library(haven)
library(dplyr)
library(stringr)
TEDS2024_indQ <- read_sav("C:/Users/jasen/Desktop/民意與資料研究/作業/專案/台灣民主化調查TEDS2024/台灣民主化調查TEDS2024/Independence/TEDS2024_indQ.sav")
save(TEDS2024_indQ, file = "TEDS2024_indQ.rda")
glimpse(TEDS2024_indQ)立法委員若具有空降者屬性，是否影響其在國會中的積極立法行為
研究問題
回顧台灣選舉歷史，候選人是否具有選區在地人的形象，成為左右政黨提名甚至是選戰是否勝選的關鍵。因此，若具有這樣屬性的候選人勝選成為立法委員後，為了爭取未來連任或提名的機會，是否會相對於其他在地人屬性的立委，在立法院有更多立法積極行為的展現？
根據盛杏湲(2000，2005)的研究顯示，選區利益以及政黨立場是驅動立法委員在立法院中，展現積極立法行為的兩個原因。
因此，本研究的研究問題為探究立法委員為該選區外來者即空降者，是否影響其在國會中的積極立法行為的程度?
資料描述
本研究採用<台灣民主化調查TEDS2024>資料。觀察值N為1206。
因，該資料統計到過去兩次立法委員選舉，選民為何選擇投票給某候選人，回答之中就包含了「候選人在立法院的表現」、「與候選人同鄉」等因素，對本研究<空降者立法委員是否展現立法積極行為>有數據上極大的幫助，就此選定該資料為本研究的數據來源。
library(sjlabelled)
TEDS2024_indQ <- read_sav("C:/Users/jasen/Desktop/民意與資料研究/作業/專案/台灣民主化調查TEDS2024/台灣民主化調查TEDS2024/Independence/TEDS2024_indQ.sav")
save(TEDS2024_indQ, file="TEDS2024_indQ.rda")
load("TEDS2024_indQ.rda")
nrow(TEDS2024_indQ) ##觀察值為1206[1] 1206names(TEDS2024_indQ) ##查看變數名稱str(TEDS2024_indQ) ##查看變數結構library(dplyr)
library(sjmisc)
N1TEDS2024_indQ <- TEDS2024_indQ %>% select(G6, I3a1, K1)%>%rename(v1 = G6, v2 = I3a1, v3 = K1) ##從原有資料選擇變數並重新命名
N1TEDS2024_indQ <- set_na(N1TEDS2024_indQ, na=c(91,92,93,94, 95,96,97,98,99,992,995,998,999)) ##清除無效值
sjmisc::frq(N1TEDS2024_indQ$v1) ##查看分佈狀態有人說: 「選區選出的立委，應該關注全國的利益。」也有人認為: 「選區選出的立委，應該關注選區的利益。」請問您比較同意哪一種說法? (x) <numeric>
# total N=1206 valid N=1117 mean=1.53 sd=0.50
Value | Label | N | Raw % | Valid % | Cum. %
---------------------------------------------------
1 | 全國的利益 | 529 | 43.86 | 47.36 | 47.36
2 | 選區的利益 | 588 | 48.76 | 52.64 | 100.00
<NA> | <NA> | 89 | 7.38 | <NA> | <NA>sjmisc::frq(N1TEDS2024_indQ$v2)請問您投給這位候選人的主要原因是什麼? (x) <numeric>
# total N=1206 valid N=922 mean=6.73 sd=9.43
Value | Label | N | Raw % | Valid % | Cum. %
-------------------------------------------------------------------
1 | 候選人在地方的選區服務 | 243 | 20.15 | 26.36 | 26.36
2 | 候選人代表的政黨 | 205 | 17.00 | 22.23 | 48.59
3 | 候選人的個人形象或理想 | 151 | 12.52 | 16.38 | 64.97
4 | 候選人在立法院的表現 | 18 | 1.49 | 1.95 | 66.92
5 | 候選人較有知名度 | 12 | 1.00 | 1.30 | 68.22
6 | 不喜歡其他候選人 | 35 | 2.90 | 3.80 | 72.02
7 | 不喜歡其他候選人政黨 | 9 | 0.75 | 0.98 | 72.99
8 | 家人、朋友支持 | 31 | 2.57 | 3.36 | 76.36
9 | 換人做做看 | 37 | 3.07 | 4.01 | 80.37
10 | 認識候選人（或家人） | 17 | 1.41 | 1.84 | 82.21
11 | 想改變現況 | 6 | 0.50 | 0.65 | 82.86
12 | 候選人執政經驗 | 24 | 1.99 | 2.60 | 85.47
13 | 喜歡該候選人 | 13 | 1.08 | 1.41 | 86.88
14 | 候選人年輕 | 6 | 0.50 | 0.65 | 87.53
16 | 候選人是女性 | 3 | 0.25 | 0.33 | 87.85
17 | 候選人有來拜票 | 1 | 0.08 | 0.11 | 87.96
18 | 該候選人民主素養好 | 3 | 0.25 | 0.33 | 88.29
19 | 該候選人是在地人 | 7 | 0.58 | 0.76 | 89.05
20 | 讓該政黨國會過半 | 5 | 0.41 | 0.54 | 89.59
21 | 世代交替 | 0 | 0.00 | 0.00 | 89.59
22 | 會照顧台灣人 | 1 | 0.08 | 0.11 | 89.70
23 | 別人說比較好 | 6 | 0.50 | 0.65 | 90.35
