108 年 國立政治大學心理學系碩士班社會與人格組《心理與教育統計學、心理測驗學、心理實驗法》

核心觀念

單因子 ANOVA 假設各組母群體變異數相等。若第 $i$ 組的母群體變異數為 $\sigma_i^2$，其虛無假設為：

$$H_0:\sigma_1^2=\sigma_2^2=\cdots=\sigma_k^2$$

傳統 ANOVA 會以各組資料合併估計共同的組內誤差變異數，並用 $F$ 比值檢定各組平均數：

$$F=\frac{MS_{\text{組間}}}{MS_{\text{組內}}}$$

當各組變異數不同時，合併的 $MS_{\text{組內}}$ 不再符合「共同誤差變異數」的假設，因此傳統 $F$ 檢定的參考分配可能不準確，顯著性與 $p$ 值也可能失真。

違反假設對推論的影響

變異數不等不代表平均數比較必然錯誤，但會使傳統 ANOVA 的第一類錯誤率不再受原定顯著水準妥善控制。尤其各組樣本數不等時，影響較大：

• 變異數大的組別樣本數較小：傳統檢定較可能保守，較不容易拒絕平均數相等的虛無假設。
• 變異數大的組別樣本數較大：傳統檢定較可能過度寬鬆，第一類錯誤率可能膨脹，增加誤判平均數有差異的風險。

各組樣本數相等時，傳統 ANOVA 對變異數不等通常較具穩健性，但並不表示假設不再重要，也不能保證推論一定正確。NIST 對單因子 ANOVA 的說明；ANOVA 穩健性研究回顧

檢驗方法與判斷標準

常用方法是 Levene 檢定。它先計算每筆觀察值與該組中心值的距離，再檢驗各組平均距離是否相同。以組平均數為中心時，定義：

$$Z_{ij}=\left|X_{ij}-\bar X_i\right|$$

其中 $X_{ij}$ 是第 $i$ 組第 $j$ 位受試者的觀察值，$\bar X_i$ 是第 $i$ 組樣本平均數。接著對 $Z_{ij}$ 進行單因子 ANOVA，檢驗：

$$H_0:\text{各組變異數相等} \qquad H_1:\text{至少有一組變異數不同}$$

核心觀念

傳統單因子變異數分析（ANOVA）假設各組母體變異數相等：

$$\sigma_1^2=\sigma_2^2=\cdots=\sigma_k^2$$

若變異數不齊，傳統 $F$ 檢定的顯著水準可能失準；當各組樣本數也不相等時，影響尤其值得注意。可先用 Levene 檢定或 Brown–Forsythe 檢定檢查變異數同質性。處理此問題時，仍須另行考量觀察值獨立與常態性等假設。

方法一：改用 Welch 變異數分析

步驟

1. 對第 $i$ 組計算樣本數 $n_i$、平均數 $\bar{Y}_i$ 與樣本變異數 $s_i^2$。
2. 以各組樣本數及變異數設定權重，計算加權平均數：

$$w_i=\frac{n_i}{s_i^2}, \qquad W=\sum_{i=1}^{k}w_i, \qquad \bar{Y}_w=\frac{\sum_{i=1}^{k}w_i\bar{Y}_i}{W}$$

3. 計算 Welch 檢定統計量及自由度：

$$A=\sum_{i=1}^{k}\frac{1}{n_i-1} \left(1-\frac{w_i}{W}\right)^2$$ $$F_W= \frac{ \displaystyle \frac{1}{k-1}\sum_{i=1}^{k}w_i(\bar{Y}_i-\bar{Y}_w)^2 }{ \displaystyle 1+\frac{2(k-2)}{k^2-1}A }$$ $$df_1=k-1, \qquad df_2=\frac{k^2-1}{3A}$$

核心觀念

本題考查兩種分析如何描述變項關係，以及「統計上的關聯」是否足以支持「因果」推論。

相關分析用一個相關係數描述兩個變項共同變動的方向與程度。以皮爾森積差相關為例：

$$r_{XY} = \frac{\operatorname{Cov}(X,Y)}{s_Xs_Y}$$

$r$ 介於 $-1$ 與 $1$ 之間。正值表示兩變項傾向同向變動，負值表示傾向反向變動；絕對值愈大，線性關聯愈強。相關係數描述的是線性關聯，無法完整反映非線性關係。

