大學生神經質縱向預測攻擊行為的時間路徑模型：敵意歸因偏向和憤怒沉浸的雙向中介作用*

朱文鳳 夏凌翔

(1 教育部人文社會科學重點研究基地天津師范大學心理與行為研究院，天津 300387) (2 天津師范大學心理學部，天津300387) (3 學生心理發展與學習天津市高校社會科學實驗室，天津 300387) (4 西南大學心理學部，重慶 400715)

1 引言

攻擊行為（aggressive behavior）是指有意對他人造成實質性傷害的行為（Anderson & Bushman,2002）。攻擊行為會帶來很多負面影響，如會威脅大學生（尤其是攻擊受害者）的身心健康，會使攻擊受害者（如，被欺凌者）更容易產生抑郁和焦慮等消極情緒，更容易出現自傷行為和人際關系問題（陳紅, 李藝, 李運端, 范翠英, 2020; 任躍強,高峰強, 韓磊, 2018）。因此大學生攻擊行為的影響因素和形成機制值得探明，以便對其進行針對性的預防和干預。

神經質作為大五人格模型的子維度，反映了個體體驗負性情緒的傾向。先前理論和實證研究均表明神經質可能是引起攻擊行為的重要人格變量，是攻擊行為的風險因素之一（Anderson &Bushman, 2002; Barlett & Anderson, 2012; Li et al.,2020）。但目前神經質影響攻擊行為的心理機制還不清楚，探明該問題將為高神經質個體攻擊行為的預防和干預提供一定的參考依據。

一般攻擊模型認為輸入變量（如神經質）要通過路徑變量來引發攻擊，并將路徑變量定義為當前的內部狀態（Anderson & Bushman, 2002）。本研究認為，可以從時間角度將路徑變量進一步劃分為事中因素（in-process factors）和事后因素（post-process factors）兩種。事中因素和事后因素都有特質和狀態兩種水平。特質事中因素和特質事后因素都屬于低階人格因素，因為它特指攻擊相關的特質（Caprara et al., 2017）。特質事中因素指個體對當前出現的攻擊性刺激（即個體對首次遇到的攻擊相關刺激）的反應傾向，因此也可以稱為事中反應傾向（in-process tendency）。特質事后因素指個體對先前攻擊性事件進行再體驗（如回憶和思考）的傾向，因此也可以稱為事后反應傾向（post-process tendency）。事中反應傾向反映的是個體應對當前的攻擊性刺激的習慣和偏好，事后反應傾向反映的則是個體如何回憶、思考和感受先前的攻擊性線索和情緒的習慣及偏好。事中反應傾向與事后反應傾向可以相互促進，因為社會信息加工理論（social information processing,SIP）認為，通過腳本（scripts，含義為存儲在記憶中的一系列組織較好的、高度相關的元素集合）（Anderson & Bushman, 2002）的作用，影響攻擊產生的因素之間是相互影響的（Crick & Dodge, 1994）。

本研究假設神經質會通過以敵意歸因偏向為代表的事中因素和以憤怒沉浸為代表的事后因素來預測攻擊行為，而且事中因素和事后因素可以相互預測。本研究將之稱為神經質預測攻擊的時間路徑模型。

敵意歸因偏向（hostile attribution bias）是指個體在模棱兩可的情況下，將他人的行為意圖解釋為想要傷害他人的認知反應或傾向（Kokkinos,Karagianni, & Voulgaridou, 2017），是一種典型的事中反應傾向。它會增加個體對他人的攻擊行為反應（Martinelli, Ackermann, Bernhard, Freitag, &Schwenck, 2018; Verhoef, Alsem, Verhulp, & De Castro,2019）。憤怒沉浸（anger rumination）指反復思索自己的憤怒經歷和情緒，沉浸在對憤怒事件的起因、過程和后果的思慮中的一種傾向（Sukhodolsky,Golub, & Cromwell, 2001），是一種典型的事后反應傾向。由已有研究可以推測，敵意歸因偏向和憤怒沉浸可以相互預測。首先，已有研究表明敵意歸因偏向（事中因素）可以顯著預測6個月后的憤怒沉浸（事后因素），且憤怒沉浸對敵意歸因偏向的跨時間預測達到了邊緣顯著（Wang, Cao,Dong, & Xia, 2019）。其次，SIP模型指出攻擊行為的認知因素之間由于攻擊腳本的原因相互影響（Crick & Dodge, 1994）。敵意歸因偏向或憤怒沉浸都會讓人更易喚醒與敵意和憤怒相關的腳本，這會涉及到對憤怒事件的細節回憶（Wang et al.,2019; Wilkowski & Robinson, 2008），而這些腳本的喚醒又會進一步促進憤怒沉浸或敵意歸因偏向的產生和發展。因此，敵意歸因偏向傾向與憤怒沉浸可能相互促進。即事中反應傾向與事后反應傾向相互促進。

