摘要
2020-2021年新冠疫情大流行期间，反亚裔仇恨事件(AAHIs)的报道显著增加，但其对心理健康的影响以及影响这些影响的背景因素尚未得到充分理解。本研究基于生态系统理论，考察了AAHI暴露变化是否与焦虑和抑郁症状相关，以及这种关联是否在不同生态背景下有所不同。我们整合了Understanding America Study COVID-19面板数据（第3-34波；2020年3月至2021年7月）与联邦调查局(FBI)仇恨犯罪记录。分析样本包括6,552名成年人，贡献了152,276个人-波次观察。我们估计了个体固定效应模型，以隔离与先前调查波次中仇恨事件暴露变化相关的心理健康变化。模型调整了时间趋势，并使用了通过受访者、居住县和调查波次的多向聚类标准误差。调节因素涵盖了微观系统（如受害者-受访者性别匹配）、中观系统（如县COVID-19死亡率）、外层系统（如事件特征）和宏观系统（如县政治派别）。AAHIs增加与焦虑和抑郁症状存在统计学显著但适度增加相关。滞后AAHI暴露每增加一个单位，PHQ-4评分增加0.06分（0-12分量表），相对于个体内部心理健康变异而言，表明效应量较小。关联受事件特征适度影响，特别是共同的受害者-受访者性别和身体伤害，而COVID-19死亡率和党派构成显示有限的调节作用。针对性的、创伤知情的干预可能有助于减轻社会不稳定期间仇恨暴露对心理健康的负担。
关键词
反亚裔仇恨；新冠疫情大流行；心理健康；生态系统理论；社会背景
1. 引言
1.1 疫情期间的反亚裔仇恨事件
新冠疫情大流行在美国导致了反亚裔仇恨事件(AAHIs)的激增(Han et al., 2023)。Yoon等人(2025)记录了从美国首例确诊新冠病例后不久开始的媒体报道和执法机构报告的AAHIs大幅增加，事件在2020年3月政治化言论加剧时达到峰值。第二个峰值出现在2021年3-4月，随后随着公共卫生状况稳定而逐渐下降(Yoon et al., 2025)。在此期间，将病毒与亚裔群体相关联的错误信息和仇外言论导致了针对亚裔个体的言语骚扰、身体攻击和其他形式歧视的显著增加(Lantz & Wenger, 2023; Roberto et al., 2020; Vidgen et al., 2020, 11月)。这种反亚裔情绪的上升是由刻板印象和煽动性言论推动的，这些言论通过社交媒体、政治言论和主流新闻媒体迅速传播(Gomera, 2020; John & Guy, 2020; Palmer, 2020; Mackenzie & Smith, 2020; Zheng & Zompetti, 2023)。
与此趋势一致，2019年至2020年，美国仇恨犯罪行为增加了约13%，2020年约62%的事件由种族、族裔或血统动机驱动(联邦调查局[FBI]，2022; FBI, 2023)。特别是，根据FBI仇恨犯罪统计数据，AAHIs增加了77%，从2019年的158起增至2020年的279起(FBI, 2022)。利用FBI UCR仇恨犯罪数据和媒体报道，Yoon等人(2025)记录了在2020-2021年期间，FBI数据中记录的AAHI总数为1,086起，而通过媒体报道识别的总数为1,288起，凸显了大流行期间AAHIs的显著增加以及官方执法记录中事件可能的代表性不足。一项研究进一步报告称，约32.3%的亚裔参与者在美国大流行期间经历了非刑事偏见受害，约19.5%经历了刑事偏见受害(Lantz & Wenger, 2023)。
1.2 影响AAHI与心理健康关系的因素
大流行期间的仇恨事件、歧视和种族主义经历与压力、污名意识、抑郁和焦虑的增加相关(Ertorer, 2024; Harii et al., 2025)。作为回应，个人报告修改了日常习惯（例如避免公共场所、待在室内或仅在有白人家庭成员陪同时外出），以尽量减少遇到歧视的风险(Hahm et al., 2021)。即使没有与特定事件的直接接触，个人也可能通过间接暴露途径体验心理困扰。通过媒体报道和社区沟通对仇恨事件的间接暴露可能导致更广泛的恐惧和心理困扰氛围，同时培养对主流媒体来源的不信任、怀疑和疲劳(Adversario, 2024; Yu et al., 2020)。这种间接暴露可以提高感知到的脆弱性、预期压力和警惕性，从而影响心理健康，即使事件并非直接经历或亲眼目睹。
更广泛地讲，犯罪对心理健康的影响因个人和背景因素而异。犯罪暴露与焦虑和抑郁风险增加相关，女性和生活在低就业率地区的人表现出更强的影响(Dustmann et al., 2016; Morrall et al., 2010)。财务困难，即使是那些有犯罪记录的就业人员也经历了，与更高的压力水平相关(Pogrebin et al., 2014)。在犯罪受害者中，强大的社会支持和对社区连通性的积极感知是防止不良心理健康结果的保护因素(Green & Pomeroy, 2007; Kilian et al., 2021)。有效的治疗干预也被证明可以减少与受害相关的心理困扰(Ford et al., 2013)。此外，暴力暴露通过增加对未来受害的感知风险、降低个人安全感感和降低对防止未来事件的感知控制，可能恶化心理健康(Kilian et al., 2021)。
1.3 理论框架
