日常行为动机在一天中的变化：一种基于聚类的方法来理解个体差异

《iScience》：Time-of-day variation in motivation for everyday behaviors: A cluster-based approach to understanding individual differences

　　亮点
• 四种动机表型捕捉了日常动机中的异质性
• 全天中，以休息为导向的动机超过了以活动为导向的动机
• 动机的差异在一天中以及不同表型之间存在系统性的变化
• 动机可以预测行为，这种预测作用随时间和表型的不同而变化

摘要
动机支配着日常行为，在精神疾病中常常受到干扰，但动机在一天中的变化方式以及这些模式在不同个体之间的差异仍不清楚。在这里，我们研究了日常活动瞬时主观动机的日变化模式、这些动机如何转化为行为，以及这些模式如何根据与动机相关的特征指标而变化。基线时，538名参与者（424名女性，112名男性，2名非二元性别者，年龄在18至77岁之间）完成了与动机改变相关的精神特征问卷调查，发现了四个在欲望动机方面存在差异的群体，以及具有不同水平目标导向行为的抑郁特征群体。随后，410名参与者在大约08:00至23:00之间完成了生态瞬时评估，报告了他们对自己日常行为的即时动机和最近参与情况。在不同群体中，以恢复（休息、独处）为导向的动机超过了以活动（社交、锻炼）为导向的动机，形成了“动机差距”（定义为以恢复为导向的动机与以活动为导向的动机之间的相对差异），这种差距在清晨和傍晚最大，而在中午最小，并且在不同群体之间存在差异。即时动机转化为后续行为，这种转化的强度随时间和动机类型而变化。这些发现表明，日变化动机是个体动机状态和行为变异性的一个被忽视的来源。

引言
动机整合了目标的选择和追求这些目标所需的努力动员。动机失调表现为目标导向行为的减少、过度动机或对非最优目标的错误导向，这是多种精神疾病的标志。从概念上讲，动机可以被视为从低动机到高动机的一个连续体。在低动机的一端，冷漠（一种目标导向行为减少的症状）在抑郁症和精神分裂症中很常见，并且与较差的功能结果相关。在另一端，高动机可能表现为严重的即时奖励偏好（重视即时奖励而非延迟奖励），或者表现为错误导向的动机，在临床上表现为躁狂、注意力缺陷多动障碍（ADHD）或与物质使用相关的问题。值得注意的是，在精神疾病诊断阈值以下也存在有意义的个体差异。亚临床水平的奖励敏感性和趋近-回避倾向与焦虑、情绪、注意力和物质使用问题有关。现代观点将动机视为一种成本-效益权衡过程，大脑在此过程中评估一个行动的预期价值与努力成本以及替代行动的机会成本。这种权衡决定了行动的强度和持续性，可能受到时间和情境的影响。一天中，唤醒水平、疲劳程度和情境机会的变化可能会动态地改变价值与努力之间的平衡。例如，当能量水平较高时，体力活动可能更具有吸引力；而到了傍晚，当稳态睡眠压力最高时，休息变得越来越重要。日常生活还需要在竞争性目标之间持续进行权衡：社交互动、体力活动、休息和睡眠，许多人也寻求独处的时间。这些多方面的需求说明了需要一个时间结构，将不同的目标分配到一天中的不同时间。实际上，在大多数物种中，睡眠、进食和活动都在24小时周期内的特定时间发生，尽管个体之间存在时间上的差异。当动机未能与一天中的需求相一致时，可能会产生适得其反的选择和行为。例如，傍晚时过度的社交动机可能会影响睡眠，而早晨时缺乏活动动机可能会让人难以起床。尽管需要时间结构，但动机通常被研究为一个相对稳定的特征，或者当被视为动态的属性时，表现为每天之间的波动。最新研究表明，日常动机状态的变化会影响基于努力的决策，当个体感到比平时更有动力时，他们会付出更多努力并对奖励更为敏感。这些研究还表明，冷漠程度高的个体尤其依赖于瞬时动机状态，这表明动机障碍可能反映了状态依赖性的增强，而不是普遍的低动机，但仍然留下了一个问题：动机是否遵循日内模式，以及个体在这些动态方面是否存在差异。如果动机在一天内发生变化，那么动机高峰和低谷的时间安排可能会对自我调节、心理健康和日常功能产生直接影响。

