民主價值、世代意識形態與外部態度：台灣民眾對中國與美國看法的分析

Author

政治所 M146020002蔡珮慈 98024lisa@gmail.com

## 使用民主基金會2025調查＿台灣民主價值與治理資料

一、研究動機

隨著全球民主體系面臨挑戰與轉型，台灣的民主經驗成為亞洲觀察民主深化與轉型的重要案例。民眾對民主制度的支持與信任，長期被視為民主鞏固的重要基礎。然而，近年在美中戰略競逐與地緣政治緊張的背景下，台灣社會對「民主」的理解已不僅止於制度層面，而逐漸反映出民眾在意識形態與國際認同上的分歧。

在後川普時代，美國的經濟民族主義與區域戰略重組，重新塑造了台灣對「民主盟友」的期待與想像；相對地，中國在經濟與政治上持續擴張影響力，也引發部分民眾對兩岸關係的矛盾感受。於是，民眾如何理解「民主」的內涵，可能不僅影響其對國內政治運作的評價，也形塑其對外強權的情感距離與政策偏好。

本研究因此聚焦於探討不同年齡層台灣民眾的民主意涵認同與其延伸至對美、對中看法之關聯。透過「民主基金會2025台灣民主價值與治理調查」資料，分析民眾在民主價值認知、政治樂觀程度與國族認同等面向上的差異，期能從實證角度揭示台灣民主信念如何在地緣政治脈絡中內化、轉化與外化，進而深化對台灣民主認同與國際定位的理解。

關鍵字：民主價值認同、後川普時代、情感溫度、兩岸關係

library(haven)
data <- read_sav("~/Desktop/draft/作業研究/民主基金會2025調查_臺灣民主價值與治理/PP259762.sav")
library(stringr)
library(tidyr)
sjPlot::set_theme(theme.font="PingFang TC")

資料搜集：臺灣民主價值與治理

計畫主持人：陳陸輝教授

研究數據：

資料長度（length(data)）：對 tibble/data.frame，length() 回的是「欄數」，所以是 140。

列數 / 欄數：nrow(data) = 1218、ncol(data) = 140。

總儲存格數：1218 × 140 = 170,520。

完整度（completeness）：1 - sum(is.na(data)) / 170520。

記憶體：object.size(data)，上面會同時給位元組與易讀格式（KB/MB）。欄位細節：column_report()

問卷題數：31題

訪問方式：電訪

col_na     <- sapply(data, function(v) sum(is.na(v)))
col_unique <- sapply(data, function(v) if (is.list(v)) NA_integer_ else dplyr::n_distinct(v, na.rm = TRUE))

二、關聯假設：

IV:「不同世代」，依年齡區間，每十年為一組，從未滿20歲到80歲以上

DV1：民主價值與認知

先藉由Ｑ5-7檢視受訪民眾對於民主價值的定義與認知，延伸出對台灣目前民主政治在公共事務上運行的看法，認為樂觀抑或悲觀，咎其原因，並從這些可能性的理由展望未來。選擇的變數分別討論民主制度看法、實行滿意度、情緒態度及政府執政方向等。

DV2：對中／美態度

本區塊討論台灣外交互動的傾向，並以目前世界體系的兩大強權美國、中國為探討標的，了解台灣民眾對兩國的政體國體、政經交流各種層次認知後，主觀對於兩個國家的印象。

DV3：國族認同

了解受訪族群的政治意識型態、國族認同，連結Ｂ單元題組對於中、美的情感依附態度和偏好，探討其是否成為建構民主價值認知的核心因素。

假說設定：

Ｈ0:不同世代對於民主制度的定義、認同有差別，延伸到其對美國、中國態度

H1:是否越年輕世代，越認同台灣民主制度（Ｑ5-7)

H2:傾向親美和親中的互動行為，存在世代差異（Q17-18）

H3:不同世代對於「台灣人」、「中國人」「兩者都是」的認同，存在世代差異（Q23）

library(sjmisc)


Attaching package: 'sjmisc'

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

    replace_na

library(sjPlot) 
names(data)

  [1] "ID"          "NAME"        "TEL_A"       "TEL"         "TEL_NAME"   
  [6] "DATE"        "BTIME"       "ETIME"       "RESULT"      "CALLER"     
 [11] "GENDER"      "LEVEL"       "HOURS"       "VERSION"     "HOME_A"     
 [16] "HOME_M"      "HOME_O"      "SAMPLE"      "DATE_1"      "BTIME_1"    
 [21] "ETIME_1"     "RESULT_1"    "DATE_2"      "BTIME_2"     "ETIME_2"    
 [26] "RESULT_2"    "DATE_3"      "BTIME_3"     "ETIME_3"     "RESULT_3"   
 [31] "DATE_4"      "BTIME_4"     "ETIME_4"     "RESULT_4"    "DATE_5"     
 [36] "BTIME_5"     "ETIME_5"     "RESULT_5"    "DATE_6"      "BTIME_6"    
 [41] "ETIME_6"     "RESULT_6"    "DATE_7"      "BTIME_7"     "ETIME_7"    
 [46] "RESULT_7"    "Q1"          "Q2"          "Q3"          "Q4"         
 [51] "Q5"          "Q6"          "Q7"          "Q8"          "Q9"         
 [56] "Q10"         "Q11"         "Q12"         "Q13"         "Q14"        
 [61] "Q15"         "Q16"         "Q17"         "Q18"         "Q19"        
 [66] "Q20"         "Q21"         "Q22"         "Q23"         "Q24"        
 [71] "Q25"         "Q26"         "Q27"         "Q28"         "Q29"        
 [76] "Q30"         "Q31"         "Q32"         "Q33"         "Q34"        
 [81] "Q35"         "Q36"         "Q37"         "Q38"         "Q39"        
 [86] "Q40"         "Q41"         "Q42"         "Q43"         "Q44"        
 [91] "Q45"         "Q46"         "Q47"         "Q48"         "Q49"        
 [96] "Q50"         "Q51"         "Q52"         "Q53"         "Q54"        
[101] "Q55"         "NQ1"         "NQ2"         "NQ3"         "NQ4"        
[106] "NQ5"         "NQ6"         "NQ7"         "NQ8"         "NQ9"        
[111] "NQ10"        "NQ11"        "NQ12"        "NQ13"        "NQ14"       
[116] "NQ15"        "NQ16"        "NQ17"        "NQ18"        "NQ19"       
[121] "NQ20"        "TYPE"        "SEX"         "AGE"         "EDU"        
[126] "SENGI"       "SENGI7"      "MASENGI"     "MASENGI7"    "TONDU"      
[131] "PARTYID"     "PARTY"       "PARTYID2"    "T_Cidentity" "CAREER"     
[136] "CAREER8"     "TOWNID"      "AAA"         "AREAR"       "W"

library(haven)
data <- read_sav("~/Desktop/draft/作業研究/民主基金會2025調查_臺灣民主價值與治理/PP259762.sav") 

library(stringr)
library(tidyr) 
library(sjmisc) 
data <- set_na(data, na=c(93:99, "NA"))


## Ａ.民主價值與制度信任

# ５．有人說：「民主也許（臺：加減）會有問題，但還是一個最好的制度」，請問您同不同意（臺：咁有同意）這種說法？【訪員請追問強弱程度】
# 01.非常不同意 02.不 同 意 03.同 意 04.非常同意 
# 96.看 情 形 97.無 意 見 98.不 知 道 95.拒 答
data$Q5r <- rec(data$Q5, rec="1=1; 2=2; 3=3; 4=4", as.num = F)

#整體上明顯偏向「同意」與「非常同意」，約 86% 的受訪者肯定民主制度。
#僅約 13% 表示不同意或非常不同意。
#平均 3.20 表示台灣民眾對民主仍抱持高程度正向認同雖知其有問題，但仍認為它是「最好的制度」。

frq(data$Q5r)

有人說：「民主也許會有問題，但還是一個最好的制度」，請問您同不同意這種說法？ (x) <categorical> 
# total N=1218 valid N=1128 mean=3.20 sd=0.76

Value |      Label |   N | Raw % | Valid % | Cum. %
---------------------------------------------------
    1 | 非常不同意 |  39 |  3.20 |    3.46 |   3.46
    2 |     不同意 | 117 |  9.61 |   10.37 |  13.83
    3 |       同意 | 551 | 45.24 |   48.85 |  62.68
    4 |   非常同意 | 421 | 34.56 |   37.32 | 100.00
 <NA> |       <NA> |  90 |  7.39 |    <NA> |   <NA>

# 在「民主也許會有問題，但仍是最好的制度」此題中，
# 受試的民眾整體展現高度民主價值認同。
# 約八成以上受訪者表示同意或非常同意，平均分數3.18（加權後），顯示民主作為理想制度的觀念仍深植於社會主流意識。
# 這項結果將作為後續分析世代間民主信念差異的重要基準。

frq(data$Q5r, weights = data$W, out="v")

有人說：「民主也許會有問題，但還是一個最好的制度」，請問您同不同意這種說法？ (xw) <categorical>
val	label	frq	raw.prc	valid.prc	cum.prc
1	非常不同意	36	3.23	3.23	3.23
2	不同意	115	10.33	10.33	13.57
3	同意	577	51.84	51.84	65.41
4	非常同意	385	34.59	34.59	100.00
NA	NA	0	0.00	NA	NA
total N=1113 · valid N=1113 · x̄=3.18 · σ=0.74

plot_frq(data$Q5r)

# ６．整體而言，請問您對於目前臺灣民主政治實行的情形滿不滿意（臺：咁有滿意）？【訪員請追問強弱程度】
# 01.非常不滿意 02.不 滿 意 03.滿 意  04.非常滿意 
# 96.看 情 形 97.無 意 見 98.不 知 道 95.拒 答 
data$Q6r <- rec(data$Q6, rec="1=1; 2=2; 3=3; 4=4", as.num = F)

# 整體民眾對台灣民主的「執行現況」約略介於「略滿意」。
# 樂觀與悲觀情緒並非兩極，而呈現「多數溫和肯定」。

frq(data$Q6r)

整體而言，請問您對於目前臺灣民主政治實行的情形滿不滿意？ (x) <categorical> 
# total N=1218 valid N=1135 mean=2.31 sd=0.94

Value |      Label |   N | Raw % | Valid % | Cum. %
---------------------------------------------------
    1 | 非常不滿意 | 278 | 22.82 |   24.49 |  24.49
    2 |     不滿意 | 329 | 27.01 |   28.99 |  53.48
    3 |       滿意 | 427 | 35.06 |   37.62 |  91.10
    4 |   非常滿意 | 101 |  8.29 |    8.90 | 100.00
 <NA> |       <NA> |  83 |  6.81 |    <NA> |   <NA>

frq(data$Q6r, weights = data$W, out="v")

整體而言，請問您對於目前臺灣民主政治實行的情形滿不滿意？ (xw) <categorical>
val	label	frq	raw.prc	valid.prc	cum.prc
1	非常不滿意	253	22.57	22.57	22.57
2	不滿意	326	29.08	29.08	51.65
3	滿意	449	40.05	40.05	91.70
4	非常滿意	93	8.30	8.30	100.00
NA	NA	0	0.00	NA	NA
total N=1121 · valid N=1121 · x̄=2.34 · σ=0.92

# 民眾的態度相對中性但仍略偏正面。加權後的分布顯示，「滿意」與「非常滿意」的比例合計約48%，而「不滿意」與「非常不滿意」則約52%。整體平均分數為2.34
# （σ=0.92），略低於中位點，說明雖然台灣民眾支持民主制度，但對目前民主政治的實際表現仍有不少保留與批評。
# 這反映出台灣民眾對民主運作的評價更趨理性，持保留觀望態度。
plot_frq(data$Q6r)

# ７．請問您對臺灣民主政治未來的發展是悲觀還是樂觀？【訪員請追問強弱程度】
# 01.非常悲觀 02.悲 觀 03.樂 觀 04.非常樂觀 
# 96.看 情 形 97.無 意 見 98.不 知 道 95.拒 答 
data$Q7r <- rec(data$Q7, rec="1=1; 2=2; 3=3; 4=4", as.num = F)

# 約八成仍對民主發展「樂觀或非常樂觀」；
# 少數悲觀者（約2成）顯示部分族群對制度未來仍有疑慮。

frq(data$Q7r)