本研究采用生态系统理论(Bronfenbrenner, 1974, 1977)来考察与AAHIs相关的因素如何与心理健康结果相关。这一框架特别相关，因为它探索了个人与环境在多个生态层面之间的动态相互作用。通过考虑个人属性和背景影响，该理论为分析将AAHIs与心理福祉联系起来的复杂机制提供了坚实基础。具体而言，生态系统理论提出心理健康是由一系列嵌套和相互关联的因素塑造的，包括微观系统、中观系统、外层系统、宏观系统和时序系统(Bronfenbrenner, 1974, 1977)。这种多层次视角使得能够理解环境和社会因素如何共同影响种族化经历背景下的心理健康。
微观系统。微观系统包括影响个体心理功能的直接环境和直接经历(Bronfenbrenner, 1974, 1977)。在本研究中，考虑了微观系统的三个关键组成部分：AAHI位置的物理接近度、受害者与受访者特征的相似性（例如性别）和受访者的种族/族裔。
AAHI位置的接近度可以塑造个体是否直接目睹事件、亲耳听闻或与受影响的人互动。这种近距离暴露可能会增加事件的心理显著性，可能加剧情绪反应，如恐惧、焦虑或压力。尽管现有研究尚未直接检验AAHI物理接近度与大流行期间心理健康之间的关系，但关于一般犯罪的研究支持空间背景的重要性。例如，Pak和Gannon(2023)将犯罪暴露分为即时邻里与周围区域，发现更近距离的暴露与心理健康有更强的关联。同样，心理接近度（定义为相信自己在当前位置面临受害风险）与更高的担忧和困扰显著相关(Mellberg, 2024)。
另一个关键的微观系统因素是受害者-受访者相似性，特别是共享特征如性别。感知到的相似性会影响个人如何处理暴力或歧视事件。当个体认同受害者时，他们可能会经历更高的同理心或恐惧，从而放大心理健康影响。例如，对犯罪的焦虑和恐惧通常因犯罪类型和受害者性别而异(Schafer et al., 2006; Sutton & Farrall, 2005)。女性更可能担心涉及个人关系的犯罪，如跟踪或性侵犯(Fox et al., 2009)，而男性在犯罪主要针对男性时表现出更大的恐惧(Schafer et al., 2006)。这些动态可能同样适用于AAHI背景，因为受害者和观察者之间的性别匹配可能会加剧心理困扰。然而，在AAHI背景下，特别是大流行期间，关于性别匹配对心理健康影响的实证研究仍然有限。
先前研究表明，当受害者属于自己的种族或族裔群体时，个人往往对仇恨事件和种族化暴力表现出更强的心理反应，反映了群体内同理心偏差和共享脆弱性的增强感知。基于人口的证据表明，高度公开的种族暴力可以为被针对群体的成员产生可衡量的心理健康溢出效应，即使没有直接受害；例如，对未携带武器的黑人美国人的警察杀戮与黑人成年人心理健康不佳天数显著增加相关，但对白人成年人则不相关(Bor et al., 2018)，而对高度公开的反黑人暴力的暴露同样预测了黑人美国人的心理健康恶化(Curtis et al., 2021)。除了直接暴露外，间接途径如媒体报道和社交网络传播可能通过培养预期压力、警惕性和对未来受害的恐惧来放大困扰，从而导致替代性创伤和更广泛的心理负担(Moody et al., 2023)。与这一机制一致，群体间同理心研究表明，个体通常对群体外痛苦表现出比群体内痛苦更低的同理心反应，这可能部分解释了不同种族/族裔群体之间的异质心理反应(Cikara et al., 2011, 2014)。同时，研究强调，通过在线和主流媒体反复暴露于歧视性内容和种族化事件可能对心理健康产生不利影响，包括在大流行期间的亚裔美国人，表明即使没有与仇恨事件的个人接触，间接暴露也可能产生实质性困扰(Layug et al., 2022)。
中观系统。中观系统包括个人微观系统中多个元素之间的互动(Bronfenbrenner, 1974, 1977)。在本研究中，县COVID-19死亡率被概念化为中观系统的关键组成部分，反映了同时影响日常生活中各个领域的更广泛健康相关压力源——包括社区、医疗保健和人际关系。大流行期间，高死亡率加剧了社会恐惧、压力和不确定性。这一时期也见证了反亚裔种族主义和仇恨事件的显著上升(Tan et al., 2022)，进一步复杂化了个人体验和响应AAHIs的心理环境。因此，COVID-19死亡率不仅是身体健康风险的标志，也是情感和心理脆弱性的背景放大器。
增加的COVID-19死亡率经常引发更严格的公共卫生措施（如社交距离和封锁），这导致了社会互动减少和孤独感加剧，这些因素与抑郁密切相关(Banerjee et al., 2020; Kovacs et al., 2021; Owczarek et al., 2022)。此外，较高的死亡率加剧了对个人安全的焦虑、对感染的恐惧和在长期危机中的无助感(Menzies & Menzies, 2020)。当与AAHIs一起体验时，这些重叠的压力源可能通过加剧孤立感、恐惧和感知威胁来加剧不良心理健康结果的风险。
外层系统。外层系统指的是个体可能不会直接参与的环境或系统，但会间接影响他们的思想、行为和情绪反应，塑造其直接环境（微观系统）运作的更广泛背景(Bronfenbrenner, 1974, 1977)。在本研究中，外层系统的组成部分包括涉及种族/族裔少数族裔犯罪者、男性受害者、老年受害者和受伤受害者的AAHIs。尽管个人可能不会与这些事件中涉及的人员直接互动，但这些因素仍可能通过媒体报道、机构反应和更广泛的社区叙事来塑造对AAHIs的感知和反应。
