社會、人格、組織與健康心理學的應用

35.1 地形：歷程住在人生活的地方

本書服務得了的社會、人格與組織心理學問題，都是關於個體內歷程的問題，而它們落在少數幾個通往前面工具的家族裡。一個狀態的表現與它的偶連性 (contingency)，也就是一個人當下的外向性 (extraversion) 或情緒起伏多少、又是什麼情境在推動它，是一個分配的問題，由第 7 與 16 章的變異性與位置尺度 (location-scale) 工具回答。狀態在人與人之間的傳遞，也就是一位伴侶的支持 (support) 會不會抬起另一位的親密感 (intimacy)、以及每天是誰帶誰，是一個雙人的問題，由第 23 章的多層次模型延伸到兩位互相依賴的成員來回答，並由第 25 章的耦合 (coupling) 方法補上。工作與復原的節律，也就是每週的週期與一個週末的修復，是週期性的問題，由第 23 與 30 章的三角函數 (trigonometric) 與循環平滑 (cyclic smooth) 工具回答。而行為與健康在一天之內的耦合，則是動態的問題，由同一套個體內機制回答。圖 35.1 畫出這份對應，而表 35.1 連同估計標的 (estimand) 與代表性文獻一起列出這些家族。

註：每一個個體內問題的家族都通往回答它的那些工具。設計的譜系由羅徹斯特互動紀錄 (Rochester Interaction Record) 與 Wheeler and Reis (1991)、Reis and Wheeler (1991) 的事件取樣傳統，一路走到今天的智慧型手機經驗取樣，但分析的家族是穩定的，而說出是哪一個家族仍然是第一個分析動作。

35.2 個案研究 A：把人格看成狀態的分配

Fleeson (2001) 提出的那份「狀態與特質的調解」，靠著換掉討論的對象而化解了一場老爭論：一個人格特質不是一個人單一的特徵值，而是那個人當下狀態的密度分配，而那個分配的參數，也就是平均數、分散程度 (spread)，以及狀態依情境而變的方式，就是特質。這個重新框定把密集縱貫資料變成一件人格測量的工具，也就是個案 A 的內容，做在被重新框成一項人格研究的 affect_ema 紀錄上：\(120\) 個人，每天大約取樣六次、為期兩週，他們當下的正向情緒 (positive affect)、負向情緒 (negative affect) 與壓力 (stress) 就是估計分配參數的那些狀態。

35.2.1 分配參數即人格

圖 35.2 呈現研究的原始對象，也就是一批人當下正向情緒的分配，而它以視覺說出了關鍵的那一點：人與人的差別不只在分配坐落的位置，也在它有多寬，因此兩個平均情緒相同的人可以在變異性上差很多，而兩件事都是人格。要把參數估計得正確，就得抵抗「算一個原始的個體內標準差、再把它當成特質」的誘惑，因為這樣一個指標把真實的變異性與測量誤差 (measurement error)、以及與那個人的平均數混在一起，那正是 Baird et al. (2006) 記錄過的干擾；第 16 章的位置尺度模型是那份修補，它把一個人的平均數與一個人殘差變異性的對數一起模型化，並把依情境而定的反應性當成一個隨機斜率 (random slope)。配適到這份資料上，三個參數都很可觀而且因人而異：負向情緒的個人平均數平均為 \(2.02\)、個體間標準差 \(0.44\)；個體內變異性平均為 \(0.56\)、個體間標準差 \(0.10\)；而壓力反應性，也就是一個人的負向情緒隨當下壓力上升的程度，平均為 \(0.35\)、個體間標準差 \(0.08\)。表 35.2 列出哪一個分配參數操作化了哪一個人格構念。

註：每一列是一個人兩週取樣期間當下正向情緒的分配，依個人平均數（紅點）排序。人與人的差別在分配的位置上，也獨立地在它的分散程度上；在密度分配的觀點裡，兩者都是穩定的人格參數。由這些分配直接讀出來的原始標準差，會把真實的分散與測量誤差、以及與平均數混在一起，那正是第 16 章的位置尺度模型要修正的。請注意，這張圖畫的是正向情緒，而正文所報的三個分配參數（\(2.02\)、\(0.56\)、\(0.35\)）都是負向情緒的，兩者不能互相對照；英文版亦然，見 EN-35-02。

