遠見雜誌2024年台灣社會信任調查顯示，台灣民眾最不信任角色的前五名包含新聞記者、立法委員、法官、縣市議員與中央部會首長（遠見，2024）。造成民眾對公部門產生不信任感的因素可能有很多，例如自身與公部門的互動經驗、從媒體或人際關係中所接收到的政治相關訊息、以及日常生活中對社會現況的感知等。這些資訊提供線索以評價政府與公部門，形成對政府與公部門的態度。
在媒體層面，早期民眾對公部門的不信任，常源於電視新聞所播報的政治衝突或負面事件，例如立法院的肢體衝突畫面、對司法判決的聳動報導，搭配「立院全武行」、「恐龍法官」等貶抑稱呼，戲劇化地呈現政治與社會議題，逐漸形塑大眾對公部門與專業人員的負面印象，進而削弱大眾對制度與政府官員的信任。
隨著科技發展與政治局勢的轉變，可能有更多其他不同的因素影響大眾對公部門的不信任感。過去民眾主要透過傳統媒體、政論節目接收政治相關資訊，如今社群平台與自媒體的興起，不同立場的意見領袖、KOL甚至是匿名帳號在網路上各據一方，甚至有境外資訊操弄問題，而人們則在演算法的資訊濾泡中接收訊息。在面對龐雜的資訊時，民眾難以分辨訊息的真偽。在碎片化的訊息中也不易全面了解政策或政治時事，以致可能對公部門產生全然不同的評判與態度。
因此，媒介的選擇與使用可能是影響公部門信任的重要因素。不同媒體類型（如傳統媒體與社群媒體）所呈現的政治內容、報導框架與可信度，均可能改變民眾對政府態度與認知。隨著資訊環境從集中走向分眾化，民眾的媒體使用模式可能不僅反映其政治偏好，也形塑其對政府與制度的信任基礎。故本研究旨在探討台灣民眾的媒介選擇與使用行為，如何影響其對公部門（包含行政、立法、司法機關）的信任程度，並進一步分析不同族群與特質下的差異。
RQ1：不同的媒介使用行為，包含媒體立場與媒介選擇，是否影響民眾對公部門的信任程度？
RQ2：媒體信任程度是否干擾媒介使用行為與公部門信任之間的關係？
本研究旨在探討台灣民眾對公部門的不信任態度，並分析影響信任程度的多重因素。本研究使用2024年台灣選舉與民主化調查（Taiwan’s Election and Democratization Study，TEDS）的橫斷面民調資料（陳陸輝，2024）。TEDS是由國科會人文處支持、政治大學選舉研究中心執行的大型民意調查研究計畫。該調查之母體為全臺灣十八歲以上具有戶籍之民眾，透過全國門牌住址隨機抽樣，再從抽出的住址進行戶中隨機抽樣的分層隨機抽樣模式。執行自2001年起已有20餘年，具備高代表性與一致的問卷設計，反映當前台灣社會的政治態度與行為現況。
2024年的調查資料以我國第16任總統副總統及第11屆立法委員選舉為背景，訪問期間為民國113年1月15日至5月31日，獨立樣本共1,206位受訪者。調查內容涵蓋政治信任、媒體使用、政黨偏好、政治效能與社會人口統計等指標。本研究以受訪者對立法機關（D11a）、行政部門（D11b）及法院（D11c）的信任程度作為主要依變數，用以衡量各公部門信任。
主要自變數：
媒體接觸與使用行為（A1–A3f）：包括政治新聞關注程度、各媒體類型使用頻率。
媒體信任（D11f–D11g）：對傳統新聞媒體與社群媒體的信任程度。
# 資料讀入
library(sjlabelled)
teds2024 <- read_data("teds2024_indq.sav")Converting atomic to factors. Please wait...save(teds2024, file = "teds2024.rda")
load("teds2024.rda")
# 批次清理無效值
library(sjmisc)
teds2024 <- set_na(teds2024, na=c(89:99, "NA"))
library(sjmisc)
library(sjPlot)依變數：公部門信任度 本資料與公部門信任度相關的題目共有三題，分別是D11a針對立法機關、D11b針對行政機部門、D11c針對法院。由於目前執政黨為民進黨，立法院則由在野黨國民黨佔多數席次，考量民眾對各公部門的印象可能受政黨影響，故本研究將這三個公部門之信任度分開分析與討論。
從次數分配表可見，受訪者對立法機關、行政部門與法院的信任度意見不一。
# 立法機關信任度
# D11a 請問您對於立法機關是完全信任、有點信任、不太信任，還是一點也不信任？
# 01完全信任 02有點信任 03不太信任 04一點也不信任
teds2024$trust1 <- rec(teds2024$D11a,rec="rev", as.num = F)
frq(teds2024$trust1,out="view")| val | label | frq | raw.prc | valid.prc | cum.prc | |
| 1 | 一點也不信任 | 82 | 6.80 | 7.19 | 7.19 | |
| 2 | 不太信任 | 507 | 42.04 | 44.47 | 51.67 | |
| 3 | 有點信任 | 497 | 41.21 | 43.60 | 95.26 | |
| 4 | 完全信任 | 54 | 4.48 | 4.74 | 100.00 | |
| NA | NA | 66 | 5.47 | NA | NA | |
| total N=1206 · valid N=1140 · x̄=2.46 · σ=0.70 | ||||||
# 行政部門信任度
# D11b 那您對行政部門呢？
# 01完全信任 02有點信任 03不太信任 04一點也不信任
teds2024$trust2 <- rec(teds2024$D11b, rec="rev", as.num = F)
frq(teds2024$trust2,out="view")| val | label | frq | raw.prc | valid.prc | cum.prc | |
| 1 | 一點也不信任 | 89 | 7.38 | 8.03 | 8.03 | |
| 2 | 不太信任 | 374 | 31.01 | 33.72 | 41.75 | |
| 3 | 有點信任 | 569 | 47.18 | 51.31 | 93.06 | |
| 4 | 完全信任 | 77 | 6.38 | 6.94 | 100.00 | |
| NA | NA | 97 | 8.04 | NA | NA | |
| total N=1206 · valid N=1109 · x̄=2.57 · σ=0.74 | ||||||
# 司法部門信任度
# D11c 那您對法院呢？
# 01完全信任 02有點信任 03不太信任 04一點也不信任
teds2024$trust3 <- rec(teds2024$D11c, rec="rev", as.num = F)
frq(teds2024$trust3,out="view")| val | label | frq | raw.prc | valid.prc | cum.prc | |
| 1 | 一點也不信任 | 151 | 12.52 | 13.57 | 13.57 | |
| 2 | 不太信任 | 427 | 35.41 | 38.36 | 51.93 | |
| 3 | 有點信任 | 441 | 36.57 | 39.62 | 91.55 | |
| 4 | 完全信任 | 94 | 7.79 | 8.45 | 100.00 | |
| NA | NA | 93 | 7.71 | NA | NA | |
| total N=1206 · valid N=1113 · x̄=2.43 · σ=0.83 | ||||||
自變數：媒體立場
首先探討媒介政治立場與公部門信任之間的關係，問卷題項A2詢問受訪者平時主要收看的電視新聞台。各家媒體各有不同的政治立場，依觀察可將台灣的新聞台依政治傾向分為泛藍、泛綠與中立三類。媒體的政治立場會影響其議題設定與報導框架，不同立場的媒體在呈現政治事件或政府施政時的報導面向也會有所不同，可能導致觀眾形成不同的政治印象與評價，進而影響對公部門的信任。
基於目前執政黨與在野黨的政治結構，本研究推測偏好收看泛藍媒體的民眾，可能對立法機關信任度較高；偏好收看泛綠媒體的民眾，可能對行政部門與法院的信任程度較高；而偏好中立媒體的民眾，對各公部門的信任差異不大。
# A2 請問您最常看哪一臺電視新聞（包含網路新聞）？
# 01臺視 02中視 03華視 04民視 05TVBS 06三立 07東森 08中天 09年代 10八大 11非凡 12大愛 13公視 15客家 16原住民 17地方新聞臺 18壹電視 19NHK 20UDN 22東森財經 24CNN 25寰宇 26人間衛視 27環球新聞 28新唐人 29風傳媒 30Yahoo奇摩新聞 31ETtoday新聞雲 32Taiwan Plus 33GoodTV好消息衛星電視台 34鏡電視
teds2024$media_choice <- rec(teds2024$A2, rec="2,5,7,8=1[泛藍]; 4,6,9,18,34=2[泛綠]; 1,3,10,11,12,13,16,19,25,33=3[中立]", as.num = F)
frq(teds2024$media_choice,out="view")| val | label | frq | raw.prc | valid.prc | cum.prc | |
| 1 | 泛藍 | 537 | 44.53 | 50.95 | 50.95 | |
