對偶分析

Kenny 等人（2006）整理一些對偶資料的分析方法，強調當研究對象為小團體 成員（如夫妻、親子、同事、好朋友或醫生與病人等）時，需考慮到同一小團體的 成員是具有相依的特質，不應視他們為彼此獨立的。根據 Kenny 等人（2006）對

「對偶非獨立（Dyadic non-independence）」的定義，指對偶中兩位成員分數的非 獨立特性，即跟其他不同對偶的成員相比，同一對偶的兩位成員的分數會更為相似。

因此「不孕夫妻」應被視為非獨立的（non-independence）的對偶資料（dyadic data）。

非獨立可以在不同人際關係及互動情境中發生，根據 Kenny 等人（2006）的 歸納，主要可分以下四類，如（1）自主連繫（voluntary linkage），存在於朋友、

情人間；（2）親屬連繫（kinship linkage），存在於家庭成員，如手足、父母與孩 子間；（3）實驗連繫（experimental linkage），因實驗操弄而形成的關係；（4）

匹配連繫（yoked linkage），兩人暴露在相同的環境刺激，彼此不一定認識。而夫 妻的關連是同屬於自主連繫及親屬連繫兩種情況。而不孕夫妻的相依特質更被突顯 在於即使不孕因素歸因其中一方，都是夫妻雙方一同面對以及共同承受不孕之影響。

對偶中的非獨立性，除了指稱對偶之間相同因子的關聯程度，亦包括因個體 的前因，同時影響自己及伴侶的結果（陸洛、張妤玥，2015）。對偶資料之間的相 關性，會影響對結果變項的解釋或預測，因此統計分析時如忽略資料的非獨立性，

假設檢驗結果會出現重大偏誤，傳統的多元迴歸分析（multiple linear regression）

或變異數分析方法（analysis of variance）並不適合處理具相依特質的對偶資料，因 其有樣本獨立性的假設，無法把對偶非獨立的資料間的相關性納入分析（Cook &

Kenny, 2005）。

根據 Kenny 等人（2006）的整理，非獨立性的產生奠基於以下四種可能性，

如：（1）組合效果（compositional effect），對偶成員原本就具有相近性，如夫妻 兩人在社經地位、學歷、宗教信仰等變項會具高相似性；（2）伴侶效果（partner effect），對偶成員的特質或行為，會影響對偶另一成員的結果；（3）相互影響

（mutual influence），對偶中兩人的結果變項會直接互相影響；（4）共同命運

（common fate），對偶有共同的經驗相同的「前因」。有見及此，Beck 與 Kenny

（2006）整理了三種處理對偶資料的統計模型，分別為行動者與伴侶相依模式

（Actor-Partner Interdependence Model，簡稱 APIM）見圖 2-1（Beck & Kenny, 2006, p.145 ）、相互影響模式（Mutual Influence Model，簡稱 MIM）見圖 2-2（Beck &

Kenny, 2006, p.408）及共同命運模式（Common -fate model，簡稱 CFM）見圖 2-3

（Beck & Kenny, 2006, p. 410），三者呈現對偶的不同的相依架構。

行動者與伴侶相依模式（APIM）為目前探討對偶資料最常使用的模式架構，

其特色為呈現出相依性在於伴侶效果。如圖 2-1 所示，對偶中有兩名成員以「1」

和「2」表示，兩人的預測變項分別為 X1和 X2，而兩位之結果變項分別為 Y1和 Y2。 APIM 的優勢在於區分出行動者效果（actor effect）及伴侶效果（partner effect）。

行動者效果為個體的預測變項對自身之結果變項的影響，即「a」路徑。伴侶效果 為伴侶的預測變項對個體之結果變項的影響，即「p」路徑。X1和 X2間的相關來自 兩人的組合效果，即兩人相同元素原本就有的相關程度；而另一個相關為殘差非獨 立（residual non-independence；Kenny et al., 2006）。

相互影響模式（MIM）呈現出的相依性在於兩名成員的結果變項相互影響，

如圖 2-2 示，對偶中兩名成員的預測變項 X1和 X2各自影響自己的結果變項 Y1和 圖 2-1 行動者與伴侶相依模式（APIM）

「a」代表行動者效果，「p」代表伴侶效果

相等的。因此，如在 MLM 的架構下，X1對 Y2所造成的影響是透過 Y1的中介效果，

為間接的效果，這是與 APIM 的不同，因 APIM 的伴侶效果為直接效果（Kenny et al., 2006）。

共同命運模式（CFM）呈現出的相依性並不是在於兩名成員彼此影響，而是 兩人受到相同外在因素影響，即圖 2-3 所示的潛在變項 X 跟 Y。在 CFM 的假設中，

變項 X1及 X2都受到潛在變項 X 的影響，而變項 Y1及 Y2都受潛在變項 Y 的影響，

而潛在變項 X 跟潛在變項 Y 存在共變關係（Kenny et al., 2006）。

圖 2-2 相互影響模式（MIM）

圖 2-3 共同命運模式（CFM）

Kenny 等人（2006）強調選擇對偶模式時，應以研究問題的假設來考量。本研 究依據前述文獻，污名讓個體產生負向情緒，然而在不孕污名化的脈絡過去未有探 討對偶層次的研究，即個體之不孕污名化是否對伴侶的情緒也有影響效果，亦即伴 侶效果（partner effect）。因此，本研究採用 APIM 作探討，丈夫或妻子的不孕污 名化如何影響自己情緒（即行動者效果），以及丈夫或妻子的污名化如何影響伴侶 的情緒（即伴侶效果）。

接著，APIM 能更細緻地探討比較行動者效果及伴侶效果，區分以下四種模式：

1. 行動者導向（actor-oriented）：伴侶因素對個體的結果變項沒有影響效果；

2. 伴侶導向（partner-oriented）：個體的結果變項只受到伴侶因素影響，而個體 因素無影響效果；

3. 對偶導向（couple-oriented）：結果變項同時受到自己與伴侶因素影響，且效 果的大小相近及方向相同的；

4. 社會比較（social comparison）：結果變項同時受到自己與伴侶因素影響，而效 果的大小相近，但方向相反（如行動者效果為正向，但伴侶效果為負向）

根 據 成 員 性 質 是 否 能 辨 別 ， 可 將 對 偶 區 分 成 兩 類 ： 可 辨 別 成 員

（distinguishable members）如夫妻、親子等，就分別因性別、家庭角色不同可作明 確區分，以及不可辨別成員（undistinguishable members）如同性戀配偶、同事等；

需注意的一點是，區分的特質必須在研究上具有意義，而不是研究者任意的區分。

依 Kenny 等人（2006）的建議，即使為可辦別成員的對偶（如夫妻），仍應進行辦 別檢驗的統計分析，如夫妻間在變項的平均數、變異數及相關等參數均沒有顯著差 異，即表示性別並非影響的因素，統計上應視之為不可辨別成員的對偶。

APIM 的分析方面，Kenny 等人（2006）認為，可採用多層次模型（Multi-Level Model, MLM），亦稱作階層線性模式法（Hierarchical Linear Model, HLM），

或者結構方程模型（Structural Equation Modeling, SEM）進行分析。如研究對象為 不可辨別成員的對偶，建議使用 MLM；如研究對象為可辨別成員，建議使用 SEM，

SEM 的優勢在同時對一模型中多項公式進行檢驗，及效果的比較（Hong & Kim, 2019；Kenny et al., 2006），對測量誤差和因子負荷量具更準確的估計，從而提供