同樣一份資料，為什麼兩個研究者會跑出相反的結論？

同樣一份資料，為什麼兩個研究者會跑出相反的結論？

想像一個情境：兩個研究團隊，拿到同一份「全國家庭收支與教育」的大型調查資料，都想回答「補習到底有沒有幫助提升學業成績」。半年後，第一隊發表的結論是「補習顯著提升成績」，第二隊卻說「控制了家庭背景之後，補習的效果幾乎消失」。資料一模一樣，結論卻南轅北轍。

這不是誰造假，也不是誰計算錯誤。差別藏在更深的地方：他們對「該控制哪些變項」做了不同的判斷，而這個判斷，決定了他們在估計一個因果效果，還是在估計一個被混淆的假象。

入門篇告訴你「相關不等於因果」、要警惕第三變項。但真正困難的問題從這裡才開始：在無法做實驗的觀察資料裡，到底「該」控制什麼、「不該」控制什麼？多控制一個變項，一定讓估計更準嗎？ 答案是否定的——而且控制錯了變項，會親手製造出原本不存在的偏誤。這篇文章要帶你走進社會研究方法最硬核、也最迷人的核心：測量與因果識別的內在邏輯。

測量不只是「量一下」：潛在變項與測量模型

入門篇談過效度與信度，把測量講成一個「準不準、穩不穩」的問題。但社會學最常研究的那些東西——權威性人格、社會資本、階級認同、制度信任、性別意識——有一個共同特性：它們沒有一把現成的尺可以直接量。你看不到、摸不到「社會資本」，你只能觀察一些被它影響的外在表現。

這類概念在方法論上稱為潛在變項（latent variable）：它本身不可直接觀測，只能透過多個觀測指標（observed indicator）間接推估。比方說「制度信任」這個潛在變項，研究者會用一組問題去逼近它：「你對法院的信任程度？」「對警察？」「對立法院？」「對媒體？」每一題都只是這個看不見構念的一個側面，每一題也都帶著各自的測量誤差。

這就帶出一個入門篇沒展開的關鍵：測量本身需要一個模型。 把單一題目的答案直接當成構念，是很粗糙的做法。較嚴謹的取向會用驗證性因素分析（confirmatory factor analysis, CFA）或更完整的結構方程模型（structural equation modeling, SEM），明確區分「真實構念」與「測量誤差」兩層，並用統計方法檢驗「這幾個指標真的在量同一件事嗎」。

看一個例子

假設你想測量大學生的「學習投入（engagement）」。你設計了四道題：上課專注度、課後自主學習時數、發問頻率、作業完成品質。在做任何分析之前，一個受過進階訓練的研究者會先問：

• 這四題的得分彼此高度相關嗎？如果一個學生在前三題都高、第四題卻很低，可能第四題量到的根本是別的東西（例如「對某科目的興趣」而非整體投入）。這對應收斂效度（convergent validity）。
• 這四題合起來，跟另一個概念（比如「考試焦慮」）的題目能不能清楚區分開？如果分不開，代表你的「投入量表」其實混進了焦慮，這對應區辨效度（discriminant validity）。

只有通過這些檢驗，把四題加總或加權成一個分數才有意義。這就是為什麼進階研究裡，「我用了一份量表」之後，緊接著一定要報告信度係數（如 Cronbach's α、組合信度）與效度檢驗——少了這一步，後面所有漂亮的統計都建立在流沙上。

值得強調一個反直覺的點：信度高不代表你量對了東西。 一份題目都在問「你多認同傳統性別分工」的量表，可能內部一致性極高（高信度），但如果你拿它來宣稱量到的是「整體保守程度」，效度依然可疑。測量的核心難題，永遠是效度而非信度。

因果識別：DAG、混淆因子、對撞因子

現在進入這篇文章的心臟。入門篇說「要控制第三變項」，聽起來控制越多越好。但這是一個流傳很廣、卻錯誤的直覺。當代因果推論用一個簡單的視覺工具——有向無環圖（Directed Acyclic Graph, DAG）——清楚說明：變項分成幾種角色，控制錯角色會帶來災難。

