一、研究動機與目的 現代社會人手一機或甚至多機已成事實，相較需要在特定區域專注觀看電視新聞與購買報章雜誌，人們更常利用在等待交通運輸、片刻閒暇時拿起手機，滑動各式社群平台來接收與傳遞資訊。隨著平台不斷的推陳出新，社群平台的新秀-TikTok自推出至今便引領一番風潮，時常可在各式場合撇見許多手機螢幕上正在自動播放該平台的影音訊息。不同於過往影音的長時間敘事，TikTok以短影音(片)作為主要傳播樣態，其擁有資訊碎片化的特性，使其可以在短暫的時間內以動畫、色彩、快節奏抓住使用者目光。同時，在網路時代與演算法密集推播的助攻下，傳遞資訊的門檻下降，人人都可以是網紅、人人都可以擔任議題評論員，不但塑造出不同領域的意見領袖(KOL)，也建構出新的資訊消費習慣。
TikTok抖音作為時下年輕世代最頻繁使用的社交軟體之一，然而無論國際版TikTok與中國版抖音都在使用者隱私、數據流向以及有意識的播放與篩選特定政治資訊等問題都引起國際上不小的關注。同時，除了一般民眾的生活內容分享，該平台也不斷地由中國官方輸出如美麗的新疆、西藏高原、中國各省美食、當地少數民族服飾等文化內容，除了吸引人們前往當地旅遊，似乎也在塑造一股新的文化認同。而當民眾習慣從單一平台接收資訊，且經常性的汲取這些被限制或誇大播放的政治言論，則可能因此改變其政治態度。尤以對台灣而言，許多人擔心這樣的內容播放，是否改變其文化與身份認同，進而潛移默化影響政治態度與我國國家安全等討論。因此本研究欲探討活躍使用者使用TikTok抖音是否會對中國的產生認同感，以及在政治態度上的影響。
二、資料描述 研究資料選用台灣民主實驗室2025 TikTok 抖音使用者調查：全國網調資料。該份資料於2025年3月10日（一）至2025年3月20日（四）進行調查，以網路問卷蒐集台閩地區各縣市（含金門縣、連江縣）年滿15歲以上的民眾，了解使用者在TikTok抖音的使用現象與議題態度，並經事後加權共完成2612份樣本（含活躍使用者1097人，非活躍使用者為1515人）。其中，關於活躍使用者的定義為最近一年內使用達「每週數次以上，且單次平均使用時間為30分鐘以上」者，或「每日多次使用，且單次平均使用時間介於10至30分鐘之間」者；其餘受訪者則為非活躍使用者。
[1] "C:/Users/fiona/OneDrive/文件/1141政治所/民意與政治行為研究課程/作業"
Warning: package 'sjlabelled' was built under R version 4.3.3
library (readxl)library (dplyr)
Attaching package: 'dplyr'
The following object is masked from 'package:sjlabelled':
as_label
The following objects are masked from 'package:stats':
filter, lag
The following objects are masked from 'package:base':
intersect, setdiff, setequal, union
library (sjmisc)library (sjPlot)
Warning: package 'sjPlot' was built under R version 4.3.3
Install package "strengejacke" from GitHub (`devtools::install_github("strengejacke/strengejacke")`) to load all sj-packages at once!
<- read_excel ("../作業/專案資料庫-20251009T055652Z-1-001/專案資料庫/民主實驗室2025TikTok使用者網調/民主實驗室2025TikTok使用者調查/民主實驗室TikTok使用者網路調查_資料檔0326.xlsx" )
Warning: Expecting logical in AD1361 / R1361C30: got '社會民主黨'
Warning: Expecting logical in AD1975 / R1975C30: got '不一定'
Warning: Expecting logical in AD2298 / R2298C30: got '勞工黨'
save (TikTok2025dat,file= "TikTok2025dat.rda" , compress = T)
#讀入另存資料 load ("TiKTok2025dat.rda" )View (TikTok2025dat)#清理無效值 library (sjmisc)<- set_na (TikTok2025dat, na= c (92 : 99 , "NA" )) save (TikTok2025datr,file= "TikTok2025datr.rda" , compress = T)#讀入清理好的資料(TikTok2025datr) load ("TikTok2025datr.rda" )#查看資料結構 nrow (TikTok2025datr)
[1] "編號" "抖音活躍使用者" "S0" "S0_AGE"
[5] "S1" "S2" "Q1_1" "Q1_2"
[9] "Q1_3" "Q1_4" "Q1_5" "Q1_O"
[13] "Q2_1" "Q2_2" "Q2_3" "Q2_O"
[17] "Q3_1" "Q3_2" "Q3_3" "Q3_O"
[21] "Q4" "Q4_O" "Q5" "Q6"
[25] "Q7" "Q8" "Q9" "Q9_O"
[29] "Q10" "Q10_O" "Q11" "Q11_O"
[33] "Q12" "Q13" "Q13_O" "Q14"
[37] "Q15" "Q16" "Q17" "Q18"
[41] "Q19" "Q20" "Q21" "Q22"
[45] "Q23" "Q23_O" "Q24" "Q25"
[49] "Q26" "Q27" "Q28" "Q29"
[53] "Q30" "Q31" "Q32" "Q33"
[57] "Q34" "Q35" "Q36" "Q37"
[61] "Q38" "Q39" "Q40" "Q41"
[65] "Q42" "Q43" "Q44" "Q45"
[69] "Q45_O" "Q46" "Q47" "Q48"
[73] "SEX" "AGE" "EDU" "AREA"
[77] "WT"
tibble [2,612 × 77] (S3: tbl_df/tbl/data.frame)
$ 編號 : chr [1:2612] "A0001" "A0002" "A0003" "A0004" ...
$ 抖音活躍使用者: num [1:2612] 1 1 1 1 1 1 1 1 1 1 ...
$ S0 : num [1:2612] 8 27 14 23 21 39 20 26 52 26 ...
$ S0_AGE : num [1:2612] 21 40 27 36 34 52 33 39 65 39 ...
$ S1 : num [1:2612] 4 5 4 4 5 5 4 3 3 5 ...
$ S2 : num [1:2612] 4 3 4 3 3 2 4 4 4 3 ...
$ Q1_1 : num [1:2612] 1 11 10 2 7 6 2 2 10 12 ...
$ Q1_2 : num [1:2612] 10 10 13 9 6 10 10 10 2 3 ...
$ Q1_3 : num [1:2612] 3 5 NA NA 1 5 1 NA 1 NA ...
$ Q1_4 : num [1:2612] 9 12 NA NA 4 9 9 NA 13 NA ...
$ Q1_5 : num [1:2612] NA 9 NA NA 9 2 NA NA NA NA ...
$ Q1_O : chr [1:2612] NA NA NA NA ...
$ Q2_1 : num [1:2612] 3 2 8 9 1 16 3 12 20 10 ...
$ Q2_2 : num [1:2612] 6 11 9 2 9 5 9 4 2 18 ...
$ Q2_3 : num [1:2612] 16 NA NA NA 7 7 1 NA NA 17 ...
$ Q2_O : chr [1:2612] NA NA NA NA ...
$ Q3_1 : num [1:2612] 1 1 1 5 2 1 5 4 1 2 ...
$ Q3_2 : num [1:2612] NA 4 3 2 1 4 1 1 3 4 ...
$ Q3_3 : num [1:2612] NA 3 NA NA 5 NA NA NA NA 3 ...
$ Q3_O : chr [1:2612] NA NA NA NA ...
$ Q4 : num [1:2612] 7 3 1 7 5 1 7 1 7 3 ...
$ Q4_O : chr [1:2612] NA NA NA NA ...
$ Q5 : num [1:2612] 2 5 4 3 5 5 5 5 3 5 ...
$ Q6 : num [1:2612] 2 5 5 4 4 5 4 5 3 5 ...
$ Q7 : num [1:2612] 3 5 3 4 5 4 4 5 2 5 ...
$ Q8 : num [1:2612] 2 5 3 4 4 3 3 4 3 5 ...
$ Q9 : num [1:2612] 14 2 3 6 1 2 14 14 1 11 ...
$ Q9_O : chr [1:2612] NA NA NA NA ...
$ Q10 : num [1:2612] 10 1 3 1 2 1 10 10 2 6 ...
$ Q10_O : logi [1:2612] NA NA NA NA NA NA ...
$ Q11 : num [1:2612] 3 3 1 8 1 2 10 6 1 4 ...
$ Q11_O : chr [1:2612] NA NA NA NA ...
$ Q12 : num [1:2612] 4 4 1 1 1 5 4 6 1 6 ...
$ Q13 : num [1:2612] 2 2 10 1 1 1 10 2 2 6 ...
$ Q13_O : chr [1:2612] NA NA NA NA ...
$ Q14 : num [1:2612] 1 1 3 2 1 1 3 3 2 1 ...
$ Q15 : num [1:2612] 4 5 1 4 2 6 4 6 4 6 ...
$ Q16 : num [1:2612] 3 3 1 3 5 1 4 6 4 6 ...
$ Q17 : num [1:2612] 3 5 1 4 5 3 2 5 4 6 ...
$ Q18 : num [1:2612] 3 2 1 6 5 1 5 5 2 5 ...
$ Q19 : num [1:2612] 2 1 1 4 1 1 2 5 4 6 ...
$ Q20 : num [1:2612] 2 2 1 5 4 1 2 6 4 5 ...
$ Q21 : num [1:2612] 3 2 1 6 1 3 5 5 3 6 ...
$ Q22 : num [1:2612] 2 3 1 6 5 1 4 5 5 6 ...
$ Q23 : num [1:2612] 3 3 1 3 1 3 3 1 1 1 ...
$ Q23_O : chr [1:2612] NA NA NA NA ...
$ Q24 : num [1:2612] 2 1 1 4 2 1 3 6 4 6 ...
$ Q25 : num [1:2612] 3 4 1 4 2 4 3 6 4 6 ...
$ Q26 : num [1:2612] 4 3 1 3 4 1 5 6 3 6 ...
$ Q27 : num [1:2612] 3 3 1 4 4 3 4 6 2 6 ...
$ Q28 : num [1:2612] 3 3 1 3 4 3 5 5 2 5 ...
$ Q29 : num [1:2612] 4 2 1 6 4 1 1 6 4 6 ...
$ Q30 : num [1:2612] 2 1 1 6 6 1 3 6 4 6 ...
$ Q31 : num [1:2612] 2 5 1 6 4 6 5 5 4 5 ...
$ Q32 : num [1:2612] 4 5 1 5 2 3 5 6 2 6 ...
$ Q33 : num [1:2612] 3 4 1 4 3 3 4 6 4 5 ...
$ Q34 : num [1:2612] 3 1 1 3 1 1 3 6 4 6 ...
$ Q35 : num [1:2612] 3 1 1 5 1 1 4 6 4 5 ...
$ Q36 : num [1:2612] 3 4 1 4 2 4 4 5 4 5 ...
$ Q37 : num [1:2612] 3 4 1 4 2 4 4 5 4 5 ...
$ Q38 : num [1:2612] 3 4 1 3 3 4 4 5 4 4 ...
$ Q39 : num [1:2612] 3 2 1 5 4 2 1 5 3 5 ...
$ Q40 : num [1:2612] 3 2 4 4 2 2 3 4 2 3 ...
$ Q41 : num [1:2612] 3 3 1 3 3 3 4 5 4 5 ...
$ Q42 : num [1:2612] 3 3 2 3 2 3 3 5 3 5 ...
$ Q43 : num [1:2612] 3 3 1 3 2 3 3 5 3 5 ...
$ Q44 : num [1:2612] 2 2 1 1 1 1 2 2 1 1 ...
$ Q45 : num [1:2612] 6 7 7 6 7 6 6 6 5 7 ...
$ Q45_O : logi [1:2612] NA NA NA NA NA NA ...
$ Q46 : num [1:2612] 2 2 2 2 2 1 3 1 2 1 ...
$ Q47 : num [1:2612] 1 6 1 5 7 11 4 5 7 7 ...
$ Q48 : num [1:2612] 12 3 2 8 3 3 4 15 8 15 ...
$ SEX : num [1:2612] 2 2 1 1 1 1 2 2 1 1 ...
$ AGE : num [1:2612] 1 3 1 2 2 4 2 2 5 2 ...
$ EDU : num [1:2612] 5 5 5 5 5 5 5 5 4 5 ...
$ AREA : num [1:2612] 6 2 2 1 2 2 4 5 1 5 ...
$ WT : num [1:2612] 0.588 0.424 0.833 0.398 0.407 ...
