107 原住民特考四等 教育行政 教育測驗與統計概要 考古題詳解

核心觀念

箱型圖（Box-and-whisker Plot，又稱盒鬚圖）是由統計學家約翰·圖基（John W. Tukey）於探索性資料分析（Exploratory Data Analysis, EDA）中所提出的無母數（耐抗性，resistant）統計圖表。其核心觀念建構於次序統計量（order statistics），主要考點涵蓋：

1. 五數綜合摘要（Five-Number Summary）：

• 最小值（Minimum, $\text{Min}$）
• 第一四分位數（First Quartile, $Q_1$ 或第 25 百分位數 $P_{25}$）
• 第二四分位數／中位數（Second Quartile / Median, $Q_2$ 或第 50 百分位數 $P_{50}$）
• 第三四分位數（Third Quartile, $Q_3$ 或第 75 百分位數 $P_{75}$）
• 最大值（Maximum, $\text{Max}$）

2. 四分位距（Interquartile Range, $IQR$）與籬笆公式： $IQR = Q_3 - Q_1$

• 內籬笆（Inner Fences）：$[Q_1 - 1.5 \times IQR, \; Q_3 + 1.5 \times IQR]$
• 外籬笆（Outer Fences）：$[Q_1 - 3.0 \times IQR, \; Q_3 + 3.0 \times IQR]$
• 落在內籬笆之外的觀測值即判定為潛在的「離群值／極端值（Outliers）」。

---

解題方法

本題為標準的教育測驗與統計申論問答題，作答應採取「雙主軸結構」，將題目所問之「功能」與「提供之資訊」拆解為兩大層次，條理分明、前後呼應：

一、箱型圖的主要功能

1. 簡化並摘要連續型資料的整體分配：不受少數極端值牽引，能耐抗且客觀地勾勒出次序資料的分布骨架。
2. 直觀檢驗資料的對稱性與偏態（Skewness）：透過中位數在箱體內的位置以及兩端鬚線的相對長度，迅速辨識資料呈常態對稱、正偏態（右偏）或負偏態（左偏）。
3. 客觀偵測與標記離群值（Outliers）：利用四分位距（$IQR$）界定籬笆邊界，自動分離常態分布範圍與極端異常數值，有助於研究者進行資料清理或進一步診斷。
4. 多組樣本分配的橫向視覺化比較：可將不同組別（如不同班級、性別、實驗組與對照組）的箱型圖並列於同一坐標軸，直接對比各組在集中趨勢、離散度與偏態上的差異。

二、箱型圖所提供的具體資訊

1. 位置量數（集中趨勢）：

• 箱體內部的橫線代表「中位數（$Q_2$）」，反映資料的中間位置。

2. 分散量數（離散程度）：

• 箱身高度（或長度）即為「四分位距（$IQR = Q_3 - Q_1$）」，涵蓋全體資料中央 $50\%$ 的分散寬度。
• 兩端鬚線（Whiskers）端點間的距離（含離群點）則反映資料整體的「全距（Range）」。

3. 分配型態（偏態特徵）：

• 對稱分配：$Q_2$ 居於箱身正中央，且上鬚與下鬚長度相當（$Q_3 - Q_2 \approx Q_2 - Q_1$）。
• 正偏態（右偏分配）：$Q_2$ 偏向箱身下方／左側，且上鬚／右鬚明顯較長（$Q_3 - Q_2 > Q_2 - Q_1$）。
• 負偏態（左偏分配）：$Q_2$ 偏向箱身上方／右側，且下鬚／左鬚明顯較長（$Q_3 - Q_2 < Q_2 - Q_1$）。

4. 特殊觀測值（離群值／極端值）：

核心觀念

本題評量古典測驗理論（Classical Test Theory, CTT）中「測量標準誤」（Standard Error of Measurement, 簡稱 $SEM$ 或 $S_e$）的理論基礎、統計公式及其與「測驗信度」（Reliability, $r_{xx}$）之連動關係。