把每個變項畫成一個點，因果方向畫成箭頭。三種典型結構：

第一種，混淆因子（confounder）。 某個變項同時影響「原因」與「結果」。例如研究「補習 → 成績」時，「家庭社經地位」既影響孩子是否去補習，也影響成績。它在 DAG 上是一個指向兩邊的共同源頭。這種變項必須控制，否則你看到的「補習與成績的相關」，有一部分其實是家庭背景偽造出來的。這正是開頭兩隊結論不同的根源：第二隊控制了家庭背景，假象就消失了。

第二種，中介因子（mediator）。 某個變項位在因果鏈的中間：補習 → 增加練習量 → 成績。「練習量」是補習發揮作用的管道。這裡的陷阱是：如果你把中介因子也「控制」掉，你會把補習真正的效果一起堵死，得到「補習沒效」的錯誤結論。要不要控制中介，取決於你想估計的是總效果還是直接效果——這是一個必須事先想清楚的設計決定，不是越控制越好。

第三種，也是最反直覺的——對撞因子（collider）。 某個變項同時被「原因」與「結果」影響，是兩個箭頭共同指向的「下游」。經典例子：在「演藝圈」這個樣本裡，研究發現「外貌」與「演技」呈負相關，於是有人下結論「漂亮的人通常演技差」。但這是假的。真相是：能進演藝圈，要嘛靠外貌、要嘛靠演技；「是否在演藝圈」這個篩選條件，正是一個對撞因子。當你只看圈內人（等於「控制」了這個對撞因子），就人為製造出原本不存在的負相關。這叫對撞偏誤（collider bias），也是選擇偏誤（selection bias）的一種深層機制。

一句話總結這套邏輯：控制混淆因子能消除偏誤，控制中介因子會堵死效果，控制對撞因子會無中生有。 「該控制什麼」不是統計問題，而是你對因果結構的理論判斷——而 DAG 逼你把這個判斷攤在陽光下，讓別人能檢驗。

準實驗：在做不了實驗時逼近因果

社會學的研究對象大多無法被隨機分配。你不能為了研究貧窮的影響，「隨機指定」一群人變窮。於是研究者發展出一整套準實驗（quasi-experimental）設計，巧妙利用現實世界裡「接近隨機」的契機。

差異中差異（difference-in-differences, DID）： 當某個政策只在部分地區、部分時間實施，你可以比較「受影響組」與「未受影響組」在政策前後的變化量差異。例如某縣市實施免費營養午餐，鄰縣沒有，你比較兩縣學童健康在政策前後的變化差距。它的巧妙在於：透過「相減」，把兩組各自原有的、固定不變的差異（如縣市本來就不同的飲食文化）給消掉了。

斷點迴歸（regression discontinuity, RD）： 當某個資格是由一條人為的門檻決定時——例如「指考 PR 值 60 以上錄取某校」——分數落在 59.8 和 60.2 的兩群人，能力其實幾乎一樣，純粹被一條武斷的線分到兩邊。比較這條線「左右兩側緊鄰」的人，就近似一場小型隨機實驗。

工具變項（instrumental variable, IV）： 找一個只透過「原因」影響「結果」、不走其他路徑的外生變項當槓桿。例如研究「教育對收入的影響」時，用「義務教育年限的法律改革」當工具——法律改幾年純粹是政策決定，與個人能力無關，卻會推動實際受教年數。

這些方法的共同精神是：既然不能靠實驗創造隨機，就去現實世界裡尋找『接近隨機』的自然縫隙。 但它們都建立在一些無法被資料直接證明的假設上（DID 的「平行趨勢假設」、RD 的「門檻附近連續假設」、IV 的「排除限制」）。進階研究的功力，泰半展現在論證這些假設為何在自己的情境下成立——這也是審稿人最會緊咬的地方。