三、研究問題與設計 因非活躍使用者對中的認同感與政治態度較可以預期，因此本研究首先透過以上資料聚焦活躍使用者群體使用該平台的動機與習慣，再測量其對文化內容與政治議題的態度。並分析該群體民眾在使用行為上是否曾經認知到這些資訊可能被加以濾鏡化，或是使用平台前後的認知是否轉變，來加以回答活躍使用者使用TikTok抖音的使用行為是否會增強對中國的認同感。
在研究設計上，根據問卷題目將自變數定為使用程度(使用時間、使用動機)、對中國內容接受程度、我國政府滿意度，依變數則為對中國的認同感，並做出了以下研究假設。
(一)研究假設
H1： TikTok抖音的使用強度與對中國產生認同感呈正相關。
H2： 對中國官方/文化宣傳內容同意程度越高，其對中國的認同感越高。
H3： 對我國政府、社會事件越不滿意，其對中國的認同感越高。
(二)變數間關係
本研究預期TikTok的使用頻率越高，會增加民眾對中國的認同與政治支持。
1.IV1「抖音使用程度越高」與DV「對中國產生認同感」
預期自變數1「抖音使用程度越高」的民眾，會與DV「對中國產生認同感」呈正相關。這是因為TikTok抖音近年來在台灣有使用越廣泛的趨勢，而該平台常會輸出與中國文化、華夏民族的身分政治訊息，在中國特殊節日更是常出現「小當歸、寶島台灣回歸中國」等宣傳影片。因此我認為越頻繁使用、使用程度越高(S2)以及越常從中國社群平台獲取政治公共資訊(Q2)的民眾，會接收到更多這樣的資訊，而增加個人對中國的認同感。
2.IV2「對中國內容的接受度」與DV「對中國產生認同感」
中國社群平台常以政府視角或一般人民輸出生活日常與風俗民情內容，試圖引導民眾對中國政府與人民產生正面印象，或是營造出爭議地區的美好想像(如：新疆)，而藉由這題問卷題目Q35，想要測量民眾是否接受這樣刻意投放的內容，並進而產生對中國的認同感。
3.IV3「對我國政府滿意度」與DV「對中國產生認同感」
預期對我政府越不滿意的民眾，越可能對中國產生認同感與政治支持。這是因為當人們對特定目標產生缺點的心理狀態時，可能會放大另一方的優點感受，加上中國常以社群平台刻意輸出設計過的美好場景，可能增強對中國的認同感。因此我認為對我國政府滿意度越低，越會對中國產生認同感與政治支持，並選用問卷題目Q16、Q18測量民眾對我國政府的滿意度。
(三)變數編碼
[依變數]
DV.對中國的認同感
囿於中國社群平台的內容常會傳遞出與中華民族的身分政治相關訊息，本研究認為這樣的內容輸出可能進而增強民眾對中國的認同感。因此篩選問卷題目(Q19、Q33)來測量是否對中產生身份認同。
Q33.「台灣人與中國人講著同樣的語言、有著相似的文化，是中華民族的一部分」請問您同不同意這樣的說法？民族的一部分」請問您同不同意這樣的說法？# 1 非常不同意 # 2 還滿不同意 # 3 有點不同意 # 4 有點同意 # 5 還滿同意 # 6 非常同意
根據文意，將4、5、6認同台灣與中國同屬中華民族的選項編碼為0，標籤為[台灣人跟中國人都是中華民族]；將1、2、3不認同台灣人跟中國人同是中華民族的選項編碼為1，標籤為[台灣人跟中國人不是中華民族]。
table (TikTok2025datr$ Q33)
1 2 3 4 5 6
253 353 518 946 340 202
$ Q33r <- rec (TikTok2025datr$ Q33,rec= "4:6=1[台灣人跟中國人都是中華民族];1:3=0[台灣人跟中國人不是中華民族]" , as.num= F)frq (TikTok2025datr$ Q33r)
x <categorical>
# total N=2612 valid N=2612 mean=0.57 sd=0.50
Value | Label | N | Raw % | Valid % | Cum. %
--------------------------------------------------------------------
0 | 台灣人跟中國人不是中華民族 | 1124 | 43.03 | 43.03 | 43.03
1 | 台灣人跟中國人都是中華民族 | 1488 | 56.97 | 56.97 | 100.00
<NA> | <NA> | 0 | 0.00 | <NA> | <NA>
frq (TikTok2025datr$ Q33r, weights = TikTok2025datr$ WT, out = "v" )
xw <categorical>
val
label
frq
raw.prc
valid.prc
cum.prc
0
台灣人跟中國人不是中華民族
1052
40.28
40.28
40.28
1
台灣人跟中國人都是中華民族
1560
59.72
59.72
100.00
NA
NA
0
0.00
NA
NA
total N=2612 · valid N=2612 · x̄=0.60 · σ=0.49
Q34.「兩岸本就一家親，無論以什麼形式實現，在可預見的未來兩岸都必然統一」請問您同不同意這樣的說法？# 1 非常不同意 # 2 還滿不同意 # 3 有點不同意 # 4 有點同意 # 5 還滿同意 # 6 非常同意
根據文意，將4、5、6認為台灣與中國未來必會統一的選項編碼為1，標籤為[台灣與中國未來必會統一]；將1、2、3認為台灣與中國未來必不會統一的選項編碼為0，標籤為[台灣與中國未來必不會統一]。
table (TikTok2025datr$ Q34)
1 2 3 4 5 6
729 479 718 451 136 99
$ Q34r <- rec (TikTok2025datr$ Q34,rec= "4:6=1[台灣與中國未來必會統一];1:3=0[台灣與中國未來必不會統一]" , as.num= F)frq (TikTok2025datr$ Q34r)
x <categorical>
# total N=2612 valid N=2612 mean=0.26 sd=0.44
Value | Label | N | Raw % | Valid % | Cum. %
------------------------------------------------------------------
0 | 台灣與中國未來必不會統一 | 1926 | 73.74 | 73.74 | 73.74
1 | 台灣與中國未來必會統一 | 686 | 26.26 | 26.26 | 100.00
<NA> | <NA> | 0 | 0.00 | <NA> | <NA>
frq (TikTok2025datr$ Q34r, weights = TikTok2025datr$ WT, out = "v" )
xw <categorical>
val
label
frq
raw.prc
valid.prc
cum.prc
0
台灣與中國未來必不會統一
1974
75.57
75.57
75.57
1
台灣與中國未來必會統一
638
24.43
24.43
100.00
NA
NA
0
0.00
NA
NA
total N=2612 · valid N=2612 · x̄=0.24 · σ=0.43
[自變數]
-H1 ： TikTok抖音的使用程度與對中國產生認同感呈正相關。
IV1.TikTok使用程度
S2.請問您平常單次使用TikTok抖音大概的時間長度？
#1 10分鐘以內 #2 10-30分鐘以內 #3 30分鐘至1小時以內 #4 1-3小時以內 #5 3小時(含)以上
本研究預期使用頻率越高的人，可能因為吸收越多中國資訊，產生對中國的認同感與政治態度上的支持。另外因需要足夠樣本測量，在使用程度的時間選定將單次使用達30分鐘以上者為「頻繁使用」，因此將選項1、2編為2[偶爾使用]，選項3、4、5編為1[頻繁使用]。
1 2 3 4 5
531 687 579 255 83
$ S2r <- rec (TikTok2025datr$ S2, rec= "1:2=0[偶爾使用]; 3:5=1[頻繁使用]" , as.num= F)frq (TikTok2025datr$ S2r)
x <categorical>
# total N=2612 valid N=2135 mean=0.43 sd=0.50
Value | Label | N | Raw % | Valid % | Cum. %
--------------------------------------------------
0 | 偶爾使用 | 1218 | 46.63 | 57.05 | 57.05
1 | 頻繁使用 | 917 | 35.11 | 42.95 | 100.00
<NA> | <NA> | 477 | 18.26 | <NA> | <NA>
frq (TikTok2025datr$ S2r, weights = TikTok2025datr$ WT, out = "v" )
xw <categorical>
val
label
frq
raw.prc
valid.prc
cum.prc
0
偶爾使用
1095
53.05
53.05
53.05
1
頻繁使用
969
46.95
46.95
100.00
NA
NA
0
0.00
NA
NA
total N=2064 · valid N=2064 · x̄=0.47 · σ=0.50
Q2請問您過去一年來，較常從哪些管道得知政治或公共議題相關訊息？（複選最多三個）
#1 臉書 (Facebook) #2 YouTube # 3 Instagram # 4推特 (Twitter/ X) # 5 Threads # 6 Dcard #7 PTT #8 微博 # 9 TikTok 抖音 # 10 LINE Today # 11 LINE 聊天室 # 12 臉書聊天室 (Facebook Messenger) #13 小紅書 #14 微信 WeChat #15 Telegram #16 電視 #17 Podcast 播客 #18傳統廣播節目 #19 紙本報章雜誌 # 20 面對面聊天 # 90其他：_________
在編輯中國社群平台與否的考量，本研究根據該平台是否為中資、是否有特定政治言論審查等特徵分類，因此在編碼上將微博、TikTok抖音、小紅書、微信WeChat編為1[中國社群平台]，其餘則編為2[非中國社群平台]。另外，本題屬於複選題，為表示使用的強烈動機，本文鎖定第一順位即選擇中國社群平台的Q2_1做測量。
x <numeric>
# total N=2612 valid N=2612 mean=8.70 sd=6.91
Value | N | Raw % | Valid % | Cum. %
--------------------------------------
1 | 389 | 14.89 | 14.89 | 14.89
2 | 320 | 12.25 | 12.25 | 27.14
3 | 88 | 3.37 | 3.37 | 30.51
4 | 38 | 1.45 | 1.45 | 31.97
5 | 109 | 4.17 | 4.17 | 36.14
6 | 92 | 3.52 | 3.52 | 39.66
7 | 218 | 8.35 | 8.35 | 48.01
8 | 21 | 0.80 | 0.80 | 48.81
9 | 128 | 4.90 | 4.90 | 53.71
10 | 226 | 8.65 | 8.65 | 62.37
11 | 241 | 9.23 | 9.23 | 71.59
12 | 76 | 2.91 | 2.91 | 74.50
13 | 43 | 1.65 | 1.65 | 76.15
14 | 17 | 0.65 | 0.65 | 76.80
15 | 24 | 0.92 | 0.92 | 77.72
16 | 341 | 13.06 | 13.06 | 90.77
17 | 37 | 1.42 | 1.42 | 92.19
18 | 44 | 1.68 | 1.68 | 93.87
19 | 66 | 2.53 | 2.53 | 96.40
20 | 89 | 3.41 | 3.41 | 99.81
90 | 5 | 0.19 | 0.19 | 100.00
<NA> | 0 | 0.00 | <NA> | <NA>
$ Q2_1r <- rec (TikTok2025datr$ Q2_1, rec= "8,9,13,14=1[中國社群平台]; 1,2,3,4,5,6,7,10,11,12,13,15,16,17,18,19,20=0[非中國社群平台]" ,as.num= T)frq (TikTok2025datr$ Q2_2)
x <numeric>
# total N=2612 valid N=2022 mean=8.49 sd=6.20
Value | N | Raw % | Valid % | Cum. %
--------------------------------------
1 | 292 | 11.18 | 14.44 | 14.44
2 | 255 | 9.76 | 12.61 | 27.05
3 | 83 | 3.18 | 4.10 | 31.16
4 | 29 | 1.11 | 1.43 | 32.59
5 | 96 | 3.68 | 4.75 | 37.34
6 | 83 | 3.18 | 4.10 | 41.44
7 | 134 | 5.13 | 6.63 | 48.07
8 | 29 | 1.11 | 1.43 | 49.51
9 | 133 | 5.09 | 6.58 | 56.08
10 | 166 | 6.36 | 8.21 | 64.29
11 | 170 | 6.51 | 8.41 | 72.70
12 | 43 | 1.65 | 2.13 | 74.83
13 | 29 | 1.11 | 1.43 | 76.26
14 | 21 | 0.80 | 1.04 | 77.30
15 | 25 | 0.96 | 1.24 | 78.54
16 | 241 | 9.23 | 11.92 | 90.45
17 | 26 | 1.00 | 1.29 | 91.74
18 | 41 | 1.57 | 2.03 | 93.77
19 | 57 | 2.18 | 2.82 | 96.59
20 | 68 | 2.60 | 3.36 | 99.95
90 | 1 | 0.04 | 0.05 | 100.00
<NA> | 590 | 22.59 | <NA> | <NA>
$ Q2_2r <- rec (TikTok2025datr$ Q2_2, rec= "8,9,13,14=1[中國社群平台]; 1,2,3,4,5,6,7,10,11,12,13,15,16,17,18,19,20=0[非中國社群平台]" ,as.num= T)frq (TikTok2025datr$ Q2_3)
x <numeric>
# total N=2612 valid N=1414 mean=8.81 sd=7.91
Value | N | Raw % | Valid % | Cum. %
---------------------------------------
1 | 192 | 7.35 | 13.58 | 13.58
2 | 181 | 6.93 | 12.80 | 26.38
3 | 57 | 2.18 | 4.03 | 30.41
4 | 29 | 1.11 | 2.05 | 32.46
5 | 66 | 2.53 | 4.67 | 37.13
6 | 52 | 1.99 | 3.68 | 40.81
7 | 86 | 3.29 | 6.08 | 46.89
8 | 14 | 0.54 | 0.99 | 47.88
9 | 121 | 4.63 | 8.56 | 56.44
10 | 122 | 4.67 | 8.63 | 65.06
11 | 107 | 4.10 | 7.57 | 72.63
12 | 38 | 1.45 | 2.69 | 75.32
13 | 16 | 0.61 | 1.13 | 76.45
14 | 16 | 0.61 | 1.13 | 77.58
15 | 17 | 0.65 | 1.20 | 78.78
16 | 163 | 6.24 | 11.53 | 90.31
17 | 17 | 0.65 | 1.20 | 91.51
18 | 21 | 0.80 | 1.49 | 93.00
19 | 46 | 1.76 | 3.25 | 96.25
20 | 47 | 1.80 | 3.32 | 99.58
90 | 6 | 0.23 | 0.42 | 100.00
<NA> | 1198 | 45.87 | <NA> | <NA>
$ Q2_3r <- rec (TikTok2025datr$ Q2_3, rec= "8,9,13,14=1[中國社群平台]; 1,2,3,4,5,6,7,10,11,12,13,15,16,17,18,19,20=0[非中國社群平台]" ,as.num= T)#將三題選項加總 colnames (TikTok2025datr)
[1] "編號" "抖音活躍使用者" "S0" "S0_AGE"
[5] "S1" "S2" "Q1_1" "Q1_2"
[9] "Q1_3" "Q1_4" "Q1_5" "Q1_O"
[13] "Q2_1" "Q2_2" "Q2_3" "Q2_O"
[17] "Q3_1" "Q3_2" "Q3_3" "Q3_O"
[21] "Q4" "Q4_O" "Q5" "Q6"
[25] "Q7" "Q8" "Q9" "Q9_O"
[29] "Q10" "Q10_O" "Q11" "Q11_O"
[33] "Q12" "Q13" "Q13_O" "Q14"
[37] "Q15" "Q16" "Q17" "Q18"
[41] "Q19" "Q20" "Q21" "Q22"
[45] "Q23" "Q23_O" "Q24" "Q25"
[49] "Q26" "Q27" "Q28" "Q29"
[53] "Q30" "Q31" "Q32" "Q33"
[57] "Q34" "Q35" "Q36" "Q37"
[61] "Q38" "Q39" "Q40" "Q41"
[65] "Q42" "Q43" "Q44" "Q45"
[69] "Q45_O" "Q46" "Q47" "Q48"
[73] "SEX" "AGE" "EDU" "AREA"
[77] "WT" "Q33r" "Q34r" "S2r"
[81] "Q2_1r" "Q2_2r" "Q2_3r"
$ Q2r <- rowSums (TikTok2025datr[, 81 : 83 ])class (TikTok2025datr$ Q2r)$ Q2r <- ifelse (TikTok2025datr$ Q2r >= 1 , 1 ,0 )frq (TikTok2025datr$ Q2r)
