摘 要 采用潛在轉(zhuǎn)變分析探討大學(xué)生網(wǎng)絡(luò)攻擊行為的類別轉(zhuǎn)變及其影響因素。2000 名大學(xué)生參加了一項跨度為4 個月的追蹤研究，研究者對其網(wǎng)絡(luò)攻擊行為進(jìn)行了2 次測量。結(jié)果發(fā)現(xiàn)：（1）大學(xué)生網(wǎng)絡(luò)攻擊行為分為低攻擊型與高攻擊型2 種網(wǎng)絡(luò)攻擊模式，且隨時間的發(fā)展，高攻擊型更容易向低攻擊型轉(zhuǎn)變；（2）性別和道德推脫是大學(xué)生網(wǎng)絡(luò)攻擊行為類別及其轉(zhuǎn)變的重要影響因素。

關(guān)鍵詞 大學(xué)生 網(wǎng)絡(luò)攻擊行為 潛在類別分析 潛在轉(zhuǎn)變分析

1 引言

隨著信息技術(shù)的快速發(fā)展，互聯(lián)網(wǎng)給大學(xué)生學(xué)習(xí)生活帶來各種便捷的同時，也帶給大學(xué)生不容小覷的負(fù)面影響，網(wǎng)絡(luò)攻擊行為就是典型之一（金童林， 2018）。網(wǎng)絡(luò)攻擊行為是指個體以互聯(lián)網(wǎng)或者手機(jī)網(wǎng)絡(luò)為特定的平臺，利用信息技術(shù)對個體或群體進(jìn)行有目的和針對性的傷害，且這種傷害是受害者極力想避免的（趙鋒， 高文斌， 2012）。研究表明，我國大學(xué)生網(wǎng)絡(luò)攻擊行為的發(fā)生率在53.2%～75.6% 之間（金童林， 2018; 翟友華， 2019;張璐等， 2018）。國外學(xué)者也對此展開了研究，如Kokkinos 等人（2014）研究發(fā)現(xiàn)，希臘大學(xué)生網(wǎng)絡(luò)攻擊行為發(fā)生率為58.4%；Tanrikulu 和Erdur-Baker（2019）研究發(fā)現(xiàn)，49.7% 的土耳其大學(xué)生對他人實施至少2 次以上的網(wǎng)絡(luò)攻擊行為。一些大學(xué)生在遭受網(wǎng)絡(luò)攻擊行為后，會在一段時間內(nèi)出現(xiàn)抑郁、孤獨(dú)、焦慮及自殺意念等，這對他們身心健康的發(fā)展造成了巨大影響（Chang et al.， 2019; Heiman amp;Olenik-Shemesh， 2016; Kowalski et al.， 2012; Mu?oz-Fernández amp; Sánchez-Jiménez， 2020）。同樣的，部分網(wǎng)絡(luò)攻擊行為的實施者也會出現(xiàn)身心受損狀況，如學(xué)業(yè)成績下降、同伴關(guān)系不良、抑郁及焦慮等（胡陽， 范翠英， 2013; Seigfried-Spellar et al.， 2015;Tian et al.， 2018），也更容易出現(xiàn)物質(zhì)濫用（Cénatet al.， 2018）、問題行為（Kiriakidis amp; Kavoura， 2010）以及其它如偏執(zhí)、軀體化等負(fù)性心理癥狀（劉慧瀛等， 2017）。此外，一些研究表明，不論是遭受線下還是線上攻擊的個體，都更容易實施網(wǎng)絡(luò)攻擊，這就形成了惡性循環(huán)，被攻擊者轉(zhuǎn)而成為 “施暴者”，導(dǎo)致出現(xiàn)更多的網(wǎng)絡(luò)攻擊受害者（朱曉偉等，2019；Festl et al.， 2017; Quintana-Orts amp; Rey， 2018）。