迴歸分析用一個或多個預測變項來描述或預測結果變項。簡單線性迴歸可寫成：

$$\hat{Y}=a+bX$$

其中 $b$ 是迴歸斜率，表示 $X$ 每增加一單位，預測的 $Y$ 平均改變多少單位；$a$ 是截距。

兩者的共同點是都能用來分析變項間的關聯，並常以成對觀察資料為基礎。若採用皮爾森相關與簡單線性迴歸，兩者有以下關係：

$$b=r\frac{s_Y}{s_X}$$

簡單線性迴歸的決定係數也滿足：

$$R^2=r^2$$

這表示在只有一個預測變項的線性迴歸中，相關係數與迴歸都反映線性關係；但它們呈現關係的方式和用途不同。

解題方法：比較分析目的與解讀方式

解題時可從「是否區分變項角色」、「結果的單位與範圍」及「分析用途」三個面向比較。

面向	相關分析	迴歸分析
變項角色	$X$ 與 $Y$ 對稱，交換兩變項不改變相關係數	指定結果變項 $Y$ 與預測變項 $X$，角色不對稱
主要結果	相關係數 $r$，介於 $-1$ 與 $1$	迴歸係數、截距、預測值及 $R^2$
單位	無單位	斜率有單位，依 $X$、$Y$ 的測量尺度而定

核心觀念

本題要比較兩種連續機率分配，重點是：標準常態分配是固定的分配；Student’s $t$ 分配則會隨自由度改變，且自由度增加時逐漸接近標準常態分配。

標準常態變數記為 $Z$，其分配為 $N(0,1)$，機率密度函數為：

$$f_Z(z)=\frac{1}{\sqrt{2\pi}}e^{-z^2/2}$$

自由度為 $\nu$ 的 $t$ 變數記為 $T_\nu$，其機率密度函數為：

$$f_{T_\nu}(t)= \frac{\Gamma\left(\frac{\nu+1}{2}\right)} {\sqrt{\nu\pi}\,\Gamma\left(\frac{\nu}{2}\right)} \left(1+\frac{t^2}{\nu}\right)^{-(\nu+1)/2}$$

其中 $\nu>0$，而 $\Gamma(\cdot)$ 為伽瑪函數。

解題方法

比較兩種分配時，可依序檢視它們的形狀與基本性質、彼此的數學關係、相等條件，以及各自的統計推論用途。

1）相同處

• 兩者都是連續分配，取值範圍皆為整條實數線。
• 兩者皆以 $0$ 為中心，左右對稱且單峰。
• 兩者曲線下的總面積皆為 $1$。
• 兩者都能用來描述標準化後的統計量，並用於估計或假設檢定。

2）相異處

• 尾部厚薄不同：有限自由度的 $t$ 分配比標準常態分配有較厚的尾部，因此較容易出現距離中心較遠的值。
• 形狀會否改變：標準常態分配固定為 $N(0,1)$；$t$ 分配則隨自由度 $\nu$ 改變。自由度越小，尾部越厚、中央峰越低、分配越分散。
• 變異數不同：標準常態分配的變異數為 $1$。$t$ 分配在 $\nu>2$ 時的變異數為 $\nu/(\nu-2)$，大於 $1$；當 $\nu\leq2$ 時，變異數不存在。$t$ 分配在 $\nu>1$ 時平均數為 $0$；當 $\nu\leq1$ 時，平均數不存在。

核心觀念

皮爾森卡方獨立性檢定用來判斷兩個類別變項是否彼此獨立。設第一個變項有 $r$ 個類別，第二個變項有 $c$ 個類別，觀察資料整理成 $r\times c$ 列聯表。

虛無假設與對立假設為：

• $H_0$：兩變項彼此獨立。若以第 $i$ 列與第 $j$ 欄表示兩變項的類別，則
  $P(A_i,B_j)=P(A_i)P(B_j)$
• $H_1$：兩變項不獨立，也就是兩變項之間有關聯；至少有一組類別的聯合機率不符合獨立關係。

在 $H_0$ 成立時，每個儲格的期望次數為：

$E_{ij}=\frac{(\text{第 }i\text{ 列合計})(\text{第 }j\text{ 欄合計})}{n}$

其中 $n$ 為總觀察次數。皮爾森卡方統計量為：

$\chi^2=\sum_{i=1}^{r}\sum_{j=1}^{c}\frac{(O_{ij}-E_{ij})^2}{E_{ij}}$

其中 $O_{ij}$ 是第 $i$ 列、第 $j$ 欄的觀察次數。

解題方法與檢定原理

檢定的核心是比較觀察次數 $O_{ij}$ 與在兩變項獨立假設下所預期的次數 $E_{ij}$。若兩者差異普遍很小，卡方統計量通常較小，資料與獨立假設相容；若差異較大，卡方統計量便較大，反對 $H_0$ 的證據也較強。

在樣本數及期望次數符合近似條件時，$H_0$ 成立下的 $\chi^2$ 統計量近似服從卡方分配，其自由度為：

$df=(r-1)(c-1)$

檢定步驟

核心觀念

樣本數不是固定的通則，而是由研究目的、研究設計與可接受的錯誤風險共同決定。研究者必須先明確界定主要研究問題，再選用相應的樣本數規劃方法。

常見目標有兩類：

1. 檢定假設：希望在母體中確有差異或關聯時，研究能以足夠機率偵測到它。此時通常採用事前檢定力分析。
2. 估計參數：希望估計平均數、比例或其他參數，並讓信賴區間達到指定的精確度。此時依信賴水準、母體變異程度與容許誤差決定樣本數。