x <numeric>
# total N=2612 valid N=1408 mean=0.26 sd=0.44
Value | N | Raw % | Valid % | Cum. %
---------------------------------------
0 | 1038 | 39.74 | 73.72 | 73.72
1 | 370 | 14.17 | 26.28 | 100.00
<NA> | 1204 | 46.09 | <NA> | <NA>
is.factor (TikTok2025datr$ Q2r)$ Q2r <- as.factor (TikTok2025datr$ Q2r)
IV2.對中國內容的接受度
-H2 ： TikTok使用者對中國文化宣傳內容同意程度越高，其對中國身份/文化認同與政治支持程度越高。
Q35.「新疆地區風景美麗，人民幸福快樂，中國政府也在當地文化保存上做了很多努力」請問您同不同意這樣的說法？# 1 非常不同意 # 2 還滿不同意 # 3 有點不同意 # 4 有點同意 # 5 還滿同意 # 6 非常同意
中國社群平台常輸出此類風俗民情內容，試圖引導民眾產生對中國政府與人民的正面印象。而藉由這題問卷題目，我想要測量民眾是否接受這樣的內容，並進而產生對中國的認同感與政治上的支持。
table (TikTok2025datr$ Q35)
1 2 3 4 5 6
545 535 722 582 145 83
$ Q35r <- rec (TikTok2025datr$ Q35,rec= "4:6=1[認同中國政府的文化宣傳];1:3=0[不認同中國政府的文化宣傳]" , as.num= F)frq (TikTok2025datr$ Q35r)
x <categorical>
# total N=2612 valid N=2612 mean=0.31 sd=0.46
Value | Label | N | Raw % | Valid % | Cum. %
------------------------------------------------------------------
0 | 不認同中國政府的文化宣傳 | 1802 | 68.99 | 68.99 | 68.99
1 | 認同中國政府的文化宣傳 | 810 | 31.01 | 31.01 | 100.00
<NA> | <NA> | 0 | 0.00 | <NA> | <NA>
frq (TikTok2025datr$ Q35r, weights = TikTok2025datr$ WT, out = "v" )
xw <categorical>
val
label
frq
raw.prc
valid.prc
cum.prc
0
不認同中國政府的文化宣傳
1756
67.23
67.23
67.23
1
認同中國政府的文化宣傳
856
32.77
32.77
100.00
NA
NA
0
0.00
NA
NA
total N=2612 · valid N=2612 · x̄=0.33 · σ=0.47
IV3.我國政府滿意度
-H3 ： TikTok抖音使用者對我國政府越不滿意，其對中國的認同感與政治支持程度越高。
本研究預期對我政府越不滿意，越可能對中國產生認同感與政治支持。這是因為當人們對特定目標產生缺點的心理狀態時，可能會放大另一方的優點感受，加上中國常以社群平台刻意輸出設計過的美好場景，可能增強對中國的認同感。因此選用Q16、Q18測量民眾對我國政府的滿意度。
Q16.有人說「台灣社會存在著非常嚴重的司法不公正的問題」請問您同不同意這樣的說法？# 1 非常不同意 # 2 還滿不同意 # 3 有點不同意 # 4 有點同意 # 5 還滿同意 # 6 非常同意
$ Q16r <- rec (TikTok2025datr$ Q16,rec= "4:6=1[台灣有嚴重的司法不公];1:3=0[台灣不存在嚴重的司法不公]" , as.num= F)table (TikTok2025datr$ Q16r)
x <categorical>
# total N=2612 valid N=2612 mean=0.78 sd=0.41
Value | Label | N | Raw % | Valid % | Cum. %
------------------------------------------------------------------
0 | 台灣不存在嚴重的司法不公 | 570 | 21.82 | 21.82 | 21.82
1 | 台灣有嚴重的司法不公 | 2042 | 78.18 | 78.18 | 100.00
<NA> | <NA> | 0 | 0.00 | <NA> | <NA>
frq (TikTok2025datr$ Q16r, weights = TikTok2025datr$ WT, out = "v" )
xw <categorical>
val
label
frq
raw.prc
valid.prc
cum.prc
0
台灣不存在嚴重的司法不公
615
23.55
23.55
23.55
1
台灣有嚴重的司法不公
1997
76.45
76.45
100.00
NA
NA
0
0.00
NA
NA
total N=2612 · valid N=2612 · x̄=0.76 · σ=0.42
Q18.有人說「現在的政府跟共產黨沒有差別，台灣沒有言論自由」請問您同不同意這樣的說法？# 1 非常不同意 # 2 還滿不同意 # 3 有點不同意 # 4 有點同意 # 5 還滿同意 # 6 非常同意
這一題問題為負面表述，因此將選擇不同意的1-3選項編為2[滿意政府]，同意這些說法的編為1[不滿意我國政府]。
$ Q18r <- rec (TikTok2025datr$ Q18,rec= "1:3=0[滿意我國政府];4:6=1[不滿意我國政府]" , as.num= F)table (TikTok2025datr$ Q18r)
x <categorical>
# total N=2612 valid N=2612 mean=0.44 sd=0.50
Value | Label | N | Raw % | Valid % | Cum. %
--------------------------------------------------------
0 | 滿意我國政府 | 1460 | 55.90 | 55.90 | 55.90
1 | 不滿意我國政府 | 1152 | 44.10 | 44.10 | 100.00
<NA> | <NA> | 0 | 0.00 | <NA> | <NA>
frq (TikTok2025datr$ Q18r, weights = TikTok2025datr$ WT, out = "v" )
xw <categorical>
val
label
frq
raw.prc
valid.prc
cum.prc
0
滿意我國政府
1547
59.23
59.23
59.23
1
不滿意我國政府
1065
40.77
40.77
100.00
NA
NA
0
0.00
NA
NA
total N=2612 · valid N=2612 · x̄=0.41 · σ=0.49
[控制變數]
CV1.年齡
#1 15-29歲 #2 30-39歲 #3 40-49歲 #4 50-59歲 #5 60歲及以上
table (TikTok2025datr$ AGE)
1 2 3 4 5
499 951 800 195 167
$ AGEr <- rec (TikTok2025datr$ AGE, rec= "1=1[ 15-29歲]; 2=2[30-39歲];3=3[40-49歲];4=4[50-59歲];5=5[60歲及以上]" , as.num= F)frq (TikTok2025datr$ AGEr, weights = TikTok2025datr$ WT, out = "v" )
xw <categorical>
val
label
frq
raw.prc
valid.prc
cum.prc
1
15-29歲
475
18.19
18.19
18.19
2
30-39歲
402
15.39
15.39
33.58
3
40-49歲
493
18.87
18.87
52.45
4
50-59歲
444
17.00
17.00
69.45
5
60歲及以上
798
30.55
30.55
100.00
NA
NA
0
0.00
NA
NA
total N=2612 · valid N=2612 · x̄=3.26 · σ=1.49
plot_frq (TikTok2025datr$ AGEr, weight.by = TikTok2025datr$ WT)
CV2.性別
#1 男 #2 女
table (TikTok2025datr$ SEX)
x <numeric>
# total N=2612 valid N=2612 mean=1.50 sd=0.50
Value | N | Raw % | Valid % | Cum. %
---------------------------------------
1 | 1308 | 50.08 | 50.08 | 50.08
2 | 1304 | 49.92 | 49.92 | 100.00
<NA> | 0 | 0.00 | <NA> | <NA>
$ SEXr <- rec (TikTok2025datr$ SEX,rec= "1=1[男];2=0[女]" , as.num= F)frq (TikTok2025datr$ SEX, weights = TikTok2025datr$ WT, out = "v" )
xw <numeric>
val
label
frq
raw.prc
valid.prc
cum.prc
1
1279
48.97
48.97
48.97
2
1333
51.03
51.03
100.00
NA
NA
0
0.00
NA
NA
total N=2612 · valid N=2612 · x̄=1.51 · σ=0.50
plot_frq (TikTok2025datr$ SEX, weight.by = TikTok2025datr$ WT)
CV3.政黨偏好
Q10.國內的政黨都有他們各自的支持者，也會有不喜歡他們的人。請問您整體而言最支持哪一個政黨？# 1 民進黨 # 2 國民黨 # 3 民眾黨 # 4 時代力量 # 5 親民黨 # 6 台灣基進 # 7 綠黨 # 8 小民參政歐巴桑聯盟 # 9新黨 # 10 不支持任何政黨 # 90 其他政黨：______
table (TikTok2025datr$ Q10)
1 2 3 4 5 6 7 8 9 10 90
572 308 354 53 16 11 11 15 4 1265 3
$ Q10r <- rec (TikTok2025datr$ Q10, rec= "1=1[民進黨]; 2=2[國民黨];3=3[民眾黨];4:9=4[其他小黨];10=10[都不支持]" , as.num= F)frq (TikTok2025datr$ Q10r)
x <categorical>
# total N=2612 valid N=2609 mean=5.88 sd=4.06
Value | Label | N | Raw % | Valid % | Cum. %
--------------------------------------------------
1 | 民進黨 | 572 | 21.90 | 21.92 | 21.92
2 | 國民黨 | 308 | 11.79 | 11.81 | 33.73
3 | 民眾黨 | 354 | 13.55 | 13.57 | 47.30
4 | 其他小黨 | 110 | 4.21 | 4.22 | 51.51
10 | 都不支持 | 1265 | 48.43 | 48.49 | 100.00
<NA> | <NA> | 3 | 0.11 | <NA> | <NA>
frq (TikTok2025datr$ Q10r, weights = TikTok2025datr$ WT, out = "v" )
xw <categorical>
val
label
frq
raw.prc
valid.prc
cum.prc
1
民進黨
625
23.95
23.95
23.95
2
國民黨
522
20.00
20.00
43.95
3
民眾黨
224
8.58
8.58
52.53
4
其他小黨
101
3.87
3.87
56.40
10
都不支持
1138
43.60
43.60
100.00
NA
NA
0
0.00
NA
NA
total N=2610 · valid N=2610 · x̄=5.41 · σ=4.10
plot_frq (TikTok2025datr$ Q10r, weight.by = TikTok2025datr$ WT)
CV4.對中國印象
Q24.請問整體而言您對於中國政府印象如何？# 1 非常不喜歡 # 2還滿不喜歡 # 3有點不喜歡 # 4 有點喜歡 # 5 還滿喜歡 # 6非常喜歡
$ Q24r <- rec (TikTok2025datr$ Q24,rec= "4:6=1[喜歡中國政府];1:3=0[不喜歡中國政府]" , as.num= F)table (TikTok2025datr$ Q24r)
x <categorical>
# total N=2612 valid N=2612 mean=0.10 sd=0.31
Value | Label | N | Raw % | Valid % | Cum. %
--------------------------------------------------------
0 | 不喜歡中國政府 | 2339 | 89.55 | 89.55 | 89.55
1 | 喜歡中國政府 | 273 | 10.45 | 10.45 | 100.00
<NA> | <NA> | 0 | 0.00 | <NA> | <NA>
frq (TikTok2025datr$ Q24r, weights = TikTok2025datr$ WT, out = "v" )
xw <categorical>
val
label
frq
raw.prc
valid.prc
cum.prc
0
不喜歡中國政府
2347
89.85
89.85
89.85
1
喜歡中國政府
265
10.15
10.15
100.00
NA
NA
0
0.00
NA
NA
total N=2612 · valid N=2612 · x̄=0.10 · σ=0.30
Q25.請問整體而言您對於中國民眾印象如何？# 1 非常不喜歡 # 2還滿不喜歡 # 3有點不喜歡 # 4 有點喜歡 # 5 還滿喜歡 # 6非常喜歡
$ Q25r <- rec (TikTok2025datr$ Q25,rec= "4:6=1[對中國民眾有正面印象];1:3=0[對中國民眾有負面印象]" , as.num= F)frq (TikTok2025datr$ Q25r)
x <categorical>
# total N=2612 valid N=2612 mean=0.24 sd=0.43
Value | Label | N | Raw % | Valid % | Cum. %
--------------------------------------------------------------
0 | 對中國民眾有負面印象 | 1979 | 75.77 | 75.77 | 75.77
1 | 對中國民眾有正面印象 | 633 | 24.23 | 24.23 | 100.00
<NA> | <NA> | 0 | 0.00 | <NA> | <NA>
frq (TikTok2025datr$ Q25r, weights = TikTok2025datr$ WT, out = "v" )
xw <categorical>
val
label
frq
raw.prc
valid.prc
cum.prc
0
對中國民眾有負面印象
1999
76.53
76.53
76.53
1
對中國民眾有正面印象
613
23.47
23.47
100.00
NA
NA
0
0.00
NA
NA
total N=2612 · valid N=2612 · x̄=0.23 · σ=0.42
##註1：本研究將傾向中國的選項皆編為1，不傾向中國則編為0。
##註2：因該份問卷在蒐集時以經過加權統計，因此在每個變數都加入加權，並參考加權前後的變化。
四、變數檢定與說明
#將重新編碼的檔案另存、清理、再導入 save (TikTok2025datr, file= "TikTok2025datr.rda" )rm (list= ls ())load ("TikTok2025datr.rda" )View ("TikTok2025datr" )
#卡方檢定 chisq.test (TikTok2025datr$ S2r, TikTok2025datr$ Q33r)
Pearson's Chi-squared test with Yates' continuity correction
data: TikTok2025datr$S2r and TikTok2025datr$Q33r
X-squared = 0.47356, df = 1, p-value = 0.4914
library (sjPlot)tab_xtab (TikTok2025datr$ S2r, TikTok2025datr$ Q33r, encoding= "utf8" , show.row.prc = TRUE , show.col.prc = TRUE , show.na = FALSE , show.legend = FALSE , show.exp = FALSE , show.cell.prc = FALSE , tdcol.col = "gray" , tdcol.row = "brown"
S2r
Q33r
Total
台灣人跟中國人不是中華民族
台灣人跟中國人都是中華民族
偶爾使用
520 42.7 % 58 % 698 57.3 % 56.4 % 1218 100 % 57 %
頻繁使用
377 41.1 % 42 % 540 58.9 % 43.6 % 917 100 % 43 %
Total
897 42 % 100 % 1238 58 % 100 % 2135 100 % 100 %
