Code
library(here)
library(sjlabelled)
demo25 <- read_data("C:/Users/v106K/OneDrive/桌面/Data of 民意與政治行為/1141民意與政治行為/R專案data/民主基金會2025調查_臺灣民主價值與治理/PP259762.sav")
save(demo25, file = "demo2025.rda", compress = TRUE)
library(sjmisc)
library(sjPlot)抗中就是民主保衛戰嗎？從選民對假訊息看法、對中態度與政黨傾向進行分析
壹、研究動機與背景
在 2025 年台灣的現今，當今社會面臨著眾多考驗與挑戰，例如面對兩岸的衝突日益升高、政黨對立隨之而來的政治極化現象，以及因為分立政府帶來的憲政僵局，引發對政府的不信任感，還有面對臺美關稅衝突，影響總體經濟的各類議題帶來的不確定性。基於以上種種原因，筆者觀察到輿論逐漸出現對於民主制度的批評、甚至有人對中國的制度慢慢懷抱憧憬。
這樣的情況不僅出現在台灣，放眼國際也有不少國家的人民對於當今民主制度提出批評與反思，在歐洲各國甚至出現極右派政黨贏得國會選舉多數，甚至當選國家領導者等現象；抑或是共產黨組織重新壯大等，皆可視為自二戰後民主制度所面臨的最大挑戰之一。基於以上的現象，使筆者欲更深入了解在臺灣人民心中，民主制度是否仍為多數民眾所接受呢?或是現在的人民對政府治理的感受與信任度如何?
本研究使用以陳陸輝教授在2025年執行的「臺灣民主價值與治理」作為研究資料的來源，本份調查由台灣民主基金會委託國立政治大學選舉研究中心執行，訪問時間自2025年6月24日至6月29日，以電話簿抽樣及手機電話抽樣方式，完成市話、手機各812、406個有效樣本，以95%之信心水準估計，最大可能隨機抽樣誤差為正負2.81%。該問卷調查訪問了被抽樣的台灣民眾，內容包含對民主體制的信任度、兩岸關係對國家安全的看法，以及對現今政府治理的滿意度等。
為了研究這份「臺灣民主治理」的問卷並進行分析，筆者將以R語言作為資料分析的主要工具，並藉由課堂中學到的資料分析技巧，針對其訪問的問卷中挑選問題與原始資料開始分析，同時列出欲研究的變數以進行這些資料的視覺化分析、交叉分析與迴歸檢定，期望能符合並回答筆者欲探究的研究假設，同時能剖析台灣民眾對於政黨傾向與對中態度，以期對民主政治的理解與滿意度有更大的了解。
貳、文獻回顧與研究假設
一、選擇變數與其關聯假設
在本研究中，筆者將聚焦於受訪民眾在問卷中的回答，並藉此提出三個感興趣的變數，並對此作一系列的文獻探討如下：
- 認知到假訊息的危害程度
- 對中態度
- 政黨傾向
筆者所選擇的這三個變數，彼此間會有以下關聯性，
首先，鑑於越發嚴重的假訊息危害，進一步影響民眾對民主政治的認知與滿意度。根據新聞報導，臺灣是近10年全世界受假消息影響最嚴重的國家，並且有學者研究指稱，假訊息來源多與中國有關。近年的兩岸局勢衝突與威脅不斷升高，筆者同時也希望能藉由這份研究，測量民眾是否感知到假訊息的危害，以及他們認為假訊息的來源地為何處?
再者，當前臺灣的政黨論述差異主要集中於對中態度、以及選民自我的統獨認同，本研究調查之受訪者的本身的對中立場往往也會影響其政黨傾向。 又，政黨以對中態度友善與否來分類：國民黨、民眾黨、新黨、親民黨等，屬於對中態度的政黨；民進黨、時代力量、臺灣基進等等較被認為是對中態度不友善的政黨。因此選擇支持對中態度較不友善政黨的民眾對民主政治的態度，可能會跟支持國民黨等對中態度較友善政黨的民眾有著截然不同的想法。
二、假訊息與民主威脅
有關假訊息影響民主的討論一直以來所在多有，假訊息深刻的影響著我們的生活以及接觸到的資訊。
學者劉兆隆(2023)對假訊息的定義如下：
(一)偽造或改編完全錯誤內容、圖文不符的新聞，或冒名新聞組織的真實來源。
(二)出於惡意欺騙公眾、創造散佈錯誤事實或誤導性訊息，並造成有危民主政治的不實訊息。
(三)散佈者把自己或別人所捏造竄改或杜撰不實訊息，透過媒體、網路散布讓人誤信並造成公眾或個人受有損害。
根據哥德堡大學多元民主中心製作的2018年V-Dem全球報告，台灣是「接收境外假資訊」排名世界第一的國家，直到2023年的報告裡，台灣依然「蟬聯」榜首。顯然境外假訊息的攻擊，已對台灣民主政治帶來潛在破壞。
學者羅世宏在2022年提到，來自境外的虛假訊息戰，正是一場以民主為對象的戰爭，其目的之一在於擴大並加深社會撕裂，其二是企圖造成民主社會失能，無法相互信任與團結，從而逐漸在與非民主威權國家的競爭中落敗。綜上，假訊息在生活的各個層面，如新聞媒體的近用、社會的彼此互信或選舉議題討論等等管道，正在一步一步的危害民主的發展，並且目前尚未有完全有效的手段能完全防堵假訊息帶來的危害。
三、政黨傾向
政黨傾向與投票研究與選民行為息息相關，吳重禮、許文賓 (2003)將政黨認同定義為一種重要的心理成分，即對特定政黨的「歸屬感或者忠誠感」。這被視為政治行為者其「自我認同在政治世界的一種延展與擴張」。 並且，隨著成長過程與歷次傾向投票給同一政黨的政治經驗，增強這種政黨的心理認同。
劉正山、朱淑華 (2012)在《不中間的中間選民：以質性方法探討「中間選民」的研究》中，對名詞定義更為嚴謹，明確區分了「政黨認同」、「政黨傾向」與「政黨支持」三個層次：
首先將「政黨傾向」（partisan orientation）定義為一種較弱的認同狀態，也就是「在情感上有所偏好，但未達榮辱與共的程度」。
「政黨認同」（party identification）則是指對特定政黨產生「我群」的概念，並帶有「榮辱與共的情感連結」。
政黨支持（party support）指的是偏好（preferences），有政黨認同與政黨傾向的選民傾向支持某政黨。
綜上，我們可以肯認政黨傾向不只是是一種心理上的歸屬感，而是源自社會化與理性評估，具有心理依附功能，但可能因社會壓力而隱藏的政治偏好。
四、選民對中態度
所謂「選民的對中態度」指的是選民對於中國的認同，可能是意識形態、互動態度、或者經貿往來等議題上，選民對於中國的看法。
如王顥穎 (2012)的研究中對選民的對中態度就聚焦於「兩岸政策」與「九二共識」的接受度進行討論。例如在問卷中，詢問選民是否支持「一個中國，各自表述」，以及認為「一中」是指中華民國還是中華人民共和國，以及詢問選民是否認為不承認九二共識，就「不能和對岸達成和平談判」等問題來測量選民的對中態度。
劉正山、朱淑華 (2012)的研究則將選民的對中態度聚焦於「意識形態」與「歷史記憶」，其中呈現了對中國的態度如何影響其「隱藏政黨傾向」的行為。如研究中某個案提到過去的歷史（如二二八事件）造成對「其他種族」（外省人等）的排斥性 以及居住地的選風若有強烈的「台灣獨立」意識形態，會影響選民是否願意公開表態，呈現了另一種選民「對中態度」的影響。
五、研究假設
綜上所述，本研究的假設如下:
假設一：認為假訊息會危害臺灣民主的發展的民眾，較高機率認為假訊息的來源來自中國。
假設二：對於臺灣和中國大陸的看法為「偏獨立」的民眾，其對於民主政治的態度應是較為樂觀的。
假設三：認為對中國態度應保持疏遠的民眾中，在政黨傾向中多數民眾支持民主進步黨以及時代力量。(註：前四大黨以113年立法委員選舉結果前四大黨呈現)
筆者將透過這三個變數延伸的假設，藉由一系列的卡方相關性檢驗、交叉分析，以及迴歸性分析，進而探究並檢驗台灣民眾對於民主的態度是否受到這些因素的影響。
參、載入研究原始資料
一、載入資料
二、選擇題目進行分析
(一) 問卷Q2,Q4有關受訪者對假訊息認知
Code
#Q2 請問您認為假消息與資訊操弄會不會危害臺灣民主政治的發展？是幾乎不會、有一點會、還是危害很大？
#(01)幾乎不會(02)有一點會(03)危害很大(96)看情形(97)無意見(98)不知道(95)拒答
frq(demo25$Q2)
demo25$Q2r <- rec(demo25$Q2,
rec="1=1[幾乎不會];2=2[有一點會];3=3[危害很大]; else=NA")
frq(demo25$Q2r)
#Q4 有人說：「大多數的假消息與資訊操弄是從中國來的」，請問您同不同意這種說法？
#(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
frq(demo25$Q4)
demo25$Q4r <- rec(demo25$Q4,
rec="1=1[非常不同意];2=2[不同意];3=3[同意]; 4=4[非常同意];else=NA")
