An Application of Latent Transition Analysis to College Students' Suicide Risk

2014年9月4日，世界卫生组织(简称WTO)发表题为《预防自杀：全球一项当务之急》的首份全球预防自杀报告。报告指出，自杀是15-29岁人群的第二大主要死亡原因。该报告呼吁增强人们对自杀和自杀未遂的认识，并把预防自杀作为全球公共卫生事业的一项优先议程，加快实施2013-2020年精神卫生行动计划，努力实现自杀率降低10%这一全球性目标。近年来，随着我国社会经济飞速发展，社会矛盾和压力日益凸显，高校大学生自杀事件呈上升趋势，也越来越受到各方关注。大学生自杀事件总会产生一系列不良连锁反应，如给父母带来巨大悲痛，引发其他学生的思想波动，影响正常的教学和管理秩序，使校方及相关工作者承受舆论压力和工作压力，等等。因此，大学生自杀防控与危机干预工作已成为高校学生工作的重中之重。

现阶段我国高校心理危机干预工作，在实际开展过程中效果并不十分理想。其中较为突出的问题就是，对自杀风险的识别与预警大多从理论角度根据生活观察进行主观评定，却很少通过统计分析技术加以科学严格的验证。而以心理与行为分类的研究方式尽管能够较好地针对个体的某一种心理问题进行分析，但对个体的全面危机水平无法有效地考察与评估。从统计学角度审视，以单一的心理行为问题来分析个体的全面危机水平是不准确的。因此，对于自杀风险识别与预警的探讨不应再具体针对一个或几个心理行为问题，而应该探究个体或群体自杀风险的类别特征与模式转变。以类别来考察自杀风险可以帮助高校学生管理者、心理健康教育工作者更加直观明了地认识大学生自杀风险的类别与特征，动态把握类别转变趋势，更加有效地开展大学生危机事件预防与干预工作。

近年来，由社会学家Paul Lazarsfeld提出的潜剖面分析法(Latent Profile Analysis，LPA)在心理学领域得到广泛应用，尤其是在心理与行为问题的诊断与分类中优势明显。潜剖面分析法包含进行模式分类的潜在类别分析(Latent Class Analysis，LCA)和探讨模式发展趋势的潜在转变分析(Latent Transition Analysis，LTA)^[1]。潜在类别分析是对传统因素分析法的发展，它的基本假设是，存在某种潜在的类别变量，可将异质性群体进一步划分为多个亚群体。该方法的优势在于，能够将一个大的异质性群体分为多类小的同质性群体，使类内个体相似，类间个体有较大差异^[2]。这种基于概率的多变量分类方法不再要求外显变量和潜在变量都为连续变量，即个体之间的某些心理特征差异并不是或不仅仅是量的差异，也可能是某些群体之间质的差异。潜在转变分析则是在数据动态追踪的基础上，对潜在类别发展趋势的探索。区别于常规的发展研究，潜在转变分析不是探讨个体数量的变化，而是关注个体在类别上的转变。基于其独特的优势，潜剖面分析法能够帮助研究者比较准确地分辨个体间的特异性差别及其产生的原因和可能的发展趋势，为心理行为的诊断与治疗提供重要参考。

自2011年以来，越来越多的国内学者运用潜剖面分析法开展青少年心理行为研究，探讨了儿童青少年优秀品质模式、青少年未来取向剖面特征、父母教养方式潜在类别、青少年心理韧性发展、青少年网络欺负的特点、青少年攻击类别与模式转变、青少年健康相关危险行为类型、大学生心理行为问题识别、大学生自杀潜在风险特征等问题^[3-10]。从研究趋势看，只有少部分研究分析了大学生自杀风险的类别与特征^[9-10]，而在使用潜剖面分析方法研究青少年自杀风险模式转变情况等方面尚存空白。本研究主要使用潜剖面分析方法探究大学生自杀风险的特征识别与模式变化：首先验证以往研究发现的大学生自杀风险类别，进一步分析大学生在不同自杀风险类别之间转变的情况，最后探讨了大学生自杀风险类别转变的重要影响因素。

研究被试为湖北省某大学2015级学生，完整参加全部测试的学生共1 553名，其中，男生402人(占25.89%)，女生1 151人(占74.11%)。

本研究是一项时间跨度为一年的纵向追踪研究，时间点1为大学新生入学后10月份，时间点2为大学二年级10月份。在第一次测试时，被试需要完成青少年自杀倾向量表和父母教养方式两份问卷。第二次测试时，被试只需完成青少年自杀倾向量表。两次测验均采用计算机网络施测，所有被试均自愿参加。

