自恋的潜在类别及其对大学生行为影响的双刃剑效应

2022-03-01孔华秀丁桂凤

心理研究 2022年1期

孔华秀郭斌张楠熊成丁桂凤

（河南大学心理与行为研究所，河南大学心理学院，开封 475004）

1 引言

自恋（narcissism）一词最初源于古希腊传说中那个爱上水中自己的倒影而无法自拔，憔悴而死，变成一朵水仙花的英俊少年的故事。心理学家借用自恋一词来描述人的人格特征，指一种包括夸大的自我表现、膨胀的优越感和特权感、高度的自我满足等为核心特征的复杂多维的人格结构（Mccullough et al.，2003）。研究发现，攻击行为是自恋者的一个重要特征（Rasmussen，2016）。自恋的动态调节模型认为，自恋者拥有过度积极的自我观念，同时需要不断利用个人及社会行为来维持和提高自己积极的自我知觉，而其自我调节的策略则包括攻击、暴力等不良行为（Morf ＆ Rhodewalt，2001）。因而当个体遭遇挫折或失败时，自恋者会更容易表现出攻击性（Lambe et al.，2016）。以往研究主要关注自恋的消极一面，发现自恋与攻击行为（Ojanen et al.，2012； Barry et al.，2009）、冲动性购买（Rose，2007）、仿冒奢侈品购买（郝鹭捷，吕庆华，2017）等问题行为呈正相关，与共情（何宁，朱云莉，2016）和良好的人际关系（李政，2015）呈负相关。

正如一枚硬币有正反两面，自恋对个体的影响一定是有害的吗？以往研究其实夸大了自恋的消极影响而忽视了其潜在的益处，自恋导致的积极影响并未被充分挖掘。事实上，目前已有一些学者对此提出质疑（Hill ＆ Roberts，2012；余震坤等，2019）。例如，已有研究者以自恋的七因素模型为基础，认为可以将自恋划分为适应性自恋与非适应性自恋，权威和自我满足是适应性自恋的主要成分，而剥削性、特权感和自我表现是非适应性自恋的核心成分（Barry et al.，2009）。一项研究发现，自恋的权威（authority）成分可以正向预测生活满意度，自我表现（exhibitionism）与生活满意度呈微弱正相关，但是剥削性（exploitativeness）和特权感（entitlement）与生活满意度无关（Hill ＆ Roberts，2012）。余震坤等人（2019）也从多角度提供证据证明自恋存在适应性成分与非适应性成分，适应性自恋成分在大多数情况对个体是有益的，而非适应性自恋成分则相反。基于此，本研究认为自恋对于个体而言不只是有害无益，它的积极影响也应该给予充分关注。

自恋是一种复杂的人格特质，自恋者常表现出浮夸或脆弱，追逐权威，对成功过分专注和强烈渴望赞赏的特征。已有研究表明自恋可以正向预测员工的工作投入水平（Falco et al.，2020）。同理，对于大学生来说，自恋能够增进其学习投入水平。学习投入是指学生在学习活动中表现出的一种持续的、充满激情的状态。基于自恋人格特质理论，自恋程度高的个体需要通过外部线索确认其过度积极但脆弱的自我形象（Raskin ＆ Terry，1988），因此自恋者非常渴望获得老师和同学的奖励与赞赏，同时避免老师和同学的轻视与排斥。鉴于以上原因，高度自恋者可能倾向于在学习活动中投入大量的时间和精力，专注于学习，以求获得他人的好评。另一方面，自恋程度较高的个体往往过度渴求权力和成功，因此自恋的大学生需要通过在学习上取得成功以展示自己的能力及超越他人的竞争力。据此可以推测，自恋的大学生无论是基于外部线索以确认自我优越性，还是通过自身努力以提高自身的竞争力，都可能促使其加大学习投入度。此外当自恋者把学习视为一种获得成功、赞赏的手段时，他们也可能在学习中找到乐趣。根据以上分析，本研究认为，自恋可能正向预测其学习投入程度。