請問您對臺灣民主政治未來的發展是悲觀還是樂觀？ (x) <categorical> 
# total N=1218 valid N=1109 mean=2.38 sd=0.93

Value |    Label |   N | Raw % | Valid % | Cum. %
-------------------------------------------------
    1 | 非常悲觀 | 227 | 18.64 |   20.47 |  20.47
    2 |     悲觀 | 348 | 28.57 |   31.38 |  51.85
    3 |     樂觀 | 415 | 34.07 |   37.42 |  89.27
    4 | 非常樂觀 | 119 |  9.77 |   10.73 | 100.00
 <NA> |     <NA> | 109 |  8.95 |    <NA> |   <NA>

frq(data$Q7r, weights = data$W, out="v")

請問您對臺灣民主政治未來的發展是悲觀還是樂觀？ (xw) <categorical>
val	label	frq	raw.prc	valid.prc	cum.prc
1	非常悲觀	210	19.20	19.20	19.20
2	悲觀	351	32.08	32.08	51.28
3	樂觀	422	38.57	38.57	89.85
4	非常樂觀	111	10.15	10.15	100.00
NA	NA	0	0.00	NA	NA
total N=1094 · valid N=1094 · x̄=2.40 · σ=0.91

# 受訪者的情緒略為正面。加權後，「樂觀」與「非常樂觀」共約 49%，而「悲觀」與「非常悲觀」約 51%。平均分數為 2.40
#（σ=0.91），顯示社會整體對未來民主的發展態度仍維持在中性偏樂觀的水準。

plot_frq(data$Q7r)

## B. 國際與兩岸互動態度: 

# １７．我們社會上常常有人討論臺灣要如何跟中國大陸互動（臺：交往），如果用0來表示臺灣跟中國大陸的互動（臺：交往）應該愈疏遠愈好，用10表示應該愈密切愈好，請問0～10您會給多少？
# 95.拒答 98.不知道 
sjmisc::frq(data$Q17)

我們社會上常常有人討論臺灣要如何跟中國大陸互動，如果用0來表示臺灣跟跟中國大陸的互動應該愈疏遠愈好，用10表示應該愈密切愈好，請問0?10您會給多少？ (x) <numeric> 
# total N=1218 valid N=1112 mean=5.06 sd=2.39

Value |                              Label |   N | Raw % | Valid % | Cum. %
---------------------------------------------------------------------------
    0 | 臺灣跟中國大陸的互動應該愈疏遠愈好 |  82 |  6.73 |    7.37 |   7.37
    1 |                                  1 |  29 |  2.38 |    2.61 |   9.98
    2 |                                  2 |  40 |  3.28 |    3.60 |  13.58
    3 |                                  3 |  93 |  7.64 |    8.36 |  21.94
    4 |                                  4 |  62 |  5.09 |    5.58 |  27.52
    5 |                                  5 | 402 | 33.00 |   36.15 |  63.67
    6 |                                  6 | 141 | 11.58 |   12.68 |  76.35
    7 |                                  7 | 105 |  8.62 |    9.44 |  85.79
    8 |                                  8 |  85 |  6.98 |    7.64 |  93.44
    9 |                                  9 |  14 |  1.15 |    1.26 |  94.69
   10 | 臺灣跟中國大陸的互動應該愈密切愈好 |  59 |  4.84 |    5.31 | 100.00
 <NA> |                               <NA> | 106 |  8.70 |    <NA> |   <NA>

# 在國際互動態度方面，研究先觀察民眾對「台灣與中國大陸的關係」之看法（Q17）。題目以 0–10 分量表呈現，0代表「台灣應該越疏遠越好」，10代表「越密切越好」。
# 整體加權平均數為 5.06（σ=2.39），顯示台灣社會整體對兩岸關係的態度大致位於中間偏溫和區間，並未呈現強烈的極端傾向。

plot_frq(data$Q17, type="hist")

# 進一步將回答分組後（0–3＝疏遠、4–6＝中立、7–10＝密切），結果如下
# 整體可見，超過一半的受訪者（約54%）持中立立場，顯示社會主流對兩岸互動的態度仍以穩健、審慎為主。
# 另一方面，傾向疏遠（21.9%）與傾向密切（23.7%）的比例相近，
# 反映台灣社會在此議題上仍存在一定程度的分歧與多元觀點。

data$Q17.new <- rec(data$Q17, 
                    rec="0:3=1; 4:6=2 ;7:10=3")
frq(data$Q17.new)

我們社會上常常有人討論臺灣要如何跟中國大陸互動，如果用0來表示臺灣跟跟中國大陸的互動應該愈疏遠愈好，用10表示應該愈密切愈好，請問0?10您會給多少？ (x) <numeric> 
# total N=1218 valid N=1112 mean=2.02 sd=0.68

Value |   N | Raw % | Valid % | Cum. %
--------------------------------------
    1 | 244 | 20.03 |   21.94 |  21.94
    2 | 605 | 49.67 |   54.41 |  76.35
    3 | 263 | 21.59 |   23.65 | 100.00
 <NA> | 106 |  8.70 |    <NA> |   <NA>

# １８．我們社會上常常有人討論臺灣要如何跟美國互動（臺：交往） ，如果用0 來表示臺灣跟美國的互動（臺：交往）應該愈疏遠愈好，用10 表示應該愈密切愈好，請問 0～10 您會給多少？
# 95.拒答 98.不知道 

sjmisc::frq(data$Q18)

我們社會上常常有人討論臺灣要如何跟美國互動，如果用0來表示臺灣跟美國的互動應該愈疏遠愈好，用10表示應該愈密切愈好，請問0?10您會給多少？ (x) <numeric> 
# total N=1218 valid N=1118 mean=6.26 sd=2.13

Value |                          Label |   N | Raw % | Valid % | Cum. %
-----------------------------------------------------------------------
    0 | 臺灣跟美國的互動應該愈疏遠愈好 |  24 |  1.97 |    2.15 |   2.15
    1 |                              1 |  10 |  0.82 |    0.89 |   3.04
    2 |                              2 |  14 |  1.15 |    1.25 |   4.29
    3 |                              3 |  33 |  2.71 |    2.95 |   7.25
    4 |                              4 |  31 |  2.55 |    2.77 |  10.02
    5 |                              5 | 374 | 30.71 |   33.45 |  43.47
    6 |                              6 | 142 | 11.66 |   12.70 |  56.17
    7 |                              7 | 175 | 14.37 |   15.65 |  71.82
    8 |                              8 | 166 | 13.63 |   14.85 |  86.67
    9 |                              9 |  32 |  2.63 |    2.86 |  89.53
   10 | 臺灣跟美國的互動應該愈密切愈好 | 117 |  9.61 |   10.47 | 100.00
 <NA> |                           <NA> | 100 |  8.21 |    <NA> |   <NA>

# 觀察民眾對台灣與美國互動關係的看法（Q18）。題目同樣採 0 至 10 分量表，0 代表「台灣應該越疏遠越好」，10 代表「越密切越好」。
# 整體加權後平均數為 6.26（σ=2.13），顯示台灣民眾普遍傾向支持與美國維持較緊密的互動關係。
plot_frq(data$Q18, type="hist")

# 進一步將回答分組後（0–3＝疏遠、4–6＝中立、7–10＝密切），結果如下
data$Q18.new <- rec(data$Q18, 
                    rec="0:3=1; 4:6=2 ;7:10=3")
# 整體結果顯示，將近一半（約49%）的受訪者持中立態度，但同時也有 超過四成（約44%）的人傾向支持與美國維持密切互動
#遠高於持疏遠立場的約7%。這說明台灣社會在整體上呈現出明顯的「親美傾向」，同時仍保有一部分中間意見的群體。
frq(data$Q18.new)

我們社會上常常有人討論臺灣要如何跟美國互動，如果用0來表示臺灣跟美國的互動應該愈疏遠愈好，用10表示應該愈密切愈好，請問0?10您會給多少？ (x) <numeric> 
# total N=1218 valid N=1118 mean=2.37 sd=0.61

Value |   N | Raw % | Valid % | Cum. %
--------------------------------------
    1 |  81 |  6.65 |    7.25 |   7.25
    2 | 547 | 44.91 |   48.93 |  56.17
    3 | 490 | 40.23 |   43.83 | 100.00
 <NA> | 100 |  8.21 |    <NA> |   <NA>

在Q23裡

在有效樣本中（N=1168），有 60.3% 的受訪者自認為「台灣人」。
約 39.7% 表示「中國人或兩者皆是」。
這意味著台灣人認同比例已明顯高於雙重／中國認同。

## C. 世代、身份認同

# ２３．其為數據第25題，在我們社會上，有人說自己是「臺灣人」，也有人說自己是「中國人」，也有人說都是。請問您認為您自己是「臺灣人」、「中國人」，或都是？
# 01.臺 灣 人 02.都 是 03.中 國 人 
# 96.很 難 說 97.無 意 見 98.不 知 道 95 拒 答
table(data$Q25)


  1   2   3 
704 430  34

sjmisc::frq(data$Q25)

在我們社會上，有人說自己是「臺灣人」，也有人說自己是「中國人」，也有人說都是。請問您認為您自己是「臺灣人」、「中國人」，或者都是？ (x) <numeric> 
# total N=1218 valid N=1168 mean=1.43 sd=0.55

Value |  Label |   N | Raw % | Valid % | Cum. %
-----------------------------------------------
    1 | 臺灣人 | 704 | 57.80 |   60.27 |  60.27
    2 |   都是 | 430 | 35.30 |   36.82 |  97.09
    3 | 中國人 |  34 |  2.79 |    2.91 | 100.00
 <NA> |   <NA> |  50 |  4.11 |    <NA> |   <NA>

data$Q25[data$Q25 %in% c(95,96,97,98)] <- NA
data$twnese   <- rec(data$Q25, rec="1=1; else=0", as.num = F)  

# 臺灣人
data$bothtwcn <- rec(data$Q25, rec="2=1; else=0", as.num = F)  
# 都是
data$cnese    <- rec(data$Q25, rec="3=1; else=0", as.num = F) 
# 中國人
frq(data$twnese)

在我們社會上，有人說自己是「臺灣人」，也有人說自己是「中國人」，也有人說都是。請問您認為您自己是「臺灣人」、「中國人」，或者都是？ (x) <categorical> 
# total N=1218 valid N=1168 mean=0.60 sd=0.49

Value |   N | Raw % | Valid % | Cum. %
--------------------------------------
    0 | 464 | 38.10 |   39.73 |  39.73
    1 | 704 | 57.80 |   60.27 | 100.00
 <NA> |  50 |  4.11 |    <NA> |   <NA>

frq(data$bothtwcn)

在我們社會上，有人說自己是「臺灣人」，也有人說自己是「中國人」，也有人說都是。請問您認為您自己是「臺灣人」、「中國人」，或者都是？ (x) <categorical> 
# total N=1218 valid N=1168 mean=0.37 sd=0.48

Value |   N | Raw % | Valid % | Cum. %
--------------------------------------
    0 | 738 | 60.59 |   63.18 |  63.18
    1 | 430 | 35.30 |   36.82 | 100.00
 <NA> |  50 |  4.11 |    <NA> |   <NA>

frq(data$cnese)

在我們社會上，有人說自己是「臺灣人」，也有人說自己是「中國人」，也有人說都是。請問您認為您自己是「臺灣人」、「中國人」，或者都是？ (x) <categorical> 
# total N=1218 valid N=1168 mean=0.03 sd=0.17

Value |    N | Raw % | Valid % | Cum. %
---------------------------------------
    0 | 1134 | 93.10 |   97.09 |  97.09
    1 |   34 |  2.79 |    2.91 | 100.00
 <NA> |   50 |  4.11 |    <NA> |   <NA>

# ２４．請問您是民國那一年出生的？（說不出的改問：您今年幾歲？由訪員換算成出生年：即114－歲數＝出生年次），其為數據第26題
# _________ 年 995.拒答

# 計算年齡（以民國114年為基準）
data$age <- 114 - data$Q26

# 建立世代分組（從20歲開始每10年一組）
data$generation <- NA
data$generation[data$age < 20] <- 1
data$generation[data$age >= 20 & data$age <= 29] <- 2
data$generation[data$age >= 30 & data$age <= 39] <- 3
data$generation[data$age >= 40 & data$age <= 49] <- 4
data$generation[data$age >= 50 & data$age <= 59] <- 5
data$generation[data$age >= 60 & data$age <= 69] <- 6
data$generation[data$age >= 70 & data$age <= 79] <- 7
data$generation[data$age >= 80] <- 8

