隱性選民的政治傾向推論：
潛在政黨光譜對假訊息來源認定的影響

民意與政治行為研究 作業二

壹、資料庫與研究方向

一、基本資訊

（一）資料庫選擇

  本研究使用 2025 台灣 Tiktok 使用者調查資料庫，資料來源為台灣民主實驗室。

（二）調查背景

  調查核心在於探索 Tiktok 活躍使用者與非活躍使用者之間，在媒體使用習慣、兩岸議題觀感、國內社會或公共議題以及人口變項、心理指標等方面的潛在差異。 Tiktok 作為一個短影音社群平台，其碎片化、高密度的資訊傳播形式，可能強化特定政治敘事的影響力。該平台亦涉及資訊安全、數據保護、假訊息傳播等爭議，以及中國共產黨可能透過演算法干預民主輿論的疑慮。

（三）調查設計與實施

  該資料庫的研究範圍為台閩地區各縣市（含金門縣、連江縣），研究對象為年滿 15 歲以上民眾。研究方法為網路問卷調查，且由網路社群邀請合格之受訪者填寫。資料蒐集期間為 2025 年 3 月 10 日至 3 月 20 日。總樣本數為總計完成 2616 份成功樣本，含 1097 位活躍使用者。

二、資料庫選擇理由

（一）個人動機

  本人並非 TikTok 用戶，但經常在其他社群媒體（如 Threads、Facebook）上觀察到針對該平台活躍使用者的負面標籤，例如「中國資訊戰幫兇」或「抖音一響，父母白養」等論述。這些廣泛流傳的刻板印象引發了我單純的好奇：這群被大眾標籤化的活躍使用者，他們真實的政治態度和認知模式究竟為何？本研究旨在透過實證數據，探索並釐清該群體的實際政治傾向光譜，以增進對這群活躍使用者的理解。

（二）初步觀察到的現象

  在初步瀏覽此資料集時，我發現一個有趣的矛盾，即：無論受訪者是否為TikTok活躍用戶，當被問及「假訊息跟網軍操作主要來自哪個陣營」（Q9）時，多數人將責任歸咎於「民進黨」（執政黨），而非外界普遍認為的「中國共產黨」。這種將外部威脅轉為內部歸因的現象，成為本研究想要解釋的核心問題。

三、研究問題

（一）主要問題

  為何民眾將假訊息責任歸屬的焦點，從外部威脅（中國共產黨）轉向內部執政黨（民進黨）？

（二）次要問題

  在政黨支持上選擇「不支持任何政黨」的群體，其潛在的政治傾向為何？這種隱性政治傾向，是否影響他們對假訊息來源的認定？媒體使用習慣（特別是對非傳統媒體的信賴），是否影響這種歸因傾向？受訪者對於社會滿意度越低，是否則會越傾向將假訊息歸因於執政黨？

貳、核心問題（依變數 Y）

Y：假訊息來源認定

（一）題目內容

  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？

（二）變數處理與編碼

# 原始變數
frq(tiktok$Q9, out="v")

假訊息來源認定 (x) <numeric>

val	label	frq	raw.prc	valid.prc	cum.prc
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
total N=2612 · valid N=2612 · x̄=6.84 · σ=7.42

# 清理後變數（已加權）
# 以政治影響力與媒體能見度為基準，保留國會三大主要政黨。
frq(tiktok$Q9_clean, weights = tiktok$WT, out="v")

假訊息來源認定（清理後） (xw) <categorical>

val	label	frq	raw.prc	valid.prc	cum.prc
1	民進黨	851	44.98	44.98	44.98
2	國民黨	403	21.30	21.30	66.28
3	民眾黨	65	3.44	3.44	69.71
4	中國共產黨	405	21.41	21.41	91.12
5	其他台灣政黨	87	4.60	4.60	95.72
6	其他國家	35	1.85	1.85	97.57
7	都沒有假訊息	46	2.43	2.43	100.00
NA	NA	0	0.00	NA	NA
total N=1892 · valid N=1892 · x̄=2.35 · σ=1.59

# 由次數分配明顯可見，將假訊息歸咎於民進黨的比例，約為歸咎於中國共產黨的兩倍，顯示民眾對執政黨的假訊息疑慮高於對境外勢力的擔憂。
plot_frq(tiktok$Q9_clean, weight.by = tiktok$WT)

# 虛擬變數：測量「內部歸因」，檢驗哪些因素促成執政黨責任歸屬。
frq(tiktok$Q9_DPP, weights = tiktok$WT, out="v")

是否將假訊息歸咎於民進黨 (xw) <categorical>

val	label	frq	raw.prc	valid.prc	cum.prc
0	不歸咎民進黨	1761	67.42	67.42	67.42
1	歸咎民進黨	851	32.58	32.58	100.00
NA	NA	0	0.00	NA	NA
total N=2612 · valid N=2612 · x̄=0.33 · σ=0.47

