113 年 國立政治大學心理學系碩士班工業與組織組《心理與教育統計學、心理測驗學、心理實驗法》

本題主要在檢驗考生對於配對樣本 $t$ 檢定 (paired sample $t$-test) 的基本概念與適用情境的理解。

(a) 配對樣本 $t$ 檢定適用於比較同一組受試者在兩種不同條件下的分數，或是前後測的比較。前後測研究設計，例如在介入前測量一次分數，介入後再測量一次分數，這兩次的測量分數即為配對樣本，因此配對樣本 $t$ 檢定適用。故此敘述正確。

(b) 配對樣本 $t$ 檢定是檢定兩配對樣本均值是否有顯著差異，其核心是檢定兩樣本差值（$D = X_1 - X_2$）的均值是否顯著異於零。單一樣本 $t$ 檢定是檢定單一樣本均值是否顯著異於某一個已知或假設的母體均值。當我們將差值 $D$ 作為一個新的單一樣本來進行檢定，其檢定對象的均值就是 $D$ 的母體均值 $\mu_D$，而配對樣本 $t$ 檢定檢定的正是 $\mu_D = \mu_{X_1} - \mu_{X_2}$ 是否等於零。因此，這兩者在統計程序上是等價的。故此敘述正確。

(c) 設 $D = X_1 - X_2$。其變異數為 $\text{Var}(D) = \text{Var}(X_1 - X_2) = \text{Var}(X_1) + \text{Var}(X_2) - 2 \text{Cov}(X_1, X_2)$。

本題旨在測試考生對信賴區間 (Confidence Interval, CI) 的解釋與應用之理解。

(a) 信賴區間的正確解釋是，若我們重複進行抽樣並計算信賴區間，則有 95% 的區間會包含真實的母體參數。它並不是指某一個特定的信賴區間有 95% 的機率包含母體參數，因為母體參數是固定的，而區間是隨機的。因此，這個敘述是常見的誤解。故此敘述錯誤。

(b) 信賴區間是針對母體參數（如真實支持度）建構的，而不是針對單一樣本的統計量（如另一間民調公司獲得的支持率）。另一間民調公司獲得的支持率是另一個樣本統計量，它與第一個樣本的信賴區間沒有直接的 95% 機率關係。故此敘述錯誤。

本題主要測試考生對 Pearson 相關係數 (Pearson correlation coefficient, $r$) 的理解，包括其性質、與迴歸的關係、解釋以及與獨立性的關聯。

(a) Pearson 相關係數 $r=0$ 表示 X 與 Y 之間沒有直線關係。在迴歸分析中，預測 Y 的迴歸線斜率 $b$ 的計算公式為 $b = r \frac{s_Y}{s_X}$，其中 $s_Y$ 和 $s_X$ 分別是 Y 和 X 的樣本標準差。如果 $r=0$，那麼 $b$ 也必然為 0。因此，若 X 與 Y 的 Pearson 相關為零，則以 X 預測 Y 的迴歸線斜率應為 0。故此敘述正確。

(b) Pearson 相關係數的平方 ($r^2$)，稱為決定係數 (coefficient of determination)，表示 Y 的總變異量中，有多少比例可以被 X 的變異量所解釋。題目中提到 Pearson 相關為 .60，所以 $r^2 = (0.60)^2 = 0.36$。

本題考驗對常態分配的性質以及隨機變數總和的變異數計算。

假設每位隨機選取的成年人的體重為隨機變數 $W_i$，其中 $i = 1, 2, \dots, 10$。
根據題意，這些 $W_i$ 來自常態分配，其平均數 $\mu_W = 65$ 公斤，標準差 $\sigma_W = 15$ 公斤。
因此，體重的變異數為 $\sigma_W^2 = 15^2 = 225$。

我們隨機選取 10 個人，其體重總和為 $S = W_1 + W_2 + \dots + W_{10}$。
由於這 10 個人是隨機選取的，我們可以假設他們的體重是獨立的。
對於獨立的隨機變數，其總和的變異數等於各變異數之和。

本題延續上一題，考驗考生計算隨機變數總和超過某閾值機率的能力，以及標準化 (standardization) 的概念。

承上題，我們知道 10 位隨機選取的成年人體重總和 $S$ 的平均數為：
$\mu_S = E(S) = E(W_1 + \dots + W_{10}) = \sum_{i=1}^{10} E(W_i) = 10 \times \mu_W = 10 \times 65 = 650$ 公斤。
體重總和 $S$ 的變異數為 $\text{Var}(S) = 2250$。
因此，體重總和 $S$ 的標準差為 $\sigma_S = \sqrt{2250} = \sqrt{225 \times 10} = 15\sqrt{10} \approx 15 \times 3.162 = 47.43$ 公斤。

