负性认知加工偏向是指个体在信息加工过程中,对负性信息存在加工偏好的一种特质[1]。这种偏向性主要体现在两个方面:一是将更多的注意力集中在负性刺激上,并经常进行细致的沉思,进而产生负性认知加工偏向[2-3];另一种是个体对经验进行认知评价时出现系统误差,倾向于将外界的负性刺激与自我进行强烈的关联[4-5]。研究表明,抑郁症患者在认知能力方面具有缺陷,主要表现在注意、记忆的偏向性加工及执行功能的损伤[6],同样也存在解释偏向[7]。最近的研究表明,负性认知偏向不仅存在于抑郁症患者,焦虑症患者也同样存在,CHEN等[8]使用侧抑制任务证明了高社会焦虑者具有注意偏向,ROZENMAN等[9]对临床焦虑青少年患者的研究发现,负性解释可以有效预测焦虑症状。这说明负性认知偏向可能存在于多种精神疾病中,因此探索负性认知加工偏向的特点及成分有助于人们更好地认识各种精神疾患。在以往的研究中,研究者多数使用实验室任务来评估个体的负性认知偏向。近些年来,已经有研究者开始使用问卷测量形式来评估个体的负性认知偏向[1, 10],使得研究者更容易在大样本中考察负性认知偏向的特点,具有较高的生态效度。
目前国内仅存在1份专门测查个体的负性认知加工偏向问卷(Negative Cognitive Processing Bias Questionnaire,NCPBQ),该问卷是基于大样本、多职业人群编制的自评问卷,包含4个维度,分别是负性记忆偏向、负性注意偏向、负性沉思偏向和负性解释偏向。每个维度包括5个题项,此外还包括2项测谎题和1项答题态度题,共23项。在不同职业的18~40岁人群中问卷具有良好的信效度,但是探索性因素分析结果显示四维度只解释问卷总变异的50.15%[1],因此该问卷的各个维度是否合适还需进一步的探索。本研究试图将已编的负性认知加工偏向问卷应用于大样本军人群体中,一方面考察其心理测量学属性,尤其考察问卷的结构效度。由于负性认知加工偏向与焦虑和抑郁的关系密切,因此采用流调中心用抑郁量表(Center For Epidemiological Survey-Depression Scale,CES-D)[11]、状态-特质焦虑问卷(State Trait Anxiety Inventory,STAI)[12]作为参照,考察其校标效度。另一方面在中国军人群体中对该问卷进行修订,探索其在该领域中的信效度问题,以期为军人心理健康领域提供有效的评估工具。
1 资料与方法 1.1 被试采用整群抽样法,对某部4 691名军人进行现场施测。施测者接受统一的标准化培训,让被试分批次在安静的环境下施测,说明指导语,包括施测目的、答题方式以及保密原则等,并当场收回。剔除答题不完整、规律性作答等不合格问卷,最后剩余4 631份有效问卷,问卷有效率98.7%。其中男性4 449人(96.07%),女性182人(3.93%);年龄(24.24±4.60)岁;文化程度:初中及以下739人(15.96%),高中/大专2 535人(54.74%),本科及以上1 357人(29.30%);职别:义务兵1491人(32.20%),士官2481人(53.57%),军官659人(14.23%)。本研究2018年已通过陆军军医大学医学伦理委员会审批。
1.2 测查工具 1.2.1 NCPBQ该量表由闫晓钒等[1]编制,共有23个条目(其中第4/16题为测谎题,第23题为态度自评题),包括负性注意偏向、负性记忆偏向、负性沉思偏向和负性解释偏向4个维度,采用Likert 4级评分法,由1分(完全不符合)到4分(完全符合)。
1.2.2 CES-D该量表主要用来评定非临床条件下个体当前的抑郁症状,共有20个条目,采用Likert 3级评分法,由0分(偶尔或无)到3分(大部分时间或持续)。总分为0~60分,分数越高,说明抑郁水平越高,该量表的内部一致性α系数为0.82[11]。
