1 问题提出

随着科技的进步和发展，互联网已经成为大学生学习和生活必不可少的一部分。据第39次CNNIC调查结果显示，截至2017年1月，中国网民总数达到了7.31亿，其中，以在校大学生为主的成年初期网民约有1.51亿，约占总数的20.6%(中国互联网信息中心, 2017)。互联网的普及一方面使大学生的学习和生活得到了有效地改善；另一方面，由互联网的匿名和便利特点给大学生带来的负面效应也不容忽视，网络攻击行为(Online aggressive behavior)就是其中的典型之一(李冬梅, 雷雳, 邹泓, 2008；Kessel, Donnell, & Smith, 2015)。网络攻击行为指个体以互联网或者手机网络为特定的平台，利用信息技术对个体或群体进行有目的和针对性的伤害，且这种伤害是受害者极力想避免的(赵锋, 高文斌, 2012；Grigg, 2010)。研究发现，21.9%的大学生出现过网络攻击行为，55.3%的大学生受到过网络攻击(Na, Dancy, & Park, 2015；Gahagan, Vaterlaus, & Frost, 2016)。网络攻击会导致受攻击者产生诸多的心理生理问题，诸如注意缺损、社交焦虑、抑郁、孤独、人际紧张，甚至自杀等(Buchanan, 2015；Kopecky & Szotkowski, 2016；Van, Vermulst, Scholte, & Van，2014；Wright, 2015；Wright, Kamble, & Soudi, 2015)。因此研究者很有必要探讨大学生网络攻击行为的产生机制，进而为大学生网络攻击行为的预防控制提供解决思路。

按照社会信息加工理论的观点(Crick & Dodge, 1993；Dodge & Crick, 1990；杨丽珠, 杜文轩, 沈悦, 2011)，攻击行为的产生与个体的特质愤怒有关，高特质愤怒的个体很容易将情境中的线索编码成为具有敌意侵犯的信息，进而对环境线索做出错误的敌意认知加工，而这种错误的加工解释偏差反过来又会增强愤怒体验(Anderson, Deuser, & Deneve, 1995；Dewal, Twenge, Gitter, & Baumeister, 2009；Orobio, Veerman, Koops, Bosch, & Monshouwer, 2002；Wilkowski & Robinson, 2010)，经过这样的恶性循环，最终导致个体出现攻击行为。特质愤怒(Trait anger)指个体感知愤怒情境及表现的一般倾向，是个体在愤怒体验中表现出来的比较稳定、持久的特质(Moscoso & Spielberger, 1999；Spielberger, Jacobs, Russell, & Crane, 1983)。实证研究也表明，特质愤怒不仅会导致社交焦虑，感知消极自我形象以及低自尊体验，而且对个体的攻击行为有着显著的预测作用，是攻击行为产生的主要原因之一(Tavacloǧlu, Kora, Emel, & Hergüner, 2012；刘文文, 江琦, 任晶晶, 李树芳, 徐雅珮, 2015；赵宇, 陈健芷, 刘勇, 姜梦, 2015；杨晨晨, 李彩娜, 王振宏, 边玉芳, 2016)。然而，网络攻击行为作为传统攻击行为的特殊衍生形式(Wong, Bullock, & Gable, 2011)，特质愤怒是否能对其产生显著的预测作用，这在以往的实证研究中并未得到验证。因此，本研究基于以往的文献，提出假设H1：特质愤怒对大学生网络攻击行为具有显著的预测作用。

