M116020002 政研所一年級 楊雅筑（民意與分析課堂期末專案）
指導老師：劉正山 教授
兩岸議題，一直以來皆是台灣政治發展面臨最棘手的問題之一。自1949年國民黨政府遷台以來，在不同的階段都可以感受到人民及政府對這項問題的討論及重視。在這段過程中，世代雖然得以傳承，但人民的價值觀早已有所改變。其中，台灣民眾的身份認同也漸漸產生分歧，演變成至今的國族認同。
國族認同（National Identity）是民眾對於其國家或民族的歸屬感，並將國族視為一個群體，得以凝聚整體的認同概念。
學界上有許多文獻探討著影響民眾國族認同的因素，舉凡族群、政黨以及國家的對外關係等等都有可能是影響一個人對國族認同的不同。（陳牧民，2006)為此，本專案將沿用此問題意識，使用TNSS2015的調查資料，進一步分析各項變數與台灣民眾國族認同的關係。
計畫名稱：2015 年兩岸關係和國家安全民意調查
計畫主持人：牛實銘 教授
計畫執行單位：中央研究院政治學研究所委託全國公信力民意調查 股份有限公司執行
調查執行期間：104/10/27-104/10/30
有效觀察值（N）= 1071
在我們社會上，有人說自己是「臺灣人」，也有人說自己是「中國人」，也有人說都是。請問您認為您自己是「臺灣人」、「中國人」，或者都是?
1.性別:1=男性，2=女性
2.年紀：按1-8分年級生
3.教育程度：分為不識字及未入學、小學、國/初中生、高中/職、專科、大學、研究所及以上
4.政黨認同：1=較支持其他黨，2=較支持民進黨
5.與美國的關係：1=較無好感，2=較有好感
6.語言：1=國語，2=台語
7.族群：1=爸爸的族群為其他，2=爸爸的族群為本省閩南人
首先叫出檔案並存取位置：
library(haven)
TNSS2015 <- read_sav("/Users/azhu/Library/CloudStorage/OneDrive-東海大學/研究所/民意專案/TNSS2015/TNSS2015.sav")
nrow(TNSS2015)[1] 1071#存取成rda檔
save(TNSS2015, file = "/Users/azhu/Library/CloudStorage/OneDrive-東海大學/研究所/民意專案/Tnss2015/2015TNSS.rda", compress=TRUE)
library(sjPlot)
library(sjmisc)接者開始清理變數，將挑選的變數個別處理。
#0、國族認同(台灣人1)
#原始題目：在我們社會上，有人說自己是「臺灣人」，也有人說自己是「中國人」，也有人說都是。請問您認為您自己是「臺灣人」、「中國人」，或者都是?
#將拒答值設為NA
TNSS2015$Q36[TNSS2015$Q36 %in% c(2,95,96,97,98)] <- NA
table(TNSS2015$Q36)
1 3
585 52 #1、教育程度
#原始題目：請問您最高的學歷是什麼(讀到什麼學校)?
#選項：
#將拒答值設為NA
TNSS2015$Q38[TNSS2015$Q38 %in% c(95)] <- NA
table(TNSS2015$Q38)
1 2 3 4 5 6 7
16 65 92 318 170 303 106 #2、年紀
#原始題目：請問您是民國哪一年出生的?
#選項：簡答題
#將拒答值設為NA
TNSS2015$Q37[TNSS2015$Q37 %in% c(95)] <- NA
TNSS2015$Q37 <-rec(TNSS2015$Q37, rec="14,19=1;21,22,24,25,26,27,28,29=2;30,31,32,33,34,35,36,37,38,39=3;40,41,42,43,44,45,46,47,48,49=4;50,51,52,53,54,55,56,57,58,59=5;60,61,62,63,64,65,66,67,68,69=6;70,71,72,73,74,75,76,77,78,79=7;80,81,82,83,84=8", as.num = F)
table(TNSS2015$Q37)
1 2 3 4 5 6 7 8
4 16 97 182 294 258 143 64 #3、政黨認同（支持民進黨的2）
#原始題目：在目前國內的政黨中，請問您認為您比較支持哪一個政黨?
