摘 要 選取中國家庭追蹤調查（CFPS）中的10654 名成年中期被試，采用增長混合模型，探討抑郁情緒變化軌跡的異質性及其相關因素。結果發(fā)現：成年中期抑郁情緒變化軌跡存在低抑郁- 穩(wěn)定組（87%）、中抑郁- 下降組（8%）與低抑郁- 陡升組（5%）三種類別，相對于低抑郁- 穩(wěn)定組，中抑郁- 下降組和低抑郁- 陡升組中女性、農村居民與受教育水平較低者所占比例更大。成年中期抑郁情緒的變化軌跡呈現異質性，并且女性、農村居民與受教育水平較低者存在更高的抑郁情緒發(fā)展風險。

關鍵詞 成年中期 抑郁情緒 增長混合模型

1 引言

成年中期一般指35～60 歲這段時期，是成年期的中間階段，起著重要的承上啟下作用。社會角色的豐富對成年中期的生活產生重要影響，同時也帶來巨大的壓力與挑戰(zhàn)（林崇德， 2018）。就抑郁情緒的畢生發(fā)展變化而言，成年中期的抑郁情緒總體上處于相對緩和期，但抑郁的變化過程存在異質性，并非所有個體都遵循同樣的軌跡（侯金芹， 陳祉妍，2016; Lee， 2020; Stordal et al.， 2003）。探討抑郁情緒縱向變化的異質性，有助于增進對抑郁發(fā)展特點、多元成因、高危群體識別以及最佳干預時間的理解（Liu et al.， 2020）。中年人既是家庭的頂梁柱，又是社會的中堅力量，其抑郁情緒對兒童青少年心理健康、家庭和諧乃至整個社會心態(tài)均有直接的影響。在當前不斷加強面向全民的社會心理服務體系建設的背景下，有必要深入探究成年中期抑郁情緒的發(fā)展特點及其個體差異。

大量研究證實，結合抑郁情緒的嚴重程度（低、中、高）以及隨時間變化的趨勢（穩(wěn)定、升高、降低），普通人群抑郁情緒的變化軌跡可劃分為3～4個類別。同時，抑郁情緒在個體層面還表現出較高的穩(wěn)定性，大多數人在幾年內的測量中始終沒有或僅存在較低程度的抑郁（Edgerton et al.， 2019; Ellis etal.， 2017; Lim et al.， 2021）。然而，上述關于抑郁情緒變化軌跡的研究結論主要源于青少年、成年早期與老年人群體。對25 項既有研究的分析發(fā)現，以成年中期普通人群為樣本的研究僅有1 項（Musliner etal.， 2016）。換言之，對成年中期抑郁情緒變化發(fā)展的長期過程仍然知之甚少。

通過潛增長曲線模型（latent growth curve model，LGCM）的分析發(fā)現，成年中期的抑郁情緒不是一成不變的，呈現V 字形軌跡的變化特征（Lee，2020）。但該結果是遵循抑郁情緒變化軌跡同質性的假設，即群體內所有個體享有相同或相似的平均增長軌跡，忽視了個體之間可能存在的變化模式差異，容易掩蓋潛在的高風險類別。Melchior 等人（2013）的追蹤研究發(fā)現，成年中期抑郁情緒的變化軌跡存在無抑郁、抑郁降低、持續(xù)抑郁、抑郁升高/ 間歇性抑郁四個類別。以韓國中年人為對象的研究結果表明，抑郁情緒的變化軌跡是相對穩(wěn)定的模式，四個亞組分別為極低抑郁、持續(xù)輕度抑郁、持續(xù)中度抑郁與持續(xù)高度抑郁，不存在明顯升高或降低的類別（Kim et al.， 2015）。上述結果證實了成年中期抑郁情緒變化軌跡的異質性，但在各類別的抑郁程度以及變化趨勢方面仍存在分歧。

