有答案了，只需幫忙更改第三大題跟第五大題即可(第五大題將葛魯克夫婦改成別人， 第三題舉例也是) ㄧ題一千五，兩題三千 有意者速洽[email protected] 留下姓名電話和mail 價格如不滿意，可再討論 ps各位同學，要交班費了，不無小補。約不到兩個小時可賺三千元， 請各位同學勤奮一點。 交易方式:面交或e-mail皆可 Ⅰ.試說明下列名詞之涵意： 1.操作性定義（operational definition） （1）把概念或名詞轉譯成可觀察的事件，此種定義的形式，是謂操作性定義。 （2）這種定義在研究過程中極為重要，因為科學家要著手實證研究以前，務須決定以某些可供觀察的事件，來代表那些概念，方可進行。 2.內在與外在信度（internal and external reliability） （1）信度： 1.係指研究的一致性以及研究可以複製的程度。 2.信度為效度的必要特徵，亦即一項研究不能有效度而缺乏信度。 3.信度以可複製性為焦點。 （2）內在信度： 指的是針對相同條件，資料的蒐集、分析與解釋一致的程度。（若缺乏內在的信度，資料成為蒐集者的函數，而非實際發生之事件的函數。） （3）外在信度： 外在信度處理獨立研究者在相同的或類似的情境中，能否複製研究的問題。研究者如能複製研究，結果能一致嗎？若研究是可信的（具有信度的），研究者使用與前一項研究相同的方法、條件等，會獲致相同的結果。 3.路徑分析（path analysis） （1）路徑分析係用來考驗涉及三個或更多變項因果關係之理論效度的技術。 （2）路徑分析與各種多變項分析技術的主要不同，在於目標一項。 （3）路徑分析旨在運用相關資料考驗因果關係理論。 4.後設分析（meta analysis） （1）後設分析係指研究者有系統地運用統計技術，綜合以前好幾種獨立執行的量的研究之結果，予以評述的程序（review procedure）。 （2）後設分析是為了統整發現，大量蒐集個別研究的分析結果，再作統計分析，含蘊著對研究的因果的、敘述的討論，提出替代性處理，以賦予迅速擴充之研究文獻的意義。 5.分層比率隨機抽樣（stratified random sampling） （1）分層隨機抽樣需先認定各個子群在母群體中所占的比例，然後按此比例，隨機選取各子群在樣本中所占有之成員的抽樣過程。 （2）其原因乃在於母群體中的各子群或各階層的成員，接受研究的特徵可能有所不同，運用分層隨機抽樣，才能取得較準確的代表性樣本。 （3）分層隨機抽樣的優點有二：其一可以改進代表性的問題；其二使研究者能夠研究可能存在於母群體中的各子群間的差異。 6.單側與雙側檢定（one tailed and two tailed test） （1）當研究者的虛無假設所敘述的僅是有無『差異』，而非敘述任一組的優異或低劣時，他會使用雙側檢定。 （2）顯著性考驗通常以使用雙側檢定為多。 （3）當研究者建立的假設有著差異方向時（不只是差異的存在時），他使用單側檢定。研究者需相當確信差異僅在單側發生時，才宜選用單側檢定。 7.顯著水準（level of significance） （1）根據某預定水準來拒絕或接受虛無假設，此預定水準即為顯著水準。 （2）顯著水準以機率p值（probability value p）表之。 （3）在研究中，通常以0.5作為拒絕或接受虛無假設的標準。 （4）較嚴謹的顯著性檢定為0.1顯著水準。 8.虛無假設與對立假設（null and alternative hypothesis） （1）虛無假設： 1.係以統計術語呈現，在推論統計的脈絡中，通常敘述在研究之下測量母群體的一個或多個母數；因此虛無假設經常含蘊數量的術語。 2.當以推論統計考驗統計假設時，即為考驗虛無假設。 3.虛無假設所敘述的，與實驗者預測的或期待的，恰好相反。 （2）對立假設： 就任何虛無假設來說，都有用來表示其餘可能成立的假設，謂之對立假設，以符號H1表之。 （3）虛無假設及其對立假設涵蓋兩個量數之間所有的可能結果。 （4）研究者普遍認定虛無假設是為拒絕虛無的或否定的假設，提供一種比肯定正面假設更為強而有力的邏輯考驗或檢定。 9.逐階複迴歸分析（stepwise multiple regression analysis） （1）當某一依變項同時受到兩個或兩個以上自變項的影響，複迴歸分析即可提供分析這種情境的手段，它亦是社會科學研究中最常使用的一種統計技術。 （2）複迴歸分析適用於分析因果比較、相關研究、或實驗研究的資料，舉凡等距、順序、類別資料均包括在內。 （3）複迴歸可以估量變項間之關係的統計顯著性與量。 （4）複迴歸可以界定為：用以決定效標變項與結合兩種以上預測變項之間相關的多變項技術。 （5）複迴歸適用於分析關係研究與預測研究。 （6）複迴歸分析有好幾種變異：向上、向下、以及逐步。每種變異使用不同的程序選擇子預測變項組，俾對效標變項做最佳的預測。 10.區別函數分析（discriminant analysis） （1）區別函數分析與複迴歸類似，都是求取兩個或更多預測變項與單一效標變項之間的相關。只是區別函數分析的效標變項可分成兩個或更多的類別。 （2）區別函數分析中的效標變項可以是間斷類別，但要是為連續變項時，則不用區別函數分析，而用複迴歸分析之。 （3）區別函數分析的主要目的，乃在於根據某群體過去在預測變項與效標變項間存有的關係，從個人預測變項的資料，預測他未來所屬的類別，例如可根據不同的職業興趣來預測個人未來從事之職業的類別。 Ⅱ.何以一般研究者皆喜用李克氏態度量表當作研究工具（其優點何在）？其編製程序、計分方法、信效度考驗方法各何在？試分別論述之。 一、李克氏態度量表的優點： （一）李克氏態度量表又稱『總和評定量表』。 （二）李克氏態度量表可說是當前的意見或態度調查中，最常使用的一種樣式，因為： 1.李克氏總和評定量表不需經評定小組評定即可實施，且由此測得的分數與由賽斯通式量表測得的分數類似。 2.編製李克氏態度量表所耗時間較少，從事意見或態度研究者，較喜歡此類量表。 （三）有學者認為，李克氏態度量表優於賽斯通式量表，因為： 1.李克氏態度量表不必遭遇將量表交由評定者評定的困難。 2.用總和法編製的量表比先由評定者把陳述句歸類，然後計算量表值的方式顯得較為容易。 3.李克氏態度量表即使採用少數項目，仍有可信度。 二、編製程序： 【量表初稿定案?賦予『反應』一個數值?試驗性測試?項目分析?決定要取用哪些題目】 （一）李克氏量表最後初稿定案時的題數，究竟要多少，實無一定而絕對的標準。惟就一般情形而論，若該分量表以測量一種『普遍的』或多重向度的變項，其題數只要20~25題，即已足夠；若要測量的是特定的變項，以7~10題為宜。若依某變項編製而成的量表將被細分成為分量表時，每個分量表也宜使用3~7題即可。 （二）量表初稿定案後，接著要實施試驗性測試。試驗性測試的對象應從研究者將來採該工具所要評量之母群體中，選出的代表性樣本。樣本數至少要有100人，較能滿足統計上的要求標準。 三、計分方法： （一）在李克氏量表上，每個應答者的分數，是個題所得分數的總和。如該量表有25題，每一題最低給1分，最高給5分，則最高的分數為125分，最低的分數為25分。 （二）李克氏量表固然採用五點量表，但比較為研究者願意採用的有同意、未定、不同意三類，亦有採極同意、同意、不同意、極不同意四類。 四、信效度考驗方法： （一）分析李克氏量表的信度，至少須從將來要測量的母群體中，抽取100名作代表性樣本，以求信度。 （二）評量李克氏量表的信度，至少有兩種方法可用： 1.