1. 古典測驗理論基本假定： 受試者的實得分數（Observed Score, $X$）由真分數（True Score, $T$）與測量誤差（Error, $E$）組成，即： $X = T + E$ 其中測量誤差 $E$ 為隨機誤差，其平均數為 $0$，其標準差即為測量標準誤（$S_e$）。
2. 測量標準誤公式： $SEM = S_X \sqrt{1 - r_{xx}}$ 其中 $S_X$ 為實得分數之標準差（即變異數 $S_X^2$ 的正平方根），$r_{xx}$ 為測驗信度係數。

---

解題方法

本題為申論與計算兼具之題型，解答應分為「名詞定義」、「關係說明」與「數值推導」三部分循序作答：

一、測量標準誤的意涵

1. 理論定義：在古典測驗理論中，測量標準誤是指「測量誤差分配的標準差」。若對同一個受試者以相同測驗進行無數次重複測量（且無練習或疲勞效應），其歷次實得分數會形成一常態分配，該分配的平均數即為真分數，而該分配的標準差即為「測量標準誤」。
2. 實務功能：測量標準誤代表測量誤差的大小，反映測驗結果的精確度。實務上主要用於建立受試者真分數的「信賴區間」（Confidence Interval），例如以 $X \pm 1.96(SEM)$ 估計受試者在 $95\%$ 信賴水準下的真分數範圍，避免單憑一次實得分數做出過度絕對的推論。

二、測量標準誤與信度的關係

根據計算公式 $SEM = S_X \sqrt{1 - r_{xx}}$，在測驗團體的分數分散程度（標準差 $S_X$）保持固定的前提下，兩者關係如下：

1. 反向變動關係：

• 信度愈高（$r_{xx} \to 1.0$），測量標準誤愈小（$SEM \to 0$），表示隨機誤差愈小、測驗精確度愈高。
• 信度愈低（$r_{xx} \to 0.0$），測量標準誤愈大，當信度為 $0$ 時，$SEM = S_X$，表示實得分數的變異完全由測量誤差所造成。

2. 指標特性的差異：

核心觀念

本題考驗多元線性迴歸分析（Multiple Linear Regression Analysis）​的報表判讀與係數詮釋能力，主要涉及以下三個統計核心概念：

1. 決定係數（Coefficient of Determination, $R^2$）： 定義為迴歸平方和佔總平方和的比例，公式為： $R^2 = \frac{SS_{\text{reg}}}{SS_{\text{total}}} = 1 - \frac{SS_{\text{res}}}{SS_{\text{total}}}$ 用以衡量模型中所有自變項（預測變項）對依變項（效標變項）總變異的聯合解釋力（效果量大小）。

2. 迴歸模型的整體檢定（ANOVA $F$ 檢定）： 在多元迴歸中，變異數分析（ANOVA）用於檢定整體迴歸方程式的統計顯著性。

• 虛無假設 $H_0: \beta_1 = \beta_2 = 0$（所有自變項的母體偏迴歸係數皆為 0，整體模型無預測力）
• 對立假設 $H_1:$ 至少有一個 $\beta_i \neq 0$（整體模型具統計顯著之預測力）
• 顯著值即為 $p$ 值（$p$-value），當 $p \le \alpha$（通常取 $\alpha = 0.05$）時拒絕 $H_0$。

3. 多元迴歸方程式之係數意義（未標準化係數）： 標準多元迴歸方程式形式為 $\hat{Y} = b_0 + b_1 X_1 + b_2 X_2$：

• 截距項（常數項 $b_0$）：所有預測變項皆為 $0$ 時的預測基準值。
• 偏迴歸係數（Partial Regression Coefficient, $b_1, b_2$）：在控制其他自變項保持不變的條件下，該自變項每變動一個測量單位時，依變項的平均變動量。

---

解題方法

本題為非選題（名詞與數值詮釋題），解題切入點在於將抽象的統計指標，精準扣合題目設定的「變項名稱」（使用手機時間、看電視時間、學業成績）與「測量單位」（小時、分數）：

