對偶資料的收集與分析

（一）對偶資料的收集

我們時常聽到：「一個巴掌拍不響」、「孤掌難鳴」，台語亦有相同概念：「錢 無兩銀擲不響」，甚至英語亦有雷同的話：「It takes two to tango.」。從以上 這些生活諺語便可推知一般情侶的互動行為，不論是正向或負向的行為，應該都 不會是單方面所能造成，甚至，將範圍擴大到所有人際之間的互動亦然。也就是 說，形成最後結果的原因，可能是參與互動的所有人共同導致的。甚至早在 Hazan 和 Shaver（1987）這篇經典的研究中也指出在一段親密關係中，同時收集男女兩 方的資料是一個實際上必要之路。因此，研究者認為在做情侶研究時，若無法收 集情侶雙方的資料，對於瞭解該對情侶的多元與完整內容性將受到限制，所分析 之結果也難免流於片面之詞。以下，研究者將介紹收集完對偶資料後應該如何作 分析。

（二）對偶資料的分析

許多社會心理學、人格心理學所研究的領域都是關心一個群體或是一組人的 現象，因為這些人之間彼此是有關連性的、非獨立性的（nonindependence），在 分析這些資料時，就必須要考慮到這些資料的非獨立性。然而過去許多研究在分 析資料時，都忽略這個前提，而將這些彼此是非獨立性的資料用以傳統的分析法。

最常見的統計分析方法（例如：ANOVA 或多元回歸）都是具有觀察變項彼此獨立 的假定，因此當這樣的假定被違反了之後，其自由度就會不正確，而其統計結果 也會有所偏誤。因此當我們所研究的一組人彼此之間不是互相獨立的時候，就必 須要以對偶資料來分析，而非以傳統的個體資料來分析（Kashy & Kenny,2000;

Cook & Kenny, 2005; Kenny,Kashy, & Cook,2006）。

40

在本研究中，所收集到的資料型態是一對一對的情侶，每對情侶中兩人的資 料是有關聯性的，也就是說本研究的資料間不再是獨立的，因此將使用以下兩種 模式一同分析本研究之對偶資料。茲分述入下：

1. 個人與伴侶相互影響模式（The Actor-Partner Interdependence Model, APIM）

(Kenny,1996; Kashy & Kenny,2000; Campbell & Kashy, 2002; Cook & Kenny, 2005; Campbell,Simpson,Boldry,& Kashy,2005; Kenny,Kashy, & Cook,2006)

APIM 是一個對偶關係（dyadic relationships）模式，在這個模式中整合 了在兩人關係中相互性（interdependence）觀點，並使用適當地統計方法去計 算與分析（Cook & Kenny, 2005）。

APIM 指出當個體之間是在一段相互依賴的關係當中，他們的結果變項不只 是會根據他們自己的特質與輸入，也會根據伴侶的特質與輸入。因此，這個模式 同時估計個人效果（actor effect）與伴侶效果(partner effect)，在這裡個人 效果是指個體自己的預測變項對自己結果變項的效果，而伴侶效果是指伴侶的預 測變項對個體自己的結果變項的效果（Kenny, Kashy, & Cook , 2006）。

由於本研究將同時收集情侶雙方的資料，故使用 APIM 的概念，並以下述的 多層次模式進行分析。

2. 多層次模式分析（Multilevel Modeling, MLM）

多層次模式分析（Multilevel Modeling, MLM）也就是一般所稱的階層線性 模式（Hierarchical Linear Modeling, HLM）是一個相當新的統計分析技術。對於 對偶資料的分析可說是相當的實用。隨著 MLM 的發展，以 MLM 來分析對偶資 料這種觀察資料間不再獨立的特殊狀況，將是極為必要且合適的分析方法，在未 來，對偶資料的多層次模式分析將會越來越廣泛與盛行（Kenny, Kashy, & Cook , 2006）。

許多社會科學的研究上，限於人力物力之因，其實很難做到完全隨機抽樣，

許多研究者都是先發放到單位、學校、或是班級來進行施測。因此，這樣一來，

41

資料間的獨立性可能會受到他們來自相同學校或相同班級而無法維持。此外，在 鑲嵌設計（nested design）中，資料間彼此是具有層次與脈絡的關係，也就是說，

學生是鑲嵌於學校底下，當我們在考慮學生的資料時，也必須考量到來自學校的 脈絡情境對學生的影響。簡言之，當資料間不在是獨立，反而具有一些階層、鑲 嵌的關係時，這個時候就必須使用階層線性模式（溫福星，2006）。

在本研究中，每一對情侶之間都有其交往的文化，彼此資料的相關性也都很 高，因此資料間已經不是全然獨立，資料的型態是情侶兩人為一個集群

（clustered），情侶中的每個人的資料也都鑲嵌（nested）於整個情侶關係中，因 此這樣的對偶資料型態就必須使用 MLM 分析(Gelman &Hill, 2007)。

以下，研究者簡單介紹對偶資料的多層次模式分析的議題。

1. 對偶資料之多層次分析模式的限制

在一般 MLM 中，第一層的係數（截距與斜率）是被允許在各團體間是有差異 的，但是使用 MLM 來分析對偶資料時，斜率（也就是每對群組中 x 對 y 的效果）

必須被迫於在所有對偶中都是一樣的，也就是說，在這樣的模式中，當我們談到 x 對 y 的效果，只能存在固定效果（fixed effect），而隨機效果（random effect）

必須在模式中被省略。這樣的理由是，對偶資料中每組只有兩人，這樣的人數不 夠允許斜率於每對與每對之間有變異（Campbell & Kashy ,2002; Kenny, Kashy,

& Cook , 2006）。因此，本研究的第二階層，只有在截距項設定誤差項，其餘斜 率都視為是固定效果。

2. 多層次模式分析的樣本數

當以 HLM 的「個人鑲嵌於團體」（person-within-group）的概念來處理對偶資 料時，這時可以把一個團體視為兩個人（Kenny, Kashy, & Cook , 2006）。究竟一 個團體中指有兩個樣本是否足夠呢？一些學者提出肯定的看法：

溫福星（2006）指出，總樣本數固定，在平衡設計（balanced-design）的情 況下，組間樣本數 J 越大，各組樣本數 n 越小，可以降低標準誤。在探討跨層級

42

交互作用（cross-level interaction）效果時，組間樣本數 J 越大，各組樣本 數 n 越小，可以增進這個效果的檢定力。 此外，當組內相關係數 ρ 越高時，組 內 n 越小越好， 當 ρ 接近 1 時，最好的樣本設計是 n=2。另外， Gelman 和 Hill

（2007)也提到一個群組中兩個觀察資料即足夠 fit 一個 MLM 。

由上述可知，本研究以 MLM 分析對偶資料，樣本數是足夠且適合的。

3. 變項的平移（centering）

在進行多層次模式分析的時候，許多學者都會建議將預測變項平移，將變項 平移的好處有：(1)減少預測變項間的多重共線性 (2)讓截距有意義被解釋（溫福 星，2006）。 一般來說學者都建議平移至總平均數（Grand mean）較好，而組平 均數（group mean）則不建議採用（溫福星，2006; Kenny, Kashy, & Cook , 2006）。

此外，對於類別變項來說（例如性別），可以被有效率的編碼成為（1,-1），這樣 一來其平均數為零，我們就可以把它視為是對所有男生女生「整體平均」而言

（Campbell & Kashy ,2002; Kenny, Kashy, & Cook , 2006）。

因此，在本研究中，研究者將預測變項平移至總平均數，並將性別變項做有 效率的編碼，將女生編碼為 1，男生編碼為-1。