实验室研究表明，动机过程受到时间的影响，但关于高峰和低谷的具体时间还存在争议。一些研究表明下午早些时候在冒险决策、对积极图像的情感反应以及纹状体对金钱奖励的反应方面存在高峰，而其他研究则在类似时间发现奖励学习或伏隔核激活的低谷。其他研究显示，早晨对视觉食物刺激的纹状体反应比晚上更强，还有一些研究未发现奖励学习存在日变化。时间的变化也在与奖励相关的行为中观察到，例如对尼古丁和海洛因的渴求，以及主观上的喜好和欲望，在傍晚达到高峰。这些实验室研究表明，动机过程是对时间敏感的，但它们在时间安排、形态、个体间差异以及与实验室外日常行为的相关性方面仍有待解决。大多数研究仅使用两个或三个测量时间点进行稀疏的时间采样，这限制了我们对这些现象的理解。

理解主观动机在一天中的组织方式在临床和行为学上具有相关性，因为它可以揭示失调最可能发生的时间以及支持最有效的时机。自我报告的即时动机提供了个体对渴望、努力和目标优先级的直接体验。使用生态瞬时评估方法进行评估时，这些即时报告通过接近时间和自然环境中的动机和行为采样，减少了回顾性偏差。一个挑战是个体在动机方面的差异可能很大。无监督聚类方法通过基于行为、认知或精神特征将个体分类为更连贯的亚组来应对这一挑战。这些无监督方法无需标签即可揭示原本可能隐藏的亚组。这些技术已经识别出可以预测治疗反应的抑郁症亚型或表明对不良临床结果易感性的潜在模式，因此非常适合探索异质性、识别新的表型特征，并为未来的研究生成可测试的假设。在当前研究中，我们考察了日常动机如何在学习过程中的变化，以及这种时间组织方式在不同个体之间的差异。参与者反复报告了他们在四种常见状态（休息、独处、社交和锻炼）下的即时动机（“现在），从而直接测量了日常生活中体验到的主观动机状态。参与者还报告了他们在之前的几个小时内是否参与了相关行为，使我们能够考察动机波动如何预测后续行为。为了捕捉类似特征的个体差异，我们测量了抑郁、躁狂、注意力不集中、多动/冲动和冷漠（认知、行为和情感子领域）等指标，作为动机维度的典型代表。这些指标涵盖了影响个体如何启动、维持和调节行为的一系列情绪和认知因素，如目标导向动机、行为激活和对奖励的敏感性。我们追求了四个目标：(1) 根据与动机改变相关的常见精神特征识别动机亚组；(2) 描述日常行为（休息、独处、社交和锻炼）的瞬时动机日变化模式，并评估这些模式在不同动机亚组之间的差异；(3) 考察日常行为（外出时间、锻炼、社交和摄入咖啡因）的日变化模式，通过过去几个小时的自我报告参与情况来评估；(4) 确定动机转化为行为的程度。通过结合测量稳定的个体差异（过去几周的症状）和全天高频的瞬时状态测量（“现在”），本研究测试了日常动机在一天中的时间组织方式、这些模式在不同个体之间的差异，以及动机最有可能驱动行为的时间。

结果

目标1：识别动机亚组
使用高斯有限混合模型，我们根据538名参与者（424名女性，112名男性，2名非二元性别者；平均年龄=32.3岁，标准差=9.5岁，范围18–77岁）的数据识别出四个亚组（见图1）。第1组（高欲望动机；n=111，20.6%）的特点是个体具有较高的躁狂症状水平、较低的冷漠程度、抑郁和注意力不集中，以及中等程度的多动/冲动。第2组（平衡；n=253，47.0%）在所有测量指标上的症状水平均处于或低于样本平均水平。第3组（抑郁但目标导向行为保持良好；n=60，11.2%）的特点是抑郁症状水平较高，同时认知和情感目标导向行为相对保持良好（即认知和情感冷漠程度较低，行为冷漠和注意力不集中程度为中等），以及中等程度的多动/冲动和较低的躁狂。第4组（抑郁且目标导向行为较低；n=114，21.2%）的特点是在认知、行为和情感领域得分较高，抑郁和注意力不集中程度较高，多动/冲动程度中等，躁狂程度最低，反映了广泛的动机障碍。

