第四章 結果
第三節 核心認知能力對於 ASD 之分組預測效果
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表4-10 生理年齡、智能與認知異常數量的關係 認知異常數量
ANOVA
事後比較 0 (N = 19) 1 (N = 29) 2 (N = 14) Bonferroni 法
M (SD) M (SD) M (SD) F 值 p 值 生理年齡(CA 月) 108.81 (14.49) 108.04 (16.75) 98.69 (9.76) 2.33 .106
FSIQ 111.05 (8.92) 117.45 (15.87) 98.93 (12.97) 8.96 .000 *** 2 < 0, 1 PIQ 107.95 (15.54) 114.24 (20.82) 98.71 (12.58) 3.66 .032 * 2 < 1 VIQ 113.05 (12.38) 117.79 (13.79) 99.86 (15.17) 8.14 .001 *** 2 < 0, 1
*p < .05; **p < .01; ***p < .001.
第三節 核心認知能力對於 ASD 之分組預測效果
第二個研究問題參考 Best 等人（2008）的研究方法，在此藉由邏輯迴歸
（Logistic Regression）檢驗三種認知能力預測 ASD 與 TD 分組的效果，以了解 是否同時放入三種認知能力的表現，可以更有效區辨 ASD 和 TD 組的整體行為 表徵。在此採用兩種方式進行逐步迴歸，一為納入三種認知的綜合Z 分數，另一 種方式為納入所有認知作業的Z 分數。
三種認知向度的綜合 Z 分數之逐步迴歸
首先，計算三面向認知能力的綜合Z 分數，以代表該向度的綜合表現，在此 以全部樣本的平均數與標準差作為參照，計算每個兒童在各測量值的Z 值，並將 反應時間、固著率等數值加上負號，使所有Z 分數都是數值越大時，表示在該測 驗表現越佳。將各認知向度的Z 分數平均，得到 ToM、EF、CC 等三個綜合 Z 分 數作為預測變項，並且考慮生理年齡、FSIQ、PIQ、VIQ 等作為可能的控制變項。
將三種認知綜合Z 分數與生理年齡、FSIQ、PIQ、VIQ 等變項分別做一次邏 輯迴歸，以了解哪一個認知向度預測力最佳、應首先放入模型，也決定是否需要 放入控制變項。
‧
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表4-13 三項認知變項的共線性診斷
特徵值 條件指標
變異數比例
(常數) ToM EF CC 1 2.039 1.000 .00 .10 .10 .10 2 1.002 1.426 .99 .00 .00 .00 3 .625 1.806 .01 .87 .06 .18 4 .334 2.470 .00 .03 .84 .72
參考 Bowerman & O'Connell（1990）的標準以檢視是否具共線性問題，若任 何一個變異數膨脹因子（Variance Inflation Factor, VIF）超過 10、平均 VIF 遠超 過 1、任一允差（tolerance）小於 0.2 則顯示可能有共線性問題。在此，ToM、
EF、CC 的 VIF 分別為 1.32、1.94、1.81，沒有任何一個超過 10，且平均 VIF（1.69）
沒有遠超過 1，允差分別為 0.76、0.52、0.55，也沒有任一個大於 0.2，因此顯示 並沒有嚴重的共線性問題。然而，從表 4-13 的共線性診斷可以發現 EF 和 CC 在 第四個特徵值的變異數比例皆偏高，兩者之間仍有具有部分共線性。因此，在放 入三項認知分數的邏輯迴歸模型時，其結果有可能部分受到 EF 和 CC 之間共線 性的影響，不排除因共線性增加 EF 與 CC 預測的效果。
各項認知作業 Z 分數之逐步迴歸
除了將三種認知面向的綜合分數納入邏輯迴歸預測分組，在此亦納入所有認 知測驗的測量值 Z 分數，嘗試以前項式逐步迴歸（forward stepwise regression）
的方式進行邏輯迴歸，試圖了解哪些測驗特別具有預測效果。逐步迴歸的方式選 擇 p 值小於.05 的變項，刪除 p 值大於.10 的變項，模型納入常數。EF 向度中的 NEPSY-II 抑制分測驗反應時間為第一個放入模型中的，步驟 χ2(1) = 15.49，p
< .001 達顯著；其次是 CC 向度中的 CEFT 反應時間，步驟 χ2(1) = 6.01，p = .014 達顯著；最後是 ToM 的諷刺分測驗正確率，步驟 χ2(1) = 5.12，p = .024 達顯著。
最終模型的χ2(3) = 26.54, p < .001，然而，Hosmer-Lemeshow 檢定的結果顯示 χ2
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
(8)=16.16，p = .040 達顯著，表示適配度較差。
同樣比較最終模型與只納入一種認知分數的模型，以了解是否納入三種認知 分數時，預測的效果更佳。與僅納入 NEPSY-II 抑制反應時間的模型相比，分類 率從 68%提升至 72.7%，兩個模型的卡方值差異達顯著（χ2(2) = 11.11, p = .004）， 顯示整體模型預測效果確實較佳。
最終模型的各變項 B 估計值如表 4-14，三種認知測量的 B 估計值皆顯著
（NEPSY-II 抑制反應時間：B = -.21，p = .012；CEFT 反應時間：-0.10，p = .010；
諷刺正確率：B = -2.63.，p = .033），認知變項的勝算比（Exp(B), odd ratio）顯 示兒童在 NEPSY-II 抑制分測驗中反應速度的表現增加一個標準差時，兒童落於 ASD 組的機率降低 74%，當 CEFT 反應速度的表現增加一個標準差時，兒童落 於 ASD 組的機率增加 143%，當在 ToM 諷刺分測驗的正確率表現增加一個標準 差時，兒童落於 ASD 組的機率降低 48%。
整體而言，放入綜合認知分數或各項認知作業分數，逐步迴歸的結果皆相近。
皆顯示同時放入三種認知作業的變項時，比只放一種認知作業的模型預測效果較 佳，且三種認知作業各有預測的效果。
表4-14 各項認知作業 Z 分數預測分組之模型（逐步迴歸）
變項 B (SE) p 值 Exp(B) 95% 信賴區間 EF－NEPSY-II 抑制反應時間 -1.33 (0.38) .000 *** 0.26 0.13 0.56 CC－CEFT 反應時間 0.89 (0.35) .012 * 2.43 1.22 4.84 ToM－諷刺正確率 -0.66 (0.31) .033 * 0.52 0.28 0.95
*p < .05; **p < .01; ***p < .001
模型 χ2(3) = 26.54, p < .001; R2 = .24 (Cox & Snell), .33 (Nagelkerke)