1 引言
随着科技和社会的不断发展，互联网变得触手可及，信息更加丰富，与此同时，我国的网民规模也在不断扩大。根据中国互联网信息中心发布的第54次《中国互联网络发展状况统计报告》显示，截至2024年6月，我国网民规模近11亿人(10.9967亿人)，较2023年12月增长742万人，互联网普及率达78.0%，我国新增网民742万人，其中青少年占新增网民的49.0%。一方面，一些研究表明，互联网的使用可对青少年产生有利影响，如查找资源更加便捷等(谷光, 张莉莉, 2024)。另一方面，不恰当的网络使用可能会给青少年带来不利影响，如产生厌学等(Chang et al., 2022)。
青少年正处于认知能力发展的重要时期，对待信息的甄别能力有限，自控能力尚不成熟，非常容易被互联网的一些负面信息影响并沉迷网络(Ferrández-Mas et al., 2023)。据王莉等人(2024)的研究，青少年网络成瘾检出率达10%，青少年网络成瘾的问题已经成为中小学教育工作者、家长所关注的重要问题。因此，探讨青少年网络成瘾的发展变得尤为重要。另外，青少年网络成瘾发生率还可能存在着性别差异(Peng et al., 2022)。一些研究发现，男性青少年比女性青少年更容易出现网络成瘾(Li, 2023a; Peng et al., 2022)，这是因为男性青少年可能更易寻求网络刺激，如网络游戏等(Li, 2022)。这提示，需要关注青少年网络成瘾发展中可能存在的性别差异。
近年来对于网络成瘾领域的研究更多集中于网络成瘾的影响因素(Guo et al., 2023; Liu et al., 2023; Lu et al., 2022)。据邓林园等人(2012)的“心理需求网络满足优势理论”，青少年的上网行为关系到个体的心理需求，当个体发现网络满足途径优于现实满足后，就会通过上网来满足其心理需求，进而增加网络成瘾的风险。随着时代的发展，青少年有上网的心理需求，并出现了不同的应对方式，有些青少年逃避至网络以满足自我，出现了抑郁焦虑等情绪，有些青少年以暴饮暴食来获得满足感(Chwaszcz et al., 2018)。一些研究表明生活满意度与网络成瘾存在相关，其原因可能是青少年对现实生活不满意，转而向网络寻找安慰(Błachnio et al., 2019)。此外，青少年时期作为个体生理、心理发育的关键时期，也有可能为了逃避身心带来的负面情绪而沉溺于网络世界(Stojković et al., 2022)。因此，还需关注青少年网络成瘾与青少年生理与心理问题的关系。而抑郁、焦虑和超重/肥胖是当前我国青少年中可能存在的心理与生理问题。一些研究表明，抑郁、焦虑和超重/肥胖与青少年网络成瘾存在显著的正相关(Shorey et al., 2022; Yen et al., 2014)。
对于青少年网络成瘾的研究，大多集中于横断研究(Li, 2023b; Liu et al., 2022)，但也有一些研究是从纵向角度进行分析的。例如，Gentile等人(2011)通过增长混合模型(growth mixture modeling, GMM)，采用为期两年的追踪考察儿童和青少年样本中的病理性网络游戏障碍，发现其随着时间的推移存在不同的发展趋势。陈诗韵等人(2023)对1279名初一学生进行了三年追踪，采用GMM和网络分析方法识别网瘾风险青少年及其网瘾症状的演化规律，将青少年区分为正常组和风险组。
然而，目前的研究尚存在两方面的不足：一是鲜有研究使用多组增长混合模型(multiple-group growth mixture modeling, MG-GMM)进行亚组分析(如按性别不同进行分析)，导致难以考察亚组间的差异性；二是鲜有研究在考察影响因素时能够较为全面地把个体因素、环境因素等纳入纵向分析中，导致在纵向研究中对于影响因素的探讨不够全面和具体。因此，基于前人研究的不足，采用MG-GMM对青少年网络成瘾的发展轨迹及其影响因素进行全面分析：首先，对青少年网络成瘾的发展轨迹进行分析，以了解青少年网络成瘾的不同发展轨迹；其次，建立MG-GMM，以考察青少年网络成瘾在亚组上的不同发展轨迹；最后，探究青少年网络成瘾发展轨迹与应对方式、生活满意度、抑郁、焦虑、超重/肥胖等因素之间的关系。