目标2：日常行为的即时动机日变化模式
接下来，我们询问日常行为的动机是否遵循日变化模式。广义加性混合效应模型（GAMMs）显示所有四个动机领域都有非线性的日变化（见图S7）。在所有参与者中，全天中，休息的动机（edf=5.36，F=80.2，p<0.001）和独处的动机（edf=4.41，F=24.2，p<0.001）超过了社交的动机（edf=4.57，F=60.2，p<0.001）和锻炼的动机（edf=3.97，F=106.5，p<0.001）。休息和锻炼的动机与独处和社交的动机表现出配对日变化模式，尽管这些关系并不完全对称。例如，曲线的形状是不对称的，即休息的动机从早上8:00开始下降，之后急剧上升，而锻炼的动机在整个一天中较为平稳。此外，低锻炼动机并不一定意味着想要休息，低社交动机也不一定反映想要独处的愿望，这通过个体内的相关性得到了证明（见补充结果“个体内状态动机的相关性”）。具体来说，早晨8:00左右的休息动机较高，随后下降到中午，然后在傍晚逐渐上升。独处的动机在上午8:00至下午7:00之间相对稳定，之后在傍晚显著增加。社交的动机在中午12:00左右最高，之后下降。锻炼的动机在一天中的早期（上午8:00至13:00）最高，然后逐渐下降。

结论
通过结合测量稳定的个体差异（过去几周的症状）和全天高频的瞬时状态测量（“现在”），本研究测试了日常动机在一天中的时间组织方式、这些模式在不同个体之间的差异，以及动机最有可能驱动行为的时间。

后续分类概率表明，各亚组的分配确定性较高，第1组的平均后验概率为86.7%（标准差=16.3%），第2组为87.5%（标准差=15.6%），第3组为78.5%（标准差=18.1%），第4组为80.8%（标准差=17.5%）。多变量正态性诊断中存在一些轻微偏差，主要与两个亚组（第2组和第4组）的偏度有关（见补充信息中的敏感性分析）。与GMM解决方案相比，基于排名的层次聚类显示抑郁特征之间的区分度较小，表明抑郁症状的严重程度存在更连续的变化。第1组（高动机）和第2组（平衡）基本保持不变，且日动机模式在不同方法之间相似。这些发现表明，聚类结果并不完全依赖于分布假设，同时也表明亚组特征沿连续维度变化，并不形成清晰划分的亚组。

目标2：日常行为的即时动机日变化模式
接下来，我们询问日常行为的动机是否遵循日变化模式。广义加性混合效应模型（GAMMs）显示所有四个动机领域都有非线性的日变化（见图S7）。在所有参与者中，休息的动机（edf=5.36，F=80.2，p<0.001）和独处的动机（edf=4.41，F=24.2，p<0.001）全天中超过了社交的动机（edf=4.57，F=60.2，p<0.001）和锻炼的动机（edf=3.97，F=106.5，p<0.001）。休息和锻炼的动机与独处和社交的动机表现出配对的双峰日变化曲线，尽管这些关系并不完全对称。例如，曲线的形状不对称，即休息的动机从早上8:00开始下降，之后急剧上升，而锻炼的动机在整个一天中较为平稳。此外，低锻炼动机并不一定意味着想要休息，低社交动机也不一定反映想要独处的愿望，这一点通过个体内的相关性得到了证明（见补充结果“个体内状态动机的相关性”）。具体来说，早晨8:00左右的休息动机较高，随后下降到中午，然后在傍晚稳步上升。独处的动机在上午8:00至下午7:00之间相对稳定，之后在傍晚显著增加。社交的动机在中午12:00左右最高，之后下降。锻炼的动机在一天中的早期（上午8:00至13:00）最高，然后在其余时间逐渐下降。

完整的GAMM结果见表格S3–S6，并在图2A和图3中进行了可视化。对于咖啡因，对比结果以对数优势差异表示；例如，第1组的咖啡因消费概率是第3组的一半（OR = 0.51）。粗边框表示统计上显著的对比（p < 0.05）。组别标签如下：(1) 高食欲动机；(2) 平衡型；(3) 有目标导向行为的抑郁状态；(4) 低目标导向行为的抑郁状态。图3显示了按组别划分的动机状态在一天中的时间模式。

