基于分層線性回歸模型的上海市外來務(wù)工人員心理健康狀況及影響因素分析

宋徽江，汪天英，劉 瑤

上海每年約有400萬外來務(wù)工人員，提高他們的綜合保障水平不僅關(guān)系到外來務(wù)工人員自身的發(fā)展和幸福，還影響到整個社會的和諧與穩(wěn)定。有研究提示，外來務(wù)工人員中心理壓力巨大的情況較為突出[1]。當(dāng)前針對外來務(wù)工人員的心理狀況分析往往將其心理情況與年齡、性別、居住情況、不良生活習(xí)慣、工作環(huán)境等諸多因素參雜在一起進(jìn)行多元Logistic回歸分析，往往得到不一致的相關(guān)性結(jié)論，這些研究的統(tǒng)一特征是：將環(huán)境層面的變量和個人層面的變量統(tǒng)一分析，而未加以分層，這樣的結(jié)論往往缺乏可靠性，也不能說明環(huán)境層面的變化對個人實際生活狀況的影響，本研究通過橫斷面研究獲得農(nóng)民工的心理健康狀況、生活習(xí)慣資料，結(jié)合其生活環(huán)境，利用國際上較為先進(jìn)的分層線性模型(HLM)展開分析，了解上海市外來務(wù)工人員的心理健康狀況及影響因素，并驗證這一方法在此項研究領(lǐng)域中的有效性。

1 資料與方法

1.1 資料來源 于2012年7—10月，選擇普陀區(qū)長征、長寧區(qū)新涇、浦東新區(qū)三林、徐匯區(qū)漕河涇、楊浦區(qū)殷行、嘉定區(qū)黃渡、青浦區(qū)華新7個社區(qū)(皆為本市外來務(wù)工人員較為集中的區(qū)域)作為現(xiàn)況調(diào)查區(qū)域。按照本市外來務(wù)工人員的性別、年齡分布等人口學(xué)特征，采用分層整群隨機(jī)抽樣的方法進(jìn)行抽樣。數(shù)據(jù)資料包含了體檢者姓名、性別、年齡、居住地等基本信息。最終有效問卷調(diào)查人數(shù)841人。

1.2 研究方法

1.2.1 環(huán)境變量的控制與賦值 環(huán)境選擇居住區(qū)域、行業(yè)以及單位規(guī)模3個變量，覆蓋了農(nóng)民工的工作和生活環(huán)境，具有較強(qiáng)的代表性。農(nóng)民工居住區(qū)域按照城鄉(xiāng)差異進(jìn)行分類賦值建模；工作環(huán)境根據(jù)農(nóng)民工較為集中的建造業(yè)、餐飲住宿業(yè)、家政服務(wù)業(yè)、批發(fā)零售業(yè)、娛樂性場所類進(jìn)行賦值建模；單位規(guī)模是根據(jù)單位人數(shù)情況進(jìn)行賦值建模。

1.2.2 研究工具 心理狀況調(diào)查采用國際標(biāo)準(zhǔn)癥狀自評量表(SCL-90)，將量表按照軀體化、強(qiáng)迫癥狀、人際關(guān)系敏感、抑郁、焦慮、敵對、恐怖、偏執(zhí)、精神病性等維度分為9類。個人不良生活習(xí)慣采用Fagerstrom尼古丁依賴性測試量表[2]、飲酒問卷(ADS)[3]及匹茲堡睡眠質(zhì)量指數(shù)量表(PSQI)[4]對生活習(xí)慣進(jìn)行更為全面的了解，均按照各量表的評分原則進(jìn)行評分。

