民調作業

Quarto

TikTok最早於2016年在中國以「抖音」的形式上線，並於2017年推出國際版，迅速在全球各地獲得爆炸性的流行。這款短影音平台以其演算法推播機制、創新的影音剪輯功能與社群互動特性，成功吸引大量使用者，尤其是年輕族群。然而，隨著TikTok使用人口的急遽上升，其所引發的社會問題也逐漸浮現。

其中一項引人關注的現象，是部分TikTok影片帶來的「負面模仿效應」。使用者為了追求觀看數與社群關注，往往會模仿甚至誇大危險、暴力或違法的挑戰行為。像是近年社會上出現的「抖音挑戰」相關事件——例如「乾哥割喉案」——即顯示出影音內容對特定族群行為的潛在影響力。這類事件引發社會輿論對TikTok的批評，也促使學界思考短影音文化與社會行為之間的關係。

基於此，本研究計畫希望聚焦於以下幾個面向進行探討：首先，TikTok的使用者結構是否呈現出「學歷較低」與「社會地位較低」的特徵？這樣的社會分層現象可能與平台的內容風格、演算法推播機制，以及使用者的娛樂需求密切相關。其次，研究將探討這些使用者是否因缺乏足夠的「媒體識讀能力」（media literacy），而難以區辨真實與虛構、理性行為與危險挑戰之間的界線。最後，本研究也將延伸分析，TikTok的資訊傳播方式是否可能加劇「群體極化」現象，使特定觀點、行為或文化價值在同溫層中被不斷強化，進而影響社會的整體輿論結構與公共理性。

換言之，本研究不僅關注TikTok作為一種新興媒介的娛樂功能，更希望理解它如何在特定社會階層中運作、如何形塑個體的媒體行為，以及它可能對社會秩序與公共意識帶來的挑戰。透過對使用者特質、媒體識讀能力與社會影響的系統性分析，期望能更全面地揭示TikTok現象背後的社會心理與階級文化意涵。

因為上述所要研究的專題是TikTok使用者是否呈現「學歷較低」與「社會地位較低」的特徵？因此其變數為教育程度、社會地位、、年齡、性別。將變數列出來後，再去根據媒體釋讀的能力、、負面模仿效應、群體極化的現象等研究問題去做深入探討是否結果會跟我所做的假設相關。

https://quarto.org.

Running Code

When you click the Render button a document will be generated that includes both content and the output of embedded code. You can embed code like this:

library(readxl)
library(dplyr)

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

library(tidyr)
library(sjmisc)

Attaching package: 'sjmisc'

The following object is masked from 'package:tidyr':

    replace_na

library(sjlabelled)

Attaching package: 'sjlabelled'

The following object is masked from 'package:dplyr':

    as_label

library(gmodels)

tiktok <- read_excel("民主實驗室TikTok使用者網路調查_資料檔0326.xlsx",
                     col_names = TRUE)

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'

str(tiktok)

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 ...

names(tiktok)

 [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"            

# S0 請問您的西元出生年次 
frq(tiktok$S0)

x <numeric> 
# total N=2612 valid N=2612 mean=26.08 sd=10.91

Value |   N | Raw % | Valid % | Cum. %
--------------------------------------
    2 |   3 |  0.11 |    0.11 |   0.11
    3 |   4 |  0.15 |    0.15 |   0.27
    4 |   3 |  0.11 |    0.11 |   0.38
    5 |   2 |  0.08 |    0.08 |   0.46
    6 |  11 |  0.42 |    0.42 |   0.88
    7 |  15 |  0.57 |    0.57 |   1.45
    8 |  28 |  1.07 |    1.07 |   2.53
    9 |  28 |  1.07 |    1.07 |   3.60
   10 |  21 |  0.80 |    0.80 |   4.40
   11 |  40 |  1.53 |    1.53 |   5.93
   12 |  90 |  3.45 |    3.45 |   9.38
   13 |  55 |  2.11 |    2.11 |  11.49
   14 |  65 |  2.49 |    2.49 |  13.97
   15 |  53 |  2.03 |    2.03 |  16.00
   16 |  81 |  3.10 |    3.10 |  19.10
   17 |  97 |  3.71 |    3.71 |  22.82
   18 |  72 |  2.76 |    2.76 |  25.57
   19 |  83 |  3.18 |    3.18 |  28.75
   20 |  83 |  3.18 |    3.18 |  31.93
   21 | 111 |  4.25 |    4.25 |  36.18
   22 |  95 |  3.64 |    3.64 |  39.82
   23 |  91 |  3.48 |    3.48 |  43.30
   24 | 125 |  4.79 |    4.79 |  48.09
   25 | 105 |  4.02 |    4.02 |  52.11
   26 |  89 |  3.41 |    3.41 |  55.51
   27 | 112 |  4.29 |    4.29 |  59.80
   28 |  84 |  3.22 |    3.22 |  63.02
   29 |  98 |  3.75 |    3.75 |  66.77
   30 |  84 |  3.22 |    3.22 |  69.98
   31 | 109 |  4.17 |    4.17 |  74.16
   32 |  91 |  3.48 |    3.48 |  77.64
   33 |  66 |  2.53 |    2.53 |  80.17
   34 |  72 |  2.76 |    2.76 |  82.92
   35 |  45 |  1.72 |    1.72 |  84.65
   36 |  39 |  1.49 |    1.49 |  86.14
   37 |  22 |  0.84 |    0.84 |  86.98
   38 |  21 |  0.80 |    0.80 |  87.79
   39 |  33 |  1.26 |    1.26 |  89.05
   40 |  17 |  0.65 |    0.65 |  89.70
   41 |  25 |  0.96 |    0.96 |  90.66
   42 |  23 |  0.88 |    0.88 |  91.54
   43 |  12 |  0.46 |    0.46 |  92.00
   44 |  19 |  0.73 |    0.73 |  92.73
   45 |  15 |  0.57 |    0.57 |  93.30
   46 |   8 |  0.31 |    0.31 |  93.61
   47 |  18 |  0.69 |    0.69 |  94.30
   48 |  15 |  0.57 |    0.57 |  94.87
   49 |  15 |  0.57 |    0.57 |  95.44
   50 |  12 |  0.46 |    0.46 |  95.90
   51 |  10 |  0.38 |    0.38 |  96.29
   52 |  18 |  0.69 |    0.69 |  96.98
   53 |  14 |  0.54 |    0.54 |  97.51
   54 |  10 |  0.38 |    0.38 |  97.89
   55 |   9 |  0.34 |    0.34 |  98.24
   56 |  15 |  0.57 |    0.57 |  98.81
   57 |   8 |  0.31 |    0.31 |  99.12
   58 |  23 |  0.88 |    0.88 | 100.00
 <NA> |   0 |  0.00 |    <NA> |   <NA>

tiktok$thisyear <- 2025
tiktok$ages <- tiktok$thisyear - tiktok$S0

tiktok$S0.new <- rec(tiktok$S0, rec = "else=copy")
tiktok$S0.enw <- rec(tiktok$S0,
                     rec = "2:12=1 [2000s]; 13:22=2 [1990s]; else=3")
frq(tiktok$S0.enw)

x <numeric> 
# total N=2612 valid N=2612 mean=2.51 sd=0.66

Value | Label |    N | Raw % | Valid % | Cum. %
-----------------------------------------------
    1 | 2000s |  245 |  9.38 |    9.38 |   9.38
    2 | 1990s |  795 | 30.44 |   30.44 |  39.82
    3 |     3 | 1572 | 60.18 |   60.18 | 100.00
 <NA> |  <NA> |    0 |  0.00 |    <NA> |   <NA>

# S1 請問您最近一年有多常使用TikTok抖音？
tiktok$S1.new <- rec(
  tiktok$S1,
  rec = "
    1=1 [從來沒有];
    2=2 [很少使用];
    3=3 [每週數次];
    4=4 [每天一次];
    5=5 [每天好幾次];
    else=NA",
  var.label = "最近一年使用TikTok頻率",
  as.num = TRUE
)
frq(tiktok$S1.new)

