1 引言
生活满意度作为个体心理健康结构的核心成分，不仅是衡量个体生命质量的重要指标，也被部分国家纳入社会福利体系的评估框架(Samman, 2007)。生活满意度反映了个体对自身生活质量的整体评估(Diener et al., 2013)。研究发现，生活满意度较低的个体更容易陷入精神内耗，进而引发焦虑、抑郁、自伤等心理问题(王淑霞 等, 2024)；而生活满意度较高的个体往往表现出更强的心理韧性，能够更好地应对压力和挑战，并具备更积极的心理状态和较强的情绪调节能力，从而减少焦虑、抑郁等心理问题的发生(康佳静 等, 2024)。此外，研究证明生活满意度不仅在个体间存在显著差异，还会在个体内以天或周为单位发生波动(Willroth et al., 2020)，即日常生活满意度(daily life satisfaction)。相较于特质生活满意度，日常生活满意度对个体的情绪健康和社会适应具有更直接的影响(Heller et al., 2006)。因此，探讨提高个体日常生活满意度的有效方法和途径具有重要的理论和实践意义。
情绪粒度(emotional granularity)，又称情绪分化(emotion differentiation)，是指个体在表征内在情绪体验时，能够精确区分效价相同但性质不同的情绪状态的能力(Barrett & Russell, 1999)。这种能力与个体的情绪健康、幸福感密切相关。个体在区分由外部事件引发的一系列内在情绪体验时，通常能轻松区分效价和唤醒度均不同的情绪(如兴奋和悲伤)，但较难区分效价相同而唤醒度不同的情绪(如沮丧和哀伤)。因此，情绪粒度具有负性情绪粒度和正性情绪粒度之分(叶伟豪 等, 2023)。研究表明，相对于正性情绪粒度，负性情绪粒度与个体幸福感和心理健康的关系更为紧密(Lennarz et al., 2018; Starr et al., 2017)。因此，本研究聚焦于负性情绪粒度对生活满意度的影响。根据情感信息理论(Schwarz, 2012)，个体通过识别消极情绪体验，能够获取与情绪情境相关的特定信息，从而能有效地调节情绪并采取适应性行为。因此，能够精细区分负性情绪体验的个体可以获得更多基于环境的特异性信息，这有助于个体使用更有效的情绪调节策略和应对措施(Barrett et al., 2001)。研究发现，与低负性情绪粒度个体相比，高负性情绪粒度个体在愤怒时表现出较少的攻击性(Pond et al., 2012)，具有较高的共情准确性，能更准确地识别出他人的情绪状态(Israelashvili et al., 2019)，从而提升人际关系质量，进而提高日常生活满意度(Ottenstein & Lischetzke, 2020)。可见，较高的负性情绪粒度有助于个体在日常生活中体验到更高的生活满意度和幸福感。
尽管负性情绪粒度与日常生活满意度的关系已得到了一定证实，但其作用机制尚未得到充分探讨。睡眠质量(sleep quality)作为个体对睡眠体验的主观满意度(Nelson et al., 2022)，可能是一个关键的中介变量。根据负性情绪粒度的“素质−压力”理论(Starr et al., 2020)，高负性情绪粒度者通过准确识别消极情绪及其来源，能对压力事件进行更有效的调节和管理(Barrett et al., 2001)，从而减缓消极情绪的不利影响，改善睡眠质量(Israelashvili et al., 2019)。例如，Lischetzke等人(2021)发现，负性情绪粒度能够缓解日常压力对睡眠质量的负面影响。另外，自我控制资源模型(self-control resource model; Inzlicht et al., 2014)表明，低睡眠质量会干扰大脑前额皮质的葡萄糖代谢，阻碍自我调节资源的恢复，削弱个体对情绪和行为的控制能力，进而降低生活满意度。