研究社会文化变迁的新视角——表征相似性分析：以老年人心理健康为例

doi:10.3724/SP.J.1041.2024.00938

摘要/Abstract

摘要：

在心理学及其他社会科学研究中, 社会变迁研究主要使用单维度线性分析方法探索特定心理或行为的变化趋势以及影响社会变迁的潜在因素, 缺乏对多维变量内部结构变迁的关注, 也难以比较不同尺度的社会变迁现象。本研究将介绍一种从模式角度进行社会变迁研究的方法——表征相似性分析, 并以1998~2018年间对中国老年人健康影响因素的纵向追踪数据(CLHLS)与对应时期的社会文化变迁测量为实例, 演示如何构建多维度的表征相似性框架, 依次介绍多变量单维模式分析[时间、空间、心理与意识空间(Mental space, 简称“意间”)]、多变量跨维度模式分析(意间−时间, 意间−空间, 意间−时间−空间)、跨尺度模式分析(地区−国家)、概念模式分析, 以及表征相似性分析与传统方法的耦合分析, 随后展望了表征相似性分析的拓展方向。

关键词: 社会文化变迁, 表征相似性, 模式分析, 跨尺度, 老年人心理健康

Abstract:

In recent years, social transformation and economic development in China have changed people’s behaviour, lifestyles, and values and have directly affected individuals’ mental state and behaviour. However, due to the limitations of research methods, previous studies have explored target variables from a single dimension. They have lacked exploration of the multidimensional structure of complex variables and have been unable to directly compare cross-scale data. Therefore, social and cultural psychology research needs to incorporate a systems science perspective to study and understand the structure and pattern of social changes.

This study introduces a new approach for exploring social change from the perspective of pattern-representational similarity analysis (RSA). Based on the Chinese Longitudinal Healthy Longevity Survey (CLHLS)-Longitudinal Data (1998~2018), we demonstrate the process of the construction of representation similarity matrices and provide examples of multivariable-unidimensional pattern analysis (time, space, mental space), multivariable cross-dimensional pattern analysis (mental space-time, mental space-space, mental space-time-space), cross-scale model analysis (region-country), conceptual model analysis, and coupling analysis between RSA and traditional methods.

This study finds that the pattern and level of economic development moderates the similarity between regional mental health change patterns and the overall pattern of elderly individuals. In addition, the cultural looseness-tightness concept model and the interregional pattern of mental health among elderly individuals have significant similarities. These results show that RSA analysis can explore the relationship between variables from the perspective of patterns and can make direct quantitative comparisons of cross-scale data.

Overall, this study introduces different methods for the application of RSA in social change research through demonstrative examples. The exploration of psychological and behavioural changes in social change from a pattern perspective paves the way for future exploration.

Key words: social and cultural change, Representational Similarity Analysis (RSA), pattern analysis, cross-scale, mental health of elderly

中图分类号:

B849: C91

袁航, 罗思阳. (2024). 研究社会文化变迁的新视角——表征相似性分析：以老年人心理健康为例. 心理学报, 56(7), 938-953.

YUAN Hang, LUO Siyang. (2024). Representation similarity analysis − A new perspective to study sociocultural change: Taking the mental health of elderly people as an example. Acta Psychologica Sinica, 56(7), 938-953.

图/表 33

图1 简单相关分析与表征相似性分析的差异：(A)假设变量X、Y是两个心理变量, 两变量各包含5个维度(X: X1, X2, X3, X4, X5; Y: Y1, Y2, Y3, Y4, Y5), 传统社会变迁研究关注变量X随时间变化的趋势, 或是变量X与Y随时间的共变趋势或因果关系, 通常聚焦于分析变量单维特征(如X均值、X1)的变迁特点。而RSA矩阵反映了变量X在5个维度上每对数据点的关系, 提供了关于变量X全局模式的信息, 对变量X与Y的RSA矩阵的比较是对两变量模式相似性的比较。(B)基于线性相关分析可以得出X与Y具有显著的相关性(r = 0.91*), 但基于RSA方法分析则发现X与Y之间在模式上并不具有相似性(r = 0.63)。(*p < 0.05)

