王小紅

(陜西省委黨校，文化與科技教研部， 陜西，西安 710061)

0 引言

無手機恐懼癥(Nomophobia)2008年在英國首次出現(xiàn)，其實質(zhì)是害怕失去與手機的聯(lián)系，當人們無法使用手機或無法利用這些設備提供的功能時，會感到不適或焦慮。這種恐懼癥是隨著通訊技術(shù)的發(fā)展而出現(xiàn)的。無手機恐懼癥是由于智能手機所提供的即時通訊和滿足感而形成的一種心理障礙，并表現(xiàn)為一種強迫性和成癮行為。目前，對于手機危害性研究大多以心理研究和社會行為研究為主[1-4]，而以智能算法為工具的數(shù)據(jù)分析方法很少。再者，由于調(diào)查數(shù)據(jù)龐大，數(shù)據(jù)特征不明晰，如果利用現(xiàn)有智能算法去進行研究，肯定會影響數(shù)據(jù)分析的結(jié)論與對策。因此，本文以多變量方差模糊聚類算法為理論依據(jù)，利用模糊聚類理論去分析數(shù)據(jù)之間內(nèi)外的關(guān)聯(lián)，利用方差去衡量聚類精度，進而，提高對調(diào)查問卷數(shù)據(jù)分析的準確度與客觀性。

1 多變量方差分析

多變量方差分析是一種基于多元方差分析方法，它不僅能夠分析多個觀測數(shù)據(jù)(控制變量)對其它被觀測數(shù)據(jù)的獨立干擾與影響，而且還可以根據(jù)多個觀測數(shù)據(jù)(控制變量)的變化與交互，來監(jiān)控被測數(shù)據(jù)的變化，并通過優(yōu)化迭代最終找到適合分析的最優(yōu)觀測數(shù)據(jù)組合。在多變量方差分析中，觀測數(shù)據(jù)(觀測量)的變化取決于以下三個因素：一是觀測數(shù)據(jù)獨立作用的影響；二是觀測數(shù)據(jù)相互搭配后對被觀測變量產(chǎn)生的影響；三是抽樣誤差影響。因此，基于多變量方差分析可以定義為[5]

ST=SA+SB+SAB+SSE

(1)

其中，SA、SB分別表示由觀測數(shù)據(jù)A、B獨立作用引起的差變,SAB為控制變量A、B兩兩交互作用引起的變差,SSE為隨機因素引起的變差。通常稱SA+SB+SAB為主效應，SAB為N向(N-WAY)交互效應，ST表示為總觀測數(shù)據(jù)，它可以用下式來表示：

(2)

(3)

(4)

對測試數(shù)據(jù)進行處理過程中，外界隨機因素引起的變差SSE可以通過下式來表示：

(5)

SAB=SST-SA-SB-SSE

(6)

根據(jù)式(6)可以發(fā)現(xiàn)，在測試數(shù)據(jù)交互作用中的變差式中，當變差式SA的值在式中的比例較大時，則說明測量控制數(shù)據(jù)A是引起觀測數(shù)據(jù)變量變化的主要因素，因此，被觀測數(shù)據(jù)變化趨勢可以擬由控制測試數(shù)據(jù)變量A來決定；相反，如果變差式SA的值所占比例較小，則說明測量控制數(shù)據(jù)A不是引起觀測變量變動的主要因素，則觀測變量的變化趨勢無法用控制測量數(shù)據(jù)變量A來解釋。因此，在多變量方差分析中，可以預先將控制變量(測試數(shù)據(jù))劃分為固定測試變量和隨機測試變量。在隨機測試變量模型中，應首先對A、B的交互作用進行推斷，然后再分別依次對A、B的效應進行檢驗[9]。在多變量測試數(shù)據(jù)方差分析中，對于不同測試數(shù)據(jù)統(tǒng)計量的檢驗計算如下式：

(7)

(8)

(9)

在上式中，對不同測試數(shù)據(jù)進行統(tǒng)計量檢驗計算均采用F校驗。為了確保測試數(shù)據(jù)分析的正確性，在對調(diào)查問卷數(shù)據(jù)進行數(shù)據(jù)挖掘分析過程中，本文采用數(shù)理統(tǒng)計多元分析模糊聚類法，在多變量方差數(shù)據(jù)分析的基礎上，對測試數(shù)據(jù)進行聚類，從而客觀的對測試數(shù)據(jù)進行評價與分析。

2 模糊聚類算法

本文引入模糊聚類算法，將調(diào)查數(shù)據(jù)按一定要求對其進行數(shù)理統(tǒng)計，科學地評判調(diào)查問卷測試樣本數(shù)據(jù)之間的邏輯關(guān)系，從而客觀地對問卷情況進行類型劃分。為后續(xù)調(diào)查問卷數(shù)據(jù)的NMP-Q量表分析奠定基礎，模糊聚類通常采用如下的公式：

S={xi(k)|xi(k)∈x(k)}

(10)

其中，S為調(diào)查問卷某項數(shù)據(jù)集合，k為數(shù)據(jù)集合中數(shù)據(jù)序列，i表示調(diào)查問卷數(shù)據(jù)的項，x(k)表示調(diào)查問卷中某項數(shù)據(jù)集合中的樣本向量，其含義與式(2)中的x相同。

為進一步衡量調(diào)查數(shù)據(jù)分析的準確性，現(xiàn)定義如下的性能指標函數(shù)，來確定調(diào)查問卷中同一類數(shù)據(jù)之間的聚類精度。

(11)

其中，Ci為定義的聚類中心，它是隨著測量數(shù)據(jù)分析過程進行變化的。為了限制調(diào)查問卷數(shù)據(jù)分析過程中聚類中心變化的越界，特定義如下的聚類中心變化函數(shù)來對其進行約束：

