有答案了，只需帮忙更改第三大题跟第五大题即可(第五大题将葛鲁克夫妇改成别人， 第三题举例也是) ㄧ题一千五，两题三千 有意者速洽[email protected] 留下姓名电话和mail 价格如不满意，可再讨论 ps各位同学，要交班费了，不无小补。约不到两个小时可赚三千元， 请各位同学勤奋一点。 交易方式:面交或e-mail皆可 Ⅰ.试说明下列名词之涵意： 1.操作性定义（operational definition） （1）把概念或名词转译成可观察的事件，此种定义的形式，是谓操作性定义。 （2）这种定义在研究过程中极为重要，因为科学家要着手实证研究以前，务须决定以某些可供观察的事件，来代表那些概念，方可进行。 2.内在与外在信度（internal and external reliability） （1）信度： 1.系指研究的一致性以及研究可以复制的程度。 2.信度为效度的必要特徵，亦即一项研究不能有效度而缺乏信度。 3.信度以可复制性为焦点。 （2）内在信度： 指的是针对相同条件，资料的蒐集、分析与解释一致的程度。（若缺乏内在的信度，资料成为蒐集者的函数，而非实际发生之事件的函数。） （3）外在信度： 外在信度处理独立研究者在相同的或类似的情境中，能否复制研究的问题。研究者如能复制研究，结果能一致吗？若研究是可信的（具有信度的），研究者使用与前一项研究相同的方法、条件等，会获致相同的结果。 3.路径分析（path analysis） （1）路径分析系用来考验涉及三个或更多变项因果关系之理论效度的技术。 （2）路径分析与各种多变项分析技术的主要不同，在於目标一项。 （3）路径分析旨在运用相关资料考验因果关系理论。 4.後设分析（meta analysis） （1）後设分析系指研究者有系统地运用统计技术，综合以前好几种独立执行的量的研究之结果，予以评述的程序（review procedure）。 （2）後设分析是为了统整发现，大量蒐集个别研究的分析结果，再作统计分析，含蕴着对研究的因果的、叙述的讨论，提出替代性处理，以赋予迅速扩充之研究文献的意义。 5.分层比率随机抽样（stratified random sampling） （1）分层随机抽样需先认定各个子群在母群体中所占的比例，然後按此比例，随机选取各子群在样本中所占有之成员的抽样过程。 （2）其原因乃在於母群体中的各子群或各阶层的成员，接受研究的特徵可能有所不同，运用分层随机抽样，才能取得较准确的代表性样本。 （3）分层随机抽样的优点有二：其一可以改进代表性的问题；其二使研究者能够研究可能存在於母群体中的各子群间的差异。 6.单侧与双侧检定（one tailed and two tailed test） （1）当研究者的虚无假设所叙述的仅是有无『差异』，而非叙述任一组的优异或低劣时，他会使用双侧检定。 （2）显着性考验通常以使用双侧检定为多。 （3）当研究者建立的假设有着差异方向时（不只是差异的存在时），他使用单侧检定。研究者需相当确信差异仅在单侧发生时，才宜选用单侧检定。 7.显着水准（level of significance） （1）根据某预定水准来拒绝或接受虚无假设，此预定水准即为显着水准。 （2）显着水准以机率p值（probability value p）表之。 （3）在研究中，通常以0.5作为拒绝或接受虚无假设的标准。 （4）较严谨的显着性检定为0.1显着水准。 8.虚无假设与对立假设（null and alternative hypothesis） （1）虚无假设： 1.系以统计术语呈现，在推论统计的脉络中，通常叙述在研究之下测量母群体的一个或多个母数；因此虚无假设经常含蕴数量的术语。 2.当以推论统计考验统计假设时，即为考验虚无假设。 3.虚无假设所叙述的，与实验者预测的或期待的，恰好相反。 （2）对立假设： 就任何虚无假设来说，都有用来表示其余可能成立的假设，谓之对立假设，以符号H1表之。 （3）虚无假设及其对立假设涵盖两个量数之间所有的可能结果。 （4）研究者普遍认定虚无假设是为拒绝虚无的或否定的假设，提供一种比肯定正面假设更为强而有力的逻辑考验或检定。 9.逐阶复回归分析（stepwise multiple regression analysis） （1）当某一依变项同时受到两个或两个以上自变项的影响，复回归分析即可提供分析这种情境的手段，它亦是社会科学研究中最常使用的一种统计技术。 （2）复回归分析适用於分析因果比较、相关研究、或实验研究的资料，举凡等距、顺序、类别资料均包括在内。 （3）复回归可以估量变项间之关系的统计显着性与量。 （4）复回归可以界定为：用以决定效标变项与结合两种以上预测变项之间相关的多变项技术。 （5）复回归适用於分析关系研究与预测研究。 （6）复回归分析有好几种变异：向上、向下、以及逐步。每种变异使用不同的程序选择子预测变项组，俾对效标变项做最佳的预测。 10.区别函数分析（discriminant analysis） （1）区别函数分析与复回归类似，都是求取两个或更多预测变项与单一效标变项之间的相关。只是区别函数分析的效标变项可分成两个或更多的类别。 （2）区别函数分析中的效标变项可以是间断类别，但要是为连续变项时，则不用区别函数分析，而用复回归分析之。 （3）区别函数分析的主要目的，乃在於根据某群体过去在预测变项与效标变项间存有的关系，从个人预测变项的资料，预测他未来所属的类别，例如可根据不同的职业兴趣来预测个人未来从事之职业的类别。 Ⅱ.何以一般研究者皆喜用李克氏态度量表当作研究工具（其优点何在）？其编制程序、计分方法、信效度考验方法各何在？试分别论述之。 一、李克氏态度量表的优点： （一）李克氏态度量表又称『总和评定量表』。 （二）李克氏态度量表可说是当前的意见或态度调查中，最常使用的一种样式，因为： 1.李克氏总和评定量表不需经评定小组评定即可实施，且由此测得的分数与由赛斯通式量表测得的分数类似。 2.编制李克氏态度量表所耗时间较少，从事意见或态度研究者，较喜欢此类量表。 （三）有学者认为，李克氏态度量表优於赛斯通式量表，因为： 1.李克氏态度量表不必遭遇将量表交由评定者评定的困难。 2.用总和法编制的量表比先由评定者把陈述句归类，然後计算量表值的方式显得较为容易。 3.李克氏态度量表即使采用少数项目，仍有可信度。 二、编制程序： 【量表初稿定案?赋予『反应』一个数值?试验性测试?项目分析?决定要取用哪些题目】 （一）李克氏量表最後初稿定案时的题数，究竟要多少，实无一定而绝对的标准。惟就一般情形而论，若该分量表以测量一种『普遍的』或多重向度的变项，其题数只要20~25题，即已足够；若要测量的是特定的变项，以7~10题为宜。若依某变项编制而成的量表将被细分成为分量表时，每个分量表也宜使用3~7题即可。 （二）量表初稿定案後，接着要实施试验性测试。试验性测试的对象应从研究者将来采该工具所要评量之母群体中，选出的代表性样本。样本数至少要有100人，较能满足统计上的要求标准。 三、计分方法： （一）在李克氏量表上，每个应答者的分数，是个题所得分数的总和。如该量表有25题，每一题最低给1分，最高给5分，则最高的分数为125分，最低的分数为25分。 （二）李克氏量表固然采用五点量表，但比较为研究者愿意采用的有同意、未定、不同意三类，亦有采极同意、同意、不同意、极不同意四类。 四、信效度考验方法： （一）分析李克氏量表的信度，至少须从将来要测量的母群体中，抽取100名作代表性样本，以求信度。 （二）评量李克氏量表的信度，至少有两种方法可用： 1.α系数（coefficient alpha）法： 是求内部一致性的量数，该方法仅实施一次即可。 