由於原始的體重 $W_i$ 服從常態分配，根據中央極限定理 (Central Limit Theorem)，即使原始分配不是常態，當樣本數足夠大時（這裡 $N=10$，已算足夠），隨機變數總和 $S$ 也會近似於常態分配。

本題考驗考生對獨立樣本 $t$ 檢定 (independent samples $t$-test) 的應用，特別是當變異數不同質時的處理方式（Welch's $t$-test 的概念，但題目要求計算標準的 $t$ 統計量）。

題目要求比較「安慰劑組」(Placebo, 簡稱 $p$) 與「藥物 X 低劑量組」(Low dose, 簡稱 $l$)。
兩組的樣本資訊如下：
安慰劑組 (p): 樣本大小 $n_p = 10$, 樣本平均數 $\bar{y}_p = 10$, 樣本標準差 $s_p = 10$。
低劑量組 (l): 樣本大小 $n_l = 10$, 樣本平均數 $\bar{y}_l = 40$, 樣本標準差 $s_l = 15$。

我們需要計算獨立樣本 $t$ 檢定的統計量。雖然題目提到「並未假設變異數同質性」，但在此計算 $t$ 統計量時，我們仍先使用標準的獨立樣本 $t$ 檢定公式，其自由度計算會因變異數同質性假設而異。一般情況下，如果我們不確定變異數是否同質，會採用 Welch's $t$-test，但在此題目中，它要求計算「所對應之 $t$ 統計量」，通常是指標準的 $t$ 統計量計算，而自由度則可能需要根據情況（如 Welch's test）來決定。不過，題目只要求計算 $t$ 統計量本身。

標準獨立樣本 $t$ 檢定的公式為：
$t = \frac{(\bar{y}_1 - \bar{y}_2) - (\mu_1 - \mu_2)}{\sqrt{\frac{s_1^2}{n_1} + \frac{s_2^2}{n_2}}}$ （當不假設變異數同質時）
或

本題考驗考生對多重比較 (multiple comparisons) 中 Bonferroni 校正方法的理解。

當我們進行多次統計檢定時，即使每次檢定的虛無假設 (null hypothesis) 都為真，但由於每次都有一定的機率犯第一型錯誤（拒絕真實的虛無假設），多次檢定下來，至少犯一次第一型錯誤的總機率（家族型錯誤率, familywise error rate, FWER）會顯著高於單次檢定的顯著水準 $\alpha$。

Bonferroni 校正方法是一種控制 FWER 的簡單方法。其核心思想是將總體的第一型錯誤率 $\alpha_{FW}$ 分配到每一次單獨的檢定中。
若總共有 $m$ 次獨立或近似獨立的檢定，則 Bonferroni 校正將每次檢定的顯著水準（個別檢定第一型錯誤率）設為 $\alpha_{individual} = \frac{\alpha_{FW}}{m}$。

在本題中：
家族型錯誤率 $\alpha_{FW} = 0.05$。
研究者試圖比較四個組別兩兩配對之差異。這是一個配對比較問題，我們需要計算總共有多少對組別。
組別總數為 4。

核心觀念

線性比較（linear contrast）是以各組母體平均數的加權和，檢驗特定的研究假設：

$$L=c_1\mu_1+c_2\mu_2+\cdots+c_k\mu_k$$

其中 $c_i$ 為各組的比較係數。若要比較「使用藥物 X」與「安慰劑」的療效差異，應將藥物 X 組與安慰劑組給予相反符號，且其餘不相關組別係數設為 $0$。

解題方法

令：

• $\psi_1$：藥物 X 組的平均療效；
• $\psi_2$：安慰劑組的平均療效。

題目要求檢驗藥物 X 相較於安慰劑的療效差異，因此線性比較可寫為：

$$L=\psi_1-\psi_2$$

與一般形式

$$L=c_1\psi_1+c_2\psi_2$$

對照可得：

本題主要考驗考生對迴歸分析中，使用 F 統計量進行階層迴歸 (hierarchical regression) 或聯合預測力檢定 (joint predictive power test) 的理解。

題目要求檢驗在控制住 $x_1$ 與 $x_2$ 的效果後，加入 $x_3$ 與 $x_4$ 是否具有額外之預測力。
這相當於檢定模型 C 的預測力是否顯著優於模型 A。
模型 A: $y \sim x_1 + x_2$ (稱為縮減模型, Reduced Model, $R$)
模型 C: $y \sim x_1 + x_2 + x_3 + x_4$ (稱為擴充模型, Expanded Model, $E$)

我們需要比較兩個模型的殘差平方和 (Residual Sum of Squares, RSS)。
模型 A 的 RSS (RSS$_R$) = 200
模型 C 的 RSS (RSS$_E$) = 100

