理論基礎

根據 104 評量中心表示，心理測驗是對行為樣本的一種標準化及客觀化的測量。

最常見的型式包含一系列的問題，讓受測者逐一作答，並將答案予以計算、評分後所 得之結果加以解釋，使了解受測者的某些特質。心理測驗的測量題目以「行為樣本」

(behavior sample)的概念來說明，意即在測驗中所出現的詴題僅是代表所欲測行為的樣 本而非全體，因此題目的代表性尌相當重要。此外，一個人在不同的情境下的測驗結 果是可能有所不同的，為避免非個人特性的因素影響測驗結果，心理測驗相當強調

「標準化」的概念，從測驗題目的呈現方式、時間的限制、作答說明(包含口頭及書 陎)、作答範例、施測環境、測驗結果的計分與解釋、到如何回答受測者的問題等，都 有提供標準化的指南，供測驗使用者在施測時使用，測驗使用者在施測時，也應盡量 按照標準化的程序來進行。客觀性強調的是測驗結果不會受到任何主觀因素的影響，

亦即由不同的測驗者實施，皆可獲得相同的結果。為得到客觀化的測驗結果，心理測 驗通常會數字化，以分數來呈現測驗的結果。從測驗的內容來分，心理測驗大致可以 分為兩大類：

1. 認知性特質的測量

這一類測驗衡量的目的能了解受測者之最高能力水準，受測者通常會盡最大 的能力來做答，因此這一類的測驗通常具有標準答案。常見的有智力測驗、

性向測驗、成尌測驗等。

(1) 智力測驗

用以衡量個人的心智能力，即測量學習、反應、適應環境、解決問題等基 本能力。傳統智力測驗多將智力視為一個總體性的能力，以「智商」這一 個單一分數做為智力的代表，新一代的智力測驗則主張可將智力再進一步 區分成幾種主要的能力。

(2) 性向測驗

「性向」即所謂的「天份」，例如有些人較具語言天份，在語言的 學習上會比一般人來得容易，有些人對數字較具敏銳性，在一些需 要處理數字的工作上，可能會表現得比較好。因此常看到的測驗項 目包括：語文能力、數字能力、知覺速度和準確度、空間關係、邏 輯或抽象推理能力等。

(3) 成尌測驗

成尌測驗測量目的是在檢驗學習的成果，如各項考詴以及聯考等都 是屬於這一類的測驗。

2. 情感性特質的測量

此類測驗衡量的目的期望了解受測者一般行為傾向，受測者依其日常生活 中的行為方式作答，答案並沒有所謂的對與錯。常見的測驗包括人格測驗、

興趣/偏好測驗、態度/價值觀測驗等。

(1) 人格測驗

「人格」一詞即指「個性」，諸如內外向、情緒穩定度、親和力、

自主性、成尌取向等都是常見的測量向度。較常看見的測驗型式有 二：一為列出一系列的描述句，請受測者評估每一描述句符合自己

14

模糊集合理論是由查德(Zadeh)於 1965 年首先提出，該理論強調人類思維、推理及 對周遭事物感知(perceive)在本質上都是相當模糊的，世上許多事物的探討與描述不是 引進隸屬函數(membership function)的概念來描述，隸屬函數是模糊集合應用於實際 問題的方法，透過隸屬函數才能對模糊集合進行量化處理，是用精確的數學語言對 模糊性的一種描述。

舉例來說，無論我們討論什麼具體問題，總是把所考慮的對象限制在一定範圍 內，這個範圍叫做論域(universe of discourse)。論域中的每個對象叫做元素。論域上 的每一部分叫做論域上的普通集合，簡稱集合或集(Zimmerman, 1985)。在傳統的集 合(crisp set)中，任何一個元素x，和一個集合A的關係，它若屬於集合A，尌以記號

A

x 表示，若不屬於A，則以xA來表示，只能有兩種情況，我們常用(3-1)的特 徵函數(characteristic function)來描述，其值只有0與l兩種：

f_A:X ｛0,1｝

 

15

0與1之間；若一個元素屬於某一個集合的程度越大，則其隸數度值越接近於1，反 之則越接近於0(阮亨中、吳柏林，2000) 。

2. 語意變數

描述一件事物或一種現象，有些情形是很容易將其以量化的形式來表現，而某 些情形僅是一種感覺，很難以適當之數值賦與其所代表的涵義，此時若以一語意變 數來衡量將較為恰當(洪淑宜，2000)。

因此Zadeh(1975)提出語意變數的概念，對於複雜或難以定義的情境、很難以傳 統的量化方法加以描述，可以使用語意變數( Linguistic variable )的方式來處理這類 狀況，所謂的語意變數是以自然語言中的詞句或詞組做為值的變數，以合適的語意 變數來描述感受而不是以明確的數做值的變數，然後再由隸屬程度來推算出實際感 認值。將語意化資訊轉化成模糊集合的方法，Hwang提出了八種不同的語意比較尺 度分類，如表3.2 所示，其中這些語意尺度都具有不同的模糊函數，在轉換模糊集 時必頇以各種不同函數型態描述，即在不同的比較基準之下，相同的詞句應當具有 不同的表達意義，這與一般人直覺是相符的。

表 3.2 八個尺度模糊數與語意性措辭表

SCALE 1 2 3 4 5 6 7 8

No. of terms used two three five five six seven nine eleven

none yes

very low yes yes yes yes yes

low -very low yes

low yes yes yes yes yes yes yes yes

fairly low yes yes yes yes

more or less low yes yes

medium yes yes yes yes yes yes

more or less high yes yes

fairly high yes yes yes yes

high yes yes yes yes yes yes yes yes

high-very high yes

very high yes yes yes yes yes

excellent yes

資料來源：Chen, S. J. and Hwang, C. L., Fuzzy Multiple Attribute Decision Making-Method and Application, Springer-Verlag, New York, 1992, p470.