相反，高睡眠质量有助于恢复动机和注意力资源，增强自我调节能力，从而提升生活满意度(林瑶 等, 2023; Cao et al., 2022)。可见，情感信息理论强调认知对情绪调节的引导作用，而自我控制资源模型(Inzlicht et al., 2014)进一步揭示了情绪调节的生理机制。高负性情绪粒度个体通过精准识别情绪(如区分“沮丧”和“焦虑”)，选择更有效的调节策略(如认知重评)，避免资源过度消耗，进而提升睡眠质量。实证研究表明，前一天晚上睡眠质量较好的个体，第二天能有效地应对生活事件，表现出更高的日常生活满意度，并削弱负性情绪对生活满意度的预测作用(Willroth et al., 2022)。因此，睡眠质量在负性情绪粒度与日常生活满意度的关系中具有重要作用。
基于以上分析，本研究假设睡眠质量在负性情绪粒度对日常生活满意度的影响中起中介作用。经验取样法(experience sampling method)作为一种收集被试正在发生的事件、想法和感受的瞬时评估技术，能有效消除个体记忆偏差，在探讨个体内变量之间的关系时是一种较为理想的密集追踪研究方法(张银普 等, 2016)。因此，本研究采用经验取样法进行动态跟踪，通过每天8次、连续7天的密集型测评评估个体的负性情绪粒度，并同步测量个体每日的睡眠质量和生活满意度。使用多层结构方程模型(multilevel structural equation modeling)分析睡眠质量(Mij)在负性情绪粒度(Xj)与日常生活满意度(Yij)间的多层中介效应(2-1-1模型)。模型如图1 所示：
2 研究方法
2.1 样本与流程
采用方便取样法，于寒假期间通过网络平台招募了277名大学生参与研究。研究分为基线调查和动态跟踪两个阶段。在基线调查中，35名被试因为抑郁、焦虑、压力水平过高被排除；在动态跟踪阶段，13名被试由于应答率低于70%或睡眠质量、生活满意度作答天数少于6次被删除，同时剔除情绪词间组内相关系数为负的31人(详见下文)，最终将198名被试纳入后续分析。其中女生110人，男生88人。被试年龄范围为18～29岁，平均年龄为21.62±2.26岁。
研究共获得了负性情绪状态有效数据点10830个(M=54.70, SD=2.50)，被试平均完成率为97.67%，睡眠质量和生活满意度的有效数据点1313个(M=6.63, SD=0.85)，平均完成率为94.73%。所有被试在实验前均签订了知情同意书和经验取样协议，并在实验结束后获取相应报酬。本研究获得了天津职业技术师范大学伦理委员会的批准。
经验取样具体流程：通过微信群给被试发放问卷链接，每天从上午10点到晚上22点之间共发放8次问卷，每次间隔为90分钟，连续跟踪7天。每次问卷发布30分钟后，主试向没有填答的被试发送一次提醒，发布1小时后问卷关闭，无法继续作答。每次问卷调研中，被试需对自己当下的负性情绪状态进行评定。另外，每日第一次发放问卷时还需评定前一天晚上的睡眠质量，最后一次发放问卷时需对当天的生活满意度进行评价。
2.2 研究工具
2.2.1 负性情绪粒度
基于情绪环形模型(张珊珊 等, 2021; Barrett & Russell, 1999)，研究从当代情绪报告形容词清单中选取12个情绪词编制成情绪状态量表(例如，“此时此刻，我感到愤怒”)，使用5点计分(0=“没有”，4=“非常强”)。为了避免被试启动负性心理偏向，产生反应偏差，量表包含6个积极情绪词和6个消极情绪词(愤怒、心烦、焦虑、悲伤、沮丧和无精打采)，但最终统计分析仅使用消极情绪词。参考Xiao等人(2023)提出的多水平信度评估方法，消极情绪词量表在个体内水平的信度为0.84，在个体间水平的信度为0.93。
