調查研究方法

1.提高您調查的回應率，無論您採用的是問卷調查、面訪，或是電話、網路調查。
2.提高您在設計題目上的可信度，這是您調查成功的關鍵。
3.若您需要使用市調人員協助調查的話，那麼本書必將有所助益。
4.在調查資料的整理與評估程序，本書提供了可行性建議。
5.本次改版新增近五年來的案例、文獻及資料。
6.幫助非統計研究專業人員，整理誤差來源的基本概念與最新知識的認識。
7.文字敘述清晰，邏輯清楚簡單。提供廣泛應用資訊，建立瞭解量化調查的良好基礎。
8.本書適合碩博士研究生學術運用，即使無研究方法背景的學生，也可以很容易理解。

本修訂版除了保有前一版的資料，並新增了近五年的研究案例與相關文獻。
而持續提供新的資訊是本版修訂的主要原因之一。
本書的目的在於為想收集、分析與閱讀瞭解調查資料的讀者，提供評估資料與收集過程的可靠基礎。
讀者可逐步瞭解資料收集過程的細節，調查資料與統計資料之間的交互影響與其他相關面向。
本書內容文字敘述清晰，邏輯簡單清楚，目的是讓一般大眾均可瞭解閱讀，
而熟知社會研究與統計概念的讀者更可快速理解。
相信沒有特定背景的讀者們，也可瞭解本書所提供的相關知識。

※審定者簡介
邱皓政、林碧芳 審訂
邱皓政
美國南加州大學心理計量學博士
國立臺灣師範大學管理學院副教授
國立臺灣師範大學進修推廣學院測驗培訓業務群組長

林碧芳
國立政治大學教育學博士
臺灣統計方法學學會副理事長暨教育訓練處主任
國立臺灣師範大學、東吳大學、世新大學、實踐大學兼任助理教授

Floyd J. Fowler, Jr. 佛洛依德‧傑克‧福勒
作者畢業於Wesleyan大學，於 1966年獲得密西根大學社會心理學博士學位。近年來他的方法學研究主要集中在以下三個領域：調查問題的設計和評估、如何減少調查資料裡與訪員有關的誤差 和如何測量醫療服務對病人的影響。作者亦在哈佛大學的公共健康學院等單位教授調查研究方法。除了已發表的大量研究，他還是《標準化調查訪談》 (Standardized Survey Interviewing,與 T. W. Mangione合作)和《改進調查問題》(Improving Survey Questions)兩本被廣泛使用的有關調查研究方法的專著作者。
※譯者簡介
林庭如、陳詩捷、童凱彬、蕭文信 譯
林庭如
國立臺灣科技大學工商業設計系博士候選人，設計學報執行編輯。曾於國立臺灣藝術大學兼任講師、International Journal of Design (SSCI)國際期刊編輯助理、太雅出版社「放眼設計」系列叢書特約編輯。研究專長為符號與介面設計、視覺傳達與心理、通用視覺設計。

陳詩捷
國立臺灣科技大學工商業設計系博士候選人，臺灣科技大學工商業設計系兼任講師，並擔任設計學報編輯助理。研究專長為介面與互動設計、工業設計、人因工程、虛擬環境尋路研究。

童凱彬
英國帝國理工學院(Imperial College London)資訊工程博士。研究專長為影像運算處理(影像分割與定位)、人工智慧、機器學習、影像分類與影音壓縮處理。

蕭文信
國立臺灣科技大學工商業設計系博士候選人，曾擔任國立臺灣科技大學與國立臺灣藝術大學兼任講師。
現於美國堪薩斯大學訪問研究。研究專長為人機互動、使用者經驗與社群網路互動研究。

