縱貫研究設計：從追蹤調查到 EMA、日誌與隨身評估

2.1 設計空間

把縱貫研究歸進一份簡短的名稱清單，是很自然的念頭，但更有用的起點是認清一件事：每一種重複測量設計都座落在一個連續空間裡，而這個空間由兩個問題定義，也就是每個人測幾次、這些測量彼此相隔多遠。圖 2.1把這個空間攤開，橫軸是每人的時點數，縱軸是時點之間的典型間隔，兩軸都採對數尺度，因為兩者都橫跨好幾個數量級。兩波追蹤研究在左上角，兩個時點相隔數月或數年。每日日誌接近中間，幾十個時點，彼此相隔一天。生態瞬時評估(ecological momentary assessment)更低、更偏右，數百個時點，彼此相隔數小時。隨身生理測量與被動式手機感測在右下角，數千個時點，彼此相隔數秒或數分鐘。替一種設計命名，只是替這個空間中某一塊區域取個簡稱；區域之間連續漸變，並沒有截然的界線。

註：兩軸皆為對數尺度。各種有名字的設計佔據的是彼此重疊的區域，而不是離散的點；測量叢發設計（第 2.4 節）刻意把叢發之內的短間隔與叢發之間的長間隔結合起來，因此放不進單一位置。

有兩組彼此獨立的區分橫跨整個設計空間，值得一開始就先釐清。第一組是重複橫斷(repeated cross-section)，有時稱為趨勢設計(trend design)，與真正的追蹤設計(panel)之間的區別。重複橫斷在每個時點調查一批全新的樣本，因此它描述得了母體平均數如何隨時間改變，卻永遠觀察不到任何一個人正在改變，因為沒有人出現兩次。真正的追蹤設計跨時點追蹤同一批個體，攜帶的是個體內訊息。第 1 章那些個體內的問題只有追蹤設計答得出來；趨勢設計不管做了幾波，本質上都還是一連串個體間的快照。第二組區分是前瞻(prospective)與回溯(retrospective)測量。前瞻設計在狀態發生的當下就記錄下來，回溯設計則要求人事後回想。記憶是重建而不是重播，回溯報告因此帶有系統性的回憶偏誤(recall bias)，而且回想的時間跨度愈長，偏誤愈大；把這種偏誤壓下來，正是本章後半那些密集前瞻設計最主要的動機之一 (Shiffman et al., 2008)。

2.2 古典的追蹤與世代設計

縱貫研究裡最古老的問題來自發展研究，而這個問題暴露出一個混淆：單一設計無論蒐集多少資料都解不開。假設觀察到五十歲的人在某項認知作業上的分數低於三十歲的人，有三種解釋纏繞在一起。這個差異可能反映年齡(age)，也就是隨著變老而發生的真正個體內變化。可能反映世代(cohort)，也就是出生於不同年代、接受不同教育與營養的人之間一種穩定的差異。也可能反映時期(period)，也就是測量所處的那個歷史時刻對所有人一致的影響。Schaie (1965) 把這三種影響組織成一個框架，如圖 2.2所示，其邏輯至今仍主導發展研究的設計。方格表中的每一格是一個出生世代與一個測量時期的組合，該格的年齡則由另外兩者決定。橫斷研究取的是單一直欄，一個時期跨越數個世代，於是把年齡與世代混淆在一起。單一世代的縱貫研究取的是單一橫列，一個世代跨越數個時期，於是把年齡與時期混淆在一起。世代序列設計(cohort-sequential design)取的是多個世代乘以多個時期，也就是整個方格表；只有這樣的設計才有希望把三者分開。

註：橫列是出生世代，直欄是測量時期，每一格中的標示是該組合下的年齡。有底色的格子是各設計取樣的格子。年齡等於時期減去世代，三個維度因此無法各自獨立操弄，每一種只取單一切片的設計都必然混淆其中兩者。