(12)

其中，u(xi(k))為測試數(shù)據(jù)分析過程中模糊聚類隸屬度函數(shù)。

將由式(10)～式(12)所得到的測量數(shù)據(jù)xi帶入式(1)～式(5)，則可以得到調(diào)查問卷數(shù)據(jù)的多變量方差分析模糊聚類分析數(shù)據(jù)，再通過采用NMP-Q量表對其進行大數(shù)據(jù)分析，對中國大學生無手機恐懼癥現(xiàn)狀進行客觀評價。

3 多變量方差模糊聚類算法應用

3.1 調(diào)查問卷設計

采用NMP-Q量表為原型設計調(diào)查問卷，問卷中量表的四個維度20個問題(見圖1)，每個問題答案都使用李克特7分制評分，問卷包含與人口統(tǒng)計相關(guān)的問題，如性別、年齡、擁有手機的年限、幾年級學生、每天使用手機時間長短等。問卷數(shù)據(jù)分別來自陜西、山西、青海、貴州、湖南地區(qū)的高等院校學生。

圖1 改進HS算法流程圖

3.2 樣本情況介紹

本次調(diào)研總共收集到1 627條數(shù)據(jù)，由于本次問卷調(diào)查是采用網(wǎng)絡宣傳采集數(shù)據(jù)，有些人沒有看清楚調(diào)查對象，有已畢業(yè)的對象也填了本次問卷，所以去除已畢業(yè)的130條數(shù)據(jù)，剩下1 497個有效樣本，性別統(tǒng)計：女生占65.7%(984人)，男生占34.3%(513人)。學生所在年級統(tǒng)計：大一學生占39.8%(596人)，大二學生占40.3%(604人)，大三學生占15.8%(237)，大四及研究生學生占4.0%(62人)。擁有智能手機的年限統(tǒng)計：1年以下的占3.9%(58人)，1年-2年之間的占13.2%(197人)，3年-4年之間的占34.1%(510人)，5年-6年之間的占34.1%(511人)，7年-8年之間的占9.8%(146人)，8年以上的占5.0%(75人)。學生所在院校統(tǒng)計：大中專院校占74.5%(1 116人)，本科院校占25.5%(381人)。智能手機用戶的平均年齡為20.06歲(SD=1.95)，大部分是大一、大二和大三學生。使用智能手機的平均時間為4.96年(SD=2.59)。每天使用手機的平均時間為3.72小時(SD=2.50)。

3.3 樣本數(shù)據(jù)多變量方差模糊聚類分析

在進行多變量方差分析(MANOVA)測試之前，通過使用模糊聚類方法將數(shù)據(jù)中的年齡、使用手機的年限和每天使用手機的時間等變量分成了幾類。然后，采用式(1)～式(9)對測試數(shù)據(jù)進行檢驗和獨立樣本T檢驗，研究大學生的無手機恐懼行為在性別、年齡、每天手機使用時間等方面是否存在差異。其次，通過計算問題負荷對NMP-Q各因子的平均得分，來構(gòu)建樣本的NMP-Q因子得分，探究大學生的無手機恐懼癥行為，分析結(jié)果如表1。

表1 NMP-Q量表項分析

表2中，與其他因素相比，大學生對無法溝通(M=4.81，SD=1.464)和失去聯(lián)系(M=4.76，SD=1.540)的恐懼程度更高。情緒因手機或功能不能使用而惱火(M=3.97，SD=1.602)得分最低。

在假設F=6.923，相伴概率p=0.009<0.05，T統(tǒng)計量的相伴概率p=0.024<0.05。進而，男性和女性在量表總分的平均值上存在顯著性差異。此外，對四個維度平均值的比較顯示，女性的無手機恐懼癥得分高于男性(見表2)。

表2 無手機恐懼癥性別統(tǒng)計得分的均值和標準差

采用式(7)～式(10)對被測數(shù)據(jù)的方差進行檢驗，顯著性值為0.111>0.05，說明本次分析結(jié)果可信。對各年級學生的問卷總得分進行方差檢驗，F(xiàn)=3.507，相伴概率p=0.015<0.05，說明學生所在年級在無手機恐懼癥行為上有統(tǒng)計學上顯著差異。結(jié)果是在維度1無法訪問信息上無顯著性差異，在維度2失去聯(lián)系、維度3無法溝通和維度4帶來不方便上顯著性差。大一和大二學生在維度2、3和4上有明顯差異，并且大二學生得分高于大一學生(見表3)。

表3 無手機恐懼癥學生年級統(tǒng)計得分的均值和標準差

而且，根據(jù)分析可以發(fā)現(xiàn)，每天使用手機時間越長的樣本問卷得分越高，患無手機恐懼癥的可能性越大(見圖2)，而院校類型對問卷得分的高低無顯著性差異。

圖2 每天使用手機時間長短和問卷得分的關(guān)系

4 總結(jié)

本論文設計了一種模糊聚類多變量方差大數(shù)據(jù)分析方法，完成了大學生手機依賴癥調(diào)查數(shù)據(jù)的分析，客觀評價了無手機恐懼癥行為對大學生群體的影響。結(jié)果顯示擁有手機年限和每天使用手機時間長短對年輕人的無手機恐懼癥有影響。由于手機的功能不斷在增強，年輕人對“無手機恐懼癥”可能變得更加嚴重。在網(wǎng)絡調(diào)查中，由于調(diào)研數(shù)據(jù)采集院校劃分不明晰。因此，在后續(xù)研究中有待拓寬更廣泛的年齡群體，以便調(diào)查數(shù)據(jù)分析更為客觀。