1.2.3 建模方式 從問卷中挑選出與個人心理健康狀況相關(guān)因素進(jìn)行分析，重點(diǎn)分析個體層面的因素和外在環(huán)境的因素作為調(diào)節(jié)變量是怎樣影響心理健康狀況的。將環(huán)境因素與個體層面會影響心理健康的因素分開，使用HLM了解個體和環(huán)境層面是如何影響個人心理健康的，并探究個體因素和環(huán)境因素的關(guān)系。本研究對841名農(nóng)民工的心理健康水平進(jìn)行檢測，農(nóng)民工有其自身的“個人效應(yīng)”，同時農(nóng)民工又從屬于自己的生活環(huán)境，就是“背景效應(yīng)”。在進(jìn)行個體研究時必須考慮到被研究對象所處的背景或他所從屬的上層分析單位。運(yùn)用HLM能夠使分析的結(jié)果更加貼近事實[5]。

本研究建立的HLM為二層模型[6]，假設(shè)第一層次為農(nóng)民工個體，第二層次為環(huán)境，層次一的模型與傳統(tǒng)的回歸模型類似，所不同的是，回歸方程的截距和斜率不再假設(shè)為一個常數(shù)[7]，而是不同的農(nóng)民工的回歸方程的截距和斜率都不同，是一個隨機(jī)變量。每個農(nóng)民工回歸方程的截距和斜率都直線依賴于第二層次變量[8](如所屬行業(yè)、單位規(guī)模大小)，這樣就構(gòu)成了農(nóng)民工-環(huán)境二層模型?？杀硎救缦拢?/p>

層-1(農(nóng)民工)Yij=β0j+β1jXij+eij

層-2(環(huán)境)β0j=□00+□01Wj+u0j

β1j=□10+□11Wj+u1j

合并的模型表示為：

Yij=□00+□10Xij+□01Wj+□11XijWj+ u0j+u1jXij+eij[9]

其中：Yij表示第j個環(huán)境的第i個農(nóng)民工的相應(yīng)變量觀測值(如農(nóng)民工的心理分?jǐn)?shù)),Xij表示第j個環(huán)境的第i個農(nóng)民工的解釋變量觀測值(如農(nóng)民工的吸煙狀況)，Wj表示第j個環(huán)境的環(huán)境特征變量(如單位規(guī)模大小)。對于層-1模型，β0j、β1j分別表示第j個農(nóng)民工吸煙(飲酒/睡眠)回歸直線的截距和斜率，eij表示第j個環(huán)境第i個農(nóng)民工的測量誤差。對于層-2模型，□00、□01分別表示β0j截距對于環(huán)境變量Wj的回歸直線的截距和斜率，u0j表示由第j個環(huán)境的環(huán)境變量帶來的截距上的誤差?！?0、□11分別表示截距β1j對于環(huán)境變量Wj的回歸直線的截距和斜率,u1j表示由第j環(huán)境的環(huán)境變量帶來的斜率上的誤差[9]。

1.3 統(tǒng)計學(xué)方法 將經(jīng)過質(zhì)控審核的統(tǒng)計資料采用Epidata 3.01軟件錄入，對數(shù)據(jù)進(jìn)行核實，采用SPSS 19.0 統(tǒng)計軟件進(jìn)行單因素Logistic回歸分析和組間t檢驗或方差分析。統(tǒng)計學(xué)檢驗水平α設(shè)置為0.05。HLM建模使用HLM 6.04軟件。

2 結(jié)果

2.1 人口學(xué)特征 76.1%的農(nóng)民工居住在郊區(qū)；76.6%集中在建筑業(yè)和制造業(yè)(建造業(yè))，37.0%子女不在身邊；居住情況為與家人同租房或單位宿舍的分別占30.0%、35.5%(見表1)。

2.2 SCL-90評分情況及與常模的比較 將841個樣本數(shù)據(jù)與全國成人常模[10](n=1 388)相比，在9個因子中，除了軀體化和精神病性與成人常模相比差異無統(tǒng)計學(xué)意義(P>0.05)外，其他7個因子比較差異均有統(tǒng)計學(xué)意義(P<0.05)，農(nóng)民工心理健康水平得分較全國成人常模得分低(見表2)。

