大學生抑郁的潛在剖面分析及其與焦慮的關系

摘要：

為探究突發公共衛生事件中大學生抑郁水平的類別分布和焦慮及人口統計學變量對抑郁的預測作用，采用癥狀自評量表（SCl90）對18 670名大學生的抑郁和焦慮癥狀進行問卷調研。研究結果表明，大學生抑郁水平存在低、中、高3個亞類別，大學生的焦慮在抑郁的預測中具有顯著作用，焦慮水平越高，大學生的抑郁水平越高；性別、生源地、單親家庭情況、家庭教養方式等人口統計學因素均對大學生的抑郁水平存在顯著影響。

關鍵詞：

心理健康；抑郁；焦慮；潛在剖面分析

中圖分類號：B849

文獻標志碼：A

隨著突發公共衛生事件逐步得到控制，人類進入與病毒共存的時代[1]，社會環境的不斷變化會給大學生的心理健康帶來持續的影響[2]。就業市場復蘇緩慢、社會支持網絡恢復滯后以及學習方式由線上學習再度轉向線下教育等問題均對大學生的心理健康產生強烈影響[3]，大學生的心理健康問題已成為社會和學術界廣泛關注的焦點。大學生正處于心理和道德的關鍵轉折時期，生活環境變化大、節奏快，受到內外環境的雙重影響，容易抱有消極態度，是抑郁高發的群體。《中國國民心理健康發展報告（2019—2020）》指出，約185%的大學生存在抑郁傾向，約42%有抑郁高風險傾向。一項元分析證實，突發公共衛生事件中全球普通人群中抑郁的患病率為337%[4]，追蹤研究發現，大學生抑郁發生率由146%增長至2209%，增長率為1 41301%[5]，缺乏有效的應對措施導致學生群體出現了大面積負面情緒，嚴重威脅身心健康[6]。突發公共衛生事件結束后，居民的抑郁和焦慮檢出率較高，且二者間表現出較強的共現性[7]。而青少年心理健康工作是關系國家和民族未來的重要公共衛生問題，也是健康中國建設的核心要務[8]。因此，開展大學生抑郁癥狀的相關研究是實現抑郁情緒高效化識別和個性化干預的重要途徑，也是學生心理健康檔案化管理的重要探索。抑郁是指個體受內外環境影響引發的復合情緒，使個體產生不適感、沮喪感，使反應力下降，阻礙個體成長，影響個體社會適應功能[910]。抑郁不僅影響個人的思維、自我感知、人際交往和身體機能狀態，還給個人帶來巨大壓力，引發睡眠障礙，食欲缺乏乃至自我傷害等嚴重不良反應[1112]。突發公共衛生事件期間，抑郁的發生率居高不下，來自不同國家的研究顯示，青少年群體的抑郁發生率極高[13]，突發公共衛生事件加劇了抑郁的負面影響[6， 14]，尤其是大學生群體，因此，加強對學生群體的心理健康檔案化管理，及時甄別學生心理健康狀態尤為關鍵。焦慮是個體面對危急情境過度擔心的一種情感反應，是緊張、不安、憂慮、恐懼、擔憂等一系列高喚醒復雜情緒狀態的綜合。焦慮水平高的人容易感受到生活中的壓力[15]，增加心理健康問題的風險，更可能出現心理障礙[16]。研究證實，大學生的焦慮、抑郁情緒具有較高的共存率[10]，近四成的抑郁癥患者同時患有焦慮癥[17]。焦慮會提高個體外界壓力的感知閾限，導致更多的注意分配給消極信息，限制個體認知資源的合理調用[18]。因此，焦慮對抑郁具有持久而深遠的影響。生態系統理論指出，性別、地區等一系列人口統計學因素同樣是抑郁的重要影響因素[1920]。在突發公共衛生事件中，抑郁水平存在顯著的性別差異[2122]，女性比男性具有更嚴重的抑郁癥狀[4]，大學生的抑郁水平存在地域差異[5]。基于此，探究大學生抑郁水平的人口統計學因素影響機制是檔案化管理大學生情緒水平、助力大學生心理健康成長的重要途徑。現階段，鮮見針對突發公共衛生事件中大學生抑郁情緒評估體系的研究，且評定結論主要依賴于問卷測量得分，對抑郁的分類標準及其影響機制的探討尚不充分，少有針對抑郁的源頭影響因素進行探究。本文通過潛在剖面分析（Latent Profile Analysis， LPA）探究大學生抑郁情緒的分類標準及其與人口統計學因素的關聯，為重點學生的追蹤提供相關的實證依據。