目前，國內(nèi)外研究者對網(wǎng)絡(luò)攻擊行為的考察主要集中于以變量為中心的橫斷調(diào)查，諸如網(wǎng)絡(luò)攻擊行為的前因及后效等（金童林， 2018），忽略了從個體中心的角度來探究網(wǎng)絡(luò)攻擊行為的發(fā)展模式。以個體為中心的統(tǒng)計技術(shù)主要包括潛在類別分析（LCA）和潛在轉(zhuǎn)變分析（LTA）等。LCA 是通過間斷的潛在類別變量來解釋外顯指標(biāo)間的關(guān)聯(lián)，使外顯指標(biāo)間的關(guān)聯(lián)通過潛在類別變量來解釋，進(jìn)而維持其局部獨(dú)立性的統(tǒng)計方法；LTA 是潛在類別的擴(kuò)展，能夠通過轉(zhuǎn)變矩陣估計個體在不同時間點潛在狀態(tài)的變化，從轉(zhuǎn)變概率的角度研究個體階段性的發(fā)展（王碧瑤等， 2015；Collins amp; Wugalter，1992）。目前，已有國外學(xué)者從個體中心的角度來考察網(wǎng)絡(luò)攻擊行為隨時間的變化模式，諸如Festl 等人（2017）的研究發(fā)現(xiàn)，網(wǎng)絡(luò)攻擊可以分為侮辱受害組、無網(wǎng)絡(luò)攻擊組、嚴(yán)重受網(wǎng)絡(luò)攻擊組、謠言受害組以及嚴(yán)重受害- 輕度網(wǎng)絡(luò)攻擊組共5 個潛類別，且侮辱受害組極易轉(zhuǎn)變到謠言受害組，嚴(yán)重受網(wǎng)絡(luò)攻擊組轉(zhuǎn)換到嚴(yán)重受害- 輕度網(wǎng)絡(luò)攻擊組的概率為20%。由此可以看出，網(wǎng)絡(luò)攻擊行為可以分為不同的潛類別，且存在相互轉(zhuǎn)化的趨勢。相比而言，國外這方面的縱向研究已趨于成熟，而國內(nèi)對于大學(xué)生網(wǎng)絡(luò)攻擊行為的縱向變化規(guī)律方面的研究尚處于起步階段。因此，通過以個體為中心的視角來探討國內(nèi)大學(xué)生網(wǎng)絡(luò)攻擊行為隨時間的變化規(guī)律就顯得十分重要。

此外，以往的研究表明，有留守經(jīng)歷的大學(xué)生更容易出現(xiàn)攻擊行為（張春陽， 徐慰， 2020），其心理健康水平也顯著低于無留守經(jīng)歷的大學(xué)生（龐銳， 彭娟， 2018; 楊雪嶺等， 2014; 詹啟生， 武藝，2016）。年齡作為一個歷時性的變量，其對于攻擊行為和網(wǎng)絡(luò)欺負(fù)行為均有顯著影響（金童林等，2020; 趙衛(wèi)國等， 2020）。性別在大學(xué)生網(wǎng)絡(luò)攻擊行為中的作用尚不明確。一些研究認(rèn)為大學(xué)生網(wǎng)絡(luò)攻擊行為具有性別差異（Fanti et al.， 2012; Mishna et al.，2012），而一些研究則沒有差異（金童林， 2018）。同時，研究表明，道德推脫是導(dǎo)致大學(xué)生網(wǎng)絡(luò)攻擊行為出現(xiàn)的直接原因（金童林等， 2017; Ouvrein etal.， 2018）。道德推脫是指個體產(chǎn)生的一些特定的認(rèn)知傾向， 這些認(rèn)知傾向包括重新定義自己的行為使其傷害顯得更小，并最大程度地減少自己在行為后果中的責(zé)任和降低對受傷目標(biāo)痛苦的認(rèn)同（楊繼平等， 2010）。相關(guān)研究表明，道德推脫對于攻擊行為（Killer et al.， 2019）、欺負(fù)行為（Bakio?lu amp;Eraslan ?apan， 2019）、網(wǎng)絡(luò)欺負(fù)（吳鵬等， 2019）等均具有預(yù)測作用。然而，在以往的研究中，這些因素對大學(xué)生網(wǎng)絡(luò)攻擊行為縱向發(fā)展模式的影響并沒有進(jìn)一步的探討。

因此，本研究以大學(xué)生為被試，擬采用個體中心視角的潛在轉(zhuǎn)變分析方法，深入考察大學(xué)生網(wǎng)絡(luò)攻擊行為的發(fā)展規(guī)律，并從概率的角度描述大學(xué)生網(wǎng)絡(luò)攻擊行為的潛在狀態(tài)隨時間變化的可能，以期為未來大學(xué)生網(wǎng)絡(luò)攻擊行為的預(yù)防控制及干預(yù)指導(dǎo)提供實踐依據(jù)。