最近一年使用TikTok頻率 (x) <numeric> 
# total N=2612 valid N=2612 mean=2.93 sd=1.41

Value |      Label |   N | Raw % | Valid % | Cum. %
---------------------------------------------------
    1 |   從來沒有 | 477 | 18.26 |   18.26 |  18.26
    2 |   很少使用 | 689 | 26.38 |   26.38 |  44.64
    3 |   每週數次 | 579 | 22.17 |   22.17 |  66.81
    4 |   每天一次 | 286 | 10.95 |   10.95 |  77.76
    5 | 每天好幾次 | 581 | 22.24 |   22.24 | 100.00
 <NA> |       <NA> |   0 |  0.00 |    <NA> |   <NA>

# S2 請問您平常單次使用TikTok抖音大概的時間長度？
tiktok$S2.new <- rec(
  tiktok$S2,
  rec = "
    1=1 [10分鐘以內];
    2=2 [10-30分鐘以內];
    3=3 [30分鐘至1小時以內];
    4=4 [1-3小時以內];
    5=5 [3小時(含)以上];
    else=NA",
  var.label = "單次使用TikTok時長",
  as.num = TRUE
)
frq(tiktok$S2.new)

單次使用TikTok時長 (x) <numeric> 
# total N=2612 valid N=2135 mean=2.38 sd=1.10

Value |             Label |   N | Raw % | Valid % | Cum. %
----------------------------------------------------------
    1 |        10分鐘以內 | 531 | 20.33 |   24.87 |  24.87
    2 |     10-30分鐘以內 | 687 | 26.30 |   32.18 |  57.05
    3 | 30分鐘至1小時以內 | 579 | 22.17 |   27.12 |  84.17
    4 |       1-3小時以內 | 255 |  9.76 |   11.94 |  96.11
    5 |     3小時(含)以上 |  83 |  3.18 |    3.89 | 100.00
 <NA> |              <NA> | 477 | 18.26 |    <NA> |   <NA>

# Q1 請問您平時日常生活中主要使用下列哪些社群平台/社群軟體？（複選最多五個） 
tiktok_long_Q1 <- tiktok %>%
  pivot_longer(
    cols = Q1_1:Q1_5,
    names_to = "選擇次序",
    values_to = "平台代碼"
  ) %>%
  mutate(
    平台 = rec(
      平台代碼,
      rec = "
        1=1 [臉書(Facebook)];
        2=2 [YouTube];
        3=3 [Instagram];
        4=4 [推特(Twitter)];
        5=5 [Threads];
        6=6 [Dcard];
        7=7 [PTT];
        8=8 [微博];
        9=9 [TikTok抖音];
        10=10 [LINE];
        11=11 [臉書聊天室(Messenger)];
        12=12 [小紅書];
        13=13 [微信(WeChat)];
        90=90 [其它];
        else=NA",
      var.label = "平常主要使用哪些社群平台/軟體",
      as.num = TRUE
    )
  )
frq(tiktok_long_Q1$平台)

平常主要使用哪些社群平台/軟體 (x) <numeric> 
# total N=13060 valid N=9815 mean=6.02 sd=4.45

Value |                 Label |    N | Raw % | Valid % | Cum. %
---------------------------------------------------------------
    1 |        臉書(Facebook) | 1441 | 11.03 |   14.68 |  14.68
    2 |               YouTube | 1445 | 11.06 |   14.72 |  29.40
    3 |             Instagram |  982 |  7.52 |   10.01 |  39.41
    4 |         推特(Twitter) |  222 |  1.70 |    2.26 |  41.67
    5 |               Threads |  547 |  4.19 |    5.57 |  47.24
    6 |                 Dcard |  550 |  4.21 |    5.60 |  52.85
    7 |                   PTT |  715 |  5.47 |    7.28 |  60.13
    8 |                  微博 |  136 |  1.04 |    1.39 |  61.52
    9 |            TikTok抖音 | 1027 |  7.86 |   10.46 |  71.98
   10 |                  LINE | 1880 | 14.40 |   19.15 |  91.14
   11 | 臉書聊天室(Messenger) |  460 |  3.52 |    4.69 |  95.82
   12 |                小紅書 |  232 |  1.78 |    2.36 |  98.19
   13 |          微信(WeChat) |  170 |  1.30 |    1.73 |  99.92
   90 |                  其它 |    8 |  0.06 |    0.08 | 100.00
 <NA> |                  <NA> | 3245 | 24.85 |    <NA> |   <NA>

# 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） 
tiktok_long_Q2 <- tiktok %>%
  pivot_longer(
    cols = Q2_1:Q2_3,
    names_to = "選擇次序",
    values_to = "訊息來源代碼"
  ) %>%
  mutate(
    訊息來源 = rec(
      訊息來源代碼,
      rec = "
        1=1 [臉書(Facebook)];
        2=2 [YouTube];
        3=3 [Instagram];
        4=4 [推特(Twitter)];
        5=5 [Threads];
        6=6 [Dcard];
        7=7 [PTT];
        8=8 [微博];
        9=9 [TikTok抖音];
        10=10 [LINE];
        11=11 [臉書聊天室(Messenger)];
        12=12 [小紅書];
        13=13 [微信(WeChat)];
        90=90 [其它];
        else=NA",
      var.label = "過去一年來常從哪些管道得知政治或公共議題相關訊息",
      as.num = TRUE
    )
  )
frq(tiktok_long_Q2$訊息來源)

過去一年來常從哪些管道得知政治或公共議題相關訊息 (x) <numeric> 
# total N=7836 valid N=4624 mean=6.08 sd=5.82

Value |                 Label |    N | Raw % | Valid % | Cum. %
---------------------------------------------------------------
    1 |        臉書(Facebook) |  873 | 11.14 |   18.88 |  18.88
    2 |               YouTube |  756 |  9.65 |   16.35 |  35.23
    3 |             Instagram |  228 |  2.91 |    4.93 |  40.16
    4 |         推特(Twitter) |   96 |  1.23 |    2.08 |  42.24
    5 |               Threads |  271 |  3.46 |    5.86 |  48.10
    6 |                 Dcard |  227 |  2.90 |    4.91 |  53.01
    7 |                   PTT |  438 |  5.59 |    9.47 |  62.48
    8 |                  微博 |   64 |  0.82 |    1.38 |  63.86
    9 |            TikTok抖音 |  382 |  4.87 |    8.26 |  72.12
   10 |                  LINE |  514 |  6.56 |   11.12 |  83.24
   11 | 臉書聊天室(Messenger) |  518 |  6.61 |   11.20 |  94.44
   12 |                小紅書 |  157 |  2.00 |    3.40 |  97.84
   13 |          微信(WeChat) |   88 |  1.12 |    1.90 |  99.74
   90 |                  其它 |   12 |  0.15 |    0.26 | 100.00
 <NA> |                  <NA> | 3212 | 40.99 |    <NA> |   <NA>

# Q3 您由（上一題所勾選之管道）接收的政治與公共相關資訊，大多是來自於誰的觀點？（複選最多三個） 
tiktok_long_Q3 <- tiktok %>%
  pivot_longer(
    cols = Q3_1:Q3_3,
    names_to = "選擇次序",
    values_to = "資訊來源代碼"
  ) %>%
  mutate(
    資訊來源 = rec(
      資訊來源代碼,
      rec = "
        1=1 [新聞媒體與新聞台];
        2=2 [社群平台的KOL(網紅)或粉專];
        3=3 [某政治人物本身];
        4=4 [名嘴或時事評論員];
        5=5 [親朋好友];
        6=6 [點頭之交];
        7=7 [通常不會注意訊息是由誰發布];
        90=90 [其它];
        else=NA",
      var.label = "政治與公共相關資訊主要來自誰的觀點",
      as.num = TRUE
    )
  )
frq(tiktok_long_Q3$資訊來源)