frq(demo25$Q4r)Code
plot_frq(demo25$Q4r,
, wrap.title=30)
超過6成民眾(選擇非常不同意+不同意)並不相信假訊息是從中國來的。
(二) 問卷Q5,Q6,Q7,Q12,Q13 對民主政治的看法
Code
#Q5 有人說：「民主也許會有問題，但還是一個最好的制度」，請問您同不同意這種說法？
#(01)非常不同意(02)不同意(03)同意(04)非常同意
#(96)看情形(97)無意見(98)不知道(95)拒答
frq(demo25$Q5)
demo25$Q5r <- rec(demo25$Q5,
rec="1=1[非常不同意];2=2[不同意];3=3[同意]; 4=4[非常同意];else=NA")
frq(demo25$Q5r)Code
#Q6 整體而言，請問您對於目前臺灣民主政治實行的情形滿不滿意？
#(01)非常不滿意(02)不滿意(03)滿意(04)非常滿意
#(96)看情形(97)無意見(98)不知道(95)拒答
frq(demo25$Q6)
demo25$Q6r <- rec(demo25$Q6,
rec="1=1[非常不滿意];2=2[不滿意];3=3[滿意];4=4[非常滿意];else=NA")
frq(demo25$Q6r)Code
tab_xtab(demo25$Q5r, demo25$Q6r,
show.obs = T,
show.row.prc = T,
show.col.prc = T,
remove.spaces = T)| 有人說：「民主也許會有問題，但還是一個最好的制度」，請問您同不同意這種說法？ | 整體而言，請問您對於目前臺灣民主政治實行的情形滿不滿意？ | Total | |||
|---|---|---|---|---|---|
| 非常不滿意 | 不滿意 | 滿意 | 非常滿意 | ||
| 非常不同意 | 28 71.8 % 10.8 % |
6 15.4 % 2 % |
1 2.6 % 0.2 % |
4 10.3 % 4.1 % |
39 100 % 3.6 % |
| 不同意 | 39 34.2 % 15.1 % |
42 36.8 % 13.8 % |
28 24.6 % 6.8 % |
5 4.4 % 5.1 % |
114 100 % 10.6 % |
| 同意 | 103 20.1 % 39.8 % |
176 34.3 % 57.9 % |
221 43.1 % 53.4 % |
13 2.5 % 13.3 % |
513 100 % 47.7 % |
| 非常同意 | 89 21.8 % 34.4 % |
80 19.6 % 26.3 % |
164 40.1 % 39.6 % |
76 18.6 % 77.6 % |
409 100 % 38 % |
| Total | 259 24.1 % 100 % |
304 28.3 % 100 % |
414 38.5 % 100 % |
98 9.1 % 100 % |
1075 100 % 100 % |
| χ2=158.197 · df=9 · Cramer's V=0.221 · Fisher's p=0.000 | |||||
選擇「非常同意」民主制度雖有問題，但還是一個最好制度的民眾， 有40.1%的民眾同時「滿意」臺灣民主政治的施行情形； 但選擇「同意」民主制度雖有問題，但還是一個最好制度的民眾， 則分別有43.1%「滿意」臺灣民主政治、34.3%「不滿意」臺灣民主政治， 呈現偏兩極化分布。
Code
#Q7請問您對臺灣民主政治未來的發展是悲觀還是樂觀？
#(01)非常悲觀(02)悲觀(03)樂觀(04)非常樂觀
#(96)看情形(97)無意見(98)不知道(95)拒答
frq(demo25$Q7)
demo25$Q7r <- rec(demo25$Q7,
rec="1,2=1[(非常)悲觀];3,4=2[(非常)樂觀]; else=NA")
library(sjPlot)
frq(demo25$Q7r)
sjmisc::frq(demo25$Q7r)Code
plot_frq(demo25$Q7r,
, wrap.title=30)
約有四成八的民眾對民主政治有正向的想法(非常樂觀+樂觀)， 但有五成二的民眾民主政治有負向的想法(非常悲觀+悲觀)，比率相當接近。
Code
#Q12 有人說：「總統與立法院的多數立委最好是不同政黨，才能互相制衡」，但也有人說 「總統與立法院的多數立委最好是同一政黨，才可以貫徹政策」，請問您比較同意哪一種說法?
#(01)總統與立法院的多數立委最好是不同政黨，才能互相制衡
#(02)總統與立法院的多數立委最好是同一政黨，才能互相牽制
#(96)很難說(97)無意見(98)不知道(95)拒答
frq(demo25$Q12)
demo25$Q12r <- rec(demo25$Q12,
rec="1=1[不同黨];2=2[同一黨]; else=NA")
frq(demo25$Q12r)
library(sjPlot)
sjmisc::frq(demo25$Q12r)Code
plot_frq(demo25$Q12r,
, wrap.title=30)
這樣的結果顯示，多數民眾同意並認為總統和立法院多數黨最好是「不同政黨」，才能有效制衡。
Code
#Q13 如果總統跟立法院的多數立委是不同政黨，且政治立場差異很大。請問您認為國家的重大政策應該由總統決定，還是由立法院來決定?
#(01)總統 (02)立法院
#(96)看情形(97)無意見(98)不知道(95)拒答
frq(demo25$Q13)
demo25$Q13r <- rec(demo25$Q13,
rec="1=1[總統];2=2[立法院]; else=NA")
frq(demo25$Q13r)(三) Q17,Q21 臺灣與中國政府的互動與關係
Code
#Q17 我們社會上常常有人討論臺灣要如何跟中國大陸互動，如果用0來表示臺灣跟中國大陸的互動應該愈疏遠愈好，用10表示應該越密切越好，請問0~10您會給多少?
#__________
#(95)拒答 (98)不知道
frq(demo25$Q17)
demo25$Q17r <- rec(demo25$Q17,
rec="0,1,2,3,4=1[偏疏遠(0~4)];5=2[中立(5)];6,7,8,9,10=3[應互動(6~10)]; else=NA")
frq(demo25$Q17r)
plot_frq( demo25$Q17r, wrap.title = 30)Code
#Q21 關於臺灣和中國大陸的關係，有下面幾種不同的看法：
#(01)儘快統一(02)儘快宣佈獨立(03維持現狀，以後走向統一(04)維持現狀，以後走向獨立(05)維持現狀，看情形再決定獨立或統一(06)永遠維持現狀(90)其他___(96)很難說(97)無意見(98)不知道(95)拒答
frq(demo25$Q21)
demo25$Q21r <- rec(demo25$Q21,
rec="1=1[統一];2=2[獨立];3=3[維持偏統一];4=4[維持偏獨立];5=5[維持現狀看情形];6=6[永遠維持現狀]; else=NA")
frq(demo25$Q21r)
library(sjPlot)
sjmisc::frq(demo25$Q21r)Code
plot_frq(demo25$Q21r,
, wrap.title=30)
從這邊我們可以看到，多數民眾依然希望「維持現狀」，甚至是永遠維持現狀，但趨勢中「獨立」的傾向是大於「統一」的。
(四) Q22、Q25受訪者之性別與政黨傾向
Code
#Q22 在目前國內的政黨中，請問您認為您比較支持哪一個政黨？
#(01)國民黨 (02)民進黨(03)新黨(04)親民黨(05)臺聯(20)綠黨(21)時代力量(23)社民黨(35)臺灣基進(38)台灣民眾黨
#(06)都支持(07)都不支持(96)看情形(97)無意見(98)不知道(95)拒答
frq(demo25$Q22)
demo25$Q22r <- rec(demo25$Q22,
rec="1=1[KMT];2=2[DPP];38=3[TPP]
;21=4[NPP];7=5[都不支持]; else=NA")
frq(demo25$Q22r)Code
#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?