图2 社会变迁研究中表征相似性模型构建：在构建RSA矩阵时, 可以从意间维度(如某心理变量下的不同维度)、时间维度(如某心理变量在不同时间点的水平)与空间维度(如某心理变量在不同省份的水平)分别构建RSA矩阵。

图3 老年人孤独感水平变迁的表征相似性矩阵(国家尺度)的构建过程：计算8个年份的老年人孤独感水平两两之间的差异, 对差异值进行归一化处理作为相似性得分, 8×8矩阵中的每个单元格代表了每两个年份孤独感水平的相似性。

图4 老年人心理健康模式变迁的表征相似性矩阵(国家尺度)的建构过程：分别在1998~2018年间8个年份, 对7个心理健康题目两两之间的分数差异进行归一化处理, 每个8×8矩阵代表了每个年份下7个心理健康题目间关系的相似性。随后, 将每个年份的心理健康相似性矩阵向量化并进行两两比较, 使用Pearson相关系数表示两个向量之间的相似性, 28对年份的Pearson相关系数代表了8个年份间心理健康题目的关系模式的相似性。

图5 老年人认知功能水平变迁的RSA矩阵(地区尺度)：8×8矩阵的每个单元格表示每个省(自治区、直辖市)中6个老年人认知功能题目间关系模式在两个年份之间的差异, 矩阵整体代表了该省(自治区、直辖市)老年人认知功能结构在时间维度上的变化。

图6 跨地区老年人心理健康水平的RSA矩阵(国家尺度)：21×21矩阵的每个单元格表示每两个省(自治区、直辖市)的心理健康题目间的关系在1998~ 2018年间的变化模式的相似性, 矩阵整体代表了21个地区间心理健康变迁模式的相似性。

图7 各年份22个省(自治区、直辖市)老年人心理健康模式的表征相似性矩阵(国家尺度)：每个21×21矩阵表示每个年份下21个地区间心理健康模式的相似性, 矩阵的每个单元格表示每两个省(自治区、直辖市)在某年份下的心理健康模式矩阵之间的相似性。

图8 概念模型的表征相似性矩阵。左：中国“五年规划”变迁矩阵, 8×8矩阵中每个单元格表示每两个年份所属的中国“五年规划”轮次的相似性; 中：水稻种植面积分布矩阵, 21×21矩阵中的每个单元格表示每两个省(自治区、直辖市)种植水稻面积的相似性; 右：文化松紧度概念矩阵, 21×21矩阵中的每个单元格表示每两个省(自治区、直辖市)所属文化(宽松/紧致)间的相似性。

图9 社会变迁研究中表征相似性模型比较：矩阵比较的形式有多种, 可以比较单维变量间的表征相似性(如在意间维度比较1998与2018年全国老年人心理健康模式矩阵)、多维变量间的表征相似性(如在时间维度比较全国老年人心理健康变迁模式矩阵与认知功能变迁模式矩阵)以及不同尺度表征相似性模式, 如国家−地区尺度(如北京与全国老年人心理健康变迁模式)、国家−概念尺度(如全国老年人心理健康地区间模式与“水稻理论”概念模型)。

图10 22个省(自治区、直辖市)老年人心理健康变迁模式与全国老年人心理健康总体变迁模式的相关性(示意图)

图11 22个省(自治区、直辖市)老年人心理健康变迁模式与全国老年人心理健康总体变迁模式的表征相似性值(r值)

表1 22个省(自治区、直辖市)老年人心理健康变迁模式与全国老年人心理健康总体变迁模式的表征相似性值(r值)

