基于分層多元降維分析模型的亞健康診斷與評價

皇甫姣

（寧波大紅鷹學院 體育部，浙江 寧波 315175）

隨著社會轉型的深入和社會壓力的增大，人們對健康問題的認識有了質的變化。20世紀80年代初前蘇聯學者布西赫曼根據人的身體和心理方面表現出的疲勞狀態首次提出“第三狀態”這一概念后，傳統的“生物醫學模式”向現代的“生物-心理-社會醫學模式”轉變的趨勢為越來越多的學者所認可。醫學專家將健康稱為人體“第一狀態”，把身患疾病稱為人體“第二狀態”，把介于二種狀態之間非病非健康狀態稱之為“第三狀態”，又叫“亞健康狀態（Sub-health symptoms）［1］”。健康科學領域內健康概念的內涵性更替推動了研究者對于健康狀態測量工具的思考，雖然一個理想的健康指標可以概括個體的主、客觀層面的健康狀況，不少研究者仍然指出，尋求一個完全有效和可靠的健康量度指標是十分困難的［2］。健康與疾病是兩個互不兼容又十分明確的概念，但在現實生活中人們卻很難用這二個概念來準判斷自己的健康狀態。雖然WHO 定義的健康是身體、心理及社會適應的良好狀態，然而在健康尺度的操作層面上，健康與疾病的量化意義在多數情況下是不對稱的。日本學者德永認為，專家們致力于研發的有關健康的測量工具，與其說是針對健康狀況的，還不如說測量涉及的內容更多的是個體在各種生物醫學和社會條件的制約下，個體面臨的健康受損風險，即個體的亞健康狀況［3］。從方法論操作思路上考慮，厘清從疾病→亞健康→健康鏈上各環節的維度結構，準確診斷與評價亞健康狀態是引導主體精確定位健康行為方式的關鍵步驟。

本研究需要探索解決的問題是，實證性地建立一個非常有效的測量工具，即亞健康診斷量表（Sub-health Check List，SCL），以改變以往主觀自評量表的泛濫和可信度缺失的狀況［5］；這需要我們對以往的研究方法有所創新，一方面盡可能廣泛深入地收集適用人群的亞健康狀態的相關信息，同時，需要建立一個全新的數學分析模型，從非常復雜的變量關系中，通過嚴密的多元降維分析程序逐步分層分類篩選對亞健康狀態具有高度解釋能力的因子，為準確診斷與評價亞健康狀態構建一個科學的測量工具。

1 研究對象與方法

1.1 研究對象

本研究的調查分二次實施，研究對象的分布情況如下：

①初次調查實施對象為寧波大學、寧波大紅鷹學院1～4年級大學生428 名（其中男大學生204 名，女大學生224名），企事業在職28～52歲員工64名（其中男性31名，女性33名），兩者合計492名。實際回收有效調查表423份，有效回收率86%；

②第二次調查實施對象為寧波大學等八所大學1～4年級大學生1 116名（其中男大學生538名，女大學生578名），企事業在職24～56 歲員工338 名（其中男性142 名，女性196名），兩者合計1 454名。經資料整理剔除答案缺省不全306份，實際回收有效量表1 148份，有效回收率79%。

1.2 亞健康狀態調查內容的來源與設置

1.2.1 初次調查內容的來源和設置。①通過收集相關文獻資料和前期研究的測量工具，提取與亞健康狀態相關的內容；②采用自由記述法對企事業在職職工和在校大學生進行書面詢問調查，調查內容是“您所了解的亞健康狀態包括哪些方面和行為方式？”、“近期您是否在身體、心理與社會交往等方面存在一些亞健康現象，其主要癥狀是什么？”

對上述二方面調查所得結果進行邏輯分析，初步抽出與亞健康狀態在身體、心理與社會等方面相關的內容共計51個項目。

1.2.2 第二次調查內容的來源與設置。通過對初次調查抽出的51個項目進行項目分析和篩選，排除與亞健康狀態內部結構不相一致的3個項目，采用五段應答法將所剩48個項目從“0＝幾乎不符合”過渡到“4＝完全符合”進行排列，組成第二次調查量表。