(一) 詮釋 $R^2 = 0.67$

• 步驟：指出指標名稱 $\to$ 代入情境變項 $\to$ 說明百分比意涵 $\to$ 補充未解釋變異。
• 解析： $R^2 = 0.67$ 代表「使用手機時間」與「看電視時間」這兩個自變項，合計可以有效解釋學生「學業成績」總變異量的 $67\%$。剩餘的 $33\%$（即 $1 - R^2 = 0.33$）則歸因於模型未納入的其他因素（如學習動機、智力、讀書方法、家庭背景等）及隨機測量誤差。

(二) 詮釋 ANOVA 顯著值 $0.045$

• 步驟：說明檢定標的 $\to$ 比較顯著水準 $\alpha \to$ 做出統計決策 $\to$ 說明實質意涵。
• 解析： 在迴歸模型的變異數分析中，顯著值即為 $p$ 值（$p = 0.045$）。在常用的顯著水準 $\alpha = 0.05$ 條件下，$p = 0.045 < 0.05$，達到統計顯著水準，應拒絕虛無假設（$H_0: \beta_{\text{手機}} = \beta_{\text{電視}} = 0$）。這表示「使用手機時間」與「看電視時間」聯合組成的多元迴歸模式具有顯著的預測力，能夠有效預測學生的學業成績，此預測效果並非抽樣誤差所致。

(三) 詮釋最佳預測模型：$\text{學業成績} = -1.7\times\text{使用手機時間}-0.4\times\text{看電視時間}+94.2$

• 步驟：分別對「常數項（$94.2$）」、「手機係數（$-1.7$）」、「電視係數（$-0.4$）」進行逐項拆解，且必須提及「控制其他變項不變」​與「單位增減」。
• 解析：

核心觀念

本題旨在評量教育測驗學中的「客觀測驗命題技術」（Item Writing Guidelines）。選擇題（Multiple-Choice Items）通常由「題幹」（Stem）與「選項」（Alternatives/Options）組成；選項又可區分為「正確答案」（Key）與「誘答項／干擾項」（Distractors）。

編製選項的核心目標在於：

1. 控制測驗誤差，提升信度與效度：藉由精確的選項設計，減少受試者因猜測或題目瑕疵而產生的非真實能力變異。
2. 防杜受試者作答機巧（Test-Wiseness）：避免因語法、長度或邏輯漏洞提供無關線索，確保測驗測量到受試者真正的學力，而非應試技巧。
3. 發揮誘答功能，提高鑑別力：使誘答項能有效吸引未精熟學習內容的考生，展現診斷功能並提升項目的鑑別度（$D$）。

---

解題方法

針對「四等教育行政類科」之專業科目申論題，回答命題原則時應採「架構化、標題化」呈現。本題明確指定「請寫出五項」，作答切入點應涵蓋下列面向：

1. 誘答品質維度：著重誘答項的真實吸引力與錯誤概念反映。
2. 邏輯關係維度：著重選項間的互斥性與獨立性。
3. 語法形式維度：著重文法相稱性、長度同質性與邏輯排序。
4. 特殊選項維度：探討「以上皆是」、「以上皆非」的限制與缺失。
5. 作答線索防杜：消除絕對性用詞及非意圖性暗示。

每項原則應具備「原則名稱」、「具體規範說明」與「教育測驗學理依據」，展現專業作答深度。

---

解題技巧

1. 版面配置原則：

• 採「前言（1-2行定義功能）$\rightarrow$ 本文（五大項，粗體核心標題＋分點詳述）$\rightarrow$ 結語（1-2行總結）」之三段式結構。
• 每一項內容應同時指出「應如何做（正面）」與「應避免何事（反面）」，並補述「其測驗學理由」。

2. 記憶口訣：

• 「同、誘、斥、慎、避」：文法長度求同質、干擾誘答具誘因、選項獨立互相斥、兩全選項宜慎用、作答線索須避免。

3. 常見失分陷阱：

• 僅列出單純短句（如「選項不可太長」），缺乏專業學術術語與學理說明，導致給分偏低。
• 混淆「題幹編製原則」與「選項編製原則」（例如寫到「題幹敘述應完整明確」，離題失分）。

4. 專業術語加分亮點：

• 適時帶出「受試者機巧（Test-Wiseness）」、「迷思概念（Misconceptions）」、「項目分析之干擾分析（Distractor Analysis）」。

---

【答案】