110 司法特考三等 心理測驗員 心理測驗與衡鑑 考古題詳解

核心觀念

本題考查古典測驗理論中兩種「估計誤差」：

1. 測量標準誤（standard error of measurement, SEM）：根據測驗信度，估計個人觀察分數與其真實分數之間的典型誤差。
2. 估計標準誤（standard error of estimate, SEE）：根據效度係數，估計以一項測驗分數預測效標分數時，預測值與實際效標分數之間的典型誤差。

兩者都以標準差為基礎，但所處理的誤差來源不同：

• SEM 關心「測驗分數本身是否穩定、精確」。
• SEE 關心「利用預測變項估計效標時，預測得準不準」。

---

一、測量標準誤 SEM

依古典測驗理論：

$$X=T+E$$

其中：

• $X$：觀察分數（observed score）
• $T$：真實分數（true score）
• $E$：測量誤差（measurement error）

信度係數定義為真實分數變異占觀察分數總變異的比例：

$$r_{XX}=\frac{\sigma_T^2}{\sigma_X^2}$$

因此，誤差變異占總變異的比例為：

$$1-r_{XX}=\frac{\sigma_E^2}{\sigma_X^2}$$

整理後可得測量標準誤：

$$SEM=\sigma_E=\sigma_X\sqrt{1-r_{XX}}$$

在實務上使用樣本標準差 $S_X$ 與信度估計值 $r_{XX}$：

$$\boxed{SEM=S_X\sqrt{1-r_{XX}}}$$

其中 $r_{XX}$ 可依測驗性質採用內部一致性信度、重測信度、複本信度等適當信度係數。

意涵

SEM 表示在相同條件下，個人觀察分數因測量誤差而偏離真實分數的典型程度。SEM 越小，表示測驗分數越精確。

SEM 並非某一位受試者實際發生的誤差值，而是根據全體受試者資料所估計的平均測量誤差程度。

心理衡鑑中的運用

若受試者觀察分數為 $X$，可用下式估計其真實分數所在範圍：

$$T\approx X\pm z(SEM)$$

在常態分配與誤差獨立的假設下：

• 約 $68\%$ 信賴範圍：$X\pm 1(SEM)$
• 約 $95\%$ 信賴範圍：$X\pm 1.96(SEM)$
• 約 $99\%$ 信賴範圍：$X\pm 2.58(SEM)$