1 研究對象及方法

1.1 研究對象

選取來自全國30個省（自治區、直轄市）的大學生作為研究對象，面向22 567名大學生發放問卷，收集大學生的焦慮、抑郁和人口統計學相關數據，在剔除缺失率超過4%和重復作答的問卷后，回收有效問卷18 670份，有效回收率8273%，見表1。流失被試與繼續參與被試除在性別方面存在差異外（plt;005），在焦慮、抑郁等主要研究變量上均不存在顯著差異（psgt;005），因此，缺失數據不影響研究結果。本研究符合《赫爾辛基宣言》的道德標準，且通過所在高校倫理委員會審批，在告知研究目的后，所有參與者均自愿參與。

1.2 研究工具

1.2.1 焦慮 分析時采用SCL90的焦慮分量表[2324]，Cronbach's α系數取092，共包含10個項目，問卷以5分制評定：“1=不”“2=輕度”“3=中度”“4=相當重”“5=嚴重”。驗證性因素分析結果顯示，量表的結構良好（CFI=098，TLI=097，RMSEA=003，SRMR=003）。

1.2.2 抑郁 分析時采用SCL90的抑郁分量表[2324]，Cronbach's α系數取089，共包含13個項目，問卷以5分制評定：“1=不”“2=輕度”“3=中度”“4=相當重”“5=嚴重”。驗證性因素分析結果顯示，量表的結構良好（CFI=097，TLI=096，RMSEA=004，SRMR=003）。

1.3 數據分析

數據分析與處理采用SPSS 260對抑郁和焦慮進行描述統計、相關分析、方差分析，用Mplus83進行潛在剖面分析和logistic回歸分析，模型估計采用穩健最大似然法（MLR），全信息最大似然法（FIML）處理缺失值[25]。

2 研究結果

2.1 共同方法偏差

研究采用Harman單因素檢驗法[26]，針對測量項目進行因子分析，結果顯示，共有6個因子的特征根大于1，因子貢獻度最大為3612%，不超過40%的臨界值。因此，本文的共同方法偏差不嚴重。

2.2 描述統計及相關分析

通過SPSS260分析數據，變量的平均數、標準差等相關結果見表2。大學生的抑郁與焦慮（r=077，plt;0001）、年齡（r=002，p=0025）存在顯著的正相關，與性別（r=-006，plt;0001）、生源地（r=-002，p=0017）、家庭情況（r=-004，plt;0001）、家庭經濟狀況（r=-006，plt;0001）和家庭教養方式（r=-011，plt;0001）存在顯著負相關；大學生的焦慮與性別（r=-003，plt;0001）、家庭情況（r=-004，plt;0001）、家庭經濟情況（r=-006，plt;0001）和家庭教養方式（r=-009，plt;0001）存在顯著負相關。

2.3 大學生抑郁的潛在剖面分析

為探究大學生抑郁的亞類別，以大學生在抑郁量表的得分作為指標建立潛在剖面分析模型，將抑郁的潛在類別依次設為1到5類，不同類別數目的擬合指數見表3。模型擬合檢驗指標主要有：赤池信息準則（AIC）、貝葉斯信息準則（BIC）、樣本量調整貝葉斯信息準則（aBIC）、熵值（Entropy）、LoMendellRubin似然比檢驗（LMRT）和Bootstrap似然比檢驗（BLRT）。AIC、BIC、aBIC越小，模型擬合度越好[27]。LMR和BLRT的p值達到顯著水平則表明K類別模型優于K-1類別模型[28]，Entropy大于08，表明準確率超過90%[29]。

