開放科學、再現性與計量心理學的未來

本書自 Fechner 的心理物理學與 Spearman 的因素分析出發，歷經古典測驗理論、信度與效度、統計推論的基礎與爭議、實驗設計與變異數分析、迴歸與廣義線性模型、因素分析、結構方程、項目反應理論、認知診斷、測量不變性、測驗編製與等化、電腦化適性測驗、問卷與作答行為、評分者與實作評量、測驗公平、多層次與成長模型、密集縱貫、因果推論、後設分析、貝氏方法、機器學習，直至網絡心理計量學，走過了一段跨越百餘年、涵蓋整個計量心理學版圖的漫長旅程。這最後一章不再引入新的方法，而是後退一步，俯瞰全局：辨識貫穿全書的幾條主線，反思它們如何交織成一個整體，並前瞻計量心理學在開放科學與計算轉向下的未來走向。

一門成熟學科的價值，不僅在於其工具的精巧，更在於其對這些工具之限度的清醒認識。本章的核心關切，因而不是技術的堆疊，而是方法背後那些反覆出現的觀念與教訓：測量作為最深的問題、不確定性下推論的共同邏輯、潛在變項作為統一的建模架構、從關聯到因果與從解釋到預測的張力，以及貫穿一切的一個認識，即統計結果從不單由資料給定，而總是資料與假設的共同產物。這些主線的交會處，正是計量心理學作為一門學科的自我理解之所在。

一段旅程的回顧

回望全書的結構，其安排並非任意，而是循著一條由基礎至前沿、由測量至推論、由靜態至動態的內在邏輯。前半部奠立了測量的理論根基：何為構念、如何以量尺與模型加以刻畫、如何評估信度與效度。中段轉入統計推論與潛在變項建模：自 NHST 的爭議與估計的原理，到因素分析、結構方程與項目反應理論這一潛在變項模型的大家族。後半部則邁向更複雜的結構與更前沿的取向：縱貫與多層次的變化建模、因果推論的形式框架、貝氏的統一推論典範、以及機器學習的預測轉向。這條路徑本身即傳遞了一個訊息：計量心理學不是一堆彼此孤立的技術，而是一個層層相扣、概念相通的知識體系。

貫穿全書的主線

若將全書化約為幾條反覆出現的主線，可得到表 36.1 所列的七個主題。它們並非彼此獨立的章節群，而是交織於全書之中的觀念脈絡：同一章往往同時觸及數條主線，而同一主線亦貫穿於相隔甚遠的各章。

註. 七條主線相互交織而非彼此獨立；同一章常同時觸及數條主線，如第十七章項目反應理論同時屬於測量與潛在變項，第三十三章貝氏方法同時屬於推論與計算。

這七條主線的交織，正是計量心理學統一性的體現。以下數節將擇其要者，闡明它們如何在全書中反覆迴響，並在交會處揭示這門學科的核心關懷。

測量：最深的問題

若要指認計量心理學最根本、也最常被低估的問題，那便是測量本身。物理科學的許多構念有相對明確的操作與單位，而心理學所欲測量的憂鬱、智力、態度、人格，皆為無法直接觀測的潛在構念，其測量始終隔著一層由指標到構念的推論。本書自第二章的測量哲學、第三章的構念與量尺、到第五至七章的信度與效度，反覆回到這一核心：一個分數究竟測到了什麼，以及我們憑什麼相信它測到了所宣稱的構念。

效度作為一種持續的論證（第七章的 Messick (1989) 與 Kane (2013)），而非一次性的檢定，正凸顯了測量問題的開放性與艱難。令人憂心的是，這一最基礎的問題在實務中卻常被草率對待。Flake & Fried (2020) 所揭示的「可疑測量實踐」，指出大量研究對其測量工具的效度未加檢驗、對量表的修改未加報告，使建立於其上的一切統計推論根基動搖。這與再現危機互為表裡：若測量本身不可信，則再精巧的統計也只是在流沙上築樓。本書一再強調測量不變性（第十九章）、效度論證（第七章）與測量誤差對後續推論的汙染（第十六、三十一章），正是要凸顯一個立場：測量不是統計分析的前奏，而是計量心理學的核心。一切始於測量，也受限於測量。