2 研究方法
2.1 被试
随机取样1545名学生，对他们进行了为期6个月的追踪，共进行了三次网络成瘾量表纸笔测试，第一次与第二次测试间隔三个月，第二次与第三次测试也间隔三个月；特质应对方式问卷、多维学生生活满意度量表、抑郁自评量表、焦虑自评量表、BMI指数均在第一次测试时进行。三次网络成瘾量表测试均存在被试流失，其原因为：(1)测试当天缺勤；(2)题目错填或漏填；(3)转学或休学。剔除未完成三次测试的被试，最后保留被试1429名，其中，男性青少年636名，女性青少年793名，平均年龄14.88±1.80岁。
2.2 研究工具
2.2.1 网络成瘾量表
采用Young和De Abreu(2010)编制的网络成瘾量表(Internet Addiction Test, IAT)进行测量，该量表是在参照DSM-IV中病理性赌博成瘾的鉴别标准后修改而成的。IAT包含20个条目，如“你觉得上网的时间比你预期的要长吗？”采用5级计分。1表示“几乎没有”，2表示“偶尔”，3表示“有时”，4表示“经常”，5表示“总是”。总分越高表示网络成瘾程度越高。该量表在本研究中的内部一致性表现良好(T1: Cronbach’s α=0.90; T2: Cronbach’s α=0.91; T3: Cronbach’s α=0.92)。
2.2.2 特质应对方式问卷
采用姜乾金和祝一虹(1998)编制的特质应对方式问卷(Trait Coping Style Questionnaire, TCSQ)进行测量。TCSQ包含20个条目，如“能尽快将不愉快忘掉”，采用5级计分。1表示“从不这样”，2表示“很少这样”，3表示“有时这样”，4表示“常常这样”，5表示“总是这样”。分为积极应对方式(positive coping)和消极应对方式(passive coping)两个因子。个体在某一因子得分越高，表示其越倾向于该应对方式特质。该量表在本研究中的内部一致性表现良好(Cronbach’s α=0.85)。其中，积极应对方式因子的Cronbach’s α为0.86，消极应对方式因子的Cronbach’s α为0.84，表明分维度的内部一致性良好。
2.2.3 多维学生生活满意度量表
采用田丽丽和刘旺(2005)翻译的多维学生生活满意度量表−中文版(Multidimensional Students’ Life Satisfaction Scale, MSLSS-Chinese Version)进行测量。MSLSS-Chinese Version包含40个条目，如“我很喜欢和家人在一起”，共分为5个维度，分别为家庭满意度、朋友满意度、学校满意度、生活环境满意度和自我满意度，采用6级计分。1表示“完全不同意”，2表示“很不同意”，3表示“不同意”，4表示“部分同意”，5表示“同意”，6表示“完全同意”。5个维度的平均分即为一般满意度得分，得分越高表示生活满意度越高。该量表在本研究中的内部一致性表现良好(Cronbach’s α=0.90)。其中，家庭满意度、朋友满意度、学校满意度、生活环境满意度、自我满意度各因子的Cronbach’s α分别为0.90、0.89、0.92、0.89、0.91，表明分维度的内部一致性良好。
2.2.4 抑郁自评量表
采用Zung(1965)编制的抑郁自评量表(Self-rating Depression Scale, SDS)进行测量。SDS包含20个反映抑郁主观感受的项目，其中10项为反向计分，如“我觉得闷闷不乐，情绪低沉”，按症状出现的频度采用4级计分。1表示“没有或很少时间”，2表示“小部分时间”，3表示“相当多时间”，4表示“绝大部分或全部时间”。所选项目得分相加为最终得分。该量表在本研究中的内部一致性良好(Cronbach’s α=0.80)。
2.2.5 焦虑自评量表