“青少年自杀倾向量表”是中国心理网基于18年来国内1 200多所高校近2 000万大学生的心理健康测评数据和相关文献支持，筛查获得与自杀密切相关的一系列风险因素，自主编制的《青少年自杀倾向量表》。该量表包括个人成长经历问卷、人格特质神经质测查、青少年生活事件量表、社会支持评定量表和贝克抑郁量表等5个部分，共88题(含5个引导题)。

如果个体客观存在的自杀相关风险因素越多，水平越严重，那么其自杀的潜在风险可能越高。该量表基于这一假设，通过全面测查个体已经客观存在的自杀相关风险因素，评估其自杀潜在风险水平。通过不到20分钟的心理评估对学生群体进行等级划分，聚焦自杀风险。

内容效度：条目与量表总分的相关系数在0.299~0.772之间；各分量表与总量表的相关系数在0.511~0.897之间；各分量表彼此之间的相关系数在0.215~0.466之间，且多数在0.4以下，呈低、中度相关；这些结果表明该量表具有较好的内容效度。聚合效度：量表与贝克抑郁量表BDI总分、症状自评量表SCL-90总分和SCL-90的抑郁因子分均呈显著的正相关。这说明量表具有良好的聚合效度。区分效度：正常组和抑郁组学生在本量表的总分和三个因子分上均存在显著的差异，抑郁组的得分均显著高于正常组。这说明量表具有良好的区分效度。

“父母教养方式问卷(Egma Minnen av Barndoms Uppforstran，EMBU)”是1980年由瑞典Umea大学精神医学系C. Perris等人编制，用于评定父母教养态度和行为的问卷。中文版EMBU由中国医科大学心理学教研室修订。修订后的量表经过主因素分析，确定了66个条目，涉及15种教养行为，分为4个维度，维度1包含管束、行为取向和归罪行为；维度2包括两极，一极是情感温暖和鼓励行为，另一极是爱的剥夺和拒绝行为；维度3是偏爱被试；维度4是过度保护。量表要求被试回忆早期经历的父母教养方式，并作出4级评分。施测时间约30分钟。计算这4个维度所对应的项目平均分以表示被试受到父母相应方式的教养，得分越高，说明被试父母采取此种教养方式更多。

本研究采用潜在类别分析(LCA)和潜在转变分析(LTA)两种潜变量模型分析类型变量。潜在类别分析(LCA)是一种用来分析类型变量中关系的统计技术。简单来说，它可以得到一定的类别，而这些类别可以非常好地描绘观察数据的内在联系。潜在转变分析(LTA)是潜在类别分析技术的扩展，它用来分析类型变量间的转变。潜在转变分析技术是以条件概率来展现类型变量的变化发展，具体来说它分析了在时间点1属于某一类型的被试在时间点2时属于某一类型的概率。

本研究使用SPSS 18.0进行数据录入与管理，采用Mplus 7.0进行潜剖面分析。根据潜在类别分析的步骤，在进行潜在转变LTA分析前，首先通过几个相互独立的潜在类别LCA模型结果来确定最佳潜在类别数。

第一步，以自杀倾向量表中成长经历、神经质、负性生活事件、社会支持和抑郁水平5个潜在风险因素作为外显反应指标变量，建立潜剖面模型，对大学生自杀倾向的潜在风险进行潜剖面分析模型拟合性估计。本研究中潜剖面分析包含的拟合信息包括：对数似然值(LL)、艾凯克信息准则(AIC)、贝叶斯信息准则(BIC)、信息熵(Entropy)等。根据“Entropy更高，AIC、BIC和SSABIC(即Sample-Size Adjusted BIC)更低者，模型拟合更好”的原理，确定最佳类别模型。

第二步，以不添加任何协变量的潜在转变模型来分析自杀风险模式的变化状况。通过LTA条件概率分析结果，展现两个时间点自杀风险模式的变化情况。

第三步，在以上潜剖面分析的基础之上，以性别、生源地类型、专业类别、父母教养方式为自变量，自杀风险潜转变类型为因变量，采用无序多分类Logistic回归，进行潜在转变概率的影响因素分析。

