大學生心理突發事件的監測與預警研究

摘要：大學生處在一個半封閉的群體生活環境中，面對一系列問題，會產生一些心理波動，當刺激超出個人心理承受能力時，就會出現心理突發事件。本文對大學生心理突發事件監測與預警系統進行研究，構建了主成分分析法模型和神經網絡監測模型，并采集數據進行了驗證，提出了高校大學生心理突發事件預警措施。

關鍵詞：心理突發事件監測預警;主成分分析法;神經網絡監測模型

一、研究背景

受社會復雜性及其發展不確定性影響，高校大學生心理問題誘發機制呈現深層化、復雜化趨勢。大學生心理突發事件監測預警是大學生心理健康管理體系的重要組成，加強監測預警研究對預防大學生心理突發事件的發生具有重要意義，它有助于高校管理者提前預判并解決學生心理突發事件風險隱患，助力學生心智健康成長。

二、研究方法

（一）研究步驟

首先，尋找產生當代大學生心理問題的誘因，確定引發這些心理問題的主要影響因素，建立指標體系集，依據指標體系采集相關數據，應用主成分分析法對數據集進行研究，確定各影響因素的主成分，給出影響排序結果，明確主要影響因素指標。

其次，依據對主要影響因素的分析結論，構建基于影響因素的大學生心理問題評估指標體系，并驗證指標體系的信度和效度。采用Cronbach's Alpha系數矩陣數據的可靠性進行信度分析，采用KMO和Bartlett檢驗的結果來體現指標效度分析。

第三，建立大學生心理突發事件監測模型，并通過仿真分析，驗證模型的有效性與穩健性。采用神經網絡模型進行監測，該神經網絡模型通過影響因素的成分確定權值，構建多元線性關系，將原始數據和結果帶入網絡中進行訓練，將改動數據帶入網絡中進行模擬仿真，得到仿真的誤差和范圍，間接體現模型的有效性與穩健性。

第四，根據模型的仿真分析結果，構建大學生心理突發事件預警體系，并提出相關對策和建議。

（二）模型假設及符號說明

1.假設BP神經模型的輸入閾值與輸出閾值之間的誤差對神經網絡模型的影響微弱。

2.假設所考慮的10個因素即為大學生心理問題的全部影響因素。

三、心理突發事件影響因素分析

（一）數據預處理

通過信息采集與分析，確定當代大學生心理問題的10個影響因素，分別是學生人際交往問題、學生學習壓力大、學生對大學生活壓力不適、學生受戀愛心理影響、學生對前途渺茫、就業壓力過大、學校缺少一定的心理健康培訓、學生的人際關系緊張、大學環境因素的影響、班主任導師對學生的關懷[1]，這些因素按照順序依次用x1-x10代替。

收集到某高校關于10個影響因素的調查數據，該數據由5個專家針對各影響因素對大學生心理健康影響的打分。

為了能夠更精確的對產生當代大學生心理問題的影響因素進行分析，通過數據預處理，將獲取到的數據進行歸一化處理，處理公式如下所示：

其中 代表第i個因素的第j個專家的打分; 代表第i個因素的所有專家給出打分的最小值; 代表第i個因素的所有專家給出打分的最大值; 代表代表第i個因素的第j個專家打分的歸一化之后的數值。

（二）建立模型

為研究引發這些心理問題的主要影響因素，用主成分分析法對10個影響因素進行分析。

（1）主成分分析法原理

主成份分析是設法將原來眾多具有一定相關性（比如P個指標），重新組合成一組新的互相無關的綜合指標來代替原來的指標。通常數學上的處理就是將原來P個指標作線性組合，作為新的綜合指標。最經典的做法就是用F1（選取的第一個線性組合，即第一個綜合指標）的方差來表達，即Var（F1）越大，表示F1包含的信息越多。因此在所有的線性組合中選取的F1應該是方差最大的，故稱F1為第一主成分。如果第一主成分不足以代表原來P個指標的信息，再考慮選取F：即選第二個線性組合，為了有效地反映原來信息，F，已有的信息就不需要再出現在F：中，用數學語言表達就是要求Cov（F，Fa）=0，則稱F：為第二主成分，依此類推可以構造出第三、第四……第P個主成分。

（2）主成分分析步驟

S1 原始信息進行標準化處理;

S2 計算相關系數矩陣R;

S3 計算相關矩陣R的特征根和特征向量;

S4 計算各主成分的方差貢獻率;

S5 選取主成分量;假如按所選取的m個主因子的信息量之和占總信息量的85%以上，即有m個主因子被提取。

主成份因子模型為：

計算主成分得分和綜合得分，綜合得分越高，系統水平越高，反之系統水平越低。

（三）模型求解

將歸一化之后的數據帶入軟件SPSS21中，使用軟件的降維-因子分析進行主成分分析，

變量相關陣三個最大特征根都大于1，而且它們的方差累計貢獻率為94.844%，這說明前三個主成份提供了原始數據的足夠信息。特征值在某種程度上可以被看成是表示主成分影響力度大小的指標，如果特征值小于1，說明該主成分的解釋力度不如直接引入一個原變量的平均解釋力度大，因此一般可以用特征值大于1作為納入標準。主成分個數提取原則為主成分對應的特征值大于1的前m個主成分。通過方差分解主成分提取3個主成分，即m=3。

x1、x2、x3、x4、x8、x10在第一成分有著較高的成分載荷，說明第一成分基本反映了這些指標的信息。x5、x6、x7在第二成分有著較高的成分載荷，說明第二成分基本反映了這些指標的信息。x9在第三成分有著較高的成分載荷，說明第三成分基本反映了這些指標的信息。