目前，关于特质愤怒对大学生网络攻击行为的影响机制鲜有研究。按照一般攻击模型理论(General Aggressive Model，GAM)的观点，攻击行为的产生机制是：首先，以个体因素与情境因素作为输入变量(诸如特质愤怒、攻击环境等)，激活个体的内在信息加工模式；然后个体的内在信息加工模式对输入变量进行认知处理后(诸如敌意认知、解释偏差、道德推脱等)，激活攻击图式；最后个体按照激活的攻击图式指引，引发攻击行为(Anderson & Bushman, 2002；DeWall, Anderson, & Bushman, 2011)。GAM理论特别强调了特质愤怒对于攻击行为引发的主导作用，一方面，特质愤怒会增强个体的敌意认知水平，产生敌意性解释，激活攻击图式；另一方面，它会干扰个体的道德认知水平，出现道德推脱现象，进而影响攻击行为的产生(Anderson & Bushman, 2002；Garay, Carrasco, & Amor, 2016；Gresham, Melvin, & Gullone, 2016；Rubio-Garay, Carrasco, & Amor, 2016；Wang, Yang, Yang, Wang, & Lei, 2017)。道德推脱(Moral disengagement)是个体的一种自我保护的认知倾向，它可以使个体内部的道德标准失效，并将个体的某些不道德行为(如网络攻击行为)重塑为道德行为，最大程度地减少这种不道德行为的结果带来的责任和对受攻击者的痛苦的认同(Bandura, 1999；杨继平, 王兴超, 高玲, 2010)。相关研究表明，特质愤怒与道德推脱存在着显著的相关，特质愤怒会弱化个体的道德机制，促使道德推脱水平升高(Rubio-Garay, Carrasco, & Amor, 2016；Tanrikulu & Campbell, 2015a, 2015b；Wang et al., 2017)。此外，研究表明，道德推脱是个体攻击行为和欺负行为产生的重要认知基础，是攻击和欺负行为的有效预测变量(Bandura, 1996；Kokkinos, Voulgaridou, & Markos, 2016；Pornari & Wood, 2010；高玲, 王兴超, 杨继平, 2015；王兴超, 杨继平, 刘丽, 高玲, 李霞, 2012；杨继平, 王兴超, 2012)。基于互联网的研究表明，道德推脱也能显著地预测网络偏差行为、网络欺负行为、网络攻击行为等(Pornari & Wood, 2010；Tanrikulu & Campbell, 2015a；Wang, Lei, Liu, & Hu, 2016；金童林, 陆桂芝, 张璐, 范国沛, 李肖肖, 2017；郑清, 叶宝娟, 叶理丛, 郭少阳, 廖雅琼, 刘明矾, 2016)。因此，基于GAM理论和以往的研究，我们可以认为，特质愤怒会影响个体的道德认知、降低个体的道德水平、促使道德标准失效，出现道德推脱现象，并进而导致大学生出现网络攻击行为，故大学生网络攻击行为的产生式为：特质愤怒→道德推脱→大学生网络攻击行为。由此，提出本研究的假设H2：道德推脱在特质愤怒与大学生网络攻击行为之间起中介作用。

然而，特质道德推脱理论却认为，道德推脱不仅仅是一种认知过程，而且是一种与生俱来的特质，它对个体的不良行为具有特质性的调节作用，当个体处于危险环境中时，高道德推脱水平是不良行为出现的“催化剂”，而低道德推脱水平则会抑制不良行为，因而在不同的环境下，个体不良行为的出现与道德推脱的特质性调节有关(Detert, Treviño, & Sweitzer, 2008；Egan, Hughes, & Palmer, 2015；Moore, 2015；Ogunfowora & Bourdage, 2014；Wang, Lei, Yang, Gao, & Zhao, 2016)。以往的研究发现，在个体特质自我控制、精神病性特质、道德判断、同理心等对攻击行为的影响机制中，道德推脱起到了显著的调节作用(Gini, Pozzoli, & Bussey, 2015；Li, Nie, Boardley, Situ, & Dou, 2014；Wang et al., 2016；刘美辰, 2012)。因此，按照特质道德推脱理论的观点，特质愤怒在对大学生网络攻击行为产生作用时，还应同时受到道德推脱的调节。由此提出本研究的假设H3：道德推脱在特质愤怒对大学生网络攻击行为的影响中起调节作用，具体而言，特质愤怒对大学生网络攻击行为的影响会随着道德推脱水平的不同而不同，即在高道德推脱水平下，特质愤怒能显著的正向预测大学生网络攻击行为。