负性情绪粒度的计算基于个体的56次测量情绪词数据，通过计算组内相关系数(ICC)来表示。ICC大于0代表合理的情绪粒度值，ICC越小，说明负性情绪粒度越高。为了方便量化和理解，将相关系数转化成费舍Z分数并乘以−1，则得分越高说明负性情绪粒度越高(Erbas et al., 2019)。
2.2.2 睡眠质量
采用匹兹堡睡眠指数量表(叶娜 等, 2023)中的一个项目(“你昨晚的睡眠质量如何”)来评定被试每日的睡眠质量，使用5点计分(1=“非常差”，5=“非常好”)，得分越高代表睡眠质量越好。该测量方法的有效性在之前的日志法研究中得到了证实(Hülsheger et al., 2014)。
2.2.3 日常生活满意度
采用Gruber等人(2013)编制的日常生活满意度量表，共3个项目，包括“我对今天过得如何感到满意”，“如果今天可以重新开始，我什么都不想改变”和“今天是糟糕的一天”。使用5点计分(1=“完全不同意”，5=“完全同意”)，分数越高代表日常生活满意度越高。在本研究中，量表在个体内水平的信度为0.87，个体间水平的信度为0.94。
2.3 数据分析
由于本研究数据具有嵌套性质(每日测量嵌套于个体)，首先计算了睡眠质量和生活满意度的个体内方差百分比，以确定是否适合进行跨层分析。然后，使用R语言的“psych”包计算被试的负性情绪粒度。最后，通过Mplus 8.3软件进行多层结构方程模型分析来检验睡眠质量在负性情绪粒度与日常生活满意度间的中介作用。在分析多层结构方程模型之前，对睡眠质量和生活满意度的数据缺失值进行回归填充处理(熊中敏 等, 2021)，以确保数据的完整性。此外，对每日睡眠质量进行组均值中心化处理，以分离个体内波动与个体间差异效应。在模型估计过程中，采用分层贝叶斯法(贺建风 等, 2019)，使用马尔可夫链蒙特卡洛(MCMC)算法进行参数估计，设置4条独立链，燃烧期(burn-in)1000次，保留4000次迭代。通过潜在尺度缩减因子(PSR<1.01)和轨迹图验证模型收敛，以报告更加稳健的参数估计值和置信区间(CI)。
3 结果
3.1 描述性统计和相关分析结果
各变量的描述性统计和相关分析结果如表1 所示。在个体间水平上，负性情绪粒度、睡眠质量与日常生活满意度存在显著的两两正相关(ps<0.05)；在个体内水平上，三者之间也存在显著的两两正相关(ps<0.01)。
表1 各变量的描述性统计和相关分析结果 |
| M | SD | 1 | 2 | 3 | |
| 1.负性情绪粒度 | −0.85 | 0.48 | 0.15* | 0.17* | |
| 2.睡眠质量 | 3.56 | 0.69 | 0.10** | 0.48** | |
| 3.日常生活满意度 | 3.67 | 0.61 | 0.12** | 0.26** |
注：均值和标准差为个体水平分析结果；对角线以下为个体内水平相关系数(n=1313)，对角线以上为个体间水平相关系数(n=198)；*p<0.05，**p<0.01，***p<0.001，以下同。 |
同时，通过估计零模型检验个体内层次变量的个体内方差百分比。结果如表2 所示，睡眠质量、日常生活满意度表现出较大的个体内差异，适合进行多层结构方程模型分析。
表2 个体内方差百分比 |
| 个体内方差 (e2) | 个体间方差 (r2) | 个体内方差百分比 (%) | |
| 睡眠质量 | 0.50 | 0.39 | 56.18 |
| 日常生活满意度 | 0.48 | 0.31 | 60.76 |
注：个体内方差百分比=个体内方差/(个体内方差+个体间方差)。 |
3.2 多层结构方程模型分析
首先，检验负性情绪粒度对日常生活满意度的直接效应，个体间水平分析结果表明负性情绪粒度显著正向预测日常生活满意度(β=0.22, 95%CI=[0.05, 0.40], p<0.01)。