在各个组别中，即使考虑了一天中不同时间和个体随机效应后，瞬时动机水平仍然存在差异（图2A）。高动机和平衡型组别报告的休息和独处的动机水平低于抑郁低动机组别。抑郁-低动机组别报告的社交和运动动机水平最低。尽管不同组别的动机模式的整体日变化相似，但在动机水平和时间上仍存在差异。抑郁-低动机组别在一天中的早些时候表现出更强的休息和独处动机，而运动动机则没有与其他组别显著不同。高动机组别在整个一天中对社交和运动的动机更强，尤其是在早晨到下午期间。各组别在一天中特定动机的相对强度上也有所不同。在高动机和平衡型组别中，下午的社交动机超过了运动动机；而在两个抑郁组别中，这两种动机的区分不太明显。在抑郁-低动机组别中，休息和独处的动机始终高于社交和运动动机，形成了明显的对比。

目标3：不同动机组别之间的行为差异完整的GAMM结果记录在表S7-S10中，并在图2B和图4中进行了可视化。图4显示了按组别划分的日常行为模式。高动机组别报告的咖啡因摄入量较少，社交活动较多，运动量也较多，且比其他组别更常在户外活动，社交时间也比其他组别长。平衡型组别与抑郁组别之间的行为差异不显著。

接下来，我们研究了个体内部动机的波动是否能够预测随后的行为，即个体动机水平的短暂变化是否会导致下一个时间点的行为相应变化。平均而言，先前的运动动机最强烈地预测了随后的运动行为（b = 0.29，95%置信区间[CI] [0.23, 0.34]，p < 0.001）。较强的社交动机也会增加随后的社交行为（b = 0.19，95%置信区间[0.13, 0.25]），而较强的休息和独处动机则减少了社交行为（b = ?0.20，95%置信区间[?0.25, ?0.16] 和 b = ?0.14，95%置信区间[?0.19, ?0.09]）。平均而言，先前的社交动机促进了随后的社交行为（b = 0.24，95%置信区间[0.18, 0.31]），而较强的休息和独处动机则减少了社交行为（b = ?0.24，95%置信区间[?0.30, ?0.19] 和 b = ?0.12，95%置信区间[?0.17, ?0.07]）。先前的运动动机也预测了更多的户外活动时间（b = 0.30，95%置信区间[0.24, 0.36]）和社交时间（b = 0.27，95%置信区间[0.21, 0.34]），以及较低的休息动机（b = ?0.22，95%置信区间[?0.27, ?0.17] 和 b = ?0.16，95%置信区间[?0.22, ?0.11]）。当运动动机较高时，咖啡因摄入量也略有增加（比值比[OR] = 1.14，95%置信区间[1.05, 1.24]，p = 0.002）。

最后，我们研究了个体内部动机-行为耦合的强度是否在一天中以及不同组别之间存在差异。分析集中在特定动机的行为上（社交动机预测社交行为和运动动机预测运动行为）。社交动机转化为社交行为的方式取决于一天中的时间（时间×社交动机：edf = 6.76，F = 1.82，p < 0.001）。如图5A所示，一天中早些时候和晚些时候，高于平常的社交动机会预测t+1时社交行为的增加，而低于平常的社交动机则预测t+1时社交行为的减少。对于运动行为，这种时间×社交动机交互作用的组别特异性调节并不明显。对于运动行为，其与运动动机的关联在一天中较为均匀，但不同组别在耦合的时间上有所不同：在抑郁-低动机组别中，运动动机在上午到下午期间更强烈地预测了随后的运动行为（edf = 1.74，F = 0.63，p = 0.027）。在平衡型组别中，这种耦合在下午稍强（edf = 1.00，F = 0.37，p = 0.031）。具体而言，这个群体表现出较弱的行动动机和较强的恢复动机，同时行动动机的日变化幅度也有所减弱。这种差异可能会在心理或能量上造成障碍，从而阻碍他们参与社会或身体上要求较高的活动。高欲望动机群体对各种活动的积极性始终高于平衡动机群体，而两组在休息方面的动机没有差异。高欲望动机群体在上午晚些时候到下午早些时候的时间段内，对独处、休息、社交和锻炼的动机同时存在，这表明多种动机领域之间存在共激活现象，可能反映了更强的动机灵活性（即根据情境在不同行为之间切换动机的能力）。另一方面，当多种欲望同时出现时，也可能导致内在的紧张状态。未来的研究可以探讨这种动机共存是否有助于适应性行为（例如，在机会出现时能够立即采取行动），或者在需要做出选择时是否会导致压力。动机差距框架可能有助于理解为什么有些人难以将意图转化为行动，并为有效的健康干预提供指导。动机差距并不是一个独立的概念，而是一个操作指数，用于表示某一时刻各种动机之间的相对权重分布。因此，理解这种平衡可能比单独关注行动动机更有意义，因为它揭示了日常动机中固有的权衡。传统上，行为激活计划通常通过教育或激励措施来提高对特定行为（如体育活动）的动机。然而，我们的发现促使未来的研究探索一种补充途径，即将干预措施安排在动机差距较小的时间段，例如中午前后。例如，通过将休息重新定义为包含积极元素的短暂恢复性活动，也可能是一种调整这种平衡的潜在方法。