| 2 | 泛綠 | 355 | 29.44 | 33.68 | 84.63 | |
| 3 | 中立 | 162 | 13.43 | 15.37 | 100.00 | |
| NA | NA | 152 | 12.60 | NA | NA | |
| total N=1206 · valid N=1054 · x̄=1.64 · σ=0.73 | ||||||
自變數：媒體使用頻率
問卷題項A3a至A3f詢問受訪者在選舉期間，透過各類媒介接收政治新聞的頻率。在現今資訊來源多元的情境下，本研究想探討民眾透過哪一種媒介接收政治訊息，是否影響其對政府部門的評價與信任。
在各類媒介中，分為傳統媒體、數位媒體與社群媒體。根據調查結果，約有78%的受訪者未收聽廣播、66%的受訪者未閱讀報紙，由於這兩個媒介的使用比例較低，在統計分析上較不具代表性。因此本研究在後續分析中將不納入廣播與報紙兩項傳統媒體。
傳統媒體：
# A3a 在這次選舉期間，請問您一個星期大約會看幾天無線電視新聞（台視、中視、華視、民視、公視）？
# 00_沒有/0天 01_1天 02_2天 03_3天 04_4天 05_5天 06_6天 07_7天
teds2024$media_frequency1 <- rec(teds2024$A3a, rec="0=0[沒有/0天]; 1=1[1天]; 2=2[2天]; 3=3[3天]; 4=4[4天]; 5=5[5天]; 6=6[6天]; 7=7[7天]", as.num = F)
frq(teds2024$media_frequency1,out="view")| val | label | frq | raw.prc | valid.prc | cum.prc | |
| 0 | 沒有/0天 | 422 | 34.99 | 35.58 | 35.58 | |
| 1 | 1天 | 101 | 8.37 | 8.52 | 44.10 | |
| 2 | 2天 | 133 | 11.03 | 11.21 | 55.31 | |
| 3 | 3天 | 142 | 11.77 | 11.97 | 67.28 | |
| 4 | 4天 | 36 | 2.99 | 3.04 | 70.32 | |
| 5 | 5天 | 66 | 5.47 | 5.56 | 75.89 | |
| 6 | 6天 | 23 | 1.91 | 1.94 | 77.82 | |
| 7 | 7天 | 263 | 21.81 | 22.18 | 100.00 | |
| NA | NA | 20 | 1.66 | NA | NA | |
| total N=1206 · valid N=1186 · x̄=2.74 · σ=2.75 | ||||||
# A3b 請問您一個星期大約看幾天有線電視新聞？
# 00_沒有/0天 01_1天 02_2天 03_3天 04_4天 05_5天 06_6天 07_7天
teds2024$media_frequency2 <- rec(teds2024$A3b, rec="0=0[沒有/0天]; 1=1[1天]; 2=2[2天]; 3=3[3天]; 4=4[4天]; 5=5[5天]; 6=6[6天]; 7=7[7天]", as.num = F)
frq(teds2024$media_frequency2,out="view")| val | label | frq | raw.prc | valid.prc | cum.prc | |
| 0 | 沒有/0天 | 367 | 30.43 | 31.05 | 31.05 | |
| 1 | 1天 | 79 | 6.55 | 6.68 | 37.73 | |
| 2 | 2天 | 115 | 9.54 | 9.73 | 47.46 | |
| 3 | 3天 | 119 | 9.87 | 10.07 | 57.53 | |
| 4 | 4天 | 42 | 3.48 | 3.55 | 61.08 | |
| 5 | 5天 | 89 | 7.38 | 7.53 | 68.61 | |
| 6 | 6天 | 33 | 2.74 | 2.79 | 71.40 | |
| 7 | 7天 | 338 | 28.03 | 28.60 | 100.00 | |
| NA | NA | 24 | 1.99 | NA | NA | |
| total N=1206 · valid N=1182 · x̄=3.25 · σ=2.88 | ||||||
數位媒體：
# A3e 那其他的新聞網站呢？(像是雅虎奇摩、google新聞、風傳媒、今日新聞/NOWnews等等)
# 00_沒有/0天 01_1天 02_2天 03_3天 04_4天 05_5天 06_6天 07_7天
teds2024$media_frequency3 <- rec(teds2024$A3e, rec="0=0[沒有/0天]; 1=1[1天]; 2=2[2天]; 3=3[3天]; 4=4[4天]; 5=5[5天]; 6=6[6天]; 7=7[7天]", as.num = F)
frq(teds2024$media_frequency3,out="view")| val | label | frq | raw.prc | valid.prc | cum.prc | |
| 0 | 沒有/0天 | 509 | 42.21 | 42.59 | 42.59 | |
| 1 | 1天 | 73 | 6.05 | 6.11 | 48.70 | |
| 2 | 2天 | 85 | 7.05 | 7.11 | 55.82 | |
| 3 | 3天 | 107 | 8.87 | 8.95 | 64.77 | |
| 4 | 4天 | 41 | 3.40 | 3.43 | 68.20 | |
| 5 | 5天 | 73 | 6.05 | 6.11 | 74.31 | |
| 6 | 6天 | 15 | 1.24 | 1.26 | 75.56 | |
| 7 | 7天 | 292 | 24.21 | 24.44 | 100.00 | |
| NA | NA | 11 | 0.91 | NA | NA | |
| total N=1206 · valid N=1195 · x̄=2.70 · σ=2.89 | ||||||
社群媒體：
# A3f 在這次選舉期間，請問您一個星期大約有幾天使用臉書、推特或LINE來關注政黨和候選人的新聞？
# 00_沒有/0天 01_1天 02_2天 03_3天 04_4天 05_5天 06_6天 07_7天
teds2024$media_frequency4 <- rec(teds2024$A3f, rec="0=0[沒有/0天]; 1=1[1天]; 2=2[2天]; 3=3[3天]; 4=4[4天]; 5=5[5天]; 6=6[6天]; 7=7[7天]", as.num = F)
frq(teds2024$media_frequency4,out="view")| val | label | frq | raw.prc | valid.prc | cum.prc | |
| 0 | 沒有/0天 | 571 | 47.35 | 47.78 | 47.78 | |
| 1 | 1天 | 64 | 5.31 | 5.36 | 53.14 | |
| 2 | 2天 | 76 | 6.30 | 6.36 | 59.50 | |
| 3 | 3天 | 106 | 8.79 | 8.87 | 68.37 | |
| 4 | 4天 | 31 | 2.57 | 2.59 | 70.96 | |
| 5 | 5天 | 59 | 4.89 | 4.94 | 75.90 | |
| 6 | 6天 | 14 | 1.16 | 1.17 | 77.07 | |
| 7 | 7天 | 274 | 22.72 | 22.93 | 100.00 | |
| NA | NA | 11 | 0.91 | NA | NA | |
| total N=1206 · valid N=1195 · x̄=2.47 · σ=2.88 | ||||||
干擾變數：媒體信任度
題項D11f與D11g分別衡量受訪者對傳統媒體與社群媒體的信任度。本研究將對媒體的信任視為是對資訊信任的指標，亦即民眾對媒體所傳遞的內容的可信度與真實性感受。本研究預測，當民眾對其傳遞資訊的媒介越信任，越認為其所接收到的資訊是可信任的，進而提升對公部門的信任度；反之，若對該媒介的信任度越低，越懷疑訊息的真實性，導致對公部門信任的下降。
# D11f 那您對傳統新聞媒體，例如：報紙、電視或廣播呢？
# 01完全信任 02有點信任 03不太信任 04一點也不信任
teds2024$media_trust1 <- rec(teds2024$D11f, rec="rev", as.num = F)
frq(teds2024$media_trust1,out="view")| val | label | frq | raw.prc | valid.prc | cum.prc | |
| 1 | 一點也不信任 | 140 | 11.61 | 12.47 | 12.47 | |
| 2 | 不太信任 | 562 | 46.60 | 50.04 | 62.51 | |
| 3 | 有點信任 | 398 | 33.00 | 35.44 | 97.95 | |