#選項：
#將拒答值設為NA
TNSS2015$Q33[TNSS2015$Q33 %in% c(2)] <- 2
TNSS2015$Q33[TNSS2015$Q33 %in% c(6,18,29,28,19,18,8,7,95,96,90,97,98)] <- NA
TNSS2015$Q33[TNSS2015$Q33 %in% c(1,3,4,5,20,21)] <- 1
table(TNSS2015$Q33)
1 2
262 283 #4、語言
#原始題目：本訪問使用語言:
#選項：
#區分國語1、台語2，並將拒答值設為NA
TNSS2015$Q63[TNSS2015$Q63 %in% c(3,4,5)] <- NA
table(TNSS2015$Q63)
1 2
968 40 #5、族群(本省閩南人2)
#原始題目：請問您的父親是本省客家人、本省閩南人、大陸各省市人、原住民，還是新住民?
#選項：
#區分族群，並將拒答值設為NA
TNSS2015$Q39[TNSS2015$Q39 %in% c(7,95,98)] <- NA
TNSS2015$Q39[TNSS2015$Q39 %in% c(1,3,4,5,6)] <- 1
table(TNSS2015$Q39)
1 2
274 772 #6、與美國的關係(有好感6-10為2)
#原始題目：請問在0到10之間，您會給美國政府多少?
#選項：
#將拒答值設為NA
TNSS2015$Q8[TNSS2015$Q8 %in% c(95,96,97,98)] <- NA
TNSS2015$Q8[TNSS2015$Q8 %in% c(6,7,8,9,10)] <- 2
TNSS2015$Q8[TNSS2015$Q8 %in% c(0,1,3,4,5)] <- 1
table(TNSS2015$Q8)
1 2
541 443 #7、性別(男1女2)
#照原始數據在進行MCA運算之前，先將變數整理及設定資料夾。
TNSS2015$national_identity <- TNSS2015$Q36
TNSS2015$gender <- TNSS2015$Q62
TNSS2015$relationship_with_America<- TNSS2015$Q8
TNSS2015$ethnic_group<- TNSS2015$Q39
TNSS2015$language<- TNSS2015$Q63
TNSS2015$party_identification<- TNSS2015$Q33
TNSS2015$age<- TNSS2015$Q37
TNSS2015$education<- TNSS2015$Q38
TNSS2015$national_identity <- as.factor(TNSS2015$national_identity)
TNSS2015$gender <- as.factor(TNSS2015$gender)
TNSS2015$relationship_with_America <- as.factor(TNSS2015$relationship_with_America)
TNSS2015$ethnic_group <- as.factor(TNSS2015$ethnic_group)
TNSS2015$language <- as.factor(TNSS2015$language)
TNSS2015$age <- as.factor(TNSS2015$age)
TNSS2015$education <- as.factor(TNSS2015$education)
TNSS2015$party_identification <- as.factor(TNSS2015$party_identification)
#建群組
library(dplyr)
Attaching package: 'dplyr'The following objects are masked from 'package:stats':
filter, lagThe following objects are masked from 'package:base':
intersect, setdiff, setequal, unionTnss2015forMCA <- select(TNSS2015, c(
national_identity,
gender,
relationship_with_America,
ethnic_group,
language,
party_identification,
age,
))
#剔除無效值
Tnss2015forMca.nona <- na.omit(Tnss2015forMCA)
nrow(Tnss2015forMca.nona)[1] 283接者我們匯入所需的套件。
library("dplyr")
library("png")
library(FactoMineR)
library(factoextra)Loading required package: ggplot2Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBalibrary(ggplot2)
names(Tnss2015forMca.nona)[1] "national_identity" "gender"
[3] "relationship_with_America" "ethnic_group"
[5] "language" "party_identification"
