大學生手機成癮傾向潛在剖面分析及其在認知失敗和抑郁上的差異研究

何必凱，吳海燕，姜 波，王亞軍，袁宇婷

（貴陽信息科技學院，貴陽 550025）

隨著社會的不斷發展，手機成為人們生活中不可缺少的一部分，這也引發了人際關系的改變、個人信息的泄露、網絡詐騙、手機過度使用等一系列問題。［1］手機成癮是由于個體不當使用手機而造成的生理及心理上的不適癥狀。［2］相關研究表明，過度沉迷于使用手機會對個人的身心健康產生不良影響，長時間使用手機會造成個體肩頸、腰部疼痛［3］和手指關節的不適［4］，同時還會導致個體習慣性熬夜、睡眠質量下降，［5］進而影響個體的學習能力［6］。此外，有研究表明手機成癮的人群還常伴有較高的人際關系緊張。［7］而作為手機使用的主要人群，大學生更容易受到手機成癮的負面影響。

以往研究發現，手機成癮與個體認知失敗和抑郁情緒相關。其中認知失敗是指個體在日常生活學習過程中發生的包括記憶、注意力和行為方面的一些常見的失誤。［8］比如，本來想去拿某樣東西，到那里卻忘記要拿什么。經常的認知失敗會對大學生的學習生活帶來嚴重影響，會降低個體的自我評價［9］、影響工作學習的效率［10-11］且更容易產生拖延行為［12］等。國內外研究發現手機成癮會影響大學生的認知失敗，［13-15］過度使用手機會極大地占用認知資源，這會使得個體進行日常活動的認知資源減少，這種對資源的爭奪可能會導致認知失敗。此外，也有研究探討了手機成癮與抑郁情緒的關系，認為手機成癮者會有更多的抑郁情緒。［14］國外研究也表明網絡成癮程度越高的個體往往情緒管理能力越弱，會有更多的抑郁體驗。［16］

當前對手機成癮傾向的研究多是從以變量為中心的角度進行探討，很少考慮個體差異。國內也僅有個別研究從以個體為中心的角度出發，探討了不同類型手機成癮的大學生在人際關系、孤獨感上的差異。［17］以個體為中心的潛在剖面分析（Latent Profile Analysis,LPA）是一種探討連續型外顯變量背后的類別潛在變量的方法，已廣泛運用于心理學、管理學等學科領域，該方法根據被試的反應模型將被試劃分到不同子群體，能更好考察個體間的異質性。因此，本研究運用LPA探究大學生手機成癮傾向的潛在類別，并討論不同成癮類別的大學生在認知失敗和抑郁得分上的差異。通過比較不同類別大學生在手機成癮傾向各個維度及認知失敗、抑郁的差異，為今后研究大學生手機成癮的干預工作提供一定參考。

一、對象與方法

（一）研究對象

基于在線問卷調查平臺設計、編輯、發布問卷。經整理后共獲得有效問卷511份，其中男生115人，女生396人；獨生子女57人，非獨生子女454人；年齡18～23歲，平均20.27±1.17歲。

（二）研究工具

1.手機成癮傾向量表（Mobile Phone Addiction Tendency Scale，MPATS）［2］

該量表共16個條目，分為戒斷癥狀、突顯行為、社交撫慰和心境改變四個維度。采用五級計分，1（非常不符合）～5（非常符合），得分越高表示個體的手機成癮傾向越高。本研究中，總量表的Cronbach a系數為0.93，其四個維度的Cronbach a系數介于0.70～0.84。

2.認知失敗問卷（Cognitive Failure Questionnaire,CFQ）［18］

該量表共18個條目，分為注意失敗、記憶失敗和行動機能失敗三個維度。采用五級計分，1（從不）～5（總是），個體得分越高，表明個體發生認知失敗的頻率越高。本研究該問卷Cronbach a系數0.94，其三個維度的Cronbach a系數介于0.85～0.89。

3.SCL-90抑 郁 分 量 表（Symptom Checklist 90，SCL-90）［19］

該分量表共13個條目。采用5級計分，1（從無）～5（嚴重），得分越高，表明抑郁程度越高。在此次研究中，量表的Cronbachα系數為0.94。

（三）統計方法

采用SPSS22.0軟件進行描述性統計分析及各變量間相關分析，用Mplus 7.4軟件對大學生手機成癮傾向進行潛在剖面分析，以判斷其潛在類別及被試分布情況。以MPATS的16個條目得分為觀察變量建立模型，將大學生手機成癮傾向分成1類、2類、3類、4類、5類，分別檢驗其模型的適配性，選出最優潛在類別模型。LPA的常用統計指標包括AIC、BIC、aBIC，其值越小表示模型擬合越好；Entropy值在0～1之間，越接近1表示模型擬合越好，Entropy≥0.80表示該模型的分類準確率超過90%；［20］另外LMR和BLRT的P＜0.05時，表示k個類別的模型較k-1個類別的模型更優。［21］用SPSS22.0軟件進行方差分析，探討不同類別的大學生手機成癮傾向在認知失敗和抑郁上的差異。

