蘇斌原，張 衛(wèi)，周夢培，林 瑪，孟 彩

一、前 言

多年來，大學生自殺事件時有發(fā)生，在社會上尤其引起關注。很多數據表明，自殺是15—34歲的青少年非正常死亡的首要原因。［1］據廣東省教育主管部門通報的數據，廣東省2003年至2013年間每年因自殺身亡的大學生人數在8—30 人之間，平均每年20 人，且逐年略有上升，十年來自殺的發(fā)生率在1.03/10 萬至2.47/10 萬之間，平均發(fā)生率為1.71/10 萬。［2］每一個大學生自殺身亡的背后，不僅給家庭帶來巨大的悲痛，而且會給學校帶來不穩(wěn)定的情緒，給社會帶來巨大的損失。作為高等教育活動的組織者，高校對大學生自殺事故承擔著重要的注意性義務:高校應建立預警機制，及時篩查和發(fā)現自殺高危學生，對有自殺傾向的學生及時采取必要的心理干預。［3］美國疾病控制與預防中心2004年的數據顯示，在美國每年約3.2 萬自殺死亡的人當中，也只有不到1/3 的人在死前能被心理健康服務人員及時發(fā)現。［4］因此，挽救大學生的自殺危機，更重要的是提前識別導致自殺危機的潛在風險因素，及時進行預防和疏導，降低風險因素的危機水平。［5］

開展新生心理健康普查，發(fā)現可能存在自殺風險的高危人群，并對之進行預防性的干預，是高校開展心理健康工作的普遍做法。心理普查工作開展20 余年來，形成了一套“普查—訪談—干預—教育”的規(guī)范化程序，為高校的心理健康教育工作作出了突出的貢獻。然而，越來越多的研究者發(fā)現心理普查工作中存在著許多問題，其中最突出的就是心理量表的選用，選用是否恰當直接影響篩查出的心理危機信息的可靠性。例如，心理普查中最常用的大學生人格問卷存在篩選假陽性率較高的問題，診斷或類型劃分的臨界值存在矛盾或不一致。［6］高校心理健康工作者經常面臨這樣的尷尬局面:有很大一部分自殺或自傷、患心理疾病的個案在新生心理普查中沒有被篩查出來，而篩查出來的危機個案卻在大學四年期間沒發(fā)生任何心理危機。因此，有研究者提出高校心理普查的心理危機因子檢測系統(tǒng)應重新構建，以提高心理篩查的實效性。［7］本研究正是針對大學生心理普查工作中存在的現實困境，基于自殺的應激－易感模型，采用潛在剖面分析的方法，在內容和方法上試圖重新構建大學生心理普查中自殺風險的心理危機因子檢測系統(tǒng)。

在諸多關于自殺原因的理論中，應激－易感模型(stress－sensitization model)近年來尤其受到學界的特別關注。應激－易感模型源于1962年Meehl提出的精神分裂癥的素質應激相互作用理論，Bleuler 和Rosenthal 后來正式提出素質－應激模型來解釋精神疾病的病理機制。隨著研究的深入，研究者用易感性代替了素質，各種社會心理因素也被納入該模型。［8］實證研究表明，精神疾病確實會顯著提高自殺的風險，但是大部分有心理疾病的患者并不會實施自殺行為。［9］Wasserman 等人［10］提出自殺者身上有某些自殺的易感因素或特質，決定了個體在一些應激的影響下自殺會不會發(fā)生。自殺是應激因素、保護性因素和個體素質三者間相互影響的過程。當易感人群處于應激狀態(tài)時，其易感性就容易被激活從而使個體表現為易激惹、易憤怒等狀態(tài)，比常人容易導致自殺。應激－易感模型不僅打破了自殺是某種精神疾病或單純某種危機應對的結果的傳統(tǒng)看法，而且注意到了易感性的生物和心理兩個層面，將易感性放到各種個體素質和社會文化環(huán)境的角度考察，為自殺的評估和治療提供了一個新的視角。［11］