综上所述，自恋的消极和积极影响确实存在。具体而言，本研究假设自恋水平越高的个体攻击性越强，学习投入程度也更高。而以往研究者主要是以变量为中心，即从自恋的不同成分出发，分析不同成分可能引发的不同行为倾向。但在个体水平上，自恋的成分是如何组合及表现的？自恋是否依然能给个体带来有益影响？这仍是一个亟需解决的问题。潜剖面分析（latent profile analysis，LPA）是以个体为中心的研究方法，可以据此了解不同的自恋成分在个体水平上是如何组合的，以及这些组合与个体发展是否存在关联。因此本研究拟通过LPA，对大学生的自恋潜在结构进行分析，根据其在各维度上的作答模式来实现对大学生自恋的精确分类以及了解各潜在剖面在整体中的比例，并在此基础上考察大学生自恋对其行为的双刃剑效应。

2 方法

2.1 对象

使用“问卷星”平台，采用方便取样法，对河南、安徽等地的在校大学生、研究生发放问卷，剔除作答时间过短（平均每题作答时间小于2s，钟晓钰等，2021），作答模式规律等无效问卷，最终回收1042 份有效问卷。其中男生258 人，女生784 人；年龄在17～25 岁之间；城镇280 人，农村762 人；独生子女184 人，非独生子女858 人。

2.2 工具

2.2.1 自恋人格问卷

采用Raskin 和Terry（1988）编制的自恋人格问卷（Narcissistic Personality Inventory，NPI）进行测量。该量表包括40 道题目，分为7 个维度，分别是“权威”“自我满足”“优越感”“虚荣”“自我表现”“剥削”和“特权感”。采用5 点计分（1＝完全不符合，5＝完全符合），总分范围为40～200 分，分数越高，表示自恋水平越高。该问卷是国内外自恋人格研究中广泛使用的测量工具，具有良好的信效度。周晖等人（2009）参考NPI－40 量表编制了中文版的自恋人格问卷。本研究借用了此文对NPI－40 量表项目的中文翻译。本研究中该量表的α 系数为0.91。

2.2.2 中文大学生版Buss－Perry 攻击性量表

采用Buss 和Perry （1992）编制，吕路等人（2013）修订的攻击性量表（Chinese College Students’ Version of Buss－Perry Aggression Questionnaire，CC－BPAQ）。该量表包括四个维度，分别是“敌意”“身体攻击”“冲动”和“易怒”，共22 个题目。本研究采用该量表中的敌意与身体攻击两个维度测量大学生的攻击性，使用5 点计分（1＝完全不符合，5＝完全符合），总分范围为13～65 分，分数越高，表明攻击性越强。本研究中该量表的系数为0.87，身体攻击性维度的α 系数为0.86，敌意维度的α 系数为0.86。

2.2.3 学习投入量表

采用Schaufeli 等人（2002）编制，方来坛等人（2008）修订的中文版学习投入量表（Utrecht Work Engagement Scale－Student，UWES－S）。该量表包括活力、奉献、专注三个维度，共17 个题目。采用5 点计分（1＝从来没有，5＝总是），总分范围为17～85 分，在各个维度和总分上得分越高，表明学习投入水平越高。本研究中该量表的α 系数为0.92，活力、奉献、专注的α 系数分别为0.83，0.83，0.82。

2.3 统计处理

本研究采用SPSS26.0 进行数据录入及相关变量的描述性统计分析，使用Mplus8.0 对自恋进行潜剖面分析，并考察自恋的不同剖面与其它变量之间的关系。具体来说，数据分析包括三个部分，第一部分，通过LPA 分析自恋的潜在剖面，寻求拟合指标最优的模型（Nylund et al.，2007）。第二部分，将第一部分得出的剖面结果作为因变量，采用多项式逻辑回归（R3STEP 命令），探索人口统计学变量（性别、年龄、户口所在地、是否为独生子女）对自恋潜在类别的影响。第三部分，将第一步得出的自恋剖面结果作为自变量，使用BCH 命令分析自恋的潜在类别是否在不同的结果变量（攻击性和学习投入）上存在显著差异。

3 结果

3.1 共同方法偏差检验

本研究首先采用Harman 单因素检验技术对有可能存在的共同方法偏差进行检验。将本研究所使用问卷的所有项目放在一起进行探索性因子分析，未经旋转时得到的第一个主成分解释的变异为15.20%，小于临界值40%（周浩，龙立荣，2004），说明本研究不存在严重的共同方法偏差问题。

3.2 描述性统计分析

本研究的变量均值、标准差、相关系数以及量表的信度如表1 所示。其中，自恋与性别显著负相关（r＝－0.10，p＜0.01），与户口（r＝0.10，p＜0.01）存在显著正相关，同时与攻击行为（r＝0.15，p＜0.01）、学习投入（r＝0.27，p＜0.01）均呈显著正相关。

