第四章 正式研究
第二節 研究結果
本研究結果可以分為量性與質性資料兩部分。量性資料的部分將以SPSS 處理描述統計、二因子變異數分析與相關分析，並以SPSS PROCESS 插件 (Hayes, 2013) 處理中介調節模型。質性資料部分則會用內容分析進行編碼與分 析（瞿海源、畢恆達、劉長萱、楊國樞，2015）。
最後80 名有效樣本當中，內歸因-自我焦點道歉組有 18 人，內歸因-自我 他人焦點道歉組有21 人，外歸因-自我焦點道歉組有 21 人，外歸因-自我他人 焦點道歉組有20 人。
壹、量性資料
一、描述統計與二因子變異數分析
我們會首先檢視各個變項的描述統計並檢驗在四個組別中是否有顯著差 異。親和性與社會期許屬於個人特質，理論上不受到實驗操弄影響。雖然我們 認為傷害嚴重性與遭受侵害時產生的負向情緒會有個人差異，但在本研究的理 論假設下不應因為實驗組別有差異。
然後根據我們的理論假設H1、H3，自我-他人焦點道歉應會造成較高的被 害人正向反應、較低的負向反應，且自我焦點的道歉會造成較低的被害人正向 反應、較高的負向反應。根據理論假設 H2a、H3，在事件原因不可歸責-自我-他人焦點道歉的組別中應呈現外歸因(分數較低)，並有較高的被害人正向反 應、較低的被害人負向反應。H2b、H3 則預測參與者在事件原因可歸責-自我焦 點道歉的組別中應維持內歸因(分數較高)，然後有較低的被害人正向反應與較 高的負向反應。
我們先以二因子變異數分析檢驗事件發生原因與道歉焦點對中介變項的歸 因量表與依變項的被害人正負向反應有無主要或交互作用，再以PROCESS 檢 驗我們的調節化中介模型。
各個變項的分組描述統計如表5 所示。
表5 各變項之分組描述統計
變項
自我焦點 自我-他人焦點
可歸責 不可歸責 可歸責 不可歸責
M SD M SD M SD M SD
傷害嚴重性 3.17 1.98 3.24 1.84 2.86 1.31 2.90 1.89 親和性 8.72 2.14 9.14 2.48 9.57 1.81 9.40 2.23 社會期許 5.08 2.94 5.12 2.69 5.75 4.20 5.71 2.11 道歉前負向情緒 8.53 5.35 7.76 3.17 8.33 5.69 8.63 5.20 歸因量表 4.44 1.48 4.82 1.63 4.86 1.50 4.50 1.54 被害人正向反應 33.67 4.85 30.19 7.24 32.90 7.60 35.00 7.07 被害人負向反應 11.67 6.28 11.24 6.04 10.95 6.21 11.55 6.52
此外必須說明的是，道歉前負向情緒的量表因為部分參與者(n = 12)將量尺 標籤誤認，以為第三點「中等」是「完全沒有」而將原本應填的第一點「非常 輕微或沒有」誤填成第三點。這點可以從這些參與者也將第五題「受到身體上 的傷害」也填到三確認，因為本實驗儘管會對參與者造成心理壓力或負面情 緒，但斷無身體傷害可能可言；且在事後訪談中亦曾跟此類參與者核對參與者 的回答，經參與者確認過確實是誤會尺標意義。因此這12 名將第五題「身體傷 害」填為3 的參與者，其他題目的回答一律以減 2 處理。
且因為部分參與者(N = 8)在指控調查階段與發現錯誤指控階段的情緒反應 都十分明顯，且當下實驗者B 判斷若不立即處理、道歉可能造成進一步傷害。
因此當下就沒有讓這8 名參與者填寫道歉前負向情緒，而是直接進入道歉階 段。故道歉前負向情緒量表的樣本數為72。