然后，将三个变量进行跨层中介分析，结果如表3 所示。在个体内水平上，前一天晚上的睡眠质量显著正向预测个体当天的生活满意度(β=0.07, 95%CI=[0.01, 0.13], p<0.05)；在个体间水平上，负性情绪粒度显著正向预测睡眠质量(β=0.36, 95%CI=[0.25, 0.47], p<0.001)，负性情绪粒度对日常生活满意度无显著影响(β=0.12, 95%CI=[−0.04, 0.28], p=0.067)，睡眠质量显著正向预测日常生活满意度(β=0.45, 95%CI=[0.36, 0.56], p<0.001)。
表3 睡眠质量在负性情绪粒度对日常生活满意度影响中的多层中介模型 |
| 日常生活满意度(c) | 睡眠质量(a) | 日常生活满意度(b/c’) | |||||||||
| β | SE | 95%CI | β | SE | 95%CI | β | SE | 95%CI | |||
| 个体内效应 | |||||||||||
| 睡眠质量 | 0.07* | 0.03 | [0.01, 0.13] | ||||||||
| 个体间效应 | |||||||||||
| 负性情绪粒度 | 0.22** | 0.09 | [0.05, 0.40] | 0.36*** | 0.05 | [0.25, 0.47] | 0.12 | 0.08 | [−0.04, 0.28] | ||
| 睡眠质量 | 0.45*** | 0.05 | [0.36, 0.56] | ||||||||
| 中介效应值及其检验 | |||||||||||
| aBbB | 0.16*** | 0.03 | [0.11, 0.23] | ||||||||
| R2within | 0.05 | ||||||||||
| R2between | 0.03 | 0.03 | 0.33 | ||||||||
采用贝叶斯后验分布置信区间对睡眠质量在模型中的中介效应进行估计。结果表明，在个体间层面，睡眠质量在负性情绪粒度与日常生活满意度间的中介效应估计值为0.16(95%CI=[0.11, 0.23])，区间不包含零，表明中介效应显著。方差分解表明，模型可在个体内解释日常生活满意度5.10%的变异性，在个体间解释32.90%的变异性。
4 讨论
首先，研究发现负性情绪粒度能正向预测日常生活满意度。Diener等人(2013)的主观幸福感理论指出，主观幸福感由情感体验和生活满意度构成。本研究结果进一步扩展了该理论的内涵，表明负性情绪粒度作为一种情绪调节能力，对日常生活满意度具有独特的预测作用。情感信息理论认为，个体将情绪体验作为影响其后续判断的信息来源(Schwarz, 2012)。高负性情绪粒度的个体能敏锐识别消极情绪差异(Smidt & Suvak, 2015)，获取具体信息并做出适应性反应，这有助于缓解负面情绪影响，增强生活掌控感，进而提升生活满意度(田昊 等, 2025)。此外，高负性情绪粒度的个体能清晰分辨负面情绪，是情绪健康的重要标志(Barrett, 2004)。研究表明，负性情绪粒度不仅与一般幸福感变量相关，还与日常幸福感状态密切相关(Erbas et al., 2019)。本研究的发现进一步揭示了负性情绪粒度对日常生活满意度的影响，表明那些能够以更细腻的方式区分消极情绪的个体，在面对现代社会的“内卷”压力时，能够更有效地调整自身情绪和行为，从而表现出更高的日常生活满意度。这一发现强调了负性情绪粒度在主观幸福感形成过程中的重要作用，尤其是在情感体验和生活满意度之间的动态联系中。