# 虛擬變數：測量「外部歸因」，檢驗哪些因素抑制境外威脅認知。
frq(tiktok$Q9_CCP, weights = tiktok$WT, out="v")

是否將假訊息歸咎於中國共產黨 (xw) <categorical>

val	label	frq	raw.prc	valid.prc	cum.prc
0	不歸咎中共	2207	84.49	84.49	84.49
1	歸咎中共	405	15.51	15.51	100.00
NA	NA	0	0.00	NA	NA
total N=2612 · valid N=2612 · x̄=0.16 · σ=0.36

（三）變數說明

  此變數是本研究的核心依變數，反映民眾對假訊息責任歸屬的認知。這種將外部威脅轉為內部歸因的現象，違背了一般對於「外部資訊戰威脅」的認知框架，是本研究欲解釋的核心問題。

參、解釋變數（自變數 X）

一、潛在政治傾向（X1）

（一）X1-1：最支持的政黨

  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？

  此變數反映受訪者的「顯性政黨偏好」，選擇「不支持任何政黨」的群體占了近半數，這些「不表態者」的真實政治傾向，可能需要透過其他變數（如對中國的態度Q23、Q24）來推論。當人們對執政黨持負面態度時，會傾向將所有負面現象（包括假訊息）歸咎於執政黨，形成一種「執政黨是所有問題根源」的歸因模式。

# 原始變數
sjmisc::frq(tiktok$Q10, out="v")        

最支持的政黨 (x) <numeric>

val	label	frq	raw.prc	valid.prc	cum.prc
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
total N=2612 · valid N=2612 · x̄=6.03 · σ=4.96

# 清理後變數（已加權）
# 以政治影響力與媒體能見度為基準，保留國會三大主要政黨。
sjmisc::frq(tiktok$Q10_clean, weights = tiktok$WT, out="v")  

最支持的政黨（清理後） (xw) <categorical>

val	label	frq	raw.prc	valid.prc	cum.prc
1	民進黨	625	23.92	23.92	23.92
2	國民黨	522	19.98	19.98	43.90
3	民眾黨	224	8.57	8.57	52.47
4	其他政黨	104	3.98	3.98	56.45
5	不支持任何政黨	1138	43.55	43.55	100.00
NA	NA	0	0.00	NA	NA
total N=2613 · valid N=2613 · x̄=3.23 · σ=1.70

# 與 X1-2 的 Q11 搭配，發現民進黨同時是最受支持和最受厭惡的政黨。
plot_frq(tiktok$Q10_clean, weight.by = tiktok$WT)

# 隱性選民（政黨不表態者）是本研究最感興趣的群體，我推測這群人並非真正「中立」，而是具有隱性的政治傾向。若此群體在兩岸議題上展現親中或反執政黨的態度，那麼他們可能會更傾向將假訊息歸咎於民進黨。
sjmisc::frq(tiktok$Q10_neutral, weights = tiktok$WT, out="v")  

是否為政黨不表態者 (xw) <categorical>

val	label	frq	raw.prc	valid.prc	cum.prc
0	有支持政黨	1474	56.43	56.43	56.43
1	不支持任何政黨	1138	43.57	43.57	100.00
NA	NA	0	0.00	NA	NA
total N=2612 · valid N=2612 · x̄=0.44 · σ=0.50

# 支持民進黨的群體可能會較不傾向將假訊息歸咎於民進黨，因為人們傾向為自己支持的政黨辯護，他們可能更傾向將責任歸咎於政敵（如其它政黨）或外部威脅（如中國共產黨）。
sjmisc::frq(tiktok$Q10_DPP, weights = tiktok$WT, out="v") 

是否支持民進黨 (xw) <categorical>

val	label	frq	raw.prc	valid.prc	cum.prc
0	不支持民進黨	1987	76.07	76.07	76.07
1	支持民進黨	625	23.93	23.93	100.00
NA	NA	0	0.00	NA	NA
total N=2612 · valid N=2612 · x̄=0.24 · σ=0.43