自殺風險影響因素的大量研究從不同的方面驗證了應激－易感模型。李亞敏等人［12］對1994—2012年在國內公開發(fā)表的有關大學生自殺意念影響因素的流行病學研究的23 篇文獻進行了元分析，發(fā)現對大學生自殺意念產生影響的因素主要有性別(女性)、人格特征、精神癥狀、負性生活事件、人際關系、家庭關系、消極應對等。宮火良等人［8］發(fā)現涉及的易感因素主要有人格、環(huán)境、認知、情緒等，涉及的應激因素主要有負性生活事件、童年經歷等。神經質傾向、內向、憂慮抑郁、D 型人格、自我中心或完美主義等人格特征是自殺意念的基礎性因素。［12］抑郁、焦慮等消極情緒狀態(tài)也被大量研究證明與自殺意念有高度的相關。有研究者則認為失眠是預測自殺的主要風險因素之一。［13］睡眠紊亂、尤其是失眠，是抑郁癥的早期癥狀或易患標志之一，它可提高自殺發(fā)生的風險。［14］負性生活事件或應激事件是眾多研究者關注較多的應激因素，大量的實證研究都證實了負性生活事件對自殺意念風險有正向預測作用。［8，12，15，16］有研究表明精神疾病是自殺風險的重要因素。有研究者對歐洲和北美洲的自殺死亡案例進行精神疾病診斷，結果發(fā)現98%的自殺死亡者至少患有一種心理障礙，其中患情緒障礙占30.2%，物質濫用障礙占17.6%，精神分裂癥占14.1%，人格障礙占13.0%。［17］在有關加拿大的一項自殺身亡者的研究中也發(fā)現有2%—12%的人被診斷為精神分裂癥，自殺成為患精神分裂癥個體非正常死亡的首要原因。［18］

基于對已有研究的整理，我們發(fā)現應激－易感模型涵蓋的自殺風險因素較多，各因素間相互作用的方式也較為多樣，但以往的研究往往只關注一個或少數幾個風險因素對自殺風險的影響。然而，這樣的做法可能有待商榷。首先，發(fā)展生態(tài)學理論指出，個體發(fā)展發(fā)生在多種背景之下，并同時受到包括個體因素、近端人際過程或情境因素、遠端情境因素及這些水平間交互作用等因素的共同影響，風險因素往往協(xié)同發(fā)生，風險因素之間存在重疊或交互效應。只關注單一或少數風險因素的做法并不符合大多數個體的生活實際。［19］其次，個體發(fā)展往往對單一風險因素并不太敏感，只有當風險因素較多時，個體發(fā)展才面臨損傷的可能。［20—21］

近年來在心理學、精神病學領域興起的潛在類別分析方法(Latent Class Analysis，LCA)和潛在剖面分析方法(Latent Profile Analysis，LPA)不但可以為我們對自殺潛在風險人群進行識別分類提供更為科學的方法和手段，也可以使我們可以從個體為中心的視角來研究大學生的自殺風險。潛在類別分析基于這樣的思考:個體的心理差異不僅僅是水平上的差異，還可能存在結構上的差異。［22］這種基于概率模型的分類方法不但能夠保證劃分出來的各類之間差異最大化、類別內部一致性最高，而且還能利用客觀的統(tǒng)計指標去衡量分類的準確性和有效性。［23］

本研究基于自殺的應激－易感模型選取生活壓力事件、精神病前驅癥狀、精神障礙、絕望情緒、自殺企圖、人格傾向、心理健康癥狀、睡眠質量等8項自殺風險因素，采用潛在剖面分析方法對這些潛在風險因素進行識別與分類，依據心理普查的數據尋找最優(yōu)的分類模型，從而分析大學生在自殺風險上的異質性，以為針對不同風險特征群體進行有效的干預尋找科學依據和教育對策，對高校心理普查工作中心理危機因子檢測系統(tǒng)在內容和方法上進行重新構建。

二、方 法

(一)研究對象

研究數據來自“大學生心理發(fā)展狀況追蹤研究項目”，采用整群抽樣法從廣東省3 所大學的新生心理健康普查數據取樣，共獲得樣本8792 人。其中，男生1957 人占比22.3%，本科生6344 人占比72.2%，大專生1956 人占比22.2%，高職生492 人占比5.6%，平均年齡18.71 ±0.89歲。心理普查是由各大學的心理咨詢中心在學生入學時的第一個月進行，由學校統(tǒng)一組織在計算機中心通過聯(lián)網電腦施測。