# 加上世代標籤
data$generation <- factor(data$generation,
  levels = 1:8,
  labels = c("未滿20", "20–29", "30–39", "40–49", "50–59", "60–69", "70–79", "80以上")
)

plot_frq(data$generation)

table(data$generation)


未滿20  20–29  30–39  40–49  50–59  60–69  70–79 80以上 
    18     93    138    231    225    270    177     50

作業三卡方檢定

為了檢驗「不同世代是否在民主制度的認同與滿意度上存在差異」，本研究分別以 Q5（對民主價值的看法）與 Q6（對民主實行的滿意度）進行交叉分析。

1、以Ｑ5（民主是否為好制度）、Ｑ24（抽樣世代分佈），檢視世代間對民主制度的認同狀態

tab_xtab(data$Q5,　data$generation, 
         show.row.prc = TRUE, # 顯示列百分比
         show.col.prc = TRUE, # 顯示欄百分比
         show.na = FALSE, # 不顯示無效值（預設）
         show.legend = FALSE, # 不顯示圖示（預設）
         show.exp = FALSE,  # 不顯示期望值 （預設）
         show.cell.prc = FALSE,   # 不顯示細格的百分比 （預設）
         tdcol.col = "gray", # 將欄百分比顏色改為灰色 （預設為綠色）
         tdcol.row = "brown" # 將列百分比顏色改為褐色 （預設為藍色）
)

有人說：「民主也許會有問題，但還是一個最好的制度」，請問您同不同意這種說法？	generation								Total
有人說：「民主也許會有問題，但還是一個最好的制度」，請問您同不同意這種說法？	未滿20	20–29	30–39	40–49	50–59	60–69	70–79	80以上	Total
非常不同意	0 0 % 0 %	1 2.6 % 1.1 %	1 2.6 % 0.7 %	1 2.6 % 0.4 %	10 25.6 % 4.7 %	19 48.7 % 7.7 %	2 5.1 % 1.3 %	5 12.8 % 14.3 %	39 100 % 3.5 %
不同意	4 3.4 % 26.7 %	9 7.7 % 10.1 %	8 6.8 % 5.9 %	20 17.1 % 9 %	16 13.7 % 7.4 %	26 22.2 % 10.5 %	24 20.5 % 15.7 %	10 8.5 % 28.6 %	117 100 % 10.5 %
同意	8 1.5 % 53.3 %	48 8.9 % 53.9 %	70 13 % 51.9 %	106 19.7 % 47.5 %	112 20.8 % 52.1 %	108 20 % 43.7 %	76 14.1 % 49.7 %	11 2 % 31.4 %	539 100 % 48.5 %
非常同意	3 0.7 % 20 %	31 7.4 % 34.8 %	56 13.4 % 41.5 %	96 23 % 43 %	77 18.5 % 35.8 %	94 22.5 % 38.1 %	51 12.2 % 33.3 %	9 2.2 % 25.7 %	417 100 % 37.5 %
Total	15 1.3 % 100 %	89 8 % 100 %	135 12.1 % 100 %	223 20.1 % 100 %	215 19.3 % 100 %	247 22.2 % 100 %	153 13.8 % 100 %	35 3.1 % 100 %	1112 100 % 100 %
χ²=72.148 · df=21 · Cramer's V=0.147 · Fisher's p=0.000

save(data, file="dataQ5.rda") 

chisq.test(data$Q5, data$generation)

Warning in chisq.test(data$Q5, data$generation): Chi-squared approximation may
be incorrect


    Pearson's Chi-squared test

data:  data$Q5 and data$generation
X-squared = 72.148, df = 21, p-value = 1.584e-07

chisq.test(data$Q5, data$generation, simulate.p.value = TRUE, B = 10000)


    Pearson's Chi-squared test with simulated p-value (based on 10000
    replicates)

data:  data$Q5 and data$generation
X-squared = 72.148, df = NA, p-value = 9.999e-05

虛無假設 H₀：不同世代在「民主雖有問題但仍最好」的看法上沒有差異
對立假設 H₁：不同世代的態度分佈不同

由於 p = 9.999e-0.5<<0.05
→ 拒絕 H₀
→ 世代之間對民主制度的看法存在顯著差異。

從圖表分析可以見得

除了在「非常不同意」民主制度是個好制度的數據裡，60-69歲的受訪者一支獨秀，佔了48.7 %，再綜觀中生代主要的非常不同意也佔了大半比例，顯現出既有制度的實行有需要檢視的空間。

不過整體而言，不同年齡層的台灣民眾普遍都認同民主是最好的制度，但認同強度略有差異。年輕世代傾向理性肯定、但較少「非常同意」的強烈表態；中高齡族群則展現出更堅定的民主信念。此結果顯示民主價值已成為跨世代的共同認知，但世代間的歷史經驗仍影響其認同強度。

2、以Ｑ6（現行台灣民主是施行效度如何）、Ｑ24（抽樣世代分佈），檢視世代間對台灣執政當局的滿意程度

tab_xtab(data$Q6,　data$generation, 
         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"
)

整體而言，請問您對於目前臺灣民主政治實行的情形滿不滿意？	generation								Total
整體而言，請問您對於目前臺灣民主政治實行的情形滿不滿意？	未滿20	20–29	30–39	40–49	50–59	60–69	70–79	80以上	Total
非常不滿意	2 0.7 % 14.3 %	13 4.7 % 14.9 %	17 6.2 % 13.2 %	47 17.1 % 21.2 %	62 22.5 % 28.3 %	75 27.3 % 29.9 %	47 17.1 % 30.1 %	12 4.4 % 29.3 %	275 100 % 24.6 %
不滿意	9 2.8 % 64.3 %	23 7.1 % 26.4 %	41 12.6 % 31.8 %	61 18.7 % 27.5 %	72 22.1 % 32.9 %	69 21.2 % 27.5 %	38 11.7 % 24.4 %	13 4 % 31.7 %	326 100 % 29.1 %
滿意	2 0.5 % 14.3 %	47 11.2 % 54 %	63 15.1 % 48.8 %	94 22.5 % 42.3 %	63 15.1 % 28.8 %	80 19.1 % 31.9 %	57 13.6 % 36.5 %	12 2.9 % 29.3 %	418 100 % 37.4 %
非常滿意	1 1 % 7.1 %	4 4 % 4.6 %	8 8 % 6.2 %	20 20 % 9 %	22 22 % 10 %	27 27 % 10.8 %	14 14 % 9 %	4 4 % 9.8 %	100 100 % 8.9 %
Total	14 1.3 % 100 %	87 7.8 % 100 %	129 11.5 % 100 %	222 19.8 % 100 %	219 19.6 % 100 %	251 22.4 % 100 %	156 13.9 % 100 %	41 3.7 % 100 %	1119 100 % 100 %
χ²=53.283 · df=21 · Cramer's V=0.126 · Fisher's p=0.000

save(data, file="dataQ6.rda") 


data$Q6r <- sjmisc::rec(data$Q6, rec = "1,2=1; 3,4=2", as.num = FALSE)
chisq.test(data$Q6r, data$generation)


    Pearson's Chi-squared test

data:  data$Q6r and data$generation
X-squared = 22.246, df = 7, p-value = 0.002304

虛無假設 (H₀)：不同世代對「目前台灣民主政治的滿意度」沒有差異。
對立假設 (H₁)：不同世代在滿意度上有顯著差異。

由於 p-value = 0.002304 < 0.05，
→ 拒絕 H₀，不同世代對台灣民主政治的滿意程度之間存在顯著差異。

再從圖表閱讀可以發現

整體上，「不滿意」與「非常不滿意」的比例合計約為54%（29.1% + 24.6%），而「滿意」與「非常滿意」則約 46%（37.4% + 8.9%）。
平均分數落在中位點以下（2.34），此種情況顯示民眾對現實層面的民主運作現況的評價偏保留或略不滿。這與前述 Q5「制度層面支持」的結果不同，民眾在認知上支持民主政治；但對實際表現較為不滿。

簡而言之，不同世代在民主政治實行滿意度上確實存在差異。年輕族群普遍表現出較高的滿意度與信任，而中高齡族群則偏向不滿與懷疑。
這種差異顯示台灣民眾對民主的「理念支持」雖呈現高度一致，但對其「治理表現」的評價則分歧較大。世代間的政治經驗與社會化背景，可能正是形成此落差的重要因素，可以在後續的研究中作為探討。

3、以Ｑ7（現行台灣民主政治未來所持態度）、Ｑ24（抽樣世代分佈），檢視世代間對台灣政體的未來展望

tab_xtab(data$Q7,　data$generation, 
         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"
)

請問您對臺灣民主政治未來的發展是悲觀還是樂觀？	generation								Total
請問您對臺灣民主政治未來的發展是悲觀還是樂觀？	未滿20	20–29	30–39	40–49	50–59	60–69	70–79	80以上	Total
非常悲觀	1 0.4 % 9.1 %	12 5.3 % 13.6 %	16 7.1 % 12.8 %	42 18.7 % 19.3 %	46 20.4 % 21.9 %	62 27.6 % 24.4 %	36 16 % 24.2 %	10 4.4 % 26.3 %	225 100 % 20.6 %
悲觀	7 2.1 % 63.6 %	31 9.1 % 35.2 %	48 14.2 % 38.4 %	68 20.1 % 31.2 %	64 18.9 % 30.5 %	73 21.5 % 28.7 %	37 10.9 % 24.8 %	11 3.2 % 28.9 %	339 100 % 31 %
樂觀	2 0.5 % 18.2 %	40 9.8 % 45.5 %	52 12.7 % 41.6 %	89 21.7 % 40.8 %	74 18 % 35.2 %	87 21.2 % 34.3 %	55 13.4 % 36.9 %	11 2.7 % 28.9 %	410 100 % 37.5 %
非常樂觀	1 0.8 % 9.1 %	5 4.2 % 5.7 %	9 7.6 % 7.2 %	19 16 % 8.7 %	26 21.8 % 12.4 %	32 26.9 % 12.6 %	21 17.6 % 14.1 %	6 5 % 15.8 %	119 100 % 10.9 %
Total	11 1 % 100 %	88 8.1 % 100 %	125 11.4 % 100 %	218 19.9 % 100 %	210 19.2 % 100 %	254 23.2 % 100 %	149 13.6 % 100 %	38 3.5 % 100 %	1093 100 % 100 %
χ²=32.583 · df=21 · Cramer's V=0.100 · Fisher's p=0.047

save(data, file="dataQ7.rda") 
chisq.test(data$Q7, data$generation)

Warning in chisq.test(data$Q7, data$generation): Chi-squared approximation may
be incorrect


    Pearson's Chi-squared test

data:  data$Q7 and data$generation
X-squared = 32.583, df = 21, p-value = 0.05105

chisq.test(data$Q7, data$generation, simulate.p.value = TRUE, B = 10000)


    Pearson's Chi-squared test with simulated p-value (based on 10000
    replicates)

data:  data$Q7 and data$generation
X-squared = 32.583, df = NA, p-value = 0.05269

虛無假設 (H₀)：不同世代對「台灣民主政治未來的發展是悲觀還是樂觀」沒有差異。
對立假設 (H₁)：不同世代在滿意度上有顯著差異。

由於 p-value = 0.0483< 0.05，
→ 拒絕 H₀，不同世代對「台灣民主政治未來的發展是悲觀還是樂觀」沒有差異。

由圖而知

20–39歲族群：「樂觀」與「非常樂觀」比例合計約50–55%，明顯高於悲觀者。
50歲以上族群：「非常悲觀」與「悲觀」比例增加到40–50%，尤其在 60–69 歲族群中「非常悲觀」達27.6%。
70歲以上的族群中，悲觀比例依然偏高，反映高齡者對政治未來的不確定感較強。

整體而言，年輕世代對民主的未來相對樂觀，中老年世代則偏悲觀，顯示台灣社會在不同代際間對民主發展的信任感有所分歧。這顯示台灣社會的民主信心雖非盲目樂觀，更迫切的期盼具有更穩定的基礎。年輕世代的樂觀態度可能與他們成長於民主常態化環境有關；中老年世代的悲觀則可能受到政黨競爭、社會對立與政治疲勞等因素影響。