考虑到AAHIs对心理健康的后果，感知到的犯罪者身份可能是一个关键因素。综合威胁理论(Stephan et al., 2000)提出，群体间动态由两种总体形式的感知威胁塑造：现实威胁，包括对身体伤害或经济劣势的恐惧，以及象征威胁，涉及对群体外人士削弱群体内人士价值观和身份感的担忧。由种族或族裔主导群体成员实施的攻击行为有可能同时引发两种威胁，从而加剧受害者的暴露感和边缘化。尽管Pallone和Hennessy(2000)考察了美国犯罪统计数据中犯罪者的种族分布，但尚无研究解决AAHIs中犯罪者的种族身份如何具体影响心理健康结果，指出了未来研究的重要缺口。
受害者特征，包括性别和年龄，可能调节AAHIs与心理结果之间的联系。社会角色理论(Eagly & Wood, 2012)提出，男性通常被期望扮演保护角色；因此，当男性经历脆弱性时，这种与社会期望的不一致可能会加剧心理困扰——特别是当AAHIs累积时。年龄规范以平行方式运作。老年人通常与权威、智慧和更高的身体脆弱性相关联(North & Fiske, 2012)，而年轻人通常被视为更强壮、更自给自足和更能保护自己。因此，涉及年轻受害者的AAHIs可能违反基于年龄的社会期望，加剧观察者的同理心反应和感知不公。
此外，身体伤害的发生可能显著放大AAHIs的心理影响。当此类事件涉及身体伤害时，受害者不仅面临身体后果，还面临更高的情感创伤风险，增加创伤后应激症状、持续脆弱感和慢性恐惧的风险(Kerig et al., 2016)。伤害还可能造成持久挑战，包括持续疼痛、行动受限以及因医疗治疗或收入损失而产生的财务压力，所有这些都可能进一步损害心理福祉。重要的是，影响不仅限于直接受害者：目睹或了解暴力AAHIs的个体也可能经历焦虑和困扰加剧，有助于营造普遍的恐惧氛围，并放大种族动机暴力的集体心理负担。
宏观系统。宏观系统包括个体和社区嵌入的更广泛的文化、社会和意识形态背景(Bronfenbrenner, 1974, 1977)。这包括普遍的社会规范、制度意识形态和政治倾向。在本研究中，政治派别，特别是县一级，是关键的宏观系统因素。研究表明，拥有更高共和党投票份额的县可能为亚裔美国人和太平洋岛民(AAPI)社区营造更具敌意或不支持的环境，通常以系统性种族主义和负面社会态度为特征(Malcom et al., 2023; Yoo et al., 2023)，这可能加剧心理困扰。
政治派别可能通过塑造歧视事件的频率和受影响个人可获得的社会或制度支持的程度来调节AAHI与心理健康之间的关系。在保守倾向地区，对仇恨犯罪立法的支持减少(Malcom et al., 2023)和对AAPI的内隐偏见水平更高(Yoo et al., 2023)可能有助于AAHIs的更高发生率和可见性。此外，当偏见言论被政治领导人正常化或认可时(Newman et al., 2021)，它可能鼓励歧视行为，从而增加AAPI个体的压力、恐惧和焦虑。在这种环境中，缺乏强有力的法律保护和明确的社会谴责可能加深脆弱感和社会排斥感，加剧与仇恨事件相关的心理健康负担。
时序系统。时序系统捕捉随着AAHI频率波动或社会响应演变，焦虑和抑郁随时间的变化(Ertorer, 2024; Harii et al., 2025)。这一时间维度突显了持续暴露和背景变化如何影响心理健康结果。
1.4 本研究
先前研究调查了犯罪暴露如何影响心理健康结果(Dustmann et al., 2016; Morrall et al., 2010)。然而，关于与仇恨事件和个体心理福祉之间关系相关的调节因素，特别是大流行期间AAHIs的关系，知之甚少。本研究具有创新性，因为它考察了大流行期间AAHI计数如何与居民的焦虑和抑郁在个体层面上相关，使用全国代表性面板数据集。本研究通过利用在研究期间大部分时间内以双周频率收集的高频率面板数据，为现有文献做出贡献。这种方法使研究人员能够追踪与大流行期间AAHI计数变化相关的焦虑和抑郁水平变化。此外，本研究使用受生态系统理论启发的调节因素，检验了AAHI计数与心理健康结果之间的异质性关系。据我们所知，这是第一项分析犯罪者和受害者特征、受害者与受访者相似性以及AAHIs发生时受访者与事件的物理接近度对AAHI与心理健康关系的差异化影响的研究。理解这些因素对于指导心理健康干预、社区支持努力和旨在解决AAHIs心理影响的政策响应至关重要。
2. 方法
2.1 数据和样本
本研究利用来自Understanding America Study (UAS) Coronavirus in America (COVID)数据集的个人层面数据，结合联邦调查局(FBI)公开提供的AAHI数据。以下部分提供了这些数据集及其在分析中使用的详细信息。
2.1.1 执法数据
本研究利用了2020年和2021年FBI的AAHI数据。FBI数据集提供全面的仇恨犯罪信息，包括偏见类型和动机、犯罪行为细节、犯罪者和受害者的种族/族裔、年龄和性别等人口统计特征、事件类型和地点。FBI的数据收集过程采用两步程序：首先，响应官员确定事件是否疑似动机偏见；如果是，则案件由指定的判断官员或单位审查，然后提交给FBI的统一犯罪报告(UCR)计划(GLESS & CLESU, 2022)。
