問卷設計與作答行為

自陳問卷是社會科學研究者最常自建、也最常低估的測量工具。相較於一份標準化的能力測驗須經第二十二章所述的完整編製流程，一份研究用的態度或人格量表，往往是研究者對著空白文件、憑感覺寫出幾道題便投入使用。這種隨性的背後，藏著一個危險的預設，即「問卷不過是把想問的問題寫下來」，彷彿受測者會像一台誠實的儀器，忠實回報其內在的真實狀態。然而，回答一道問卷題，其實是一段複雜的認知歷程，其間佈滿了可以系統性地扭曲答案的環節。本章要把自陳問卷，從「憑感覺寫題」提升為一門有實證基礎的測量科學。 本章沿兩條軸線並進。設計端處理「如何把題目與反應格式寫好」的實證知識，即題目撰寫的常見缺陷、反應格式的抉擇、反向題的取捨。作答端則處理「受測者如何作答」的實質理論與其建模，即反應風格、社會期許、粗心作答等系統性的作答傾向，以及如何以模型把它們與真實的構念分離。這兩條軸線共同體現了本書一以貫之的思想，即測量誤差不是隨機的雜訊，而是有結構的，因而是可以被建模、被扣除的。為使討論具體，全章以一份五題的生活滿意度量表為貫穿實例，依序為它做題目缺陷診斷、格式改版、反向題效應檢視、IRTree 分析與粗心篩檢，逐步呈現每一步對分數與因素結構的實際影響。

每一份問卷都是一段認知歷程

要理解問卷作答為何充滿誤差來源，最好的起點是把「回答一道題」拆解為一段認知歷程。Tourangeau et al. (2000) 的經典模型，把作答分為四個階段，如下面的概念方塊所示。

這個四階段模型的價值，在於它把「問卷誤差」由一團模糊的印象，解析為可定位、可預防的具體環節。Krosnick (1999) 對調查研究的綜述進一步指出，當作答的認知成本過高時，受測者常轉而採取「滿意即可」的捷徑，即不追求最佳答案，而只求一個過得去的答案，例如一律選中間、一律同意。這種認知節省，正是後文諸多反應偏誤的心理根源。就生活滿意度量表而言，一道措辭含混的題目，可能在「理解」階段就已讓不同受測者答的其實是不同的問題。

題目撰寫的實證知識

問卷設計最前端的一環，是把題目寫好。這裡的許多原則與第二十二章成就測驗的試題撰寫相通，但態度與自陳題有其特有的陷阱。 最常見、也最隱蔽的缺陷，是雙管題（double-barreled item），即一道題其實同時問了兩件事，例如「我對我的工作與薪水感到滿意」。對工作滿意卻對薪水不滿的受測者，無論選同意或不同意都無法忠實作答，這道題的答案因而意義不明。第二個缺陷是否定句，尤其是雙重否定，例如「我並非不快樂」，它增加了理解階段的認知負擔，容易被誤讀。第三個是模糊量詞（vague quantifiers），例如以「經常」「有時」作為選項，不同受測者對「經常」的界定天差地別，使答案不可比。就生活滿意度量表的體檢而言，第一步便是逐題檢視有無這些缺陷：把雙管題拆成兩題、把否定句改為正面陳述、把模糊量詞換成較明確的錨定，往往不必更動所測的構念，卻能顯著提升作答的一致性。

反應格式：幾點量尺、要不要中點

題目寫好之後，還須決定「受測者怎麼答」，也就是反應格式。這一系列看似瑣碎的設計抉擇，其實各有可觀的實證後果。 反應選項的數目，是第一個抉擇。選項太少（如二分的是非）會損失資訊、降低信度；選項太多（如十一點）則超出多數人能穩定區辨的粒度，徒增雜訊。實證上，五至七個選項通常在資訊量與可靠性之間取得較好的平衡。第二個抉擇是中間點的有無。提供中點（如「無意見」）容許真正持中立態度者忠實作答，卻也給了想省事或迴避的受測者一個逃避的出口，使中點反應的意義變得含混。第三是選項標籤：只標端點、或每一點都給文字標籤，會影響受測者對量尺的解讀，而全標籤通常使各點的意義較為明確。第四是方向，即量尺由「非常不同意」到「非常同意」或反之，這看似無關緊要，卻可能與作答習慣交互而產生細微的偏誤。就生活滿意度量表而言，把原本的四點無中點格式，改為附文字標籤的五點格式，往往能讓分數的分布與解讀都更為合理。