2.再测信度法： 以决定过去一段时间，测试两次分数的一致程度，但所测试的团体两次均属相同，以求其相关。 （三）李克氏量表没有固定的效度，因此，如有可能，可检核其预测效度（predictive validity）或同时效度（concurrent validity）、与建构效度（construct validity）。 1.预测（同时）效度： 即根据目前测试个人或一群人的特徵，以预测其未来的行为。 2.建构效度： 即指量表能够测量到理论上的构念或特质的程度，是以建构效度乃在探索该量表存有各因素间的关系；简言之，根据测量的变项，以揭示某些已知群体在量表上得分的差异。 Ⅲ.试举一实验设计实例说明其研究程序与设计方法为何？并论述其在内外在效度上之优劣。 谨举『随机化所罗门四组设计（Randomized Solomon four-group design）』及该设计之一实例如下： 一、研究程序 （一）此种实验设计，系R.L. Solomon於1949年首创，它包含两个实验组和两个控制组，其中，前两个组（包括实验与控制组）有前测，後两组无前测，其主要目的在於同时考虑前测及实验处理之双重影响，可消除实验误差至最低程度。 （二）此种设计可以图示如下： R O1 X O2 实验组Ⅰ R O3 O4 控制组Ⅰ R X O5 实验组Ⅱ R O6 控制组Ⅱ （三）在此，R代表随机分派，O1与O3分别代表实验组与控制组Ⅰ之前测平均分数，O2与O4分别代表二组之後测平均分数，O5与O6分别代表实验组与控制组Ⅱ之後测平均分数。 二、设计方法 本设计之实施步骤如下： （一）以随机取样方式自母群体中选择受试者，并随机分派受试者至四组内，接受不同的实验处理； （二）在接受处理前，第一、二组均接受前测，第三、四组则无前测； （三）第一、三组施予实验处理，第二、四组则无； （四）在实验处理之後，四组受试者均接受後测，再比较四组之差异。 三、内外在效度上之优劣 （一）本项实验设计在内在效度与外在效度方面，均无缺陷存在，故为最理想的一种实验设计方式； （二）但是，其最大的困难在於很难找到大量的样本分派至四个组别中而能合乎本设计的要求，故在犯罪研究的应用甚少。 四、难能可贵的实例 1972年美国学者Empey和Erickson二氏曾采用所罗门四组设计来评估在美国Utah州所施行的Provo社区处遇计画的效果，该实验设计可图示如下： 保护管束实验组 E O X O 保护管束控制组 E O O 监禁实验组 E O X O 监禁控制组 E O O （一）在此E表示等组（Equivalence），前排四个O表示前测，第三排的两个X表示接受实验处理，末排四个O表示後测。 （二）该实验之对象均为男性少年犯，且均有严重罪行而被法官宣判交付保护管束或入狱监禁，所有受试者中均无严重智能不足、药物滥用或暴力犯罪前科，四组受试者均以随机分派方式分组，故为等组。 （三）四组中各实验组给予与控制组不同的实验处理，并在这些少年犯释放後作长达四年的追踪研究。结果发现，保护管束实验组与控制组再犯比率差别不大，前者少了71％，後者减少了66％；而监禁实验组与控制组间再犯比率差别较大，前者为49％，後者仅为25％。 Ⅳ.试比较相关研究法、原因比较研究法与实验研究法三者在理论架构、样本选取、变项控制、统计处理与结果解释上之异同。 相关研究法 一、理论架构 （一）有时候被当作『叙述研究』的一种，因为相关研究也在於描述现况。但是相关研究所描述的现况，有别於典型的自陈或观察研究所描述的现况，它以数量的术语描述诸变项的关系程度。 （二）易言之，相关研究系指蒐集资料，以决定两个或多个可数量化的变项之间是否有关系存在，以及彼此间的关系及於何种程度；关系程度以相关系数（coefficient of correlation）表之。 （三）惟诸变项间有关系存在，并不含蕴着彼此之间有因果关系存在。如果诸变项间的关系不高，毋须进一步的考虑，如果诸变项间的关系很高，可进一步以『原因比较研究』或『实验研究』探讨，以决定这些相关是否为因果的关系。 （四）相关研究可分成关系研究以及预测研究。相关研究用以决定一系列变项的关系，或考验有关期望之关系的假设；所涉及的变项系依演绎或归纳的法则而得。易言之，有待研究的关系可能根据理论而得，或衍自经验。 二、样本选取 （一）相关研究通常采用可被接受的抽样方式，采取所需的样本，一般认为可被接受的最小样本人数为30人。 （二）针对待研究变项，选择或发展有效的、可信的测量工具，所得的量数，至为重要且可靠。因蒐集的资料若不适当，所得的相关系数便无法代表准确的关系程度。 三、变项控制 （一）从样本的各个成员中取得的两种或多种分数，其中一种分数为一个变项所有，另一种分数为另一个变项所有，如是的分数配对，即可求得相关。 （二）相关系数表示两个变项之间关系的程度。不同的研究探究不同的变项数量，而且其中的某些研究运用复杂的统计程序，但是所有的相关研究的基本设计相似。 （三）不需控制变项。 四、统计处理 （一）计算相关系数的方法有多种，须视每个变项资料的类别决定。 （二）以等比或等距资料呈现的变项，最常采用的技术为『积差相关系数（皮尔逊r）』。虽然皮尔逊r比较精准，但是以小样本（＜30人）为研究对象时，『斯皮尔曼等级相关』较容易计算，求得的系数与皮尔逊r系数也相当接近。 （三）双变项相关统计： 『积差相关系数（皮尔逊r）』、『斯皮尔曼等级相关』、『肯氏T相关』、『二系列相关』、『广布二系列相关』、『点二系列相观』、『四分相关』、『Phi相关』、『列联相关』、『相关比』。 （四）多变项相关统计分析： 『复回归』、『区辨分析』、『典型相关』、『路径分析』、『因素分析』、『净相关』、『结构方程式模型』。 五、结果解释 （一）相关系数的解释视其用法而定。换句话说，相关系数需要多大才算有用，须依其目标决定。如果某些研究在於探索或考验假设的关系，可以相关系数的统计显着性予以解释；如为预测研究，在作准确预测方面，统计显着性便成为次要的，系数的值才是主要的。 （二）另一值得注意的有关概念是，如样本大小既经决定，相关系数须达显着性的值，随着信赖水准的增加而增加；又随着信赖水准的增加，表中的p值越小。易言之，研究者想要决定的显着性越值得信赖，其系数就需越大。然而应了解的是显着性易与相关的强度混淆，须加留意。不管系数多麽显着，低的系数代表低的相关，显着水准仅在标示某既定关系的机率是真实的，而不问它是否为弱的或强的相关。 （三）预测研究则为另一回事，预测研究中，相关系数的效用超过它的统计的显着性。如果相关系数低於.50，想藉以作团体预测或个别预测是无用的。想要作团体预测，相关系数须达.60~.69以及.70~.79才算适当，欲作个别预测，相关系数则需达.80~.89。 （四）解释相关系数时，须谨记的是在探讨某种关系，而非因果关系。一个显着的相关 系数可能暗示有因果关系存在，但却未建立此种关系，欲建立因果关系的唯一途径就是执行实验。 原因比较研究法（即『事後回溯研究法』） 一、理论架构 （一）原因比较研究法又称『事後回溯研究法』或『解释观察研究法』。 （二）Kerlinger和Lee曾就原因比较研究法提出如下的界定：有系统的实证探究方法，其中科学家未直接控制自变项。因为它们如不是早已发生过的，就是自始即不能被操纵，只能从自变项与依变项的共存变异中，推论诸变项间存有的关系，而无法直接干预… （三）原因比较研究法的自变项须事先确定，然後才进行蒐集资料的工作，这些变项也已经在情境中发生过。 （四）原因比较研究法常被取来与实验研究法比较，与其二者均将焦点置於发现或确立某些资料中诸变项之间的关系。即原因比较研究法与实验研究法有共同之处，能考验自变项和依变项二者之间的关系。