尽管1990年的仇恨犯罪统计法要求司法部长从各级执法机构收集仇恨犯罪数据，但参与FBI UCR计划仍然是自愿的(GLESS & CLESU, 2022)。因此，数据集可能无法完全捕捉所有动机偏见的犯罪行为，报告不足可能在县之间系统地变化。先前研究表明，FBI仇恨犯罪数据中的零计数可能反映非报告而非事件的真实缺失，且报告模式可能与县政治背景相关(Mills et al., 2024)。因此，AAHI暴露的测量误差可能不是随机的，可能使估计的关联产生偏差。此外，缺少地址信息的事件被排除，这可能进一步降低完整性。
2.1.2 个人层面数据
本研究利用了UAS纵向面板样本的第3至34波。分析从第三波开始，因为这是首次包含结果变量的问题：焦虑和抑郁水平。由南加州大学(USC)管理的UAS COVID-19调查于2020年3月10日开始收集数据，使用一个由约7,100名18岁或以上具有全国代表性的概率互联网面板参与者(Kapteyn et al., 2020a)。调查以双周频率进行，直到2021年2月16日，之后从2021年2月17日至7月20日转为月度频率(Kapteyn et al., 2020b)。该研究实现了约88%的高参与率(Kapteyn et al., 2020b)。为了最小化抽样损耗并确保包容性，UAS向没有必要技术的家庭提供带有互联网接入的平板电脑(Kapteyn et al., 2020b)。
UAS数据测量受访者的身体和心理健康、就业、教育、未来展望和与COVID-19相关的因素(USC Dornsife Center for Economic and Social Research, 2024)。UAS数据对于AAHIs事件中的个体层面分析特别相关，因为高频率的数据收集允许追踪随时间变化的心理健康。此外，数据集提供了关于COVID-19相关因素的丰富信息，提供了对大流行对个人影响的全面理解。
2.1.3 合并两个数据集
对于大部分实证分析，本研究将个人层面的UAS数据与从FBI UCR仇恨犯罪数据库派生的AAHI暴露测量相结合。FBI UCR数据由参与机构按月报告给FBI，包括事件日期(FBI, 2001)，而UAS COVID-19调查在2021年2月16日之前以双周频率进行，之后为月度频率(Kapteyn et al., 2020b)。为了协调这些频率，我们将FBI仇恨犯罪事件汇总为对应于每个UAS调查波次的总数，使用波次特定的实地日期。具体来说，对于每个波次，我们汇总了在该波次覆盖的时间间隔内发生的AAHI数量。然后将此波次级别的暴露测量合并到在后续波次完成调查的所有受访者中，以最小化时间错配。
此外，为了基于地理接近度检查异质性，我们使用受访者居住县（在受限UAS数据集中可用）和FBI仇恨犯罪事件在县一级进行地理编码，构建了一个县一级的暴露测量。该县级测量按波次和受访者居住县合并到受访者中。为了进行分析访问受限数据，我们的研究团队完成了所需的应用程序流程，确保完全符合数据访问协议。这些方法共同使我们能够捕捉大流行期间对AAHIs的更广泛人口层面暴露（例如，通过媒体和社交网络）和地理上接近的暴露。
2.1.4 样本特征
将FBI的AAHI数据与UAS的个人层面数据合并后，基线分析包括6,552名受访者和152,276个研究期间的观察值。分析样本包括来自美国广泛县的受访者，涵盖所有主要人口普查区域。由于识别依赖于随时间的个人内部变化，地理分布对模型估计不是核心，但县标识符用于链接上下文暴露和聚类标准误差。样本特征总结在表1中。比例和均值未经加权计算，考虑了数据的面板结构。请注意，这些汇总统计基于观察值，而非受访者。因此，时间变异变量（如家庭收入和COVID-19诊断）反映观察值的特征，而时间不变因素（如性别和种族/族裔）对应于受访者的特征。
表1显示，略多于一半的受访者为女性（58%）。约三分之二的受访者自认为是非西班牙裔白人（74%）。西班牙裔受访者的比例（10%）似乎高于一般人口，可能由于对加州居民的过度抽样。略多于三分之二的观察值报告至少接受过一些大学教育（78%）。此外，超过一半的观察值在研究期间已婚（59%）和就业（52%）。只有很小比例的观察值在研究期间被诊断出患有COVID-19（2%），而大多数有健康保险（92%）。
表A1（在线补充材料）比较了分析样本中包含的受访者和由于缺少县级地理标识符而被排除的受访者的特征。总体而言，被排除的受访者在几个维度上与包含的受访者有适度但系统性的差异。被排除的样本平均更年轻，PHQ-4评分略高，并且更可能失业或从未结婚。被排除的受访者也更不可能拥有研究生学位，更可能租房。相比之下，性别、种族/族裔、家庭收入、COVID-19诊断和健康保险覆盖方面的差异通常很小且统计上不显著。重要的是，尽管一些差异由于观察数量大而达到统计显著性，但大多数差异的绝对幅度很小。这些模式表明，由于缺少地理标识符而被排除与主要与生活历程和经济社会特征相关，而不是心理健康或健康状况的极端差异。
尽管表A1表明包含和排除的受访者之间存在适度差异，但这些差异不会威胁分析的内部有效性。主要分析依赖于个体固定效应模型，这些模型从随时间的个人内部变化中识别关联，因此不太可能受到样本之间横截面差异的偏见。
2.2 变量
2.2.1 因变量
