107 一般警察特考三等 外事警察人員（選試英語） 社會科學研究法與統計 考古題詳解

核心觀念

本題評量簡單線性迴歸分析（Simple Linear Regression）的報表判讀、數值推導以及社會科學研究法中的因果推論要件：

1. 迴歸方程式建立：未標準化迴歸方程式 $\hat{Y} = b_0 + b_1 X$ 及標準化迴歸方程式 $Z_{\hat{Y}} = \beta Z_X$，其中截距（Constant）為 $b_0$，斜率為 $b_1$。
2. 判定係數（Coefficient of Determination, $R^2$）：題稱「判斷係數」即為「判定係數」或「決定係數」，定義為迴歸平方和佔總平方和之比例（$R^2 = \frac{SS_{\text{reg}}}{SS_{\text{tot}}}$），其統計顯著性依據 ANOVA 模式之 $F$ 檢定。
3. 單變量迴歸中相關係數與標準化係數之對應：在單一自變項的線性迴歸中，標準化迴歸係數（$\text{Beta}$）等於皮爾森積差相關係數（Pearson's $r$），且 $R^2 = r^2$。
4. 因果推論之三要件：共變關係（Covariation）、時序先後（Temporal Precedence，因在果先）、排除虛假相關（Non-spuriousness）。自變項與依變項的設定必須符合時序與實質理論邏輯。

解題方法與詳細推導

(一) 列出迴歸方程式，並說明年齡與社區認同感的關係

1. 迴歸方程式列式： 依據 Coefficients 報表：

• 依變項（$Y$）：社區認同感
• 自變項（$X$）：年齡
• 常數項（截距 $b_0$）：$21.39$
• 年齡之未標準化迴歸係數（斜率 $b_1$）：$0.04$

未標準化迴歸方程式為： $\hat{Y} = 21.39 + 0.04X$ （即：$\widehat{\text{社區認同感}} = 21.39 + 0.04 \times \text{年齡}$）

若以標準化係數表示，則標準化迴歸方程式為： $Z_{\hat{Y}} = 0.170 Z_X$

2. 年齡與社區認同感之關係說明：

• 方向與強度：未標準化係數 $b_1 = 0.04 > 0$（標準化係數 $\beta = 0.170 > 0$），表示年齡對社區認同感具有正向影響。在控制其他條件不變下，受訪者每增加 1 歲，其社區認同感平均增加 0.04 個單位。
• 統計顯著性：年齡之 $t = 3.407$，$p\text{-value} = 0.001 < 0.05$（亦小於 $0.01$），顯示在 $\alpha = 0.05$ 顯著水準下，年齡的迴歸係數顯著異於 0，即年齡能有效預測社區認同感。

(二) 判斷係數為何？是否達到顯著差異？

1. 判斷係數（$R^2$）之計算： 「判斷係數」即為「判定係數」（$R^2$），計算公式為迴歸平方和（$SS_{\text{reg}}$）除以總平方和（$SS_{\text{tot}}$）： $R^2 = \frac{SS_{\text{reg}}}{SS_{\text{tot}}} = \frac{121.110}{4210.944} \approx 0.02876 \approx 0.0288 \text{（或 } 2.88\% \text{）}$ （亦可由標準化係數直接驗算：$R^2 = \beta^2 = 0.170^2 = 0.0289$） 此代表在社區認同感的總變異量中，有 $2.88\%$ 可由「年齡」這一項自變項來解釋。

2. 統計顯著性檢定：

• 檢定虛無假設 $H_0: R^2 = 0$ 對抗對立假設 $H_1: R^2 > 0$。
• 檢定依據為 ANOVA 表中的 $F$ 統計量： $F(1, 392) = 11.608$
• 伴隨機率（顯著性／$p\text{-value}$）為 $0.001$。

