112 年 國立臺灣大學心理系碩士班一般心理甲組《心理學方法：統計學、心理測驗、心理學實驗法》

此題主要在考察統計學中估計量的基本性質，包括不偏性、有效性與一致性。

核心觀念： 統計估計量的優良性質。

詳解：

假設我們有一個母體參數 $\theta$，我們希望透過樣本來估計它。我們選用一個統計量 $\hat{\theta}$ 作為對 $\theta$ 的估計量。

• 不偏性 (Unbiasedness):
  一個估計量 $\hat{\theta}$ 被稱為對參數 $\theta$ 是不偏的，如果其數學期望值等於參數本身。換句話說，平均而言，估計量的值不會系統性地高估或低估真實參數值。
  數學定義：$E(\hat{\theta}) = \theta$

• 有效性 (Efficiency):
  當我們考慮一組不偏估計量時，有效性用來衡量哪一個估計量「最接近」真實參數。一個不偏估計量 $\hat{\theta}_1$ 比另一個不偏估計量 $\hat{\theta}_2$ 更有效，如果 $\hat{\theta}_1$ 的變異數小於 $\hat{\theta}_2$ 的變異數。也就是說，當我們重複抽樣時，這個估計量的值會更穩定地集中在參數周圍。
  數學定義：若 $\hat{\theta}_1$ 和 $\hat{\theta}_2$ 都是對 $\theta$ 的不偏估計量，且 $Var(\hat{\theta}_1) < Var(\hat{\theta}_2)$，則 $\hat{\theta}_1$ 比 $\hat{\theta}_2$ 更有效。

此題要求說明簡單線性迴歸中，如何利用最小平方法 (OLS) 來估計迴歸參數。

核心觀念： 最小平方法 (Ordinary Least Squares, OLS) 在簡單線性迴歸中的應用。

詳解：

簡單線性迴歸模型假設應變數 $Y$ 與自變數 $X$ 之間的關係為：
$Y_i = \beta_0 + \beta_1 X_i + \epsilon_i$
其中 $\beta_0$ 是截距 (intercept)，$\beta_1$ 是斜率 (slope)，$\epsilon_i$ 是隨機誤差項。

最小平方法 (OLS) 的目標是找到參數 $\beta_0$ 和 $\beta_1$ 的估計值 $\hat{\beta}_0$ 和 $\hat{\beta}_1$，使得實際觀測值 $Y_i$ 與由迴歸線預測的值 $\hat{Y}_i = \hat{\beta}_0 + \hat{\beta}_1 X_i$ 之間的差異 (殘差, residual) 的平方和最小。

步驟如下：

1. 定義殘差平方和 (Sum of Squared Residuals, SSR):
   殘差 $e_i = Y_i - \hat{Y}_i = Y_i - (\hat{\beta}_0 + \hat{\beta}_1 X_i)$。
   我們需要最小化的目標函數是殘差平方和 $S(\hat{\beta}_0, \hat{\beta}_1) = \sum_{i=1}^{N} e_i^2 = \sum_{i=1}^{N} (Y_i - \hat{\beta}_0 - \hat{\beta}_1 X_i)^2$。

2. 對目標函數進行偏微分:
   為了找到使 $S$ 最小的 $\hat{\beta}_0$ 和 $\hat{\beta}_1$，我們對 $S$ 分別對 $\hat{\beta}_0$ 和 $\hat{\beta}_1$ 求偏微分，並令其等於零。

   • 對 $\hat{\beta}_0$ 的偏微分：
     $\frac{\partial S}{\partial \hat{\beta}_0} = \sum_{i=1}^{N} 2(Y_i - \hat{\beta}_0 - \hat{\beta}_1 X_i)(-1) = -2 \sum_{i=1}^{N} (Y_i - \hat{\beta}_0 - \hat{\beta}_1 X_i) = 0$
     化簡後得到：$\sum Y_i - N\hat{\beta}_0 - \hat{\beta}_1 \sum X_i = 0$
     $\sum Y_i = N\hat{\beta}_0 + \hat{\beta}_1 \sum X_i$