#(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
frq(demo25$Q25)
demo25$Q25r <- rec(demo25$Q25,
rec="1=1[臺灣人];2=2[都是];3=3[中國人]
; else=NA")
library(sjPlot)
sjmisc::frq(demo25$Q25r)Code
plot_frq(demo25$Q25r,
, wrap.title=30)
民眾認同自己是臺灣人的比例有六成，是臺灣人也是中國人的比例也有將近四成， 顯示臺灣民眾複雜的國族情感依然存在。
Code
frq(demo25$SEX)性別 (x) <categorical>
# total N=1218 valid N=1218 mean=1.46 sd=0.50
Value | Label | N | Raw % | Valid % | Cum. %
----------------------------------------------
1 | 男性 | 653 | 53.61 | 53.61 | 53.61
2 | 女性 | 565 | 46.39 | 46.39 | 100.00
<NA> | <NA> | 0 | 0.00 | <NA> | <NA>Code
plot_frq(demo25$SEX,
, wrap.title=30)
Code
save(demo25, file = "demo2025.rda")肆、相關性檢定
一、假訊息危害臺灣民主與假訊息的來源相關性
H0：假訊息危害臺灣民主與假訊息的來源無關。
H1：假訊息危害臺灣民主與假訊息的來源有關。
Code
chisq.test(demo25$Q2r, demo25$Q4r)
Pearson's Chi-squared test
data: demo25$Q2r and demo25$Q4r
X-squared = 61.11, df = 6, p-value = 2.678e-11| 請問您認為假消息與資訊操弄會不會危害臺灣民主政治的發展？是幾乎不會、有一點會、還是危害很大？ | 有人說：「大多數的假消息與資訊操弄是從中國來的」，請問您同不同意這種說法？ | Total | |||
|---|---|---|---|---|---|
| 非常不同意 | 不同意 | 同意 | 非常同意 | ||
| 幾乎不會 | 10 26.3 % 4 % |
17 44.7 % 4.2 % |
8 21.1 % 3.6 % |
3 7.9 % 1.7 % |
38 100 % 3.6 % |
| 有一點會 | 29 14 % 11.6 % |
122 58.9 % 29.9 % |
45 21.7 % 20.3 % |
11 5.3 % 6.4 % |
207 100 % 19.7 % |
| 危害很大 | 211 26.1 % 84.4 % |
269 33.3 % 65.9 % |
169 20.9 % 76.1 % |
159 19.7 % 91.9 % |
808 100 % 76.7 % |
| Total | 250 23.7 % 100 % |
408 38.7 % 100 % |
222 21.1 % 100 % |
173 16.4 % 100 % |
1053 100 % 100 % |
| χ2=61.110 · df=6 · Cramer's V=0.170 · p=0.000 | |||||
經過交叉分析後顯示大多數人認為假消息對於臺灣民主是具有「重大危害的」。 回到研究假設，其中認為假訊息對台灣民主「危害很大」的民眾在樣本中共有808位， 其選擇「非常不同意」、「不同意」假訊息與資訊操弄是從中國來的比率，分別有26.1%、33.3%，已經超過6成，
同時透過卡方檢定，我們看到兩者的交叉結果的表格中，Cramer’s V=0.17，證明兩者間雖存在關聯，但關聯性不高(低於0.2)， 相關強度是為「弱相關」。
二、統獨認同與民主政治看法(樂觀/悲觀)。
H0:統獨認同與民主政治看法(樂觀/悲觀)無關。
H1:統獨認同與民主政治看法有關。
Code
chisq.test(demo25$Q21r, demo25$Q7r)
Pearson's Chi-squared test
data: demo25$Q21r and demo25$Q7r
X-squared = 119.84, df = 5, p-value < 2.2e-16卡方檢定是針對假設二進行的：統獨認同 (Q21r) 與 民主政治看法(樂觀/悲觀) (Q7r) 是否有關聯性。
檢定結果顯示我們計算出的 P 值為非常小的數字0.00… 遠小於顯著水準。 因此可以拒絕虛無假設 (統獨認同與民主政治看法無關)，並且我們可以確認統獨立場 (Q21r) 與民主樂觀度 (Q7r) 之間存在高度的統計顯著關聯。
Code
tab_xtab(demo25$Q21r, demo25$Q7r,
show.obs = T,
show.row.prc = T,
show.col.prc = T,
remove.spaces = T)| 關於臺灣和中國大陸的關係，有下面幾種不同的看法： | 請問您對臺灣民主政治未來的發展是悲觀還是樂觀？ | Total | |
|---|---|---|---|
| (非常)悲觀 | (非常)樂觀 | ||
| 統一 | 8 100 % 1.4 % |
0 0 % 0 % |
8 100 % 0.7 % |
| 獨立 | 7 15.2 % 1.3 % |
39 84.8 % 7.6 % |
46 100 % 4.3 % |
| 維持偏統一 | 73 76.8 % 13.1 % |
22 23.2 % 4.3 % |
95 100 % 8.9 % |
| 維持偏獨立 | 67 28.6 % 12 % |
167 71.4 % 32.5 % |
234 100 % 21.8 % |
| 維持現狀看情形 | 180 56.2 % 32.3 % |
140 43.8 % 27.2 % |
320 100 % 29.9 % |
| 永遠維持現狀 | 223 60.4 % 40 % |
146 39.6 % 28.4 % |
369 100 % 34.4 % |
| Total | 558 52.1 % 100 % |
514 47.9 % 100 % |
1072 100 % 100 % |
| χ2=119.839 · df=5 · Cramer's V=0.334 · Fisher's p=0.000 | |||
再來看到兩者的交叉結果的表格中，Cramer’s V=0.334，證明兩者間存在關聯，關聯性中等(介於0.3~0.6)， 相關強度是為「中度相關」。
最後，對統獨認同與民主政治看法的交叉分析，結果呈現臺灣跟中國大陸的關係選擇「獨立」與「維持現狀偏獨立」的民眾， 其對於臺灣未來的民主政治樂觀的比率分別為84.8%、71.4%； 均大於對民主政治悲觀的民眾比率15.2%、28.6%。 有趣的是選擇「統一」及「維持現狀偏統一」的民眾， 其對於臺灣民主政治悲觀的比率都大於對樂觀的比率。 並且，臺對中關係選擇「永遠維持現狀」的民眾， 其對於未來臺灣民主政治悲觀比率約為60.4%，對樂觀的比率則為39.6%； 選擇「維持現狀看情形」的民眾比率與「永遠維持現狀」相近， 可見多數民眾對於未來臺灣的民主政治發展，較多依然呈現悲觀的看法。
有論者認為，臺灣選民的政治認同呈現「政治極化」的現象，但筆者從交叉分析的結果觀之，絕大多數民眾能選擇「維持現狀後偏…」、「維持現狀看情形」，甚至於「永遠維持現狀」。顯示多數民眾仍以「維持現狀」作為最大共識，不能以少數兩極化分布斷定臺灣民眾呈現「政治極化」現象。
學者蕭怡靖(2014)也認為，從實際的政治運作來觀察，台灣民眾在政治分歧最嚴重的統獨立場上，長期以來採「維持現狀」的中間立場比例皆相對最高，顯示統獨議題似乎並未出現兩極化的現象。
三、對中互動看法與政黨認同相關性。
H0:對中態度看法與政黨認同無關。
H1:對中態度看法與政黨認同有關。
Code
chisq.test(demo25$Q17r, demo25$Q22r)
Pearson's Chi-squared test
data: demo25$Q17r and demo25$Q22r
X-squared = 276.35, df = 8, p-value < 2.2e-16這個卡方檢定是用來確認：對中國的互動態度 與 政黨認同之間是否有關聯性。
透過計算出的 P 值（趨近於零）遠小於標準顯著水準，因此可以拒絕虛無假設 (即對中態度與政黨認同無關)
因此在卡方檢定後，我們可以確認受訪者對中國態度與政黨支持傾向之間存在高度的統計顯著關聯。
Code
tab_xtab(demo25$Q17r, demo25$Q22r,
show.obs = T,
show.row.prc = T,
show.col.prc = T,
