111 年 國立政治大學政治學系碩士班《政治學方法論》

本題主要在測試考生對於「三角測量法」（triangulation）在社會科學研究中應用的理解。

核心觀念： 三角測量法，原為測量學名詞，引申至社會科學研究中，意指為提高研究的有效性（validity）與可靠性（reliability），運用多種方法、數據來源、理論觀點或研究者來觀察同一現象。

詳解：
三角測量法（triangulation）是一種研究策略，旨在透過結合不同的數據來源、研究方法、理論視角或研究者，來獲取對研究主題更全面、更深入的理解，並提高研究結果的有效性與可靠性。其核心精神在於「多角度觀察」，如同地理學上的三角測量，透過在不同地點測量同一目標，以精確定位。

在社會科學研究中，三角測量法可細分為以下幾種：

1. 數據三角測量 (Data Triangulation)： 使用來自不同時間、地點或人物的數據。例如，研究者可以同時訪談參與者、觀察他們的行為，並分析相關的歷史文獻。

本題旨在測試考生對「因果推論基本問題」（the fundamental problem of causal inference）的理解，這是一個在學術研究中，特別是社會科學方法論中極為核心的概念。

核心觀念： 由於我們無法同時觀察到同一單元（如個人、國家）在接受處理（treatment）與未接受處理時的結果，因此，任何對因果關係的推論在本質上都面臨著「反事實」（counterfactual）的挑戰。

詳解：
「因果推論基本問題」（the fundamental problem of causal inference）指出，在進行因果推論時，我們永遠無法同時觀察到一個單元（unit）在接受特定處理（treatment）與未接受該處理（但其他條件相同）這兩種反事實（counterfactual）狀態下的結果。

舉例來說，假設我們想知道某項教育計畫（處理）是否能提升學生的數學成績（結果）。我們只能觀察到參與了該計畫的學生，他們的數學成績。但我們永遠無法知道，如果這些學生「沒有」參與這個計畫，他們的數學成績會是多少。同樣地，對於未參與計畫的學生，我們也無法知道如果他們「有」參與計畫，他們的成績會如何。

我們所能觀察到的，只有：

• 處理組的實際結果 (Observed outcome in the treated group)： $Y_1$
• 對照組的實際結果 (Observed outcome in the control group)： $Y_0$

本題考查考生對「社會期望偏誤」（social-desirability bias）的理解，這是質性與量化研究中常見的一種誤差來源，尤其在處理敏感性議題時。

核心觀念： 受訪者為了獲得社會認可或避免負面評價，傾向於提供符合社會價值觀或普遍期望的答案，而非其真實的態度、信念或行為。

詳解：
社會期望偏誤（social-desirability bias）是指，在研究參與者（尤其是受訪者）在回答問題時，傾向於給出他們認為是「社會上可接受」或「會讓自己看起來更好」的答案，而不是真實反映其內心想法或行為的答案。這種偏誤源於人類普遍存在的，希望被他人接納、認可，以及避免負面評價的心理。

這種偏誤在以下情況下特別容易出現：

1. 敏感性議題： 當問題涉及種族歧視、性別偏見、非法行為、政治立場、健康習慣（如吸菸、飲酒）、宗教信仰、性行為等可能引發爭議或負面評價的議題時。
2. 訪談情境： 在面對面訪談時，受訪者可能認為研究者代表某種權威或社會標準，因此更傾向於迎合研究者的期望。
3. 問卷設計： 如果問卷的提問方式暗示了某種「正確」答案，或受訪者感覺其回答會被公開或用於評判，也可能引發此偏誤。

本題旨在測試考生對「詮釋學」（interpretivism）或稱「解釋主義」在社會科學研究中的理解。這是與實證主義（positivism）相對立的重要研究範式。

核心觀念： 社會現象的理解不能僅靠客觀觀察和量化測量，而必須深入探究行動者（agents）的主觀意義、意圖、信念和文化脈絡。研究者的任務是理解和詮釋行動者如何建構其社會現實。