2 方法

2.1 研究對象

本研究采用整群隨機(jī)抽樣的方法，選取江蘇省、河南省、福建省、甘肅省、遼寧省、黑龍江省及內(nèi)蒙古自治區(qū)7 省共7 所本科院校的2000 名本科生為被試并進(jìn)行跨度4 個月的追蹤。第1 次追蹤共收回有效問卷1734 份，其中男生793 人，女生941 人；有留守經(jīng)歷316 人，無留守經(jīng)歷1317 人，留守經(jīng)歷信息缺失101 人；被試年齡范圍為16～24 歲，平均年齡為19.39±1.43 歲，年齡信息缺失23 人；第2次追蹤在間隔3 個月后，共收回有效問卷1476 份，被試流失258 人。將流失的被試與未流失的被試分為兩組，對兩組被試與第1 次測量的網(wǎng)絡(luò)攻擊行為得分、道德推脫得分進(jìn)行獨(dú)立樣本t 檢驗。結(jié)果表明，兩組在網(wǎng)絡(luò)攻擊行為得分與道德推脫得分上均不存在差異（t = -1.31， p gt; .05; t = .34， p gt; .05）。為了更全面地評估本研究的缺失機(jī)制，繼而采用磨損檢驗。結(jié)果發(fā)現(xiàn)，本研究Little' s MCAR χ 2 = .49，pgt; .05。由此可見，兩種方法均說明本研究缺失機(jī)制為完全隨機(jī)缺失。

2.2 研究工具

2.2.1 網(wǎng)絡(luò)攻擊行為量表（Online Aggressive BehaviorScale， OABS）

由趙鋒和高文斌（2012） 編制， 采用1（ 從不）～ 4（總是）4 點計分，無反向計分題目。由于潛在轉(zhuǎn)變模型是潛在類別模型的擴(kuò)展，適用于外顯變量和潛在變量都屬于類別型的數(shù)據(jù)（王碧瑤等，2015）。因此，本研究在進(jìn)行潛在轉(zhuǎn)變分析時，首先按照網(wǎng)絡(luò)攻擊行為是否出現(xiàn)的標(biāo)準(zhǔn)，將作答為“1（從不）”的轉(zhuǎn)化為“0（無網(wǎng)絡(luò)攻擊行為）”，將作答“2（偶爾）、3（經(jīng)常）及4（總是）”轉(zhuǎn)化為“1（有網(wǎng)絡(luò)攻擊行為）”。然后，在每一個時間點先進(jìn)行潛在類別分析。最后再進(jìn)行潛在轉(zhuǎn)變分析（劉文等，2015）。在2 次追蹤過程中，量表的Cronbach' s α系數(shù)分別為.82、.94；量表的結(jié)構(gòu)效度較好（χ 2/df 1= 3.03， TLI1 = .93， CFI1 = .94， RMSEA1 = .03; χ 2/df 2 =2.30， TLI2 = .95， CFI2 = .96， RMSEA2 = .03）。

2.2.2 中文版道德推脫問卷（Moral DisengagementQuestionnaire， MDQ）

由王興超和楊繼平（2010）修訂，采用1（完全不同意）～ 5（完全同意）5 點計分，無反向計分題目。在2 次追蹤過程中，量表的Cronbach' s α 系數(shù)分別為.91、.96；量表整體的結(jié)構(gòu)效度較好（χ 2/df 1 = 4.87， TLI1 = .90， CFI1 = .92， RMSEA1 = .05; χ 2/df 2= 4.77， TLI2 = .92， CFI2 = .93， RMSEA2 = .05）。

2.3 統(tǒng)計方法

采用 SPSS 25、Mplus 8.3 軟件進(jìn)行數(shù)據(jù)處理。統(tǒng)計方法包括獨(dú)立樣本t 檢驗、潛在類別分析、潛在轉(zhuǎn)變分析等?？紤]到可能存在共同方法偏差，首先對兩次測量的數(shù)據(jù)進(jìn)行共同方法偏差檢驗，方法采用Harman 單因素法。結(jié)果發(fā)現(xiàn)，2 次追蹤的結(jié)果分別有8 個、6 個特征值大于1 的公因子被提出，且第1 個公因子的解釋率分別為11.4%、15.2%，均小于40%（周浩， 龍立榮， 2004）。因此，本研究不存在嚴(yán)重的共同方法偏差問題。

3 研究結(jié)果

3.1 大學(xué)生網(wǎng)絡(luò)攻擊行為的發(fā)生率

本研究對兩個時間點大學(xué)生網(wǎng)絡(luò)攻擊行為的發(fā)生率進(jìn)行統(tǒng)計 （見表1）。結(jié)果發(fā)現(xiàn)，大學(xué)生部分網(wǎng)絡(luò)攻擊行為隨時間的推移而逐漸升高（如Q3、Q4 等），也有部分網(wǎng)絡(luò)攻擊行為隨時間推移而呈降低的趨勢（如Q1、Q12 等），且大學(xué)生網(wǎng)絡(luò)攻擊行為在兩個時間點上的發(fā)生率差異顯著。