采用Zung(1971)编制的焦虑自评量表(Self-rating Anxiety Scale, SAS)进行测量。SAS包含20个反映焦虑主观感受的项目，其中5项为反向计分，如“我觉得比平常容易紧张和着急”，按症状出现的频度采用4级计分。1表示“没有或很少时间”，2表示“小部分时间”，3表示“相当多时间”，4表示“绝大部分或全部时间”。所选项目得分相加为最终得分。该量表在本研究中的内部一致性良好(Cronbach’s α=0.73)。
2.2.6 BMI指数
BMI指数(Body Mass Index)是指用被试体重(公斤)除以其身高(米)的平方得出的数值。根据《中华人民共和国卫生行业标准(WS/T 586—2018)学龄儿童青少年超重与肥胖筛查》，BMI大于等于24为超重，大于等于28为肥胖。对BMI进行编码，0表示“正常”，1表示“超重/肥胖”。
2.3 统计方法
3 结果
3.1 共同方法偏差检验
Harman单因素检验结果表明，特征根大于1的因子有24个，第一个因子的解释量为15.22%，小于临界值40%(周浩, 龙立荣, 2004)，表明该研究不存在严重的共同方法偏差。
3.2 描述性统计
青少年网络成瘾及相关变量的描述性统计结果如表1 所示。
表1 青少年网络成瘾及相关变量的描述性统计结果[M(SD)] |
| 变量 | 总体 | 男性 | 女性 |
| 年龄(T1) | 14.88(1.80) | 14.84(1.78) | 14.90(1.82) |
| T1网瘾总分 | 33.59(11.66) | 34.43(12.33) | 33.01(11.05) |
| T2网瘾总分 | 31.75(10.33) | 32.58(11.00) | 31.08(9.71) |
| T3网瘾总分 | 29.56(10.13) | 29.51(10.60) | 29.63(9.75) |
| 积极应对方式 | 30.48(9.01) | 29.12(10.04) | 31.58(7.92) |
| 消极应对方式 | 22.02(7.81) | 19.91(7.98) | 23.71(7.25) |
| 家庭满意度 | 34.72(7.18) | 34.93(7.88) | 34.56(6.57) |
| 朋友满意度 | 41.05(5.93) | 41.03(7.13) | 41.07(4.75) |
| 学校满意度 | 32.13(4.85) | 32.33(6.06) | 31.98(3.59) |
| 生活环境满意度 | 37.37(6.12) | 37.59(7.48) | 37.18(4.75) |
| 自我满意度 | 33.50(5.98) | 34.20(6.86) | 32.94(5.11) |
| 一般满意度 | 35.76(4.61) | 36.02(5.74) | 35.55(3.44) |
| 抑郁 | 39.36(8.44) | 39.47(8.61) | 39.27(8.30) |
| 焦虑 | 33.22(6.54) | 32.99(6.24) | 33.40(6.77) |
| 超重/肥胖比例 | 0.16(0.38) | 0.15(0.37) | 0.18(0.39) |
| 体重 | 59.05(10.07) | 63.05(9.89) | 53.05(13.07) |
| 身高 | 1.66(0.75) | 1.70(0.79) | 1.63(0.65) |
| BMI | 21.43(5.04) | 21.82(4.95) | 19.97(5.14) |
从表1 可知，在网络成瘾上，除了T3外，男性分数均显著高于女性分数(T1: t=2.27, p=0.048; T2: t=2.70, p=0.008)。在应对方式上，女性要显著高于男性(积极应对方式: t=5.05, p<0.001; 消极应对方式: t=9.32, p<0.001)。在生活满意度上，男女的程度相当。在超重/肥胖比例上，大多数个体的体型属于正常组，但也有16%的个体属于超重/肥胖组。
3.3 增长混合模型
