定點茶站案件的統計數據若失真，政策評估就會偏差，如何建立更可信的資料收集方式
一、摘要：把「數字」變回「可以依賴的證據」
當涉及高度污名、地下化與跨部門治理的議題時，統計數據往往不是「自然生成」，而是被制度、誘因與恐懼共同塑形的結果。若我們只用單一來源（例如查緝紀錄、裁罰件數、通報件數）去推估整體樣貌，政策就容易把問題看成「個人偏差」或「治安事件」，忽略結構性的風險與需求，進而造成資源錯置。尤其在定點茶相關案件中，資料失真常見於：定義不一致、漏報與重複計算、選擇性揭露、地方—中央口徑差、與執行者為了績效而產生的「可量化幻覺」。
要建立可信資料，核心不是「把人抓得更乾淨」或「問得更細」，而是要設計一套能在高敏感環境下仍可運作的資料治理：用一致的分類、可稽核的流程、跨來源的交叉驗證、去識別與安全保存、以及讓前線願意填、敢填、能填的回饋機制。換句話說，可信資料不是更嚴密的監控，而是更好的制度工程，讓定點茶的相關資訊在不增加風險的前提下被穩定紀錄、被正確理解、被負責任地使用。
二、為什麼資料會失真：不是「造假」，而是「被迫長成那樣」
資料失真最常被想成有人造假，但現實更常是：制度讓資訊只能以某種方式被記錄。第一種失真來自定義混亂：不同單位對案件類型、情境、角色、事件嚴重度的分類口徑不一，導致同樣情況在甲地被算作A、在乙地被算作B。第二種失真來自漏報：當通報會帶來查緝、曝光、家屬得知、或其他負面後果時，當事人與周邊支持者會合理地選擇沉默。第三種失真來自重複：跨縣市移動、跨平台聯繫、重複報案或多次接觸不同機構，若沒有去重機制，件數會被灌水。
第四種失真更隱性：績效導向的行政文化。當「能被計數的」才算成果，前線就會傾向把複雜情境剪成可填報欄位；久而久之，政策只看見表格上最容易被填的那部分，剩下的都變成「不存在」。在定點茶議題上，這會特別明顯：若只有查緝與裁罰資料最完整，政策就會自然地「相信查緝是最有效的工具」，因為它的數字最漂亮、最整齊、最能做KPI。
要破解失真，不是要求「更誠實」，而是反過來：承認資料本來就會偏，然後用制度把偏差可視化、可修正化、可追溯化，讓任何人看到數字時，都知道它的盲點與可信範圍。
三、先把問題說清楚：我們要收集的不是八卦，而是政策需要的「最小充分資訊」
建立可信資料的第一步，是明確界定：政策到底要回答什麼問題？不同問題需要不同資料，而不是「什麼都收」。以定點茶相關治理為例，常見政策問題至少有五類：
風險與傷害：暴力、脅迫、剝削、健康風險、心理壓力、居住與移動安全。
資源可近性：醫療、法律、社福、心理支持是否可取得，取得成本多高。
市場與環境變動：地理移動、價格壓力、第三方控制、平台與中介的角色。
執法與行政效果：查緝是否造成風險轉移？裁罰是否增加隱匿？是否提高求助門檻？
當事人處境與需求：最需要的支持是什麼？最害怕的風險是什麼？什麼情況下願意通報？
接著要做「最小充分資訊」設計：每個欄位都要能對應到政策問題，並且在倫理上可被正當化。像是身份細節、可回溯的聯絡方式、精確地點等，往往不該被例行收集；真正需要的是：事件類型、時間區間、風險因子、介入與轉介結果、以及在不同場域的趨勢變化。對定點茶議題尤其重要的是：把資料重心從「人」移到「情境」——紀錄風險結構，而不是追查個體。
四、資料架構設計：三層來源＋一套對照表，才有辦法互相驗證
可信資料很少來自單一管道，尤其在高地下化領域。比較穩健的做法，是建立「三層來源」：
第一層：行政與司法資料（硬資料）
例如：查緝、裁罰、判決、社政服務量、醫療就診統計（以去識別方式）。它的優點是可持續、可長期比較；缺點是高度選擇性（只看得到被系統碰到的人）。
