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

很容易會想把縱貫研究歸進一份簡短的名稱清單裡，但更有用的起點是認識到：每一種重複測量設計都座落在一個由兩個問題所定義的連續空間之中，也就是每個人被測量幾次、以及這些測量彼此相隔多遠。圖 2.1攤開了這個空間，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。兩波追蹤研究位在左上角，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) 位置更低、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位在右下角，數千個時點、彼此相隔數秒或數分鐘。因此，替一種設計命名，其實是這個空間中某一個區域的簡稱，而這些區域彼此連續地漸變，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）刻意結合了叢發之內的短間隔與叢發之間的長間隔，因此無法被放在單一位置上。

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上調查一批全新的樣本，因此它能描述母體平均數如何隨時間改變，卻永遠無法觀察到任何一個人正在改變，因為沒有任何一個人出現兩次。真正的追蹤設計則跨時點追蹤同一批個體，因此攜帶了個體內的資訊。只有追蹤設計能回答第 1 章那些個體內的問題；趨勢設計無論做了幾波，本質上都仍然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它；回溯設計則要求人們事後回想。由於記憶是重建而不是重播，回溯報告會受到系統性回憶偏誤 (recall bias) 的影響，而且偏誤會隨著被回想的時間跨度加長而變大；降低這種偏誤，正是本章後半所處理的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，而它暴露出一個混淆，是單一設計無論蒐集多少資料都無法解開的。假設我們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、真正的個體內變化。它可能反映世代 (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。它也可能反映時期 (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，其邏輯至今仍主導著發展研究的設計，如圖 2.2所示。方格表中的每一格都是一個出生世代與一個測量時期的組合，而該格的年齡由另外兩者所決定。橫斷研究取樣的是單一直欄，也就是一個時期、跨越數個世代，因此把年齡與世代混淆在一起。單一世代的縱貫研究取樣的是單一橫列，也就是一個世代、跨越數個時期，因此把年齡與時期混淆在一起。世代序列設計 (cohort-sequential design) 取樣的是多個世代乘以多個時期，也就是整個方格表，而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所取樣的格子。由於年齡等於時期減去世代，這三個維度無法各自獨立操弄，因此每一種只取單一切片的設計都必然混淆其中兩者。

這三種影響之所以不能靠研究者一句話就切開，原因不在於統計方法不夠大膽，而在於算術本身，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。與其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（那需要六年的經費，也讓研究暴露在六年的流失風險之下），這個設計改為招募三個彼此重疊的世代，每個世代追蹤四年。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了三到八年級的整個範圍；而在三個世代都被觀察到的五、六年級這段重疊區間，則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了時間：它假設年齡軌跡的形狀在這些重疊的世代之間是相同的，如此各片段才能被接成一條曲線。這個假設並非免費，但與原始的年齡、時期與世代糾結不同，它是可檢驗的，而且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：每一段水平線段是 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，就是允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，關乎誰留在研究中，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，是後果最嚴重的一項，因為它很少是隨機的：退出的人往往與留下的人有系統性的不同，於是留存下來的樣本會逐漸偏離我們真正關心的母體。設計上的因應相當實務，包括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) 加入新的參與者以取代流失者。關鍵在於，正如第 6 章將深入發展的，決定偏誤大小的並不是流失率本身，而是流失的機制：只依賴先前已觀察到的數值而發生的流失，現代的估計方法可以處理；但依賴未被觀察到的結果變項本身而發生的流失，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。第三個問題更為隱微，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，於是資深的受訪者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試圖做的。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 (ecological momentary assessment) 取樣更密集，一天數次，而且強調當下狀態而非整日狀態；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，但如今幾乎完全重疊 (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；它們標示的是密度、通道與參與者負擔上真實存在的差異。

在自陳類的設計裡，最重要的單一設計決定是取樣方案 (sampling scheme)，也就是決定提示何時出現的規則。Wheeler and Reis (1991) 提出了流傳至今的三分法，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；它簡單且可預期，但無法捕捉落在提示之間的事件，而且會誘使受訪者對整段間隔進行回溯。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，並給出一份大致具代表性的「時刻樣本」，是研究情緒等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；這是唯一能可靠捕捉稀有或有明確邊界的事件的方案，但它完全依賴參與者能辨識並記錄該事件。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提供了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；事件取樣的提示則在已定義的事件發生時才出現。

取樣方案選定之後，還要靠少數幾個設計參數才能訂出完整的研究方案，而密集設計作為實用工具的成敗就落在這裡。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勾勒了它：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：如果最不配合的參與者同時也是症狀最嚴重的人，低配合度就成為一種讓估計值產生偏誤的遺漏資料機制（第 6 章）。說明「為何前瞻式電子化蒐集如此重要」的歷史性基準是 Stone et al. (2002)，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，卻同時回報接近完美的配合度；自陳的配合率約為 90%，但由時間戳記推得的實際配合率則接近 11%。教訓是：配合度必須被測量，透過時間戳記與作答記錄，而不是從自陳去假定；而且設計上的選擇（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，而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，而不是改變它的斜率。垂直箭頭標示在負擔固定的情況下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，而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。取樣密度必須快到足以解析所關心的動態：一個在一天之內起伏的歷程，無法靠每天取樣一次還原，就像一段旋律無法從「每小節一個音」重建出來。但更快並不就是更好，因為更密集的取樣會提高負擔與反應性，而且對於變動緩慢的構念而言，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)，其邏輯被 Nesselroade (1991) 以「發展是一塊由緩慢變化的經線與快速波動的緯線織成的織物」這個意象捕捉下來，它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。解法如圖 2.6所示，是把數段短期的密集取樣嵌入一個長期的追蹤研究之中。每一段叢發，或許是一週、每天數次提示，用來刻畫此人當前的動態與變異性；這些叢發以長間隔反覆施行，或許每年一次，於是這些動態本身的變化也能夠跨越發展階段被追蹤 (Sliwinski, 2008)。因此，叢發設計獨有的估計標的並不只是水準或趨勢，而是個體內變異性與動態的發展軌跡，而這些量對於稀疏的追蹤設計或單一段密集叢發而言都是看不見的。代價同樣是那個關於間隔依賴性的警告：由於延宕效果之類的動態估計量會依賴觀察之間的間距，叢發之內的時程必須在各次叢發之間保持一致，否則就必須改用第 27 章的連續時間方法，才能讓各次叢發彼此可比。