# 支持國民黨者，會較傾向將假訊息歸咎於執政黨（民進黨），因為政黨競爭關係使其對執政黨持負面態度。
sjmisc::frq(tiktok$Q10_KMT, weights = tiktok$WT, out="v") 

是否支持國民黨 (xw) <categorical>

val	label	frq	raw.prc	valid.prc	cum.prc
0	不支持國民黨	2090	80.02	80.02	80.02
1	支持國民黨	522	19.98	19.98	100.00
NA	NA	0	0.00	NA	NA
total N=2612 · valid N=2612 · x̄=0.20 · σ=0.40

# 支持民眾黨者，會較傾向將假訊息歸咎於執政黨，因其與國民黨相同，和民進黨屬政黨競爭關係。
sjmisc::frq(tiktok$Q10_TPP, weights = tiktok$WT, out="v") 

是否支持民眾黨 (xw) <categorical>

val	label	frq	raw.prc	valid.prc	cum.prc
0	不支持民眾黨	2388	91.42	91.42	91.42
1	支持民眾黨	224	8.58	8.58	100.00
NA	NA	0	0.00	NA	NA
total N=2612 · valid N=2612 · x̄=0.09 · σ=0.28

（二）X1-2：最厭惡的政黨

  Q11. 請問您整體而言最討厭哪一個政黨？

  此變數反映受訪者的「政黨厭惡感」，與Q10搭配觀察，可以更完整地理解受訪者的政黨態度光譜。而民進黨同時是最受支持和最受厭惡的政黨，顯示台灣的政治極化現象。且最厭惡的政黨（Q11）與假訊息歸因（Q9）之間可能存在更強的關聯，甚至可能比「最支持的政黨」的影響更顯著。

# 原始變數
sjmisc::frq(tiktok$Q11, out="v")

最厭惡的政黨 (x) <numeric>

val	label	frq	raw.prc	valid.prc	cum.prc
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
total N=2612 · valid N=2612 · x̄=5.06 · σ=8.74

# 清理後變數（已加權）
# 以政治影響力與媒體能見度為基準，保留國會三大主要政黨。
sjmisc::frq(tiktok$Q11_clean, weights = tiktok$WT, out="v")

最厭惡的政黨（清理後） (xw) <categorical>

val	label	frq	raw.prc	valid.prc	cum.prc
1	民進黨	828	31.70	31.70	31.70
2	國民黨	680	26.03	26.03	57.73
3	民眾黨	162	6.20	6.20	63.94
4	其他政黨	138	5.28	5.28	69.22
5	不討厭任何政黨	804	30.78	30.78	100.00
NA	NA	0	0.00	NA	NA
total N=2612 · valid N=2612 · x̄=2.77 · σ=1.66

# 與 X1-1 的 Q10 搭配，發現民進黨同時是最受支持和最受厭惡的政黨。
# 「不支持任何政黨」但「厭惡民進黨」的群體，很可能具有隱性的反執政黨傾向，正是本研究想要捕捉的隱性選民。
plot_frq(tiktok$Q11_clean, weight.by = tiktok$WT)

# 推測厭惡民進黨的群體會顯著更傾向將假訊息歸咎於民進黨，這種厭惡感會讓他們更容易相信「民進黨透過網軍操作假訊息」的敘事。
sjmisc::frq(tiktok$Q11_hate_DPP, weights = tiktok$WT, out="v")

是否厭惡民進黨 (xw) <categorical>

val	label	frq	raw.prc	valid.prc	cum.prc
0	不厭惡民進黨	1784	68.30	68.30	68.30
1	厭惡民進黨	828	31.70	31.70	100.00
NA	NA	0	0.00	NA	NA
total N=2612 · valid N=2612 · x̄=0.32 · σ=0.47

（三）X1-3：兩岸關係緊張歸因

  Q23. 您覺得誰造成兩岸關係緊張？

  此變數反映受訪者對「地緣政治風險」的歸因傾向，是推論Q10、Q11中「不表態者」隱性立場的關鍵變數： 若將責任歸咎於「中國政府」可能具有反中傾向；若將責任歸咎於「民進黨」可能認為執政黨挑釁，而此題的「兩岸歸因」與「假訊息歸因」（Q9）可能會呈現一致性。

# 原始變數
sjmisc::frq(tiktok$Q23, out="v")        

兩岸關係緊張歸因 (x) <numeric>

val	label	frq	raw.prc	valid.prc	cum.prc
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	其他	40	1.53	1.53	100.00
NA	NA	0	0.00	NA	NA
total N=2612 · valid N=2612 · x̄=2.40 · σ=1.11