1.3 調查實施

1.3.1 大學生調查委托各任課老師實施，企事業員工調查委托企事業人事部門、健身俱樂部教練員和社區居委會實施。

1.3.2 調查日期。初次調查日期為2010年4月-10月；第二次調查日期為2012年4月～7月。

1.4 分析方法和程序

1.4.1 建立變量分析模型。根據輸入變量的特性及量表內部結構形成的不同組合方式，運行了三類數學分析模型：

①項目分析。采用Pearson相關法計算個體合計總分與項目得分之間的相關系數并作顯著性檢驗，以分析項目的內部結構一致性程度［4］。

②主成分分析。采用分層多元降維（Dimension Reduction）分析模型進行二次主成分分析，其思路是：首先，對48項因子作方差最大旋轉（Varimax），根據因子分析結果保留特征值大于1的主成分數為3。進而再次對48項因子作提取3個公共因子的降維處理，從中抽取載荷值較大的因子，并根據主成分載荷矩陣對主成分命名；其次，因3個主成分內含因子數較多，因而再次分別對3個主成分所含因子作第二次主成分分析的降維處理，進一步分解3個主成分的下位因子結構，并分別命名［5］。

③區分效度分析。對亞健康診斷量表效度的檢驗采用高低分組方法檢測區分效度D 值的顯著性意義，并根據美國測驗專家R.L.Ebel提出的鑒別指數進行效度評價［6］。

1.4.2 數理統計。變量數據均由SPSS17.0統計分析軟件處理。

表1 項目內部一致性分析

表2 旋轉后因子行列

2 結果與分析

2.1 項目內部一致性分析

為檢驗亞健康量表內部一致性，本研究通過Pearson相關法計算并檢驗被試的項目合計總分與各項目得分之間的相關關系。如表1所示，除了原編號為28、46、47項目相關值較小且無統計意義外，其它項目均有1%～5%水平的顯著性意義。由此，可以對原編號為28、46、47 的項目作排除處理，因而實際有效項目為48項。

2.2 亞健康主成分分析與命名

在盡可能保存原有資料信息的前提下將原有48個項目重新組成新的少數幾個綜合因子即主成分，并剔除一些次要因素。本研究首先將48個項目全部納入因子分析模型，進行方差最大旋轉，并根據初始分析結果，決定主成分維度。表2所示的是旋轉后因子行列，在主成分載荷矩陣（Component Matrix）中，給出了主成分載荷系數，每一列載荷值都是各個項目與有關主成分的相關系數。同時，主成分載荷矩陣給出了按順序排列的主成分得分方差，在數值上等于相關系數矩陣的各特征根，表中提取的前3個公共因子的特征根值均大于1，分別為第一主成分13.225、第二主成分11.282和第三主成分8.882，對應的方差貢獻率分別為27.55%、23.50%和8.51%，解釋了總方差的69.56%。

根據主成分載荷矩陣中所含因子的性質及專業判斷，可以將第一主成分命名為“身體亞健康”，第二主成分命名為“心理亞健康”，第三主成分命名為“社會亞健康”（見表2），可視為亞健康的3個分量表。

2.3 下位因子主成分分析

由表2看出，3個主成分內含的因子數較多，相對來說，這些因子所表達的傾向性意義還不是十分清晰，因而有必要進一步對3個主成分進行下位因子主成分降維處理。

表3 旋轉后身體亞健康下位因子行列

2.3.1 身體亞健康下位因子主成分分析與命名。下位因子主成分分析結果如表3，“身體亞健康”內含的16項因子經方差最大旋轉，給出的主成分載荷矩陣顯示，提取的按順序排列的前2個共公因子特征根值均大于1，分別為第一主成分5.712、第二主成分4.988，對應的方差貢獻率為35.70%和28.11%，解釋了“身體亞健康”63.81%的總方差。在第一主成分上載荷較大，即與第一主成分的相關程度較高的因子是原編號為3、9、15、43、27的項目；在第二主成分上載荷較大，即與第二主成分相關程度較高的因子是原編號為5、41、17、23、29的項目。根據命名法則，將“身體亞健康”內含的第一主成分命名為“身體疲乏”，第二主成分命名為“睡眠障礙”，是“身體亞健康”的2個下位因子，分別內含5個項目。

2.3.2 心理亞健康下位因子主成分分析與命名。表4所示，“心理亞健康”內含的15項因子經方差最大旋轉，給出的主成分載荷矩陣表明，按順序排列提取的前2個共公因子特征根值均大于1，第一主成分為6.786、第二主成分4.253，分別對應的方差貢獻率為45.24%和28.39%，解釋了“心理亞健康”73.63%的總方差。從表2看出，原編號為1、7、13、45、37的項目在第一主成分上載荷較大，原編號為19、4、10、51、31的項目在第二主成分上載荷較大。根據命名法則，可以將“心理亞健康”內含的第一主成分命名為“焦慮不安”，第二主成分命名為“精力渙散”，是“心理亞健康”的2個下位因子，分別內含5個項目。

