自杀意念是心理健康问题的重要预测因素，同时也是自杀未遂和自杀死亡的重要预测指标[1-4].对自杀意念的干预是预防自杀的重要手段之一，探讨自杀意念的影响因素，有效阻断个体自杀意念的发生、发展，对自杀预防和干预具有重要的意义。
研究发现，在校大学生自杀意念的发生受诸多因素影响。学习压力、就业压力、社会隔离、人际冲突、缺乏成熟的应对技能等因素均可能导致焦虑、抑郁等心理问题甚至自杀意念的产生。在自杀意念产生的众多影响因素中，社交网络和应对技能尤为重要[5-9].社交活动网络与大学生心理健康密切相关[10-12].在校生活期间社交活动贫乏可增加自杀意念的发生风险[13-15].与同龄人的关系、亲密朋友的数量、参加社团活动的多少等社交网络因素可在很大程度上反映一个人的心理状态和个性特征[11,13].而性格孤僻、内向的学生更倾向于独处，不乐于参加团体活动； 当面对负性生活事件时，他们也更容易产生悲观绝望的负性情绪，进而演变为心理问题甚至导致自杀意念的产生[16-18].于此同时，大学生的应对技能也与其自杀意念的产生密切相关； 不成熟的应对策略可增加自杀意念发生风险[2,19].然而，目前关于大学生社交网络、应对技能与自杀意念的关系研究很少，且鲜有研究探讨它们之间的调控关系及对自杀意念的整体作用[20-25].本课题组已就在校大学生的社交活动网络、应对技能对其以往任何时候 （ 包括最近“一年内”及“以前”） 的自杀意念的关系做了相关研究[8],本文拟就社交活动网络和应对技能对在校大学生的近期自杀意念 （ 即，“最近一年”） 的影响做进一步分析，并通过构建偏最小二乘通径模型 （partialleast squares path model,PLSPM） 探讨其作用通径，为大学生自杀意念的早期干预提供依据。
1 对象与方法
1. 1对象
本研究资料来自湖北省武汉市6所部属院校的在校大学生，年级覆盖大学一年级至大学四年级；鉴于医学和心理学专业的学生具有相关医学和心理学知识，因此，为避免信息偏倚，专业包含了除医学和心理学以外的所有专业。
自杀意念组入组标准： 在过去的一年里，你是否认真考虑过结束自己的生命？ 采用三分类计分方法： 没有这样想过= 0,有过这种想法= 1,经常这样想= 2; 回答为“有过这种想法”或“经常这样想”则表示最近一年有“自杀意念”.无自杀意念组入组标准： 上述问题回答为“没有这样想过”者。
采用分 层 整 群 随 机 抽 样，分 层 特 征 为“学校”,将参与本研究的6所大学分为6层，每所大学按在校本科生总人数的10%抽样，最小抽样单位为班级。每所大学每个班大约有50 ~ 120人，根据学工部提供的含有年级、专业、总人数的清单，借助计算机生成的随机数字进行随机抽样。为避免由于抽样单位过大而造成的偏差，使样本更具代表性，对于人数大于100的班级，随机抽取100例作为样本； 如果班级人数不足100例，则全部纳入研究样本。采用此抽样方法，本研究共抽取了93个班的7220例大学生，其中参加问卷调查的人数为6099例，应答率为84. 4%（ 经质量控制回访发现，选择不参加本次调查的1121例学生中多数为在外地实习者，其中仅有12例大学生选择放弃参加） ;5972例大学生完成了本次问卷调查，问卷有效率为97. 9% .其中，男性3191例 （53. 43%） ; 女性2781例 （46. 57%）。年龄16 ~ 25岁， 平均年龄（21 ± 1） 岁。
本研究获华中师范大学伦理学委员会审批。所有参加调查者均签署知情同意书。
1. 2工具
1. 2. 1应对技能量表 （Coping Response Inventory,CRI）[24-26]
量表是国外采用的测量应对方式的经典量表，在国内研究中也有较高的信度与效度[26].在赋值方式上，按照Moos编制的CRI使用手册中的赋分标准[24],将原始得分转换为T值 （ 均数= 50; 标准差= 10） ; 然后依据量表使用手册推荐的分类方法分为三类，即低于平均水平 （T≤45） ,平均水平 （46≤T≤54） 和高于平均水平 （T≥55）。
1. 2. 3社交网络调查表
主要包括： 学校中好朋友数量 （0,1 ~ 2,3~ 5,6 ~ 10,10个以上）、参加社团活动情况 （0,1,2,3个以上）、是否有稳定的恋爱对象及是否是独生子女。
1. 2. 4症 状 自 评 量 表 （Symptom Checklist-90-R,SCL -90-R）[27-28]
此量表含90个条目，包含感觉、情感、思维、意识、行为、生活习惯、人际关系、饮食睡眠等较广泛的精神病症状学内容。量表中每个条目均采用5级评分 （ 没有= 0、很轻= 1、中等= 2、偏重=3、严重= 4） 衡量调查对象自觉症状的严重程度。本文将该量表的9个症状因子： 躯体化、强迫症状、人际关系敏感、抑郁、焦虑、敌对、恐怖、偏执、精神病性，作为调整变量进行模型构建和数据分析，每个因子按照因子均分小于等于2 = 0,因子均分大于2 = 1赋值。
1. 3统计方法
采用SAS9. 1和Smart PLS 3. 0软件进行统计分析。计数资料采用频数、率、构成比等指标描述调查对象的主要特征，采用χ2检验进行组间比较；计量资料服从正态分布，采用 （ 均数±标准差）表示，采用t检验进行两组间比较。以P < 0. 05为差别有统计学意义。
Logistic回归模型构建： 将过去一年有自杀意念的大学生作为病例组，无自杀意念的大学生作为对照组。利用病例组和对照组的全部数据拟合lo-gistic回归模型，分析影响大学生自杀意念产生的影响因素。变量纳入与剔出模型的检验水准均为0. 05.
偏最小二乘通径模型构建： 将社交网络、积极应对策略、消极应对策略、心理症状、性别和自杀意念作为潜变量，构建大学生自杀意念的偏最小二乘通径模型。采用Bootstrap检验推断模型的因子载荷系数与通径系数是否具有统计学意义[29].
2 结 果
2. 1大学生近期自杀意念的流行病学特征
由表1可见，女性最近一年自杀意念检出率高于男性（8. 67% vs. 6. 05%,χ2= 15. 11,P = 0. 001） ;在学校中有较少朋友、较少参加社团活动、没有稳定恋爱关系者自杀意念检出率高； 是否为独生子女的自杀意念检出率差别无统计学意义（χ2= 0. 02,P =0. 900）。由表2可见，最近一年有自杀意念者在积极应对的四个分量表及消极应对中“寻求代偿”分量表得分低，而在消极应对的“认知回避”、“接受或放弃”及“发泄情绪”分量表得分高。
2. 2 Logistic回归分析
由表3可见，多因素logistic回归分析结果显示，与最近一年自杀意念发生有关的因素有7个，即社交网络中的“学校中亲密朋友数量”和“恋爱状况”; 应对技能分量表中的“逻辑分析”、“积极评估”、“寻求指导和支持”、“接受或放弃”和“寻求代偿”.其中，①学校中朋友数量少，没有恋爱，应对技能分量表中“逻辑分析”、 “接受或放弃”得分较高是危险因素；②应对技能分量表“积极评估”、“寻求指导和支持”和“寻求代偿”得分较高是保护因素。