成人抑郁情緒還受性別（Salk et al.， 2017）、城鄉(xiāng)來源（Chen et al.， 2017）、受教育水平（石智雷，楊宇澤， 2020）等因素的影響。但上述結論主要源于橫斷研究，至于抑郁情緒的變化軌跡是否也在這些因素上存在差異尚不明確。例如，關于中年人抑郁情緒變化軌跡性別差異的研究結論并不一致（Kimet al.， 2015; Melchior et al.， 2013）。Sun 等人（2022）的研究結果表明，城鄉(xiāng)居住狀況對于初始抑郁情緒以及抑郁的長期過程并無影響。關于受教育水平，既有研究總體上支持較低的受教育水平與更高風險的抑郁情緒變化軌跡密切相關的結論（de la Torre-Luque et al.， 2019; Musliner et al.， 2016）。不過，以上研究主要源于西方文化背景，有證據表明中西文化背景下青少年抑郁情緒的變化軌跡也存在差異（Liuet al.， 2020）。因此，有必要基于中國文化背景探討成年中期抑郁情緒的變化軌跡及其可能的影響因素。

綜上， 本研究采用增長混合模型（growthmixture modeling， GMM）探討中國文化背景下成年中期抑郁情緒的變化軌跡，該方法可以將傳統(tǒng)增長模型與潛類別分析相結合，既可以刻畫出抑郁情緒的變化趨勢又可以考慮群體異質性（王孟成， 畢向陽，2018）。同時，納入不隨時間變化的性別、城鄉(xiāng)來源與受教育水平因素構建包含協變量的增長混合模型，探討成年中期抑郁情緒的變化軌跡是否在這些因素上存在差異。

2 研究方法

2.1 研究對象

數據來自于北京大學中國社會科學調查中心實施的中國家庭追蹤調查（China Family Panel Studies，CFPS）。該項目采用內隱分層、多階段、多層次且與人口規(guī)模成比例的概率抽樣方式，樣本覆蓋我國內地25 個省區(qū)市。其中，2012、2016 與2018 年均采用相同工具調查了抑郁情緒，本研究即使用此3輪數據。選取2012 年時年齡為35～50 歲的被試，以確保本研究期間被試處于成年中期。2012 年有效被試10654 人，均齡43.2±4.4 歲，男性4969 人（46.6%），女性5685 人（53.4%），城鎮(zhèn)居民3368 人（31.6%），農村居民7286 人（68.4%），受教育水平方面，文盲/ 半文盲2796 人（26.3%），小學2640 人（24.8%），初中3116 人（29.2%），高中/ 中職及以上2102 人（19.7%）。其中7208 人參加了全部3 次調查，第2 輪調查流失2127 人，流失率19.96%，第3 輪調查流失1319 人，流失率12.38%。

全程參與被試與流失被試在性別[χ 2（1） = .17， pgt; .05]、城鄉(xiāng)[χ 2（1） = .09， p gt; .05]、受教育水平[χ 2（3）= 5.13， p gt; .05]、初始抑郁情緒[t （10652） = 0.11， p gt;.05] 上的差異不顯著。Little 完全隨機缺失（missingcompletely at random， MCAR） 檢驗表明（Little，1988），χ 2（2） = 4.98， p gt; .05，可以認為數據缺失機制是完全隨機缺失。由于潛變量增長模型允許追蹤數據存在缺失，并能在模型中對缺失值進行估計，因此本研究納入分析的為至少參加了第一輪調查的被試。

2.2 研究工具

采用Radloff （1977）編制的流調中心抑郁量表（CES-D），本研究使用的是簡版量表。國內外使用簡版量表的研究報告了良好的信效度（Ni et al.，2017）。被試對過去1 周內抑郁情緒的頻率進行自評，從“幾乎沒有（不到一天）”至“大多數時候有（5～7天）”分別計1～4 分。其中，兩個反映積極情緒的條目反向計分，量表得分越高代表抑郁情緒越嚴重。本研究3 次測量的Cronbach' s α 系數分別為.75、.79和.78。

2.3 數據分析

首先，對變量進行簡單描述統(tǒng)計并計算相關系數。其次，構建線性無條件潛增長模型探討抑郁情緒是否存在顯著的變化趨勢以及這種趨勢是否有顯著的個體差異，截距代表初始的抑郁水平，將截距因子上的負荷固定為1，斜率表示3 次測量抑郁情緒的發(fā)展速度，分別設定為0、1 和2。再次，使用無條件增長混合模型來確定抑郁情緒變化軌跡的異質性，允許類別內個體間的變化軌跡存在方差變異，即增長因子方差和協方差不設定為0。從初始的單個類別起，逐步增加模型中類別的數目，直至找到擬合數據最好的模型。第四，以性別、城鄉(xiāng)來源與受教育水平為時間恒定的協變量，進一步考察模型是否得到優(yōu)化。最后，在確定最佳軌跡模型的基礎上，以變化軌跡的分類結果為因變量，分別以性別、城鄉(xiāng)來源與受教育水平為預測變量進行多項Logistic回歸分析。使用SPSS 18.0 進行數據整理、描述性分析與多項Logistic 分析，使用Mplus 7.4 進行模型分析。