其次，研究发现个体前一天晚上的睡眠质量可以显著正向预测当天的生活满意度。这一结果进一步凸显了睡眠在身心健康和幸福感中的关键作用(余乐华 等, 2022)。根据睡眠的功能恢复理论，良好的睡眠为身体和大脑提供了必需的休息和恢复，而睡眠不足或睡眠质量差会导致身体健康状况下降(Fabbri et al., 2021)，使个体在日间容易疲劳与反应迟钝，进而影响其正常的学习和生活(Scott et al., 2021)。这种不良状态不仅会降低个体的生活满意度，还可能诱发一系列心理健康问题。以往的横向研究已发现，个体的睡眠质量与生活满意度之间存在显著正相关(Zeinalhajlou et al., 2020)。本研究通过经验取样法，进一步揭示了睡眠质量与生活满意度之间的动态影响效应，即良好的睡眠能使个体在次日更积极地面对学习和工作，从而提升其对日常生活的满意度。这表明短期的睡眠改善也可能带来即时的生活满意度提升。
此外，研究发现负性情绪粒度通过改善睡眠质量进而影响日常生活满意度，支持了情感信息理论与自我控制资源模型。高负性情绪粒度个体通过精确识别情绪，避免资源浪费，维持稳定的睡眠周期，从而提升生活满意度(Palmer et al., 2024)。负性情绪粒度正向预测个体的睡眠质量，即那些更善于识别出自己不同消极情绪状态的个体往往拥有更好的睡眠质量。可见，尽管负性情绪本身可能会对睡眠质量造成破坏作用(吴旻 等, 2023)，但区分不同负性情绪的能力则对心理健康具有重要的保护作用(叶伟豪 等, 2023)。这一结果也为负性情绪粒度的“素质−压力”理论提供了实证支持(Starr et al., 2020)，即高负性情绪粒度个体面对日间各种压力事件，能运用有效地情绪调节策略来管理和缓解不良情绪，从而改善睡眠质量。而无法准确描述和区分自己情绪体验的个体更容易陷入“被情绪控制”的状态，导致精神内耗和情绪的躯体化表现(Catrone, 2021)，进而影响睡眠质量和日常生活满意度。
本研究发现为提升个体生活满意度的干预方法提供了一定启示。首先，通过情绪管理训练等方式提升个体的负性情绪粒度，不仅可以帮助个体更准确地识别和表达负性情绪，还能通过改善睡眠质量间接提升日常生活满意度。在为心理亚健康患者制定个性化治疗方案时，建议将情绪管理训练纳入关键环节，以全面促进患者的睡眠健康和生活质量。其次，负性情绪粒度与个体的认知能力密切相关(Barrett, 2004)，认知能力影响着个体在情绪形成过程中对情感概念的关注和运用程度。因此，通过针对性地干预与认知能力相关的因素，可以有效提升个体的负性情绪粒度水平，进而改善睡眠质量和日常生活满意度。另外，无论在个体内部还是在个体之间，良好的睡眠质量均能积极提升生活满意度。这表明，无论是短期还是长期的睡眠质量干预，都可能在一定程度上提升个体的生活满意度。在临床实践中，一方面，针对存在长期睡眠问题的患者，可采用专业的睡眠干预措施，如认知行为疗法中的失眠疗法(CBT-I)，以改善其睡眠质量，从而可能提升其生活满意度。另一方面，针对那些因外部压力或情绪问题导致睡眠问题的个体，应及时通过短期的睡眠干预(如放松训练、睡眠卫生教育等)快速改善其睡眠质量，增强其应对压力的能力，提升幸福感。
本研究也存在一些不足之处。首先，研究主要采用主观测量指标，较为单薄。未来研究可结合客观生理指标(如睡眠手表)等多模态测量手段以提高测量精度。其次，数据收集在寒假期间进行，学生学业压力相对较低，情绪波动较小，导致情绪粒度的变异性受限(Willroth et al., 2020)，且自由作息可能掩盖睡眠质量对情绪调节的真实需求(Lischetzke et al., 2021)。此外，在经验取样期间经历的刺激事件可能影响负性情绪粒度，寒假期间自由时间和灵活作息也可能对睡眠质量和日常生活满意度产生影响。因此，未来研究应在不同时间段(如学期中、考试周)重复验证，并引入压力、社会支持等调节变量，进一步揭示其作用机制。另外，本研究对象主要为大学生，限制了结果的普适性，未来研究可扩大样本范围。
5 结论
(1)个体的负性情绪粒度越高，其睡眠质量和日常生活满意度越好；(2)睡眠质量在负性情绪粒度和个体日常生活满意度间起中介作用。