3.2 大學(xué)生網(wǎng)絡(luò)攻擊行為的潛在轉(zhuǎn)變分析

本研究對兩個不同時間點的外顯變量進(jìn)行潛類別分析，擬合信息包括赤信息準(zhǔn)則（AIC）、貝葉斯信息準(zhǔn)則（BIC）、信息熵（Entropy）等指標(biāo)。結(jié)果表明，AIC、BIC、aBIC 均隨著類別數(shù)目的增多而逐步減小，在第2 個類別時減少的幅度均最大，Entropy 指標(biāo)在第2 個類別均最高，LMR 和BLRT也在第2 個類別時均顯著優(yōu)于其它類別（見表2）。因此，綜合考慮模型的簡潔性及研究的目的，本研究最終選取2 類別的潛在類別模型。

對2 類潛類別模型在2 個時間點的結(jié)果進(jìn)行深入分析，并對這15 個條目的條件概率（即均選擇有網(wǎng)絡(luò)攻擊行為選項的概率）進(jìn)行描述和命名（見圖1、圖2）。從兩個圖中可以明顯看出，大學(xué)生在這15 個項目上的得分被劃分為2 個類別，且這2 個類別之間無交叉，第1 個類別的條件概率明顯高于第2 個類別。根據(jù)以往的研究，將第1 類命名為“低攻擊型”，第2 類命名為“高攻擊型”。低攻擊型的被試在多數(shù)條目上的發(fā)生率都低于10%，該組被試占總體比例隨時間略有升高，分別是86.6%、91.0%；高攻擊型的被試在多數(shù)條目上的發(fā)生率高于30%，該組被試占總體比例隨時間略有降低，分別是13.4%、9.0%，具體見表3。

在兩次潛類別分析的基礎(chǔ)上，本研究繼而分析大學(xué)生網(wǎng)絡(luò)攻擊行為的潛在轉(zhuǎn)變過程。表4 是兩個時間點上2 類網(wǎng)絡(luò)攻擊行為模式的變化情況。表5是兩個時間點均參加測驗的人數(shù)及流失情況。在潛在轉(zhuǎn)變矩陣中，對角線表示的是被試在兩個相鄰時間點保持原潛在狀態(tài)的概率。從表4 可以看出，低攻擊型組被試隨時間的發(fā)展逐漸向高攻擊型組轉(zhuǎn)變，轉(zhuǎn)變概率為6.7%，高攻擊型組被試向低攻擊型組轉(zhuǎn)變的概率為35.4%。

3.3 大學(xué)生網(wǎng)絡(luò)攻擊行為的影響因素分析

為考察留守經(jīng)歷、性別、年齡及道德推脫對不同組別大學(xué)生網(wǎng)絡(luò)攻擊行為的影響，本研究以低攻擊型組為參照組進(jìn)行多元logistic 回歸分析，得出被試屬于高攻擊型組的概率與低攻擊型組的概率在協(xié)變量影響下的比值，即發(fā)生比（OR）。結(jié)果發(fā)現(xiàn)（見表6），與男生相比，女生出現(xiàn)高攻擊型的優(yōu)勢比為.66，即女生出現(xiàn)高攻擊型的發(fā)生比比男生出現(xiàn)高攻擊型的發(fā)生比降低了.34 倍；道德推脫水平每升高1 個單位，出現(xiàn)高攻擊型的優(yōu)勢比為5.43，即比原來的發(fā)生比增加了4.43 倍。

在考察了各因素對大學(xué)生網(wǎng)絡(luò)攻擊行為類型影響的基礎(chǔ)上，本研究進(jìn)一步探討各因素對網(wǎng)絡(luò)攻擊行為類型轉(zhuǎn)變的影響。將保持原潛在狀態(tài)的大學(xué)生作為參照組，發(fā)生比指被試轉(zhuǎn)變到其它組的概率與保持原組概率的變化之比。發(fā)生比大于1 表示在協(xié)變量影響下，被試發(fā)生該轉(zhuǎn)變的概率增加，反之則減小。從表7 可以看出，與原潛在狀態(tài)相比，女生由低攻擊型轉(zhuǎn)變?yōu)楦吖粜偷母怕蕼p?。∣R =.62），即出現(xiàn)低攻擊型的女生增多；在道德推脫的影響下，低攻擊型轉(zhuǎn)變?yōu)楦吖粜偷娜藬?shù)增多（OR= 5.53）。這表明道德推脫是大學(xué)生網(wǎng)絡(luò)攻擊行為的促進(jìn)因素，而性別是大學(xué)生網(wǎng)絡(luò)攻擊行為的抑制因素。