此外，這樣的結果與 H1 假設一致：越年輕的世代對民主制度的信任與認同越高。

4、以Ｑ17（親中情感溫度）、Ｑ24（抽樣世代分佈），檢視世代間對台灣與中國互動的態度

其對應假設H2：「傾向親美與親中的互動行為存在世代差異」。

tab_xtab(data$Q17,　data$generation, 
         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" 
)

我們社會上常常有人討論臺灣要如何跟中國大陸互動，如果用0來表示臺灣跟跟中國大陸的互動應該愈疏遠愈好，用10表示應該愈密切愈好，請問0?10您會給多少？	generation								Total
	未滿20	20–29	30–39	40–49	50–59	60–69	70–79	80以上	Total
臺灣跟中國大陸的互動應該愈疏遠愈好	1 1.2 % 8.3 %	4 4.9 % 4.4 %	8 9.8 % 6 %	12 14.6 % 5.4 %	8 9.8 % 3.6 %	20 24.4 % 8.1 %	23 28 % 16.4 %	6 7.3 % 21.4 %	82 100 % 7.5 %
1	0 0 % 0 %	1 3.4 % 1.1 %	4 13.8 % 3 %	7 24.1 % 3.1 %	4 13.8 % 1.8 %	7 24.1 % 2.8 %	6 20.7 % 4.3 %	0 0 % 0 %	29 100 % 2.6 %
2	0 0 % 0 %	4 10 % 4.4 %	1 2.5 % 0.7 %	8 20 % 3.6 %	6 15 % 2.7 %	12 30 % 4.8 %	9 22.5 % 6.4 %	0 0 % 0 %	40 100 % 3.6 %
3	1 1.1 % 8.3 %	8 8.9 % 8.8 %	13 14.4 % 9.7 %	13 14.4 % 5.8 %	16 17.8 % 7.3 %	24 26.7 % 9.7 %	15 16.7 % 10.7 %	0 0 % 0 %	90 100 % 8.2 %
4	0 0 % 0 %	4 6.8 % 4.4 %	9 15.3 % 6.7 %	19 32.2 % 8.5 %	7 11.9 % 3.2 %	16 27.1 % 6.5 %	3 5.1 % 2.1 %	1 1.7 % 3.6 %	59 100 % 5.4 %
5	6 1.5 % 50 %	38 9.5 % 41.8 %	52 13 % 38.8 %	93 23.2 % 41.7 %	96 23.9 % 43.6 %	71 17.7 % 28.6 %	38 9.5 % 27.1 %	7 1.7 % 25 %	401 100 % 36.6 %
6	1 0.7 % 8.3 %	13 9.6 % 14.3 %	14 10.4 % 10.4 %	25 18.5 % 11.2 %	33 24.4 % 15 %	31 23 % 12.5 %	14 10.4 % 10 %	4 3 % 14.3 %	135 100 % 12.3 %
7	2 1.9 % 16.7 %	10 9.7 % 11 %	19 18.4 % 14.2 %	24 23.3 % 10.8 %	19 18.4 % 8.6 %	17 16.5 % 6.9 %	9 8.7 % 6.4 %	3 2.9 % 10.7 %	103 100 % 9.4 %
8	1 1.2 % 8.3 %	7 8.2 % 7.7 %	8 9.4 % 6 %	10 11.8 % 4.5 %	21 24.7 % 9.5 %	24 28.2 % 9.7 %	11 12.9 % 7.9 %	3 3.5 % 10.7 %	85 100 % 7.8 %
9	0 0 % 0 %	1 7.7 % 1.1 %	1 7.7 % 0.7 %	1 7.7 % 0.4 %	4 30.8 % 1.8 %	4 30.8 % 1.6 %	1 7.7 % 0.7 %	1 7.7 % 3.6 %	13 100 % 1.2 %
臺灣跟中國大陸的互動應該愈密切愈好	0 0 % 0 %	1 1.7 % 1.1 %	5 8.5 % 3.7 %	11 18.6 % 4.9 %	6 10.2 % 2.7 %	22 37.3 % 8.9 %	11 18.6 % 7.9 %	3 5.1 % 10.7 %	59 100 % 5.4 %
Total	12 1.1 % 100 %	91 8.3 % 100 %	134 12.2 % 100 %	223 20.3 % 100 %	220 20.1 % 100 %	248 22.6 % 100 %	140 12.8 % 100 %	28 2.6 % 100 %	1096 100 % 100 %
χ²=111.683 · df=70 · Cramer's V=0.121 · Fisher's p=0.001

save(data, file="dataQ17.rda") 
 
chisq.test(data$Q17.new, data$generation)

Warning in chisq.test(data$Q17.new, data$generation): Chi-squared approximation
may be incorrect


    Pearson's Chi-squared test

data:  data$Q17.new and data$generation
X-squared = 42.204, df = 14, p-value = 0.0001147

chisq.test(data$Q17.new, data$generation, simulate.p.value = TRUE, B = 10000)


    Pearson's Chi-squared test with simulated p-value (based on 10000
    replicates)

data:  data$Q17.new and data$generation
X-squared = 42.204, df = NA, p-value = 3e-04

H₀（虛無假設）：世代與對中國互動態度獨立
H₁（對立假設）：兩者之間有顯著關聯

因為 p-value = 2e-04< 0.05，
→ 拒絕 H₀，不同世代間在對中國（虛無假設），所以世代與對中國互動態度獨立的態度上有顯著差異。

再將0-10情感溫度量表進而使用加插比對區分三種程度討論如下

「中間取向（4–6分）」的比例最高，約佔 54.4%；
「傾向疏遠（0–3分）」佔 21.9%；
「傾向密切（7–10分）」佔 23.7%。

20–39歲族群中，選擇「疏遠」的比例較高，顯示年輕人對中國互動態度較為保守與防衛。
50歲以上族群中，選擇「密切」的比例逐漸上升，尤其是 60–69 歲與 70–79 歲族群中，「7分以上」的比例達到約 20–25%，顯示部分中老年族群仍支持維持經濟與文化上的交流。
80歲以上族群雖樣本數較少，但整體仍呈現偏向「中立或密切」的趨勢。

整體而言，越年輕的世代越傾向希望與中國保持距離，越年長的世代越可能接受較密切往來。
這樣的分化反映出政治社會化歷程的影響——年輕世代多成長於民主化與兩岸緊張的時期，對中國的政治體制與威脅認知較高；
而中老年世代經歷過開放交流與經濟往來的階段，對兩岸關係的理解相對務實。

結果與假設 H2 相符，顯示世代因素確實影響台灣民眾對中國的親近態度。

5、以Ｑ18（親美情感溫度）、Ｑ24（抽樣世代分佈），檢視世代間對台灣與中國互動的態度

tab_xtab(data$Q18,　data$generation, 
         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" 
)

我們社會上常常有人討論臺灣要如何跟美國互動，如果用0來表示臺灣跟美國的互動應該愈疏遠愈好，用10表示應該愈密切愈好，請問0?10您會給多少？	generation								Total
	未滿20	20–29	30–39	40–49	50–59	60–69	70–79	80以上	Total
臺灣跟美國的互動應該愈疏遠愈好	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	3 12.5 % 1.3 %	5 20.8 % 2.3 %	9 37.5 % 3.6 %	5 20.8 % 3.5 %	2 8.3 % 6.9 %	24 100 % 2.2 %
1	0 0 % 0 %	0 0 % 0 %	3 30 % 2.2 %	1 10 % 0.4 %	0 0 % 0 %	3 30 % 1.2 %	2 20 % 1.4 %	1 10 % 3.4 %	10 100 % 0.9 %
2	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	5 35.7 % 2.3 %	3 21.4 % 1.2 %	5 35.7 % 3.5 %	1 7.1 % 3.4 %	14 100 % 1.3 %
3	1 3.1 % 7.7 %	1 3.1 % 1.1 %	4 12.5 % 3 %	4 12.5 % 1.8 %	8 25 % 3.7 %	9 28.1 % 3.6 %	2 6.2 % 1.4 %	3 9.4 % 10.3 %	32 100 % 2.9 %
4	0 0 % 0 %	3 9.7 % 3.3 %	4 12.9 % 3 %	9 29 % 4 %	3 9.7 % 1.4 %	7 22.6 % 2.8 %	3 9.7 % 2.1 %	2 6.5 % 6.9 %	31 100 % 2.8 %
5	8 2.2 % 61.5 %	25 6.7 % 27.5 %	39 10.5 % 29.1 %	77 20.7 % 33.9 %	94 25.3 % 43.1 %	84 22.6 % 33.7 %	44 11.8 % 31.2 %	1 0.3 % 3.4 %	372 100 % 33.8 %
6	0 0 % 0 %	11 8 % 12.1 %	23 16.8 % 17.2 %	28 20.4 % 12.3 %	22 16.1 % 10.1 %	34 24.8 % 13.7 %	14 10.2 % 9.9 %	5 3.6 % 17.2 %	137 100 % 12.4 %
7	1 0.6 % 7.7 %	22 13 % 24.2 %	24 14.2 % 17.9 %	44 26 % 19.4 %	29 17.2 % 13.3 %	37 21.9 % 14.9 %	11 6.5 % 7.8 %	1 0.6 % 3.4 %	169 100 % 15.3 %
8	2 1.2 % 15.4 %	21 12.8 % 23.1 %	22 13.4 % 16.4 %	31 18.9 % 13.7 %	33 20.1 % 15.1 %	30 18.3 % 12 %	21 12.8 % 14.9 %	4 2.4 % 13.8 %	164 100 % 14.9 %
9	0 0 % 0 %	2 6.2 % 2.2 %	2 6.2 % 1.5 %	9 28.1 % 4 %	7 21.9 % 3.2 %	8 25 % 3.2 %	3 9.4 % 2.1 %	1 3.1 % 3.4 %	32 100 % 2.9 %
臺灣跟美國的互動應該愈密切愈好	1 0.9 % 7.7 %	6 5.1 % 6.6 %	13 11.1 % 9.7 %	21 17.9 % 9.3 %	12 10.3 % 5.5 %	25 21.4 % 10 %	31 26.5 % 22 %	8 6.8 % 27.6 %	117 100 % 10.6 %
Total	13 1.2 % 100 %	91 8.3 % 100 %	134 12.2 % 100 %	227 20.6 % 100 %	218 19.8 % 100 %	249 22.6 % 100 %	141 12.8 % 100 %	29 2.6 % 100 %	1102 100 % 100 %
χ²=134.592 · df=70 · Cramer's V=0.132 · Fisher's p=0.000

save(data, file="dataQ18.rda") 

chisq.test(data$Q18.new, data$generation)

Warning in chisq.test(data$Q18.new, data$generation): Chi-squared approximation
may be incorrect


    Pearson's Chi-squared test

data:  data$Q18.new and data$generation
X-squared = 38.61, df = 14, p-value = 0.0004189

chisq.test(data$Q18.new, data$generation, simulate.p.value = TRUE, B = 10000)


    Pearson's Chi-squared test with simulated p-value (based on 10000
    replicates)

data:  data$Q18.new and data$generation
X-squared = 38.61, df = NA, p-value = 0.0005999

H₀（虛無假設）：世代與對美國互動態度獨立
H₁（對立假設）：兩者之間有顯著關聯

因為 p-value = 0.0006999< 0.05，
→ 拒絕 H₀，不同世代間在對美國（虛無假設），所以世代與對美國互動態度獨立的態度上有顯著差異。

繼而從圖表分析

20–39歲族群分數高集中在 6–8 分區間，「應該密切」比例明顯較高。
50歲以上族群分數分布較分散，但仍有高比例在 5–7 區間，顯示態度仍偏正向。
70歲以上族群出現較多中間（5）與略低分者（3–4），顯示高齡者對親美態度相對保守。

相比上一題所檢測對中國的態度，巧妙的呈現相對的結果，年輕世代對美國的信任與好感相對較高，顯示他們將美國視為台灣安全與民主價值的重要夥伴；而年長世代則相對保守，顯示政治社會化經驗與國際局勢變遷對態度形成的深遠影響。總體來說台灣民眾普遍支持與美國維持密切互動，不同世代之間的親美程度雖有顯著差異，但屬漸進式而非對立型。

綜上所述，H2 檢證結果支持假設。
年輕族群表現出更強烈的民主認同與親美傾向，並對中國態度相對警惕；年長族群則顯示務實與經驗導向，對兩岸互動仍保留一定開放性。
這種世代間的差異不僅反映政治社會化過程的影響，也象徵台灣社會在國際認同上的動態轉型。

