免術換證？想清楚再說吧。

 　　去（2021）年九月，台北高等行政法院做出全台首例跨性別「免術換證」判決，准許一名男子無需切除性器官便可更換身分證上的性別，由男性改為「女性」。[1] 另一男子則於前年因申請免術更換性別被拒而提出上訴，承審的台北行政法院法官聲請釋憲，今年二月遭憲法法庭裁定不受理。[2] 「免術換證」的議題仍舊爭議不斷。

 　　2020年九月，行政院性別平等會曾委託世新大學進行一項「性別變更要件法制化及立法建議」研究案。[3] 該研究的方法之一，是對網路社群使用者進行問卷調查，共訪問1,238人。結果發現，有52.7%填答人同意應容許跨性別者更改身分證件上的性別以符合他們的性別認同，38.7%反對，8.7%沒意見。在免術換證方面，55.7%的填答人認為應維持原制度（即必須進行變性手術且提供兩位精神科醫生的診斷書才能更換身分證上的性別），25.3%認為持相關專科醫師開立診斷證明書即可免術換證，12.7%認為可自我決定；餘下的6.3%則是其他意見。[4]

但以上調查結果其實無參考價值，因為研究團隊也承認：

本研究案之表單實非學術意義下之量化研究設計，雖然該問卷也商請專家學者協助修改，然事實上此問卷僅為運用網路社群蒐集社會大眾意見之用，本表單實為簡單的網路意見徵詢、蒐集與匯整……這個問卷意見之蒐集，在研究方法上僅作為提供團隊進一步分析目前社會大眾對於性別變更法制之各項疑慮，而不是、尚未能，作為公共政策制定之座標參考，特此說明。（頁153）

 　　而且這調查的樣本結構與問卷設計也有偏差。在樣本上，18.1%是跨性別、雙性人或「非二元」個人。[5] 雖然跨性別者未必會偏向贊同免術換證，[6] 但此樣本結構也顯示調查結果無法代表台灣普遍民眾的意見。在問卷設計上，題目的用詞基本上都是站在支持換證的角度去舖陳，難免有引導作答方向之虞。

 　　事實上，世新大學該研究報告中，無論在長達12頁的提要裡或在第十章的「發現與建議」裡都沒有引用到上述調查。所以，讀者們對該調查的結果也不必太認真了。

 　　再者，即使是可靠的民意調查也不適合作為免術換證這類爭議議題的主要依據，理由有二。首先，這些議題之所以充滿爭議，往往是因為它們涉及倫理問題。我們應該要先問倫理上的是非對錯，然後才考慮民意的接受度。如果多數民意就代表倫理正確的話，那許多人權運動開始時都是錯誤的了：因為當初多數民意都認為奴隸制度是可容許的，男尊女卑是理所當然的。其次，愈具爭議的議題，愈需要冷靜的理性思辨與對話，而民意調查無法提供填答人這樣的條件與機會。無論是短短10至15分鐘的電話調查，或無法讓訪員與受訪者充分對談的網路調查，都無法提供這樣的條件與機會。

 　　以免術換證為例，有幾個核心論點和疑問是必須先認清或充分交談的：

(一)    身分證不只個人肯定自我的工具，也是人們用來辨識持證者身分的依據，所以不應只依據個人的喜好或自我認定而更改。

(二)    我們固然應尊重每個人自我認同的自由，但我們沒有義務無條件地配合他人的自我認同。例如，若有男生自認是女生而要求入讀女子中學，校方沒有義務配合。

(三)    沒有足夠的倫理論據可以證明，個人有權要求別人必須配合他或她的自我認同。我不能因為自認是老人就修改身分證上的歲數，然後去享受各種老人福利；也不能因為強烈盼望自己是美國人就要求美國發給我身分證。為什麼有人有權因為不滿意自己的性別而要求換證？

(四)    折衷的做法是在身分證上保留原有的性別（天生性別），有需要的人士另再加註「心理性別」。但如此真的能解決跨性別者在生活上遇到的困難嗎？據筆者所知，目前並無充分研究顯示加註或不加註的換證能為換證者帶來長期的幸福。在前述世新大學的報告中，有長達94頁的國際法制比較，但未提及任何對成功更換性別登記者的追踪研究。

