1.新疆心智发展与学习科学重点实验室,乌鲁木齐; 2.新疆师范大学心理学院,乌鲁木齐
中国互联网络信息中心发布的互联网使用情况调查报告(中国互联网络信息中心,2025)表明我国社交网络用户规模达11.01亿人,占网民整体的99.3%,正确使用社交网络可以提高个体的幸福感,保持个体的身心健康。然而问题性的社交网络使用会使个体处于焦虑情绪,甚至进一步出现抑郁情绪,危害个体的身心健康。在这一背景下,社交网站使用对个体心理健康的影响日益受到研究者的关注。社交网站的使用主要分为主动性使用(Active Use)和被动性使用(Passive Use)。被动性使用是指个体在浏览社交信息时,没有直接的信息交流(Valkenburg P M et al.,2016)。个体在被动地浏览极具夸耀性质的内容时会无意中产生上行社会比较,使其在被动比较过程中产生焦虑情绪。因此被动性社交网站的使用经常会发展为损害个体心理健康的问题性社交网站使用(张亚利 等,2021)。以往研究表明问题性社交网站的使用是导致个体抑郁的潜在风险因素之一(孙晓军 等,2016)。根据I-PACE理论模型(Brand M et al.,2016),当个体存在问题性社交网络使用时(如游戏成瘾,过度使用网络社交媒体等),会导致个体产生焦虑症状。例如Zhang等人(Zhang C et al.,2022)研究发现,智能手机成瘾能够显著预测中学生的焦虑或抑郁症状。手机依赖与个体的抑郁、焦虑、压力症状显著正相关(Zou L et al.,2022)。
错失焦虑(fear of missing out,FoMO)也称为“错失恐惧”,是指个体因担心错过他人新奇经历或正性事件而产生的一种焦虑情绪(Przybylski A K et al.,2013)。研究表明,错失焦虑是一种复合情绪,不仅包括害怕错过相关社交信息或社交情景,还包括在错过相关社交机会后,想重新参与社会团体的动机(Zhang Z et al.,2020)。以往研究表明被动性社交网络使用与个体的错失焦虑存在正相关(Burnell K et al.,2019;Yin L et al.,2021)。其原因是,当个体在被动浏览他人积极、美化后的社交信息时会导致认知偏差,即错误地认为他人的生活比自己更精彩,并由于个体无法参与到这种生活中,因而产生了相对剥夺感,并进一步出现焦虑、紧张,以及被排斥感(张亚利 等,2021)。因此,本研究假设,被动性社交网络使用能够正向预测个体的错失焦虑(Valkenburg P M et al.,2016)。
抑郁症是以持久的心境低落和快感缺失为特征的一种常见的精神疾病(APA,1994; Malhi G S & Mann J J,2018),其发生发展受到多种心理社会因素的影响。以往研究表明焦虑情绪是个体抑郁症的预测风险因素之一,焦虑情绪在抑郁症状的形成过程中起着关键作用(Yang R et al.,2024)。研究表明,个体频繁使用社交媒体时,就会引发个体的错失焦虑(Brown L & Kuss D J,2020)。当个体处于焦虑情绪时会更关注负性情绪信息,从而产生抑郁(武成莉 等,2018)。而被动性社交网站使用可能通过诱发错失焦虑这一特定形式的焦虑体验,进而增加个体出现抑郁症的风险。除此之外,处于错失焦虑状态的个体还会进一步引发多种负面情绪(Elhai J D et al.,2018)。因此,本研究假设,错失焦虑在被动性社交类网络使用和抑郁症的关系中起中介作用。
综上所述,虽然以往研究表明问题性社交网络使用和抑郁症呈正相关,但两变量间的认知机制尚未辨明。因此,本研究通过探究被动性社交网络使用作用于抑郁症的认知机制,为干预和预防个体抑郁症提供理论支持。
采用随机取样方法,在新疆某医院中随机发放200份问卷,最后回收有效问卷197份,问卷有效率为98.50 %。
其中男性52名,女性145名,被试年龄14~68岁(M=23.60,SD=11.69)。所有被试在填写问卷前均签署书面知情同意书。本研究已通过伦理审查,符合科研伦理规范。
采用由拉德罗夫(Radloff L S,1977)编制,杨文辉和熊戈(杨文辉,熊戈,2016)翻译为中文版的流调用抑郁自评量表(center for epidemiologic studies-depression scale,CES-D)测量被试的抑郁症状。量表包含20题,其中第4、8、12、16项为反向计分。要求个体报告最近一周内症状出现的频率,得分越高说明越符合抑郁的标准。本研究中该量表的Cronbach α系数为0.92。
