场景案例 · 2026-06-24

精神卫生与心理健康量表数据 AI 统计分析 — 抑郁焦虑信效度、中介检验全流程

心理健康/精神卫生研究必看：PHQ-9、GAD-7、SAS/SDS 量表信效度验证，抑郁焦虑中介模型，用 ChatSRS AI 一句话完成，生成 APA 7th 论文级报告。

精神卫生与临床心理研究的数据分析死穴：PHQ-9 / GAD-7 跑完 Cronbach's alpha 却不知道要不要做 CFA；抑郁症状通过自我效能中介影响生活质量，理论说得通但 Bootstrap 置信区间不知道怎么报告；SPSS 出来一堆表，审稿人仍然打回——这篇文章把精神卫生量表研究最常见的分析链条从头串通，每步给出 ChatSRS 可直接复制使用的一句话指令，以及可抄进论文的 APA 7th 报告句式。

精神卫生研究数据分析为什么比普通问卷更难

精神卫生量表研究不是填问卷做个频率表就完的，它要求：

标准量表必须报告本样本的信效度，即使是 PHQ-9 这类已被广泛验证的工具，换了样本也需要跑一遍，否则审稿人会直接提出异议
症状维度有先验结构，不能直接做探索性因子分析（EFA）了事，需要验证性因子分析（CFA）检验因子结构是否在目标人群中适配
中介模型极为常见：研究者几乎都想检验"压力→抑郁→生活质量""负性认知→焦虑→睡眠障碍"之类的路径，Bootstrap 置信区间是当前方法规范
APA 报告格式严格：SEM 拟合指数（CFI / TLI / RMSEA / SRMR）、间接效应的 95% BCa CI、效应量……每项都有明确报告要求

chatsrs.com 内置 SPSS + R 双引擎，把这条长链压缩成对话。下面按实际研究流程逐步演示。

精神卫生研究最常见的两种数据结构

结构一：横截面量表调查（最常见）

ID    年龄  性别  PHQ-9(9题)  GAD-7(7题)  社会支持(10题)  生活质量(26题)  慢性病(0/1)
001   32    女    3/2/1/…    2/1/3/…     4/5/4/…         3/4/4/…         0
002   45    男    8/7/6/…    5/4/6/…     2/3/2/…         2/3/2/…         1
...

核心分析链：描述统计 → 信度（Cronbach's alpha / McDonald's omega） → 效度（CFA 拟合指数） → 相关分析 → 回归 / 中介模型

结构二：纵向追踪 / 干预研究

ID    组别      T1_PHQ9  T2_PHQ9  T3_PHQ9  T1_GAD7  T2_GAD7  T3_GAD7
001   CBT干预   12        8        5        10        6        4
002   对照组    11        10       9        9         8        8
...

核心分析链：描述统计 → 混合重复测量 ANOVA / 线性混合模型 → 效应量 → 简单效应检验

全流程分析演示（横截面量表研究场景）

以"社区居民焦虑症状的影响因素及社会支持的中介作用"为例：样本 N = 312，PHQ-9 测抑郁，GAD-7 测焦虑，SSRS（社会支持评定量表）10 题，WHO-QOL-BREF 26 题测生活质量，含人口学变量（年龄、性别、教育程度、是否患慢性病）。

第一步：描述统计 — 掌握症状分布全貌

打开 chatsrs.com，上传数据后输入：

"请输出全样本描述统计：连续变量（年龄、PHQ-9 总分、GAD-7 总分、SSRS 总分、QOL 总分）报告均值、标准差、最小值、最大值、偏度、峰度；类别变量（性别、教育程度、慢性病）报告频数和百分比。生成 APA 格式三线表，同时输出 PHQ-9 各症状等级（无/轻/中/重度）的频率分布。"