[7] "age" par(mfrow=c(2,3))
for (i in 1:ncol(Tnss2015forMca.nona)) {
plot(Tnss2015forMca.nona[,i], main=colnames(Tnss2015forMca.nona)[i],
ylab = "Count", col="steelblue", las = 2, ylim=c(0,1500))
}
par(mfrow=c(1,1))
names(Tnss2015forMca.nona)[1] "national_identity" "gender"
[3] "relationship_with_America" "ethnic_group"
[5] "language" "party_identification"
[7] "age" res<-MCA(Tnss2015forMca.nona, ncp=6, graph= F)
write.infile(res$dimdesc, file ="MCAresults",append=F)
write.infile(res$eig, file ="MCAresults",append=T)
write.infile(res$var, file ="MCAresults",append=T)
fviz_screeplot(res, ncp=7)
#維次歸納描述
library(corrplot)corrplot 0.92 loadedcorrplot(res$var$cos2, is.corr=FALSE, tl.cex=.6)
根據上面這張維次歸納圖分析：
library(FactoMineR)
library(factoextra)
plot(res, axes=c(1, 2), new.plot=TRUE, choix="var",
col.var="red", col.quali.sup="darkgreen",
label=c("quali.sup", "quanti.sup", "var"),
invisible=c("ind"),
autoLab = "yes",
title="", cex=0.8,
xlim=c(0, 0.75), ylim=c(0, 0.7),
max.overlaps = 50) # 增加 max.overlaps 的數值
根據變數關聯分佈圖來分析，國族認同與族群、政黨認同以及對美國關係的變數相關。且相較之下，國族認同與族群的變數較為接近。年齡、語言及性別則較無關聯。
plot(res, axes=c(1, 2), new.plot=TRUE,
col.var="red", col.ind="black", col.ind.sup="black",
col.quali.sup="darkgreen", col.quanti.sup="blue",
label=c("var"), cex=0.8,
selectMod = "cos2 70",
invisible=c("ind", "quali.sup"),
autoLab = "yes",
title="fators of national identity ")Warning: ggrepel: 3 unlabeled data points (too many overlaps). Consider
increasing max.overlaps
plot(res, axes=c(1, 2), new.plot=TRUE,
col.var="red", col.ind="black", col.ind.sup="black",
col.quali.sup="darkgreen", col.quanti.sup="blue",
label=c("var"), cex=0.8,
selectMod = "cos2 30",
invisible=c("ind", "quali.sup"),
xlim=c(-1.2,1.2), ylim=c(-1.2,2),
autoLab = "yes",
title="top of the fators",
max.overlaps = 100) # 增加 max.overlaps 的數值Warning: Removed 4 rows containing missing values (`geom_point()`).Warning: Removed 4 rows containing missing values (`geom_text_repel()`).
plot(res, axes=c(1, 2), new.plot=TRUE,
col.var="red", col.ind="black", col.ind.sup="black",
col.quali.sup="darkgreen", col.quanti.sup="blue",
label=c("var"), cex=0.8,
selectMod = "cos2 30",
invisible=c("ind", "quali.sup"),
xlim=c(-1.2,1.2), ylim=c(-0.5,0.4),
autoLab = "yes",
title="top of the fators 2")Warning: Removed 8 rows containing missing values (`geom_point()`).Warning: Removed 8 rows containing missing values (`geom_text_repel()`).