| 4 | 完全信任 | 23 | 1.91 | 2.05 | 100.00 | |
| NA | NA | 83 | 6.88 | NA | NA | |
| total N=1206 · valid N=1123 · x̄=2.27 · σ=0.70 | ||||||
# D11g 那您對社群媒體，例如：臉書、推特或LINE呢？
# 01完全信任 02有點信任 03不太信任 04一點也不信任
# 社群媒體信任程度
teds2024$media_trust2 <- rec(teds2024$D11g, rec="rev", as.num = F)
frq(teds2024$media_trust2,out="view")| val | label | frq | raw.prc | valid.prc | cum.prc | |
| 1 | 一點也不信任 | 171 | 14.18 | 16.43 | 16.43 | |
| 2 | 不太信任 | 616 | 51.08 | 59.17 | 75.60 | |
| 3 | 有點信任 | 247 | 20.48 | 23.73 | 99.33 | |
| 4 | 完全信任 | 7 | 0.58 | 0.67 | 100.00 | |
| NA | NA | 165 | 13.68 | NA | NA | |
| total N=1206 · valid N=1041 · x̄=2.09 · σ=0.65 | ||||||
控制變數
# P1c 請問是哪一個政黨？
# 01國民黨 02民進黨 03新黨 04親民黨 05建國黨 06臺聯 07無黨團結聯盟 08無黨籍 09台灣綠黨 10健保免費連線 11泛藍 12泛綠 13勞動黨 14中華民族致公黨 15人民民主黨 16正黨 17台灣基進 18樹黨 19時代力量 20社會民主黨 21民國黨 22台灣獨立黨 23軍公教聯盟黨 24信心希望聯盟 25中華統一促進黨 26自由台灣黨 27大愛憲改聯盟 28和平鴿聯盟黨 29中華民國機車黨 30台灣工黨 31台灣未來黨 32泛盟黨 33社會福利黨 34勞工黨 35台灣第一民族黨 36中國生產黨 37國會政黨聯盟 38合一行動聯盟 39安定力量 40宗教聯盟 41台灣民眾黨 42台灣維新 43台澎黨 44喜樂島聯盟 45一邊一國行動黨 46歡樂無法黨 47台灣革命黨 48民生公益 49臺灣前進黨 50言論自由聯盟 51台灣動物保護黨 52興中同盟會 53台灣整復師聯盟工黨 54司法正義黨 55中華聯合黨 56台灣民意黨 57圓黨 58中華文化復興在理黨 59金門高粱黨 60中華新住民黨 61聾國黨 62中華愛國同心黨 63中華婦女黨 64中華照生黨 65中國和平統一黨 66天宙和平統一家庭黨 67臺灣雙語無法黨 68人民最大黨 69制度救世島 70台灣麻將最大黨 71司法改革黨 72經濟黨 73小民參政歐巴桑聯盟 74復康聯盟黨 75台灣國民黨 76中華文化共和黨 77家庭基本收入
teds2024$pp <- rec(teds2024$P1c, rec="1=1[國民黨]; 2=2[民進黨]; 41=3[民眾黨]; else=4[其他]", as.num = F)
frq(teds2024$pp,out="view")| val | label | frq | raw.prc | valid.prc | cum.prc | |
| 1 | 國民黨 | 322 | 26.70 | 36.10 | 36.10 | |
| 2 | 民進黨 | 383 | 31.76 | 42.94 | 79.04 | |
| 3 | 民眾黨 | 172 | 14.26 | 19.28 | 98.32 | |
| 4 | 其他 | 15 | 1.24 | 1.68 | 100.00 | |
| NA | NA | 314 | 26.04 | NA | NA | |
| total N=1206 · valid N=892 · x̄=1.87 · σ=0.78 | ||||||
# Q4a 請問您的教育程度是什麼？
# 01不識字 02識字但未入學 03小學肄業 04小學畢業 05國、初中肄業 06國、初中畢業 07高中、職肄業 08高中、職畢業 09專科肄業 10專科畢業 11大學肄業（含在學中） 12大學畢業 13研究所（含在學、肄業、畢業）
# 教育程度
teds2024$edu <- rec(teds2024$Q4a, rec="1,2,3,4=1[小學(含以下)]; 5,6=2[國中]; 7,8=3[高中職]; 9,10,11,12=4[大專院校]; 13=5[研究所(含以上)]", as.num = F)
frq(teds2024$edu,out="view")| val | label | frq | raw.prc | valid.prc | cum.prc | |
| 1 | 小學(含以下) | 135 | 11.19 | 11.20 | 11.20 | |
| 2 | 國中 | 99 | 8.21 | 8.22 | 19.42 | |
| 3 | 高中職 | 292 | 24.21 | 24.23 | 43.65 | |
| 4 | 大專院校 | 535 | 44.36 | 44.40 | 88.05 | |
| 5 | 研究所(含以上) | 144 | 11.94 | 11.95 | 100.00 | |
| NA | NA | 1 | 0.08 | NA | NA | |
| total N=1206 · valid N=1205 · x̄=3.38 · σ=1.15 | ||||||
save(teds2024, file = "teds2024.rda")(一)媒體立場與公部門信任度
H0：媒體立場與公部門信任度無關。
H1：媒體立場與公部門信任度有關。
1.立法機關
經卡方檢定，媒體政治立場與立法機關信任度兩變數之間具統計上顯著相關，X²(6,n=1,008)=16.155，p=.013，Cramer’s V=.09。雖然在關聯性上顯著相關，但關聯性強度為弱相關，顯示媒體政治立場僅為影響受訪者對立法機關信任度因素之一。
為便於解釋，將選項「完全信任」與「有點信任」合併為「信任」，「不太信任」與「一點也不信任」合併為「不信任」。結果顯示常收看泛藍電視新聞台的受訪者有 55.6% 表示不信任立法機關；常收看泛綠電視新聞台的受訪者有 54.7% 表示信任立法機關；而常收看中立媒體的受訪者有 51.9% 表示信任。在「一點也不信任」、「不太信任」、「有點信任」三個選項中，受訪者占比皆是收看泛藍媒體大於泛綠媒體，僅有「完全信任」是收看泛綠媒體大於泛藍媒體。
2.行政部門
經卡方檢定，媒體政治立場與行政部門信任度兩變數間具統計上顯著關聯，X²(6,n=986)=89.951，p=.00，Cramer’s V=.214。兩變數間的關聯性屬於中效果，表示不同政治立場媒體的收看者，對行政部門的信任度有顯著的差異。
從卡方列聯表可見，常收看泛綠媒體的受訪者整體信任度最高，有 77.1% 表示「信任」（含有點信任與完全信任）；常收看泛藍媒體者則較傾向於不信任行政部門，共有 53.5% 表示「不信任」（含不太信任與一點也不信任）；而收看中立媒體的受訪者有 63.6% 表示信任。
3.法院
經卡方檢定，媒體政治立場與法院信任度兩變數之間具統計上顯著關聯，關聯強度屬於小效果，X²(6,n=983)=14.311，p=.026，Cramer’s V=.085。
常收看泛藍媒體的受訪者有過半，共 55.5% 表示不信任法院；常收看泛綠媒體的受訪者則是過半，共 53.4% 表示信任法院；收看中立媒體的受訪者信任與不信任的比例約各半。
整體而言，三項檢定結果均顯示媒體政治立場與公部門信任度之間存在顯著的相關性。立法機關與法院的關聯性屬於小效果，行政部門則是中效果，顯示與執政黨最相關的行政體系的評價與收看的媒體立場最為相關。結果拒絕虛無假設，支持媒體政治傾向與公部門信任存在顯著相依關係。
從先前的假設來看，研究者認為政治立場偏向國民黨的受訪者對立法機關的信任度會較高、政治立場偏民進黨的受訪者對行政部門與法院的信任度較高。從分析結果來看，研究者認為大眾在選擇觀看哪台新聞時，會因為政治偏好而選擇與自己政治立場相近的新聞媒體，所以收看泛藍媒體的受訪者的政治立場會偏向國民黨，收看泛綠媒體的受訪者政治立場會偏向民進黨。但是不到一半的收看泛藍媒體的受訪者對立法院的信任度為信任；收看泛綠媒體的受訪者對行政部門與法院為信任態度的人數過半，所以部分支持先前的研究假設。
load("teds2024.rda")
library(sjPlot)
tab_xtab(teds2024$media_choice, teds2024$trust1, encoding="utf8",
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）
)| 請問您最常看哪一臺電視新聞? | 接著想請教您對於下列幾個機構或人員的信任程度，請問您對於立法機關是完全信任、有點信任、不太信任，還是一點也不信任? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 泛藍 | 31 6 % 47 % |
257 49.6 % 57.4 % |
211 40.7 % 47.3 % |