24 | 候選人政策較佳 | 32 | 2.65 | 3.47 | 93.82
25 | 周子瑜事件 | 0 | 0.00 | 0.00 | 93.82
26 | 所屬群體或組織支持該候選人 | 3 | 0.25 | 0.33 | 94.14
27 | 落實國會監督制衡 | 6 | 0.50 | 0.65 | 94.79
28 | 名人推薦或站台 | 1 | 0.08 | 0.11 | 94.90
29 | 促進族群團結 | 0 | 0.00 | 0.00 | 94.90
30 | 候選人所屬政黨人才多 | 0 | 0.00 | 0.00 | 94.90
31 | 候選人在服貿事件期間表現好 | 0 | 0.00 | 0.00 | 94.90
32 | 候選人總體條件較好 | 6 | 0.50 | 0.65 | 95.55
33 | 選比較不爛的 | 5 | 0.41 | 0.54 | 96.10
34 | 候選人的議題立場 | 2 | 0.17 | 0.22 | 96.31
35 | 候選人無黨籍 | 4 | 0.33 | 0.43 | 96.75
36 | 候選人專業能力 | 4 | 0.33 | 0.43 | 97.18
37 | 不希望候選人落選 | 0 | 0.00 | 0.00 | 97.18
38 | 其他候選人有負面新聞或形象 | 6 | 0.50 | 0.65 | 97.83
39 | 投給不會當選的人 | 4 | 0.33 | 0.43 | 98.26
40 | 與候選人同鄉 | 5 | 0.41 | 0.54 | 98.81
41 | 村、里、鄰長拜託 | 0 | 0.00 | 0.00 | 98.81
42 | 所支持的政黨支持該候選人 | 1 | 0.08 | 0.11 | 98.92
43 | 希望有第三勢力 | 2 | 0.17 | 0.22 | 99.13
44 | 與地方首長同黨 | 0 | 0.00 | 0.00 | 99.13
45 | 只知道該候選人 | 5 | 0.41 | 0.54 | 99.67
46 | 候選人教育程度高 | 1 | 0.08 | 0.11 | 99.78
47 | 候選人地方政治勢力 | 2 | 0.17 | 0.22 | 100.00
<NA> | <NA> | 284 | 23.55 | <NA> | <NA>sjmisc::frq(N1TEDS2024_indQ$v3)接著，我們想請您用0到10來表示您對於2020年選出的立法委員過去四年表現的看法，0表示您認為他(她)表現非常不好，10表示您認為他(她)表現非常好。請問您選區這一屆(2020年選出或2022、2023年補? (x) <numeric>
# total N=1206 valid N=1091 mean=5.43 sd=2.40
Value | Label | N | Raw % | Valid % | Cum. %
-----------------------------------------------------
0 | 表現非常不好 | 62 | 5.14 | 5.68 | 5.68
1 | 1 | 16 | 1.33 | 1.47 | 7.15
2 | 2 | 40 | 3.32 | 3.67 | 10.82
3 | 3 | 86 | 7.13 | 7.88 | 18.70
4 | 4 | 78 | 6.47 | 7.15 | 25.85
5 | 5 | 321 | 26.62 | 29.42 | 55.27
6 | 6 | 143 | 11.86 | 13.11 | 68.38
7 | 7 | 128 | 10.61 | 11.73 | 80.11
8 | 8 | 118 | 9.78 | 10.82 | 90.93
9 | 9 | 31 | 2.57 | 2.84 | 93.77
10 | 表現非常好 | 68 | 5.64 | 6.23 | 100.00
<NA> | <NA> | 115 | 9.54 | <NA> | <NA>##G6 有人說：「選區選出的立委，應該關注全國的利益。」也有人認為：「選區選出的立委，應該關注選區的利益。」請問您比較同意哪一種說法？
##01全國的利益 02選區的利益
table(N1TEDS2024_indQ$v1) ##查看尚未重新編碼前變數
1 2
529 588 lgstrBenefit<- rec(N1TEDS2024_indQ$v1, rec="1=0[全國];2=1[選區]", as.num = F) ##變數重新編碼
table(lgstrBenefit) ##查看重新編碼後變數lgstrBenefit
0 1
529 588 sjmisc::frq(lgstrBenefit) ##查看重新編碼後變數分佈有人說: 「選區選出的立委，應該關注全國的利益。」也有人認為: 「選區選出的立委，應該關注選區的利益。」請問您比較同意哪一種說法? (x) <categorical>
# total N=1206 valid N=1117 mean=0.53 sd=0.50
Value | Label | N | Raw % | Valid % | Cum. %
----------------------------------------------
0 | 全國 | 529 | 43.86 | 47.36 | 47.36
1 | 選區 | 588 | 48.76 | 52.64 | 100.00
<NA> | <NA> | 89 | 7.38 | <NA> | <NA>N1TEDS2024_indQ$v1 <- rec(N1TEDS2024_indQ$v1,rec="1=0[全國];2=1[選區]",as.num = F)
table(N1TEDS2024_indQ$v1)
0 1
529 588 sjmisc::frq(N1TEDS2024_indQ$v1) ##解決上列未讀入資料問題有人說: 「選區選出的立委，應該關注全國的利益。」也有人認為: 「選區選出的立委，應該關注選區的利益。」請問您比較同意哪一種說法? (x) <categorical>
# total N=1206 valid N=1117 mean=0.53 sd=0.50
Value | Label | N | Raw % | Valid % | Cum. %
