112 年 國立成功大學教育研究所《社會科學研究法》

本題主要在測試考生對於社會科學研究中常見的變項種類（中介、調節）以及測量工具的效度（內容、構念）、抽樣方法（立意、理論）的理解與區辨能力。

1. 中介變項 (mediator variable) 與調節變項 (moderator variable)

• 核心概念：這兩者都是用來探討自變項 (independent variable, IV) 與依變項 (dependent variable, DV) 之間關係的進一步解釋，但其作用機制不同。

• 中介變項 (mediator variable)：

  • 定義：中介變項是指 IV 影響 DV 的「過程」或「機制」。它解釋了 IV 為什麼會影響 DV。
  • 關係：IV → Mediator → DV。中介變項在 IV 和 DV 之間扮演了傳遞因果關係的角色。
  • 判斷：如果中介變項不存在，IV 對 DV 的影響可能就消失或顯著減弱。
  • 例子：研究顯示，教育程度（IV）會影響收入（DV）。「職業聲望」可以作為一個中介變項，因為教育程度較高者，通常能獲得聲望較高的職業，進而影響收入。

• 調節變項 (moderator variable)：

  • 定義：調節變項是指其存在或強度會改變 IV 與 DV 之間關係的「強度」或「方向」。它不是解釋「為什麼」，而是解釋「何時」或「對誰」IV 會影響 DV。
  • 關係：調節變項與 IV 發生交互作用 (interaction)，共同影響 DV。
  • 判斷：調節變項的影響是「條件性」的，它會改變 IV 與 DV 之間的關係。
  • 例子：研究顯示，工作壓力（IV）會影響員工的幸福感（DV）。「職場支持」（調節變項）可能會調節這種關係。在高職場支持的環境下，工作壓力對幸福感的負面影響可能較小；反之，在低職場支持的環境下，工作壓力對幸福感的負面影響可能較大。

• 差異：

  • 作用機制：中介變項解釋 IV 如何影響 DV；調節變項則說明 IV 影響 DV 的關係在何種條件下會改變。
  • 路徑：中介變項是 IV 和 DV 之間的「中介路徑」；調節變項則是 IV 和 DV 關係的「條件」或「交互作用」。
  • 檢驗：中介效應常透過迴歸分析中的中介路徑檢驗（如 Baron & Kenny 的步驟或 PROCESS macro）；調節效應則常透過迴歸分析中的交互作用項 (interaction term) 來檢驗。

【答案】
a. 中介變項解釋自變項如何影響依變項（機制），而調節變項則說明自變項影響依變項的關係在何種條件下會改變（強度或方向）。中介變項位於自變項與依變項之間，形成一條影響路徑；調節變項則與自變項產生交互作用，共同影響依變項。

2. 內容效度 (content validity) 與構念效度 (construct validity)

• 核心概念：效度 (validity) 是指測量工具（如問卷、測驗）是否真正測量到其聲稱要測量的概念。內容效度與構念效度是效度中兩種不同的評估方式。

• 內容效度 (content validity)：

  • 定義：指測量工具所包含的題目或測量項目，是否能充分、代表性地涵蓋所要測量的概念的全部範圍。
  • 評估方式：通常依賴專家判斷。專家根據其專業知識，評估測量工具的題目是否能代表該概念的所有重要面向。
  • 重點：強調測量內容的「廣度」與「代表性」。
  • 例子：一份針對國小數學能力設計的測驗，若只包含加法題目，而沒有減法、乘法、除法或應用題，則其內容效度可能不足。

• 構念效度 (construct validity)：

  • 定義：指測量工具是否能準確地測量到其聲稱要測量的理論構念 (theoretical construct)。它評估測量工具與相關理論的契合程度。
  • 評估方式：較為複雜，通常需要透過多種統計方法來驗證，例如：
    • 聚合效度 (convergent validity)：測量工具與其他測量相同構念的工具之間，測量結果應高度相關。

本題分為兩大部分：第一部分是關於質性與量化研究的定義及其與演繹法、歸納法的關聯；第二部分則是要求考生根據一個具體的教育政策情境，選擇合適的研究方法（質性或量化），並提供理由。

第一部分：質性研究、量化研究與演繹法、歸納法的關聯 (共10%)

• 質性研究 (Qualitative Research)：

  • 定義：質性研究是一種探索性的研究方法，旨在深入理解現象的意義、經驗、觀點以及其背後的複雜社會脈絡。它通常關注「為什麼」和「如何」的問題，重視對現象的豐富、細膩的描述。
  • 特點：研究者通常親身參與，資料收集方法多樣（訪談、觀察、文件分析等），資料形式多為文字、圖像等非數字資料，分析過程強調對意義的詮釋，樣本通常較小但深度較高。

• 量化研究 (Quantitative Research)：

  • 定義：量化研究是一種以數字為基礎的研究方法，旨在測量變項之間的關係，檢驗理論或假設，並尋求普遍性的規律。它通常關注「多少」、「多大」、「頻率」等問題，追求客觀性和精確性。
  • 特點：研究者與研究對象保持距離，資料收集方法標準化（問卷、量表等），資料形式為數字，分析過程多採用統計方法，樣本通常較大，以確保研究結果的推論效度。

• 演繹法 (Deduction)：

  • 定義：演繹法是一種從一般原理或理論出發，推導出具體結論或預測的方法。其邏輯流程是「由大到小」，從理論到觀察。
  • 過程：理論 → 假設 → 觀察 → 確認。
  • 與研究方法的關聯：演繹法常與量化研究結合，因為量化研究常以既有理論為基礎，提出可檢驗的假設，然後透過收集數據來證實或否證這些假設。