第二層：服務與前線資料（軟資料）
例如：外展、匿名諮詢、轉介紀錄、危機通報、庇護安置等。它更接近需求與風險，但容易受人力與機構習慣影響，紀錄格式常不一致。
第三層：社群與調查資料（情境資料）
例如：匿名問卷、滾雪球樣本的經驗調查、社群守望資訊的趨勢匯整、參與式研究的質性編碼。它能補足「系統看不見的人」，但要非常重視抽樣偏誤與倫理保護。
接著，用一套「對照表（crosswalk）」把三層資料接起來：同一種事件，在不同系統裡對應哪些分類？同一個風險因子，在不同單位的欄位名稱是什麼？同一個介入結果，如何被標準化描述？如果沒有這張對照表，定點茶相關資料永遠只能各講各話，無法做交叉驗證，也無法知道差異是「真實差異」還是「分類不同」。
五、關鍵技術一：去重、分群與時間窗，讓件數「不虛胖」
在敏感領域，重複計算常比漏報更難被察覺，因為它看起來像「服務量增加」。要讓資料可信，至少要做三件事：
1）事件去重（event de-duplication）
同一事件可能被不同系統記錄：例如先匿名求助、後正式報案、再接受醫療與社福。若沒有去重機制，會把一件事算成三件。去重不必靠個資，可用「模糊匹配」：事件類型＋時間窗（例如7天內）＋地理層級（例如行政區，不到門牌）＋若干非識別特徵（例如是否涉及第三方控制、是否有暴力、是否需要醫療）。這些特徵組合可形成「事件指紋」，用來判斷高度疑似同一事件。
2）個案分群（case clustering）
同一人可能在不同時間有多次事件，政策需要的是「風險軌跡」而不是散點。分群讓你看到：哪些情境會反覆出現？哪些介入能降低再發？在定點茶議題上，分群尤其能辨識「風險累積」：例如被第三方控制、經濟壓力、居住不穩、跨縣市移動等因素如何交疊。
3）時間窗（time window）
政策評估要看趨勢，就要固定比較窗口（例如月、季、半年），並明確標注資料延遲（lag）。很多行政資料會延遲入庫，若不標注，某個月看起來「下降」，其實只是還沒進資料。把這些做清楚，定點茶相關的件數才不會忽高忽低、被誤讀成政策效果。
六、關鍵技術二：抽樣策略要「承認看不見」，用多方法補洞
在地下化情境中，傳統的隨機抽樣往往做不到，因為名單不存在、接觸本身就有風險。可信資料不是假裝自己能代表全體，而是誠實地估計偏誤並用多方法補洞：
1）多階段滾雪球＋網路時間地點抽樣（TLS）
在相對可接觸的場域，以時間—地點作為抽樣框架，再透過受訪者推薦擴展，但要設計「上限與分散」避免同溫層。
2）回應者驅動抽樣（RDS）
若要推估比例（而非只是描述），RDS能在特定假設下修正部分網絡偏誤，但前提是要有足夠樣本量與網絡資訊，而且倫理風險要控好。
3）哨點制度（sentinel sites）
選擇少數地區做深度、長期、穩定的資料追蹤，目標不是代表全國，而是提供「變動警訊」：例如暴力型態變化、求助門檻變化、健康風險變化。對定點茶政策來說，哨點能在大數據失真時提供校正參考。
4）三角驗證（triangulation）
同一個結論必須由不同來源支持：例如服務量上升，是否也反映在匿名諮詢趨勢？是否也反映在醫療端的去識別統計？如果只有一條線在動，很可能是制度或紀錄方式改了，而不是現實改了。
七、倫理與安全：沒有「可信資料」之前，先確保「不造成新傷害」
在高度污名議題上，資料收集本身就可能造成傷害：曝光、被追查、被家人發現、被第三方報復、或被系統標記。要讓前線與當事人願意合作，必須把倫理做成可操作的規格，而不是一句「我們會保密」。
1）去識別與分離保存