将截距和斜率的方差限制为跨类别等同，为确定最佳类别数量，分别建立了1、2、3、4、5类别的增长混合模型，结果如表2 所示。
表2 增长混合模型拟合结果 |
| 类别数目 | AIC | BIC | aBIC | Entropy | LMR-LRT(p) | BLRT(p) | 类别概率 |
| 1类别 | 24534.91 | 24577.03 | 24551.62 | ||||
| 2类别 | 29363.71 | 29421.62 | 29386.67 | 0.91 | 0.001 | <0.001 | 0.084/0.916 |
| 3类别 | 29158.99 | 29232.69 | 29188.21 | 0.88 | <0.001 | <0.001 | 0.033/0.775/0.192 |
| 4类别 | 29073.70 | 29163.20 | 29109.19 | 0.91 | 0.290 | <0.001 | 0.857/0.062/0.032/0.049 |
| 5类别 | 28944.25 | 29049.55 | 28986.02 | 0.87 | 0.305 | <0.001 | 0.172/0.061/0.712/0.032/0.023 |
由表2 可知，AIC、BIC、aBIC均指向1类别模型，Entropy指向2类别和4类别模型，但LMR-LRT则指向3类别模型。在综合各项拟合指标后，发现2类别和3类别模型可能是最佳模型。但是，在AIC、BIC和aBIC中3类别的值更小。在考虑了各类别的实际意义后，最终选择3类别模型作为GMM的最佳拟合模型。3类别模型的各类别的截距和斜率如表3 所示，基于样本均值的各类别发展趋势如图2 所示。
根据表3 和图2 的结果，类别1的样本比例最大，达到77.5%，截距为30.791(p<0.001)，斜率为−2.665(p<0.001)，呈现出初始水平较低并随着时间推移不断下降的趋势，因此将其命名为“低−下降”组。类别2的样本比例为19.2%，截距为41.293(p<0.001)，斜率为−0.718(p=0.117)，呈现出初始水平中等且随着时间推移保持稳定或略微下降的趋势，因此将其命名为“平稳”组。类别3的样本比例为3.3%，截距为50.374(p<0.001)，斜率为6.047(p<0.001)，呈现出初始水平较高且随着时间推移不断上升的趋势，因此将其命名为“高−上升”组。
3.4 不同发展轨迹的性别差异
使用嵌套模型，将性别间截距和斜率限制为相等的模型和性别间截距和斜率为自由估计的模型进行比较，使用对数似然比进行检验。在获得了对数似然比H0值和比例因子以及参数个数后，根据S-B校正法(Satorra-Bentler scaling correction)计算χ2(Satorra & Bentler, 2001)，结果表明两个嵌套模型在χ2上存在显著差异(χ2=234.08, df=11, p<0.001)。这证实了男性与女性青少年网络成瘾发展轨迹在统计学上存在显著差异，可以建立MG-GMM。按性别划分的每个类别的发展轨迹的截距和斜率及发展趋势如表4 、图3 和图4 所示。
表4 男性与女性青少年网络成瘾发展轨迹 |
| 类别 | M | SE | Est./SE | p | n(比例) | ||
| 男 | 类别1 | 截距 | 31.145 | 0.502 | 62.007 | <0.001 | 459(72.2%) |
| 斜率 | −3.320 | 0.234 | −14.213 | <0.001 | |||
| 类别2 | 截距 | 41.902 | 1.134 | 36.966 | <0.001 | 153(24.0%) | |
| 斜率 | −0.994 | 0.549 | −1.812 | 0.070 | |||
| 类别3 | 截距 | 54.563 | 3.823 | 14.271 | <0.001 | 24(3.8%) | |
| 斜率 | 3.904 | 1.842 | 2.120 | 0.034 | |||
