16 以測驗分數的切截點（cutoff）預測暴力與自傷行為的風險時，為何經常會出現過高的偽陽性 （false positive）？
(A)基礎率（base rate）低
(B)敏感度（sensitivity）高
(C)特異度（specificity）高
(D)正確率（accuracy）高

這題的正確答案是 (A) 基礎率（base rate）低。

這題考的是心理測驗學（Psychometrics）、流行病學與司法臨床衡鑑中，非常核心且經典的統計統計邏輯——「低基礎率悖論（Low Base Rate Paradox）」。這在預測「暴力再犯」或「自殺/自傷」等高危險但低頻率的行為時，是所有臨床心理師必備的統計常識。

? 核心測驗學解析：為什麼「基礎率低」必然導致高偽陽性？

1. 什麼是基礎率（Base Rate）？

基礎率是指某個現象或行為在特定群體中實際發生的「盛行率」或「真實機率」。

在現實社會或臨床處遇中，雖然「暴力攻擊」或「自殺自傷」的後果極其嚴重，但如果放眼到整體受試族群，這類極端事件實際發生的基礎率通常非常低（例如：某監獄學員的嚴重暴力再犯率可能只有 $2\%$，或某校園學生的自殺基礎率只有 $0.5\%$）。

2. 為什麼測驗再準，遇到低基礎率還是會「抓錯一堆人（高偽陽性）」？

我們用一個具體的臨床數字矩陣來算給你看，你就會瞬間恍然大悟：

假設有一間學校有 10,000 名學生，其中實際上真的會發生自殺自傷行為的學生只有 50人（真實基礎率為很低的 $0.5\%$）。

現在心理師使用一份極其優秀、準確度高達 $90\%$ 的篩檢量表（敏感度 $90\%$，特異度 $90\%$）來施測：

• 真正會自傷的 50 人中： 測驗會成功抓出 $50 \times 90\% = 45$ 人（真陽性 True Positive）。

• 正常不會自傷的 9,950 人中： 測驗因為有 $10\%$ 的誤差率，會錯誤地把 $9,950 \times 10\% = 995$ 人貼上高風險標籤（偽陽性 False Positive）。

此時，我們來看這份測驗預測的「正預測值（Positive Predictive Value, PPV）」：

在所有被測驗切截點判定為「有自傷風險（陽性）」的總人數（$45 + 995 = 1,040$ 人）當中，真正會自傷的竟然只有 45 人，而高達 995 人是被冤枉的「偽陽性」！ > ? 這意味著：在低基礎率的脈絡下，被測驗判定有風險的人裡面，有高達 $95.6\%$（$995 / 1,040$）其實是「偽陽性（False Positive）」。 這就是為什麼在預測暴力與自傷時，即便測驗工具本身編製得再完美，只要該行為在該族群中的 基礎率（Base rate）極低 (A)，篩檢出來的結果就必然會充斥著大量的偽陽性（抓錯人）。

? 其他選項的統計學概念辨析

(B) 敏感度（Sensitivity）高

• 解析： 敏感度是指「真正有病/有風險的人之中，被測驗成功抓出來的機率」。提高測驗的敏感度（例如把切截點放寬，寧可錯殺不可放過）確實會增加偽陽性，但這題題幹問的是「為什麼經常出現」。在臨床現實中，導致暴力自傷預測出現巨大偽陽性海嘯的根本大前提，依然是「基礎率過低」這項不變的統計規律，而非單純因為敏感度高。

(C) 特異度（Specificity）高

• 解析： 特異度是指「真正沒病/沒風險的人之中，被測驗正確判定為沒風險的機率」。如果一項測驗的特異度極高，代表它「認錯人」的機率極低，這反而會降低偽陽性。

(D) 正確率（Accuracy）高

• 解析： 正確網路包含真陽性與真陰性佔總人數的比例。正確率越高，代表測驗整體預測得越精準，這與「經常出現過高偽陽性」的臨床困境是互相矛盾的。

? 司法與臨床衡鑑「低基礎率 paradoxical」秒殺思維卡

在實務撰寫心理衡鑑報告或面對臨床個案篩檢時，請牢記這套統計防線：

• ? 【統計大魔王】： 凡是預測 【低頻率/低盛行率事件】（如：連續殺人、恐怖攻擊、自殺、自傷），其 【基礎率（Base Rate）低 (A)】 是一切預測的硬傷。

• ? 後果效應： 基礎率低 $\rightarrow$ 導致測驗的 【正預測值（PPV）雪崩】 $\rightarrow$ 必然引發 【過高的偽陽性（False Positive）】（即篩檢出大批看似有風險、實則沒事的人）。

• ?️ 臨床處遇策略： 為了因應這個現象，臨床上通常不會只靠一線量表的切截點做決定，而必須採用「多階段篩檢（Multi-stage screening）」或結合動態臨床判斷，以降低偽陽性帶來的醫療資源浪費與不當標籤化。