不同群体在户外活动、社交和锻炼上的时间投入存在差异，但这些差异不如群体内部的动机差异那么明显，可能反映了环境因素（如通勤学校或工作）对内在动机状态的影响。抑郁动机群体的户外活动、社交和锻炼时间最少，但他们摄入的咖啡因量更多。高欲望动机群体的咖啡因摄入量低于抑郁动机群体，这可能反映了他们天生具有较高的能量或兴奋水平。这与临床研究的结果相反，因为据报道双相情感障碍患者体内的咖啡因水平较高。尽管高咖啡因水平的临床意义尚不清楚，但有研究表明急性咖啡因摄入量的增加可能先于双相情感障碍的躁狂症状的出现。抑郁动机群体较高的咖啡因摄入量符合“自我治疗”的解释，即咖啡因可能被用来对抗低能量、疲劳或药物副作用。一些研究将较高的咖啡因摄入量与较低的抑郁症状联系起来，但结果尚无定论。目前研究中较高的咖啡因摄入量可能是为了应对症状（无论是无效的还是部分有效的），还是其他因素同时驱动了咖啡因摄入和抑郁症状。高欲望动机群体在户外活动、社交和锻炼上的时间投入也更多（与其他所有群体相比），这表明他们的行为激活程度更高，可能更偏好刺激性环境。这些行为差异表明，特质动机不仅决定了人们倾向于做什么，还与日常行为和能量补偿行为（如咖啡因摄入）相互作用。

各群体在日常动机总体模式上的相似性表明存在一个共同的调节过程，协调了休息-活动周期。例外的是抑郁-低动机群体，其锻炼和社交动机的日变化幅度较小，这与目标导向行为的普遍减弱一致。昼夜节律系统可能在调节这些日常动机的峰值和低谷中起作用，可能使动机节律与生物学上适合锻炼和恢复的时间窗口相吻合。鉴于多巴胺在动机和行为激活中的核心作用，这种调节可能部分由昼夜节律中的多巴胺信号变化介导，这在动物模型中已有观察。例如，在昼夜周期中寻求奖励有利的阶段（如小鼠的夜间），多巴胺反应会被放大。尽管这种机制在人类中的适用程度还需确定，但昼夜节律的紊乱（如休息-活动节律的变化和睡眠延迟）在抑郁和躁狂中很常见，可能会干扰动机节律的同步性和幅度，从而扩大动机差距。我们的探索性分析显示，高欲望动机群体中早起型特征更为普遍，而抑郁-低动机群体中晚睡型特征更为普遍，这与将睡眠-觉醒节律的延迟（晚睡型）与情绪障碍联系起来，以及将睡眠-觉醒节律的提前（早起型）与躁狂联系起来的证据一致。

总之，日常动机遵循以休息相关动机为主的节律，但动机的特质差异决定了动机转化为行为的强度和时间。动机差距（多种共存动机之间的相对差异）为理解预期行为的成败提供了一个动态框架，并为时间敏感的干预提供了依据。未来的研究可以测试，诸如促进锻炼的干预措施，在动机差距较小的时间段进行时是否更有效：加强朝向期望行为的动机，减弱低努力/不适应行为的吸引力，并利用自然最有利的时机。

