雷澤宇，烏云特娜，金童林

(內(nèi)蒙古師范大學心理學院, 內(nèi)蒙古 呼和浩特 010022)

錯失恐懼，也稱錯失焦慮(fear of missing out, FoMO)，是一種由于擔心錯過他人新奇、有趣的經(jīng)歷或收獲，而持續(xù)處于焦慮不安或恐懼的狀態(tài)[1].患有錯失恐懼的個體害怕他人正從事著自己不知道的正性事件，自己卻一無所知，因而常常希望自己可以一直跟進他人所做之事[1-2].相關研究顯示，錯失恐懼水平較高往往會導致個體沉迷于社交媒體使用[3]、智能手機成癮[4-6]、網(wǎng)絡成癮、低頭行為[7-8]、學業(yè)不佳[9]、睡眠質(zhì)量不好[10]等負面結果[11]，且與低水平的心理需求滿足[1-2]、自尊[12]、幸福感[13]呈正相關.一項研究調(diào)查顯示，約78.3%的個體因錯失恐懼而連續(xù)不斷地參加社交活動，約15.2%的受訪者報告錯失恐懼已影響到日常生活，雖然他們知道自己的狀態(tài)不佳，但又“不受控制”[2].測量錯失恐懼的量表種類較多，其中外延相對較廣、使用較多的量表是由Przybylski等編制的錯失恐懼量表[1]，共包含10個條目，單一維度.我國研究者將該量表在大學生群體中進行了修訂，修訂后的量表共8個條目，分為“錯失信息恐懼”和“錯失情境恐懼”兩個維度[14].隨后，我國研究者將該量表在中學生群體中進行了修訂，得到了相似的結果[15-16].然而，這些結果是基于變量中心的視角，并未考慮個體本身具有的差異性，這樣的結果劃分有待考量.

潛在剖面分析(latent profile analysis, LPA)是以個體為中心的分析方法，假設存在少數(shù)互不重疊的潛在類別可以解釋外顯指標(維度)之間的關聯(lián)，潛在的不同類別對外顯變量的反應持有特定的選擇傾向[17-18]，根據(jù)各個類別在每個條目上的得分情況來判斷其潛在特征，以此作為劃分不同潛在類別的界限.與傳統(tǒng)的、基于變量中心的分類方法相比，LPA更為精確、客觀，不僅能更加準確地描述個體之間的量化差異，還能歸納出個體間多維的質(zhì)化差異[19].該方法近年來被廣泛應用于心理學、精神病學、組織行為學等領域[20].本研究采用LPA對中學生錯失恐懼的潛結構進行分析，并在此基礎上考察人口學變量與錯失恐懼的關系.

1 研究方法

1.1 研究對象

采用隨機抽樣法，在內(nèi)蒙古自治區(qū)若干所中學共發(fā)放問卷750份，回收有效問卷687份，有效率為91.6%.其中，男生245人，女生442人；年齡12～20歲，平均年齡(15.43±1.81)歲；初一115人，初二148人，初三142人，高一120人，高二91人，高三71人；獨生子女366人，非獨生子女321人；現(xiàn)居住地為城市的460人，鄉(xiāng)鎮(zhèn)的119人，農(nóng)村的108人.

1.2 研究工具

1.3 統(tǒng)計學分析

使用Mplus 8.3和SPSS 22.0軟件對FoMOs的10個條目進行潛剖面分析.從類別數(shù)目1開始，逐漸增加模型中的類別數(shù)目，直到找到擬合程度最優(yōu)的模型.在最優(yōu)模型的基礎上，加入人口學變量，采用R3STEP法檢測人口學變量對錯失恐懼的預測作用.

2 結果

2.1 中學生錯失恐懼的潛剖面分析

對潛在類別數(shù)目為1～4的模型進行潛剖面分析，結果顯示：除LMR、BLRT兩個指標外，其他指標對應的數(shù)值均隨著類別數(shù)目的增加而減小；Entropy值在潛在類別數(shù)目為2類時最大；LMR和BLRT顯示2、3、4類模型均擬合良好；見表1.最終考慮將兩個潛在類別(C1、C2)的分類模型作為最優(yōu)模型，其歸屬概率為0.94～0.96，說明兩個類別的模型結果是可信的.

表1 中學生錯失恐懼的潛剖面模型擬合指標Tab.1 Fitting indexes of latent profile model of fear of missing out among middle school students

進一步做出兩個潛在類別在FoMOs10個條目上的應答概率圖(圖1).C1類別的中學生部分題目得分在“稍微符合”程度附近，部分題目得分在“中等符合”程度附近，較C2而言，得分明顯較低，故將其命名為“微恐型”，占總被試的62.30%；C2類別的中學生在10個條目上的得分幾乎都處于“中等符合”程度之上，故將其命名為“焦慮型”，占總被試的37.70%.