χ2 =0.474 · df=1 · φ=0.016 · p=0.491
根據檢定結果，本題並無達到統計上的顯著，也較不符合研究預期。偶爾使用或頻繁使用抖音的民眾，認為台灣人與中國人都是中華民族分別佔了57.3%與58.9%，意即不論使用程度高地低，皆有近六成的民眾認為台灣人與中國人同屬中華民族。
至於結果與假設產生預期上的落差，我認為可能來自於台灣民眾對中華民族的想像不同。這個中華民族可能可以分為不同的中華民國與中華人民共和國，然而籍貫、語言或文化的相似讓民眾認為承襲於過去的舊中國(中華民國)，因此認同中華民族。
#卡方檢定 chisq.test (TikTok2025datr$ S2r, TikTok2025datr$ Q34r)
Pearson's Chi-squared test with Yates' continuity correction
data: TikTok2025datr$S2r and TikTok2025datr$Q34r
X-squared = 1.2013, df = 1, p-value = 0.2731
library (sjPlot)tab_xtab (TikTok2025datr$ S2r, TikTok2025datr$ Q34r, encoding= "utf8" , show.row.prc = TRUE , show.col.prc = TRUE , show.na = FALSE , show.legend = FALSE , show.exp = FALSE , show.cell.prc = FALSE , tdcol.col = "gray" , tdcol.row = "brown"
S2r
Q34r
Total
台灣與中國未來必不會統一
台灣與中國未來必會統一
偶爾使用
879 72.2 % 57.8 % 339 27.8 % 55.1 % 1218 100 % 57 %
頻繁使用
641 69.9 % 42.2 % 276 30.1 % 44.9 % 917 100 % 43 %
Total
1520 71.2 % 100 % 615 28.8 % 100 % 2135 100 % 100 %
χ2 =1.201 · df=1 · φ=0.025 · p=0.273
根據檢定結果，本題未達到統計上的顯著水準，表示兩者變數間可能不具相關性，也不符合研究預期。結果表示無論偶爾或頻繁使用，仍有較高比例的民眾（分別為72.2%與69.9%）認為台灣與中國未來不會統一。然而認為台灣與中國未來必會統一的民眾，頻繁使用抖音的程度佔了44.9%，相反地偶爾使用抖音的民眾卻占了55.1%，這樣的結果有點出乎意料。
#卡方檢定 table (TikTok2025datr$ Q2r)chisq.test (TikTok2025datr$ Q2r, TikTok2025datr$ Q33r)
Pearson's Chi-squared test with Yates' continuity correction
data: TikTok2025datr$Q2r and TikTok2025datr$Q33r
X-squared = 1.511, df = 1, p-value = 0.219
library (sjPlot)tab_xtab (TikTok2025datr$ Q2r, TikTok2025datr$ Q33r, encoding= "utf8" , show.row.prc = TRUE , show.col.prc = TRUE , show.na = FALSE , show.legend = FALSE , show.exp = FALSE , show.cell.prc = FALSE , tdcol.col = "gray" , tdcol.row = "brown"
Q2r
Q33r
Total
台灣人跟中國人不是中華民族
台灣人跟中國人都是中華民族
0
398 38.3 % 71.8 % 640 61.7 % 74.9 % 1038 100 % 73.7 %
1
156 42.2 % 28.2 % 214 57.8 % 25.1 % 370 100 % 26.3 %
Total
554 39.3 % 100 % 854 60.7 % 100 % 1408 100 % 100 %
χ2 =1.511 · df=1 · φ=0.034 · p=0.219
根據檢定結果，本題並未達到統計上的顯著水準，表示兩者變數間可能不具相關性，也不符合研究預期。認為台灣人與中國人同屬中華民族的民眾僅25.1%會第一順位利用中國社群平台(Q2r_1)獲取政治與公共資訊，其他74.9%民眾始使用非中國社群平台。
因為本題無達到統計顯著水準，推測是因為在我國可以獲取公共、政治資訊的平台眾多，我國民眾至今仍比較不以中國社群平台當作獲取政治公共資訊的首要選擇，因此使用的比例較少，而難以測量出相關性。另外無論在獲取政治及公共資訊時，無論使用中國社群平台或非中國社群平台，兩者認同台灣人與中國人同屬中華民族的比例都較高(61.7%、57.8%)，因此似乎可以說明民眾產生中華民族這類身分認同等認知概念時，有其他因素可以更好說明，如世代、政黨偏好、教育程度等。
#卡方檢定 chisq.test (TikTok2025datr$ Q2r, TikTok2025datr$ Q34r)
Pearson's Chi-squared test with Yates' continuity correction
data: TikTok2025datr$Q2r and TikTok2025datr$Q34r
X-squared = 10.132, df = 1, p-value = 0.001457
library (sjPlot)tab_xtab (TikTok2025datr$ Q2r, TikTok2025datr$ Q34r, encoding= "utf8" , show.row.prc = TRUE , show.col.prc = TRUE , show.na = FALSE , show.legend = FALSE , show.exp = FALSE , show.cell.prc = FALSE , tdcol.col = "gray" , tdcol.row = "brown"
Q2r
Q34r
Total
台灣與中國未來必不會統一
台灣與中國未來必會統一
0
786 75.7 % 76 % 252 24.3 % 67.4 % 1038 100 % 73.7 %
1
248 67 % 24 % 122 33 % 32.6 % 370 100 % 26.3 %
Total
1034 73.4 % 100 % 374 26.6 % 100 % 1408 100 % 100 %
χ2 =10.132 · df=1 · φ=0.087 · p=0.001
根據檢定結果，本題有達到統計上的顯著水準（p<0.001），卻不符合研究預期。使用中國社群平台獲取政治與公共資訊的民眾有33%認為台灣與中國未來會統一，反而有67%認為不會統一。這樣的結果顯示出即使民眾透過中國社群平台獲取政治資訊，卻不如預期會影響其在統一議題上持支持的立場，且無論是否使用中國社群平台，認為未來不會統一的比例都佔了多數(75.7%與67%)。
整體而言，透過檢定以上使用者的使用程度與對中國產生認同感的題目，僅Q2是否使用中國社群平台獲取政治與公共資訊有與Q34r未來是否統一達到顯著，其他題目在統計上都沒有達到顯著，也幾乎與預期不符。我認為會產生這樣的狀況可能來自於使用動機的差異，使用時間越高的民眾可能以娛樂為主要需求，即使接觸到身份政治議題也較不會動搖其政治態度。而以中國社群平台來獲取政治與公共資訊的民眾，雖在是否統一議題上有達到顯著，但可以看到整體使用的比例不高，且使用與否也不如預期會影響其政治態度，推測造成此結果的原因是民眾仍具有一定媒體識讀能力，或是本身已有較強硬的政治立場。
_____________________________________________________________________________________________
#卡方檢定 chisq.test (TikTok2025datr$ Q35r, TikTok2025datr$ Q33r)
Pearson's Chi-squared test with Yates' continuity correction
data: TikTok2025datr$Q35r and TikTok2025datr$Q33r
X-squared = 309.96, df = 1, p-value < 2.2e-16
library (sjPlot)tab_xtab (TikTok2025datr$ Q35r, TikTok2025datr$ Q33r, encoding= "utf8" , show.row.prc = TRUE , show.col.prc = TRUE , show.na = FALSE , show.legend = FALSE , show.exp = FALSE , show.cell.prc = FALSE , tdcol.col = "gray" , tdcol.row = "brown"
Q35r
Q33r
Total
台灣人跟中國人不是中華民族
台灣人跟中國人都是中華民族
不認同中國政府的文化宣傳
982 54.5 % 87.4 % 820 45.5 % 55.1 % 1802 100 % 69 %
認同中國政府的文化宣傳
142 17.5 % 12.6 % 668 82.5 % 44.9 % 810 100 % 31 %
Total
1124 43 % 100 % 1488 57 % 100 % 2612 100 % 100 %
χ2 =309.956 · df=1 · φ=0.345 · p=0.000
根據檢定結果，本題達到統計上的顯著（p<0.001），也符合研究預期。結果顯示認同中國政府在文化內容宣傳的能力，有82.5%的民眾也認同台灣與中國同屬中華民族。
#卡方檢定 chisq.test (TikTok2025datr$ Q35r, TikTok2025datr$ Q34r)
Pearson's Chi-squared test with Yates' continuity correction
data: TikTok2025datr$Q35r and TikTok2025datr$Q34r
X-squared = 728.43, df = 1, p-value < 2.2e-16
library (sjPlot)tab_xtab (TikTok2025datr$ Q35r, TikTok2025datr$ Q34r, encoding= "utf8" , show.row.prc = TRUE , show.col.prc = TRUE , show.na = FALSE , show.legend = FALSE ,show.exp = FALSE , show.cell.prc = FALSE , tdcol.col = "gray" , tdcol.row = "brown"
Q35r
Q34r
Total
台灣與中國未來必不會統一
台灣與中國未來必會統一
不認同中國政府的文化宣傳
1610 89.3 % 83.6 % 192 10.7 % 28 % 1802 100 % 69 %
認同中國政府的文化宣傳
316 39 % 16.4 % 494 61 % 72 % 810 100 % 31 %
Total
1926 73.7 % 100 % 686 26.3 % 100 % 2612 100 % 100 %
χ2 =728.433 · df=1 · φ=0.529 · p=0.000
根據檢定結果，本題達到統計上的顯著（p<0.001），也符合研究預期。結果顯示認同中國政府在文化內容宣傳能力的民眾，有61%的民眾認為台灣與中國未來必會統一，39%認為未來必不會統一。
透過上述題目驗證中國在TikTok的文化內容宣傳是否會影響民眾對其的認同感，兩題結果都具有正相關，且都有統計顯著性。因此我認為在文化這類較溫和的概念較可能影響民眾的政治認同，當中國以TikTok傳遞出官方、風俗民情與生活日常的文化宣傳，會增加民眾對中國的認同感。
_____________________________________________________________________________________________
#卡方檢定 chisq.test (TikTok2025datr$ Q16r, TikTok2025datr$ Q33r)
Pearson's Chi-squared test with Yates' continuity correction
data: TikTok2025datr$Q16r and TikTok2025datr$Q33r
X-squared = 123.64, df = 1, p-value < 2.2e-16
library (sjPlot)tab_xtab (TikTok2025datr$ Q16r, TikTok2025datr$ Q33r, encoding= "utf8" , show.row.prc = TRUE , show.col.prc = TRUE , show.na = FALSE , show.legend = FALSE , show.exp = FALSE , show.cell.prc = FALSE , tdcol.col = "gray" , tdcol.row = "brown"
Q16r
Q33r
Total
台灣人跟中國人不是中華民族
台灣人跟中國人都是中華民族
台灣不存在嚴重的司法不公
362 63.5 % 32.2 % 208 36.5 % 14 % 570 100 % 21.8 %
台灣有嚴重的司法不公
762 37.3 % 67.8 % 1280 62.7 % 86 % 2042 100 % 78.2 %
Total
1124 43 % 100 % 1488 57 % 100 % 2612 100 % 100 %
χ2 =123.639 · df=1 · φ=0.219 · p=0.000
根據統計結果，本題具有統計顯著性（p<0.001），也符合研究預期。結果顯示認為台灣存在嚴重司法不公的民眾，有62.7%認同台灣與中國同屬中華民族；另認為不存在嚴重司法有63.5%的民眾不認同同屬中華民族。
#卡方檢定 chisq.test (TikTok2025datr$ Q16r, TikTok2025datr$ Q34r)
Pearson's Chi-squared test with Yates' continuity correction
data: TikTok2025datr$Q16r and TikTok2025datr$Q34r
X-squared = 34.043, df = 1, p-value = 5.39e-09
library (sjPlot)tab_xtab (TikTok2025datr$ Q16r, TikTok2025datr$ Q34r, encoding= "utf8" , show.row.prc = TRUE , show.col.prc = TRUE , show.na = FALSE , show.legend = FALSE , show.exp = FALSE , show.cell.prc = FALSE , tdcol.col = "gray" , tdcol.row = "brown"
Q16r
Q34r
Total
台灣與中國未來必不會統一
台灣與中國未來必會統一
台灣不存在嚴重的司法不公
475 83.3 % 24.7 % 95 16.7 % 13.8 % 570 100 % 21.8 %
台灣有嚴重的司法不公
1451 71.1 % 75.3 % 591 28.9 % 86.2 % 2042 100 % 78.2 %
Total
1926 73.7 % 100 % 686 26.3 % 100 % 2612 100 % 100 %
χ2 =34.043 · df=1 · φ=0.115 · p=0.000
根據統計結果，本題具有統計顯著性（p<0.001），部分符合研究預期。結果顯示無論是否認同台灣社會存在嚴重司法不公，有高比例的民眾(分別為71.1%與83.3%)皆認為未來不會統一。然而，認為台灣與中國未來必會統一的民眾，則有86.2%的人同時認為台灣存在嚴重的司法不公。
#卡方檢定 chisq.test (TikTok2025datr$ Q18r, TikTok2025datr$ Q33r)
Pearson's Chi-squared test with Yates' continuity correction
data: TikTok2025datr$Q18r and TikTok2025datr$Q33r
X-squared = 148.74, df = 1, p-value < 2.2e-16
library (sjPlot)tab_xtab (TikTok2025datr$ Q18r, TikTok2025datr$ Q33r, encoding= "utf8" , show.row.prc = TRUE , show.col.prc = TRUE , show.na = FALSE ,show.legend = FALSE , show.exp = FALSE , show.cell.prc = FALSE , tdcol.col = "gray" , tdcol.row = "brown"
Q18r
Q33r
Total
台灣人跟中國人不是中華民族
台灣人跟中國人都是中華民族
滿意我國政府
782 53.6 % 69.6 % 678 46.4 % 45.6 % 1460 100 % 55.9 %
不滿意我國政府
342 29.7 % 30.4 % 810 70.3 % 54.4 % 1152 100 % 44.1 %
Total
1124 43 % 100 % 1488 57 % 100 % 2612 100 % 100 %
χ2 =148.743 · df=1 · φ=0.239 · p=0.000
根據統計結果，本題具有統計顯著性(p<0.001)，也符合研究預期。結果顯示不滿意我國政府的民眾中有70.3%認同台灣與中國同屬中華民族，整體呈正相關。
#卡方檢定 chisq.test (TikTok2025datr$ Q18r, TikTok2025datr$ Q34r)
Pearson's Chi-squared test with Yates' continuity correction
data: TikTok2025datr$Q18r and TikTok2025datr$Q34r