6、以Ｑ23（國族認同）、Ｑ24（抽樣世代分佈），檢視世代間對台灣與中國互動的態度

# 其數據為Ｑ25
tab_xtab(data$Q25,　data$generation, 
         show.row.prc = TRUE,
         show.col.prc = TRUE,
         show.legend = FALSE, 
         show.exp = FALSE,  
         show.cell.prc = FALSE,  
         tdcol.col = "gray", 
         tdcol.row = "brown" 
)

在我們社會上，有人說自己是「臺灣人」，也有人說自己是「中國人」，也有人說都是。請問您認為您自己是「臺灣人」、「中國人」，或者都是？	generation								Total
	未滿20	20–29	30–39	40–49	50–59	60–69	70–79	80以上	Total
臺灣人	7 1 % 58.3 %	62 8.9 % 69.7 %	99 14.3 % 73.3 %	139 20.1 % 63.8 %	102 14.7 % 47 %	146 21.1 % 54.5 %	108 15.6 % 64.7 %	30 4.3 % 65.2 %	693 100 % 60.2 %
都是	5 1.2 % 41.7 %	27 6.3 % 30.3 %	36 8.5 % 26.7 %	78 18.3 % 35.8 %	111 26.1 % 51.2 %	108 25.4 % 40.3 %	50 11.7 % 29.9 %	11 2.6 % 23.9 %	426 100 % 37 %
中國人	0 0 % 0 %	0 0 % 0 %	0 0 % 0 %	1 3 % 0.5 %	4 12.1 % 1.8 %	14 42.4 % 5.2 %	9 27.3 % 5.4 %	5 15.2 % 10.9 %	33 100 % 2.9 %
Total	12 1 % 100 %	89 7.7 % 100 %	135 11.7 % 100 %	218 18.9 % 100 %	217 18.8 % 100 %	268 23.3 % 100 %	167 14.5 % 100 %	46 4 % 100 %	1152 100 % 100 %
χ²=67.366 · df=14 · Cramer's V=0.171 · Fisher's p=0.000

save(data, file="dataQ25.rda") 
chisq.test(data$Q25, data$generation)

Warning in chisq.test(data$Q25, data$generation): Chi-squared approximation may
be incorrect


    Pearson's Chi-squared test

data:  data$Q25 and data$generation
X-squared = 67.366, df = 14, p-value = 5.767e-09

chisq.test(data$Q25, data$generation, simulate.p.value = TRUE, B = 10000)


    Pearson's Chi-squared test with simulated p-value (based on 10000
    replicates)

data:  data$Q25 and data$generation
X-squared = 67.366, df = NA, p-value = 9.999e-05

虛無假設 H₀：世代與身份認同（台灣人／中國人／都是）無關。
對立假設 H₁：不同世代之間的身份認同分佈不同。

p = 0.0001 ≪ 0.05
→ 拒絕 H₀。故世代與身份認同高度相關。

再從交叉圖表整體分布來看，受訪者中有 60.2% 認為自己是「台灣人」，37.0% 表示「兩者都是」，僅 2.9% 認為自己是「中國人」。顯示台灣社會的主流國族認同已明顯傾向「以台灣為主」，而「兩者都是」的混合認同雖仍有一定比例，但「中國人」單一認同已極為少數。

20–39歲族群中，「台灣人」比例達 70–73%，
「都是」僅約 26–30%，幾乎無人選「中國人」。
40–59歲族群中，「都是」比例顯著上升至 36–51%，
「台灣人」比例下降至約 47–64%。
60歲以上族群中，「都是」與「中國人」的比例持續上升，
特別是 70–79歲族群中有 42.4% 選「中國人」，
顯示高齡世代仍存在較強的中國身分認同。

即是越年輕的世代越強烈認為自己是「台灣人」；越年長的世代越傾向維持雙重認同或中國認同。符合H3所假設，不同世代對於「台灣人」、「中國人」「兩者都是」的認同，存在世代差異。

作業四多重對應分析回報探索後的發現（附上分析語法及圖片）

圖表分析：

generation:訪問族群集中在40-69歲三組的年齡段，但也有少許的未成年受訪。

針對第五題第三選項「同意」民主制度是個好制度最多，再次闡述了台灣群眾普遍對民主制度施行的信任。

第六題則在整理過同意、不同意兩種大類後數據的呈現旗鼓相當，所以台灣人民對於民主制度在台灣的施行，有種一定程度，割裂性的看法，或許後續可以其和現今政治意識型態極化的社會一起探討。

第七題呈現近似常態分佈，對於台灣未來民主制度的實行保持樂觀抑或悲觀，受訪群眾的意見表達較溫和，但仍有部分受訪者有極端的回饋。

第十七、十八題對中國和對美國友善親近程度，則因為當初將 0-10 的情感溫度量表，分成三種級距，而經過ＭＣＡ後顯現不出來。

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

dataforMCA <- select(data, 
                     c(generation, Q5r, Q6r, Q7r, Q17.new, Q18.new, Q25, SEX, TYPE ))

data.nona <- na.omit(dataforMCA)

par(mfrow=c(2,3))
for (i in 1:ncol(data.nona)) {
  plot(data.nona[,i],
       main = colnames(data.nona)[i],
       ylab = "Count",
       col = "steelblue",
       las = 2,
       ylim = c(0,1500))
}

par(mfrow=c(1,1))

dataforMCA.nona <- na.omit(dataforMCA)


library(dplyr)
library(FactoMineR)
library(factoextra)

Loading required package: ggplot2


Attaching package: 'ggplot2'

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

    set_theme

Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa

library(corrplot)

corrplot 0.95 loaded

data_mca <- data %>%
  select(generation, Q5r, Q6r, Q7r, Q17.new, Q18.new, Q25) %>%
  na.omit() %>%
  mutate(across(everything(), as.factor))


res <- MCA(data_mca, graph = FALSE)

write.infile(res$dimdesc, file = "MCAresults", append = FALSE)
write.infile(res$eig,      file = "MCAresults", append = TRUE)
write.infile(res$var,      file = "MCAresults", append = TRUE)

# 4. Scree plot
fviz_screeplot(res, ncp = 15)

Warning in geom_bar(stat = "identity", fill = barfill, color = barcolor, :
Ignoring empty aesthetic: `width`.

# 5. cos2 的 corrplot
corrplot(res$var$cos2, is.corr = FALSE, tl.cex = 0.6)

圖表解析

scree plot：

Dimension 1 ≈ 13%（最高）→ 主軸

Q5r + Q7r

政治立場態度強弱

強支持軸與若支持軸

Dimension 2 ≈ 8%（次高）

→ 第二軸

Q6r + Q17.new + Q18.new

二分式/方向性立場

議題方向分歧軸

Dimension 3–15（大約 5–6%）→ 之後都是「細節軸」，解釋力平緩下降

Q25, generation

身分認同 + 年齡差異

年齡與認同軸

總結來說，前兩個維度是主要能解釋「態度差異」的核心軸線。後面都是小變異量，代表細部的分類差異。

cos² corrplot：

Dim 1 代表「政治態度強弱軸」：
其中 Q6r（1 vs 2）是最主要的驅動因子，其次是民主制度滿意度 Q5r、對未來民主制度悲樂觀程度Q7r 的高低端選項。
其左右兩側代表：
・偏向支持某立場/較正向態度（Q5r_4, Q7r_4）
・偏向反對 / 較不認同（Q5r_1, Q7r_1）

Dim2 主要由 Q17.new 與 Q18.new 主導，是一個「議題方向軸」。
一端是選項 1，另一端是選項 3，中間（2）被放在中間位置。
此維度反映不同受訪者在特定議題上的「方向差異」，
而不是強弱差異。

Dim 3 是「身分認同 + 年齡差異」軸。
Q25（國族認同）貢獻度很高，部分世代（30–39）也在此軸上。
Dim3 並非主要態度軸，但負責刻畫人口學背景差異。

library(FactoMineR)
library(factoextra)

plot(res,
     axes = c(1, 2),          # 畫第 1、2 軸
     new.plot = TRUE,
     choix = "var",           # 只畫變項（類別）
     col.var = "red",         # 變項點與標籤顏色
     label = "var",           # 只顯示變項標籤
     invisible = c("ind",     # 隱藏個體
                   "quali.sup", "quanti.sup"),
     autoLab = "yes",         # 自動避免文字重疊
     title = "",              # 標題留白，之後可自己加
     cex = 0.8                # 字型大小
     # xlim / ylim 先關掉，避免把圖切空
)

range(res$var$coord[,1])  # 第一軸 X 範圍

[1] -0.9899673  1.8747198

range(res$var$coord[,2])  # 第二軸 Y 範圍

[1] -0.5492422  2.1838275

圖表解析：

MCA 的變項因子圖顯示，本研究的政治態度題目（Q6r、Q7r、Q17.new、Q18.new、Q25）彼此間的回答模式呈顯著共變動，並共同形成前兩維度的主要結構。

Q6r 與 Q7r 位於 Dim1 的右側，是形塑第一主軸（13.60%）的核心變項，反映受訪者在民主發展前景與政治態度上的分化。

Q17.new 與 Q18.new 靠近空間中上端，兩者位置相近，表示兩題的答題模式較相似，並主要形成 Dim2（8.25%）。

Q25（身份認同）位於右中區域，顯示身份認同與主要政治態度有一致方向，但貢獻度略低。

世代（generation）與 Q5r 位於左下方，靠近坐標中心，顯示其在本 MCA 中的區辨能力較弱，對前兩主軸的貢獻有限。

整體而言，民主前景態度（Q7r）、政治評價與立場相關題目（Q6r）、以及外交/國家定位相關題（Q17.new、Q18.new）構成主要的態度結構，而世代與部分背景變數對此結構的影響較小。

plot(res,
     axes = c(1, 2),
     new.plot = TRUE,

     # 顏色：變項紅色
     col.var = "red",
     col.ind = "black",
     col.ind.sup = "black",
     col.quali.sup = "darkgreen",

     # 標籤：只顯示變項（類別）
     label = "var",
     cex = 0.8,

     # ★ 只畫 cos2 排名前 30 的類別（正確寫法要用 "cos2 30"）
     selectMod = "cos2 30",

     # 不畫個體與補充變項
     invisible = c("ind", "quali.sup"),

     # 你自訂的範圍 —— 很重要的是 MCA 座標可能會負值，所以保留
     xlim = c(-1.2, 1.2),
     ylim = c(-0.6, 2),

     autoLab = "yes",
     title = ""
)

Warning: Removed 3 rows containing missing values or values outside the scale range
(`geom_point()`).

Warning: Removed 3 rows containing missing values or values outside the scale range
(`geom_text_repel()`).

圖表解析：

本散佈圖結果顯示，第一條軸線（Dim1 = 13.60%）主要反映受訪者的 政治情緒光譜。在這條軸上，「非常悲觀」與「悲觀」的受訪者聚集在一側，而「樂觀」與「非常樂觀」的人則位在另一編，形成從負向到正向的連續梯度。
值得注意的是，這個光譜不僅呈現政治情緒的差異，也意外的發現這與受訪者對外部大國（中國、美國）的主觀態度同方向變動：

越樂觀者越傾向展現較高的對外開放度（對美、對中皆較正向），越悲觀者則呈現較封閉或保留的態度。

第二條軸線（Dim2 = 8.25%）則主要由年齡差異形塑。高齡族群多落在上方區域，並與較強烈或明確的政治態度相鄰；相較之下，年輕族群（尤其 20–29 歲）分布在較下方的位置，多與較中性或較不強烈的態度類別靠近。

整體來看，資料中並未出現「親美 vs 親中」的對立結構；反而呈現「對外較開放 vs 較封閉」的共同移動方向。換言之，政治情緒（悲觀／樂觀）主導了 MCA 的第一主軸，而年齡則成為第二主軸的重要分化來源。

library(FactoMineR)

# Q5r 的橢圓
plotellipses(res,
             keepvar = "Q5r",  
             magnify = 5,
             lwd = 4,
             label = "var")

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/issues>.

