108 年 國立臺北大學犯罪學研究所《社會科學研究法》

本題主要在檢驗考生對於統計數據解讀、統計推論、研究方法倫理、信賴區間解釋以及分配概念的理解。

(1) 評論：此陳述將「通報案件數上升」直接等同於「兒虐問題日益嚴重」，忽略了其他可能影響通報數量的因素。
詳解：通報案件數的增加，可能的原因有很多，除了兒虐問題本身確實惡化外，還可能包括：
a. 社會對兒虐議題的關注度提升，民眾通報意願提高。
b. 政府或民間機構的宣導奏效，使得更多人知道如何通報及通報的重要性。
c. 通報系統的便利性或可及性增加。
d. 執法單位或社工機構的敏感度提高，更容易辨識並通報疑似案件。
因此，單憑通報數量的增加，不能直接斷定兒虐問題「日益嚴重」，需要結合更多元的資料與背景資訊進行分析。這涉及了「觀察者偏差」與「測量工具敏感度」的議題。

(2) 評論：F 檢定顯著僅表示迴歸模型整體有統計上的顯著性，並不能直接推論低自控分數與偏差行為之間存在「很強」的關係。
詳解：在迴歸分析中，F 檢定顯著（通常指 F 檢定的 P 值小於預設的顯著水準 $\alpha$）表示至少有一個自變數（預測變數）對依變數（結果變數）有顯著的預測能力，即整個迴歸模型是統計上顯著的。然而，F 檢定顯著性並不直接告訴我們自變數與依變數之間「關係的強度」。關係的強度通常由 $R^2$（決定係數）或標準化迴歸係數（beta coefficient）來衡量。一個顯著的 F 值可能對應一個較低的 $R^2$，表示模型解釋的變異量不大，即使關係是統計上顯著的，也未必是「很強」的關係。此外，統計顯著性也可能受到樣本數量的影響，即使關係不強，但若樣本數夠大，F 檢定也可能顯著。因此，F 檢定顯著僅是模型整體顯著的指標，不能直接等同於自變數與依變數間關係的強度。

(3) 評論：此陳述犯了「虛假相關」或「偽相關」的謬誤，並採取了不恰當的因果推論與政策建議。
詳解：暴力犯罪與冰淇淋銷售量之間存在高度正相關，這是一種典型的「虛假相關」（spurious correlation）。這種相關性很可能是由一個潛在的、未被觀察到的第三變數（稱為潛在變項或混淆變項）所引起的，例如「氣溫」。高溫時，人們更傾向於購買冰淇淋（增加銷售量），同時，高溫也可能導致人們在戶外活動時間增加，進而可能增加發生暴力衝突的機會（增加暴力犯罪）。因此，冰淇淋銷售量本身並不是造成暴力犯罪的原因，限制冰淇淋銷售量也無法有效解決暴力犯罪問題。這顯示了「相關不等於因果」（correlation does not imply causation）的基本原則，以及在進行大數據分析時，必須審慎識別並控制潛在的混淆變項。

(4) 評論：小瓜的詮釋是錯誤的，他混淆了「樣本平均數」與「母體平均數」的信賴區間。
詳解：信賴區間（Confidence Interval, CI）是對母體參數（在此為母體平均數 $\mu$）的一個區間估計。95% 信賴區間 $(52.22, 58.36)$ 的正確解釋是：我們有 95% 的信心認為，真正的母體平均緊張量表分數落在這個區間內。換句話說，如果我們從相同的母體重複進行 100 次抽樣，並為每次抽樣計算一個 95% 的信賴區間，預計其中約有 95 個信賴區間會包含真實的母體平均數。
小瓜的詮釋「95% 的樣本平均數會落在 $52.22 \sim 58.36$ 之間」是錯誤的。

本題旨在檢驗考生設計研究計畫的能力，特別是在處理社會研究中常見的測量工具（問卷）信效度問題，以及如何設計一個能回答特定研究問題的實證研究。

研究問題：記名與不記名校園生活問卷調查的差異為何？

核心概念：

1. 測量偏差（Measurement Bias）：不同問卷設計（記名 vs. 不記名）是否會系統性地影響受訪者的回答，進而導致測量結果的差異。
2. 社會期許反應（Social Desirability Response）：受訪者可能傾向於提供社會期望的、或能讓自己看起來更好的答案，尤其是在個人資訊（如是否曾被霸凌、是否參與霸凌）被記錄時。
3. 匿名性與坦誠度（Anonymity and Honesty）：匿名性通常被認為可以提高受訪者的坦誠度，特別是對於敏感或負面話題。
4. 研究設計（Research Design）：如何設計一個能有效比較兩種問卷方式的研究。