19 3.7 % 39.6 % |
518 100 % 51.4 % |
| 泛綠 | 24 7.1 % 36.4 % |
128 38.1 % 28.6 % |
160 47.6 % 35.9 % |
24 7.1 % 50 % |
336 100 % 33.3 % |
| 中立 | 11 7.1 % 16.7 % |
63 40.9 % 14.1 % |
75 48.7 % 16.8 % |
5 3.2 % 10.4 % |
154 100 % 15.3 % |
| Total | 66 6.5 % 100 % |
448 44.4 % 100 % |
446 44.2 % 100 % |
48 4.8 % 100 % |
1008 100 % 100 % |
| χ2=16.155 · df=6 · Cramer's V=0.090 · p=0.013 | |||||
table_data <- table(teds2024$media_choice, teds2024$trust1)
sum(table_data)[1] 1008tab_xtab(teds2024$media_choice, teds2024$trust2, encoding="utf8",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
show.legend = FALSE,
show.exp = FALSE,
show.cell.prc = FALSE,
tdcol.col = "gray",
tdcol.row = "brown"
)| 請問您最常看哪一臺電視新聞? | 那您對行政部門呢? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 泛藍 | 52 10.3 % 72.2 % |
219 43.2 % 66.6 % |
216 42.6 % 41.8 % |
20 3.9 % 29.4 % |
507 100 % 51.4 % |
| 泛綠 | 16 4.9 % 22.2 % |
59 18 % 17.9 % |
214 65.2 % 41.4 % |
39 11.9 % 57.4 % |
328 100 % 33.3 % |
| 中立 | 4 2.6 % 5.6 % |
51 33.8 % 15.5 % |
87 57.6 % 16.8 % |
9 6 % 13.2 % |
151 100 % 15.3 % |
| Total | 72 7.3 % 100 % |
329 33.4 % 100 % |
517 52.4 % 100 % |
68 6.9 % 100 % |
986 100 % 100 % |
| χ2=89.951 · df=6 · Cramer's V=0.214 · p=0.000 | |||||
table_data <- table(teds2024$media_choice, teds2024$trust2)
sum(table_data)[1] 986tab_xtab(teds2024$media_choice, teds2024$trust3, encoding="utf8",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
show.legend = FALSE,
show.exp = FALSE,
show.cell.prc = FALSE,
tdcol.col = "gray",
tdcol.row = "brown"
)| 請問您最常看哪一臺電視新聞? | 那您對法院呢? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 泛藍 | 83 16.3 % 64.3 % |
200 39.2 % 52.9 % |
191 37.5 % 49.1 % |
36 7.1 % 41.4 % |
510 100 % 51.9 % |
| 泛綠 | 30 9.3 % 23.3 % |
121 37.3 % 32 % |
140 43.2 % 36 % |
33 10.2 % 37.9 % |
324 100 % 33 % |
| 中立 | 16 10.7 % 12.4 % |
57 38.3 % 15.1 % |
58 38.9 % 14.9 % |
18 12.1 % 20.7 % |
149 100 % 15.2 % |
| Total | 129 13.1 % 100 % |
378 38.5 % 100 % |
389 39.6 % 100 % |
87 8.9 % 100 % |
983 100 % 100 % |
| χ2=14.311 · df=6 · Cramer's V=0.085 · p=0.026 | |||||
table_data <- table(teds2024$media_choice, teds2024$trust3)
sum(table_data)[1] 983(二)媒介使用頻率與公部門信任度
H0：媒介使用頻率與公部門信任度無關。
H1：媒介使用頻率與公部門信任度有關。
1.無限電視新聞台
(1)立法機關
經卡方檢定，結果顯示無線電視新聞台的收看頻率與立法機關信任程度之間具有統計上顯著關聯，X²(21,n=1,128)=36.167，Fisher’s p=.037，Cramer’s V=.103。受訪者收看無線電視新聞的頻率與其對立法機關的信任存在顯著差異，但兩變項間的關聯強度屬於小效果。
在「一點也不信任」的受訪者中，一週觀看無線電視新聞頻率為0天的受訪者佔 55%，而觀看頻率為7天的受訪者佔 15%；在「完全信任」的受訪者中，一週觀看無線電視新聞頻率為0天的受訪者佔 28.3%，而每天觀看的受訪者佔則占 32.1%。可以看到對立法機關信任度最低時，是無觀看無線電視新聞的受訪者佔最高；對立法機關信任度最高時，無觀看無線電視新聞的受訪者佔比降低，觀看無線電視新聞頻率高的受訪者佔比也較多。
(2)行政部門
經卡方檢定，無線電視新聞台的收看頻率與行政部門信任度之間並無顯著關聯，X²(21,n=1,099)=27.755，Fisher’s p=.215，Cramer’s V=.092。也就是說，受訪者一週收看無線電視新聞次數的多寡，與其對行政部門的信任程度並沒有顯著差異。
(3)法院
經卡方檢定，無線電視新聞台的收看頻率與法院信任度之間同樣地未呈現出顯著關聯，X²(21,n=1,100)=21.256，Fisher’s p=.478，Cramer’s V=.080。
2.有線電視新聞
(1)立法機關
經卡方檢定，有線電視新聞台的收看頻率與立法機關信任度兩變數之間不具顯著關聯，X²(21,n=1,125)=17.772，Fisher’s p=.701，Cramer’s V=.073。表示收看有線電視新聞的頻率多寡與受訪者對立法機關的信任程度高低未有顯著差異。
(2)行政部門
經卡方檢定，有線電視新聞台的收看頻率與行政部門信任度之間不具統計上顯著相關，X²(21,n=1,095)=21.515，Fisher’s p=.309，Cramer’s V=.081。
(3)法院
經卡方檢定，有線電視新聞台的收看頻率與法院信任度之間不具統計上顯著相關，X²(21,n=1,098)=22.647，Fisher’s p=.297，Cramer’s V=.083。
tab_xtab(teds2024$media_frequency1, teds2024$trust1, encoding="utf8",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
show.legend = FALSE,
show.exp = FALSE,
show.cell.prc = FALSE,
tdcol.col = "gray",
tdcol.row = "brown"
)| 我們先從傳統的新聞媒體開始，如電視、廣播和報紙，這裡包括使用傳統方式或上網來收看或收聽。在這次選舉期間，請問您一個星期大約會看幾天無線電視新聞(台視、中視、華視、民視、公視 | 接著想請教您對於下列幾個機構或人員的信任程度，請問您對於立法機關是完全信任、有點信任、不太信任，還是一點也不信任? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 沒有/0天 | 44 11.1 % 55 % |
175 44.3 % 35 % |
161 40.8 % 32.5 % |
15 3.8 % 28.3 % |
395 100 % 35 % |
| 1天 | 3 3.1 % 3.8 % |
43 43.9 % 8.6 % |
50 51 % 10.1 % |
2 2 % 3.8 % |
98 100 % 8.7 % |
| 2天 | 7 5.5 % 8.8 % |
53 41.4 % 10.6 % |
60 46.9 % 12.1 % |
8 6.2 % 15.1 % |
128 100 % 11.3 % |
| 3天 | 11 8 % 13.8 % |
65 47.4 % 13 % |
54 39.4 % 10.9 % |
7 5.1 % 13.2 % |
137 100 % 12.1 % |
| 4天 | 1 2.9 % 1.2 % |
17 50 % 3.4 % |