α係數（coefficient alpha）法： 是求內部一致性的量數，該方法僅實施一次即可。 2.再測信度法： 以決定過去一段時間，測試兩次分數的一致程度，但所測試的團體兩次均屬相同，以求其相關。 （三）李克氏量表沒有固定的效度，因此，如有可能，可檢核其預測效度（predictive validity）或同時效度（concurrent validity）、與建構效度（construct validity）。 1.預測（同時）效度： 即根據目前測試個人或一群人的特徵，以預測其未來的行為。 2.建構效度： 即指量表能夠測量到理論上的構念或特質的程度，是以建構效度乃在探索該量表存有各因素間的關係；簡言之，根據測量的變項，以揭示某些已知群體在量表上得分的差異。 Ⅲ.試舉一實驗設計實例說明其研究程序與設計方法為何？並論述其在內外在效度上之優劣。 謹舉『隨機化所羅門四組設計（Randomized Solomon four-group design）』及該設計之一實例如下： 一、研究程序 （一）此種實驗設計，係R.L. Solomon於1949年首創，它包含兩個實驗組和兩個控制組，其中，前兩個組（包括實驗與控制組）有前測，後兩組無前測，其主要目的在於同時考慮前測及實驗處理之雙重影響，可消除實驗誤差至最低程度。 （二）此種設計可以圖示如下： R O1 X O2 實驗組Ⅰ R O3 O4 控制組Ⅰ R X O5 實驗組Ⅱ R O6 控制組Ⅱ （三）在此，R代表隨機分派，O1與O3分別代表實驗組與控制組Ⅰ之前測平均分數，O2與O4分別代表二組之後測平均分數，O5與O6分別代表實驗組與控制組Ⅱ之後測平均分數。 二、設計方法 本設計之實施步驟如下： （一）以隨機取樣方式自母群體中選擇受試者，並隨機分派受試者至四組內，接受不同的實驗處理； （二）在接受處理前，第一、二組均接受前測，第三、四組則無前測； （三）第一、三組施予實驗處理，第二、四組則無； （四）在實驗處理之後，四組受試者均接受後測，再比較四組之差異。 三、內外在效度上之優劣 （一）本項實驗設計在內在效度與外在效度方面，均無缺陷存在，故為最理想的一種實驗設計方式； （二）但是，其最大的困難在於很難找到大量的樣本分派至四個組別中而能合乎本設計的要求，故在犯罪研究的應用甚少。 四、難能可貴的實例 1972年美國學者Empey和Erickson二氏曾採用所羅門四組設計來評估在美國Utah州所施行的Provo社區處遇計畫的效果，該實驗設計可圖示如下： 保護管束實驗組 E O X O 保護管束控制組 E O O 監禁實驗組 E O X O 監禁控制組 E O O （一）在此E表示等組（Equivalence），前排四個O表示前測，第三排的兩個X表示接受實驗處理，末排四個O表示後測。 （二）該實驗之對象均為男性少年犯，且均有嚴重罪行而被法官宣判交付保護管束或入獄監禁，所有受試者中均無嚴重智能不足、藥物濫用或暴力犯罪前科，四組受試者均以隨機分派方式分組，故為等組。 （三）四組中各實驗組給予與控制組不同的實驗處理，並在這些少年犯釋放後作長達四年的追蹤研究。結果發現，保護管束實驗組與控制組再犯比率差別不大，前者少了71％，後者減少了66％；而監禁實驗組與控制組間再犯比率差別較大，前者為49％，後者僅為25％。 Ⅳ.試比較相關研究法、原因比較研究法與實驗研究法三者在理論架構、樣本選取、變項控制、統計處理與結果解釋上之異同。 相關研究法 一、理論架構 （一）有時候被當作『敘述研究』的一種，因為相關研究也在於描述現況。但是相關研究所描述的現況，有別於典型的自陳或觀察研究所描述的現況，它以數量的術語描述諸變項的關係程度。 （二）易言之，相關研究係指蒐集資料，以決定兩個或多個可數量化的變項之間是否有關係存在，以及彼此間的關係及於何種程度；關係程度以相關係數（coefficient of correlation）表之。 （三）惟諸變項間有關係存在，並不含蘊著彼此之間有因果關係存在。如果諸變項間的關係不高，毋須進一步的考慮，如果諸變項間的關係很高，可進一步以『原因比較研究』或『實驗研究』探討，以決定這些相關是否為因果的關係。 （四）相關研究可分成關係研究以及預測研究。相關研究用以決定一系列變項的關係，或考驗有關期望之關係的假設；所涉及的變項係依演繹或歸納的法則而得。易言之，有待研究的關係可能根據理論而得，或衍自經驗。 二、樣本選取 （一）相關研究通常採用可被接受的抽樣方式，採取所需的樣本，一般認為可被接受的最小樣本人數為30人。 （二）針對待研究變項，選擇或發展有效的、可信的測量工具，所得的量數，至為重要且可靠。因蒐集的資料若不適當，所得的相關係數便無法代表準確的關係程度。 三、變項控制 （一）從樣本的各個成員中取得的兩種或多種分數，其中一種分數為一個變項所有，另一種分數為另一個變項所有，如是的分數配對，即可求得相關。 （二）相關係數表示兩個變項之間關係的程度。不同的研究探究不同的變項數量，而且其中的某些研究運用複雜的統計程序，但是所有的相關研究的基本設計相似。 （三）不需控制變項。 四、統計處理 （一）計算相關係數的方法有多種，須視每個變項資料的類別決定。 （二）以等比或等距資料呈現的變項，最常採用的技術為『積差相關係數（皮爾遜r）』。雖然皮爾遜r比較精準，但是以小樣本（＜30人）為研究對象時，『斯皮爾曼等級相關』較容易計算，求得的係數與皮爾遜r係數也相當接近。 （三）雙變項相關統計： 『積差相關係數（皮爾遜r）』、『斯皮爾曼等級相關』、『肯氏T相關』、『二系列相關』、『廣布二系列相關』、『點二系列相觀』、『四分相關』、『Phi相關』、『列聯相關』、『相關比』。 （四）多變項相關統計分析： 『複迴歸』、『區辨分析』、『典型相關』、『路徑分析』、『因素分析』、『淨相關』、『結構方程式模型』。 五、結果解釋 （一）相關係數的解釋視其用法而定。換句話說，相關係數需要多大才算有用，須依其目標決定。如果某些研究在於探索或考驗假設的關係，可以相關係數的統計顯著性予以解釋；如為預測研究，在作準確預測方面，統計顯著性便成為次要的，係數的值才是主要的。 （二）另一值得注意的有關概念是，如樣本大小既經決定，相關係數須達顯著性的值，隨著信賴水準的增加而增加；又隨著信賴水準的增加，表中的p值越小。易言之，研究者想要決定的顯著性越值得信賴，其係數就需越大。然而應瞭解的是顯著性易與相關的強度混淆，須加留意。不管係數多麼顯著，低的係數代表低的相關，顯著水準僅在標示某既定關係的機率是真實的，而不問它是否為弱的或強的相關。 （三）預測研究則為另一回事，預測研究中，相關係數的效用超過它的統計的顯著性。如果相關係數低於.50，想藉以作團體預測或個別預測是無用的。想要作團體預測，相關係數須達.60~.69以及.70~.79才算適當，欲作個別預測，相關係數則需達.80~.89。 （四）解釋相關係數時，須謹記的是在探討某種關係，而非因果關係。一個顯著的相關 係數可能暗示有因果關係存在，但卻未建立此種關係，欲建立因果關係的唯一途徑就是執行實驗。 原因比較研究法（即『事後回溯研究法』） 一、理論架構 （一）原因比較研究法又稱『事後回溯研究法』或『解釋觀察研究法』。 （二）Kerlinger和Lee曾就原因比較研究法提出如下的界定：有系統的實證探究方法，其中科學家未直接控制自變項。因為它們如不是早已發生過的，就是自始即不能被操縱，只能從自變項與依變項的共存變異中，推論諸變項間存有的關係，而無法直接干預… （三）原因比較研究法的自變項須事先確定，然後才進行蒐集資料的工作，這些變項也已經在情境中發生過。 （四）原因比較研究法常被取來與實驗研究法比較，與其二者均將焦點置於發現或確立某些資料中諸變項之間的關係。即原因比較研究法與實驗研究法有共同之處，能考驗自變項和依變項二者之間的關係。然而在確立諸變項間的因果或函數關係時，實驗研究法獲得的證據，比原因比較研究法獲得的，更具有說服力。因為在實驗情境中，已經無關變項的效應予以控制，只操縱自變項，已確定它對依變項的影響。反觀原因比較研究法，研究者無法操縱自變項，由於缺乏控制或操縱，貿然肯定自變項與依變項之間的唯一關係，可能是冒險的作法。 （四）從某一種意義來說，原因比較研究法可視為與實驗相逆的方法。不事先取得等組，然後施以不同的處理；因此開始研究之時，兩組便不相同，就要試著決定此等差異的前項因素，但是這種處理方式，無法推論因果的必然關係。 （五）儘管原因比較研究法無法像實驗研究法一樣，確保因果關係，但是在行為科學的研究中，如運用實驗進行研究時，可能有些變項無法被操縱，或因操縱變項致生道德問題，而使實驗法受到限制，原因比較研究法這種非實驗的方法，便有採用的價值。 （六）原因比較研究法常從已發生的自變項中，探索其與被觀察項間的關係，因此現成的資料，往往成為研究過程可供利用的來源，一般而言，現成而又可利用的資料有三：（1）統計記錄；（2）個人的文件；（3）大眾傳播的報導。 （七）原因比較研究法也易與相關研究法混淆。因為二者均不需操縱變項，在解釋研究結果時，也遭受類似的限制。惟原因比較研究法嘗試確認相關因素，但相關研究法通常無此役圖。原因比較研究法欲作比較時，通常採用二組或多組，而相關研究通常使用一組，而對該組的每一個成員進行兩項或多項的分析。 （八）原因比較研究法的步驟： 確認研究問題?確立假設?選取比較組?控制無關變項?蒐集與分析資料?發現的詮釋 二、樣本選取 原因比較研究法不像實驗研究法具有隨機化、操縱、控制等特徵，是其不利的根源。如為了使各組確保相等，隨機化可能是唯一最簡單的方式，但原因比較研究法卻無法達成，因其各組早已存在，甚至早已接受自變項或處理。 三、變項控制 （一）原因比較研究法為了提升兩組間的相等性或矯正已被認定的差異性，而採取控制無關變項的方法。 （二）控制無關變項的方法有多種，適用於原因比較研究法的主要方法有如下各種：（1）配對；（2）比較同質組或次級組；（3）共變數分析。 四、統計處理 可能使用的統計方法包含敘述統計（平均數、標準差、皮爾遜積差相關、列聯相關）及推論統計（t檢定、變異數分析、卡方檢定、曼惠特尼U檢定、魏克松配對組帶符號等級檢定）的方法。 五、結果解釋 由於原因比較研究法缺乏隨機化、操縱、控制等特徵，欲建立因果關係，確有困難。因當研究者控制處理（X），然後觀察得依變項（Y），可合理地說X影響Y；反之，若不能控制X，便可能導致不當的結論，因觀察而得的關係可能是一種假結果，亦即此一關係是由於其他原因促成，而非X影響Y。假關係的根源可能有如下三種，於詮釋發現時，應審慎為要： （一）共同原因： 採原因比較研究法時，需考慮自變項與依變項二者僅是由於第三個變項促成的兩種分割結果的可能性。 （二）反逆因果： 原因比較研究法在詮釋觀察得到的關係時，吾人必須考慮可確立的因果關係，可能與原先的假設相逆的可能性；即原假設的因，可能為果，反之亦然。 （三）其他可能的自變項： 在原因比較研究法中所考慮的，對Y變項產生影響的自變項，可能不只一個，亦即除了X1變項之外，其他如X2與X3變項，也可能是促成依變項變異的前項原因。 實驗研究法 一、理論架構 （一）實驗研究法是唯一能真正考驗有關因果關係之假設的方法，也是解決社會科學上理論與實際的問題的最有效途徑。 （二）在實驗設計中，研究者至少操縱一個自變項，控制其他有關變項，以及觀察一個或多個變項的結果。 （三）自變項也稱為『實驗變項（experimental variable）』、『因（cause）』、或『處理（treatment）』，是足以造成差異的活動或特徵。 （四）依變項也稱為『標準變項（criterion variable）』、『果（effect）』、或『後測（posttest）』，是研究的結果，係因操縱自變項而造成團體的變化或差異；所已被稱為依變項，乃因其『依賴』自變項的緣故。 （五）實驗研究若執行得妥，能為假設的因果關係提供最佳的證據。根據實驗研究的結果，可以作預測，而相關研究則無此特徵。 （六）實驗研究的直接目標，在於預測實驗環境中的事件，探索操縱變項與觀察變項之間的關係。其最終目標，是把變項間的關係概括化，俾使此等關係能應用於實驗環境之外的母群體。 （七）實驗研究的特質之一是『控制』。因為除非把會影響效果的其他因素或條件控制，否則無法對特殊條件或處理，可能造成的結果，作有效的評估。 為了把其他的影響因素消除，研究者使用控制組（control group）或稱比較組（comparison group），控制組係指選擇一群在每一方面與處理組（treatment group）或實驗組（experimental group）經驗相同的受試者，只是他們不接受處理，沒有自變項而已，亦即一個實驗若涉及比較不同的處理或不處理的效果時，通常是採『實驗組』與『控制組』作比較。實驗組和控制組二者的受試者之條件，盡可能求其接近相等，繼則實驗組用來展示受考慮之下諸因素的影響，控制組則否，然後進行觀察，已決定二組出現的差異，或發生的變化何在。 （八）然而實驗總以比較處理和不處理為特徵。實驗因素的各種型態、數量或程度，都可應用於許多的組別。 二、樣本選取 （一）實驗研究所需各組樣本數的決定，除了視－（1）研究的型式；（2）研究假設；（3）經費的限制；（4）研究結果的重要性；（5）研究變項的數目；（6）蒐集資料的方法；（7）需要的準確度；（8）母群體的大小－而定之外，『統計力分析公式（power analysis formula）』亦可供求出適當樣本數之需。 （二）有關統計分析公式約有兩種可供選擇： 1.藉著考量統計顯著水準（α）、在研究中期望的統計力、和效應大小（effect size）三要素，決定可供團體比較的樣本數。 2.以特定公式計算所需之各組樣本數，來標示讓研究者因特定效應的大小以及顯著水準拒絕虛無假設所需的樣本數。 三、變項控制（須變項控制） （一）與實驗研究有關的變項，大致有：機體變項、中介變項、與無關變項（extraneous variables）。 （二）機體變項： 接受研究的個體本就存在的特徵，為實驗者所無法改變的特徵屬之，如性別、智利屬之，是研究者無法隨機分派給受試者的變項，亦稱屬性變項。 （三）中介變項： 是無法操作或測量的，但可從推論中得知其存在的變項，中介變項的珠現，會混淆了對其他變項效應所做的解釋。無關變項與中介變項，同屬混淆變項，只是無關變項較易被觀察或測量。 （四）無關變項： 無關變項係指那些可能與實驗處理無關，但因與實驗處理同時出現，且可能對依變項產生重大影響，卻未被控制好的自變項（即未被實驗者操縱的變項）。根據許多研究獲得的結論，由於受到這些無關變項的影響，而變成無效。與實驗處理沒有直接關係的無關變項，研究者可採用數種方式移去，或削弱其影響，以為控制，其方法如下：（1）排除變項；（2）配對案例；（3）平衡案例；（4）共變數分析；（5）隨機化。 四、統計處理 （一）真正的實驗設計： 1.『前側－後側控制組設計』的統計分析： ｔ檢定、變異數分析、共變數分析。 2.『僅為後測控制組設計』的統計分析： ｔ檢定、變異數分析； 3.『索羅門四組設計』的統計分析： ｔ檢定、2*2多因子變異數分析、共變數分析。 （二）多因子實驗設計： 多因子變異數分析、多因子共變數分析、各種多變項分析。 （三）準實驗設計： ｔ考驗、共變數分析 五、結果解釋 一項實驗設計如果妥善，研究者便能從存在的實施結果中，取得若干結論，分析實驗資料的方式，由統計分析的敘述，當可瞭解。但對資料的解釋，便須考慮到資料的形式以及這些形式標示的實驗處理究竟是什麼意義。 【註：以上劃底線處，係為標明三種研究法之相互比較。】 Ⅴ.試舉一犯罪預測研究實例說明犯罪預測研究之研究設計、統計方法、計分給點方式、及預測表之製作程序。 謹舉美國哈佛大學教授格魯克夫婦（Sheldon Glueck & Eleanor T. Glueck ）於1930年所發表之『500名犯罪者之經歷（500 Criminal careers）』所做的假釋者再犯預測研究為例。 一、研究設計 他們動用多數之專門調查人員，對於在1919年至1920年間，由麻州矯治機構所假釋的510名男性犯罪者做實地調查，蒐集其入獄前、入獄中、假釋中及假釋後四階段期內之各種資料，選出犯罪可能因子共50個。然後運用統計技術，再檢選與犯罪具有重大關連的因子8個，以作再犯之預測。 二、統計方法 （一）其所使用的統計方法是首先對於50個因子之每個因子設定2到4個細目。 並將全體對象，根據其假釋後之生活情況，分為（1）成功；（2）部分失敗；（3）失敗之三組。所謂成功者，指全無警察機關及法院之記錄者。所謂部分失敗者，指雖然曾有被捕紀錄，但次數在5次以下者。所謂全面失敗者，指再受有罪判決者。 （二）然後就每個因子之細目，分別計算屬此三組者之百分率。例如以『勤勞習慣』因子為例，下設勤勉、普通、懶惰三細目，就此三項算出其與假釋成敗關係之百分比如表Ⅴ-1。格魯克夫婦就每個因子製成如此之表，再就每一表，運用統計學上之列聯係數C（mean square contingency coefficient），選出關聯性較大，即C值較大之下列8個因子：（1）勤勞習慣（C=0.42）；（2）犯罪之重度與次數（C=0.36）；（3）本犯以前之檢舉（C=0.26）；（4）收容前之受刑經驗（C=0.29）；（5）判決前之經濟責任（C=0.27）；（6）入獄時精神的異常性（C=0.26）；（7）在獄中違反規則之頻度（C=0.33）；（8）假釋期間之犯罪（C=0.47）。以上八因子中，前六個屬收容前之情況，後二個屬收容後之情形。格氏為能供量刑時預測之用，僅取前六因子作預測表。 【表Ⅴ-1 格魯克夫婦預測因子之給點方法（A）】 假釋成功 勤勞習慣 成功 部分失敗 失敗 總計 人數 ％ 人數 ％ 人數 ％ 人數 ％ 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 懶惰 18 12.1 29 19.4 102 68.5 149 100 計 62 21.5 51 17.7 175 60.8 288 100 三、計分給點方法 （一）其計分給點方法如表Ⅴ-1所示，其法是以表中某細目在失敗類上的百分比，當作應得之分數。 （二）譬如，就勤勉此細目在『勤勞習慣』此一因子上之權重而言，有26人即43.3％的假釋失敗率，故給予43.3分；普通得59.4分，懶惰得68.5分。格魯克將此項分數稱為失敗分數（failure score）。 （三）最後將六個因子中各表內失敗分數之最低分相加，即可求出全體之最低分與最高分。 四、預測表之製作程序 由最低到最高分間分成若干組別（級），就每一級計算得分多寡與假釋成敗之關聯性，製成再犯預測表，如表Ⅴ-2所示。 【表Ⅴ-2 格魯克夫婦之再犯預測表】 六因子之得點 成功 部分失敗 失敗 計 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％ --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 211.74.181.98