對抑郁情緒進行正態(tài)性檢驗，結果表明，3 次測量的抑郁情緒K-S 值分別為.48、.49、.46（p lt;.001）。根據王濟川等人（2011）的建議，采用穩(wěn)健極大似然法進行模型估計。關于模型的評價，主要參考指標有赤池信息準則（Akaike informationcriterion， AIC）、貝葉斯信息準則（Bayesianinformation criterion， BIC）、樣本校正的BIC（samplesize-adjusted BIC， aBIC）， 上述指標值越小， 模型擬合越好。通過基于Bootstrap 法的似然比檢驗（BLRT）和Lo-Mendell-Rubin 似然比檢驗（LMRLRT）來比較k - 1 與k 個類別模型的擬合差異，二者顯著的p 值表示k 個類別模型優(yōu)于k - 1 個類別模型。熵（entropy）是評價類別劃分精確度的指標，Entropy lt; .6時相當于超過20%的個體存在分類錯誤，Entropy ≥ .8 時表示分類準確率超過90%（王孟成等，2014；Lubke amp; Muthén， 2007）。

3 結果

3.1 描述性統(tǒng)計結果

變量的均值、標準差及相關矩陣見表1。3 次測量的抑郁情緒兩兩之間的正向中等相關達到顯著水平，總體上抑郁情緒具有中等程度的穩(wěn)定性。重復測量方差分析結果表明，3 次測量的抑郁情緒差異顯著，F （2， 14175） = 54.48， p lt; .001， η 2 = .01，T3 抑郁情緒顯著高于T1、T2 抑郁情緒。也就是說，隨著時間的推移，抑郁情緒呈上升趨勢。性別、城鄉(xiāng)來源、受教育水平與3 次測量的抑郁情緒均呈顯著負相關，表明女性的抑郁情緒顯著高于男性，農村居民的抑郁情緒顯著高于城鎮(zhèn)居民，受教育水平越低抑郁情緒越高。

3.2 增長混合模型的擬合結果

線性無條件潛增長模型對數據的擬合結果可以接受，χ 2（1） = 44.85，p lt; .001，CFI = .99，TLI= .97，RMSEA = .06，90%CI = [.05， .08]，SRMR =.02。抑郁情緒具有顯著的線性增長趨勢，增長斜率為.03（p lt; .001），截距方差為.11（p lt; .001），斜率方差為.02（p lt; .001），表明初始抑郁情緒以及抑郁情緒的增長速率均存在顯著的個體差異。

采用無條件增長混合模型對抑郁情緒變化軌跡的異質性進行探索性分析，1～4 個類別的擬合結果見表2。在GMM 模型中，隨著類別數的增加，Log（L） 絕對值與AIC、aBIC 值均逐步遞減，LMRLRT和BLRT 兩個指標的p 值在兩個和3 個類別中均達到極其顯著水平，4 個類別LMR-LRT 的p 值處于邊緣顯著，說明4 個類別模型并不優(yōu)于3 個類別模型，結合Entropy 值，3 個類別的模型最為理想（王孟成等，2014；Lubke amp; Muthén， 2007）。

為考察性別、城鄉(xiāng)來源與受教育水平對抑郁情緒變化的影響，以性別以及T1 的城鄉(xiāng)來源與受教育水平為時間恒定協變量，進行增長混合模型分析。結果表明，與無條件增長混合模型相比，帶有協變量模型的擬合結果有所優(yōu)化，綜合各評價指標，3 個類別模型仍是最佳選擇，ΔAIC=195.58，ΔaBIC=171.01。同時，3 個類別的歸屬概率介于83.4%～94.3%，說明該模型的分類結果是可靠的。