 　　假如沒有思考上述的論點和疑問，我們對免術換證的決策大概只是對西方人權思想的盲從。我們也可能在善意協助跨性別者之後才發現，付出了許多社會成本卻白忙一場。

---

[1] Yahoo奇摩新聞編輯室（2022年1月24日）。《跨性別者免術換證行不行 正反雙方激辯》。https://tw.news.yahoo.com/跨性別者免術換證行不行-正反雙方激辯-110202913.html?guccounter=1

[2] 林偉信（2023年2月23日）。《跨性別「免術換證」受阻 申請釋憲結果出爐》。中時新聞網。https://www.chinatimes.com/realtimenews/20230213001044-260402?chdtv

[3] 報告下載網址https://gec.ey.gov.tw/File/3827AAC22568EC04/f64fecaa-b81c-4510-a1dd-1b02e129627a?A=C

[4] 從報告內容無法清楚解讀何謂「自我決定」，但似乎是指「連醫生證明也不必了，當事人自己決定性別是什麼，身分證上便登記什麼。」

[5] 依該報告所言，「非二元是一個當事人之性別認同無法被傳統的男女二元概念所涵蓋的人們其總稱」（頁30）。因此，調查方法上所謂的「非二元」個人應是指排除雙性人和自認跨性別者之後的其他非二元者。

[6] 至少有些跨性別者也反對免術換證，見CTWANT（2022年1月13日）。《跨性別推「免手術男變女」換證　LBGTQ族群也反對》。https://www.ettoday.net/news/20220113/2168006.htm

調查一定要有隨機樣本嗎？

　　上篇文章《無法隨機抽樣我怎麼辦？》提到，因為客觀上的困難，我們往往無法真正做到隨機抽樣。其實，如果研究的優先目的並非推論母體的情況──例如並非要估計全台灣民眾對政府的施政滿意度給幾分，或全校有多少比例的學生有運動習慣──就不一定要隨機抽樣，也不必擔心無法隨機抽樣怎麼辦。以下分是不必隨機抽樣的三種情況。

　　情況一：如果你要進行的是實驗而非調查。　實驗優先講求的是內在效度（internal validity），不是外在效度（external validity）。換言之，我們最關心的是實驗裡看到的效果是如何產生，其次才是關心這效果是否也會發生在（實驗以外）的其他人身上。所以，實驗只需做到隨機分派（random assignment），不必隨機抽樣（random sampling）。前者是將參與者隨機安排到各實驗組別中，後者是從母體裡隨機抽出參與者。有時我們為了提高實驗的內在效度，甚至會刻意選擇同質性高的樣本，例如只以男性大學生作受試者（Highhouse & Gillespie, 2009）。當然，如果可以做到隨機抽樣就更好，如此可以兼顧內在與外在效度。

　　情況二：如果你想利用調查來驗證一個理論或模式。　這時你主要關心的是，理論（或模式）所描述的變項間關係是否確實存在──至少在樣本裡存在，其次才是這理論是否在不同的群體裡都存在。Highhouse and Gillespie (2009)便提出「適足性」（adequacy）的論點，認為：凡理論所涵蓋的群體皆適合作為樣本。所以，如果一個理論是放諸四海而皆準的，那麼無論找大學生、軍人或國中教師當樣本，結論都一樣，因此不必要求隨機樣本。[1]

　　情況三：如果你研究的母體並非一般社會大眾，而是特定的次母體（subpopulation），並且這次母體缺乏抽樣架構（sampling frame）。[2]　例如，如你想調查電子香菸的使用者或網路騷擾受害人（cyberharassment victims），便難以從一般社會大眾中進行隨機抽樣，因為能抽中這些人的機率不高，甚至很低。這時，你必須設法從其他管道接觸及取得這些人的合作參與。許多針對這些特定族群，且已發表在頂尖期刊上的研究，都是以非機率的線上調查蒐集資料的（Lehdonvirta, Oksanen, Räsänen, & Blank, 2020)。在發表時，那些作者都明白非機率調查在推論上的限制，因此他們都只在文章中檢視樣本的特性，而不對有關的次母體做正式的推論。這做法的背後想法是，這些線上調查或多或少可以增進我們對該次母體的瞭解，所以仍有其價值。