remove.spaces = T)| 我們社會上常常有人討論臺灣要如何跟中國大陸互動，如果用0來表示臺灣跟跟中國大陸的互動應該愈疏遠愈好，用10表示應該愈密切愈好，請問0?10您會給多少？ | 在目前國內的政黨中，請問您認為您比較支持哪一個政黨？ | Total | ||||
|---|---|---|---|---|---|---|
| KMT | DPP | TPP | NPP | 都不支持 | ||
| 偏疏遠(0~4) | 17 6.4 % 8.1 % |
196 73.7 % 57.5 % |
6 2.3 % 6.1 % |
2 0.8 % 50 % |
45 16.9 % 18.8 % |
266 100 % 29.8 % |
| 中立(5) | 54 18.1 % 25.6 % |
93 31.2 % 27.3 % |
37 12.4 % 37.4 % |
1 0.3 % 25 % |
113 37.9 % 47.3 % |
298 100 % 33.3 % |
| 應互動(6~10) | 140 42.4 % 66.4 % |
52 15.8 % 15.2 % |
56 17 % 56.6 % |
1 0.3 % 25 % |
81 24.5 % 33.9 % |
330 100 % 36.9 % |
| Total | 211 23.6 % 100 % |
341 38.1 % 100 % |
99 11.1 % 100 % |
4 0.4 % 100 % |
239 26.7 % 100 % |
894 100 % 100 % |
| χ2=276.352 · df=8 · Cramer's V=0.393 · Fisher's p=0.000 | ||||||
在交叉分析中，可以看到兩者的交叉分析結果Cramer’s V=0.393，證明兩者間存在關聯，關聯性中等(介於0.3~0.6)，相關強度是為「中度相關」。 另在表格中筆者將民眾對「中國大陸的互動態度」與對「國內政黨的政黨傾向」進行分析， 我們可以發現，選擇與中國偏疏遠(0~4)的民眾，有73.7%支持民主進步黨(DPP)， 但選擇時代力量比率則只有0.8%，因為人數很少。
另外，選擇偏向「與中國應互動(6~10)」的民眾，有42.4%支持中國國民黨(KMT)， 17%支持台灣民眾黨(TPP)，同時竟也有15.8%的民眾支持民主進步黨(DPP)， 由此可知贊成應與中國互動的民眾，政黨傾向則較為多元。
(註：僅呈現本屆立法委員政黨票得票數前四大黨。)
伍、多元對應分析MCA
前面我們通過交叉分析驗證了各個假設，但筆者想知道藉由更多元的變數，如政治態度、統獨、政黨、民主樂觀度、對中態度，來探索這些變數彼此間是否會共同形成一個潛在的關聯性，抑或是單一的社會政治光譜？因此筆者將透過MCA多元對應分析，選擇如下的變數進行分析潛在的關聯性有哪些。
一、數據準備與清理
[1] 640 Q2r Q4r Q5r Q7r Q12r Q13r Q17r Q21r
"factor" "factor" "factor" "factor" "factor" "factor" "factor" "factor"
Q22r Q25r SEX
"factor" "factor" "factor" Q2r Q4r Q5r Q7r Q12r Q13r Q17r Q21r Q22r
1: 20 1:166 1: 27 1:340 1:435 1:210 1:186 1: 7 1:175
2:111 2:233 2: 65 2:300 2:205 2:430 2:192 2: 27 2:247
3:509 3:130 3:289 3:262 3: 67 3: 84
4:111 4:259 4:153 4: 4
5:181 5:130
6:205
Q25r SEX
1:381 1:368
2:237 2:272
3: 22
本研究在進行多元對應分析（Multiple Correspondence Analysis,MCA）前，先針對所選變數進行遺漏值處理後，共納入640位有效樣本進行後續分析。 並如程式的設定(見程式碼)，這邊呈現出欲拿來分析的變數以及有效樣本的填答。
二、變數標籤修正
Code
# --- 變數標籤修正區塊 ---
# 1. Q2r (假訊息危害民主: 1=幾乎不會; 2=有一點會; 3=危害很大)
levels(demo25forMCA.nona$Q2r) <- c("假訊息幾乎不危害民主", "假訊息有一點危害民主", "假訊息對民主危害很大")
# 2. Q4r (假訊息來源是中國: 1=非常不同意; 2=不同意; 3=同意; 4=非常同意)
levels(demo25forMCA.nona$Q4r) <- c("非常不同意中國是假訊息來源", "不同意中國是假訊息來源", "同意中國是假訊息來源", "非常同意中國是假訊息來源")
# 3. Q5r (民主制度認同: 1=非常不同意; 2=不同意; 3=同意; 4=非常同意)
levels(demo25forMCA.nona$Q5r) <- c("非常不認同民主", "不認同民主", "同意民主", "非常同意民主")
# 4. Q7r (民主樂觀/悲觀: 1=(非常)悲觀; 2=(非常)樂觀)
levels(demo25forMCA.nona$Q7r) <- c("對民主悲觀", "對民主樂觀")
# 5. Q12r (總統與立院多數: 1=不同黨; 2=同一黨)
levels(demo25forMCA.nona$Q12r) <- c("不同黨制衡", "同一黨貫徹")
# 6. Q13r (府院權責: 1=總統; 2=立法院)
levels(demo25forMCA.nona$Q13r) <- c("總統決定", "立院決定")
# 7. Q17r (對中互動: 1=偏疏遠(0~4); 2=中立(5); 3=應互動(6~10))
levels(demo25forMCA.nona$Q17r) <- c("對中應疏遠", "對中互動中立", "對中應互動")
# 8. Q21r (統獨立場: 1=統一; 2=獨立; 3=維持偏統一; 4=維持偏獨立; 5=維持看情形; 6=永遠維持現狀)
levels(demo25forMCA.nona$Q21r) <- c("儘快統一", "儘快獨立", "維持偏統一", "維持偏獨立", "維持看情形", "永遠維持現狀")
# 9. Q22r (政黨認同: 1=KMT; 2=DPP; 3=TPP; 4=NPP; 5=都不支持)
levels(demo25forMCA.nona$Q22r) <- c("KMT", "DPP", "TPP", "NPP", "不支持前四政黨")
# 10. Q25r (身分認同: 1=臺灣人; 2=都是; 3=中國人)
levels(demo25forMCA.nona$Q25r) <- c("臺灣人", "臺灣、中國人都是", "中國人")
# 11. SEX (性別: 1=男; 2=女)
levels(demo25forMCA.nona$SEX) <- c("男性", "女性")在MCA分析中，筆者選擇的變數如下:
假訊息危害民主（Q2r）、假訊息來源是否為中國（Q4r）、
民主制度認同（Q5r）、對臺灣民主政治樂觀/悲觀（Q7r）、
總統與立法院多數黨偏好（Q12r）、府院權責分工（Q13r)、
對中國互動態度（Q17r）、統獨立場（Q21r)、
政黨傾向（Q22r）、身分認同（Q25r）。
並且所有變數均已轉換為類別型（factor）以符合 MCA 的分析需求。
三、MCA結果輸出與視覺化
Code
library(FactoMineR)
library(factoextra)
active_vars <- 1:10 # Q2r ~ Q25r
quali_sup_new <- which(names(demo25forMCA.nona) == "SEX")
res <- MCA(demo25forMCA.nona,
ncp = 10,
quali.sup = quali_sup_new,
graph = FALSE)
summary(res, nb.dec = 3, nbelements = 10, nbind = 10, ncp = 2)
Call:
MCA(X = demo25forMCA.nona, ncp = 10, quali.sup = quali_sup_new,
graph = FALSE)
Eigenvalues
Dim.1 Dim.2 Dim.3 Dim.4 Dim.5 Dim.6 Dim.7
Variance 0.432 0.182 0.129 0.122 0.119 0.108 0.106
% of var. 17.984 7.569 5.355 5.073 4.948 4.514 4.420
Cumulative % of var. 17.984 25.554 30.909 35.982 40.930 45.444 49.864
Dim.8 Dim.9 Dim.10 Dim.11 Dim.12 Dim.13 Dim.14
Variance 0.104 0.101 0.095 0.094 0.088 0.085 0.083