省(自治区、直辖市)	r	Pearson correlation	Mantel test	省(自治区、直辖市)	r	Pearson correlation	Mantel test
省(自治区、直辖市)	r	p	p	省(自治区、直辖市)	r	p	p
陕西	0.94	<0.001^***	0.005^**	湖南	0.21	0.294	0.168
福建	0.95	<0.001^***	0.003^**	河北	0.15	0.455	0.157
广东	0.87	<0.001^***	0.070	江西	0.06	0.751	0.204
江苏	0.81	<0.001^***	<0.001^***	湖北	0.04	0.835	0.188
山东	0.50	0.007^**	0.060	四川	−0.04	0.839	0.375
浙江	0.43	0.022^*	0.011^*	黑龙江	−0.06	0.764	0.337
吉林	0.34	0.073	0.131	河南	−0.07	0.709	0.397
天津	0.32	0.095	0.137	北京	−0.12	0.548	0.533
重庆	0.26	0.180	0.128	安徽	−0.13	0.506	0.483
广西	0.24	0.221	0.151	上海	−0.17	0.378	0.719
辽宁	0.21	0.286	0.130	山西	−0.24	0.228	0.937

表2 社会经济文化水平与22个省(自治区、直辖市)老年人心理健康变迁模式与全国老年人心理健康总体变迁模式间表征相似性值的相关性

	变量	M	SD	1
1	表征相似性值r	0.44	0.25
2	GDP (1998~2018年均值)	14817.76	9197.24	0.46^*
3	CPI (1998~2018年均值)	101.98	0.33	−0.28
4	医疗卫生机构数量(1998~2018年均值)	21444.35	11708.51	0.06
5	广播电视节目综合人口覆盖率(1998~2018年均值)	96.03	3.11	0.04
6	PM2.5 (1998~2018年均值)	52.62	14.20	−0.29

图12 GDP水平与22个省(自治区、直辖市)老年人心理健康变迁模式与全国老年人心理健康总体变迁模式间表征相似性值的相关性

图13 老年人心理健康变迁模式、老年人认知功能变迁模式与国家政策、自然环境及社会理论概念模型间的表征相似性(示意图)

图S1 老年人孤独感变迁与社会经济文化指标变迁的表征相似性(*p <.05, ** p <.01, *** p <.001)

图S2 老年人心理健康模式(总体水平)与认知功能模式(总体水平)变迁的表征相似性(*p <.05, ** p <.01, *** p <.001)

表S1 社会经济文化变迁指标与老年人心理健康模式(总体水平)、认知功能模式(总体水平)变迁的表征相似性

		1			2
			Mantel test	Pearson correlation		Mantel test	Pearson correlation
				r	p	p	r	p	p
1	心理健康变迁(总体)	1
2	认知功能变迁(总体)	0.73	<0.001^***	<0.001^***	1
3	GDP	−0.01	0.321	0.954	0.29	0.144	0.135
4	CPI	0.11	0.289	0.574	0.12	0.285	0.534
5	医疗卫生机构数量	0.07	0.385	0.741	0.12	0.179	0.665
6	广播电视节目综合人口覆盖率	0.69	0.033^*	<0.001^***	0.83	0.002^**	<0.001^***
7	居民可支配收入	−0.03	0.317	0.885	0.95	0.147	0.205
8	居民消费水平	0.01	0.300	0.976	0.31	0.144	0.103
9	人口自然增长率	0.54	0.090	0.003^**	0.66	0.006^**	<0.001^***
10	总人口数	0.29	0.144	0.131	0.63	0.004^**	<0.001^***
11	PM2.5	−0.15	0.531	0.419	−0.15	0.592	0.454
12	年份	0.24	0.146	0.211	0.58	0.008^**	0.001**

图S3 老年人心理健康模式(总体水平)与认知功能模式(总体水平)变迁的表征相似性(*p < 0.05, **p < 0.01, ***p < 0.001)

表S2 老年人心理健康变迁与认知功能变迁两组变量的典型相关性分析

典型变量	典型相关系数	Wilk值	F	P
1	0.972	0.001	5.273	<0.001^***
2	0.930	0.027	3.208	<0.001^***
3	0.768	0.204	1.764	0.049^*
4	0.599	0.497	1.207	0.306
5	0.376	0.775	0.859	0.534
6	0.311	0.903	.	.