因此，本研究基于社会信息加工理论、一般攻击模型理论及特质道德推脱理论的观点，拟以大学生为被试，探讨特质愤怒对大学生网络攻击行为的作用，以及道德推脱起到的中介和调节作用。探讨大学生网络攻击行为的影响机制，有两方面的意义。理论方面，有助于网络攻击行为理论的探索和发展，能为未来的网络攻击行为的深入研究提供新的理论视角；现实方面，能为大学生网络攻击行为的预防和控制提供行之有效的干预思路，以及为相关部门进行有关网络政策的制定提供支持。

2 研究方法 2.1 被试

采用整群取样法从黑龙江省哈尔滨市2所大学中抽取450名大学本科生作为被试。研究共发放问卷450份，收回有效问卷420份，有效率为93.3%。其中男生198人，女生222人；理科159人，文科142人，工科119人；大一100人，大二107人，大三134人，大四79人；被试年龄在18~25之间，平均年龄为20.93±1.71岁，其中4人年龄信息缺失。

2.2 研究工具 2.2.1 特质愤怒量表(Trait Anger Scale, TAS)

采用罗亚莉等(2011)修订的《特质愤怒量表》。该量表共10个条目，采用1(从不)~4(总是)4点计分，量表包含了气质型愤怒和反应型愤怒2个维度，气质型愤怒指在没有任何激惹刺激情境下个体的一般愤怒倾向，比如“我的脾气十分暴躁”等；反应型愤怒指个体在激惹环境下产生愤怒情绪的倾向，比如“当着别人的面受到批评，我会狂怒”等。在本研究中，量表整体的Cronbach α系数为0.82，2个维度Cronbach α系数为0.84、0.73；问卷效度指标拟合良好(χ²/df=2.86, IFI=0.95, NFI=0.93, CFI=0.95, GFI=0.98, RMSEA=0.07)。

2.2.2 网络攻击行为量表(Online Aggressive Behavior Scale, OABS)

采用郑清等(2016)修订的《网络攻击行为量表》。该量表共15个条目，采用1(从不)~4(总是)4点计分，量表包含了工具性攻击和反应性攻击2个维度，工具性攻击指攻击者主动发出攻击行为，以此获得某种利益，比如“我利用木马等黑客技术盗用别人的网络身份”；反应性攻击指攻击者因为受到威胁或伤害而发动的报复性攻击行为，例如“我在某人的个人空间或者博客上对其进行威胁和恐吓”。在本研究中，量表整体的Cronbach α系数为0.90，2个维度Cronbach α系数为0.85、0.83；问卷的效度指标拟合良好(χ²/df=3.93, NFI=0.88, IFI=0.91, CFI=0.91, TLI=0.89, RMSEA=0.08)。

2.2.3 道德推脱问卷(Moral Disengagement Questionnaire, MDQ)

采用王兴超、杨继平(2010)修订的《中文版道德推脱问卷》。该问卷共26个条目，采用1(完全不同意)~5(完全同意)5点计分，问卷包含了道德辩护、委婉标签、有利比较、责任转移、责任分散、忽视或扭曲结果、非人性化、责备归因8个维度。道德辩护、有利比较和委婉标签是用以提高不道德行为在道德认知上的可接受性，例如“为了家人的需要可以去偷窃”等；责任转移、责任分散、忽视或扭曲结果是用以掩盖不道德行为产生的不良影响，例如“侮辱不会真正地伤害到任何人”等；非人性化和责备归因是用以摆脱因不道德行为而产生的内疚和自责，例如“一些人就应该受到非人的待遇”等。在本研究中，该问卷整体的Cronbach α系数为0.87，8个维度的Cronbach α系数在0.61~0.77间；问卷的效度指标拟合良好(χ²/df=2.24, NFI=0.95, IFI=0.96, CFI=0.97, GFI=0.98, RMSEA=0.05)。