1 概說Introduction　1
　調查的理由　4
　調查的構成　7
　本書的目的和目標　13
2 調查誤差的類型 Types of Error in Surveys　15
　與受訪者有關的誤差　19
　與答案有關的誤差　21
　調查誤差本質的再整理　24
3 抽樣Sampling　27
　樣本架構　31
　單階段抽樣　36
　多階段抽樣　41
　包含兩個樣本架構以上的樣本抽取　57
　樣本和抽樣誤差的估計　60
　樣本的規模應該多大　68
　整體調查誤差中的抽樣誤差　72
4 無回應：抽樣設計的實施 Nonresponse :
　Implementing a Sample Design　77
　計算回收率　80
　與無回應有關的偏誤　81
　減少無回應狀況　91
　減少無回應誤差的另外兩種方法　100
　非機率（或修正機率）樣本　101
　無回應為誤差來源之一　106
5 資料收集方法 Methods of Data Collection　109
　選擇策略的主要議題　112
　各種方法的綜合比較　127
　結論　132
6 題項設計Designing Questions to Be Good Measures　135
　提升答案的信度　139
　測量的類型／題項的類型　155
　提高事實報告的效度　165
　提高描述主觀狀態答案的效度　172
　題項設計和誤差　175
7 調查題項與工具評估 EvaluatingSurvey Questions and Instruments　179
　界定調查目標　182
　題項設計的前置步驟　183
　調查前的評估　186
　調查工具的設計、格式和編排　188
　現場預試　191
　調查工具的長度　196
　結論　196
8 調查中的訪談Survey Interviewing　199
　訪員工作的概述　201
　訪員的徵募和選拔　207
　訪員訓練　210
　監督　213
　調查的提問　218
　訪談的過程　218
　訪談的有效性　222
　訪談過程對調查誤差的影響　223
7 調查題項與工具評估 Evaluating Survey Questions and Instruments　179
　界定調查目標　182
　題項設計的前置步驟　183
　調查前的評估　186
　調查工具的設計、格式和編排　188
　現場預試　191
　調查工具的長度　196
　結論　196
8 調查中的訪談Survey Interviewing　199
　訪員工作的概述　201
　訪員的徵募和選拔　207
　訪員訓練　210
　監督　213
　調查的提問　218
　訪談的過程　218
　訪談的有效性　222
　訪談過程對調查誤差的影響　223
9 調查資料的分析準備Preparing Survey Data for Analysis　229
　建立資料檔案　232
　編碼　233
　編碼和資料輸入方法　236
　資料清理　241
　編碼過程與資料整併的誤差來源　241
10 調查資料的分析Analyzing Survey Data　245
　無回應樣本與抽樣架構的調整　247
　題目無回應的因應策略　251
　不同抽樣機率的調整　253
　抽樣誤差的計算　254
　結論　256
11 調查研究中的倫理問題Ethical Issues in Survey Research　257
　受訪者告知　261
　受訪者保護　263
　受訪者的利益　265
　訪員的倫理責任　266
　結論　267
12 調查方法的報告Providing Information About Survey Methods　269
13 調查誤差綜論Survey Error in Perspective　279
　全面調查設計的概念　281
　綜論誤差　282
　結論　286
　參考書目 References　289

第二章 調查誤差的類型
Types of Error in Surveys

與受訪者有關的誤差
與答案有關的誤差
調查誤差本質的再整理

調查是為了對於某目標母體產生統計數據的研究設計。整個調查過程的最終目的，是將受訪者樣本的答案推論至目標母體的某項特徵。本章主要在討論調查所涉及的兩種推論程序，以及兩種會影響調查推論正確性的誤差：偏誤（bias）與變異（variability）。
調查方法有兩個主要目標：將調查資料收集過程中所產生的誤差最小化，以及對於任何調查都會存在的誤差進行估計。從第三章到第九章將詳細討論誤差最小化與誤差估計的策略。為了能夠理解這些章節，並了解調查研究方法，就必須先了解誤差（error）的意義。
如同先前所提，調查的目的在於對某個目標母體，亦即一群有某種特定特徵的人，提供統計的估計數。為了達到這個目的，我們會從所要收集資訊的母體當中抽出一組次群體，也就是樣本。調查過程中的第一個基本假設，即是藉由樣本的實際作答內容，來推演出目標母體的狀態。
此一假設的想法，是基於一項調查所欲了解的母體特徵，應在那些來自整個目標母體當中的一部分樣本身上，有著相同的強度狀態與分布情形。
調查研究的另一個重要特性，是受訪者對於提問的作答反應。受訪者對於提問的作答反映了他們的經驗、看法或關於提問內容的其他訊息。因此，調查過程中的第二個基本假設，是樣本受訪者的答案應能夠正確地描述母體的特徵。而受訪者的答案無法被正確測量的程度，即是調查誤差的第二種基本原因。
圖2.1描述了調查資料的分析與推論的基本程序，而分析與推論的目的在於掌握目標母體的特徵。我們所要做的就是去分析受訪者的答案。首先，我們把受訪者的答案加以整理，然後假設我們能夠正確測量出受訪者在我們所關心的問題上的答案。接著藉由樣本受訪者的答案，我們就能夠更進一步推估並正確描述整個目標母體。
調查方法所關心的主要層面，就是如何讓樣本受訪者更能夠反映目標母體。另一部分的考量則是在於對調查者所欲測量的內容，受訪者的作答如何達到相當程度的品質水準要求。調查的設計和資料收集的方法，都會影響以下兩種潛在的誤差來源。

