摘要：为了快速认定心理异常学生，做到及时疏导和治疗处理，该文以症状自评量表（SCL-90）测定数据为依据，经过主成分分析，形成作用表达式，以此验证学生是否有问题。

关键词：心理异常；主成分分析；症状自评量表

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2016）15-0179-02

Abstract： To quickly identify students of abnormal psychology， so that timely guidance and treatment， This paper based on the SCL-90 measured data， through the principal component analysis， in order to verify whether there is a problem with the students.

Key words： abnormal psychology； principal component analysis； self-reporting inventory

1概述

近年来，随着生活的节奏越来越快，国内出现精神异常者也逐年增加，导致精神病医院人满为患，亚健康人群更是多之又多。这种情况在高校也十分常见，尤其在高等职业教育院校更为突出。

如何快速判别心理问题学生十分困难，为了让管理者快速得到准确信息，本文主要从三个方面来分析高职学生的心理问题，通过建立数据模型进行主成分分析，用数学的方法来建立模型，分析其是否有精神异常。通过大量数据进行分析，总结得出主成分表达式，实现用简单的表达式来即时预测。从而使得管理者及时有效地做到有的放矢对学生进行精准疏导和精神治疗。目前，很多高职院校都建立了心理健康咨询中心，定期对全院学生进行测评，了解学生的心理状况，但缺少数据分析方法，往往是通过对话交流、打电话、发短信与心理辅导老师进行交流，很多学生还对此心理辅导有抵触情绪，若没有及时疏导，会导致很严重后果发生。本研究就是通过使用症状自评量表SCL-90（以下简称SCL-90表）进行测试，以此数据作为样本进行研究，用数据挖掘技术进行动态跟踪，预测判断，做到及时疏导处理。

2研究思路

症状自评量表SCL-90是目前最为流行的，用来测试发现心理问题学生的一种最为常见的测量表。本研究就是以SCL-90表作为测试题。SCL-90表共有90道题，试题内容主要涵盖身体状况、强迫症状、人际关系、抑郁、焦虑等10个方面，每道题共有5个可选项，每个选项都是以“无、轻度、中度、重度、严重”作为选择项答案。测试者依照自己具体情况如实回答即可。经过近三年努力，共收集了合格答卷1888份SCL-90表实测数据，以此为实验样本，进行如下研究。具体步骤如下：

第一步：通过SCL-90表数据，进行清洗，踢去一些错误信息或有空格情况的数据。形成excel电子表格文档。

第二步：把90道试题依照内容不同分别划分为10个方面。分别对这10个方面进行统计，这10个方面分别用F1，F2，…，F10作标记，分别表示身体状况、强迫症状、人际关系、抑郁状况、焦虑情况、敌对情绪、恐怖、偏执、精神病性和其他等10项内容。

第三步：针对此表格统计数据进行第一次按权值合并取平均值。从严重程度来分析，人为赋予其权，从无到严重分别记权为1到5。即若选“无”为1，选“严重”加权值为5。获得其平均值，作为F值，结果如表1所示。

第四步：利用IBM SPSS Statistics 19来进行分析。通过降低维度，找到主要成分，形成Q表达式。

第五步：通过此公式来验证此方法的正确与否。

3 实验结果

以此数据作为样本，在IBM SPSS Statistics 19软件环境下，进行降低维度，通过因子分析得出如下相关矩阵，如下表2所示。从而得到了各成分的方差贡献率和累计贡献率，如表3所示。得出了主成分矩阵，如表4所示。通过观测表4，显示在各个变量上的权重，可以得到表达式Q。

通过对表4成分矩阵得知，获得了一个主成分，可以通过此为主成分，建立Q表达式，表示如下：

Q=F1*0.744+ F2*0.654+ F3*0.705+ F4*0.815+ F5*0.849+ F6*0.602+ F7*0.598+ F8*0.707+ F9*0.823+ F10*0.727，通过此表达式Q对1888人的实际数据测定，计算出某学生的心理状况，最低值为9.00432，最高值为41.7192。高值为异常情况，分析其原因主要是因为身体状况因素（F1）、抑郁状况（F4）、焦虑情况（F5）、精神病性（F9） 因素影响。即一个人存在抑郁或者焦虑加上患有精神病性问题必然导致心理问题。从而得出用此方法可以快速得知测试结果进行计算，就可以及时发现存在的问题。Q值的平均值简称Q均值，Q均值高于3以上的表示问题严重，在2至3之间表示心理问题较严重，1.5至2之间表示较轻，1.5以下为正常。实践表明，此结论与实际更接近。

4 结果分析

其他方法测试结果与此结果的平均值相对比，得到如下数据，见表5。阳性项目均值与Q均值相比较，存在一定的差异，其差异主要原因是因为对F1--F10各项进行了加权平均，使得有了一些修正，使得结论更为精确。

5 总结

及时高职学生心理问题是迫在眉睫的当务之急。本论文就是基于此问题之上，研究如何通过科学的方法及时发现问题学生，快速疏导。利用数据挖掘技术来进行前瞻性的分析，给高职学院的学生管理者提供一个科学决策的依据。通过主成分分析方法得到其各项指标参数，利用此结果作为其权值，得到一个作用表达式Q，计算出其均值，利用均值大小区间判定其是否为异常者。这种方法虽然简单但很直接。能够简单定位。

参考文献：

[1] 马锦华.大学生心理健康评价中的心理测验误差分析[J]. 安阳师范学院学报，2001（6）：37-39.

[2] 王璇.改进的Apriori 算法在大学生心理数据分析中的应用[J].中原工学院学报，2011（2）：35-38.

[3] 王茂莉.数据挖掘技术在中、 高职关键能力衔接指标构建中的应用[J]. 深圳职业技术学院学报，2013（1）：44-47.

[4] 李录平.新形势下高职心理健康教育工作探索研究[J].科教文汇，2013（231）：193-196.

[5] 王学志，魏继华，武立博.高职院校大学生心理健康状况影响调查[J].教育与职业，2013（2）：44-45.

[6] 许晓旭，许翠.积极心理健康教育视角下自尊的研究综述[J].现代教育科学：中学教师，2013（2）.

[7] 刘路.心理健康量表在体质研究中的应用[J]. 体育科技文献通报，2013（2）：126-127.

[8] 方双虎，徐英武.大学生心理健康教育与拓展训练[M].上海交通大学出版社，2012.