在模型 A 中，預測變數的數目為 $k_R = 2$ (即 $x_1, x_2$)。
在模型 C 中，預測變數的數目為 $k_E = 4$ (即 $x_1, x_2, x_3, x_4$)。
樣本數 $N = 200$。

F 統計量的計算公式為：
$F = \frac{\frac{RSS_R - RSS_E}{k_E - k_R}}{\frac{RSS_E}{N - k_E - 1}}$

本題主要測試考生對心理測驗信度 (reliability) 和效度 (validity) 各種檢驗方法的理解，以及其適用性。

(a) 因素分析 (Factor Analysis) 是一種用來檢驗量表構念效度 (construct validity) 的常用統計技術。特別是驗證性因素分析 (Confirmatory Factor Analysis, CFA) 可以用來檢驗一個量表是否符合預設的因素結構（例如大五人格理論的五個構念）。探索性因素分析 (Exploratory Factor Analysis, EFA) 則可以用來探索潛在的構念結構。因此，進行因素分析來檢驗構念效度是適切的。故此敘述正確。

(b) Alpha 係數 (Cronbach's alpha) 是用來衡量內部一致性信度 (internal consistency reliability) 的指標，通常用於計算單一分量表或總量表的信度。

本題主要測試考生對試題反應理論 (Item Response Theory, IRT) 基本概念的理解，包括 ICC、模型參數以及模型的意義。

(a) ICC (Item Characteristic Curve) 是試題反應理論的核心概念之一，它描述了在不同的潛在特質分數 (latent trait score, 通常表示為 $\theta$) 下，受試者正確作答該題目的機率。ICC 本身是一個基於數學模型（例如邏輯斯模型）所推導出的理論曲線，而不是直接從原始測驗資料繪製的散佈圖。原始資料可以用来估計 ICC 的參數，進而繪製出理論曲線，但 ICC 本身是模型的產物，而非直接的資料視覺化。故此敘述錯誤。

(b) ICC 的形狀和位置包含了試題的參數資訊。對於常見的二參數邏輯斯模型 (2PL)，ICC 包含了試題的難度參數 (difficulty, $b$) 和鑑別度參數 (discrimination, $a$)。

本題主要測試考生對 Cronbach's alpha 係數的理解，包括影響其大小的因素以及其局限性。

Cronbach's alpha 係數的計算公式（以條目數為 $n$，各條目變異數為 $\sigma_i^2$，條目間共變異數為 $\sigma_{ij}$ 為例）可以簡化為：
$\alpha = \frac{n}{n-1} \left( 1 - \frac{\sum_{i=1}^{n} \sigma_i^2}{\sigma_{total}^2} \right)$
其中 $\sigma_{total}^2$ 是總分數的變異數。

另一種常見的表示方式是：
$\alpha = \frac{n \bar{r}}{1 + (n-1)\bar{r}}$
其中 $\bar{r}$ 是所有條目對之間的平均相關係數。

(a) 若每道試題都測量同一個潛在特質，則試題間的相關性（$\bar{r}$）應該較高。從公式 $\alpha = \frac{n \bar{r}}{1 + (n-1)\bar{r}}$ 可以看出，當 $n$ 固定時，$\bar{r}$ 越大，$\alpha$ 的值就越大。因此，若試題間相關越大，alpha 係數數值應越大。故此敘述正確。

本題旨在測試考生對不同類型心理測驗的認識與分類能力。

(a) 史比量表 (Stanford-Binet Intelligence Scales) 是歷史悠久且廣泛使用的智力測驗，主要用於評估個人的智力水準。因此，它屬於智力測驗。
對應選項：C. 智力 (intelligence) 測驗。

(b) 中小學所舉行的段考，通常是為了評量學生在特定學科（如數學、國語等）在一段學習期間所學到的知識和技能的掌握程度。這屬於學業成就的測量。因此，它屬於成就測驗。
對應選項：B. 成就 (achievement) 測驗。

本題考驗考生對測量標準誤 (Standard Error of Measurement, SEM) 的計算。

測量標準誤 (SEM) 是指測驗分數的變異性，也就是測量誤差的大小。它表示在重複測量同一個體時，預期分數變異的標準差。SEM 的計算公式為：
$SEM = \sigma_X \sqrt{1 - \text{reliability}}$
其中：
$\sigma_X$ 是測驗分數的標準差 (standard deviation, SD)。
reliability 是測驗的信度 (reliability)。

題目中給定的資訊：
平均數 (Mean) = 500 (此資訊在此計算 SEM 時不需要)
標準誤 (Standard Error) = 100。 **這裡的「標準誤」很可能指的是測驗分數的標準差 (SD)，而不是抽樣標準誤 (Standard Error of the Mean, SEMean)。