16 47.1 % 3.2 % |
0 0 % 0 % |
34 100 % 3 % |
| 5天 | 2 3 % 2.5 % |
22 33.3 % 4.4 % |
40 60.6 % 8.1 % |
2 3 % 3.8 % |
66 100 % 5.9 % |
| 6天 | 0 0 % 0 % |
10 47.6 % 2 % |
9 42.9 % 1.8 % |
2 9.5 % 3.8 % |
21 100 % 1.9 % |
| 7天 | 12 4.8 % 15 % |
115 46.2 % 23 % |
105 42.2 % 21.2 % |
17 6.8 % 32.1 % |
249 100 % 22.1 % |
| Total | 80 7.1 % 100 % |
500 44.3 % 100 % |
495 43.9 % 100 % |
53 4.7 % 100 % |
1128 100 % 100 % |
| χ2=36.167 · df=21 · Cramer's V=0.103 · Fisher's p=0.037 | |||||
table_data <- table(teds2024$media_frequency1, teds2024$trust1)
sum(table_data)[1] 1128tab_xtab(teds2024$media_frequency1, teds2024$trust2, encoding="utf8",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
show.legend = FALSE,
show.exp = FALSE,
show.cell.prc = FALSE,
tdcol.col = "gray",
tdcol.row = "brown"
)| 我們先從傳統的新聞媒體開始，如電視、廣播和報紙，這裡包括使用傳統方式或上網來收看或收聽。在這次選舉期間，請問您一個星期大約會看幾天無線電視新聞(台視、中視、華視、民視、公視 | 那您對行政部門呢? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 沒有/0天 | 47 12.2 % 53.4 % |
135 35 % 36.5 % |
179 46.4 % 31.7 % |
25 6.5 % 32.9 % |
386 100 % 35.1 % |
| 1天 | 5 5.2 % 5.7 % |
39 40.6 % 10.5 % |
48 50 % 8.5 % |
4 4.2 % 5.3 % |
96 100 % 8.7 % |
| 2天 | 4 3.2 % 4.5 % |
44 35.5 % 11.9 % |
68 54.8 % 12 % |
8 6.5 % 10.5 % |
124 100 % 11.3 % |
| 3天 | 8 5.9 % 9.1 % |
38 28.1 % 10.3 % |
79 58.5 % 14 % |
10 7.4 % 13.2 % |
135 100 % 12.3 % |
| 4天 | 2 5.6 % 2.3 % |
12 33.3 % 3.2 % |
20 55.6 % 3.5 % |
2 5.6 % 2.6 % |
36 100 % 3.3 % |
| 5天 | 4 6.2 % 4.5 % |
20 31.2 % 5.4 % |
36 56.2 % 6.4 % |
4 6.2 % 5.3 % |
64 100 % 5.8 % |
| 6天 | 0 0 % 0 % |
7 30.4 % 1.9 % |
15 65.2 % 2.7 % |
1 4.3 % 1.3 % |
23 100 % 2.1 % |
| 7天 | 18 7.7 % 20.5 % |
75 31.9 % 20.3 % |
120 51.1 % 21.2 % |
22 9.4 % 28.9 % |
235 100 % 21.4 % |
| Total | 88 8 % 100 % |
370 33.7 % 100 % |
565 51.4 % 100 % |
76 6.9 % 100 % |
1099 100 % 100 % |
| χ2=27.755 · df=21 · Cramer's V=0.092 · Fisher's p=0.196 | |||||
table_data <- table(teds2024$media_frequency1, teds2024$trust2)
sum(table_data)[1] 1099tab_xtab(teds2024$media_frequency1, teds2024$trust3, encoding="utf8",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
show.legend = FALSE,
show.exp = FALSE,
show.cell.prc = FALSE,
tdcol.col = "gray",
tdcol.row = "brown"
)| 我們先從傳統的新聞媒體開始，如電視、廣播和報紙，這裡包括使用傳統方式或上網來收看或收聽。在這次選舉期間，請問您一個星期大約會看幾天無線電視新聞(台視、中視、華視、民視、公視 | 那您對法院呢? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 沒有/0天 | 62 15.9 % 42.2 % |
151 38.8 % 35.8 % |
145 37.3 % 33.1 % |
31 8 % 33.3 % |
389 100 % 35.4 % |
| 1天 | 9 9.4 % 6.1 % |
35 36.5 % 8.3 % |
43 44.8 % 9.8 % |
9 9.4 % 9.7 % |
96 100 % 8.7 % |
| 2天 | 11 8.9 % 7.5 % |
42 33.9 % 10 % |
56 45.2 % 12.8 % |
15 12.1 % 16.1 % |
124 100 % 11.3 % |
| 3天 | 15 10.8 % 10.2 % |
60 43.2 % 14.2 % |
54 38.8 % 12.3 % |
10 7.2 % 10.8 % |
139 100 % 12.6 % |
| 4天 | 3 8.6 % 2 % |
15 42.9 % 3.6 % |
14 40 % 3.2 % |
3 8.6 % 3.2 % |
35 100 % 3.2 % |
| 5天 | 6 9.7 % 4.1 % |
19 30.6 % 4.5 % |
29 46.8 % 6.6 % |
8 12.9 % 8.6 % |
62 100 % 5.6 % |
| 6天 | 2 9.1 % 1.4 % |
7 31.8 % 1.7 % |
11 50 % 2.5 % |
2 9.1 % 2.2 % |
22 100 % 2 % |
| 7天 | 39 16.7 % 26.5 % |
93 39.9 % 22 % |
86 36.9 % 19.6 % |
15 6.4 % 16.1 % |
233 100 % 21.2 % |
| Total | 147 13.4 % 100 % |
422 38.4 % 100 % |
438 39.8 % 100 % |
93 8.5 % 100 % |
1100 100 % 100 % |
| χ2=21.256 · df=21 · Cramer's V=0.080 · Fisher's p=0.477 | |||||
table_data <- table(teds2024$media_frequency1, teds2024$trust3)
sum(table_data)[1] 1100tab_xtab(teds2024$media_frequency2, teds2024$trust1, encoding="utf8",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
show.legend = FALSE,
show.exp = FALSE,
show.cell.prc = FALSE,
tdcol.col = "gray",
tdcol.row = "brown"
)| 請問您一個星期大約看幾天有線電視新聞? | 接著想請教您對於下列幾個機構或人員的信任程度，請問您對於立法機關是完全信任、有點信任、不太信任，還是一點也不信任? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 沒有/0天 | 30 8.9 % 37.5 % |
145 43 % 29.2 % |
147 43.6 % 29.8 % |
15 4.5 % 27.8 % |
337 100 % 30 % |
| 1天 | 4 5.3 % 5 % |
31 40.8 % 6.2 % |
40 52.6 % 8.1 % |
1 1.3 % 1.9 % |
76 100 % 6.8 % |
| 2天 | 7 6.4 % 8.8 % |
49 45 % 9.9 % |
49 45 % 9.9 % |
4 3.7 % 7.4 % |
109 100 % 9.7 % |
| 3天 | 9 7.8 % 11.2 % |
