Negative Evaluation Scale, FNE）(林肇賢, 2008)，目的在篩選出社會焦慮傾向較 高與較低的受試者。選擇受試者的程序如下：
一、社會逃避和苦惱量表（Social Avoidance and Distress Scale, SADS）
SADS (Watson & Friend, 1969) 主要是用來測量個體在社交情境中不安、焦 慮的程度以及個體想要逃避社會互動的傾向，該量表共包含 28 題，其中 14 題評 估社交逃避，另外 14 題評估社交苦惱，所有題項都以「是」與「否」的方式作 答，具有良好的內部一致性信度為.96，以及一個月後的再測信度為.68，並有不 錯的建構效度(Heimberg, Hope, Rapee & Bruch, 1988)，中文版的 SADS 亦被證實 具有良好的內部一致性（Cronbach’s α = .92）（楊靜芳，2003）。
‧
二、負向評價恐懼量表（Fear of Negative Evaluation Scale, FNE）
FNE (Watson & Friend, 1969)主要是針對社會焦慮個體容易擔憂自己會得到 他人負向評價的特性，測量個體在社交情境中，害怕別人對自己有負向評價的程 度，該量表共包含 30 個題項，描述個體對於可能招致他人負向評價的憂慮。所 有題項以「是」與「否」的方式填答，具有良好的內部一致性信度為.94，以及 一個月後的再測信度為.78，並有不錯的建構效度(Heimberg, Hope, Rapee & Bruch, 1988)。
‧
（fMRI）掃瞄，使用儀器為 Siemens MEGNETOM Skyra 3T 搭配 32 channel 頭部 線圈進行功能性掃瞄，並採用梯度迴訊面迴影像（Gradient-echo Echo-planar imaging, GE-EPI）脈衝序列進行掃描以縮短測量 BOLD 信號的時間，掃描參數 設定方面，研究使用的空間設定為：35 張橫向切面以包含全腦影像，影像範圍 192×192 mm2，影像尺寸為 64×64 像素，影像厚度為 3mm（對應空間解析度為 3×3×3 mm3 ）， 掃 瞄 時 影 像 均 針 對 AC-PC 線 （ anterior commissure-posterior commissure line）進行校正對位。而影像掃瞄參數為：重複時間（Repetition time, TR） 2 秒，廻訊時間（Echo time, TE） 35 毫秒，偏折角度（Flip angle, FA） 84°， 將排入高解析度 T1-weighted 結構性掃瞄，其參數設定如下：採用 3D-MPRAGE 脈衝序列，影像尺寸為 256×256×192 像素，空間解析度為 1x1x1 mm3 之等相位 空間影像(isotropic image)，反轉時間（Inversion time, TI）為 1100 毫秒，TR = 2530 毫秒，TE = 3.3 毫秒，FA = 7°，頻寬為 200 Hz/pixel，平行影像掃瞄 iPAT=2，
總掃瞄長度約為 6 分 3 秒。
第五節 影像資料分析 一、fMRI 資料前處理
對於掃描所得的資料，前處理以 Statistical Parametric Mapping (SPM 8, Wellcome Trust Centre for Neuroimaging, University College London, London, UK)
‧
料變為可用 SPM8 分析的資料；頭部移動量之校正(motion correction)，是為了避 免受試者在掃描時的頭部移動對資料造成影響，使用 6 個頭動參數將影像進行重 新排列，並估算過程中受試者頭部移動狀況；結構對位(coregistration)，是為了 令受試者的影像能相對應，並使用受試者的 T1 影像與平均 EPI 影像估算參數，估 計 受試 者的 結構 影像 與功 能 影 像； 影像正規化 (normalization to Montreal Neurological Institute (MNI) EPI template)，是為了使不同大腦結構可進行組別比 較，需要將資料轉換到同一模板才可進行，所以需要標準化；平滑化(spatial smoothing using Gaussian kernel, FWHM=8mm)，是為了抑制雜訊的影響，減少腦 區邊緣活化的效果，最後進行線性飄移信號(detrending)以及帶通濾波(band-pass filtering: 0.01 ~ 0.1 Hz)(Ding et al., 2011; Prater et al., 2013)的去除。
二、RS-fMRI 功能聯結分析
功能聯結分析同樣使用 SPM8 與 REST toolbox 軟體進行資料分析。
(一)第一階段的功能聯結分析(First-level connectivity analyses)
為了做條件性種子分析，需要先定義好感興趣的種子區域，由於本研究並未 對左右側腦功能做預測，所以選擇的種子座標皆為左右對稱，因此按照前述文獻 回顧選擇：MPFC，座標是(±6,60,1)；PCC，座標是(±2,-52,26)；ACC，座標是 (±6,18,28)；VMPFC，座標是(±2,54,1)；和 DMPFC，座標是(±9,45,42)。在 MPFC 種子的座標從 Brühl 等人(2014)的研究獲得，但由於他們的研究使用的是 Talairach 座標系統，因此使用 REST 將其轉換成 MNI 座標；PCC 和 ACC 種子的座標則由 Pannekoek 等人(2012)的研究取得，因其原先便使用 MNI 座標，無須再轉換；
VMPFC 種子的座標是由 Blair 等人(2011)的研究得到，同樣從 Talairach 轉換成 MNI 座標；而 DMPFC 種子的座標則從 Mitchell 等人(2006)的研究獲得，本來就
‧
(correlation maps)，是透過提取來源種子的時間序列與全腦裡其他體素的時間序 列作皮爾森相關(Pearson’ correlation)，並使用費雪的 r 到 z 轉換(Fisher’s r-to-z transform)讓其可以成為常態分佈，以利接下來做第二階段的一般線性模型分析 (General Linear Model analyses)，而在第一層級分析所得到的影像結果，包括各 個種子的功能聯結圖譜和 z 圖譜。(二)第二階段的功能聯結分析(Second-level connectivity analyses)
第二階段的分析是進行高社會焦慮組與低社會焦慮組的組內與組間分析。組 內比較的部份，高社會焦慮組與低社會焦慮組皆使用 SPM8 進行單一樣本 t 檢 定；組間比較的部份，也使用 SPM8 進行雙樣本 t 檢定作分析。
在組內與組間的比較，還需要作多重比較校正，組內比較的部份，本研究使 用當 p＜0.05 的族誤差率(family-wise error, FWE)校正(pFWE-corr0.05)，只有當全 腦的團塊超過閾值，才會被視作有達到統計顯著；而在組間比較的部份，本研究 採用 AlphaSim 校正(http://afni.nimh.nih.gov/pub/dist/doc/manual/AlphaSim.pdf)來 找出在 p 值為 0.01 時，最小的團塊(clusters)閾值應為多少，此程序為透過 1000 次蒙特卡羅模擬(Monte Carlo simulations)，來看在 p 值為 0.01 時，團塊應高於多 少閾值，才算是統計顯著，而校正的結果是當 p＜0.01 時，只有當團塊大於 95 時，才能算是有統計顯著的功能聯結。
最後，本研究還進行探索性的分析，本研究將調查在組間比較達統計顯著的 各種子與其相關聯結腦區和 SADS 及 FNE 量表分數的關係，以探究在神經生理 與行為的關聯性。