此題考驗對卡方分配在統計推論中兩個主要應用場景的理解：ANOVA 的 test statistic 推導，以及適合度考驗。

核心觀念： 卡方分配的性質及其在變異數分析與適合度考驗中的應用。

詳解：

a. 卡方分配在 ANOVA test statistic 推導中的邏輯：

在單因子變異數分析 (One-way ANOVA) 中，我們檢驗多個群體的平均數是否相等。ANOVA 的核心思想是將總變異數 (Total Variance) 分解為組間變異數 (Between-group Variance) 和組內變異數 (Within-group Variance)。

• 假設： ANOVA 的虛無假設 ($H_0$) 是所有群體的母體平均數相等 ($\mu_1 = \mu_2 = \dots = \mu_k$)。

• Test Statistic 的構建： ANOVA 的檢定統計量 $F$ 是兩個變異數估計量的比值：
  $F = \frac{\text{組間變異數估計量 (Mean Square Between, MSB)}}{\text{組內變異數估計量 (Mean Square Within, MSW)}}$

• 卡方分配的連結：
  當虛無假設為真時 (即所有母體平均數相等)，MSB 和 MSW 都是母體變異數 $\sigma^2$ 的不偏估計量。
  更重要的是，當我們假設母體服從常態分配且變異數相等時，可以證明：

  1. MSW / $\sigma^2$ 服從自由度為 $df_W = N-k$ 的卡方分配 ($\chi^2_{N-k}$)，其中 $N$ 是總樣本數，$k$ 是群體數。
  2. MSB / $\sigma^2$ 服從自由度為 $df_B = k-1$ 的卡方分配 ($\chi^2_{k-1}$)，前提是 $H_0$ 為真。

  因此，在 $H_0$ 為真的情況下，ANOVA 的 F 統計量可以表示為：
  $F = \frac{MSB}{MSW} = \frac{MSB/\sigma^2}{MSW/\sigma^2}$
  這是一個兩個獨立卡方分配隨機變數比值（其中一個（MSB/$\sigma^2$）經過尺度縮放）的函數。根據卡方分配的性質，兩個獨立卡方變數的比值（經過適當縮放）服從 F 分配。
  $F \sim F(df_B, df_W)$

  邏輯總結： 卡方分配在 ANOVA 中的邏輯體現在：當 $H_0$ 為真時，組間變異數和組內變異數除以母體變異數後，分別服從自由度為 $k-1$ 和 $N-k$ 的卡方分配。

此題在比較兩個不同自由度 F 分配在相同顯著水準下的臨界值大小。

核心觀念： F 分配的性質，特別是其臨界值與自由度的關係。

詳解：

F 分配的臨界值，也就是在給定顯著水準 $\alpha$ 下，使得 $P(F > F_{critical}) = \alpha$ 的 $F_{critical}$ 值。在 ANOVA 或其他 F 檢定中，我們通常關心的是右尾檢定。

我們有兩個 F 分配：$F(3,12)$ 和 $F(3,20)$，顯著水準 $\alpha = 0.05$。

• F 分配的特性：
  F 分配的形狀取決於其分子自由度 ($df_1$) 和分母自由度 ($df_2$)。

  • 當 $df_1$ 固定時，隨著 $df_2$ 的增加，F 分配會變得更集中，其峰值會向左移動，尾部會變得更「瘦」。
  • 當 $df_2$ 固定時，隨著 $df_1$ 的增加，F 分配的峰值會向右移動，尾部會變得更「重」。

• 比較臨界值：
  我們需要比較 $F_{0.05}(3,12)$ 和 $F_{0.05}(3,20)$。
  分子自由度相同 ($df_1 = 3$)。

此題要求對「心理測驗」這個基本概念進行定義。

核心觀念： 心理測驗的定義與關鍵要素。

詳解：

心理測驗是一種標準化的程序，用於測量個體的心理特徵，例如能力、知識、技能、人格特質、態度、動機等。其目的是透過客觀、系統的方式，將個體在特定心理方面的表現量化，以便進行比較、診斷、預測或分類。

關鍵要素：

1. 標準化 (Standardization):

   • 程序標準化： 指測驗的實施過程（如指導語、計時、施測環境）必須一致，確保所有受試者在相同的條件下進行測驗。
   • 計分標準化： 指測驗的計分方式必須客觀且一致，通常會預設一個分數轉換系統（如將原始分數轉換為百分等級、標準分數等），以提供有意義的解釋。