48 41.7 % 9.7 % |
50 43.5 % 10.1 % |
8 7 % 14.8 % |
115 100 % 10.2 % |
| 4天 | 3 7.5 % 3.8 % |
21 52.5 % 4.2 % |
15 37.5 % 3 % |
1 2.5 % 1.9 % |
40 100 % 3.6 % |
| 5天 | 3 3.4 % 3.8 % |
33 37.1 % 6.6 % |
49 55.1 % 9.9 % |
4 4.5 % 7.4 % |
89 100 % 7.9 % |
| 6天 | 2 6.1 % 2.5 % |
18 54.5 % 3.6 % |
11 33.3 % 2.2 % |
2 6.1 % 3.7 % |
33 100 % 2.9 % |
| 7天 | 22 6.7 % 27.5 % |
152 46.6 % 30.6 % |
133 40.8 % 26.9 % |
19 5.8 % 35.2 % |
326 100 % 29 % |
| Total | 80 7.1 % 100 % |
497 44.2 % 100 % |
494 43.9 % 100 % |
54 4.8 % 100 % |
1125 100 % 100 % |
| χ2=17.772 · df=21 · Cramer's V=0.073 · Fisher's p=0.697 | |||||
table_data <- table(teds2024$media_frequency2, teds2024$trust1)
sum(table_data)[1] 1125tab_xtab(teds2024$media_frequency2, teds2024$trust2, encoding="utf8",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
show.legend = FALSE,
show.exp = FALSE,
show.cell.prc = FALSE,
tdcol.col = "gray",
tdcol.row = "brown"
)| 請問您一個星期大約看幾天有線電視新聞? | 那您對行政部門呢? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 沒有/0天 | 29 8.8 % 33 % |
105 31.7 % 28.5 % |
171 51.7 % 30.4 % |
26 7.9 % 34.2 % |
331 100 % 30.2 % |
| 1天 | 6 7.9 % 6.8 % |
28 36.8 % 7.6 % |
38 50 % 6.8 % |
4 5.3 % 5.3 % |
76 100 % 6.9 % |
| 2天 | 4 3.7 % 4.5 % |
42 39.3 % 11.4 % |
58 54.2 % 10.3 % |
3 2.8 % 3.9 % |
107 100 % 9.8 % |
| 3天 | 7 6.2 % 8 % |
35 31 % 9.5 % |
62 54.9 % 11 % |
9 8 % 11.8 % |
113 100 % 10.3 % |
| 4天 | 4 10 % 4.5 % |
13 32.5 % 3.5 % |
19 47.5 % 3.4 % |
4 10 % 5.3 % |
40 100 % 3.7 % |
| 5天 | 4 4.6 % 4.5 % |
37 42.5 % 10 % |
45 51.7 % 8 % |
1 1.1 % 1.3 % |
87 100 % 7.9 % |
| 6天 | 3 9.1 % 3.4 % |
11 33.3 % 3 % |
15 45.5 % 2.7 % |
4 12.1 % 5.3 % |
33 100 % 3 % |
| 7天 | 31 10.1 % 35.2 % |
98 31.8 % 26.6 % |
154 50 % 27.4 % |
25 8.1 % 32.9 % |
308 100 % 28.1 % |
| Total | 88 8 % 100 % |
369 33.7 % 100 % |
562 51.3 % 100 % |
76 6.9 % 100 % |
1095 100 % 100 % |
| χ2=21.515 · df=21 · Cramer's V=0.081 · Fisher's p=0.301 | |||||
table_data <- table(teds2024$media_frequency2, teds2024$trust2)
sum(table_data)[1] 1095tab_xtab(teds2024$media_frequency2, teds2024$trust3, encoding="utf8",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
show.legend = FALSE,
show.exp = FALSE,
show.cell.prc = FALSE,
tdcol.col = "gray",
tdcol.row = "brown"
)| 請問您一個星期大約看幾天有線電視新聞? | 那您對法院呢? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 沒有/0天 | 51 15.5 % 34.7 % |
124 37.6 % 29.5 % |
122 37 % 27.9 % |
33 10 % 35.5 % |
330 100 % 30.1 % |
| 1天 | 10 13.3 % 6.8 % |
22 29.3 % 5.2 % |
38 50.7 % 8.7 % |
5 6.7 % 5.4 % |
75 100 % 6.8 % |
| 2天 | 6 5.5 % 4.1 % |
46 41.8 % 11 % |
46 41.8 % 10.5 % |
12 10.9 % 12.9 % |
110 100 % 10 % |
| 3天 | 12 10.5 % 8.2 % |
43 37.7 % 10.2 % |
47 41.2 % 10.7 % |
12 10.5 % 12.9 % |
114 100 % 10.4 % |
| 4天 | 6 15 % 4.1 % |
17 42.5 % 4 % |
13 32.5 % 3 % |
4 10 % 4.3 % |
40 100 % 3.6 % |
| 5天 | 8 9.4 % 5.4 % |
31 36.5 % 7.4 % |
40 47.1 % 9.1 % |
6 7.1 % 6.5 % |
85 100 % 7.7 % |
| 6天 | 4 12.5 % 2.7 % |
12 37.5 % 2.9 % |
13 40.6 % 3 % |
3 9.4 % 3.2 % |
32 100 % 2.9 % |
| 7天 | 50 16 % 34 % |
125 40.1 % 29.8 % |
119 38.1 % 27.2 % |
18 5.8 % 19.4 % |
312 100 % 28.4 % |
| Total | 147 13.4 % 100 % |
420 38.3 % 100 % |
438 39.9 % 100 % |
93 8.5 % 100 % |
1098 100 % 100 % |
| χ2=22.647 · df=21 · Cramer's V=0.083 · Fisher's p=0.284 | |||||
table_data <- table(teds2024$media_frequency2, teds2024$trust3)
sum(table_data)[1] 10983.數位媒體
(1)立法機關
經卡方檢定，結果顯示新聞網站的使用頻率與立法機關信任度之間不具統計上顯著相關，X²(21,n=1,132)=30.227，Fisher’s p=.078，Cramer’s V=.094。
(2)行政部門
經卡方檢定，新聞網站的使用頻率與行政部門信任度不具統計上顯著相關，X²(21,n=1,102)=24.002，Fisher’s p=.32，Cramer’s V=.085。
(3)法院
經卡方檢定，新聞網站的使用頻率與法院信任度之間具統計上顯著相關，X²(21,n=1,1104)=31.709，Fisher’s p=.048，Cramer’s V=.098。表示不同程度的新聞網站使用頻率與對法院的信任度會有所差異，但兩變數的關聯性屬於小效果。
在未使用新聞網站接收政治資訊的受訪者中，有 56.5% 表示不信任法院，43.5% 表示信任；而每天使用新聞網站的受訪者中，不信任法院的比例為 51.6%，信任的比例為 48.4%。另外觀察到，受訪者信任比例高於不信任比例的情況出現在使用頻率為一週1、3、5與6天，顯示中度新聞網站使用者對法院的信任度相對較高。
tab_xtab(teds2024$media_frequency3, teds2024$trust1, encoding="utf8",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
show.legend = FALSE,
show.exp = FALSE,
show.cell.prc = FALSE,