在潜剖面分析中，似然比LMR(Lo-Mendell-Rubin)是对K类别模型与K-1类别模型的差异进行检验，当p值显著时表示K类别模型与K-1类别模型存在显著性差异，此时应选K类别模型；而当p值不显著时，说明K类别模型与K-1类别模型差异不显著，根据模型简约性原则应选择K-1类别模型。同时，AIC、BIC、SSABIC更小的模型拟合度更高。模型分类质量指标Entropy表示模型分类正确率与错误率的差异，当Entropy大于0.6时，表示模型分类正确率超过80%；当Entropy大于0.8时，表示模型分类正确率超过90%^[11]。两次测试数据的潜在类别分析模型拟合度结果见表 1，从模型拟合度分析，时间点1和时间点2的三类别模型最佳。但模型类别中的分类比例还应具有实际意义，例如某个类别的比例不应过小。综合以上标准，时间点1和时间点2的分类结果我们均取二类别模型，主要依据是三类别和四类别模型都出现个别类别比例过低的现象，此外二类别模型的Entropy都超过0.8，说明二类别模型在确保分类正确率得到90%以上的情况下更具有实际分类意义。

确定了两类别模型后，进一步对两个时间点的数据结果进行潜在类别分析，以描述和命名这两种自杀风险的类别模式。成长经历、神经质、负性生活事件、社会支持和抑郁水平5个潜在风险因素作为外显反应指标变量，以上5个项目的条件概率是进行类别命名的重要统计值，它指出每一类个体使用每一个项目的概率，时间点1和时间点2的项目条件概率见图 1，两种类别模式的指标特征见表 2。

综合表 2和图 1可知，大学生按自杀风险不同而划分的2个潜在类别中，时间点1和时间点2中，类别C1的社会支持均高于类别C2，而成长经历、神经质、生活事件、抑郁水平4个维度的得分比类别C2显著降低。这说明C1类学生的社会支持水平最高，情绪较为稳定，抑郁水平低，负性生活事件和不良成长经历少，较少出现心理异常和自杀意念。可将其命名为“低风险型”。

类别C2在成长经历、神经质、生活事件和抑郁水平的得分大幅高于C1，生活事件在5个变量中得分最高；C2在成长经历(得分越高意味着异常或问题经历越多)、生活事件(分数越高说明负性生活事件给当事人带来的苦恼和影响越大)、神经质(总分越高说明神经质人格中的情绪稳定性越差)得分高于C1，社会支持低于C1。这说明类别C2的社会支持低，创伤成长经历高，情绪稳定性差，抑郁水平高，自杀风险大。因此，可将C2命名为“高风险型”。

在进行类别转变趋势分析前，首先呈现两个时间点上两种自杀风险类别中被试的比例，见表 3。结果显示，在两个时间点上“C1高风险型”和“C2低风险型”的相对比例均处于变化中。

以不添加任何协变量的情况下，用潜在转变模型分析两种自杀风险类别的变化状况。潜在转变模型(LTA)分析的基础是条件概率，LTA能够展现两个时间点间的两类自杀风险模式的变化情况，详见表 4的条件概率结果。结果显示，在时间点1属于低风险型的，约90%的个体在时间点2仍然是低风险型(低→低)；而由低风险型转变为高风险型的约占10%(低→高)。在时间点1属于高风险型的，约有25%的个体转变为低风险型(高→低)；而约有75%依然属于高风险(高→高)。由此可见，低风险型群体相对稳定，随着时间变化仍然保持在低风险状态的“保留者”(Stayer)比例更大；而高风险型群体中则约有1/4的人随着时间变化转入了低风险组，可称之为“转变者”(Mover)。

在以上潜类别分析的基础之上，我们进一步分析性别、生源地类型、专业类别、父母教养方式对两种潜转变类型(“低风险→高风险”，“高风险→低风险”)的影响。结果显示：(1)在以“低风险→低风险”类别为参照时，性别对“低风险→高风险”具有显著预测作用(B=-0.576，p＜0.01，OR=0.562)，男生比女生更容易成为“低风险→高风险”类型；母亲情感温暖对“低风险→高风险”具有显著预测作用(B=-0.042，p＜0.001，OR=0.959)，即母亲越是采取情感温暖的教养方式，其子女越不容易成为由低风险转为高风险(“低风险→高风险”类型)；母亲过分干涉对“低风险→高风险”具有显著预测作用(B=0.042，p＜0.01，OR=1.043)，即母亲越是采取过分干涉的教养方式，其子女越容易由低风险转为高风险(“低风险→高风险”类型)。(2)以“高风险→低风险”类别为参照时，只有母亲惩罚严厉对“高风险→低风险”具有显著预测作用(B=-0.095，p＜0.01，OR=0.909)，即母亲越是惩罚严厉，其子女越是容易继续高风险的类型(“高风险→高风险”类型)。(3)生源地类型和专业类别对两种自杀风险类型的潜在转变不具有显著预测作用。