35.2.2 穩定性與反代入的紀律

一個分配參數要算得上特質，它必須穩定，而把研究切成前後兩週、再把每個參數在兩半之間求相關，也就是一次折半 (split-half) 檢核，就給出經驗上的判定：個人平均數高度穩定，兩半之間相關 \(0.90\)；個體內變異性中等穩定，\(0.56\)；而反應性最有雜訊，\(0.37\)。這正是密度分配文獻收斂到的那個型態，平均水準穩健地像特質，而更高階的參數是真的、卻比較難在兩週的資料裡釘住。這些穩定性的數字對下一步很要緊，因為下一步是把這些參數帶進「特質對結果」的分析，而一個帶著誤差估出來的參數就是一個帶著測量誤差的預測變項，把它當成已知量來用就是第 16 章警告過的代入謬誤 (plug-in fallacy)。圖 35.3 在一次受控的示範中呈現後果：當一個人層次的結果真的取決於那個人的變異性時，把結果對變異性的代入估計值作迴歸 (regress) 會衰減 (attenuate) 那個效果，這裡由真值 \(0.50\) 掉到天真的 \(0.45\)，而且把它的不確定性報得太小，因為估計出來的變異性裡的雜訊被忽略了；把那份估計的不確定性傳遞下去，透過一個利用「標準差的取樣變異數為已知」的變項含誤差 (errors-in-variables) 校正，把效果還原到 \(0.55\)，並誠實地把區間拉寬。這條紀律說起來簡單、卻經常被忽略：一個進入個體間模型的分配參數帶著它自己的不確定性，而那份不確定性屬於第二階段的推論。

註：一個人層次的結果取決於那個人真實的個體內變異性，而這裡的變異性是由大約二十五個可用時點估出來的。代入的分析把結果對點估計作迴歸，衰減了效果、也報出過窄的區間。把估計的不確定性傳遞下去，透過一個利用「標準差的取樣變異數為已知」的變項含誤差校正，還原了效果、也把區間拉到它誠實的寬度。參數所依據的時點越少，衰減就越大。

35.3 個案研究 B：雙人的每日歷程

一段關係裡的兩個人產生兩條互相依賴的每日資料流，而核心的方法學事實是：這兩條流不能分開分析，因為每一位伴侶的結果同時取決於兩位伴侶的預測變項，也因為一對伴侶的兩位成員比兩個隨機的個人更相似。個案 B 把分析發展在 couples_diary 紀錄上，那是一份可區辨雙人 (distinguishable dyad) 的研究，\(130\) 對伴侶在三週之內每天報告支持與親密感，帶著一個已知的行動者與伴侶結構、一個滿意度 (satisfaction) 的調節變項 (moderator)、一個伴侶間的混淆 (confound)、一個共同命運 (common fate) 的成長歷程，以及一個不對稱 (asymmetric) 的跨伴侶延宕，因此每一項主張都可以對照真值檢核。圖 35.4 呈現這份資料的解剖，也就是兩條共用同一批伴侶日的對齊資料流，而本節建起尊重那份結構的模型。

註：兩位伴侶產生共用同一批伴侶日的對齊資料流。耦合有兩種不同的形式：一種是當天共享的成分，其中一件事同時推動兩位伴侶；另一種是延宕的跨伴侶成分，其中一位伴侶的狀態預報另一位在隔天的狀態。把兩者混為一談、或乾脆忽略那份非獨立性 (nonindependence)，都會把「互倚 (interdependence)」這個研究對象說錯。