ChatSRS 自动输出：

表 1  样本人口学与量表描述统计（N = 312）

变量                    M (SD)              范围
年龄（岁）              41.3 (12.7)         18–72
PHQ-9 总分             7.84 (5.21)          0–27
  无抑郁症状（0–4）      n = 124 (39.7%)
  轻度（5–9）           n = 98 (31.4%)
  中度（10–14）         n = 62 (19.9%)
  中重度及以上（15+）    n = 28 (9.0%)
GAD-7 总分             6.52 (4.88)          0–21
SSRS 总分              34.18 (7.43)         12–60
QOL 总分               87.64 (14.32)        26–130

类别变量
女性（%）              n = 187 (59.9%)
大专及以上（%）         n = 198 (63.5%)
患慢性病（%）           n = 84 (26.9%)

第二步：量表信度分析 — Cronbach's alpha + McDonald's omega

精神卫生量表必须报告本样本信度，审稿人对此非常敏感：

"对 PHQ-9（9 题）和 GAD-7（7 题）分别做内部一致性信度分析：报告 Cronbach's alpha、McDonald's omega、平均题间相关，以及删除各题后的 alpha 变化表。判断是否有题目拖累信度。"

ChatSRS 输出：

PHQ-9 信度分析
Cronbach's alpha = .871（95% CI [.851, .889]）
McDonald's omega = .879
平均题间相关 r = .421

题目删除后 alpha（最低 = item 9 自杀意念题，删除后 alpha = .877 — 略有提升，但建议保留以维护量表完整性）

GAD-7 信度分析
Cronbach's alpha = .843（95% CI [.819, .865]）
McDonald's omega = .851
平均题间相关 r = .398

结论：两个量表内部一致性均处于良好水平（alpha > .80），符合精神测量学报告标准。

为什么同时报告 omega：近年 APA 期刊越来越多要求报告 McDonald's omega，它比 alpha 对因子结构的假设更宽松。ChatSRS 两者都自动输出。

第三步：验证性因子分析（CFA）— 确认量表结构在本样本的适配

PHQ-9 的单因子（单维）结构已有充分先验研究，应做 CFA 而非 EFA：

"对 PHQ-9 做单因子 CFA，报告以下拟合指数：chi-square（df, p）、CFI、TLI、RMSEA（90% CI）、SRMR；并输出标准化因子载荷（λ）及对应标准误、z 值、p 值。如果拟合欠佳，给出修正指数（MI）建议。"

ChatSRS 输出（R 引擎，lavaan 包）：

PHQ-9 单因子 CFA 拟合指数
chi-square(27) = 48.32, p = .007
CFI = .972, TLI = .963
RMSEA = .050 (90% CI [.025, .073])
SRMR = .041

标准化因子载荷（lambda）
item 1（快感缺失）    lambda = .72 (SE = .04, z = 18.3, p < .001)
item 2（情绪低落）    lambda = .78 (SE = .04, z = 21.1, p < .001)
item 3（睡眠障碍）    lambda = .61 (SE = .05, z = 13.7, p < .001)
...（略，共 9 题）

结论：单因子模型拟合良好（CFI > .95, RMSEA < .06, SRMR < .05），PHQ-9 在本样本中的单维结构得到支持。

CFA 详细方法与报告规范，参见：AI CFA 验证性因子分析完整教程

第四步：相关分析 — 核心变量关系网络

"对 PHQ-9 总分、GAD-7 总分、SSRS 总分、QOL 总分做 Pearson 相关矩阵，报告相关系数 r 和双尾 p 值，并在表格对角线处报告各量表的 Cronbach's alpha，生成 APA 格式相关矩阵三线表。"

ChatSRS 输出：

表 2  核心变量描述统计与相关矩阵（N = 312）

变量            M      SD     1           2           3           4
1. PHQ-9       7.84   5.21   (.871)
2. GAD-7       6.52   4.88   .724***    (.843)
3. SSRS        34.18  7.43  -.412***   -.387***    (.893)
4. QOL         87.64  14.32 -.543***   -.498***    .461***    (.912)