這三種影響切不開，原因不在統計方法不夠大膽，而在算術本身，值得攤開來看清楚。

實務上的脫身之道是加速縱貫設計(accelerated longitudinal design)，也稱為世代序列設計或收斂設計(convergence design)，圖 2.3以本書的 school_growth 資料示範。追蹤同一個世代的兒童走完三年級到八年級（譯註：約當台灣的小學三年級至國中二年級）的整整六年，要花六年的經費，也讓研究暴露在六年的流失風險之下；加速設計改為招募三個彼此重疊的世代，每個世代只追蹤四年。一個世代在三到六年級被觀察，第二個在四到七年級，第三個在五到八年級。把這些片段拼接起來，三個世代只用四個曆年就涵蓋三到八年級的整個範圍；三個世代都被觀察到的五、六年級是重疊區間，提供了檢驗各世代軌跡是否對得上的槓桿。這個設計用一個假設換來時間：它假設年齡軌跡的形狀在這些重疊的世代之間相同，各片段才接得成一條曲線。假設不是免費的，但與原始的年齡、時期與世代糾結不同，它可以檢驗，檢驗方式正是去看各世代在重疊區間內是否一致（建模方式在第 14 章發展，第 34 章再從發展研究的角度回訪）。

註：每一條橫向線段是 school_growth 中的一個世代，各被觀察四個年級。有底色的帶狀區域標示各世代重疊的年級；各世代在此區間內是否一致，正是容許把它們接成單一軌跡的那個可檢驗假設。

各種長度的追蹤設計都面臨第二族設計問題，關乎誰留在研究裡，以及測量本身如何改變了人。流失(attrition)，也就是參與者隨時間退出，後果最嚴重，因為流失很少是隨機的：退出的人往往與留下的人有系統性的不同，留存下來的樣本於是逐漸偏離真正關心的母體。設計上的因應相當實務：仔細的追蹤聯繫流程、依留存程度遞增的誘因，以及在長期追蹤研究中以補充樣本(refreshment sample)加入新的參與者，補上流失的人。關鍵在於，決定偏誤大小的不是流失率本身，而是流失的機制（第 6 章深入發展）：流失若只依賴先前已觀察到的數值，現代的估計方法處理得了；流失若依賴未被觀察到的結果變項本身，任何分析都無法完全校正。第二個問題是再測效果(retest effect)，或稱練習效果，也就是反覆接觸同一份工具會因為與構念無關的理由而提升表現，這對認知類的結果變項是嚴重的混淆。設計上的補救包括使用複本(parallel forms)、刻意拉開評量之間的間隔，以及在下文的測量叢發設計中，以第一次叢發吸收掉最陡的那一段練習增益。第三個問題更隱微，是追蹤制約(panel conditioning)：反覆被調查這件事本身改變了態度或行為，資深的受訪者於是不再像新受訪者那樣作答。

2.3 密集縱貫設計

設計空間中偏下、偏右的區域，在過去三十年間被一族設計徹底改變了；這族設計密集地、在情境之中取樣經驗，捕捉的是正在被經歷的生活，而不是事後被回想起來的生活。這些設計流傳著一堆令人困擾的名稱，第一件事就是把它們區辨清楚，這正是表 2.1要做的事。每日日誌(daily diary)一天取樣一次或數次，通常持續一到數週。經驗取樣法(experience-sampling method)與生態瞬時評估取樣更密集，一天數次，而且強調當下狀態而不是整日狀態；這兩個名稱分別起源於人格與臨床行為兩個不同的文獻傳統，如今幾乎完全重疊 (Csikszentmihalyi & Larson, 1987; Stone & Shiffman, 1994)。隨身評估(ambulatory assessment)是涵蓋最廣的名稱，明確納入生理與行為通道，例如隨身心率與活動記錄儀(actigraphy)，而不只是自陳報告 (Trull & Ebner-Priemer, 2013)。被動感測(passive sensing)，或稱數位表現型分析(digital phenotyping)，則完全不需要參與者主動作答，直接從智慧型手機與穿戴式感測器連續蒐集資料 (Harari et al., 2016; Mohr et al., 2017)。這些不是同一件事的幾個競爭標籤，而是標示出密度、通道與參與者負擔上真實存在的差異。