根據上面這張圖來分析：
首先將要跑迴歸的資料整理：
library(sjPlot)
library(sjmisc)
Tnss2015forMCA$national_identity <-rec(Tnss2015forMCA$national_identity, rec = "1=1;3=3", as.num = T)
Tnss2015forMCA$age <-rec(Tnss2015forMCA$age, rec = "1=1;2=2;3=3;4=4;5=5;6=6;7=7;8=8", as.num = T)
Tnss2015forMCA$gender<-rec(Tnss2015forMCA$gender, rec = "1=1;2=2", as.num = T)
Tnss2015forMCA$relationship_with_America <-rec(Tnss2015forMCA$relationship_with_America, rec = "1=1;2=2", as.num = T)
Tnss2015forMCA$ethnic_group<-rec(Tnss2015forMCA$ethnic_group, rec = "1=1;2=2", as.num = T)
Tnss2015forMCA$language<-rec(Tnss2015forMCA$language, rec = "1=1;2=2", as.num = T)
Tnss2015forMCA$party_identification<-rec(Tnss2015forMCA$party_identification, rec = "1=1;2=2", as.num = T)接者將國族認同設為Y，其餘六個變項皆設定為X，跑出模型。
model <- lm(formula= Tnss2015forMCA$national_identity~ Tnss2015forMCA$gender + Tnss2015forMCA$age + Tnss2015forMCA$party_identification+Tnss2015forMCA$ethnic_group+Tnss2015forMCA$relationship_with_America+Tnss2015forMCA$language,
data=Tnss2015forMCA)
summary(model)
Call:
lm(formula = Tnss2015forMCA$national_identity ~ Tnss2015forMCA$gender +
Tnss2015forMCA$age + Tnss2015forMCA$party_identification +
Tnss2015forMCA$ethnic_group + Tnss2015forMCA$relationship_with_America +
Tnss2015forMCA$language, data = Tnss2015forMCA)
Residuals:
Min 1Q Median 3Q Max
-0.72376 -0.24824 -0.01123 0.06100 1.90368
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 2.4001940 0.2553218 9.401 < 2e-16
Tnss2015forMCA$gender 0.0038276 0.0555781 0.069 0.945144
Tnss2015forMCA$age -0.0530799 0.0214410 -2.476 0.013901
Tnss2015forMCA$party_identification -0.2900901 0.0607337 -4.776 2.9e-06
Tnss2015forMCA$ethnic_group -0.2670291 0.0692162 -3.858 0.000142
Tnss2015forMCA$relationship_with_America -0.0172422 0.0555198 -0.311 0.756369
Tnss2015forMCA$language 0.0002621 0.1462512 0.002 0.998571
(Intercept) ***
Tnss2015forMCA$gender
Tnss2015forMCA$age *
Tnss2015forMCA$party_identification ***
Tnss2015forMCA$ethnic_group ***
Tnss2015forMCA$relationship_with_America
Tnss2015forMCA$language
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 0.4556 on 276 degrees of freedom
(788 observations deleted due to missingness)
Multiple R-squared: 0.1919, Adjusted R-squared: 0.1743