檢定力（power）是母體中確有研究效果時，正確拒絕虛無假設的機率：

$$\text{檢定力}=1-\beta$$

其中 $\beta$ 是第二類錯誤機率；$\alpha$ 則是第一類錯誤機率，即虛無假設為真時錯誤拒絕它的機率。

解題方法

一、先確認主要分析與研究設計

樣本數公式取決於研究要回答的問題及資料結構。兩組平均數比較、配對測量、相關分析、迴歸分析與群集抽樣，使用的計算方式都不同。因此，應先決定主要結果變項、主要比較或關聯，以及預定使用的統計分析。

二、以檢定力分析規劃檢定研究

事前檢定力分析至少要指定：

• 顯著水準 $\alpha$；
• 目標檢定力 $1-\beta$；
• 預期效果量；
• 研究設計與統計檢定方式；
• 單尾或雙尾檢定；
• 各組樣本數比例。

以兩組獨立樣本、等組樣本數、比較平均數且變異數相同為例，每組所需樣本數可用下式近似：

$$n_{\text{每組}} \approx \frac{2\left(z_{1-\alpha/2}+z_{1-\beta}\right)^2\sigma^2}{\Delta^2}$$

其中 $\sigma$ 是母體標準差，$\Delta$ 是預期的組間平均數差異，$z$ 為標準常態分配的分位數。公式顯示，標準差越大，所需樣本數越多；欲偵測的差異越小，所需樣本數越多。

以標準化效果量 $d=\Delta/\sigma$ 表示時，樣本數主要隨 $1/d^2$ 增加。若希望偵測的效果量縮小為原來的一半，在其他條件相同時，所需樣本數約增加為四倍。

三、以精確度規劃估計研究

若研究重點是估計平均數，並要求信賴區間半寬不超過 $E$，所需樣本數可近似為：

$$n \approx \left(\frac{z_{1-\alpha/2}\sigma}{E}\right)^2$$

其中 $E$ 是可接受的估計誤差。要求誤差越小，樣本數越大；要求更高的信賴水準，所需樣本數也越大。

若估計母體比例，且尚無先前比例估計值，可採保守的 $p=0.5$：

$$n \approx \frac{z_{1-\alpha/2}^2p(1-p)}{E^2}$$

因為 $p(1-p)$ 在 $p=0.5$ 時最大，用此值規劃可避免低估所需樣本數。

四、調整無法完成研究或抽樣設計造成的需求

若預估有比例 $r$ 的受試者會退出、未回覆或資料無法使用，需增加招募人數：

$$n_{\text{招募}} = \frac{n_{\text{可分析}}}{1-r}$$

核心觀念

遺漏值是指研究中某位受試者的某個變項沒有取得有效觀測值。題目考查兩部分：遺漏值的成因，以及如何依照遺漏機制與統計原理處理遺漏資料。

遺漏機制可分為三類：

• 完全隨機遺漏（MCAR）：資料是否遺漏與任何已觀察或未觀察變項都無關。
• 隨機遺漏（MAR）：資料是否遺漏與未觀察到的數值無關，但可由其他已觀察變項解釋。
• 非隨機遺漏（MNAR）：資料是否遺漏與該筆未觀察到的數值本身有關。

遺漏機制會影響處理方法的適切性；若遺漏機制判斷錯誤，估計結果可能產生偏誤。

解題方法

先舉出兩種研究中常見的遺漏成因，再說明三種處理方法及其依據。回答方法時，需一併指出適用條件與主要限制，才能說明其統計原理。

遺漏值的兩個可能原因

1. 受試者未作答或中途退出：受試者漏答敏感題目、忘記填答，或因疲勞、時間不足而中途退出，造成問卷或測驗資料缺漏。
2. 研究程序或資料管理失誤：儀器故障、網路中斷、研究者漏記、資料輸入錯誤等，造成觀測值未被記錄或無法使用。

這些原因對應不同的遺漏機制；例如，若敏感題目的漏答與受試者未觀察到的真實回答有關，便可能屬於 MNAR。

三種處理遺漏值的方法及原理

一、整筆刪除法（listwise deletion）

只要個案在分析所需變項中有任何一項遺漏，就將該個案排除，再以完整個案進行分析。其原理是只分析資料完整者，避免替缺失值填入推估數值。

當遺漏接近 MCAR 時，完整個案仍可視為隨機抽出的樣本，分析估計較不容易產生系統性偏誤。不過，刪除會減少樣本數、降低統計檢定力；若遺漏與研究變項有關，分析結果可能產生偏誤。