表1 各变量均值、标准差和相关系数汇总

3.3 自恋的潜剖面分析

Peugh 和Fan （2013）提出的LPA 统计指标包括信息指标、分类指标和似然比检验指标。其中常用的信息指标包括LL （log likelihood）、AIC（Akaike information criteria）、BIC （Bayesian information criteria，Nylund et al.，2007）、aBIC （sample－sizeadjusted BIC，Tofighi ＆ Enders，2008）；常用的分类指标为熵值（Entropy），即判断模型分类精确性的标准化指数，取值在0 到1 之间；似然比检验用于比较两个嵌套模型（k 类别模型和k-1 类别模型）之间的拟合优度差异，常用的指标包括LMR（Lo－Mendell Rubin likelihood ratio test，Tofighi ＆ Enders，2008）、BLRT （bootstrap likelihood ratio test，Nylund et al.，2007）。基于以上统计指标的分析结果，本研究根据被试在自恋7 个维度上的得分模式，分别将大学生自恋的类型依次分为1～4 类进行潜类别模型拟合。最优模型一般通过以下指标进行判断：（1）LL，AIC，BIC，aBIC 数值越小模型拟合越好。（2）分类精确性指标Entropy 值越大表示模型拟合越好，Entropy＜0.60 时相当于超过20%的个体存在分类错误，Entropy ≥0.80 时表示分类准确率超过90%，因此一般要求其大于0.7（Nagin，2005； Stanley et al.，2016）；（3）LMR 和BLRT 显著（p＜0.05），表明增加一个剖面显著提高了模型的拟合度。

由表2 可知，AIC，BIC，aBIC 值随着分类数目的增多而逐渐降低，并且在三类别之后下降幅度变得平缓，表明三类别模型是下降的拐点，即三种信息指标支持三类别模型。其次，三类别模型的LMR 以及BLRT 检验均达到显著水平，同时Entropy 值在三类别时取值最大。因此，综合考虑以上信息，三类别的模型为最优模型，每个类别归属概率见表3。由表3可知，每个类别中大学生的平均归属概率在92%～93%之间，这代表着三类别模型的结果是可信的。

表2 潜在剖面模型拟合指标汇总

表3 不同潜在类别被试的平均归属概率

三个潜在类别在自恋的7 个维度上的得分情况如图1 所示。其中C1 类别在每个维度上的得分明显低于C2，包含了22.5%的被试，根据其得分特征将这一剖面命名为“低自恋”；C3 类别在每个维度上的得分明显高于C2，其包含了26.6%的被试，将这一类别命名为“高自恋”；C2 类别在每个维度上得分明显高于C1，但也明显低于C3，其包含了50.9%的被试，将这一类别命名为“中等自恋”。

图1 自恋的潜剖面分析图

3.4 不同类型大学生在自恋总分及各维度上的差异

为探索大学生自恋潜在剖面的分类是否具备异质性，把三种潜在类别大学生的自恋情况进行了比较，结果如表4：三种类型大学生在自恋总分和各维度得分上均存在显著差异。事后多重比较分析发现，不同类型大学生在自恋总分及其分量表上两两比较均差异显著。换句话说，低自恋型大学生在自恋的7个维度得分显著低于中等自恋型大学生和高自恋型大学生；中等自恋型大学生的自恋7 个维度得分显著高于低自恋型大学生，并且显著低于高自恋型大学生。由此可见，大学生自恋的潜在分类能够很好地区分大学生自恋的程度，同时也说明了该潜在分类是有效的。

表4 不同大学生自恋剖面的自恋状况比较

3.5 人口学变量对大学生自恋潜在类别的影响

采用R3STEP 命令，以自恋的三个潜在类别为因变量，以性别、年龄、是否为独生子女、户口所在地为自变量进行多项式Logistic 回归分析，根据OR（odds ration）值判断不同性别、年级、年龄、是否独生子女、户口所在地对于大学生自恋的影响。由表5可知，以高自恋型大学生为参照组，分别将低自恋型和中等自恋型大学生与其进行比较，根据OR 值可知，性别和户口所在地会影响大学生自恋类型的分布，但是年级、年龄、独生子女情况并不影响大学生自恋类型的分布。具体而言，与女生相比，男生更倾向于归属C3（自恋水平更高）；与农村相比，城镇大学生更倾向于归属C3（自恋水平更高）。