二、結果分析

（一）變量的相關分析

手機成癮傾向、抑郁、認知失敗量表的得分及相關系數見表1。相關分析表明，大學生的MPATS得分與認知失敗各維度、認知失敗總分、抑郁得分均呈正相關。

表1 手機成癮傾向、抑郁、認知失敗的描述性統計值及相關性（r）

（二）大學生手機成癮傾向的潛在類別及特征

不同類別傾向的潛在剖面模型擬合指標見表2。

表2 不同手機成癮傾向的潛在剖面分析擬合指標

分析發現，隨著模型類別數的增加，其擬合指標AIC、BIC、aBIC數值逐漸減小，且在4類和5類之間減小幅度變小；LMR指標顯示，4類、5類模型P＞0.05，表明3類優于4類、5類模型；各類模型Entropy指標值均大于0.90，綜合考慮以上各類指標，最終選擇3類潛在剖面模型為最優模型。

大學生手機成癮傾向的3個潛類別得分剖面圖如圖1，其各維度得分如表3。類別1被試在MPATS的16個項目上得分均較低（得分為1.62～2.82），其在4個維度上得分也較低（得分分別為12.31±2.69、7.16±1.74、6.23±1.99、5.59±1.42），共152人（占被試總數的29.74%），命名為低成癮傾向；類別2被試在MPATS的16個項目得分處于中等程度（得分為2.66～3.42），4個維度均是中等程度（得分分別為18.43±2.12、11.35±1.81、8.75±1.65、8.68±1.47），共256人（50.10%），命名為中成癮傾向；類別3在MPATS的各項目得分均最高（3.55～4.05），各維度得分均最高（得分分別為23.40±2.27、14.58±1.90、11.07±1.62、10.99±1.78），共103人（20.16%），命名為高成癮傾向。

表3 不同手機成癮傾向類別大學生各量表得分比較

圖1 大學生手機成癮傾向的類型潛在剖面圖

（三）不同手機成癮傾向類別大學生的人口學資料及各量表得分比較

不同手機成癮傾向類別大學生在年齡、性別、是否獨生子女的分布上的差異均無統計學意義（均P＞0.05）。

不同手機成癮傾向類別大學生在MPATS總分、MPATS各維度、CF總分、CF各維度及抑郁總分上差異均有統計學意義。（見表3）多重比較結果可以看出，高成癮傾向類別在MPATS總分、MPATS各維度、CF總分、CF各維度及抑郁得分上均顯著高于手機中成癮傾向類別和低成癮傾向類別；手機中成癮傾向類別在MPATS及其各維度，CF及其各維度和抑郁得分上均高于手機低成癮傾向類別。

三、討論和結論

本研究發現，大學生的手機成癮傾向可分為高成癮傾向類別、中等成癮傾向類別、低成癮傾向類別，該結果與以往在大學生群體中的研究結果一致。［17］同時，本研究結果表明大多數的被試處于中等成癮水平以上，這與以往研究結果一致；但是此次研究被試高成癮類別占比（20.16%），高于前人研究高成癮被試占比（9.20%），［17］產生這種差異的原因可能是不同測量工具和不同被試造成的，也有可能是隨著手機產品服務的不斷升級，對大學生群體的吸引力更大，以致沉迷手機的群體有增加趨勢。

再者，不同手機成癮傾向類型的大學生在認知失敗得分上差異顯著。手機高成癮傾向的大學生在認知失敗和抑郁方面得分顯著更高，［14］這與以往研究結果一致，手機成癮傾向能正向預測認知失敗。認知失敗的超載理論認為，心理資源可能是有限的，同時進行大量的認知活動會導致個體的心理資源過度消耗，更容易造成認知失敗。［22］高手機成癮傾向的大學生長時間將注意力和認知資源消耗在處理手機獲取到的信息上，而這種長時間處理過多信息的認知活動極易造成心理資源的大量消耗，進而使個體出現認知失敗。

此外，不同手機成癮傾向類型的大學生在抑郁得分上差異顯著。高成癮類別的大學生抑郁得分顯著更高，這也與前人的研究結果一致。［14］網絡成癮者會更偏向注意環境中的消極信息，他們對消極信息的反應較正常個體會更快。［23］以往研究發現，手機成癮傾向更高的個體往往表現出更明顯的焦慮和抑郁癥狀。［24］從網絡人格異化的視角出發，沉迷或長期使用手機，容易因為網絡及時性、開放性的特點造成自我認知迷失。［25］當遇到學習生活中的困難時，更容易采用逃避、拖延等方式應對，長期如此更易產生悲觀、抑郁等情緒。

本研究運用LPA的方法判別出大學生三種不同程度的手機成癮傾向類別群體，并發現不同手機成癮類別在認知失敗和抑郁上存在顯著差異，能夠幫助人們更好地認識到不同個體間的心理差異，進而根據不同個體的特征采取相應的干預方法。高手機成癮類型的大學生，具有更高水平的認知失敗和抑郁情緒，這意味著手機成癮已經對大學生的認知和情緒產生了不良影響，因此有必要對該部分群體采取一定干預，如心理團體輔導和個體心理咨詢等方式，幫助這部分大學生從手機過度使用中擺脫出來，避免手機使用過度帶來的危害。而對于手機中成癮類型和手機低成癮類型的大學生而言，由于手機使用對其學習生活影響程度較輕，則可以采取一些相對簡單的方法，如社團活動等，引導該部分大學生積極參加社交活動，避免他們陷入長期使用手機、沉迷手機的狀況，促進學生的健康成長。