脑电α活动可探测人格测验中的社会赞许性反应

曾令伟，王秀超，刘旭峰，王 卉

(空军军医大学军事医学心理学系，陕西 西安 710032)

在自陈式量表的应用过程中，存在作伪现象，对于涉及社会道德评判以及个人价值等内容的量表，应答者往往会有夸大自身的积极面，缩小甚至否认自己所具有的消极特征的倾向，进而可能会选择最能为社会所认可的选项，即作出社会赞许性反应(social desirability responding，SDR)，从而使得测量结果出现偏差[1]。SDR是影响测量信效度的最主要来源[2]。研究SDR普遍采用社会赞许性量表。但是，LANZ等[3]在最新的元分析中质疑了社会赞许性量表的有效性，它既不能测量反应偏差，也不能等同人格特质。

一些研究者认为SDR是一种防御方式，是为了将非期望的想法排除在意识之外以避免焦虑。UZIEL[4]指出SDR的防御途径是为了保护脆弱的自尊免受社会排斥，而不得不歪曲事实，欺骗和操纵，从而导致了焦虑、紧张、情绪枯竭、认知被占据等不良反应。GAROFALO等[5]认为防御水平较高的个体更可能报告更低的人际矛盾和攻击性水平。ZHONG等[6]认为，SDR也可能表现为特定的作答风格, 需要额外认知努力。这些研究普遍采用问卷和行为学的方式，将SDR与精神分析中的防御机制相关联。

于是，研究者们采用社会赞许性量表或者其他方式来激发个体防御机制，并通过神经电生理方法来进行研究。一些研究者认为防御性与额叶α活动及其非对称性有关[7-9]。DAVIDSON[10]的一项脑电(electroencephalogram，EEG)研究提出了动机导向模型，他认为左前脑区的α功率下降代表了一种接近动机，是积极情绪和社交能力的体现。GINETTE等[11]根据动机导向理论进行了实验，认为高防御个体在面对消极情绪时通过分散策略来让自己产生积极情绪避免消极，这可能导致其左前额活动，是一种机体的防御应对。ANTONOV等[12]的研究认为α振幅的变化可能是注意力转移的结果，而且顶枕区偏侧化的α活动代表了视觉皮层感受到的与预期目标的偏差[13]。HORSCHIG等[14]也认为后部α活动反映了个体适应环境的能力，这也就暗示着偏侧化或者非对称性的顶枕区α活动可能代表某种心理冲突。也有EEG研究表明，α事件相关去同步化(event-related desynchronization，ERD)与工作负荷的增加有关，且主要集中在额叶和顶叶[15]。

由于SDR产生的根源是社会期望与自身实际的冲突，导致注意分散、焦虑、认知负荷增加、自我控制感降低等一系列防御反应，我们猜测，这些反应不仅会导致α能量的改变，也会导致α活动的偏侧化和非对称性分布，至今基于EEG方法的SDR研究还未见报道，本研究进行了这方面的尝试。

ROSSE等[16]在应聘场景的SDR研究中指出，如果应聘者不进行一些掩饰反而会觉得奇怪。SDR是如此普遍，因此研究正常人的SDR的神经机制就很有必要。本文以正常人群为研究对象，区分人格测试问卷中的社会赞许性题目作答(social desirable answering，SDA)和非社会赞许性题目作答(non-social desirable answering，N-SDA)，同步测量行为学指标和神经电生理指标，研究结果将有助于理解SDR的认知特点，特别是在注意转移、认知负荷、环境适应、冲突应对、情景焦虑和防御等方面，以及确定SDR的行为学和神经电生理标志物，进一步地，期望能够通过这些标志物预测个体的社会赞许性水平。

1 对象与方法

1.1 对象

本研究采用组内设计，区分两种条件(N-SDA条件、SDR条件)。采用配对t检验，通过G*Power 3进行样本量估计，根据效应量d=0.40(α=0.05，1-β=0.8，配对t检验，G*Power)，需要总样本量49，总共两个水平，需要单组最小样本量为25。

选取正常的在校大学生作为实验对象，主要有两点考虑，一是大学生作为潜在的求职人群，具有较强的社会赞许性需要；二是大学生的年龄普遍大于18岁，生理心理上已经成熟，实验结论可在一定程度上推广到全年龄段的成年人群体。

通过公开方式招募自愿者27(男18，女9)名，平均年龄(21.0±1.5)岁。入组标准：①身心健康；②右利手。排除标准为：①在过去6个月内滥用或成瘾非法药物；②脑外伤史或神经系统疾病史；③曾患有精神疾病；④在过去3个月内服用抗精神病药物；⑤三代内有亲属患有精神疾病。所有参与者都签署了伦理委员会批准的书面知情同意书。

1.2 方法

1.2.1 数据采集 实验采用明尼苏达多项人格测验(第二版)和艾森克人格问卷，SDA 15题，N-SDA 60题，采用5点李克特式量表对SDA进行评定，最终筛选出SDA 10题和N-SDA 40题。