本研究中的因变量是焦虑和抑郁，使用四项目患者健康问卷(PHQ-4)测量。UAS问卷询问："在过去的两周内，您被以下任何问题困扰的频率如何？"四个项目是："感到紧张、焦虑或烦躁"、"无法停止或控制担忧"、"感到沮丧、抑郁或绝望"和"对做事情兴趣或乐趣减少"(Kroenke et al., 2009)。回答范围从0（"一点也不"）到3（"几乎每天"）。PHQ-4综合评分通过将四个项目的回答相加计算，范围从0到12。在一般人群样本中，PHQ-4评分约为3对应于分布的约第75百分位，而更高分数（例如≥6）仅出现在社区样本的上百分位(Löwe et al., 2010)。观察值的平均PHQ-4评分为1.67（SD = 2.74），表明调查中的平均受访者表现出正常水平的焦虑和抑郁。
2.2.2 自变量
本研究使用先前调查波次(t-1)中发生的AAHI计数作为自变量。使用滞后的AAHI计数确保所有事件在时间上先于受访者心理健康结果的测量。FBI提供反亚裔仇恨犯罪的事件级数据，按指示反亚裔意图的偏见动机代码分类。这些数据按调查波次汇总，计算每个波次发生的AAHI数量。平均而言，在研究期间，个人可能每调查波次暴露于17起AAHI（SD = 16）（见表2）。
2.2.3 调节变量
为了检验AAHIs对个体焦虑和抑郁的影响如何与背景因素相关，本研究选择了受生态系统理论启发的调节变量。对于微观系统，本研究利用了AAHI与受访者住所的物理接近度、受害者与受访者特征的相似性以及受访者的种族/族裔。当在给定调查波次内发生多起AAHI时，如果任何AAHI涉及与受访者相同性别的受害者，则变量基于与AAHI的最短距离编码。如果未报告AAHI，则变量编码为零。为了解决距离变量的非正态分布，本研究应用了自然对数转换。如果发生任何事件，在给定调查波次期间AAHI与受访者之间的平均最短距离为335英里（SD = 361）（见表2）。使用性别匹配指标来测量受害者与受访者特征的相似性。如果任何AAHI涉及与受访者相同性别的受害者，则变量编码为1；否则编码为0。约46%的观察值涉及暴露于具有相同性别受害者的AAHI（见表2）。受访者种族/族裔使用四个指标变量操作化——非西班牙裔黑人、西班牙裔、非西班牙裔亚裔和其他非西班牙裔——以非西班牙裔白人为参考组。如表1、表2所示，分析样本中约3.6%确定为非西班牙裔亚裔，即直接针对AAHIs的群体。
中观系统由从约翰霍普金斯CSSE存储库检索的县级月度COVID-19死亡率表示。这些数据基于受访者的县居住地和调查月份与个人层面的UAS数据集合并。观察值中每1000人口的平均县级月度死亡率为0.31（SD = 1.00）（见表2）。
对于外层系统因素，考察了犯罪者和受害者特征。犯罪者特征包括一个指标，如果犯罪者来自种族或族裔少数群体则编码为1，否则为0。在研究期间，约31%的观察值涉及暴露于犯罪者来自种族或族裔少数群体的AAHI（见表2）。受害者特征包括性别、年龄以及事件造成的身体伤害。如果调查波次内的任何AAHI涉及男性受害者，则受害者性别变量编码为1；否则编码为0。对于涉及60岁或以上老年受害者的事件，受害者年龄变量编码为1，否则为0。如果受害者在事件中遭受身体伤害，则伤害变量编码为1；否则编码为0。在研究期间，76%、53%和80%的观察值分别涉及暴露于受害者为男性、老年人或因事件受伤的AAHI（见表2）。
最后，宏观系统由县的政治派别表示。从MIT选举数据+科学实验室检索了2020年总统选举的共和党投票份额数据。投票份额通过将共和党投票数除以总投票数计算得出。平均而言，观察值居住在2020年总统选举中共和党投票份额为40%的县（SD = 20）（见表2）。
2.2.4 控制变量
本研究中的控制变量包括受访者的年龄、婚姻状况、就业状况、家庭收入、租房状况、COVID-19诊断、健康保险所有权、家庭成员数量，以及个人和时间固定效应。个人固定效应解释了所有时间不变特征，如性别、种族/族裔和教育程度，这些特征在实证模型中被排除。时间固定效应控制了未观察到的季节性和时间因素，包括对COVID-19和仇恨事件的态度和感知。每个控制变量的定义在在线补充材料的表A2中提供。
2.3 经验模型
为了检验美国焦虑和抑郁水平的变化是否与AAHI计数相关，本研究采用了个体固定效应，同时控制时间趋势，如以下公式所示：
ADit = α1AAHI(t-1) + α2Xit + ii + ww + εit
在此模型中，ADit表示个体i在时期t的PHQ-4评分，测量焦虑和抑郁水平。AAHI(t-1)表示在时期t-1发生的AAHI数量。Xit是时间变异个体特征的向量，如第2.2.4节所述。ii和ww分别表示个人和波次固定效应，而εit是特异性误差项。此模型中的主要兴趣系数是α1。
为了检验AAHIs对焦虑和抑郁水平的影响如何基于受生态系统理论启发的因素而有所不同，估计了以下个体固定效应模型：
ADit = β1AAHI(t-1) + β2Mic t + β3AAHI(t-1)Mic t + β4Xit + ii + ww + εit
在此模型中，Mic t表示与AAHI计数交互的调节变量，受生态系统理论启发，包括微观系统、中观系统、外层系统和宏观系统。兴趣系数是β1、β2和β3。
由于AAHI暴露在调查波次内共享，观察值可能由于共同暴露和时期特定冲击而表现出波次内依赖性。因此，在所有模型规范中，我们报告了多向聚类标准误差，按受访者聚类以考虑重复观察中的人内相关性，按居住县聚类以考虑地理依赖性，按调查波次聚类以考虑共享暴露和波次特定共同冲击。