采用刘庆奇等(刘庆奇 等,2017)修订的被动性社交网络使用问卷对被试的社交网络使用类型进行评估。该问卷共包含四个项目,采用Likert 5点计分(1 =“从不”~5 =“频繁”),得分越高说明个体被动性使用社交网站的程度越高。本研究中该量表的α系数为0.81。
采用普日戈达(Przybylski)等(Przybylski A K et al.,2013)编制,李琦等(李琦 等,2019)翻译的错失焦虑量表中文版(fear of missing out scale,FoMOs)。该问卷共包含八个项目,分为两个维度:错失信息恐惧和错失情景恐惧,每个维度各四个项目。采用Likert 5点计分
(1 =“完全不符合”~5 =“完全符合”)。本研究中该量表的α系数为0.82。
使用SPSS 25.0、Amos 24.0整理和分析数据。
采用Harman单因素法进行共同方法偏差检验,结果显示,特征值大于1的因子共6个,第一个因子解释变异量为29.97%,低于临界标准40%。说明本研究不存在严重的共同方法偏差。以p<0.05为差异具有统计学意义。
对问卷得分进行正态性检验,各变量不符合正态分布各变量间相关性采用Spearman相关分析。结果表明抑郁症与错失焦虑显著正相关(p<0.05),抑郁症与被动性社交网络使用呈正相关(p<0.05),错失焦虑与被动性社交网络使用呈正相关(p<0.05)。
运用Amos 24. 0建立结构模型并进行检验。模型结果显示,自尊对攻击行为的直接效应不显著(β=-0.09,p=0.24),说明错失焦虑起完全中介作用。被动性社交网络使用可以正向预测错失焦虑(β=0.376,p<0.001),错失焦虑可以正向预测抑郁症(β=0.653,p<0.001)。
使用 Bootstrap法(抽样次数5000次,置信区间95%)检验中介效应。结果显示错失焦虑在被动性社交网络使用和抑郁症间发挥完全中介作用。间接效应值为0.80,95%的可置信区间为(0.32,1.42),直接效应为-0.29,95%的可置信区间为(-0.92,0.27),总效应为0.50,95%的可置信区间为(-0.92,0.27),如表2所示。中介作用路径图如图1所示。
表 1 抑郁症、措施焦虑、被动性社交网络使用的描述统计及相关分析
Table 1 Descriptive statistics and correlation analysis of depression, measure anxiety, and passive social network use
变量 | M | SD | CES-D | 错失焦虑量表 | 被动性社交网络使用 |
抑郁症 | 32.89 | 0.96 | 1 | ||
错失焦虑 | 24.02 | 0.54 | 0.483 | 1 | |
被动性社交网络使用 | 11.89 | 0.30 | 0.142 | 0.353 | 1 |
图 1 中介作用路径图
Figure 1 Mediating effect pathways
表 2 抑郁症、错失焦虑、被动性社交网络使用的中介效应分析
Table 2 Analysis of the mediating effects of depression, fear of missing out, and passive social media use
项目 | 效应值 | SE | Bootstrap95%CI下限 | Bootstrap95%CI上限 |
总效应 | 0.50 | 0.002 | 0.03 | 0.98 |
直接效应 | -0.29 | 0.003 | -0.92 | 0.27 |
间接效应 | 0.80 | 0.003 | 0.32 | 1.42 |
本研究探讨了被动性社交网站使用对抑郁症的影响,并检验了错失焦虑在其中的中介作用。研究结果支持了研究假设,即被动性社交网站使用通过错失焦虑的中介作用间接影响抑郁症。以下将结合已有理论和研究对结果进行讨论。
本研究发现,被动性社交网站使用与抑郁症呈显著正相关,这一结果与以往研究一致(连帅磊 等,2018;Park H J,2022)。被动性社交网站使用通常表现为个体浏览他人发布的具有夸耀性质的社交信息时,容易引发个体的上行社会比较(de Vries D A & Kühne R,2015)。当个体频繁进行上行社会比较时,可能会使个体处于负性情绪状态并减弱个体对自己生活的幸福感(刘庆奇 等,2017),从而增加个体的抑郁风险。