3.3 抑郁情緒在各類別上的變化軌跡

在確定了帶有協變量的3 個潛在類別的基礎上，進一步考察每個類別隨時間的變化軌跡。在GMM 模型中可以獲得每個潛在類別的截距（I）、斜率（S） 及其變異，參數估計結果見表3。每個類別的截距均值與其它類別的差異均顯著。參考Ellis 等人（2017）、黃垣成等人（2021）研究中選用的標準對抑郁情緒程度進行劃分與類別命名，量表均值1～2 為低抑郁情緒，均值2～3 為中等水平抑郁情緒，均值3～4 為高水平抑郁情緒。因此，C2 的截距均值即抑郁情緒初始值最高，達到中等程度，C1 與C3兩組的初始值為低抑郁情緒。

通過潛在類別斜率的均值考察每個類別的平均增長率。3 個類別抑郁情緒水平隨時間均發(fā)生了顯著的變化，其中，C2 抑郁情緒水平降低，C1 與C3抑郁情緒水平升高。結合截距和斜率可以描述抑郁情緒變化趨勢的特征（圖1）。C2 的初始抑郁情緒水平中等，而后小幅度下降，命名為中抑郁- 下降組，占比8%，C1 初始抑郁情緒處于低水平，而后較大幅度上升，命名為低抑郁- 陡升組，占比5%，C3 初始抑郁情緒水平最低，且斜率均值極低，因此，命名為低抑郁- 穩(wěn)定組，占比87%。

為探討相關因素在抑郁情緒變化軌跡中的效應，以變化軌跡的3 個類別結果為因變量，分別以性別（男性為參照）、城鄉(xiāng)來源（城鎮(zhèn)為參照）與受教育水平為預測變量進行多項Logistic 回歸分析。由表4 可知，相對于低抑郁- 穩(wěn)定組，女性、農村居民屬于低抑郁- 陡升組的概率分別是男性、城鎮(zhèn)居民的2.22 倍與1.51 倍，屬于中抑郁- 下降組的概率分別是男性、城鎮(zhèn)居民的1.71 倍與1.31 倍。此外，受教育水平每增加一個單位（即學歷提升一個層次），個體被歸入低抑郁- 陡升組、中抑郁- 下降組的概率分別是低抑郁- 穩(wěn)定組的.65 倍與.69 倍。綜上，女性、農村居民與受教育水平較低者面臨更高的抑郁情緒發(fā)展風險。

4 討論

成年中期抑郁情緒的變化軌跡呈現異質性，3 個類別分別是低抑郁- 穩(wěn)定組（87%）、中抑郁-下降組（8%）與低抑郁- 陡升組（5%），與已有研究中普通人群一般存在3～4 個類別的結果相符（Musliner et al.， 2016），進一步印證了抑郁情緒縱向變化的類別數在不同年齡階段具有較大程度的一致性。采用以個體為中心的增長混合模型的優(yōu)勢在于，能夠有效識別出中抑郁- 下降組、低抑郁- 陡升組等風險類別。抑郁情緒縱向軌跡的特定模式可能代表了抑郁的不同亞類型、不同的病因學過程或不同的共病集群，并且不同的軌跡模式也可能產生不同的預后和心理社會結果（Ellis et al.， 2017）。因此，揭示抑郁情緒變化軌跡的異質性具有特殊意義，有助于提高診斷、預防與干預的有效性（Edgerton etal.， 2019）。在加強社會心理服務的實踐中，應逐步建立健全抑郁情緒的動態(tài)篩查機制，為低抑郁- 陡升組與中抑郁- 下降組等長期受抑郁情緒困擾的人群提供必要的心理健康服務。

從各類別的人數分布比例來看，大量研究證實其他年齡段中低抑郁- 穩(wěn)定組占比大約在60%～70%（ 黃垣成等， 2021; 黎志華等， 2018; Hybels et al.，2013），本研究獲得了近90% 的結果。此外，本研究以及其他關于成年早期與老年期的研究結果均未發(fā)現高抑郁情緒類別的存在（黎志華等， 2018; Joneset al.， 2018），但關于青少年的研究結果存在較大分歧（侯金芹， 陳祉妍， 2016; 黃垣成等， 2021; Liu etal.， 2020），這也是青少年階段情緒不穩(wěn)定性的突出反映。綜上，結合成年中期低抑郁- 穩(wěn)定組占比遠高于其他年齡段以及不存在高抑郁情緒組的特點，可以得出成年中期情緒健康總體水平較好的結論。有元分析表明，個體的情緒穩(wěn)定性在30 歲之后持續(xù)增長直至老年（Roberts et al.， 2006）。根據生命歷程理論，該群體不同于其他年齡人群的抑郁情緒體驗是由其獨特的發(fā)展任務以及身心發(fā)展水平決定的，諸如社會角色和地位、職業(yè)發(fā)展以及財富等方面的積極向好都有利于保持心理健康（Clarke et al.，2011）。