4 討論

本研究發(fā)現(xiàn)，大學(xué)生網(wǎng)絡(luò)攻擊行為可以分為2 種異質(zhì)性的潛在類別，這與以往的相關(guān)研究基本一致（Barboza， 2015; Festl et al.， 2017; Schultze-Krumbholz et al.， 2015; Williford et al.， 2011）。本研究的潛類別數(shù)目分類比較清晰，分別是低攻擊型和高攻擊型。低攻擊型組大學(xué)生出現(xiàn)網(wǎng)絡(luò)攻擊行為的概率較低，高攻擊型出現(xiàn)網(wǎng)絡(luò)攻擊行為的概率相對較高。雖然兩組之間出現(xiàn)不同程度的轉(zhuǎn)變，但高攻擊型組大學(xué)生依然是未來心理健康領(lǐng)域關(guān)注的重點。此外，本研究潛轉(zhuǎn)變結(jié)果發(fā)現(xiàn)，高攻擊型組向低攻擊型組出現(xiàn)了一定程度的轉(zhuǎn)變。這可能與兩方面的原因有關(guān)：一方面，可能與測量的時間段有關(guān)。由于本研究第1 次施測正好處于剛開學(xué)的時間段，這段時間大學(xué)生沒有考試的壓力，自由時間比較充裕，因而上網(wǎng)的時間也較多，出現(xiàn)網(wǎng)絡(luò)攻擊行為的概率也較大，而第2 次測量接近學(xué)期末，整體來看，大學(xué)生會花較多的時間用于復(fù)習(xí)，以應(yīng)付期末考試，因而上網(wǎng)時間較少，出現(xiàn)網(wǎng)絡(luò)攻擊行為的概率也較低，這就促使高攻擊型大學(xué)生向低攻擊型發(fā)生了轉(zhuǎn)變。另一方面，這也可能與我國網(wǎng)絡(luò)監(jiān)管的加強(qiáng)有關(guān)。目前，我國已以立法（如《中華人民共和國網(wǎng)絡(luò)安全法》等）的形式要求互聯(lián)網(wǎng)賬號使用者必須實名注冊。同時，一些即時的聊天工具也要求使用者在聊天時必須文明語言。如果出現(xiàn)辱罵或者具有攻擊性的言語時，后臺有權(quán)力對這些賬號進(jìn)行懲罰處理（如警告、禁言、封號等），這種網(wǎng)絡(luò)監(jiān)管的作用在一定程度上遏制了網(wǎng)絡(luò)攻擊行為的發(fā)生，可能也是促使高攻擊型大學(xué)生向低攻擊型的轉(zhuǎn)變的原因。當(dāng)然，也有部分大學(xué)生從低攻擊型轉(zhuǎn)變到高攻擊型。這可能與個體差異有關(guān)。以往研究表明，當(dāng)人際需求受阻的時候，部分大學(xué)生比較喜歡在網(wǎng)絡(luò)上進(jìn)行宣泄，從而緩解在現(xiàn)實生活中體驗到的緊張和壓力（金童林等， 2016）。在本研究中，由于第2次測量的時間段接近考試周，這部分大學(xué)生面對的現(xiàn)實壓力較大，人際需求可能受阻，因而選擇網(wǎng)絡(luò)平臺進(jìn)行宣泄，故進(jìn)一步提升了網(wǎng)絡(luò)攻擊行為出現(xiàn)的概率，因而這部分大學(xué)生出現(xiàn)了低攻擊型向高攻擊型的轉(zhuǎn)變，事實上，本研究的結(jié)果也是對以往相關(guān)研究的有效回應(yīng)。

