生态焦虑表现的异质性:霍格生态焦虑量表的聚类分析与潜在剖面分析

《Journal of Anxiety Disorders》:Heterogeneity of eco-anxiety manifestations: cluster and latent profile analyses of the Hogg Eco-Anxiety Scale

【字体: 大 中 小 】 时间:2026年10月08日 来源:Journal of Anxiety Disorders 5.0

编辑推荐:

   •通过互补性分析,共发现五种更广泛的生态焦虑模式。•中等模式在反刍思维和个人影响方面的焦虑表现存在差异。•高焦虑模式主要在行为症状和日常生活损害方面存在差异。•气候变化风险感知是生态焦虑模式的最强预测因素。引言气候变化是21世纪面临的最紧迫挑战之一,对生态系统和人类社会构成了

  
  • •
    通过互补性分析,共发现五种更广泛的生态焦虑模式。
  • •
    中等模式在反刍思维和个人影响方面的焦虑表现存在差异。
  • •
    高焦虑模式主要在行为症状和日常生活损害方面存在差异。
  • •
    气候变化风险感知是生态焦虑模式的最强预测因素。

引言

气候变化是21世纪面临的最紧迫挑战之一,对生态系统和人类社会构成了不可逆转的威胁。除了其物理和社会经济影响外,气候变化还日益成为一种影响人类健康与福祉的心理问题(Clayton, 2020;联合国政府间气候变化专门委员会(IPCC)最新综合报告,2023;世界卫生组织,2025)。研究表明,气候变化显著加剧了心理困扰,包括临床焦虑和抑郁、强迫思维和睡眠障碍(Boluda-Verdú等人,2022;Ogunbode等人,2021;Verplacken等人,2020)。在其引发的诸多情绪反应中,生态焦虑引起了特别关注。尽管尚无公认的定义,生态焦虑通常被定义为应对气候变化和环境威胁所产生的一系列负面情绪,往往与焦虑相关(ágoston等人,2022;Kurth和Pihkala,2022)。气候焦虑特指与人为气候变化(如全球变暖和海平面上升)相关的困扰,而生态焦虑则涵盖更广泛的环境关注,包括生态退化、污染、生物多样性丧失和森林砍伐,这些因素可能与气候变化直接相关也可能不直接相关(Coffey等人,2021;Hogg等人,2021)。因此,生态焦虑被视为环境威胁的一种间接心理后果,即使未直接暴露于此类事件的个体也会体验到(Clayton和Karazsia,2020;Coffey等人,2021)。当前的概念化描述将生态焦虑视为一个多维建构,包含情感成分(如感到焦虑)、认知成分(如反刍思维)以及行为和社会成分(如干扰工作和/或学习能力)(Clayton和Karazsia,2020;Hogg等人,2021)。这种概念上的模糊性反映在其测量中,最近一项对多个生态焦虑量表的内容分析显示,各工具在症状内容上的重叠有限,表明该建构的操作化存在显著异质性(van Dijk等人,2025)。因此,生态焦虑呈现为一个复杂现象,无法通过单一维度或基于强度的测量来完全捕捉。
多个因素与生态焦虑相关。社会人口学和情境相关因素包括年龄较轻、女性性别,以及对环境问题的更大暴露程度,尤其是在原住民社区和环境专业人士中(Boluda-Verdú等人,2022;Clayton,2020)。生态焦虑也持续与较差的心理健康相关联。最近的一项综述报告称,91%的研究发现生态焦虑与焦虑、压力和抑郁症状呈正相关,尽管效应量在不同年龄组、国家和人群中存在差异(Cosh等人,2024)。除了这些相关因素外,生态焦虑还与其他环境变化和丧失的心理反应密切相关,包括生态悲伤和家园焦虑,后者捕捉了与生态丧失及有价值环境的退化或转变相关的困扰(Albrecht等人,2007;Cunsolo和Ellis,2018)。然而,大多数关于生态焦虑的研究采用了以变量为中心、以维度为取向的视角:即使发现生态焦虑的相关因素在社会人口学或情境群体之间存在差异,生态焦虑本身通常仍被视为症状强度的单一连续谱,隐含地假设其表现形式主要在于严重程度而非症状的质性模式上的差异。
除概念定义外,生态焦虑似乎在全球范围内日益普遍,引发了关于其范围、强度和不同人群间变异性的重大问题。近期在多个西方国家进行的调查显示,大约一半的人口报告经历了一定程度的生态焦虑(Hickman等人,2021;Institut Fran?ais d'Opinion Publique,2022;Patrick等人,2023;Whitmarsh等人,2022)。然而,这些估计主要反映中等程度的困扰,仅有一小部分个体报告频繁且具功能损害性的症状(例如,约12%的法语参与者;Heeren等人,2022)。尽管目前大多数实证工作集中在西方国家,初步研究发现表明生态焦虑并不局限于这些情境,可能代表对全球环境威胁的更广泛心理反应(Ogunbode等人,2022)。患病率估计的不一致性,可能源于异质性的定义和操作化(参见Coffey等人,2021),强调生态焦虑不能简化为症状的单纯有无。相反,应将其理解为一种在不同个体间强度和表现形式各异的多维连续现象(Lutz等人,2023)。此外,不同形式的生态焦虑症状模式可能共存,因为生态焦虑的每个成分(如情感、认知、行为、社会)与已确立的心理预测因素和相关因素都表现出不同的关联模式(Hogg等人,2021;Mathé等人,2025)。这种假定的异质性引发了关于生态焦虑如何被体验以及除简单的症状严重程度差异外是否可实证界定不同亚型的关键问题。事实上,较高水平的生态焦虑并不必然意味着更大的心理损害。虽然一些个体遭受严重形式的生态焦虑,影响其日常生活功能,但另一些个体体验到的某程度的生态焦虑则成为行动的催化剂(参见Heeren & Clayton, 2026)。因此,区分生态焦虑的强度与其功能性影响对于识别潜在严重形式至关重要。
为此,分类方法为传统以变量为中心的方法提供了有价值的补充,能够基于个体特定的反应模式识别出不同的个体模式。聚类分析等技术提供了一种有价值的、数据驱动的、无监督的机器学习方法,可根据共享的心理特征对个体进行分组,而不依赖于预定义类别;而潜在剖面分析则提供了一种基于模型的、以人为中心的识别潜在亚组的方法(Gao等人,2023)。刻画生态焦虑模式不仅在理论上具有重要意义,在改进概念清晰度并指导针对性干预措施(如气候相关心理健康意识提升和环境传播)方面也具有社会必要性。事实上,一些研究者提出,生态焦虑可能具有适应性功能,但也可能与心理困扰和功能损害相关(Taylor,2020;Heeren和Clayton,2026)。此类方法有助于识别适应性或严重形式的生态焦虑,这一区分目前仍难以确立(Helm等人,2018)。此外,探索与这些不同模式相关的社会人口学和心理预测因素,有助于揭示不同体验背后的机制,并帮助识别心理风险更大的个体。
尽管对生态焦虑的兴趣日益增长,但检验其表现异质性的实证研究仍然稀少,尤其是在法语人群中。本研究旨在通过结合两种互补的分类方法和心理相关因素分析来弥补这一空白。本研究追求两个主要目标。首先,我们旨在确定能否从涵盖情感、认知、行为和个人影响症状的多维指标中实证识别出不同的生态焦虑模式。为此,我们使用分层k-means聚类作为数据驱动的分类方法,并使用潜在剖面分析作为基于模型的以人为中心的方法。我们预期这些分析将揭示若干沿生态焦虑强度连续谱分布的不同模式,且其症状配置各异。其次,我们试图根据严重程度以及社会人口学和心理预测因素来刻画这些模式。我们预期至少有一种模式将反映严重的生态焦虑,其特征为日常生活功能的损害。较高强度的生态焦虑表现预计将由更大的气候变化风险感知、更年轻的年龄和女性性别所预测,但不能完全由心理健康症状预测,因为它们与生态焦虑部分重叠。