二、平均數代入法（mean imputation）

以該變項已觀察資料的平均數取代遺漏值。若變項 $X$ 有 $n_{\text{obs}}$ 個有效觀測值，其平均數為：

核心觀念

本題考查的是測驗分數如何解釋。兩類測驗的差異不在題目形式，而在於考生的分數要和什麼比較：

• 校標參照測驗（Criterion-Referenced Test）：將個人表現與事先訂定的標準或能力目標比較，判斷是否達到特定要求。
• 常模參照測驗（Norm-Referenced Test）：將個人表現與一群具代表性的受試者之表現比較，判斷個人在群體中的相對位置。

簡言之，校標參照回答「達到標準了嗎？」；常模參照回答「和其他人相比表現如何？」

解題方法

作答時先辨認分數的比較基準，再依測驗用途說明適用時機。

校標參照測驗：與固定標準比較

測驗前先設定通過標準、精熟標準或能力要求。令考生分數為 $X$，標準分數為 $c$，可用下式表示基本判斷：

$$X \geq c \quad \Rightarrow \quad 達到標準$$

例如，某項安全訓練測驗以 80 分為合格標準；考生是否合格取決於是否達到 80 分，而非其他考生的分數高低。即使全班成績普遍提高，合格標準仍可維持不變。

校標可以是課程目標、工作能力要求、執照資格或最低合格標準。這類測驗重視考生是否掌握特定知識或技能，通常不以區分群體中的高低排名為首要目的。

常模參照測驗：與群體表現比較

先以具有代表性的常模團體建立分數分布，再依受試者的原始分數判斷其相對位置。常見的標準分數表示方式為：

$$z=\frac{X-\mu}{\sigma}$$

其中 $X$ 是個人原始分數，$\mu$ 和 $\sigma$ 分別是常模團體的平均數與標準差。$z$ 分數表示個人成績距離常模平均數多少個標準差；也可用百分等級、百分位數等方式呈現相對位置。

核心觀念

內部一致性是指：在同一次施測中，測驗題目是否彼此一致地測量同一個特質。若性格測驗具有單向度，受試者在各題上的作答應主要反映同一個潛在特質，因此題目分數之間通常會呈現正向關聯。

內部一致性屬於信度的一種，但高內部一致性不等於已證明測驗單向度；題目內容重複也可能使一致性偏高。以下三種方法都需要以題目分數資料估計一致程度。

解題方法

一、折半信度

將測驗題目分成兩半，例如奇數題與偶數題，計算每位受試者在兩半測驗上的分數，再求兩半分數的相關 $r_{12}$。由於相關係數只反映半份測驗的信度，需用斯皮爾曼－布朗公式推估完整測驗的信度：

$$r_{\text{全測驗}}=\frac{2r_{12}}{1+r_{12}}$$

**原理與邏輯：**若測驗測量同一特質，兩半題目分數應有正相關；相關越高，代表兩半測量結果越一致。折半方式會影響結果，因此常以奇偶題分半，避免前半與後半因題目難度或題序差異而形成系統性偏差。

二、克朗巴赫 $\alpha$ 係數

對多點計分題目，例如李克特量表，可用克朗巴赫 $\alpha$ 衡量各題分數的共變程度。若測驗有 $k$ 題，第 $i$ 題變異數為 $\sigma_i^2$，總分變異數為 $\sigma_T^2$，則：

$$\alpha=\frac{k}{k-1}\left(1-\frac{\sum_{i=1}^{k}\sigma_i^2}{\sigma_T^2}\right)$$

核心觀念

題目鑑別度是指一個題目能否區分「在欲測特質上整體得分較高」與「整體得分較低」的受試者。鑑別度高的題目，應讓高分組在該題的得分也較高；若低分組反而得分較高，須檢查反向計分是否遺漏、題意是否含糊，或題目是否測到不同構念。

李克特式題目沒有標準答案，不能直接使用二分題的答對率解讀。常見做法是比較高、低分組在該題的平均得分，並檢查該題與其他題目合計分數的相關。對量表而言，校正後題目－總分相關會先從總分中排除該題，可避免題目與包含自身的總分相關而偏高。校正後題目－總分相關的說明、傳統題目分析方法

解題方法：高、低分組比較

1. 先確認計分方向。 將反向題反向計分，確保較高分一律代表較高程度的欲測特質。
2. 計算受試者的量表總分。 檢驗第 $i$ 題時，宜計算排除第 $i$ 題的其餘題目合計分數，作為分組依據，避免該題同時影響分組與組間比較。
3. 依其餘題目合計分數排序。 取最高約 $27\%$ 為高分組、最低約 $27\%$ 為低分組。$27\%$ 是常用的極端組比例；樣本條件不合適時，也可依研究設計採用其他比例，並在報告中說明。
4. 比較兩組在該題的平均得分。 設高分組平均數為 $\bar X_U$、低分組平均數為 $\bar X_L$，以獨立樣本 $t$ 檢定比較兩組：

$$t=\frac{\bar X_U-\bar X_L} {\sqrt{s_p^2\left(\frac{1}{n_U}+\frac{1}{n_L}\right)}}$$