在自陳類的設計裡，最關鍵的單一決定是取樣方案(sampling scheme)，也就是決定提示何時出現的規則。Wheeler and Reis (1991) 提出的三分法流傳至今，圖 2.4以連續三天的時間帶示範。間隔取樣(interval-contingent)依固定時程提示，例如每天晚上九點；做法簡單、可以預期，但捕捉不到落在提示之間的事件，也會誘使受訪者回溯整段間隔。訊號取樣(signal-contingent)在隨機時刻提示，通常是把清醒的一天切成數個等長區塊，在每個區塊內取一個隨機時刻；這種做法把預期心理降到最低，給出一份大致具代表性的「時刻樣本」，是研究情緒這類當下狀態時的預設選擇。事件取樣(event-contingent)則請參與者在某個已定義的事件發生時就回報，例如一次社會互動、一根菸或一次恐慌發作；稀有或邊界明確的事件只有這個方案捕捉得可靠，但它完全仰賴參與者辨識得出並記錄下該事件。三種方案並不互斥，混合設計相當常見，例如以訊號取樣蒐集情緒，同時以事件取樣回報衝突。表 2.2給出把方案對應到問題的指引。

註：灰色帶狀區域標示夜間（非清醒）時段，每一個點是一次提示。間隔取樣的提示落在固定時程上；訊號取樣的提示落在清醒時段等長區塊內的隨機時刻；事件取樣的提示只在已定義的事件發生時出現。

取樣方案選定之後，還要靠少數幾個設計參數才訂得出完整的研究方案，密集設計能不能成為實用工具就落在這裡。表 2.3列出這些參數與建議範圍。它們之間的核心張力是負擔與配合度的權衡(burden-compliance trade-off)，圖 2.5把它勾勒出來：每多一次每日提示、每多一道題目、每多一週期程，都會提高受訪者負擔，並降低配合度(compliance)，也就是實際作答的提示佔預定提示的比例。這個權衡不只是一個要盡量壓低的麻煩，因為配合度會與遺漏機制交互作用：最不配合的參與者若同時也是症狀最嚴重的人，低配合度就成了一種讓估計值產生偏誤的遺漏資料機制（第 6 章）。Stone et al. (2002) 是說明「為何前瞻式電子化蒐集如此重要」的歷史性基準：他們把帶有隱藏時間戳記的紙本日誌與電子日誌相比，發現參與者經常成批完成紙本日誌，事後回填或事先預填，卻回報接近完美的配合度；自陳的配合率約為 90%，由時間戳記推得的實際配合率則接近 11%。教訓是：配合度必須用時間戳記與作答記錄測量出來，不能從自陳去假定；而設計上的選擇（更短的題目、簡短的訓練、時機恰當的提醒、適當的誘因）是把整條配合度曲線往上推，不只是在提示之間彼此消長。

註：示意圖。配合度隨受訪者負擔上升而下降；縮短題目、訓練、提醒與誘因等設計上的緩解措施，是把整條曲線往上抬，不是改變它的斜率。垂直箭頭標示負擔固定時可以取得的配合度增益。

2.4 時間尺度的匹配與測量叢發

第 1 章提醒過，歷程有它的時間尺度，設計也有它的時間尺度，兩者不匹配可能製造出並不存在的表面趨勢，也就是圖 1.4 的疊頻(aliasing)問題。設計正是把那個提醒付諸實行的地方。取樣密度必須快到解析得了所關心的動態：一個在一天之內起伏的歷程，每天取樣一次還原不了，就像一段旋律無法從「每小節一個音」重建出來。但更快不等於更好：更密集的取樣會提高負擔與反應性，而對變動緩慢的構念來說，那是把力氣浪費在解析根本不存在的變異上。設計的任務是匹配，不是最大化。