本題考驗考生如何利用測量標準誤 (SEM) 來計算個人分數的信賴區間 (Confidence Interval, CI)。

承上題，我們已經計算出：
測驗分數的標準差 $\sigma_X = 100$ (假設題目中的「標準誤」指的是 $\sigma_X$)
信度 = 0.90
測量標準誤 $SEM = 100 \sqrt{1 - 0.90} = 100 \sqrt{0.10} \approx 31.62$。

個人分數的信賴區間，通常是基於該分數加上或減去 SEM 的倍數來建構的。
信賴區間的公式為：
CI = $\text{Observed Score} \pm Z \times SEM$
其中 $Z$ 是對應於所選信心水準的標準常態分配臨界值。

本題與上一題的標示重複，應為同一題。如果此處是另一題，則題目敘述不完整，無法作答。
假設此處為上一題的延續，則計算結果同上一題。

若此處為另一題，但題目敘述與上一題完全相同，且標示為題號 7，則依據題目內容，計算方式與上一題相同。
承 5, 若某人之測驗分數為 600, 則其分數之 95% 信賴區間為多少 (臨界值可參考以下機率數值: Pr(Z ≤ 1.96) = .975, Pr(Z ≤ 1.645) = .95, 這裡, Z 為標準常態分配隨機變數)

本題考驗考生對 Spearman-Brown 公式在折半信度 (split-half reliability) 中的應用。

折半信度是一種估計內部一致性信度的方法。它將測驗分成兩半（通常是將單數題與雙數題分開），分別計算這兩半的分數，然後計算這兩半分數之間的相關係數。然而，這個相關係數低估了整個測驗的信度，因為它只代表了半個測驗的長度。

Spearman-Brown 公式用於校正折半信度，以估計整個測驗的信度。
公式為：
$r_{tt} = \frac{n r_{hh}}{1 + (n-1) r_{hh}}$
其中：
$r_{tt}$ 是預期整個測驗的信度 (total test reliability)。
$r_{hh}$ 是兩半測驗分數之間的相關係數 (reliability of the half-test)。
$n$ 是測驗長度的增加倍數。

本題旨在測試考生對實驗設計類型的辨識能力，特別是區分真實驗設計 (true experimental design) 與準實驗設計 (quasi-experimental design)。

真實驗設計 (True Experimental Design) 的關鍵特徵是：

1. 隨機分派 (Random Assignment)：將參與者隨機分配到不同的實驗處理組。
2. 包含對照組 (Control Group)：包含一個不接受處理或接受標準處理的對照組。
3. 操弄自變項 (Manipulation of Independent Variable)：研究者主動操弄自變項。

準實驗設計 (Quasi-Experimental Design) 則缺少其中一項或多項要素，最常見的是缺少隨機分派。在準實驗設計中，研究者常利用現有的群體或條件來進行比較，而不是透過隨機分派來創建群體。

讓我們逐一分析選項：

A. A researcher compares the effects of caffeine on sleep by assigning subjects randomly into one of 3 treatment groups (5, 10 or 20 mg. doses of caffeine) and recording EEGs of each subject throughout the night.
* 此研究中，研究者將受試者「隨機分派」到不同的咖啡因劑量組。
* 有操弄自變項（咖啡因劑量）。
* 有對照（可以將最低劑量或安慰劑視為某種形式的對照，但重點是隨機分派）。
* 這是典型的真實驗設計。

B. A clinical psychologist tests the relative effectiveness of two forms of therapy for treatment of panic attacks by recruiting 20 people diagnosed with panic attacks and treating half with one form of therapy and half with the other form of therapy for the same amount of time.
* 此研究中，研究者將 20 位恐慌症患者「對半」分配到兩種治療法。這裡的「對半」通常意味著非隨機分派，例如按照入院順序、或由臨床醫生決定。如果「對半」是隨機分派，則為真實驗設計。然而，在臨床情境中，有時會使用「方便抽樣」或「非隨機」的分派方式。若此處的「對半」不是嚴格的隨機分派，則可能為準實驗設計。

核心觀念

本題考查 受試者內設計（within-subjects design） 與 受試者間設計（between-subjects design） 的主要差異。

• 受試者內設計：同一位受試者接受兩個或以上的實驗處理，因此每位受試者都能作為自己的控制。
• 受試者間設計：不同受試者分別接受不同處理，各處理組由不同的人組成。

受試者內設計的關鍵優勢，是能排除或大幅降低「個體間差異」造成的誤差。例如，受試者的能力、人格、動機、焦慮程度與先備知識不同，若不同處理由不同受試者接受，這些差異便可能混入處理效果之中。