根據已有的研究可以推測敵意歸因偏向在神經質和攻擊行為間起中介作用。第一，高神經質個體的認知特點可能會引起敵意歸因偏向。高神經質個體易形成負向的關系圖式及對自己、他人和世界的負性態度（Caspi, Roberts, & Shiner, 2005）。負性的自我概念使得個體以負性偏向的方式理解世界（Dodge, 1993）。負性的人際關系圖式和人際態度可能使高神經質個體對敵意線索敏感。這種敏感性會增強個體以敵意的方式解釋信息的可能性和偏好（Dodge, 1993）。之前研究表明，高神經質個體有更多不合理的想法（Bettencourt, Talley,Benjamin, & Valentine, 2006），易感受到周圍的環境是有威脅的（Caspi et al., 2005）。由此，可以推測神經質預測敵意歸因偏向。第二，敵意歸因偏向預測攻擊行為。社會信息加工理論模型認為，傾向于將模糊情景做敵意性解釋的個體更傾向于在該情景下對他人做出攻擊行為（Crick & Dodge,1994）。敵意歸因偏向會導致攻擊行為的觀點已經被很多研究所證實（AlMoghrabi, Huijding, &Franken, 2018; Wilkowski, Crowe, & Ferguson, 2015）。由此可以推測高神經質的個體在模糊情景中更傾向于對他人的意圖或行為進行敵意歸因，從而使得傷害他人的攻擊行為頻率增加，即敵意歸因偏向是神經質預測攻擊行為的事中中介變量。

另外，由已有研究可以推測憤怒沉浸在神經質與攻擊行為的關系中起中介作用。第一，神經質影響憤怒沉浸。高神經質個體對環境中的壓力非常敏感，更可能陷入人際關系的沖突中，因此個體易長期體驗到包括憤怒在內的負性情緒（Bolger & Zuckerman, 1995; García-Sancho, Dhont,Salguero, & Fernández-Berrocal, 2017），而憤怒是憤怒沉浸的關鍵情緒因素（Sukhodolsky et al., 2001）。由此可以推測神經質可能影響憤怒沉浸。第二，憤怒沉浸預測攻擊行為。憤怒沉浸的多系統模型（Denson, 2013）指出憤怒沉浸是影響攻擊行為的認知和情緒基礎。憤怒沉浸影響攻擊行為的觀點已經被很多研究支持（Eisenlohr-Moul, Peters, Pond, &DeWall, 2016; Quan, Zhu et al., 2019）。研究表明憤怒沉浸可以正向預測攻擊行為（Eisenlohr-Moul et al.,2016）。由此可以推測，高神經質的個體更易沉浸在之前的攻擊行為事件中，不斷地再體驗先前的攻擊事件，形成憤怒沉浸，進而導致攻擊行為。因此，憤怒沉浸傾向可能是神經質預測攻擊行為的事后中介變量。

當前研究采用縱向調查的方法來收集數據，用交叉滯后模型和鏈式中介模型依次檢驗根據神經質預測攻擊的時間路徑模型推論出的四個假設。假設1，敵意歸因偏向代表的事中因素和憤怒沉浸代表的事后因素可以相互預測。假設2，神經質可以通過從敵意歸因偏向到憤怒沉浸的鏈式中介來預測攻擊行為。假設3，神經質也可以通過從憤怒沉浸到敵意歸因偏向的鏈式中介來預測攻擊行為。假設4，神經質可以同時通過敵意歸因偏向和憤怒沉浸的中介作用來預測攻擊行為。