對原始變量標準化，以每個主成分所對應的特征值占所提取主成分總的特征值之和的比例作為權重計算主成分綜合模型：

根據主成分綜合模型即可計算綜合主成分值，并對其按綜合主成分分值進行排序，即可對各因子進行綜合評價比較，結果如下表所示：

由上表可得影響因素的排序，其中影響最大的因素為學生人際交往問題，最小因素的為學校缺少一定的心理健康培訓。

四、心理突發事件評估指標體系

4.1建立模型

將10個影響因素通過軟件分析，得出分為三層主成分，依據軟件分析結果，將指標體系分為三類：第一類為學生自身因素對心理健康問題的影響：學生人際交往問題，學習壓力大，大學生活壓力不適，受戀愛心理影響，人際關系緊張，老師對學生的關懷。第二類為學生就業方面對心理問題的影響：對前途感到迷茫，就業壓力大。第三類為大學環境因素對心理問題的影響：缺少心理健康培訓，大學環境因素影響。

4.2模型求解

（1）指標體系的信度

信度的分析主要是對調查數據的一種數學上的檢驗，主要考察的是數據的一致性和可靠性。采用Cronbach's Alpha系數矩陣數據的可靠性進行信度分析，被觀測的變量主語0.6-0.85之間的認為數據來源可靠，Cronbach's Alpha在0.7-0.8之間，可認為這個數據是很有意義的。

將收集到的數據帶入軟件SPSS21中進行信度分析，結果顯示Cronbach's Alph的值在0.806符合規范，所得數據可靠。

（2）指標體系的效度

采取SPSS21的因子分析功能進行分析，用主成分法來提取因素影響，使用相關系數作為因素抽取基礎，用Bartlett球形分析來檢驗是否相關系數不同并大于0，顯著的球形檢驗表示相關系數滿足要求。KMO系數代表與該變量有關的所有相關系數與凈相關系數的比值，比值越大表示相關性越好，KMO統計需要大于0.5，適合因素分析。效度主要測量的是指標的質量，本研究的KMO&Bartlett檢驗量度為0.551，符合標準，指標質量良好，效度高。

五、心理突發事件監測模型構建

（一）模型建立

依據主成分綜合模型，通過主成分綜合模型所得的每個因素的F值構成一個多元方程模型，如下：

上式中，C為專家對10個影響因素的綜合打分，且范圍為[-10，10]。

將式中的關系式子通過帶入神經網絡模型中進行訓練，可得到訓練模型的一個網絡關系，訓練好的網絡模型即為大學生心理突發事件的監測模型。神經網絡預測模型步驟：

S1 初始化神經網絡預測模型[2]：

對神經網絡模型的連接權值 ， 和閾值 、 分別賦于[0，1]區間內的值。

S2 對神經網絡中隱含層神經節點的輸入 和 進行計算，即：

S7 計算輸出值于期望值得誤差，如果滿足設定精度要求，則神經網絡訓練學習結束，否則轉入步驟S2繼續進行訓練學習。

（二）模型求解

建立神經網絡模型，通過BP神經網絡，應用matlab軟件進行編程，將歸一化處理之后的數據放入網絡中進行訓練，得出訓練的神經網絡誤差小于10-4，說明訓練結果有效。

通過上述神經網絡模型訓練，得到一個關于大學生心理突發事件的監測模型，該模型的輸出結果的范圍的正常值是[-10，10]，網絡模型的誤差結果小于10-2認為網絡的訓練和輸出結果可接受，且有效。為了驗證模型的有效性與穩健性，通過修改各專家對各因素的打分值，并且打分值控制在[0，100]正常范圍內，將修改后的值的歸一化處理。

然后我們將重新修改的值帶入模型中進行仿真訓練，得到如下的訓練結果：

通過神經網絡檢測模型的仿真訓練結果，得到模型仿真訓練的誤差小于10-8，說明仿真訓練的模型結果有效，驗證了模型的有效性。結果范圍都屬于[-10，10]，表明訓練出來的結果屬于正常范圍內波動，仿真訓練的結果驗證了模型的穩健性。

六、結語

大學生心理突發事件監測預警工作是一項非常復雜的系統工程，本文對影響大學生心理問題的10個重點因素進行分析，基于主成分分析法模型和神經網絡監測模型對大學生心理突發事件的監測與預警問題進行了研究，對預警體系構建進行了探索。本文用到的神經網絡監測模型具有非線性映射能力，自學習和自適應能力，泛化能力和容錯能力等優點。但是存在局部極小化問題，神經網絡算法的收斂速度慢，使得算法低效，網絡模型的逼近和推廣能力與學習樣本的典型性密切相關。

參考文獻

[1]錢慧. LN高校學生心理健康教育主要影響因素分析研究[D].華南理工大學，2013.

[2]肖陽. 基于協整理論和人工神經網絡的煤炭價格預測模型[D].西安科技大學，2016.

[3]張勇. 我國大學生心理危機行為的系統分析與管理對策研究[D].合肥工業大學，2018.

【作者簡介】王雪瑩（2001，2—），女，漢族，北京通州人，本科學歷，中國石油大學（北京）學生，研究方向：信息管理與信息系統