# 清理後變數（已加權）
sjmisc::frq(tiktok$Q23, weights = tiktok$WT, out="v")  

兩岸關係緊張歸因 (xw) <numeric>

val	label	frq	raw.prc	valid.prc	cum.prc
1	民進黨	828	31.70	31.70	31.70
2	國民黨	190	7.27	7.27	38.97
3	中國政府	1213	46.44	46.44	85.41
4	美國政府	325	12.44	12.44	97.86
5	其他	56	2.14	2.14	100.00
NA	NA	0	0.00	NA	NA
total N=2612 · valid N=2612 · x̄=2.46 · σ=1.12

# 將兩岸緊張歸咎於民進黨的群體比例，是除了歸咎給中國政府外排名第二高，且比例相較其它剩餘選項特別懸殊。
plot_frq(tiktok$Q23, weight.by = tiktok$WT)

# 將兩岸緊張歸咎於民進黨的群體，或許也會更傾向將假訊息歸咎於民進黨。搭配 X1-1 的 Q10，「不支持任何政黨」的群體加上將「兩岸緊張歸咎於民進黨」，可能具有隱性親中或反執政黨傾向；反之，若「不支持任何政黨」的群體加上將兩岸緊張歸咎於中國政府，可能具有隱性反中或親執政黨傾向。
sjmisc::frq(tiktok$Q23_blame_DPP, weights = tiktok$WT, out="v") 

是否將兩岸緊張歸咎於民進黨 (xw) <categorical>

val	label	frq	raw.prc	valid.prc	cum.prc
0	不歸咎民進黨	1784	68.30	68.30	68.30
1	歸咎民進黨	828	31.70	31.70	100.00
NA	NA	0	0.00	NA	NA
total N=2612 · valid N=2612 · x̄=0.32 · σ=0.47

（四）X1-4：對中國政府的印象

  Q24. 請問整體而言您對於中國政府印象如何？

  此變數反映受訪者對「外部威脅」的認知，與 Q23 搭配推論隱性政治傾向：對中國政府印象負面且認為中國造成兩岸緊張，較不會將假訊息歸咎於執政黨；對中國政府印象正面可能更傾向將假訊息歸咎於內部政黨（民進黨）。

# 原始變數
sjmisc::frq(tiktok$Q24, out="v")

對中國政府的印象 (x) <numeric>

val	label	frq	raw.prc	valid.prc	cum.prc
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
total N=2612 · valid N=2612 · x̄=2.23 · σ=1.11

# 清理後變數（已加權）
# 因原始編碼「數字越大 = 越喜歡中國」，反轉編碼後「數字越大 = 越反感中國」，更符合直覺。
sjmisc::frq(tiktok$Q24_reverse, weights = tiktok$WT, out="v")

對中國政府的反感程度 (xw) <categorical>

val	label	frq	raw.prc	valid.prc	cum.prc
1	非常喜歡	14	0.54	0.54	0.54
2	還滿喜歡	49	1.88	1.88	2.41
3	有點喜歡	202	7.73	7.73	10.14
4	有點不喜歡	851	32.57	32.57	42.71
5	還滿不喜歡	543	20.78	20.78	63.49
6	非常不喜歡	954	36.51	36.51	100.00
NA	NA	0	0.00	NA	NA
total N=2613 · valid N=2613 · x̄=4.81 · σ=1.10

# 對中國政府的印象與 Q9 的假訊息歸因之間可能存在負向關聯，對中國政府印象較不負面（原題選項 4-6 ）的群體，由於不認為中國是威脅，會將資訊戰的責任「內部化」，轉而歸咎於國內的執政黨。
sjmisc::frq(tiktok$Q24_neg_overall, weights = tiktok$WT, out="v")

對中國政府是否為負面印象 (xw) <categorical>

val	label	frq	raw.prc	valid.prc	cum.prc
0	非負面印象	265	10.15	10.15	10.15
1	負面印象	2347	89.85	89.85	100.00
NA	NA	0	0.00	NA	NA
total N=2612 · valid N=2612 · x̄=0.90 · σ=0.30

二、媒體使用習慣（X2）

（一）X2-1：TikTok 抖音使用頻率

  S1. 請問您最近一年有多常使用 TikTok 抖音？

  此變數反映受訪者「對 TikTok 平台的依賴程度」，由於 TikTok 演算法會根據使用者偏好推送內容，使用頻率越高者，越可能深度暴露於平台的資訊生態中，其政治認知可能受到演算法影響。高頻率使用者若同時信賴非傳統媒體，更可能將傾向將假訊息歸咎於執政黨。