| 女 | 类别1 | 截距 | 30.559 | 0.383 | 79.739 | <0.001 | 653(82.4%) |
| 斜率 | −2.194 | 0.185 | −11.871 | <0.001 | |||
| 类别2 | 截距 | 41.025 | 1.891 | 22.755 | <0.001 | 119(15.0%) | |
| 斜率 | −0.309 | 0.672 | −0.459 | 0.646 | |||
| 类别3 | 截距 | 45.661 | 3.788 | 12.055 | <0.001 | 21(2.6%) | |
| 斜率 | 8.870 | 1.865 | 4.757 | <0.001 |
根据表4 ，男生样本中有72.2%的样本属于“低−下降”组，有24.0%的样本属于“平稳”组，而有3.8%的样本属于“高−上升”组。而在女生样本中，有82.4%的样本属于“低−下降”组，有15.0%的样本属于“平稳”组，仅有2.6%的样本属于“高−上升”组。
对各组进行OR值分析，发现男性(72.2%)属于“低−下降”组的可能性要显著低于女性(82.4%)(OR=0.556, 95%CI=[0.432, 0.715], p<0.001)。而在“平稳”组中，男性(24.0%)属于“平稳”组的可能性要显著高于女性(15.0%)(OR=1.794, 95%CI=[1.374, 2.342], p<0.001)。在“高−上升”组中，男女性之间不存在显著差异，但男性(3.8%)比例要稍高于女性(2.6%)(OR=1.422, 95%CI=[0.795, 2.614], p=0.226)。对比图3 和图4 ，在“低−下降”组和“平稳”组中，女性青少年的网络成瘾初始水平稍低于男性，其下降速度要慢于男性；在“高−上升”组中，女性青少年的网络成瘾初始水平要远低于男性，但其上升速率却快于男性。
3.5 不同性别青少年网络成瘾发展轨迹的风险因素和保护因素
各协变量对男性青少年网络成瘾发展轨迹的预测如表5 所示。
表5 协变量对男性青少年网络成瘾发展轨迹的预测 |
| 协变量 | 平稳vs低−下降 | 高−上升vs低−下降 | 高−上升vs平稳 |
| 积极应对方式 | −0.027(0.019) | 0.011(0.038) | 0.038(0.043) |
| 消极应对方式 | 0.085(0.022)*** | 0.112(0.038)** | 0.027(0.042) |
| 家庭满意度 | −0.024(0.024) | −0.069(0.046) | −0.045(0.047) |
| 朋友满意度 | 0.029(0.031) | 0.096(0.048)* | 0.068(0.052) |
| 学校满意度 | −0.044(0.030) | −0.140(0.090) | −0.096(0.094) |
| 生活环境满意度 | 0.088(0.029)** | 0.050(0.057) | −0.038(0.066) |
| 自我满意度 | −0.073(0.031)* | 0.021(0.041) | 0.094(0.049) |
| 一般满意度 | −0.009(0.001) | −0.018(0.001) | −0.009(0.001) |
| 抑郁 | −0.036(0.024) | 0.038(0.041) | 0.074(0.045) |
| 焦虑 | 0.074(0.027)** | 0.070(0.051) | −0.003(0.047) |
| 超重/肥胖 | −0.647(0.505) | 1.326(0.570)* | 1.973(0.689)* |
注：*p<0.05，**p<0.01，***p<0.001，以下同。 |
