特质与状态：人格特质、应对行为和认知对抑郁和焦虑的不同影响

假设 1：用 (BFI-10) 测量的神经质、积极的元认知、消极的元认知和无益的应对策略（后三种用 CAS-1 测量）将预测更高水平的抑郁和焦虑。

研究问题 1：在当前大流行样本中，BFI-10 测量的不同特征如何以及在多大程度上与抑郁和焦虑相关？

研究问题 2：与抑郁和焦虑症状最相关的特征或状态变量是什么？ 这个问题将在多元回归分析中使用部分相关性进行调查。

统计分析：

将进行两个层次回归分析。 1) 以PHQ-9为因变量；和 2) 第二个以 GAD-7 作为因变量。 两种分析都将包括以下变量和以下步骤： 在步骤 1 中，人口统计变量年龄、性别和教育将包括在模型中。 在第 2 步中，将包括特征变量（即，使用 BFI-10 测量的所有五个人格特征）。 在最后一步中，将包括三个状态变量：积极的元认知、消极的元认知 (CAS-1) 和无益的应对策略 (CAS-1)。

将为每个回归分析报告部分相关性，呈现假设的预测因子对抑郁和焦虑的影响大小。 部分（半部分）相关给出了预测关系强度的最小偏差和最容易解释的估计（Dudgeon，2016）。 它是结果与预测变量的各个方面之间的相关性，与所有其他预测变量不同。 作为一种相关性，其大小可以根据 Cohen (1988) 的标准进行评估：小 >=0.10，中 >=0.30，大 >=0.50。

两项分析均包括以下 5 个特质预测变量：神经质 (BFI-10)、开放性 (BFI-10)、责任心 (BFI-10)、外向-内向 (BFI-10) 和宜人性 (BFI-10)。

状态预测变量如前所述：积极的元认知（CAS-1 分量表）；消极元认知（CAS-1 分量表）；无益的应对行为（CAS-1 分量表）。

将使用 examined 检查多重共线性和其他统计假设。 多重共线性将根据通用准则进行评估（VIF < 5 和 Tolerance > 0.2；Hocking，2003 年；O'Brian，2007 年）。

如果在即将发表的论文中提出任何进一步的分析或问题，但未在此预注册协议中预先指定，它们将被明确定义为探索性的。

在选择参与者的随机样本后，将进行主要发现的敏感性分析和随机子样本复制，以确保收集的样本与挪威成年人口之间的比例。

样本量和功效计算：

本研究是一个更大项目的一部分，第一部分旨在通过回归分析调查心理健康的信息源预测因子，第二部分旨在通过复杂系统方法（即，网络分析）。 因此，功率计算基于网络分析所需的功率。 按照 Fried & Cramer (2017) 的功效分析指南，建议参与者的数量是估计参数数量的三倍。 然而，Roscoe (1975) 对多变量研究提出的更保守的建议建议样本量比估计参数的数量大十倍。 因此，分别遵循这两种方法，需要 1305 到 4350 名参与者。 数据将收集三周，参与者基于挪威成年人的代表性和随机样本，随机选择并提供平等机会参与研究，提供数字同意。

缺失数据：

TSD 系统（敏感数据服务）是挪威用于存储个人敏感数据的平台，它通过一种国民身份证号码正式验证参与者，让他们完全有权随时撤回他们的数据，遵循欧洲 GDPR（一般数据保护条例）法律。 因此，参与者可以随时撤回自己的数据。 该调查包括必填字段。 参与是自愿的，并且可以随时撤回提供的数据。 调查人员不希望参与者撤回他们的数据，因此不会丢失数据。 但是，如果参与者确实撤回了他们的数据，调查人员将进行最先进的缺失数据分析，并调查数据是否随机缺失。