部分摘要

伦理与数据收集

本研究经里尔大学机构伦理委员会批准(2022-616-S107)。参与者最初通过社交媒体广告和里尔大学校内公告(例如张贴在大学建筑内的传单和海报)进行招募。本研究还通过学生、专业和个人网络,以及关注环境问题的全国组织和网络进行传播。参与者未获得任何货币

全样本的描述性统计

描述性统计见表1。平均而言,参与者的DASS-21得分处于低至中等水平,尽管得分在样本中表现出高度变异性。在居住环境方面,54.96%的参与者居住在城区,27.20%住在近郊区,17.84%住在农村。自幼儿园起完成的受教育年数范围为8至24年(M = 20.14,SD = 2.34)。平均而言,参与者报告对气候变化有较高程度的感知

讨论

本研究在一项法语成年人的社区便利样本中,通过根据HEAS评估的四种生态焦虑症状识别不同模式,探讨了生态焦虑如何被体验(Hogg等人,2021;Mathé等人,2025)。使用两种互补的分类方法,分层k-means聚类识别出五个簇,而潜在剖面分析则揭示了八个更精细的剖面。由于多个LPA剖面显示出密切相关的

结论

本研究利用两种互补的分类方法,在我们的法语人群样本中识别出了五种不同的生态焦虑模式。分层k-means聚类识别出五个簇,而潜在剖面分析则揭示了一个更精细的八剖面结构,该结构可被组织为五个更广泛的元组,与聚类解法密切对应。这些更广泛的模式在强度和具体症状

作者贡献声明

Fanny Grisetto:撰写——审阅与编辑、方法论、概念化。Marie Mathé:撰写——初稿、可视化、方法论、调查研究、形式化分析、数据整理、概念化。Clémence Roger:撰写——审阅与编辑、指导、方法论、资金获取、概念化。Nicolas Gauvrit:撰写——审阅与编辑、指导。Antoine Nau:形式化分析、可视化。

利益冲突声明

作者声明他们不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。

致谢

本研究由ADEME向M.M.提供的博士研究资助支持。SCALab工作获得里尔大学和法国国家科学研究中心(CNRS)的经常性机构资助。作者感谢Adrien Lorant在数据分析方面提供的技术支持,以及所有参与者和所有为本研究传播做出贡献的人。
Marie Mathé | Fanny Grisetto | Antoine Nau | Nicolas Gauvrit | Clémence Roger
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号