反向題：解藥還是毒藥

為了對抗受測者「一路同意到底」的惰性，問卷設計常摻入反向題，即措辭方向與其他題相反的題目，例如在一份滿意度量表中插入「我對生活感到失望」。其用意是逼使受測者逐題細讀、而非機械式地全選同意。然而，反向題是一帖有副作用的解藥。

這個現象，正是第十五章相關殘差與方法因素的一個典型應用場景，在此得到了實質心理學的解釋：所謂的「用詞效應」，其機制正是默從等反應風格與題目措辭方向的交互。因應之道並非棄用反向題，而是在測量模型中把方法效應明確建模，例如以一個方法因素吸收正反向題的共同措辭變異，或允許同方向題目的殘差相關。就生活滿意度量表而言，若不加處理，那道反向題可能讓一個單維量表在因素分析中看似雙維；正確的做法，是把措辭方向的方法效應納入模型，還原量表本應有的單維結構。

反應風格：測量中的系統性人格

反向題的問題，只是一個更大現象的冰山一角，這個現象即反應風格（response styles），指受測者不論題目內容為何，都傾向以某種固定方式作答的系統性習慣。反應風格是自陳測量中最頑固的一類方法變異，因為它與構念無關，卻穩定地作用於作答。 幾種主要的反應風格值得辨明。默從反應風格（acquiescence），即傾向同意任何陳述，是前一節反向題問題的根源。極端反應風格（extreme responding），即傾向使用量尺的兩端而少用中間；其鏡像是中庸反應風格，即傾向縮在中間而避免極端。這兩者都會扭曲分數的變異，也在跨文化比較中造成困擾，因為不同文化的極端與中庸傾向本就不同。另一類影響深遠的是社會期許（social desirability），即傾向以「看起來好」的方式作答。Paulhus (1984) 的重要貢獻，是把社會期許拆解為兩個成分：自欺（self-deception），即真誠地相信自己較好的正向偏誤；與印象整飾（impression management），即有意識地為在他人面前塑造好形象而作假。這一區分之所以重要，在於兩者的成因與因應不同：自欺較接近人格特質，印象整飾則對情境，尤其是高風險情境，如人事甄選，特別敏感；作假在此類高風險甄選中對測驗公平與效度的威脅，則屬第二十七章的議題。反應風格的存在提醒我們，一份自陳分數，從來不只反映目標構念，還混入了受測者「如何作答」這個系統性的人格印記。

建模反應風格：從方法因子到 IRTree

既然反應風格是有結構的系統性變異，它便可以被建模與分離，而非只能徒呼負負。方法有幾個層次。最簡單的是在因素模型中設一個方法因子（第十五章），讓它吸收與構念無關的共同作答傾向；也有以多向度 IRT 把反應風格設為額外潛在維度的取向。而近年最具啟發性的一條路，是把一次作答本身拆解為一連串決策的 IRTree。

IRTree 的優雅之處，在於它把反應風格由「必須事後校正的汙染」，轉化為「模型內建、可與構念一併估計的潛在變項」。它也把第十八章的樹狀 IRT 思路，落實到問卷作答這個最貼近日常的場景。就生活滿意度量表而言，對同一批資料做 IRTree 分析，可能揭示某些受測者的高分，有一部分其實來自其極端反應傾向、而非真正較高的滿意度；把這部分分離出來，滿意度的估計才更純粹。