(二)研究工具

1.生活壓力事件

采用楊心德等人［24］編制的學生日常生活事件壓力指數問卷，它通過63 個具體的大學生生活事件評估大學生對壓力的影響程度。該問卷根據大學生對每個事件壓力程度的評估，計算出每個生活壓力事件的平均數和標準差，最后根據各生活壓力事件的平均數除以壓力最大的事件，如父(母)去世的均值，再乘以100，得出每個生活事件的壓力指數。將已發(fā)生的每個事件的壓力指數相加，得出被試的總壓力指數。指數得分越高，說明被試壓力越大。在本研究中，問卷的Cronbach’α 系數為0.93。

2.精神病前驅癥狀

采用Ising 等人修訂的精神病前驅期問卷(Prodromal Questionnaire，PD－16)。它是一個用于輔助診斷精神病風險的自評式問卷，共16 個條目，分別從感知覺異常(9 個條目)、思維內容異常(5 個條目)和陰性癥狀(2 個條目)三方面進行評估。受試者根據最近1 個月內的體驗對每個條目進行“是”和“否”判斷，選“否”計0 分，選“是”計1 分。如果選“是”則需要進一步評估該體驗帶來的痛苦程度，按照0(沒有)～3(重度)四級評分。陳發(fā)展、王璐和趙旭東等人［25］對該問卷進行了中文版的修訂并在大學生群體中進行應用，發(fā)現在界值分為8時該問卷具有較高的敏感度和特異度，陽性預測值較高(68%)，具有識別精神病風險的能力?；诒敬窝芯繑祿?，PD－16 的Cronbach’α 系數為0.86。

3.大學生自殺傾向量表

采用劉貴浩、郭麗等人編制的大學生自殺傾向量表，共23 個條目5 個維度:應激事件、精神障礙、絕望情緒、自殺企圖和消極應對。根據本研究目的，選擇了精神障礙、絕望情緒、自殺企圖三個維度得分進行結果分析。本研究中，三個分量表的Cronbach’α 系數分別為:精神障礙0.83，絕望情緒0.62，自殺企圖0.80。

4. 大學生人格問卷(University Personality Inventory，UPI)

選取2017年9月—2018年2月某三甲醫(yī)院普外ICU共收治67例危重癥患者作為研究對象，其中，男性35例，女性32例，年齡19～78歲，平均年齡為（51.76±15.16）歲。其中，胰十二指腸手術26例、小腸部位手術9例、胃部手術9例、結直腸部位手術7例、剖腹探查術后5例、闌尾切除術后3例和其他手術8例，67份病歷中共包括護理記錄單316張。

采用過去20年中用于大學生心理普查工作中最常見的心理量表UPI，它是為發(fā)現早期有心理問題的學生而編制的大學生人格健康調查表，1966年由日本大學的心理咨詢專家與精神科醫(yī)生集體編制而成［6］。UPI 的題目用于評估一個人在過去一年中是否感覺到或經歷了所描述的癥狀，如“食欲不振”、“感到自卑”等，作“是”或“否”的回答，二級計分，由60 個項目構成，其中4 個是測偽題。基于本次研究數據，UPI 量表的Cronbach’α 系數為0.91。

5. 心理健康癥狀量表(Symptom Checklist 90，SCL－90)

該量表由Derogatis 編制，有學者編譯后引至國內并廣泛用于精神衛(wèi)生領域［26］。SCL－90 共有90個項目，采用10 個因子(軀體化，強迫，抑郁，焦慮，敵對，偏執(zhí)，精神病，人際關系敏感，恐怖以及其他)分別反映10 個方面的心理癥狀情況。采用李克特量表0 ～5 級計分。基于本次研究數據，SCL－90 的Cronbach’α 系數為0.97。

6.睡眠質量

采用劉賢臣等人翻譯并修訂的中文版匹茲堡睡眠質量指數量表(Pittsburgh Sleep Quality Index，PSQI)［26］。該量表用于評定被試最近1 個月的睡眠質量，由18 個自評題目組成7 個成份，每個成份按0 ～3 等級計分，累積各成份得分為PSQI 總分，總分范圍為0 ～21，得分越高，表示睡眠質量越差?；诒敬窝芯繑祿?，PSQI 量表的Cronbach’α 系數為0.79。