----------------------------------------------
0 | 全國 | 529 | 43.86 | 47.36 | 47.36
1 | 選區 | 588 | 48.76 | 52.64 | 100.00
<NA> | <NA> | 89 | 7.38 | <NA> | <NA>##I3a1 請問您投給這位候選人的主要原因是什麼？
table(N1TEDS2024_indQ$v2) ##查看尚未重新編碼前變數
1 2 3 4 5 6 7 8 9 10 11 12 13 14 16 17 18 19 20 22
243 205 151 18 12 35 9 31 37 17 6 24 13 6 3 1 3 7 5 1
23 24 26 27 28 32 33 34 35 36 38 39 40 42 43 45 46 47
6 32 3 6 1 6 5 2 4 4 6 4 5 1 2 5 1 2 votereason2024 <- rec(N1TEDS2024_indQ$v2, rec = "002,003,005,006,007,008,009,011,013,014,016,018,021,023,025,028,029,030,031,032,033,035,037,038,039,042,043,045,046=0;004,012,020,024,027,034,036,044=1;001,010,017,019,022,026,040,041,047=2") ##變數重新編碼
table(votereason2024) ##查看重新編碼後變數votereason2024
0 1 2
552 91 279 sjmisc::frq(votereason2024) ##查看重新編碼後變數分佈請問您投給這位候選人的主要原因是什麼? (x) <numeric>
# total N=1206 valid N=922 mean=0.70 sd=0.90
Value | N | Raw % | Valid % | Cum. %
--------------------------------------
0 | 552 | 45.77 | 59.87 | 59.87
1 | 91 | 7.55 | 9.87 | 69.74
2 | 279 | 23.13 | 30.26 | 100.00
<NA> | 284 | 23.55 | <NA> | <NA>N1TEDS2024_indQ$v2 <- rec(N1TEDS2024_indQ$v2,rec = "002,003,005,006,007,008,009,011,013,014,016,018,021,023,025,028,029,030,031,032,033,035,037,038,039,042,043,045,046=0[不直接相關];
041,012,020,024,027,034,036,044=1[積極立法行為];
001,010,017,019,022,026,040,047=2[與地方連結程度]",as.num = T) ##解決上列未讀入資料問題##K1 接著，我們想請您用 0 到 10 來表示您對於2020年選出的立法委員過去四年表現的看法，0表示您認為他（她）表現非常不好，10表示您認為他（她）表現非常好。請問您選區這一屆（2020年選出或2022、2023年補選）的立法委員整體表現，您要給他（她）多少？
##表現非常不好0001020304050607080910表現非常好
table(N1TEDS2024_indQ$v3) ##查看尚未重新編碼前變數
0 1 2 3 4 5 6 7 8 9 10
62 16 40 86 78 321 143 128 118 31 68 lgstr2020Performance<- rec(N1TEDS2024_indQ$v3, rec = "0:3=0;4:6=5;7:10=10", as.num = F) ##變數重新編碼
table(lgstr2020Performance) ##查看重新編碼後變數lgstr2020Performance
0 5 10
204 542 345 sjmisc::frq(lgstr2020Performance) ##查看重新編碼後變數分佈接著，我們想請您用0到10來表示您對於2020年選出的立法委員過去四年表現的看法，0表示您認為他(她)表現非常不好，10表示您認為他(她)表現非常好。請問您選區這一屆(2020年選出或2022、2023年補? (x) <categorical>
# total N=1206 valid N=1091 mean=5.65 sd=3.49
Value | N | Raw % | Valid % | Cum. %
--------------------------------------
0 | 204 | 16.92 | 18.70 | 18.70
5 | 542 | 44.94 | 49.68 | 68.38
10 | 345 | 28.61 | 31.62 | 100.00
<NA> | 115 | 9.54 | <NA> | <NA>N1TEDS2024_indQ$v3 <- rec(N1TEDS2024_indQ$v3,rec = "0:3=0;4:6=5;7:10=10",as.num = F)
table(N1TEDS2024_indQ$v3)
0 5 10
204 542 345 sjmisc::frq(N1TEDS2024_indQ$v3) ##解決上列未讀入資料問題接著，我們想請您用0到10來表示您對於2020年選出的立法委員過去四年表現的看法，0表示您認為他(她)表現非常不好，10表示您認為他(她)表現非常好。請問您選區這一屆(2020年選出或2022、2023年補? (x) <categorical>
# total N=1206 valid N=1091 mean=5.65 sd=3.49
Value | N | Raw % | Valid % | Cum. %
--------------------------------------
0 | 204 | 16.92 | 18.70 | 18.70
5 | 542 | 44.94 | 49.68 | 68.38