35.3.1 非獨立性與行動者及伴侶的模型

那份非獨立性是真的、也量得出來：親密感的雙人組內相關 (dyadic intraclass correlation)，也就是落在伴侶之間的變異數 (variance) 比例，是 \(0.34\)，離「把人當成個人來分析」所假定的零很遠，而那正是一個伴侶層次的隨機效果不可省的原因。尊重雙人結構的模型是多層次形式的行動者與伴侶互倚模型，其中每位伴侶每天的親密感被迴歸到那位伴侶自己的支持（行動者效果）與另一位伴侶的支持（伴侶效果）上，而兩位成員的日子共用一個伴侶層次的隨機截距。圖 35.5 畫出這個設定。零散的應用文獻慣常弄錯的那個微妙之處是中心化：一個行動者效果是一個個體內效果，也就是「一位伴侶在自己支持高於平常的那些天，親密感上升的程度」，而它只有在支持被作個人平均數中心化 (within-person centering) 時才估得乾淨，因為那樣才把「一天一天的個體內關聯」與「平均而言比較會給支持的人的個體間關聯」分開。表 35.3 是解決這個設定的決策表，交叉了可區辨性、誤差結構與中心化。

註：每位伴侶的親密感取決於那位伴侶自己的支持（行動者效果）與另一位伴侶的支持（伴侶效果，紫色）。在一個「支持作個人平均數中心化、加上一個伴侶層次隨機截距」的多層次模型裡估計，行動者與伴侶效果就是每天的個體內效果，與伴侶之間的關聯分開。圖上畫的是個體內那一層；伴侶之間那一層是一組平行的、以伴侶平均數為預測變項的效果。

配適中心化正確的模型，還原出植入的結構：行動者效果是 \(0.45\)、對照真值 \(0.40\)；伴侶效果是 \(0.19\)、對照真值 \(0.20\)；而「平均支持對親密感」的伴侶間效果是 \(0.59\)、對照真值 \(0.60\)，因此個體間的關聯確實大於個體內的，那正是中心化設計出來要揭露的那道雙重分離 (double dissociation)。圖 35.6 把這些估計值擺在它們的真值旁邊，而且關鍵地呈現了那個常見錯誤的代價：一位只把支持作總平均數中心化的分析者，會把行動者效果估成 \(0.51\)，被比較大的個體間關聯向上汙染，而那個誤差的大小和許多已發表的效果一樣大。關係滿意度如植入地調節 (moderate) 了行動者效果，個體內「支持對親密感」的耦合 (coupling) 在比較滿意的伴侶身上比較強，還原出來的交互作用是 \(0.13\)、對照真值 \(0.15\)。表 35.4 是那份讓四個效果保持分明的詞彙表。

註：個體內中心化的模型把行動者（\(0.45\)）、伴侶（\(0.19\)）與個體間（\(0.59\)）三個效果還原到接近植入的真值（菱形）。最下面那一列是「支持只作總平均數中心化」時的行動者效果：它被拉到 \(0.51\)，被比較大的個體間關聯汙染，而那個誤差會灌大所報告的個體內耦合。中心化在這裡不是一件枝微末節；它是「你要的那個效果」與「你沒有要的那個效果」之間的差別。

35.3.2 雙人的成長，以及誰帶誰

在每天的耦合之外，一對伴侶的親密感有一條軌跡，而雙人成長模型問的是兩位伴侶的軌跡會不會一起動。配適一個帶伴侶層次隨機斜率的成長模型，還原出每天 \(0.015\) 個單位的共享上升，而伴侶層次的斜率捕捉的是共同命運，也就是伴侶在研究期間傾向一起起伏、而不是各自起伏，圖 35.7 以一批兩條軌跡互相跟隨的伴侶呈現這件事。共同命運的表徵，也就是「一條伴侶層次的軌跡驅動兩位伴侶」，在因果故事是共享處境而不是互相影響的時候，是「兩條各自但相關的斜率」那種平行歷程 (parallel-process) 模型在理論上更貼切的替代方案，而在兩者之間選擇是一個關於「這對伴侶是什麼」的選擇，不是一場配適的比賽。最後一層是動態的那一層，也就是誰帶誰的問題，而在親密感的殘差 (residual) 上估計跨伴侶的延宕，還原出植入的不對稱：伴侶 1 某一天的親密感以 \(0.18\) 的係數預報伴侶 2 隔天的親密感，而反向的路徑只有 \(0.07\)，因此伴侶 1 領先、伴侶 2 跟隨，那就是圖 35.8 呈現的領先落後結構。這裡的警戒就是第 25 章壓過的那一條：一個跨伴侶的延宕是一項時間上的預測事實，不是一項影響的示範，因為一個共享而未測到的驅動因子、一件共同的每日壓力源，或一個第三變項，都製造得出那份不對稱，而第 32 章以遞迴為本的協調 (coordination) 方法提供一個互補的視角，卻解決不了那個因果的問題。