F-statistic: 10.92 on 6 and 276 DF, p-value: 6.504e-11從上面兩段的結論來看，我們可以發現經MCA運算與迴歸模型分析之後，政黨認同、族群、對美國的好感度，以及年紀都是影響台灣民眾國族認同的因素。
最後，讓我們運用卡方檢定來看看兩兩變數間的關聯值。
library(sjPlot)
sjt.xtab(TNSS2015$Q36,TNSS2015$Q38,
title = "表1、教育程度與國族認同的關係",
encoding = "UTF-8",
show.row.prc = TRUE,
show.col.prc = TRUE)| 我們社會上，有人說自己是「臺灣人」，也有人說自己是「中國人」，也有人說都是。請問您認為您自己是「臺灣人」、「中國人」，或者都是？ | 請問您的最高學歷是什麼（讀到什麼學校）？ | Total | ||||||
|---|---|---|---|---|---|---|---|---|
| 不識字及未入學 | 小學 | 國、初中 | 高中、職 | 專科 | 大學 | 研究所及以上 | ||
| 臺灣人 | 13 2.2 % 100 % |
38 6.5 % 84.4 % |
60 10.3 % 95.2 % |
165 28.2 % 91.7 % |
73 12.5 % 83.9 % |
182 31.1 % 96.3 % |
54 9.2 % 90 % |
585 100 % 91.8 % |
| 中國人 | 0 0 % 0 % |
7 13.5 % 15.6 % |
3 5.8 % 4.8 % |
15 28.8 % 8.3 % |
14 26.9 % 16.1 % |
7 13.5 % 3.7 % |
6 11.5 % 10 % |
52 100 % 8.2 % |
| Total | 13 2 % 100 % |
45 7.1 % 100 % |
63 9.9 % 100 % |
180 28.3 % 100 % |
87 13.7 % 100 % |
189 29.7 % 100 % |
60 9.4 % 100 % |
637 100 % 100 % |
| χ2=17.994 · df=6 · Cramer's V=0.168 · Fisher's p=0.006 | ||||||||
library(sjPlot)
sjt.xtab(TNSS2015$Q36,TNSS2015$Q37,
title = "表2、年紀與國族認同的關係",
encoding = "UTF-8",
show.row.prc = TRUE,
show.col.prc = TRUE)| 我們社會上，有人說自己是「臺灣人」，也有人說自己是「中國人」，也有人說都是。請問您認為您自己是「臺灣人」、「中國人」，或者都是？ | 請問您是民國哪一年出生的？ | Total | |||||||
|---|---|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | ||
| 臺灣人 | 3 0.5 % 75 % |
7 1.2 % 87.5 % |
57 9.9 % 85.1 % |
86 14.9 % 85.1 % |
139 24 % 88 % |
138 23.9 % 96.5 % |
99 17.1 % 99 % |
49 8.5 % 100 % |
578 100 % 91.7 % |
| 中國人 | 1 1.9 % 25 % |
1 1.9 % 12.5 % |
10 19.2 % 14.9 % |
15 28.8 % 14.9 % |
19 36.5 % 12 % |
5 9.6 % 3.5 % |
1 1.9 % 1 % |
0 0 % 0 % |
52 100 % 8.3 % |
| Total | 4 0.6 % 100 % |
8 1.3 % 100 % |
67 10.6 % 100 % |
101 16 % 100 % |
158 25.1 % 100 % |
143 22.7 % 100 % |
100 15.9 % 100 % |
49 7.8 % 100 % |
630 100 % 100 % |
| χ2=30.014 · df=7 · Cramer's V=0.218 · Fisher's p=0.000 | |||||||||
library(sjPlot)
sjt.xtab(TNSS2015$Q36,TNSS2015$Q33,
title = "表3、政黨認同與國族認同的關係",
encoding = "UTF-8",
show.row.prc = TRUE,
show.col.prc = TRUE)| 我們社會上，有人說自己是「臺灣人」，也有人說自己是「中國人」，也有人說都是。請問您認為您自己是「臺灣人」、「中國人」，或者都是？ | 在國內的政黨之中，請問您認為您比較支持哪一個政黨？ | Total | |
|---|---|---|---|
| 國民黨 | 民進黨 | ||
| 臺灣人 | 92 29.5 % 79.3 % |
220 70.5 % 98.7 % |
312 100 % 92 % |
| 中國人 | 24 88.9 % 20.7 % |
3 11.1 % 1.3 % |
27 100 % 8 % |