10 | 345 | 28.61 | 31.62 | 100.00
<NA> | 115 | 9.54 | <NA> | <NA>save(N1TEDS2024_indQ, file="TEDS2024_indQ.rda") ##儲存新編碼之變數資料DV依變數：立法委員的積極立法行為
立法委員的積極立法行為定義定義方面，根據黃秀端（2008）的研究，立法委員的立法表現、問政質詢、出席率、預算審查與選民服務等，都可以作為評估依據。
IV自變數：立法委員是否屬於選區的空降者
空降者的定義方面，即該立委原戶籍並非在該選舉區，無論曾經是否為相同直轄市、縣市中的其他民意代表，而是因選戰目的，在投票日前一年至前四個月遷移戶籍至該選舉區。並且，新選區並非該立委父母故鄉、以及該立委的出生地以及求學地。
CV：控制變數
性別、教育程度、收入、政黨傾向等。
變數的整理與解釋
v1(選區立委應關注全國利益或選區利益)。
v2(2024區域立委投票理由)我將v2變數中裡眾多選項，用個人的分類方法重新整理、編碼，分別為:(0)不直接相關、(1)積極立法行為、(2)與地方連結程度。
v3(2020區域立委表現評分)。
若區域立委的屬性屬於空降者，是因選舉紅利為目的才至該選區參選並當選，多會在選舉期間飽受批評。由於，區域立委的選區經營本就時常涵蓋地方行程，因此，本研究關注的是空降者立委在立法院之中的立法行為是否會更為積極。
v1(選區立委應關注全國利益或選區利益)->v3(2020區域立委表現評分)。
選區立委關注全國利益或選區利益，成為選民對於立委是否有做事的衡量標準之一。
v2(2024區域立委投票理由)->v3(2020區域立委表現評分)&v1(選區立委應關注全國利益或選區利益)。
區域立委的本質上為國會議員，但台灣選民對於區域立委在地方建設、預算上的爭取，乃至修法影響日常起居的方方面面仍十分看重，這都說明了選民不單只看重區域立委與地方連結程度，甚至在國會中的積極立法行為也都是選民檢驗立委是否有在做事的一環，進而大大地影響了未來的選舉及提名。 而在v2之中，因為與地方連結程度而投票的選民仍舊存在，因此，空降者立委除了固有的地方經營外，在國會中也會力求積極表現，一方面慢慢累積地方實力，一方面展現外來者更積極的模樣。
研究假設(作業三)
H1: 立委應關注全國或選區利益與「選民對立委的表現評分」有關。
H2: 區域立委投票理由與「選民對立委的表現評分」有關。
H3: 區域立委投票理由與「立委應關注全國或選區利益」有關。
卡方檢定驗證
#H1立委應關注全國或選區利益與「選民對立委的表現評分」有關。
library(sjPlot)
tab_xtab(lgstrBenefit, lgstr2020Performance, 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")| 有人說: 「選區選出的立委，應該關注全國的利益。」也有人認為: 「選區選出的立委，應該關注選區的利益。」請問您比較同意哪一種說法? |
接著，我們想請您用0到10來表示您對於2020年選出的立法委員過去四年表現的看法，0表示您認為他(她)表現非常不好，10表示您認為他(她)表現非常好。請問您選區這一屆(2020年選出或2022、2023年補? | Total | ||
|---|---|---|---|---|
| 0 | 5 | 10 | ||
| 全國 | 97 19.9 % 49 % |
232 47.6 % 45.8 % |
158 32.4 % 48.5 % |
487 100 % 47.2 % |
| 選區 | 101 18.6 % 51 % |
275 50.6 % 54.2 % |
168 30.9 % 51.5 % |
544 100 % 52.8 % |
| Total | 198 19.2 % 100 % |
507 49.2 % 100 % |
326 31.6 % 100 % |
1031 100 % 100 % |
| χ2=0.886 · df=2 · Cramer's V=0.029 · p=0.642 | ||||
第一個假設：立委應關注全國或選區利益與「選民對立委的表現評分」有關，評分分為三種程度(0、5、10)。經過交叉分析後，P值顯示為0.642，因此此假設未達統計上的顯著水準，表示兩變數很可能不相關。
雖說此假設的分析結果沒有獲得統計上的有力支持，但仍提供本研究一些解釋。即，在三種對立法委員的評分下，都仍有過半的選民認同選區利益是選區立委更應該關注的重點。這也說明了選區的建設發展、社會福利爭取是較能夠讓選民衡量選區立委是否有做事的標準。
然而，由於P值過大沒有取得統計支持，我會認為是在全國利益的關注範圍本就涵蓋了選區。如，租屋補貼的預算刪減，因此，這樣屬於全國利益的爭取本就會影響到選區的利益，很難在兩者利益上做完全地切割，選民在回答上認知全國利益跟選區利益同樣重要時，可能就會更偏好選擇前者。
#H2區域立委投票理由與「選民對立委的表現評分」有關。
library(sjPlot)
tab_xtab(votereason2024, lgstr2020Performance, 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")| 請問您投給這位候選人的主要原因是什麼? | 接著，我們想請您用0到10來表示您對於2020年選出的立法委員過去四年表現的看法，0表示您認為他(她)表現非常不好，10表示您認為他(她)表現非常好。請問您選區這一屆(2020年選出或2022、2023年補? | Total | ||
|---|---|---|---|---|
| 0 | 5 | 10 | ||
| 0 | 110 21.8 % 72.4 % |
255 50.5 % 62.8 % |
140 27.7 % 46.5 % |
505 100 % 58.8 % |
| 1 | 8 9.1 % 5.3 % |
42 47.7 % 10.3 % |
38 43.2 % 12.6 % |
88 100 % 10.2 % |
| 2 | 34 12.8 % 22.4 % |
109 41 % 26.8 % |
123 46.2 % 40.9 % |
266 100 % 31 % |
| Total | 152 17.7 % 100 % |
406 47.3 % 100 % |