表S3 22个省(自治区、直辖市)老年人心理健康变迁模式与老年人认知功能变迁模式的表征相似性值(r值)

省(自治区、直辖市)	r	Pearson correlation	Mantel test	省(自治区、直辖市)	r	Pearson correlation	Mantel test
省(自治区、直辖市)	r	p	p	省(自治区、直辖市)	r	p	p
陕西	0.76	<0.001^***	0.006^**	天津	0.16	0.404	0.180
江苏	0.68	<0.001^***	0.028^*	广西	0.11	0.578	0.301
湖北	0.64	<0.001^***	0.075	北京	0.08	0.672	0.275
福建	0.61	<0.001^***	0.010^*	上海	−0.04	0.864	0.473
山西	0.54	0.003^**	0.002^**	浙江	−0.04	0.834	0.526
吉林	0.52	0.005^**	0.010^*	河南	−0.07	0.727	0.364
广东	0.43	0.022^*	0.145	重庆	−0.10	0.603	0.439
黑龙江	0.35	0.192	0.174	湖南	−0.15	0.442	0.747
江西	0.31	0.109	0.099	四川	−0.23	0.24	0.864
山东	0.21	0.286	0.213	辽宁	−0.34	0.079	0.942
安徽	0.2	0.299	0.211	河北	−0.37	0.054	0.988

图S4 22个省(自治区、直辖市)老年人心理健康变迁模式(A)与老年人认知功能变迁模式(B)

图S5 22个省(自治区、直辖市)老年人心理健康变迁模式与老年人认知功能变迁模式的表征相似性值(r值)

表S4 社会经济、文化、自然变迁指标与各省(自治区、直辖市)老年人心理健康模式与认知功能模式变迁的表征相似性值的相关性

		M	SD	1
1	表征相似性值(r值)	0.19	0.34
2	GDP (1998~2018年均值)	14817.76	9197.24	0.12
3	广播电视节目综合人口覆盖率(1998~2018年均值)	96.03	3.11	0.24
4	PM2.5(1998~2018年均值)	52.62	14.20	−0.02

表S5 社会经济、文化、自然变迁指标对各省(自治区、直辖市)老年人心理健康模式与认知功能模式变迁的表征相似性的调节作用

预测变量	B	SE	t	p	95% CI
预测变量	B	SE	t	p	LL	UL
(截距)	0.71	0.05	15.07	<0.001^***	1.86	2.23
心理健康变迁	0.25	0.05	5.03	<0.001^***	1.16	1.41
GDP变迁	−0.02	0.01	−2.96	0.003^**	0.96	0.99
广播电视节目综合人口覆盖率变迁	−0.005	0.002	−2.55	0.011^*	0.992	0.999

表S6 社会经济变迁对22个省(自治区、直辖市)老年人心理健康变迁模式与全国老年人心理健康总体变迁模式间表征相似性的调节作用

预测变量	B	SE	t	p	95% CI
预测变量	B	SE	t	p	LL	UL
(截距)	0.97	0.03	38.26	<0.001^***	0.92	1.01
心理健康变迁	0.02	0.03	0.87	0.382	−0.03	0.07
CPI变迁	−0.01	0.003	−2.73	0.006^**	−0.01	−0.002
居民消费水平变迁	−0.13	0.05	−2.60	0.010^*	−0.23	−0.03
心理健康变迁×居民消费水平变迁	0.13	0.05	2.49	0.013^*	0.03	0.23

图S6 居民消费水平变迁的表征相似性模式在22个省(自治区、直辖市)老年人心理健康变迁模式与全国老年人心理健康总体变迁模式间表征相似性中的调节作用(*** p < 0.001)

图S7 各年份老年人心理健康地区间模式与老年人认知功能地区间模式的相关性(示意图)

表S7 各年份老年人心理健康地区间模式与老年人认知功能地区间模式的表征相似性值(r值)

