大学生社会支持和生命意义维度的网络分析研究

王紫微，任 垒，李逢战，武圣君，刘旭峰，刘世举，王秀超

(1空军军医大学军事医学心理学系， 陕西 西安 710032； 2解放军总医院海南医院骨科， 海南 三亚 572013)

生命意义是指人们领会、理解或看到生活的意义，并随之觉察到自己生命的目的、使命和首要目标[1]。诸多研究发现生命意义对个体身心健康具有重要影响[2-4]，因此，探索影响生命意义的因素并进行相应的干预无疑能够提升个体的生命意义感，从而有助于个体身心健康发展。社会支持是影响生命意义的一个重要因素，个体获得的社会支持越多，其适应状况越好，从社会环境中体验到的生命意义感也越高[5]。在一定条件下，社会支持可看作是连接积极心理品质与生命意义的纽带[6]。

生命意义包括生命意义体验(presence of meaning，MLQ-P)和生命意义追寻(search for meaning，MLQ-S)2个维度[7]。社会支持包括家庭、朋友和重要他人3个维度[8]。社会支持和生命意义都包含多个维度，以往研究忽略了社会支持的不同维度和生命意义不同维度之间的关系，导致学者们对这两者的关系缺乏深入的了解。本研究从生命意义和社会支持的各维度出发，研究社会支持对生命意义的影响，更有助于我们深入探讨社会支持与生命意义之间的内部关系，为提高生命意义的方法和措施提供理论指导。

网络分析法是对复杂变量之间的关系进行数学分析和可视化的一种重要的创新方法[9-10]。这种方法由数据驱动，不依赖变量之间因果关系的先验假设[10-11]。网络由两部分组成，其中节点代表变量，边代表变量之间的关系[12]。与单纯的相关方法相比，网络分析法可以为每个节点提供相应的中心性(如强度和桥-强度中心性)和可预测性指标，并以此检验其在整个网络中的重要性和可控性[13-14]。一个具有高强度(或桥-强度)中心性的节点可能在激活或维护整个网络中发挥重要作用。这些指标可为相关干预提供潜在的靶点。

因此，依靠网络分析的方法优势(特别是每个节点的强度和桥-强度中心性指标)，我们将社会支持和生命意义的各个维度放入同一个网络。本研究有3个目的：首先，探索社会支持和生命意义不同维度间的潜在关联路径；其次，使用强度中心性来探究各个维度在社会支持和生命意义维度网络中的相对重要性；最后，使用桥-强度中心性探索社会支持与生命意义联系最强的维度。

1 对象与方法

1.1 对象

采用便利取样的方法，从3所大学招募被试723名，通过手机在线填写量表的方式完成作答。为保证数据的有效性，对被试作答时间太短或太长的数据进行剔除。剩下的708名被试包括348名男性和360名女性，平均年龄(19.90±1.30)岁。所有被试签署知情同意书，并获得5元人民币作为报酬。

1.2 方法

生命意义的测量采用生命意义问卷[7]。该问卷由10个条目构成，分为MLQ-P和MLQ-S 2个维度，每个维度各5个条目。采用Likert 7点评分，被试从1(完全不符合)到 7(完全符合)对每个条目描述符合自我的程度进行评价，问卷总分和个体生命意义水平呈正相关。中文版的生命意义问卷被证明具有良好的信效度指标[15]。在本研究中，量表总的Cronbach’s α系数为0.86，MLQ-P维度为0.88，MLQ-S维度为0.68。

社会支持的测量采用MSPSS[8]。该量表由12个条目构成，分为家庭，朋友和重要他人3个维度，每个维度各4个条目。采用Likert 7点评分，被试从1(极不同意)到 7(极同意)对每个条目描述符合自我的程度进行评价。中文版的MSPSS被证明具有良好的信效度指标[16]。在本研究中，量表总的Cronbach’s α系数为0.95，家庭维度为0.87，朋友维度为0.92，重要他人维度为0.87。