2. 測量對象：
   心理測驗的測量對象是個體的心理行為或心理特徵，這些特徵通常是無法直接觀察的（如智力、焦慮、興趣）。

3. 目的性：
   心理測驗的設計是為了達成特定目的，例如：

   • 描述 (Description): 描述個體在某項心理特徵上的水平。

此題要求解釋兩個在測驗編製和分析中非常重要的概念：題目難度與題目區辨力。

核心觀念： 測驗題目品質的兩個重要指標。

詳解：

1. 題目難度 (Item Difficulty):

• 定義： 題目難度指的是一個測驗題目對於特定群體受試者而言，答對該題的容易程度。它通常以答對該題的受試者比例來衡量。
• 計算方式：
  對於選擇題，題目難度 $P$ (difficulty) 通常定義為：
  $P = \frac{\text{答對該題的受試者人數}}{\text{總受試者人數}}$
  這個值介於 0 和 1 之間。
  • $P$ 值越接近 1，表示題目越容易，越多受試者能答對。
  • $P$ 值越接近 0，表示題目越難，越少受試者能答對。
    在某些情況下，為了方便理解，也會以百分比表示。
• 解釋與應用：
  • 題目難度是衡量題目是否適合測驗目標的指標之一。
  • 一個好的測驗通常包含不同難度的題目，以適應不同能力水平的受試者。
  • 過於簡單或過於困難的題目，可能無法有效地區分出不同能力的受試者。
  • 對於能力測驗，通常希望題目難度分布在 0.3 到 0.7 之間，以便更有效地篩選不同能力的受試者。
  • 對於成就測驗，難度則需根據測驗目標而定，可能包含一些較難的題目來挑戰高能力者。

2. 題目區辨力 (Item Discrimination):

• 定義： 題目區辨力指的是一個測驗題目能夠有效區分出不同能力水平（通常是高能力者與低能力者）的受試者的能力。一個區辨力好的題目，應該能被高能力組的受試者比低能力組的受試者更容易或更正確地回答。
• 計算方式：
  最常見的題目區辨力指標是 鑑別指數 (Discrimination Index, $D$)，計算方式通常是：
  $D = P_{high} - P_{low}$
  其中：

此題要求解釋心理測驗的三個核心概念：常模、信度、效度，並說明它們的角色。

核心觀念： 心理測驗品質評估的三大支柱。

詳解：

1. 常模 (Norm):

• 定義： 常模是指在一個具有代表性的樣本群體（常模群體）上，對某項測驗進行施測後，所得到的該測驗分數的統計數據。它提供了一個標準參照，用來解釋個體測驗分數的意義。
• 內容： 常模通常包含各類分數（如原始分數）在常模群體中的分布情況，例如平均數、標準差，以及各種轉換分數（如百分等級、Z分數、T分數、標準九分數等）及其對應的原始分數。
• 角色：
  • 提供解釋框架： 常模的主要角色是為個體的測驗分數提供一個有意義的解釋背景。沒有常模，一個原始分數（例如，智力測驗得分 120）就無法得知其在人群中的相對位置。
  • 進行相對比較： 透過常模，我們可以將個體的表現與其所屬的參照群體進行比較，判斷其在該群體中的相對位置。
  • 診斷與分類： 常模有助於診斷個體是否偏離常態，或將個體分類到不同的能力或特質等級。
• 重要性： 常模的建立需要嚴謹的抽樣方法和足夠的樣本數，以確保其代表性。常模的更新也很重要，因為社會和人口結構會隨時間改變。

2. 信度 (Reliability):

• 定義： 信度是指測量工具（心理測驗）在重複測量時，其結果的一致性或穩定性程度。換句話說，信度關心的是測量結果的隨機誤差 (random error) 有多大。
• 衡量指標： 信度通常以信度係數 (reliability coefficient) 的形式呈現，其值介於 0 到 1 之間。
  • 信度係數越接近 1，表示測驗結果越穩定、越一致，隨機誤差越小。
  • 信度係數越接近 0，表示測驗結果越不穩定，受隨機誤差影響越大。
• 常見的信度測量方法：
  • 重測信度 (Test-retest reliability): 同一份測驗在不同時間對同一群體施測兩次，計算兩次分數的相關。
  • 複本信度 (Parallel-forms reliability): 編製兩份內容、難度、形式相似但題目不同的測驗，對同一群體施測，計算兩份測驗分數的相關。
  • 內部一致性信度 (Internal consistency reliability): 測驗內不同題目之間的一致性。常見的有：
    • 折半信度 (Split-half reliability): 將測驗分成前後兩半，計算兩半分數的相關（通常需用 Spearman-Brown 公式校正）。
    • 克隆巴赫係數 ($\alpha$) (Cronbach's $\alpha$): 最常用的內部一致性信度指標，是所有可能折半信度的平均值。
  • 評分者信度 (Inter-rater reliability): 適用於主觀評分的測驗，衡量不同評分者對同一測驗結果評分的一致性。
• 角色：
  • 測量精確性： 信度是衡量測量結果精確度的指標。一個低信度的測驗，其分數可能受到許多隨機因素的影響，難以反映真實的心理特徵。
  • 效度的前提： 信度是效度的必要條件，但非充分條件。一個測驗必須先有足夠的信度，才能談論其效度。