核心觀念

本題評量社會科學研究法中「抽樣設計（Sampling Design）」的核心原理與實務操作，關鍵考點涵蓋以下四項概念：

1. 分層隨機抽樣（Stratified Random Sampling）： 將異質母體（Population）依特定關鍵變項（如族群、性別、區域）分割為互斥且周延的次群體（稱為「層」，Strata），使各層內部同質性高、層與層之間異質性高，再於各層獨立進行隨機抽樣。
2. 比例配置與非比例配置（Proportionate vs. Disproportionate Allocation）：

• 比例分層抽樣：各層抽取的樣本數佔總樣本數之比例，等於該層佔母體之比例，即 $\frac{n_h}{n} = \frac{N_h}{N}$。
• 非比例分層抽樣（過度抽樣，Oversampling）：刻意打破母體原始比例，對母體中比例極低的次群體抽取高於其人口佔比的樣本數，以確保該群體具備足夠的樣本量。

3. 統計檢定力（Statistical Power）與組間比較（Subgroup Comparison）： 欲檢定兩組平均數差異（如獨立樣本 $t$ 檢定），檢定力取決於兩組的樣本數、效果值（Effect Size）與顯著水準 $\alpha$。當其中一組樣本數過小，兩樣本平均數差的標準誤膨脹： $SE(\bar{X}_1 - \bar{X}_2) = \sqrt{\frac{s_1^2}{n_1} + \frac{s_2^2}{n_2}}$ 若 $n_1$ 過小，$SE$ 將大幅增加，型二錯誤機率（$\beta$）劇增，導致研究無法有效偵測出真實存在的族群差異。
4. 抽樣加權（Post-stratification Weighting）： 非比例抽樣雖利於「組間比較」，但若要推論「全國整體」生活滿意度，必須賦予各層樣本對應的反比權數，以還原母體代表性。第 $h$ 層的抽樣權數公式為： $W_h = \frac{N_h / N}{n_h / n}$

解題方法

一、 採取之抽樣方式

應採取​「非比例分層隨機抽樣」（Disproportionate Stratified Random Sampling），亦即對原住民族群進行​「過度抽樣」（Oversampling），並在推估全國整體母體參數時輔以​「事後加權調整」（Post-stratification Weighting）。

二、 採取該抽樣方式之原因（為什麼？）

1. 母體結構極度不對稱（稀少次群體問題）： 依台灣現行人口結構，原住民人口約佔全國總人口的 $2.4\%$ 至 $2.5\%$。若採「簡單隨機抽樣」或「比例分層抽樣」，在總樣本數 $n = 1,000$ 的限制下，抽得的原住民樣本期望值僅約 $24 \sim 25$ 人，非原住民約 $975 \sim 976$ 人。
2. 滿足組間統計比較的檢定力需求： 本研究的關鍵目標為「比較原住民與非原住民的生活滿意度差異」。樣本數僅 25 人的原住民組，不僅自由度嚴重不足、抽樣誤差極大，亦難以符合中央極限定理（Central Limit Theorem）對多變項分析（如迴歸分析、變異數分析）的基本大樣本要求。採非比例分層抽樣，將原住民樣本大幅提高至具備統計推論效力的規模（如 $n_1 = 400 \sim 500$），才能確保檢定力達 $0.80$ 以上。
3. 兼顧全國推論的代表性： 非比例抽樣在分析「族群差異」時直接採原始樣本檢定；在分析「全國生活滿意度現況」時，利用母體真實族群比例進行加權還原，使研究能同時滿足「族群精準比較」與「全國代表性」兩大委託目標。

三、 抽樣工作的具體執行步驟（如何進行？）

步驟一：界定目標母體與建立抽樣架構（Sampling Frame）

1. 目標母體：全國年滿 18 歲（或 20 歲）設籍之中華民國國民。
2. 分層變項：族群身分，明確劃分為兩層：

• 第 1 層（原住民層）：具法定原住民身分者（約佔全國人口 $2.5\%$）。
• 第 2 層（非原住民層）：不具原住民身分之一般國民（約佔全國人口 $97.5\%$）。