据表5 可知，相较于“低−下降”组，消极应对方式的增长显著增加了个体属于“平稳”组或“高−上升”组的可能性(b=0.085, SE=0.022, p<0.001; b=0.112, SE=0.038, p=0.007)。而在朋友满意度中，相较于“低−下降”组，对朋友的满意程度越高，越有可能属于“高−上升”组(b=0.096, SE=0.048, p=0.042)。在生活环境满意度中，相较于“低−下降”组，个体对生活环境的满意程度越高，越有可能属于“平稳”组(b=0.088, SE=0.029, p=0.009)。在自我满意度中，个体对自我的满意程度越高，越有可能属于“低−下降”组而不是“平稳”组(b=−0.073, SE=0.031, p=0.048)。在焦虑中，个体焦虑程度越高，越有可能属于“平稳”组而不是“低−下降”组(b=0.074, SE=0.027, p=0.007)。在超重/肥胖中，相较于“低−下降”组或“平稳”组，属于超重/肥胖组的个体，更有可能属于“高−上升”组(b=1.326, SE=0.570, p=0.028; b=1.973, SE=0.689, p=0.018)。
各协变量对女性青少年网络成瘾发展轨迹的预测如表6 所示。
表6 协变量对女性青少年网络成瘾发展轨迹的预测 |
| 协变量 | 平稳vs低−下降 | 高−上升vs低−下降 | 高−上升vs平稳 |
| 积极应对方式 | −0.037(0.021) | −0.019(0.025) | 0.018(0.029) |
| 消极应对方式 | 0.105(0.022)*** | 0.086(0.030)** | −0.019(0.033) |
| 家庭满意度 | −0.050(0.021)* | −0.046(0.031) | 0.004(0.032) |
| 朋友满意度 | 0.049(0.035) | 0.005(0.037) | −0.044(0.037) |
| 学校满意度 | −0.024(0.037) | −0.091(0.060) | −0.068(0.067) |
| 生活环境满意度 | 0.044(0.034) | 0.050(0.048) | 0.007(0.051) |
| 自我满意度 | −0.024(0.032) | −0.021(0.039) | 0.003(0.039) |
| 一般满意度 | 0.008(0.001) | 0.001(0.001) | −0.007(0.001) |
| 抑郁 | 0.018(0.022) | 0.023(0.037) | 0.005(0.041) |
| 焦虑 | 0.009(0.024) | 0.037(0.031) | 0.027(0.034) |
| 超重/肥胖 | −0.150(0.319) | −0.126(0.500) | 0.024(0.573) |
据表6 可知，相较于“低−下降”组，个体的消极应对方式程度越高，越有可能属于“平稳”组或“高−上升”组(b=0.105, SE=0.022, p<0.001; b=0.086, SE=0.030, p=0.008)。相较于“平稳”组，个体对家庭的满意度越高，越有可能属于“低−下降”组(b=−0.050, SE=0.021, p=0.048)。
4 讨论
4.1 青少年网络成瘾的发展轨迹
青少年网络成瘾存在异质性，与前人的研究结论一致(Martins et al., 2022; Sun et al., 2022)，但在类别数上存在不一致。绝大多数青少年属于“低−下降”组(77.5%)，这与周月月(2018)的研究一致。该组的特点是：其网络成瘾初始水平较低，随着时间的推移不断下降，其下降速率相对较快，说明该组的网络成瘾水平较低，且随着时间的推移更不易出现网络成瘾。19.2%的个体属于“平稳”组，该组的特点是：其网络成瘾水平在此后的半年间均较为稳定，呈略微下降趋势，通过该组的网络成瘾初始水平可以看出，该组存在中等程度网络成瘾，但随着时间的推移，其网络成瘾水平保持相对稳定。“高−上升”组仅为3.3%，但其轨迹相对于其余两组却有所不同，该组的特点是：其网络成瘾初始水平较高，且随着时间的推移，网络成瘾程度仍不断上升，该组的网络成瘾水平在样本中为最高，这是教育工作者应当关注的高风险人群，对该组网络成瘾的预防尤为重要。
4.2 不同性别青少年的网络成瘾发展轨迹