3. 结果
3.1 AAHIs与焦虑和抑郁水平之间的关系
方程(1)的个体固定效应估计如表3所示。分析显示AAHI的滞后数量与焦虑和抑郁水平呈正相关。具体而言，AAHI计数每增加一单位，PHQ-4评分增加0.0635分（范围0-12）。鉴于样本均值为1.67（SD = 2.74），这对应于约一个标准差的2.3%，表明对抑郁和焦虑症状有小但可测量的个体内效应。
3.2 AAHIs与焦虑和抑郁水平之间关系的异质性
表4展示了个体固定效应模型估计，结合了来自方程(2)的AAHI计数与所选调节变量的交互作用。A组包括微观系统因素作为调节变量，B组纳入中观系统因素，C组检查外层系统因素（即犯罪者和受害者特征），D组应用宏观系统因素。
在微观系统因素（A组）中，微观系统层面的显著性——特别是受害者-受访者性别相似性和共享种族身份——适度地塑造了AAHI暴露如何转化为心理困扰。受害者-受访者性别相似性适度调节了滞后AAHI与PHQ-4评分之间的关联，具有明显的水平和频率效应。涉及性别一致受害者的事件与略高的心理困扰基线水平相关，反映了小的水平效应。相比之下，交互项表明，额外AAHI的边际效应仅在性别一致性方面有微小差异。具体而言，在性别一致性下，额外AAHI的估计边际效应约为0.0015 PHQ-4分（=0.0624 - 0.0621 + 0.0012），与滞后AAHI暴露的总体效应相比。尽管这种调节效应在统计上可检测到，但其幅度极小——每增加一次AAHI仅为PHQ-4分的几千分之一——表明性别一致性主要通过事件的象征相关性影响心理困扰，而不是通过重复暴露的累积效应。这种模式与解释为共享性别身份适度提高仇恨事件的象征相关性但不显著放大暴露频率对响应影响的解释一致。
包含受访者种族/族裔的额外分析表明，滞后AAHI与PHQ-4评分之间的关联对亚裔受访者略强。具体而言，交互效应意味着额外AAHI的总边际效应为0.0671 PHQ-4分（=0.0632 + 0.0039），相对于非西班牙裔白人受访者而言，代表略大——尽管仍然很小——的效应。相比之下，非亚裔种族/族裔群体的交互项很小且统计上不显著，表明AAHI暴露对PHQ-4评分的影响与非西班牙裔白人受访者观察到的影响没有显著差异。
AAHI位置的物理接近度对PHQ-4评分表现出小的正主效应；然而，其与AAHI频率的交互作用在统计上不显著。这表明地理距离不会有意义地调节滞后AAHI暴露与心理健康结果之间的关联。
所选中观系统因素（B组），县级月度COVID-19死亡率与焦虑和抑郁表现出小的加性关联，而其与AAHI暴露的交互作用在统计上不显著。滞后AAHI暴露仍与PHQ-4评分呈正相关，先前波次中每次额外AAHI与PHQ-4评分增加0.063分相关，在没有社区COVID-19相关死亡的情况下。独立地，较高的COVID-19死亡率与增加的心理困扰相关：每1000人口的月度COVID-19死亡率增加一个单位对应于PHQ-4评分增加0.0097分。尽管AAHI计数与COVID-19死亡率之间的交互项为正，但在统计上不显著，表明大流行严重程度不会有意义地调节AAHI与心理健康之间的关联。
C组检查外层系统级别的事件特征如何调节AAHI暴露与焦虑和抑郁症状之间的关联。关于犯罪者特征，AAHI计数与涉及种族/族裔少数族裔犯罪者的事件是否发生的交互作用在统计上显著。具体而言，当AAHI涉及非少数族裔犯罪者（参考类别）时，额外事件与PHQ-4评分增加0.0635分相关。相比之下，当事件涉及种族/族裔少数族裔犯罪者时，交互项表明AAHI频率的额外增加与心理困扰的进一步增加无关，因为额外事件的边际效应被减弱（=0.0635 - 0.0635 ≈ 0）。然而，少数族裔犯罪者的正主效应（0.0642）表明，涉及种族/族裔少数族裔犯罪者的事件与更高的基线PHQ-4评分相关，独立于事件频率。
受害者特征显示出不同的模式。虽然AAHI频率总体上与PHQ-4评分呈正相关，但涉及男性受害者、老年受害者或受伤受害者的事件与明显更高的心理困扰水平相关，主要通过强烈的水平效应而非事件频率的增量效应。具体而言，当事件涉及男性受害者时，AAHI暴露对PHQ-4评分的总效应约为1.76分（=0.0020 + 1.7980-0.0443），当事件涉及受伤受害者时约为1.76分（=0.0020 + 1.7983-0.0443），相对于0-12量表而言反映了大幅增加。涉及老年受害者的事件与较小但积极的总效应相关，约为0.06 PHQ-4分（=0.0635 + 0.0642-0.0635）。尽管交互项表明额外AAHI的边际效应在这些情况下被减弱，但对心理健康的主要影响来自这些受害者特征本身的存在，而不是事件频率的变化。
最后，本研究发现AAHI计数与宏观系统因素（D组）之间没有交互效应，如政治派别，表明AAHI计数对焦虑和抑郁水平的影响在政治派别上是一致的。
4. 讨论