1.3 统计学分析

采用高斯图形模型(Gaussian graphical model，GGM)拟合数据[17]。GGM是无向网络，边代表两个节点之间的偏相关关系，即在对网络中其他节点进行统计控制后两个节点间的净相关关系。使用变量间非参数Spearman相关矩阵作为GGM估计的输入[18]。由于样本大(708个)而目标变量少(家庭、朋友、重要他人、生命意义追寻、生命意义体验5个变量)，因此使用非正则化模型选择的方法得到最终网络[19]。使用R包qgraph对所构建的网络进行可视化分析[20]。网络中蓝色边表示正相关，边的厚度与节点之间的相关性呈正相关。使用R包qgraph计算节点强度中心性[20]。节点强度中心性定义为连接该节点的所有边的绝对值之和，其值越高，则代表该节点在网络中的相对重要性越大。此外，我们计算了每个节点的桥 - 强度中心性[21]，节点的桥-强度中心性定义为连接该节点与其他簇团节点的所有边的绝对值之和，其值越高，则代表该节点向其他簇团传递的风险越大[21]。本研究提前将目标变量划分为两个簇团：一个簇团包含MSPSS的3个维度，另一个簇团包含生命意义量表的2个维度。使用R包mgm计算网络中每个节点的可预测性[13]。可预测性是指节点的变异在多大程度上可以由与其相连节点来解释。使用R包bootnet检测网络的准确性和稳定性[22]。首先，我们通过计算边权值95%CI(2 000次bootstrap)来评估边权值的准确性。其次，我们通过计算相关稳定性系数来评估节点强度中心性和桥 - 强度中心性的稳定性。相关稳定性系数最好在0.5以上且不应低于0.25[22]。

2 结果

2.1 描述统计

描述统计结果如表1所示，列出了当前网络中所有变量的平均分数、标准差和可预测性。重要他人和朋友维度的可预测性较高，而生命意义各维度可预测性则较低。

表1 社会支持和生命意义网络中各维度描述统计结果

2.2 网络结构

社会支持和生命意义的网络结构见图1。网络显示出以下3个特征：①网络中的边均为正相关。②社会支持的3个维度和生命意义的2个维度之间有3条边，分别是家庭与MLQ-S之间(r=0.13)、重要他人与MLQ-S之间(r=0.12)、重要他人与MLQ-P之间(r=0.11)。朋友与重要他人(r=0.63)、MLQ-P与MLQ-S(r=0.40)以及家庭与重要他人(r=0.38)之间有3条最强的边。此外，家庭与MLQ-P、朋友与MLQ-P、朋友与MLQ-S之间没有联系。bootstrap边权值的95%CI相对较窄，考虑到本研究有708个被试，并且网络只包含5个变量，表明边权值准确。③节点可预测性被可视化为围绕节点的圆圈。节点可预测性的范围为28%～75%，平均值为53%。

图1 社会支持和生命意义各维度网络结构图

各维度强度中心性结果显示，社会支持的重要他人维度中心性最强，表明该维度是当前网络中与其他节点关联最强的节点；生命意义的MLQ-P维度中心性强度最低，表明该维度是当前网络中与其他节点关联最弱的节点；各维度强度中心性的相关稳定系数为0.75，提示其足够稳定(图2A)。

桥-强度中心性结果显示，生命意义的MLQ-S维度和社会支持的重要他人维度的桥-强度中心性最高，说明重要他人维度与生命意义的连接最强，MLQ-S维度与社会支持的连接最强；节点桥-强度的相关稳定系数为0，说明其非常不稳定(图2B)。

A：各维度强度中心性；B：各维度桥-强度中心性。a：家庭；b：朋友；c：生命意义体验；d：生命意义探索；e：重要他人。图2 社会支持和生命意义网络中各维度的强度 中心性和桥-强度中心性图(Z分数)

