決策樹分析在高校大學(xué)生生活壓力影響因素分析中的應(yīng)用

陳新林，包生耿，顏偉紅，王小廣，萬建成，吳丹桂

（1.廣州中醫(yī)藥大學(xué)，廣東 廣州 510006；2.廣東外語外貿(mào)大學(xué)，廣東 廣州 510420；3.廣東藥學(xué)院，廣東 廣州510006；4.中山大學(xué)中山醫(yī)學(xué)院，廣東 廣州 510080；5.廣州醫(yī)學(xué)院，廣東 廣州 510182）

大學(xué)階段是人格發(fā)展，世界觀形成的關(guān)鍵時(shí)期。這一時(shí)期大學(xué)生要面臨著一系列重大的人生課題：如大學(xué)生活的適應(yīng)、專業(yè)知識(shí)的學(xué)習(xí)、交友戀愛、擇業(yè)就職等。而且隨著社會(huì)的發(fā)展，大學(xué)生承受的壓力越來越大。但是，大學(xué)生由于身心發(fā)展尚未完全成熟，自我調(diào)節(jié)和自我控制能力不強(qiáng)。大學(xué)生面對(duì)復(fù)雜的問題，容易導(dǎo)致強(qiáng)烈的心理沖突，從而產(chǎn)生較大的心理壓力，甚至產(chǎn)生心理障礙或心理疾病[1]。這使得大學(xué)生的身心健康受到日趨嚴(yán)重的危害。而大學(xué)生的生活壓力受到很多因素的影響，本研究以廣州地區(qū)大學(xué)生為研究對(duì)象，試圖通過決策樹的方法以及 Logistic回歸方法探討影響大學(xué)生生活方式的因素，為促進(jìn)大學(xué)生的心身健康提供科學(xué)依據(jù)。

1 對(duì)象與方法

1.1 對(duì)象及一般情況

采用多階段整群隨機(jī)抽樣方法，從廣州醫(yī)學(xué)院、廣州中醫(yī)藥大學(xué)、中山大學(xué)、廣東藥學(xué)院、廣州外語外貿(mào)大學(xué)隨機(jī)抽取學(xué)生。抽樣方式：以學(xué)院作為第二階段抽樣總體，以學(xué)院的專業(yè)作為第三階段抽樣總體，抽取到某專業(yè)的班級(jí)，則該班級(jí)所有學(xué)生均是調(diào)查對(duì)象。一共抽取到2319名學(xué)生，發(fā)放問卷2319份，回收2319份，回收率100%，有效問卷2306份，有效率99.4(94.7)%。

本研究采用劉賢臣等人于 1987年編制的青少年生活事件量表(ASLEC)[2]；還調(diào)查了大學(xué)生的一般人口學(xué)特征（包括性別、年級(jí)、專業(yè)、家庭子女?dāng)?shù)等）及生活行為方式（運(yùn)動(dòng)、學(xué)習(xí)時(shí)間、人際關(guān)系、戀愛情況等）。

1.2 決策樹分析

本文采用C5算法和CHAID算法建立決策樹。

CHAID(Chi-square automatic interaction detection)算法是按照卡方檢驗(yàn)的顯著性進(jìn)行多元列聯(lián)表的自動(dòng)判斷分組。其過程是：用自變量與結(jié)果變量進(jìn)行交叉分類，產(chǎn)生一系列二維分類表，分別計(jì)算二維分類表的值，以產(chǎn)生 P值最小的二維列表的變量為最佳的初始分類變量，然后在此基礎(chǔ)上繼續(xù)分類，直到P大于設(shè)定的有統(tǒng)計(jì)意義的a值時(shí)停止[5]。CHAID算法是一個(gè)不斷合并和拆分的過程[6]，每一個(gè)自變量每個(gè)水平都要兩兩配對(duì)比較，如果兩個(gè)類別相似的話就劃歸為一類，如果有差別就不能夠劃分為一組。決策樹生長(zhǎng)“枝條”分割顯著性檢驗(yàn)水準(zhǔn)定為0.05。采用預(yù)修剪的方法，事先設(shè)定決策樹生長(zhǎng)的深度為3層，事先指定母結(jié)點(diǎn)上的最小樣本量為80，子結(jié)點(diǎn)上的最小樣本量為40，如果結(jié)點(diǎn)上的樣本量達(dá)不到此要求，則這一結(jié)點(diǎn)為終末結(jié)點(diǎn)，不再進(jìn)行分割。