詳解：
詮釋學（interpretivism），又稱解釋主義，是一種與實證主義（positivism）相對立的社會科學研究範式。實證主義強調社會現象如同自然現象一樣，可以透過客觀觀察、量化測量和尋找普遍法則來加以解釋，追求客觀的知識。而詮釋學則認為，人類社會的行為與自然現象根本不同，因為人類具有意識、主觀意義和自由意志。因此，僅僅觀察外在行為不足以理解社會現實，必須深入探究人們如何賦予其行為、經驗和周遭世界以意義。

詮釋學的核心主張包括：

1. 主觀性與意義： 社會現實是由個體和群體的主觀意義所建構的。人們的行為不是由外在的物理法則所決定，而是由他們對情境的理解、意圖和價值觀所驅動。

本題要求考生闡述控制型實驗法的基本原理、研究目標，並能辨識其潛在的內在效度威脅。

核心觀念： 控制型實驗法是建立因果關係的黃金標準，其關鍵在於透過隨機分配和對照組來隔離處理效應，並透過嚴格控制來排除其他可能解釋結果的因素。內在效度威脅則是指影響處理與結果之間因果關聯的非處理因素。

詳解：

(一) 控制型實驗法的設計原理與研究目標

設計原理：
控制型實驗法的核心原理在於隔離處理效應（isolating the effect of the treatment）。其基本設計包含：

1. 處理組（Treatment Group）與對照組（Control Group）： 將研究對象隨機分配到處理組（接受實驗處理）和對照組（不接受實驗處理，或接受標準處理、安慰劑等）。
2. 隨機分配（Random Assignment）： 這是最關鍵的步驟。透過隨機分配，可以確保在實驗開始前，處理組和對照組在所有可觀察和不可觀察的特質上，平均而言是可比較的。這樣，兩組在實驗後的差異，最可能歸因於實驗處理本身。
3. 實驗控制（Experimental Control）： 研究者盡可能控制實驗環境，確保除了實驗處理外，其他可能影響結果的變數（如環境、時間、其他干預）對兩組的影響是相同的。

研究目標：
控制型實驗法的首要目標是建立或驗證因果關係（establish causality）。具體來說，其目標是：

• 確定處理與結果之間是否存在因果聯繫： 透過比較處理組和對照組的結果差異，判斷處理是否確實導致了結果的變化。
• 量化處理的因果效應： 測量處理效應的大小，即處理使結果變化的程度。
• 排除其他可能的解釋： 透過隨機分配和控制，盡可能排除混淆變數（confounding variables）的影響，確保觀察到的結果差異確實是處理造成的。

(二) 控制型實驗法執行上可能出現的內在效度威脅（舉三種情況）

內在效度（Internal Validity）是指研究結果能夠正確反映處理與結果之間真實因果關係的程度。當實驗在執行過程中出現偏差，導致無法確切判斷結果差異是否由處理引起時，就會產生內在效度威脅。

本題要求考生區分並解釋「調節變數」與「中介變數」，並能透過具體案例說明其在理論建構中的不同作用。

核心觀念：

• 中介變數： 解釋「為何」自變數會影響依變數。它位於自變數和依變數之間，是自變數影響依變數的中間環節。
• 調節變數： 說明「何時」或「在何種條件下」自變數會影響依變數。它改變了自變數與依變數之間的關係強度或方向。

詳解：

(一) 調節變數（Moderating Variable）與中介變數（Mediating Variable）的定義

1. 中介變數 (Mediating Variable)：
   中介變數（或稱中介因子、中間變數）是指存在於自變數（Independent Variable, IV）和依變數（Dependent Variable, DV）之間，並且解釋了自變數如何或為何影響依變數的變數。自變數透過影響中介變數，進而影響依變數。中介變數是自變數影響依變數的「過程」或「機制」。

   • 關係模型： IV → Mediator → DV

2. 調節變數 (Moderating Variable)：
   調節變數（或稱調節因子、互動變數）是指改變自變數與依變數之間關係的強度或方向的變數。調節變數本身不一定是因果鏈中的一環，它而是「條件」，說明自變數對依變數的影響在不同調節變數的水平下會有不同的表現。