2.3 不同人口學(xué)特征農(nóng)民工SCL-90得分比較 針對此次調(diào)查人群的人口學(xué)特征，包括居住區(qū)域、所屬行業(yè)、單位規(guī)模、子女是否在身邊及目前居住情況，分別進(jìn)行單因素檢驗分析發(fā)現(xiàn)，這些因素在單獨(dú)情況下對農(nóng)民工SCL-90總分的影響均無統(tǒng)計學(xué)意義(P>0.05，見表1)。

2.4 不同生活習(xí)慣農(nóng)民工SCL-90得分比較 對農(nóng)民工的生活習(xí)慣進(jìn)行調(diào)查，主要從吸煙、飲酒以及睡眠三方面進(jìn)行了解，包括對該類生活習(xí)慣的態(tài)度以及危害的認(rèn)知度等方面。結(jié)果顯示，是否酒精依賴、睡眠好與不好的農(nóng)民工SCL-90得分間差異有統(tǒng)計學(xué)意義(P<0.05，見表3)。

注：*為t值；SCL-90=癥狀自評量表

2.5 運(yùn)用HLM對農(nóng)民工不良心理狀況的建模結(jié)果 采用HLM 6.04軟件進(jìn)行處理，環(huán)境因素下農(nóng)民工心理健康水平二層完全模型[11]為：

層-1

Y=B0+B1×(吸煙總分)+B2×(睡眠總分)+B3×(飲酒總分)+R

層-2

B0=G00+G01×(居住區(qū))+G02×(行業(yè))+G03×(單位規(guī)模)

B1=G10+G11×(居住區(qū))+G12×(行業(yè))+G13×(單位規(guī)模)

表3 不同生活習(xí)慣農(nóng)民工SCL-90得分比較

Table3 Comparison of the SCL-90 score of different living habits peasant workers

人數(shù)〔n(%)〕SCL-90得分(x±s，分)t值P值吸煙情況10550331 是375(446)12010±3858 否466(554)12238±3919酒精依賴情況33070000 是365(434)12285±4006 否476(566)12002±3795睡眠情況14180003 好277(329)13743±4279 不好564(671)11347±3423

B2=G20+G21×(居住區(qū))+G22×(行業(yè))+G23×(單位規(guī)模)

B3=G30+G31×(居住區(qū))+G32×(行業(yè))+G33×(單位規(guī)模)

運(yùn)行后在環(huán)境因素下農(nóng)民工心理健康水平完全模型結(jié)果見表4。此外，調(diào)查發(fā)現(xiàn)農(nóng)民工所從事的行業(yè)對吸煙有影響(P=0.008)，居住區(qū)及單位規(guī)模大小對飲酒行為有影響(P值分別為0.041、0.023)。

表4 生活環(huán)境下農(nóng)民工心理健康水平HLM完全模型結(jié)果

Table4 The HLM completely model results of mental health level on the peasant workers in the living environment

固定效應(yīng)系數(shù)P值標(biāo)準(zhǔn)差G00899900001707G014680047236G022890352311G03-12530068688G100260887182G205810001171G30-0160858090

3 討論

本研究通過使用SCL-90量表對農(nóng)民工心理健康狀況進(jìn)行測試后結(jié)果顯示，農(nóng)民工心理健康水平得分低于全國成人常模得分，這與國內(nèi)廖傳景[12]的研究結(jié)果一致，但是與林秋紅等[13]的研究結(jié)果存在差異，提示應(yīng)對農(nóng)民工心理健康水平進(jìn)行持續(xù)觀察，以期正確把握農(nóng)民工的心理健康。

本研究的結(jié)論可以從兩方面來看，在個體水平上，農(nóng)民工的不良生活習(xí)慣(包括吸煙、飲酒、不規(guī)律或低質(zhì)量的睡眠)對其心理健康的影響是非常重要的。其中，睡眠情況直接影響到農(nóng)民工的心理健康水平(G20，P=0.001)，這可能與本研究中的農(nóng)民工從事行業(yè)有關(guān)，其中建造業(yè)和娛樂業(yè)的人員近90%，多為較強(qiáng)的體力勞動工作，因體能需靠良好的睡眠進(jìn)行恢復(fù)有關(guān)，故睡眠在影響其身體和心理健康中起到一定作用。