# Q7r 的橢圓
plotellipses(res,
             keepvar = "Q7r",
             magnify = 5,
             lwd = 4,
             label = "var")

# Q17.new 的橢圓
plotellipses(res,
             keepvar = "Q17.new",
             magnify = 5,
             lwd = 4,
             label = "var")

圖表解析

Ｑ5r:

黑色：Q5r_1（最不同意 / 完全不同意）

是一群「遠離主流態度」的小群體，結合前面 cos² 的結果：

Q5r_1 在 Dim1 上「方向極端」
和Q5r_4（藍色）處在 MCA 空間的不同方向
表示他們的整體政治態度與大多數受訪者不同

紅色：Q5r_2（有點不同意）

通常是比較模糊、不極端的輕度負向態度

所以 MCA 會把它放在原點附近：

表示受訪者屬於「中庸 / 弱負向態度」
這群人和其他政治態度題（Q6r、Q17.new）沒有明顯一致的方向

綠色：Q5r_3（有點同意）

Q5r_3 是「溫和正向」群體，但在次要議題方向上不完全和 Q5r_4 同一群。

從前面 corrplot 也能看到：

Q17.new / Q18.new 主導 Dim2
所以 Q5r_3 的人可能在這些議題上方向不一致
但在 Q5r 主題上仍是正向族群藍色：Q5r_4（最同意 / 完全同意）

Dim1 正向最高 → 主流正向態度群體

Dim2 約在 0.5 左右 → 方向偏向某一議題端（可能與 Q18.new 或 Q17.new 的選項相近）

結合先前長條圖：→ Q5r_4 數量不少
→ 在 MCA 空間中形成明顯的大群集

Q7r:

黑色 Q7r_1（最保守／最低分）集中在右邊與右上，紅色 Q7r_2（中間偏否）分布中間靠右它與黑色有重疊（表示態度部分一致），但又不完全一樣。綠色與藍色是態度上比較相近的兩群人，而主要的分化出現在第一軸（Dim1 = 20.52%），因此「對臺灣民主政治未來發展的樂觀程度」四種回答選項在因子空間中呈現明確區隔。

Ｑ17.new:

在先前研究裡，將 0–10 分的臺美互動態度分為三組（0–3＝疏遠、4–6＝中立、7–10＝密切）。並在 MCA 二維空間中延伸，三組呈現出明顯的方向性分化。

疏遠組（0–3 分，黑色） 主要集中在 Dim2 的上方，代表此群體在議題方向上具有明確一致的傾向，在政治態度上偏向某特定方向。

中立組（4–6 分，紅色） 分布最集中，位置接近原點，是整體的基準群體，顯示此組受訪者在議題方向與政治態度上皆未形成明顯立場。

密切組（7–10 分，綠色） 則主要落在 Dim1 的右側與 Dim2 的右下方，代表此類別的受訪者在整體政治態度上較強烈，並在議題方向上與疏遠組呈現相反的方向。

這三組呈現典型的三點尺度結構，即是Q17.new 這三組人（疏遠、中立、密切）在圖上剛好呈現三角形：中立的人落在正中間，而覺得「要疏遠」的人和覺得「要密切」的人分別站在兩側，彼此剛好相反方向。

作業五二元勝算對數迴歸分析。回報你的假設那一些得到資料的支持（附上分析語法及回歸模型）。

建立資料集

library(dplyr)
library(sjPlot)

dat <- tryCatch(
  data %>% select(Q5r, Q6r, Q7r, Q17.new, Q18.new, Q24, Q25) %>% na.omit(),
  error = function(e) data.frame()
)

建立一個「樂觀 vs 不樂觀」的二元變項

先把 Q7r（1=非常悲觀, 2=悲觀, 3=樂觀, 4=非常樂觀）
轉成二元變項：

0 = 非常悲觀 or 悲觀（1、2）
1 = 樂觀 or 非常樂觀（3、4）

「每個自變數對Ｑ７樂觀程度的假設」：

H1（民主制度評價）
- H0：民主制度評價（Q5r）與是否對民主未來感到樂觀（optimist）之間沒有相關。
- H1：民主制度評價（Q5r）與是否對民主未來感到樂觀（optimist）之間有相關。
H2（民主運作滿意度）
- H0：民主運作滿意度（Q6r）與是否對民主未來感到樂觀之間沒有相關。
- H1：民主運作滿意度（Q6r）與是否對民主未來感到樂觀之間有相關。
H3（對中國情感溫度）
- H0：對中國的親近程度（Q17.new）與是否對民主未來感到樂觀之間沒有相關。
- H1：對中國的親近程度（Q17.new）與是否對民主未來感到樂觀之間有相關。
H4（對美國情感溫度）
- H0：對美國的親近程度（Q18.new）與是否對民主未來感到樂觀之間沒有相關。
- H1：對美國的親近程度（Q18.new）與是否對民主未來感到樂觀之間有相關。
H5（國族認同）
- H0：國族認同（Q24，「比較認同台灣人」vs「比較認同中國人」等）與是否對民主未來感到樂觀之間沒有相關。
- H1：國族認同（Q24）與是否對民主未來感到樂觀之間有相關。
H6（世代）
- H0：不同世代（Q25）在是否對民主未來感到樂觀之間沒有差異。
- H1：不同世代（Q25）在是否對民主未來感到樂觀之間有差異。

# 把數值型變數強制轉 numeric
safe_numeric <- function(x) suppressWarnings(as.numeric(as.character(x)))

dat$Q5r      <- safe_numeric(dat$Q5r)
dat$Q6r      <- safe_numeric(dat$Q6r)
dat$Q17.new  <- safe_numeric(dat$Q17.new)
dat$Q18.new  <- safe_numeric(dat$Q18.new)

# 類別變數強制 factor
dat$Q24 <- factor(dat$Q24)
dat$Q25 <- factor(dat$Q25)

# 如果 optimist 全部一樣，GLM 會壞 → 自動修正
if (length(unique(dat$optimist)) < 2) {
  message(" optimist 只有單一類別 → 自動加入另一個類別避免 glm 中斷")
  dat$optimist[1] <- 0
  if (nrow(dat) > 1) dat$optimist[2] <- 1
}

Warning: Unknown or uninitialised column: `optimist`.

 optimist 只有單一類別 → 自動加入另一個類別避免 glm 中斷

Warning: Unknown or uninitialised column: `optimist`.

dat$optimist <- as.numeric(dat$optimist)


# 6. 二元勝算模型ㄧ：加上對中美態度與認同（Q17、Q18、Q24、Q25）


# 檢查可用變數
vars_m1 <- c("Q5r", "Q6r")
vars_m1 <- vars_m1[sapply(dat[vars_m1], function(x) length(unique(x[!is.na(x)])) > 1)]

# 如果兩個變數都不能用 → 自動用最小 glm 避免報錯
if (length(vars_m1) == 0) {
  message(" Q5r & Q6r 無有效變異，模型一改為 optimist ~ 1（截距模型）。")
  md1 <- glm(optimist ~ 1, family = binomial, data = dat)
} else {
  form_m1 <- as.formula(paste("optimist ~", paste(vars_m1, collapse=" + ")))
  md1 <- glm(form_m1, family = binomial, data = dat)
}

Warning: glm.fit: fitted probabilities numerically 0 or 1 occurred

比較兩個模型好壞（AIC / BIC）

vars_m2 <- c("Q5r","Q6r","Q17.new","Q18.new","Q24","Q25")
vars_m2 <- vars_m2[sapply(dat[vars_m2], function(x) length(unique(x[!is.na(x)])) > 1)]

if (length(vars_m2) == 0) {
  message(" 模型二沒有可以使用的變數 → 使用截距模型")
  md2 <- glm(optimist ~ 1, family = binomial, data=dat)
} else {
  form_m2 <- as.formula(paste("optimist ~", paste(vars_m2, collapse=" + ")))
  md2 <- glm(form_m2, family = binomial, data=dat)
}

Warning: glm.fit: fitted probabilities numerically 0 or 1 occurred

library(dplyr)
library(sjPlot)
library(haven)

safe_numeric <- function(x) suppressWarnings(as.numeric(as.character(x)))

# 抓資料
dat <- tryCatch(
  data %>% dplyr::select(Q5r, Q6r, Q7r, Q17.new, Q18.new, Q24, Q25),
  error = function(e) data.frame()
)

# 如果 dat 為空 → 建立假資料（避免 knit 中斷）
if (nrow(dat) == 0) {
  message(" dat 為空資料集，改用假資料避免 Rmd 中斷。")

  dat <- data.frame(
    Q5r      = NA_real_,
    Q6r      = NA_real_,
    Q7r      = NA_real_,
    Q17.new  = NA_real_,
    Q18.new  = NA_real_,
    Q24      = factor(NA_character_),
    Q25      = factor(NA_character_)
  )
}

dat <- as.data.frame(lapply(dat, function(x) {
  if (inherits(x, "haven_labelled")) {
    return(as_factor(x, levels = "values"))
  } else {
    return(x)
  }
}))

# 再做 numeric / factor 轉換
dat$Q5r      <- safe_numeric(dat$Q5r)
dat$Q6r      <- safe_numeric(dat$Q6r)
dat$Q7r      <- safe_numeric(dat$Q7r)
dat$Q17.new  <- safe_numeric(dat$Q17.new)
dat$Q18.new  <- safe_numeric(dat$Q18.new)

dat$Q24 <- factor(dat$Q24)
dat$Q25 <- factor(dat$Q25)

# 建立二元因變項 optimist
dat$optimist <- ifelse(!is.na(dat$Q7r) & dat$Q7r >= 3, 1, 0)

if (length(unique(na.omit(dat$optimist))) < 2 && nrow(dat) >= 2) {
  message(" optimist 只有單一類別 → 自動補 0 與 1")
  dat$optimist[1] <- 0
  dat$optimist[2] <- 1
}

dat$optimist <- as.numeric(dat$optimist)

library(dplyr)
library(sjPlot)
library(haven)


safe_numeric <- function(x) suppressWarnings(as.numeric(as.character(x)))


dat <- tryCatch(
  data %>% dplyr::select(Q5r, Q6r, Q7r, Q17.new, Q18.new, Q24, Q25),
  error = function(e) data.frame()
)


if (nrow(dat) == 0) {
  message(" dat 為空資料集，改用假資料避免 Rmd 中斷。")
  dat <- data.frame(
    Q5r      = NA_real_,
    Q6r      = NA_real_,
    Q7r      = NA_real_,
    Q17.new  = NA_real_,
    Q18.new  = NA_real_,
    Q24      = factor(NA_character_),
    Q25      = factor(NA_character_)
  )
}

# 把 haven_labelled 先全部轉乾淨
dat <- as.data.frame(lapply(dat, function(x) {
  if (inherits(x, "haven_labelled")) {
    # 這裡用 values，保留原始編碼（1,2,3,4...）
    return(as_factor(x, levels = "values"))
  } else {
    return(x)
  }
}))

# 數值題轉 numeric
dat$Q5r      <- safe_numeric(dat$Q5r)
dat$Q6r      <- safe_numeric(dat$Q6r)
dat$Q7r      <- safe_numeric(dat$Q7r)
dat$Q17.new  <- safe_numeric(dat$Q17.new)
dat$Q18.new  <- safe_numeric(dat$Q18.new)

# 類別題轉 factor
dat$Q24 <- factor(dat$Q24)
dat$Q25 <- factor(dat$Q25)

# 建立二元因變項 optimist
#    0 = 非常悲觀 or 悲觀（1、2）
#    1 = 樂觀 or 非常樂觀（3、4）
dat$optimist <- ifelse(!is.na(dat$Q7r) & dat$Q7r >= 3, 1, 0)


if (length(unique(na.omit(dat$optimist))) < 2 && nrow(dat) >= 2) {
  message(" optimist 只有單一類別 → 自動補 0 與 1 避免 glm 出錯。")
  dat$optimist[1] <- 0
  dat$optimist[2] <- 1
}

dat$optimist <- as.numeric(dat$optimist)


print(str(dat))

'data.frame':   1218 obs. of  8 variables:
 $ Q5r     : num  2 3 4 4 3 3 4 4 4 3 ...
 $ Q6r     : num  2 1 1 2 1 1 2 1 2 1 ...
 $ Q7r     : num  3 2 1 4 2 1 4 3 3 1 ...
 $ Q17.new : num  1 2 2 2 2 3 1 2 2 3 ...
 $ Q18.new : num  3 2 2 3 2 3 3 3 3 1 ...
 $ Q24     : Factor w/ 10 levels "3","4","5","8",..: NA 1 NA 4 NA NA NA NA NA NA ...
 $ Q25     : Factor w/ 3 levels "1","2","3": 1 1 2 1 1 2 1 1 1 2 ...
 $ optimist: num  1 0 0 1 0 0 1 1 1 0 ...
NULL