年份	r	Pearson correlation	Mantel test	年份	r	Pearson correlation	Mantel test
年份	r	p	p	年份	r	p	p
2002	0.40	<0.001^***	0.011^*	2014	0.09	0.152	0.153
2000	0.25	<0.001^***	0.108	1998	0.02	0.765	0.39
2011	0.24	<0.001^***	0.054	2005	0.01	0.923	0.409
2018	0.24	<0.001^***	0.239	2008	−0.01	0.983	0.373

图S8 各年份老年人心理健康地区间模式与老年人认知功能地区间模式的表征相似性值(r值)随时间变化的趋势(** p < 0.01)

图S9 以GDP水平为自变量, 以地区老年人心理健康和全国老年人心理健康变迁模式的表征相似性值(r)为因变量的回归方程拟合图

图S10 收入法GDP与22个省(自治区、直辖市)老年人心理健康变迁模式与全国老年人心理健康总体变迁模式间表征相似性值的相关性

图S11 支出法GDP与22个省(自治区、直辖市)老年人心理健康变迁模式与全国老年人心理健康总体变迁模式间表征相似性值的相关性

参考文献 35

[1]	Cai, H. J., Huang, Z. H., Lin, L., Zhang, M. Y., Wang, X. O., Zhu, H. J., ... Jing, Y. M. (2020). The psychological change of the Chinese people over the past half century: A literature review. Advances in Psychological Science, 28(10), 1599-1618. doi: 10.3724/SP.J.1042.2020.01599
	[蔡华俭, 黄梓航, 林莉, 张明杨, 王潇欧, 朱慧珺, ... 敬一鸣. (2020). 半个多世纪来中国人的心理与行为变化——心理学视野下的研究. 心理科学进展, 28(10), 1599-1618.] doi: 10.3724/SP.J.1042.2020.01599
[2]	Cai, H. J., Zhang, M. Y., Bao, H. W. S., Zhu, H. J., Yang, Z. Y., Cheng, X., ... Wang, Z. X. (2023). Examining societal change from the perspective of psychology: Research design and analytic techniques. Advances in Psychological Science, 31(2), 159-172. doi: 10.3724/SP.J.1042.2023.00159
	[蔡华俭, 张明杨, 包寒吴霜, 朱慧珺, 杨紫嫣, 程曦, ... 王梓西. (2023). 心理学视野下的社会变迁研究:研究设计与分析方法. 心理科学进展, 31(2), 159-172.] doi: 10.3724/SP.J.1042.2023.00159
[3]	Cai, H. J., Zou, X., Feng, Y., Liu, Y. Z., & Jing, Y. M. (2018). Increasing need for uniqueness in contemporary China: Empirical evidence. Frontiers in Psychology, 9. https://doi.org/10.3389/fpsyg.2018.00554
[4]	Center for Healthy Aging and Development, Studies. (2020). The Chinese Longitudinal Healthy Longevity Survey (CLHLS)-Longitudinal Data (1998-2018). Peking University Open Research Data Platform, V2
	[健康老龄与发展研究中心. (2020). 中国老年健康影响因素跟踪调查(CLHLS)-追踪数据(1998-2018). 北京大学开放研究数据平台, V2]
[5]	Chua, R. Y. J., Huang, K. G., & Jin, M. (2019). Mapping cultural tightness and its links to innovation, urbanization, and happiness across 31 provinces in China. PNAS, 116(14), 6720-6725. doi: 10.1073/pnas.1815723116 pmid: 30833399
[6]	Deng, W. Z. (2009). Sociological dictionary. Shanghai Lexicographical Publishing House.
	[邓伟志. (2009). 社会学辞典. 上海: 辞书出版社.]
[7]	Duan, Q., Xu, Z. C., Hu, Q., & Luo, S. Y. (2022). Neural variability fingerprint predicts individuals’ information security violation intentions. Fundamental Research, 2(2), 303-310.
[8]	Enke, B. (2023). Market exposure and human morality. Nature Human Behaviour, 7(1), 134-141.
[9]	Gelfand, M. J., Nishii, L. H., & Raver, J. L. (2006). On the nature and importance of cultural tightness-looseness. Journal of Applied Psychology, 91(6), 1225-1244. pmid: 17100480
[10]	Haxby, J. V., Connolly, A. C., & Guntupalli, J. S. (2014). Decoding neural representational spaces using multivariate pattern analysis. Annual Review of Neuroscience, 37, 435-456. doi: 10.1146/annurev-neuro-062012-170325 pmid: 25002277