与研究假设一致,本研究发现错失焦虑在被动性社交网站使用与抑郁症之间起完全中介作用。这一结果支持了I-PACE理论模型(Brand M et al.,2016)的观点,即问题性网络使用(如被动性社交网站使用)会通过诱发负面情绪(如焦虑)进而影响心理健康。具体而言,被动性社交网站使用可能通过以下路径引发错失焦虑:当个体被动浏览社交网站时,往往会关注到他人美化、修饰过的生活,容易产生“他人生活更精彩”的错觉,从而担心自己错过重要的社交机会或经历,并进一步产生自我基本心理需要不能得到满足的焦虑情绪(李琦 等,2019)。当个体频繁进行上行社会比较时,可能会产生自我贬低和负面情绪,从而增加抑郁风险。此外,被动性使用缺乏积极的社交互动,可能导致孤独感和情感支持的缺失,从而产生错失焦虑。当个体处于这种错失焦虑状态时会变得消极、不愿意主动进行社交,进而诱发抑郁情绪(连帅磊 等,2018)。错失焦虑作为一种特定的焦虑情绪,会进一步导致个体对负性信息的注意偏向(武成莉 等,2018),从而加剧抑郁症状。本研究的中介效应分析表明,被动性社交网站使用并不直接导致抑郁症,而是通过错失焦虑间接发挥作用。这一结果强调了情绪机制在社交网站使用与心理健康关系中的重要性。
本研究基于I-PACE理论模型,验证了被动性社交网站使用通过错失焦虑间接影响抑郁倾向的机制,丰富了社交媒体使用与心理健康关系的理论框架。研究结果支持了“情绪中介路径”的重要性,强调了错失焦虑作为一种特定形式的焦虑情绪在社交媒体使用与抑郁之间的桥梁作用,为后续研究提供了新的视角。研究结果对于引导个体合理健康地进行网络社交,并避免其产生抑郁情绪具有一定的启示。首先,应该引导个体正确地看待他人社交信息,避免其在“刷朋友圈”时产生上行社会比较进而诱发错失焦虑。其次,应该鼓励个体减少问题性社交网络使用,并主动在实际生活中维系健康的人际关系。此外,本研究还可以为预防青少年过多使用社交媒体从而出现焦虑、抑郁等心理健康问题提供新的方案。由于青少年心智尚未成熟,易受到其浏览的社交信息影响,因此可以通过认知行为疗法帮助青少年个体调整对社交媒体信息的认知偏差,让其正确看待所浏览的社交信息,避免其出现不健康的上行社会比较,或通过正念训练缓解错失焦虑,从而进一步缓解青少年个体的抑郁情绪。
本研究也存在一些局限。首先,本研究的被试主要来自新疆某一医院,并且样本量较小(N=197)且未平衡性别比例(女性占比73.6%),可能对中介模型的信效度产生影响。未来研究应扩大被试样本量,从多家医院进行取样,并平衡性别分布。其次,本研究作为横断设计,无法推断出变量之间的因果关系,后续研究可采用纵向研究或严谨的实验设计进一步对研究中变量关系加以验证。此外研究未考虑调节变量,个体差异(如自尊、社会支持)或文化背景可能调节中介路径。例如,高自尊个体可能更抵抗社会比较的负面影响。后续研究可纳入调节变量以完善研究。
本研究得出以下结论在被动性社交网络使用和个体抑郁症的关系中,错失焦虑起完全中介作用,即被动性社交网络使用对个体抑郁症的影响完全是通过诱发个体错失焦虑实现的。
[1] 李琦, 王佳宁, 赵思琦, 贾彦茹. (2019). 错失焦虑量表测评大学生的效度和信度. 中国心理卫生杂志, (4), 312-317.
[2] 连帅磊, 姚良爽, 孙晓军, 周宗奎. (2018). 被动性社交网站使用与初中生抑郁的关系:链式中介效应分析. 心理科学, 41(4), 876-882.
[3] 刘庆奇, 牛更枫, 范翠英, 周宗奎. (2017). 被动性社交网站使用与自尊和自我概念清晰性:有调节的中介模型. 心理学报, 49(1), 60-71.
[4] 孙晓军, 连帅磊, 牛更枫, 闫景蕾, 童媛添, 周宗奎. (2016). 社交网站使用对青少年抑郁的影响:上行社会比较的中介作用. 中国临床心理学杂志, (1), 32-35.
[5] 武成莉, 龚慧, 蒲唯丹. (2018). 重性抑郁症负性信息注意偏向的神经影像学研究进展. 中国临床心理学杂志, 26(2), 234-238.
[6] 杨文辉, 熊戈. (2016). 常用抑郁量表筛查我国青少年抑郁的效度和划界分. 中国临床心理学杂志, (6), 1010-1015.
[7] 张亚利, 李森, 俞国良. (2021). 社交媒体使用与错失焦虑的关系:一项元分析. 心理学报, 53(3), 273-290.