tdcol.col = "gray",
tdcol.row = "brown"
)| 那其他的新聞網站呢?(像是雅虎奇摩、google新聞、風傳媒、今日新聞/NOWnews等等) | 接著想請教您對於下列幾個機構或人員的信任程度，請問您對於立法機關是完全信任、有點信任、不太信任，還是一點也不信任? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 沒有/0天 | 44 9.7 % 53.7 % |
194 42.6 % 38.6 % |
195 42.9 % 39.4 % |
22 4.8 % 41.5 % |
455 100 % 40.2 % |
| 1天 | 6 8.5 % 7.3 % |
22 31 % 4.4 % |
40 56.3 % 8.1 % |
3 4.2 % 5.7 % |
71 100 % 6.3 % |
| 2天 | 1 1.2 % 1.2 % |
44 52.4 % 8.8 % |
36 42.9 % 7.3 % |
3 3.6 % 5.7 % |
84 100 % 7.4 % |
| 3天 | 2 1.9 % 2.4 % |
44 41.5 % 8.8 % |
54 50.9 % 10.9 % |
6 5.7 % 11.3 % |
106 100 % 9.4 % |
| 4天 | 2 5.1 % 2.4 % |
19 48.7 % 3.8 % |
16 41 % 3.2 % |
2 5.1 % 3.8 % |
39 100 % 3.4 % |
| 5天 | 4 5.5 % 4.9 % |
34 46.6 % 6.8 % |
34 46.6 % 6.9 % |
1 1.4 % 1.9 % |
73 100 % 6.4 % |
| 6天 | 0 0 % 0 % |
6 40 % 1.2 % |
9 60 % 1.8 % |
0 0 % 0 % |
15 100 % 1.3 % |
| 7天 | 23 8 % 28 % |
139 48.1 % 27.7 % |
111 38.4 % 22.4 % |
16 5.5 % 30.2 % |
289 100 % 25.5 % |
| Total | 82 7.2 % 100 % |
502 44.3 % 100 % |
495 43.7 % 100 % |
53 4.7 % 100 % |
1132 100 % 100 % |
| χ2=30.227 · df=21 · Cramer's V=0.094 · Fisher's p=0.063 | |||||
table_data <- table(teds2024$media_frequency3, teds2024$trust1)
sum(table_data)[1] 1132tab_xtab(teds2024$media_frequency3, teds2024$trust2, encoding="utf8",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
show.legend = FALSE,
show.exp = FALSE,
show.cell.prc = FALSE,
tdcol.col = "gray",
tdcol.row = "brown"
)| 那其他的新聞網站呢?(像是雅虎奇摩、google新聞、風傳媒、今日新聞/NOWnews等等) | 那您對行政部門呢? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 沒有/0天 | 47 10.7 % 53.4 % |
144 32.9 % 38.7 % |
218 49.8 % 38.6 % |
29 6.6 % 37.7 % |
438 100 % 39.7 % |
| 1天 | 6 8.6 % 6.8 % |
21 30 % 5.6 % |
37 52.9 % 6.5 % |
6 8.6 % 7.8 % |
70 100 % 6.4 % |
| 2天 | 2 2.4 % 2.3 % |
28 34.1 % 7.5 % |
48 58.5 % 8.5 % |
4 4.9 % 5.2 % |
82 100 % 7.4 % |
| 3天 | 3 2.9 % 3.4 % |
34 32.7 % 9.1 % |
60 57.7 % 10.6 % |
7 6.7 % 9.1 % |
104 100 % 9.4 % |
| 4天 | 1 2.5 % 1.1 % |
14 35 % 3.8 % |
21 52.5 % 3.7 % |
4 10 % 5.2 % |
40 100 % 3.6 % |
| 5天 | 3 4.2 % 3.4 % |
22 30.6 % 5.9 % |
41 56.9 % 7.3 % |
6 8.3 % 7.8 % |
72 100 % 6.5 % |
| 6天 | 0 0 % 0 % |
5 33.3 % 1.3 % |
10 66.7 % 1.8 % |
0 0 % 0 % |
15 100 % 1.4 % |
| 7天 | 26 9.3 % 29.5 % |
104 37 % 28 % |
130 46.3 % 23 % |
21 7.5 % 27.3 % |
281 100 % 25.5 % |
| Total | 88 8 % 100 % |
372 33.8 % 100 % |
565 51.3 % 100 % |
77 7 % 100 % |
1102 100 % 100 % |
| χ2=24.002 · df=21 · Cramer's V=0.085 · Fisher's p=0.313 | |||||
table_data <- table(teds2024$media_frequency3, teds2024$trust2)
sum(table_data)[1] 1102tab_xtab(teds2024$media_frequency3, teds2024$trust3, encoding="utf8",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
show.legend = FALSE,
show.exp = FALSE,
show.cell.prc = FALSE,
tdcol.col = "gray",
tdcol.row = "brown"
)| 那其他的新聞網站呢?(像是雅虎奇摩、google新聞、風傳媒、今日新聞/NOWnews等等) | 那您對法院呢? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 沒有/0天 | 72 16.5 % 48.3 % |
175 40 % 41.4 % |
156 35.7 % 35.6 % |
34 7.8 % 36.2 % |
437 100 % 39.6 % |
| 1天 | 7 9.9 % 4.7 % |
23 32.4 % 5.4 % |
32 45.1 % 7.3 % |
9 12.7 % 9.6 % |
71 100 % 6.4 % |
| 2天 | 8 9.6 % 5.4 % |
37 44.6 % 8.7 % |
34 41 % 7.8 % |
4 4.8 % 4.3 % |
83 100 % 7.5 % |
| 3天 | 8 7.5 % 5.4 % |
39 36.4 % 9.2 % |
51 47.7 % 11.6 % |
9 8.4 % 9.6 % |
107 100 % 9.7 % |
| 4天 | 2 5.1 % 1.3 % |
19 48.7 % 4.5 % |
15 38.5 % 3.4 % |
3 7.7 % 3.2 % |
39 100 % 3.5 % |
| 5天 | 3 4.1 % 2 % |
28 38.4 % 6.6 % |
37 50.7 % 8.4 % |
5 6.8 % 5.3 % |
73 100 % 6.6 % |
| 6天 | 2 13.3 % 1.3 % |
5 33.3 % 1.2 % |
7 46.7 % 1.6 % |
1 6.7 % 1.1 % |
15 100 % 1.4 % |
| 7天 | 47 16.8 % 31.5 % |
97 34.8 % 22.9 % |
106 38 % 24.2 % |
29 10.4 % 30.9 % |
279 100 % 25.3 % |
| Total | 149 13.5 % 100 % |
423 38.3 % 100 % |
438 39.7 % 100 % |
94 8.5 % 100 % |
1104 100 % 100 % |
| χ2=31.709 · df=21 · Cramer's V=0.098 · Fisher's p=0.051 | |||||
table_data <- table(teds2024$media_frequency3, teds2024$trust3)
sum(table_data)[1] 11044.社群媒體
(1)立法機關
經卡方檢定，社群媒體的使用頻率與立法機關信任度之間不具統計上顯著相關，X²(21,n=1,131)=11.178，Fisher’s p=.974，Cramer’s V=.057。
(2)行政部門