在解释当前研究结果时，应考虑几个限制因素。首先，数据收集是远程进行的，这种方法虽然比实验室评估主观动机具有更高的生态有效性，但也引入了无法直接控制或验证的环境条件差异。其次，性别分布不平衡降低了评估性别差异的统计功效。第三，所有数据都在工作日收集，限制了结果在整个星期的普遍性，因为动力状态和行为机会在工作日和周末往往不同。第四，情境限制（如工作要求或身体限制）可能会影响动机和行为。这些情境因素在EMA测量中未得到评估，限制了我们研究情境机会或限制如何影响动机和行为的能力。未来的工作可以整合情境测量，以评估情境机会与动机过程之间的相互作用，以及睡眠的作用。最后，每个群体内部联合分布的多变量正态性并未得到完全支持，这需要谨慎解读。这些群体应被视为基于理论的信息汇总，总结了心理维度中的多变量模式，而不是作为确定的潜在类别。这需要在更大样本中进行验证。结合主观和客观行为测量以及更多时间密集的采样，也将有助于进一步完善动机-行为耦合的模型。

**资源可用性**
如需进一步信息，请联系主要联系人Leonie J.T. Balter ([e-mail])。

**材料可用性**
- 支持本研究的数据可在Open Science Framework获取：https://doi.org/10.17605/OSF.IO/JQY7C
- 原始代码也可在Open Science Framework获取：https://doi.org/10.17605/OSF.IO/JQY7C
- 任何分析本文数据的额外信息均可向主要联系人请求。

**致谢**
本工作得到了Rut和Arvid Wolff纪念基金会的资助（编号FS-2021:0008，针对L.J.T.B.）。此外，还获得了欧盟Horizon 2020研究与创新计划下的Marie Sk?odowska-Curie项目资助（编号101108620，针对L.J.T.B.）。

**作者贡献**
J.A. 负责概念化、方法论、解释和写作；R.C. 负责概念化、解释和写作；L.J.T.B. 负责概念化、方法论、软件开发、调查、数据分析、解释、写作初稿、修订和编辑、可视化、项目管理和资金获取。所有作者都对最终版本的稿件做出了贡献、进行了审阅和批准。

**利益声明**
作者声明没有竞争利益。

**方法关键资源表**
- **试剂或资源**
- **来源标识符**
- **存档数据**
- 本文数据：OSF: https://doi.org/10.17605/OSF.IO/JQY7C
- **分析脚本**：OSF: https://doi.org/10.17605/OSF.IO/JQY7C
- **软件和算法**
- R版本4.5.1：https://www.r-project.org/R
- R Studio版本2025.05.1：https://posit.co/download
- mclustScrucca等人：https://cran.r-project.org/web/packages/mclust/index.html
- mgcv：https://cran.r-project.org/web/packages/mgcv/index.html
- psychRevelle：https://cran.r-project.org/web/packages/psych/index.html
- MVNKorkmaz等人：https://cran.r-project.org/web/packages/MVN/index.html
- gratiaSimpson：https://cran.r-project.org/web/packages/gratia/index.html
- **其他**
- Prolific招聘平台：https://www.prolific.com/
- 抑郁症研究中心修订版简表（CESD-R 10）：Cole等人：https://doi.org/10.1037/1040-3590.16.4.360
- Altman自我评定躁狂量表（ASRM）：Altman等人：https://doi.org/10.1016/S0006-3223(96)00548-3
- 成人ADHD自我报告量表（ASRS）：Adler等人：https://doi.org/10.1080/10401230600801077
- 冷漠评估量表（AES）：Marin等人：https://doi.org/10.1016/0165-1781(91)90040-VCESD-R 10显示出极佳的内部一致性（Cronbach’s α = 0.88）。双因素可靠性指数表明总分具有很高的可靠性（ωt = 0.91），其中大部分方差可以由一个一般性抑郁因素解释（ωh = 0.74；解释的共同方差[ECV] = 0.66）。

躁狂症状通过5项的Altman自我评定躁狂量表（ASRM）进行测量，该量表评估行为和思维模式，如自尊心增强、睡眠需求减少以及相对于平常状态的言语增多。各项在5点量表上评分（0-4分），并汇总得到总分。内部一致性是可以接受的（α = 0.77）。双因素可靠性指数也支持总分的可靠性（ωt = 0.78），大部分方差由一个一般性躁狂因素解释（ωh = 0.77）。由于只提取了一个因素，因此未计算ECV。