定錨情境題：讓量尺可以跨人比較

反應風格帶來的一個深層難題，是量尺的跨人不可比：當甲、乙兩人對「你的健康狀況如何」都選「好」，但甲對「好」的標準遠比乙嚴苛時，兩人相同的作答其實對應不同的真實狀態。這種因人而異的量尺解讀，使跨人、尤其是跨文化的直接比較失去共同基準。 King et al. (2004) 提出的定錨情境題（anchoring vignettes），為此提供了一個巧妙的解法。其做法是，除了問受測者關於自己的問題，另請他以同一把量尺去評定若干個描述假想人物的情境短文，例如「張三每天走一小時路都不覺得累，你認為他的健康狀況如何」。由於這些假想人物的「客觀狀態」對所有受測者都相同，受測者對它們的評定差異，便純粹反映了各自量尺解讀的不同。研究者於是能以受測者對定錨情境的評定為基準，去校正其對自身的評定，使不同人的分數被放到一個可比的共同量尺上。定錨情境題因此是對抗量尺不可比性的一項利器，尤其在跨文化研究中價值甚高，它把「每個人的量尺都不一樣」這個困擾，轉化為一個可以測量並校正的量。

強迫選擇與 Thurstonian IRT

對抗反應風格，還有一條更根本的路，即改變反應格式本身。強迫選擇（forced-choice）格式不讓受測者對每個陳述獨立評分，而是呈現若干個內容相近、但屬不同構念的陳述，請受測者從中挑出「最符合」與「最不符合」自己的。由於各陳述在社會期許上被刻意配對得相當，受測者無法靠「全選好聽的」來作假，默從與極端反應也因無獨立量尺可施而被抑制。 然而，強迫選擇傳統上帶有一個致命的統計缺陷，即自比性（ipsativity）：受測者的各構念分數彼此相依、加總為一常數，使得「甲的外向性高於乙」這類跨人的常模性比較失去意義。這個缺陷一度使強迫選擇格式在人事甄選中興衰起伏。Brown & Maydeu-Olivares (2011) 的 Thurstonian IRT 帶來了轉機。

Thurstonian IRT 的意義，在於它把強迫選擇由一個「能抗作假、卻不能跨人比較」的兩難，解放為一個「既抗作假、又可常模比較」的可行選項，這也正式回接了第四章的比較判斷傳統：一個世紀前 Thurstone 用以量尺化刺激的成對比較邏輯，在此被用來量尺化「人」。這使強迫選擇格式在高風險的人事甄選中重獲生機。

粗心作答：偵測與預防

前面談的反應風格，好歹還是「在回答問題」，只是帶著系統性的傾向。但還有一類更根本的資料品質威脅，即受測者根本沒有認真作答，稱為粗心作答或投入不足作答（careless or insufficient effort responding）。在冗長、無聊或缺乏動機的線上問卷中，其盛行率可能高得驚人。 Meade & Craig (2012) 系統比較了偵測粗心作答的多種指標，其思路各異。長串同答指標偵測「連續多題選同一個選項」的異常型態。奇偶一致性等指標，把一份量表拆成兩半，檢查同一構念的兩半分數是否一致，粗心者的兩半往往彼此矛盾。以馬氏距離（第十三章的多變項離群概念）偵測「作答型態在多變項空間中極端偏離」的個案。作答時間門檻則標記「快到不可能認真讀完題目」的作答。這些指標各有其偵測的粗心類型與錯誤率的權衡，實務上常聯合使用。至於預防，最常見的是注意力檢核題，即在問卷中埋入「請在此題選非常不同意」這類指令題，答錯者即被視為未認真；但注意力檢核題本身是否會干擾正常受測者、甚至傷害量表效度，仍是一個進行中的辯論。就生活滿意度量表而言，在正式分析之前，以這些指標篩檢並剔除粗心作答者，往往能顯著改善量表的信度與因素結構的清晰度⸺但剔除的準則須事前訂定並如實報告，而非事後為了讓結果好看而挑選。