　　要評估這想法是否合理，得先認識這些線上調查的方法。這些調查通常採用川流抽樣（river sampling）或固定來源抽樣（panel sampling）。前者是指在一些目標母體可能出現的網站、網路社群、討論區等張貼訊息，請有意參與調查者點選一個連結填答問卷。這訊息和連結就如一個釣鉤，願者上釣，而這抽樣方法就像在河裡釣魚一般，因此Lehdonvirta等人稱之為川流抽樣。至於固定來源抽樣，它原本是指從一個從母體裡選出一群人之後，就固定找這些人接受多次的調查，因此稱為「固定樣本抽樣」。但在網路時代，許多公司會從一般社會大眾裡招募受訪者，從中篩選、組合成一個人口結構與該地區的人口結構相近的樣本人力庫，然後將這些人的資料賣給願意付費的研究者。研究者會從這些人裡抽樣，得到最後的樣本，所以每個研究者得到的樣本只是從同一群人裡取得的樣本，而非完全相同的樣本。也因此，這時候panel sampling譯為「固定來源抽樣」較妥。[3]

　　相較於固定來源樣本，川流樣本的代表性多了兩個疑慮：主題的自我選擇（topical self-selection）和促發（priming，或譯誘發）。[4] 前者指的是，對該次調查主題有興趣或較常關注的人，比其他人更會自願報名參與調查。例如，對蔡英文「論文門」事件較關注的人比較願意參與此主題的調查，這可能會讓調查結果高估了社會大眾對這事件的認識程度。不過，這問題不算嚴重，因為即使對一般大眾進行隨機抽樣，那些不關心這主題的人也可能拒訪。至於促發，它是指當研究者選擇張貼徵求受訪者廣告時，張貼的地點與內容會否勾起了參與者對有關事件的回憶或想像。例如，受訪者是在偶然閱讀一則有關網路霸凌的新聞時，看到附在下方的徵求受訪者廣告，而這新聞可能勾起他們對自身受霸凌經驗的回憶、記憶重組和重新解釋，使他們在填答時回報了比實際還高的受霸凌次數。

　　促發這問題有多嚴重，會影響樣本對有關次母體的代表性嗎？Lehdonvirta等人的研究顯示，川流樣本的心理特性和非線上受騷擾（offline harassment）經驗與固定來源樣本的並無明顯差別。如此看來，川流樣本的促發問題並不嚴重。

　　總之，我對研究生的忠告是：如果你要進行抽樣調查，那麼請先依你的研究目的，確認是否有隨機抽樣的必要；若真有必要，則要評估有無辦法做到真正的隨機抽樣。如果要推論的母體不大而你又有把握受邀調查者的配合度甚高（例如母體是你大學裡的全體學生，或你任教的國中裡的全體學生），那麼你不妨努力做到隨機抽樣。但如果你的母體是一般社會大眾，那你可能要退而求其次，只能儘量抽取具有一定程度代表性的樣本，而非強求隨機抽樣。當然，如此你在討論調查結果時就必須格外謹慎，避免過度的推論。

參考書目

Highhouse, S., & Gillespie, J. Z. (2009). Do samples really matter that much? In C. E. Lance, & R. J. Vandenberg (Eds.), Statistical and methodological myths and urban legends: Doctrine, verity and fable in organizational and social sciences (pp. 247-265). New York: Routledge.

Lehdonvirta, V., Oksanen, A., Räsänen, P., & Blank, G. (2020). Social media, web, and panel surveys: Using non‐probability samples in social and policy research. Policy & Internet, 134-155. doi: 10.1002/poi3.238

---

[1] 適足性這論點原則上雖正確，但實務上會遇到干擾變項（extraneous variables）和調整變項（moderating variables）的問題。日後有機會再談。

[2] Sampling frame也譯作「清冊」，它是記載著母體裡所有人和其聯絡資料的名單。

[3] Lehdonvirta et al. (2020) 的文章附有英文摘要，其中將river sampling和panel sampling分別譯為隨機抽樣和面板抽樣。前者翻譯錯誤，因為river sampling根本不是隨機抽樣，而後者也不妥（雖然台灣和中國大陸都有如此譯法），因為翻譯必須看脈絡，panel在此和面板一點關係都沒有。像研討會裡常見的panel discussion，一般都譯為「小組討論」，便很貼切。

