37.針對有「前－後測」，主要結果指標為憂鬱分數，但測量方式不同（例如採用BDI或HADS等）的心理治療療 效研究進行後設分析時，最適用的統計量為何？
(A)未標準化平均數差異（unstandardized mean difference）
(B)效果量（effect size）
(C)風險比（risk ratio）
(D)標準化均方根（standardized root mean square）

答案：登入後查看
統計： A(23), B(463), C(24), D(126), E(0) #2969031

詳解 (共 2 筆)

#6127100

當在後設分析中綜合來自不同研究的結果，而這些研究使用了不同的量表或測量工具（例如BDI或HADS）來評估相同的結果（例如憂鬱分數）時，使用效果量是最適當的方法。這是因為效果量標準化了不同的測量工具，使得不同研究之間的結果可以直接比較和綜合。

1
0
#7389156

這題的正確答案是 (B) 效果量（effect size）。

這題考的是臨床心理學研究法與計量心理學中，執行 「後設分析（Meta-analysis，或稱元分析）」 時，面對不同測量工具時的統計量量化選擇。

核心統計學解析：為什麼必須選擇「效果量」？

後設分析的本質，是將過去眾多針對同一主題（如：某心理治療對憂鬱症的療效）的研究結果統整在一起，計算出一個「總體效應」。但在實務上，不同的研究團隊會使用不同的評估工具：

  • 研究 A 採用了 BDI（貝克憂鬱量表）：總分是 0 到 63 分。

  • 研究 B 採用了 HADS（醫院焦慮憂鬱量表）：憂鬱子量表總分是 0 到 21 分。

這時候，兩者的測量單位（單位尺規與標準差）完全不同。你絕對不能直接把 BDI 降低的 10 分，和 HADS 降低的 10 分直接相加做平均。

「效果量」的去單位化魔法（標準化）

為了解決這個問題，後設分析必須使用 「效果量（Effect Size, ES）」，在連續變項的療效研究中，通常是使用標準化平均數差異（Standardized Mean Difference, SMD），例如大家熟知的 $Cohen's\ d$ 或 $Hedges'\ g$。

它的底層邏輯是將兩組的平均數差異，除以他們的合併標準差（Pooled Standard Deviation）：

$$SMD = \frac{M_{\text{post}} - M_{\text{pre}}}{SD_{\text{pooled}}}$$

透過這個「除以標準差」的標準化（Standardization）動作，分數的「單位」就被消除了，變成純粹的「標準差單位」。如此一來，不論原本是用 BDI、HADS 還是 HAM-D，通通都可以轉換成同一個尺規進行統計合併。因此 (B) 是最適用且必須的統計量。

其他選項的邏輯排除

(A) 未標準化平均數差異（Unstandardized mean difference, UMD）

  • 解析： 只有當後設分析納入的所有研究，全部都使用「一模一樣的測量工具」（例如所有人都用 BDI-II）時，才可以使用未標準化平均數差異。因為題目已經明言「測量方式不同（例如採用BDI或HADS等）」，所以此方法完全不適用。

(C) 風險比（Risk ratio, RR）

  • 解析： 這屬於相對風險（Relative Risk），是類別變項（Dichotomous variables，如：發病 vs. 沒發病、死亡 vs. 存活、復發 vs. 沒復發）在進行後設分析時所使用的效果量指標。本題的主要指標是「憂鬱分數（連續變項）」，故不適用。

(D) 標準化均方根（Standardized root mean square）

  • 解析： 題目指的可能是 SRMR 等統計量。這通常出現在結構方程模型（SEM）或驗證性因素分析（CFA）中，用來評估模型整體適配度（Model fit）的指標，並非後設分析中用來合併不同研究療效的主要統計量。

? 心理學研究法考點速記卡

  • 【後設分析（Meta-analysis）效果量選用原則】

    • 各研究測量工具「相同」（皆為連續變項） $\rightarrow$ 選 未標準化平均數差異（MD / UMD）。

    • 各研究測量工具「不同」（如 BDI vs. HADS） $\rightarrow$ 必須 標準化 $\rightarrow$ 選 標準化平均數差異（SMD / 效果量） (B)。

    • 主要結果是「二分法事件」（如自殺 vs. 未自殺） $\rightarrow$ 選 風險比（RR）或勝算比（OR）。

0
0