结果支持更高的AAHI频率与受访者焦虑和抑郁水平升高相关。这种模式与先前证据一致，表明大流行期间的反亚裔歧视引发了广泛的负面情绪反应，如对亚裔和非亚裔美国人群体的困扰、焦虑、抑郁和回避(Hahm et al., 2021)。额外研究表明，反亚裔歧视的有害影响超出了个体遭遇，扩展到更广泛的社会背景：例如，州级仇恨犯罪率与亚裔、西班牙裔、非西班牙裔白人和非西班牙裔黑人个体的抑郁症状显著相关(Harii et al., 2025)。这些发现强调，AAHI——无论是否与大流行相关或发生在其他背景中——对社区中的心理福祉构成重大风险。由于AAHI计数与焦虑和抑郁呈正相关，本研究进一步检查了调节这种关联的因素，涵盖微观系统、中观系统和外层系统层面，符合Bronfenbrenner(1974)的生态系统理论。
在微观系统层面，我们最初预期与AAHI受害者共享相同性别的受访者会表现出更强的事件频率与心理困扰之间的关联，借鉴了群体间同理心理论，该理论提出对内群体成员的同理心反应更强(Vanman, 2016)。结果仅为这一期望提供有限支持。虽然受害者-受访者性别一致性与心理困扰的略高基线水平相关，但对AAHI频率的调节效应极小。换句话说，共享性别身份似乎影响仇恨事件在心理响应层面的显著性，但它不会有意义地放大暴露于AAHI对该响应的影响。这种模式表明，性别一致性主要通过象征性或解释性机制运行，而不是通过累积压力过程。社会角色理论(Eagly & Wood, 2012)为理解这种区别提供了有用的视角。涉及性别一致性受害者的事件可能激活基于角色的期望——如保护或照顾——提高即时情绪反应，从而提升基线困扰。然而，这些基于角色的响应可能不会显著改变额外事件如何累积影响随时间的心理健康。
我们还发现，滞后AAHI与心理困扰之间的关联对亚裔受访者比对非西班牙裔白人受访者略强，尽管差异幅度很小。这种模式与先前研究表明一致，即直接针对的种族/族裔群体成员在暴露于针对其社区的仇恨事件或歧视时可能经历更高的心理脆弱性(Ertorer, 2024; Hahm et al., 2021; Harii et al., 2025)。共享种族身份可能增强感知威胁、集体污名和预期压力，从而放大对仇恨暴露的情绪反应。同时，差异效应的小规模表明，AAHI的心理健康后果不仅限于直接针对的群体。尽管亚裔受访者表现出略高的脆弱性，但AAHI暴露与心理困扰之间的总体关联在更广泛的样本中被观察到。这些结果强调了将针对直接受影响社区的针对性外展与更广泛的心理健康支持相结合的重要性，特别是在仇恨事件增加期间。特别是，在仇恨暴露增加期间，针对亚裔美国人的文化胜任力和创伤知情筛查、评估和干预方法可能尤为重要，因为这些策略可以帮助解决污名、文化特定压力响应和护理障碍。
在外层系统层面，事件特征塑造了AAHI暴露如何转化为心理困扰，尽管并非总是朝着最初假设的方向。与预期相反，AAHI频率与受访者焦虑和抑郁症状之间的关联在事件涉及非少数族裔犯罪者时更强，而当事件涉及种族或族裔少数族裔犯罪者时，事件频率的增加与困扰的关联较弱。这一发现与综合威胁理论(Stephan & Stephan, 2000)一致，该理论强调威胁感知取决于群体间遭遇的来源和解释。由边缘化种族或族裔群体成员实施的仇恨事件可能通过复杂的叙事被解释，这些叙事扩散了感知意图或责任，而由占据结构性主导社会地位的非少数族裔犯罪者反复实施的事件可能随着时间的推移强化系统脆弱性和社会排斥的感知。这些动态共同解释了为什么犯罪者特征不仅塑造心理困扰的存在，还塑造其对重复暴露的响应。
关于受害者特征，研究结果表明，涉及男性受害者或受伤受害者的AAHI与明显更高的焦虑和抑郁水平相关，而年龄相关差异则更为适度。重要的是，这些模式反映了强烈的水平效应，而不是事件频率的更强边际效应。也就是说，涉及男性或受伤受害者的事件会提升心理困扰，无论AAHI发生的频率如何，这表明这些事件的显著性比累积暴露更能驱动困扰。社会角色理论(Eagly & Wood, 2012)为解释这些发现提供了有用的视角。针对男性的暴力行为可能违反了男性应该能够保护自己和他人的规范期望，从而提高对社会混乱和脆弱性的感知。这种规范违反可能会触发对单一显著事件的更高困扰。年龄相关规范可能以不同方式运作。尽管针对老年人的暴力通常被认为特别令人不安，因为与脆弱性和脆弱性相关(North & Fiske, 2012)，但当前结果表明，涉及老年受害者的AAHI不会显著改变事件频率与心理困扰之间的关系，表明年龄相关调节的作用更为有限。最后，涉及身体伤害的事件似乎特别显著，产生与事件频率无关的大幅困扰增加。伤害的可见证据可能放大对个人和社区安全的恐惧和感知威胁，强化对仇恨暴露的心理响应(Gover et al., 2020)。这些发现强调，受害者特征主要通过事件的严重性和象征意义塑造心理响应，而不是仅通过累积暴露。
4.1 本研究的局限性
本研究有几个应承认的局限性。首先，用于测量AAHI的FBI仇恨犯罪数据库基于自愿报告，几乎肯定低估了仇恨事件的真实发生率。重要的是，这种低估可能不是随机的：先前研究表明，FBI仇恨犯罪数据中的零计数可能反映非报告行为而非事件的真实缺失，且政治背景是报告完整性的强预测因子(Mills et al., 2024)。如果低估与县的其他特征系统相关，估计的关联可能有偏差而不仅仅是衰减。与我们之前将FBI仇恨犯罪数据与媒体报道进行比较的工作一致(Yoon et al., 2025)，未来研究应使用多种数据来源来三角测量AAHI暴露，以提高测量有效性。此外，我们排除了缺少完整地理信息的案例，这可能进一步低估了暴露。第二，几个关键测量是代理，可能只部分捕捉感兴趣的构念。执法机构记录的犯罪者和受害者特征容易误分类，县级共和党投票份额代表了社会政治气候的广泛指标，无法完全反映社区敌意或支持的生活体验。最后，作为一项观察性研究，无法做出因果推断。虽然使用个人和时间固定效应有助于减轻混杂，但未测量的时间变异因素——如其他压力源、治疗或药物的变化、突出的新闻事件或当地政策——仍可能影响心理健康结果。未来研究应整合多种仇恨事件数据来源，利用更精细的地理指标，纳入更丰富的社会政治背景测量，并应用能够支持更强因果主张的设计。