本研究在大学生自杀风险类别特征的基础上，主要探讨自杀风险类型模式的转变及其影响因素。主要从两个方面进行研究：一是分析大学生自杀风险模式的指标特征及其变化情况，为掌握大学生自杀风险模式的动态发展趋势进行初步探索；二是分析大学生自杀风险类型转变的影响因素，探讨性别、父母教养方式等因素对类型转变的预测作用，试图找出趋势变化背后的深层次原因。

首先进行的潜剖面分析(LCA)结果表明，两次测试中大学生自杀风险存在明显的分类特征，可以对应两种稳定的潜在类别模型，即划分为2个异质性亚群，这与以往3类异质性亚群的研究结论并不完全一致^{[10, 12]}。本研究结果不包含介于高风险和低风险之间“次高风险型”(苏斌原等人命名为“心理脆弱组”)，但“高风险型”和“低风险型”是以往研究中划分大学生自杀风险的主要类型。

C1低风险型学生尽管在过去半年也曾经历负性生活事件，但其个人成长经历、神经质人格中情绪稳定性、抑郁水平得分均处于较低水平，而社会支持水平得分较高。说明该组学生的家庭环境、童年创伤经历、家族及个人精神疾病史等方面基本正常，与自杀相关的风险因素较少。该组学生遇事比较镇静，能够较好地调控自己的情绪。被试在最近半年里感受到的苦恼处于较低水平，可能是由于学习和生活比较顺利，也可能是由于其自身具备较强的心理承受能力，表现出心境良好、抑郁水平较低的特征。该类学生最突出的特征是社会支持水平较高，在遇到挫折或困难时能够得到来自人际关系圈的支持和帮助，同时也能清晰感受到后者的付出。

C2高风险型学生在成长经历、负性生活事件、抑郁水平、神经质等方面的得分均较C1低风险型学生明显升高，社会支持得分却又低于低风险型学生。说明该组被试较为强烈地感受到负性生活事件带来的苦恼，神经质人格中的情绪稳定性差、易波动，对一般人认为的小事容易采取过激应对方式，进而可能导致抑郁水平升高、自杀意念增强。从个人成长史和既往史来看，这类大学生可能具有某些与自杀风险显著相关的个人成长因素，例如家庭功能不良、童年创伤经历、家族及个人精神疾病史或自杀史，等等。家庭不和谐甚至破裂、身边有人自杀、本人曾有过自杀行为等异常成长经历，是自杀意念的重要影响因素。

完成上述潜剖面分析后，再应用潜在转变分析(LTA)方法研究上述两种自杀风险模式的相互转化情况，结果发现，低风险型群体相对稳定，约有10%由低风险型转变为高风险型；而高风险型群体则约有25%转变为低风险型。

对于“高风险型”来说，其适应性人格特质和心理弹性水平显著低于无自杀意念群体^[13]。他们存在较多的不良成长经历和应激-易感型人格特质，同时缺乏社会心理支持来适应环境、应对困境，内心无助感强烈，应激时易引发消极的负面情绪和自杀意念与行为^[14-15]。大学生的自杀可能性与生活事件存在显著正相关^[16]，不同年级大学生在生活事件上存在显著差异，当代中国大学生适应性发展特点的研究表明，大学一年级和二年级适应性有显著差异，二年级学生的适应总体水平明显高于一年级^[17]，大学一年级处于新生转型适应阶段，是整个大学的“起始点”，也是转型与适应的关键时期，生活事件对个体的影响程度较为明显。面对激烈的宿舍人际冲突、理想与现实的心理落差、学习动力不足带来的学业挫败感等应激事件的发生，使得他们在大一阶段容易产生各种心理困惑、心理冲突。同时，由于自身缺乏面对冲突和危机的应对技巧，如若没能得到及时准确的干预和引导，就易于引发悲观、自责、绝望等情绪，进而导致自杀意念的出现。而进入大学二年级阶段，大学生在完成了大学生活的适应和转型的同时，开始对未来发展进行理性规划，此时对自杀可能持相对消极的态度。大学生的自杀态度与自杀倾向之间存在显著负相关，即对待自杀的态度越消极，否定、反对、排斥和歧视自杀的大学生，其自杀倾向性就越低^[18]。故而在大一到大二的时间跨度内，“高风险型”会出现向“低风险型”转变的趋势。