測量叢發設計(measurement-burst design)解決的是一個真實的兩難：如何在同一項研究中，同時研究快速的個體內動態與緩慢的發展性變化。它的邏輯被 Nesselroade (1991) 用一個意象捕捉下來：發展是一塊織物，由緩慢變化的經線與快速波動的緯線織成。解法如圖 2.6所示，是把數段短期的密集取樣嵌進一個長期的追蹤研究。每一段叢發或許為期一週、每天數次提示，用來刻畫此人當前的動態與變異性；叢發以長間隔反覆施行，或許每年一次，動態本身的變化於是也能跨越發展階段被追蹤 (Sliwinski, 2008)。叢發設計獨有的估計標的因此不只是水準或趨勢，而是個體內變異性與動態的發展軌跡；這些量對稀疏的追蹤設計或單獨一段密集叢發都是看不見的。代價還是那個關於間隔依賴性的警告：延宕效果之類的動態估計量會隨觀察之間的間距而變，叢發之內的時程因此必須在各次叢發之間保持一致，否則就得改用第 27 章的連續時間方法，各次叢發才彼此可比。

註：每一叢是一段彼此緊密相鄰的每日回報，各叢以長間隔重複出現。叢發之內的間距用來估計動態與變異性，叢發之間的間距則用來估計這些量如何跨越數月與數年而改變。

2.5 隨時間進行的介入研究設計

重複測量也是介入研究的骨幹，此時的設計問題是：處理與評量要如何在時間上安排，才能讓「對軌跡的因果效果」估計得出來。最熟悉的情形是帶有重複結果測量的隨機對照試驗(randomized controlled trial, RCT)，本書的 therapy_rct 資料就是例子：病人隨機分派到各組，之後反覆評量，此處是在十二次每週回診中施測一份憂鬱量表，各組的軌跡（而不只是終點）於是可以互相比較（第 10 至 13 章）。這類試驗有兩個特徵本身就是設計問題，留待後文處理：一是各組退出程度不同，也就是差異性流失，這是 therapy_rct 刻意內建的（第 6 章）；二是復發等事件的發生時機，需要第 29 章的存活分析(survival analysis)方法。階梯式楔形試驗(stepped-wedge trial)讓各群集(cluster)依隨機排定的先後順序從控制轉入介入；中斷時間序列(interrupted time series)則對單一單位在介入前後密集觀察（第 24 章）。兩者都把同樣的邏輯延伸到「同時隨機化並不可行」的情境。

另有一種較新的設計，專為行動裝置遞送的介入而發展，此時要問的不是某個處理平均而言有沒有效，而是某一則提示在某一個特定時刻送出去，對接下來的那些時刻有沒有幫助。微隨機化試驗(micro-randomized trial)如圖 2.7所示，隨機化的層次是決策時點而不是個人：研究期間眾多時刻中的每一個時刻，參與者都被隨機分派為收到或不收到一則介入提示，並在不久之後測量一個近端結果(proximal outcome) (Klasnja et al., 2015)。隨機化在每個人身上重複了數百次，這個設計因此估計得出當下介入那些隨時間變動、依情境而異的效果，而這正是建構及時調適性介入(just-in-time adaptive intervention, JITAI)所需要的：一種依當事人此刻的狀態決定遞送什麼、何時遞送的處理 (Nahum-Shani et al., 2018)。這類試驗的分析在第 33 章預告。

註：在每一個決策時點，參與者被隨機分派為收到或不收到一則介入提示，並在不久之後測量一個近端結果。同樣的程序在同一人身上重複進行，隨時間變動、依情境而異的當下效果因此估計得出來。