與受訪者有關的誤差
無論何時，樣本都是從一個較大的母體中抽取出來。從機率來看，樣本總是有一定的可能性會跟整個母體有所不同。一個簡單的例子是統計學家喜歡透過投擲硬幣，看看出現的是正反兩面當中的人頭或文字來決定機率。即使硬幣是完全公正的，但是拋擲10次也不可能總是拋出5次正面與5次反面。雖然5次正面與5次反面是最常出現的，但拋擲10次有可能會出現6次正面與4次反面，7次正面與3次反面可能較不常見，8次或2次正面更不常見，即使極端的分布狀況非常少見，但是在真實情況下也有可能發生。同樣地，如果母體是由50%的男性與50%的女性所構成，我們可以預期，任何特殊的樣本都有可能從這個母體中抽取出來，樣本有可能由數量不均的男女比例所組成。
在一個抽樣調查中，通常只會用單一群樣本去推論母體。即使該樣本能夠完全反映母體的特性與分布狀況，在機率上，這個樣本仍會與母體存在一些差異。調查方法其中一個目標，就是將樣本與母體之間所產生的隨機差異最小化。樣本的組成與選擇方式，會影響樣本與母體特性之間的差異程度。
調查方法上，第一種必須關注的誤差，是母體特徵的真實狀況的隨機變異。此種變異稱為抽樣誤差（sampling error），它會發生於樣本資料的收集過程中，而不是發生在母體中每一個成員身上。

第二種誤差影響到樣本與母體之間的關係，因此稱為偏誤（bias）。偏誤是指受訪者的答案與母體存在著系統性的差異。
以下列舉三個可能會發生樣本偏誤的資料收集程序：
1.第一個程序涉及樣本架構（sample frame）的選擇。基本上，每個人應有相同的機會被選擇成為樣本。如果目標母體中有部分人毫無機會被選擇成為樣本，或是如果他們因為某種原因與那些有機會被選取者有著一致性的差異，如此所形成的樣本即會產生某種偏誤。例如，在美國多數的調查會遺漏住在集體居所的人，例如監獄、修道院或療養院等，也會遺漏那些沒有住址的人們。大多數的電話調查則完全排除了沒有電話的人。如果被選擇到的人的一些變數與那些被系統性排除的人有著不同時，那麼提供資料的樣本即存在著偏誤。
2. 如果樣本的選取過程因為某種原因無法隨機，將可能導致受訪者樣本不同於整個母體。例如：調查樣本若由自願者所組成，這些樣本的特徵有可能與非自願者不同。
3. 第三個潛在偏誤的來源，是無法從每一個被選擇到的樣本獲得他們的回應。有些人無法回答問題，有些人則可能因為健康或語言因素而沒有能力回答問題。另外，有些人則是拒絕回答問題。這些無法、無能力、無意願回答的受訪者，他們的答案與母體當中的其他人可能有著相當程度的差異，如此一來，調查結果可能就會存在偏誤。
了解資料當中這兩種誤差的差別是非常重要的。我們所討論的第一種誤差：抽樣誤差，是一種隨機誤差。有時候會碰巧有太多的女性樣本，有時候則太少；但是平均而言，連續地合理抽取樣本所得到的女性樣本比例，將會非常接近整個母體的女性百分比。調查研究者的挑戰，即是如何將樣本與樣本之間的變異最小化，藉以提高任何特定樣本特徵來接近整個母體。
相反地，偏誤樣本所存在的調查設計特性或抽樣特徵，將會產生一致性不同於整個母體的調查數據。所以若只從住在家裡的人挑選樣本，而排除了無家可歸者及集體居所住民，這些人的平均收入有可能高於沒有機會回答者，而且家戶中的人相較於無自己住家的人，大多情況是已婚者以及擁有工作者。因此，由家戶樣本所得到的調查結果來推估整個母體特性的結果，將可能會高估。
最後，值得注意的是，樣本估計的隨機變異，亦即抽樣誤差，與抽樣偏誤之間並沒有必然的關聯。如果某項調查有系統的排除或降低某些不符合調查目的樣本，或許能得到更穩定的數據，亦即較小的抽樣誤差，但其對於母體特徵的估計會有一致性高估或低估的偏誤結果。