注意力不集中和多动/冲动症状通过成人ADHD自我报告量表（ASRS）进行评估。ASRS包含18项，反映了DSM-IV中成人ADHD的标准A症状。注意力不集中子量表反映了持续注意力、组织能力和任务完成方面的困难，而多动/冲动子量表则代表了坐立不安、过度活动和冲动决策。各项在5点频率量表上评分，从1（“从不”）到5（“非常频繁”）。该量表显示出高内部一致性（α = 0.88）。双因素可靠性指数表明总分具有很强的可靠性（ωt = 0.90），大部分方差由一个一般性ADHD因素解释（ωh = 0.50；ECV = 0.44），支持其多维结构。

冷漠量表（AES）测量目标导向行为缺陷的行为、认知和情感方面的表现。这个包含18项的量表在4点量表上评分，从1（“完全不是”）到4（“非常是”），其中有三项是反向评分的。子量表和总分通过累加相关项目得出。AES显示出极佳的内部一致性（α = 0.90）。双因素可靠性指数表明总分具有高可靠性（ωt = 0.92），大部分方差由一个一般性冷漠因素解释（ωh = 0.84；ECV = 0.75），表明大多数共同方差被这个一般因素捕获，子量表的独特贡献较为有限。

参与行为的评估使用四个项目：“你是否有过体育活动？”；“你是否有过与他人相处的时间？”；“你是否有过在户外度过的时间？”；“你是否有过摄入含咖啡因的产品，如咖啡或能量饮料？”前三个项目在1到9的量表上进行评分，然后重新评分到0到8用于分析。咖啡因摄入则是一个二元响应（是或否）。

日常生活行为的动机评估使用四个项目：“你有多想休息？”；“你有多想独处？”；“你有多想和一群朋友在一起？”；“你有多想锻炼？”各项在1到9的量表上评分，然后重新评分到0到8用于分析。

对于每个问卷，使用Cronbach’s alpha、总体omega（ωt）、层次omega（ωh）和解释的共同方差（ECV）来评估内部一致性。心理R包的omega函数用于估计CESD-R 10、ASRM、ASRS和AES的可靠性指数。ωtotal量化了可靠的总分方差比例（1-ωtotal反映了随机误差）。ωh是双因素模型中可归因于一个一般性因素的总分方差比例。对于强单维量表，≥0.70的值被认为是有意义的。ECV是一种衡量单维程度的指标，它通过索引一般因素解释的总分共同方差比例来判断。较高的ECV表明量表更接近单维。

高斯有限混合模型（Gaussian finite mixture modelling）通过Mclust R包实现，用于识别动机群体。这种基于模型的聚类技术假设数据是由不同潜在子群体的观测值混合而成的，并尝试推断出潜在分布的信息。每个群体由一个概率分布模型表示，目标是估计这些模型的参数以最佳拟合观测数据。Mclust使用期望最大化（EM）算法来估计混合模型的参数。该算法迭代更新群体分配和模型参数，以最大化给定数据的似然性。群体数量的确定基于拟合统计量贝叶斯信息准则（BIC）、自助法似然比检验（LRT）和理论考虑的结合。BIC在模型拟合和复杂性之间进行平衡，倾向于在相同相对拟合度下选择更简洁的解决方案。LRT检验引入额外群体是否能在统计上显著改善模型拟合。

使用四个项目来评估参与运动、社交互动、户外活动和咖啡因摄入的情况：“你是否有过体育活动？”；“你是否有过与他人相处的时间？”；“你是否有过在户外度过的时间？”；“你是否有过摄入含咖啡因的产品，如咖啡或能量饮料？”前三项在1到9的量表上进行评分，然后重新评分到0到8用于分析。咖啡因摄入则是一个二元响应（是或否）。

日常生活行为的动机评估使用四个项目：“你有多想休息？”；“你有多想独处？”；“你有多想和一群朋友在一起？”；“你有多想锻炼？”各项在1到9的量表上评分，然后重新评分到0到8用于分析。