2.3.3 社會亞健康下位因子主成分分析與命名。表5表明，“社會亞健康”內含的17個項目經方差最大旋轉，按順序排列提取的前2個共公因子特征根值均大于1，第一主成分為5.954、第二主成分4.776，對應方差貢獻率為35.03%和28.10%，解釋了“社會亞健康”總方差的63.13%。從表5看出，原編號為2、14、20、8、32的項目在第一主成分上載荷較大，原編號為24、18、50、6、12的項目在第二主成分上載荷較大。可以將“社會亞健康”內含的第一主成分命名為“孤獨回避”，第二主成分命名為“交際緊張”，是“社會亞健康”的2個下位因子，分別內含5個項目。

2.3.4 亞健康診斷量表的基本結構與編制。依據表3、4、5分析結果形成的量表框圖如表6所示，亞健康量表由身體亞健康、心理亞健康和社會亞健康三個分量表構成。分量表各含二個下位因子，內含5個項目，經重新編碼組成總長度為30個項目的亞健康診斷量表。實際測量時，可采用五段應答法將30個項目從“0＝幾乎不符合”過渡到“4＝完全符合”進行排列，量表合計總分寬度為0～120分，得分越高亞健康程度越高，健康風險也就越大，反之就越低。

表4 旋轉后心理亞健康下位因子行列

表5 旋轉后社會亞健康下位因子行列

表6 亞健康診斷量表SCL的多元分層結構框圖

2.3.5 區分效度檢驗。經過項目分析、分層主成分分析所組成的亞健康診斷量表在實際測量中應具有很好的區分效度。根據效度檢驗原理，本研究采用高低分組方法檢測區分效度D 值的顯著性意義，并根據美國測驗專家R.L.Ebel提出的鑒別指數進行效度評價。如表7顯示，亞健康診斷總表和3個分量表的區分效度均達到優良程度。

表7 區分效度檢驗（N＝1 148）

表8 亞健康診斷與評價

2.4 亞健康狀態的診斷與評價

依據測量結果建立一個診斷與評價亞健康程度的標準，可采用高低分組方法對理論分布值的高、低分兩端各25%的數據作劃分的節點，其分類結果如表8所示。通常情況下，在測量數據滿足正態分布的條件下，理論上將會有25%的被試具有較高的健康風險，中度健康風險的人群占50%，低健康風險人群將占25%。上述對亞健康狀態的理論分布進行健康風險分類，為細分診斷亞健康狀態提供了量化標準，也為科學評價健康風險精確定位健康行動方式提供參考。

3 結 論

3.1 經項目分析與篩選組成的48個項目，通過主成分分析抽取的3個主成分分別命名為“身體亞健康”、“心理亞健康”和“社會亞健康”，可視為亞健康的3個分量表。

3.2 經對3個分量表作下位因子主成分降維處理，進一步分解出各分量表的下位因子并命名，即“身體亞健康”內含“身體疲乏”和“睡眠障礙”；“心理亞健康”內含“焦慮不安”和“精力渙散”；“社會亞健康”內含“孤獨回避”和“交往緊張”，下位因子各含5 個項目；經重新編碼組成亞健康診斷量表（Sub-health Check List，SCL），測量總長度為30個項目。

3.3 通過區分效度檢驗，亞健康診斷量表與分量表均具有非常優良的區分效度，表明總表或各分量表對亞健康整體性診斷或局部分類性診斷均有可信有效的解釋力。

3.4 依據高低分組方法對亞健康的理論分布進行健康風險分類，為細分診斷亞健康狀態提供了量化標準，也為科學評價健康風險精確定位健康行動方式提供參考。

3.5 本研究提供的亞健康診斷量表適用對象為18～60歲范圍的成人，未成年或老年人使用本量表是否具有信度和效度有待進一步驗證。

［1］Steptoa，B.（1997）.Some correlates of self-rated health for Australian women.American Journal of Public Health，1997，87（6）：951-956.

［2］曾毅，柳玉芝，張純元.健康長壽影響因素分析［M］.北京：北京大學出版社，2004：55.

［3］九州大學健康科學センタ-.健康の科學［M］.日本學術圖書出版社，1989：25.

［4］王孝玲.教育測量［M］.上海：華東師范大學出版社，1989：37.

［5］章文波.實用數據統計分析及SPSS12.0應用［M］.北京：人民郵電出版社，2006：248.

［6］黃光揚.教育測量與評價［M］.上海：華東師范大學出版社，2002：78-79.