[8] 中国互联网络信息中心. (2025). 第55次中国互联网络发展状况统计报告. 取自/https://www.cnnic.net.cn/NMediaFile/2025/0220/MAIN1740036167004CKE0DITFO1.
[9] APA. (1994). Diagnostic and Statistical Manual of Mental Disorders, 4th ed. American Psychiatric Association, Washington, DC.
[10] Brand, M., Young, K. S., Laier, C., Wölfling, K., & Potenza, M. N. (2016). Integrating psychological and neurobiological considerations regarding the development and maintenance of specific Internet-use disorders: An Interaction of Person-Affect-Cognition-Execution (I-PACE) model. Neuroscience & Biobehavioral Reviews, (71), 252-266.
[11] Brown, L., & Kuss, D. J. (2020). Fear of missing out, mental wellbeing, and social connectedness: A seven-day social media abstinence trial. International Journal of Environmental Research and Public Health, 17(12), 4566.
[12] Burnell, K., George, M. J., Vollet, J. W., Ehrenreich, S. E., & Underwood, M. K. (2019). Passive social networking site use and well-being: The mediating roles of social comparison and the fear of missing out. Cyberpsychology: Journal of Psychosocial Research on Cyberspace, 13(3).
[13] de Vries, D. A., & Kühne, R. (2015). Facebook and self-perception: Individual susceptibility to negative social comparison on Facebook. Personality and Individual Differences, (86), 217-221.
[14] Elhai, J. D., Vasquez, J. K., Lustgarten, S. D., Levine, J. C., & Hall, B. J. (2018). Proneness to boredom mediates relationships between problematic smartphone use with depression and anxiety severity. Social Science Computer Review, 36(6), 707-720.
[15] Malhi, G. S., & Mann, J. J. (2018). Depression. Lancet, 392(10161), 2299-2312.
[16] Park, H. J. (2022). Impact of Facebook usage intensity on fear of missing out and depression: Moderated mediating effect of Facebook usage behaviour. Telematics and Informatics, (74), 101878.
[17] Passive Facebook usage undermines affective well-being: Experimental and longitudinal evidence. Journal of Experimental Psychology: General, 144(2), 480-488.
[18] Przybylski, A. K., Murayama, K., DeHaan, C. R., & Gladwell, V. (2013). Motivational, emotional, and behavioral correlates of fear of missing out. Computers in human behavior, 29(4), 1841-1848.
[19] Radloff, L. S. (1977). The CES-D scale: A self-report depression scale for research in the general population. Applied psychology measurement, 1(3), 385-401.
[20] Rasmussen, E. E., Punyanunt-Carter, N., LaFreniere, J. R., Norman, M. S., & Kimball, T. G. (2020). The serially mediated relationship between emerging adults’ social media use and mental well-being. Computers in Human Behavior, (102), 206-213.
[21] Tandoc, E. C., Jr., Ferrucci, P., & Duffy, M. (2015). Facebook use, envy, and depression among college students: Is facebooking depressing? Computers in human behavior, (43), 139-146.
[22] Valkenburg, P. M., Peter, J., & Walther, J. B. (2016). Media effects: Theory and research. Annual Review of Psychology, 67(1), 315-338.
[23] Yang, R., Zheng, H., Cao, X., Mo, D., Li, M., Liu, W., & Zhong, H. (2024). Characteristics of attentional bias in adolescents with major depressive disorders: differentiating the impact of anxious distress specifier. Frontiers in Psychiatry, (15), 1352971.
[24] Yin, L., Wang, P., Nie, J., Guo, J., Feng, J., & Lei, L. (2021). Social networking sites addiction and FoMO: The mediating role of envy and the moderating role of need to belong. Current Psychology, (40), 3879-3887.
[25] Zhang, C., Hao, J., Liu, Y., Cui, J., & Yu, H. (2022). Associations between online learning, smartphone addiction problems, and psychological symptoms in Chinese college students after the COVID-19 pandemic. Frontiers in public health, (10), 881074.
[26] Zhang, Z., Jiménez, F. R., & Cicala, J. E. (2020). Fear of missing out scale: A self concept perspective. Psychology & Marketing, 37(11), 1619-1634.
[27] Zou, L., Wu, X., Tao, S., Yang, Y., Zhang, Q., Hong, X., ... & Tao, F. (2022). Neural correlates of physical activity moderate the association between problematic mobile phone use and psychological symptoms. Frontiers in Behavioral Neuroscience, (15), 749194.