• 歸納法 (Induction)：

  • 定義：歸納法是一種從具體觀察或數據出發，逐步歸納出一般性原理或理論的方法。其邏輯流程是「由小到大」，從觀察到理論。
  • 過程：觀察 → 模式 → 暫定假設 → 理論。
  • 與研究方法的關聯：歸納法常與質性研究結合，因為質性研究常從對特定現象的深入觀察和訪談開始，試圖從中發現模式、意義，並最終建構出新的理論。

• 關聯總結：

  • 量化研究與演繹法關係密切，常從理論出發，檢驗假設。
  • 質性研究與歸納法關係密切，常從觀察出發，建構理論。
  • 需要注意的是，這並非絕對，許多研究也會結合兩者（混合方法研究），或在研究過程中同時運用演繹與歸納的思考。例如，質性研究在發展理論後，也可能運用演繹法提出假設供後續量化研究檢驗；量化研究在檢驗假設後，也可能從數據中發現意想不到的現象，引發新的歸納式思考。

第二部分：研究方法選擇與理由 (共15%)

• 研究情境：臺南市教育局希望了解市內國小教師、家長、學生對早自習的看法與需求，以訂定合適的教育政策。

• 研究方法選擇：
  考量此研究的目的是要深入了解不同利害關係人（教師、家長、學生）對於「早自習」這個現象的「看法」與「需求」，這些都涉及主觀經驗、感受、價值觀以及具體的行動動機，這些內容難以透

本題主要測試考生對相關分析基本概念的理解，包括相關係數的定義、統計顯著性的意義，以及如何解讀相關矩陣的結果。

3-1. 何謂相關係數？ (7%)

• 核心概念：相關係數 (correlation coefficient) 是用來衡量兩個變項之間線性關係強度與方向的統計指標。

• 定義：
  相關係數是一個介於 -1 到 +1 之間的數值。

  • 數值大小：表示關係的「強度」。數值越接近 1 或 -1，表示線性關係越強；數值越接近 0，表示線性關係越弱。
  • 數值符號：
    • 正號 (+)：表示兩個變項呈現「正相關」或「同向變動」。當一個變項增加時，另一個變項也傾向於增加；當一個變項減少時，另一個變項也傾向於減少。
    • 負號 (-)：表示兩個變項呈現「負相關」或「反向變動」。當一個變項增加時，另一個變項傾向於減少；當一個變項減少時，另一個變項傾向於增加。
  • 符號 R：在統計學中，通常用符號 $r$ (皮爾森積差相關係數 Pearson product-moment correlation coefficient) 來表示。

• 重要提醒：

  • 相關不代表因果 (Correlation does not imply causation)。即使兩個變項高度相關，也不能直接斷定其中一個變項是另一個變項的原因。可能存在第三個潛在變項同時影響這兩個變項，或僅僅是巧合。
  • 相關係數衡量的是「線性」關係。如果兩個變項之間存在非線性的關係（例如曲線關係），即使它們之間有緊密的關聯，相關係數也可能接近於 0。

【答案】
相關係數是一個統計指標，用來衡量兩個變項之間線性關係的強度與方向。其數值介於 -1 到 +1 之間，正值表示正相關（同向變動），負值表示負相關（反向變動），絕對值越大表示關係越強。

3-2. 達到 0.01(<0.01) 顯著水準之意義為何？ (7%)**

• 核心概念：統計顯著水準 (statistical significance level)，通常用 $\alpha$ (alpha) 表示，是判斷統計檢驗結果是否具有統計意義的標準。而 p 值 (p-value) 則是檢驗結果的顯著性指標。這裡題目提到 "**<0.01" 是指 p 值小於 0.01。

• 定義與意義：

  • 顯著水準 ($\alpha$)：通常設定為 0.05 或 0.01。它代表研究者願意接受的「第一類錯誤」(Type I error) 的機率，也就是「當虛無假設 (null hypothesis, $H_0$) 為真時，卻拒絕虛無假設」的機率。
  • p 值 (p-value)：是當虛無假設為真時，觀察到當前樣本結果或更極端結果的機率。
  • 判斷規則：
    • 如果 p 值 ≤ $\alpha$，則我們 拒絕虛無假設，認為觀察到的結果是「統計上顯著的」，即很可能不是由隨機抽樣誤差造成的。
    • 如果 p 值 > $\alpha$，則我們未能拒絕虛無假設，認為觀察到的結果「統計上不顯著」。

• 題目中的 "<0.01" 的意義**：
  題目中的 "**<0.01" 表示此處的相關係數的 p 值小於 0.01。

  • 虛無假設 ($H_0$)：在此情境下，通常是「相關係數等於零」（即兩個變項之間沒有線性關係）。
  • 對立假設 ($H_1$)：通常是「相關係數不等於零」（即兩個變項之間存在線性關係）。
  • 解讀：當 p 值小於 0.01（通常顯著水準 $\alpha$ 設定為 0.05 或 0.01），這表示我們有足夠的證據（通常是 99% 的信心水準）來拒絕「相關係數等於零」的虛無假設。換句話說，觀察到的相關係數（例如 0.31**）很可能反映了真實存在的線性關係，而不是純粹由隨機抽樣誤差所造成的。