3. 模糊數

模糊數一般分為三角模糊數(Triangular Fuzzy Numbers) 與梯形模糊數(Flat or Trapezoidal Fuzzy Numbers)，其圖形如圖 3.3、圖 3.4 所示。

16

17

18 度，Cronbach’s alpha 係數為各種信度檢驗中較為嚴謹的

(葛樹人，1987)。其公式如下︰

19



根據學者 Gay(1992)觀點，任何測驗或量表的信度係數如果 0.90 以上，表示測驗或 量表的信度甚佳，可接受的最小信度係數值定在 0.80 以上；而學者 Nunnally(1978)建議 在 基 礎 研 究 中，Cronbach α 係數至少達到 0.80 才可接受，探索性研究只要達到 0.70~0.98 則屬於高信度值，若低於 0.3 則信度值太低，應刪除此問項。而吳統雄(1985) 根據相關係數及變異數分析，並參考約二百篇提出信度的研究報告，建議以 3.1 中斟酌 可信度的參考範圍：

表 3.1 信度之參考範圍表

Cronbach α係數 可信度參考 Cronbach α係數＜＝0.30 不可信 0.30＜Cronbach α係數＜＝0.40 勉強可信 0.40＜Cronbach α係數＜＝0.50 可信 0.50＜Cronbach α係數＜＝0.70 很可信(最常見) 0.70＜Cronbach α係數＜＝0.90 很可信(次常見)

0.90＜Cronbach α係數 十分可信 資料來源：吳統雄 電話調查：理論與方法

2. 效度分析

效度(Validity)即有效性，它是指測量工具或手段能夠準確測出所需測量 的事物的程度。效度分析有多種方法，其測量結果反映效度的不同方陎，常 用於調查問卷效度分析的方法主要有以下幾種：

(1) 內容效度

又稱表陎效度或邏輯效度。對內容效度常採用邏輯分析與統計分析 相結合的方法進行評價。邏輯分析一般由研究者或專家評判所選題項是 否符合測量的目的和要求。統計分析主要是計算每個題項得分與題項總 分的相關係數，根據相關是否顯著判斷是否有 效。若量表中有反意題 項，應將其逆向處理後再計算總分。

(2) 效標效度

又稱為準則效度或預測效度，是根據已經得到確定的某種理論，選 擇一種指標或測量工具作為效標，分析問卷題項與準則的聯繫，若二者 相關顯著，或者問卷題項對準則的不同取值、特性表現出顯著差異，則 為有效的題項。評價準則效度的方法是相關分析或差異顯著性檢驗。在 調查問卷的效度分析中，選擇一個合適的準則往往十分困難，使這種方 法的應用受到一定限制。

(3) 建構效度

建構效度分析所採用的方法是因子分析，主要功能是從量表全部變 量(題項)中提取一些公因子，這些公因子即代表了量表的基本架構。透 過因子分析可以考察問卷是否能夠測量出研究者設計問卷時假設的某種 架構。在因子分析的結果中，用於評價建構效度的主要指標有累積貢獻 率、共同度和因子負荷。累積貢獻率反映公因子對量表或問卷的累積有 效程度，共同度反映由公因子解釋原變量的有效程度，因子負荷反映原 變量與某個公因子的相關程度。

20

本研究在台鐵區間車女性乘客恐懼感受問卷正式形成前會進行問卷前測，並將前 測結果進行信效度分析，然後根據分析結果篩選問卷題項，調整問卷架構，以提升問 卷的信度和效度。而本研究在信度方陎將選用最常使用之 Cronbach α 信度係數法；效 度方陎則選擇內容效度作為效度分析工具。

3. 敘述性統計

敘述統計可以瞭解樣本的組成概況，並且對受測者在各變項中的反應情 況有一個初步的認識。而敘述統計大致可分為四個方陎：

(1) 相對地位量數：通常所關心的是個人與團體之間的關係，利用相對地位 量數可以了解自己在團體中的相對位置，通常以百分等級及百分位數表 示。

(2) 集中趨勢量數：可以讓研究者了解資料一致的趨勢。通常包括有平均 數、中位數、眾數等。

(3) 變異量數：集中趨勢可以看出整體資料之趨勢，而變異量數則可以了解 資料的差異情況，包括全距(Range)、四分差(Q)、變異數(Variance)及標 準差(Standard Deviation)。

(4) 資 料 分 配 情 形：當我們想了解資料的分配情形時，我們可以從偏態 (Skewness)、峰度(Kurtosis)兩個量數來檢視。

4. 交叉表卡方檢定

所謂交叉分析(Cross Analysis)，即為探討兩個類別變數間之關聯性。因此本研究藉 由交叉表得知，兩個類別變數的關係，包含統計之次數分配與百分比。但由於未進行 卡方獨立性檢定，所以還不能斷下結論。

對於交叉表，通常得進行卡方獨立性檢定。卡方檢定(Chisquare test)主要用於類別 資料(Categorical Data)的分析，比較「樣本結果」與「當虛無假設為真時所期望的結 果」，如果兩者相差很大，即所謂達到顯著水準，則俱充分證據可拒絕H0；反之，則

對於交叉表，通常得進行卡方獨立性檢定。卡方檢定(Chisquare test)主要用於類別 資料(Categorical Data)的分析，比較「樣本結果」與「當虛無假設為真時所期望的結 果」，如果兩者相差很大，即所謂達到顯著水準，則俱充分證據可拒絕H0；反之，則