2 研究方法

2.1 被試和程序

本研究對六所大學的學生進行了三次問卷施測，每次調查間隔6個月。第一個時間點（T1）收集了904名被試的數據。第二個時間點（T2）857名被試參加了測試，第三個時間點（T3）848名（年齡18～26歲，平均年齡為21.09歲，標準差為1.09歲，其中女性530名）被試參加了測試。本研究用獨立樣本t檢驗的方法檢驗數據是否隨機流失，結果表明該研究的數據流失為隨機流失。在T1和T3上，最終保留的樣本與流失樣本在Buss-Perry得分上不存在顯著的差異，t(901)=?1.69，p=0.09；在T2和T3上，最終的樣本與流失的樣本在敵意歸因偏向[t(861)=0.59,p=0.56]和憤怒沉浸得分[t(861)=0.85,p=0.40]上不存在顯著差異。

在T1上收集了神經質（neuroticism, N）和Buss-Perry攻擊行為（Buss-Perry Aggression Questionnaire,BPAQ）數據, T2上收集了敵意歸因偏向（WSAPHostility Scale）、憤怒沉浸（Anger Rumination Scale,ARS）數據，T3上收集了敵意歸因偏向、憤怒沉浸和Buss-Perry攻擊行為數據。

2.2 研究工具

2.2.1 神經質

用60個題目的簡式大五人格量表（NEO-FFI-3）（Costa & McCrae, 1992）中的神經質子問卷來測量個體的神經質水平。該問卷在中國大學生樣本中有可靠的信效度（席暢等, 2017）。神經質子量表包含12個題目，采用4點計分，0代表“非常不同意”，4代表“非常同意”。個體評定每個句子的描述與自己的符合程度（如，“有時候我覺得怨恨、氣憤”）。該子問卷的平均分得分越高表示大學生的神經質水平越高。在本研究中神經質子量表的Cronbach’s α系數為0.84。

2.2.2 敵意歸因偏向

用社會信息加工的敵意歸因偏向問卷（SIPAttribution Bias Questionnaire, SIP-ABQ）（Coccaro,Noblett, & McCloskey, 2009）測量被試的敵意歸因偏向水平。該問卷的中文修訂版的信度和效度良好（杜欣蔚, 夏凌翔, 弓鑫鈺, 權方英, 陳允麗,2020）。SIP-ABQ描述了八種社會上厭惡但模棱兩可的情景及相應的問題（如，“如果一個人被另一個人的熱咖啡燙傷了，他/她認為這個人是無意傷害還是故意傷害他/她？”）。采用4點計分，0代表“不太可能”，3代表“非常可能”。SIP-ABQ的平均分越高表示大學生的敵意歸因偏向水平越高。在本研究中，該量表的Cronbach’s α系數分別為0.89（T2），0.91（T3）。

2.2.3 憤怒沉浸

包含19個題目的憤怒沉浸量表（ARS）（Sukhodolsky et al., 2001）被用來測量憤怒沉浸。該量表在中國大學生樣本中的信效度良好（Quan,Yang et al., 2019; Wang et al., 2019）。采用李克特4點計分方式，1代表“幾乎沒有”，4代表“幾乎總是”，被試評價自己在憤怒相關體驗上的沉浸程度（如，“我會反復去想我以前的憤怒經歷”）。該問卷的平均分越高表示大學生的憤怒沉浸水平越高。在本研究中該量表的Cronbach’s α系數分別為0.94（T2），0.93（T3）。

2.2.4 攻擊

參照已有研究的做法（Wang et al., 2018），用Buss-Perry攻擊問卷（BPAQ）（Buss & Perry,1992）中的身體攻擊和言語攻擊分量表的平均分來測量攻擊水平。Buss-Perry攻擊問卷在中國大學生樣本中有良好的信效度（Quan,Yang et al., 2019）。其中身體攻擊分量表有9個題項（如，“如果受到多次挑釁，我就會打人”），言語攻擊分量表有5個題項（如，“我不同意朋友意見時，就當面反對”），均采用5級評分，評定每個題目的描述與自己的符合程度，1代表“非常不符合”，5代表“非常符合”。這兩個分量表的得分越高表示攻擊行為越多。用身體攻擊和言語攻擊這兩個分量表的題項計算出的本研究中所用問卷的Cronbach’s α系數為0.88。