註：九對伴侶的親密感軌跡，每位伴侶各一條線。同一對之內，兩位伴侶的軌跡一起動，那就是伴侶層次隨機斜率所捕捉的共同命運指紋。當伴侶因為共享處境而一起起伏時，共同命運模型是貼切的表徵；當故事是互相影響時，帶跨伴侶斜率耦合的平行歷程模型才是替代方案。

註：在控制每位伴侶自己的慣性 (inertia) 之後，親密感殘差上的跨伴侶延宕效果。耦合是不對稱的，伴侶 1 領先（\(0.18\)）、伴侶 2 跟隨（\(0.07\)），還原出植入的不對稱（菱形）。領先落後是一項預測的事實，不是影響的證明：一個共享的每日驅動因子製造得出同樣的不對稱，這正是第 25 章那份警戒帳適用於此的原因。順帶一提，兩個估計值都低於它們的真值（\(0.25\) 與 \(0.10\)），那是殘差上估計延宕效果時慣有的衰減，正文與英文版都沒有點出來，見 EN-35-03。

35.4 個案研究 C：工作週的節律與復原

組織領域關於壓力與復原的文獻把「一週」當成一個有意義的結構：緊張橫跨工作日累積，復原發生在傍晚與週末，而那份節律本身就是現象，不是一個要被排除掉的麻煩。個案 C 把這些想法做在 work_week 紀錄上，那是一份 \(200\) 位工作者的兩週日誌 (diary)，有工作日、傍晚與早晨的架構，活力上植入了一個每週的週期、一段不連續的週末修復、一個把傍晚的抽離 (detachment) 連到隔天早上活力的個體內復原效果，以及一個工作要求 (job demands) 的調節變項，因此理論的檢驗可以對照一個已知的歷程來稽核 (audit)。

35.4.1 每週的週期即理論

每週的週期以兩種方式估計，而這個對比很有教育意義。一個單一的三角諧波 (harmonic)，也就是在七天的週期上放一組正弦 (sine) 與餘弦 (cosine)，強加一條平滑的正弦曲線，還原出植入的週期，與真值的相關是 \(0.95\)；一個循環樣條 (cyclic spline)，它讓資料自己選形狀、同時強制週期閉合 (period closure)，讓星期日接回星期一，還原出來的相關是 \(0.91\)，理論中立 (theory-agnostic) 而且效率 (efficiency) 幾乎一樣好。圖 35.9 把兩者連同真值一起畫出來，一個週中的活力低谷與一個週末的高峰，而表 35.5 是那份決策指引。方法上的重點是：在兩者之間選擇是理論上的、不只是統計上的。如果理論預測一段平滑的單峰節律，三角函數模型就把那個預測編碼進去、並有效率地檢驗它；如果形狀未知、或可能是多峰的，循環平滑就是誠實的預設；而把星期幾當成一組自由的虛擬變項 (dummy variable)，也就是第三個選項，等於完全丟掉那個週期結構，只有在完全不預期有節律時才適當。一個當裝飾配適的每週週期，也就是因為軟體有這個功能才加上去的一條平滑，跟一個當理論配適的每週週期不是同一回事。

註：子圖 (a)：由一個單一三角諧波與一個循環樣條各自還原出來的每週活力週期，兩者都追得上植入的真值（週中低谷、週末高峰）。形狀是已知的正弦時，三角函數模型有效率；循環平滑則是理論中立的預設。子圖 (b)：個體內的復原效果，隔天早上的活力隨前一晚的心理抽離而上升，那正是壓力復原文獻的核心歷程。英文版此格畫的是未中心化的原始邊際關聯（斜率約 \(0.45\)），副標印的卻是個體內的模型係數 \(0.33\)；中文版把兩個變項都先作個人平均數中心化再分箱，畫出來的就是個體內的關聯，並在副標中註明模型另有調整。見 EN-35-01。