[4] 固定來源樣本和川流樣本也有一個共同的疑慮，就是會不會受訪者都是那些比較需要錢、想多賺點錢或比較清閒的人。在此先不討論。

無法隨機抽樣我怎麼辦？

　　社會科學的研究者常常需要做抽樣調查。調查如要得出足以可靠地推論到母體的結果，調查的樣本必須有代表性。理想上，研究者應利用隨機取樣或近似隨機的方法取樣，以取得具代表性，反應和母體接近的樣本。

　　隨機取樣的一個基本條件，是母體裡每個單位（通常是人，也可能是家庭、公司等其他單位）被抽到的機率均相同。有時礙於一些困難，我們無法做到真正的隨機取樣，只能用近似隨機的方法獲得有代表性的樣本。例如，如果要在一所有一萬名學生的大學裡對學生進行抽樣調查，我們可以依據完整的學生名冊，從這一萬人裡隨機抽出N個人來訪問。這是隨機抽樣。但如果我們只是在校內學生經常出入的幾個路口，連續幾天從路過的學生裡隨機抽出共N個人來訪問，那得到的頂多是以近似隨機方法獲得的，有代表性的樣本，而非真正的隨機樣本──因為並非每個學生那幾天一定會經過那幾個路口，所以每個學生被抽到的機率並不完全相同。

　　嚴格來說，只要不是完全以隨機程序取得的樣本，就是非機率樣本（non-probability sample）──無論樣本是否具代表性。要判斷非機率樣本的代表性，首先可看抽樣的程序。例如，如果你採用上述多路口、多天的抽樣，你的樣本「大概」會有不錯的代表性。但如果你只用一個白天的時間在學校的大門進行抽樣，那樣本肯定沒代表性（至少很難令人相信那有代表性），因為許多學生都不會在那時間、那地點進出校園。其次，可以用統計方法檢驗樣本的代表性；通常的做法是比較樣本與母體在一些人口變項的分布上是否「夠接近」。例如，樣本裡的男女比例、年齡分布是否和母體裡的相近。

　　如果抽樣真是「完全」隨機的，並且樣本夠大（例如七八百人以上），大概不必擔心它的代表性。而且，隨機樣本（或稱機率樣本）除了具有代表性以外，它還可以讓我們依據統計原理計算抽樣誤差，也就是從樣本得出的統計數字（例如樣本裡有運動習慣者的百分比）和母體裡數字（母體裡有運動習慣者的百分比）之間的差距。至於前述的非機率樣本，無論它們有多大的代表性，我們都無法估算抽樣誤差。

　　但抽樣真的可以做到完全隨機嗎？很難。抽樣的過程必須是自始至終都是隨機的，才是完全隨機。即使研究者有足夠的線索與資源，從母體裡隨機抽人訪問，但也要人們願意受訪才成。如果只有極少的人拒訪或聯絡不到，樣本的隨機性大概沒有問題；但如果有高達25%的人拒訪或聯絡不到，樣本便很可能有偏差，不是隨機的。例如，生活忙碌的人既難找到時間運動，也不願意花時間受訪，這會使一個看似隨機的調查高估有運動習慣者的比例。

　　你或許會覺得上述的想像情境過於誇張。你可能會這樣想：「25%？怎麼可能，只要我好好做，拒訪率一定會遠低於25%。」讓我們來看一下現實吧。十二年前（2002年10月），聯合報進行了一項有關退休規畫的調查，拒訪率是25%。2021年6月，TVBS針對民眾對蔡英文的滿意度進行調查，拒訪率是21%；同年7月，TVBS針對民眾對高端疫苗的信心做調查，拒訪率是25%。2013年9月，聯合報針對民眾有關兩岸互動的態度進行調查，拒訪率更高達40%。那其他媒體或民調機構的調查又如何呢？答案是「無可奉告」，因為他們都乾脆不提拒訪人數或拒訪率了。甚至是聯合報，最近都似乎不提了。如果你是一個研究生，你相信自己的研究資源會比這些媒體和機構更多更好，可以有更低的拒訪率嗎？

　　所以，別怕你無法隨機抽樣，因為你並不孤單。我從來只要求學生盡其所能取得具代表性的樣本，[1] 不要求他們做到隨機抽樣。如果研究生做的調查研究一定要隨機抽樣，恐怕許多學生無法畢業。事實上，放眼台灣社會科學領域的博碩士論文，也沒有多少篇是真正做到隨機抽樣的。

---

[1] 例如採用配額抽樣（ quota sampling）而非便利抽樣（convenience sampling）。