結果表明，潛在類別15的Entropy值均超過了08，證明模型分類具有較高的準確度，需結合BLRT指數進一步比較。表3中，5個分類模型的BLRT檢驗值均達到顯著水平（plt;0001），潛在類別的數量越多，模型的擬合度越好。然而，5類別和4類別模型中，人數比例最小的類別組分別占總體的3%和2%，小于研究者認可的最小類別組人數比例的5%[30]。本文主要比較2類別和3類別模型的參數指標。基于信息指數角度，3類別模型的AIC、BIC和aBIC數值更小，證明該模型更為精細地區分了抑郁情緒的類別。因此，選擇3類別模型為最佳模型，即大學生抑郁樣本存在3個類別。

分析大學生抑郁的3類別模型在焦慮量表的作答結果（圖1），發現3者間存在顯著差異。3類別模型中的第一類學生在焦慮各條目的得分處于最低位置，抑郁情緒較低，故命名為“低抑郁型”，共有13 601人，占總樣本的73%；第二類大學生得分穩定，位置居中，多數條目得分在3分左右，抑郁水平適中，故命名“中抑郁型”，共有3 924人，占總樣本的21%；第三類大學生在各條目的得分偏高，故命名為“高抑郁型”，數量最少，僅有1 145人，占總樣本的6%。

采取方差分析探究大學生抑郁的潛在分類是否具有差異性，分別比較不同類型學生的焦慮情況。由表4、5可知，不同抑郁類型大學生在焦慮上的得分差異具有顯著差異。事后檢驗發現，焦慮水平的情緒為高抑郁組高于中抑郁組，中抑郁組高于低抑郁組。

2.4 焦慮和人口學變量與抑郁的關系

在確保3類別模型為最佳模型的基礎上，加入預測變量（性別、年齡、生源地、家庭經濟情況、獨生子女情況、單親家庭情況、家庭教養方式及焦慮情況），以確定抑郁與焦慮和人口統計學因素的關系。使用R3STEP進行多項式logistic回歸分析，低抑郁組作為對照組。將大學生抑郁的3個潛在類別作為因變量，預測變量作為自變量，結果見表6。可知，年齡、家庭經濟情況、獨生子女情況對大學生抑郁類別沒有預測作用；性別、生源地、單親家庭情況、家庭教養方式、焦慮對大學生抑郁類別有預測作用，且具有統計學意義。

3 討論

研究結果表明大學生抑郁水平存在低、中和高3個類別，焦慮水平越高，大學生的抑郁水平越高，性別、生源地、單親家庭情況、家庭教養方式等人口統計學因素均對大學生的抑郁水平存在顯著影響。

3.1 大學生抑郁的潛在類別

大學生抑郁情緒具有明顯的類別特征。通過潛在剖面分析，“低抑郁組”學生的焦慮得分較低，抑郁情緒未達到顯著水平，日常生活中不需要過度關注。“中抑郁型”的學生占總體的21%，焦慮情緒位于中等水平，具有輕微抑郁問題，需要心理檔案管理過程中給予關注，及時干預并提供適當心理援助，避免其轉變為重度抑郁。“高抑郁型”占6%，抑郁和焦慮得分均較高，心理健康水平較差，在檔案管理過程中應重點關注，并進行個性化指導。

3.2 焦慮水平對大學生抑郁類別的預測作用

大學生的焦慮與抑郁具有較高的共存率[14]，焦慮水平較高的個體會出現抑郁[31]。研究發現，大學生的焦慮水平能顯著預測其抑郁水平，伴隨著焦慮水平的提高，中抑郁組和高抑郁組的抑郁水平均顯著提高，高抑郁組的增長速率顯著高于中抑郁組。焦慮水平高的人更容易感受到生活中的壓力[15]，面對困難情境時，往往容易以悲觀視角看待問題，將更多的注意分配給負性信息，限制個體認知資源的調用[18]，難以適應困難和壓力，容易出現抑郁情緒。