1.2.3 STAI由2个分量表组成,共40项,前20题为状态焦虑量表(State Anxiety Inventory, SAI),主要用来评价个体当前或最近一段时间或某一特定情景下的焦虑体验。后20题为特质焦虑量表(Trait Anxiety Inventory, TAI),用于评定人们经常的情绪体验。该量表采用Likert 4级评分法,总分为20~80分[12]。该量表总的内部一致性信度为0.86[13]。
1.3 统计学分析运用SPSS 22.0统计软件对问卷进行项目分析、探索性因素分析以及内部一致性信度检验;使用Amos 24.0软件对数据进行验证性因素分析。检验水准:α=0.05。
2 结果 2.1 问卷的项目分析将问卷总分进行高低排序,找出前27%(高分组)被试的得分及后27%(低分组)被试的得分,然后计算极端分组的决断值(CR),本研究中以决断值t>3.00,且题项分值与总分的相关r>0.4为题项筛选的依据,结果20个题项都保留(表 1)。
题号 | 负性沉思 | 题号 | 负性解释 | 题号 | 负性注意 | 题号 | 负性记忆 | ||||
r | P | r | P | r | P | r | P | ||||
7 | 0.65 | <0.001 | 3 | 0.61 | <0.001 | 1 | 0.55 | <0.001 | 2 | 0.63 | <0.001 |
10 | 0.68 | <0.001 | 5 | 0.58 | <0.001 | 6 | 0.65 | <0.001 | 8 | 0.53 | <0.001 |
14 | 0.64 | <0.001 | 9 | 0.70 | <0.001 | 13 | 0.66 | <0.001 | 11 | 0.70 | <0.001 |
19 | 0.69 | <0.001 | 12 | 0.67 | <0.001 | 17 | 0.68 | <0.001 | 15 | 0.67 | <0.001 |
22 | 0.61 | <0.001 | 18 | 0.66 | <0.001 | 21 | 0.64 | <0.001 | 20 | 0.71 | <0.001 |
题项不包含第4、16测谎题和第23答题态度自评题 |
2.2 问卷的探索性因素分析
在进行探索性因素分析前,对问卷进行Bartlett球形检验和KMO检验,采用主成分分析法和最大变异法。并结合特征值>1和陡坡图抽取共同因素。对不符合条件的题项进行删除,具体标准为:①删除在单个因素上的因子负荷<0.4的题项;②删除在2个及以上因素上因子负荷>0.4的题项;③删除共同度<0.4的题项。
根据以上要求,第1次探索性因素分析时,KMO= 0.96,χ2=38 564.80(P < 0.001),表示问卷题项适合进行因素分析。特征值>1的因素共3个,因此抽取3个因素,与问卷的理论构架不同(理论构念共4个因素),三因素可解释的总变异为53.02%。由于因素1中包含负性记忆偏向(共5题)和负性解释偏向(共3题)测量题项,因此删除负性解释偏向中因子负荷最大的题项第9题,且第9题在因素1和因素2中的因子负荷都>0.4[14]。因素2中包含负性沉思偏向(共5题)和负性解释偏向(共2题),删除负性解释偏向中因子负荷最大的题项第18题,且第18题在因素1和因素2的因子负荷都>0.4,因此删除。同时删除第7、12题,因为它们在两个因素上的因子负荷>0.4。
第2次探索性因素分析时,KMO=0.95,Bartlett=28 696.56(P < 0.01), 说明题项进行因素分析的适切性佳,与第1次探索性因素结果相似,特征值>1的因素有3个,它们共可解释总变异的55.63%。删除第3、5题,因为它们的共同度<0.4。由于第14题在两个因素上的负荷>0.4,因此删除。