此題旨在探討「測驗後果」在心理測驗發展中的重要性。

核心觀念： 測驗的社會倫理面向與實際應用影響。

詳解：

「測驗後果」指的是一個心理測驗在實際應用時，對個人、團體或社會可能產生的各種直接或間接的影響，無論這些影響是預期的還是非預期的。在發展一個心理測驗時，考慮測驗後果非常重要，其重要性體現在以下幾個方面：

1. 倫理考量與社會責任：

   • 心理測驗的結果可能影響受試者的升學、就業、診斷、治療、甚至自我認知。因此，測驗的設計者和使用者有責任確保測驗的應用是公平、公正且有益的。
   • 需要預防測驗被濫用，或因測驗設計不良而對特定群體造成歧視或傷害（例如，文化偏見、性別偏見）。

2. 確保效度與公平性：

   • 測驗後果的分析有助於評估測驗的效標效度 (criterion-related validity)，特別是預測效度。例如，如果一個測驗被用來篩選員工，我們需要關注它是否能準確預測員工的未來工作績效，以及這種篩選過程是否對不同背景的應徵者都公平。
   • 社會效度 (Social validity) 是其中一個面向，它關注測驗的應用結果是否符合社會價值觀和倫理標準。

此題考驗對心理學實驗中數據轉換（transformation）的理解，特別是在反應時間 (RT) 研究中為何常使用其倒數。

核心觀念： 反應時間數據的分布特性與數據轉換的必要性。

詳解：

在心理學研究中，特別是涉及反應時間 (Reaction Time, RT) 的實驗，我們觀察到的 RT 數據通常具有以下特徵：

1. 偏態分布 (Skewed Distribution): 反應時間數據通常是右偏的。這意味著大多數反應時間落在較小的數值範圍內，但存在一些非常長的反應時間（離群值），將分布的尾巴向右拉長。

   • 原因： 雖然受試者通常會盡快做出反應，但偶爾會因為分心、處理錯誤、或準備不足等原因，導致反應時間異常地長。這些極端的長反應時間會顯著影響數據的平均值和變異數。

2. 變異數異質性 (Heterogeneity of Variance): 隨著平均反應時間的增加，其變異數也可能隨之增加。也就是說，長反應時間的變異程度可能大於短反應時間的變異程度。

為何使用 1/RT (倒數) 而非 RT:

當我們使用 T 檢定或 ANOVA 進行統計分析時，這些檢定通常假設：

• 數據服從常態分布。
• 各組數據的變異數相等（同質性）。

由於 RT 數據的右偏和潛在的變異數異質性，直接使用 RT 數據進行分析可能違反這些假設，從而導致：

• 統計檢定的結果不準確： P 值可能不正確，影響假設檢定的判斷。
• 估計的參數（如平均值）不穩定： 極端的長反應時間會不成比例地影響平均值。

此題要求判斷針對兩個不同的自變數（促發一致性、藥物服用），哪種實驗設計（受試者內或受試者間）更適合研究。

核心觀念： 實驗設計中的受試者內設計與受試者間設計的優缺點及其適用情境。

詳解：

在實驗設計中，受試者內設計 (Within-Subjects Design) 指的是同一組受試者會經歷所有實驗條件；而受試者間設計 (Between-Subjects Design) 指的是不同的受試者被分配到不同的實驗條件。選擇哪種設計取決於多種考量，包括研究問題、變數特性、潛在的混淆變數、統計分析的考量等。

a. 促發一致性 (Priming Congruence):