2.3 統計分析

首先，用SPSS對各個變量進行了描述統計和相關分析。其次，使用建立交叉滯后模型以探明事中反應傾向（敵意歸因偏向傾向）和事后反應傾向（憤怒沉浸傾向）的關系方向。為了檢驗研究假設，建立了以下2個鏈式中介模型，模型1：神經質（T1）→敵意歸因偏向（T2）→憤怒沉浸（T3）→攻擊行為（T3）的鏈式中介模型；模型2：神經質（T1）→憤怒沉浸（T2）→敵意歸因偏向（T3）→攻擊行為（T3）的鏈式中介模型。為了檢驗在同一時間點上的事中（敵意歸因偏向）和事后反應傾向（憤怒沉浸）在神經質和攻擊行為關系中的中介效應，建立了模型3。用偏差校正的百分位Bootstrap方法檢驗敵意歸因和憤怒沉浸在神經質和攻擊行為關系中的中介效應。進行5000次的Bootstrap抽樣，采用95%的置信區間進行偏差校正，如果區間不包括0，則說明間接效應顯著。

3 結果

3.1 描述統計和相關分析結果

相關分析的結果發現性別（女=0，男=1）與攻擊行為有顯著的負相關，因此在模型分析中，本研究將性別作為協變量。另外，相關分析發現神經質（T1）、敵意歸因偏向（T2、T3）、憤怒沉浸（T2、T3）、攻擊行為（T3）變量間兩兩相關顯著（見表1）。

表1 各變量的描述統計和相關分析結果（n=848）

3.2 交叉滯后模型檢驗

敵意歸因偏向（事中反應傾向）和憤怒沉浸（事后反應傾向）的交叉滯后模型的擬合是可以接受的：χ2/df=3.45，RMSEA=0.05，CFI=0.98，TLI=0.97，SRMR=0.02。即憤怒沉浸和敵意歸因偏向相互預測（見圖1）。

圖1 敵意歸因偏向和憤怒沉浸的交叉滯后模型

3.3 中介模型檢驗

模型1：敵意歸因偏向（T2）、憤怒沉浸（T3）在神經質（T1）預測攻擊行為（T3）的關系中起著鏈式中介作用。該模型的擬合良好：χ2/df=2.32，SRMR=0.03，RMSEA=0.04，CFI=0.98，TLI=0.98。且模型中除了直接效應外，其余各個路徑均顯著（見圖2）。

圖2 敵意歸因偏向（T2）和憤怒沉浸（T3）在神經質（T1）和攻擊行為（T3）關系間的鏈式中介的結構方程模型

模型2：憤怒沉浸（T2）、敵意歸因偏向（T3）在神經質（T1）預測攻擊行為（T3）的關系中起著鏈式中介作用（見圖3）。該模型的擬合良好：χ2/df=3.51，SRMR=0.03，RMSEA=0.05，CFI=0.97，TLI=0.96。且模型中的各個路徑均顯著（見圖3）。

圖3 憤怒沉浸（T2）和敵意歸因偏向（T3）在神經質（T1）和攻擊行為（T3）關系間的鏈式中介的結構方程模型

模型3：神經質（T1）可以同時通過憤怒沉浸（T2）、敵意歸因偏向（T2）對攻擊行為起作用。該模型的擬合良好：χ2/df=2.35，SRMR=0.03，RMSEA=0.04，CFI=0.98，TLI=0.98，且模型中的各個路徑均顯著。具體信息見圖4。

圖4 憤怒沉浸（T2）和敵意歸因偏向（T2）在神經質（T1）和攻擊行為（T3）關系間的雙向鏈式中介的結構方程模型

4 討論

本研究采用交叉滯后模型檢驗了敵意歸因偏向（代表事中因素）和憤怒沉浸（代表事后因素）之間相互預測的關系，并用三個多重中介模型考察了敵意歸因偏向和憤怒沉浸在神經質預測攻擊行為中的多重中介作用。這些結果支持了神經質預測攻擊的時間路徑模型的主要觀點。

4.1 敵意歸因偏向在神經質和攻擊關系中的事中中介作用

本研究發現敵意歸因偏向在神經質和攻擊行為關系中起中介作用。第一，該結果支持了一般攻擊模型（Anderson & Bushman, 2002），神經質作為輸入變量可以增強攻擊行為相關的情緒與認知（如報復、憤怒、敵意等），從而增強攻擊行為。與之前研究相一致，神經質與攻擊行為呈現正相關關系（Barlett & Anderson, 2012; Caprara et al.,2013; Caprara et al., 2017）。