在環(huán)境水平上，環(huán)境的差異對農(nóng)民工心理健康水平有影響(G00，P=0.000)，驗證了我們所假想的環(huán)境“背景效應(yīng)”[14]對農(nóng)民工的心理健康水平會產(chǎn)生影響。本研究所選的三個環(huán)境層次的變量中居住區(qū)會對農(nóng)民工的心理健康水平產(chǎn)生影響(G01，P=0.047)，表明農(nóng)民工的心理問題受所居住區(qū)域的影響，但是不受自身行業(yè)(G02，P=0.352)及所在單位規(guī)模大小(G03，P=0.068)的影響。

通過HLM的建立，我們可以看到在環(huán)境層面上，農(nóng)民工所處的環(huán)境會直接影響到他們的一些個人行為而影響其心理情況，居住在市區(qū)以及所在單位規(guī)模大的農(nóng)民工更傾向于養(yǎng)成飲酒的習(xí)慣，不同行業(yè)的屬性也會直接導(dǎo)致他們的吸煙行為，這與人群的聚集行為有關(guān)，也顯示出農(nóng)民工容易受到外界環(huán)境的影響，導(dǎo)致抽煙及飲酒的行為發(fā)生，由于飲酒與吸煙、不良睡眠對SCL-90得分有影響，因此提示我們改善農(nóng)民工的心理狀況應(yīng)從改善其所處環(huán)境情況入手，緩解其由于行業(yè)差別、城鄉(xiāng)差別、單位規(guī)模引起的不良生活習(xí)慣的傳播。

多數(shù)人認(rèn)為抽煙、飲酒等行為可以緩解壓力，本調(diào)查則顯示個人層面上只有不良睡眠習(xí)慣與心理狀況呈相關(guān)性(G20，P=0.001)，同時提示不佳的居住和工作場所帶來的背景效應(yīng)引導(dǎo)農(nóng)民工沾染不良生活習(xí)慣，從而影響其心理健康。隨著新生代農(nóng)民工的逐漸進(jìn)入，農(nóng)民工群體的受教育程度有了提高，對健康知識的知曉率也逐漸增大，少飲酒、不吸煙或已戒煙等健康行為形成率有一定提升[10]。建議社區(qū)應(yīng)對農(nóng)民工進(jìn)行群體式健康教育及干預(yù)，同時所在單位應(yīng)積極開展一些有益農(nóng)民工身心健康的活動，對該群體進(jìn)行正確引導(dǎo)，使得他們的心理壓力能有合適且健康的宣泄方式。

1 李祚山，王思陽，盧淋淋，等.農(nóng)民工應(yīng)對方式與心理健康的特點(diǎn)及其關(guān)系[J/OL].現(xiàn)代預(yù)防醫(yī)學(xué),CNKI:51-1365/R.20120919.1126.024.

2 張向陽，曹連元，陳大春，等.中國男性精神分裂癥患者吸煙、精神病理學(xué)、認(rèn)知功能和治療相關(guān)不良反應(yīng)的病例對照研究[J].中國藥物依賴性雜志,2009,18(4):283-293.

3 韋耀陽.大學(xué)生孤獨(dú)感與飲酒行為的關(guān)系研究[J].精神醫(yī)學(xué)雜志,2012,25(4):289-290.

4 安翠霞，許順江，宋美，等.輕度認(rèn)知功能損害患者睡眠質(zhì)量分析[J].中華精神科雜志，2012，45(5):295-298.