• 促發一致性是指促發詞 (prime) 與目標詞 (target) 的意義或類別是否一致（例如，促發「狗」後出現「貓」是不同，促發「狗」後出現「狼」是一致）。這通常會影響目標詞的判斷（例如反應時間）。
• 研究問題： 探討「促發一致性」對反應時間的影響。
• 最適合的設計： 受試者內設計 (Within-Subjects Design)。
• 理由：
  1. 減少個體差異的影響： 促發效應本身就存在個體差異。如果採用受試者間設計，將「一致」條件的受試者和「不一致」條件的受試者分開，那麼兩組受試者在反應時間上的差異，可能部分是由於他們本身的反應速度差異，而不是促發一致性造成的。受試者內設計讓同一批人同時經歷這兩種條件，可以更精確地比較不同條件下的反應，因為消除了受試者間的個別差異。
  2. 提高統計檢定力： 通過消除受試者間的變異，受試者內設計通常能提供更高的統計檢定力來檢測效應。
  3. 效率： 只需要較少的受試者就能獲得足夠的數據。
  4. 實驗邏輯： 促發效應的比較本身就是一種內在比較，即同一刺激（促發詞）在不同目標詞（一致/不一致）下的反應。

b. 藥物服用 (Drug Administration):

此題是根據 ANOVA 的 F 檢定結果來推論實驗設計的細節和研究結論。

核心觀念： ANOVA 的 F 值判讀、交互作用的意義，以及與實驗設計的連結。

詳解：

题目給出的 F 檢定結果是 $F(1,1412) < 1$。這個 F 值是針對「兩因素交互作用」的檢定。
ANOVA 的 F 檢定統計量通常是：$F = \frac{\text{效應的變異}}{\text{誤差的變異}}$。
F 值的自由度表示為 $(df_{effect}, df_{error})$。

• $F(1,1412)$ 的自由度：
  • 分子自由度 $df_{effect} = 1$。
  • 分母自由度 $df_{error} = 1412$。

a. 受試者依藥物服用劑量被分成幾組?

• 解釋： 分子自由度為 1，通常代表該效應或交互作用涉及的類別數減一。
  • 若是一個單因子實驗，自由度為 1 表示該因子有 $1+1=2$ 個水準（組）。
  • 若是一個交互作用，例如 A $\times$ B，其自由度為 $df_A \times df_B$。
• 在此情境： 題目中提到「藥物服用劑量」。如果藥物服用劑量是我們改變的變數，且其自由度為 1，這意味著藥物服用劑量被劃分為 $1+1=2$ 個水準（組）。
  • 最常見的情況是設置一個「藥物組」和一個「安慰劑組」。

核心觀念

本題考查單一樣本 $t$ 檢定中，樣本數、$t$ 值與 Cohen’s $d$ 的關係。

若研究以單一樣本平均數與理論值比較，則：

$$t=\frac{\bar X-\mu_0}{s/\sqrt{N}}$$

Cohen’s $d$ 定義為：

$$d=\frac{\bar X-\mu_0}{s}$$

因此：

$$t=d\sqrt{N}$$

移項可得樣本數：

$$N=\left(\frac{t}{d}\right)^2$$

此外，單一樣本 $t$ 檢定的自由度為：

$$df=N-1$$

---

解題方法

a. Bem（2011）順時促發

已知：

$$t=4.85,\qquad d=0.20$$

代入公式：

$$N=\left(\frac{4.85}{0.20}\right)^2 =(24.25)^2 =588.06$$

由於樣本數必須為整數，且表中的 $t$ 值與 $d$ 值皆為四捨五入值，因此估計：

$$a\approx 588$$

---

b. Bem（2011）逆時促發

已知：

$$t=2.03,\qquad d=0.39$$

代入公式：

此題要求根據統計數據分析，探討 Muhmenthaler et al. (2022) 研究未能複製 Bem (2011) 預知現象的可能原因。

核心觀念： 統計檢定力、實驗設計、樣本品質對研究結果複製的影響。

詳解：

要判斷 Muhmenthaler et al. (2022) 研究未能複製 Bem (2011) 預知現象的原因，我們需要結合表格數據和題目提供的選項進行分析。

a. 沒有足夠的統計檢定力 (statistical power):