% of var. 4.315 4.220 3.976 3.931 3.680 3.534 3.449
Cumulative % of var. 54.179 58.399 62.375 66.306 69.986 73.520 76.969
Dim.15 Dim.16 Dim.17 Dim.18 Dim.19 Dim.20 Dim.21
Variance 0.071 0.070 0.069 0.065 0.060 0.054 0.051
% of var. 2.975 2.914 2.855 2.716 2.503 2.266 2.114
Cumulative % of var. 79.944 82.857 85.713 88.429 90.931 93.197 95.312
Dim.22 Dim.23 Dim.24
Variance 0.044 0.039 0.029
% of var. 1.852 1.621 1.215
Cumulative % of var. 97.164 98.785 100.000
Individuals (the 10 first)
Dim.1 ctr cos2 Dim.2 ctr cos2
1 | -0.771 0.215 0.232 | 0.087 0.007 0.003 |
3 | 0.696 0.175 0.328 | 0.412 0.146 0.115 |
6 | 0.745 0.201 0.308 | 0.062 0.003 0.002 |
8 | 0.294 0.031 0.062 | 0.313 0.084 0.070 |
9 | -1.121 0.455 0.667 | 0.153 0.020 0.012 |
10 | 0.784 0.222 0.423 | 0.268 0.062 0.049 |
12 | 0.809 0.237 0.315 | 0.687 0.406 0.227 |
14 | -1.026 0.381 0.542 | 0.433 0.161 0.096 |
17 | -0.416 0.063 0.070 | -0.054 0.003 0.001 |
21 | 0.624 0.141 0.217 | -0.021 0.000 0.000 |
Categories (the 10 first)
Dim.1 ctr cos2 v.test Dim.2 ctr
假訊息幾乎不危害民主 | 0.060 0.003 0.000 0.271 | -0.233 0.093
假訊息有一點危害民主 | 0.271 0.296 0.015 3.143 | -0.833 6.631
假訊息對民主危害很大 | -0.062 0.070 0.015 -3.067 | 0.191 1.595
非常不同意中國是假訊息來源 | 0.872 4.569 0.266 13.043 | 0.845 10.204
不同意中國是假訊息來源 | 0.369 1.149 0.078 7.060 | -0.698 9.756
同意中國是假訊息來源 | -0.664 2.077 0.112 -8.478 | -0.356 1.419
非常同意中國是假訊息來源 | -1.301 6.800 0.355 -15.063 | 0.618 3.640
非常不認同民主 | 0.825 0.664 0.030 4.374 | 2.115 10.389
不認同民主 | 0.660 1.024 0.049 5.607 | 0.217 0.262
同意民主 | 0.154 0.249 0.020 3.537 | -0.420 4.388
cos2 v.test
假訊息幾乎不危害民主 0.002 -1.056 |
假訊息有一點危害民主 0.146 -9.650 |
假訊息對民主危害很大 0.142 9.512 |
非常不同意中國是假訊息來源 0.250 12.646 |
不同意中國是假訊息來源 0.279 -13.345 |
同意中國是假訊息來源 0.032 -4.546 |
非常同意中國是假訊息來源 0.080 7.150 |
非常不認同民主 0.197 11.221 |
不認同民主 0.005 1.841 |
同意民主 0.145 -9.638 |
Categorical variables (eta2)
Dim.1 Dim.2
Q2r | 0.016 0.151 |
Q4r | 0.630 0.455 |
Q5r | 0.156 0.288 |
Q7r | 0.396 0.012 |
Q12r | 0.504 0.039 |
Q13r | 0.440 0.014 |
Q17r | 0.469 0.212 |
Q21r | 0.481 0.231 |
Q22r | 0.734 0.279 |
Q25r | 0.490 0.137 |
Supplementary categories
Dim.1 cos2 v.test Dim.2 cos2 v.test
男性 | -0.005 0.000 -0.147 | 0.049 0.003 1.436 |
女性 | 0.007 0.000 0.147 | -0.066 0.003 -1.436 |
Supplementary categorical variables (eta2)
Dim.1 Dim.2
SEX | 0.000 0.003 |Code
res$dimdesc <- dimdesc(res, axes = 1:10)
write.infile(res$dimdesc, file ="MCAresults.txt", append = FALSE)
write.infile(res$eig, file ="MCAresults.txt", append = TRUE)
write.infile(res$var, file ="MCAresults.txt", append = TRUE)(一) Scree Plot
首先，筆者透過特徵值圖 (Scree Plot)的呈現，羅列出各維度間的差異， 並且各個維度分別解釋了多少總變異量。如圖：
Code
fviz_screeplot(res, ncp = 10, geom = "bar", barfill = "steelblue", barcolor = "black")
第一維度 (Dim 1) 獨自解釋了約 18.0% 的變異量。
第二維度 (Dim 2) 則解釋了約 7.6% 的變異量。
前兩維度共累積了25.6%總變異量。
(二) MCA
透過MCA分析，如圖：
Code
fviz_mca_var(res,
repel = TRUE,
col.var = "contrib",
gradient.cols = c("#00AFBB", "#E7B800", "#FC4E07")) +
labs(title = "MCA: 變數類別空間分佈圖 (Dim 1 & 2)",
color = "類別貢獻度") +
theme_minimal()
筆者將構成Dim1、Dim2呈現在X軸與Y軸上，而其貢獻度由弱到強，以藍綠、綠色、黃色、橘色、紅色區分。 筆者將一一解釋MCA多變量分析的結果，對於本研究的假設與額外的發現之處有無起到支持的作用。
1. 第一維度 (Dim 1: 18.0%)：集中在統獨/藍綠主軸
1.1 我們看到圖表的 X 軸（Dim 1）將所有類別清晰地分隔成兩大陣營。這條軸線代表臺灣民眾兩極的政治光譜， 由左而右是從「獨立、認同民主」到「親中、厭惡現行民主」的對立。
尤其是貢獻度高的「(總統、立委)同一黨貫徹政策」、「對中應疏遠」、「總統決定(國家重大政策)」、「DPP」與「對中應互動」、「KMT」、「(自我認同)臺灣、中國人都是」等狀態，
都完美呈現了臺灣人有一方支持民進黨、對民主樂觀、支持獨立； 與光譜另一面支持國民黨、對民主悲觀、支持偏統一或維持現狀，彼此在意識形態上的對立。
1.2 另外，由於這份民調資料「臺灣民主價值與治理」是於2025年製作， 這時的總統為民主進步黨籍(DPP)，立法院多數為中國國民黨籍(KMT)。
因此民眾同意「(總統、立委)應同一黨貫徹政策」、「總統決定(國家重大政策)」才會在左側； 而「(總統、立委)應不同黨才能制衡」、「立法院決定(國家重大政策)」才會在右側。
若是與不同年份，特別是與中國國民黨執政時對比，可能會有截然不同的結果。
2. 第二維度（Dim 2：7.6%）:假訊息感知與意識形態極端/中立族群
2.1圖表的Y軸在呈現了與X軸不完全相關的類別，如對中國的威脅感知、假訊息的看法與極端族群的分布狀態。
在Y軸的上方，是一群自我認同偏向「中國人」並且主張「盡快統一」，同時非常不認同民主的群體。
2.2 而在Y軸的底端，則呈現出意識形態的「溫和派」，包括「與中國互動應中立」、對中關係「維持現狀看情形」、「同意民主」等。其中較接近的政黨傾向為台灣民眾黨(TPP)
2.3 在假訊息來源層面，「同意」或「不同意」中國是假訊息來源，與Dim1呈現的意識形態分布相同。
3. 總結
