Słownik metodologiczny · Pomiar i skale

Inercja emocjonalna – jak mierzyć bezwładność emocji w badaniach ESM?

Inercja emocjonalna opisuje, jak bardzo afekt z jednego pomiaru przenosi się na następny. Pokazujemy, jak ją szacować wielopoziomowym modelem autoregresyjnym, co mówi o psychopatologii i na co uważać przy centrowaniu i brakach danych.

Strona główna / Słownik / Inercja emocjonalna
W skrócie: Inercja emocjonalna to stopień, w jakim stan emocjonalny opiera się zmianie. W badaniach ESM mierzy się ją wewnątrzosobowym współczynnikiem autoregresyjnym: na ile afekt w danym sygnale da się przewidzieć z afektu w sygnale poprzednim. Wyższa inercja wiąże się z gorszym dobrostanem i depresją.

Co to jest inercja emocjonalna?

Inercja emocjonalna (ang. emotional inertia) to stopień, w jakim stan emocjonalny opiera się zmianie (Kuppens i in., 2010). Przy wysokiej inercji afekt z jednego pomiaru dobrze przewiduje afekt w następnym, więc emocje „ciągną się” w czasie. W danych z badań ESM i EMA mierzy się ją wewnątrzosobowym współczynnikiem autoregresyjnym, czyli odpowiednikiem autokorelacji przy opóźnieniu 1 szacowanym dla wielu osób naraz.

Jak się ją szacuje

Najczęściej używa się wielopoziomowego modelu autoregresyjnego. Afekt w sygnale t zależy od afektu tej samej osoby w sygnale t − 1:

Yit = γ0i + γ1i · Yi,t−1 + εit

γ1i to inercja osoby i. Stały efekt opisuje przeciętną inercję, a losowe nachylenie – różnice między osobami. W modelu wielopoziomowym opóźniony predyktor zwykle centruje się do średniej osoby. Hamaker i Grasman (2015) pokazali, że takie centrowanie zaniża średnią inercję, ale jest lepszym wyborem, gdy pytasz o interakcję międzypoziomową, np. czy inercja zależy od nasilenia depresji. Pełny przykład, z wpływem braków danych, opisuje wpis wielopoziomowy model autoregresyjny i braki danych w ESM.

Inercja a psychopatologia

Kuppens i in. (2010) w dwóch badaniach naturalistycznych stwierdzili wyższą inercję emocji pozytywnych i negatywnych u osób z niską samooceną i z depresją. Metaanaliza Houbena i in. (2015) objęła 79 artykułów. Niski dobrostan współwystępował w niej z bardziej inercyjnymi emocjami (ρ = −.151), a związek był silniejszy dla emocji negatywnych.

Przykład

W danych symulowanych 80 osób odpowiadało na 50 sygnałów, a prawdziwa średnia inercja wynosiła 0.344. Model z opóźnieniem centrowanym w osobie dał 0.315 (SE = 0.018), czyli zgodnie z Hamakerem i Grasmanem (2015) nieco mniej. SD inercji między osobami wyniosło 0.088. Interakcja z depresją (0.075 na 1 SD) oznacza wyższą inercję u osób z silniejszymi objawami.

Na co uważać

  • Opóźnienie tylko z poprzedniego sygnału tego samego dnia. Nie łącz wieczoru z porankiem (zob. badania dzienniczkowe i EMA).
  • Braki danych zaniżają inercję, najsilniej wtedy, gdy osoba pomija sygnały w najgorszych chwilach.
  • Inercja to nie niestabilność. Wielkość zmian z sygnału na sygnał opisuje RMSSD, które zależy zarówno od wariancji, jak i od inercji.
Przykład reprodukowalny

Inercja emocjonalna w R

Kod symuluje negatywny afekt z procesem autoregresyjnym u każdej osoby, buduje opóźnienie centrowane w osobie i szacuje w lme4 średnią inercję, jej zmienność oraz interakcję z depresją.

Wielopoziomowy model autoregresyjny z interakcją międzypoziomową

Dane wejściowe: negatywny afekt 80 osób w 50 kolejnych sygnałach oraz nasilenie depresji (z) każdej osoby (dane symulowane, set.seed(3271)).

Co odczytać: współczynnik na_lag_cw (średnia inercja), interakcję na_lag_cw:dep, SD losowego nachylenia i prawdziwą średnią inercję w symulacji.