(三)數據統(tǒng)計方法

首先，以8 個主要風險因素的標準化分數作為外顯變量建立潛在剖面模型，對大學生自殺傾向的潛在風險進行潛在剖面分析的模型擬合性估計。潛在剖面模型的建立首先需要估計零模型(即潛在類別數為一的初始模型)，然后逐步增加潛在類別的數目，進行各模型的參數估計，同時進行適配性檢驗以決定最佳模型。潛在剖面分析能夠做出所有個體屬于某一風險類型群體的可能性估計，借助擬合信息等統(tǒng)計學指標確定最合理的分類，從而保證分類結果的準確性。在潛在剖面分析中常用的擬合信息有對數似然值(LL)、艾凱克信息準則(AIC)和貝葉斯信息準則(BIC)、羅夢戴爾魯本校似然比(LMRT)、信息熵(Entropy)等。一般說來一個模型如果有更高的Entropy、更低的AIC 和BIC，LMRT 達到顯著性，則說明這個模型的擬合程度高［23］。Entropy 指數經常用來評估潛在分類的精確程度，它的取值在0 ～1 之間，當Entropy =0.6 時，表明約有20%的個體存在分類的錯誤，約等于0.8時表明分類的準確率超過了90%。

其次，采用第一步獲得的大學生自殺風險的潛在類別結果作為因變量，性別和父母婚姻狀況作為自變量，建立多元的Logistic 回歸方程，以了解不同性別和父母婚姻狀況對大學生自殺風險的潛在分類的影響。

數據使用Latent gold 5.0 和SPSS 18.0 軟件進行分析。

三、結 果

(一)大學生自殺風險的潛在類別

表1 大學生自殺潛在風險的潛在剖面分析(LPA)各項擬合指標比較

表2 各潛在類別的被試(行)平均歸屬概率(列)

潛在類別的分類(C1，C2，C3)和潛在類別(C1，C2，C3)的歸屬概率矩陣如表2 所示，每個類別中大學生(行)歸屬于自殺風險的潛在類別的平均概率(列)從98.53%到99.76%，這說明3 個潛在類別分類模型的結果是可靠的。

圖1 大學生自殺潛在風險的潛在類別

由圖1 可知，在大學生自殺風險的潛類別分組中，C1 類別在8 個自殺風險因素中壓力指數的平均標準分數較高，其他7 個因素的平均標準分數都很低，說明此類學生雖然面臨中等程度的壓力，但仍能較好應對、較少出現心理異常，它占整個群體的比例最高，為86.88%，可命名為低風險組。C2 類別在8個自殺風險因素上的平均標準分數都很高，特別是有突出的絕望情緒、精神障礙和自殺企圖，說明此類學生面臨高壓力并已出現各種應激反應，容易產生絕望感和自殺意念，他們發(fā)生自殺行為的風險最高，可命名為高風險組，它占整個群體的8.18%。C3類別中學生面臨的壓力指數為最低，但精神病前驅癥狀、人格傾向、心理癥狀和睡眠質量的得分仍較高，說明此類學生雖然處于較低壓力狀態(tài)，但他們仍出現一定程度的心理健康癥狀，壓力應對能力較低、心理比較脆弱，可命名為心理脆弱組，它占整個群體的4.92%。

(二)性別和父母是否離異對大學生自殺風險潛在類別的回歸分析結果

以大學生潛在自殺風險的三個類型(C1、C2、C3)為因變量，以性別、父母婚姻狀況為自變量進行Logistic 回歸分析。結果如表3 所示，相對C1 低風險組而言，女生在C2 高風險組中占的比例更大，說明女生更容易進入C2 高風險組;父母離異的學生進入C3 心理脆弱組的比例更大，更容易進入C3 心理脆弱組。