2.6 重複測量特有的效度威脅

反覆測量同一群人，會帶來單一時點研究從不面對的效度威脅，一份稱職的設計會預先設想這些威脅。第一個是反應性(reactivity)：自我監測這個動作本身就可能改變被監測的行為，記錄自己的心情或抽菸量，就改變了心情或抽菸行為。既有證據顯示這類效果一般不大，但確實因領域而異，在受意志控制的行為上、以及在本來就想改變的參與者身上比較大；反應性因此應該評估，不能假設掉，做法例如比較前期與後期的回報，或錯開監測的起始時間。第二個是前面就認知結果變項提過的再測效果。第三個是高頻設計特有的題目順序與情境效果(item-order and context effects)：在多次重複之下，題目的順序以及提示當下的情境都可能塑造回答，隨機化題目順序、把當下情境一併記錄下來，因此是合理的做法。第四個是持續負擔之下的隨意作答(careless responding)，也就是疲乏的參與者不加注意地作答；偵測方式（作答時間、直線作答與內嵌檢核題）在第 5 章處理。表 2.4把這些威脅與設計上的對策配成對。

還有兩項威脅，關心的不是測量誤差，而是這項研究代表了誰、又因此承擔了什麼義務。選擇與可推論性(selection and generalizability)值得明確關注，因為密集設計招募到的是特定一類參與者：擁有合適裝置、忍受得了頻繁打斷、並且同意讓自己的生活被密集觀察的人。這種樣本得到的發現未必推論得到那些拒絕參與的人，設計上因此應該記錄涵蓋率與同意率，不要把已收案的樣本當成母體本身。最後，當下資料在倫理上的分量與偶爾一次的問卷完全不同：關於位置、行為與心情的密集記錄可能讓參與者被重新識別而暴露；當下評估敏感狀態，更帶著一份照護義務。

2.7 選擇設計：三個實作決策

設計原則最好放在運作中看。以下三項研究各自從一個問題出發，最後落在一份站得住腳的規格上，摘要於表 2.5。第一項問的是每日壓力會不會擾亂當晚的睡眠，這是一個關於「在數小時到一天之內展開的歷程」的個體內問題。所關心的耦合以日為單位，所涉構念又是當下狀態而不是稀有事件，一份大約十四天的訊號取樣或間隔取樣每日日誌就很合適，內容是傍晚一次睡眠回報加上白天數次壓力提示；兩波資料解析不了這種每日耦合，逐秒的感測則遠遠超出所需。第二項問的是對壓力源的情緒反應性如何跨越青少年期而改變，這是一個關於「某個個體內動態的發展軌跡」的問題，也正是測量叢發設計存在的理由：一段為期一週的訊號取樣叢發，每年施行一次、貫穿青少年期，每一叢之內估計出來的反應性於是能跨叢被追蹤。第三項問的是哪些當下狀態能預測成癮治療結束後幾天內的破戒(lapse)，事件稀有、邊界明確、臨床上又急迫，因此傾向採用混合方案：以訊號取樣為骨幹刻畫狀態，每次破戒時再加上事件取樣的回報，並由一個具備風險回應機制的平台遞送。這三個小案例會在第 4 章再次出現，屆時每一個都會被帶進正式的檢定力與精確度分析。

要讓一份研究方案變得具體，圖 2.8展示本書 affect_ema 研究中兩個面向參與者的提示畫面。該研究的完整方案是十四天、每天六次的訊號取樣設計，作答時限十五分鐘，題目是一組簡短的當下題，涵蓋壓力、負向與正向情緒，以及社會情境。實際看到畫面是一種有用的紀律：題目的措辭、反應量尺、需要點按幾次，恰恰就是決定負擔與資料品質的那些設計細節，而方案只以文字存在時，這些細節很容易被忽略。

註：這是示意稿，不是實際截圖。題目措辭、反應量尺的細緻程度，以及每次提示需要點按的次數，都直接決定受訪者負擔與資料品質。

2.8 在 R 中建立取樣時程

一份設計要成真，就得轉成一份具體的提示時程與一份具體的資料結構。本節同時展示這兩者，並且只用基本 R，讓邏輯保持透明。第一項任務是產生一份訊號取樣的時程：在每一個研究日，於清醒時段的數個等長區塊之內各抽一個隨機提示時刻，這正是圖 2.4與 affect_ema 研究方案背後的取樣方案。配套函式收在 Examples 的腳本裡，核心很短。