X-squared = 265.47, df = 1, p-value < 2.2e-16
library (sjPlot)tab_xtab (TikTok2025datr$ Q18r, TikTok2025datr$ Q34r, encoding= "utf8" , show.row.prc = TRUE , show.col.prc = TRUE , show.na = FALSE ,show.legend = FALSE , show.exp = FALSE , show.cell.prc = FALSE , tdcol.col = "gray" , tdcol.row = "brown"
Q18r
Q34r
Total
台灣與中國未來必不會統一
台灣與中國未來必會統一
滿意我國政府
1259 86.2 % 65.4 % 201 13.8 % 29.3 % 1460 100 % 55.9 %
不滿意我國政府
667 57.9 % 34.6 % 485 42.1 % 70.7 % 1152 100 % 44.1 %
Total
1926 73.7 % 100 % 686 26.3 % 100 % 2612 100 % 100 %
χ2 =265.471 · df=1 · φ=0.320 · p=0.000
根據統計結果，本題具有統計顯著性（p<0.001），部分符合研究預期。結果顯示不滿意我國政府的民眾有42.1%認為未來台灣與中國會統一，卻有更高比例（57.9%）認為不會統一。而認為會統一的民眾70.7%不滿意我國政府，29.3%滿意我國政府。
透過以上針對我國滿意度與對中國產生認同感的題目進行測量，可以看到對我國政府滿意度越低的民眾，僅在中華民族身分產生認同，卻不會對與中國統一產生正向影響。造成此結果的可能原因為「中華民族」的認同感包含了語言、文化、血統的羈絆，是相對溫和的身分概念；而「政治統一」則涉及國家主權、政治體制轉換等強硬的政治態度。因此在使用TikTok抖音時，台灣民眾對台灣政府的不滿，可能形成對中國（中華）文化的推力，而無法產生足以撼動政治態度的拉力。
五、MCA與說明 (一)新增探索類別變數
#新增探索類別變數 #Q10.國內的政黨都有他們各自的支持者，也會有不喜歡他們的人。請問您整體而言最支持哪一個政黨？# 1 民進黨 # 2 國民黨 # 3 民眾黨 # 4 時代力量 # 5 親民黨 # 6 台灣基進 # 7 綠黨 # 8 小民參政歐巴桑聯盟 # 9新黨 # 10 不支持任何政黨 # 90 其他政黨：______ table (TikTok2025datr$ Q10)
1 2 3 4 5 6 7 8 9 10 90
572 308 354 53 16 11 11 15 4 1265 3
$ Q10r <- rec (TikTok2025datr$ Q10, rec= "1=1[民進黨]; 2=2[國民黨];3=3[民眾黨];4:9=4[其他小黨];10=10[都不支持]" , as.num= F)frq (TikTok2025datr$ Q10r)
x <categorical>
# total N=2612 valid N=2609 mean=5.88 sd=4.06
Value | Label | N | Raw % | Valid % | Cum. %
--------------------------------------------------
1 | 民進黨 | 572 | 21.90 | 21.92 | 21.92
2 | 國民黨 | 308 | 11.79 | 11.81 | 33.73
3 | 民眾黨 | 354 | 13.55 | 13.57 | 47.30
4 | 其他小黨 | 110 | 4.21 | 4.22 | 51.51
10 | 都不支持 | 1265 | 48.43 | 48.49 | 100.00
<NA> | <NA> | 3 | 0.11 | <NA> | <NA>
frq (TikTok2025datr$ Q10r, weights = TikTok2025datr$ WT, out = "v" )
xw <categorical>
val
label
frq
raw.prc
valid.prc
cum.prc
1
民進黨
625
23.95
23.95
23.95
2
國民黨
522
20.00
20.00
43.95
3
民眾黨
224
8.58
8.58
52.53
4
其他小黨
101
3.87
3.87
56.40
10
都不支持
1138
43.60
43.60
100.00
NA
NA
0
0.00
NA
NA
total N=2610 · valid N=2610 · x̄=5.41 · σ=4.10
plot_frq (TikTok2025datr$ Q10r, weight.by = TikTok2025datr$ WT)# Q14.有人說「不管甚麼情況，民主政治都是最好的體制」，也有人說「在有些情況下，獨裁的政治體制比民主政治好」以及「對我而言，任何一種政治體制都沒差」請問哪一種最接近您個人對民主的看法？ # 1 不管甚麼情況，民主政治都是最好的體制 # 2 在有些情況下，獨裁的政治體制比民主政治好 # 3 對我而言，任何一種政治體制都沒差 table (TikTok2025datr$ Q14)$ Q14r <- rec (TikTok2025datr$ Q14,rec= "1=0[民主比較好];2=1[獨裁比較好];3=NA" , as.num= F)table (TikTok2025datr$ Q14r)frq (TikTok2025datr$ Q14r, weights = TikTok2025datr$ WT, out = "v" )
xw <categorical>
val
label
frq
raw.prc
valid.prc
cum.prc
0
民主比較好
1646
73.65
73.65
73.65
1
獨裁比較好
589
26.35
26.35
100.00
NA
NA
0
0.00
NA
NA
total N=2235 · valid N=2235 · x̄=0.26 · σ=0.44
plot_frq (TikTok2025datr$ Q14r, weight.by = TikTok2025datr$ WT)#Q24.請問整體而言您對於中國政府印象如何？# 1 非常不喜歡 # 2還滿不喜歡 # 3有點不喜歡 # 4 有點喜歡 # 5 還滿喜歡 # 6非常喜歡 $ Q24r <- rec (TikTok2025datr$ Q24,rec= "4:6=1[喜歡中國政府];1:3=0[不喜歡中國政府]" , as.num= F)table (TikTok2025datr$ Q24r)
x <categorical>
# total N=2612 valid N=2612 mean=0.10 sd=0.31
Value | Label | N | Raw % | Valid % | Cum. %
--------------------------------------------------------
0 | 不喜歡中國政府 | 2339 | 89.55 | 89.55 | 89.55
1 | 喜歡中國政府 | 273 | 10.45 | 10.45 | 100.00
<NA> | <NA> | 0 | 0.00 | <NA> | <NA>
frq (TikTok2025datr$ Q24r, weights = TikTok2025datr$ WT, out = "v" )
xw <categorical>
val
label
frq
raw.prc
valid.prc
cum.prc
0
不喜歡中國政府
2347
89.85
89.85
89.85
1
喜歡中國政府
265
10.15
10.15
100.00
NA
NA
0
0.00
NA
NA
total N=2612 · valid N=2612 · x̄=0.10 · σ=0.30
#Q25.請問整體而言您對於中國民眾印象如何？# 1 非常不喜歡 # 2還滿不喜歡 # 3有點不喜歡 # 4 有點喜歡 # 5 還滿喜歡 # 6非常喜歡 $ Q25r <- rec (TikTok2025datr$ Q25,rec= "4:6=1[對中國民眾有正面印象];1:3=0[對中國民眾有負面印象]" , as.num= F)frq (TikTok2025datr$ Q25r)
x <categorical>
# total N=2612 valid N=2612 mean=0.24 sd=0.43
Value | Label | N | Raw % | Valid % | Cum. %
--------------------------------------------------------------
0 | 對中國民眾有負面印象 | 1979 | 75.77 | 75.77 | 75.77
1 | 對中國民眾有正面印象 | 633 | 24.23 | 24.23 | 100.00
<NA> | <NA> | 0 | 0.00 | <NA> | <NA>
frq (TikTok2025datr$ Q25r, weights = TikTok2025datr$ WT, out = "v" )
xw <categorical>
val
label
frq
raw.prc
valid.prc
cum.prc
0
對中國民眾有負面印象
1999
76.53
76.53
76.53
1
對中國民眾有正面印象
613
23.47
23.47
100.00
NA
NA
0
0.00
NA
NA
total N=2612 · valid N=2612 · x̄=0.23 · σ=0.42
save (TikTok2025datr, file= "TikTok2025datr.rda" )rm (list= ls ())load ("TikTok2025datr.rda" )View ("TikTok2025datr" )
(二)進行MCA分析
#讀入資料 library (dplyr)load ("TikTok2025datr.rda" )#選擇變數 <- select (TikTok2025datr,c (#核心變數 #對中國認同程度 #使用程度 #文化宣傳內容 #我國政府滿意度 #新增探索類別變數 #政黨偏好 #民主認知 #對中國印象 #輔助用類別變數 #年齡 #性別 names (TikTok2025datrforMCA)
[1] "Q33r" "Q34r" "S2r" "Q2r" "Q35r" "Q16r" "Q18r" "Q10r" "Q14r" "Q24r"
[11] "Q25r" "AGEr" "SEXr"
# 剔除無效值（list-wise deletion）。 <- na.omit (TikTok2025datrforMCA)nrow (TikTok2025datrforMCA.nona)# 以直方圖確認所選的變數之次數分配 par (mfrow= c (2 ,3 )) #畫布上可放2列3欄共6張直方圖 for (i in 1 : ncol (TikTok2025datrforMCA.nona)) {plot (TikTok2025datrforMCA.nona[,i], main= colnames (TikTok2025datrforMCA.nona)[i],ylab = "Count" , col= "steelblue" , las = 2 , ylim= c (0 ,1500 ))
## MCA運算 library (FactoMineR)
Warning: package 'FactoMineR' was built under R version 4.3.3
Warning: package 'factoextra' was built under R version 4.3.3
Loading required package: ggplot2
Attaching package: 'ggplot2'
The following object is masked from 'package:sjPlot':
set_theme
The following object is masked from 'package:sjlabelled':
as_label
Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa
names (TikTok2025datrforMCA.nona)
[1] "Q33r" "Q34r" "S2r" "Q2r" "Q35r" "Q16r" "Q18r" "Q10r" "Q14r" "Q24r"
[11] "Q25r" "AGEr" "SEXr"
<- MCA (TikTok2025datrforMCA.nona, ncp= 10 , quali.sup = 12 : 13 , graph= F)#補充計算公式 fviz_screeplot (res, ncp= 10 )
Warning in geom_bar(stat = "identity", fill = barfill, color = barcolor, :
Ignoring empty aesthetic: `width`.
## 維次歸納描述 （Dimension Description） # install.packages("corrplot") colationplot作維次圖 library (corrplot)
Warning: package 'corrplot' was built under R version 4.3.3
corrplot (res$ var$ cos2, is.corr= FALSE , tl.cex= .6 )
從維次歸納描述圖可以看到
構成第一維次的重要變數為：Q33r_0、Q33r_1、Q34r_0、Q34r_1、Q35r_0、Q35r_1、Q24r_0、Q24r_1、Q25r_0、Q25r_1
構成第二維次的重要變數為：Q16r_0、Q_16r_1
構成第三維次的重要變數為：Q2r_0、Q2r_1
構成第四維次的重要變數為：Q10r_4
構成第五維次的重要變數為：S2r_1、S2r_2
構成第六維次的重要變數為：Q10r_2
構成第七維次的重要變數為：Q14r_0、Q14r_1
由此可初步得出Dim1（橫軸）由「認同中國」組成，Dim2（縱軸）由「台灣政府滿意度/台灣社會是否存在嚴重司法不公」組成。
1.變數關聯分布圖
## 變數（variables）的關聯分佈圖 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="The Distribution of Variables on the MCA Factor Map", title= "" , cex= 0.8 )# xlim=c(0,0.4), ylim=c(0, 0.6) # 移除 xlim 和 ylim 參數 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 )
原先設定的xlim=c(0,0.4), ylim=c(0, 0.6)不能完全概括於本次所選定的變數，因此移除xlim 與ylim 參數。
根據圖表結果，在第一維次中，Q33r「台灣人與中國人講著同樣的語言、有著相似的文化，是中華民族的一部分」、Q34r「兩岸本就一家親，無論以什麼形式實現，在可預見的未來兩岸都必然統一」、Q35r「新疆地區風景美麗，人民幸福快樂，中國政府也在當地文化保存上做了很多努力」聚集於Dim1，這三題可以被視為對中國的認同強度，因此將Dim1右側稱為「中國認同」，左側則為「台灣認同」 。
另在第二維次（縱軸），根據維次貢獻圖顯示出Dim2最大貢獻變數為Q16r「台灣社會存在著非常嚴重的司法不公正的問題」，然而在圖表中的其他變數Q14r與S2r也緊鄰Y軸，分別代表著「有人說不管甚麼情況，民主政治都是最好的體制」，也有人說在有些情況下，獨裁的政治體制比民主政治好以及對我而言，任何一種政治體制都沒差」及「社群平台獲取政治與公共資訊」。其中Q14r、Q16r可以劃歸為政治體制的評價，而S2r為社群媒體使用習慣，因此將Dim2視為政治態度與體制評價及TikTok的使用行為與程度 的複合軸說明。
2.變數類別關係圖
## 變數類別（categories）關係圖 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 , #cex文字大小 selectMod = "cos2 70" , #用統計量表計算三角形之間的距離 70=變數類別數量 invisible= c ("ind" , "quali.sup" ), #invisible將什麼圖層遮住 autoLab = "yes" ,#title="Distribution of Elements on the MCA Factor Map") title= "" ) # 最具維度辨識力的變數類別組合 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" , #共52個變數 invisible= c ("ind" , "quali.sup" ), xlim= c (- 1.2 ,1.2 ), ylim= c (- 0.6 ,2 ), autoLab = "yes" ,# title="Top 30 Critical Elements on the MCA Factor Map") title= "" )
Warning: Removed 2 rows containing missing values or values outside the scale range
(`geom_point()`).
Warning: Removed 2 rows containing missing values or values outside the scale range
(`geom_text_repel()`).
#拉近 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 (- 0.6 ,0.5 ), autoLab = "yes" ,# title="Top 30 Critical Elements on the MCA Factor Map 2") title= "" )
Warning: Removed 8 rows containing missing values or values outside the scale range
(`geom_point()`).
