心實第五講回饋（再也搞不出名堂來了）

　　這一次的心實上課內容毫不疑問的投向了統計的懷抱當中。王議賢老師再三叮嚀的交互作用圖又出現了。
　　在＂態度的測量小單元＂時，老師提到了問卷調查抽樣的3個層次：實體抽樣、問題抽樣、受訪回答之抽樣。好，其實我不大懂層次的意思（常常被這種看似簡單但意義深遠的詞彙打敗）。我記得實體抽樣應該是受訪樣本的抽樣，問題抽樣則是在做調查時，主試對於問題的用詞選擇，會影響到受試的回答。至於受訪回答的抽樣意義又更有趣了：受訪者由於不同的動機有不同的答案，在回答問題時選擇一種來回答，就是受訪回答之抽樣。我覺得有疑問的地方在於，為什麼把＂問題抽樣＂、＂受訪者回答之抽樣＂叫做抽樣，而不叫做變項呢？
　　回到多因子設計。在尤其複雜的心理學裡面，大多數的cause-and-effect relationship並不單純，用多因子設計來探尋行為或心路歷程的成因當然是方便的多。不過多了一個因子，相對而言就多了許多變項要控制，還有在選擇因子與level的時候，應該也得要特別小心。而且在解讀實驗結果時，難度相對也提升了一些。雖然這是一個強而有利的test，但是也需要更熟練的實驗操控技巧與結果解讀的能力。尤其在p. 62的case study，或許這個實驗累積了許多前人的經驗，但是默默在這個實驗裡面學了不少東西。首先是forced-choice procedure，若沒有這個規定（？），就只能測得＂反應傾向＂，這件是實在太有趣了！如果我是受試坐在那邊，主試跟我說我可以選擇不作答，那我就想挑color to color的來回答，那我的反應傾向不就是簡單的題目？！還有第三個factor：match and mismatch。既然實驗測的是reaction time，為了避免不耐煩的受試瘋狂的按match or mismatch，那回答正確與否就應該納入考慮。但是假設受試亂猜也猜對不少提呢？是不是有一個機制，可以用統計的方法將這種結果給挑出來？譬如說像答錯50%，這個受試者的資料就不能算進去？
　　大講堂上課很舒服，我還想要去。

現在叫做第四講的心實回饋

　　雖然說上次在系電的時候講了一句話把老師 "嚇跑了"（語出鄭小姐），但是在這裡還是很想要再講一遍......心理實驗法根本就是高醫心理系學生的思想改造課程。不過這是題外話。

　　在課程開始之前才提到了統計概念手感的重要性云云，本來想說還可以慢慢摸到不知道什麼時候再回去瞄瞄統計課本，結果馬上就硬生生的把我們抓到了統計大惡魔的面前。雖然上課的時候老師講的飛也似的快，但是某次碰到了老師再加上高醫維基百科心理實驗法第五講（老師上課內容在第四講，不過維基條目上面是神奇的第五講）被重新豐富過，理論上來說應該是了解了一點。但是碰到SSresidual還是有點吃鱉。稍微上網查一下residual的定義，想要相信夏威夷大學一個氣象中心的網頁裡面對residual的定義：

residual - (Also called error of estimate.) In general, the difference between any quantity and an approximation to it; in particular, the difference (y - Y) between any random variable y and its regression function Y.

呵呵，這樣看起來好像有簡單一點，雖然我好像也沒有很確定這樣的解釋是不是用在這邊。我覺得比較容易懂得大概就是括號裡面的error of estimate（估計誤差），結果後來翻了以前王老師在講相關與迴歸的時候的上課內容，竟然發現有這樣一條公式：
其中老樣子，Yi代表的是個體分數，Y head（求你不要逼我再打一遍，反正你大概知道那是什麼東西）代表的是由迴歸直線預測出來的分數。顯而易見的，Yi －Y head指的一定就是就是就是估計誤差的變異量（王老師稱之為殘差變異）！喔耶！

