近年来，中国大学生心理健康问题频发，据《2022年大学生心理健康状况调查报告》，约45%大学生面临焦虑风险^[1]，且国内大学生焦虑呈现随年代递增而逐年上升的趋势^[2]，焦虑风险检出率为13.7%^[3]。大学生的焦虑问题亟须关注和解决。目前，国内对大学生焦虑的研究主要采用以变量为中心的研究方法，鲜少应用以个体为中心的研究思路。潜在转变分析从个体中心角度分析个体心理阶段性变化，是潜在类别分析的纵向扩展^[4]，它不仅能充分挖掘样本信息进行异质性分类，还能通过转变概率矩阵，从概率的角度描述不同类别的子群体随时间的变化情况。

随着互联网的迅速发展，大学生更容易利用线上交往平台与他人进行社会比较^[5]。网络社会上行比较指个体在社交网站使用过程中与优秀他人作出比较的行为^[6]。相关研究表明，在使用社交网站时，大学生出现网络社会上行比较具有较高的普遍性和自发性^[7]。网络社会上行比较会诱发个体的消极认识，进而唤醒个体的焦虑情绪^[8]。然而，以往的研究对于网络社会上行比较与大学生焦虑的关系尚未进一步详细探讨，更缺乏来自纵向研究的证据。本研究拟采用纵向追踪的方式，探讨大学生焦虑的转变模式，以及其与网络社会上行比较的关系，为有效解决大学生焦虑提供建议。

1 对象与方法 1.1 对象

选用整群抽样法，选取内蒙古自治区及其他省份共7所高校的2000名学生作为调查对象进行追踪研究，两次调查的时间点分别为2019年9月和2019年12月。其中每所高校按照班级比例抽取一定数量班级，抽取班级的所有学生作为调查对象。调查共发放问卷2000份，第一次回收有效问卷1734份，第二次回收有效问卷1476份，共有258位被试流失。在收取的有效问卷中，有793名男生，941名女生，被试年龄为(19.39±1.44)岁。缺失机制磨损检验发现Little′s MCAR χ²=4.16，P=0.24，说明数据缺失类型为完全随机缺失^[9]。

1.2 方法 1.2.1 调查工具

1) 抑郁-焦虑-压力量表中焦虑分量表(depression anxiety stress scale 21, DASS-21)。由龚栩修订^[10]，7个条目，采用1~5(完全不符合~完全符合)五级计分。为保证研究结果的精确性，本研究参照以往的研究，将作答为“1”和“2”的转化为“1(无焦虑)”，将作答“3、4、5”转化为“2(有焦虑)”^[11]。本研究问卷Cronbach′s α分别为0.81、0.85，该量表结构效度较好。

2) 网络社会上行比较问卷(network upward social comparison scale, NUSCS)。由连帅磊等修订^[6]，6个条目，采用1~5(从未~总是)五级计分。本研究问卷Cronbach′s α分别为0.91、0.96，该量表结构效度较好。

1.2.2 评定方法与质量控制

由辅导员协助经过培训的心理学专业研究生在其所在院校按班级发放问卷。要求被试严格按照指导语完成作答，问卷当场完成并由工作人员核对后进行回收，检验有效问卷的标准为是否存在漏答、错答、答题的真实性等。所有被试均签署知情同意书，本研究已通过内蒙古师范大学心理学院伦理审查委员会批准(19090102)。

1.2.3 大学生焦虑发生率测定

依照焦虑人数/总人数×100%的公式计算2次测量中大学生焦虑的发生率。

1.2.4 大学生焦虑的潜在转变评价

对两个时间点的大学生焦虑进行潜在类别分析，采用AIC、BIC、aBIC、Entropy、LMR_(P)及BLRT_(P)评价模型适配度。其中，AIC表示kaike information criterion；BIC表示Bayesian information criterion；aBIC表示样本校正后的BIC; LMR表示似然比检验指标Lo-Mendell-Rubin；BLPT表示基于Bootstrap的似然比检验指标；Entropy表示评估分类的精确性。当AIC、BIC、aBIC数值越小时，代表模型拟合越好；采用LMR和BLRT指标比较k-1和k类别间的拟合差异，当二者存在显著差异时，说明k组优于k-1组分类；此外，Entropy越接近1，代表分类越准确^[9]。

1.3 统计学方法

采用SPSS26.0、Mplus8.3处理数据。采用描述性统计、独立样本t检验、信度检验、验证性因素分析、潜在类别分析、潜在转变分析等统计方法，以P＜0.05为差异有统计学意义。由于本研究要求被试报告的变量均属于负性量表，所以采用Harman单因素法验证共同方法偏差问题，结果发现，第1个因子方差的解释率为35.0%，低于40%的临界标准^[12]，说明本研究中不存在严重的共同方法偏差问题。