# 原始變數
sjmisc::frq(tiktok$S1, out="v")

TikTok 抖音使用頻率 (x) <numeric>

val	label	frq	raw.prc	valid.prc	cum.prc
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
total N=2612 · valid N=2612 · x̄=2.93 · σ=1.41

# 清理後變數（已加權）
sjmisc::frq(tiktok$S1, weights = tiktok$WT, out="v")

TikTok 抖音使用頻率 (xw) <numeric>

val	label	frq	raw.prc	valid.prc	cum.prc
1	從來沒有	548	20.98	20.98	20.98
2	很少使用	664	25.42	25.42	46.40
3	每週數次	597	22.86	22.86	69.26
4	每天一次	334	12.79	12.79	82.04
5	每天好幾次	469	17.96	17.96	100.00
NA	NA	0	0.00	NA	NA
total N=2612 · valid N=2612 · x̄=2.81 · σ=1.38

# 推測 TikTok 使用頻率與 Q9 的假訊息歸因之間存在正向關聯，每天使用一次以上的高頻使用者（原題選項 4-5 ），相較於低頻或非使用者，會更傾向將假訊息歸咎於民進黨。高頻使用者可能將 TikTok 作為主要的資訊來源，缺乏其他管道的平衡觀點，更容易被單一敘事說服。
sjmisc::frq(tiktok$S1_high, weights = tiktok$WT, out="v")

是否為TikTok高頻使用者 (xw) <categorical>

val	label	frq	raw.prc	valid.prc	cum.prc
0	非高頻使用者	1809	69.26	69.26	69.26
1	高頻使用者	803	30.74	30.74	100.00
NA	NA	0	0.00	NA	NA
total N=2612 · valid N=2612 · x̄=0.31 · σ=0.46

（二）X2-2：最信賴的資訊來源

  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？

  此變數反映受訪者的「資訊來源信賴偏好」，推測信賴「社群平台的KOL（網紅）或粉專」（選項2）等非傳統媒體的群體，可能更容易受到特定政治敘事影響，進而強化對執政黨的負面歸因。

# 原始變數
sjmisc::frq(tiktok$Q4, out="v")

最信賴的資訊來源 (x) <numeric>

val	label	frq	raw.prc	valid.prc	cum.prc
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	其他	11	0.42	0.42	100.00
NA	NA	0	0.00	NA	NA
total N=2612 · valid N=2612 · x̄=4.06 · σ=6.13

# 清理後變數（已加權）
sjmisc::frq(tiktok$Q4, weights = tiktok$WT, out="v")

最信賴的資訊來源 (xw) <numeric>

val	label	frq	raw.prc	valid.prc	cum.prc
1	新聞媒體與新聞台	1141	43.68	43.68	43.68
2	社群平台的KOL（網紅）或粉專	163	6.24	6.24	49.92
3	某政治人物本身	125	4.79	4.79	54.71
4	名嘴或時事評論員	146	5.59	5.59	60.30
5	親朋好友	289	11.06	11.06	71.36
6	點頭之交	38	1.45	1.45	72.82
7	沒有可以信賴的	705	26.99	26.99	99.81
90	其他	5	0.19	0.19	100.00
NA	NA	0	0.00	NA	NA
total N=2612 · valid N=2612 · x̄=3.64 · σ=4.66

# 信賴非傳統媒體（原題選項 2-6 ）的群體，相較於信賴傳統新聞媒體的群體，可能會更傾向將假訊息歸咎於民進黨。非傳統媒體（特別是社群平台 KOL、名嘴）缺乏這種專業查證機制，其內容往往更具情感性和煽動性，而非理性分析，更容易透過憤怒、不滿等情緒感染受眾，強化他們對執政黨的負面認知。信賴「親朋好友」或「點頭之交」作為資訊來源的群體，其政治認知可能更容易受到社交圈的影響。如果其社交圈普遍持反執政黨立場，這種態度會透過人際網絡傳播。信賴「某政治人物本身」的群體，可能已經具有強烈的政黨認同或政治立場。這些人會直接接收政治人物的政治宣傳，缺乏媒體中介的過濾機制。
sjmisc::frq(tiktok$Q4_nontraditional, weights = tiktok$WT, out="v")

是否信賴非傳統媒體 (xw) <categorical>

val	label	frq	raw.prc	valid.prc	cum.prc
0	不主要信賴非傳統媒體	1851	70.87	70.87	70.87
1	信賴非傳統媒體	761	29.13	29.13	100.00
NA	NA	0	0.00	NA	NA
total N=2612 · valid N=2612 · x̄=0.29 · σ=0.45