注: 对角线括号内为 Cronbach's alpha。*** p < .001

第五步：中介分析 — 社会支持在焦虑与生活质量间的中介

这是精神卫生研究中最高频的分析需求。Hayes（2013）PROCESS 宏的 Bootstrap 法已成为当前发表规范：

"以 GAD-7 总分为自变量 X，QOL 总分为因变量 Y，SSRS 总分为中介变量 M，控制年龄、性别、教育程度、慢性病，做 Bootstrap 中介分析（重抽样 5000 次），报告：(1) a 路径（X→M）、b 路径（M→Y）、c 路径（X→Y，总效应）、c' 路径（直接效应）的非标准化和标准化系数；(2) 间接效应（a×b）的点估计、SE 和 95% BCa Bootstrap 置信区间；(3) 中介效应占总效应比例（PM）。"

ChatSRS 输出：

中介模型：GAD-7 → 社会支持（SSRS） → 生活质量（QOL）
控制变量：年龄、性别、教育程度、慢性病（0/1）

路径系数（非标准化 B, 标准误 SE, 标准化 beta）
a 路径（GAD-7 → SSRS）：  B = -0.542, SE = .092, beta = -.384, t = -5.89, p < .001
b 路径（SSRS → QOL）：    B = 0.703, SE = .124, beta = .365, t = 5.67, p < .001
c 路径（总效应）：         B = -1.347, SE = .168, beta = -.458, t = -8.02, p < .001
c' 路径（直接效应）：      B = -0.965, SE = .171, beta = -.328, t = -5.64, p < .001

间接效应（a × b）
点估计 = -0.381, SE = .086
95% BCa Bootstrap CI [-0.559, -0.218]（基于 5000 次重抽样）

中介效应比例（PM）= .283（社会支持中介了 28.3% 的焦虑对生活质量的效应）

结论：间接效应显著，95% BCa CI 不含 0，社会支持在 GAD-7 与 QOL 之间起部分中介作用。

Bootstrap 中介方法的详细介绍，参见：AI 中介分析完整教程 — Bootstrap PROCESS 一句话完成

论文方法 / 结果写法（APA 7th，心理健康量表研究报告句式）

方法章节：测量工具描述

抑郁症状采用患者健康问卷（PHQ-9；Kroenke et al., 2001）评估，该量表共 9 个条目，采用 4 点计分（0–3），总分范围 0–27，以 5、10、15 分为界区分无、轻、中、重度抑郁症状。焦虑症状采用广泛性焦虑障碍量表（GAD-7；Spitzer et al., 2006）评估，共 7 个条目，4 点计分，总分 0–21。两个量表在本样本中的内部一致性系数分别为 alpha = .871 和 alpha = .843，均处于良好水平。

方法章节：数据分析策略

首先对两个核心量表（PHQ-9 和 GAD-7）进行内部一致性分析（Cronbach's alpha、McDonald's omega）和验证性因子分析（CFA）以确认量表结构在本样本中的适配性，CFA 采用极大似然估计法，拟合评价指标包括 CFI（> .95 为佳）、TLI（> .95）、RMSEA（< .06）和 SRMR（< .08）（Hu & Bentler, 1999）。随后以 Pearson 相关分析检验核心变量间的双变量关系，并采用非参数 Bootstrap 重抽样法（5000 次）进行中介效应检验，以 95% 偏差校正置信区间（BCa CI）评估间接效应的显著性（参考 Hayes, 2013 的 PROCESS 宏方法论框架，ChatSRS 底层以 R 的 boot 包实现非参数 Bootstrap 路径估计）。所有分析均使用 ChatSRS 完成（R 引擎：lavaan 0.6-18 / boot 1.3-28，显著性水平 alpha = .05）。

结果章节：CFA 拟合报告

对 PHQ-9 进行单因子验证性因子分析，结果显示模型拟合良好，chi-square(27) = 48.32，p = .007，CFI = .972，TLI = .963，RMSEA = .050（90% CI [.025, .073]），SRMR = .041。所有题目的标准化因子载荷均大于 .55（范围 .58–.83，全部 p < .001），表明 PHQ-9 的单维结构在本社区样本中得到支持。

