敏感性分析，就是有目的地改变研究中某些合理但存在不确定性的分析条件，重新计算结果，观察主要结论会不会明显改变。它主要回答："我的结论，在多大程度上依赖于当前采用的样本、计分方式、统计方法或假设？"
下面先解释它的逻辑，再用四篇目前我正在学习和实践的心理健康、抑郁焦虑量表研究中的真实实例说明。
一、敏感性分析究竟在做什么？
1．为什么完成主分析以后，还需要检查？
做一项量表研究，通常需要作出许多选择。例如：怎样处理漏答的问卷；用什么分界值划分症状程度；哪些背景因素需要调整；采用哪种统计模型；怎样处理存在争议的样本。这些选择可能影响估计结果，因此需要检查关键选择改变后，结论是否仍然成立。
2．它的完整逻辑是什么？
明确主结论 → 找到可能影响它的关键条件 → 设计有依据的替代方案 → 重新分析 → 比较结果 → 确定结论的可靠程度与适用边界
实际操作中，先一次改变一个关键条件，比较容易判断变化来自哪里；也可以进一步组合多个条件，检查它们的共同影响。关键在于，每次改变都应当对应一个明确疑问。
二、它适用于哪些场景？
在心理和量表研究中，下面几类情况尤其常见。敏感性分析可以检查计分、缺失处理、模型假设、样本选择等方面的不确定性；在系统综述和荟萃分析中，也可以检查纳入研究与统计方法的影响。
| 研究中存在的疑问 | 可以怎样改变条件 | 主要想弄清什么 |
|---|---|---|
| 量表分界值存在不同选择 | 使用另一种有依据的分界值 | 结论是否依赖某一条人为划定的界线？ |
| 有些人漏答部分问题 | 比较合理插补与完整案例分析 | 结论是否依赖漏答的处理方式？ |
| 统计模型有较强假设 | 换用假设不同、仍适合研究问题的方法 | 结论是否主要由模型设定决定？ |
| 某些样本的纳入存在争议 | 收紧纳入标准，或剔除特定来源后重算 | 结论是否被某类样本主导？ |
| 还有值得考虑的背景因素 | 增加有理论依据的调整变量 | 观察到的关联能否由这些背景因素解释？ |
| 将多篇研究合并分析 | 逐篇剔除，或排除高偏倚风险研究 | 合并结果是否过度依赖某一篇研究？ |
三、真实论文实例
例一：心理健康素养与求助------检查结论是否依赖分界值、某道题和加权方式
Blom S, Lindh F, Lundin A, et al.（2024）
How gender and low mental health literacy are related to unmet need for mental healthcare: a cross-sectional population-based study in Sweden.
中文可译为：《性别与低心理健康素养如何关联心理卫生服务需求未满足：瑞典人群横断面研究》。
期刊：Archives of Public Health ，82：12。
DOI：10.1186/s13690-023-01228-7。
这项研究分析了1,563名受访者，研究性别与心理健康素养的不同组合，是否关联"未感到有心理就医需要"和"感到需要却没有就医"。心理健康素养使用MAKS量表测量，主分析采用加权分析。作者进行了三种检查：
| 主分析的条件 | 敏感性分析的改变 | 对应的疑问 |
|---|---|---|
| 按样本第三四分位数，将MAKS≥16划为低素养 | 改用中位数，即MAKS≥14 | 换一条分界线，结论是否还成立？ |
| 使用MAKS的6道题 | 删除题目---总分相关较低的第6题 | 结论是否受到这道表现欠佳的题影响？ |
| 使用加权数据 | 改用未加权数据 | 结论是否依赖加权处理？ |
该文采用的计分方向是分数越高，心理健康素养越低。作者报告，这三种检查的结果均与主分析一致；未加权检查的详细结果未在正文展示。
例二：青少年抑郁与认知------检查关联能否被家庭背景和早期发展解释
Xiang Z, Xiao P, Wang H, et al.（2025）
Associations between trajectories of depressive symptoms and cognitive performance in Chinese adolescents.
中文可译为：《中国青少年抑郁症状发展轨迹与认知表现的关联》。
期刊：BMC Psychology ，13：268。
DOI：10.1186/s40359-025-02593-4。
研究纳入1,314名基线时10---15岁的青少年，利用中国家庭追踪调查数据，根据CES-D测量的抑郁症状识别六年的变化轨迹，再分析这些轨迹与认知表现的关系。这里存在一个值得检查的疑问：某种抑郁轨迹与较差的认知表现有关，这种关联是否与家庭因素、孩子更早期的发展差异有关？
在已有调整模型之外，作者进一步加入父母的认知表现、父母的抑郁得分，以及可能反映孩子早期认知发展的五项指标，例如开始走路、开始说完整句子的年龄。作者报告，进一步调整后，主要关联总体稳健。
例三：青少年焦虑---抑郁网络------检查主要发现是否依赖重复参加调查的人
论文信息
Liu R, Chen X, Qi H, et al.（2022）
Network analysis of depressive and anxiety symptoms in adolescents during and after the COVID-19 outbreak peak.
中文可译为：《新冠疫情高峰期间及之后青少年抑郁与焦虑症状的网络分析》。
期刊：Journal of Affective Disorders ，301：463---471。
DOI：10.1016/j.jad.2021.12.137。
研究分别在2020年2月和4月开展横断面调查，使用CES-D-20和GAD-7测量抑郁、焦虑，比较两个时期的症状网络。部分学生参加了两轮调查。由此产生一个问题：两个时期的网络表现相似，会不会部分来自两次调查包含了一批相同的人？
作者从第二轮调查中剔除了同时参加第一轮的学生。敏感性分析保留第一轮9,553人，以及只参加第二轮的3,886人，再进行网络分析。主要中心节点和若干强连接再次出现，例如"抑郁情感"仍具有较高的中心性；但具体发生跨时期差异的边，并非与主分析完全相同。
例四：PHQ-9量表研究------更换估计方法后，部分结论需要保留不确定性
Kliem S, Sachser C, Lohmann A, et al.（2024）
Psychometric evaluation and community norms of the PHQ-9, based on a representative German sample.
中文可译为：《基于德国代表性样本的PHQ-9心理测量学评价与人群常模》。
期刊：Frontiers in Psychiatry ，15：1483782。
DOI：10.3389/fpsyt.2024.1483782。
研究使用2,519人的德国人群样本，评价PHQ-9的测量表现。其中一项问题是测量不变性：量表用于不同性别、年龄、教育或收入人群时，是否具有可比的测量含义。
主分析使用WLSMV估计。考虑到判定标准在这种估计方式下可能偏宽松，作者增加了使用MLR估计的敏感性分析。更换估计方法后，年龄、性别、教育分组的测量不变性得到支持；"年龄×性别"组合分组与收入分组的结论仍不确定。
这一例子特别重要，因为敏感性分析带来的价值包含两个方面：一方面，部分结论获得了更多支持；另一方面，研究者明确了哪些结论还需要谨慎。因此，敏感性分析后出现不确定性，也是一项有价值的研究结果：它让论文最终的表述更准确。
敏感性分析应尽可能提前规划，并说明为什么开展；分析后新增的检查，也应注明是事后分析。当检查显示结论依赖某种选择时，需要把这种依赖写进结论或局限。
敏感性分析真正增加的说服力，是让你能够准确说明：哪些发现经受住了哪些检查，哪些发现依赖特定条件，以及论文的结论应当说到什么程度。