我們以二因子變異數分析檢驗各個變項在四組有無差異。首先我們檢驗四 組是否符合變異同質之條件，所有變項的Leven’s test 均未達顯著(傷害嚴重性 F(3,76) = 1.95, p = 0.13；親和性 F(3,76)=1.10, p = 0.96；社會期許 F(3,50)=2.34, p = 0.08；道歉前負向情緒 F(3,67) = 0.98, p = 0.41；歸因量表 F(3,76) = 0.90, p = 0.45；被害人正向反應 F(3,76) = 1.39, p = 0.25；被害人負向反應 F(3,76) = 0.11, p = 0.96)。顯示每個變項在四個組別中變異同質，適合進行二因子變異數分 析。
根據表6 之二因子變異數分析，道歉焦點與事件發生原因對所有變項都沒 有主要效果與交互作用效果。親和性性格、社會期許、傷害嚴重性與道歉前負 向情緒在四組中都沒有顯著差異，與預期一致。顯示隨機分組的參與者個人特 質沒有差異，且參與者對冤枉事件的感受並不會因實驗組別而有差異。參與者 在四個組別中的負面情緒感受應可認為是一致的。
表6 道歉焦點與事件發生原因對各變項之 ANOVA 摘要表
人，自我-他人焦點 X 內歸因組有 3 人，自我-他人焦點 X 外歸因組有 1 人。根 據上述道歉前負面情緒的結果，這應僅只是偶然結果，並非四組實驗操弄對參 與者在衝突事件中的情緒反應有任何特定效果。且在理論上亦難以想像發生的 時間順序在後的實驗操弄會影響時間在前的衝突事件。故以下分析不會區分這 8 名參與者與其他參與者。
但是歸因量表、被害人正負向反應在四個組別中卻也沒有顯著差異，並不 符合本研究的預期。沒有差異代表我們的實驗操弄似乎對中介變項的歸因與依 變項的被害人正負向反應都沒有效果。以下我們仍然先以PROCESS 進行中介 模型的檢驗確認。
二、中介模型
首先根據Hayes(2013)之建議，用來控制誤差之共變項並非越多越好，蓋因 共變項越多自由度也隨之減少，容易造成過於保守的結果。因此只須納入有高 相關之共變項。所有變項間相關呈現如表7。其中親和性與歸因、被害人正負 向反應均沒有顯著相關；社會期許與歸因有顯著負相關(r = -0.28)，傷害嚴重性 與被害人正、負向反應均有顯著相關(r = -0.53、0.48)。因此以下的分析僅會加 入有顯著相關之控制變項。
本研究以Hayes(2013)的 SPSS 插件 PROCESS 檢驗調節化中介模型。自我 焦點/自我-他人焦點的道歉方式為獨變項，事件發生原因可/不可歸責為調節變 項，參與者在道歉後的歸因量表分數設為中介變項，被害人正負向反應則是依 變項。中介調節模型圖如圖1 所示。
首先我們以PROCESS model4 檢驗「道歉焦點→歸因→被害人正負向反 應」的一般中介模型檢驗。從表8 的迴歸分析摘要表可以發現道歉焦點與歸因 類型無法預測被害人正向反應(B = 1.51, p = .26；B = -0.59，p = .22)。唯一有顯 著效果的是傷害嚴重性(B = -1.98，p < .00)。而間接效果在 5000 次拔靴法
(bootstrapping method)亦不顯著，B = -0.06，信賴區間包含 0 [-0.56, 0.37]。結果 顯示中介模型不受支持。
表7 變項間相關矩陣
變項 1 2 3 4 5 6
1.親和性 —
2.社會期許 .29* —
3.傷害嚴重性 .04 -.03 —
4.道歉前負向情緒 .15 -.03 .44** —
5.歸因 .17 -.28* .20 .15 —
6.被害人正向反應 .18 .24 -.53** -.44** -.21 — 7.被害人負向反應 .03 -.17 .48** .35** .16 -.60**
*p < .05. **p < .01.