然而在确立诸变项间的因果或函数关系时，实验研究法获得的证据，比原因比较研究法获得的，更具有说服力。因为在实验情境中，已经无关变项的效应予以控制，只操纵自变项，已确定它对依变项的影响。反观原因比较研究法，研究者无法操纵自变项，由於缺乏控制或操纵，贸然肯定自变项与依变项之间的唯一关系，可能是冒险的作法。 （四）从某一种意义来说，原因比较研究法可视为与实验相逆的方法。不事先取得等组，然後施以不同的处理；因此开始研究之时，两组便不相同，就要试着决定此等差异的前项因素，但是这种处理方式，无法推论因果的必然关系。 （五）尽管原因比较研究法无法像实验研究法一样，确保因果关系，但是在行为科学的研究中，如运用实验进行研究时，可能有些变项无法被操纵，或因操纵变项致生道德问题，而使实验法受到限制，原因比较研究法这种非实验的方法，便有采用的价值。 （六）原因比较研究法常从已发生的自变项中，探索其与被观察项间的关系，因此现成的资料，往往成为研究过程可供利用的来源，一般而言，现成而又可利用的资料有三：（1）统计记录；（2）个人的文件；（3）大众传播的报导。 （七）原因比较研究法也易与相关研究法混淆。因为二者均不需操纵变项，在解释研究结果时，也遭受类似的限制。惟原因比较研究法尝试确认相关因素，但相关研究法通常无此役图。原因比较研究法欲作比较时，通常采用二组或多组，而相关研究通常使用一组，而对该组的每一个成员进行两项或多项的分析。 （八）原因比较研究法的步骤： 确认研究问题?确立假设?选取比较组?控制无关变项?蒐集与分析资料?发现的诠释 二、样本选取 原因比较研究法不像实验研究法具有随机化、操纵、控制等特徵，是其不利的根源。如为了使各组确保相等，随机化可能是唯一最简单的方式，但原因比较研究法却无法达成，因其各组早已存在，甚至早已接受自变项或处理。 三、变项控制 （一）原因比较研究法为了提升两组间的相等性或矫正已被认定的差异性，而采取控制无关变项的方法。 （二）控制无关变项的方法有多种，适用於原因比较研究法的主要方法有如下各种：（1）配对；（2）比较同质组或次级组；（3）共变数分析。 四、统计处理 可能使用的统计方法包含叙述统计（平均数、标准差、皮尔逊积差相关、列联相关）及推论统计（t检定、变异数分析、卡方检定、曼惠特尼U检定、魏克松配对组带符号等级检定）的方法。 五、结果解释 由於原因比较研究法缺乏随机化、操纵、控制等特徵，欲建立因果关系，确有困难。因当研究者控制处理（X），然後观察得依变项（Y），可合理地说X影响Y；反之，若不能控制X，便可能导致不当的结论，因观察而得的关系可能是一种假结果，亦即此一关系是由於其他原因促成，而非X影响Y。假关系的根源可能有如下三种，於诠释发现时，应审慎为要： （一）共同原因： 采原因比较研究法时，需考虑自变项与依变项二者仅是由於第三个变项促成的两种分割结果的可能性。 （二）反逆因果： 原因比较研究法在诠释观察得到的关系时，吾人必须考虑可确立的因果关系，可能与原先的假设相逆的可能性；即原假设的因，可能为果，反之亦然。 （三）其他可能的自变项： 在原因比较研究法中所考虑的，对Y变项产生影响的自变项，可能不只一个，亦即除了X1变项之外，其他如X2与X3变项，也可能是促成依变项变异的前项原因。 实验研究法 一、理论架构 （一）实验研究法是唯一能真正考验有关因果关系之假设的方法，也是解决社会科学上理论与实际的问题的最有效途径。 （二）在实验设计中，研究者至少操纵一个自变项，控制其他有关变项，以及观察一个或多个变项的结果。 （三）自变项也称为『实验变项（experimental variable）』、『因（cause）』、或『处理（treatment）』，是足以造成差异的活动或特徵。 （四）依变项也称为『标准变项（criterion variable）』、『果（effect）』、或『後测（posttest）』，是研究的结果，系因操纵自变项而造成团体的变化或差异；所已被称为依变项，乃因其『依赖』自变项的缘故。 （五）实验研究若执行得妥，能为假设的因果关系提供最佳的证据。根据实验研究的结果，可以作预测，而相关研究则无此特徵。 （六）实验研究的直接目标，在於预测实验环境中的事件，探索操纵变项与观察变项之间的关系。其最终目标，是把变项间的关系概括化，俾使此等关系能应用於实验环境之外的母群体。 （七）实验研究的特质之一是『控制』。因为除非把会影响效果的其他因素或条件控制，否则无法对特殊条件或处理，可能造成的结果，作有效的评估。 为了把其他的影响因素消除，研究者使用控制组（control group）或称比较组（comparison group），控制组系指选择一群在每一方面与处理组（treatment group）或实验组（experimental group）经验相同的受试者，只是他们不接受处理，没有自变项而已，亦即一个实验若涉及比较不同的处理或不处理的效果时，通常是采『实验组』与『控制组』作比较。实验组和控制组二者的受试者之条件，尽可能求其接近相等，继则实验组用来展示受考虑之下诸因素的影响，控制组则否，然後进行观察，已决定二组出现的差异，或发生的变化何在。 （八）然而实验总以比较处理和不处理为特徵。实验因素的各种型态、数量或程度，都可应用於许多的组别。 二、样本选取 （一）实验研究所需各组样本数的决定，除了视－（1）研究的型式；（2）研究假设；（3）经费的限制；（4）研究结果的重要性；（5）研究变项的数目；（6）蒐集资料的方法；（7）需要的准确度；（8）母群体的大小－而定之外，『统计力分析公式（power analysis formula）』亦可供求出适当样本数之需。 （二）有关统计分析公式约有两种可供选择： 1.藉着考量统计显着水准（α）、在研究中期望的统计力、和效应大小（effect size）三要素，决定可供团体比较的样本数。 2.以特定公式计算所需之各组样本数，来标示让研究者因特定效应的大小以及显着水准拒绝虚无假设所需的样本数。 三、变项控制（须变项控制） （一）与实验研究有关的变项，大致有：机体变项、中介变项、与无关变项（extraneous variables）。 （二）机体变项： 接受研究的个体本就存在的特徵，为实验者所无法改变的特徵属之，如性别、智利属之，是研究者无法随机分派给受试者的变项，亦称属性变项。 （三）中介变项： 是无法操作或测量的，但可从推论中得知其存在的变项，中介变项的珠现，会混淆了对其他变项效应所做的解释。无关变项与中介变项，同属混淆变项，只是无关变项较易被观察或测量。 （四）无关变项： 无关变项系指那些可能与实验处理无关，但因与实验处理同时出现，且可能对依变项产生重大影响，却未被控制好的自变项（即未被实验者操纵的变项）。根据许多研究获得的结论，由於受到这些无关变项的影响，而变成无效。与实验处理没有直接关系的无关变项，研究者可采用数种方式移去，或削弱其影响，以为控制，其方法如下：（1）排除变项；（2）配对案例；（3）平衡案例；（4）共变数分析；（5）随机化。 四、统计处理 （一）真正的实验设计： 1.『前侧－後侧控制组设计』的统计分析： ｔ检定、变异数分析、共变数分析。 2.『仅为後测控制组设计』的统计分析： ｔ检定、变异数分析； 3.『索罗门四组设计』的统计分析： ｔ检定、2*2多因子变异数分析、共变数分析。 （二）多因子实验设计： 多因子变异数分析、多因子共变数分析、各种多变项分析。 （三）准实验设计： ｔ考验、共变数分析 五、结果解释 一项实验设计如果妥善，研究者便能从存在的实施结果中，取得若干结论，分析实验资料的方式，由统计分析的叙述，当可了解。但对资料的解释，便须考虑到资料的形式以及这些形式标示的实验处理究竟是什麽意义。 