從一份資料到一個結論：誤差會層層累積

把測量與因果識別接起來看，你會發現一個社會學研究其實是一條長長的推論鏈，每一環都可能引入誤差：

這張表來自 Campbell 與 Cook 的效度威脅四分類，是進階方法論的骨架。它提醒我們：一個結論的可信度，等於這條鏈上最弱一環的可信度。你可以用最尖端的因果模型，但如果一開始量表就量錯了東西，或樣本本身就偏，再精密的後段分析也只是把垃圾算得很精緻——這就是著名的「垃圾進、垃圾出（garbage in, garbage out）」。

動手試試

下次你讀到一則「研究顯示 X 導致 Y」的新聞，試著用這條鏈逐環拷問它：

1. 它怎麼測 X 和 Y 的？（用單一題目？還是經過效度檢驗的量表？）
2. 它的樣本是誰？（網路自願填答？還是隨機抽樣？能推論到誰？）
3. 它控制了哪些變項、為什麼？（有沒有漏掉明顯的混淆因子？會不會誤控了對撞或中介？）
4. 它的「顯著」可信嗎？（樣本多大？是不是試了很多種跑法，才挑出一個有顯著的來報？）

你會很快發現，多數聳動標題撐不過這四問。能熟練地做這套拷問，你就具備了社會科學的方法論素養——這比記住任何一個統計公式都更接近研究的本質。

p 值操弄與重製危機：方法論的當代反省

最後一個進階主題，是這十多年震撼整個社會科學界的重製危機（replication crisis）。

故事的核心是：許多曾被視為定論、登上頂尖期刊的研究發現，當其他團隊重新做一次，結果重製不出來。心理學的大規模重製計畫發現，能被成功重製的研究比例低得令人不安。社會學、經濟學也未能倖免。問題出在哪？

一大元凶是研究者自由度（researcher degrees of freedom）衍生的 p 值操弄（p-hacking）。在分析一份資料時，研究者面對無數個微小選擇：要不要剔除極端值、用哪幾個控制變項、怎麼分組、看哪個子樣本……只要不斷嘗試各種組合，總能「湊出」一個 p 值小於 0.05、看起來顯著的結果。再加上發表偏誤（publication bias）——期刊偏好刊登「有顯著發現」的論文，不顯著的結果被默默塞進抽屜（檔案抽屜問題，file drawer problem）——整個文獻就被系統性地扭曲成「假陽性的展覽館」。

對此，方法社群推出了一系列開放科學（open science）改革：

• 預先註冊（pre-registration）：在看資料之前，就公開鎖定你的假設與分析計畫，事後不能再「換跑法」。這把「探索性分析」和「驗證性分析」清楚分開。
• 資料與程式碼公開：讓任何人都能重跑你的分析，重製性成為可檢驗的承諾。
• 重視效果量（effect size）與信賴區間，而非只看 p 值是否「過關」：「有沒有顯著」是個很低的門檻，「效果有多大、估計有多精確」才是真正該關心的。

這場危機帶來的最深刻啟示是：科學的可信度不來自單一研究的『重大發現』，而來自整個社群可以彼此檢驗、累積、修正的制度。 對學習研究方法的人而言，這意味著：嚴謹不只是個人美德，更是一套讓錯誤無所遁形的公共設計。

重點回顧

1. 測量需要模型：社會學常研究的是看不見的潛在變項，必須用多個指標、透過 CFA／SEM 區分真實構念與測量誤差，並檢驗收斂效度與區辨效度。
2. 「控制越多越好」是錯的：變項分為混淆、中介、對撞三種角色。控制混淆消除偏誤、控制中介堵死效果、控制對撞無中生有——該控制什麼是理論判斷，DAG 逼你把它說清楚。
3. 準實驗在現實裡尋找『接近隨機』的縫隙：DID、RD、IV 各有巧思，但都依賴無法被資料直接證明的識別假設，論證假設成立是進階研究的真功夫。
4. 誤差會層層累積：構念、抽樣、因果、統計四種效度威脅，一個結論的可信度取決於最弱的一環，「垃圾進、垃圾出」。
5. 重製危機揭露了制度性的脆弱：p 值操弄與發表偏誤扭曲了文獻，開放科學（預先註冊、資料公開、重視效果量）是讓嚴謹可被公共檢驗的解方。