中年男女在抑郁情緒變化軌跡上存在差異，女性抑郁情緒變化發(fā)展的風險高于男性。在韓國成年中期人群中進行的研究也表明，女性抑郁情緒變化軌跡的風險程度高于男性（Kim et al.， 2015）。對超過90 個國家近兩百萬份樣本抑郁情緒水平性別差異的元分析發(fā)現，女性抑郁情緒水平在各個年齡段均高于男性，就生命全程而言，這種差異在青少年時期處于頂峰，隨后在成年早期開始下降并在整個成年期維持穩(wěn)定（Salk et al.， 2017）。綜上，成年中期女性情緒健康的劣勢不僅反映在群體層面更高的抑郁程度，還反映在個體層面的長期抑郁過程。女性對抑郁情緒的脆弱傾向具有重要的生物學基礎，情緒腦結構、荷爾蒙水平的特異性導致女性更不善于調節(jié)負性情緒，并且有更強的消極情緒易感性，從而與情緒障礙密切聯系（袁加錦等， 2010）。

從心理社會角度來看，社會結構理論為成年中期抑郁情緒性別差異的機制提供了一個較為合理的解釋。該理論認為，一個社會中依據性別的勞動分工驅動了所有其他的心理性別差異（Wood amp; Eagly，2012）。具體到中年人群體，受我國男主外、女主內傳統(tǒng)觀念的影響，男性主要是通過工作為家庭提供經濟支撐，女性的主要職責在于照顧孩子等家庭事務（Butler amp; Skattebo， 2004）。但現實情況是，一方面，受上述根深蒂固觀念的影響，女性仍普遍承擔更多的家庭事務，另一方面，隨著時代變遷，女性也越來越普遍地進入職場，從而面臨工作與家庭的雙重壓力，工作- 家庭沖突在抑郁情緒中起重要作用（金家飛等， 2014）。在當前生育政策調整的背景下，部分女性將面臨更大的生育與撫養(yǎng)壓力以及工作- 家庭沖突。鼓勵男性更大程度地參與子女教養(yǎng)，同時通過法律與制度手段，為女性創(chuàng)造更加公平的就業(yè)環(huán)境等都將是有益措施。

個體受教育水平越低，越可能面臨長期的抑郁風險。受教育水平較高者更容易獲得較多的優(yōu)質資源，包括經濟和社會資源以及知識、認知靈活性、問題解決能力和言語技能等其他方面的資源（Harding et al.， 2015），心理健康方面的知識也與個體的受教育水平密切相關（江光榮等， 2021）。可以說，良好的教育是個體抑郁情緒的保護性資源。關于成人抑郁情緒城鄉(xiāng)差異的研究結果存在較大分歧（Hu et al.， 2019; Sun et al.， 2022）?？赡茉蛟谟?，性別、經濟狀況與受教育水平等因素在其中起調節(jié)作用。有研究發(fā)現，城鄉(xiāng)居住狀況對男性抑郁情緒的發(fā)展不存在影響，對女性來說，農村居住與抑郁情緒增加之間的關系也可以用社會人口學特征如財富和受教育水平來解釋（Sun et al.， 2022）。加大心理健康知識普及力度和心理健康服務資源供給，是促進受教育水平較低人群與農村居民情緒健康的重要途徑。

本研究采用增長混合模型對成年中期抑郁情緒的變化軌跡及其影響因素進行探討，具有一定價值，但仍存在一些不足。首先，只有3 輪追蹤數據且測量間隔時間較長，對于精準描述抑郁情緒的長期變化軌跡具有局限性，并且無法有效揭示可能存在的非線性變化軌跡；其次，數據來自被試的自我報告，難以避免社會稱許性效應，尤其是男性可能傾向于報告更低的抑郁水平，從而導致結果偏差。未來研究可以適當增加測量頻率，縮短測量間隔時間，同時嘗試從多個信息源收集數據，以更加全面、客觀地探究成年中期抑郁情緒的動態(tài)過程。

5 結論

本研究結論如下：（1）成年中期抑郁情緒的變化軌跡存在異質性，3 個類別是低抑郁- 穩(wěn)定組（87%）、低抑郁- 陡升組（5%）與中抑郁- 下降組（8%）。（2）成年中期抑郁情緒的變化軌跡存在性別、城鄉(xiāng)來源與受教育水平方面的差異，女性、農村居民與受教育水平較低者的風險更高。

參考文獻

侯金芹， 陳祉妍. （2016）. 青少年抑郁情緒的發(fā)展軌跡： 界定亞群組及其影

響因素. 心理學報， 48 （8）， 957-968.