• 統計檢定力： 指在虛無假設為偽時，正確地拒絕虛無假設的機率。檢定力越高，越不容易出現第二類錯誤 (Type II error)，即未能拒絕偽的虛無假設。
• 影響檢定力的因素： 樣本數 (N)、效應量 (effect size, 如 Cohen's d)、顯著水準 ($\alpha$)。
• 分析表格數據：
  • Bem (2011):
    • 順時促發：$t=4.85$, $p<.00001$, $d=0.20$。
    • 逆時促發：$t=2.03$, $p=.023$, $d=0.39$。
    • Bem 的研究報告了顯著結果（p 值小），儘管顺时促发的效应量 (d=0.20) 較小，但其 t 值 (4.85) 相當大，表明樣本數可能也足夠，或者效應量在其他實驗中更大。
  • Muhmenthaler et al. (2022):
    • 順時促發：$t=10.2$, $p<.001$, $d=0.034$。
    • 逆時促發：$t<1$, $p=.227$。
  • 比較：
    • Muhmenthaler et al. (2022) 在順時促發條件下的 t 值 (10.2) 比 Bem (4.85) 更大，p 值更小 (<.001 vs <.00001)，這似乎表明在順時促發條件下，Muhmenthaler 的研究檢定力更高，或者效應量實際上更大（儘管 d 值顯示效應量很小，這可能與樣本數有關）。
    • 關鍵在於逆時促發： Bem 的逆時促發結果是顯著的 ($t=2.03$, $p=.023$, $d=0.39$)，而 Muhmenthaler 的結果非常不顯著 ($t<1$, $p=.227$)。
    • 檢定力分析： 如果 Muhmenthaler 的樣本數 (約 700，從 $df=699$ 推算) 和 $\alpha$ (假設為 0.05) 與 Bem 的研究相似，但未能觀察到顯著結果，這可能意味著：
      1. 真實效應量很小（如 Muhmenthaler 的順時促發 d=0.034 所暗示）。
      2. 或者，逆時促發條件下的效應量在 Muhmenthaler 的研究中非常小，以至於在他們的研究設計下（即使樣本數不低），也無法達到統計顯著性。
      3. 反過來問： 什麼情況下會「複製失敗」？就是 Bem 觀察到顯著現象，而 Muhmenthaler 沒有。
      4. 考慮選項 a： 如果 Muhmenthaler et al. (2022) 的統計檢定力不足，特別是在逆時促發條件下，他們就可能無法檢測到 Bem 觀察到的效應（如果該效應確實存在但很小）。
      5. 證據支持： Muhmenthaler et al. (2022) 的逆時促發 $p$ 值為 .227，這表明在他們的研究中，如果存在一個效應（例如 Bem 觀察到的），他們很可能無法以 0.05 的顯著水準拒絕虛無假設。這可能是檢定力不足的體現，特別是如果 Bem 在這個條件下的真實效應量就比較小。
      6. 反證： Muhmenthaler et al. (2022) 的順時促發分析顯示出非常小的效應量 (d=0.034) 但高度顯著 ($t=10.2, p<.001$)，這表明他們的樣本數非常大，足以檢測到非常小的效應。這與「檢定力不足」的論點似乎有所矛盾，因為大樣本通常意味著高檢定力。
      7. 重新思考： 複製失敗可能是因為真實效應量在第二次研究中確實不存在或非常小，或者由於其他因素。但是，如果 「預知現象」 確實存在，而 Muhmenthaler 沒有觀察到，那麼檢定力不足是一個潛在原因，尤其是在逆時促發條件下。

b. 在順時與逆時促發的條件採用受試者間設計 (between-subjects design):

• 分析： 題目 3.2 中討論了「促發一致性」應該採用受試者內設計，而「藥物服用」應採用受試者間設計。 Muhmenthaler et al. (2022) 在其研究中，對於「藥物服用」確實採用了受試者間設計。
• 問題： 這個選項說的是「在順時與逆時促發的條件採用受試者間設計」。這聽起來像是將「順時促發」和「逆時促發」這兩個條件分給不同的受試者組。
• 與 3.2 的對比： 根據 3.2 的分析，比較 順時促發 vs. 逆時促發 這兩個條件本身，最適合採用受試者內設計，因為這是比較同一受試者在不同促發模式下的表現，可以控制個體差異。
• 如果 Muhmenthaler et al. (2022) 真的將順時促發和逆時促發這兩個大條件分給了不同的受試者組，那麼這將是一個受試者間設計。
• 影響： 採用受試者間設計來比較順時和逆時促發，會引入個體差異作為一個潛在的混淆變數。如果兩組受試者的平均反應能力本身就有差異，這可能會掩蓋或誇大促發模式的真實效應。
• 結論： 如果 Muhmenthaler et al. (2022) 確實是這樣做的（將順時和逆時促發分別分配給不同組的受試者），那麼這可能是導致複製失敗的原因之一，因為這種設計不如受試者內設計能有效控制個體差異，從而影響對真實效應的檢測。

c. 從網路收集來的樣本品質不佳 (poor sample quality):