301 35 % 100 % |
859 100 % 100 % |
| χ2=34.326 · df=4 · Cramer's V=0.141 · p=0.000 | ||||
第二個假設：區域立委投票理由與「選民對立委的表現評分」有關，選民投票給區域立委理由分為三種類別((0)不直接相關、(1)積極立法行為、(2)與地方連結程度)；評分分為三種程度(0、5、10)。經過交叉分析後，P值顯示為0.000，此假設獲得統計上的支持。
分析結果顯示，將「選區立法委員與地方連結程度」視為投票原因的選民，占據將近三分之一的選民(31%)。而給予選區立委表現評分最好等級的選民中，有超過三分之一的選民(40.9%)最為重視立委與地方的連結，這也說明了本研究所提及的是否為在地人這項候選人屬性確實地會影響選民對於選區立委的信任，甚至可以說是區域立委選舉的入場券。
數據上尤為特別的是顯示在給予選區立委表現評分最差等級的選民之中，以積極立法行為為投票依歸的選民占比之低，僅占近百分之五(5.3%)。這也呼應了黃秀端(2008)提及的選民對於立委表現多關注地方建設爭取等實際看得到物品或金錢，並且對於立法委員表現的認知也多來自其關注之新聞媒體，幾乎難以實際掌握立委在國會之立法表現。根據此脈絡，本文提及會增加積極立法行為的區域立委，多為難以在與地方連結等先天屬性得利的空降者，才轉而在積極立法層面多為琢磨顯示更為積極的樣態，爭取認同。
#H3區域立委投票理由與「立委應關注全國或選區利益」有關。
library(sjPlot)
tab_xtab(votereason2024, lgstrBenefit, 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")| 請問您投給這位候選人的主要原因是什麼? | 有人說: 「選區選出的立委，應該關注全國的利益。」也有人認為: 「選區選出的立委，應該關注選區的利益。」請問您比較同意哪一種說法? |
Total | |
|---|---|---|---|
| 全國 | 選區 | ||
| 0 | 253 48.9 % 61.9 % |
264 51.1 % 57.1 % |
517 100 % 59.4 % |
| 1 | 49 55.7 % 12 % |
39 44.3 % 8.4 % |
88 100 % 10.1 % |
| 2 | 107 40.2 % 26.2 % |
159 59.8 % 34.4 % |
266 100 % 30.5 % |
| Total | 409 47 % 100 % |
462 53 % 100 % |
871 100 % 100 % |
| χ2=8.342 · df=2 · Cramer's V=0.098 · p=0.015 | |||
第三個假設：區域立委投票理由與「立委應關注全國或選區利益」有關。選民投票給區域立委理由分為三種類別((0)不直接相關、(1)積極立法行為、(2)與地方連結程度)；針對區域立委應關注的利益區分為全國性及選區性。經過交叉分析後，P值顯示為0.015，此假設獲得統計上的支持。
分析結果顯示，以「與地方連結程度」作為立法委員選舉投票主要標準的選民之中，有將近六成(59.8%)的選民認同區域立委應關注選區的利益，這一分析結果強化了「取之地方(地方連結紅利)，用之地方(爭取地方利益)」的既定印象。
與此同時，以「積極立法行為」作為立法委員選舉投票主要標準的選民中，也有過半(55.7%)的選民認為區域立委應更關注全國利益，這一數據強化了重視立委在國會立法行為的選民，更加認同全國性的利益爭取，如，財政分配的合理性、法條制定的程序正義、立法委員職權的落實情形等。因此，這部分的選民並非會以地方思維出發，而是更重視立法委員應在國會實踐的職權。
多重對應分析(作業四)
library(dplyr)
library(sjmisc)
TEDS2024forMCA <- select(TEDS2024_indQ, c(A3f1, B3, B5am11, B5am18, Q6c, Q17a, Q18a, P1c, Q25, Q16, Q4a)) #選取新變數
TEDS2024forMCA <- set_na(TEDS2024forMCA, na=c(91,92,93,94, 95,96,97,98,99)) #設定無效值
TEDS2024forMCA.nona <- na.omit(TEDS2024forMCA) #清除無效值
nrow(TEDS2024forMCA.nona) #觀察值477[1] 477額外選擇變數加入分析
設定新變數並清除無效值後，觀察值為477。
B5am11(請問您選區內的立委候選人或政黨有沒有透過這些人向您拉票？(11) 地方上有名望的人或家族)
B5am18(請問您選區內的立委候選人或政黨有沒有透過這些人向您拉票？(18) 宗親會)
Q17a(請問您是在哪一個縣市出生？)
Q18a(請問您是不是住在戶籍所在地？)
輔助用的連續變數
A3f1(那在一天之內，請問您多常使用臉書、推特或 LINE 來關注政黨和候選人的新聞？是一天僅一次、一天好幾次，還是一天十次以上？)
B3(請問您對這次選舉的競選過程關不關心？是非常關心、還算關心、不太關心，還是完全不關心？)
Q6c(請問您常不常參加宗教活動？)
輔助用的類別變數
P1c(請問是哪一個政黨？)
Q25(受訪者的性別？)
Q16(請問您家庭每個月總收入大約是多少：（包括薪資以外的其他收入，如房租、股利等等）)
Q4a(請問您的教育程度是什麼？)
#確認次數分析
par(mfrow=c(2,3))
for (i in 1:ncol(TEDS2024forMCA.nona)) {
plot(TEDS2024forMCA.nona[,i], main=colnames(TEDS2024forMCA.nona)[i],
ylab = "Count", col="steelblue", las = 2, ylim=c(0, 500))
}
par(mfrow=c(1,1)) #R程式內表格顯示正常，輸出後表格出現亂碼
library(FactoMineR)
library(factoextra)
names(TEDS2024forMCA.nona)
act_vars <- c(3,4,6,7)
TEDS2024forMCA.nona[act_vars] <-