政治與公共相關資訊主要來自誰的觀點 (x) <numeric> 
# total N=7836 valid N=4782 mean=3.09 sd=4.24

Value |                      Label |    N | Raw % | Valid % | Cum. %
--------------------------------------------------------------------
    1 |           新聞媒體與新聞台 | 1706 | 21.77 |   35.68 |  35.68
    2 |  社群平台的KOL(網紅)或粉專 |  762 |  9.72 |   15.93 |  51.61
    3 |             某政治人物本身 |  483 |  6.16 |   10.10 |  61.71
    4 |           名嘴或時事評論員 |  631 |  8.05 |   13.20 |  74.91
    5 |                   親朋好友 |  742 |  9.47 |   15.52 |  90.42
    6 |                   點頭之交 |   78 |  1.00 |    1.63 |  92.05
    7 | 通常不會注意訊息是由誰發布 |  371 |  4.73 |    7.76 |  99.81
   90 |                       其它 |    9 |  0.11 |    0.19 | 100.00
 <NA> |                       <NA> | 3054 | 38.97 |    <NA> |   <NA>

# Q4 請問在上述這些政治與公共相關觀點來源中，哪一個是您最為信賴的？
tiktok$Q4.new <- rec(
  tiktok$Q4,
  rec = "
        1=1 [新聞媒體與新聞台];
        2=2 [社群平台的KOL(網紅)或粉專];
        3=3 [某政治人物本身];
        4=4 [名嘴或時事評論員];
        5=5 [親朋好友];
        6=6 [點頭之交];
        7=7 [沒有可以信賴的];
        90=90 [其它];
        else=NA",
      var.label = "最近賴哪一個政治與公共相關觀點來源",
      as.num = TRUE
)
frq(tiktok$Q4.new)

最近賴哪一個政治與公共相關觀點來源 (x) <numeric> 
# total N=2612 valid N=2612 mean=4.06 sd=6.13

Value |                     Label |   N | Raw % | Valid % | Cum. %
------------------------------------------------------------------
    1 |          新聞媒體與新聞台 | 971 | 37.17 |   37.17 |  37.17
    2 | 社群平台的KOL(網紅)或粉專 | 214 |  8.19 |    8.19 |  45.37
    3 |            某政治人物本身 | 121 |  4.63 |    4.63 |  50.00
    4 |          名嘴或時事評論員 | 148 |  5.67 |    5.67 |  55.67
    5 |                  親朋好友 | 372 | 14.24 |   14.24 |  69.91
    6 |                  點頭之交 |  28 |  1.07 |    1.07 |  70.98
    7 |            沒有可以信賴的 | 747 | 28.60 |   28.60 |  99.58
   90 |                      其它 |  11 |  0.42 |    0.42 | 100.00
 <NA> |                      <NA> |   0 |  0.00 |    <NA> |   <NA>

# Q5 沒有辦法上網時，您會很想上網。
tiktok$Q5.new <- rec(
  tiktok$Q5,
  rec = "
    1=1 [非常不同意];
    2=2 [不同意];
    3=3 [普通];
    4=4 [同意];
    5=5 [非常同意];
    else=NA",
  var.label = "對網路的依賴性",
  as.num = TRUE
)
frq(tiktok$Q5.new)

對網路的依賴性 (x) <numeric> 
# total N=2612 valid N=2612 mean=3.86 sd=0.88

Value |      Label |    N | Raw % | Valid % | Cum. %
----------------------------------------------------
    1 | 非常不同意 |   32 |  1.23 |    1.23 |   1.23
    2 |     不同意 |   99 |  3.79 |    3.79 |   5.02
    3 |       普通 |  728 | 27.87 |   27.87 |  32.89
    4 |       同意 | 1087 | 41.62 |   41.62 |  74.50
    5 |   非常同意 |  666 | 25.50 |   25.50 | 100.00
 <NA> |       <NA> |    0 |  0.00 |    <NA> |   <NA>

# Q6 您會因為不能使用網路而感到沮喪、心情不好、或覺得緊張，但是只要能上網，這些情況就會改善
tiktok$Q6.new <- rec(
  tiktok$Q6,
  rec = "
    1=1 [非常不同意];
    2=2 [不同意];
    3=3 [普通];
    4=4 [同意];
    5=5 [非常同意];
    else=NA",
  var.label = "是否會因為不能上網產生負面情緒",
  as.num = TRUE
)
frq(tiktok$Q6.new)

是否會因為不能上網產生負面情緒 (x) <numeric> 
# total N=2612 valid N=2612 mean=3.61 sd=0.93

Value |      Label |    N | Raw % | Valid % | Cum. %
----------------------------------------------------
    1 | 非常不同意 |   57 |  2.18 |    2.18 |   2.18
    2 |     不同意 |  202 |  7.73 |    7.73 |   9.92
    3 |       普通 |  889 | 34.04 |   34.04 |  43.95
    4 |       同意 | 1013 | 38.78 |   38.78 |  82.73
    5 |   非常同意 |  451 | 17.27 |   17.27 | 100.00
 <NA> |       <NA> |    0 |  0.00 |    <NA> |   <NA>

# Q7 您經常藉由網路來擺脫生活中令人煩惱的事。
tiktok$Q7.new <- rec(
  tiktok$Q7,
  rec = "
    1=1 [非常不同意];
    2=2 [不同意];
    3=3 [普通];
    4=4 [同意];
    5=5 [非常同意];
    else=NA",
  var.label = "是否經常藉由網路來擺脫生活中令人煩惱的事",
  as.num = TRUE
)
frq(tiktok$Q7.new)

是否經常藉由網路來擺脫生活中令人煩惱的事 (x) <numeric> 
# total N=2612 valid N=2612 mean=3.74 sd=0.90

Value |      Label |    N | Raw % | Valid % | Cum. %
----------------------------------------------------
    1 | 非常不同意 |   42 |  1.61 |    1.61 |   1.61
    2 |     不同意 |  169 |  6.47 |    6.47 |   8.08
    3 |       普通 |  724 | 27.72 |   27.72 |  35.80
    4 |       同意 | 1174 | 44.95 |   44.95 |  80.74
    5 |   非常同意 |  503 | 19.26 |   19.26 | 100.00
 <NA> |       <NA> |    0 |  0.00 |    <NA> |   <NA>

# Q9 有人說台灣的假訊息跟網軍操作很普遍又很嚴重，您認為台灣現在的假訊息跟網軍操作主要來自哪個陣營？
tiktok$Q9.new <- rec(
  tiktok$Q9,
  rec = "
    1=1 [民進黨];
    2=2 [國民黨];
    3=3 [民眾黨];
    4=4 [時代力量];
    5=5 [親民黨];
    6=6 [台灣基進];
    7=7 [綠黨];
    8=8 [小民參政歐巴桑聯盟];
    9=9 [新黨];
    10=10 [中華人民共和國/中國共產黨];
    11=11 [美國];
    12=12 [日本];
    13=13 [都沒有假訊息];
    14=14 [不知道/不清楚];
    90=90 [其他國家];
    else=NA",
  var.label = "假訊息與網軍主要來源",
  as.num = TRUE
)
frq(tiktok$Q9.new)