# 訊號取樣時程：每天 n_blocks 次隨機提示，在清醒時窗的每個等長區塊
# 之內各取一次，並要求最小間隔，避免兩次提示擠在一起。
make_schedule <- function(n_days = 14, n_blocks = 6,
                          wake = c(9, 22), min_gap = 0.75, seed = 1) {
  set.seed(seed)
  edges <- seq(wake[1], wake[2], length.out = n_blocks + 1)
  out <- data.frame()
  for (d in seq_len(n_days)) {
    repeat {
      times <- mapply(function(lo, hi) runif(1, lo, hi),
                      edges[-(n_blocks + 1)], edges[-1])
      if (all(diff(sort(times)) >= min_gap)) break   # 強制最小間隔
    }
    out <- rbind(out, data.frame(day = d, block = seq_len(n_blocks),
                                 prompt_hour = round(sort(times), 2)))
  }
  out
}

sched <- make_schedule(n_days = 14, n_blocks = 6, seed = 2026)
head(sched, 6)
nrow(sched)                       # 14 天共 84 次預定提示

第二項任務是在配適任何模型之前，先把一筆縱貫資料當成「設計物件」來看；就一項試驗而言，這是指檢查分組、評量時程，以及退出的樣態。以 therapy_rct 為例，先確認兩組的人數是否平衡、清點每週評量的次數，而對設計來說最重要的是列出每一週還有多少病人仍被觀察到：那條曲線的形狀就是這項研究的流失輪廓。

therapy_rct <- readRDS("Examples/data/therapy_rct.rds")

table(therapy_rct$arm[therapy_rct$week == 0])      # 實驗組與控制組各 120 人
length(unique(therapy_rct$week))                   # 12 次每週評量

# 流失輪廓：每一週仍被觀察到（hdrs 非遺漏）的人數
observed_by_week <- tapply(!is.na(therapy_rct$hdrs),
                           therapy_rct$week, sum)
round(observed_by_week / 240 * 100)                # 每週的留存百分比

執行之後會看到留存比例從基線的 100% 下降到最後一週的大約一半。這筆資料裡的退出被設定為依賴病人自身分數的惡化，因此它正是「流失作為機制」的具體實例：離開的病人不是隨機的一個子集，第 11 週被觀察到的樣本，比第 0 週被隨機分派的樣本更健康。這是一個必須在分析中正面處理的設計事實（第 6 章），而在設計階段就從留存曲線上看見它，正是本節想養成的習慣。

2.9 為縱貫設計撰寫方法段

一份縱貫設計的可信度，取決於它被報告得如何；如今審查密集設計與追蹤研究的審稿人，會期待一些橫斷研究的作者從來不必提供的具體細節。呼應第 1 章關於撰寫結果的建議，方法段也有一套簡短的紀律，圍繞四項承諾展開。第一，用圖 2.1的那兩個座標報告設計：明確寫出預定的時點數與其間距，例如「參與者在連續十四天內每天完成六次訊號取樣提示」，而不是「參與者完成了一項日誌研究」這種毫無訊息可言的寫法。第二，報告取樣方案及其參數：取樣依隨於什麼（間隔、訊號或事件）、一天如何切成區塊、作答時限、每次提示的題目數量預算，以及提醒與誘因的結構，讓另一個團隊重現得了這份方案。第三，報告實際測得的配合度，而不是原本預定的配合度：給出由時間戳記算出的達成配合率、它在參與者之間的分配，以及用來保留或排除低配合度個案的規則；如今沒有交代配合率，會被讀成警訊，而不只是禮貌上的疏漏。第四，報告流失及其處理方式：退出的人數與時間、任何比較完成者與未完成者的分析，以及預計採用的遺漏資料處理方法；正如本章一再強調的，威脅效度的是遺漏的機制，不是它的比率。