   • 關係模型： IV → DV，且此關係的強度/方向受 Moderator 影響。
   • 另一種表述： IV * Moderator → DV （在統計模型中常以互動項表示）

(二) 這兩種變數在理論假設建構上的差異（舉例說明）

這兩種變數在理論建構上扮演的角色截然不同，體現在它們回答了不同的研究問題：

• 中介變數回答「為何」或「如何」： 探討自變數影響依變數的「機制」或「過程」。
• 調節變數回答「何時」或「在何種條件下」： 探討自變數影響依變數的「條件」或「情境」。

舉例說明：

假設我們要研究「社經地位（Socioeconomic Status, SES）」對「學業成就（Academic Achievement, AA）」的影響。

• 案例一：建構中介變數的理論假設
  • 研究問題： 為什麼社經地位高的人，學業成就通常也比較高？

本題要求考生理解「最大相似系統設計」（Most Similar Systems Design, MSSD）的核心邏輯，並能將其應用於具體的研究情境，建構一套完整的研究設計。

核心觀念：

• MSSD： 選擇兩個或多個在絕大多數關鍵背景變數上相似，但在依變數上存在差異的案例。透過比較這些相似案例中依變數的差異，來找出最可能解釋這些差異的自變數。
• 邏輯： 排除所有共同存在的相似變數，聚焦於那些不同變數，並將其與依變數的差異連結。

詳解：

(一) 「最大相似系統設計」（The Most Similar Systems Design, MSSD）是什麼？

最大相似系統設計（MSSD）是一種比較研究法，常用於社會科學，特別是政治學和比較政治領域。其基本邏輯是：

1. 選擇相似的案例： 研究者選擇兩個或多個在大多數相關背景特徵、控制變數（control variables）上非常相似的案例（例如國家、地區、組織）。這些相似的特徵可能包括地理位置、歷史背景、文化傳統、經濟發展水平、政治制度結構等。
2. 依變數的差異： 然而，在這些相似的案例之間，**依變數（Dependent Variable, DV）**卻存在顯著的差異。
3. 尋找差異的自變數： 透過排除所有在這些案例中都存在的、相似的潛在解釋變數（即共同的背景特徵），研究者將注意力集中在那些不同的變數（或變數的組合）上。這些不同的變數被視為最有可能解釋依變數差異的自變數（Independent Variable, IV）。

MSSD 的核心在於「排除法」： 如果兩個在絕大多數方面都相似的系統，卻在某個結果上不同，那麼這個結果最可能由那些不相似的因素所引起。

(二) 根據 MSSD 提出一套研究設計案

以下將根據 MSSD 提出一套研究設計案。

1. 具體的研究問題：
為何在同一個民主轉型時期，某些東歐國家成功地建立了穩固的民主制度（依變數），而另一些國家則陷入了政治不穩定或威權回歸（依變數）？

2. 分析單位（Unit of Analysis）：
東歐國家的民主轉型過程。我們將選擇幾個具有代表性的國家進行比較。

3. 依變數（Dependent Variable, DV）：
民主制度的穩固性（Political Regime Stability/Consolidation）。

• 測量方式： 可透過國際民主指數（如 V-Dem, Freedom House）的評分，或觀察諸如定期、自由、公平的選舉，權力和平轉移，公民自由保障，法治程度等指標。

4. 自變數（Independent Variable, IV）：
在 MSSD 的邏輯下，我們需要尋找在其他方面相似但民主穩固性不同的國家中的差異點。假設我們選擇了以下幾個國家作為比較對象（為說明方便，此處假設其相似性）：

• 相似的背景變數（共同點）：
  • 皆曾為蘇聯衛星國，經歷共產主義統治。
  • 皆在 1989-1991 年左右開始民主轉型。
  • 皆位於東歐地區，地理位置相近。
  • 皆經歷了相似的經濟轉型陣痛（如休克療法、市場化改革）。

此處為試題的備註說明，非正式考