例如，某測驗標準差為 $10$，信度為 $0.84$，則：

$$SEM=10\sqrt{1-0.84}$$ $$=10\sqrt{0.16}=10(0.4)=4$$

若某人得分為 $70$，其約 $95\%$ 真實分數信賴範圍為：

$$70\pm 1.96(4)$$

即約為：

$$62.16\leq T\leq 77.84$$

因此，不宜僅將 $70$ 視為完全精確且固定的個人特質數值。

---

二、估計標準誤 SEE

設以預測變項 $X$ 預測效標變項 $Y$。效度係數通常指預測分數與效標分數的相關係數：

$$r_{XY}=\frac{\operatorname{Cov}(X,Y)}{\sigma_X\sigma_Y}$$

在簡單線性迴歸中，決定係數為：

$$R^2=r_{XY}^2$$

其中 $R^2$ 表示預測變項可以解釋效標變異的比例。因此，未被預測變項解釋的效標變異比例為：

$$1-r_{XY}^2$$

估計標準誤即為迴歸殘差的標準差：

$$SEE=\sigma_Y\sqrt{1-r_{XY}^2}$$

以樣本資料表示：

$$\boxed{SEE=S_Y\sqrt{1-r_{XY}^2}}$$

其中：

• $S_Y$：效標變項 $Y$ 的標準差
• $r_{XY}$：預測變項與效標變項的效度係數
• $SEE$：預測效標分數時的典型預測誤差

若為多元迴歸，則使用多重相關係數 $R$：

$$\boxed{SEE=S_Y\sqrt{1-R^2}}$$

意涵

SEE 表示實際效標分數 $Y$ 偏離迴歸預測值 $\hat{Y}$ 的典型程度。SEE 越小，表示預測模型越能準確預測效標。

簡單線性迴歸的預測值為：

$$\hat{Y}=a+bX$$

其中：

$$b=r_{XY}\frac{S_Y}{S_X}$$ $$a=\bar{Y}-b\bar{X}$$

受試者的預測誤差為：

$$e=Y-\hat{Y}$$

SEE 則是所有預測誤差的標準差估計值。

心理衡鑑中的運用

核心觀念

本題考查衡鑑會談中的評估者偏誤與受評者文化因素，重點在於說明三種因素如何使會談資料偏離受評者的真實心理特質，進而降低：

1. 信度：不同評估者對同一受評者的判斷不一致。
2. 建構效度：會談所評量的不是原本要測量的心理特質，而是外表、行為風格、語言能力等非目標因素。
3. 效標關聯效度：會談結果無法有效預測實際行為、臨床診斷或其他外部效標。
4. 決策效度：錯誤判斷影響診斷、處遇、矯正處分或司法決策。

答題時宜採用「定義 → 造成偏誤的機制 → 降低效度的方式 → 專業因應」的架構，逐一處理三項因素。

---

一、月暈效應（halo effect）

1. 定義

月暈效應是指評估者受到受評者某一項突出特徵的影響，將對該特徵的整體印象擴散到其他評估面向。

例如，受評者外表整潔、談吐流利，評估者因而推論其人格成熟、情緒穩定、誠實可靠；也可能因受評者防衛性高、表情冷漠，便全面判斷其缺乏合作性、動機不佳或具有病理性。

月暈效應的核心是：

單一特徵或初始印象，影響對其他彼此不同面向的評分與解釋。

2. 如何降低衡鑑會談效度

月暈效應會造成評估者把「喜歡或不喜歡受評者」轉化為對其能力、人格、症狀、動機等面向的全面判斷，因而產生：

• 評分同質化：各個評估面向的分數過度一致。
• 選擇性注意：只注意支持初始印象的資料，忽略相反證據。
• 資料解釋偏誤：相同的行為因不同整體印象而被解釋成不同意義。
• 評估者間信度下降：不同評估者的第一印象不同，最後結論也隨之不同。
• 建構效度降低：評量結果反映評估者的整體好惡，不是受評者真正的心理特質。

3. 專業工作者的因應方式

（1）分離各評估面向

將人格、情緒、認知、症狀、功能、動機及風險等面向分開詢問與評分，避免以單一整體印象代替各項判斷。

（2）延後整體結論

會談初期只記錄可觀察的事實與受評者的原話，完成各面向資料蒐集後再形成整體判斷，減少初始印象的支配作用。

（3）要求具體行為證據

不以「看起來很成熟」「感覺不可信」作為結論，而要追問：

• 何種具體行為支持此判斷？
• 發生於何時、何種情境？
• 是否持續出現？
• 是否存在相反資料？

（4）採用結構化工具

使用結構化或半結構化會談、標準化評分規準及行為錨定描述，使判斷依據由個人印象轉向一致的評估標準。

（5）進行獨立評分與同儕討論

由不同評估者分別完成初步評分，再比較彼此判斷的依據。討論時應檢視證據，而非只交換「感覺」。

---

二、一般顯眼度（general standoutishness）

1. 定義

一般顯眼度是指受評者因某些特別醒目、異常、戲劇化或不尋常的外在表現，吸引評估者過多注意，使該特徵在衡鑑中被賦予超過其實際意義的權重。

例如：

• 穿著或外表極為特殊；
• 說話速度非常快、音量很大；
• 情緒表現極度強烈；
• 明顯沉默、呆滯或迴避眼神；
• 敘述內容戲劇化；
• 某項症狀或事件特別嚴重、容易引起注意。

一般顯眼度與月暈效應不同。月暈效應是「一項特徵的印象擴散到其他面向」；一般顯眼度則是「某項醒目訊息本身被過度注意與加權」，即使該特徵未必代表正面或負面評價，也會影響後續判斷。

2. 如何降低衡鑑會談效度

一般顯眼度容易造成：

• 可得性偏誤：最容易回想的戲劇性資料，被誤認為最重要的資料。
• 代表性偏誤：以少數醒目行為代表整體人格或症狀。
• 過度病理化：把一次性的激烈反應視為穩定的心理病理。
• 忽略基準率：忽略該行為在特定情境下可能是正常反應。
• 忽略情境與時間脈絡：未釐清行為是否只在特定環境、特定期間出現。
• 過度重視單一來源：以受評者某段敘述、某次行為或某項測驗結果作成全面結論。