表8 依變項為「被害人正向反應」之中介模型迴歸分析摘要表
變項 B1 SE t p
截距 4.74 1.57 3.02 .00
道歉焦點 1.51 1.32 1.14 .26 歸因量表 -0.59 0.48 -1.23 .22 傷害嚴重性 -1.98 0.39 -5.07 .00 全體R2= .55， F(3, 76)= 34.73 ，p < .00
註：B 是未經標準化之迴歸係數。
表9 的迴歸分析摘要表顯示道歉焦點與歸因類型無法預測被害人負向反應 (B = 0.34，p = .78；B = -0.27，p = .55)。唯一有顯著效果的是傷害嚴重性(B =
1.67，p = .00)。而中介模型效果在 5000 次拔靴法(bootstrapping method)亦不顯 著，B = 0.03，信賴區間包含 0 [-0.31, 0.43]。結果亦顯示中介模型不受支持。
綜上所述，二因子變異數分析(調節作用)與一般中介效果均不受本研究 結果支持，因此進一步分析中介調節模型已無必要。換言之，本研究假設H1、
H2a、H2b、H3a、H3b皆未獲得支持。
表9 依變項為「被害人負向反應」之中介模型迴歸分析摘要表
變項 B SE t p
截距 4.74 1.57 3.02 0.00
道歉焦點 0.34 1.23 0.28 0.78 歸因量表 0.27 0.45 0.60 0.55 傷害嚴重性 1.67 0.36 4.60 0.00 全體R2= .49， F(3, 76)= 7.87 ，p =< .00
三、以道歉前負向情緒預測被害人反應之歷程
儘管本研究原有之假設並未獲得結果支持，但是我們在爬梳資料後我們發 現了其他值得討論的結果。第一，從表7的相關矩陣中我們可以發現本來只是 用做操弄檢核的道歉前負向情緒與被害人正、負向反應都有顯著相關。第二，
從表8、9 的迴歸分析也可發現本是作為控制變項的傷害嚴重性反而可以預測被 害人正、負向反應。
道歉焦點、事件發生原因的雙調節效果 關於第一點，我們先進一步以單 迴歸分析發現，道歉前負向情緒可以有效預測被害人正向反應(B = -0.54, p
< .00)與被害人負向反應(B = 0.43, p < .00)。換言之，道歉前負向情緒越高者，
被害人正向反應越低，而被害人負向反應越高。我們以PROCESS 的 model3 分
析這條路徑是否受到道歉焦點與事件發生原因的雙重調節作用(moderated moderation)。雙重調節作用的模型則如圖 4 所示。
圖4：道歉焦點、事件發生原因雙重調節效果模型
分析結果如表10 的迴歸分析摘要表顯示，「道歉焦點、事件發生原因與道 歉前負向情緒」對被害人正向反應有顯著的三因子交互作用(B = -1.22, p
= .03)。
表10 依變項為「被害人正向反應」之三因子交互作用迴歸分析摘要表
變項 B SE t p
截距 34.06 1.57 54.78 .00
道歉焦點 1.89 1.24 1.51 .13
道歉前負向情緒 -0.48 0.14 -3.38 .00 道歉焦點X 道歉前負向情緒 -0.38 0.29 -1.31 .19 事件發生原因 0.05 1.24 0.04 .97 事件發生原因X 道歉前負向情緒 -0.10 0.28 -0.36 .72 道歉焦點X 事件發生原因 2.93 2.49 1.17 .24 道歉焦點X 事件發生原因 X 道歉前負向情緒 -1.22 0.58 -2.11 .03 全體R2 = .56，F(7,63)= 4.05，p < .00
三因子交互作用如圖5 所顯示：在可歸責加害人的事件原因之下，自我-他 人焦點道歉的斜率較低；反之在不可歸責加害人的事件原因中，自我焦點道歉 的斜率較低。
圖5：三因子交互作用圖
以迴歸分析來看，在可歸責X 自我焦點道歉的情況之下，道歉前負向情緒 可以預測被害人正向反應(B = -0.56, p = .03)，但是在可歸責 X 自我-他人焦點道
之，在不可歸責X 自我-他人焦點道歉的情況之下，道歉前情緒可以預測被害人 正向反應(B = -1.00, p < .00)，而不可歸責 X 自我焦點道歉的組別則無法預測(B
= -0.02, p = .96)。
此三因子交互作用只有在被害人正向反應為依變項時受到資料支持，被害 人負向反應為依變項時就沒有此一顯著的結果。將歸因量表作為中介變項加入 亦沒有顯著。
以傷害嚴重性為中介變項的被害人歷程 此外關於被害人反應的歷程，雖 然原先假設的歸因量表中介模型不受到結果支持，但我們發現以道歉前負向情 緒預測被害人正、負向反應的歷程會受到傷害嚴重性的中介。
我們用PREOCESS 的 model4 進行中介模型的檢驗，並分別呈現被害人 正、負向反應之結果。從表11 的迴歸分析摘要表可以發現傷害嚴重性與道歉前 負向情緒都有顯著 (傷害嚴重性 B = -1.32, p < .00；道歉前負向情緒 B = -0.34，
p = .02)。代表傷害嚴重性與道歉前負向情緒越高者，被害人正向反應越低。而 中介模型效果在5000 次拔靴法顯著，B = -0.20，SE = 0.07，信賴區間不包含 0
p = .02)。代表傷害嚴重性與道歉前負向情緒越高者，被害人正向反應越低。而 中介模型效果在5000 次拔靴法顯著，B = -0.20，SE = 0.07，信賴區間不包含 0