表3 性別、父母是否離異對自殺風險潛在類別的Logistic 回歸分析

四、討 論

(一)大學生自殺潛在風險的三個亞群

當前國內對大學生自殺風險問題已有不少的研究，但是由于測量工具、心理危機檢測指標和統(tǒng)計分析方法的局限，一直無法較好地解決大學生自殺風險識別上的實效性，特別是在新生心理普查中出現的假陽性率過高的問題［6—7］。以往的研究往往將大學生作為一個同質的整體來探討自殺的風險因素，而且多數的研究只關注一個或少數幾個風險因素對大學生自殺風險的影響。本研究基于自殺的應激－易感模型、采用了潛在剖面分析方法對大學生自殺的潛在風險進行了識別。與以往研究思路不同的是，潛在剖面分析是“個體中心”而非“變量中心”的數據處理方法。在風險類別或剖面方法中，研究者往往根據個體在各種風險因素上的得分形態(tài)，將具有相似風險形態(tài)的個體歸為一類，而將不具有相似風險形態(tài)的個體歸到不同類別，所謂“類別內盡可能同質、類別間盡可能異質”;然后利用標示每個個體從屬于哪一類別的變量來預測發(fā)展結果。這種以個體為中心的數據處理方法，不僅使我們了解到每個外顯變量(自殺風險檢測因子)對其所負荷的某個因子的貢獻，同時也能對聚集的同質樣本的情緒和行為問題癥狀進行分析，使我們能了解哪些風險因素是相伴發(fā)生的。潛在剖面分析的方法使個體在自殺風險的識別上更具有生態(tài)效度，因為在現實生活中，大學生的自殺行為不僅是單因素導致的結果，而往往是多種風險因素協(xié)同發(fā)生、交互作用下而產生的。

本研究發(fā)現大學生自殺的潛在風險存在明顯的分組特征，模型的各項適配性指標也有力地支持了大學生自殺潛在風險的3 種潛在類別的模型。各潛在類別的大學生平均歸屬概率從98.53% 到99.76%，這說明3 個潛在類別分類模型的結果是可靠的。潛在剖面分析在類別數目的判斷以及分類特征等方面有更為科學、客觀的判斷標準，其分類準確性明顯優(yōu)于傳統(tǒng)使用單一指標常模對照的方法。

潛在剖面分析的結果表明，大學生自殺的潛在風險可以劃分為三個亞群體:C1 低風險組、C2 高風險組、C3 心理脆弱組。潛在剖面模型能幫助我們更好地了解到哪些個體在逆境中做得更好或是適應不良，這也使得我們能夠針對不同的個體特征提出更有針對性的干預措施。應激生活壓力事件一直是在自殺風險研究中倍受關注的因素，有關“為什么有些人經歷了同樣的應激生活壓力事件卻并未產生自殺意念?”“應激生活壓力事件是如何導致自殺意念發(fā)生的?”等問題，學界仍在努力探索當中。以往的研究多是從應激生活壓力事件與自殺意念間的中介或調節(jié)效應等角度去思考，或者發(fā)現氣質性樂觀的人格特質對其關系有調節(jié)作用［15］，或者發(fā)現抑郁情緒起著中介作用［16］。本研究采用的潛在剖面分析方法讓我們從另一個角度去考察應激生活壓力事件是如何與情緒、人格等其他風險因素協(xié)同作用的。

對于C1 低風險組來說，他們雖然也經歷了一定程度的壓力事件，但他們的精神和心理癥狀、絕望情緒、自殺企圖、睡眠質量等各項指標得分均在低位水平，說明這類學生具有較好的心理韌性，能較好地承受壓力事件的影響。他們占比86.88%，比例最高，這也符合我們多年來從事心理健康教育工作的經驗。對于C1 低風險組的學生，高校在開展心理健康教育工作時應更多地關注他們發(fā)展性的心理需求。在C2 高風險組中，個體在自殺風險的各項外顯指標上的標準分數都是最高的，說明在壓力狀態(tài)下該類別的大學生容易激發(fā)系列的精神和心理癥狀，引發(fā)絕望情緒和自殺企圖。對于C2 高風險組的大學生群體，密切關注他們是否發(fā)生如失戀、就業(yè)、家庭變故等高壓力應激事件，可較好地評估他們的自殺風險;而在危機的干預輔導上，如何合理地應對壓力、關注他們在實際生活中碰到的難題、發(fā)現各種資源調動其社會支持力量等策略應是對此類人群工作的重點。對于C3 心理脆弱組而言，他們在低壓力的情況下卻呈現出一定程度的精神病前驅癥狀和睡眠問題，在人格問卷和心理健康癥狀上得分也高于C1 低風險組，說明這類大學生具有某些與自殺風險相關的人格因素，例如抑郁特質、內向、敏感、多慮等易感人格特征，心理比較脆弱，就算在低壓力狀態(tài)下也容易誘發(fā)一定程度的心理行為問題。C3心理脆弱組的大學生具有更高的自殺風險，高校心理健康教育工作者應對該群體予以特別的關注，與學院輔導員建立良好的溝通機制，進行長期追蹤;對他們而言，不單要進行定期的心理咨詢，更要著力提高他們的心理素質，增強自身抵御風險的能力。