• 分析： 題目提到 Muhmenthaler et al. (2022) 的研究是「透過一個網路研究去複製」。網路研究的樣本通常是便利樣本，其品質確實可能不如實驗室招募的樣本。
• 可能的品質問題：
  • 受試者注意力不集中，隨機作答。
  • 樣本代表性不足（例如，可能都是特定年齡、教育背景的參與者）。
  • 操作定義執行不嚴謹（例如，受試者未能正確理解指示）。
  • 數據異常值多（儘管統計分析會處理，但極端的樣本品質會增加誤差）。
• 結論： 網路研究的樣本品質不佳是一個非常常見且重要的原因，可能導致研究結果難以複製。如果 Muhmenthaler et al. (2022) 的樣本品質確實不佳，這會顯著增加隨機誤差，降低檢定力，並可能導致無法觀察到 Bem 發現的現象。

綜合判斷：

• 選項 a (檢定力不足): Muhmenthaler et al. (2022) 的順時促發分析顯示出極小的效應量和極顯著的結果，這意味著他們可能有非常大的樣本數，因此不太可能是整體檢定力不足。然而，在逆時促發條件下，結果不顯著，這可能是因為該條件下的效應量確實很小，或者受到其他因素影響。
• 選項 b (受試者間設計用於比較順逆時促發): 如果 Muhmenthaler et al. (2022) 確實將順時和逆時促發這兩個條件分開給不同組別的受試者，這將是一個設計上的問題，因為受試者內設計更適合比較這兩種促發模式。這種設計缺陷可能導致複製失敗。

此題要求列舉五個會影響心理學研究結果、導致複製危機的普遍性因素，除了前面選項中提到的。

核心觀念： 影響研究可複製性的各種因素，涵蓋研究設計、數據分析、發表偏誤等。

詳解：

複製危機 (Replication Crisis) 是指許多重要的心理學研究結果難以被其他研究者成功複製的現象。除了前面選項提到的統計檢定力、實驗設計、樣本品質外，還有許多其他因素會影響研究的可複製性。以下列舉五個普遍性因素：

1. 發表偏誤 (Publication Bias) / 陽性結果偏誤 (Positive Result Bias):

   • 說明： 期刊和學術界傾向於發表具有統計顯著性（陽性結果）的研究，而對結果不顯著或未能複製的研究則較少發表。這導致文獻中充斥著「看起來有效」的研究，但實際上許多原始研究的效應量可能很小，甚至不存在。
   • 影響： 使得研究者高估了某些效應的大小和普遍性，當其他研究者嘗試複製時，由於效應量較小或不存在，就難以成功。

2. p-hacking (或 data dredging / fishing expedition):

   • 說明： 研究者在分析數據時，不斷嘗試不同的統計方法、篩選不同的子樣本、或檢驗不同的變數組合，直到找到一個統計上顯著的結果。這種「數據探勘」的過程，會人為地增加發現假陽性 (false positive) 結果的機率，即使在虛無假設為真的情況下，也可能找到顯著結果。
   • 影響： 導致研究結果的「偶然性」過高，當其他研究者使用相同的原始數據或進行新的研究時，很難重現這個偶然發現的顯著結果。

3. 研究者對理論的過度依賴與解釋的過度推廣 (Over-reliance on theory and overgeneralization of findings):

   • 說明： 研究者可能過度基於現有理論來解釋結果，甚至將一個特定情境下的研究發現，過度推廣到更廣泛的群體或情境，而忽略了研究的局限性。
   • 影響： 當研究結果的適用範圍被過度誇大時，其他研究者在不同條件下嘗試複製時，就可能因為情境或樣本差異而無法獲得相同結果。

4. 研究方法學的進步與標準提高 (Advancements in Methodology and Higher Standards):