lapply(TEDS2024forMCA.nona[act_vars], factor)
TEDS2024forMCA.nona[c(1,2,5)] <-
lapply(TEDS2024forMCA.nona[c(1,2,5)], as.numeric)
supp_quali <- 8:11
TEDS2024forMCA.nona[supp_quali] <-
lapply(TEDS2024forMCA.nona[supp_quali], factor)
res <- MCA(TEDS2024forMCA.nona, ncp = 10, quanti.sup = c(1,2,5), quali.sup = 8:11, graph = FALSE)
summary(res, nb.dec = 3, nbelements=10, nbind = 10,
ncp = 2, file="result2dim.txt") #儲存檔案
res$dimdesc <- dimdesc(res, axes = 1:10)
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=10) #繪製斜坡圖
有關變數解釋主要落在第一維度到第三維度之間，第四維度後的解釋力有明顯地下降。而前三維度中以第一維度解釋力最高，第二維度後有明顯下降的趨勢，但仍具有一定的解釋力。
#變數關聯分布
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(0,0.7), ylim=c(0, 0.65)) 
B5am11及B5am18皆為詢問受訪者該選區的立法委員候選人是否有透過特定人士、團體來向其拉票，分別為特定地方頭人、家族及宗親會。
在此變數關聯分布圖上可見上述兩變數更為靠近x軸，但又遠離了原點，因此能將B5am11及B5am18視為組成第一維度的主要變數。
而變數Q18a為詢問受訪者是否居住在戶籍地，分布圖上則更為靠近y軸，因此，能將Q18a視為主要組成第二維度的變數。
#拉近
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(0,0.025), ylim=c(0, 0.05))
Q6c參加宗教活動頻率、B3對選舉競選過程關心程度、A3f1一天內使用社群軟體關心政黨、候選人新聞頻率，設定為本研究之輔助性的連續變數。
Q25性別、P1c政黨傾向、Q16家庭收入等級、Q4a教育程度，皆設定為本研究之輔助性的類別變數。
本研究原先預想上述三種設定之輔助性連續變數(參加宗教活動頻率、對選舉競選過程關心程度一天內使用社群軟體關心政黨、候選人新聞頻率、)，會強化選民對於立法委員是否為在地人的想像。然而，透過變數關聯性分布圖的顯示，三種輔助性連續變數皆相對靠近原點，因此，這一些變數的解釋力確實如同設定一般，僅能作為輔助性的變數來看待。
#變數類別關係圖
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,
selectMod = "cos2 70",
invisible=c("ind", "quali.sup"),
xlim=c(-1.2,1.2), ylim=c(-0.6,2),
autoLab = "yes",
#title="Distribution of Elements on the MCA Factor Map")
title="") 
#檢視維度貢獻
library(factoextra)
fviz_contrib(res, choice ="var", axes = 1)
fviz_contrib(res, choice ="var", axes = 2)
以上兩個圖表顯示在第一及第二維度中，分別有哪些變數對兩個維度有明顯的貢獻。
首先，在第一維度之中，可以看出有四個變數有明顯的貢獻來組成第一維度，包含了:選區中立法委員候選人有透過特定地方頭人、家族拉票(B5am11_1)、選區中立法委員候選人有透過宗親會拉票(B5am18_1)、受訪者出生在連江縣(Q17a_30)、桃園縣(Q17a_68)。
再者，在第二維度之中，觀察到有五個變數超越平均值，又以受訪者不是居住在戶籍地(Q18a_2)以及受訪者出生在嘉義市(Q17a_20)具有對第二維度的明顯貢獻。
#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(-0.5,0.5),
invisible=c("quali.sup", "var"),
#title="The Distribution of Individuals on the MCA Factor Map")
title="")
橢圓圖
library(FactoMineR)
plotellipses(res, keepvar=c("B5am11"), magnify = 5, lwd = 4, label = "var") #立委候選人有透過特定地方頭人、家族拉票
plotellipses(res, keepvar=c("B5am18"), magnify = 5, lwd = 4, label = "var") #立委候選人有透過宗親會拉票
plotellipses(res, keepvar=c("Q17a"), magnify = 5, lwd = 4, label = "var") #選民出生在哪個縣市
plotellipses(res, keepvar=c("Q18a"), magnify = 5, lwd = 4, label = "var") #選民是否居住在戶籍地
#輔助連續型變數的影響值
plot(res, axes=c(1, 2), new.plot=TRUE, choix="quanti.sup",
col.quanti.sup="blue", label=c("quanti.sup"),
# title="Quantitative Supplementary Variables")
title="Quantitative Supplementary Variables")
#選民政黨傾向分布圖
library(factoextra)
plotellipses(res, keepvar = c("P1c"), label="ind.sup")