圖1 中學生錯失恐懼兩個潛在類別在FoMOs10個條目上的得分概率Fig.1 Scoring probability of two latent classes of fear of missing out among middle school students in 10 items of FoMOs

2.2 人口學變量對中學生錯失恐懼潛在類別的影響

使用穩(wěn)健三步法中的自動形式R3STEP將中學生錯失恐懼的兩個潛在類別作為因變量，人口學變量作為自變量，進行多項式logistic回歸分析，將“焦慮型”作為參照組.現(xiàn)居住地變量對第一類別(“微恐型”)的回歸系數(shù)為-0.354，標準誤為0.128，P<0.01.結果表明，現(xiàn)居住地這一變量對中學生錯失恐懼類別有預測作用，具有統(tǒng)計學意義；其他人口學變量對中學生錯失恐懼沒有預測作用；見表2.相對于第二類別組(“焦慮型”)而言，隨“現(xiàn)居住地”由城市、鄉(xiāng)鎮(zhèn)到農(nóng)村的變化，“微恐型”中學生的發(fā)生比降低29.81%.

表2 中學生錯失恐懼影響因素的logistic回歸分析Tab.2 Logistic regression analysis of influencing factors of fear of missing out among middle school students

3 討論

本研究根據(jù)中學生錯失恐懼量表得分，采用LPA探索中學生在錯失恐懼上的潛在類別結構，結合相關指標最終選定兩個潛在類別的模型，這與以往研究結果稍有不同.佘愛等[21]認為大學生的錯失焦慮分為3個類別：錯失焦慮-低風險組、錯失情境恐懼-風險組和錯失焦慮-風險組.造成這種不一致的原因可能是研究群體和保留最優(yōu)模型的側重點不同.該研究中前兩類別與本研究中“微恐型”特征較為相似，最后一個類別與本研究中“焦慮型”特征大致相同.“微恐型”中學生可能只是偶爾有輕微的錯失恐懼感，對錯過一些特殊事件信息的焦慮水平并不是很高，但對于一些情境的錯失恐懼水平較高.因此可通過他人引導更多地關注于自身的事件、感受，若做到則給予鼓勵，沒做到則幫助其整理自身感受、調(diào)整心態(tài).“焦慮型”中學生的錯失恐懼水平較高，內(nèi)在心理狀態(tài)處于擔心錯過的焦慮中，同時也會被特定情境誘發(fā)錯失恐懼的情緒和行為表現(xiàn).因此可通過他人幫助，檢測和覺察自我狀態(tài)(如思維、行為)，避免陷入彌散性的焦慮氛圍中.對事件引發(fā)的錯失恐懼感受做記錄整理，找到原因、分析可采取的措施等，以此來減緩錯失恐懼感.

本研究多項式logistic回歸分析，結果顯示，現(xiàn)居住地變量對不同錯失恐懼水平的中學生而言具有差異性影響.以“焦慮型”中學生作為參考，隨“現(xiàn)居住地”由城市、鄉(xiāng)鎮(zhèn)到農(nóng)村的變化，屬于“微恐型”中學生的降低29.81%，即對應群體中高錯失恐懼水平人員的占比有所上升.相關研究[2]發(fā)現(xiàn)，錯失恐懼的新穎信息可細分為社交交往、新聞信息和商業(yè)信息，這三方面的信息都可通過網(wǎng)絡實現(xiàn).根據(jù)第47次《中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》[22]，截至2020年12月，我國網(wǎng)民規(guī)模為9.89億，其中農(nóng)村網(wǎng)民規(guī)模為3.09億(31.3%)，10～19歲的青少年網(wǎng)民占13.5%.由此可見，居住在農(nóng)村地區(qū)的中學生使用網(wǎng)絡、社交媒體的概率很高.居住在農(nóng)村地區(qū)的中學生有其獨特的“痛點”——缺乏父母雙親的陪護及有效監(jiān)管，這使得他們在社交媒體使用過程中比城鎮(zhèn)中學生更易受到社交媒體的負面影響[23].研究表明，社交媒體使用強度較高的個體，錯失恐懼感往往也較高，社交媒體使用將加劇個體錯失恐懼水平[24-25]，且高錯失恐懼者的基本心理需求往往沒有得到滿足[2].因此，隨“現(xiàn)居住地”由城市、鄉(xiāng)鎮(zhèn)到農(nóng)村的變化，高錯失恐懼個體的占比有所上升，提示在篩選相關人群時，現(xiàn)居住地是一個重要的判斷指標.無論是學校層面的積極引導、教師層面的細致把關、家長層面的耐心配合，還是學生自身層面的自我調(diào)節(jié)，都有助于降低個體錯失恐懼水平.

綜上所述，中學生錯失恐懼存在兩種潛在類別，分別為“微恐型”(62.30%)和“焦慮型”(37.70%).相對于“焦慮型”而言，隨“現(xiàn)居住地”由城市、鄉(xiāng)鎮(zhèn)到農(nóng)村的變化，屬于“微恐型”中學生的發(fā)生比降低29.81%.