2.3 数据处理及分析

采用SPSS22.0、AMOS21.0进行数据处理。采用CFA法验证各问卷的效度；采用Harman单因素法检验共同方法偏差；采用积差相关探讨各主要变量之间的关系；采用偏差校正的非参数百分位Bootstrap法检验中介效应；采用潜变量无约束估计法检验调节效应。

3 结果 3.1 共同方法偏差的检验

采用Harman单因素方法进行共同方法偏差检验。对所有的测量项目进行未旋转的探索性因素分析。结果显示，共有13个特征值大于1的公共因子被提出，并且第一个公共因子解释了总变异量的18.92%，小于Podsakoff等提出的40%的判断标准(周浩，龙立荣，2004)。其次，单因素模型的验证性分析结果显示模型拟合结果较差(χ²/df=9.52, GFI=0.80, CFI=0.67, NFI=0.65, RMSEA=0.14)。因此，两种检验方法均说明本研究不存在严重的共同方法偏差。

3.2 特质愤怒、道德推脱和大学生网络攻击行为的相关分析

对各主变量及其各维度进行描述统计和皮尔逊积差相关分析，如表 1。结果表明，道德推脱与大学生网络攻击行为呈显著的正相关(r=0.38，p＜0.01)，两个变量各个维度之间的相关系数在0.14~0.32之间(均p＜0.01)；特质愤怒与大学生网络攻击行为之间呈显著的正相关(r=0.38，p＜0.01)，两个变量各个维度之间的相关系数在0.34~0.39之间(均p＜0.01)；道德推脱与特质愤怒之间呈显著的正相关(r=0.38，p＜0.01)，两个变量各个维度之间的相关系数在0.11~0.38之间(均p＜0.01)。

3.3 道德推脱在特质愤怒对大学生网络攻击行为影响中的中介效应分析

运用潜变量结构方程方法验证道德推脱在特质愤怒对大学生网络攻击行为影响的中介效应，构建模型如图 1。拟合结果显示，模型的各个指标良好(χ²/df=3.01，IFI=0.93，TLI=0.90，RMR=0.03，GFI=0.90，CFI=0.94，RMSEA=0.07)。

基于模型的拟合结果，采用偏差校正的非参数百分位Bootstrap方法进行中介效应的检验(温忠麟, 叶宝娟, 2014)，研究共重复抽样2000次。结果表明，模型中的各预测系数均显著(β_{特质愤怒→大学生网络攻击行为}=0.49，p＜0.001；β_{特质愤怒→道德推脱}=0.54，p＜0.001；β_{道德推脱→大学生网络攻击行为}=0.20，p＜0.001)，据此可以说明道德推脱在特质愤怒对大学生网络攻击行为的影响中起着部分中介作用。进一步采用Bootstrap法对道德推脱的中介效应进行检验，结果显示，特质愤怒通过道德推脱对大学生网络攻击行为的间接效应大小为0.11，其95%的置信区间为[0.01, 0.19]，置信区间内不包含0，说明道德推脱的中介效应具有可信度。

3.4 道德推脱在特质愤怒对大学生网络攻击行为影响中的调节作用分析

运用潜变量调节效应模型估计的无约束估计法验证道德推脱的调节效应(吴艳, 温忠麟, 林冠群, 2009)。首先，对各个变量进行中心化处理；然后按照乘积指标“大配大，小配小”的原则(吴艳，温忠麟，侯杰泰，Marsh，2011)构建道德推脱与特质愤怒的调节项的观测指标，共构建了2个乘积指标；最后，构建模型如图 2。拟合结果表明，模型拟合良好(χ²/df=2.64，GFI=0.94，RMR=0.02，IFI=0.93，CFI=0.92，RMSEA=0.06)。模型数据运行结果显示，特质愤怒对大学生网络攻击行为预测作用显著(β_{特质愤怒→大学生网络攻击行为}=0.43，p＜0.001)；道德推脱对大学生网络攻击行为预测作用显著(β_{道德推脱→大学生网络攻击行为}=0.18，p＜0.05)；特质愤怒与道德推脱的交互项对大学生网络攻击行为的预测作用显著(β_{道德推脱×特质愤怒→大学生网络攻击行为}=0.28，p＜0.05)，据此可以说明道德推脱显著地调节了特质愤怒与大学生网络攻击行为之间的关系。