[11]	Huang, G. L., Yu, X. L., Long, Q. Y., Huang, L. Q., & Luo, S. Y. (2022). The impact of economic freedom on COVID-19 pandemic control: The moderating role of equality. Globalization and Health, 18(1), 15.
[12]	Huang, L. Q., Sun, Y., & Luo, S. Y. (2022). The impact of individualism on the efficiency of epidemic control and the underlying computational and psychological mechanisms. Acta Psychologica Sinica, 54(5), 497-533. doi: 10.3724/SP.J.1041.2022.00497
	[黄丽芹, 孙寅, 罗思阳. (2022). 个人主义文化价值观对疫情控制效果的影响及其计算心理机制. 心理学报, 54(5), 497-533.] doi: 10.3724/SP.J.1041.2022.00497
[13]	Jiang, G. R., Li, D. Y., Ren, Z. H., Yan, Y. P., Wu, X. C., Zu, X.,... Zhang. L. (2021). The status quo and characteristics of Chinese mental health literacy. Acta Psychologica Sinica, 53(2), 182-201. doi: 10.3724/SP.J.1041.2021.00182
	[江光荣, 李丹阳, 任志洪, 闫玉朋, 伍新春, 朱旭, ... 张琳. (2021). 中国国民心理健康素养的现状与特点. 心理学报, 53(2), 182-201.] doi: 10.3724/SP.J.1041.2021.00182
[14]	Klein, K. J., & Kozlowski, S. W. J. (Eds.). (2000). Multilevel theory, research, and methods in organizations: Foundations, extensions, and new directions. Jossey-Bass/Wiley.
[15]	Li, L. M. W., Luo, S. Y., Ma, J. J., Lin, Y., Fan, L. L., Zhong, S. Q., ... Wu, X. (2018). Functional Connectivity Pattern Underlies Individual Differences in Independent Self- Construal. Social Cognitive and Affective Neuroscience, 13(3), 269-280.
[16]	Liu, Z. X. (2017). Transmission of religious affiliation across generations: The case of Taiwan. Sociological Studies, 32(1), 193-216+246.
	[刘子曦. (2017). 宗教信仰的代际传递: 基于台湾地区的数据分析. 社会学研究, 32(1), 193-216+246.]
[17]	Luo, S. Y., Li, L. M. W., Espina, E., Bond, M. H., Lun, V. M.-C., Huang, L. Q., ... Liu, J. H. (2023). Individual uniqueness in trust profiles and well-being: Understanding the role of cultural tightness-looseness from a representation similarity perspective. British Journal of Social Psychology, 62(2), 825-844.
[18]	Luo, S. Y., Ma, Y. N., Liu, Y., Li, B. F., Wang, C. B., Shi, Z. H., ... Han, S. H. (2015). Interaction between oxytocin receptor polymorphism and interdependent culture values on human empathy. Social Cognitive and Affective Neuroscience, 10(9), 1273-1281. doi: 10.1093/scan/nsv019 pmid: 25680993
[19]	Luo, S. Y., Zhang, T., Li, W. X., Yu, M. H., Hein, G., & Han, S. H. (2019). Interactions between oxytocin receptor gene and intergroup relationship on empathic neural responses to others' pain. Social Cognitive and Affective Neuroscience, 14(5), 505-517. doi: 10.1093/scan/nsz029 pmid: 31070227
[20]	Luo, S. Y., Zhu, Y. Y., Fan, L. Y., Gao, D. G., & Han, S. H. (2020). Resting-state brain network properties mediate the association between the oxytocin receptor gene and interdependence. Social Neuroscience, 15(3), 296-310. doi: 10.1080/17470919.2020.1714718 pmid: 31928145
[21]	Luo, S. Y., Zhu, Y. Y., & Han, S. H. (2021). Functional connectome fingerprint of holistic-analytic cultural style. Social Cognitive and Affective Neuroscience, 17(2), 172-186. doi: 10.1093/scan/nsab080 pmid: 34160613