在受試者內設計中，處理效果通常可依同一受試者在不同條件下的差異來估計：

$$D_i = X_{i1} - X_{i2}$$

其中 $D_i$ 是第 $i$ 位受試者在兩種處理條件下的得分差異。由於比較是在同一個人內進行，穩定的個體差異會被控制，因此誤差變異降低，統計檢定力通常提高。

---

解題方法

判斷本題的切入點，是找出受試者內設計相較於受試者間設計的「主要方法學優勢」。

受試者間設計的變異來源可概念化為：

$$\text{總變異} = \text{處理變異} + \text{個體間差異} + \text{隨機誤差}$$

受試者內設計透過讓同一受試者接受不同處理，使個體間差異不再成為處理組之間的主要比較誤差來源。因此，誤差變異降低，處理效果較容易被偵測。

換言之，受試者內設計的主要優點不是單純「樣本數較少」，而是：

$$\text{個體差異被控制} \Rightarrow \text{誤差變異降低} \Rightarrow \text{統計檢定力提高}$$

因此正確答案為 D。

---

選項分析

A. the participants are less likely to figure out the purpose of the experiment.

「受試者較不容易猜出實驗目的」不是受試者內設計的主要優勢。

受試者內設計中，同一位受試者會接觸多種處理條件，反而可能因為比較不同條件的差異，而更容易察覺實驗操弄或研究目的。這涉及受試者反應偏差與需求特徵（demand characteristics），並非受試者內設計必然具備的優點。

因此 A 錯誤。

核心觀念

心理學中的「理論」（theory）是由彼此相關的概念、命題與假設所組成的系統，用來：

1. 組織與統整資料：將零散的研究結果與觀察現象，放入具有邏輯性的架構中。
2. 產生可檢驗的預測：根據理論推論在尚未研究的情境中，應會出現何種現象或結果。

科學理論的重要功能，不只是描述已知資料，更要能對尚未觀察的情況提出預測，並透過後續研究加以檢驗。因此，本題第二個空格應填入「對未測試情境產生預測」。

解題方法

題幹指出：

Theory in psychology serves to both organize data and to ...

句型中的 both A and B 表示理論具有兩項並列功能：

• organize data：組織資料
• 另一項功能：根據既有資料與理論架構，推論未觀察情況

科學理論通常具備以下功能：

• 描述與整理現象
• 解釋現象間的關係
• 產生可檢驗的預測
• 引導後續研究

四個選項中，只有 B 直接表達「針對未測試情境進行預測」的功能，因此選 B。

選項分析

A. validate psychological findings.

錯誤。理論本身不能直接「驗證心理學研究發現」。研究發現是否可信，須透過研究設計、統計分析、重複驗證與證據累積來評估。理論可以協助解釋研究結果，也可以提出新的假設，但不能保證或直接驗證所有心理學發現。

此外，理論也可能因為新證據而被修正或淘汰，因此理論不是研究結果正確性的保證工具。

B. Generate prediction for untested situations.

正確。理論可根據已知的概念與關係，推論尚未研究的情境中可能出現的結果，形成可檢驗的預測。

例如，若某心理學理論主張「睡眠不足會降低注意力」，研究者便可進一步預測：在控制其他條件後，睡眠不足的受試者在持續注意力作業上的表現會較差。

核心觀念

Scale attenuation effects（量尺衰減效應）是指測量工具的分數範圍有限，導致受試者表現被壓縮在量尺的上限或下限，無法充分反映真實個別差異。其主要表現為：

• 天花板效應（ceiling effect）：題目太容易或量尺上限太低，多數受試者集中在高分端。
• 地板效應（floor effect）：題目太難或量尺下限太高，多數受試者集中在低分端。

當分數集中於量尺兩端時，測量工具的鑑別力下降，個體間原本存在的差異會被壓縮，這就是量尺造成的衰減。

解題方法

判斷關鍵在於辨認「scale attenuation」所指的對象。題幹提到的是 scale（量尺） 的衰減，因此應聯想到：

1. 測量分數受到量尺上下限限制。
2. 大量分數集中於最高分或最低分。
3. 造成天花板效應或地板效應。

因此正確答案為 A。

選項分析

A. ceiling and floor effects.

正確。天花板效應與地板效應都是量尺範圍不足所造成的分數壓縮現象，會使量尺無法區分高能力者或低能力者之間的細微差異，符合 scale attenuation effects 的定義。

B. levels of processing effects.

本題考驗考生對信號檢測理論 (Signal Detection Theory, SDT) 中各參數意義的理解，特別是當信號強度相對噪音增強時，哪些參數會受到影響。