5 艾偉強(qiáng)，葛建軍.運(yùn)用分層線性模型對高校教師科研水平的研究[J].統(tǒng)計與決策，2008，24(7):95-99

6 郭志剛，李劍釗.農(nóng)村二孩生育間隔的分層模型研究[J].人口研究,2006,30(4):2-11.

7 蔡經(jīng)漢.高職學(xué)生評教影響因素的分層線性分析[J].重慶理工大學(xué)學(xué)報：社會科學(xué)版,2013,27(3):125-130.

8 徐一丁,杜子芳.公司治理結(jié)構(gòu)對經(jīng)營績效的影響研究——基于分層線性模型的實證分析[J].現(xiàn)代管理科學(xué),2012,31(12):7-9,17.

9 Scheel I,Ferkingstad E,Frigessi A,et al.A Bayesian hierarchical model with spatial variable selection:the effect of weather on insurance claims[J].J R Stat Soc Ser C Appl Stat,2013,62(1):85-100.

10 黃艷蘋，李玲.用癥狀自評量表(SCL-90)評估中國大學(xué)生心理健康狀況的Meta分析[J].中國心理衛(wèi)生雜志，2009，23(5):366-371.

11 Lee W,Lim J,Lee Y,et al.The hierarchical-likelihood approach to autoregressive stochastic volatility models[J].Computational Statistics & Data Analysis - CS&DA,2011,55(1):248-260.

12 廖傳景.青年農(nóng)民工心理健康及社會性影響與保護(hù)因素[J].中國青年研究,2010,22(1):109-113.

13 林秋紅,劉移民,周靜東,等.2010年廣州市農(nóng)民工人格特征與心理健康關(guān)系研究[J].預(yù)防醫(yī)學(xué)論壇,2011,17(10):889-892.

14 Shoults-Wilson WA,Peterson JT,Unrine JM,et al.The Asian clam Corbicula fluminea as a biomonitor of trace element contamination:accounting for different sources of variation using an hierarchical linear model[J].Environmental Toxicology and Chemistry,2009,28(10):2224-2232.

分層線性回歸模型(HLM)簡介：

分層線性回歸模型是由不同層次的自變量解釋同一變量的一體化模型。當(dāng)數(shù)據(jù)存在于不同層級時，先以第一層級的變量建立回歸方程，然后把該方程中的截距和斜率作為因變量，使用第二層數(shù)據(jù)中的變量作為自變量，再建立兩個新的方程。通過這種處理，可以探索不同層面變量對因變量的影響。它包含了不同層次的測量變量；在高層次模型中，第一層次的回歸系數(shù)可被第二層次的解釋變量所解釋。

多層線性模型主要用來處理具有層次結(jié)構(gòu)特點(diǎn)的數(shù)據(jù)。它能夠考慮不同層次的隨機(jī)誤差和變量信息，提供正確的標(biāo)準(zhǔn)誤差估計；得到更有效的區(qū)間估計與更精確的假設(shè)檢驗，以及回歸方程中截距和斜率之間的相關(guān)關(guān)系；可以分析重復(fù)測量的數(shù)據(jù)，探討以往關(guān)于同一問題的不同研究結(jié)論是否具有一致性。

很多研究都涉及分層數(shù)據(jù)結(jié)構(gòu)。例如：經(jīng)濟(jì)學(xué)家探求在多個國家中經(jīng)濟(jì)政策是如何影響居民的消費(fèi)行為的，研究采集的觀測數(shù)據(jù)不僅包括以國家為層次的經(jīng)濟(jì)指標(biāo)，還包括以家庭為單位的信息，因此整個觀測的數(shù)據(jù)結(jié)構(gòu)是分層的。此時，同屬一個層次的個體之間的相關(guān)性會大于來自不同層次的個體之間的相關(guān)性，整個觀測樣本就不再具有獨(dú)立分布性質(zhì)，如果繼續(xù)使用經(jīng)典的線性回歸模型，就會得到有偏倚的參數(shù)估計和錯誤的統(tǒng)計推斷結(jié)果。