采用单因素被试内实验设计，通过指导语诱发SDA情景。指导语为假设被试为某企业应聘人员，参加人格测试，根据题干选择最符合自己的选项并通过键盘作答，应聘成功将会获得录用机会并得到额外50元现金奖励。

实验设备为Neuroscan SynAmps 2放大器及采集系统，EEG记录使用Neuroscan 32导联Ag/AgCI电极帽记录32个单极导联的EEG，采用国际标准10-20系统定位，实验中各电极处的头皮阻抗均在5 kΩ以下，带通滤波为0.01～50 Hz，采样率1 kHz，参考电极为双侧乳突，即(A1+A2)/2。

实验全程在安静无强电磁干扰室内进行，被试坐于实验电脑前，距离屏幕70 cm左右，随机呈现50道题目，每题之间以500 ms加号间隔，要求被试通过按键进行作答，题目作答时间不限，被试按键选择后题目立刻消失。实验流程见图1。

EEG:脑电。图1 题目作答及EEG记录程序

1.2.2 数据处理

1.2.2.1 行为学数据预处理 本实验涉及阅读任务，不同作答条件之间题目平均字数存在差异(N-SDA:平均6.3字，SDA:平均9.01字)，计算反应时需要排除该因素的影响。借鉴STERNBERG[17]在提出反应时测量的“加因素法”时采用的方法，考虑阅读任务是相对独立加工阶段，与编码、决策、反应阶段无交互作用，因此可以把反应时与题干字数的关系视为直线方程。

回归分析发现题干字数与反应时具有线性相关关系(R=0.368 2，P=0.008 5)，平均每增加一个汉字，反应时增加约30 ms。基于此，可以对反应时进行线性校正，采用以下公式即可得到校正后的反应时：RT=RT0-30×N。其中,RT为校正后的反应时(单位ms)，RT0为原始测量值(单位ms)，N为特定题目的字数。

1.2.2.2 EEG数据离线处理 采用Matlab/EEGLab进行数据处理。具体处理步骤为：①数据加载、定位电极、去掉无用电极；②采用0.5～100 Hz带通滤波器滤波，并去掉实验开始前500 ms和实验结束后500 ms以外的多余数据段；③进行独立成分分析，去除眨眼和眼漂等伪迹成分；④以题目呈现时间-200～0 ms作为基线，进行基线校正，题目呈现后0～1 000 ms作为分段；⑤采用小波变换对FC3通道数据进行时频分析，并进行对数变换。

1.2.3 统计学分析 采用Matlab R2017a统计学工具箱进行统计分析。对反应时和功率谱分别进行单因素重复测量方差分析，区分两个水平(N-SDA和SDA)；将左右脑区功率谱非对称性与社会赞许性得分进行相关性分析。P<0.05表示差异有统计学意义。

2 结果

2.1 行为学分析结果

对校正后的反应时进行配对t检验，SDA反应时大于N-SDA反应时，差异具有统计学意义[(1 334±147)msvs(1 188±186)ms，t=-2.30，P<0.05]。

2.2 EEG功率谱分析结果

对27名被试EEG功率谱进行单因素方差分析，其中作答类型2个水平，即N-SDA和SDA，电极选取左侧额顶区的FC3电极，结果见图2。

A：N-SDA条件下所有被试的平均功率谱；B：SDA条件下所有被试的平均功率谱；C：对功率谱逐点进行配对t检验的t值分布；D：对显著性水平P值进行错误发现率校正后的具有显著性差异的区域(红色区域P<0.05)。N-SDA：非社会赞许性题目作答；SDA：社会赞许性题目作答。EEG：脑电。图2 两种条件下FC3电极的功率谱比较及其方差分析

对EEG功率谱的分析发现，在θ振荡上出现较明显的事件相关同步，而在β振荡上出现较明显的事件相关去同步，而两种条件下的较大差异出现在400～600 ms的α振荡上，其中心坐标为505 ms、9 Hz。因此我们选取450～550 ms内的θ、α、β振荡进行方差分析，结果发现，相比于N-SDA条件，SDA条件下的α功率降低，具有统计学差异(P<0.01，表1)。

表1 在两种作答类型下450～550 ms各频段功率谱比较(FC3电极)

2.3 EEG功率谱的全脑分布和偏侧化

识别SDA的最敏感区间在刺激后450～550 ms，因此选取该兴趣区进行全脑分析，并逐通道进行t检验，绘制出全脑功率谱分布及其t值分布(图3)。

N-SDA：非社会赞许性题目作答；SDA：社会赞许性题目作答。图3 EEG功率谱的全脑分布及其组间差异

我们采用同侧-对侧的方法计算脑区的非对称性分布，并计算非对称性与社会赞许性得分的皮尔逊相关系数(450～550 ms，α振荡)，结果见图4。

450～550 ms，α振荡。N-SDA：非社会赞许性题目作答；SDA：社会赞许性题目作答。图4 非对称性与SDA得分之间的相关性分析

虽然非对称性普遍存在于不同作答条件下的不同脑区，但只有在SDA条件下的颞顶区的非对称性与SDA得分呈正相关关系，其中T5-T6电极对(R=0.44，P<0.05)、P3-P4电极对(R=0.40，P<0.05)、CP3-CP4电极对(R=0.38，P<0.05)非对称性与SDA得分之间呈显著正相关。