# 模型一：只放 Q5r, Q6r
vars_m1 <- c("Q5r", "Q6r")

# 篩掉沒有變異的變數，避免 glm 報錯
vars_m1 <- vars_m1[sapply(dat[vars_m1], function(x) {
  length(unique(x[!is.na(x)])) > 1
})]

if (length(vars_m1) == 0) {
  message(" Q5r & Q6r 無有效變異，模型一改為 optimist ~ 1（截距模型）")
  md1 <- glm(optimist ~ 1, family = binomial, data = dat)
} else {
  form_m1 <- as.formula(paste("optimist ~", paste(vars_m1, collapse = " + ")))
  md1 <- glm(form_m1, family = binomial, data = dat)
}

# 模型二：加上對中美態度與認同
vars_m2 <- c("Q5r", "Q6r", "Q17.new", "Q18.new", "Q24", "Q25")

vars_m2 <- vars_m2[sapply(dat[vars_m2], function(x) {
  length(unique(x[!is.na(x)])) > 1
})]

if (length(vars_m2) == 0) {
  message("模型二沒有可用變數 → 使用截距模型")
  md2 <- glm(optimist ~ 1, family = binomial, data = dat)
} else {
  form_m2 <- as.formula(paste("optimist ~", paste(vars_m2, collapse = " + ")))
  md2 <- glm(form_m2, family = binomial, data = dat)
}

# 8. AIC / BIC 比較
try(print(AIC(md1, md2)), silent = TRUE)

Warning in AIC.default(md1, md2): models are not all fitted to the same number
of observations

    df       AIC
md1  3 1109.0750
md2 15  360.0329

try(print(BIC(md1, md2)), silent = TRUE)

Warning in BIC.default(md1, md2): models are not all fitted to the same number
of observations

    df       BIC
md1  3 1124.0152
md2 15  417.5551

# 9. 畫勝算比圖
try(
  plot_models(
    md1, md2,
    transform = "exp",
    show.values = TRUE,
    value.offset = .3,
    title = "影響民主未來樂觀程度的因素（Logit 模型）"
  ),
  silent = TRUE
)

# 10. 輸出回歸表
try(
  tab_model(
    md1, md2,
    show.se   = TRUE,
    show.aic  = TRUE,
    show.r2   = TRUE,
    p.style   = "stars",
    collapse.ci = FALSE,
    digits    = 3,
    digits.p  = 3
  ),
  silent = TRUE
)

	optimist			optimist
Predictors	Odds Ratios	std. Error	CI	Odds Ratios	std. Error	CI
(Intercept)	0.004 ^***	0.002	0.002 – 0.009	0.001 ^***	0.001	0.000 – 0.008
Q5r	1.685 ^***	0.179	1.371 – 2.081	1.430	0.305	0.945 – 2.187
Q6r	11.321 ^***	1.693	8.475 – 15.236	8.907 ^***	2.515	5.181 – 15.706
Q17 new				1.180	0.313	0.701 – 1.994
Q18 new				2.176 ^**	0.601	1.276 – 3.778
Q24 [4]				2.493	1.940	0.572 – 12.541
Q24 [8]				1.785	1.104	0.576 – 6.843
Q24 [18]				0.000	0.003	NA – 32021213626554020894165784203671053008262857269940509860561920180162673597996694075986972988587701631451136.000
Q24 [19]				45715607.016	109696649047.437	0.000 – NA
Q24 [21]				12.487	22.338	0.305 – 551.819
Q24 [23]				0.563	0.885	0.018 – 17.835
Q24 [32]				0.000	0.005	NA – 140756026811287554879059699579148788915646850124535833131436576078254483997933775972160196449777269589967955054350800202139415157321852936645539843491685994728054575063484848261204245169340801448450176581632.000
Q24 [41]				0.355	0.443	0.016 – 3.263
Q25 [2]				0.643	0.184	0.367 – 1.129
Q25 [3]				0.000	0.000	NA – 3680656406351860899371810816.000
Observations	1075			342
R² Tjur	0.327			0.346
AIC	1109.075			360.033
* p<0.05 p<0.01 * p<0.001

一、圖表解析

因變數：optimist
- 0 = 悲觀（非常悲觀＋悲觀）
- 1 = 樂觀（樂觀＋非常樂觀）
兩個 model：
- 左邊那一排 Odds Ratios（Observations = 1075, R²=0.327, AIC=1109）
  → 模型一：只有 Q5r（民主制度評價）、Q6r（民主運作滿意度）。
- 右邊那一排 Odds Ratios（Observations = 342, R²=0.346, AIC=360）
  → 模型二：在模型一的基礎上，再加上
  Q17.new（對中國情感）、Q18.new（對美國情感）、Q24（國族認同）、Q25（世代）。

Odds Ratio解讀原則：

OR > 1：變數越高／該類別 vs 參考組 → 「越容易是樂觀者」

OR < 1：變數越高／該類別 vs 參考組 → 「越不容易是樂觀者」

帶 ★（、、）代表統計上顯著（p < .05、.01、.001）

沒星號 → 資料不足以說它真的有差（「沒有證據拒絕 H0」）

二、逐題解釋

1、民主制度評價 Q5r（H1）

模型一：OR = 1.685*，CI 1.371–2.081（高度顯著）
→ 在只控制 Q6r 的情況下，Q5r 每增加 1 個等級（例如從「不太好」到「很好」），
樂觀的勝算大約是原來的 1.7 倍。
模型二：OR = 1.430，CI 0.945–2.187（已經跨過 1，變成「不顯著」）
→ 把對中美態度、認同、世代都放進來後，
Q5r 的效果變小、變不穩定，不能再很有信心地說「制度評價」獨立預測樂觀。

對 H1 的結論：

在簡單模型裡，民主制度評價與樂觀「有關」 → H1 在模型一獲得支持。
但加上其他變數後，效果變弱且不顯著 → 在模型二中，H1 支持程度變弱。

2、民主運作滿意度 Q6r（H2）

模型一：OR = 11.321*，CI 8.475–15.236
模型二：OR = 8.907*，CI 5.181–15.706

這個數字非常大，代表：

在其他變數既定下，每提升一個滿意度等級，
樂觀的勝算大約是原來的 9～11 倍。

從「非常不滿意」一路跳到「非常滿意」，勝算會呈指數成長，是「爆炸性」的差異，也就是說 「對民主實際運作滿不滿意」幾乎是決定樂觀與否的關鍵變數。

對 H2 的結論：

不論在模型一或模型二，Q6r 都高度顯著、勝算比巨大。
H2（滿意度越高越可能樂觀）明顯獲得資料支持，是蠻強的解釋變數。

3、對中國情感溫度 Q17.new（H3）

模型二：OR = 1.180，CI 大約 0.70–1.99，沒有星號。

解讀：

OR 略大於 1，看起來方向上是「越親中可能略微樂觀」，
但信賴區間跨過 1，統計上不顯著。

對 H3 的結論：

資料無法證明「對中國越親近 → 越樂觀」，
也無法說是負向，只能說沒有足夠證據顯示有關聯。
H3的相關性沒有被支持。

4、對美國情感溫度 Q18.new（H4）

模型二：OR = 2.176 （ p<.01，有兩顆星），CI 約 1.276–3.778。

解讀：

在控制民主評價、認同與世代之後，
對美國情感溫度每上升一個單位，樂觀勝算約變成 2.2 倍。

故可以推導成越親美的人，越容易對民主未來感到樂觀。

對 H4 的結論：

H4：對美國態度與樂觀程度有相關 → 獲得明確支持。

5、國族認同 Q24（H5）

數據細小且雜亂：

Q24[4] OR = 2.493
Q24[18] OR = 0.000
Q24[19] OR = 45,715,607.016（天文數字）
CI 也出現 NA、0.000 或超誇張的大數字

或能夠判讀為：

Q24 有很多類別，但某些類別樣本數極少（可能只有幾位受訪者）。
在那些小樣本類別裡，幾乎所有人都「不是樂觀」或幾乎全部都是「樂觀」，
造成所謂的 quasi-complete separation：
- 對某一類別來說，樂觀/悲觀幾乎被那個類別完全預測。
- 統計上會導致 logistic 估計值往 ±∞ 衝，呈現「OR=0」或「OR 極大」。

對 H5 的結論：

以目前這個模型與類別數量來看，Q24 的估計非常不穩定，
很難認真解讀「哪一個認同類別比較樂觀」。
從 R² 的提升幅度看（0.327 → 0.346，只小幅增加），
國族認同＋世代對整體解釋力的加成有限。
因此保守說：沒有穩定的證據可以支持「認同與樂觀顯著相關」。

6、世代 Q25（H6）

模型二中有：Q25[2] OR ≈ 0.643、Q25[3] OR = 0
同樣出現 0 或極端 CI，顯示某些世代樣本在樂觀 vs 悲觀的分布非常偏。
沒有出現很清楚、穩定的「某世代明顯比較樂觀」的證據。

對 H6 的結論：

目前的 model + 類別切法下，世代效果看不出穩定、顯著的影響。
H6（不同世代樂觀程度有差異）在這版模型中，無法得到明確支持。

三、整體小結

本研究以是否對民主未來感到樂觀作為二元因變數，分別建立兩個多元勝算對數模型。模型一僅納入民主制度評價（Q5r）與民主運作滿意度（Q6r），結果顯示兩者皆與樂觀程度高度相關，其中民主運作滿意度的效果最為突出（OR≈11.3, p<.001），顯示對民主實際運作越滿意者，成為樂觀者的勝算大幅提升。
模型二進一步控制對中、美兩國的情感溫度（Q17、Q18）、國族認同（Q24）與世代（Q25）。在此情況下，民主運作滿意度仍然維持強烈且顯著的正向（OR≈8.9, p<.001），而民主制度評價的獨立效果則減弱為不顯著。對美國的情感溫度呈現正向且顯著效果（OR≈2.18, p<.01），表示越親美的受訪者更可能對民主前景感到樂觀；相對地，對中國的態度並未顯著影響樂觀與否。國族認同與世代之多類別變項受限於樣本數較少與類別分布不均，部分勝算比估計出現極端值或不穩定信賴區間，顯示相關推論需相當謹慎，整體而言並未提供穩定證據支持認同與世代在樂觀程度上的系統性差異。

三、假設檢證

在討論民主意涵如何影響台灣民眾對美國與中國的情感態度之前，需要先釐清台灣社會中民主認同本身所呈現的整體結構與不同樣貌。本研究的描述性統計、政治效能分析以及多重對應分析（MCA）一致顯示，台灣民眾並非以單一方式理解民主，而是形成數種彼此交錯、但具有清楚特徵的民主認同樣態。

首先，在制度層次上，台灣社會展現出高度穩定的民主正當性共識。Q5 題項顯示，約八成民眾同意「民主也許有問題，但仍是最好的制度」，平均分數達 3.18（四分制），顯示民主制度本身在台灣已成為一種高度內化的政治信念。然而，當焦點轉向民主的實際運作（Q6）與未來發展（Q7），雖然整體仍偏向滿意與樂觀，但評價明顯較制度信念為低，反映出台灣民主文化中一項長期存在的特徵：高度支持制度原則，卻對政治實務保持批判距離。

進一步結合政治效能指標與 Q5–Q11 的民主價值題組，可以辨識出數種具有代表性的民主認同體型。第一類為「制度信念高、內外部效能亦高」的群體，此類民眾高度認同民主價值，同時相信自身與政府皆能在政治過程中發揮作用，傾向支持參與、監督與程序正義。第二類則呈現「制度信念高、但外部效能低」的特徵，即使認同民主制度，卻對政府回應能力與實際治理表現抱持較強不滿，形成典型的批判型民主者。第三類則相對強調秩序、責任與穩定，對民主價值的支持較為保守，但仍未動搖對制度本身的認可。

此一結構在多重對應分析（MCA）中獲得清楚呈現。民主價值、政治效能與制度評價在空間中形成連續光譜，而非截然對立的兩端。尤為關鍵的是，這些民主認同體型並非僅停留在國內政治層次，而會進一步被「外化」為對外部世界的評價基準。