3 讨论

本研究采用网络分析法探讨了社会支持和生命意义各维度之间的关系，得到一些有意义的发现。在社会支持3个维度间，重要他人和朋友2个维度的关联最强，重要他人和家庭2个维度的关联次之，家庭与朋友2个维度的关联最弱。以泰国大学生为被试和以哥伦比亚青少年为被试的研究均得到了和本研究相一致的结果[23-24]。生命意义2个维度间关系表明，MLQ-P和MLQ-S 2个维度之间呈正相关，与以往研究结果一致。有研究发现生命意义2个维度关系存在两种相关模式，其中以西方被试进行的研究大多证实了两者之间的负相关关系，而以东方被试进行的研究则大多证实了两者之间的正相关关系[25]。传统的亚洲文化使得个体倾向于认为寻找生命意义是个人的责任和义务，进而激励他们积极寻找生命的意义，而不管是否已经经历过[26]。已有研究认为家庭是大学生获取生命意义的重要来源[27]，本研究为这一结论提供了新的佐证，家庭支持对个体的生命意义具有一定影响。然而，本研究还发现，家庭支持仅仅和MLQ-S存在联系，而与MLQ-P无关。良好的家庭支持，能使个体体验到生活的美好，唤醒其愉悦的生命情感进而寻找自己的生活目标[5]。因此，来自家庭的支持可为个体提供不断探索生命意义的动力。依据依恋理论，早期依恋经验内化为稳定的内部工作模型，而内部工作模型则影响着社会支持的可获得性和寻求动机[28]，来自家庭的支持使个体感觉安全和安慰，为个体生命意义的探索提供了“安全基地”。

强度中心性分析可以确定哪些节点在网络中更为重要。本研究结果表明重要他人是社会支持和生命意义网络中中心性程度最高的节点，其在网络中的相对重要性程度最高。桥-强度中心性分析表明重要他人维度是社会支持3个维度中与生命意义2个维度联系最紧密的节点(重要他人维度与MLQ-S维度和MLQ-P维度均存在正性关联)。这表明重要他人维度可能是影响个体生命意义的核心社会支持维度，即重要他人维度的激活可能要比其他两个社会支持维度的激活更能影响整个生命意义簇团。这为生命意义的相关干预提供了重要的潜在靶点，即以社会支持中的重要他人维度为潜在靶点可能会取得更大的干预效果。MSPSS中的重要他人维度指的是除家庭和朋友以外的个体自己所理解的对其具有重要支持的人，对于大学生群体而言则主要是一起学习生活的同学、恋爱伴侣以及老师等。研究表明，重要他人影响个体的自我管理过程，能自动激活个体经常追求的目标[29]，随着时间的推移，这一目标会与个体的重要他人的表征之间建立联系，进而影响个体对目标的评估和目标追求行为[30]。

总之，本研究采用网络分析法，探索了社会支持与生命意义各维度之间的关联路径。结果发现个体领悟到的不同的社会支持维度和生命意义的两个维度之间的关系是不同的。另外，MLQ-S和重要他人维度是桥中心性最高的变量，暗示MLQ-S维度可能更易受社会支持影响以及重要他人维度可能是影响个体生命意义的核心社会支持维度。这些发现可能为理解社会支持与个体生命意义之间的关系及相关干预提供了新的见解。本研究虽然有了一些重要发现，但也存在不足。首先，研究样本是大学生，这可能限制了我们研究结果的通用性。年龄和生命意义与各种社会支持措施之间存在非线性关系[31]，因此成人或老年人样本的网络结构可能与本研究的网络结构不同。其次，采用横断面数据构建社会支持和生命意义维度的网络结构，排除了因果关系的可能。因此，我们无法澄清最中心的维度和其他维度之间的因果关系，因为存在很多可能，如中心维度激活其他维度，或者其他维度激活中心维度，或者两者兼有。未来的研究可以使用纵向数据来调查这些维度的因果关系。最后，本文探索了群体层面的网络结构，这意味着在单个个体中，网络结构可能无法以相同的方式复制。