Warning: Removed 8 rows containing missing values or values outside the scale range
(`geom_text_repel()`).
1.Dim1（橫軸）左側（認同中國者）：說明在第一維度中，Q24r_1、Q25r_1、Q33r_1、Q34r_1、Q35r_1為同一群體，且該群體傾向於同意「對中國政府有正面印象」、「對中國民眾有正面印象」「政府如共產黨沒有言論自由」、「中華民族認同」、「兩岸統一」、「文化內容宣傳」等對中國的認同。
第一象限的特徵描述
在「單次使用TikTok抖音的時間長度」(S2r_1)上，越頻繁使用。
在透過「社群平台獲取政治與公共資訊」(Q2r_1)時，會選擇中國社群平台。
政黨偏好為國民黨(Q10r_2)。
政黨偏好為非民進黨、國民黨與民眾黨的其他黨(Q10r_4)。
認同獨裁體制比較好(Q14r_1)
「對中國政府有正面印象」(Q24r_1)。
「對中國民眾有正面印象」(Q25r_1)。
同意「兩岸本就一家親，無論以什麼形式實現，在可預見的未來兩岸都必然統一」(Q34r_1)，認為台灣與中國未來必會統一。
同意「新疆地區風景美麗，人民幸福快樂，中國政府也在當地文化保存上做了很多努力」(Q35r_1)，認同中國政府在文化內容宣傳努力。
第一維次最右側的是「對中國政府有正面印象」(Q24r_1)及同意「兩岸本就一家親，無論以什麼形式實現，在可預見的未來兩岸都必然統一」，且認為台灣與中國未來必會統一(Q34r_1)。
在對中國產生認同的議題上，對中國政府與人民及認同兩岸未來勢必統一及中國政府在文化內容宣傳努力(Q24r_1、Q25r_1、Q35r_1)越傾向對中國產生認同，政治體制偏好與政黨偏好為獨裁及國民黨(Q10r_2)的受訪者越傾向對中國產生認同(Q34r_1)。
第四象限
政黨偏好為民眾黨(Q10r_3)。
同意「台灣社會存在著非常嚴重的司法不公正的問題」(Q16r_1)，認為台灣有嚴重的司法不公的群體。
同意「現在的政府跟共產黨沒有差別，台灣沒有言論自由」(Q18r_1)，說明不滿意我國政府的群體。
同意「台灣人與中國人講著同樣的語言、有著相似的文化，是中華民族的一部分」(Q33r_1)，認同台灣人與中國人同屬中華民族的群體。
2.Dim1右側（不認同中國者）：在第一維度且位於2、3象限的Q16r_2、Q18r_2、Q24r_2、Q25r_2、Q33r_2、Q34r_2、Q35r_2為另一群體，且分別代表不同意於「認為我國司法不公」「政府如共產黨沒有言論自由」、「中華民族認同」、「兩岸統一」、「文化內容宣傳」以及對中國政府與民眾有負面印象，意即該群體傾向不認同中國。
第二象限
政黨傾向為民進黨(Q10r_1)。
不同意「台灣社會存在著非常嚴重的司法不公正的問題」(Q16r_0)，否定我國存在司法不公的說法。
滿意我國政府，不同意「現在的政府跟共產黨沒有差別，台灣沒有言論自由」的說法(Q18r_0)。說明滿意我國政府的民眾與不產生中國認同感具相關性。
不同意「台灣人與中國人講著同樣的語言、有著相似的文化，是中華民族的一部分」的說法，認為台灣人與中國人不同屬於中華民族(Q33r_0)。說明此類民眾對中華民族並不產生認同感，亦不對中國產生認同。
第三象限
在「單次使用TikTok抖音的時間長度」(S2r_0)上，偶爾使用或不常使用。
在透過「社群平台獲取政治與公共資訊」(Q2r_0)時，會選擇非中國社群平台。
政黨傾向為不支持任何政黨(Q10r_10)。
政治體制偏好為民主體制(Q14r_0)。
「對中國政府有負面印象」(Q24r_0)。
「對中國民眾有負面印象」(Q25r_0)。
不同意「兩岸本就一家親，無論以什麼形式實現，在可預見的未來兩岸都必然統一」(Q34r_0)的說法，認為台灣與中國在未來不會統一。
不同意「新疆地區風景美麗，人民幸福快樂，中國政府也在當地文化保存上做了很多努力」(Q35r_0)，也否定中國政府在文化內容宣傳的努力。
3.鄰近變數關係說明
Q35r_1&Q25r_1
Q35r_1同意「新疆地區風景美麗，人民幸福快樂，中國政府也在當地文化保存上做了很多努力」與Q25r_1「對中國民眾有正面印象」變數相近。這兩變數都與人民生活有關，似乎可以說明當中國政府藉由中國社群平台展露出中國人民幸福的一面，台灣民眾也會進而對中國人民產生正面的印象，形塑出好感。
S2r_1&Q2r_1
S2r_1在「單次使用TikTok抖音的時間長度」上，越頻繁使用以及Q2_1r_1在透過「社群平台獲取政治與公共資訊」時，會第一順位選擇中國社群平台，兩者變數相近，說明越頻繁使用抖音平台的民眾，在日常獲取政治公共資訊時會優先選擇中國社群平台。
Q14r_0、Q24r_0、Q34r_0、Q35r_0&Q25r_0
Q14r_0「政治體制偏好為民主體制」、Q24r_0「對中國政府有負面印象」、Q34r_0不同意「兩岸本就一家親，無論以什麼形式實現，在可預見的未來兩岸都必然統一」、Q35r_0不同意「新疆地區風景美麗，人民幸福快樂，中國政府也在當地文化保存上做了很多努力」以及Q25r_0「對中國民眾有負面印象」四者變數相近。這四個變數與中國政府、中國人民以及中國政治體制有關，四者似乎存在著一種接受、影響程度上的漸進：人民（較溫和，易接受）<政府（影響程度中等）<政治體制（影響程度最大，最難接受）。透過這張圖則可以看到當台灣民眾不認同與中國實行政治上的統一且偏好為民主體制時，連帶對其政府與人民也不具好感；反過來抑是，若台灣民眾對中國人民不具好感時，對中國政府與政治統一就更不能接受。
S2r_0&Q14r_0
S2r_0在「單次使用TikTok抖音的時間長度」上，偶爾使用或不常使用及Q10r_10政黨偏好為不支持任何政黨，兩個變數相近，說明不常使用TikTok的民眾在政黨偏好上可能較無特別傾向某一政黨。
# 維次貢獻 library (factoextra)# 第一維度的重要變數類別 fviz_contrib (res, choice = "var" , axes = 1 )# 第二維度的重要變數類別 fviz_contrib (res, choice = "var" , axes = 2 )# 第三維度的重要變數類別 # fviz_contrib(res, choice ="var", axes = 3) # 對前三個維度最有貢獻的變數類別 # fviz_contrib(res, choice ="var", axes = 1:3) ## 受訪者在兩個維度的分佈 plot (res, axes= c (1 , 2 ), new.plot= TRUE , choix= "ind" , col.var= "red" , col.quali.sup= "darkgreen" ,label= c ("var" ),selectMod = "cos2 15" , select= "cos2 1" ,xlim= c (- 1 ,1 ),invisible= c ("quali.sup" , "var" ), #title="The Distribution of Individuals on the MCA Factor Map") title= "" )
Warning: Removed 56 rows containing missing values or values outside the scale range
(`geom_point()`).
Warning: Removed 56 rows containing missing values or values outside the scale range
(`geom_text_repel()`).
3.橢圓圖
## 橢圓圖（Ellipse） library (FactoMineR)plotellipses (res, keepvar= c ("S2r" ), magnify = 5 , lwd = 4 , palette = c ("red" , "darkgray" ),label = "var" ,title = "TikTok 使用時長" )
Warning: `aes_string()` was deprecated in ggplot2 3.0.0.
ℹ Please use tidy evaluation idioms with `aes()`.
ℹ See also `vignette("ggplot2-in-packages")` for more information.
ℹ The deprecated feature was likely used in the FactoMineR package.
Please report the issue at <https://github.com/husson/FactoMineR>.
就「TikTok抖音使用程度/單次使用TikTok抖音的時間長度」(S2r)來看，對於「現今社會的人們無論日常生活或休閒娛樂皆常使用TikTok抖音平台」的敘述，在經過重新分類後可以看到無論是「偶爾使用」(S2r_1)抑或「頻繁使用」(S2r_2)的受訪者沒有明顯的分層且分布於Dim1的正負極端（X=1.0~X=-1.0）。意即在偶爾使用及頻繁使用的兩個群體中皆存在對中國產生認同與不對中國產生認同感的使用者，而使用TikTok的時間長度也無法區分受訪者對中國認同的態度，或許需進一步探詢使用者的使用動機與需求（如社交、資訊獲取與娛樂等需求）。
此外，這個散步圖的信賴橢圓（紅色方框與外圈框起的橢圓）緊密貼合在第二維次，說明這兩個群體僅在Dim2上產生區別，在Dim1沒有顯著區別，與第一維次的對中國產生認同感是為不同概念。
plotellipses (res, keepvar= c ("Q2r" ), magnify = 5 , lwd = 4 , palette = c ("red" , "darkgray" ),label = "var" ,title = "使用TikTok獲取公共、政治資訊" )
就「TikTok抖音使用程度/使用社群媒體獲取政治、公共資訊」(Q2r)來看，對於「人們常透過TikTok抖音或其他中國社群平台獲取政治、公共資訊」的敘述，在經過重新分類後可以看到在公共與政治資訊上「選擇中國社群平台的」(Q2r_1)以及「選擇非中國社群平台的」受訪者(Q2r_1)在第一維次中分布於Dim1的正負極端(X=1.0~X=-1.0)。意即無論是優先選擇中國社群平台或非中國社群平台的兩個群體中皆存在對中國產生認同與不對中國產生認同感的使用者，也就是說受訪者有獲取資訊的需求且選擇使用中國社群平台，對於是否對中國產生認同感產生高度異質性。這題挑戰了過往社群媒體使用會造成選民的政治態度變化的敘述，說明了在使用中國社群平台獲取資訊的過程中，可能存在選擇性接觸，又基於平台特性而導致與產生特定政治認同脫鉤。
此外，散布圖的重心緊密貼合在第二維次，說明這兩個群體僅在Dim2上產生區別，在Dim1沒有顯著區別，與第一維次的對中國產生認同感是為不同概念。
plotellipses (res, keepvar= c ("Q35r" ), magnify = 5 , lwd = 4 , palette = c ("red" , "darkgray" ),label = "var" ,title = "中國文化宣傳認同度" )
進一步就民眾對於中國政府的態度來看「新疆地區風景美麗，人民幸福快樂，中國政府也在當地文化保存上做了很多努力」(Q35r)，認同中國政府的努力(Q35r_1)的群體偏向右側上方（對中國產生認同），而不認同中國政府的努力(Q35r_1)則偏向左側下方（不對中國產生認同）。兩個群體的受訪者在是否對中國產生認同的題目上有明顯的分立，且較符合預期認同中國政府在文化宣傳上努力的民眾會與較可能對中國產生認同。
然而兩個橢圓的中心的垂直距離極小，說明無論是否認同中國政府在文化宣傳的努力都與民眾使用TikTok的程度無關。
plotellipses (res, keepvar= c ("Q16r" ), magnify = 5 , lwd = 4 , palette = c ("red" , "darkgray" ),label = "var" ,title = "對台灣司法滿意度" )
就對台灣司法滿意度的問題上來看「台灣社會存在著非常嚴重的司法不公正的問題」(Q16r)，認為台灣存在非常嚴重司法不公(Q16r_1)在第一維次偏向右側（對中國產生認同），而不認同台灣存在非常嚴重司法不公(Q16r_0)在第一維次偏向左側（不對中國產生認同），兩個群體的受訪者在是否對中國產生認同的題目上分立。
在第二維次的分布上，認同台灣存在非常嚴重司法不公(Q16r_1)的受訪者集中在下半部，不認同台灣存在非常嚴重司法不公(Q16r_0)在第二維次集中於上半部，雖然兩者並沒有相當大的落差，但似乎也可以看到對台灣司法有較高滿意度的群體，可能有較高或更頻繁的TikTok使用強度，這部分或許值得留意。
plotellipses (res, keepvar= c ("Q18r" ), magnify = 5 , lwd = 4 , palette = c ("red" , "darkgray" ),label = "var" ,title = "對台灣政府滿意度" )
從對台灣政府滿意度的問題上來看「現在的政府跟共產黨沒有差別，臺灣沒有言論自由」(Q18r)，認為台灣政府限制言論自由、與共產黨無差別(Q18r_1)在第一維次偏向右側（對中國產生認同），而不認同台灣政府有限制言論自由(Q18r_0)則在第一維次偏向左側（不對中國產生認同），兩個群體的受訪者在是否對中國產生認同的題目上產生分立。
而在第二維次的分布上，認為台灣政府限制言論自由、與共產黨無差別(Q18r_1)位於水平線下方，說明該群體使用程度較低；不認同台灣政府有限制言論自由(Q18r_0)則位於水平線上方，說明該群體使用程度較頻繁，這部分或許值得留意。
從Q16r、Q18r兩題的第二維次可以看到都較不符合所想：「對台灣政府或司法政治體制不滿的群眾可能在TikTok尋求更多的政治認同」。而這兩題題目都與政府、司法政治體制的評價有關，或許可以間接說明使用TikTok的群眾更多的是以娛樂或其他非政治性需求，並且可以在上述Q35r獲得在文化宣傳上認同中國政府努力的民眾越傾向對中國產生認同的資訊。
plotellipses (res, keepvar = c ("Q10r" ), magnify = 5 , lwd = 4 , palette = c ("green" , "blue" , "gray" , "orange" ,"pink" ),label = "var" ,title = "政黨偏好"
在受訪者的政黨偏好上「國民黨支持者(Q10r_2)與民眾黨支持者(Q10r_3)」在第一維次都偏向右側（對中國產生認同），「其他非三大黨支持者(Q10r_4)」雖位在第一象限但分布重心圍繞在X=0區間，另外「民進黨支持者(Q10r_1)與不支持任何政黨者(Q10r_10)」在第一維次中偏向左側（不對中國產生認同）。
在第二維次上，「國民黨支持者(Q10r_2)、民進黨支持者(Q10r_1)與其他非三大黨支持者(Q10r_4)」位於水平線上方，說明這三類支持者使用中國社群平台程度較高，也較會產生對政府政府體制不滿的批評行為；而「民眾黨支持者(Q10r_3)與不支持任何政黨者(Q10r_10)」的分布重心則位於水平線下方，說明這兩類支持者使用中國社群平台程度以及對政府體制與評價不滿的批評行為較少。對於民進黨與民眾黨支持者的分布位置或許值得留意。
對此結果而言，民眾黨支持者有較少的TikTok使用及對政府、政治體制的不滿評價，這部分倒是蠻出乎意料。因為民眾黨支持者有一位具代表性、擁有大量粉絲基礎的網路使用者-館長，常在各種社群平台直播表達對政府、司法與政治體制的不滿，且近期也常在TikTok等社群平台出沒。個人認為會出現這樣不如預期的情況，可能來自於政治正確與負面標籤的影響。雖然民眾黨有一定民意支持度，但在現實生活中與社群平台上，因為該黨的特定爭議事件（如前黨主席柯文哲涉嫌貪汙）或負面標籤的「小草」特質，可能影響其表露支持該政黨的意願。
plotellipses (res, keepvar= c ("Q14r" ), magnify = 5 , lwd = 4 , palette = c ("red" , "darkgray" ),label = "var" ,title = "政治體制偏好" )
在受訪者的政治體制偏好上較符合預期，認為「獨裁體制比較好(Q14r_1)」在第一維次偏向右側，認為「民主體制比較好(Q14r_2)」在第一維次偏向左側，然而兩個變數的重心位置緊鄰Y軸，說明這兩個群體在第二維次中有比較明顯的區別，在第一維次比較看不出差異。