本研究發(fā)現相對于C1 低風險組而言，女生在C2 高風險組的比例更高，父母離異的大學生在C3心理脆弱組的比例更高。這與我國自殺死亡率女性高于男性的流行病學調查結果相一致，李亞敏等人［12］對國內24 篇有關自殺意念影響因素的元分析也發(fā)現女性和父母離異能顯著影響大學生的自殺意念。本研究結果進一步驗證了前人有關性別和父母婚姻狀況對大學生自殺風險的影響，更進一步揭示了女大學生在面臨高壓力時更容易產生自殺風險，而經歷過父母離異的大學生則更容易進入C3 心理脆弱組，這或許是由于他們面臨父母婚姻的沖突下會產生更多的負面情緒和更低的自我價值感。

(二)本研究對高校心理普查工作的現實意義

首先，心理普查的心理危機因子檢測系統(tǒng)需要從內容上重新構建，自殺的應激－易感模型提供了一個很好的理論模型來指導檢測因子的選取。以往的研究只關注一個或少數幾個風險因素對自殺風險的影響，但在實際生活中自殺的發(fā)生往往是多個風險因素同時作用的結果，這直接導致了過往的心理普查篩選結果容易失去實效性，靈敏度不高。本研究根據自殺的應激－易感模型，選取壓力事件、精神病前驅癥狀、精神障礙、絕望情緒、自殺企圖、人格傾向、心理健康癥狀、睡眠質量等8 個具有代表性和典型性的自殺風險因素，綜合性評估個體的自殺風險值，比以往的研究具有更高的識別度和區(qū)分度。因此，高校在今后開展心理健康普查時不應只采用單一風險指標的篩查，而應注意多指標的應用，多方面綜合性地評估自殺風險值。

其次，潛在剖面模型為心理普查中多個心理危機因子同時檢測提供了方法上的支持。潛在剖面分析方法在風險類別的識別上具有多方面的優(yōu)勢:在類別數目的判斷以及分類特征等方面有更為科學、客觀的判斷標準;有助于識別個體適應不良的多重路徑及不同的亞群體［27］;可以檢驗風險因素之間的交互效應;由于該方法未將連續(xù)型變量人為轉化為二分變量，因此它能保留連續(xù)型風險因素暴露的所有信息，不會削弱風險因素與結果間關系的強度［27］。

最后，以往高校心理普查只是在新生中進行篩查，這種期待一勞永逸的做法，并不符合大學生在學期間動態(tài)發(fā)展的心理狀態(tài)。高校應建立動態(tài)的追蹤篩查機制，將心理普查工作貫穿于整個大學期間。

五、結 論

1.大學生潛在的自殺風險在存在明顯的群體異質性，本研究根據應激－易感模型選取生活壓力事件、精神病前驅癥狀、精神障礙、絕望情緒、自殺企圖、人格傾向、心理健康癥狀、睡眠質量等8 個具有代表性和典型性的自殺風險因素，識別出了大學生自殺潛在風險的3 個潛在類別:C1 低風險組，占比86.88%;C2 高風險組，占比8.18%;C3 心理脆弱組，占比4.92%。

2.相對于C1 低風險組而言，女生在C2 高風險組的比例更高，父母離異的大學生在C3 心理脆弱組的比例更高。

3.高校心理普查的心理危機因子檢測系統(tǒng)需要從內容和方法上進行重新構建，應激－易感模型為多個自殺風險因素的選取提供了理論指導，潛在剖面模型為多心理危機因子同時檢測提供了方法上的支持。

［1］World－Health－Organization. Suicide Prevention. ［EB/OL］. http://www. who. int/mental_ health/prevention/suicide/suicideprevent/en /index.html，2009.

［2］廣東統(tǒng)計信息網.［EB/OL］.http://www. gdstats. gov.cn/tjsj/gdtjnj/，2014.

［3］葛建義.大學生自殺事故中高校的注意義務. 中國青年研究，2014，02(1):97—101.

［4］T.K.WITTE，M.S. GOULD，J.L.H. MUNFAKH，et al.Assessing Suicide Risk Among Callers to Crisis Hotlines:A Confirmatory Factor Analysis.Journal of Clinical Psychology，2010，66(9):941—964.