表5 以自恋为因变量的多项式Logistic 回归

3.6 大学生自恋的潜在类别对攻击行为和学习投入的影响

为了探讨不同自恋类型大学生对其攻击行为和学习投入的影响，采用BCH 命令分析不同自恋剖面类别在攻击行为及学习投入两个变量上的差异。由表5 可知，不同类型的自恋剖面在攻击行为及学习投入上均存在显著差异。具体而言，高水平的自恋类型导致较高的攻击行为，但是也会促使个体拥有较高的学习投入水平。

表6 不同自恋类型大学生的积极消极影响

4 讨论

目前关于自恋虽然已经取得了丰富的研究成果，但以往研究主要是以变量为中心，探讨自恋的结构及其消极影响。而关于自恋的结构在个体水平是如何存在的，以及除了多数研究分析过的消极影响，自恋还有哪些积极影响，我们知之甚少。本研究基于LPA，探索个体水平上大学生自恋的潜在结构，并分析其与人口学统计变量及行为结果之间的关系，为自恋相关研究提供了一个新的、辩证的视角。

4.1 大学生自恋的潜剖面分析

本研究根据大学生自恋的7 个维度得分，采用LPA 探索大学生自恋潜在结构，依据相关拟合指标综合考虑选择三个潜在剖面的模型为最优模型。自恋的三个剖面并不存在质的差异，而仅仅存在量的差异，即每个剖面在各维度得分的趋势相一致（见图1）。这可能反映了自恋在个体水平上是一个由低到高的连续体。其中，高自恋型（C3）及其各维度得分均高于其他剖面，自我满足维度的平均得分最高，其人数占总体的26.6%；而低自恋型（C1）的各维度得分均低于其他剖面，其人数占总体的22.5%，占人群中的较少数；中等自恋型（C2）的各维度得分在另外两个剖面之间，其占总体的50.9%，约占人群中的一半。而C2 和C3 一共占总体的77.5%，这两种剖面的大学生群体的自恋程度是中等及以上水平，这反映了大部分学生的自恋水平都较高。导致这一现象的原因可能是近年来中国经济发展迅速，人们家庭生活条件显著改善，父母及家庭成员对孩子会投入更多的关注和关爱。而自恋的社会学习理论（sociallearning theory of narcissism）认为，过多的关注及关爱，容易使孩子形成自恋型人格（Millon，1983）。

4.2 人口统计学变量与不同的大学生自恋剖面间的关系

多项式回归分析结果显示（见表5），性别和户口所在地显著预测个体属于某个特定剖面。换言之，与女生相比，男生更倾向属于较高自恋程度的剖面类型；相比于生活在农村的大学生，生活在城市的大学生更倾向属于较高自恋程度的剖面。这与描述性统计结果（见表1）相一致，即自恋与性别呈显著负相关，与户口呈显著正相关（r＝－0.10，p＜0.01，r＝0.10，p＜0.01）。以往研究结果也显示男生的自恋水平相比女生更高（周晖等，2009），生活在城市的大学生自恋水平相比农村大学生更高（林启修，李慧敏，2020）。

此外，年级、年龄与是否为独生子女并不能预测大学生所属的某个特定剖面。虽然年龄并不能显著预测个体所属的剖面，但是基本上呈现了年龄越大，个体越倾向属于低自恋剖面的趋势。这与以往研究发现总体自恋与年龄呈显著负相关的趋势是一致的（Hill ＆ Roberts，2012； Cai et al.，2012； Foster et al.，2003）。是否为独生子女也不能显著预测个体所属的剖面，但结果也表明，个体若属于独生子女，则其更可能属于高自恋程度剖面。由于社会经济水平和家庭生活条件的提高，独生子女受到关注与享受资源虽然较多，但与非独生子女相比，差异并不显著。

4.3 不同的大学生自恋剖面对于行为结果的影响

本研究采用BCH 命令验证不同类别的自恋剖面对行为结果的不同影响。结果表明，高自恋型剖面在攻击行为和学习投入上都显著地高于另外两个剖面。同时研究结果还发现，自恋总分与攻击行为、学习投入均呈现正相关关系。这些结果证实了本研究的预测，即自恋对于个体而言可能是一把双刃剑，会产生适应性以及非适应性的结果。