深入探討（研究所視角）

對準備進入研究所、或想真正掌握方法論前沿的讀者，這裡再推進幾個層次。

第一，因果推論有兩種互補的語言，研究生要學會在兩者間翻譯。 一套是 Rubin 的潛在結果框架（potential outcomes / counterfactual framework），從「同一個人在處理與未處理下的兩種假想結果之差」定義因果效果，核心難題是「反事實永遠觀測不到」。另一套是 Judea Pearl 的結構因果模型（structural causal model）與 do-算子，用 DAG 與「後門準則（backdoor criterion）」系統性地判斷「該控制哪一組變項才能識別因果」。前者擅長談估計與偏誤，後者擅長談識別與圖形直覺，成熟的研究者會把兩套語言視為同一件事的兩種表述。

第二，測量誤差不是小事，它會系統性地偏誤你的因果估計。 入門把測量誤差當成「讓估計變吵雜一點」的隨機噪音，但這太樂觀。非系統性（古典）測量誤差會把迴歸係數往零的方向壓（衰減偏誤，attenuation bias），讓真實存在的效果被低估；而系統性測量誤差（例如社會期許偏誤讓人少報歧視態度、多報投票行為）則會把估計往特定方向扭曲，且無法靠加大樣本解決。這正是潛在變項模型（SEM）的價值所在：它能在估計結構關係的同時，明確地把測量誤差建模進去，而不是假裝它不存在。

第三，「顯著性」這個概念本身正受到根本性的質疑。 美國統計學會曾罕見地發表聲明警告 p 值的誤用，部分學者甚至主張廢除 p < 0.05 的二分門檻、或把門檻調嚴到 0.005。背後是更深的哲學分歧：頻率學派的 p 值回答的是「假設虛無為真時，看到這麼極端資料的機率」，這跟人們真正想知道的「假設為真的機率」是兩回事。貝氏統計（Bayesian statistics）提供了另一條路，直接談「給定資料下，各種假設的可信程度」，並用貝氏因子（Bayes factor）取代二分的顯著與否。研究生階段值得認真理解這場「頻率 vs 貝氏」之爭，它不只是技術選擇，更牽涉「機率到底是什麼」的世界觀。

第四，方法的權力面向不容迴避——資料從來不是中立的。 進階方法論越來越關注：誰被算進去、誰被排除、用什麼類別來分類人，本身就是權力的運作。官方統計的分類（族群、職業、家戶）會反過來形塑社會對自己的認識；演算法與大數據看似客觀，卻會把歷史中的偏見自動化、放大、並披上科學外衣（演算法偏誤）。女性主義方法論提出的「情境知識（situated knowledge）」主張：所有知識都來自某個特定位置，宣稱「無立場的客觀」（the view from nowhere）反而是最不誠實的。把方法純粹當成中立技術的人，往往看不見自己正在再生產哪些不平等。

進階閱讀建議： 因果推論可從 Cunningham 的《Causal Inference: The Mixtape》或 Huntington-Klein 的《The Effect》入門（兩本都免費線上可讀、對社會科學友善），再進到 Pearl 的《Causality》與 Morgan、Winship 的《Counterfactuals and Causal Inference》。測量與潛在變項可讀 Bollen 的 SEM 經典；重製危機與開放科學則建議讀 Open Science Collaboration 的大規模重製報告原文。最後一個忠告：工具會過時，但「對自己的推論鏈保持懷疑」這個習慣不會。 永遠去問「我這個結論，最可能錯在哪一環」，比追逐任何最新的統計套件都更接近一個研究者的成熟。