［5］趙軍燕，邢淑芬. 國外青少年的自殺風險因素研究及啟示.首都師范大學學報:社會科學版，2014，1(06):151—157.

［6］蘇斌原，張潔婷，張衛(wèi)，等. 大學生心理行為問題的識別:基于潛在剖面分析. 心理發(fā)展與教育，2015，31(3):313—322.

［7］黃艷蘋，李玲. 高校心理普查危機因子檢測系統(tǒng)的構建.教育理論與實踐，2012，32(1):37—39.

［8］宮火良，李思雨. 基于應激－易感模型的青少年自殺意念研究述評.心理研究，2012，5(1):56—64.

［9］J. T. CAVANAGH，A. J. CARSON，M. SHARPE，et al. Psychological Autopsy Studies of Suicide:A Systematic Review. Psychological Medicine，2003，33:395—405.

［10］DANUTA WASSERMAN.自殺:一種不必要的死亡. 李鳴，譯.北京:中國輕工業(yè)出版社，2003，189—194.

［11］王求是，劉建新，申荷永.國外自殺心理學研究與理論評介.心理科學進展，2006，14(1):105—110.

［12］李亞敏，雷先陽，張丹，等. 中國大學生自殺意念影響因素的元分析. 中國臨床心理學雜志，2014，22(4):638—642.

［13］J. FAWCETT，W. A. SCHEFTNER，L. FOGG，et al.Time-related Predictors of Suicide in Major Affective Disorder. The American Journal of Psychiatry，1990，147:1189—1194.

［14］唐勇，范儉雄，蔣曉軍.主觀睡眠質量與抑郁癥患者自殺的關系. 中國心理衛(wèi)生雜志，2013，17(10):720—721.

［15］辛萃，何成森.氣質性樂觀、生活事件與醫(yī)學生自殺意念的關系研究. 精神醫(yī)學雜志，2010，23(2):113—115.

［16］張月娟，閻克樂，王進禮. 生活事件、負性自動思維及應對方式影響大學生抑郁的路徑分析.心理發(fā)展與教育，2005，1(18):96—99.

［17］J. M. BERTOLOTE，A. FLEISCHMANN，D. LEO，et al.Psychiatric Diagnoses and Suicide. Crisis:The Journal of Crisis Intervention and Suicide Prevention，2004，25(4):147—155.

［18］P.S.LINKS，R.EYNAN，J.S.BALL，et al. Crisis Occurrence and Resolution in Patients with Severe and Persistent Mental Illness.Crisis，2005，26(4):160—169.

［19］鮑振宙，李董平，張衛(wèi)，等. 累積生態(tài)風險與青少年的學業(yè)和社交能力:子女責任感的風險補償與調節(jié)效應.心理發(fā)展與教育，2014(5):482—495.

［20］G. W. EVANS，D. LI，S. S. WHIPPLE. Cumulative Risk and Child Development.Psychological Bulletin，2013，139:1342—1396.

［21］A. S. MASTEN. Global Perspectives on Resilience in Children and Youth.Child Development，2014，85:6—20.

［22］H. W. MARSH，O. LüDTKE，U. TRAUTWEIN. et al.Classical Latent Profile Analysis of Academic Self-Concept Dimensions:Synergy of Person-and Variable-Centered Approaches to Theoretical Models of Self-Concept. Structural Equation Modeling，2009，16:191—225.

［23］張潔婷，焦璨，張敏強.潛在類別分析技術在心理學研究中的應用. 心理科學進展，2009，18(12):1991—1998.

［24］楊心德，蔡李平，張莉.大學生日常生活事件壓力指數的研究.心理科學，2005，28(6):1403—1405.

［25］陳發(fā)展，王璐，趙旭東.精神病前驅期問卷16 項版本評估求助者精神病風險的效度和信度.中國心理衛(wèi)生雜志，2014，28(9):667—673.

［26］汪向東，王希林，馬弘. 心理衛(wèi)生評定量表手冊(增訂版).北京:中國心理衛(wèi)生雜志社，1999.

［27］李董平.多重生態(tài)學風險因素與青少年社會適應:風險建模與作用機制研究. 華南師范大學博士學位論文，2012:11—12.