谁会笑，谁不会？从人格、社交焦虑及笑相关倾向（gelotophobia、gelotophilia、katagelasticism）预测幽默技能

《Scandinavian Journal of Psychology》：Who Laughs, and Who Doesn't? Predicting Humor Skills From Personality, Social Anxiety, and Laughter Dispositions of Gelotophobia, Gelotophilia, and Katagelasticism

　　

笑相关倾向包含被笑恐惧（gelotophobia）、被笑享受（gelotophilia）与笑他者享受（katagelasticism），或可解释超越广义人格特质与社交焦虑的幽默使用模式，但其在不同幽默领域的增量预测价值仍待充分检验。研究人员招募788名加拿大大学生完成笑相关倾向量表、HEXACO人格量表、社交焦虑量表及6个幽默领域自评量表。采用分层回归模型评估人格与社交焦虑之外的增量效度，同时构建梯度提升（gradient boosting）机器学习模型检验非线性效应与预测因子相对重要性。结果显示，被笑享受在所有幽默领域均持续正向预测更高的幽默使用；被笑恐惧则独立预测更低日常幽默、更少自嘲式幽默及压力下幽默使用减少，且在控制人格与社交焦虑后仍显著；笑他者享受与适应性幽默领域关联微弱。机器学习分析与回归结果高度一致，证实上述效应的稳健性。研究表明，笑相关倾向对幽默使用的贡献独立于人格与社交焦虑，其中被笑享受与被笑恐惧是适应性幽默参与的重要预测因子。

本研究发表于《Scandinavian Journal of Psychology》，聚焦笑相关倾向对幽默技能的预测作用，填补了人格与社交焦虑之外幽默行为解释机制的空白。现有研究已证实被笑恐惧（gelotophobia，对被人嘲笑的恐惧）与社交焦虑存在概念重叠，但两者在认知偏差、行为模式上的独立性尚未明确；同时，被笑享受（gelotophilia，享受被人嘲笑）、笑他者享受（katagelasticism，享受嘲笑他人）作为PhoPhiKat特质的核心维度，其与幽默技能的关联是否超越HEXACO人格与社交焦虑的解释范围仍缺乏系统检验。此外，既往研究多采用线性模型，难以捕捉潜在的非线性交互效应，限制了对幽默行为形成机制的全面理解。为此，研究人员通过大样本实证设计，结合传统统计与机器学习方法，系统解析三类笑相关倾向对六个幽默领域的独特贡献。

研究人员采用的关键技术方法如下：样本来自加拿大某大学心理学被试池，经注意力筛查与缺失值过滤后纳入788名本科生；测量工具包括HEXACO-60人格量表、社交 phobia 量表（SPS）与社交互动焦虑量表（SIAS）、PhoPhiKat-45笑相关倾向量表、修订版幽默感量表（SHS-Parallel）；统计分析采用四步分层回归，依次纳入人口学变量、HEXACO人格、社交焦虑、PhoPhiKat特质，并通过F变化检验评估增量方差解释率；同时构建梯度提升回归模型，按6:2:2划分训练集、验证集与测试集，通过置换重要性量化预测因子贡献，交叉验证结果与回归模型相互印证。

研究结果部分的主要发现如下：

1. 1.
   总体笑声频率：分层回归显示M₃阶段加入PhoPhiKat特质后总R²达0.30，其中外向性（β=0.30，p<0.001）与被笑享受（β=0.27，p<0.001）为核心预测因子；梯度提升模型进一步揭示社交互动焦虑量表（SIAS）存在非线性贡献，验证了传统线性模型未捕捉的交互效应。
2. 2.
   自嘲能力：M₃阶段总R²提升至0.59，被笑恐惧负向预测（β=-0.24，p<0.001）、被笑享受正向预测（β=0.66，p<0.001）该能力，机器学习模型中两者的相对重要性占比超93%，凸显其对自我指向幽默的核心作用。
3. 3.
   压力下的幽默使用：M₃阶段总R²为0.33，被笑享受（β=0.37，p<0.001）、外向性（β=0.19，p<0.001）、宜人性（β=0.10，p<0.01）正向预测，被笑恐惧负向预测（β=-0.11，p<0.05）；梯度提升模型同样将被笑享受列为首要预测因子。
4. 4.
   日常生活幽默：M₃阶段总R²为0.34，被笑享受（β=0.36，p<0.001）、外向性（β=0.26，p<0.001）正向预测，被笑恐惧负向预测（β=-0.13，p<0.01）；机器学习结果与回归模型高度收敛，未检测到显著非线性结构。
5. 5.
   言语幽默能力：M₃阶段总R²达0.35，被笑享受（β=0.45，p<0.001）、外向性（β=0.15，p<0.001）、开放性（β=0.15，p<0.001）为主要预测因子；梯度提升模型中其相对重要性占比超76%。
6. 6.
   幽默享受：M₃阶段总R²为0.12，被笑享受（β=0.23，p<0.001）、情绪性（β=0.12，p<0.01）、开放性（β=0.07，p<0.05）及SIAS（β=-0.14，p<0.05）显著预测；机器学习模型中被笑享受的相对重要性最高。

讨论与结论部分指出，被笑恐惧虽与社交焦虑共享负面评价担忧，但其对幽默行为的抑制效应独立于HEXACO人格与社交焦虑，尤其在自我参照与社交需求高的场景中更为显著，这一模式随年龄发展从青少年期无关联到成年期负向关联。被笑享受作为最稳定的正向预测因子，反映了对笑声的开放态度与情绪韧性，是幽默参与的核心驱动力。外向性与情绪性分别通过社交活跃度与情感反应性促进幽默使用，开放性与言语幽默的认知灵活性需求匹配。梯度提升模型补充揭示了SIAS的非线性贡献，支持多方法融合的研究价值。研究同时指出局限性：自我报告可能存在社会期望偏差，未来需结合同伴报告与经验取样法；样本为学生群体，需扩大分布范围以提升外推性；幽默感量表未涵盖道德维度，后续可结合HEXACO诚实-谦逊维度探索美德幽默。最终结论强调，笑相关倾向是幽默行为的重要独立预测因子，区分被笑恐惧与社交焦虑的临床意义，为人格评估与干预提供了新视角，幽默技能的可塑性也为心理健康促进提供了潜在路径。