其中 $n_U,n_L$ 分別為高、低分組人數，$s_p^2$ 為合併變異數。若兩組變異數不宜視為相等，使用 Welch $t$ 檢定。

也可將平均差表示為鑑別指標：

$$D_i=\bar X_U-\bar X_L$$

對李克特式題目，$D_i$ 為量尺原始分數上的平均差；量尺分數範圍為 $1$ 至 $K$ 時，差值範圍為 $-(K-1)$ 至 $K-1$。

核心觀念

本題比較的是速度測驗與一般成就測驗的測量重點，並要求說明速度測驗為何不宜直接套用一般的內部一致性信度方法。

古典測驗理論將觀察分數表示為：

$$X=T+E$$

其中 $X$ 為觀察分數、$T$ 為真分數、$E$ 為測量誤差。信度係數表示觀察分數中真分數變異所占的比例：

$$\rho_{XX'}=\frac{\sigma_T^2}{\sigma_X^2}$$

速度測驗的分數受作答速度、作答正確性與時間限制共同影響。因此，分析信度時要問：不同測驗形式或不同施測時，受試者的總表現是否穩定，而不能只看同一次施測中各題彼此是否相關。

速度測驗與一般成就測驗的差異

比較面向	速度測驗	一般成就測驗
主要測量目標	在固定短時間內完成工作的速度或流暢度，並兼顧正確性	對特定知識、技能或學習內容的掌握程度
時間限制	時間刻意設得較短，多數受試者無法作答全部題目	通常給足時間，使多數受試者能嘗試全部或大部分題目
題目安排	常使用大量、內容相近且難度相對容易的題目；題目順序與時間限制會影響分數	題目可涵蓋不同難度與內容範圍，以區分學習成就程度
分數意義	常反映限時內答對的題數或完成量；須留意速度與正確率	主要反映答對的內容與程度
設計重點	控制題目可讀性、版面、作答方式與施測時間，避免把理解困難或操作不熟誤當成速度差異	確保內容代表性、題目難度適切，並符合測驗欲評量的課程或能力範圍

實務上，成就測驗也可能設有時間限制；關鍵不是有沒有計時，而是時間是否足以讓多數受試者完成作答。若大量受試者因時間到而未能作答後段題目，測驗分數就可能混入速度成分。

設計速度測驗時，應使題目數量足以讓作答速度有差異可呈現，又避免題目難到讓受試者因不會答而停滯。施測時間、作答規則與計分方式也要一致，並清楚界定錯答、漏答及未到達題目的處理方式。速度測驗的信度會受到時間限制與題目次序影響；相關研究指出，以單一施測的切半或 α 係數估計純速度測驗信度，可能產生偏誤。Oxford Academic：Reliability in Educational Measurement

速度測驗的信度分析方法

優先採用：複本信度

編製兩份內容、題數、難度、題序與施測條件相當的複本，讓同一群受試者分別作答，再計算兩份總分的相關：

$$r_{XY}=\frac{\operatorname{Cov}(X,Y)}{S_XS_Y}$$

核心觀念

本題考查的是測驗題項的文字與語句編寫原則。題目文字應讓受試者清楚理解作答要求，並盡量避免因生僻詞、複雜句型或文化背景差異而影響作答。否則，測驗分數可能混入與目標能力無關的語文理解差異，降低測驗結果的解釋效度。一般命題原則也要求題意明確、文字淺顯簡明，並保留解題所需的條件。教育百科：測驗題目

解題方法

題目要求列出五項，因此可從受試者讀題時最容易受影響的環節整理：看不看得懂詞語、能否確定題意、句子是否易讀、否定語句是否造成混淆，以及文字是否引入與測驗目標無關的負擔。

五項編寫注意事項

1. 使用符合受試者程度的常用詞彙
   避免生僻字、古語、艱深術語、俚語或特定地區用語。若專業術語是測驗內容的一部分，才使用並維持前後一致；否則，陌生詞彙可能使受試者因閱讀困難而失分。

2. 題意明確，避免含糊或多重解讀
   清楚交代題目所指的人、事、時間與條件；避免指涉不明的代名詞、模糊的程度詞，或範圍不清的描述。

核心觀念

訊號偵測理論把「感覺能力」與「決策標準」分開：

• 感覺歷程決定訊號與雜訊分布的區隔程度，常以敏感度 $d'$ 表示。兩分布越分開，越容易辨認訊號。
• 決策歷程決定觀察到的感覺證據要高於何種門檻，才判定「有訊號」。這個門檻就是判準（criterion）。