　　還有另外一個我覺得頗為有趣的事情。在討論到experimenter bias時，就有講到實驗者在評分的時候，有可能會因為對實驗操弄結果的偏見，而影響到實驗結果的數據。像Rosenthal and Fode (1963) 事前告知替老鼠評分的學生老鼠的受到優生學控制的有無，結果使學生們有了預設立場，影響了實驗數據。我記得之前余麗樺老師在講解魏氏兒童測驗的施測規則時，有提到判定受試分數的方法。雖然我覺得還蠻客觀的，不過有時候受試遲疑，或是不小心彎進去一條錯誤的路線一點點，可能就會需要有經驗的人才有辦法用比較正確客觀來評分。那些其實是受試的學生，是不是就受到了預設立場的影響，不小心放了maze-bright 組的老鼠水？

　　上面是分數評斷會受到主試受到預設立場影響。但是假設 p.48的Case study ，改用在受試演講前讓他們做一份可以用團體施測焦慮量表（或類似的量表，反正一定要可以團體施測的），那這樣就不用雙盲啦。但是團體施測當然有他的缺點，不過在打下去就變成心測的回饋，於心不安所以就此打住。

　　兩次的回饋寫的都很不像回饋，不過尤其這一次寫的回饋都是有找一點資料的，寫完還有那麼一點的成就感。BTW，寫這個回饋的回饋就是，統計這門科學：(1) 很複雜；(2) 很有趣；(3) 很多觀念都息息相關，融會貫通應該是一件很重要且有一點難度的事。


資料來源：
夏威夷大學 Mauna Kea Weather Center Meteorology Glossary/Dictionary

直到心理學實驗法第三講才出現的回饋

　　不得不說，科學這碼子事就向在維基上面編寫條目一樣。首先，當然要用同樣的語言：有英文中文波蘭語。若語言不同，別人不但看不懂，搞不好還會有誤會。接下來，在編寫維基條目的時候，必須要有其格式。譬如說在某名人的條目下，要寫他的生平，就先必須用不知道幾號字的字體大大的寫下"生平"，再劃下一條長長的分隔線。註解必須要用小小的字體在詞的後面用小小的上標，標上是第幾條注釋，並做連結等等等等。每個人在編寫時，都依照一定的框架來豐富其內容，帶給我們許多便利。

　　科學也是一樣的。經過幾百／千年的歷史，科學還是會繼續走下去。但科學實在跨越太多空間與時間，如果沒有共通的語言，不同時空中每個人討論的科學，也只會變成雞同鴨講的景況。基本假設和專有名詞和其嚴格的定義，幫助科學家們能夠在不同時空中對話。如果沒有明確定義牛頓這個基本單位，那不知道的人還會奇怪為什麼這位古人的名字會一直出現在這些計算式中。基本假設更是確保讓科學家們能夠延著同一條路走下去。如果有人不同意該學科的基本假設，就早早另外訂自己的基本假設，開啟另一塊討論的範圍。基本假設就像維基的框架，如果你不喜歡用他的格式，也只能自討沒趣摸摸鼻子走人，因為來硬的只會被人家改掉或刪掉。有了基本假設，科學才能"穩定累積了很多很有用的東西 "（拾了人牙慧）。

　　我有覺得從一些科普的媒體，可以感受到科學的一些淺移默化。譬如說Discovery的Mythbuster，雖然有時候是用一些誇張的，重現場景的方式去驗證流言，但大多的時候，mythbusters還是相當理性的去用科學的方式檢視流言。他們不會明講"操作型定義"是什麼，但是在討論驗證的方式時，都會提到"......才能算......"，我覺得這樣應該就算對驗證流言的內容下操作型定義了吧。

　　默默的沒有辦法豐富這一次的回饋，不過本來有要談論某件事情而畫了張解釋圖，個人覺得相當的有趣，所以默默的把它留在這邊供大家欣賞。

請注意：雖然在下面寫了小小的go Depp go，但我並不是瘋狂的影迷超愛他。