3.1 在MCA的呈現中，臺灣民眾的政治態度可被單一軸線 (Dim 1) 左右分布；民眾的「政黨認同」「國家定位」 幾乎等同於 「對民主的滿意度」。
3.2 MCA 強烈支持筆者的 H2假設: 「對於臺灣和中國大陸的看法為偏向臺灣獨立的民眾，其對於民主政治的態度應是較為樂觀的。」
意即，對臺灣民主政治抱持希望為偏向支持臺灣主權獨立、與中國疏遠的綠營光譜，
並與臺灣民主悲觀，與主張偏統一並與中國互動的藍營光譜，呈現相對立結果。
3.3 性別因素於MCA中位置在中心附近且貢獻度低(顏色偏藍/綠)，證實性別不是定義該光譜的主要因素。
陸、迴歸模型與分析
一、假設一：認為假訊息會危害臺灣民主的發展的民眾，較高機率認為假訊息的來源來自中國。
針對假設一，筆者將使用二元勝算對數模型檢驗受訪者對假訊息危害程度的認知 (Q2rg)，是否能顯著預測他們是否相信假訊息來自中國 (Q4rg)。
Code
demo25$Q2rg <- ifelse(demo25$Q2r == 3, 1, 0)
library(sjlabelled)
demo25$Q2rg <- set_label(demo25$Q2rg, "假消息是否危害臺灣民主很大 (二元)")
demo25$Q2rg <- set_labels(demo25$Q2rg,
labels=c("非重大危害"=0, "危害很大"=1))
library(sjmisc)
frq(demo25$Q2rg)假消息是否危害臺灣民主很大 (二元) (x) <numeric>
# total N=1218 valid N=1145 mean=0.77 sd=0.42
Value | Label | N | Raw % | Valid % | Cum. %
---------------------------------------------------
0 | 非重大危害 | 268 | 22.00 | 23.41 | 23.41
1 | 危害很大 | 877 | 72.00 | 76.59 | 100.00
<NA> | <NA> | 73 | 5.99 | <NA> | <NA>Code
demo25$Q4rg <- ifelse(demo25$Q4r >= 3, 1, 0)
library(sjlabelled)
demo25$Q4rg <- set_label(demo25$Q4rg, "假消息來源是否為中國 (二元)")
demo25$Q4rg <- set_labels(demo25$Q4rg,
labels=c("非來自中國"=0, "來自中國"=1))
frq(demo25$Q4rg)假消息來源是否為中國 (二元) (x) <numeric>
# total N=1218 valid N=1082 mean=0.37 sd=0.48
Value | Label | N | Raw % | Valid % | Cum. %
---------------------------------------------------
0 | 非來自中國 | 684 | 56.16 | 63.22 | 63.22
1 | 來自中國 | 398 | 32.68 | 36.78 | 100.00
<NA> | <NA> | 136 | 11.17 | <NA> | <NA>Code
mod_H1 <- glm(factor(Q4rg)~ factor(Q2rg),
family = binomial,
data = demo25)
summary(mod_H1)
Call:
glm(formula = factor(Q4rg) ~ factor(Q2rg), family = binomial,
data = demo25)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.9771 0.1433 -6.817 9.29e-12 ***
factor(Q2rg)1 0.5963 0.1602 3.722 0.000198 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1393.4 on 1052 degrees of freedom
Residual deviance: 1378.8 on 1051 degrees of freedom
(165 observations deleted due to missingness)
AIC: 1382.8
Number of Fisher Scoring iterations: 4變數定義如下：
依變數Y (Q4rg)為相信假消息來自中國(非常同意+同意)。
自變數 X (Q2rg)則是假消息危害程度，並且我將回答的選項修改為二元，1 =危害很大；0=非重大危害，則是原本的「幾乎不會」跟「有一點會」。
Code
exp(coef(mod_H1)) (Intercept) factor(Q2rg)1
0.3764045 1.8154229 Code
save(demo25, file="demo25rg.rda")Code
tab_model(mod_H1,
show.se = TRUE,
show.aic = TRUE,
show.r2 = TRUE,
p.style="stars",
transform = "exp",
collapse.ci = FALSE,
digits=3, digits.p=3,
string.pred = "假消息危害認知 (Q2rg)",
string.est = "勝算比 (Odds Ratio)",
string.ci = "95% 信賴區間",
string.p="P值"
)| 假消息來源是否為中國 (二元) | |||
| 假消息危害認知 (Q2rg) | 勝算比 (Odds Ratio) | std. Error | 95% 信賴區間 |
| (Intercept) | 0.376 *** | 0.054 | 0.282 – 0.496 |
| factor(Q2rg)1 | 1.815 *** | 0.291 | 1.332 – 2.498 |
| Observations | 1053 | ||
| R2 Tjur | 0.013 | ||
| AIC | 1382.833 | ||
| * p<0.05 ** p<0.01 *** p<0.001 | |||
透過二元勝算對數模型的檢驗後，迴歸分析結果顯示，假消息的危害認知程度 (Q2rg) 是預測民眾將來源歸因於中國 (Q4rg) 的顯著因子 (p < 0.001)
再者，筆者透過圖表呈現，對照組(即認為假訊息「非」重大危害臺灣民主)相信假訊息來自中國的Odds Ratio約為0.376比1， 表明對照組更傾向於不相信假消息來自中國。
而我們的主要討論對象，即認為假消息對臺灣民主「危害很大」 的群體，與認為「非重大危害」的對照組相比，相信假訊息來自中國的勝算高出 81.5%。
接下來，筆者使用 sjPlot::plot_model() 製圖， 透過繪製圖表呈現當危害認知變化時，相信來源來自中國的預測機率如何變化。
Code
plot_model(mod_H1,
type = "pred",
terms = "Q2rg",
title = "假設 H1: 危害認知對假消息來源是中國的預測機率",
axis.title = c("假消息危害認知 (0=非重大, 1=重大)", "來自中國的預測機率"),
ci.level = 0.95,
show.values = TRUE,
value.offset = 0.4)
圖表意義的解說如下：
X 軸中，0 代表假訊息對臺灣民主具「非重大危害組」（對照組），1 則代表「危害很大組」。
Y 軸則是呈現相信假消息 「來自中國」 的預測機率。
非重大危害組 (X=0)呈現出該組別相信假訊息來源來自中國的機率較低 (約 30%)。
危害很大組 (X=1)則相信假訊息來源來自中國的機率較高，勝算比OR=1.815。
綜上，我們可以得知圖表呈現正向趨勢，證明了「對假訊息危害認知越強，越傾向於將來源歸因於中國」。
結論：這個模型證明，在不控制其他因素之下，單單「認為假消息對臺灣民主危害很大」這個心理狀態，就使受訪者將來源歸因於中國的勝算提高了 81.5%，這是一個具有高度統計意義的發現。
二、假設二：對於臺灣和中國大陸的看法為偏向臺灣獨立的民眾，其對於民主政治的態度應是較為樂觀的。
這邊我們探討第二個假設，而受訪者對民主政治的態度為依變數， 它們對台灣和中國大陸的統獨看法為自變數。我將進行卡方檢定與二元勝算分析兩者間的關聯， 同時探討不同統獨立場是否會影響民眾對於民主政治的看法。
Code
demo25$Q7rg <- ifelse(demo25$Q7r == 2, 1, 0)
demo25$Q7rg <- set_label(demo25$Q7rg, "民主態度：是否樂觀 (Y)")
demo25$Q7rg <- set_labels(demo25$Q7rg, labels=c("悲觀/非樂觀"=0, "樂觀"=1))
frq(demo25$Q7rg)民主態度：是否樂觀 (Y) (x) <numeric>