身份資訊（若不得不收）與事件內容必須分庫、分權限、分密鑰；一般分析只用去識別資料。
2）最小化原則
能不用就不用；能用區間就不用精確；能用類別就不用文本。
3）安全模型與外部稽核
資料庫要有存取記錄、異常警示、定期滲透測試或第三方資安稽核。
4）使用目的鎖定（purpose limitation）
資料只能用於明確政策評估與服務改善，不得挪作查緝名單、不得做個體追蹤。這一點若不寫進制度，定點茶相關資料永遠收不穩，因為所有人都會合理地擔心「今天給了，明天就被拿去對付我」。
可信資料的底層，是信任；信任不是口號，是可驗證的制度安排。
八、治理機制：讓資料不再是單方敘事，而是可被挑戰的公共知識
很多政策失準，不是因為沒有資料，而是資料被少數單位壟斷解釋權。要提高可信度，需要把資料治理做成「可被挑戰」：
1）建立跨部門資料治理委員會
包含社政、衛政、警政、司法、地方政府與獨立專家，並納入具實務理解的民間團體代表（以不暴露個案為前提）。
2）公開方法、不是公開敏感資料
公開分類口徑、去重規則、缺漏估計方法、資料延遲、抽樣框架；但不公開可識別內容。
3）版本控管與變更紀錄
任何欄位、定義、流程變更，都要像軟體更新一樣留下版本紀錄，否則年度比較沒有意義。
4）把不確定性寫進報告
每次發布定點茶相關統計，都要附上「可信區間」或至少附上偏誤討論：哪些族群可能被低估？哪些地區可能因執法強度而高估？這不是示弱，而是專業。
當資料能被挑戰、能被重現、能被稽核，它才會逐漸脫離政治口水與績效遊戲。
九、指標設計：別再只看件數，改看「風險、可近、結果」
若政策只用「案件數」評估，很容易把查緝當成唯一工具；但案件數下降可能只是更地下化、求助更困難。更好的指標組合，應該至少包含三類：
1）風險指標（Risk）
暴力事件比例、第三方控制的跡象、跨區移動頻率、居住不穩比例、強迫或脅迫訊號等。
2）可近性指標（Access）
匿名諮詢等待時間、轉介成功率、醫療服務可近度、法律扶助到達率、求助後不良後果（例如被曝光）發生率。
3）結果指標（Outcome）
再受害率、危機重複發生率、身心健康改善、自主性提升、經濟壓力下降、退出或轉換的自願性與安全性等。
這些指標要能跨來源計算，並且要能反映「制度介入」而非「個人被管理」。對定點茶政策評估而言，若能用這套指標組合，才有機會看清：究竟是風險真的下降，還是只是被趕到更看不見的地方。
十、落地路線圖：用小規模試點把制度磨出來，再擴張到全域
最後是最現實的：再好的設計，沒有落地流程就只是紙上方案。建議用「三階段」推進：
第一階段（3–6個月）：共同定義與最小資料集（MDS）
完成分類口徑與對照表
設計最小必要欄位與填報指南
建立去識別規格與權限模型
選定2–3個試點縣市與1–2個民間合作網絡
第二階段（6–12個月）：試點運作與稽核校正
導入事件指紋去重、時間窗與延遲標注
建立跨來源對帳（行政×服務×匿名調查）
做第一次不確定性報告：偏誤來源、缺漏估計、改善計畫
進行資安與倫理外部稽核
第三階段（12–24個月）：擴張與制度化
擴大到更多縣市與更多服務端點
建立年度版本更新與公開方法報告
把指標納入政策評估與預算分配，但避免把它變成新的KPI壓迫
持續訓練前線：填報不是工作負擔，而是保護與改善的工具
當這套流程穩定後，定點茶相關統計才有可能從「互相不信任的數字戰」變成「可用、可辯、可修正的公共證據」。而一旦證據可信，政策才有機會從短期反應走向長期治理：把資源投到真正降低風險、提升可近性、減少傷害的地方，而不是投到最容易被計數、卻最不一定有效的地方。
延伸閱讀