因此，會談結果可能對「最顯眼的行為」敏感，卻無法準確反映受評者平時的功能與穩定特質。

3. 專業工作者的因應方式

（1）區分特質與狀態

確認該行為是長期穩定特徵，還是受到當日情緒、案件壓力、睡眠、藥物、身體疾病或司法情境影響的暫時狀態。

（2）進行跨情境與跨時間取樣

詢問該行為在家庭、學校、職場、人際關係及司法機關等不同場域是否出現，並了解其持續時間、發作頻率與嚴重程度。

（3）追問功能損害與實際後果

不能只因行為醒目便判定具有臨床意義，還應評估：

• 是否造成實際功能損害？
• 是否引發人際、工作或法律問題？
• 是否超出該情境下的合理反應？
• 是否有明確的持續性與一致性？

（4）使用多元資料來源

整合受評者自陳、重要他人訪談、病歷、司法紀錄、學校或職場資料及心理測驗結果，避免單一醒目資料主導結論。

（5）記錄行為而非貼標籤

記錄「受評者於十分鐘內三次提高音量並打斷提問」比記錄「受評者具攻擊性」更具客觀性，也較能供後續評估與複核。

---

三、文化差異（cultural differences）

1. 定義

文化差異是指受評者與評估者在語言、價值觀、宗教、家庭結構、性別角色、情緒表達、疾病觀念、社會規範及溝通方式等方面存在差異。

文化差異不僅限於族群或國籍，也包括：

• 原住民族與漢人文化差異；
• 新住民及移民背景；
• 不同語言使用者；
• 宗教與社群規範；
• 城鄉及社會階層差異；
• 世代與性別文化差異。

核心觀念

本題考的是「心理測驗效度觀念的現代化」。傳統上常將效度分為：

1. 內容效度（content validity）
2. 效標關聯效度（criterion-related validity）
3. 建構效度（construct validity）

近代測驗理論則主張：效度不是測驗本身所固定擁有的屬性，也不宜視為彼此獨立的三種效度；效度是「測驗分數之解釋與使用，是否有充分證據及理論支持」的整體判斷。因此，內容、效標與建構不再是三種互斥的效度，而是建立效度論證時所蒐集的三類證據。

此一觀念主要受到 Messick 效度統整觀，以及《心理測驗與教育測量標準》的影響。現代效度觀念可整理為：

$$\text{效度}=\text{支持測驗分數解釋與使用的證據及理論合理性}$$

因此，嚴格而言，不是問「這個測驗有沒有建構效度」，而是問：「在特定目的、特定對象與特定情境下，使用此測驗分數所作的解釋與決策，是否獲得充分支持？」

---

為何效度不再分種類

一、效度是整體性概念

內容效度、效標關聯效度與建構效度，實際上都是在回答同一個核心問題：

測驗分數是否能合理代表所欲測量的心理特質，並支持預定的解釋與用途？

例如，一份智力測驗的題目是否涵蓋智力內容，是內容證據；測驗分數是否能預測學業成績，是效標關係證據；各分測驗是否呈現預期因素結構，則是建構證據。三者都在支持同一個分數解釋，並非三個互不相關的效度。

二、各類效度證據彼此重疊

傳統分類容易造成「只要某一類效度高，測驗就有效」的誤解。但實際上：

• 題目內容的適切性，必須建立在對建構內涵的理論界定上。
• 測驗與外部效標的相關，只有在效標本身能代表該建構時，才具有意義。
• 因素分析或聚合、區辨效度，也必須配合內容與理論解釋。