3 讨论

本实验以普通大学生人群为研究对象，采用自陈式人格问卷测验，区分N-SDA和SDA两种条件，测量其反应时和EEG指标，首先验证了普通大学生人群中SDR的存在。

反应时的分析在排除字数影响之后进行，统计检验发现SDA反应时大于N-SDA反应时，这反映了受试者自我图式的参照过程，进行掩饰并导致认知负荷的增加[18]。一种可能的解释是掩饰时需要经历一个编辑的过程，要将答案与社会期望的回答进行比较，因此包含了一个额外的步骤，由此延长了反应时[19]。

从功率谱分析结果看，两种作答条件下都出现了明显的ERD现象，α和β振荡的ERD反映了高级认知过程，是本研究的重点。从时程上看，两种作答条件下的α功率谱最大差异出现在500 ms左右，考虑到阅读任务消耗的时间大约为210 ms(题目平均7字×30 ms)，而意识的产生约需300 ms，因此能与经验相符。由于α功率谱的降低代表了脑区的激活，预示唤醒程度增加[15]，SDR容易导致被试作假或反向回答的倾向,这代表了SDR时更多的认知努力；抑或是一种防御的警戒状态，当个体面对威胁时，一种可能的防御机制是通过转移注意或者分心策略来避免焦虑，并通过α功率的变化表现出来，这在GINETTE等[11]的研究中得到了证实。

从脑区分布来看，左侧额中央区是进行这种独特的认知加工的优势脑区。根据动机导向理论，左前α激活表明了一种接近动机，是作为健康人群的标志，而对于焦虑症、抑郁症患者来说，他们则不能很好地控制焦虑情绪，倾向于出现右侧α激活。GROSSELIN等[20]在一个双盲随机研究中采用神经反馈训练的方法增强被试的α活动，并伴随自我控制感增强和焦虑水平降低，但是这种增强与对照组之间无显著差异，也就无法确定α激活与焦虑缓解之间的因果关系。因此，本研究认为，SDR能够导致正常人群左前脑区的α激活，是缓解焦虑和增强控制感的标志，并可能是通过转移注意或分心策略来实现，焦虑症、抑郁症患者可能缺乏这种技能而无法抑制负面情绪。

虽然左前脑区的α激活可以作为SDR产生的神经电生理标志物，但是本研究最渴望关注的问题是SDR水平(社会赞许性问卷的得分)是否与α激活水平相关。PAULHUS等[21]在编制期待性回答平衡问卷时采用了20题的平衡问卷，普通人社会赞许性的平均得分为7.1分。而本研究采用了10题的问卷，被试的平均得分为3.6分，基本吻合，可以将此数据与α激活水平进行相关性分析，以验证α激活是否可以作为SDR水平的预测因子。

对单一脑区的α能量与SDR得分之间的相关性分析并没有得到有用结果，但是一些研究者认为防御性与α活动及其非对称性有关，这启发了本研究对脑区偏侧化的探讨。对脑区α能量偏侧化分布的分析表明，前侧和后侧均出现了明显的偏侧化倾向。然而有趣的是，虽然前侧的偏侧化较明显，但是其对SDR水平的预测效能较弱；相反的是，后侧的偏侧化(非对称性)对SDR水平具有较强的预测效能。分析表明SDR时颞顶区的非对称性与社会赞许性得分呈正相关，意味着如果顶区的左右脑区差异越大，那么受试者选择对自己有利选项的可能性越大。这可以用KEEFE等[13]的研究进行解释，顶枕区偏侧化的α活动代表了视觉皮层感受到的与预期目标的偏差。换句话说是代表了一种心理冲突，当目标答案与实际情况之间的差距越大，个体需要克服的心理压力就越大，这种偏侧化水平就越高，从而反映到了后部脑区α能量的非对称性上。

一些研究者认为左前脑区的不对称性代表了防御水平，与动机有关，右后脑区不对称性与情绪感知有关[22]，我们推测SDR并不仅仅激活个体防御机制，还会以情绪感知作为中介指导题目作答，前者是一个警戒过程，而后者是执行控制过程，两者是不同加工阶段。与左前脑区的α降低代表了防御激活不同，顶区的非对称性则与防御后的选择有关，会对SDR得分产生影响，是一种行为方式或人格特质的体现。

总之，人格测验中的SDR会引起反应时增加和左前脑区的α活动，反映了受试者在SDR过程中认知负荷的增加；SDR过程与颞顶区的α不对称性有关，颞顶区的α不对称性可以预测个体社会赞许性测验分数。本实验仅以健康在校大学生作为研究对象，对于其他群体，例如焦虑症、抑郁症患者需要进一步纳入研究范围，以验证文中的一些推论；其次，对于其他年龄群体，是否具有相似的电生理特征还有待进一步验证。另外，由于本研究采用了粗略的时间划分，没有进一步探讨SDR在时域上的心理变化过程，期望在以后的实验中予以改进。