1.3 統(tǒng)計(jì)分析

采用橫斷面調(diào)查方法。使用 Epidata對(duì)資料進(jìn)行錄入。用SPSS建立logistic模型(前進(jìn)法篩選變量)探索壓力總分的影響因素，使用Clementine軟件的C5.0算法和Answer Tree軟件的CHAID算法分別建立決策樹。

2 結(jié)果

通過前進(jìn)法篩選后，經(jīng)濟(jì)情況、兼職、家庭子女?dāng)?shù)、人際關(guān)系對(duì)生活壓力有影響(P＜0.05)。其中經(jīng)濟(jì)情況、人際關(guān)系是保護(hù)因素，家庭經(jīng)濟(jì)條件好、人際關(guān)系好的大學(xué)生生活壓力小。而獨(dú)生子女、兼職是危險(xiǎn)因素，獨(dú)生子女或者需要參加兼職的大學(xué)生生活壓力大（見表1）。

表1 Logistic回歸結(jié)果

C5.0決策樹分為三層（見圖1）：樹的第一層是按照人際關(guān)系進(jìn)行分枝，大學(xué)生生活壓力最主要的影響因素是人際關(guān)系。第二層是按照經(jīng)濟(jì)情況進(jìn)行分枝。第三層是按照子女?dāng)?shù)進(jìn)行分枝。從整個(gè)決策樹分支可以看出，人際關(guān)系差的大學(xué)生最容易出現(xiàn)生活壓力問題(63.72%)，其次是人際關(guān)系好、經(jīng)濟(jì)情況好的獨(dú)生子女大學(xué)生 (59.79%)。而經(jīng)濟(jì)情況好、人際關(guān)系好的大學(xué)生的生活壓力較小(38.22%)。人際關(guān)系好、經(jīng)濟(jì)情況好的非獨(dú)生子女大學(xué)生的生活壓力也較小(49.05%)（見表2）。

圖1 C5.0分類樹形圖

CHAID決策樹分為三層，共7個(gè)結(jié)點(diǎn)(見圖2)。樹的第一層是按照經(jīng)濟(jì)情況進(jìn)行分枝。經(jīng)濟(jì)情況差的那支又按照人際關(guān)系分支。第三層按照子女?dāng)?shù)分支。經(jīng)濟(jì)情況好的那支按照人際關(guān)系分支。第三層按照參加兼職分支。從整個(gè)決策樹分支可以看出，經(jīng)濟(jì)情況差、人際關(guān)系差的大學(xué)生生活壓力所占的比例最大(68.84%)，其次是經(jīng)濟(jì)情況好、人際關(guān)系差的大學(xué)生(60.23%)。另外，經(jīng)濟(jì)情況差、人際關(guān)系好、獨(dú)生子女的大學(xué)生生活壓力大的所占比例也較大。經(jīng)濟(jì)情況好、人際關(guān)系好的大學(xué)生的生活壓力都較小(見表3）。

表2 C5.0樹模型終末結(jié)點(diǎn)的分類規(guī)則

表3 CHAID模型終末結(jié)點(diǎn)的分類規(guī)則

3 討論

Logistic回歸可以直觀闡述各個(gè)因素對(duì)生活壓力的影響。通過前進(jìn)法篩選后，經(jīng)濟(jì)情況、人際關(guān)系是生活壓力的保護(hù)因素；而家庭子女?dāng)?shù)、兼職情況是生活壓力的危險(xiǎn)因素。

決策樹分析采用的是一個(gè)多次分層的辦法，把樣本劃分為若干個(gè)亞群，生成的樹型圖非常直觀，能夠清楚地顯示出不同特征的亞群其發(fā)生不同結(jié)果的比例，而且在生成二維分類表時(shí)把解釋變量的類別進(jìn)行了重新劃分。C5.0算法按照信息增益來對(duì)樣本進(jìn)行劃分，CHAID按照產(chǎn)生P值最小的二維列表的變量進(jìn)行劃分，兩者的結(jié)果大體相同。

C5.0和CHAID決策樹分析法只顯示出的是變量之間相互作用的關(guān)系，而無法反映因素的主效應(yīng)和疊加效應(yīng)。本文中，C5.0決策樹分析方法沒有體現(xiàn)出兼職這一因素的作用，但是logistic回歸中顯示這一因素的主效應(yīng)有統(tǒng)計(jì)學(xué)意義。兼職與經(jīng)濟(jì)情況存在密切相關(guān)，得到關(guān)聯(lián)系數(shù)等于 0.184；兼職與人際關(guān)系也存在關(guān)系。決策樹分析方法在納入了人際關(guān)系和經(jīng)濟(jì)情況后，由于表現(xiàn)出大量的交互作用，可能就忽略了兼職的效應(yīng)。但logistic回歸模型表明，這一作用是不可忽視的。