为了进一步分析道德推脱的调节效应，本研究将道德推脱分为高分组(M+1SD)和低分组(M-1SD)两个组，然后做出道德推脱在特质愤怒与大学生网络攻击行为之间的简单斜率检验图(如图 3)。结果表明，在高道德推脱水平下，特质愤怒对大学生网络攻击行为有着显著的正向预测作用(Simple slope=0.31，p＜0.01)；而在低道德推脱水平下，特质愤怒对大学生网络攻击行为的预测作用不显著(Simple slope=-0.09，p＞0.05)。

4 讨论 4.1 特质愤怒对大学生网络攻击行为直接效应讨论

本研究发现，特质愤怒对大学生网络攻击行为有着显著的正向预测作用，这验证了本研究的假设H1。按照线索滤掉理论的观点(雷雳, 李冬梅, 2008)，由于网络交流具有超时间和空间的特点，这种交流缺乏有效的社会线索，并且以身体不在场为前提，个体与他人在交流时因为无法正确判断对方说话的语气、态度反应及情绪状态，这会引起个体产生不确定感和失控感，进而导致个体产生交流焦虑。然而，在虚拟网络中的交流，个体的交流焦虑无法得到有效地缓解，这就导致他们的“愤怒网络”阈限降低，愤怒水平升高(Rusting, 1998；罗亚莉等, 2011)。因此，他们在交流时会以极快的速度抽取与愤怒有关的信息，从而对这些信息进行敌意性的认知加工解释，产生错误的注意偏向，进而导致网络攻击行为的发生。

此外，按照潜在认知加工系统的观点(Mathews & Maeleod, 2002；Bar-Haim, Lamy, Pergamin, Bakermans-Kranenburg, & Van Ijzendoorn, 2007)，大学生网络攻击行为的发生与潜在认知加工系统的失调有关。潜在认知加工系统是个体认知机制中对来自外界环境的威胁因素评估的系统，当具有威胁性的刺激进入到潜在认知加工系统时，个体会对其能产生的危险概率进行判断，当判断的危险概率达到临界值时，会引起个体前注意系统的警觉，唤醒生理情绪，进而促使个体采取攻击行为进行自我保护。研究表明，特质愤怒会降低个体对于危险概率判断的临界值，会打断前注意系统的正常工作，引起潜在认知加工机制的失调，进而对一些不具有危险性的因素识别为威胁性的刺激，导致个体过度的自我保护(罗亚莉, 张大均, 2013)。因此，高特质愤怒水平的大学生在使用网络时，很容易对来自网络中的一些信息过度识别为威胁刺激，进而导致前注意系统的认知失调，降低了危险刺激概率的临界值，从而产生认知偏差，导致生理上警觉，进一步引起愤怒、焦虑、恐惧等消极情绪体验，而大学生为了调整这种生理与心理的急剧变化带来的不平衡感，往往选择一些极端的不良行为进行自我调适，这就间接地导致网络攻击行为的出现。