#選民收入程度分布圖
library(factoextra)
plotellipses(res, keepvar = c("Q16"), label="ind.sup")
二元勝算對數模型(作業五)
驗證H1:選民對立法委員應關注的利益尺度該為全國性或是選區性的認知，會影響其未來對立委表現的評分。若認知立委應關注的利益尺度為選區性，未來其對立委表現評分則越高。
N1TEDS2024_indQ$lgstr2020Performance <- sjmisc::rec(N1TEDS2024_indQ$v3,rec = "0:3=0;4:6=5;7:10=10",
as.num=T) #將立委表現評分轉換成數值N1TEDS2024_indQ$v3_num<-as.numeric(as.character(N1TEDS2024_indQ$v3))
table(N1TEDS2024_indQ$v3_num, useNA="ifany") #觀察三種評分的分配狀況
0 5 10 <NA>
204 542 345 115 N1TEDS2024_indQ$legRate_high<-ifelse(N1TEDS2024_indQ$v3_num >=7, 1, 0)
table(N1TEDS2024_indQ$legRate_high, useNA="ifany") #將對立委評分的三個等級0-3、4-6、7-10區編碼為低評分0、高評分1
0 1 <NA>
746 345 115 model_H1 <- glm(legRate_high ~ v1, family=binomial, data=N1TEDS2024_indQ)
summary(model_H1)
Call:
glm(formula = legRate_high ~ v1, family = binomial, data = N1TEDS2024_indQ)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.73346 0.09679 -7.578 3.52e-14 ***
v11 -0.07216 0.13409 -0.538 0.59
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1286.6 on 1030 degrees of freedom
Residual deviance: 1286.3 on 1029 degrees of freedom
(175 observations deleted due to missingness)
AIC: 1290.3
Number of Fisher Scoring iterations: 4exp(coef(model_H1)) #驗證假設一(Intercept) v11
0.4802432 0.9303797 library(sjPlot)
tab_model(model_H1,
# 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
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
# 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.)" #假設一製圖
)| legRate_high | |||
| 解釋變數 | Odds Ratios | 標準誤 (S.E.) | 信賴區間 |
| (Intercept) | 0.480 *** | 0.046 | 0.396 – 0.579 |
| 有人說: 「選區選出的立委，應該關注全國的利益。」也有人認為: 「選區選出的立委，應該關注選區的利益。」請問您比較同意哪一種說法?: 選區 |
0.930 | 0.125 | 0.715 – 1.210 |
| Observations | 1031 | ||
| R2 Tjur | 0.000 | ||
| AIC | 1290.337 | ||
| * p<0.05 ** p<0.01 *** p<0.001 | |||
假設一(選民對立法委員應關注的利益尺度該為全國性或是選區性的認知，會影響其未來對立委表現的評分。若認知立委應關注的利益尺度為選區性，未來其對立委表現評分則越高。)的驗證。為了分析選民對於立委的表現評分，因此將原本分成三種程度的分類方式，改編碼成高評分(7-10)、低評分(0-6)。
p-value顯示為0.59，大於0.05。二元勝算比指數顯示為0.930，信賴區間橫跨0.715至1.210。
因此，代表不具有統計上的顯著性，並且該假設未獲得支持，可能說明了，未必是立法委員應關注的利益尺度為選區性的認知會導致選民對評價立委為高評分，立法委員應關注的利益尺度為全國性的認知也可能導致立委獲得高評分。
驗證H2:選民在立法委員選舉的投票理由，會影響其未來對立委表現的評分。無論理由是立法積極行為或是立委與在地連結程度，後續立委的表現越吻合投票理由，獲得的評分就越高，反之評分越低。
model_H2 <- glm(legRate_high ~ v2, family=binomial, data=N1TEDS2024_indQ)
summary(model_H2)
Call:
glm(formula = legRate_high ~ v2, family = binomial, data = N1TEDS2024_indQ)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.95335 0.09746 -9.782 < 2e-16 ***
v2 0.40510 0.07886 5.137 2.79e-07 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1084.4 on 841 degrees of freedom
Residual deviance: 1057.9 on 840 degrees of freedom
(364 observations deleted due to missingness)
AIC: 1061.9
Number of Fisher Scoring iterations: 4exp(coef(model_H2)) #驗證假設二(Intercept) v2