3.3 人口統計學因素對大學生抑郁類別的預測作用

Logistic回歸分析表明，性別、生源地、單親家庭情況、家庭教養方式對大學生抑郁情緒的潛在類別具有顯著影響效應。

性別已經被確定為心理健康的預測因素之一，女生的抑郁水平顯著高于男生，更容易出現焦慮和抑郁癥狀，易于受到外界環境的負面影響[32]。性別差異通過不同的社會角色期望和情感表達方式等途徑影響大學生的抑郁癥狀，相對于男生，女性的情感較為脆弱，情緒穩定性較差，負性情緒出現的可能性更大。

在生源地的相關考察中，中抑郁組農村學生的抑郁水平顯著高于城市學生，研究結果與《2022年大學生心理健康狀況調查報告》一致。生源地的差異與個體的文化適應能力、經濟壓力和家庭支持等因素密切相關，與城市相比，農村基礎醫療資源不足，基層公共衛生預防能力較弱，隨著人們對突發公共衛生事件認識的提升和相應配套政策的出臺，城市學生群體的抑郁水平出現明顯好轉，但是農村基礎設施問題薄弱的現實問題受突發公共衛生事件的持續影響而被放大，導致抑郁在生源地維度存在差異。

分析家庭情況，中抑郁組和高抑郁組中，單親家庭學生的抑郁水平顯著高于非單親家庭。單親家庭可能存在家庭的支持功能不健全，父母陪伴教育缺位以及家庭功能弱化使大學生缺乏安全感、自信和解決問題的能力較差，若不能及時疏導各種負面情緒，容易使個體處于抑郁狀態[3334]。

分析家庭教養方式，專制型家庭學生的抑郁情況顯著高于民主型家庭，民主型家庭的教養方式常以鼓勵、理解為主，批評、控制較少，學生在家庭教育過程中容易感受到來自父母的情感溫暖[3536]，更容易激發積極情緒，抑制消極情緒。

4 建議

本文研究結果契合生態系統理論，將大學生的心理健康嵌套于相互影響的一系列環境系統中，而學校、輔導員和心理健康教師屬于對個體影響最為直接的微系統范疇，其與個體的交互是個體心理與行為發展的重要驅動力。

學校應加強對學生的心理干預，提升其適應能力。通過定期的心理健康評估、匿名線上自評工具和心理咨詢服務等方式幫助學生及時識別并干預焦慮情緒，增強學生的適應性，以積極的方式應對壓力情境。系統性的心理健康課程的開設也極為重要，通過開展壓力管理課程，能夠有效幫助大學生提升對消極情緒變化的感知能力，不僅有助于直接改善學生的抑郁情緒狀態，還能夠通過減少焦慮進而對抑郁產生保護作用。

輔導員應加強個性化指導，精準關懷特殊群體學生。在入學初期建立起規范、健全的心理檔案管理體系，與個體因素契合抑郁情緒風險因素的學生進行面談交流，對高風險群體提供定制化心理干預，如針對經濟條件較差的學生建立輔助支持小組，提供情感和經濟支持，對來源地差異的學生開展團體輔導，幫助學生適應大學環境，減少文化沖擊和適應性問題帶來的心理困擾。

心理健康教師應優化校園心理健康氛圍，培育心理韌性。在保障個體咨詢正常進行的前提下，注重心理健康的校園環境氛圍建設，通過設置心理健康宣傳欄、舉辦心理健康月、健康周等系列活動，讓學生更加了解心理干預的重要性，鼓勵學生主動、自發地尋求心理援助，合理地應對消極情緒，在有效緩解消極情緒的同時培養學生的心理韌性，為他們的學業和生活提供更有力的支持，建立一個支持性更強的校園心理健康生態系統，有效幫助學生減輕焦慮和抑郁癥狀，提高整體心理健康水平。

