2．研究方法

2.1 被试

通过分层随机整群抽样在华南地区10所中学招募被试。样本首先按地区（城市、农村）分层，再按学校类型（重点、普通）分层。与普通中学相比，重点中学通常拥有更好的师资、设施和资源，从而吸引更优质的生源。选择两类学校有助于增加被试特征的变异性。共有2758名青少年参加研究。46%的被试为男生。60%的父亲和69%的母亲受教育水平低于高中；35%的父亲和58%的母亲从事非技术或准技术职业。这些比例与2010年全国人口普查数据大体相当，表明样本具有一定的代表性。被试平均年龄13.53岁（SD=1.06，全距=10-19）。研究表明，该年龄段的青少年出现网络成瘾的风险较高[51]。

2.2 测量

如下所述，所有工具均在先前研究中或先前对本样本数据的分析中建立了信度和效度。由于所有测量都来自青少年自我报告，可能存在共同方法偏差。我们采用Harman单因子检验[52]来考察共同方法偏差的严重性。如果未经旋转的因子分析中出现了单个因子或第一个因子解释了40%以上的变异，则表明存在严重的共同方法偏差[53]。结果表明，未经旋转的主成分分析得到了10个特征值大于1的因子，且第一个因子只解释了总变异的22.06%，表明共同方法偏差问题并不明显。

2.2.1 气质

要求青少年对测评四种气质特征的问卷进行回答。各项目为6点计分（1 =完全不符合，6 = 完全符合），分数越高表示每种气质特征越明显。

意志控制。采用西方研究者开发、中国研究者改编的包含16个项目的量表进行测评[7,54]。这些项目与激活控制、注意力和抑制控制有关。样题：“即使任务很困难，我也会按时完成”。本次测量中，该量表的Cronbach's α系数为0.83。

感觉寻求。采用Steinberg等人[23]开发、Li等人[7]修订的含有6个项目的量表进行测量。样题：“我喜欢新奇和兴奋的体验，哪怕这些体验有点恐怖”。本次测量中，该量表的Cronbach's α系数为0.83。

愤怒/挫折。采用李董平等人[55]开发的包含8个项目的量表进行测量。样题：“中断我喜欢做的事会让我感到生气”。本次测量中，该量表的Cronbach's α系数为0.75。

羞怯。采用李董平[56]开发的5个项目进行测量。样题：“见到不认识的人，我感到紧张和不自然”。本次测量中，该量表的Cronbach's α系数为0.82。

2.2.2 不良同伴交往

采用改编自以往问卷[57,58]中的8个项目进行测量。青少年报告过去一年里好朋友中有多少人做过所列偏差行为（即吸烟、饮酒、考试作弊、偷窃或入店行窃、破坏财物、沉迷网络、旷课、身体和言语攻击）。样题：“最近12个月以来，你的好朋友中有多少人吸烟？”在5点量表上（1 = 没有，5 = 几乎全部）评分，分数越高表示不良同伴交往越多。以往有关网络成瘾的研究只采用单个项目评估不良同伴交往[43,44]，而我们采用了多个项目。工具的效度较以往研究有所增强，因为单一项目难以完全捕捉感兴趣变量的丰富内涵[59]。我们对所有项目进行探索性因子分析，结果仅能提取特征值大于1的一个因子。该因子可解释48.55%的变异，各项目的因子载荷介于0.57—0.81。该工具在以往研究[60]和当前研究（α = 0.83）中均有着良好的信度。

2.2.3 网络成瘾

采用改编自Young[61]“网络成瘾诊断问卷”的10个项目进行测量。青少年在6点量表上（1 = 完全不符合，6 = 完全符合）评估每个项目的符合程度。样题：“我将上网作为缓解不良情绪的方法”。计算所有项目的均值，分数越高表示网络成瘾倾向越明显。该问卷在中国青少年样本中有着良好的信效度[7,21,39]，且类似项目在“中国儿童青少年心理发育特征调查”中有所使用[51]。本次测量中，该问卷的信度良好（α = 0.92）。

2.2.4 控制变量

先前研究表明，性别、年龄、家庭社会经济地位、家庭功能、学校类型、邻里安全等人口学变量与青少年网络成瘾有关[21,39,51]。为了揭示气质的独特作用，我们对这些协变量进行了控制。

社会经济地位。通过对多个指标（父母受教育程度、家庭经济状况、父母职业状况）进行主成分分析，得到单因素的家庭社会经济地位指标，得分越高表示社会经济地位越好。

家庭功能。采用“家庭功能问卷”[62]的6个项目进行评估。例如，“我们相互信赖”。被试评估每个项目与他们家庭实际情况的符合程度（1 = 完全不像我家，4 = 很像我家）。计算所有项目的平均分，分数越高表示家庭功能越好。验证性因子分析表明，单因子模型对数据拟合良好（RMSEA = 0.02, NNFI =1.00, CFI = 1.00, SRMR = 0.01）。本次测量中，问卷的Cronbach's α系数为0.82。

邻里安全。采用杨雪等人[62]使用的7个项目进行评估。被试在每个项目上评估他们所在社区安全问题（打架斗殴、抢劫、吸毒、赌博等）出现的频率（1 = 从不，4 = 总是）。样题：“在我家的周边环境中，有人偷窃”。计算所有项目的平均分，得分越高表示所在社区越不安全。本次测量中，问卷的Cronbach's α系数为0.78。探索性因素分析仅能抽取一个因子，共解释45.26%的变异，各项目因子载荷介于0.59 — 0.74。

2.3 数据分析

由于缺失数据不超过2%，我们采用均值插补的方法进行处理[63]。采用MacKinnon[64]提出的分析程序检验中介效应。该程序要求满足以下三个条件：①每个气质维度与不良同伴交往关系显著；②在控制青少年气质后，不良同伴交往与网络成瘾关系显著；③青少年气质通过不良同伴交往与网络成瘾的间接路径显著。我们采用偏差校正的Bootstrap置信区间来确定最后一个条件是否得到满足。Bootstrap方法的标准误更小，能为中介关系的显著性提供有力的证据，因此，研究者推荐使用该方法作为间接效应估计的方法[65,66]。

为了全面考察四种气质维度、不良同伴交往与网络成瘾之间的关系，我们在LISREL 8.72[67]中进行了结构方程建模[68]。选择结构方程建模是因为它使用极大似然函数来模拟变量间的关系，这在分析大样本横断数据时尤为有用[69,70]。

采用卡方检验（χ2）、比较拟合指数（CFI）、标准化残差均方根（SRMR）和近似误差均方根（RMSEA）评估模型拟合情况。χ2值不显著（p > 0.05）, CFI > 0.95, SRMR ≤ 0.08, RMSEA ≤ 0.06，则可以认为假设模型对观测数据拟合良好[71]。