3. 抽樣架構：

• 最佳清冊為內政部戶政司之「全國家戶戶籍登記資料庫」（含原住民身分註記）。
• 若採電話調查，則以全國住宅電話資料庫結合原住民族委員會登記資料庫；或採「分層多階叢集抽樣」，以原住民鄉鎮市區與一般鄉鎮市區為不同初級抽樣單位。本提案以最具代表性之「戶籍清冊實地訪查」為標準設計。

步驟二：決定樣本配置（Sample Allocation）

在總樣本數 $n = 1,000$ 的條件下，設定最適配置：

• 原住民層樣本數：$n_1 = 400$ 人。
• 非原住民層樣本數：$n_2 = 600$ 人。 （此配置確保原住民組估計誤差控制在 $\pm 4.9\%$ 以內，非原住民組控制在 $\pm 4.0\%$ 以內，在 $95\%$ 信賴水準下均具備充分的統計推論水準）。

核心觀念

本題評量社會科學調查研究法中​「資料蒐集途徑」（Modes of Data Collection）​之核心理論與實務應用，涉及以下方法論觀念：

1. 調查模式特性：電話訪問（Telephone Survey）及「電腦輔助電話訪問系統」（Computer-Assisted Telephone Interviewing, CATI）之運作機制、成本結構、時效性與品管流程。
2. 總調查誤差模型（Total Survey Error, TSE）：

• 涵蓋誤差（Coverage Error）：抽樣底冊與母體不一致問題，特別是當代「唯手機族」（Cell-phone-only population）對傳統住宅電話抽樣架構造成的系統性偏差。
• 無反應偏差（Non-response Bias）：受訪者掛斷、拒訪（Refusal）或未接通導致的樣本偏誤。
• 測量誤差（Measurement Error）：缺乏視覺輔助（Visual Cues）對受訪者記憶萃取與題意理解的限制，以及口語互動帶來的訪員效應（Interviewer Effect）。

3. 因應技術與統計校正：隨機數位撥號（Random Digit Dialing, RDD）、雙底冊抽樣（Dual-frame Sampling: 市話結合手機）、追蹤撥打機制（Call-back protocol）與事後統計加權（Post-stratification weighting / Raking）。

解題方法

本題為典型的三段式實務申論題，答題架構應具備高度對稱性與操作性：

1. 優點剖析：從「時效性」、「成本效益」、「行政品管（CATI集中監聽與邏輯跳題）」及「地理涵蓋面」四個面向建立論述。
2. 缺點剖析：扣合當前資通訊環境，從「母體涵蓋誤差（手機普及與市話拒接）」、「題目複雜度與題型受限（無視覺媒介）」、「訪談長度受限與高拒訪率」等方法論限制切入。
3. 解決對策（首尾呼應）：必須針對所列缺點提出「一對一」的具體解決方案，包含抽樣設計（雙底冊與 RDD）、問卷與施測設計（題型精簡與訪員訓練）、撥號與跟進流程（時段分流與多次回撥）​及統計補救（事後多變數加權校正）。

選項分析

本題為申論題，非選擇題，無個別選項。作答重點在於論點是否精準扣合理論概念，且能提出兼顧統計嚴謹性與調查實務的可行策略。

解題技巧

1. 掌握時代脈絡：作答電話訪問時，切忌僅停留在傳統「住宅電話」的思維。必須主動指出當代「唯手機族」（尤其年輕、高流動性人口）激增的現象，展現對當前民調方法論瓶頸之深刻理解。
2. 缺點與對策高度對稱：提出幾項缺點，在第二子題就必須給出相對應的解方，閱卷老師能迅速對照評分。
3. 專有名詞精準化：多運用專業術語，如「隨機數位撥號（RDD）」、「雙底冊抽樣（Dual-frame）」、「多變數反覆多重加權（Raking）」、「訪員效應（Interviewer Bias）」，避免通篇使用大白話描述。