5 結論

本文基于潛在剖面分析識別大學生抑郁水平的群體結構，將大學生的抑郁劃分為低、中、高3種類型，高抑郁水平的學生面臨著更為嚴重的情緒調節困難和社會支持不足等問題，存在出現自殺和自傷行為的風險，而低抑郁水平的學生則處于抑郁的早期狀態，具備較好的干預潛力。抑郁水平受到情緒因素和人口統計學因素的雙重影響，焦慮等同源的消極情緒是大學生的抑郁水平的顯著消極影響因素。性別、生源地、單親家庭狀況及家庭教養方式等人口統計學因素對抑郁類型的區分同樣存在著重要影響。本文研究樣本主要集中于大學生群體，普適性有待進一步驗證，未來應擴大到中小學階段，并考慮更多因素，如學科類型、早期經驗和人際交往等，以更全面理解大學生抑郁的成因，完善心理健康管理機制。

參考文獻

[1]趙旸頔，胡加祥.后疫情時代貿易融資數字化轉型的制度保障及中國因應[J].國際經濟法學刊，2022（4）：95110.

[2]謝東杰，蘇彥捷，謝愛武，等.后疫情時代我國青少年的網絡行為問題風險及其應對策略[J].應用心理學，2024，30（5）：442456.

[3]王寓凡，劉飛.內卷化就業市場中青年大學生的替代性職業選擇研究[J/OL].中國大學生就業，112[20241010].http：//kns.cnki.net/kcms/detail/11.4028.D.20241126.1405.030.html.

[4]SALARI N， HOSSEINIANFAR A， JALALI R， et al. Prevalence of stress， anxiety， depression among the general population during the COVID19 pandemic： A systematic review and metaanalysis[J]. Globalization and Health， 2020， 16： 111.

[5]WU S， ZHANG K， PARKSSTAMM E J， et al. Increases in anxiety and depression during COVID19： A large longitudinal study from China[J]. Frontiers in Psychology， 2021， 12： 706601.

[6]PENG M， MO B R， LIU Y S， et al. Prevalence， risk factors and clinical correlates of depression in quarantined population during the COVID19 outbreak[J]. Journal of Affective Disorders， 2020， 275： 119124.

[7]劉小暢，程桂榮，李春利，等.后疫情時代居民焦慮、抑郁和失眠現狀及疫情相關影響因素[J].中華疾病控制雜志，2024，28（6）：709713+735.

[8]郭菲，蔡悅，王雅芯，等.新冠肺炎疫情下民眾的情緒健康和社會心態現狀[J].科技導報，2020，38（4）：6876.

[9]石英華， 魏萍. 大學生抑郁情緒與成人依戀的關系研究[J]. 中國健康心理學雜志， 2007， 15（12）： 10661067.

[10] BAUMEISTER R F， CAMPBELL J D， KRUEGER J I， et al. Does high selfesteem cause better performance， interpersonal success， happiness， or healthier lifestyles？[J]. Psychological Science in the Public Interest， 2003， 4（1）： 144.

[11] FELGER J C， HAROON E， MILLER A H. Risk and resilience： Animal models shed light on the pivotal role of inflammation in individual differences in stressinduced depression[J]. Biological Psychiatry， 2015， 78（1）： 79.

[12] OXFORD R L. Ritual， depression and beyond， and on the death of Sophia[J]. Journal of Poetry Therapy， 2015， 28（1）： 5361.

[13] CHEN F P， ZHENG D， LIU J， et al. Depression and anxiety among adolescents during COVID19： A crosssectional study[J]. Brain， Behavior， and Immunity， 2020， 88： 3638.

[14] ADAMS G C， BALBUENA L， MENG X F， et al. When social anxiety and depression go together： A population study of comorbidity and associated consequences[J]. Journal of Affective Disorders， 2016， 206： 4854.

[15] BROSSCHOT J F， GERIN W， THAYER J F. The perseverative cognition hypothesis： A review of worry， prolonged stressrelated physiological activation， and health[J]. Journal of Psychosomatic Research， 2006， 60（2）： 113124.

[16] MENNIN D S， FRESCO D M， HEIMBERG R G， et al. Screening for social anxiety disorder in the clinical setting： Using the liebowitz social anxiety scale[J]. Journal of Anxiety Disorders， 2002， 16（6）： 661673.