| Total | 116 34.2 % 100 % |
223 65.8 % 100 % |
339 100 % 100 % |
| χ2=36.360 · df=1 · φ=0.339 · Fisher's p=0.000 | |||
chisq.test(TNSS2015$Q36, TNSS2015$Q33)
Pearson's Chi-squared test with Yates' continuity correction
data: TNSS2015$Q36 and TNSS2015$Q33
X-squared = 36.36, df = 1, p-value = 1.641e-09可以看到卡方檢定結果顯示在政黨認同的部分，p值為非常顯著，可以判定兩者相關。
library(sjPlot)
sjt.xtab(TNSS2015$Q36,TNSS2015$Q63,
title = "表4、語言與國族認同的關係",
encoding = "UTF-8",
show.row.prc = TRUE,
show.col.prc = TRUE)| 我們社會上，有人說自己是「臺灣人」，也有人說自己是「中國人」，也有人說都是。請問您認為您自己是「臺灣人」、「中國人」，或者都是？ | 訪問時使用語言： | Total | |
|---|---|---|---|
| 國語 | 臺語 | ||
| 臺灣人 | 515 94.3 % 91.6 % |
31 5.7 % 96.9 % |
546 100 % 91.9 % |
| 中國人 | 47 97.9 % 8.4 % |
1 2.1 % 3.1 % |
48 100 % 8.1 % |
| Total | 562 94.6 % 100 % |
32 5.4 % 100 % |
594 100 % 100 % |
| χ2=0.524 · df=1 · φ=0.043 · Fisher's p=0.503 | |||
chisq.test(TNSS2015$Q36, TNSS2015$Q63) Warning in chisq.test(TNSS2015$Q36, TNSS2015$Q63): Chi-squared approximation
may be incorrect
Pearson's Chi-squared test with Yates' continuity correction
data: TNSS2015$Q36 and TNSS2015$Q63
X-squared = 0.52431, df = 1, p-value = 0.469library(sjPlot)
sjt.xtab(TNSS2015$Q36,TNSS2015$Q39,
title = "表5、族群與國族認同的關係",
encoding = "UTF-8",
show.row.prc = TRUE,
show.col.prc = TRUE)| 我們社會上，有人說自己是「臺灣人」，也有人說自己是「中國人」，也有人說都是。請問您認為您自己是「臺灣人」、「中國人」，或者都是？ | 請問您的父親是本省客家人、本省閩南（河洛）人、大陸各省市人、原住民，還是新住民？ | Total | |
|---|---|---|---|
| 本省客家人 | 本省閩南人 | ||
| 臺灣人 | 103 18 % 75.2 % |
470 82 % 96.3 % |
573 100 % 91.7 % |
| 中國人 | 34 65.4 % 24.8 % |
18 34.6 % 3.7 % |
52 100 % 8.3 % |
| Total | 137 21.9 % 100 % |
488 78.1 % 100 % |
625 100 % 100 % |
| χ2=59.867 · df=1 · φ=0.316 · p=0.000 | |||
chisq.test(TNSS2015$Q36, TNSS2015$Q39)
Pearson's Chi-squared test with Yates' continuity correction
data: TNSS2015$Q36 and TNSS2015$Q39
X-squared = 59.867, df = 1, p-value = 1.015e-14可以看到卡方檢定結果顯示在族群的部分，p值為非常顯著，可以判定兩者相關。
library(sjPlot)
sjt.xtab(TNSS2015$Q36,TNSS2015$Q8,
title = "表6、對美國好感與國族認同的關係",
encoding = "UTF-8",
show.row.prc = TRUE,
show.col.prc = TRUE)| 我們社會上，有人說自己是「臺灣人」，也有人說自己是「中國人」，也有人說都是。請問您認為您自己是「臺灣人」、「中國人」，或者都是？ | 請問在０到１０之間，您會給美國政府多少？ | Total | |
|---|---|---|---|
| 1 | 2 | ||
| 臺灣人 | 265 50 % 89.2 % |
265 50 % 95.7 % |
530 100 % 92.3 % |
| 中國人 | 32 72.7 % 10.8 % |
12 27.3 % 4.3 % |
