠好與不好的農民工SCL-90得分間差異有統計學意義(P<0.05，見表3)。

注：*為t值；SCL-90=癥狀自評量表

2.5 運用HLM對農民工不良心理狀況的建模結果 采用HLM 6.04軟件進行處理，環境因素下農民工心理健康水平二層完全模型[11]為：

層-1

Y=B0+B1×(吸煙總分)+B2×(睡眠總分)+B3×(飲酒總分)+R

層-2

B0=G00+G01×(居住區)+G02×(行業)+G03×(單位規模)

B1=G10+G11×(居住區)+G12×(行業)+G13×(單位規模)

表3 不同生活習慣農民工SCL-90得分比較

Table3 Comparison of the SCL-90 score of different living habits peasant workers

人數〔n(%)〕SCL-90得分(x±s，分)t值P值吸煙情況10550331 是375(446)12010±3858 否466(554)12238±3919酒精依賴情況33070000 是365(434)12285±4006 否476(566)12002±3795睡眠情況14180003 好277(329)13743±4279 不好564(671)11347±3423

B2=G20+G21×(居住區)+G22×(行業)+G23×(單位規模)

B3=G30+G31×(居住區)+G32×(行業)+G33×(單位規模)

運行后在環境因素下農民工心理健康水平完全模型結果見表4。此外，調查發現農民工所從事的行業對吸煙有影響(P=0.008)，居住區及單位規模大小對飲酒行為有影響(P值分別為0.041、0.023)。

表4 生活環境下農民工心理健康水平HLM完全模型結果

Table4 The HLM completely model results of mental health level on the peasant workers in the living environment

固定效應系數P值標準差G00899900001707G014680047236G022890352311G03-12530068688G100260887182G205810001171G30-0160858090

3 討論

本研究通過使用SCL-90量表對農民工心理健康狀況進行測試后結果顯示，農民工心理健康水平得分低于全國成人常模得分，這與國內廖傳景[12]的研究結果一致，但是與林秋紅等[13]的研究結果存在差異，提示應對農民工心理健康水平進行持續觀察，以期正確把握農民工的心理健康。

本研究的結論可以從兩方面來看，在個體水平上，農民工的不良生活習慣(包括吸煙、飲酒、不規律或低質量的睡眠)對其心理健康的影響是非常重要的。其中，睡眠情況直接影響到農民工的心理健康水平(G20，P=0.001)，這可能與本研究中的農民工從事行業有關，其中建造業和娛樂業的人員近90%，多為較強的體力勞動工作，因體能需靠良好的睡眠進行恢復有關，故睡眠在影響其身體和心理健康中起到一定作用。

在環境水平上，環境的差異對農民工心理健康水平有影響(G00，P=0.000)，驗證了我們所假想的環境“背景效應”[14]對農民工的心理健康水平會產生影響。本研究所選的三個環境層次的變量中居住區會對農民工的心理健康水平產生影響(G01，P=0.047)，表明農民工的心理問題受所居住區域的影響，但是不受自身行業(G02，P=0.352)及所在單位規模大小(G03，P=0.068)的影響。

通過HLM的建立，我們可以看到在環境層面上，農民工所處的環境會直接影響到他們的一些個人行為而影響其心理情況，居住在市區以及所在單位規模大的農民工更傾向于養成飲酒的習慣，不同行業的屬性也會直接導致他們的吸煙行為，這與人群的聚集行為有關，也顯示出農民工容易受到外界環境的影響，導致抽煙及飲酒的行為發生，由于飲酒與吸煙、不良睡眠對SCL-90得分有影響，因此提示我們改善農民工的心理狀況應從改善其所處環境情況入手，緩解其由于行業差別、城鄉差別、單位規模引起的不良生活習慣的傳播。

多數人認為抽煙、飲酒等行為可以緩解壓力，本調查則顯示個人層面上只有不良睡眠習慣與心理狀況呈相關性(G20，P=0.001)，同時提示不佳的居住和工作場所帶來的背景效應引導農民工沾染不良生活習慣，從而影響其心理健康。隨著新生代農民工的逐漸進入，農民工群體的受教育程度有了提高，對健康知識的知曉率也逐漸增大，少飲酒、不吸煙或已戒煙等健康行為形成率有一定提升[10]。建議社區應對農民工進行群體式健康教育及干預，同時所在單位應積極開展一些有益農民工身心健康的活動，對該群體進行正確引導，使得他們的心理壓力能有合適且健康的宣泄方式。

1 李祚山，王思陽，盧淋淋，等.農民工應對方式與心理健康的特點及其關系[J/OL].現代預防醫學,CNKI:51-1365/R.20120919.1126.024.