在第二維次上，認為「獨裁體制比較好(Q14r_1)」的受訪者集中於水平線以上，認為「民主體制比較好(Q14r_2)」的受訪者則多集中於水平線以下。說明偏好獨裁體制的群體可能有較高程度的使用中國社群平台，也較可能對台灣政府的表現表達不滿；而偏好民主體制的受訪者則可能相對擁有較低的使用中國社群平台習慣，對台灣政府與司法政治體制的表現也比較滿意。
plotellipses (res, keepvar= c ("Q24r" ), magnify = 5 , lwd = 4 , palette = c ("red" , "darkgray" ),label = "var" ,title = "對中國政府的印象" )
在對中國印象的題目上，「對中國政府有正面印象(Q24r_1)」的受訪者在第一維次中傾向右側（對中國產生認同），「對中國政府有負面印象(Q24r_0)」的受訪者在第一維次中傾向左側但與原點距離較近，且從圖表中可以看到非常明顯的分層，因此兩者可被劃為不同的群體。
在第二維次上，「對中國政府有正面印象(Q24r_1)」的重心分布於水平線上方，說明該群體有較高的使用中國社群平台與批判行為；「對中國政府有負面印象(Q24r_2)」重心分布於水平線下方，說明該群體有使用中國社群平台與批判行為的頻率較少。
plotellipses (res, keepvar= c ("Q25r" ), magnify = 5 , lwd = 4 , palette = c ("red" , "darkgray" ),label = "var" ,title = "對中國民眾的印象" )
在對中國印象的題目上也符合預期。「對中國民眾有正面印象(Q25r_1)」的受訪者在第一維次中傾向右側（對中國產生認同），「對中國民眾有負面印象(Q25r_0)」的受訪者在第一維次中傾向左側，且從圖表中可以看到分層，因此兩者可被劃為不同的群體。
在第二維次上，「對中國民眾有正面印象(Q25r_1)」的重心分布於水平線上方，說明該群體有較高的使用中國社群平台與批判台灣政府與司法政治體制的行為；「對中國民眾有負面印象(Q25r_0)」重心分布於水平線下方，說明該群體有使用中國社群平台與批判行為的頻率較少。
在對中國印象的題組中，對中國政府的題目在正負面有較明顯的分層，且根據兩題的分布程度，台灣民眾對中國政府的負面印象大於對中國民眾。這或許可以說明台灣民眾在生活日中對中國民眾的敵意並不大，即使他們會使用中國社群平台，但對於民眾日常類的影片或敘事內容並不反感，因此會使用該平台進行其他娛樂需求。
六、迴歸分析 [二元勝算對數迴歸模型]
在進行二元勝算對數模型時，本文欲篩選核心自變數(使用時長、使用動機)並將其編為二元類別變數，來測量與依變數(中華民族身分、統一議題)的關聯性，並做出以下假設及模型驗證。
model 1.
#將自變數重新上標籤 <- c ("(Intercept)" , #model1 "S2r:頻繁使用抖音" , "Q2r:中國社群平台" , "Q35r:認同中國政府的文化宣傳" )
load ("TikTOk2025datr.rda" )names (TikTok2025datr)
[1] "編號" "抖音活躍使用者" "S0" "S0_AGE"
[5] "S1" "S2" "Q1_1" "Q1_2"
[9] "Q1_3" "Q1_4" "Q1_5" "Q1_O"
[13] "Q2_1" "Q2_2" "Q2_3" "Q2_O"
[17] "Q3_1" "Q3_2" "Q3_3" "Q3_O"
[21] "Q4" "Q4_O" "Q5" "Q6"
[25] "Q7" "Q8" "Q9" "Q9_O"
[29] "Q10" "Q10_O" "Q11" "Q11_O"
[33] "Q12" "Q13" "Q13_O" "Q14"
[37] "Q15" "Q16" "Q17" "Q18"
[41] "Q19" "Q20" "Q21" "Q22"
[45] "Q23" "Q23_O" "Q24" "Q25"
[49] "Q26" "Q27" "Q28" "Q29"
[53] "Q30" "Q31" "Q32" "Q33"
[57] "Q34" "Q35" "Q36" "Q37"
[61] "Q38" "Q39" "Q40" "Q41"
[65] "Q42" "Q43" "Q44" "Q45"
[69] "Q45_O" "Q46" "Q47" "Q48"
[73] "SEX" "AGE" "EDU" "AREA"
[77] "WT" "Q33r" "Q34r" "S2r"
[81] "Q2_1r" "Q2_2r" "Q2_3r" "Q2r"
[85] "Q35r" "Q16r" "Q18r" "AGEr"
[89] "SEXr" "Q10r" "Q24r" "Q25r"
[93] "Q14r"
summary (glm (Q33r ~ S2r+ Q2r+ Q35r, family= binomial, data= TikTok2025datr))
Call:
glm(formula = Q33r ~ S2r + Q2r + Q35r, family = binomial, data = TikTok2025datr)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 0.01481 0.09853 0.150 0.880
S2r1 0.13571 0.13307 1.020 0.308
Q2r1 -0.34559 0.14349 -2.408 0.016 *
Q35r1 1.55341 0.14382 10.801 <2e-16 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1582.2 on 1188 degrees of freedom
Residual deviance: 1443.7 on 1185 degrees of freedom
(1423 observations deleted due to missingness)
AIC: 1451.7
Number of Fisher Scoring iterations: 3
<- glm (Q33r ~ S2r+ Q2r+ Q35r, family= binomial, data= TikTok2025datr)summary (md01)
Call:
glm(formula = Q33r ~ S2r + Q2r + Q35r, family = binomial, data = TikTok2025datr)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 0.01481 0.09853 0.150 0.880
S2r1 0.13571 0.13307 1.020 0.308
Q2r1 -0.34559 0.14349 -2.408 0.016 *
Q35r1 1.55341 0.14382 10.801 <2e-16 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1582.2 on 1188 degrees of freedom
Residual deviance: 1443.7 on 1185 degrees of freedom
(1423 observations deleted due to missingness)
AIC: 1451.7
Number of Fisher Scoring iterations: 3
#製表 library (sjPlot)tab_model (md01, # 設定要顯示的資訊 show.se = TRUE , # 顯示標準誤 show.aic = TRUE , # 顯示AIC show.r2 = TRUE , # 顯示 (pseudo) R-square pred.labels = model_label, #上自變數標籤 p.style= "stars" , # 以星號表示顯著程度 collapse.ci = FALSE , # 以獨立欄位顯示信賴區間 dv.labels = "Q33 台灣人與中國人同屬中華民族" ,title = "模型一：抖音使用時長、動機與、中國政府文化宣傳與中華民族身分認同" ,# 設定小數點的位數 digits= 3 , # 所有估計值的小數點位數 digits.p= 3 , # p值的小數點位數 # 線的樣式設計 CSS= list (css.topborder= "border-top:1px solid black;" ), # 欄位重新命名 string.pred = "解釋變數" ,string.ci = "信賴區間" ,string.se = "標準誤 (S.E.)" ,string.p= "顯著水準 (C.I.)"
模型一：抖音使用時長、動機與、中國政府文化宣傳與中華民族身分認同
Q33 台灣人與中國人同屬中華民族
解釋變數
Odds Ratios
標準誤 (S.E.)
信賴區間
(Intercept)
1.015
0.100
0.837 – 1.231
S2r:頻繁使用抖音
1.145
0.152
0.883 – 1.488
Q2r:中國社群平台
0.708 *
0.102
0.534 – 0.938
Q35r:認同中國政府的文化宣傳
4.728 ***
0.680
3.582 – 6.298
Observations
1189
R2 Tjur
0.110
AIC
1451.738
* p<0.05 ** p<0.01 *** p<0.001
Warning: package 'car' was built under R version 4.3.3
Loading required package: carData
Warning: package 'carData' was built under R version 4.3.2
The following object is masked from 'package:dplyr':
recode
S2r Q2r Q35r
1.106294 1.112594 1.006171
假設一： TikTok抖音的使用時間越長(S2)越可能認同台灣人與中國人同屬中華民族(Q33)。
當初選擇「抖音使用時長」作為自變數1，是認為接觸抖音平台的時間越長，越容易被推播到特定政治訊息，以及長久使用下會習慣中國的用語、食物、文化等，因此會較傾向認同「中華民族認同」。
根據模型一結果而言，「使用時長」與中華民族認同具有正相關卻沒有得到統計上的顯著性，這或許說明了使用中國抖音平台並非形成中華民族認同的最重要原因，點出「中華民族認同」的複雜性，其使用時長也可能代表受訪者以其他娛樂需求為重。
假設二 ： TikTok抖音的使用動機(Q2r)越可能認同台灣人與中國人同屬中華民族(Q33)。
當初選擇「使用動機」作為自變數2，是認為在眾多社群平台中，會優先選擇中國社群平台來獲取政治、公共資訊時的民眾，會較傾向產生「中華民族認同」。這是因為民眾已先自我篩選且選擇他們較認同的平台來獲得資訊，這樣的選擇行為說明其使用的動機非常強烈。
根據模型一結果而言，「使用動機」與產生中華民族認同為負相關，且在統計上有達到顯著(p<0.05)。這說明了在資訊獲取的管道上，相較於使用非中國社群平台，選擇使用中國社群平台的民眾，越傾向產生中華民族的身份認同。這樣的結果與預期不同，或許這反映出民眾在選擇社群平台獲取政治公共資訊時的特殊動機，透過選擇TikTok抖音平台來表達對主流社群媒體資訊的不滿，抑或是帶有批判或其他探究目的，將TikTok當作議題探索平台，是有目的性的使用因此該群體對中國的政治態度、政治支持不易被轉變。
假設三： 越認同中國政府的文化宣傳(Q35)越可能認同台灣人與中國人同屬中華民族(Q33)。
當初選擇「認同中國政府文化宣傳」作為自變數3，是認為在抖音平台上中國政府常以官方或邀請代表性人物拍攝塑造人文地景的文化宣傳，也常有素人拍攝飲食、服裝、日常生活等影片。除此之外，那些影片除了傳遞中國傳統文化特色，也常夾帶著華夏民族一家親的訊息。加上文化宣傳類影片較軟性、較不具侵略性、容易被一般大眾接受，因此認同中國政府文化宣傳的民眾，越可能認同中華民族的身分。
根據模型二結果而言，「認同中國政府文化宣傳」與依變數「中華民族」為正向關係，且具有統計的高度顯著性（p<0.001）。這題結果符合預設的期待，認同中國政府文化宣傳的受訪者較可能傾向同意中華民族的身分認同，說明文化宣傳的軟性吸引力，的確可能影響受訪者的身分認同。
model 2.
#將自變數重新上標籤 <- c ( "(Intercept)" ,#mode2 "S2r:頻繁使用" ,"Q2r:中國社群平台" ,"Q35r:認同中國政府文化宣傳" )
summary (glm (Q34r ~ S2r+ Q2r+ Q35r, family= binomial, data= TikTok2025datr))
Call:
glm(formula = Q34r ~ S2r + Q2r + Q35r, family = binomial, data = TikTok2025datr)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -2.2141 0.1471 -15.050 <2e-16 ***
S2r1 -0.2318 0.1588 -1.460 0.1444
Q2r1 0.3494 0.1694 2.063 0.0392 *
Q35r1 2.6477 0.1572 16.841 <2e-16 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1432.3 on 1188 degrees of freedom
Residual deviance: 1073.8 on 1185 degrees of freedom
(1423 observations deleted due to missingness)
AIC: 1081.8
Number of Fisher Scoring iterations: 4
<- glm (Q34r ~ S2r+ Q2r+ Q35r, family= binomial, data= TikTok2025datr)summary (md02)
Call:
glm(formula = Q34r ~ S2r + Q2r + Q35r, family = binomial, data = TikTok2025datr)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -2.2141 0.1471 -15.050 <2e-16 ***
S2r1 -0.2318 0.1588 -1.460 0.1444
Q2r1 0.3494 0.1694 2.063 0.0392 *
Q35r1 2.6477 0.1572 16.841 <2e-16 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1432.3 on 1188 degrees of freedom
Residual deviance: 1073.8 on 1185 degrees of freedom
(1423 observations deleted due to missingness)
AIC: 1081.8
Number of Fisher Scoring iterations: 4
library (sjPlot)tab_model (md02, # 設定要顯示的資訊 show.se = TRUE , # 顯示標準誤 show.aic = TRUE , # 顯示AIC show.r2 = TRUE , # 顯示 (pseudo) R-square pred.labels = model_label2, #上自變數標籤 p.style= "stars" , # 以星號表示顯著程度 collapse.ci = FALSE , # 以獨立欄位顯示信賴區間 dv.labels = "Q34 台灣與中國未來必會統一" ,title = "模型二：抖音使用時長、動機、中國政府文化宣傳認同程度與兩岸統一議題" ,# 設定小數點的位數 digits= 3 , # 所有估計值的小數點位數 digits.p= 3 , # p值的小數點位數 # 線的樣式設計 CSS= list (css.topborder= "border-top:1px solid black;" ), # 欄位重新命名 string.pred = "解釋變數" ,string.ci = "信賴區間" ,string.se = "標準誤 (S.E.)" ,string.p= "顯著水準 (C.I.)"