4.2 公共卫生实践和政策的启示
本研究的结果对公共卫生实践和政策具有重要意义。它们重申了与种族相关的歧视，包括AAHI，与跨种族和族裔群体的心理困扰密切相关。解决这一风险需要积极的预防努力。公共教育举措，如社交媒体活动和基于社区的项目，应强调歧视对社会成本的心理健康后果，以提高对其社会成本的认识。传播社会角色理论(Eagly & Wood, 2012)和综合威胁理论(Stephan & Stephan, 2000)等理论框架可以进一步帮助公众理解为什么受害者性别、受害者年龄、犯罪者群体成员资格和更广泛的背景压力源（如COVID-19死亡率）可能加剧种族仇恨事件的心理影响。这些视角也可能使个人更好地认识和处理他们的情绪反应。
此外，社区层面的干预措施，如旁观者干预培训，可以为个人提供安全解决歧视、骚扰和暴力的策略。在暴力或高度可见的事件后，应通过热线、移动或临时咨询以及明确的安全信息激活快速、创伤知情的外展。在当地激增期间，通过卫生系统、校园和社区中心进行的简短心理健康筛查和温暖转介可以促进及时护理。投资于与受信任的AAPI组织合作的文化和语言定制服务至关重要。当这些实践通过稳定资金、实时监测和明确目标常规实施时，社区可以从临时响应转变为可靠、循证的系统，减少心理困扰，同时加强安全和信任。
特别是，鉴于本研究确定的影响心理健康的情境因素，应制定干预策略，密切关注可能加剧仇恨事件心理影响的条件。例如，受害者与受访者之间的性别相似性可能影响威胁感知、披露和获得支持，加剧种族动机暴力的心理健康影响。此外，针对男性和年轻成年受害者的创伤知情咨询和文化定制外展等针对性干预，以及为受伤受害者协调医疗和心理健康服务是必要的。
在政策层面，必须制定和执行强有力的反仇恨犯罪立法，以阻止种族暴力，同时资金应导向为受害者提供危机咨询、心理健康支持和法律资源的社区服务。这些努力共同可以减轻与种族相关歧视相关的心理健康负担，并促进更安全、更具包容性的社区。政策制定者可以利用这些发现来证明为仇恨犯罪心理健康响应团队提供专门资金流、执法部门与公共卫生部门之间的强制性数据共享以及将反仇恨教育纳入学校和工作场所政策的合理性。这些措施共同可以减少种族暴力的心理负担，并在未来公共卫生危机中加强社区韧性。
4.3 结论
总的来说，我们的结果显示县级AAHI与焦虑和抑郁症状升高相关，这种关联受到受害者、犯罪者和背景特征的影响。我们的发现强调了超越事件层面响应以解决塑造心理伤害脆弱性的更广泛生态因素的重要性。公共卫生策略必须将仇恨事件监测与实时心理健康支持、创伤知情外展和文化响应服务相结合，特别是在高风险时期或经历并发压力源的社区中。针对易受伤害亚群体的干预措施，加上更强有力的政策基础设施和社区伙伴关系，对于减轻AAHI的心理健康负担至关重要。最终，减少基于种族的仇恨的心理负担将需要公共卫生、社会服务和政策环境之间的协调行动，以促进更安全、更具韧性的社区。
作者贡献声明
Su Hyun Shin：撰写-审阅与编辑，撰写-原始草稿，验证，方法论，调查，资金获取，正式分析，数据整理，概念化。
Young Ji Yoon：撰写-审阅与编辑，撰写-原始草稿，验证，项目管理，资金获取，数据整理，概念化。
Junfei Lu：撰写-审阅与编辑，撰写-原始草稿。
Hee Yun Lee：撰写-审阅与编辑，撰写-原始草稿，验证，监督，资金获取，概念化。
伦理声明
本研究使用了来自Understanding America Study (UAS) COVID-19面板的去标识化二级数据，包括通过USC Dornsife批准的数据访问程序获得的受限地理标识符。UAS确保所有参与者获得知情同意，并在南加州大学机构审查委员会的监督下运作。来自联邦调查局统一犯罪报告计划的仇恨犯罪数据不包含任何个人可识别信息。根据美国联邦关于涉及人类受试者研究的法规，本研究被确定为符合45 CFR 46.104(d)(4)的IRB审查豁免，因为它涉及分析现有、去标识化的数据。不需要额外的伦理批准。
利益冲突声明
作者声明没有竞争性财务或个人利益。
致谢
本研究由罗伯特·伍德·约翰逊基金会的结构种族主义和地方数据可视化基金资助。本稿件中表达的观点是作者的观点，不一定反映基金会的立场。此外，我们的研究依赖于由南加州大学经济和社会研究中心(CESR)维护的Understanding America Study进行的调查数据。本论文的内容完全由作者负责，不一定代表USC或UAS的官方观点。UAS COVID-19跟踪数据的收集部分得到了比尔及梅琳达·盖茨基金会和来自国家老龄化研究所的U01AG054580拨款以及其他许多机构的支持。
数据可用性
所使用的数据是保密的。
参考文献
(此处省略参考文献列表，因其属于学术论文标准部分，且根据任务要求只翻译正文内容)
【全文结束】