[22]	Mantel, N. (1967). The detection of disease clustering and a generalized regression approach. Cancer Research, 27(2), 209-220. pmid: 6018555
[23]	Peng, L., & Luo, S. Y. (2021). Impact of social economic development on personality traits among Chinese college students: A cross-temporal meta-analysis, 2001-2016. Personality and Individual Differences, 171, 110461.
[24]	Popal, H., Wang, Y., & Olson, I. R. (2019). A guide to representational similarity analysis for social neuroscience. Social Cognitive and Affective Neuroscience, 14(11), 1243-1253. doi: 10.1093/scan/nsz099 pmid: 31989169
[25]	R, Core Team. (2020). R: A language and environment for statistical computing. R Foundation for Statistical Computing.
[26]	Talhelm, T., Zhang, X., Oishi, S., Shimin, C., Duan, D., Lan, X., & Kitayama, S. (2014). Large-scale psychological differences within China explained by rice versus wheat agriculture. Science, 344(6184), 603-608. doi: 10.1126/science.1246850 pmid: 24812395
[27]	Tan, H. X., Duan, Q., Liu, Y. H., Qiao, X. Y., & Luo, S. Y. (2022). Does losing money truly hurt? The shared neural bases of monetary loss and pain. Human Brain Mapping, 43(10), 3153-3163.
[28]	Twenge, J. M. (1997). Attitudes toward women, 1970-1995: A meta-analysis. Psychology of Women Quarterly, 21(1), 35-51.
[29]	Xin, Z. Q., & Chi, L. P. (2008). Cross-temporal meta-analysis: Linking social change to psychological development. Journal of East China Normal University (Educational Sciences), 26(2), 44-51.
	[辛自强, 池丽萍. (2008). 横断历史研究:以元分析考察社会变迁中的心理发展. 华东师范大学学报(教育科学版), 26(2), 44-51.]
[30]	Yamawaki, N. (2012). Within-culture variations of collectivism in Japan. Journal of Cross-Cultural Psychology, 43(8), 1191-1204.
[31]	Yu, F., Peng, T., Peng, K. P., Tang, S., Chen, C. S., Qian, X. J., ... Chai, F. Y. (2016). Cultural value shifting in pronoun use. Journal of Cross-Cultural Psychology, 47(2), 310-316.
[32]	Yu, M. H., Huang, L. L., Mao, J. Q., Dna, G., & Luo, S. Y. (2022). Childhood maltreatment, automatic negative thoughts and resilience: The protective roles of culture and genes. Journal of Interpersonal Violence, 37(1-2). 349-370.
[33]	Yuan, H., Long, Q. Y., Huang, G. L., Huang, L. Q., & Luo, S. Y. (2022). Different roles of interpersonal trust and institutional trust in COVID-19 pandemic control. Social Science & Medicine, 293, 114677.
[34]	Zhang, J. J., Zhang, H., & Feng, X. H. (2023). The change of ethnic psychology from "view of otherness" to"view of the world"——Meta-ethnographic analysis from the perspective of interracial marriage. Journal of South China normal University (Social Science Edition), (2), 63-83.
	[张积家, 张航, 冯晓慧.(2023). 从“异己观”到“天下观”的民族心理变迁——基于族际通婚视角的元民族志分析. 华南师范大学学报(社会科学版), (2), 63-83.]
[35]	Zhang, J. R., Hua, S. W., Ling, H., & Tang, Z. (2020). An implicit experimental study of intergenerational differences in work values. Chinese Journal of Clinical Psychology, 28(4), 675-678+738.
	[张建人, 花少武, 凌辉, 唐忠. (2020). 工作价值观代际差异的内隐实验研究. 中国临床心理学杂志, 28(4), 675-678+738.]