您需要向我们提供有关变量的更多信息，它们是分类的还是数值的？如果usage time是数字，那么您可以建立一个线性回归模型并从中获取系数和相关的 p 值。

如果所有变量都是数值的，您可以计算它们之间的相关性，但线性模型提供更多信息/更好。

如果您想预测无法精确测量的事物（例如社交焦虑、社交联系和自尊），我建议使用您的数字屏幕时间数据来执行主成分分析。

简而言之，主成分分析“使用正交变换将一组可能相关变量的观察值转换为一组称为主成分的线性不相关变量的值。”

主要成分可以解释为对您无法衡量的事物的测量，在这种情况下是自尊等......这是一个相当大的延伸，所以如果你在严格的学术环境中这样做，那么你就会去需要更多的东西来支持你的主张。

阅读本文第 2.5 段，了解我的意思： http: //www.math.montana.edu/jobo/writing/documents/barbour.pdf