假訊息與網軍主要來源 (x) <numeric> 
# total N=2612 valid N=2612 mean=6.84 sd=7.42

Value |                     Label |   N | Raw % | Valid % | Cum. %
------------------------------------------------------------------
    1 |                    民進黨 | 897 | 34.34 |   34.34 |  34.34
    2 |                    國民黨 | 359 | 13.74 |   13.74 |  48.09
    3 |                    民眾黨 |  76 |  2.91 |    2.91 |  51.00
    4 |                  時代力量 |  29 |  1.11 |    1.11 |  52.11
    5 |                    親民黨 |  16 |  0.61 |    0.61 |  52.72
    6 |                  台灣基進 |  15 |  0.57 |    0.57 |  53.29
    7 |                      綠黨 |   4 |  0.15 |    0.15 |  53.45
    8 |        小民參政歐巴桑聯盟 |   3 |  0.11 |    0.11 |  53.56
    9 |                      新黨 |   4 |  0.15 |    0.15 |  53.71
   10 | 中華人民共和國/中國共產黨 | 462 | 17.69 |   17.69 |  71.40
   11 |                      美國 |  16 |  0.61 |    0.61 |  72.01
   12 |                      日本 |   7 |  0.27 |    0.27 |  72.28
   13 |              都沒有假訊息 |  42 |  1.61 |    1.61 |  73.89
   14 |             不知道/不清楚 | 673 | 25.77 |   25.77 |  99.66
   90 |                  其他國家 |   9 |  0.34 |    0.34 | 100.00
 <NA> |                      <NA> |   0 |  0.00 |    <NA> |   <NA>

# 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？ 
tiktok$Q10.new <- rec(
  tiktok$Q10,
  rec = "
    1=1 [民進黨];
    2=2 [國民黨];
    3=3 [民眾黨];
    4=4 [時代力量];
    5=5 [親民黨];
    6=6 [台灣基進];
    7=7 [綠黨];
    8=8 [小民參政歐巴桑聯盟];
    9=9 [新黨];
    10=10 [不支持任何政黨];
    90=90 [其他政黨];
    else=NA",
  var.label = "最支持的政黨",
  as.num = TRUE
)
frq(tiktok$Q10.new)

最支持的政黨 (x) <numeric> 
# total N=2612 valid N=2612 mean=6.03 sd=4.96

Value |              Label |    N | Raw % | Valid % | Cum. %
------------------------------------------------------------
    1 |             民進黨 |  572 | 21.90 |   21.90 |  21.90
    2 |             國民黨 |  308 | 11.79 |   11.79 |  33.69
    3 |             民眾黨 |  354 | 13.55 |   13.55 |  47.24
    4 |           時代力量 |   53 |  2.03 |    2.03 |  49.27
    5 |             親民黨 |   16 |  0.61 |    0.61 |  49.89
    6 |           台灣基進 |   11 |  0.42 |    0.42 |  50.31
    7 |               綠黨 |   11 |  0.42 |    0.42 |  50.73
    8 | 小民參政歐巴桑聯盟 |   15 |  0.57 |    0.57 |  51.30
    9 |               新黨 |    4 |  0.15 |    0.15 |  51.45
   10 |     不支持任何政黨 | 1265 | 48.43 |   48.43 |  99.89
   90 |           其他政黨 |    3 |  0.11 |    0.11 | 100.00
 <NA> |               <NA> |    0 |  0.00 |    <NA> |   <NA>

# Q11 請問您整體而言最討厭哪一個政黨？
tiktok$Q11.new <- rec(
  tiktok$Q11,
  rec = "
    1=1 [民進黨];
    2=2 [國民黨];
    3=3 [民眾黨];
    4=4 [時代力量];
    5=5 [親民黨];
    6=6 [台灣基進];
    7=7 [綠黨];
    8=8 [小民參政歐巴桑聯盟];
    9=9 [新黨];
    10=10 [不討厭任何政黨];
    90=90 [其他政黨];
    else=NA",
  var.label = "最討厭的政黨",
  as.num = TRUE
)
frq(tiktok$Q11.new)

最討厭的政黨 (x) <numeric> 
# total N=2612 valid N=2612 mean=5.06 sd=8.74

Value |              Label |   N | Raw % | Valid % | Cum. %
-----------------------------------------------------------
    1 |             民進黨 | 868 | 33.23 |   33.23 |  33.23
    2 |             國民黨 | 647 | 24.77 |   24.77 |  58.00
    3 |             民眾黨 | 174 |  6.66 |    6.66 |  64.66
    4 |           時代力量 |  40 |  1.53 |    1.53 |  66.19
    5 |             親民黨 |  18 |  0.69 |    0.69 |  66.88
    6 |           台灣基進 |  21 |  0.80 |    0.80 |  67.69
    7 |               綠黨 |   7 |  0.27 |    0.27 |  67.96
    8 | 小民參政歐巴桑聯盟 |  10 |  0.38 |    0.38 |  68.34
    9 |               新黨 |  15 |  0.57 |    0.57 |  68.91
   10 |     不討厭任何政黨 | 790 | 30.25 |   30.25 |  99.16
   90 |           其他政黨 |  22 |  0.84 |    0.84 | 100.00
 <NA> |               <NA> |   0 |  0.00 |    <NA> |   <NA>

# Q12 請問整體而言您喜不喜歡現在的執政黨？
tiktok$Q12.new <- rec(
  tiktok$Q12,
  rec = "
    1=1 [非常不喜歡];
    2=2 [還滿不喜歡];
    3=3 [有點不喜歡];
    4=4 [有點喜歡];
    5=5 [還滿喜歡];
    6=6 [非常喜歡];
    else=NA",
  var.label = "喜不喜歡現在的政黨",
  as.num = TRUE
)
frq(tiktok$Q12.new)

喜不喜歡現在的政黨 (x) <numeric> 
# total N=2612 valid N=2612 mean=2.88 sd=1.43

Value |      Label |   N | Raw % | Valid % | Cum. %
---------------------------------------------------
    1 | 非常不喜歡 | 652 | 24.96 |   24.96 |  24.96
    2 | 還滿不喜歡 | 347 | 13.28 |   13.28 |  38.25
    3 | 有點不喜歡 | 720 | 27.57 |   27.57 |  65.81
    4 |   有點喜歡 | 559 | 21.40 |   21.40 |  87.21
    5 |   還滿喜歡 | 231 |  8.84 |    8.84 |  96.06
    6 |   非常喜歡 | 103 |  3.94 |    3.94 | 100.00
 <NA> |       <NA> |   0 |  0.00 |    <NA> |   <NA>

# Q15 整體來說，您對於我國民主的運作現況滿不滿意？
tiktok$Q15.new <- rec(
  tiktok$Q15,
  rec = "
    1=1 [非常不滿意];
    2=2 [還算不滿意];
    3=3 [有點不滿意];
    4=4 [有點滿意];
    5=5 [還算滿意];
    6=6 [非常滿意];
    else=NA",
  var.label = "對我國民主的運作現況滿不滿意",
  as.num = TRUE
)
frq(tiktok$Q15.new)

對我國民主的運作現況滿不滿意 (x) <numeric> 
# total N=2612 valid N=2612 mean=3.46 sd=1.30

Value |      Label |   N | Raw % | Valid % | Cum. %
---------------------------------------------------
    1 | 非常不滿意 | 257 |  9.84 |    9.84 |   9.84
    2 | 還算不滿意 | 305 | 11.68 |   11.68 |  21.52
    3 | 有點不滿意 | 739 | 28.29 |   28.29 |  49.81
    4 |   有點滿意 | 709 | 27.14 |   27.14 |  76.95
    5 |   還算滿意 | 492 | 18.84 |   18.84 |  95.79
    6 |   非常滿意 | 110 |  4.21 |    4.21 | 100.00
 <NA> |       <NA> |   0 |  0.00 |    <NA> |   <NA>

# 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？
tiktok$Q16.new <- rec(
  tiktok$Q16,
  rec = "
    1=1 [非常不同意];
    2=2 [還滿不同意];
    3=3 [有點不同意];
    4=4 [有點同意];
    5=5 [還滿同意];
    6=6 [非常同意];
    else=NA",
  var.label = "同不同意台灣社會存在嚴重司法不公的問題",
  as.num = TRUE
)
 frq(tiktok$Q16.new)