三、政治制度信念與社會不滿（X3）

（一）X3-1：民主滿意度

  Q15： 整體來說，您對於我國民主的運作現況滿不滿意？

  此變數反映受訪者的「民主運作滿意程度」，對當前體制運作越不滿意的群體，越可能將所有負面現象（如假訊息）歸咎於當權者。

# 原始變數
sjmisc::frq(tiktok$Q15, out="v")

民主滿意度 (x) <numeric>

val	label	frq	raw.prc	valid.prc	cum.prc
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
total N=2612 · valid N=2612 · x̄=3.46 · σ=1.30

# 清理後變數（已加權）
# 因原始編碼「數字越大 = 越滿意民主」，反轉編碼後「數字越大 = 越不滿意民主」，更符合直覺
sjmisc::frq(tiktok$Q15_reverse, weights = tiktok$WT, out="v")

民主不滿意度 (xw) <categorical>

val	label	frq	raw.prc	valid.prc	cum.prc
1	非常滿意	104	3.98	3.98	3.98
2	還算滿意	584	22.36	22.36	26.34
3	有點滿意	696	26.65	26.65	52.99
4	有點不滿意	668	25.57	25.57	78.56
5	還算不滿意	281	10.76	10.76	89.32
6	非常不滿意	279	10.68	10.68	100.00
NA	NA	0	0.00	NA	NA
total N=2612 · valid N=2612 · x̄=3.49 · σ=1.34

# 推測民主滿意度與 Q9 的假訊息歸因之間存在負向關聯，對我國民主運作現況表達不滿意的群體（原題選項 1-3 ）認為民主體制未能有效運作時，會將包括假訊息在內的所有負面現象歸咎於當權者，視其為體制失靈的證據。
sjmisc::frq(tiktok$Q15_dissat_bin, weights = tiktok$WT, out="v")

是否對民主制度不滿意 (xw) <categorical>

val	label	frq	raw.prc	valid.prc	cum.prc
0	對民主滿意	1384	52.99	52.99	52.99
1	對民主不滿意	1228	47.01	47.01	100.00
NA	NA	0	0.00	NA	NA
total N=2612 · valid N=2612 · x̄=0.47 · σ=0.50

# 民主滿意度正反方比例相當接近，顯示台灣社會在民主評價上呈現顯著的兩極分化，這種分歧可能反映出不同政治立場者對同一體制運作的截然不同認知。在總統制或內閣制國家，執政黨被視為體制運作的主要負責人，當民眾對體制不滿時，自然會將責任歸咎於執政黨，而非在野黨或外部勢力；亦會認為政府無能導致無法有效管制假訊息，或是政府為了彌補無能，刻意操作假訊息來操控輿論。無論哪種路徑，都會導致將假訊息歸咎於執政黨。
plot_frq(tiktok$Q15_dissat_bin, weight.by = tiktok$WT)

（二）X3-2：司法不公感

  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？

  此變數反映受訪者的「司法公正信念」，越質疑體制公平性的人，可能更容易相信「政府透過網軍操作假訊息」的陰謀論。

# 原始變數
sjmisc::frq(tiktok$Q16, out="v")

司法不公感 (x) <numeric>

val	label	frq	raw.prc	valid.prc	cum.prc
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
total N=2612 · valid N=2612 · x̄=4.36 · σ=1.24

# 清理後變數（已加權）
sjmisc::frq(tiktok$Q16, weights = tiktok$WT, out="v")

司法不公感 (xw) <numeric>

val	label	frq	raw.prc	valid.prc	cum.prc
1	非常不同意	75	2.87	2.87	2.87
2	還滿不同意	96	3.68	3.68	6.55
3	有點不同意	443	16.97	16.97	23.52
4	有點同意	926	35.47	35.47	58.98
5	還滿同意	514	19.69	19.69	78.67
6	非常同意	557	21.33	21.33	100.00
NA	NA	0	0.00	NA	NA
total N=2611 · valid N=2611 · x̄=4.29 · σ=1.24

# 推測司法不公感與 Q9 的假訊息歸因之間存在正向關聯，司法是民主體制的重要支柱，當民眾認為司法不公（原題選項 4-6 ）時，代表對整個體制的信任已經崩解。這種不信任會擴散至政府的所有作為，包括對假訊息問題的處理。
sjmisc::frq(tiktok$Q16_agree, weights = tiktok$WT, out="v")

