111 原住民特考四等 社會行政 社會研究法概要 考古題詳解

核心觀念

本題考查「分層隨機抽樣法」的意義及其在實際調查中的運用。分層隨機抽樣是先依研究目的與母體特性，將母體區分為若干互不重疊、合起來涵蓋整體母體的層別，再在各層內分別以隨機方式抽取樣本。各層樣本數可依比例分配，也可依調查需求採不同配置。

分層的目的，是讓重要的母體類別都納入樣本，並讓層內成員相對具有共同特徵，以提升各類別的代表性，也利於比較不同層別的調查結果。分層抽樣仍須在層內隨機抽取；若只挑選方便接觸的對象，就不屬於分層隨機抽樣。

解題方法

先找出題目如何劃分母體，再說明各層如何抽樣，最後指出分層抽樣與題幹所述其他抽樣程序的關係。

本調查將臺灣地區按縣（市）分成 20 個副母體，並依原住民族分布及地理區域特性，劃分為三個層別：

• 第一層：山地鄉、直轄市山地原住民區，共 30 個鄉鎮市。
• 第二層：平地原住民族鄉（鎮、市），共 25 個鄉鎮市區。

核心觀念

遺漏值（missing value）是指資料原本應有觀測值，卻因未作答、未觀察到、紀錄錯誤或資料處理等原因，未能取得有效數值的情形。例如問卷受訪者未回答某題，或調查員漏記答案。它不同於數值為 $0$：$0$ 是有效觀測值，遺漏值則代表該筆資料沒有可用的觀測結果。

遺漏值若未妥善處理，可能減少有效樣本數、降低統計檢定力，或造成估計偏誤。處理時須先了解遺漏的原因與型態，再選擇適當方法。

解題方法

本題可依「辨認遺漏值、判斷遺漏機制、選擇處置方式」作答。

一、判斷遺漏機制

• 完全隨機遺漏（MCAR）：遺漏與研究變項及其他已觀察變項都無關，例如問卷偶然遺失。若成立，完整個案分析通常不致造成系統性偏誤，但會減少樣本數。
• 隨機遺漏（MAR）：遺漏與已觀察到的變項有關，但在控制這些變項後，與遺漏值本身無關。例如年長受訪者較常漏答收入題，而年齡已納入資料分析。
• 非隨機遺漏（MNAR）：遺漏與未觀察到的值本身有關。例如收入愈高者愈不願填答收入題。這種情形較容易造成偏誤，單靠一般插補未必能消除問題。

二、選擇處置方式

1. 刪除個案或觀測值

• 完整個案分析（listwise deletion）：分析時刪除任何相關變項有遺漏值的個案。方法簡單，但會減少樣本數；若遺漏不是 MCAR，可能造成偏誤。
• 成對刪除（pairwise deletion）：每次分析只排除該次分析所需變項有遺漏的個案，因此不同統計量可能使用不同樣本數；樣本數較能保留，但結果間的可比性與相關矩陣的一致性須留意。

核心觀念

本題考查電話訪問的「電話號碼抽樣框」如何建立。抽樣框是研究者用來辨識、抽取調查對象的名冊或號碼來源；電話訪問須先取得可能屬於目標母體的電話號碼，再確認號碼是否有效、是否符合訪問條件。

解題方法

作答時可依電話號碼的取得方式分類，列出傳統名冊法與隨機產生號碼法，並補充現代調查常用的手機號碼抽樣。常見方法如下：

1. 電話簿或電話名冊抽樣：從公開電話簿、機關或團體名冊等資料取得已登錄的電話號碼，再依一定規則抽樣。方法簡單，但未登錄、未公開或新設的電話號碼可能被漏掉。
2. 隨機撥號法（Random Digit Dialing, RDD）：依電話號碼的編碼規則，隨機產生號碼並撥打，以納入未列於電話簿的號碼。若從已知有效號碼區段抽取並隨機改變末幾碼，常稱為「末碼隨機撥號」。
3. 名冊輔助隨機撥號法（list-assisted RDD）：先利用電話簿或號碼資料辨認有效的號碼區段，再在符合條件的區段內隨機產生號碼，兼顧效率與抽樣涵蓋。