同不同意台灣社會存在嚴重司法不公的問題 (x) <numeric> 
# total N=2612 valid N=2612 mean=4.36 sd=1.24

Value |      Label |   N | Raw % | Valid % | Cum. %
---------------------------------------------------
    1 | 非常不同意 |  64 |  2.45 |    2.45 |   2.45
    2 | 還滿不同意 | 102 |  3.91 |    3.91 |   6.36
    3 | 有點不同意 | 404 | 15.47 |   15.47 |  21.82
    4 |   有點同意 | 921 | 35.26 |   35.26 |  57.08
    5 |   還滿同意 | 512 | 19.60 |   19.60 |  76.68
    6 |   非常同意 | 609 | 23.32 |   23.32 | 100.00
 <NA> |       <NA> |   0 |  0.00 |    <NA> |   <NA>

# Q19 有人說「對於普通老百姓來說，中國比台灣更安居樂業、更適合生活」請問您同不同意這樣的說法？
tiktok$Q19.new <- rec(
  tiktok$Q19,
  rec = "
    1=1 [非常不同意];
    2=2 [還滿不同意];
    3=3 [有點不同意];
    4=4 [有點同意];
    5=5 [還滿同意];
    6=6 [非常同意];
    else=NA",
  var.label = "同不同意中國比台灣更安居樂業",
  as.num = TRUE
)
 frq(tiktok$Q19.new)

同不同意中國比台灣更安居樂業 (x) <numeric> 
# total N=2612 valid N=2612 mean=2.55 sd=1.36

Value |      Label |   N | Raw % | Valid % | Cum. %
---------------------------------------------------
    1 | 非常不同意 | 778 | 29.79 |   29.79 |  29.79
    2 | 還滿不同意 | 539 | 20.64 |   20.64 |  50.42
    3 | 有點不同意 | 696 | 26.65 |   26.65 |  77.07
    4 |   有點同意 | 369 | 14.13 |   14.13 |  91.19
    5 |   還滿同意 | 148 |  5.67 |    5.67 |  96.86
    6 |   非常同意 |  82 |  3.14 |    3.14 | 100.00
 <NA> |       <NA> |   0 |  0.00 |    <NA> |   <NA>

# Q23 您覺得誰造成兩岸關係緊張？
 tiktok$Q23.new <- rec(
  tiktok$Q23,
  rec = "
    1=1 [民進黨];
    2=2 [國民黨];
    3=3 [中國政府];
    4=4 [美國政府];
    5=5 [其它];
    else=NA",
  var.label = "認為誰造成兩岸關係緊張",
  as.num = TRUE
)
frq(tiktok$Q23.new)

認為誰造成兩岸關係緊張 (x) <numeric> 
# total N=2612 valid N=2612 mean=2.40 sd=1.11

Value |    Label |    N | Raw % | Valid % | Cum. %
--------------------------------------------------
    1 |   民進黨 |  881 | 33.73 |   33.73 |  33.73
    2 |   國民黨 |  180 |  6.89 |    6.89 |  40.62
    3 | 中國政府 | 1221 | 46.75 |   46.75 |  87.37
    4 | 美國政府 |  290 | 11.10 |   11.10 |  98.47
    5 |     其它 |   40 |  1.53 |    1.53 | 100.00
 <NA> |     <NA> |    0 |  0.00 |    <NA> |   <NA>

# Q24 請問整體而言您對於中國政府印象如何？
tiktok$Q24.new <- rec(
  tiktok$Q24,
  rec = "
    1=1 [非常不喜歡];
    2=2 [還滿不喜歡];
    3=3 [有點不喜歡];
    4=4 [有點喜歡];
    5=5 [還滿喜歡];
    6=6 [非常喜歡];
    else=NA",
  var.label = "對中國政府的印象如何",
  as.num = TRUE
)
frq(tiktok$Q24.new)

對中國政府的印象如何 (x) <numeric> 
# total N=2612 valid N=2612 mean=2.23 sd=1.11

Value |      Label |   N | Raw % | Valid % | Cum. %
---------------------------------------------------
    1 | 非常不喜歡 | 881 | 33.73 |   33.73 |  33.73
    2 | 還滿不喜歡 | 629 | 24.08 |   24.08 |  57.81
    3 | 有點不喜歡 | 829 | 31.74 |   31.74 |  89.55
    4 |   有點喜歡 | 189 |  7.24 |    7.24 |  96.78
    5 |   還滿喜歡 |  61 |  2.34 |    2.34 |  99.12
    6 |   非常喜歡 |  23 |  0.88 |    0.88 | 100.00
 <NA> |       <NA> |   0 |  0.00 |    <NA> |   <NA>

# Q26 「美國不值得相信,只想掏空利用台灣」請問您同不同意這樣的說法？
tiktok$Q26.new <- rec(
  tiktok$Q26,
  rec = "
    1=1 [非常不同意];
    2=2 [還滿不同意];
    3=3 [有點不同意];
    4=4 [有點同意];
    5=5 [還滿同意];
    6=6 [非常同意];
    else=NA",
  var.label = "美國是否不值得相信",
  as.num = TRUE
)
 frq(tiktok$Q26.new)

美國是否不值得相信 (x) <numeric> 
# total N=2612 valid N=2612 mean=3.93 sd=1.25

Value |      Label |    N | Raw % | Valid % | Cum. %
----------------------------------------------------
    1 | 非常不同意 |  126 |  4.82 |    4.82 |   4.82
    2 | 還滿不同意 |  166 |  6.36 |    6.36 |  11.18
    3 | 有點不同意 |  543 | 20.79 |   20.79 |  31.97
    4 |   有點同意 | 1061 | 40.62 |   40.62 |  72.59
    5 |   還滿同意 |  365 | 13.97 |   13.97 |  86.56
    6 |   非常同意 |  351 | 13.44 |   13.44 | 100.00
 <NA> |       <NA> |    0 |  0.00 |    <NA> |   <NA>

# Q27 「美國利用台灣挑釁中國,並試圖將台灣推向戰爭之中」請問您同不同意這樣說法？
 tiktok$Q27.new <- rec(
  tiktok$Q27,
  rec = "
    1=1 [非常不同意];
    2=2 [還滿不同意];
    3=3 [有點不同意];
    4=4 [有點同意];
    5=5 [還滿同意];
    6=6 [非常同意];
    else=NA",
  var.label = "美國是否利用台灣挑釁中國",
  as.num = TRUE
)
 frq(tiktok$Q27.new)

美國是否利用台灣挑釁中國 (x) <numeric> 
# total N=2612 valid N=2612 mean=3.81 sd=1.27

Value |      Label |   N | Raw % | Valid % | Cum. %
---------------------------------------------------
    1 | 非常不同意 | 144 |  5.51 |    5.51 |   5.51
    2 | 還滿不同意 | 207 |  7.92 |    7.92 |  13.44
    3 | 有點不同意 | 616 | 23.58 |   23.58 |  37.02
    4 |   有點同意 | 980 | 37.52 |   37.52 |  74.54
    5 |   還滿同意 | 368 | 14.09 |   14.09 |  88.63
    6 |   非常同意 | 297 | 11.37 |   11.37 | 100.00
 <NA> |       <NA> |   0 |  0.00 |    <NA> |   <NA>

# Q28 「萬一中國以武力攻打台灣，美國肯定不會援助台灣」請問您同不同意這樣的說法？
 tiktok$Q28.new <- rec(
  tiktok$Q28,
  rec = "
    1=1 [非常不同意];
    2=2 [還滿不同意];
    3=3 [有點不同意];
    4=4 [有點同意];
    5=5 [還滿同意];
    6=6 [非常同意];
    else=NA",
  var.label = "中國以武力攻打台灣，美國會不會援助台灣",
  as.num = TRUE
)
 frq(tiktok$Q28.new)