所以，三類效度並非互相獨立，而是共同形成效度論證。

三、效度是針對分數解釋，不是測驗的永久屬性

同一份測驗在不同用途下，效度可能不同。例如：

• 用於研究團體平均差異，證據可能足夠。
• 用於個別診斷或重大任用決策，則需要更嚴格的證據。
• 測驗在甲族群有效，不代表在乙族群也同樣有效。

因此，效度必須附帶測驗用途、受試者、情境與分數解釋來判斷。

四、效度需要累積證據，而非單一統計量

效度不是由單一相關係數或單一因素分析結果決定，而是依據多種資料、研究結果與測量理論，形成一個整體的效度論證。現代《心理測驗與教育測量標準》通常將效度證據整理為：

1. 測驗內容的證據
2. 作答反應歷程的證據
3. 內部結構的證據
4. 與其他變項關係的證據
5. 測驗結果的後果證據

本題所稱的傳統三種效度，主要對應於第一、第三及第四類證據。

---

解題方法

本題可採「先說明效度統整觀，再分別說明三類證據取得方法」的方式作答：

1. 先界定現代效度：效度是分數解釋與使用的證據支持程度。
2. 說明傳統三種效度的關係：三者不是三種效度，而是三種效度證據。
3. 依序說明內容、效標及建構證據的蒐集方法。
4. 補充各證據的限制，顯示對效度概念的完整理解。

---

一、內容效度證據

（一）意義

內容效度證據是檢查測驗題目是否適切、充分且具代表性地涵蓋所欲測量的內容領域。

例如，若要測量「憂鬱症狀」，題目不能只測量情緒低落，也應視測驗目的涵蓋認知、身體、動機、人際及功能受損等面向。

內容效度重點不只是題目「看起來合理」，而是題目是否具有：

• 相關性：題目確實測量目標內容。
• 代表性：題目能代表整個內容領域。
• 適切性：題目難度、語句及作答方式適合受試者。

（二）取得方法

1. 界定測驗內容領域

先依據理論、診斷準則、課程標準、工作分析、專家文獻或臨床分類，界定測驗所欲涵蓋的內容範圍。

內容領域應明確列出：

• 測量構面
• 各構面的定義
• 各構面的重要程度
• 題型及認知層次
• 題目所占比例

2. 建立雙向細目表或測驗藍圖

依據內容領域與重要性分配題目。例如將測驗分成「知識理解、應用、分析」三種認知層次，再依比例配置題目，使測驗內容具有代表性。

3. 專家審查

邀請熟悉該領域的專家，逐題判斷題目與目標內容的關聯程度、代表性及適切性。專家可檢查：

• 題目是否符合構面定義
• 是否有遺漏重要內容
• 是否有題目偏重同一面向
• 題目是否含有無關因素
• 題目文字是否清楚

4. 計算內容效度指標

可要求專家以數點量尺評定題目相關性，再計算內容效度指標。例如內容效度指數（CVI）可表示專家認為題目適切的比例：

$$\text{CVI}= \frac{\text{評定為適切的專家人數}} {\text{專家總人數}}$$

也可使用內容效度比率（CVR）：

$$\text{CVR}= \frac{n_e-\frac{N}{2}}{\frac{N}{2}}$$

其中，$n_e$ 為認為題目「必要」的專家人數，$N$ 為專家總人數。

5. 預試與題目分析

完成專家審查後，進行預試，分析題目難度、鑑別度、選項功能及受試者理解情形，刪修不適切題目。

---

二、效標關係證據

（一）意義

效標關係證據是檢查測驗分數是否與一個重要且可信的外部效標，呈現理論上預期的關係。

效標必須具備：

• 與測驗目的有關
• 具有合理的信度
• 能代表實際欲預測或判斷的結果
• 測量方式客觀且穩定
• 避免效標污染或效標缺失

效標缺失是指效標未涵蓋實際重要的結果；效標污染則是效標受到與測驗無關因素影響。

（二）同時效度

同時效度（concurrent validity）是在同一時間取得測驗分數與外部效標，檢查兩者關聯程度。

例如：

• 新編憂鬱量表與臨床醫師目前的診斷結果比較。
• 新測驗與已具信效度的標準測驗同時施測，再比較分數關係。

常見分析方式包括皮爾森積差相關：

$$r_{XY} = \frac{\operatorname{Cov}(X,Y)} {\sigma_X\sigma_Y}$$

其中，$X$ 為測驗分數，$Y$ 為效標分數。$r_{XY}$ 越高，表示測驗與效標的線性關聯越強，但相關高低仍須配合理論、信度及測量誤差判斷。

（三）預測效度

預測效度（predictive validity）是先取得測驗分數，經過一段時間後再取得效標，檢查測驗能否預測未來結果。

例如：

• 入學性向測驗預測日後學業成績。
• 任用測驗預測日後工作表現。
• 風險評估分數預測未來再犯或適應結果。