第3次探索性因素分析时,KMO=0.93,Bartlett, 23 357.59(P < 0.01),表示题项适合进行因素分析,抽取特征值>1的3个因素,它们共可解释总变异的60.78%。此次因素分析中,没有不符合要求的题项需要删除。因素1为理论构念中的负性记忆偏向(共5题),因素2为理论构念中的负性注意偏向(共5题),因素3为理论构念中的负性沉思偏向(共3题),共保留13个题项,结果如表 2所示。图 1为因素分析的陡坡图。
题号 | 负性记忆偏向 | 题号 | 负性沉思偏向 | 题号 | 负性注意偏向 | |||
因子负荷 | 共同性 | 因子负荷 | 共同性 | 因子负荷 | 共同性 | |||
8 | 0.74 | 0.57 | 22 | 0.80 | 0.70 | 1 | 0.77 | 0.64 |
20 | 0.71 | 0.64 | 19 | 0.77 | 0.71 | 17 | 0.69 | 0.65 |
11 | 0.69 | 0.61 | 10 | 0.71 | 0.64 | 6 | 0.67 | 0.57 |
15 | 0.67 | 0.57 | 21 | 0.64 | 0.55 | |||
2 | 0.61 | 0.48 | 13 | 0.62 | 0.59 | |||
特征值 | 2.76 | 2.46 | 2.69 | |||||
贡献率/% | 21.20 | 18.93 | 20.65 |
2.3 效度检验 2.3.1 结构效度
为检验删除7个题项后的问卷的结构效度,对保留的13个题项进行验证性因素分析,以负性注意偏向、负性记忆偏向、负性沉思偏向为3个维度,建立结构模型,见图 2。通过验证,模型的拟合度指数显示,χ2/df=12.435,RMSEA=0.05,GFI=0.974,NFI=0.967,CFI=0.970,IFI=0.970,除χ2/df>标准5,其他指标均达到要求,表明该模型与数据的拟合度较好,问卷的结构效度良好。
2.3.2 校标效度
对负性认知加工偏向3个维度以及各维度与总分进行相关分析,结果显示相关系数在0.57~0.89(P < 0.01)之间。本研究以CES-D、STAI为校标,问卷各维度及总分与CES-D的相关系数在0.41~0.53(P < 0.01)之间,与SAI的相关系数在0.24~0.33(P < 0.01)之间,与TAI的相关系数在0.31~0.40(P < 0.01)之间。结果见表 3。
维度 | 负性注意偏向 | 负性记忆偏向 | 负性沉思偏向 | 总分 | CES-D |
负性注意偏向 | 1 | ||||
负性记忆偏向 | 0.61a | 1 | |||
负性沉思偏向 | 0.60a | 0.57a | 1 | ||
总分 | 0.87a | 0.89a | 0.79a | 1 | |
CES-D | 0.41a | 0.43a | 0.53a | 0.52a | 1 |
SAI | 0.24a | 0.25a | 0.33a | 0.31a | — |
TAI | 0.31a | 0.31a | 0.40a | 0.39a | — |
a:P < 0.01 |
2.4 信度检验
负性认知加工偏向问卷及3个维度的Cronbach α系数分别为0.89、0.81、0.79、0.80,表明问卷的内部一致性信度良好。
3 讨论本研究的项目分析结果显示,负性认知加工偏向问卷的各题项与总分的相关在0.53~0.71(P < 0.01)之间,且t值>3,说明各题项具有良好的区分度。探索性因素分析过程中,提取特征值>1的3个因素。由于第7(我经常思考自己为什么总是不如别人)、9(如果我当众演讲后,发现旁边有人在小声议论。我会觉得是在议论我)、12(在我参加应聘时,如果考官对我表情严肃。我会认为应聘是失败的)、14(我经常思考自己为什么做事缺乏兴趣和动力)、18(如果老板对我的要求很严厉,我认为他是在故意刁难我)题同时在两个因素上的负荷>0.4,因此删除。第7、9、12、18题在负性记忆偏向与负性解释偏向共同载荷较高,可能的原因是在对过往事件进行解释时,有回忆加工的参与。