中國以武力攻打台灣，美國會不會援助台灣 (x) <numeric> 
# total N=2612 valid N=2612 mean=3.86 sd=1.33

Value |      Label |   N | Raw % | Valid % | Cum. %
---------------------------------------------------
    1 | 非常不同意 | 143 |  5.47 |    5.47 |   5.47
    2 | 還滿不同意 | 206 |  7.89 |    7.89 |  13.36
    3 | 有點不同意 | 661 | 25.31 |   25.31 |  38.67
    4 |   有點同意 | 852 | 32.62 |   32.62 |  71.29
    5 |   還滿同意 | 368 | 14.09 |   14.09 |  85.38
    6 |   非常同意 | 382 | 14.62 |   14.62 | 100.00
 <NA> |       <NA> |   0 |  0.00 |    <NA> |   <NA>

# Q32 TikTok抖音對於台灣的國家安全有著深遠的影響，台灣應全面禁止。請問您同不同意這樣的說法？
tiktok$Q32.new <- rec(
  tiktok$Q32,
  rec = "
    1=1 [非常不同意];
    2=2 [還滿不同意];
    3=3 [有點不同意];
    4=4 [有點同意];
    5=5 [還滿同意];
    6=6 [非常同意];
    else=NA",
  var.label = "台灣該不該全面禁止抖音",
  as.num = TRUE
)
 frq(tiktok$Q32.new)

台灣該不該全面禁止抖音 (x) <numeric> 
# total N=2612 valid N=2612 mean=3.57 sd=1.40

Value |      Label |   N | Raw % | Valid % | Cum. %
---------------------------------------------------
    1 | 非常不同意 | 207 |  7.92 |    7.92 |   7.92
    2 | 還滿不同意 | 367 | 14.05 |   14.05 |  21.98
    3 | 有點不同意 | 705 | 26.99 |   26.99 |  48.97
    4 |   有點同意 | 705 | 26.99 |   26.99 |  75.96
    5 |   還滿同意 | 308 | 11.79 |   11.79 |  87.75
    6 |   非常同意 | 320 | 12.25 |   12.25 | 100.00
 <NA> |       <NA> |   0 |  0.00 |    <NA> |   <NA>

# Q36 整體而言，請問您目前的日子過得快樂嗎？
 tiktok$Q36.new <- rec(
  tiktok$Q36,
  rec = "
    1=1 [非常不快樂];
    2=2 [不快樂];
    3=3 [普通];
    4=4 [快樂];
    5=5 [非常快樂];
    else=NA",
  var.label = "目前過得快不快樂",
  as.num = TRUE
)
 frq(tiktok$Q36.new)

目前過得快不快樂 (x) <numeric> 
# total N=2612 valid N=2612 mean=3.32 sd=0.86

Value |      Label |    N | Raw % | Valid % | Cum. %
----------------------------------------------------
    1 | 非常不快樂 |   81 |  3.10 |    3.10 |   3.10
    2 |     不快樂 |  248 |  9.49 |    9.49 |  12.60
    3 |       普通 | 1206 | 46.17 |   46.17 |  58.77
    4 |       快樂 |  897 | 34.34 |   34.34 |  93.11
    5 |   非常快樂 |  180 |  6.89 |    6.89 | 100.00
 <NA> |       <NA> |    0 |  0.00 |    <NA> |   <NA>

# Q37 整體而言，您對於您的生活滿不滿意？
 tiktok$Q37.new <- rec(
  tiktok$Q37,
  rec = "
    1=1 [非常不滿意];
    2=2 [不滿意];
    3=3 [普通];
    4=4 [滿意];
    5=5 [非常滿意];
    else=NA",
  var.label = "目前對生活滿不滿意",
  as.num = TRUE
)
 frq(tiktok$Q37.new)

目前對生活滿不滿意 (x) <numeric> 
# total N=2612 valid N=2612 mean=3.28 sd=0.91

Value |      Label |    N | Raw % | Valid % | Cum. %
----------------------------------------------------
    1 | 非常不滿意 |   92 |  3.52 |    3.52 |   3.52
    2 |     不滿意 |  348 | 13.32 |   13.32 |  16.85
    3 |       普通 | 1083 | 41.46 |   41.46 |  58.31
    4 |       滿意 |  907 | 34.72 |   34.72 |  93.03
    5 |   非常滿意 |  182 |  6.97 |    6.97 | 100.00
 <NA> |       <NA> |    0 |  0.00 |    <NA> |   <NA>

# Q38 整體而言，您對於您目前的社交生活滿不滿意？
 tiktok$Q38.new <- rec(
  tiktok$Q38,
  rec = "
    1=1 [非常不滿意];
    2=2 [不滿意];
    3=3 [普通];
    4=4 [滿意];
    5=5 [非常滿意];
    else=NA",
  var.label = "目前對生活滿不滿意",
  as.num = TRUE
)
 frq(tiktok$Q38.new)

目前對生活滿不滿意 (x) <numeric> 
# total N=2612 valid N=2612 mean=3.32 sd=0.88

Value |      Label |    N | Raw % | Valid % | Cum. %
----------------------------------------------------
    1 | 非常不滿意 |   77 |  2.95 |    2.95 |   2.95
    2 |     不滿意 |  291 | 11.14 |   11.14 |  14.09
    3 |       普通 | 1174 | 44.95 |   44.95 |  59.04
    4 |       滿意 |  866 | 33.15 |   33.15 |  92.19
    5 |   非常滿意 |  204 |  7.81 |    7.81 | 100.00
 <NA> |       <NA> |    0 |  0.00 |    <NA> |   <NA>

# Q39 整體而言，您覺得目前的您寂不寂寞？
 tiktok$Q39.new <- rec(
  tiktok$Q39,
  rec = "
    1=1 [非常不寂寞];
    2=2 [不寂寞];
    3=3 [普通];
    4=4 [寂寞];
    5=5 [非常寂寞];
    else=NA",
  var.label = "目前寂不寂寞",
  as.num = TRUE
)
 frq(tiktok$Q39.new)

目前寂不寂寞 (x) <numeric> 
# total N=2612 valid N=2612 mean=2.77 sd=0.99

Value |      Label |    N | Raw % | Valid % | Cum. %
----------------------------------------------------
    1 | 非常不寂寞 |  243 |  9.30 |    9.30 |   9.30
    2 |     不寂寞 |  769 | 29.44 |   29.44 |  38.74
    3 |       普通 | 1082 | 41.42 |   41.42 |  80.17
    4 |       寂寞 |  376 | 14.40 |   14.40 |  94.56
    5 |   非常寂寞 |  142 |  5.44 |    5.44 | 100.00
 <NA> |       <NA> |    0 |  0.00 |    <NA> |   <NA>

# Q40 一般而言，請問您認為大部分的人是可以信任的嗎？
 tiktok$Q40.new <- rec(
  tiktok$Q40,
  rec = "
    1=1 [人幾乎都是可以被信任];
    2=2 [人通常是可以被信任];
    3=3 [與人來往通常要小心];
    4=4 [與人來往幾乎都要很小心];
    else=NA",
  var.label = "大部分的人可不可以信任",
  as.num = TRUE
)
 frq(tiktok$Q40.new)

大部分的人可不可以信任 (x) <numeric> 
# total N=2612 valid N=2612 mean=2.75 sd=0.73

Value |                  Label |    N | Raw % | Valid % | Cum. %
----------------------------------------------------------------
    1 |   人幾乎都是可以被信任 |   89 |  3.41 |    3.41 |   3.41
    2 |     人通常是可以被信任 |  827 | 31.66 |   31.66 |  35.07
    3 |     與人來往通常要小心 | 1339 | 51.26 |   51.26 |  86.33
    4 | 與人來往幾乎都要很小心 |  357 | 13.67 |   13.67 | 100.00
 <NA> |                   <NA> |    0 |  0.00 |    <NA> |   <NA>

# Q41 整體而言，您對於您目前的經濟狀況滿不滿意？
 tiktok$Q41.new <- rec(
  tiktok$Q41,
  rec = "
    1=1 [非常不滿意];
    2=2 [不滿意];
    3=3 [普通];
    4=4 [滿意];
    5=5 [非常滿意];
    else=NA",
  var.label = "目前對經濟狀況滿不滿意",
  as.num = TRUE
)
 frq(tiktok$Q41.new)