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，此時設計問題變成：如何在時間上安排處理與評量，才能讓「對軌跡的因果效果」成為可估計的。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：病人被隨機分派到各組，之後被反覆評量，此處是在十二次每週回診中施測一份憂鬱量表，於是各組的軌跡（而不只是終點）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：各組退出程度不同（差異性流失），這是 therapy_rct 刻意內建的（第 6 章）；以及復發等事件的發生時機，這需要第 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) 依隨機排定的時間先後從控制轉入介入；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。

有一種較新的設計是專為透過行動裝置遞送的介入而發展出來的，此時的問題不是某個處理平均而言是否有效，而是某一則提示在某一個特定時刻遞送出去，對接下來的那些時刻是否有幫助。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：在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)。因為隨機化在每個人身上重複了數百次，這個設計能估計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，也就是一種能依當事人此刻的狀態決定要遞送什麼、以及何時遞送的處理 (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。在同一人身上重複進行，使得隨時間變動、依情境而異的當下效果得以被估計。

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，而一份稱職的設計會預先設想它們。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，例如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而言不大，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；因此反應性應該被評估，而不是被假設掉，例如比較前期與後期的回報，或錯開監測的起始時間。第二個是前面已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，因此隨機化題目順序、並把當下情境一併記錄下來，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；如何偵測它（透過作答時間、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、以及它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、能忍受頻繁打斷、並且同意讓自己的生活被密集觀察的人。來自這種樣本的發現未必能推論到那些拒絕參與的人，因此設計上應該記錄涵蓋率與同意率，而不是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，因為關於位置、行為與心情的密集記錄可能使參與者被重新識別並因此暴露；而對敏感狀態進行當下評估，更帶有一份照護義務。

2.7 選擇設計：三個實作決策

設計原則最好在運作中觀看。以下考慮三項研究，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是否擾亂當晚的睡眠，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。由於所關心的耦合是以日為單位，而且所涉構念是當下狀態而非稀有事件，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；兩波資料無法解析這種每日耦合，而逐秒的感測則是殺雞用牛刀。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，而這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，於是每一叢之內估計出來的反應性就能跨叢被追蹤。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)，這是一個關於稀有、有明確邊界、且臨床上急迫的事件的問題，因此傾向採用混合方案：以訊號取樣為骨幹來刻畫狀態，再在每次破戒時加上事件取樣的回報，並由一個具備風險回應機制的平台來遞送。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，並使用一組簡短的當下題目，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，因為題目的措辭、反應量尺，以及需要點按幾次，恰恰就是決定負擔與資料品質的那些設計細節，而當一份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，都是直接決定受訪者負擔與資料品質的設計決定。

2.8 在 R 中建立取樣時程

一份設計要變成真實的，就必須被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，並且只使用基本 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取一個隨機提示時刻，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 的腳本中，其核心很短。

# 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；對一項試驗而言，這意味著檢查分組、評量時程，以及退出的樣態。以 therapy_rct 為例，我們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，因為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；而由於這筆資料中的退出是被設定為依賴病人自身分數的惡化而發生的，它就是「流失作為機制」這個問題的一個具體實例：離開的病人並不是隨機的一個子集，因此第 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被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，正是本節想要養成的習慣。

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；而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。對應於第 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的那兩個座標來報告設計：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」，而不是那種毫無資訊量的「參與者完成了一項日誌研究」。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）、一天如何被切成區塊、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，好讓另一個團隊能夠重現這份方案。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；因為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；因為正如本章一再強調的，威脅效度的是遺漏的機制，而不是它的比率。

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。參與者完成了一次簡短的訓練，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是本章前面做過的某一項設計決定，而這正是重點所在：方法段就是一份做得好的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並造成誤導。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，也忽略了「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：正如第 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，因為主導偏誤的是機制而不是百分比。第三，認為加速設計什麼假設都不需要：它們之所以能用四年換到六年，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，而這個假設必須被明白陳述並加以檢驗，不能只是被默認。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，而最好由第 4 章那種以模擬為基礎的檢定力分析來解決，而不是靠經驗法則。

接下來讀哪裡

接下來幾章跟隨這些設計所產生的資料：第 3 章詢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 章處理這些方案所產生的多重資料流的管理；第 6 章則面對流失與不完全配合所留下的遺漏。第 1 章的線索在此延續：一份設計，就是關於「這項研究將能談論誰的變異、以及在什麼時間尺度上談論」的一項承諾。

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？讀者有哪些部分是無法重現的？
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）之間如何權衡取捨，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，並陳述你的設計所需要的那個假設。
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，並描述要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。