2 張向陽，曹連元，陳大春，等.中國男性精神分裂癥患者吸煙、精神病理學、認知功能和治療相關不良反應的病例對照研究[J].中國藥物依賴性雜志,2009,18(4):283-293.

3 韋耀陽.大學生孤獨感與飲酒行為的關系研究[J].精神醫學雜志,2012,25(4):289-290.

4 安翠霞，許順江，宋美，等.輕度認知功能損害患者睡眠質量分析[J].中華精神科雜志，2012，45(5):295-298.

5 艾偉強，葛建軍.運用分層線性模型對高校教師科研水平的研究[J].統計與決策，2008，24(7):95-99

6 郭志剛，李劍釗.農村二孩生育間隔的分層模型研究[J].人口研究,2006,30(4):2-11.

7 蔡經漢.高職學生評教影響因素的分層線性分析[J].重慶理工大學學報：社會科學版,2013,27(3):125-130.

8 徐一丁,杜子芳.公司治理結構對經營績效的影響研究——基于分層線性模型的實證分析[J].現代管理科學,2012,31(12):7-9,17.

9 Scheel I,Ferkingstad E,Frigessi A,et al.A Bayesian hierarchical model with spatial variable selection:the effect of weather on insurance claims[J].J R Stat Soc Ser C Appl Stat,2013,62(1):85-100.

10 黃艷蘋，李玲.用癥狀自評量表(SCL-90)評估中國大學生心理健康狀況的Meta分析[J].中國心理衛生雜志，2009，23(5):366-371.

11 Lee W,Lim J,Lee Y,et al.The hierarchical-likelihood approach to autoregressive stochastic volatility models[J].Computational Statistics & Data Analysis - CS&DA,2011,55(1):248-260.

12 廖傳景.青年農民工心理健康及社會性影響與保護因素[J].中國青年研究,2010,22(1):109-113.

13 林秋紅,劉移民,周靜東,等.2010年廣州市農民工人格特征與心理健康關系研究[J].預防醫學論壇,2011,17(10):889-892.

14 Shoults-Wilson WA,Peterson JT,Unrine JM,et al.The Asian clam Corbicula fluminea as a biomonitor of trace element contamination:accounting for different sources of variation using an hierarchical linear model[J].Environmental Toxicology and Chemistry,2009,28(10):2224-2232.

分層線性回歸模型(HLM)簡介：

分層線性回歸模型是由不同層次的自變量解釋同一變量的一體化模型。當數據存在于不同層級時，先以第一層級的變量建立回歸方程，然后把該方程中的截距和斜率作為因變量，使用第二層數據中的變量作為自變量，再建立兩個新的方程。通過這種處理，可以探索不同層面變量對因變量的影響。它包含了不同層次的測量變量；在高層次模型中，第一層次的回歸系數可被第二層次的解釋變量所解釋。

多層線性模型主要用來處理具有層次結構特點的數據。它能夠考慮不同層次的隨機誤差和變量信息，提供正確的標準誤差估計；得到更有效的區間估計與更精確的假設檢驗，以及回歸方程中截距和斜率之間的相關關系；可以分析重復測量的數據，探討以往關于同一問題的不同研究結論是否具有一致性。

很多研究都涉及分層數據結構。例如：經濟學家探求在多個國家中經濟政策是如何影響居民的消費行為的，研究采集的觀測數據不僅包括以國家為層次的經濟指標，還包括以家庭為單位的信息，因此整個觀測的數據結構是分層的。此時，同屬一個層次的個體之間的相關性會大于來自不同層次的個體之間的相關性，整個觀測樣本就不再具有獨立分布性質，如果繼續使用經典的線性回歸模型，就會得到有偏倚的參數估計和錯誤的統計推斷結果。