是否同意司法不公 (xw) <categorical>

val	label	frq	raw.prc	valid.prc	cum.prc
0	不同意司法不公	615	23.55	23.55	23.55
1	同意司法不公	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

# 由次數分配明顯可見，認為司法不公的群體占了高達 76.4% 。對司法不公的認知，會讓民眾更容易相信政府透過網軍操作假訊息的陰謀論敘事。除了前者，也往往伴隨著「選擇性執法」的印象（例如「只辦藍不辦綠」）。各種印象會讓他們相信，政府在處理假訊息問題時也採取雙重標準，甚至自己就是假訊息的來源。司法不公感代表了一種系統化的負面認知，認為整個體制已經被執政黨把持和操控。在這種認知框架下，假訊息問題自然也會被歸咎於執政黨。
plot_frq(tiktok$Q16_agree, weight.by = tiktok$WT)

（三）X3-3：政府威權化認知

  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？

  此變數反映受訪者的「極端政府不信任感」，若是對政府有不信任感和陰謀論認知，越可能更激進的將責任歸屬給執政者的傾向。

# 原始變數
sjmisc::frq(tiktok$Q18, out="v")

政府威權化認知 (x) <numeric>

val	label	frq	raw.prc	valid.prc	cum.prc
1	非常不同意	359	13.74	13.74	13.74
2	還滿不同意	385	14.74	14.74	28.48
3	有點不同意	716	27.41	27.41	55.90
4	有點同意	663	25.38	25.38	81.28
5	還滿同意	297	11.37	11.37	92.65
6	非常同意	192	7.35	7.35	100.00
NA	NA	0	0.00	NA	NA
total N=2612 · valid N=2612 · x̄=3.28 · σ=1.41

# 清理後變數（已加權）
sjmisc::frq(tiktok$Q18, weights = tiktok$WT, out="v")

政府威權化認知 (xw) <numeric>

val	label	frq	raw.prc	valid.prc	cum.prc
1	非常不同意	411	15.73	15.73	15.73
2	還滿不同意	462	17.68	17.68	33.41
3	有點不同意	674	25.79	25.79	59.20
4	有點同意	589	22.54	22.54	81.75
5	還滿同意	283	10.83	10.83	92.58
6	非常同意	194	7.42	7.42	100.00
NA	NA	0	0.00	NA	NA
total N=2613 · valid N=2613 · x̄=3.17 · σ=1.45

# 極端認同政府威權化的群體（原題選項 4-6 ）與假訊息歸因（Q9）之間可能存在正向關聯，且這個關聯可能是所有自變數中最強的。同意「現在的政府跟共產黨沒有差別，台灣沒有言論自由」的群體，會更傾向將假訊息歸咎於民進黨。當民眾認為「台灣沒有言論自由」時，會自然聯想到政府透過各種手段控制輿論，而操作假訊息正是控制輿論的重要手段之一。而認同「政府跟共產黨沒有差別」這種表述的人，更可能將假訊息歸咎於民進黨而非中國共產黨。這背後的邏輯可能是：「既然台灣政府已經跟共產黨一樣壞了，那假訊息當然是他們搞的，而不是真正的共產黨」。而也有可能是因果倒置，正是因為民眾已經將假訊息歸咎於民進黨，才會產生「政府操控輿論」到「政府跟共產黨一樣」的認知。但無論因果方向如何，這兩個變數之間應該存在強烈關聯。
sjmisc::frq(tiktok$Q18_agree, weights = tiktok$WT, out="v")

是否同意政府威權化 (xw) <categorical>

val	label	frq	raw.prc	valid.prc	cum.prc
0	不同意政府威權化	1547	59.23	59.23	59.23
1	同意政府威權化	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

# 儘管台灣是公認的民主國家，仍有近半數的受訪者同意現在的政府跟共產黨沒有差別。這種認知矛盾揭示了民眾對執政黨的極端不信任，甚至有將民主政府等同於威權體制的認知框架，此種情況下，民眾自然會將假訊息問題歸咎於「已經威權化的執政黨」，而非外部的中國共產黨。
plot_frq(tiktok$Q18_agree, weight.by = tiktok$WT)

肆、研究假說

一、潛在政治傾向對假訊息歸因的影響

（一）假說陳述

  假說一：本研究假設選擇不支持任何政黨（Q10）的隱性選民，若其在政黨厭惡感（Q11）以及兩岸關係（Q23）或對中國政府印象（Q24）等議題展現親中的潛在傾向，則會更傾向將假訊息歸因於執政黨（Q9）。

