2023 厚數據與意義探勘實做
梁皓怡
2023.8.21
關於資料來源
這個練習的資料，是個來自兩波網路調查。這是個依受訪者id合併之後的「定群追蹤資料」（panel data）。由smilepoll.tw提供。第一筆（代號B）是「統獨意見大調查」，調查時間： 2018. 10.22～2018. 11.13，N=886（完成率86.7%）；第二筆（代號D）是「2018地方選舉選後心情札記」，調查時間：2019.01.21～2019.02.19，N=1,297 (完成率78%)。
專案準備
請開啟一個新的專案，將語法檔及資料檔（dataBD.rda）都放入該專案資料夾內。
讀入資料與變數觀察
## Install package "strengejacke" from GitHub (`devtools::install_github("strengejacke/strengejacke")`) to load all sj-packages at once!## 性別 (x) <categorical>
## # total N=579 valid N=576 mean=0.43 sd=0.50
##
## Value | Label | N | Raw % | Valid % | Cum. %
## ----------------------------------------------
## 0 | 女 | 329 | 56.82 | 57.12 | 57.12
## 1 | 男 | 247 | 42.66 | 42.88 | 100.00
## <NA> | <NA> | 3 | 0.52 | <NA> | <NA>
## x <numeric>
## # total N=579 valid N=579 mean=34.95 sd=11.40
##
## Value | N | Raw % | Valid % | Cum. %
## -------------------------------------
## 15 | 2 | 0.35 | 0.35 | 0.35
## 17 | 4 | 0.69 | 0.69 | 1.04
## 18 | 4 | 0.69 | 0.69 | 1.73
## 19 | 12 | 2.07 | 2.07 | 3.80
## 20 | 11 | 1.90 | 1.90 | 5.70
## 21 | 13 | 2.25 | 2.25 | 7.94
## 22 | 13 | 2.25 | 2.25 | 10.19
## 23 | 21 | 3.63 | 3.63 | 13.82
## 24 | 20 | 3.45 | 3.45 | 17.27
## 25 | 23 | 3.97 | 3.97 | 21.24
## 26 | 29 | 5.01 | 5.01 | 26.25
## 27 | 17 | 2.94 | 2.94 | 29.19
## 28 | 21 | 3.63 | 3.63 | 32.82
## 29 | 13 | 2.25 | 2.25 | 35.06
## 30 | 26 | 4.49 | 4.49 | 39.55
## 31 | 25 | 4.32 | 4.32 | 43.87
## 32 | 17 | 2.94 | 2.94 | 46.80
## 33 | 31 | 5.35 | 5.35 | 52.16
## 34 | 22 | 3.80 | 3.80 | 55.96
## 35 | 25 | 4.32 | 4.32 | 60.28
## 36 | 24 | 4.15 | 4.15 | 64.42
## 37 | 15 | 2.59 | 2.59 | 67.01
## 38 | 14 | 2.42 | 2.42 | 69.43
## 39 | 13 | 2.25 | 2.25 | 71.68
## 40 | 11 | 1.90 | 1.90 | 73.58
## 41 | 12 | 2.07 | 2.07 | 75.65
## 42 | 11 | 1.90 | 1.90 | 77.55
## 43 | 9 | 1.55 | 1.55 | 79.10
## 44 | 6 | 1.04 | 1.04 | 80.14
## 45 | 16 | 2.76 | 2.76 | 82.90
## 46 | 8 | 1.38 | 1.38 | 84.28
## 47 | 12 | 2.07 | 2.07 | 86.36
## 48 | 9 | 1.55 | 1.55 | 87.91
## 49 | 6 | 1.04 | 1.04 | 88.95
## 50 | 6 | 1.04 | 1.04 | 89.98
## 51 | 4 | 0.69 | 0.69 | 90.67
## 52 | 7 | 1.21 | 1.21 | 91.88
## 53 | 5 | 0.86 | 0.86 | 92.75
## 54 | 5 | 0.86 | 0.86 | 93.61
## 55 | 4 | 0.69 | 0.69 | 94.30
## 56 | 2 | 0.35 | 0.35 | 94.65
## 57 | 4 | 0.69 | 0.69 | 95.34
## 58 | 4 | 0.69 | 0.69 | 96.03
## 60 | 2 | 0.35 | 0.35 | 96.37
## 61 | 1 | 0.17 | 0.17 | 96.55
## 62 | 3 | 0.52 | 0.52 | 97.06
## 63 | 8 | 1.38 | 1.38 | 98.45
## 64 | 1 | 0.17 | 0.17 | 98.62
## 66 | 3 | 0.52 | 0.52 | 99.14
## 68 | 1 | 0.17 | 0.17 | 99.31
## 74 | 1 | 0.17 | 0.17 | 99.48
## 78 | 1 | 0.17 | 0.17 | 99.65
## 79 | 1 | 0.17 | 0.17 | 99.83
## 90 | 1 | 0.17 | 0.17 | 100.00
## <NA> | 0 | 0.00 | <NA> | <NA>## Warning: `stat(density)` was deprecated in ggplot2 3.4.0.
## ℹ Please use `after_stat(density)` instead.
## ℹ The deprecated feature was likely used in the sjPlot package.
## Please report the issue at <https://github.com/strengejacke/sjPlot/issues>.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.
## 教育程度 (x) <categorical>
## # total N=579 valid N=572 mean=2.03 sd=0.53
##
## Value | Label | N | Raw % | Valid % | Cum. %
## -------------------------------------------------
## 1 | 大專以下 | 72 | 12.44 | 12.59 | 12.59
## 2 | 大專 | 408 | 70.47 | 71.33 | 83.92
## 3 | 研究所 | 92 | 15.89 | 16.08 | 100.00
## <NA> | <NA> | 7 | 1.21 | <NA> | <NA>
## 居住地 (x) <categorical>
## # total N=579 valid N=558 mean=7.98 sd=5.58
##
## Value | Label | N | Raw % | Valid % | Cum. %
## -------------------------------------------------------------------
## 1 | 台北市 | 56 | 9.67 | 10.04 | 10.04
## 2 | 新北市 | 120 | 20.73 | 21.51 | 68.64
## 3 | 基隆市 | 5 | 0.86 | 0.90 | 70.07
## 4 | 桃園市 | 42 | 7.25 | 7.53 | 77.60
## 5 | 新竹市 | 13 | 2.25 | 2.33 | 79.93
## 6 | 新竹縣 | 12 | 2.07 | 2.15 | 82.08
## 7 | 苗栗縣 | 8 | 1.38 | 1.43 | 83.51
## 8 | 台中市 | 73 | 12.61 | 13.08 | 96.59
## 9 | 彰化縣 | 19 | 