【答案】

一、電話訪問之優點與缺點

（一）電話訪問之優點

1. 執行時效迅速（High Speed）： 相較於面訪與郵寄問卷，電話訪問可在極短時間內完成大量樣本接觸，特別適用於時效敏感的突發性公共議題或選情即時調查。
2. 成本效益較佳（Cost-Effectiveness）： 省去訪員差旅交通費用、面試禮品及郵寄印刷成本，單位樣本成本遠低於傳統面對面訪問。

核心觀念

本題評量社會科學研究方法與初等統計學之核心基礎，涵蓋四大範疇：

1. 研究設計與分析單元：探討分析單元（Unit of Analysis）之層級混淆問題，特別是總體資料推論至個體之邏輯陷阱（生態謬誤）。
2. 測量化歷程：檢驗從抽象思維建構至具體觀察指標的第一階段——概念化（Conceptualization）之意涵與功能。
3. 測量品質評估：古典測驗理論（Classical Test Theory, CTT）中衡量工具穩定性與一致性之「信度」（Reliability）定義及其數學概念： $X = T + E \implies \rho_{XX'} = \frac{\sigma_T^2}{\sigma_X^2}$
4. 多元統計與關聯性分析：探討控制變項數量與相關分析之階數關係（Order of Correlation），界定零階相關（Zero-order Correlation）之統計本質。

解題方法

本題為標準的申論型名詞解釋題（每小題 5 分，共 20 分）。答題切入點應採取「三段式標準論述結構」，以求版面工整、層次分明並取得高分：

1. 精準定義：第一句直接給出該名詞在學理上的權威定義與英文原名。
2. 實質內涵／公式機制：說明其核心運作機轉、構成要件或數學統計意涵。
3. 比較對照或警示實例：輔以研究實例、反面概念對比（如生態謬誤 vs. 個體謬誤；概念化 vs. 操作化；信度 vs. 效度；零階相關 vs. 偏相關），展現學科知識的廣度與深度。

解題技巧

1. 破除名詞混淆陷阱：

• 生態謬誤常與個體謬誤（Individualistic/Atomistic Fallacy，又稱化約主義 Reductionism）混淆。口訣：「大推小是生態，小推大是個體」。
• 概念化常與操作化（Operationalization）混淆。概念化給予「名目定義」（Nominal Definition），操作化才給予「操作型定義」（Operational Definition）。
• 信度常與效度（Validity）混淆。信度測「一致性（Consistency）」，效度測「正確性（Accuracy）」。信度是效度的必要非充分條件。
• 零階相關之「階數（Order）」常被誤解為變項的數量。階數的嚴格定義是「控制變項的數量」，而非「參與計算的變項數量」。

【答案】

(一) 生態或區位謬誤（Ecological Fallacy）

1. 定義： 指研究者在進行因果推論時，混淆了分析單元（Unit of Analysis）​的層次，錯誤地將以「群體、集合體或地理區域」（Aggregate level）為分析單元所獲得的統計結果與結論，直接推論至構成該群體的「個人」（Individual level）身上。

2. 核心意涵與機制： 總體層次的相關關係並不等於個體層次的相關關係。即使某一行政區或團體的聚合資料呈現某種關聯趨勢，亦無法證明該團體內部的每一位成員皆具有相同的特徵或行為連結。

3. 研究實例： 若某研究發現「外籍移工比例較高的行政區，其暴力犯罪率顯著偏高」，研究者若據此得出「外籍移工個人的犯罪傾向較高」之結論，即犯了生態謬誤。因為該區的暴力犯罪可能是本國籍居民所為，高犯罪率亦可能肇因於該區貧困、警力不足等環境中介因素，而非移工個人特質所致。 (註：其對稱性錯誤為「個體謬誤」，即以個人的特徵錯誤推論整體社會群體的特徵。)

(二) 概念化（Conceptualization）