[17] KESSLER R C， SAMPSON N A， BERGLUND P， et al. Anxious and nonanxious major depressive disorder in the World Health Organization World Mental Health Surveys[J]. Epidemiology and Psychiatric Sciences， 2015， 24（3）： 210226.

[18] DERAKSHAN N， SMYTH S， EYSENCK M W. Effects of state anxiety on performance using a taskswitching paradigm： An investigation of attentional control theory[J]. Psychonomic Bulletin amp; Review， 2009， 16： 11121117.

[19] EISENBERG D， GOLLUST S E， GOLBERSTEIN E， et al. Prevalence and correlates of depression， anxiety， and suicidality among university students[J]. American Journal of Orthopsychiatry， 2007， 77（4）： 534542.

[20] ZHAO H， HE X， FAN G， et al. COVID19 infection outbreak increases anxiety level of general public in China： Involved mechanisms and influencing factors[J]. Journal of Affective Disorders， 2020， 276： 446452.

[21] ELBAY R Y， KURTULMU"A， ARPACIOGˇLU S， et al. Depression， anxiety， stress levels of physicians and associated factors in COVID19 pandemics[J]. Psychiatry Research， 2020， 290： 113130.

[22] MAZZA M G， LORENZO R D， CONTE C， et al. Anxiety and depression in COVID19 survivors： Role of inflammatory and clinical predictors[J]. Brain Behavior and Immunity， 2020， 89： 594600.

[23] DEROGATIS L R， LIPMAN R S， COVI L. SCL90： An outpatient psychiatric rating scalepreliminary report[J]. Psychopharmacology Bulletin， 1973， 9（1）： 1328.

[24] WANG Z. The selfreport symptom inventory， symptom checklist90， SCL90[J]. Shanghai Archives of Psychiatry， 1984， 2（2）： 6870.

[25] ENDERS C K. Applied missing data analysis[M]. New York： Guilford Publications， 2022.

[26] PODSAKOFF P M， MACKENZIE S B， LEE J Y， et al. Common method biases in behavioral research： A critical review of the literature and recommended remedies[J]. Journal of Applied Psychology， 2003， 88（5）： 879903.

[27] NYLUND K， BELLMORE A， NISHINA A， et al. Subtypes， severity， and structural stability of peer victimization： What does latent class analysis say？[J]. Child Development， 2007， 78（6）： 17061722.

[28] JUNG T， WICKRAMA K A. An introduction to latent class growth analysis and growth mixture modeling[J]. Social and Personality Psychology Compass， 2008， 2（1）： 302317.

[29] 邱皓政， 林碧芳. 結構方程模型的原理與應用[M]. 北京： 中國輕工業出版社， 2009.

[30] 溫忠麟，謝晉艷，王惠惠.潛在類別模型的原理、步驟及程序[J].華東師范大學學報（教育科學版），2023，41（1）：115.

[31] 史秀莉，亢玉，陳晨，等.心衰住院患者焦慮抑郁共病及其相關因素的研究[J].四川大學學報（醫學版），2017，48（3）：435440.

[32] XIONG J， LIPSITZ O， NASRI F， et al. Impact of COVID19 pandemic on mental health in the general population： A systematic review[J]. Journal of Affective Disorders， 2020， 277： 5564.

[33] 鄧淇尹.家庭結構對高職院校農村生源大學生心理健康的影響研究[J].教育科學論壇，2023（30）：6770.

[34] 王鋒，張遠才，邱建華，等.家庭結構變故對大學生抑郁焦慮壓力癥狀的影響[J].中國學校衛生，2022，43（2）：251255.

[35] 楊艷，楊德蘭，郭俊偉，等.抑郁癥患者家庭環境和父母教養方式的研究[J].重慶醫科大學學報，2008（4）：469471.

[36] 陳曉，陶葉娟.父母比較式教養及其與青少年自尊和抑郁的關系[J].中國健康心理學雜志，2016，24（6）：907912.