3.28 | 3.41 | 100.00
## 10 | 南投縣 | 5 | 0.86 | 0.90 | 10.93
## 11 | 雲林縣 | 18 | 3.11 | 3.23 | 14.16
## 12 | 嘉義市 | 5 | 0.86 | 0.90 | 15.05
## 13 | 嘉義縣 | 13 | 2.25 | 2.33 | 17.38
## 14 | 台南市 | 45 | 7.77 | 8.06 | 25.45
## 15 | 高雄市 | 99 | 17.10 | 17.74 | 43.19
## 16 | 屏東縣 | 14 | 2.42 | 2.51 | 45.70
## 17 | 台東縣 | 0 | 0.00 | 0.00 | 45.70
## 18 | 花蓮縣 | 5 | 0.86 | 0.90 | 46.59
## 19 | 宜蘭縣 | 3 | 0.52 | 0.54 | 47.13
## 20 | 澎湖縣 | 2 | 0.35 | 0.36 | 69.00
## 21 | 金門縣 | 1 | 0.17 | 0.18 | 69.18
## 22 | 連江縣 | 0 | 0.00 | 0.00 | 69.18
## 23 | 中國大陸(含香港、澳門)地區 | 0 | 0.00 | 0.00 | 69.18
## 24 | 其他 | 0 | 0.00 | 0.00 | 69.18
## <NA> | <NA> | 21 | 3.63 | <NA> | <NA>
請依你圖表上的資訊，在此寫下你對這筆資料的基本印象及看法：
變數選取與MCA分析
##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union## Loading required package: ggplot2## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa## [1] 564## [1] "Gender" "college" "B23r" "B25r" "B29r" "B33r" "B39r"
## [8] "B42r" "B46r" "B47r" "B51r" "B53r" "B54r" "B56r"
## [15] "B57r" "D25r" "D52r" "D58r" "D61r" "D81r" "D99r"
## [22] "D146r" "D147r"
探索
#前30個重要的選項類別
plot(resBD, axes=c(1, 2), new.plot=TRUE,
col.var="black", col.ind="black", col.ind.sup="black",
col.quali.sup="darkgreen", col.quanti.sup="blue",
label=c("var"), cex=0.7,
selectMod = "cos2 80", # 試試看，將20調為更高的數字，你會看到更多的變數類別
invisible=c("ind", "quali.sup"),
autoLab = "yes",
xlim=c(-1, 1.5), ylim=c(-1.3, 1.5),
title="") ## Warning: Removed 1 rows containing missing values (`geom_point()`).## Warning: Removed 1 rows containing missing values (`geom_text_repel()`).## Warning: ggrepel: 10 unlabeled data points (too many overlaps). Consider
## increasing max.overlaps
# 受訪者分佈圖
plot(resBD, axes=c(1, 2), new.plot=TRUE,
col.var="red", col.ind="brown", col.ind.sup="black",
col.quali.sup="darkgreen", col.quanti.sup="blue",
label=c("var"), cex=0.8,
selectMod = "cos2",
invisible=c("var", "quali.sup"),
xlim=c(-1, 1.5),
title="")
大膽假設