第二，當前研究結果表明神經質預測敵意歸因偏向。該結果與之前研究相一致。已有研究表明，高神經質個體會表現出對負性或威脅性信息的注意偏向和解釋偏向（Eysenck, 2000; Ormel et al.,2013），會體驗更多的人際關系壓力（Ormel et al.,2013），這種人際關系模式會引起敵意歸因偏向（Peets, Hodges, Kikas, & Salmivalli, 2007），因此神經質可以預測敵意歸因偏向。

第三，敵意歸因偏向預測攻擊行為。該結果與之前研究相一致（Martinelli et al., 2018）。傾向于敵意歸因的個體在模糊情景下，易認為他人是有意傷害自己的，并且會傾向于采用攻擊行為的防御手段（Crick & Dodge, 1994）。一般攻擊行為模型（Anderson & Bushman, 2002）和社會信息加工模型（Crick & Dodge, 1994, 1996）認為攻擊行為相關的認知對攻擊行為有直接的促進作用，因此敵意歸因偏向可以預測攻擊行為。

神經質可能讓個體將模糊情景中的意圖歸為敵意意圖，這增加了個體做出攻擊行為的可能性或頻率。敵意歸因偏向是指對當前感受到的激起事件的一種及時的應對或應對傾向，因此，敵意歸因偏向的中介效應揭示了敵意歸因偏向是神經質預測攻擊的事中中介變量。

4.2 憤怒沉浸是神經質和攻擊關系中的事后中介變量

本研究發現憤怒沉浸在神經質與攻擊行為的關系中起中介作用。第一，神經質預測憤怒沉浸。神經質包含增強憤怒沉浸的情緒（憤怒）（Caspi et al., 2005）。高神經質個體易受憤怒的驅使，從而產生憤怒沉浸；且更易體驗到人際沖突，產生憤怒體驗（Caspi et al., 2005），因此易產生憤怒沉浸。第二，結果表明憤怒沉浸預測攻擊行為。該結果與之前研究相一致（Pedersen et al.,2011; Quan,Yang et al., 2019）。同時也支持了憤怒沉浸的多系統模型（Denson, 2013），該模型認為憤怒沉浸會增加攻擊行為的風險。

當高神經質個體遇到攻擊行為事件后，更傾向于反復回憶和思考先前的憤怒線索，這反過來又增加了攻擊行為的可能性和頻率。換言之，憤怒沉浸是神經質預測攻擊行為的事后中介變量。

4.3 敵意歸因偏向與憤怒沉浸的關系

本研究發現敵意歸因和憤怒沉浸可以相互預測，與已有研究結果相一致（Wang et al., 2019），且與攻擊行為的社會信息加工理論相符合。該理論認為攻擊行為相關的認知因素相互影響，其主要原因可能是敵意或憤怒腳本的作用（Crick &Dodge, 1994）。敵意歸因偏向和憤怒沉浸都可能增加敵意和憤怒腳本的激活頻率和強度，從而促進彼此的產生和發展。

該結果支持了“神經質預測攻擊的時間路徑模型”，即攻擊的事中因素（敵意歸因偏向）和事后因素（憤怒沉浸）相互預測，神經質既可以通過事中因素（敵意歸因偏向）到事后因素（憤怒沉浸）的鏈式中介作用來預測攻擊行為，也可以通過事后因素（憤怒沉浸）到事中因素（敵意歸因偏向）的鏈式中介作用來預測攻擊行為。

4.4 研究局限及展望

本研究仍有以下幾點不足：第一，本研究雖然采用了縱向中介的方法，但是對變量的自回歸效應考慮得并不充分，有可能會造成結果的偏差（Mitchell & Maxwell, 2013）。未來研究可以將所有的自回歸效應考慮在內進一步檢驗該模型。第二，本研究未對大五人格的其他四種人格特質進行控制，未來研究需要將其進行控制后，考察本研究的結果能否得到重復驗證。第三，未能用一個模型來檢驗時間路徑模型的全部觀點，今后可以采用四次縱向數據和完整的交叉滯后模型的方法，通過一個模型來檢驗時間路徑模型的全部觀點。

5 結論

（1）攻擊的事中因素（敵意歸因偏向）和事后因素（憤怒沉浸）相互正向預測。（2）神經質既可以通過從敵意歸因偏向到憤怒沉浸的路徑，也可以通過從憤怒沉浸到敵意歸因偏向的路徑來預測攻擊行為。（3）神經質可以同時通過敵意歸因偏向和憤怒沉浸的中介作用預測攻擊行為。