0.3854494 1.4994556 library(sjPlot)
tab_model(model_H2,
# 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
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
# 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.)" #假設二製圖
)| legRate_high | |||
| 解釋變數 | Odds Ratios | 標準誤 (S.E.) | 信賴區間 |
| (Intercept) | 0.385 *** | 0.038 | 0.318 – 0.465 |
| 請問您投給這位候選人的主要原因是什麼? | 1.499 *** | 0.118 | 1.285 – 1.751 |
| Observations | 842 | ||
| R2 Tjur | 0.032 | ||
| AIC | 1061.851 | ||
| * p<0.05 ** p<0.01 *** p<0.001 | |||
假設二(選民在立法委員選舉的投票理由，會影響其未來對立委表現的評分。無論理由是立法積極行為或是立委與在地連結程度，後續立委的表現越吻合投票理由，獲得的評分就越高，反之評分越低。)的驗證。
p-value顯示為0，小於0.05。二元勝算比指數顯示為1.499，有三顆星的強力顯著，具有明顯的影響，信賴區間橫跨1.285至1.751。
因此，代表具有統計上的顯著性，並且該假設獲得支持。
由此可知，選民對在立法委員的投票理由，會影響未來對於立委表現的評分。說明了選民的投票理由:立委的積極立法行為以及與地方的連結程度，與後續立委的表現越吻合時，選民越會給予高度評分，反之則給予低評分。也間接說明了，選民並非健忘的人，而是時刻關注立委的一言一行是否與當初其投票的理由吻合，選民若是因為立委與地方的連結程度投下一票，在後續對立委的政治評價，更多會關注是否持續關注地方、參與地方。
驗證H3:選民在立法委員選舉的投票理由，會影響其對立法委員應關注的利益尺度該為全國性或是選區性的認知。若投票理由為立法積極行為，認知立委應關注的利益尺度為全國性；若投票理由為立委與在地的連結，則認知立委應關注的利益尺度為選區性。
model_H3 <- glm(v1 ~ v2, family=binomial, data=N1TEDS2024_indQ)
summary(model_H3)
Call:
glm(formula = v1 ~ v2, family = binomial, data = N1TEDS2024_indQ)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 0.01315 0.08659 0.152 0.8793
v2 0.16192 0.07577 2.137 0.0326 *
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1180.5 on 853 degrees of freedom
Residual deviance: 1175.9 on 852 degrees of freedom
(352 observations deleted due to missingness)
AIC: 1179.9
Number of Fisher Scoring iterations: 4exp(coef(model_H3)) #驗證假設三(Intercept) v2
1.013241 1.175764 library(sjPlot)
tab_model(model_H3,
# 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
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
# 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.)" #假設三製圖
)| 有人說: 「選區選出的立委，應該關注全國的利益。」也有人認為: 「選區選出的立委，應該關注選區的利益。」請問您比較同意哪一種說法? |
|||
| 解釋變數 | Odds Ratios | 標準誤 (S.E.) | 信賴區間 |
| (Intercept) | 1.013 | 0.088 | 0.855 – 1.201 |
| 請問您投給這位候選人的主要原因是什麼? | 1.176 * | 0.089 | 1.014 – 1.365 |
| Observations | 854 | ||
| R2 Tjur | 0.005 | ||
| AIC | 1179.885 | ||
| * p<0.05 ** p<0.01 *** p<0.001 | |||
假設三(選民在立法委員選舉的投票理由，會影響其對立法委員應關注的利益尺度該為全國性或是選區性的認知。若投票理由為立法積極行為，認知立委應關注的利益尺度為全國性；若投票理由為立委與在地的連結，則認知立委應關注的利益尺度為選區性。)的驗證。
p-value顯示為0.032，小於0.05。二元勝算比指數顯示為1.176，有一顆星的顯著，信賴區間橫跨1.014至1.365。
因此，代表具有統計上的顯著性，並且該假設獲得支持。
由此可知，選民在立法委員選舉的投票理由，同時也會是選民對於立法委員所應扮演何種角色的一種期待。說明了若選民的投票理由為立法積極行為，則選民認知立委應關注的利益尺度為全國性；若選民投票理由為立委與在地的連結，則認知立委應關注的利益尺度為選區性。
因此，選民對立法委員的期待，不論是扮演地方代表替地方發聲的爭取者形象，或是，擁有立法專業在全國性議題上通盤檢驗的代議士形象，都源自選民當初蓋下神聖一票的意志投射。
參考資料
盛杏湲（2000）。政黨或選區？立法委員的代表取向與行為。選舉研究，7(2)，37-73。
盛杏湲（2005）。選區代表與集體代表：立法委員的代表角色。東吳政治學報，21，1-40。
黃秀端（2008）。國會監督、立委表現與選舉課責。臺灣民主季刊，5(1)，161-169。