現在，請你依圖找到你覺得有趣的、有相關的問卷題，將你的假設寫下。
用卡方檢定確認具潛在關聯的變數之間的相關性
再來，請你寫下經過你驗證後的、非常可能相關的一組組變數（請寫下最多三組有趣的即可）
發現一、B51r2（兩岸戰時敗戰投降）跟B57r4（身份認同是其他）的距離很接近
H0: 受訪者對於兩岸戰時的態度與他們對的身份認同沒有關聯性。
H1: 受訪者對於兩岸戰時的態度與他們對的身份認同有關聯性。
B51的問題是「兩岸發生戰爭時的態度」，編碼1代表積極抗戰，編碼2代表敗戰投降，編碼3代表不確定。
B57的問題是「身份認同」，編碼1代表唯台灣人，編碼2代表唯中國人，編碼3代表都有，編碼4代表其他。
發現一的卡方檢定，從下圖可以看出來，p = 0.000，由於p數值少於0.05，所以受訪者對於兩岸戰時的態度，與他們的身份認同有關聯性。
有約41%認為自己「只是台灣人」的受訪者，都認為「兩岸發生戰爭時要積極抗戰」。另外，超過一半認為自己「只是中國人」及認為自己「是中國人，也是台灣人」的受訪者，都認為「兩岸發生戰爭敗戰投降」。最後，身份認同是「其他」的人，對於兩岸戰時的態度則比較平均，認為「應積極抗戰」、「敗戰投降」或「不確定」的，各佔大約3成。
由以上數據可見，對於台灣人身份認同比較強的人，會比較偏向積極抗戰。我認為，對於台灣人身份認同比較強的人對於台灣的土地、文化、價值等有更深的連結，他們會更傾向於保衛台灣的價值免受其他國家入侵；對於中國，他們或許會覺得自己與其差異大，故此，他們會更傾向於積極抗戰。以俄烏戰爭為例，擁有烏克蘭認同的烏克蘭人，出於公民意識、對自由及民主價值的嚮往，讓他們認為自己與俄羅斯不一樣，為了捍衛自己的國土與價值，他們選擇了積極對抗俄羅斯的入侵（註一）。
與之相反，對於中國人身份認同比較強的人，則會比較偏向「敗戰投降」。對此，我認為，由於他們的身份認同是「中國人」，他們對於中國比較沒有排斥，也許會認同「兩岸一家人」或「兩岸一家親」的論述，認為兩岸沒有必要一戰，所以會希望「敗戰投降」。
另外，我認為在解釋身份認同與兩岸發生戰爭時民眾的態度時，亦需將兩岸軍事及經濟力量不對稱等因素納入控制變數，才更好找出當中關連。
最後，這個部份啟發我的是：如果兩岸真的發生戰爭（自變項），那麼會對台灣人的身份認同（依變項）構成什麼影響呢？回看俄烏戰爭的例子，俄羅斯入侵烏克蘭，亦改變了一些原本對俄羅斯身份認同較強的人，令他們的身份認同轉向烏克蘭人（同上註），並積極為烏克蘭抗戰。所以我認為戰爭的發生本身亦是一個可以影響身份認同的因素。
## 用卡方檢定確認具潛在關聯的變數之間的相關性
library(sjPlot)
library(sjmisc)
sjt.xtab(dataBD$B51r, dataBD$B57r, ## 請把這兩個變數換成你想要檢視變數
show.row.prc = TRUE, # 顯示列百分比
show.col.prc = TRUE # 顯示欄百分比
)| B51r | B57r | Total | |||
|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | ||
| 1 |
167 79.9 % 41.2 % |
9 4.3 % 40.9 % |
23 11 % 18.5 % |
10 4.8 % 35.7 % |
209 100 % 36.1 % |
| 2 |
142 61.7 % 35.1 % |
12 5.2 % 54.5 % |
67 29.1 % 54 % |
9 3.9 % 32.1 % |
230 100 % 39.7 % |
| 3 |
96 68.6 % 23.7 % |
1 0.7 % 4.5 % |
34 24.3 % 27.4 % |
9 6.4 % 32.1 % |
140 100 % 24.2 % |
| Total |
405 69.9 % 100 % |
22 3.8 % 100 % |
124 21.4 % 100 % |
28 4.8 % 100 % |
579 100 % 100 % |
χ2=28.729 · df=6 · Cramer’s V=0.158 · p=0.000 |
發現二、B54r1（統獨需要去談）跟D58r1（覺得自己也有影響政治的能力）的距離很接近
H0:認為統獨需要去談的受訪者與覺得自己有沒有能力影響政治沒有關聯性。
H1: 認為統獨需要去談的受訪者與覺得自己有沒有能力影響政治有關聯性。
D58的問題是覺得自己也有影響政治的能力，編碼0代表不認同，編碼1代表認同以上說法。