C5決策樹既可以非常直觀的解釋，也可以根據(jù)規(guī)則進(jìn)行解釋，適合對(duì)某一屬性作深入的分析。決策樹容易理解、結(jié)果簡(jiǎn)單、結(jié)構(gòu)直觀，能清楚顯示對(duì)分類或預(yù)測(cè)有意義的變量，同時(shí)可以處理有數(shù)值型、兩分類和多分類資料，并且可以處理缺失數(shù)據(jù)，生成一些規(guī)則(從根節(jié)點(diǎn)到每個(gè)葉子節(jié)點(diǎn)對(duì)應(yīng)的路徑就是“規(guī)則”)為決策提供依據(jù)[7]。

它可以分析類別變量、等級(jí)變量以及連續(xù)變量。CHAID算法是先固定一個(gè)首要影響因素，接著固定次要影響因素，而不是用窮盡法把每一種可能性都列舉出來，其對(duì)最末枝人群的劃分不是最優(yōu)的分類，而是一種比較恰當(dāng)?shù)姆诸?。它能夠給我們提供人群的劃分結(jié)果和劃分標(biāo)準(zhǔn)，并且能揭示自變量之間交互作用。Magidson[8]發(fā)現(xiàn)這種交互作用有一定的限制，其得到的是次要因素進(jìn)行的交互作用，并不是全局的交互作用。Magidson認(rèn)為進(jìn)行Logistic分析時(shí)，首先需要用CHAID算法模型來進(jìn)行檢驗(yàn)，然后再建立Logistic模型。Green也認(rèn)為CHAID算法模型能得到結(jié)果的基本結(jié)構(gòu)，而Logit模型則能夠提供這些表述的參數(shù)[9]。

本次研究由于時(shí)間和客觀條件等因素的限制，所采用的生活壓力預(yù)測(cè)變量不盡完善，數(shù)據(jù)集中個(gè)別危險(xiǎn)因素結(jié)果無統(tǒng)計(jì)學(xué)意義，如應(yīng)對(duì)方式等因素未納入預(yù)測(cè)指標(biāo)集。

本文旨在為大學(xué)生生活壓力的研究提供一種新的思路。不同屬性的大學(xué)生的生活壓力可能有不同的危險(xiǎn)因素，應(yīng)分別構(gòu)建預(yù)測(cè)模型。開展大學(xué)生心理健康教育和指導(dǎo)時(shí)，要結(jié)合不同亞群人群的特點(diǎn)，有針對(duì)性開展；要特別關(guān)注人際關(guān)系差、經(jīng)濟(jì)情況差或者獨(dú)生子女的大學(xué)生。

[1]倪有娣,樓美麗.大學(xué)生生活事件及應(yīng)對(duì)方式的研究[J].杭州師范學(xué)院學(xué)報(bào)(醫(yī)學(xué)版),2005,(05):84-86,89.

[2]劉賢臣,劉連啟,楊杰等.青少年生活事件量表的編制與信度效度檢驗(yàn)[J].中國臨床心量學(xué)雜志,1997,(5):34-36.

[3]方俊群,羅家有,姚寬保,等.C5.0決策樹法在出生缺陷預(yù)測(cè)中的應(yīng)用[J].中國衛(wèi)生統(tǒng)計(jì),2009,26(5):473-476.

[4]張家旺,韓光勝,張 偉.C5.0算法在RoboCup 傳球訓(xùn)練中的應(yīng)用研究[J].計(jì)算機(jī)仿真,2006,23(4):132-134.

[5]石 玲,王 燕.嬰幼兒死亡危險(xiǎn)因素的研究--兼論CHAID方法的原理及應(yīng)用[J].中國衛(wèi)生統(tǒng)計(jì),2002,19(5):283-285.

[6]PERREAULT WD,BARKSDALE HC.A model-free approach for analysis of complex contingency data in survey research[J]. Journal of Marketing Research,1980,17(4)：503-515.

[7]陸安生,陳永強(qiáng),屠浩文.決策樹C5算法的分析與應(yīng)用[J].電腦知識(shí)與技術(shù),2005,(3):17-20.

[8]MAGIDSON J.Some Common Pitfalls in Causal Analysis of Categorical Data[J].Journal of Marketing Research, 1982,19(4):461-472.

[9]GREEN P E. An AID/Logit procedure for analyzing large multiway contingency tables[J].Journal of Marketing Research,1978,15(1):132-137.