黃垣成， 趙清玲， 李彩娜. （2021）. 青少年早期抑郁和自傷的聯合發(fā)展軌跡：

人際因素的作用. 心理學報， 53 （5）， 515-526.

江光榮， 李丹陽， 任志洪， 閆玉朋， 伍新春， 朱旭， 張琳. （2021）. 中國國民

心理健康素養(yǎng)的現狀與特點. 心理學報， 53 （2）， 182-198.

金家飛， 徐姍， 王艷霞. （2014）. 角色壓力、工作家庭沖突和心理抑郁的中

美比較——社會支持的調節(jié)作用. 心理學報， 46 （8）， 1144-1160.

黎志華， 謝瑋玉， 尹霞云， 劉文俐， 周先進. （2018）. 大學生抑郁的發(fā)展軌跡：

基于潛變量混合增長模型的分析. 中國臨床心理學雜志， 26 （4）， 711-

715.

林崇德. （2018）. 發(fā)展心理學. 人民教育出版社.

石智雷， 楊宇澤. （2020）. 高學歷的人更容易抑郁嗎？——教育對成年人抑

郁情緒的影響. 北京師范大學學報（ 社會科學版）， 2， 148-160.

王濟川， 王小倩， 姜寶法. （2011）. 結構方程模型： 方法與應用. 高等教育出

版社.

王孟成， 畢向陽， 葉浩生. （2014）. 增長混合模型： 分析不同類別個體發(fā)展

趨勢. 社會學研究， 29 （4）， 220-241.

王孟成， 畢向陽. （2018）. 潛變量建模與Mplus 應用·進階篇. 重慶大學出

版社.

袁加錦， 汪宇， 鞠恩霞， 李紅. （2010）. 情緒加工的性別差異及神經機制. 心

理科學進展， 18 （12）， 1899-1908.

Butler， A. B.， amp; Skattebo， A. （2004）. What is acceptable for women may not be

for men： The effect of family conflicts with work on job-performance ratings.

Journal of Occupational and Organizational Psychology， 77（4）， 553-564.

Chen， Y.， Bennett， D.， Clarke， R.， Guo， Y.， Yu， C.， Bian， Z.， amp; Chen， Z. （2017）.

Patterns and correlates of major depression in Chinese adults： A crosssectional

study of 0.5 million men and women. Psychological Medicine， 47（5），

958-970.

Clarke， P.， Marshall， V.， House， J.， amp; Lantz， P. （2011）. The social structuring of

mental health over the adult life course： Advancing theory in the sociology of

aging. Social Forces， 89 （4）， 1287-1313.

de la Torre-Luque， A.， de la Fuente， J.， Prina， M.， Sanchez-Niubo， A.， Haro， J. M.，

amp; Ayuso-Mateos， J. L. （2019）. Long-term trajectories of depressive symptoms

in old age： Relationships with sociodemographic and health-related factors.

Journal of Affective Disorders， 246， 329-337.

Edgerton， J. D.， Shaw， S.， amp; Roberts， L. W. （2019）. An exploration of depression

symptom trajectories， and their predictors， in a Canadian sample of emerging

adults. Emerging Adulthood， 7 （5）， 352-362.

Ellis， R. E. R.， Seal， M. L.， Simmons， J. G.， Whittle， S.， Schwartz， O. S.， Byrne， M.

L.， amp; Allen， N. B. （2017）. Longitudinal trajectories of depression symptoms

in adolescence： Psychosocial risk factors and outcomes. Child Psychiatry and

Human Development， 48 （4）， 554-571.

Harding， J. F.， Morris， P. A.， amp; Hughes， D. （2015）. The relationship between

maternal education and children's academic outcomes： A theoretical

framework. Journal of Marriage and Family， 77（1）， 60-76.