研究規劃：

研究目的：
釐清記名與不記名校園生活問卷調查在問項回答、受訪者反應傾向、以及測量結果上是否存在顯著差異。

研究方法：
本研究將採用實驗性研究設計，以比較兩種問卷形式（記名 vs. 不記名）對填答結果的影響。

研究對象：
選擇具代表性的中等學校（國中或高中）及小學（五年級、六年級）學生作為研究對象。可以從數個縣市、不同類型的學校（公立/私立、都會/偏鄉）中隨機抽取樣本學校，再於學校內隨機抽取班級，最後對班級內的學生進行抽樣。

研究設計細節：

1. 實驗分組：將抽樣出來的學生隨機分配到兩組：
   • 實驗組（記名組）：填寫記名問卷。
   • 對照組（不記名組）：填寫不記名問卷。
   • 為了確保比較有效，兩組學生在問卷內容上應盡可能一致，只在「是否需要填寫姓名/學號」這一點上進行區隔。
2. 問卷設計：
   • 問卷應包含與「校園生活」、「霸凌經驗」（被霸凌、霸凌他人、目睹霸凌）、「校園安全感」、「與師長互動」等相關的題項。
   • 題項設計應儘可能簡潔、清晰，適合不同年齡層學生的理解能力。
   • 可以包含一些「敏感性題項」，例如：「你是否曾經參與過欺負同學的行為？」、「你是否曾經被同學嚴重排擠？」等。
   • 除了核心題項，也可加入一些「社會期許」量表（例如，詢問學生對自己品德的看法），以評估受訪者是否傾向於美化自己的行為。
3. 施測流程：
   • 在同一時間段內，於學校內進行問卷發放與回收。
   • 由研究人員或學校老師在場監督，強調問卷的隨機分派與填答的重要性。
   • 對記名組學生強調其姓名將被記錄，但會受到學術研究倫理規範保護，資料僅用於學術分析。
   • 對不記名組學生強調問卷完全匿名，不會追溯到個人。
   • 為避免順序效應，可以考慮在兩組內也進行隨機化，例如一半學生先填寫正面題項，一半先填寫負面題項（雖然本題主要比較記名/不記名，但這是一個額外的考量）。
4. 資料分析：

本題主要在檢驗考生對「分析單位」概念的理解，以及辨識「化約謬誤」和「區位謬誤」的能力，並能將這些概念應用於犯罪學的實例分析。

一、 何謂分析單位 (Unit of Analysis)

分析單位是指研究者在進行研究時，其主要探究、觀察、測量與分析的對象或層級。它決定了研究者收集哪些數據、如何組織數據，以及最終得出哪些結論。簡單來說，就是「我們在研究什麼？」。分析單位可以是個人、群體（如家庭、班級、社區）、組織（如學校、警局、監獄）、社會事件，甚至是國家。

二、 犯罪學的四個分析單位

犯罪學的研究對象非常廣泛，可以從不同的層級進行分析。以下舉出四種常見的犯罪學分析單位：

1. 個人 (Individual)：

   • 定義：研究的對象是單一的犯罪人或非犯罪人，關注其個人特質、心理狀態、行為模式、生命歷程等。
   • 犯罪學應用：研究犯罪動機、犯罪人格特質、偏差行為的發展、個人生命史與犯罪的關聯（如生命轉折理論）、監獄受刑人的適應等。
   • 範例：研究特定犯罪者的童年創傷與成年後犯罪行為之間的關係。

2. 群體/團體 (Group/Aggregate)：

   • 定義：研究的對象是具有共同特徵的個體集合，例如家庭、幫派、學業成就較低的學生群體、特定社區的居民等。關注群體內的互動、群體規範、群體特徵對成員行為的影響。
   • 犯罪學應用：研究家庭結構對青少年犯罪的影響、幫派成員的次文化、社區失業率與犯罪率的關聯、學校內部的霸凌現象等。
   • 範例：研究鄰里失業率（群體層級的變數）與該鄰里居民犯罪率（群體層級的結果）之間的關係。

3. 組織 (Organization)：

   • 定義：研究的對象是具有特定結構、目標和規則的正式或非正式組織，例如警察機構、法院、監獄、更生保護會、學校、公司企業等。關注組織的政策、運作、效率、對犯罪的反應等。
   • 犯罪學應用：研究不同警務策略對犯罪率的影響、法院量刑的差異、監獄管理方式對更生率的影響、企業犯罪的預防與控制等。
   • 範例：比較不同監獄管理模式（如隔離式 vs. 整合式）對收容人再犯率的影響。