本研究發(fā)現(xiàn)，女大學(xué)生出現(xiàn)高攻擊型的發(fā)生比要低于男大學(xué)生，且女大學(xué)生由低攻擊型轉(zhuǎn)變?yōu)楦吖粜偷母怕蕼p小，這與以往的研究相對一致（吳鵬等， 2014; Barboza， 2015）。同時本研究的結(jié)果也驗證了性別角色理論（Archer， 2004），性別角色賦予女大學(xué)生溫柔、忍讓、順從等特點，賦予男大學(xué)生剛強(qiáng)、勇猛、力量等特點。在遭遇網(wǎng)絡(luò)攻擊時，女大學(xué)生出現(xiàn)強(qiáng)烈攻擊形式的程度可能要低于男大學(xué)生。當(dāng)然，在一些比較嚴(yán)重的沖突環(huán)境中，女大學(xué)生也可能表現(xiàn)出一定程度的網(wǎng)絡(luò)攻擊行為。但當(dāng)沖突結(jié)束時，她們會很快恢復(fù)到平靜狀態(tài)，甚至?xí)蠡谧约簞偛诺墓舴绞?。因而?dāng)沖突結(jié)束后，女大學(xué)生可能很快由高攻擊型轉(zhuǎn)變?yōu)榈凸粜?，不再表現(xiàn)出較強(qiáng)的網(wǎng)絡(luò)攻擊行為。另外，本研究發(fā)現(xiàn)，在道德推脫的影響下，低攻擊型轉(zhuǎn)變?yōu)楦吖粜偷娜藬?shù)增多，且道德推脫每升高1 個單位，大學(xué)生出現(xiàn)高攻擊型的概率增加了4.43 倍，這些結(jié)果均說明道德推脫是大學(xué)生網(wǎng)絡(luò)攻擊行為出現(xiàn)的核心促進(jìn)因素（金童林等， 2017; Ouvrein et al.， 2018）。因此，男性和高道德推脫水平等特征的大學(xué)生群體是出現(xiàn)網(wǎng)絡(luò)攻擊行為的主要群體，在未來干預(yù)的過程中，要重點關(guān)注這些大學(xué)生群體。

本研究依然存在著不足。一方面，本研究只追蹤了4 個月，時間相對較短。這對于進(jìn)一步揭示大學(xué)生網(wǎng)絡(luò)攻擊行為的潛在轉(zhuǎn)變過程具有一定的限制，未來的研究可以考慮追蹤更久的時間，以進(jìn)一步揭示大學(xué)生網(wǎng)絡(luò)攻擊行為的轉(zhuǎn)變過程。另一方面，由于在第2 次追蹤的時候，被試流失了258 名（盡管屬于完全隨機(jī)缺失），這對于潛在轉(zhuǎn)變的結(jié)果可能會造成一定的影響，這可能會導(dǎo)致低估T2 時間點高攻擊型被試所占的比例。未來的研究應(yīng)該提前安排對策，減少被試的社會贊許效應(yīng)，并盡量最小化參與者流失的比例。同時，未來的研究還可以對于這種流失造成的影響展開方法學(xué)的探討。

參考文獻(xiàn)

胡陽， 范翠英. （2013）. 青少年網(wǎng)絡(luò)欺負(fù)行為研究述評與展望. 中國特殊教育， 5， 82-87.

金童林. （2018）. 暴力暴露對大學(xué)生網(wǎng)絡(luò)攻擊行為的影響： 反芻思維與網(wǎng)絡(luò)道德的作用 （ 碩士學(xué)位論文）. 哈爾濱師范大學(xué).

金童林， 陸桂芝， 張璐， 金祥忠， 王曉雨. （2017）. 特質(zhì)憤怒對大學(xué)生網(wǎng)絡(luò)攻擊行為的影響： 道德推脫的作用. 心理發(fā)展與教育， 33 （5）， 605-613.

金童林， 陸桂芝， 張璐， 閆萌智， 劉艷麗. （2016）. 人際需求對大學(xué)生網(wǎng)絡(luò)偏差行為的影響： 社交焦慮的中介作用. 中國特殊教育， 9 ， 84-89.

金童林， 烏云特娜， 張璐， 李鑫， 劉振會. （2020）. 兒童期心理虐待對青少年網(wǎng)絡(luò)欺負(fù)的影響： 領(lǐng)悟社會支持及性別的調(diào)節(jié)作用. 心理科學(xué)， 43 （2），323-332.

劉慧瀛， 何季霖， 胡悅， 王婉， 李恒濤. （2017）. 大學(xué)生網(wǎng)絡(luò)欺負(fù)與心理癥狀、網(wǎng)絡(luò)社會支持和心理彈性的關(guān)系. 中國心理衛(wèi)生雜志， 31 （12）， 988-993.

劉文， 劉紅云， 李宏利. （2015）. 兒童青少年心理學(xué)前沿. 浙江教育出版社.