每个问卷的评分和可靠性评估使用了Cronbach’s alpha、总体omega（ωt）、层次omega（ωh）和解释的共同方差（ECV）。心理R包的omega函数用于估计CESD-R 10、ASRM、ASRS和AES的可靠性指数。ωtotal量化了可靠的总分方差比例（1-ωtotal反映了随机误差）。ωh是双因素模型中可归因于一个一般性因素的总分方差比例。≥0.70的值被认为是有意义的单维量表。ECV是一种衡量单维程度的指标，它通过索引一般因素解释的总分共同方差比例来判断。较高的ECV表明量表更接近单维。

为了识别动机群体，使用了高斯有限混合模型。这种基于模型的聚类技术假设数据是来自不同潜在子群体的观测值的混合，并试图推断出潜在分布的信息。每个群体由一个概率分布模型表示，目标是估计这些模型的参数以最佳拟合观测数据。Mclust使用期望最大化（EM）算法来估计混合模型的参数。该算法迭代更新群体分配和模型参数，以最大化给定数据的似然性。群体数量的确定结合了拟合统计量贝叶斯信息准则（BIC）、自助法似然比检验（LRT）和理论考虑。BIC在模型拟合和复杂性之间进行平衡，倾向于在相同相对拟合度下选择更简洁的解决方案。LRT检验引入额外群体是否能在统计上显著改善模型拟合。聚类是在抑郁、躁狂、注意力不集中、多动/冲动以及认知、行为和情感冷漠的特质水平测量上进行的。使用MVN R包的Mardia多变量正态性检验来测试每个潜在群体内联合分布的多变量正态性假设。由于并非所有群体都完全符合多变量正态性，我们进行了基于等级的层次聚类作为敏感性分析。

使用广义加性混合效应模型（GAMMs）和mgcv R包来评估动机的日变化模式和行为模式。GAMM使用平滑函数来捕捉线性和非线性模式，允许灵活地表征日变化模式。对于每个结果，我们拟合了一个模型，其中包含一个随机效应代表参与者id（id, bs = 're'），一个平滑项代表一天中的时间（连续的）来捕捉整体的日变化（time of day, bs = 'tp'），以及一个类别变量表示群体来评估参数均值差异（cluster）。为了测试不同群体之间的日变化形状是否不同，我们使用了特定于群体的时间-日偏差平滑项，为每个群体给出了单独的曲线，使用了薄板回归样条（s(time of day, by = cluster, bs = 'tp', m = 2）。m = 2应用了二阶导数惩罚，以惩罚每个群体曲线中的曲率。群体被建模为一个组间因素，所得的日变化曲线反映了每个群体内个体的平均动机和行为模式。有效自由度（edf）描述了平滑项的非线性程度。edf约为1表示大致线性的偏差，较大的edf表示群体特定曲线中的非线性增加。动机和行为结果使用高斯族进行建模。咖啡因摄入（是/否）使用二项分布和logit链接进行建模。缺失数据（7.7%，2413个时间点中的186个）通过逐项删除处理。

为了测试即时动机是否预测随后的行为，使用评估时的动机来预测评估t+1时的行为参与度。所有即时动机和行为变量都进行了person-mean中心化，以反映个体内的变化。这种策略分离了个体间的差异，使效应反映个体内的变化。单位的增加表示相对于个体的平均动机或行为参与度更高。首先使用线性模型估计了动机与后续行为之间的关联。为了检查不同群体和一天中不同时间点之间动机-行为耦合的强度是否不同，我们拟合了带有参与者随机截距的GAMs。使用平滑项s(motivation, bs = ‘tp’)和时间-日（time of day, bs = ‘tp’)以及时间-日和动机ti(time of day, motivation, bs = ‘tp’)的张量积平滑项来建模时间变化的关联。为了测试这种耦合的群体特定调节，我们包括了时间-日、动机和群体的特定于群体的张量积交互项ti(time of day, motivation, by = cluster, bs = ‘tp’)，以允许效应的形状和时间在不同群体之间变化。为了保持层次模型结构，包含了所有相应的低阶项。在存在多个平滑项和交互项的情况下，使用了双重惩罚收缩来稳定估计。基向量被保守设置，以支持对群体特定和交互项平滑项的稳定估计。

补充信息（1）PDF（2.17 MB）文档S1。图S1–S12和表S1–S16