2 结果 2.1 大学生焦虑得分

T₁时间点大学生焦虑得分为(14.87±5.73)分，T₂时间点得分为(13.63±5.58)分，呈下降趋势。见表 1。

2.2 大学生焦虑的发生率

大学生焦虑的发生率呈下降趋势，且2个时间点，大学生焦虑发生率的差异显著。见表 2。

2.3 大学生焦虑的潜在转变

根据潜在类别模型标准，本研究认为两类别模型为最优模型。见表 3。

做出T₁和T₂时间点大学生焦虑的潜在类别分类图(图 1、2)，将条件概率较高的类别命名为“低焦虑组”，条件概率较低的类别命名为“高焦虑组”。低焦虑组在T₁到T₂时间段整体概率略有提高，2次测量中该类别人数分别为1 159人(66.87%) 和1 192人(80.78%)，而高焦虑组的概率则略有降低，2次测量中该类别人数分别为574人(33.13%)和283人(19.23%)。

本研究采用潜在转变分析，比较2种潜在焦虑类别在2个时间点的变化情况。在潜在转变矩阵中，低焦虑组保持原潜在状态的概率为49.9%；高焦虑组保持原潜在状态的概率为94.6%；有50.1%的低焦虑组向高焦虑组发生转变，有5.4%的高焦虑组向低焦虑组发生转变。

2.4 大学生焦虑的影响因素

在logistic回归分析中，以网络社会上行比较、性别、年龄为协变量，以焦虑症状为因变量，将低焦虑组作为参照组，得出被试属于高低焦虑组的概率在协变量影响下的B值及OR值，发现性别及网络社会上行比较对青少年焦虑有显著的正向影响(B₁=0.40，P=0.014;B₂=0.45, P＜0.001)；且女生出现高焦虑组的概率是男性出现高焦虑组的1.49倍；网络社会上行比较水平每升高一个单位出现高焦虑组的概率是原来水平的1.57倍。见表 4。

3 讨论

本研究发现，大学生的焦虑发生水平呈现下降趋势，心理健康状况逐渐好转^[13]。近年来，在国家政策支持下，我国高校正在大力开展心理健康工作，比如开设心理健康公众必修课，开展全覆盖心理健康测评，强化心理咨询服务平台建设^[14]，大学生心理健康水平的提高说明这些举措是非常有效的。同时，本研究发现，我国大学生焦虑可以分成2个潜在类别：低焦虑组和高焦虑组，高焦虑组保持原潜在状态的概率高达94.6%，这说明高焦虑组的大学生的焦虑水平是比较稳定的，需要尽快施加干预措施，比如开设心理健康课程，或通过正念训练提高大学生的正念水平，矫正负性认知^[15]，以防止焦虑进一步引起心理疾病。此外，潜在转变分析的结果还表明，低焦虑组转变到高焦虑组的概率为50.1%，说明低焦虑组中有一部分大学生具有潜在焦虑发生的风险，建议这部分大学生多参加校园活动，合理释放压力来降低焦虑水平，还可以通过提高自身运动水平^[16]，加强外界的社会支持，从而增强自身心理弹性^[17]，防止产生焦虑。

本研究logistic回归的结果表明，性别是显著影响大学生焦虑的因素之一，与以往研究结果相同^[18]，相比于男生，女生焦虑的发生比更高，可能是由于女生对社会交往的重视程度和敏感性更高，更担心他人对自己的评价，所以在网络社会交往中更容易表现出紧张焦虑的情绪^[19]。此外，本研究发现网络社会上行比较是影响大学生焦虑的重要因素之一，这可能是因为大学生的网络社会上行比较的对象大多数是其现实生活中的亲人朋友，有相似的成长环境和教育背景。按照上行社会比较的对比效应^[20]，当个体有一种不确定感时，往往会表现出向有相似经历他人比较的高度渴望，但由于大学生在网络社会中获取的信息大多为他人经过加工和美化展示出的理想化信息，因此网络上行社会比较往往会获得“自己不如他人”的消极感受，就更容易诱发焦虑等消极情绪^[21-22]。这提示高校教育者和家长应合理引导大学生树立正确的网络使用观念，避免网络依赖，正确看待网络信息，适当减少网络社会上行比较给自身带来的心理压力，从而提高大学生心理健康素养，进而提高其心理健康水平^[23]。

本研究的不足主要体现：首先，由于本研究采用整群方便抽样法，受抽样方法的限制，所得结果是否能推及至其他群体仍有待验证；其次，本研究仅对两个时间点的数据进行了追踪，无法准确考察变量间的动态变化趋势，未来研究可以适当增加追踪次数，并采用潜增长模型来探讨大学生焦虑的转变模式；最后，本研究未对网络社会中其他影响大学生焦虑的因素进行探讨，未来研究可以进一步关注大学生焦虑的其他影响因素。

利益冲突：所有作者均申明不存在利益冲突。