摘要
尽管人们越来越认识到青少年积极发展（PYD）依赖于个体资源与生态资源的动态互动，但现有研究仍主要依赖线性模型，无法捕捉高维度的非线性预测变量配置。本研究运用机器学习方法对5019名中国青少年（年龄9–19岁）的四波纵向数据进行分析，旨在识别T4时点PYD的关键预测变量（在控制T3时点先前PYD水平的前提下），PYD采用中国4C模型（品格、胜任力、自信、连接）进行测量。我们比较了12种算法，CatBoost实现了最佳预测效果（R2 = .816）。SHAP分析发现，学校心理氛围、抑郁和亲子分离感是排名前三的预测变量。异质性分析揭示了年龄梯度效应：学校氛围对小学和初中学生起主导作用，而亲子分离感对高中学生起主导作用。学生类型分析揭示了三条不同的发展路径：以社会流动信念为特征的流动儿童期望路径，以亲子分离感为特征的留守儿童和城市儿童关系路径，以及以抑郁为特征的普通农村儿童临床路径。这些发现为针对不同中国青少年群体的差异化、情境敏感型干预策略提供了实证支持。
利益冲突声明
作者声明不存在利益冲突。
数据可用性声明
支持本研究结果的数据可应通讯作者要求提供。由于隐私或伦理限制，数据不公开提供。