模型二：抖音使用時長、動機、中國政府文化宣傳認同程度與兩岸統一議題
Q34 台灣與中國未來必會統一
解釋變數
Odds Ratios
標準誤 (S.E.)
信賴區間
(Intercept)
0.109 ***
0.016
0.081 – 0.145
S2r:頻繁使用
0.793
0.126
0.580 – 1.082
Q2r:中國社群平台
1.418 *
0.240
1.018 – 1.978
Q35r:認同中國政府文化宣傳
14.122 ***
2.220
10.430 – 19.328
Observations
1189
R2 Tjur
0.298
AIC
1081.761
* p<0.05 ** p<0.01 *** p<0.001
#共線性檢定 library (car)vif (md02)
S2r Q2r Q35r
1.084573 1.083497 1.003651
假設四 ： TikTok抖音的使用時間越長(S2)越傾向未來兩岸會統一(Q34)。
當初選擇「抖音使用時長」作為自變數1，是認為接觸抖音平台的時間越長，有機會接觸諸如「小當歸、我愛祖國、回歸祖國的懷抱」等更多有關統一的政治性訊息，在長久的影響之下會越傾向同意未來兩岸會統一。
根據模型二結果而言，「使用時長」與依變數「統一議題」為不具有統計顯著性。而本題相較Q33身分認同感屬於更強烈層次的政治歸屬意願，統計上不顯著或許也反映出民眾對於此議題仍持保守態度，抑或對此仍保有自身立場。
假設五 ： TikTok抖音的使用動機(Q2)越傾向未來兩岸會統一(Q34)。
當初選擇「使用動機」作為自變數2，是認為在眾多社群平台中，會選擇中國社群平台來獲取政治、公共資訊時的民眾，會較傾向同意「未來必會統一」。這是因為民眾已先自我篩選且選擇他們較認同的平台來獲得資訊，這樣的選擇行為說明其使用的動機非常強烈。
根據模型二結果而言，「使用動機」與依變數「統一議題」為正向關係，且具有統計顯著性（p<0.05）。雖然將中國社群平台列為優先選擇的受訪者會較傾向同意台灣與中國未來會統一，且有一定顯著，加上本題屬於更強烈層次的政治歸屬意願，或許也間接說明動機強烈且具有政治性使用媒體，較可能改變受訪者對中國的認知。
假設六： 認同中國政府的文化宣傳(Q35)越傾向未來兩岸會統一(Q34)。
當初選擇「認同中國政府文化宣傳」作為自變數3，是認為在抖音平台上中國政府常以官方或邀請代表性人物拍攝塑造人文地景的文化宣傳，或針對西藏、新疆等爭議題場域洗白，進而漸漸對中國產生好感。因此認同中國政府文化宣傳的民眾，越可能在統一議題上傾向台灣與中國未來會統一。
根據模型二結果而言，「認同中國政府文化宣傳」與依變數「統一議題」為正向關係，且具有統計的高度顯著性（p<0.001）。這題結果符合預設的期待，資料支持中國政府文化宣傳的受訪者較可能在統一議題上傾向同意台灣與中國未來會統一。
model 3.
#將自變數重新上標籤 <- c ( "(Intercept)" ,#model3 "S2r:頻繁使用" ,"Q2r:中國社群平台" ,"Q35r:認同中國政府文化宣傳" ,"AGEr: 30-39歲" ,"AGEr: 40-49歲" ,"AGEr: 50-59歲" ,"AGEr: 60歲及以上" ,"Q10r: 國民黨" ,"Q10r: 民眾黨" ,"Q10r: 其他小黨" ,"Q10r: 都不支持" )
#將model 1.加入控制變數(AGE、SEX、政黨偏好) <- glm (Q33r ~ S2r+ Q2r+ Q35r+ AGEr+ Q10r, family= binomial, data= TikTok2025datr)summary (md03)
Call:
glm(formula = Q33r ~ S2r + Q2r + Q35r + AGEr + Q10r, family = binomial,
data = TikTok2025datr)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.60382 0.20528 -2.942 0.00327 **
S2r1 0.15472 0.13734 1.127 0.25993
Q2r1 -0.37512 0.14767 -2.540 0.01108 *
Q35r1 1.53376 0.15088 10.165 < 2e-16 ***
AGEr2 -0.09903 0.18654 -0.531 0.59551
AGEr3 -0.27693 0.18153 -1.526 0.12712
AGEr4 0.38552 0.29127 1.324 0.18565
AGEr5 0.40251 0.30574 1.317 0.18799
Q10r2 0.85729 0.23128 3.707 0.00021 ***
Q10r3 1.41924 0.24202 5.864 4.51e-09 ***
Q10r4 0.50004 0.35442 1.411 0.15829
Q10r10 0.84351 0.16340 5.162 2.44e-07 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1582.2 on 1188 degrees of freedom
Residual deviance: 1389.3 on 1177 degrees of freedom
(1423 observations deleted due to missingness)
AIC: 1413.3
Number of Fisher Scoring iterations: 4
library (sjPlot)tab_model (md03, # 設定要顯示的資訊 show.se = TRUE , # 顯示標準誤 show.aic = TRUE , # 顯示AIC show.r2 = TRUE , # 顯示 (pseudo) R-square pred.labels = model_label3, #上自變數標籤 p.style= "stars" , # 以星號表示顯著程度 collapse.ci = FALSE , # 以獨立欄位顯示信賴區間 dv.labels = "Q33 台灣人與中國人同屬中華民族" ,title = "模型三-加入控制變數（年紀與政黨偏好）" ,# 設定小數點的位數 digits= 3 , # 所有估計值的小數點位數 digits.p= 3 , # p值的小數點位數 # 線的樣式設計 CSS= list (css.topborder= "border-top:1px solid black;" ), # 欄位重新命名 string.pred = "解釋變數" ,string.ci = "信賴區間" ,string.se = "標準誤 (S.E.)" ,string.p= "顯著水準 (C.I.)" # file="analysisResult.html" #另存新檔
模型三-加入控制變數（年紀與政黨偏好）
Q33 台灣人與中國人同屬中華民族
解釋變數
Odds Ratios
標準誤 (S.E.)
信賴區間
(Intercept)
0.547 **
0.112
0.365 – 0.817
S2r:頻繁使用
1.167
0.160
0.892 – 1.529
Q2r:中國社群平台
0.687 *
0.101
0.514 – 0.918
Q35r:認同中國政府文化宣傳
4.636 ***
0.699
3.464 – 6.262
AGEr: 30-39歲
0.906
0.169
0.627 – 1.304
AGEr: 40-49歲
0.758
0.138
0.530 – 1.081
AGEr: 50-59歲
1.470
0.428
0.837 – 2.628
AGEr: 60歲及以上
1.496
0.457
0.827 – 2.752
Q10r: 國民黨
2.357 ***
0.545
1.504 – 3.728
Q10r: 民眾黨
4.134 ***
1.000
2.593 – 6.707
Q10r: 其他小黨
1.649
0.584
0.825 – 3.329
Q10r: 都不支持
2.325 ***
0.380
1.691 – 3.209
Observations
1189
R2 Tjur
0.153
AIC
1413.252
* p<0.05 ** p<0.01 *** p<0.001
#共線性檢定 library (car)vif (md03)
GVIF Df GVIF^(1/(2*Df))
S2r 1.122747 1 1.059598
Q2r 1.124211 1 1.060288
Q35r 1.061892 1 1.030481
AGEr 1.087182 4 1.010503
Q10r 1.133460 4 1.015783
模型三是在模型一之下加入控制變數（年紀與政黨偏好），在加入控制變數後使用中國社群平台(Q2r)語認同中國政府文化宣傳(Q35r)顯著相關維持。可以看到政黨偏好為國民黨與民眾黨的受訪者都產生正向顯著結果。似乎可以說明中華民族身分認同與政黨偏好較有關聯，而兩政黨立場接與中國較親近。此外，使用中國社群平台仍為負相關，再次說明使用該平台獲取政治資訊的動機可能不如所想的單方面接收政治資訊，可能帶有探索或其他特殊動機意味。
然而本題的使用時長(S2)與年紀(AGE)則都無顯著相關，說明使用抖音的時長及年紀都與產生中華民族認同較無關係。因此中華民族身分認同驅動動機可能為文化宣傳的認同程度以及政黨偏好。
model 4.
#將自變數重新上標籤 <- c ( "(Intercept)" ,#model4 "S2r:頻繁使用" ,"Q2r:中國社群平台" ,"Q35r:認同中國政府文化宣傳" ,"AGEr: 30-39歲" ,"AGEr: 40-49歲" ,"AGEr: 50-59歲" ,"AGEr: 60歲及以上" ,"Q10r: 國民黨" ,"Q10r: 民眾黨" ,"Q10r: 其他小黨" ,"Q10r: 都不支持" )
#將model 2.加入控制變數(AGE、SEX、政黨偏好) <- glm (Q34r ~ S2r+ Q2_1r+ Q35r+ AGEr+ Q10r, family= binomial, data= TikTok2025datr)summary (md04)
Call:
glm(formula = Q34r ~ S2r + Q2_1r + Q35r + AGEr + Q10r, family = binomial,
data = TikTok2025datr)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.97489 0.19009 -10.389 < 2e-16 ***
S2r1 -0.17035 0.12174 -1.399 0.161718
Q2_1r 0.04065 0.21675 0.188 0.851241
Q35r1 2.46876 0.12193 20.247 < 2e-16 ***
AGEr2 -0.14117 0.16341 -0.864 0.387632
AGEr3 -0.28770 0.17197 -1.673 0.094335 .
AGEr4 -0.07124 0.25633 -0.278 0.781067
AGEr5 -1.02497 0.29771 -3.443 0.000576 ***
Q10r2 1.01041 0.19937 5.068 4.02e-07 ***
Q10r3 1.40308 0.18983 7.391 1.46e-13 ***
Q10r4 0.86691 0.29632 2.926 0.003438 **
Q10r10 -0.48070 0.16235 -2.961 0.003068 **
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 2560.5 on 2132 degrees of freedom
Residual deviance: 1800.2 on 2121 degrees of freedom
(479 observations deleted due to missingness)
AIC: 1824.2
Number of Fisher Scoring iterations: 5
library (sjPlot)tab_model (md04, # 設定要顯示的資訊 show.se = TRUE , # 顯示標準誤 show.aic = TRUE , # 顯示AIC show.r2 = TRUE , # 顯示 (pseudo) R-square pred.labels = model_label4, #上自變數標籤 p.style= "stars" , # 以星號表示顯著程度 collapse.ci = FALSE , # 以獨立欄位顯示信賴區間 dv.labels = "Q34 台灣與中國未來必會統一" ,title = "模型四-加入控制變數（年紀與政黨偏好）" ,# 設定小數點的位數 digits= 3 , # 所有估計值的小數點位數 digits.p= 3 , # p值的小數點位數 # 線的樣式設計 CSS= list (css.topborder= "border-top:1px solid black;" ), # 欄位重新命名 string.pred = "解釋變數" ,string.ci = "信賴區間" ,string.se = "標準誤 (S.E.)" ,string.p= "顯著水準 (C.I.)" # file="analysisResult.html" #另存新檔
模型四-加入控制變數（年紀與政黨偏好）
Q34 台灣與中國未來必會統一
解釋變數
Odds Ratios
標準誤 (S.E.)
信賴區間
(Intercept)
0.139 ***
0.026
0.095 – 0.200
S2r:頻繁使用
0.843
0.103
0.664 – 1.070
Q2r:中國社群平台
1.041
0.226
0.678 – 1.587
Q35r:認同中國政府文化宣傳
11.808 ***
1.440
9.323 – 15.039
AGEr: 30-39歲
0.868
0.142
0.631 – 1.197
AGEr: 40-49歲
0.750
0.129
0.535 – 1.051
AGEr: 50-59歲
0.931
0.239
0.561 – 1.533
AGEr: 60歲及以上
0.359 ***
0.107
0.198 – 0.636
Q10r: 國民黨
2.747 ***
0.548
1.861 – 4.069
Q10r: 民眾黨
4.068 ***
0.772
2.811 – 5.919
Q10r: 其他小黨
2.380 **
0.705
1.326 – 4.242
Q10r: 都不支持
0.618 **
0.100
0.450 – 0.851
Observations
2133
R2 Tjur
0.348
AIC
1824.226
* p<0.05 ** p<0.01 *** p<0.001
#共線性檢定 library (car)vif (md04)
GVIF Df GVIF^(1/(2*Df))
S2r 1.041751 1 1.020662
Q2_1r 1.029770 1 1.014776
Q35r 1.056910 1 1.028061
AGEr 1.137488 4 1.016233
Q10r 1.159625 4 1.018684
模型四是在模型二之下加入控制變數（年紀與政黨偏好），且AIC值相對下降，說明模型四比起模型二是為相較好的模型。此外，在控制後可以看到在60歲以上區間、偏好國民黨與民眾黨的受訪者具有高度顯著性產生負向顯著結果（p<0.001）。似乎可以說明在政治支持的統一議題上與年紀、政黨偏好較有關聯，且核心探討變數使用中國社群平台的動機（Q35r）則會與產生產生高度支持未來統一相關，說明文化宣傳的認同程度對於改變受訪者的認知態度具有高度影響力。
勝算比圖(Odds Ratios)
library (sjPlot)plot_models (md01,md02,md03, md04, colors = "gs"
Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
ℹ Please use `linewidth` instead.
ℹ The deprecated feature was likely used in the sjPlot package.
Please report the issue at <https://github.com/strengejacke/sjPlot/issues>.
Ignoring unknown labels:
• shape : "p-level"