不確定性下的推論

計量心理學的第二條主線,是如何在不確定下作出可辯護的判斷。本書對此的處理，橫跨了看似對立、實則相通的數個框架。第八、九章剖析了 NHST 的爭議：p 值的誤解、對顯著性的過度倚賴、以及效果量與檢定力的忽視，如何助長了不可靠的文獻。第十二章轉向估計與模型選擇，以資訊準則將推論的焦點自「拒絕虛無」移向「哪個模型較能預測」。第三十三章的貝氏方法則提供了一個統一的框架，以後驗分布直接表徵參數的不確定性，並給出人們直覺所欲求的機率陳述。

這些框架表面上分歧，深層卻共享一個邏輯：推論即是在資料的證據與其固有的不確定性之間，作出審慎而透明的權衡。無論是頻率派的信賴區間、資訊準則的模型比較、還是貝氏的後驗，其共同目標都是量化「我們對某結論有多少把握」，並誠實地標示這份把握的界限。本書對此的一貫立場是：沒有任何單一的推論工具是萬能的，方法論的成熟不在於信奉某一典範，而在於理解每一框架的假設、適用範圍與限度，並據問題的性質作出恰當的選擇。統計顯著、實務重要與推論不確定，三者必須分辨；而對不確定性的誠實，是一切可信推論的前提。

潛在變項作為統一架構

本書中段的大半篇幅，圍繞著一個統一的建模架構：潛在變項模型。乍看之下，探索性與驗證性因素分析、結構方程、項目反應理論、潛在類別、成長曲線與多層次模型，是一組各自為政的技術；但本書反覆揭示，它們實為同一觀念在不同設定下的展開。第二十章的四重分類清楚地顯示，因素分析、項目反應理論、潛在剖面與潛在類別，僅是「潛在變項與觀測變項各為連續或類別」四種組合的產物。第二十八、二十九章更進一步指出，多層次模型與結構方程的成長曲線在寬鬆條件下分析等價，隨機效果本身即可視為潛在變項。

這一統一性有深刻的意涵。它意味著，一旦掌握了潛在變項的核心邏輯，即觀測指標之間的關聯由不可觀測的潛在結構所解釋，便掌握了理解這一龐大模型家族的鑰匙。局部獨立、參數估計、識別、適配評估、以及測量不變性等概念，在各模型間彼此呼應、相互闡明。本書刻意凸顯這些橫向的連結，如將二參數項目反應模型視為廣義線性混合模型（第二十八章）、將認知診斷模型連結至潛在類別（第二十、二十一章），正是為了讓讀者看見表象之下的統一結構，而非困於各自孤立的技術細節。潛在變項，是計量心理學建模思維的中樞。

從關聯到因果，從解釋到預測

計量心理學的抱負，最終指向兩個超越描述的目標：解釋成因與預測未來。第三十一章闡明了自關聯邁向因果所需的嚴謹：因果結論從不單由資料給定，而依賴一組不可由資料檢驗的假設，如可忽略性與排除限制；潛在結果與因果圖兩個框架，使這些假設得以明確、可辯護。尤其發人深省的是，因果推論最終回指測量：可操弄性的爭議揭示，一個界定含糊的構念，其「因果效果」也必然含糊，因果的嚴謹於是與測量的清晰緊密相繫。

第三十四章則引入了另一個維度：預測。Breiman (2001) 的兩種文化與 Yarkoni & Westfall (2017) 對心理學的針砭提醒我們，解釋與預測是兩種不同的目標，而心理學長期偏重前者、忽視後者，以致許多「顯著」的發現毫無樣本外預測力。描述、解釋與預測，構成了計量研究的三種模式：描述回答「是什麼」，解釋回答「為什麼」，預測回答「接下來會如何」。三者互補而非互斥，一個成熟的計量心理學，理應在恰當的問題上運用恰當的模式，並清醒地辨明自己究竟在做哪一件事。將預測的成功誤認為解釋的達成、或將關聯的發現誇大為因果的證立，是本書反覆警戒的混淆。

一個反覆的教訓：模型即假設的載體

若要自全書提煉出單一最重要的方法論教訓，那便是：統計結果從不單由資料給定，而總是資料與一組假設的共同產物，而這些假設多半無法由資料本身完全檢驗。這一教訓在每一章反覆迴響。

這一認識帶來的不是虛無主義，而是一種方法論的成熟。它意味著，任何統計結論都應伴隨對其所依賴假設的明示與辯護，並輔以敏感度分析與穩健性檢查，以評估結論對假設違反的脆弱程度。它也意味著，方法之間的高下，往往不在於孰能給出更確定的答案，而在於孰能更透明地承載其假設。計量心理學的專業素養，因而不在於追求虛假的確定性，而在於有紀律地管理不確定性與假設。這正是本書希望讀者帶走的核心心智習慣。