第14题在负性沉思偏向与负性解释偏向共同载荷较高,可能的原因是在认为自己做事缺乏兴趣和动力时,本身就是对自我的一种解释。另外,第3(如果对面走过1个熟人,没和我打招呼。我会认为他对我有意见)、5(如果第1次见面的朋友对我话很少,我就会认为他不喜欢我)题项在单一因素的载荷<0.4,因此删除。可能的原因是大部分人都能够对这两种场合有比较客观的看法,因此这不能够准确体现个体的负性解释偏向。此外,初次编制负性认知加工偏向问卷是基于多省市、多职业(学生、军人、农民、工人、公务员、服务员等)人员,而本研究的施测群体是军人,删除负性解释偏向这一维度可能与军人的职业性质有关,“服从命令”“听指挥”是军人必须遵守的纪律,导致军人在遭遇负性事件时常以负性记忆、负性沉思的形式进行认知加工,而较少对事件进行负性解释。另一方面,在因素分析的过程中,理论构架中负性解释偏向维度下的题项较多归并在负性沉思这一维度,考虑负性沉思与负性解释是否有相通之处,例如,个体在思考负性事件时是否存在对负性事件的认知归因,也就是说对事件做出解释包含在沉思过程中。验证性因素分析结果表明,除χ2/df指标没有达到标准外,其他各项指标都符合心理测量学的标准。根据温忠麟等[15]的研究发现,当样本量>1 000时,会导致χ2值增大,进而导致模型被拒绝。鉴于此,本研究在对模型的拟合效果进行评判时不采用χ2准则。3个维度共可解释方差总变异的60.78%。
本研究使用CES-D、STAI作为校标,结果显示,负性认知加工偏向问卷总分及各维度与CES-D、SAI、TAI总分均呈正相关,验证了负性认知加工偏向不仅体现在抑郁症患者,同样也存在于焦虑症者[8-9, 16-17]。因此,可将删减后的问卷作为筛查军人群体中具有焦虑、抑郁情绪个体的辅助工具。在信度方面,问卷总分与各维度的内部一致性系数在0.79~0.89之间,表明修订后的问卷具有良好的信度。
综上所述,删减后的负性认知加工偏向问卷信效度符合心理测量学要求,可以作为评估军人群体负性认知加工偏向的工具。
[1] |
闫晓钒, 张睿, 冯正直. 负性认知加工偏向问卷的研制[J].
第三军医大学学报, 2017, 39(23): 2329–2334.
YAN X F, ZHANG R, FENG Z Z. Development of negative cognitive processing bias questionnaire[J]. J Third Mil Med Univ, 2017, 39(23): 2329–2334. DOI:10.16016/j.1000-5404.201707160 |
[2] | KOSTER E H, HOORELBEKE K. Cognitive bias modification for depression[J]. Curr Opin Psychol, 2015, 4: 119–123. DOI:10.1016/j.copsyc.2014.11.012 |
[3] | WATKINS E. Psychological treatment of depressive rumination[J]. Curr Opin Psychol, 2015, 4: 32–36. DOI:10.1016/j.copsyc.2015.01.020 |
[4] | LEMOGNE C, MAYBERG H, BERGOUIGNAN L, et al. Self-referential processing and the prefrontal cortex over the course of depression: a pilot study[J]. J Affect Disord, 2010, 124(1/2): 196–201. DOI:10.1016/j.jad.2009.11.003 |
[5] |
周敏, 胡治国. 抑郁症患者自我相关加工的fMRI研究现状[J].
中国医学影像技术, 2014, 30(1): 149–152.