B54的問題是「統獨需要去談／不需談／以後再談或其他」，編碼1代表會需要去談，編碼2代表不需談，編碼3以後再談或其他。
發現二的卡方檢定，從下圖可以看出來，p = 0.001，由於p數值少於0.05，認為統獨需要去談的受訪者與覺得自己有沒有態力影響政治有關聯性。
另外，有超過一半不認同「自己也有影響政治的能力」的受訪者，都認為「統獨不需談」。與之相後，亦有超過一半認同「自己也有影響政治的能力」的受訪者，認為「統獨需要去談」。由此可見，受訪者對於自己沒有沒能力影響政治，會影響他們對於討論統獨的態度。
以上結果顯示，認為自己有能力影響政治的人，認為更需要積極參與政治議題（需要去談統獨），這與「政治功效意識」（Political efficacy）的理論相符，「政治功效意識」是指個人認為自己的政治行動可以為政治過程帶來改變的感覺（Campbell, Gurin and Miller, 1954，轉引自吳重禮、湯京平、黃紀，1999）。Blach 及 Lane 等學者將此理論分為「外在」與「內在」兩個層次，當中「內在政治功效意識」是指人們認為自己有能力了解政治和參與政治（轉引自王靖興、王德育，2007）。
而「政治功效意識」越高的人，政治參與的程度便越高（Schwartz, 1973，轉引自吳重禮、湯京平、黃紀，1999）。我認為，以上的理論與民調的結果相乎，由於民眾對認為自己有能力可以影響政治，他們便會對於參與政治議題有更正面的態度，並認為統獨這個政治議題需要去談；與之相反，覺得自己沒有能力了解、討論或改變政治的人，對於參與政治議題會更消極。
## 用卡方檢定確認具潛在關聯的變數之間的相關性
library(sjPlot)
library(sjmisc)
sjt.xtab(dataBD$B54r, dataBD$D58r, ## 請把這兩個變數換成你想要檢視變數
show.row.prc = TRUE, # 顯示列百分比
show.col.prc = TRUE # 顯示欄百分比
)| B54r | D58r | Total | |
|---|---|---|---|
| 0 | 1 | ||
| 1 |
171 68.1 % 39.1 % |
80 31.9 % 56.3 % |
251 100 % 43.4 % |
| 2 |
246 82 % 56.3 % |
54 18 % 38 % |
300 100 % 51.8 % |
| 3 |
20 71.4 % 4.6 % |
8 28.6 % 5.6 % |
28 100 % 4.8 % |
| Total |
437 75.5 % 100 % |
142 24.5 % 100 % |
579 100 % 100 % |
χ2=14.469 · df=2 · Cramer’s V=0.158 · p=0.001 |
發現三、B56r1（統獨是假議題）跟B33r2（和家人一致偏獨）的距離很接近
H0: 認為統獨是假議題的受訪者與其和家人對統獨立是否一致沒有關聯性。
H1: 認為統獨是假議題的受訪者與其和家人對統獨立是否一致有關聯性。
B33的問題是「和家人的統獨立場」，編碼1代表一致偏統，編碼2代表偏獨，編碼3代表偏中間或多元。
B56的問題是認為「統獨是一個假議題」，在問卷中的假議題是指無關痛癢、難影響現實情況的話題。編碼1代表同意是一個假議題，編碼2代表認為不算是一個假議題，編碼3代表不確定是不是一個假議題。
發現三的卡方檢定，從下圖可以看出來，p = 0.000，由於p數值少於0.05，認為「統獨是否一個假議題」與受訪者「和家人對統獨立是否一致」有關聯性。
從數據發現，有約43%和家人一致偏統的受訪者認為，統獨不算是一個假議題。與之相反，亦有約44%與家人一致偏獨的受訪者認為，統獨是一個假議題。最後，有約47%和家人的統獨立場偏中間或多元的受訪者，亦表示統獨是一個假議題。
根據卡方檢定的結果顯示，家人的態度及政治取態會影響受訪者對於統獨這一議題的觀感或看法。我認為我們可以從政治學理論「政治社會化」（Political socialization）理解這種現象。政治學者Easton and Dennis認為，政治社會化係個人獲取政治行為取向與行為模式的發展過程（Easton & Dennis，1969，轉引自林嘉誠，1989）。林嘉誠認為，家庭是個人出生後第一個接觸到的社會單元，亦是個人首個學習場所，所以家庭、父母，會對個人的政治取態帶來十分明顯的影響（林嘉誠，1989）。