Hu， Y. Y.， Li， P.， amp; Martikainen， P. （2019）. Rural-urban disparities in age

trajectories of depression caseness in later life： The China health and

retirement longitudinal study. PLoS ONE， 14 （4）， Article e0215907.

Hybels， C. F.， Landerman， L. R.， amp; Blazer， D. G. （2013）. Latent subtypes of

depression in a community sample of older adults： Can depression clusters

predict future depression trajectories？ Journal of Psychiatric Research， 4 7（10），

1288-1297.

Jones， J. W.， Ledermann， T.， amp; Fauth， E. B. （2018）. Self-rated health and

depressive symptoms in older adults： A growth mixture modeling approach.

Archives of Gerontology and Geriatrics， 79， 137-144.

Kim， E. Y.， Kim， S. H.， Ha， K.， Lee， H. J.， Yoon， D. H.， amp; Ahn， Y. M. （2015）.

Depression trajectories and the association with metabolic adversities among

the middle-aged adults. Journal of Affective Disorders， 188， 14-21.

Lee， J. （2020）. Trajectories of depression between 30s and 50s： Latent growth

modeling. Issues in Mental Health Nursing， 41（7）， 624-636.

Lim， H. J.， Cheng， Y. Z.， Kabir， R.， amp; Thorpe， L. （2021）. Trajectories of depression

and their predictors in a population-based study of Korean older adults. The

International Journal of Aging and Human Development， 93（3）， 834-853.

Little， R. J. A. （1988）. A test of missing completely at random for multivariate data

with missing values. Journal of the American Statistical Association， 83 （404），

1198-1202.

Liu， C. L.， Wei， Y.， Ling， Y.， Huebner， E. S.， Zeng， Y. F.， amp; Yang， Q. （2020）.

Identifying trajectories of Chinese high school students' depressive symptoms：

An application of latent growth mixture modeling. Applied Research in

Quality of Life， 15 （3）， 775-789.

Lubke， G.， amp; Muthén， B. O. （2007）. Performance of factor mixture models as

a function of model size， covariate effects， and class-specific parameters.

Structural Equation Modeling： A Multidisciplinary Journal， 14（1）， 26-47.

Melchior， M.， Chastang， J. F.， Head， J.， Goldberg， M.， Zins， M.， Nabi， H.， amp; Younès，

N. （2013）. Socioeconomic position predicts long-term depression trajectory： A

13-year follow-up of the GAZEL cohort study. Molecular Psychiatry， 18 （1），

112-121.

Musliner， K. L.， Munk-Olsen， T.， Eaton， W. W.， amp; Zandi， P. P. （2016）.

Heterogeneity in long-term trajectories of depressive symptoms： Patterns，

predictors and outcomes. Journal of Affective Disorders， 192， 199-211.

Ni， Y. H.， Tein， J. Y.， Zhang， M. Q.， Yang， Y. W.， amp; Wu， G. T. （2017）. Changes in

depression among older adults in China： A latent transition analysis. Journal

of Affective Disorders， 209， 3-9.

Radloff， L. S. （1977）. The CES-D scale： A self-report depression scale for research

in the general population. Applied Psychological Measurement， 1 （3）， 385-

401.

Roberts， B. W.， Walton， K. E.， amp; Viechtbauer， W. （2006）. Patterns of meanlevel

change in personality traits across the life course： A meta-analysis of

longitudinal studies. Psychological Bulletin， 132 （1）， 1-25.

Salk， R. H.， Hyde， J. S.， amp; Abramson， L. Y. （2017）. Gender differences in

depression in representative national samples： Meta-analyses of diagnoses

and symptoms. Psychological Bulletin， 143 （8）， 783-822.

Stordal， E.， Mykletun， A.， amp; Dahl， A. A. （2003）. The association between age

and depression in the general population： A multivariate examination. Acta

Psychiatrica Scandinavica， 107 （2）， 132-141.

Sun， N.， Hua， C. L.， Qiu， X.， amp; Brown， J. S. （2022）. Urban and rural differences in

trajectories of depressive symptoms in later life in the United States. Journal of

Applied Gerontology， 41 （1）， 148-157.

Wood， W.， amp; Eagly， A. H. （2012）. Advances in experimental social psychology .

Academic Press.