再現危機與開放科學

過去十餘年，心理學經歷了一場深刻的再現危機。Open Science Collaboration (2015) 的大規模重複研究顯示，相當比例的已發表發現無法再現，動搖了學界對文獻可信度的信心。這場危機的根源，與本書的核心關切緊密相連。Simmons et al. (2011) 揭示，資料收集與分析中未揭露的彈性，即所謂研究者自由度，足以將幾乎任何結果包裝為顯著，這正是第八、九章所論 NHST 誤用的極端後果。而如前所述，Flake & Fried (2020) 更指出危機亦有其測量的根源：草率的測量實踐使建立其上的推論根基不穩。

回應這場危機的，是開放科學運動。其核心實踐,包括預先註冊（preregistration）以區分驗證性與探索性分析、註冊報告（registered reports）以在資料收集前即審查研究設計、以及資料、材料與程式碼的公開共享以容許獨立檢驗。Nosek et al. (2015) 的透明與開放促進準則，以及 Munafò et al. (2017) 的可再現科學宣言，系統地闡述了這些實踐如何自方法、報告、再現與獎勵等環節重塑科學文化。這些實踐與本書一貫的立場深相契合：明示假設、公開先驗（第三十三章）、報告效果量與不確定性（第九章）、以及誠實的樣本外評估（第三十四章），本質上都是同一種透明性的要求。開放科學不是外加於計量方法的行政負擔，而是計量嚴謹在研究實踐層面的自然延伸。發表偏誤即是這一文化問題的縮影：其統計的偵測與校正工具屬第三十二章的範疇，而其制度成因，即期刊對顯著結果的偏好如何系統性地扭曲了可得的文獻，則須以出版文化的改革來回應。開放科學運動最富企圖的一步，是把累積科學的邏輯前置到研究設計之中，即大團隊科學與多實驗室的協同複製計畫，預先協調眾多實驗室以共同的方案執行同一研究，其成果本質上是一個設計出來的、從源頭免除發表偏誤的累積科學，而非對既有零散文獻的事後打撈。

測量的再現性：被忽視的一環

關於再現危機的討論，多聚焦於統計實踐，如 p 值操弄與研究者自由度，而相對忽略了一個同樣根本的源頭，即測量本身的再現性。一條推論鏈的可信度，不會強於其最脆弱的一環，而測量往往正是那最脆弱、卻最少受檢視的一環。若一份量表的效度證據不足，則無論其後的統計分析多麼嚴謹、樣本多麼龐大，所得的結論都繼承了測量的不確定，這一汙染會沿著整條推論鏈向下傳遞而難以事後補救。本書第七章所強調的效度論證、以及第二十五章所論的作答行為與測量實務，正是為了在源頭上鞏固這最脆弱的一環。

測量再現性的問題，還有其制度性的成因。學界對新量表的獎勵、對既有工具的忽視，助長了量表的氾濫：同一個構念名稱下，流通著數十份彼此低度相關的量表（jingle 謬誤），而名稱相異的量表卻可能測量著幾乎相同的東西（jangle 謬誤）。這一 jingle-jangle 的混亂，使跨研究的證據難以累積，因為表面上研究「同一構念」的文獻，其實測量的並非同一事物。此一問題延續自第三章對構念與量尺的討論，其解方不在於再多發明幾份量表，而在於測量的整合與標準化，以及一種把「我們究竟在測量什麼」置於研究核心的學術文化。測量的再現性因而不只是技術問題，更是學科如何獎勵與累積知識的制度問題。

理論的不可或缺

在方法日益強大、資料日益龐大的時代，一個容易滋生的錯覺是：只要有足夠的資料與夠彈性的演算法，理論便可有可無。本書的立場恰恰相反。第三十四章已指出，缺乏理論約束的高維探勘，極易將樣本的偶然特異當成規律；而第二章與 Meehl 對心理學理論的長期針砭則提醒，以 NHST 進行的鬆散理論檢驗，因缺乏風險性的預測，其實對理論的考驗甚微。理論在計量研究中扮演著不可替代的三重角色：它約束了假設空間，使模型不致在無窮的可能性中過度擬合；它賦予所發現的模式以意義，將統計的關聯轉譯為實質的理解；它提供了可被嚴格否證的預測，使資料得以真正地考驗觀念。