在信號檢測理論中，參與者在判斷是否存在信號時，會面臨兩種決策：

1. 有信號 (Signal present)
2. 無信號 (Noise only)

而他們的反應可以是：

1. 判斷為有信號 (Report signal)
2. 判斷為無信號 (Report noise)

由此產生四種結果：

• Hit (正確識別信號)：實際有信號，報告有信號。
• Miss (漏報)：實際有信號，報告無信號。
• False Alarm (虛報)：實際無信號，報告有信號。
• Correct Rejection (正確拒絕)：實際無信號，報告無信號。

SDT 中的主要參數包括：

• d' (d-prime)：這是敏感度 (sensitivity) 的度量。它代表了在有信號存在時，區分信號與噪音的能力。$d'$ 的計算與信號強度和噪音水平有關。

核心觀念

**Stroop effect（史楚普效應）**是指：當受試者必須命名文字的「印刷顏色」時，若文字本身所代表的顏色與印刷顏色不一致，文字意義會干擾顏色命名，使反應時間變長、錯誤率提高。

例如：

• 「紅」以紅色印出：一致條件（congruent）
• 「紅」以藍色印出：不一致條件（incongruent）

在不一致條件下，受試者需要抑制自動化的閱讀反應，才能正確說出印刷顏色。其干擾量可表示為：

$$\text{Stroop 干擾量} = RT_{\text{不一致}} - RT_{\text{中性或一致}}$$

其中 $RT$ 代表反應時間。若不一致條件的反應時間較長，即呈現 Stroop 干擾效果。

此效應的主要原因包括：

1. 閱讀具有高度自動化：看到文字後，文字意義通常會被快速且不自主地處理。
2. 顏色命名相對需要控制：命名印刷顏色需要較多注意力與反應控制。
3. 刺激訊息發生衝突：文字意義與印刷顏色不一致時，兩種反應互相競爭。

解題方法

本題的關鍵是辨認 Stroop effect 的經典實驗情境：

受試者要命名「顏色」，但文字本身所代表的顏色與印刷顏色不一致。

因此，判斷選項時應注意三個條件：

• 作業是「命名顏色」，不是閱讀文字。
• 文字代表的顏色與實際印刷顏色不一致。
• 不一致造成顏色命名變慢。

符合這三項條件的選項即為正確答案。

選項分析

A. occurs when colors are named slowly for words that denote a color name other than the one being named.

此選項正確。

它描述的是：當文字所代表的顏色不同於受試者要命名的印刷顏色時，顏色命名速度變慢。例如，文字「紅」以藍色印出，受試者必須回答「藍」，但「紅」的文字意義會干擾顏色命名。

這正是 Stroop effect 的標準定義。

B. occurs when words are named slowly due to their physical similarity with ot

核心觀念

心理不應期（psychological refractory period, PRP）是指：當兩個刺激在極短時間內先後出現時，個體對第二個刺激的反應會受到第一個刺激處理歷程的干擾，因而延遲。

關鍵變項是刺激起始非同步時間（stimulus onset asynchrony, SOA），即第一個刺激與第二個刺激開始呈現之間的時間差。

PRP 的典型關係為：

• SOA 很短：第一個刺激尚未完成反應選擇，第二個刺激的反應時間較長。
• SOA 增加：兩個刺激的處理時間重疊減少，第二個刺激的反應速度加快、反應時間縮短。

因此，若以「第二刺激的反應時間」衡量，SOA 與第二刺激反應時間呈反向變化：

$$SOA \uparrow \quad \Rightarrow \quad RT_2 \downarrow$$

其中 $RT_2$ 代表對第二個刺激的反應時間。

解題方法

判斷本題只需掌握 PRP 的經典實驗結果：第一刺激與第二刺激的間隔越長，第二刺激越不會受到第一刺激處理瓶頸的影響，因此第二反應會越快。

換言之，SOA 增加時，第二刺激的反應延遲下降，兩者呈現 inverse relation（反向關係）。故選擇 A。

題目中的「speed of responding」若從日常語意理解為「反應速度」，速度會隨 SOA 增加而提升；但心理學研究通常是以第二刺激的反應時間（reaction time, $RT_2$）來描述 PRP 效果。此時所指的經典關係是 SOA 與 $RT_2$ 的反向關係。

