基于中国家庭追踪调查（CFPS）2020 与 2022 两轮、971 名 10～15 岁青少年，随机森林模型给出的预测因子贡献排序依次是：社会信任、人际关系、亲子冲突、教师满意度、年龄；线性回归中学业压力的系数最大（B=0.355, p＜0.001），其次是与女童相关（B=−0.798, p=0.001）。

如果你感觉孩子情绪不对，先把注意力放在两处：家里的沟通方式（尤其是冲突），以及孩子在学校有没有归属感——研究里权重最高的几项，恰恰都在这两个场域。

抑郁不是由单一原因决定的

孩子情绪低落、不想上学、不愿说话，家长第一反应常常是找“哪件事出了问题”：是不是手机玩多了？是不是结交了不好的朋友？但一项用机器学习做的研究，把问题重新摆了一遍：排名靠前的因素，多数不指向某一次事件，而指向关系与环境。

你找的那个原因，够不够“大”

你上次跟孩子因为情绪问题起冲突，归因给的是什么？如果答案是某一项具体行为，可以先对比一下：研究里的预测因子清单，前几位是社会信任、人际关系、亲子冲突、教师满意度。这些听起来“虚”，却往往比某个单独行为更能解释差异。

971 名青少年，两轮数据

CFPS 两轮数据，971 名青少年：研究使用中国家庭追踪调查（CFPS）2020 与 2022 两轮数据，纳入 971 名 10～15 岁青少年。基线（2020）测量生态学变量与协变量，结局（2022）用 8 条目流调中心抑郁量表（CES-D8，即 8 条目流行病学研究中心抑郁量表）评估抑郁症状；同时用机器学习的随机森林模型预测连续得分，用列线图模型预测二分类抑郁风险（CES-D8 ≥ 9），并做 1000 次 bootstrap 内部验证。

用随机森林给因子排了个序：随机森林模型的袋外均方误差为 12.72。预测因子的贡献从高到低依次是：社会信任、人际关系、亲子冲突、教师满意度、年龄。

学业压力与亲子冲突，权重靠前：相关分析中，学校满意度（r=−0.09）、教师满意度（−0.12）与社会信任（−0.13）与抑郁症状负相关；学业压力（0.14）与亲子冲突（0.12）正相关。线性回归里，学业压力的系数最突出（B=0.355，p＜0.001），其次是与女童相关（B=−0.798，p=0.001）、年龄（B=0.175，p=0.016）、亲子冲突（B=0.086，p=0.005）与教师满意度（B=−0.133，p=0.041）；网络使用维度（网购、网游、网课、短视频）均未达显著。

清单能打分，但还不能当诊断：列线图的区分度一般（AUC，曲线下面积，0.614），校准却极好（平均误差 0.011）。研究者的提醒很关键：模型在外部验证之前，不能用于临床或个人诊断，它更像是一份“哪些方向值得优先干预”的清单。

放到全球背景与家庭路径里看：把这份清单放进更大的背景会更清楚：一篇综述梳理了全球青少年心理健康诊断上升的趋势，把数字环境、网络欺凌、睡眠扰乱与学业压力列为关键环境驱动因素[来源：Young minds in distress: Exploring the global rise in youth mental health diagnoses]。而在家庭这条路径上，一项针对叙利亚难民母子配对的研究显示，母亲的创伤后应激与养育压力，与儿童的心理与认知结局相关[来源：Maternal posttraumatic stress symptoms, parenting stress, and child psychological and cognitive outcomes among Syrian refugee mother–child dyads in Türkiye: a mixed-methods study]。

列线图区分度 AUC=0.614（一般）→ 校准误差 0.011（极好）→ 学业压力回归系数 0.355（p＜0.001）。能排序，但还不足以用来诊断。

换一个干预单位

1 预测青少年抑郁权重最高的因子集中在关系与环境：社会信任、人际关系、亲子冲突、教师满意度。

2 学业压力是回归里最强的一条线，而网络使用维度在本研究中并不显著。

3 这是机器学习建模研究：线性模型解释力有限，列线图区分度一般、尚未外部验证，作者明确不能当诊断工具；暴露为基线自报，读不出因果。可以做的事很具体——把干预单位从“单个孩子的问题”换成“家庭与学校的关系”。

① 区分度有限：列线图 AUC 仅 0.614，个体预测价值不高。
② 未外部验证：作者明确模型需外部验证后才能谈临床应用。
③ 解释力偏弱：线性回归模型调整后 R 仅为 0.063。
④ 测量方式：暴露与结局均为量表自报，存在共同方法偏差。
⑤ 因果边界：观察性纵向数据，无法确定环境因素与抑郁的因果方向。

参考资料：Mei SL, Su Y, Yue J, et al. Ecological Correlates of Depressive Symptoms among Chinese Adolescents: A Random Forest and Nomogram Analysis of CFPS Data. Psychology Research and Behavior Management（2026）. https://doi.org/10.2147/PRBM.S632599