35.4.2 復原、週末與工作要求

復原的假設是「傍晚從工作抽離，會補回隔天要動用的資源」，而它是一項個體內的延宕 (lagged) 主張，正是這份日誌被建來檢驗的：把隔天早上的活力對前一晚的心理抽離作迴歸，作個人平均數中心化、並以第 5 章壓過的那份小心跨越夜晚的界線 (night boundary)，還原出 \(0.33\) 的係數、對照植入的 \(0.35\)，因此一位工作者自己比平常更好的抽離，預報得了那位工作者自己比較高的活力。週末加上一段不連續，那不只是一條平滑週期上的一個低點，而是一次真正的跳躍，把它模型化成一次分段 (piecewise) 的位移，還原出 \(0.51\) 的週末活力提升、對照真值 \(0.50\)，圖 35.10 把它呈現成它本來的樣子，也就是一段週內的修復。工作要求如植入地調節整個系統：報告較高要求的工作者抽離得比較少，「要求對抽離」的係數是 \(-0.36\)、對照真值 \(-0.30\)，而且報告較低的基線 (baseline) 活力，因此那個保護活力的復原歷程，對最需要它的工作者最不可得，那是模型浮現出來的一項實質發現。最後，一天的中斷 (interruption) 次數是一個計數 (count)，而一個卜瓦松 (Poisson) 混合模型還原出它的結構：中斷隨工作要求而上升，對數率 (log rate) 的係數是 \(0.51\)、對照真值 \(0.50\)，而且在週中達到高峰，這個計數結果由第 15 章的廣義線性混合模型處理，而不是硬塞進一個線性的模子裡。

註：兩週日誌期間的平均活力，工作日與週末分開標示。活力在週末跳上去、在工作週重新開始時落回來，那是一段大約半個量尺點的週內不連續，一個分段模型抓得住它，而一條平滑的每週週期會把它糊掉。週末不只是一道梯度上低緊張的那一端；它是一個性質不同的狀態。

35.5 領域綜合

三個個案共享一份紀律與一組會被這些領域的審查者反覆提出的異議。那份紀律是：個體內的結構才是研究對象；一個分配參數、一個行動者效果、一個復原延宕，全都是個體內的量，必須以它們的本性所要求的中心化、不確定性傳遞與因果謹慎來估計；而把它們摘述成一個個體間或特質的網絡時不把它們的不確定性洗掉，正是代入謬誤過不了的那道標準。那些反覆出現的異議有三個。第一個是要求一次實驗，也就是那位把任何個體內關聯都讀成因果主張、然後問「操弄在哪裡」的審查者；誠實的回答是：這些設計估計的是個體內的關聯 (association) 與時間上的預測 (prediction)，它們限制住因果 (causal) 假設而不建立因果假設，而從一個伴侶效果或一段領先落後過度主張影響，正是那份警戒帳存在要防止的錯誤。第二個是對樣本數的誤讀，也就是那位把八十對伴侶或兩百位工作者稱作小樣本的審查者；回答是層次特定 (level-specific) 的檢定力 (power) 素養：對一個個體內效果而言，相關的樣本是「時點數乘以人數」；個體間的樣本只管個體間的效果；而一項設計的檢定力必須在估計標的所在的層次上評估，如第 4 章所述。第三個是把節律或星期幾當成一個麻煩的控制變項而打發掉，那是把理論誤認成雜訊。表 35.6 收攏這些領域的報告義務，包括把個體內的發現翻譯成應用讀者所使用的語言；而那些錨定文獻為想走得更深的讀者指路：密度分配的研究方案在 Fleeson (2001) 與 Fleeson and Jayawickreme (2015)，雙人分析的經典在 Kenny et al. (2006)、日誌的手藝在 Laurenceau and Bolger (2005)，而復原與組織取樣的文獻在 Sonnentag (2003)、Sonnentag and Fritz (2007)、Beal (2015) 與 Gabriel et al. (2019)。這些正是個體內革命開始的地方，而它們獎賞的手藝就是本章一路實踐的那一種：把歷程模型化在它所住的地方，並且不說得比個體內資料所支持的更多。