结果章节：Bootstrap 中介效应报告

以 GAD-7 焦虑症状为自变量、生活质量（QOL）为因变量、社会支持（SSRS）为中介变量，控制年龄、性别、教育程度和慢性病史，采用 Bootstrap 法（5000 次重抽样）检验中介效应。结果显示，焦虑对社会支持存在显著负向预测（a 路径：B = -0.542，SE = .092，beta = -.384，p < .001），社会支持对生活质量存在显著正向预测（b 路径：B = 0.703，SE = .124，beta = .365，p < .001）。间接效应（a × b）点估计为 -0.381，SE = .086，95% BCa CI [-0.559, -0.218]，置信区间不含零，表明社会支持的部分中介效应显著。控制中介变量后，焦虑对生活质量的直接效应仍显著（c' 路径：B = -0.965，SE = .171，beta = -.328，p < .001），中介效应约占总效应的 28.3%（PM = .283），说明社会支持在焦虑与生活质量之间起部分中介作用。

上面三段可以直接用于论文 Method 和 Results 章节，替换你自己样本的数值即可。ChatSRS 的"APA 报告"功能可根据你上传的数据自动生成对应段落，无需手动转写。

常见 FAQ

Q1: PHQ-9 / GAD-7 用 EFA 还是 CFA？

已有充分文献验证结构的标准化量表（PHQ-9、GAD-7、SAS/SDS、Beck 抑郁量表等）应优先选 CFA，因为你有先验理论假设（如 PHQ-9 单维结构）。EFA 是在没有先验结构假设、探索量表因子构成时使用的。

如果你做的是自制量表或改编量表，流程是：先做 EFA（确认维度结构）→ 在新样本或用同样本一半做 CFA（交叉验证）。在 ChatSRS 输入"对 [量表名] 做探索性因子分析，PAF 法提取，斜交旋转，报告 KMO 和碎石图"即可启动 EFA。

Q2: 中介分析结果为什么要用 Bootstrap 而不是 Sobel 检验？

Sobel 检验假设间接效应（a × b）服从正态分布，但积项乘积的分布通常是偏态的，在中小样本（N < 200）下尤其不准确。Bootstrap 直接从样本中有放回地重抽样，不依赖正态性假设，置信区间估计更精确。

自 2013 年 Hayes 的 PROCESS 宏普及以来，顶级心理学期刊（如 Psychological Science、Journal of Abnormal Psychology）几乎统一要求 Bootstrap BCa CI，Sobel 检验作为辅助信息报告或不报告。ChatSRS 默认使用 Bootstrap 法，重抽样次数 5000，同时输出 Sobel z 值供参考。

Q3: CFA 拟合指数多少算"好"？RMSEA 0.07 能接受吗？

Hu & Bentler（1999）是最常引用的标准：

指数	良好	可接受
CFI	>= .95	>= .90
TLI	>= .95	>= .90
RMSEA	<= .06	<= .08
SRMR	<= .05	<= .08

RMSEA = .07 在多数期刊可接受（须注明 90% CI 且上界 < .10）。但若 CFI 同时低于 .90，则需要考虑修正模型（如允许相关测量误差）。ChatSRS 的 CFA 输出自动给出 MI（修正指数），并提示哪对残差误差相关化后改善最大。

Q4: 样本量多少才够跑 CFA 和中介分析？

经验规则：

CFA：一般建议 N >= 200，或"每参数 5–10 个观测值"（简单单因子量表 N = 100 也常见于发表文献）
Bootstrap 中介：N >= 100 通常足够，N >= 200 更为稳健
含控制变量的中介：每增加一个控制变量建议额外增加 20–30 人