判準的位置會受到決策時採用的政策影響，例如漏報與誤報的代價、不同反應的報酬，以及訊號出現的基準率。

解題方法

題目問的是判準位置由哪個歷程決定。先辨認它問的是「感覺證據有多可靠」，還是「根據證據採取什麼判斷標準」。

判準是觀察者用來作出反應的決策門檻，因此由決策歷程決定。感覺歷程會影響訊號與雜訊分布的重疊程度，也就是辨別能力；兩者不可混為一談。

選項分析

核心觀念

控制變項（control variable）是研究者為了排除其他因素的影響，在實驗中加以固定的變項。若某因素原本可以成為自變項，但研究者不打算研究它對結果的影響，便可將它保持不變，以降低混淆。

實驗中的自變項由研究者操弄；依變項則是研究者觀察或測量的結果。控制變項的功能，是讓依變項的變化較能歸因於研究者操弄的自變項。

解題方法

辨認題目所問的「control variable」，抓住兩個關鍵：它是實驗中需要排除影響的因素，並且由研究者固定不變。符合這項定義的選項，就是 (B)。

選項分析

• (A) under the control of the subject.
  錯誤。此選項指由受試者控制的因素；控制變項的重點是研究者在實驗中將某因素保持固定。

• (B) a potential independent variable that is held constant in an experiment.

核心觀念

平行分散處理（Parallel Distributed Processing, PDP）是認知心理學中的一種認知歷程模型，常與連結論（connectionism）相連。它將認知活動描述為：許多簡單的處理單元彼此連結，訊息在多個單元間平行傳遞，並以分散於網絡中的活動模式表徵資訊。

因此，PDP 是解釋認知如何運作的模型，不是特定的腦造影技術，也不是統計分析方法。

解題方法

先辨認題目中的關鍵詞 Parallel Distributed Processing。它在認知心理學中指以平行運作的連結網絡說明認知歷程，故應選擇「認知模型」相關選項。

選項分析

核心觀念

本題考「心理不應期」（psychological refractory period, PRP）。當兩個需要作出反應的刺激先後出現，且兩者間隔很短時，第一個刺激的反應處理會占用有限的中央處理資源，使第二個刺激的反應處理必須等待。因此，第二個刺激的反應時間通常會變長，也就是反應變慢。

兩個刺激的起始時間間隔稱為刺激起始間隔（stimulus onset asynchrony, SOA）。在其他條件相同時，SOA 越短，第二個反應受到的延遲通常越大。

解題方法

抓住題幹的兩個線索：「兩個訊號都要求反應」以及「兩個訊號間隔很短」。這正是心理不應期的典型情境。短間隔下，第二個刺激的反應處理受到第一個刺激影響，故第二個反應會延遲；題目問的是第二個刺激的反應變化，因此應選「變慢」。

選項分析

已確認原卷圖片內容，第 5 題與題目文字一致。以下為詳解：

---

核心觀念

本題考的是**心理物理學（psychophysics）**中兩個必須區分的概念：

概念	定義
Absolute threshold（絕對閾限）	能被偵測到的最小刺激量（50% 偵測率對應的刺激強度）
Difference threshold（差異閾限）	又稱 just noticeable difference (JND)，指能被察覺為「不同」的最小刺激差異量
Method of limits（極限法）	一種測量閾限的「程序／方法」，以遞增或遞減序列逼近轉換點
Perceptual defense（知覺防衛）	對威脅性或情緒性刺激的閾限提高現象，屬於社會知覺議題

關鍵區分：題目問的是 "trying to measure"（試圖測量什麼），也就是「測量目標」，而非「使用什麼方法」。

---

解題方法

從圖中原題可讀到以下關鍵資訊：

• 實驗者先呈現一個 standard weight = 100 grams（標準刺激），再呈現一個 comparison weight（比較刺激），要求受試者判斷兩者「相同或不同（same or different）」。
• 遞增序列：比較重量從 20 g → 30 g → 40 g → …，每次加 10 g，直到受試者說「相同」。
• 遞減序列：比較重量從 190 g → 180 g → 170 g → …，每次減 10 g，直到受試者說「相同」。

整個實驗的結構是：

1. 存在一個固定的標準刺激（100 g）。
2. 比較刺激從遠離標準值之處逐步接近標準值。
3. 受試者的任務是比較兩個刺激，判斷是否相同。
4. 當受試者說「相同」時，該點即為轉換點（transition point）。

遞增序列的轉換點為下差異閾（lower difference threshold），遞減序列的轉換點為上差異閾（upper difference threshold）。

核心觀念

多重基線設計（multiple-baseline design）是單一受試者實驗設計中的非撤回設計。研究者先觀察數個受試者、行為或情境的基線，再將介入措施依序、錯開時間引入各條基線。各條基線的長度因此不同。