龐銳， 彭娟. （2018）. 我國有留守經(jīng)歷大學(xué)生心理健康狀況meta 分析. 實用預(yù)防醫(yī)學(xué)， 25 （4）， 467-469.

王碧瑤， 張敏強(qiáng)， 張潔婷， 胡俊. （2015）. 基于轉(zhuǎn)變矩陣描述的個體階段性發(fā)展： 潛在轉(zhuǎn)變模型. 心理研究， 8 （4）， 36-43.

王興超， 楊繼平. （2010）. 中文版道德推脫問卷的信效度研究. 中國臨床心理學(xué)雜志， 18 （2）， 177-179.

吳鵬， 劉華山， 陳京軍， 謝繼紅. （2014）. 攻擊性初中生的類別轉(zhuǎn)變： 潛在轉(zhuǎn)變分析. 心理科學(xué)， 37（5）， 1167-1173.

吳鵬， 王楊春子， 劉華山. （2019）. 初中生網(wǎng)絡(luò)欺負(fù)的發(fā)展趨勢： 道德推脫、觀點采擇與共情關(guān)注的作用. 心理科學(xué)， 42 （5）， 1098-1105.

楊繼平， 王興超， 高玲. （2010）. 道德推脫的概念、測量及相關(guān)變量. 心理科學(xué)進(jìn)展， 18 （4）， 671-678.

楊雪嶺， 馮現(xiàn)剛， 崔梓天. （2014）. 大學(xué)生的留守經(jīng)歷與心理韌性、心理病理癥狀. 中國心理衛(wèi)生雜志， 28 （3）， 227-233.

翟友華. （2019）. 大學(xué)生特質(zhì)憤怒、反芻思維對網(wǎng)絡(luò)攻擊行為的影響及其干預(yù) （ 碩士學(xué)位論文）. 哈爾濱工程大學(xué).

詹啟生， 武藝. （2016）. 留守經(jīng)歷大學(xué)生家庭教養(yǎng)方式對情緒調(diào)節(jié)策略的影響： 親子溝通的中介作用. 中國特殊教育， 10， 40-46.

張春陽， 徐慰. （2020）. 大學(xué)生留守經(jīng)歷與攻擊性： 安全感與自卑感的鏈?zhǔn)街薪樽饔? 中國臨床心理學(xué)雜志， 28 （1）， 173-177.

張璐， 劉麗紅， 金童林， 賈彥茹. （2017）. 大學(xué)生特質(zhì)憤怒在兒童期心理虐待和網(wǎng)絡(luò)攻擊行為關(guān)系中的中介作用. 中國心理衛(wèi)生雜志， 31 （8），659-664.

趙鋒， 高文斌. （2012）. 少年網(wǎng)絡(luò)攻擊行為評定量表的編制及信效度檢驗.中國心理衛(wèi)生雜志， 26 （6）， 439-444.

趙衛(wèi)國， 王奕丁， 姜雯寧， 李鑫輝. （2020）. 越軌同伴交往與男性犯罪青少年攻擊行為的關(guān)系： 一個有調(diào)節(jié)的中介模型. 中國特殊教育， 11， 62-69.

周浩， 龍立榮. （2004）. 共同方法偏差的統(tǒng)計檢驗與控制方法. 心理科學(xué)進(jìn)展， 12 （6）， 942-950.

朱曉偉， 周宗奎， 褚曉偉， 雷玉菊， 范翠英. （2019）. 從受欺負(fù)到網(wǎng)上欺負(fù)他人： 有調(diào)節(jié)的中介模型. 中國臨床心理學(xué)雜志， 27 （3）， 492-496.

Archer， J. （2004）. Sex differences in aggression in real-world settings： A metaanalytic review. Review of General Psychology， 8（4）， 291-322.

Bakio?lu， F.， amp; Eraslan ?apan， B. （2019）. Moral disengagement and cyber bullying， a mediator role of emphatic tendency. International Journal of Technoethics， 10 （2）， 22-34.

Barboza， G. E. （2015）. The association between school exclusion， delinquency and subtypes of cyber- and F2F-victimizations： Identifying and predicting risk profiles and subtypes using latent class analysis. Child Abuse and Neglect， 39，109-122.

Cénat， J. M.， Blais， M.， Lavoie， F.， Caron， P. O.， amp; Hébert， M. （2018）. Cyberbullying victimization and substance use among Quebec high schools students： The mediating role of psychological distress. Computers in Human Behavior， 89，207-212.