如果样本量不足（如 N < 100），ChatSRS 会自动提示，并建议改用贝叶斯方法（MCMC 采样）或报告置信区间而非 p 值作为效应大小的证据。

Q5: 如何报告量表的区分效度？

区分效度常用 AVE（平均方差提取量）和相关系数平方法：要求量表 AVE 的平方根大于该量表与其他量表的 Pearson 相关系数（Fornell & Larcker, 1981 准则）。另外也可用 HTM-CMV（共同方法偏差检验），如 Harman 单因子检验。

在 ChatSRS 输入："计算 PHQ-9 和 GAD-7 的 AVE 与 CR，检验 Fornell-Larcker 准则，并做 Harman 单因子检验"，即可一步输出区分效度报告。

Q6: 论文投稿要求"使用 SPSS"，ChatSRS 结果可以引用吗？

完全可以。ChatSRS 底层包含 SPSS 引擎（IBM SPSS Statistics 兼容计算逻辑）和 R 引擎（CFA、Bootstrap 中介等 SPSS 需要额外宏/插件的分析默认走 R）。Methods 章节推荐写法：

"信度分析和描述统计使用 SPSS Statistics 28.0 完成，验证性因子分析使用 R 软件（version 4.4，lavaan 包）完成，中介效应检验使用 R 的 boot 包实现非参数 Bootstrap 路径估计（参考 Hayes, 2013 PROCESS 宏方法论），Bootstrap 重抽样次数为 5000 次，置信区间类型为 BCa。"

精神卫生量表分析小结

分析目的	方法	ChatSRS 一句话关键词
样本症状分布全貌	描述统计 + 量表分级频率	"描述统计，PHQ-9 各严重程度等级频率分布"
量表可靠性	Cronbach's alpha + McDonald's omega	"信度分析，同时报告 alpha 和 omega，删题后变化"
因子结构验证	CFA（CFI/TLI/RMSEA/SRMR）	"单因子 CFA，lavaan，报告所有拟合指数和因子载荷"
变量关系网络	Pearson 相关矩阵（含 alpha 对角）	"相关矩阵，对角线显示 alpha，APA 三线表"
中介路径检验	Bootstrap 中介（PROCESS 模型 4/6）	"Bootstrap 中介，5000 次，报告 BCa CI 和 PM"
区分效度	AVE、Fornell-Larcker、Harman 单因子	"AVE 和 CR，Fornell-Larcker 准则，Harman 单因子检验"
组间症状比较	独立 t 检验 / Mann-Whitney U	"性别/慢性病组间 PHQ-9 差异，报告 Cohen's d"

每一步 ChatSRS 均直接输出 APA 7th 格式报告句式，上传数据后对话即得，无需手动转写 SPSS 输出表格。

精神卫生研究数据分析为什么比普通问卷更难

精神卫生研究最常见的两种数据结构

结构一：横截面量表调查（最常见）

结构二：纵向追踪 / 干预研究

全流程分析演示（横截面量表研究场景）

第一步：描述统计 — 掌握症状分布全貌

第二步：量表信度分析 — Cronbach's alpha + McDonald's omega

第三步：验证性因子分析（CFA）— 确认量表结构在本样本的适配

第四步：相关分析 — 核心变量关系网络

第五步：中介分析 — 社会支持在焦虑与生活质量间的中介

论文方法 / 结果写法（APA 7th，心理健康量表研究报告句式）

方法章节：测量工具描述

方法章节：数据分析策略

结果章节：CFA 拟合报告

结果章节：Bootstrap 中介效应报告

常见 FAQ

Q1: PHQ-9 / GAD-7 用 EFA 还是 CFA？

Q2: 中介分析结果为什么要用 Bootstrap 而不是 Sobel 检验？

Q3: CFA 拟合指数多少算"好"？RMSEA 0.07 能接受吗？

Q4: 样本量多少才够跑 CFA 和中介分析？

Q5: 如何报告量表的区分效度？

Q6: 论文投稿要求"使用 SPSS"，ChatSRS 结果可以引用吗？

精神卫生量表分析小结

相关阅读