若行為改變是在介入引入後才出現，且此模式在不同基線上重複出現，便能支持介入與行為改變有關。此設計不必撤除介入，適合不宜中止有效治療，或預期行為不會在撤除介入後回復的情況。

解題方法

抓住「多重基線」的關鍵：多條基線的介入起始時間錯開。比較各選項是否符合這項設計特徵：

• 基線期是否都等長？
• 是否必須撤除介入並觀察行為回復？
• 基線期是否會因介入時間錯開而有長有短？
• 是否能觀察介入效果是否擴散到尚未介入的基線？

符合「基線長度不同、介入依序引入」者，即為正確敘述。

選項分析

核心觀念

本題考查知覺的由下而上處理（bottom-up processing）與由上而下處理（top-down processing）的差異。

由下而上的知覺以環境中的感官資訊為起點，從刺激的物理特徵逐步形成知覺，不必先依賴既有知識或主動推論。題幹所說的「知覺者自然地拾取環境提供的資訊，且不需反思」，符合直接從環境資訊形成知覺的觀點。

解題方法

先抓題幹中的關鍵描述：「拾取環境提供的資訊」與「不需反思」。這表示知覺主要由外在刺激資訊引導，而不是先運用期待、經驗或背景知識來解讀刺激，因此判定為由下而上的知覺。

選項分析

• (A) top-down perception（由上而下知覺）：錯誤。由上而下處理會受到既有知識、期待、經驗或情境影響，再據此解讀感官資訊，與題幹強調直接拾取環境資訊不同。

核心觀念

此題考古典心理物理學的極限法（method of limits），以及它所測量的感覺閾限。

絕對閾限是個體剛好能察覺某刺激的最低刺激強度。極限法會讓刺激強度以固定步幅逐漸增加或逐漸減少，記錄受試者從「未察覺」轉為「察覺」，或從「察覺」轉為「未察覺」時的刺激強度。將多次測量的轉折點平均，可估計絕對閾限。

解題方法

判斷重點是：極限法直接操弄刺激強度，並找出受試者開始察覺刺激的轉折點，因此測量的是絕對閾限。題目問的是此方法「可用來決定」哪一種閾限，故選絕對閾限。

選項分析

• (A) an absolute threshold：正確。 極限法可透過逐步增加或減少刺激強度，估計刺激可被察覺的閾限。

核心觀念

這題考的是**啟動效果（priming）**的計算。字詞片段補全作業中，若受試者先前學過某些字詞，之後補出這些字詞的比例通常會高於未學過的字詞。兩種條件的補全率之差，就是此題所問的啟動量：

$$\text{啟動量}=\text{學習條件補全率}-\text{未學習條件補全率}$$

解題方法

學習條件的補全率為 $47\%$，未學習條件的補全率為 $23\%$。以未學習條件作為基準，扣除原本就會出現的補全比例：

$$47\%-23\%=24\%$$

核心觀念

心理學理論的主要功能，是將分散的研究資料與現象加以組織，並根據這些資料提出概括性的解釋。理論還能推導出可檢驗的預測，讓研究者對尚未觀察或測試的情境形成預期。

理論產生的預測可進一步轉化為研究假設，再透過實驗或其他研究方法檢驗。若預測獲得支持，理論的解釋力便得到證據支持；若預測不符，則需重新評估理論或其適用條件。

解題方法

題幹指出理論能「組織資料」，接著詢問理論的另一項功能。可從科學理論的基本功能判斷：除了整理並解釋已知現象，理論也要能推導出可檢驗的預測，延伸至尚未測試的情境。

因此，符合題意的是「對未經測試的情境產生預測」。

選項分析

• (A) Generate prediction for untested situations.
  正確。 理論可依據既有資料與解釋架構，推導尚未測試情境中的預期結果，並據此形成可檢驗的研究假設。

核心觀念

本題考「相關研究能回答什麼問題」，以及相關不代表因果。相關係數用來描述兩個變項之間關係的方向與強度；若使用皮爾森積差相關，其公式為：

$$r_{XY} = \frac{\operatorname{Cov}(X,Y)}{s_Xs_Y}$$

其中 $X$、$Y$ 是兩個變項，$s_X$、$s_Y$ 是各自的標準差。相關係數介於 $-1$ 與 $1$ 之間：正值表示正向線性關係，負值表示負向線性關係，絕對值越大表示線性關係越強。

相關可以判斷兩變項是否有關聯，但單靠相關不能證明一個變項造成另一個變項改變，也不能確認是否有第三變項影響兩者。

解題方法

題目問研究者計算「年齡」與「記憶廣度」的相關，可以做出什麼結論。先判斷相關分析的功能：它能檢視年齡與記憶廣度是否有關係，並描述關係的方向與強度；至於年齡是否造成記憶廣度下降，則涉及因果推論，不能只由相關結果得知。