方法與理論的關係，因而不是主從，而是對話。統計方法若無理論的引導，易淪為漫無目的的資料探勘；理論若無嚴謹方法的檢驗，則流於無法否證的思辨。計量心理學最富成效的進展，往往發生於方法的創新與理論的深化彼此激盪之處，如潛在變項模型之於構念理論、因果框架之於機制假設、網絡取向之於心理病理的結構理論。本書所介紹的一切技術，其終極目的都不是技術本身，而是服務於對人類心智更清晰、更嚴謹、更可檢驗的理解。

未來走向

展望未來，計量心理學正經歷數個相互交織的轉向。其一是密集縱貫與個殊化的取向。隨著經驗取樣、穿戴裝置與數位表徵技術的普及，研究者得以高頻率地追蹤個體的動態，這使焦點自群體平均移向個體內的歷程。Molenaar (2004) 援引遍歷性（ergodicity）理論指出，群體間的變異結構未必等同於個體內的變異結構，因而以橫斷的組間資料推論個體內的動態，往往並不合法。這一洞見呼應了 Cronbach (1957) 對相關與實驗兩種科學傳統的經典區分，並推動著動態系統、個體網絡與人本位模型的興起，讓「把人帶回科學心理學」成為可能。

其二是機器學習與心理計量的深度整合：自然語言處理將開放式文本轉為可測量的訊號、作答歷程資料揭示了超越最終作答的認知過程、而預測與測量的結合正拓展著測量所能捕捉的行為邊界（第十八、三十四章）。其三是貝氏工作流程的日益標準化，使不確定性的表徵、複雜階層模型的估計與透明的模型檢查成為常規（第三十三章）。其四是穩健性與可推廣性的方法自覺，如多重宇宙分析與規格曲線，以系統地檢視結論對分析決策的敏感。與這些技術轉向並行的，是倫理與公平的關切日益迫切：演算法的偏誤、測量的文化偏差、以及自動化決策的問責，使公平性自邊緣議題移向方法論的核心（第十九、三十四章）。貫穿這些轉向的，是計量心理學與資料科學、統計學與計算科學日深的跨域對話。然而無論工具如何演進，測量的效度與推論的嚴謹這兩塊基石，始終是這門學科不可動搖的根本。

若把這些轉向收束為對整個學科的展望，有三個議題尤其值得計量心理學社群正視。其一是測量理論與人工智慧的相互滲透，即一方面機器學習與大型語言模型正被用於測量，另一方面心理計量的效度框架也正被用以評鑑演算法所測得之物，兩個傳統的對話才剛開始。其二是作業型心理計量的人才斷層，即等化、量尺維護、大型評量與題庫管理這些支撐真實測驗運作的專門技藝，其人才培養遠跟不上需求，形成學術訓練與實務需求之間的落差。其三是開放測量（open measurement）運動的興起，即把開放科學的透明精神延伸到測量本身，主張量表的題目、計分規則、效度證據與心理計量性質都應公開共享，使測量得以被獨立檢驗、被累積、被改進。這三個議題共同指向一個判斷，即計量心理學的未來，將不僅取決於統計模型的精巧，更取決於它能否守住並更新其對測量本身的關注。

結語

計量心理學，歸根結柢，是一門讓關於心智的主張變得可辯護的學問。它的全部技術，無論是一個信度係數、一組因素負荷、一條成長軌跡、一個因果效果、還是一個後驗分布，都服務於同一個目的：在無法直接觀測的心理世界與可觀測的資料之間，架起一座既嚴謹又誠實的橋梁。本書所走過的旅程，表面上是一連串方法的展開，深層卻是同一組核心關懷的反覆迴響：我們測到了什麼、我們有多少把握、我們的結論依賴哪些假設、以及我們能否清醒地分辨描述、解釋與預測。

這門學科教給我們的，或許最終不是某種確定性，而是一種面對不確定性的成熟姿態。它要求我們在每一個數字背後，看見其所依賴的假設；在每一個顯著結果面前，追問其實質的意義與再現的可能；在每一次以模型逼近現實時,記得模型終究只是地圖而非疆域。這份謙遜並不削弱計量方法的力量，反而是其力量的來源：唯有清楚地知道一個方法能做什麼、不能做什麼，我們才能負責任地運用它。

計量心理學的未來，將由更豐富的資料、更強大的計算與更精巧的模型所形塑，但它的靈魂始終在於那些方法所服務的、關於人的根本問題：人如何思考、感受、學習與改變，人與人之間又如何異同。方法會演進，工具會更替，而以嚴謹的量化去逼近這些問題、並對自己所知的界限保持誠實，這份志業將長存。願讀者帶著這份對測量的敬重、對不確定性的誠實、與對理解的執著，走向自己的研究之路。

參考文獻