（二）理論基礎

  政黨支持傾向是影響政治認知的最根本因素，而對於缺乏顯性政黨標籤的「隱性選民」而言，他們在兩岸議題上（如將兩岸緊張歸因於民進黨，或對中國印象較正面）的態度，將作為其真實政治光譜的推論基礎。一旦隱性傾向確定為反執政黨，這種負面立場將把包括假訊息的所有負面問題歸咎於現任的執政者。

（三）變數間關聯

  H1：政黨支持度與假訊息歸因（Q10 × Q9）

  在政黨傾向不明確的群體中，表現為「不支持任何政黨」的受訪者，相較於支持執政黨者，隱性的反執政黨傾向會促使選民將負面問題和社會爭議歸因於當前的執政者。

  H2：政黨厭惡感與目標歸因（Q11 × Q9）

  對民進黨抱持顯著厭惡情感的受訪者，會更強烈地將假訊息歸因於該政黨，會直接強化受訪者對厭惡目標政黨的所有負面歸因，具有直接的影響效應。

  H3：議題歸因的一致性（Q23 × Q9）

  將兩岸關係緊張的責任歸咎於民進黨的受訪者，也會將假訊息的責任歸咎於民進黨，受訪者對執政黨的負面態度會促使其將不同負面議題（兩岸關係、資訊戰）的責任都歸咎於一起。

  H4：外部威脅認知與責任內部化（Q24 × Q9）

  對中國政府印象偏向中立或正面的受訪者，將更傾向把假訊息的責任歸咎於民進黨。當對外部威脅（中國）的感知程度較低時，受訪者將不會使用「外部歸因」，而會將假訊息這個社會問題的責任「內部化」，轉而歸咎於國內的執政黨。

二、媒體使用習慣對假訊息歸因的影響

（一）假說陳述

  假說二：本研究假設若受訪者 TikTok 平台的使用頻率越高（S1），且對非傳統媒體的信賴度越高（Q4），則會越傾向將假訊息歸因於執政黨（Q9）。

（二）理論基礎

  依賴社群平台、意見領袖等非傳統媒體的群體，其資訊過濾機制和政治認知模式，可能更容易受到特定政治敘事的影響，從而強化他們的負面歸因傾向。

（三）變數間關聯

  H5：平台使用頻率與歸因偏誤（S1 × Q9）

  TikTok 高頻使用者將更傾向將假訊息的責任歸咎於民進黨，高度依賴特定平台會使受訪者深度暴露於平台內特定的敘事或內容，若該內容傾向於批評執政黨，將強化其負面歸因。

  H6：資訊來源信賴與歸因（Q4 × Q9）

  信賴非傳統媒體（如社群媒體或網路論壇）的受訪者，會更傾向將假訊息的責任歸咎於民進黨。相較於傳統媒體，非傳統媒體通常缺乏嚴謹的查證機制，其內容傾向於更具情感煽動性或政治對立性，從而強化了對執政黨的負面認知。

三、政治制度信念與社會不滿對假訊息歸因的影響

（一）假說陳述

  假說三：本研究假設受訪者對於現行民主運作滿意度越低（Q15），且有司法不公感（Q16）亦或對政府抱持極端的不信任（Q18），則會越傾向將假訊息歸因於執政黨（Q9）。

（二）理論基礎

  當民眾對民主的運作、體制的公正性感到失望，甚至產生「當權政府與共產黨無異」的激進認知時，可能會產生廣泛的政治異議態度，且此種不滿將被投射出來，使得他們更願意相信和接受將所有負面社會問題歸咎於現有當權者。

（三）變數間關聯

  H7：民主滿意度與負面歸因（Q15 × Q9）

  對當前民主運作感到不滿意的受訪者，將更傾向將假訊息的責任歸咎於執政黨，對體制運作的不滿，會直接投射為對現行當權者的負面歸因。

  H8：司法不公感與信任體制崩解（Q16 × Q9）

  認同「司法不公」的受訪者，將更傾向將假訊息歸咎於執政黨，此推論是基於對核心制度信任的瓦解，伴隨而來的陰謀論認知可能被強化，導致對執政者的負面歸因增加。

  H9：政府威權化認知與極端不信任（Q18 × Q9）

  認同「政府運作如共產黨」等極端觀點的受訪者，將會更傾向將假訊息的責任歸咎於民進黨，反映了對政府的不信任感，此種民主政府等同於威權體制的認知，會強化對執政黨的極端負面歸因。