選項分析

核心觀念

本題考查 交叉滯後相關程序（cross-lagged procedure）的定義與用途。

研究者在不同時間點測量兩個變項，例如：

• $X$：學業壓力
• $Y$：憂鬱程度

若在時間 $T_1$ 與 $T_2$ 分別測量兩者，通常會計算：

1. 同時相關：$r(X_{T_1},Y_{T_1})$、$r(X_{T_2},Y_{T_2})$
2. 穩定性相關：$r(X_{T_1},X_{T_2})$、$r(Y_{T_1},Y_{T_2})$
3. 交叉滯後相關：

$$r(X_{T_1},Y_{T_2})$$

以及

$$r(Y_{T_1},X_{T_2})$$

交叉滯後相關的重點，是比較「較早時間的變項 $X$」對「較晚時間的變項 $Y$」之關聯，以及相反方向的關聯。藉此評估兩個變項的時間先後關係與可能的影響方向。

須注意，交叉滯後程序可以提供時間順序與預測關係的證據，但不能單獨證明因果關係。

解題方法

判斷本題的關鍵在於拆解 cross-lagged 一詞：

• cross：測量兩個不同變項之間的交叉關聯。
• lagged：測量不同時間點之間的延宕關聯。

因此，交叉滯後程序必須：

1. 在多個時間點測量變項；
2. 計算不同變項跨時間的相關；
3. 比較兩個可能方向的跨時間關聯。

所以其核心特徵是「在一段時間內取得多個相關」，正確選項為 D。

選項分析

A. refrain from determining which factors lead to other factors.

本題要求辨識實驗研究中的自變項 (independent variable) 和依變項 (dependent variable)。

自變項 (Independent Variable, IV)：
自變項是研究者操弄或分類的變項，用來觀察其對依變項的影響。在這個實驗中，有兩個主要的自變項：

1. 受試者群體 (Participant Group)：研究者比較的是兩組不同的參與者。

   • 變項名稱：受試者群體 (或 參與者類別, Group Type)
   • 水準 (Levels)：
     • 對照組 (Control Group)
     • 實驗組 (實驗組為失憶症患者, Amnesia Patients Group)

2. 作業類型 (Task Type)：實驗的測試階段有兩種不同的作業。

   • 變項名稱：作業類型 (或 測試作業, Test Task)
   • 水準 (Levels)：
     • 自由回憶作業 (Free Recall Task)
     • 填字作業 (Cued Recall / Fill-in-the-blank Task)

依變項 (Dependent Variable, DV)：
依變項是研究者測量以評估自變項影響的變項。在這個實驗中，依變項是參與者在不同作業中的表現。

本題要求辨識實驗中兩種測試作業所測量的記憶類型，並說明其差異。

測試階段有兩種作業：

1. 自由回憶作業 (Free Recall Task)
2. 填字作業 (Cued Recall / Fill-in-the-blank Task)

1. 自由回憶作業 (Free Recall Task)

• 記憶類型：主要測量陳述性記憶 (Declarative Memory) 中的情節記憶 (Episodic Memory)，更具體地說，是無提示回憶 (unprompted recall) 或自由回憶 (free recall) 的能力。
• 特點：參與者需要獨立地、不受任何線索的提示，從記憶中提取先前學習過的信息（單字）。這需要較強的記憶提取能力，且對記憶痕跡的要求較高。

2. 填字作業 (Cued Recall / Fill-in-the-blank Task)

• 記憶類型：主要測量陳述性記憶中的線索提示回憶 (cued recall) 的能力。
• 特點：參與者在回憶信息時，會得到一些線索（例如單字的部分字母）。

本題要求計算填字作業 (cued recall task) 中的 priming score。

Priming score 通常用來衡量在有線索的情況下，受試者對先前學習過的項目（learned items）的回憶程度，相對於他們對未學習過的項目（unlearned items）的反應。這可以反映出練習或學習對提取特定信息的促進作用。

在這個實驗中，填字作業有兩種情況：

1. 對先前學習過的單字的填答正確率 (Accuracy on learned words)。
2. 對先前未學過的單字的填答正確率 (Accuracy on unlearned words)。

Priming Score 的計算方式：
Priming Score = (對學習過單字的正確率) - (對未學習過單字的正確率)

本題要求根據實驗數據繪製圖表，以呈現兩組受試者在兩種測試作業中的正確率。這需要製作兩個圖表：一個用於自由回憶作業，另一個用於填字作業。圖表需要符合研究報告的格式要求，包括標題、軸標籤、圖例等。

圖表 1：自由回憶作業的正確率

• 圖表類型：柱狀圖 (Bar Chart) 是最適合呈現兩組比較數據的圖形。
• 標題：例如：「自由回憶作業的正確率比較：對照組 vs. 失憶症患者組」
• X 軸：受試者群體 (Participant Group)
  • 標籤：對照組 (Control Group), 失憶症患者組 (Amnesia Patients Group)
• Y 軸：正確率 (Accuracy)
  • 標籤：百分比 (%) 或 比例 (Proportion)
  • 範圍：應包含 0% 到最高值（例如 80% 或 100%），並標示刻度。
• 數據：
  • 對照組 (Control Group)：正確率 72%
  • 失憶症患者組 (Amnesia Patients Group)：正確率 33%
• 其他標記：
  • 柱狀圖應有標示清楚的柱子。
  • 如果需要，可以在柱頂標示具體的數值。
  • 可以考慮加入誤差線 (error bars)，例如標準誤或標準差，以顯示數據的變異性（雖然題目未提供計算誤差線所需的數據，但在報告中通常會包含）。