目前對經濟狀況滿不滿意 (x) <numeric> 
# total N=2612 valid N=2612 mean=2.87 sd=0.94

Value |      Label |    N | Raw % | Valid % | Cum. %
----------------------------------------------------
    1 | 非常不滿意 |  221 |  8.46 |    8.46 |   8.46
    2 |     不滿意 |  591 | 22.63 |   22.63 |  31.09
    3 |       普通 | 1210 | 46.32 |   46.32 |  77.41
    4 |       滿意 |  488 | 18.68 |   18.68 |  96.09
    5 |   非常滿意 |  102 |  3.91 |    3.91 | 100.00
 <NA> |       <NA> |    0 |  0.00 |    <NA> |   <NA>

# Q42 個人而言，您認為您目前的生活水準和您的努力比起來公不公平？
 tiktok$Q42.new <- rec(
  tiktok$Q42,
  rec = "
    1=1 [很不公平];
    2=2 [不太公平];
    3=3 [還算公平];
    4=4 [公平];
    5=5 [很公平];
    else=NA",
  var.label = "目前的生活水準和努力比起來公不公平",
  as.num = TRUE
)
 frq(tiktok$Q42.new)

目前的生活水準和努力比起來公不公平 (x) <numeric> 
# total N=2612 valid N=2612 mean=2.81 sd=0.92

Value |    Label |    N | Raw % | Valid % | Cum. %
--------------------------------------------------
    1 | 很不公平 |  203 |  7.77 |    7.77 |   7.77
    2 | 不太公平 |  701 | 26.84 |   26.84 |  34.61
    3 | 還算公平 | 1192 | 45.64 |   45.64 |  80.25
    4 |     公平 |  425 | 16.27 |   16.27 |  96.52
    5 |   很公平 |   91 |  3.48 |    3.48 | 100.00
 <NA> |     <NA> |    0 |  0.00 |    <NA> |   <NA>

# Q43 跟那些條件和您差不多的人相比，您認為您目前的生活水準比他們好還是差？
 tiktok$Q43.new <- rec(
  tiktok$Q43,
  rec = "
    1=1 [差很多];
    2=2 [差一些];
    3=3 [差不多];
    4=4 [好一些];
    5=5 [好很多];
    else=NA",
  var.label = "目前的生活水準和努力比起來公不公平",
  as.num = TRUE
)
 frq(tiktok$Q43.new)

目前的生活水準和努力比起來公不公平 (x) <numeric> 
# total N=2612 valid N=2612 mean=2.96 sd=0.91

Value |  Label |    N | Raw % | Valid % | Cum. %
------------------------------------------------
    1 | 差很多 |  195 |  7.47 |    7.47 |   7.47
    2 | 差一些 |  467 | 17.88 |   17.88 |  25.34
    3 | 差不多 | 1280 | 49.00 |   49.00 |  74.35
    4 | 好一些 |  584 | 22.36 |   22.36 |  96.71
    5 | 好很多 |   86 |  3.29 |    3.29 | 100.00
 <NA> |   <NA> |    0 |  0.00 |    <NA> |   <NA>

# Q44 請問您的性別
 tiktok$Q44.new <- rec(
  tiktok$Q44,
  rec = "
    1=1 [男];
    2=2 [女];
    else=NA",
  var.label = "性別",
  as.num = TRUE
)
 frq(tiktok$Q44.new)

性別 (x) <numeric> 
# total N=2612 valid N=2612 mean=1.50 sd=0.50

Value | Label |    N | Raw % | Valid % | Cum. %
-----------------------------------------------
    1 |    男 | 1308 | 50.08 |   50.08 |  50.08
    2 |    女 | 1304 | 49.92 |   49.92 | 100.00
 <NA> |  <NA> |    0 |  0.00 |    <NA> |   <NA>

# Q45 請問您的教育程度是什麼？
  tiktok$Q45.new <- rec(
  tiktok$Q45,
  rec = "
    1=1 [不識字];
    2=2 [自修/小學];
    3=3 [國中/初職];
    4=4 [高中職];
    5=5 [專科];
    6=6 [大學];
    7=7 [碩士];
    8=8 [博士];
    90=90 [其它];
    97=97 [不知道];
    98=98 [拒答];
    else=NA",
  var.label = "教育程度",
  as.num = TRUE
)
 frq(tiktok$Q45.new)

教育程度 (x) <numeric> 
# total N=2612 valid N=2612 mean=5.77 sd=0.98

Value |     Label |    N | Raw % | Valid % | Cum. %
---------------------------------------------------
    1 |    不識字 |    2 |  0.08 |    0.08 |   0.08
    2 | 自修/小學 |   16 |  0.61 |    0.61 |   0.69
    3 | 國中/初職 |   42 |  1.61 |    1.61 |   2.30
    4 |    高中職 |  274 | 10.49 |   10.49 |  12.79
    5 |      專科 |  325 | 12.44 |   12.44 |  25.23
    6 |      大學 | 1516 | 58.04 |   58.04 |  83.27
    7 |      碩士 |  409 | 15.66 |   15.66 |  98.93
    8 |      博士 |   28 |  1.07 |    1.07 | 100.00
   90 |      其它 |    0 |  0.00 |    0.00 | 100.00
   97 |    不知道 |    0 |  0.00 |    0.00 | 100.00
   98 |      拒答 |    0 |  0.00 |    0.00 | 100.00
 <NA> |      <NA> |    0 |  0.00 |    <NA> |   <NA>

# Q47 請問您個人平均每個月所有的（稅前）收入差不多有多少？
 tiktok$Q47.new <- rec(
  tiktok$Q47,
  rec = "
    1=1 [無收入];
    2=2 [1萬元以下];
    3=3 [1萬元以上，不到2萬元];
    4=4 [2萬元以上，不到3萬元];
    5=5 [3萬元以上，不到4萬元];
    6=6 [4萬元以上，不到5萬元];
    7=7 [5萬元以上，不到6萬元];
    8=8 [6萬元以上，不到7萬元];
    9=9 [7萬元以上，不到8萬元];
    10=10 [8萬元以上，不到9萬元];
    11=11 [9萬元以上，不到10萬元];
    12=12 [10萬元以上，不到11萬元];
    13=13 [11萬元以上，不到12萬元];
    14=14 [12萬元以上，不到13萬元];
    15=15 [13萬元以上，不到14萬元];
    16=16 [14萬元以上，不到15萬元];
    17=17 [15萬元以上，不到16萬元];
    18=18 [16萬元以上，不到17萬元];
    19=19 [17萬元以上，不到18萬元];
    20=20 [18萬元以上，不到19萬元];
    21=21 [19萬元以上，不到20萬元];
    22=22 [20萬元以上，不到30萬元];
    23=23 [30萬元以上];
    97=97 [不知道];
    98=98 [拒答];
    else=NA",
  var.label = "每個月的收入多少",
  as.num = TRUE
)
 frq(tiktok$Q47.new)