核心觀念

本題考查的是如何把研究問題轉化為一份可執行的調查研究計畫，重點包括研究目的、研究對象與範圍、抽樣設計、問卷與訪問程序、資料分析，以及研究倫理。題目指定「面訪抽樣調查」，因此研究設計應以量化問卷為主，並提出能兼顧代表性與現場可行性的抽樣程序。

研究核心問題是：COVID-19 疫情期間，原住民族地區原住民家戶面臨哪些社會經濟困境？困境程度是否因地區、家庭結構、就業型態或資源取得情形而有差異？

解題方法：研究計畫書

一、研究題目

COVID-19 疫情下原住民族地區原住民家戶社會經濟困境之面訪調查研究

二、研究目的與研究問題

本研究目的如下：

1. 描述疫情期間原住民家戶在就業、收入、生活支出、照顧、健康與社會支持方面的變化。
2. 比較不同地區、家戶人口結構、就業型態及經濟條件家戶的困境差異。
3. 探討家戶特徵、疫情衝擊與資源取得情形，和家戶困境程度之間的關聯。
4. 根據調查結果，提出原住民族地區相關支持措施的規劃建議。

可操作化為下列研究問題：

• 家戶的工作、收入與生活支出受到何種程度的影響？
• 家戶是否遭遇照顧負擔增加、健康服務取得困難或生活支持不足？
• 哪些家戶特徵與較高的經濟或照顧困境有關？
• 家戶是否取得政府補助、社會福利或其他支持？其需求為何？

三、研究對象與研究範圍

研究對象為設籍或實際居住於原住民族地區，且家戶內至少有一名原住民成員的家戶。研究單位為家戶，每戶訪問一名年滿 18 歲、熟悉家戶經濟與生活情況的成年成員，例如戶長、配偶或主要照顧者。

研究範圍應界定調查地區、訪問期間及「疫情衝擊」的時間基準。例如，請受訪者比較疫情期間與疫情發生前一段指定期間的就業、收入和生活狀況，以降低回答基準不一致的問題。

四、研究設計與抽樣方法

本研究採橫斷式量化調查，以結構式問卷進行面訪。若行政名冊可提供適當抽樣名冊，建議採分層多階段抽樣：

1. 分層：依原住民族地區或縣市、地理區域等條件分層，使不同地區均有樣本。
2. 第一階段抽樣：在各層內抽取鄉、鎮、市、區或部落等初級抽樣單位。
3. 第二階段抽樣：在抽中的地區內，以家戶名冊或更新後的家戶清冊抽取家戶。
4. 戶內選樣：每戶訪問一名符合條件且熟悉家戶情況的成年成員；若符合者有多人，依事先訂定的隨機規則選取，避免訪員只挑方便受訪者。

此設計可兼顧地區涵蓋與執行成本。若各地區家戶數差異很大，可依家戶數採比例配置；若需比較小型地區，則可適度增加其樣本數，分析時再使用權數還原整體估計。

樣本數須依研究所需精確度、預期回覆率、分層與群集抽樣造成的設計效果，以及經費與訪問能力估計。簡單隨機抽樣下，估計比例所需樣本數可用：

$$n_0=\frac{Z^2p(1-p)}{e^2}$$

其中，$Z$ 為信賴水準所對應的標準常態值，$p$ 為預估比例，$e$ 為可接受的抽樣誤差。若沒有可用的先驗比例，可採 $p=0.5$ 作保守估計。實際調查樣本數還應依設計效果 $DEFF$ 調整，並按預期回覆率 $r$ 擴增：

$$n_{\text{實際抽取}}\approx\frac{n_0\times DEFF}{r}$$

正式規劃時應依可用家戶名冊、分層架構、預期回覆率與經費計算，不宜只憑單一公式直接決定樣本數。

五、研究變項與問卷內容