ZHOU M, HU Z G. Status of fMRI studies on abnormalities of self-related processing in depression[J]. Chin J Med Imaging Technol, 2014, 30(1): 149–152. DOI:10.13929/j.1003-3289.2014.01.033 |
[6] | FOSSATI P. Is major depression a cognitive disorder?[J]. Rev Neurol-France, 2018, 174(4): 212–215. DOI:10.1016/j.neurol.2018.01.365 |
[7] | EVERAERT J, PODINA I R, KOSTER E H W. A comprehensive meta-analysis of interpretation biases in depression[J]. Clin Psychol Rev, 2017, 58: 33–48. DOI:10.1016/j.cpr.2017.09.005 |
[8] | CHEN S, YAO N, QIAN M, et al. Attentional biases in high social anxiety using a flanker task[J]. J Behav Ther Exp Psychiatry, 2016, 51: 27–34. DOI:10.1016/j.jbtep.2015.12.002 |
[9] | ROZENMAN M, AMIR N, WEERSING V R. Performance-based interpretation bias in clinically anxious youths: relationships with attention, anxiety, and negative cognition[J]. Behav Ther, 2014, 45(5): 594–605. DOI:10.1016/j.beth.2014.03.009 |
[10] |
魏威, 谢庆斌, 朱晶晶, 等. 儿童执行功能量表在中国学前儿童中的信效度分析[J].
中国临床心理学杂质, 2018, 26(1): 26–29.
WEI W, XIE Q B, ZHU J J, et al. The psychometric characteristics of childhood executive functioning inventory among Chinese preschoolers[J]. Chin J Clin Psy, 2018, 26(1): 26–29. DOI:10.16128/j.cnki.1005-3611.2018.01.006 |
[11] | RADLOFF L S. The CES-D scale: a self-report depression scale for research in the general population[J]. App Psychol Measure, 1977, 3(1): 385–401. |
[12] |
郑晓华, 李延知. 状态-特质焦虑问卷[J].
中国心理卫生杂志, 1997, 11(4): 219–220.
ZHENG X H, LI Y Z. State trait anxiety inventory[J]. Chin J Ment Heal, 1997, 11(4): 219–220. DOI:10.3321/j.issn:1000-6729.1997.04.009 |
[13] |
徐媛媛, 谢守蓉, 李丽, 等. 情绪调节方式在军人幸福感促进心理健康中的作用[J].
第三军医大学学报, 2017, 39(15): 1520–1524.
XU Y Y, XIE S R, LI L, et al. Happiness promotes mental health among military personnel:mediation effect of emotion regulation types[J]. J Third Mil Med Univ, 2017, 39(15): 1520–1524. DOI:10.16016/j.1000-5404.201704040 |
[14] |
吴明隆. 问卷统计分析实务: SPSS操作与应用[M]. 重庆: 重庆大学出版社, 2013: 483-493.
WU M L. Practice of statistical analysis of questionnaire: SPSS operation and application[M]. Chongqing: Chongqing University Press, 2013: 483-493. |
[15] |
温忠麟, 侯杰泰, 马什赫伯特. 结构方程模型检验:拟合指数与卡方准则[J].
心理学报, 2004, 36(2): 186–194.
WEN Z L, HAU K T, MARSH H W. Structural equation model testing:cutoff criteria for goodness of fit indices and chi-square test[J]. J Acta Psychol Sinica, 2004, 36(2): 186–194. |
[16] | NAIM R, KIVITY Y, BAR-HAIM Y, et al. Attention and interpretation bias modification treatment for social anxiety disorder: A randomized clinical trial of efficacy and synergy[J]. J Behav Ther Exp Psychiatry, 2018, 59: 19–30. DOI:10.1016/j.jbtep.2017.10.006 |
[17] | LICHTENSTEIN-VIDNE L, OKON-SINGER H, COHEN N, et al. Attentional bias in clinical depression and anxiety: The impact of emotional and non-emotional distracting information[J]. Biol Psychol, 2017, 122: 4–12. DOI:10.1016/j.biopsycho.2016.07.012 |