每個月的收入多少 (x) <numeric> 
# total N=2612 valid N=2612 mean=8.91 sd=16.45

Value |                  Label |   N | Raw % | Valid % | Cum. %
---------------------------------------------------------------
    1 |                 無收入 |  88 |  3.37 |    3.37 |   3.37
    2 |              1萬元以下 |  67 |  2.57 |    2.57 |   5.93
    3 |   1萬元以上，不到2萬元 | 105 |  4.02 |    4.02 |   9.95
    4 |   2萬元以上，不到3萬元 | 314 | 12.02 |   12.02 |  21.98
    5 |   3萬元以上，不到4萬元 | 705 | 26.99 |   26.99 |  48.97
    6 |   4萬元以上，不到5萬元 | 499 | 19.10 |   19.10 |  68.07
    7 |   5萬元以上，不到6萬元 | 326 | 12.48 |   12.48 |  80.55
    8 |   6萬元以上，不到7萬元 | 142 |  5.44 |    5.44 |  85.99
    9 |   7萬元以上，不到8萬元 |  97 |  3.71 |    3.71 |  89.70
   10 |   8萬元以上，不到9萬元 |  54 |  2.07 |    2.07 |  91.77
   11 |  9萬元以上，不到10萬元 |  27 |  1.03 |    1.03 |  92.80
   12 | 10萬元以上，不到11萬元 |  31 |  1.19 |    1.19 |  93.99
   13 | 11萬元以上，不到12萬元 |   7 |  0.27 |    0.27 |  94.26
   14 | 12萬元以上，不到13萬元 |  23 |  0.88 |    0.88 |  95.14
   15 | 13萬元以上，不到14萬元 |   1 |  0.04 |    0.04 |  95.18
   16 | 14萬元以上，不到15萬元 |   6 |  0.23 |    0.23 |  95.41
   17 | 15萬元以上，不到16萬元 |  11 |  0.42 |    0.42 |  95.83
   18 | 16萬元以上，不到17萬元 |   3 |  0.11 |    0.11 |  95.94
   19 | 17萬元以上，不到18萬元 |   5 |  0.19 |    0.19 |  96.13
   20 | 18萬元以上，不到19萬元 |   0 |  0.00 |    0.00 |  96.13
   21 | 19萬元以上，不到20萬元 |   2 |  0.08 |    0.08 |  96.21
   22 | 20萬元以上，不到30萬元 |   8 |  0.31 |    0.31 |  96.52
   23 |             30萬元以上 |   7 |  0.27 |    0.27 |  96.78
   97 |                 不知道 |  14 |  0.54 |    0.54 |  97.32
   98 |                   拒答 |  70 |  2.68 |    2.68 | 100.00
 <NA> |                   <NA> |   0 |  0.00 |    <NA> |   <NA>

# Q48 請問您的戶籍所在縣市為？
  tiktok$Q48.new <- rec(
  tiktok$Q48,
  rec = "
    1=1 [基隆市];
    2=2 [臺北市];
    3=3 [新北市];
    4=4 [桃園市];
    5=5 [新竹縣];
    6=6 [新竹市];
    7=7 [苗栗縣];
    8=8 [臺中市];
    9=9 [彰化縣];
    10=10 [南投縣];
    11=11 [雲林縣];
    12=12 [嘉義縣];
    13=13 [嘉義市];
    14=14 [臺南市];
    15=15 [高雄市];
    16=16 [屏東縣];
    17=17 [宜蘭縣];
    18=18 [花蓮縣];
    19=19 [臺東縣];
    20=20 [金門縣];
    21=21 [連江縣];
    22=22 [澎湖縣];
    else=NA",
  var.label = "戶籍所在縣市",
  as.num = TRUE
)
 frq(tiktok$Q48.new)

戶籍所在縣市 (x) <numeric> 
# total N=2612 valid N=2612 mean=8.45 sd=5.61

Value |  Label |   N | Raw % | Valid % | Cum. %
-----------------------------------------------
    1 | 基隆市 |  43 |  1.65 |    1.65 |   1.65
    2 | 臺北市 | 313 | 11.98 |   11.98 |  13.63
    3 | 新北市 | 435 | 16.65 |   16.65 |  30.28
    4 | 桃園市 | 222 |  8.50 |    8.50 |  38.78
    5 | 新竹縣 |  64 |  2.45 |    2.45 |  41.23
    6 | 新竹市 |  94 |  3.60 |    3.60 |  44.83
    7 | 苗栗縣 |  54 |  2.07 |    2.07 |  46.90
    8 | 臺中市 | 294 | 11.26 |   11.26 |  58.15
    9 | 彰化縣 | 121 |  4.63 |    4.63 |  62.79
   10 | 南投縣 |  51 |  1.95 |    1.95 |  64.74
   11 | 雲林縣 |  64 |  2.45 |    2.45 |  67.19
   12 | 嘉義縣 |  55 |  2.11 |    2.11 |  69.30
   13 | 嘉義市 |  46 |  1.76 |    1.76 |  71.06
   14 | 臺南市 | 216 |  8.27 |    8.27 |  79.33
   15 | 高雄市 | 260 |  9.95 |    9.95 |  89.28
   16 | 屏東縣 |  87 |  3.33 |    3.33 |  92.61
   17 | 宜蘭縣 |  42 |  1.61 |    1.61 |  94.22
   18 | 花蓮縣 |  40 |  1.53 |    1.53 |  95.75
   19 | 臺東縣 |  30 |  1.15 |    1.15 |  96.90
   20 | 金門縣 |  24 |  0.92 |    0.92 |  97.82
   21 | 連江縣 |  26 |  1.00 |    1.00 |  98.81
   22 | 澎湖縣 |  31 |  1.19 |    1.19 | 100.00
 <NA> |   <NA> |   0 |  0.00 |    <NA> |   <NA>

一、自變項

本研究的主要自變項為教育程度、收入、年齡與性別。教育程度反映受訪者的文化資本與知識水準，是判斷其媒體識讀能力與媒體使用模式的重要基礎。收入則象徵社會經濟地位，代表社會階層中的經濟資本高低，可能影響使用者對媒體平台的接觸與偏好。年齡變項則用以區分世代差異，分析不同年齡群在 TikTok 使用與媒體行為上的差異；性別則作為控制變項，用來檢驗性別在使用社群媒體與形成政治態度上的影響。這些變項共同構成研究的社會結構基礎，用以探討社會階層是否影響個體的媒體使用與政治認知。

二、中介變項

中介變項主要包括 TikTok 使用頻率與時長、媒體識讀能力、網路依賴傾向、群體極化以及社會信任感。TikTok 使用頻率與時長反映受訪者對短影音平台的依賴程度與媒體接觸強度；媒體識讀能力則衡量使用者分辨資訊真偽與理解媒體內容意圖的能力，是影響社會行為與政治態度的重要中介。網路依賴與逃避傾向體現了使用者面對現實壓力時是否以網路作為情緒調節與逃避管道。群體極化則描述了在演算法推播下，使用者是否傾向只接觸與自身觀點相似的資訊；而社會信任感則代表個體對社會與他人的信任程度，反映媒體影響對社會整合的潛在衝擊。

三、依變項

依變項主要涵蓋政治態度、制度信任與主觀幸福感三個層面。政治態度部分包括對民主制度的滿意度、對司法公正的看法以及對政府與兩岸關係的意見。這些變項能夠呈現受訪者對政治體制與公共治理的信任程度。制度信任亦可延伸至國際層面，如對中國與美國的態度，反映國際政治觀與群體極化的後果。主觀幸福感則由生活滿意度、社交滿意度與經濟狀況評價構成，用以檢視媒體使用與社會階層對生活感受的影響。整體而言，依變項呈現了 TikTok 使用與媒體識讀能力在政治心理與生活層面的社會結果。

四、變相關聯假設

本研究假設教育程度與收入越低的受訪者，其 TikTok 使用頻率與使用時長越高，顯示低社會階層者更傾向以短影音平台作為主要娛樂與資訊來源。其次，教育程度越低者的媒體識讀能力也越弱，導致其更容易受到演算法內容影響並出現負面模仿行為。此外，媒體識讀能力不足與高頻率的 TikTok 使用可能共同促成群體極化，使使用者長期暴露於單一觀點的資訊環境中。這種極化現象進一步削弱個體對民主制度與司法體系的信任。最終，群體極化與社會信任下降將對受訪者的生活滿意度與幸福感產生負面影響。整體而言，本研究建構的假設路徑呈現出「社會階層 → 媒體識讀與使用行為 → 群體極化與政治態度 → 主觀幸福感」的連鎖性社會過程。