由於家庭是政治社會化過程的其中一個主要媒介，所以家人成為其中一個會影響個人對統獨是否一個假議題的取態。當家人立場偏獨，他們很可能會影響受訪者對於統獨的態度，所以受訪者的立場亦可能偏向獨立。我認為，當受訪者及其家人立場一致偏向獨立，他們或許會認為台灣是經是一個事實上獨立（de facto independence）的主權國家，所以統獨是一個無關痛癢，亦難以影響現實情況的話題。
至於與家人一致偏統的受訪者，相信他們對於統獨的立場也頗受家人的影響，相較於「與家人一致偏獨的受訪者認為，統獨是一個假議題」，這些與家人一致偏統的受訪者，比較多（約43%）認為統獨不算是一個假議題，這可能與他們認為兩岸需要統一，但因為大多數民眾希望「維持現狀」（國立政治大學選舉研究中心，2023）而沒有被好好處理，所以他們認為統獨不是一個假議題，而是一個需要處理的議題。
至於與家人的立場偏向中間或較多元的受訪者，比較多人（約47%）認為統獨是一個假議題。在政治社會化過程中，同時亦有其他因素，如政治事件、性別、教育程度、政黨傾向以及群族認同（林嘉誠，1989、曾重穎，2020、盛杏湲，2010、鄭宏文，2012），均會影響個人的政治取態。所以，對於這些受訪者來說，家庭不一定是影響他們政治立場的最主要因素。在這些與家人的立場偏向中間或較多元的人當中，或許他們也會認為台灣現狀就已經是一種事實上的獨立，所以談論統獨問題比較像是一個假議題。
## 用卡方檢定確認具潛在關聯的變數之間的相關性
library(sjPlot)
library(sjmisc)
sjt.xtab(dataBD$B56r, dataBD$B33r, ## 請把這兩個變數換成你想要檢視變數
show.row.prc = TRUE, # 顯示列百分比
show.col.prc = TRUE # 顯示欄百分比
) | B56r | B33r | Total | ||
|---|---|---|---|---|
| 1 | 2 | 3 | ||
| 1 |
77 30.8 % 39.1 % |
118 47.2 % 44.5 % |
55 22 % 47 % |
250 100 % 43.2 % |
| 2 |
85 48.9 % 43.1 % |
67 38.5 % 25.3 % |
22 12.6 % 18.8 % |
174 100 % 30.1 % |
| 3 |
35 22.6 % 17.8 % |
80 51.6 % 30.2 % |
40 25.8 % 34.2 % |
155 100 % 26.8 % |
| Total |
197 34 % 100 % |
265 45.8 % 100 % |
117 20.2 % 100 % |
579 100 % 100 % |
χ2=28.974 · df=4 · Cramer’s V=0.158 · p=0.000 |
註一：楊子琪. 2022.
‘誰是「烏克蘭人」？兩次革命，一場戰爭，如何建構他們的民族認同？｜端傳媒
Initium Media’. 端傳媒 Initium Media. https://theinitium.com/article/20220315-international-birth-of-ukrainian-identity
查閱時間：2023/08/18。
參考資料：
王靖興、王德育，2007，〈台灣民眾的政治參與對其政治功效意識之影響: 以
2004 年總統選舉為例〉，《台灣政治學刊》，11（1）, 69-107。
吳重禮、湯京平及黃紀，（1999），〈我國「政治功效意識」測量之初探〉，《選舉研究刊》，6（2），
23-44。
林嘉誠，1989，《政治心理形成與政治參與行為》，台北：商務出版社。
國立政治大學選舉研究中心，2023，〈國立政治大學選舉研究中心-臺灣民眾統獨立場趨勢分佈〉，
https://esc.nccu.edu.tw/PageDoc/Detail?fid=7805&id=6962
，查閱時間：2023/08/18。
盛杏湲，2010，〈台灣選民政黨認同的穩定與變遷：定群追蹤資料的應用〉，《選舉
研究》 17（2）：1–33。
曾重穎，2020，
〈太陽花學運對大學生統獨立場之影響〉，政治大學政治學系碩士學
位論文。
鄭宏文，2012，〈跨世紀（1991-2001）台灣地區大學生政治態度與行為變遷之研
究〉，中國文化大學社會科學院政治學系博士論文。
編譯出你專屬的作品
- 最後，請你用knit將你的分析結果存為html繳交給老師。