Chang， Q. S.， Xing， J. L.， Ho， R. T. H.， amp; Yip， P. S. F. （2019）. Cyberbullying and suicide ideation among Hong Kong adolescents： The mitigating effects of life satisfaction with family， classmates and academic results. Psychiatry Research， 274， 269-273.

Collins， L. M.， amp; Wugalter， S. E. （1992）. Latent class models for stage-sequential dynamic latent variables. Multivariate Behavioral Research， 27 （1）， 131-157.

Fanti， K. A.， Demetriou， A. G.， amp; Hawa， V. V. （2012）. A longitudinal study of cyberbullying： Examining risk and protective factors. European Journal of Developmental Psychology， 9 （2）， 168-181.

Festl， R.， Vogelgesang， J.， Scharkow， M.， amp; Quandt， T. （2017）. Longitudinal patterns of involvement in cyberbullying： Results from a latent transition analysis. Computers in Human Behavior， 66， 7-15.

Heiman， T.， amp; Olenik-Shemesh， D. （2016）. Computer-based communication and cyberbullying involvement in the sample of Arab teenagers. Education and Information Technologies， 21 （5）， 1183-1196.

Killer， B.， Bussey， K.， Hawes， D.， amp; Hunt， C. （2019）. A meta-analysis of the relationship between moral disengagement and bullying roles in youth.Aggressive Behavior， 45 （4）， 450-462.

Kiriakidis， S. P.， amp; Kavoura， A. （2010）. Cyberbullying： A review of the literature on harassment through the internet and other electronic means. Family and Community Health， 33 （2）， 82-93.

Kokkinos， C. M.， Antoniadou， N.， amp; Markos， A. （2014）. Cyber-bullying： An investigation of the psychological profile of university student participants.Journal of Applied Developmental Psychology， 35（3）， 204-214.

Kowalski， R. M.， Giumetti， G. W.， Schroeder， A. N.， amp; Lattanner， M. R.（2012）. Bullying in the digital age： A critical review and meta-analysis of cyberbullying research among youth. Psychological Bulletin， 140 （4）， 073-

1173.

Mishna， F.， Khoury-Kassabri， M.， Gadalla， T.， amp; Daciuk， J. （2012）. Risk factors for involvement in cyber bullying： Victims， bullies and bully-victims. Children and Youth Services Review， 34（1）， 63-70.

Mu?oz-Fernández， N.， amp; Sánchez-Jiménez， V. （2020）. Cyber-aggression and psychological aggression in adolescent couples： A short-term longitudinal study on prevalence and common and differential predictors. Computers in Human Behavior， 104， Article 106191.

Ouvrein， G.， De Backer， C. J. S.， amp; Vandebosch， H. （2018）. Online celebrity aggression： A combination of low empathy and high moral disengagement？The relationship between empathy and moral disengagement and adolescents'online celebrity aggression. Computers in Human Behavior， 89， 61-69.

Quintana-Orts， C.， amp; Rey， L. （2018）. Forgiveness and cyberbullying in adolescence： Does willingness to forgive help minimize the risk of becoming a cyberbully？ Computers in Human Behavior， 81， 209-214.

Schultze-Krumbholz， A.， G?bel， K.， Scheithauer， H.， Brighi， A.， Guarini， A.，Tsorbatzoudis， H.， amp; Smith， P. K. （2015）. A comparison of classification approaches for cyberbullying and traditional bullying using data from six European countries. Journal of School Violence， 14（1）， 47-65.

Seigfried-Spellar， K. C.， O'Quinn， C. L.， amp; Treadway， K. N. （2015）. Assessing the relationship between autistic traits and cyberdeviancy in a sample of college students. Behaviour and Information Technology， 34（5）， 533-542.

Tanrikulu， I.， amp; Erdur-Baker， ?. （2019）. Motives behind cyberbullying perpetration： A test of uses and gratifications theory. Journal of Interpersonal Violence， 36 （13-14）， NP6699-NP6724.

Tian， L. L.， Yan， Y. R.， amp; Huebner， E. S. （2018）. Effects of cyberbullying and cybervictimization on early adolescents' mental health： Differential mediating roles of perceived peer relationship stress. Cyberpsychology， Behavior， and Social Networking， 21 （7）， 429-436.

Williford， A. P.， Brisson， D.， Bender， K. A.， Jenson， J. M.， amp; Forrest-Bank， S. （2011）.Patterns of aggressive behavior and peer victimization from childhood to early adolescence： A latent class analysis. Journal of Youth and Adolescence， 40 （6），644-655.

本研究得到國家社會科學(xué)基金西部項目（22XSH002） 的資助。