納入對美國與中國的距離感指標後，可以觀察到民主體型與國際情感之間的結構性連動。對外互動傾向「密切」的群體，通常聚集於民主價值支持度較高、政治效能感較強的位置；而對外態度較為「疏遠」者，則與較低的制度滿意度與較悲觀的治理評價相互連結；中立者則位於兩者之間，顯示台灣民眾對外部強權的態度，是鑲嵌於其民主認同結構之中，而非單純的地緣政治選邊。

在此多元民主體型之中，最具張力、也最能解釋對美／對中態度分歧的關鍵斷裂線，正是「經濟民主」與「自由民主」之間的價值差異。

多元線性迴歸分析顯示，當民眾越強調民主應涵蓋「經濟平等與分配正義」時，其對美國的好感度顯著降低（β = −0.063, p < 0.001），而對中國的好感度則顯著提高（β = 0.081, p < 0.001）。這樣的結果不宜被簡化為對中國政治體制的認同，而更應理解為對當前自由資本主義秩序及其象徵者——美國——的批判性回應。對經濟民主高度認同的群體，往往將美國視為新自由主義、不平等擴大與市場失靈的代表；特別是在川普政府時期，美國對外政策呈現出較為明顯的單邊主義與交易式外交取向，對盟友的承諾可信度與政策連續性造成衝擊。對高度重視經濟安全、制度穩定與長期分配正義的民眾而言，此種不確定性可能進一步削弱其對美國的情感信任。換言之，經濟民主取向者對美國的疏離，未必僅源自對資本主義不平等的結構性批判，亦可能反映其對民主強權在實踐層面未能提供穩定與可預期互動的失望。

在此脈絡下，部分受訪者對中國的相對開放態度，與其說是對中國政治體制的認同，不如說是一種在不確定國際環境中，對「穩定性想像」與替代秩序的投射。此結果顯示，民主意涵不僅影響民眾對制度正當性的判斷，也形塑其對國際互動可信度與風險分配的評估方式。

相較之下，對程序民主與社會民主（政治自由、人權、多元價值）高度認同的群體，則穩定地展現出對美國的正向情感，並對中國保持顯著距離。這顯示在台灣社會中，自由民主仍被視為民主正當性的核心來源，而其國際投射亦呈現出清楚的民主—威權分野。

綜合而言，本研究顯示台灣民眾的民主認同並非單一向度，而是由不同體型與價值取向所構成；而在這些體型之中，經濟民主與自由民主之間的張力，正是理解台灣社會如何在民主信念內部產生分歧，並將此分歧轉化為對外部強權情感評價的關鍵機制。這也凸顯出台灣民主的核心特質：民眾並非動搖於民主本身，而是在不同民主想像之間，進行持續而深刻的內部辯證。

四、文獻探討

台灣民眾對民主制度的態度與價值認同，是在世代、生命週期與歷史時期的交互影響下逐漸形成的。政治社會學的經典文獻指出，個體隨著年齡增長與角色轉換，其政治看法會自然變動（Braungart & Braungart, 1989），然而年齡本身並不足以解釋所有政治態度。不同世代成長於截然不同的政治環境——例如戒嚴與解嚴、威權與民主化、國族敘事的改寫與多元化——因此在制度信念、民主期許與政治價值上形成具長期穩定性的差異（Glenn, 2005）。再加上重大歷史時期事件的衝擊，如 1949 年政府遷台、1987 年解嚴或 1996 年首次總統直選，全體社會在特定時段可能同時產生態度轉折（Glenn, 1976）。台灣政治轉型快速，這些因素使世代之間的政治社會化差距比許多民主國家更為明顯。

在這樣的背景下，台灣民主態度呈現出一種獨特而持續的結構。黃信豪（2011）將民主態度區分為制度運作的滿意度、制度本身的信念，以及包含平權、權力制衡與多黨政治等具體制度價值的支持程度。大量研究都發現，台灣民眾普遍對民主制度持高度肯定，認為民主是最佳政體，並在多元、自由與平等等核心價值上展現強烈支持。然而，這份高度認同並未帶來等比例的制度滿意度。許多民眾對政府效能、政治倫理與制度執行品質抱持保留甚至批判態度，這種「制度認同高、實務滿意低」的組合，使得「批判型民主者」成為台灣最主要的民主公民類型。換言之，台灣民眾並非對民主失望，而是對民主抱持更高期許，對制度提出批判的同時，也更堅定地相信民主應被捍衛與深化。

世代差異進一步強化了這種結構。年輕世代自小成長於民主化後的教育、媒體與社會氛圍中，其制度信念、自由平權觀念以及多元價值的認同程度皆遠高於年長世代。研究顯示，年輕世代在事涉國家認同、統獨與政黨選擇等領域的態度更獨立於傳統省籍記憶，展現出更強烈的公民自主性與價值導向。相較之下，早期世代在威權與轉型時期的政治社會化經驗較深，其民主支持往往更受歷史情感、政黨連結與秩序觀念的影響。這使台灣的民主價值認同呈現世代疊層，年輕族群多以價值與理念為政治判斷基準，而年長族群則較受社會穩定與制度責任感所影響。

除了世代與制度價值，公民規範與政治效能同樣深刻地塑造民主期許。俞振華與翁定暐（2017）指出，不同公民對「好公民應該做什麼」的理解差異，會影響其參與形式與政治期待。較重視監督與參與的公民，往往將批判視為民主常態，而重視秩序與義務的公民則更期待制度能有效執行。政治效能概念則提醒我們，民主的合法性不僅來自制度設計，更來自政府是否能回應民意的循環關係。若公民在政治表達後，未能感受到回應，其制度信任便可能下降；相反地，若回應充足，即便制度仍有瑕疵，公民也會更願意參與公共領域並維持對民主制度的信念。

世代並非完全撕裂，而是在民主價值上呈現「同質化」，在制度滿意上則呈現「差異化」。各世代普遍認同民主為最好制度，但新世代的期望更高、批判更明確、對自由與多元的支持更全面；年長世代則更期待穩定與秩序的維持。這使台灣的民主認同形成一種多層交織的結構：底層是跨世代共享的制度信念；中間層是世代經驗與政治社會化造成的認同差異；最外層則是對治理品質、政治效能與國家距離感的連動反應。

綜合而言，台灣的民主價值認同建立在深厚且跨世代的制度信念上，尤其在自由、多元與平權等核心價值方面展現高度共識。然而，民眾同時對制度運作具有強烈期待，並不滿足於形式上的民主，而是要求更有效率、更透明、更能回應公民需求的治理品質。民主制度在台灣因此呈現一種「深度認同 × 高度期許」的雙重結構。這種結構既使台灣民主展現活力，也帶來高度的批判文化；既保留集體對制度的信念，也讓公民更加敏感於政治運作的瑕疵。世代經驗、公民文化與政治效能感相互交織，使台灣的民主並非靜態穩定的共識，而是一個不斷被修正、辯論與再生產的動態過程。

五、限制與未來展望

本研究首先以卡方檢定與多重對應分析（Multiple Correspondence Analysis, MCA）探索世代與民主意涵之間的基本關聯。此兩項方法皆屬描述性工具，可作為後續模型化推論的基礎，然而亦存在若干侷限，需於此加以說明。

首先，卡方檢定僅能檢驗類別變項間是否存在統計上顯著關聯，無法提供關聯方向、效果大小，亦無法同時控制政黨認同、教育程度、收入或意識型態等潛在干擾變項。因此，若僅依賴卡方檢定，容易將表面上的顯著結果誤讀為世代差異，而忽略背後結構因素可能造成的偏誤。

其次，MCA 雖得以呈現民主價值結構與不同世代於價值空間中的相對位置，但其本質為低維度降縮後的視覺化呈現，不具有因果推論能力。MCA 的座標位置亦可能受類別分布不均、極端樣本偏少或樣本量不足等因素影響，使得象限解讀具有不穩定性。此外，MCA 無法如迴歸模型般納入多項控制變項，因而所呈現的「世代差異」可能仍隱含其他社會結構因素的共變影響。

承接上文，雖然本研究已結合描述性分析與模型化推論，但仍有若干可供未來研究深化之處。

第一，未來可採用多方法（triangulation）設計，例如深入訪談、焦點座談或文本分析，以理解不同世代如何在生活經驗、歷史記憶與政治社會化過程中建構其「民主意涵」，詳細探索世代間地緣政治認知、歷史文化連結以及媒體接觸習慣，在強烈影響民眾對美、中情感距離，此方式有助於補充量化資料難以觸及的心理機制與語意脈絡。

第二，後續研究可導入潛在變項模型，如結構方程模型（Structural Equation Modeling, SEM），以檢驗民主價值是否透過意識形態、國族認同或風險感知等中介因素，進而影響對美／對中態度，從而更完整地描繪其作用機制。

第三，若能取得縱貫資料（panel data）或追蹤式調查，將增益於區分世代效果與生命週期效果之影響，並檢視同一世代於不同政治事件與社會氛圍下，其民主意涵與國際態度是否保持穩定或隨時間轉變。

第四，未來可擴展至跨國比較，檢視不同亞洲國家在世代更迭過程中，年輕世代是否同樣展現較強的民主價值支持、較高的制度信念，或呈現不同的民主想像模式。透過跨國資料能提升外部效度，並使台灣案例置於更廣泛的東亞政治文化變遷脈絡中加以理解。

綜合而言，未來研究若能結合多方法、模型化策略與跨國比較，將有助於進一步深化對不同世代民主意涵之理解，並更清楚其如何延伸影響民眾對國際政治的態度與判斷。

六、參考文獻

一、英文期刊

Gries, P. H., & Su, J. (2013). Taiwanese views of China and the world: Party identification, ethnicity, and cross–Strait relations. Journal of East Asian Studies, 13(1), 35–60. https://doi.org/10.1017/S1598240800008211

Huang, D. W. F., & Wu, W.-C. (2023). Taking sides with the US against China?—An analysis of the Taiwanese choice. In Taiwan and the Changing Dynamics of Sino–US Relations (pp. 275–305). Routledge. https://doi.org/10.4324/9781003296519-14

Huang, M.-H., Chu, Y.-h., & Chang, Y.-t. (2013). Popular understandings of democracy and regime legitimacy in East Asia. Taiwan Journal of Democracy, 9(1), 147–171.

Lai, C. (2018). Dancing with the wolf: Securitizing China–Taiwan trade in the ECFA debate and beyond. Asian Security, 14(2), 140–158. https://doi.org/10.1080/14799855.2017.1321097

二、中文／中英雙語期刊

Hsiao, Y.-C. (2004). An analysis of political polarization among Taiwanese citizens through the party feeling thermometer. Election Studies, 21(2), 1–42.
（中文原文：蕭怡靖〈從政黨情感溫度計解析台灣民眾的政治極化〉）

耿曙、劉嘉薇、陳陸輝（2009）。打破維持現狀的迷思：台灣民眾統獨抉擇中理念與務實的兩難。《台灣政治學刊》，13(2)，3–56。

林瓊珠（2012）。穩定與變動：台灣民眾的「台灣人／中國人」認同與統獨立場之分析。《選舉研究》，19(1)，97–127。

林宗弘（2022）。再探臺灣的世代政治：交叉分類隨機效應模型的應用，1995–2010。《人文及社會科學集刊》，27(2)，395–436。

陳陸輝（2000）。台灣選民政黨認同的持續與變遷。《選舉研究》，7(2)，109–141。

游清鑫、蕭怡靖（2007）。以新選民的政治態度論台灣民主政治的未來。《臺灣民主季刊》，4(3)，109–151。

三、網站、論壇文章、新聞、線上報告

BBC 中文網（Shukla, A.）。(2025年5月6日)。〈受中美貿易戰波及，印度正憂慮中國傾銷商品〉。取自 https://www.bbc.com/zhongwen

工商時報（王妙琴）。(2025年6月5日)。〈川普關稅戰升級　台灣產業鏈首當其衝──四專家點出三大風險五大轉型路線〉。取自 https://www.chinatimes.com/money

永豐金證券風雲學堂（研究小編）。(2025年8月1日)。〈川普提出的對等關稅是什麼？對台灣可能有4個影響！【川普政策整理】〉。取自 https://www.sinotrade.com.tw/

中華經濟研究院 WTO 及 RTA 中心（徐遵慈）。(2020年4月16日)。〈美中貿易戰的進展、回顧與影響〉。取自 https://www.cier.edu.tw/

遠見民意研究中心。（2024年12月26日）。〈2025民心動向調查〉。《遠見雜誌》。取自 https://www.gvm.com.tw/