【注：以上划底线处，系为标明三种研究法之相互比较。】 Ⅴ.试举一犯罪预测研究实例说明犯罪预测研究之研究设计、统计方法、计分给点方式、及预测表之制作程序。 谨举美国哈佛大学教授格鲁克夫妇（Sheldon Glueck & Eleanor T. Glueck ）於1930年所发表之『500名犯罪者之经历（500 Criminal careers）』所做的假释者再犯预测研究为例。 一、研究设计 他们动用多数之专门调查人员，对於在1919年至1920年间，由麻州矫治机构所假释的510名男性犯罪者做实地调查，蒐集其入狱前、入狱中、假释中及假释後四阶段期内之各种资料，选出犯罪可能因子共50个。然後运用统计技术，再检选与犯罪具有重大关连的因子8个，以作再犯之预测。 二、统计方法 （一）其所使用的统计方法是首先对於50个因子之每个因子设定2到4个细目。 并将全体对象，根据其假释後之生活情况，分为（1）成功；（2）部分失败；（3）失败之三组。所谓成功者，指全无警察机关及法院之记录者。所谓部分失败者，指虽然曾有被捕纪录，但次数在5次以下者。所谓全面失败者，指再受有罪判决者。 （二）然後就每个因子之细目，分别计算属此三组者之百分率。例如以『勤劳习惯』因子为例，下设勤勉、普通、懒惰三细目，就此三项算出其与假释成败关系之百分比如表Ⅴ-1。格鲁克夫妇就每个因子制成如此之表，再就每一表，运用统计学上之列联系数C（mean square contingency coefficient），选出关联性较大，即C值较大之下列8个因子：（1）勤劳习惯（C=0.42）；（2）犯罪之重度与次数（C=0.36）；（3）本犯以前之检举（C=0.26）；（4）收容前之受刑经验（C=0.29）；（5）判决前之经济责任（C=0.27）；（6）入狱时精神的异常性（C=0.26）；（7）在狱中违反规则之频度（C=0.33）；（8）假释期间之犯罪（C=0.47）。以上八因子中，前六个属收容前之情况，後二个属收容後之情形。格氏为能供量刑时预测之用，仅取前六因子作预测表。 【表Ⅴ-1 格鲁克夫妇预测因子之给点方法（A）】 假释成功 勤劳习惯 成功 部分失败 失败 总计 人数 ％ 人数 ％ 人数 ％ 人数 ％ 勤勉 28 46.7 6 10 26 43.3 60 100 普通 16 20.3 16 20.3 47 59.4 79 100 懒惰 18 12.1 29 19.4 102 68.5 149 100 计 62 21.5 51 17.7 175 60.8 288 100 三、计分给点方法 （一）其计分给点方法如表Ⅴ-1所示，其法是以表中某细目在失败类上的百分比，当作应得之分数。 （二）譬如，就勤勉此细目在『勤劳习惯』此一因子上之权重而言，有26人即43.3％的假释失败率，故给予43.3分；普通得59.4分，懒惰得68.5分。格鲁克将此项分数称为失败分数（failure score）。 （三）最後将六个因子中各表内失败分数之最低分相加，即可求出全体之最低分与最高分。 四、预测表之制作程序 由最低到最高分间分成若干组别（级），就每一级计算得分多寡与假释成败之关联性，制成再犯预测表，如表Ⅴ-2所示。 【表Ⅴ-2 格鲁克夫妇之再犯预测表】 六因子之得点 成功 部分失败 失败 计 244~295 75.0％ 20.0％ 5.0％ 100％ 296~345 34.6％ 11.5％ 53.9％ 100％ 346~395 26.2％ 19.1％ 54.7％ 100％ 396以上 5.7％ 13.7％ 80.6％ 100％ 全事件 20.0％ 15.6％ 64.4％ 100％ --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 211.74.181.98