把這些承諾合在一起，針對 affect_ema 方案的一段示範文字可以這樣寫：「120 位成人完成了一項為期十四天的經驗取樣方案。行動應用程式採訊號取樣方案，在清醒時段（約上午 9 時至晚間 10 時）的六個等長區塊之內，各於隨機時刻遞送一次提示，每天共六次，每次的作答時限為十五分鐘。每次提示包含八道題目，測量當下的壓力、負向與正向情緒，以及社會情境。參與者完成一次簡短的訓練，並領取依配合程度遞增的報酬。由回應時間戳記算出的達成配合率為 73%（參與者之間的標準差見表 X）；遺漏在高壓力提示之後較為頻繁，與隨機遺漏(missing at random, MAR)機制一致，並以完全訊息最大概似法(full-information maximum likelihood, FIML)處理（第 6 章）。」這一段的每一個子句都對應本章前面做過的某一項設計決定，而這正是重點：方法段就是一份好設計兌現為可信度的地方。

2.10 常見的迷思

有四種看法反覆出現，也反覆造成誤導。第一，認為生態瞬時評估只是把日誌做得更頻繁而已：這忽略了取樣方案的邏輯，也忽略「以當下捕捉來對抗回憶偏誤」這個根本理由，把一項設計選擇當成單純的頻率旋鈕 (Shiffman et al., 2008)。第二，認為流失只有在比率超過某個門檻時才需要在意：如第 6 章所示，低比率但依賴結果變項的退出，可能比高比率的隨機退出造成更大的偏誤，主導偏誤的是機制，不是百分比。第三，認為加速設計什麼假設都不需要：它們用四年換到六年，唯一的憑藉就是假設年齡軌跡在重疊區間內不隨世代而異，而這個假設必須明白陳述並加以檢驗，不能默認。第四，也是實務上後果最嚴重的一項，是以為「我需要幾天、幾次提示？」這個問題有一個脫離脈絡的答案：所需的密度與期程取決於估計標的究竟是一個平均數、一個趨勢、一個變異數，還是一個延宕係數，最好由第 4 章那種以模擬為基礎的檢定力分析來決定，而不是靠經驗法則。

接下來讀哪裡

接下來幾章跟著這些設計產生的資料走：第 3 章問一個被反覆測量的構念在每個時點上是否意謂同一件事；第 4 章把每一項設計決定轉成檢定力與精確度的量化問題，並延續本章的三個小案例；第 5 章處理這些方案產生的多重資料流該怎麼管理；第 6 章則面對流失與不完全配合留下的遺漏。第 1 章的線索在此延續：一份設計，就是一項承諾，承諾這項研究能談論誰的變異、以及在什麼時間尺度上談論。

習題

1. 2.1 評論一份研究方案。取得一篇已發表的經驗取樣研究的方法段，依表 2.3的設計參數檢核表加以評估。哪些參數有報告、哪些沒有？讀者有哪些部分重現不了？
2. 2.2 選擇一種取樣方案。你想研究大學生暴飲事件的前置因素。請訂出一種取樣方案，說明你在事件取樣與訊號取樣（或混合方案）之間如何權衡，並說明你會如何定義與偵測目標事件。
3. 2.3 勾勒一份加速設計。在只有三年經費的條件下，設計一項涵蓋 10 歲到 18 歲的研究。請指定各世代及其重疊區間，依圖 2.3的樣式畫出涵蓋圖，並陳述你的設計必須倚賴的那個假設。
4. 2.4 診斷混淆。閱讀本書提供的一份由橫斷資料主張年齡效果的摘要。請精確指出其中年齡、時期與世代的混淆，並描述支持該因果主張需要什麼樣的設計。
5. 2.5 草擬一份倫理方案。為一項評估當下自殺意念的研究撰寫風險回應段落，依循第 2.6 節的倫理提示。請明訂切截分數、自動回應、檢視的時間延遲，以及風險升級處置的程序。
6. 2.6 建立一份時程。使用 Examples 腳本中的 make_schedule()，產生一份每天 5 次提示、持續 10 天的訊號取樣時程，並依圖 2.4的樣式畫出提示時刻。請驗證沒有任何兩次提示落在你設定的最小間隔之內。