兩個變項使用不同單位或尺度，也不妨礙計算相關。皮爾森相關以兩變項各自的標準差標準化共變數，因此不受測量單位不同的影響。

選項分析

• (A) be able to show that old age produces a decrease in memory span.
  錯。即使年齡與記憶廣度呈負相關，也只能說年齡較高者傾向有較低的記憶廣度，不能據此證明年齡造成記憶廣度下降。兩者的關聯也可能受到其他因素影響，且相關研究本身不能排除其他因果解釋。

核心觀念

本題考研究倫理中的「知情同意」及其免除條件。知情同意是研究者先向參與者說明研究相關資訊，再由參與者自願決定是否參加。免除知情同意不能只看研究者是否取得某種形式的核准，還要考量研究風險、參與者權益與資料保密。

解題方法

原卷第 3 頁的第 12 題選項 B 延續至第 4 頁，完整條件是：參與者面臨的傷害風險極低、自願參與，且其機密性受到保障。依本題選項設定，這些條件最符合可免除取得知情同意的情況，因此選 B。

實務上，研究者仍須依適用的研究倫理規範辦理；是否能免除同意，應由研究倫理審查機構依研究情況判定，不能只因研究者認為風險低就自行免除。

選項分析

核心觀念

本題考查受試者內設計（within-subjects design）的主要威脅。此設計讓同一批受試者依序接受不同實驗條件，再比較其在各條件下的表現。由於每位受試者都作為自己的對照，個體差異造成的變異通常會降低，統計檢定力也可能提高。

主要風險是順序效應：先前條件的經驗可能影響受試者在後續條件中的表現。若影響來自某一條件殘留至下一條件，稱為殘留效應（carryover effect）；練習、疲勞、適應與測驗經驗也都可能造成影響。

解題方法

判斷受試者內設計的主要危險時，先確認不同條件是否由同一位受試者依序經歷。若是，須留意先前條件是否改變後續行為，造成觀察到的差異混合了實驗操弄與條件順序的影響。

常見控制方式包括平衡不同條件的呈現順序，以及在條件之間安排休息或洗除期，以減少順序與殘留效應。

選項分析

核心觀念

典型的史楚普作業（Stroop task）測量的是自動化閱讀反應對顏色命名造成的干擾。參與者看到以不同顏色印出的文字時，必須說出字的墨水顏色，而不是讀出文字。

例如，看到「藍」字以紅色印出時，正確反應是「紅色」。由於閱讀文字通常是高度自動化的歷程，文字意義可能干擾參與者說出墨水顏色的反應；不一致條件下常見反應時間較長、錯誤率較高。

解題方法

辨認題目描述的作業要求即可：典型史楚普作業的關鍵是命名文字的墨水顏色。再逐一檢視選項，區分它與一般物體顏色命名、朗讀文字，以及情緒性史楚普作業。

選項分析

核心觀念

本題考查中央瓶頸模型如何解釋兩項重疊作業的處理。此模型主張，兩項作業可以在部分階段同時進行，但某些中央處理階段具有單通道限制：同一時間只能處理一項作業。

典型的資訊處理歷程可分為知覺、反應選擇與反應執行。中央瓶頸通常指向反應選擇階段：當兩項作業的反應選擇階段重疊時，其中一項必須等待另一項完成，因而形成序列處理。

解題方法

判斷關鍵是分辨兩種說法：

• 中央瓶頸模型：特定中央處理階段不能同時處理兩項作業，需依序進行。
• 共同資源模型：多項作業競爭共享的心理資源，資源分配影響各作業的處理效率。

題幹問的是中央瓶頸模型的主張，因此應選描述「一次處理一項作業」的選項。要注意，這是指瓶頸所在的中央階段；知覺或反應執行等其他階段仍可與另一項作業的階段重疊。

選項分析

核心觀念

本題考的是單一受試者實驗設計中的 ABA 設計。字母代表不同的實驗條件，依序為：

階段	名稱	意義
第一個 A	基線期（baseline）	尚未施加介入，持續測量目標行為，建立比較基準。
B	治療期／介入期（treatment／intervention phase）	施加治療或介入，並持續測量目標行為。
第二個 A	撤除介入期	撤除介入，恢復原先的基線條件，觀察目標行為的變化。

因此，B 的定義是「正在施加治療或介入的階段」，不是治療結束後的狀況。

ABA 設計透過「引入介入」與「撤除介入」前後的行為變化，評估介入與目標行為之間的功能關係。須注意，第二個 A 表示恢復基線條件，不表示行為數值必然回到最初的基線水準。

解題方法

本題是定義辨識題，直接將題幹中的 B 對應到 ABA 的階段順序：

介入前的基線條件 → 施加介入 → 撤除介入、恢復基線條件。

中間的 B 對應「施加介入」。因此，正確選項須表達「治療期」、「介入期」或「治療進行中的條件」。題列四個選項均未符合這項定義。

選項分析