圖表 2：填字作業的正確率

• 圖表類型：柱狀圖 (Bar Chart)。由於填字作業有兩種情況（學習過的單字和未學習過的單字），可以考慮兩種方式繪製：

  • 方式一：分組顯示 (Grouped Bar Chart)

    • 以「受試者群體」為主要分組，每個群體下再比較「學習過的單字」和「未學習過的單字」。
    • X 軸：受試者群體 (對照組, 失憶症患者組)
    • Y 軸：正確率 (Accuracy)
    • 每個群體下有兩個相鄰的柱子，分別代表「學習過的單字」和「未學習過的單字」。
    • 需要圖例 (Legend) 來區分「學習過的單字」和「未學習過的單字」。

  • 方式二：將「學習過的單字」和「未學習過的單字」作為獨立的 Y 軸比較 (不太常見，但可行)

    • X 軸：受試者群體 (對照組, 失憶症患者組)
    • Y 軸：正確率 (Accuracy)
    • 可以繪製兩組獨立的柱狀圖，或者在同一圖中用不同顏色/圖案區分。
    • 如果採用這種方式，需要非常清楚地標示。

  • 推薦方式一 (Grouped Bar Chart)，因為它能直接比較兩組在不同條件下的表現。

本題要求根據實驗數據，判斷自變項（受試者群體、作業類型）對依變項（正確率）的影響，並描述是否存在主要效果 (main effects) 或交互作用 (interaction effects)。

我們有兩個自變項：

1. 受試者群體 (Participant Group)：對照組 (Control Group, CG) vs. 失憶症患者組 (Amnesia Patients Group, APG)。
2. 作業類型 (Task Type)：自由回憶 (Free Recall, FR) vs. 填字作業 (Cued Recall, CR)。

依變項是正確率 (Accuracy)。

數據摘要：

群體	作業類型	正確率 (%)
對照組 (CG)	自由回憶 (FR)	72
對照組 (CG)	填字作業 (CR)	78
失憶症患者組 (APG)	自由回憶 (FR)	33
失憶症患者組 (APG)	填字作業 (CR)	66

分析主要效果 (Main Effects)：

1. 受試者群體的主要效果：

   • 比較兩組的總體平均表現。
   • 對照組的平均正確率：(72 + 78) / 2 = 75%
   • 失憶症患者組的平均正確率：(33 + 66) / 2 = 49.5%
   • 結論：失憶症患者組的總體正確率顯著低於對照組。因此，受試者群體存在顯著的主要效果。

2. 作業類型的顯著效果：

   • 比較兩種作業的總體平均表現。
   • 自由回憶作業的平均正確率：(72 + 33) / 2 = 52.5%
   • 填字作業的平均正確率：(78 + 66) / 2 = 72%

本題要求根據實驗結果，對失憶症患者與對照組在不同記憶作業上的表現差異進行解釋。

實驗數據重點回顧：

• 主要效果：
  • 群體：失憶症患者組 (APG) 的整體表現比對照組 (CG) 差。
  • 作業：填字作業 (CR) 的整體表現比自由回憶作業 (FR) 好。
• 交互作用：APG 在 FR 作業上的表現劣勢比在 CR 作業上更明顯。

簡要解釋：

1. 失憶症對記憶的影響：

   • 失憶症患者組的整體表現較差，特別是在自由回憶作業上，這與他們的核心病症——記憶儲存和提取功能受損——是一致的。自由回憶作業高度依賴於先前學習的陳述性記憶的完整性和提取能力。

2. 作業類型對記憶提取的要求：

   • 自由回憶作業：這種作業幾乎不提供外部線索，完全依賴內在的記憶提取能力。對於記憶受損的失憶症患者來說，這是極具挑戰性的，因為他們可能難以在記憶庫中定位並提取先前學習的單字。這解釋了為何他們在自由回憶作業上表現出極大的劣勢。
   • 填字作業：這種作業提供了部分字母作為線索，大大降低了記憶提取的難度。這些線索可以幫助啟動搜尋過程，彌補部分記憶提取能力的不足。因此，即使是失憶症患者，也能夠利用這些線索來回憶起部分學習過的單字，從而表現出相對較好的成績（雖然仍低於對照組）。