44 100 % 7.7 % |
| Total | 297 51.7 % 100 % |
277 48.3 % 100 % |
574 100 % 100 % |
| χ2=7.519 · df=1 · φ=0.121 · p=0.006 | |||
chisq.test(TNSS2015$Q36, TNSS2015$Q8)
Pearson's Chi-squared test with Yates' continuity correction
data: TNSS2015$Q36 and TNSS2015$Q8
X-squared = 7.5187, df = 1, p-value = 0.006106可以看到卡方檢定結果顯示在美國好感度的部分，p值為0.006106，可以判定兩者相關。
library(sjPlot)
sjt.xtab(TNSS2015$Q36,TNSS2015$Q62,
title = "表7、性別與國族認同的關係",
encoding = "UTF-8",
show.row.prc = TRUE,
show.col.prc = TRUE)| 我們社會上，有人說自己是「臺灣人」，也有人說自己是「中國人」，也有人說都是。請問您認為您自己是「臺灣人」、「中國人」，或者都是？ | 性別： | Total | |
|---|---|---|---|
| 男性 | 女性 | ||
| 臺灣人 | 253 43.2 % 89.7 % |
332 56.8 % 93.5 % |
585 100 % 91.8 % |
| 中國人 | 29 55.8 % 10.3 % |
23 44.2 % 6.5 % |
52 100 % 8.2 % |
| Total | 282 44.3 % 100 % |
355 55.7 % 100 % |
637 100 % 100 % |
| χ2=2.548 · df=1 · φ=0.069 · p=0.110 | |||
chisq.test(TNSS2015$Q36, TNSS2015$Q62)
Pearson's Chi-squared test with Yates' continuity correction
data: TNSS2015$Q36 and TNSS2015$Q62
X-squared = 2.5485, df = 1, p-value = 0.1104可以看到卡方檢定結果顯示在性別的部分，p值為0.1104，可以判定兩者無相關。
根據迴歸模型所分析出來的結果，我們可以看到國族認同(Ｙ)與其他六項變數(Ｘ)的關聯，其中政黨認同與族群為顯著相關，吳乃德(2005)在〈麵包與愛情：初探台灣民眾民族認同的變動〉研究中將台灣人的認同分為「族群文化認同」與「物質利益考量」兩個因素，可以推論民眾對於國族認同多半還是來自個人對於原生族群的認同，至於政黨認同的層面，我們或許可以進一步思考，國族認同可能淪為政黨意識形態的分裂點，換言之，政黨利用國族認同作為宣傳的口號是否為假議題？
相較之下，性別和語言則與國族認同較無相關，另外值得注意的一點是，在年紀的變數中，八年級生與五年級生對於自己是台灣人的意識較高，或許這與當時的社會背景有關。這是否意即著，不同社會背景下所發生的事件可能會影響個人的國族認同，學術界上已有許多相關的文獻在探討，藍佩嘉、吳伊凡(2011)指出，個人會在日常生活的互動中指認出我群與他群的差異。由此我們可以推論，當下環境所發生的重大事件也可能成為影響民眾國族認同有所差異的因素，對此問題意識，筆者將留待於之後的文章繼續探索及研究。
王家英、孫同文(1996)。〈國族認同的解體與重構—台灣當前的主體經驗〉，《政治科學論叢》，(7)，p321-354。
吳乃德(2005)。〈愛情與麵包：初探台灣民眾民族認同的變動〉，《台灣政治學刊》，9(2)，p5-39。
江宜樺(1997)。〈自由民主體制下的國家認同〉，《台灣社會研究季刊》，25 ，p83-121。
吳玉山(2001)。〈兩岸關係中的中國意識與台灣意識〉，《中國事務》，4 ，p71-89。
施正鋒(2004)。〈台灣的民族認同/國家認同〉，《台灣民主季刊》，1(1) ，p185-92。
藍佩嘉、吳伊凡(2011)。〈在「祖國」與「外國」之間：旅中台生的認同與畫界〉，《台灣社會學》，22， P1 - 57
Anderson, Benedict. 1991. Imagined Community: Reflections on the Origin and Spread of Nationalism. New York: Verso.
Brown, Melissa J. 2006. Is Taiwan Chinese? The Impact of Culture. Power. and Migration on Changing Identities. Berkley: University of California Press.
Wang, T. Y., and Liu, I-Chou. 2004. Contending Identities in Taiwan: Implications for Cross-Strait Relations. Asian Survey, Vol. 44, No. 4, pp. 568-90.