跨語言與跨文化的問卷

當一份問卷要跨越語言與文化使用時，前述的一切挑戰都會被放大，並添上新的一層。把一份量表由甲語言譯為乙語言，遠不只是文字的轉換，而是一個須確保「所測構念在兩個文化中對等」的測量問題。粗劣的翻譯會在最根本的「理解」階段就使兩個語言版本的受測者答的是不同的題。 國際測驗委員會的翻譯與適配指引（(International Test Commission, 2017)）為此提供了一套系統的程序，涵蓋由前置條件、翻譯、確認、施測到計分與文件的各個環節，其核心精神是以回譯、專家審查與實證檢驗，確保譯本與原版的構念對等，而非僅止於字面對應。而「兩個語言版本是否真的測到同一件事」這個問題，最終須以第十九章的測量不變性與差異試題功能來正式檢驗：唯有當各題在跨語言群體間展現不變性時，跨文化的分數比較才站得住腳。反應風格的跨文化差異，如某些文化較傾向極端或默從，更使這一檢驗不可或缺。跨語言問卷因此把本章的作答行為議題，與第十九章的不變性架構緊密地連在一起。

前沿：線上樣本、機器偵測與 LLM

自陳測量正面臨數位時代帶來的新挑戰與新工具。其一是線上樣本池與群眾外包樣本的資料品質：透過線上平台快速蒐集大樣本已成常態，但這類樣本中粗心作答、重複作答、乃至為報酬而敷衍的比例，往往高於傳統樣本，使資料品質的把關比以往更為關鍵。其二是以機器學習偵測粗心作答：相對於前述基於少數指標的偵測，機器學習能綜合作答型態、時間、軌跡等多維線索，更靈敏地標記可疑個案，其方法與計算面的細節屬於第三十四章。其三，也是最新興的，是大型語言模型代填問卷的威脅：當研究者以線上平台蒐集資料時，部分「受測者」可能是由 LLM 代為作答的機器人，其作答看似合理卻不對應任何真實的人類心理，如何偵測這類非人作答，是一個剛浮現、尚無成熟解方的問題。此外，「注意力檢核題是否反而傷害量表效度」的辯論也仍在進行。這些前沿的共同主題是：當自陳資料的蒐集愈來愈廉價、愈來愈遠端，確保「作答的是認真的人、且答的是真話」也就愈來愈成為測量效度的第一道防線。

小結

本章把自陳問卷，由「憑感覺寫題」提升為一門有實證基礎的測量科學，並沿設計與作答兩條軸線展開。設計端，從把作答理解為理解、提取、判斷、對應反應的認知歷程出發，導出題目撰寫的實證原則、反應格式的抉擇、以及反向題的兩面性。作答端，則辨明了默從、極端、社會期許等反應風格，並展示如何以方法因子、多向度 IRT 與 IRTree 把它們與構念分離；以定錨情境題校正量尺的跨人不可比；以 Thurstonian IRT 讓抗作假的強迫選擇格式重獲常模性；並以多種指標偵測粗心作答。貫穿全章的生活滿意度量表體檢顯示，同一份五題量表，經過缺陷診斷、格式改版、反向題與反應風格的建模、以及粗心篩檢，其分數與因素結構會有實質的改變。 本章最深的一條線索，是本書一以貫之的主張在自陳測量的具體化：測量誤差不是隨機的雜訊，而是有結構的；而正因為有結構，它便可以被理解、被建模、被扣除。反應風格不是無可奈何的干擾，而是可以納入模型的潛在變項；粗心作答不是隱形的污染，而是可以偵測的型態。理解了這一點，研究者面對一份自陳分數時，便不會天真地把它當成受測者內在狀態的忠實回報，而會追問：這個分數裡，有多少是構念、有多少是作答的方式。接下來的第二十六章，將把測量誤差有結構的思想，帶到另一個「由人來評判」的場景，即當分數不是來自受測者的自陳、而是來自評分者對其表現的判斷時，評分者本身會成為一個新的、系統性的誤差來源。

參考文獻