就“低风险型”而言，不良成长经历较少，情绪稳定性高，社会心理支持水平高。但在本研究中，低风险组经过一年时间有接近10%的个体进入高风险组，这个比例也值得研究和重视。导致此转变的一个可能原因是，突发的重大应激事件带来的消极影响对个体施加了过重的负担，甚至超出了其适应能力，进而引起个体负面情绪增加，自杀风险升高。同时，在大学阶段，个体的心理发展尚不够成熟和稳定，道德观、人生观有明显的极端性，情绪两极性也很突出，本就容易产生心理危机。此外，大学生在学习生活中，一直都承载着学业、人际关系、个人期望甚至经济和情感的压力，当压力没有得到及时有效纾解，进而超过其生理、心理的承受阈限时，确实会有一部分学生从“低风险型”发展成“高风险型”。

性别的影响结果表明，在“低风险型”的稳定性上，女生显著高于男生，男生比女生更容易从“低风险型”转变为“高风险型”。这一发现是对大学生自杀风险研究的有益补充。对自杀风险类别的潜剖面分析表明，女生进入高风险组的比例高于男生^[9-10]；对自杀意念影响因素的元分析发现，性别显著影响大学生的自杀意念，女性的自杀死亡率高于男性^[19]。但自杀风险趋势转变的研究结果表明，女生具有更强的“低风险型”稳定性，男生更易从低风险组转变进入高风险组。这说明大学生群体中男生从低自杀风险向高自杀风险转变的机率高于女生。这一研究结论提示我们，在自杀风险的预防与干预中，在重点关注女生高风险组的基础上，根据自杀风险的性别转变趋势特点，对男生群体也要开展针对性预防和干预工作。而男生更易转变为高风险型的原因及其心理形成机制有待进一步研究。

父母教养方式的影响结果表明，母亲情感温暖与理解对“低风险型”的稳定性具有正向预测作用，而母亲过分干涉与过度保护可以负向预测“低风险型”的稳定性；母亲的惩罚与严厉可以正向预测“高风险型”的稳定性。这一结果说明，母亲的教养方式是大学生自杀风险类别转变的一个重要影响因素，这与国内外相关研究的观点一致。国外研究^[20]指出，家庭环境、父母家养方式与青少年自杀行为的发生密切相关，家长的过度干涉保护、严厉与惩罚容易使青少年产生不良情绪，家庭关系不和睦以及家长对子女不管不问等都是自杀的危险因素。

因此，父母应为子女创设宽松、民主、和谐的家庭氛围，给予子女更多的情感温暖和理解，更多地关注其心理需求，而不是以爱的名义过分溺爱、保护、干涉。高校在开展心理普查时，应有意关注学生家庭情况(尤其是家庭环境、亲子关系等方面的信息)，对身处家庭破裂、亲子关系疏离境况的学生建立心理危机档案，动态监控该群体的心理健康状况。自杀预防是一项系统工程，家庭在其中发挥着无可替代的作用。要引导并鼓励学生增进与父母的沟通交流，建立起平等信任关系，从而获得来自家庭的更多情感支持与认同。

第一，尚未实现“全过程”跟踪研究。目前本研究只针对同一被试在大一、大二相同时点的自杀风险转变趋势进行了分析，下一步还要在现有数据基础上继续追踪该群体在整个大学四年的动态变化，并提高取样频度，基于时间线观察自杀风险转变趋势，研究其内在机制；

第二，对内在机制的研究还不够深入。在进一步研究中，应将关注点从自杀风险类别转变的相关影响因素转向更深层次，研究影响因素和预测因子在自杀风险的转变过程中如何起作用，各影响因子在不同阶段如何相互作用等等；

第三，研究方式方法有待进一步完善。尽管本研究采用纵向追踪方法已取得一些成果，但仍然存在一些不可控的干扰因素有可能会影响研究结论。一方面，要在优化数据源上做努力，尽力扩大数据取样范围，避免因被试取样偏差影响分析结果的准确性与可靠性，同时创造条件运用大数据技术实现数据实时采集和大规模追踪研究；另一方面，综合运用心理学、社会学、教育学各学科分支的研究视角和方法，设计精巧的实验和模型进行辅助研究，有助于过滤干扰因素看清事物本质。

把前沿性的数理统计分析技术应用于大学生自杀风险识别与预警，可以帮助发现很多之前不易发现的潜在性苗头倾向，为提高反应时间、实现精确干预提供了有力支持。该领域的子研究大有可为。例如，按照不同时间阶段评估学生的自杀风险，据此建立大学生自杀风险识别、预警与干预模型，在心理健康教育工作中有较高应用价值。国内有关大学生群体自杀风险趋势转变的相关研究还很缺乏，笔者呼吁更多的研究者关注并促进这一领域的发展。