本題主要在檢驗考生對抽樣方法的理解，特別是在面對特定限制條件下的抽樣策略，以及對抽樣誤差的認識，同時也考察研究設計的創意與可行性。

一、 抽樣建議與抽樣誤差

1. 抽樣建議 (10分)

研究者面對的限制是：

• 研究對象是特定區域的「民眾」。
• 80% 民眾「通勤上班為主」。
• 只能在「等通勤車之前」進行問卷發放與回收。

這種限制條件使得傳統的隨機抽樣（如單純隨機抽樣、系統抽樣）在「通勤時段」的「通勤地點」（如公車站、捷運站）難以全面執行。然而，研究者仍需盡量追求代表性，以減少偏差。

建議的抽樣方法：

• 分層抽樣 (Stratified Sampling) 結合叢集抽樣 (Cluster Sampling) 的變形：

  • 第一階段：確定抽樣地點與時段
    • 地點：研究者應先調查該區域的主要通勤地點，例如主要的公車站、捷運站、火車站等。這些地點可視為「叢集」（clusters）。
    • 時段：研究者應挑選「通勤尖峰時段」，例如上班日上午 7:00-9:00，以及下班下午 5:00-7:00。
  • 第二階段：在各叢集內進行抽樣
    • 系統性抽樣 (Systematic Sampling) 或 簡易隨機抽樣 (Simple Random Sampling)：
      • 在選定的通勤地點，研究者可以採用系統性抽樣。例如，隨機選定一個起始點（如隊伍的第一個人），然後每隔一定人數（如每 5 或 10 人）抽取一人進行問卷發放。
      • 或者，如果能取得該時段在該站點的預估人潮，可以更精確地進行隨機抽樣，但實務上較難。
    • 抽樣框（Sampling Frame）的挑戰：這個方法最大的挑戰在於，研究者無法事先得知「誰會出現」以及「誰是該區域的民眾」。這意味著抽樣的對象實際上是「在通勤時段出現在通勤地點的民眾」，而不是該區域所有民眾。這會引入樣本偏差。

• 克服樣本偏差的補充建議：

  • 多地點、多時段抽樣：盡可能涵蓋該區域內主要的通勤地點，並在不同日期的通勤時段進行抽樣，以增加樣本的廣泛性。
  • 納入非通勤族群的考量：雖然 80% 是通勤上班族，但仍有 20% 不是。研究者需要思考如何接觸這群非通勤者（例如，週末在社區進行問卷調查，或透過網路問卷）。如果研究僅限於通勤時間，則研究結果將無法代表該區域的所有民眾，只能代表「該區域的通勤上班族」。
  • 混合方法（Mixed Methods）：如果預算和時間允許，可以考慮結合問卷調查與其他方法，例如：
    • 焦點團體訪談 (Focus Group Discussions)：針對該區域的居民進行焦點團體訪談，以補充問卷資料，深入了解他們對安全感的看法。
    • 觀察法：在社區內進行觀察，記錄居民的活動和互動，輔助理解安全感。

總結抽樣建議：
最可行的方法是採用多地點、多時段的系統性抽樣或簡易隨機抽樣，在主要的通勤地點和尖峰時段進行問卷發放。但必須清楚指出，此方法抽樣出來的樣本主要代表該區域的通勤上班族，而非所有居民，存在潛在的樣本偏差。若要代表所有居民，則需額外納入非通勤族群的抽樣方法。

2. 抽樣的誤差 (Sampling Error) (5分)

• 定義：抽樣誤差是指，由於我們僅抽取樣本來推論母體（該區域的民眾）的特性，而樣本本身具有隨機性，因此樣本統計量（如樣本平均安全感分數）與母體參數（如母體平均安全感分數）之間必然存在的差異。
• 來源：抽樣誤差是隨機抽樣固有的現象，即使採用最科學的抽樣方法，也無法完全消除。它源於樣本的隨機變異性。
• 與偏差（Bias）的區別：抽樣誤差是隨機性的，理論上，當樣本量增大時，抽樣誤差會減小。而偏差（bias）則是指系統性的誤差，例如，如果抽樣方法系統性地排除了某些族群（如本題中的非通勤族群），那麼即使樣本量再大，結果也可能不準確，這就是偏差。
• 在本題中的體現：