在青少年网络成瘾的发展轨迹中，发现其存在性别差异。男性青少年在“平稳”组和“高−上升”组中占比更大，而女性在“低−下降”组中占比更大。青少年网络成瘾存在性别差异，这与前人的研究一致(Peng et al., 2022)。女性青少年的初始水平均低于男性，其可能的原因是：男性与女性兴趣点不同，男性好奇心更盛，更倾向于寻求网络所带来的刺激体验，进而使得其更易形成网络成瘾，而女性自律性更佳，在网络应用上更倾向于学习、交友等(张伟波 等, 2017)。在“低−下降”组和“平稳”组中，女性青少年的下降速度更慢，这说明女性虽然相较于男性较不容易形成网络成瘾，但其水平的减轻比男性要慢。但在“高−上升”组中，女性青少年上升的速率却快于男性。因此，针对不同性别青少年网络成瘾的预防要更具有针对性。对于男性青少年，其需要关注的重点是网络成瘾的成因，而对于女性青少年，其需要关注的重点是网络成瘾的水平。
4.3 青少年网络成瘾发展轨迹的风险因素和保护因素
在积极应对方式上，发现男性与女性青少年网络成瘾发展轨迹均与其无关，但在消极应对方式上，无论是男性还是女性的发展轨迹都可以发现，相较于“低−下降”组，个体的消极应对方式程度越高，越有可能属于“平稳”组或“高−上升”组，这提示消极应对方式是青少年网络成瘾的风险因素，这与前人的研究一致(Chwaszcz et al., 2018)。
在生活满意度上，发现各维度对不同性别的青少年网络成瘾发展轨迹影响不一致。家庭满意度仅对女性青少年具有显著预测作用；朋友满意度仅对男性青少年具有显著预测作用；学校满意度对不同性别青少年都不具有预测作用；生活环境满意度仅对男性青少年具有显著预测作用；自我满意度仅对男性青少年具有显著预测作用；而一般满意度对男女都不具有预测作用。在男性青少年网络成瘾的发展中，朋友满意度和生活环境满意度是其风险因素，自我满意度则是其保护因素；而在女性青少年网络成瘾的发展中，家庭满意度是其保护因素。
在抑郁上，发现其与男性和女性青少年网络成瘾发展轨迹均无关，这与前人研究不一致(Shorey et al., 2022; Sun et al., 2022)，其原因可能是被试总体的抑郁水平相对不高，从而导致了抑郁对于男女性青少年网络成瘾发展轨迹不具有明显的预测作用。
在焦虑上，仅对男性青少年网络成瘾发展轨迹具有预测作用。这说明，焦虑是男性青少年网络成瘾发展的风险因素。相较于“低−下降”组，个体的焦虑程度越高，越有可能属于“平稳”组，这与前人研究一致(Ruckwongpatr et al., 2022)。
在超重/肥胖上，仅对男性青少年网络成瘾发展轨迹具有预测作用。这说明，超重/肥胖是男性青少年网络成瘾发展的风险因素。相较于“低−下降”组或“平稳”组，属于超重/肥胖的个体更有可能属于“高−上升”组，其原因可能是超重/肥胖导致男性青少年自信心不足，而互联网所具有的隐蔽性又使得其能够在网络中隐藏自己(Aghasi et al., 2020)。
4.4 启示与不足
研究启示，引导青少年形成良好的应对方式，应减少其使用消极的应对方式。对于男性青少年，应当注重其生活环境满意度、朋友满意度、自我满意度、焦虑和超重/肥胖的作用，应当使其认识到网络的好处与坏处，引导其采取积极的方式疏解自我的情绪。而对于女性青少年，则更应当关注其家庭满意度的作用，为其营造一个良好的家庭氛围。
研究仍存在不足之处。仅采用了6个月的重复测量数据，对于青少年网络成瘾发展轨迹的追踪仍有待加强。所采用的协变量集中于个体因素、家庭因素和学校因素，但对于社会因素并未进行探讨，未来研究尚需纳入更多协变量。
5 结论
(1)青少年网络成瘾存在三类不同的发展轨迹，即“低−下降”组、“平稳”组和“高−上升”组；(2)青少年网络成瘾存在性别差异，男性青少年在“平稳”组和“高−上升”组中占比更大，但在“高−上升”组中，女性上升的速率却快于男性；(3)消极应对方式是男性与女性青少年网络成瘾发展的共同风险因素。朋友满意度、生活环境满意度、焦虑、超重/肥胖是男性青少年网络成瘾发展的风险因素，自我满意度是男性青少年网络成瘾发展的保护因素，家庭满意度是女性青少年网络成瘾发展的保护因素。