# total N=1218 valid N=1109 mean=0.48 sd=0.50
Value | Label | N | Raw % | Valid % | Cum. %
----------------------------------------------------
0 | 悲觀/非樂觀 | 575 | 47.21 | 51.85 | 51.85
1 | 樂觀 | 534 | 43.84 | 48.15 | 100.00
<NA> | <NA> | 109 | 8.95 | <NA> | <NA>將題目處理為二元，選擇非常悲觀與悲觀被歸類為0，樂觀和非常樂觀被編為1。
Code
Q21_num <- as.numeric(demo25$Q21r)
demo25$Q21rg <- ifelse(Q21_num == 2 | Q21_num == 4, 3,
ifelse(Q21_num == 1 | Q21_num == 3, 1,
ifelse(Q21_num == 5 | Q21_num == 6, 2,
NA)))
demo25$Q21rg <- set_label(demo25$Q21rg, "統獨立場 (三分類)")
demo25$Q21rg <- set_labels(demo25$Q21rg, labels=c("統一傾向"=1, "維持現狀"=2, "獨立傾向"=3))
frq(demo25$Q21rg)統獨立場 (三分類) (x) <numeric>
# total N=1218 valid N=1153 mean=2.16 sd=0.57
Value | Label | N | Raw % | Valid % | Cum. %
-------------------------------------------------
1 | 統一傾向 | 106 | 8.70 | 9.19 | 9.19
2 | 維持現狀 | 755 | 61.99 | 65.48 | 74.67
3 | 獨立傾向 | 292 | 23.97 | 25.33 | 100.00
<NA> | <NA> | 65 | 5.34 | <NA> | <NA>我透過AI的幫助將變項編碼為三個分類，統一、獨立和維持現狀，以便後面進行更完整的勝算比較。
Code
mod_H2 <- glm(Q7rg ~ factor(Q21rg),
family = binomial,
data = demo25)
summary(mod_H2)
Call:
glm(formula = Q7rg ~ factor(Q21rg), family = binomial, data = demo25)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.3034 0.2404 -5.421 5.91e-08 ***
factor(Q21rg)2 0.9605 0.2525 3.803 0.000143 ***
factor(Q21rg)3 2.3272 0.2760 8.432 < 2e-16 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1484.3 on 1071 degrees of freedom
Residual deviance: 1365.4 on 1069 degrees of freedom
(146 observations deleted due to missingness)
AIC: 1371.4
Number of Fisher Scoring iterations: 4Code
exp(coef(mod_H2)) (Intercept) factor(Q21rg)2 factor(Q21rg)3
0.2716049 2.6129032 10.2493857 Code
save(demo25, file="demo25rg.rda")筆者將二元勝算分析的結果，以sjPlot::tab_model()製表，一併呈現出顯示顯著性星號、標準誤和 AIC 等資訊，如圖：
Code
tab_model(mod_H2,
show.se = TRUE,
show.aic = TRUE,
show.r2 = TRUE,
p.style="stars",
transform = "exp",
collapse.ci = FALSE,
digits=3, digits.p=3,
string.pred = "統獨立場",
string.est = "勝算比 (Odds Ratio)",
string.ci = "95% 信賴區間",
string.p="P值"
)| 民主態度：是否樂觀 (Y) | |||
| 統獨立場 | 勝算比 (Odds Ratio) | std. Error | 95% 信賴區間 |
| (Intercept) | 0.272 *** | 0.065 | 0.166 – 0.427 |
| factor(Q21rg)2 | 2.613 *** | 0.660 | 1.620 – 4.380 |
| factor(Q21rg)3 | 10.249 *** | 2.829 | 6.062 – 17.949 |
| Observations | 1072 | ||
| R2 Tjur | 0.107 | ||
| AIC | 1371.435 | ||
| * p<0.05 ** p<0.01 *** p<0.001 | |||
首先，根據我們的變數設定的編碼中，我們將對照組設為統獨立場中為「統一傾向」，對照組有「維持現狀」及「獨立傾向」，其Odds Ratio分別解釋如下：
- 「統一傾向」的勝算(Intercept)OR = 0.272，由於 0.272 <1，這表示他們對民主政治「不樂觀」的勝算更高。
2.「維持現狀」組對照於統一傾向組OR = 2.613，解釋維持現狀組的民眾相較於統一傾向組， 對民主政治樂觀的勝算提高了 161.3%，這是一個顯著的正向影響。
3.獨立傾向組對照於統一傾向組OR = 10.249，解釋了獨立傾向組 的民眾，相較於統一傾向組，對民主政治樂觀的勝算提高了 924.9%。這是一個極度顯著的正向差異，同時顯示獨立傾向是民主樂觀最強的支撐。
綜上，我們發現在這個假設中，統獨立場越偏向獨立，民眾對於臺灣民主政治樂觀的勝算就呈現顯著的增長。
接下來呈現統獨立場對於民主樂觀的預測機率圖，如圖：
圖表呈現了假設二的核心發現：統獨立場 (Q21rg) 對民主政治樂觀 (Q7rg)的預測機率，
X 軸 是有關受訪者認為的統獨傾向，說明如下，
1.0是統一傾向組(對照組)。
2.0是維持現狀組
3.0則是獨立傾向組
Y軸 則是對民主樂不樂觀的預測機率範圍，如圖所示： 1.0 (統一傾向) 的樂觀機率約 22%，2.0 (維持現狀)約 42%，最後，3.0 (獨立傾向)約 75%。
結論： 由此可見，受訪者的統獨立場從「統一傾向」到「維持現狀」，再到「獨立傾向」，他們對民主政治的樂觀預測機率就會呈現階梯式上升。因此可以完美應證假設二「偏向臺灣獨立的民眾，其對於民主是較為樂觀的」。
三、假設三：認為對中國態度應保持疏遠的民眾中，在政黨傾向中多數民眾支持民主進步黨以及時代力量。
(註：前四大黨以113年立法委員選舉結果前四大黨呈現)
在這個假設中，筆者將繼續探討第三個假設對中態度與政黨傾向的討論， 我將繼續用二元勝算對數模型檢驗並驗證其關聯性。
Code
demo25$Q22rg <- ifelse(demo25$Q22r == 2 | demo25$Q22r == 4, 1, 0)
demo25$Q22rg <- set_label(demo25$Q22rg, "政黨支持：是否支持 DPP/NPP (Y)")
demo25$Q22rg <- set_labels(demo25$Q22rg, labels=c("非DPP/NPP"=0, "DPP/NPP"=1))
frq(demo25$Q22rg)政黨支持：是否支持 DPP/NPP (Y) (x) <numeric>
# total N=1218 valid N=952 mean=0.38 sd=0.49
Value | Label | N | Raw % | Valid % | Cum. %
--------------------------------------------------
0 | 非DPP/NPP | 589 | 48.36 | 61.87 | 61.87
1 | DPP/NPP | 363 | 29.80 | 38.13 | 100.00
<NA> | <NA> | 266 | 21.84 | <NA> | <NA>變數定義如下：
依變數Y (Q22rg)民眾的政黨傾向是否為民主進步黨(DPP)與時代力量(NPP)=1， 非DPP、NPP如國民黨(KMT)，或台灣民眾黨(TPP)則設為0。
Code
demo25$Q17rg <- ifelse(demo25$Q17r == 1, 1, 0)