R
suppressPackageStartupMessages(library(lme4))
set.seed(3271)
n_os <- 80; n_t <- 50
phi <- pmin(pmax(rnorm(n_os, 0.35, 0.12), -0.9), 0.9)    # inercja każdej osoby
dep <- as.numeric(scale(phi + rnorm(n_os, sd = 0.12)))   # nasilenie depresji (z), związane z inercją
d <- do.call(rbind, lapply(1:n_os, function(i) {
  y <- numeric(n_t); y[1] <- rnorm(1, 0, 10)
  for (t in 2:n_t) y[t] <- phi[i] * y[t - 1] + rnorm(1, 0, 10)
  data.frame(id = i, t = 1:n_t, na = 40 + rnorm(1, 0, 8) + y, dep = dep[i])
}))
d$na_lag <- ave(d$na, d$id, FUN = function(x) c(NA, head(x, -1)))   # sygnał t − 1
d$na_lag_cw <- d$na_lag - ave(d$na, d$id)                            # centrowanie w osobie
m <- lmer(na ~ na_lag_cw * dep + (1 + na_lag_cw | id), data = d)
round(summary(m)$coefficients, 3)
round(as.data.frame(VarCorr(m))[2, "sdcor"], 3)            # SD inercji między osobami
round(c(prawda = mean(phi), r_phi_dep = cor(phi, dep)), 3)
Wynik w R
              Estimate Std. Error t value
(Intercept)     37.493      0.937  40.030
na_lag_cw        0.315      0.018  17.295
dep             -1.077      0.943  -1.142
na_lag_cw:dep    0.075      0.018   4.120
[1] 0.088
   prawda r_phi_dep
    0.344     0.649 

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (pakiet lme4). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. lme4 (wersja 2.0.1): Bates, D., Mächler, M., Bolker, B., & Walker, S. (2015). Fitting linear mixed-effects models using lme4. Journal of Statistical Software, 67(1), 1–48. https://doi.org/10.18637/jss.v067.i01

Najczęstsze pytania

Czy inercja emocjonalna to to samo co autokorelacja?

Prawie. Inercja to autokorelacja afektu przy opóźnieniu 1 w obrębie osoby. W danych wielu osób szacuje się ją współczynnikiem autoregresyjnym w modelu wielopoziomowym, bo zwykła korelacja sygnałów wszystkich osób miesza inercję z różnicami średnich między osobami.

Czy wysoka inercja jest zawsze niekorzystna?

Nie w każdym badaniu, ale w metaanalizie Houbena i in. (2015) bardziej inercyjne emocje przeciętnie współwystępowały z niższym dobrostanem, a związek był silniejszy dla emocji negatywnych. Interpretuj inercję razem ze średnim poziomem i zmiennością afektu.

Ile pomiarów na osobę potrzeba do oszacowania inercji?

Nie ma jednej granicy. Im mniej par kolejnych sygnałów, tym mniej precyzyjne są inercje osób. Pominięte sygnały usuwają pary podwójnie, bo ta sama zmienna jest wynikiem i predyktorem, więc planuj badanie z myślą o wysokim compliance.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Hamaker, E. L., & Grasman, R. P. P. P. (2015). To center or not to center? Investigating inertia with a multilevel autoregressive model. Frontiers in Psychology, 5. https://doi.org/10.3389/fpsyg.2014.01492 ● Otwarty dostęp
  2. Houben, M., Van Den Noortgate, W., & Kuppens, P. (2015). The relation between short-term emotion dynamics and psychological well-being: A meta-analysis. Psychological Bulletin, 141(4), 901–930. https://doi.org/10.1037/a0038822
  3. Kuppens, P., Allen, N. B., & Sheeber, L. B. (2010). Emotional inertia and psychological maladjustment. Psychological Science, 21(7), 984–991. https://doi.org/10.1177/0956797610372634 ● Otwarty dostęp: pełny tekst

Cytowania BibTeX

@article{hamaker2015center, author={Hamaker, Ellen L. and Grasman, Raoul P. P. P.}, title={{To center or not to center? Investigating inertia with a multilevel autoregressive model}}, journal={Frontiers in Psychology}, year={2015}, volume={5}, doi={10.3389/fpsyg.2014.01492}}
@article{houben2015relation, author={Houben, Marlies and Van Den Noortgate, Wim and Kuppens, Peter}, title={{The relation between short-term emotion dynamics and psychological well-being: A meta-analysis}}, journal={Psychological Bulletin}, year={2015}, volume={141}, number={4}, pages={901--930}, doi={10.1037/a0038822}}
@article{kuppens2010emotional, author={Kuppens, Peter and Allen, Nicholas B. and Sheeber, Lisa B.}, title={{Emotional inertia and psychological maladjustment}}, journal={Psychological Science}, year={2010}, volume={21}, number={7}, pages={984--991}, doi={10.1177/0956797610372634}}
R