自恋与攻击行为的正相关已经得到很多研究的证实（Rasmussen，2016； Lambe et al.，2016； Ojanen et al.，2012； Barry et al.，2009； Park ＆Colvin，2015；杨晨晨等，2016）。一种可能的解释是：攻击行为可能是自恋个体维持自己处于积极状态的调节方式。即与自恋的动态调节模型观点一致，自恋者会借助各种策略来维持积极的自我感知，他们并不避讳使用攻击和暴力等不良行为来实现自己的目的。另一种可能解释是：由于自恋者具有自我中心、傲慢自大、自我感觉良好等特点，使其容易将外部负面评价感知为威胁，因而体验到强烈的愤怒情绪和受挫感，进而激发出个体的攻击和敌意行为（杨晨晨等，2016）。换句话说，这验证了自我威胁理论。

然而有趣的是，本研究结果表明，自恋会正向预测大学生的学习投入。这种结果的可能解释是，高自恋型的个体不仅可以在学习中满足其对权力和赞赏的渴求，实现超越他人的强烈愿望，而且在投入学习的过程中可以体验到学习的成功以及意义感。另一种可能的解释是，根据自恋的锦标赛理论的核心观点，竞争的目的是激励个体为获得奖励而做出最佳努力，奖励是根据个人的相对排名而给予（Becker ＆Huselid，1992）。自恋者倾向于把生活看作一系列的比赛（Wallace ＆ Baumeister，2002），因此可能更善于将学习当作竞争比赛，学业成绩的排名以及奖学金的外在奖励激励自恋者投入到学习中。此外，高自恋型个体的特点是一直需要确认其过度积极且脆弱的自我印象，他们更可能会努力学习进而获得他人认可和外部奖励，这种努力可能并非出于自愿，但他们会通过满足外部标准来实现自我价值。总而言之，自恋可以促进个体学习投入。

4.4 研究意义

首先，与以往以变量为中心的研究不同，本研究以个体为中心，基于潜剖面分析探索了大学生自恋的潜在结构，相关统计指标支持三剖面模型。性别、户口类型可以影响大学生自恋的剖面类别，而大学生自恋的不同剖面也影响了攻击行为和学习投入的高低，这也表明了分类的科学性以及意义。根据参与者对相关测量项目的反应模式，将大学生自恋的剖面分别命名为“低自恋”“中等自恋”“高自恋”，挖掘出个体水平上自恋各维度的组合模式。潜剖面分析出的不同类别的自恋剖面在“量”上是不同的，而在“质”上是相同的，这可能表明个体的自恋是处于一个从低到高的自恋连续体中。本研究结果为理解大学生的自恋类别提供了新的视角。

其次，与以往主要关注自恋的消极影响不同，本研究通过分析大学生自恋的不同剖面与攻击行为和学习投入之间的关系，进一步揭示了大学生自恋的“双刃剑”效应，即大学生自恋既有消极的一面（与攻击行为正相关），也有积极的一面（与学习投入正相关）。这一研究结果挑战了目前关于大学生自恋研究中“自恋总是有害的”这一主流观念。

这一结果发现对于教育工作也有一定的启示意义。一方面，随着社会经济的发展，大学生的物质生活水平不断提升，借助于互联网平台，其自恋特征有了更多的表现机会。学校管理者不应该“谈自恋而色变”，因为自恋是把双刃剑，防止大学生因自恋而对他人发起攻击行为，同时也要为自恋的大学生营造一个自由、开放、有活力的学习生活环境，促进其学习投入，以期获得更好的学业成果。

4.5 局限与未来展望

本研究还存在一些不足之处。第一，尽管本文通过横截面数据构建潜剖面模型进而分析了大学生自恋的前因与后果，但仍然难以精确地推断这些变量间的因果关系。未来研究可以采用纵向研究设计或实验设计，以检验自恋与更多的相关变量之间的因果关系。第二，本研究的研究对象只采用了大学生这一单一群体，未来研究可以采用多种样本对自恋的剖面结果及其关系进行验证。最后，本研究采用的是Raskin 和Terry（1988）开发的自恋人格问卷（NPI－40），但目前关于自恋的结构存在不同的分类，例如，显性和隐性、浮夸和脆弱、钦佩和竞争等，未来研究可以聚焦于不同的维度视角下自恋的潜在结构及其影响。