demo25$Q17rg <- set_label(demo25$Q17rg, "對中態度：是否偏疏遠 (X)")
demo25$Q17rg <- set_labels(demo25$Q17rg, labels=c("中立/應互動"=0, "偏疏遠"=1))
frq(demo25$Q17rg)對中態度：是否偏疏遠 (X) (x) <numeric>
# total N=1218 valid N=1112 mean=0.28 sd=0.45
Value | Label | N | Raw % | Valid % | Cum. %
----------------------------------------------------
0 | 中立/應互動 | 806 | 66.17 | 72.48 | 72.48
1 | 偏疏遠 | 306 | 25.12 | 27.52 | 100.00
<NA> | <NA> | 106 | 8.70 | <NA> | <NA>自變數 X (Q17rg)則是受訪者回答的對中互動態度，原本經過編碼整理的回答選項為「偏疏遠」、「中立」、「應互動」，在這次編碼我將回答的選項修改為二元，1 =偏疏遠；0=中立/應互動。
Code
mod_H3 <- glm(Q22rg ~ factor(Q17rg),
family = binomial,
data = demo25)
summary(mod_H3)
Call:
glm(formula = Q22rg ~ factor(Q17rg), family = binomial, data = demo25)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.18543 0.09424 -12.58 <2e-16 ***
factor(Q17rg)1 2.25419 0.16923 13.32 <2e-16 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1192.38 on 893 degrees of freedom
Residual deviance: 985.87 on 892 degrees of freedom
(324 observations deleted due to missingness)
AIC: 989.87
Number of Fisher Scoring iterations: 4Code
exp(coef(mod_H3)) (Intercept) factor(Q17rg)1
0.3056133 9.5276110 筆者將二元勝算分析的結果，以tab_model語法製表，一併呈現出顯示顯著性星號、標準誤和 AIC 等資訊，如圖：
Code
tab_model(mod_H3,
show.se = TRUE,
show.aic = TRUE,
show.r2 = TRUE,
p.style="stars",
transform = "exp",
collapse.ci = FALSE,
digits=3, digits.p=3,
string.pred = "對中態度：是否偏疏遠 (Q17rg)",
string.est = "勝算比 (Odds Ratio)",
string.ci = "95% 信賴區間",
string.p="P值"
)| 政黨支持：是否支持 DPP/NPP (Y) | |||
| 對中態度：是否偏疏遠 (Q17rg) | 勝算比 (Odds Ratio) | std. Error | 95% 信賴區間 |
| (Intercept) | 0.306 *** | 0.029 | 0.253 – 0.367 |
| factor(Q17rg)1 | 9.528 *** | 1.612 | 6.872 – 13.348 |
| Observations | 894 | ||
| R2 Tjur | 0.230 | ||
| AIC | 989.872 | ||
| * p<0.05 ** p<0.01 *** p<0.001 | |||
透過表格分析結果我們可以發現，對照組(中立/應互動組)支持DPP與NPP的勝算為0.306比 1。即不支持的勝算較高。 而對中互動選擇「偏疏遠」的民眾，其政黨傾向支持DPP/NPP的勝算比為9.528， 代表支持對中互動應疏遠的民眾，其政黨傾向為DPP/NPP的勝算提高了約852.8%， 意味著民眾對中國的態度越偏向疏遠，其支持 DPP/NPP的勝算就比認為與中國應中立/偏疏遠的民眾提高了超過八倍。
Code
plot_model(mod_H3,
type = "pred",
terms = "Q17rg",
title = "假設 H3: 偏疏遠態度對支持 DPP/NPP 的預測機率 (Factor)",
axis.title = c("對中互動態度:0=中立/應互動 1=偏疏遠 ", "支持 DPP/NPP 的預測機率"),
ci.level = 0.95,
show.values = TRUE,
value.offset = 0.4)
筆者另製作出兩變數的預測機率圖，圖表意義的解說如下：
X 軸呈現，呈現受訪者對中的互動態度，並將0設為中立/應互動，1設為偏疏遠。
Y 軸呈現支持 DPP/NPP 的預測機率。如圖所示，中立/應互動組 (X=0)： 預測受訪者支持DPP/NPP 的機率約為 23% 左右。偏疏遠組 (X=1)： 預測支持 DPP/NPP 的機率顯著上升至75%左右，。
結論： 假設三獲得強力支持，即對中態度是區分 DPP/NPP 支持者與其他政黨支持者的決定性變數，並且數據表明民眾中國的態度是預測支持民主進步黨/時代力量是為極度顯著且強勁的因子 (p < 0.001)， 預測機率圖也顯示，對中態度偏疏遠的群體，支持 DPP/NPP 的預測機率從對照組的23%，提升至約 75%，應證勝算比的趨勢。
柒、結論
筆者透過上述的研究，與獲得高度顯著支持（p<0.001）的三個假設，建構出選民藉由「認知(假訊息感知層面)、態度(對民主看法)、行動(投票行為)」，呈現出「民主」與「抗中」的關係。
認知歸因（H1）： 民眾對假消息的危害臺灣民主的認知上具有「外部歸因」傾向，當對中國威脅感增強時，因為抗中立場而讓選民將假訊息來源指向中國。
體制態度（H2）： 統獨立場決定了民主信心的分佈，獨立支持者對臺灣民主體制展現出極高的樂觀，而統一傾向者則呈現顯著的悲觀，反映了國家認同與民主認同的相近態度。
投票行為（H3）： 抗中態度儼然在政黨抉擇中扮演決定性角色，在第三個迴歸分析中高達 9.5 倍的勝算比證實「抗中」已成為劃分民眾對政黨支持的呈現。
在MCA分析時，筆者尤其驚豔的從圖上可以看見，在Dim1的兩端分佈有多麼明確，且如此「壁壘分明」，
這群人支持民進黨、對中國態認為應疏遠，且展現應由總統決定國家大事的立場，加上認為總統與立院多數應為同一黨貫徹政策，與現今2025的狀態可以相稱。同時，他們也非常認同中國是假訊息來源，他們對於MCA呈現的類別貢獻度尤其高，顯示這群人的意識型態是多麼強烈。
並與另一群支持國民黨、統獨立場為維持現狀偏統一，且非常不同意中國為假訊息來源，並認為對中國應互動的人形成強烈的對比。
另外還有一群人獨立於這兩群之外，雖然貢獻度不如前兩者高，但也具有一定的關聯性。
這群人在政黨認同上「不支持前四政黨」對中互動看法是中立；認為假訊息有一點危害民主，但卻不認同中國是假訊息來源，筆者認為這群人在台灣就是所謂的「中間選民」
有關中間選民，吳重禮、許文賓 (2003)透過TEDs資料分析，他們認為中間選民( 獨立選民）呈現為一群政治興趣與知識較低的群體，即「政治參與度低」，又或者是認為「沒有任何政黨符合自身理念」的人易成為中間選民，原因可能是對現有政黨的不滿或疏離。
王顥穎 (2012)認為他們是一群受議題影響的「關鍵少數」，尤其容易受短期議題影響。在這篇研究中，他的調查呈現中間選民擔心選情緊繃，擔憂若九二共識被推翻會導致兩岸和平不保，因此基於「憂患意識」與「經濟和平考量」進行策略性投票。
而在MCA分析中，我們同樣可以看到，這群「中間選民」他們的政黨認同「不支持前四政黨」符合上面的描述，若是回到他們對民主的探討，他們同意民主制度，也認為假訊息有一點危害民主，對於總統和立法院是否應該同一黨，他們則認為需要不同黨制衡。但是從本研究探討的幾個議題中，看不到選民對於議題的影響程度，進而做出投票行為的表現。
最後，筆者想提到的是民眾對於「抗中保台」的想像，不應該是粗淺的淪為政黨競爭的口號而已。這是在呈現選民在面對中國的認知、態度、行為的一系列回應，並在過程中展現每個臺灣民眾對於民主的價值觀與信心。
從這個研究中，筆者也學到普羅大眾的認知有時跟自己的學習、交友圈的言談、以及課程上的收穫中，呈現的結果是截然不同的。兩個印象深刻的點之一是對於問卷第7題，民眾對於民主制度是悲觀的竟然超過一半，其二是問卷第二題，超過六成的民眾不相信假訊息是中國來的。但是在民意調查的面前，我們就是要接受並尊重，後面再去探究它們選擇這樣結果的原因及動機，這是十分有趣的過程。