4.2 道德推脱的中介作用讨论

本研究的结构方程显示，道德推脱在特质愤怒对大学生网络攻击行为的影响中起着部分中介作用，这验证了本研究的假设H2。这与已有的研究结果相一致(Wang et al., 2016；金童林等，2017；孙丽君, 杜红芹, 牛更枫, 李俊一, 胡祥恩, 2017)。这一结果也契合了社会认知理论的观点(Bandura, 1996, 1999；杨继平等, 2010)，个体的道德认知过程会受到不良情绪的影响，这些不良情绪会导致个体的道德认知出现偏差，促使道德调节功能弱化，自我控制能力降低，道德推脱水平升高，从而表现出不良行为。因此，高特质愤怒水平的大学生表现出的网络攻击行为与其道德认知出现的偏差有关(Moscoso & Spielberger, 1999；刘旺, 田丽丽, 刘本荣, 2014)。由于这些大学生的“愤怒阈限”较低，他们对于网络中一些信息很容易做出消极的敌意解释，思维容易反刍，这会促使大学生的愤怒水平进一步地升高，进而直接影响正常的道德认知过程，造成道德调节机能失效，自律机能减弱，并最终引发网络攻击行为。同时，由于网络环境里缺乏有效的道德线索提示和道德约束规范，这间接地导致了大学生道德监控功能的失效，从而使他们屡屡触碰道德底线，进一步的满足了大学生追求刺激的畸形需要，产生严重的“去社会化”现象，久而久之，大学生就很容易出现网络攻击行为。

4.3 道德推脱的调节作用讨论

本研究的结构方程模型显示，道德推脱在特质愤怒对大学生网络攻击行为的影响中起到了显著的调节作用，这验证了本研究的假设H3。由此说明，道德推脱作为个体的一种内化特质，它在不同的环境中发挥着不同的调节作用，对于具有危险性的环境，高道德推脱水平的个体更容易出现不良行为，而低道德推脱水平的个体则会抑制个体不良行为的出现，这与以往的研究相对一致(Gini, Pozzoli, & Bussey, 2015；Li, Nie, Boardley, Situ, & Dou, 2014；Wang et al., 2017；刘美辰, 2012)。因此，大学生在使用网络的过程中，对遇到来自他人恶意的网络挑衅会自动识别为具有危险的攻击行为，这就导致高道德推脱水平的大学生极其容易出现攻击行为，而低道德推脱水平的大学生在攻击行为出现之前，会更加理性地思考这种行为带来的不良后果，他们会对自己的行为进行有效地控制，能有效地降低冲动水平，减少负性情绪的产生，进而抑制了攻击行为的产生。此外，结合本研究中道德推脱的中介机制，我们可以认为，道德推脱在对个体行为影响的过程中，不仅是个体的一种特质机制，而且也是一种认知机制，这两种机制同时发挥作用，但又相互独立，互不影响，在个体行为的表达上起到了重要的作用，同时本研究也是对已有研究中将道德推脱既作为认知机制又作为特质机制研究的积极回应(Wang et al., 2016)。

4.4 不足与展望

本研究主要存在两方面不足，有待于未来的研究进行完善。一方面，本研究采用的是横断研究，不能有效地揭示出特质愤怒对于大学生网络攻击行为的动态变化，未来的研究可以结合纵向研究来考察它们之间的关系；另一方面，由于本研究全部采用自我报告法，对于特质愤怒、网络攻击行为等这些反映大学生消极的心理与行为特征的考察，会存在着不容忽视的偏差，由于方法学的限制，本研究对这种偏差无法进行更深一步的分离和探讨。因此，未来相关的研究可以结合其它研究范式，比如实验法等，进而降低这种偏差对研究带来的影响。此外，在特质愤怒对大学生网络攻击行为的影响机制中，除道德推脱外是否还存在另外的中介或调节机制，这有待于未来研究补充。

5 结论

(1) 特质愤怒、道德推脱对大学生网络攻击行为有着显著的正向预测作用。

(2) 道德推脱在特质愤怒对大学生网络攻击行为的影响中起着部分中介的作用。

(3) 道德推脱在特质愤怒对大学生网络攻击行为的影响中起着调节的作用。具体而言，在高道德推脱水平下，特质愤怒能显著的正向预测大学生网络攻击行为，而在低道德推脱水平下，特质愤怒对大学生网络攻击行为的预测作用不显著。