經卡方檢定，社群媒體的使用頻率與行政部門信任度之間不具統計上顯著相關，X²(21,n=1,100)=22.787，Fisher’s p=.325，Cramer’s V=.083。
(3)法院
經卡方檢定，社群媒體的使用頻率與法院信任度之間不具統計上顯著相關，X²(21,n=1,103)=28.261，Fisher’s p=.113，Cramer’s V=.092。
以卡方檢定檢驗「媒介使用頻率與公部門信任度」之間的關聯性，結果顯示，僅無線電視新聞台與立法機關信任度（Fisher’s p = .037）以及新聞網站與法院信任度（Fisher’s p = .048）兩組之間有顯著關聯，拒絕虛無假說。其餘不同媒介類型的使用頻率與公部門信任度均未達統計顯著水準，支持虛無假說。多數媒介使用頻率與公部門信任度之間未有關聯性，顯示使用某媒介的多寡與受訪者對公部門的信任度並無關係。
tab_xtab(teds2024$media_frequency4, teds2024$trust1, encoding="utf8",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
show.legend = FALSE,
show.exp = FALSE,
show.cell.prc = FALSE,
tdcol.col = "gray",
tdcol.row = "brown"
)| 在這次選舉期間，請問您一個星期大約有幾天使用臉書、推特或LINE來關注政黨和候選人的新聞? | 接著想請教您對於下列幾個機構或人員的信任程度，請問您對於立法機關是完全信任、有點信任、不太信任，還是一點也不信任? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 沒有/0天 | 43 8.3 % 52.4 % |
229 44.4 % 45.8 % |
219 42.4 % 44.2 % |
25 4.8 % 47.2 % |
516 100 % 45.6 % |
| 1天 | 4 6.5 % 4.9 % |
30 48.4 % 6 % |
26 41.9 % 5.2 % |
2 3.2 % 3.8 % |
62 100 % 5.5 % |
| 2天 | 5 6.6 % 6.1 % |
33 43.4 % 6.6 % |
36 47.4 % 7.3 % |
2 2.6 % 3.8 % |
76 100 % 6.7 % |
| 3天 | 4 3.8 % 4.9 % |
48 46.2 % 9.6 % |
46 44.2 % 9.3 % |
6 5.8 % 11.3 % |
104 100 % 9.2 % |
| 4天 | 0 0 % 0 % |
16 51.6 % 3.2 % |
13 41.9 % 2.6 % |
2 6.5 % 3.8 % |
31 100 % 2.7 % |
| 5天 | 5 8.5 % 6.1 % |
22 37.3 % 4.4 % |
29 49.2 % 5.8 % |
3 5.1 % 5.7 % |
59 100 % 5.2 % |
| 6天 | 0 0 % 0 % |
6 42.9 % 1.2 % |
8 57.1 % 1.6 % |
0 0 % 0 % |
14 100 % 1.2 % |
| 7天 | 21 7.8 % 25.6 % |
116 43.1 % 23.2 % |
119 44.2 % 24 % |
13 4.8 % 24.5 % |
269 100 % 23.8 % |
| Total | 82 7.3 % 100 % |
500 44.2 % 100 % |
496 43.9 % 100 % |
53 4.7 % 100 % |
1131 100 % 100 % |
| χ2=11.178 · df=21 · Cramer's V=0.057 · Fisher's p=0.979 | |||||
table_data <- table(teds2024$media_frequency4, teds2024$trust1)
sum(table_data)[1] 1131tab_xtab(teds2024$media_frequency4, teds2024$trust2, encoding="utf8",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
show.legend = FALSE,
show.exp = FALSE,
show.cell.prc = FALSE,
tdcol.col = "gray",
tdcol.row = "brown"
)| 在這次選舉期間，請問您一個星期大約有幾天使用臉書、推特或LINE來關注政黨和候選人的新聞? | 那您對行政部門呢? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 沒有/0天 | 47 9.5 % 52.8 % |
163 32.9 % 43.9 % |
251 50.7 % 44.5 % |
34 6.9 % 44.7 % |
495 100 % 45 % |
| 1天 | 5 7.9 % 5.6 % |
25 39.7 % 6.7 % |
31 49.2 % 5.5 % |
2 3.2 % 2.6 % |
63 100 % 5.7 % |
| 2天 | 2 2.7 % 2.2 % |
22 30.1 % 5.9 % |
43 58.9 % 7.6 % |
6 8.2 % 7.9 % |
73 100 % 6.6 % |
| 3天 | 4 3.8 % 4.5 % |
45 43.3 % 12.1 % |
49 47.1 % 8.7 % |
6 5.8 % 7.9 % |
104 100 % 9.5 % |
| 4天 | 0 0 % 0 % |
12 38.7 % 3.2 % |
16 51.6 % 2.8 % |
3 9.7 % 3.9 % |
31 100 % 2.8 % |
| 5天 | 6 10.3 % 6.7 % |
20 34.5 % 5.4 % |
26 44.8 % 4.6 % |
6 10.3 % 7.9 % |
58 100 % 5.3 % |
| 6天 | 0 0 % 0 % |
7 50 % 1.9 % |
6 42.9 % 1.1 % |
1 7.1 % 1.3 % |
14 100 % 1.3 % |
| 7天 | 25 9.5 % 28.1 % |
77 29.4 % 20.8 % |
142 54.2 % 25.2 % |
18 6.9 % 23.7 % |
262 100 % 23.8 % |
| Total | 89 8.1 % 100 % |
371 33.7 % 100 % |
564 51.3 % 100 % |
76 6.9 % 100 % |
1100 100 % 100 % |
| χ2=22.787 · df=21 · Cramer's V=0.083 · Fisher's p=0.321 | |||||
table_data <- table(teds2024$media_frequency4, teds2024$trust2)
sum(table_data)[1] 1100tab_xtab(teds2024$media_frequency4, teds2024$trust3, encoding="utf8",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
show.legend = FALSE,
show.exp = FALSE,
tdcol.col = "gray",
tdcol.row = "brown"
)| 在這次選舉期間，請問您一個星期大約有幾天使用臉書、推特或LINE來關注政黨和候選人的新聞? | 那您對法院呢? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 沒有/0天 | 81 16.3 % 55.1 % |
189 38 % 44.6 % |
189 38 % 43 % |
38 7.6 % 41.3 % |
497 100 % 45.1 % |
| 1天 | 6 9.5 % 4.1 % |
29 46 % 6.8 % |
24 38.1 % 5.5 % |
4 6.3 % 4.3 % |
63 100 % 5.7 % |
| 2天 | 5 6.8 % 3.4 % |
25 33.8 % 5.9 % |
35 47.3 % 8 % |
9 12.2 % 9.8 % |
74 100 % 6.7 % |
| 3天 | 7 6.7 % 4.8 % |
46 44.2 % 10.8 % |
42 40.4 % 9.5 % |
9 8.7 % 9.8 % |
104 100 % 9.4 % |
| 4天 | 2 6.5 % 1.4 % |
13 41.9 % 3.1 % |
11 35.5 % 2.5 % |
5 16.1 % 5.4 % |
31 100 % 2.8 % |
| 5天 | 3 5.2 % 2 % |
26 44.8 % 6.1 % |
24 41.4 % 5.5 % |
5 8.6 % 5.4 % |
58 100 % 5.3 % |
| 6天 | 1 7.1 % 0.7 % |
3 21.4 % 0.7 % |
9 64.3 % 2 % |
1 7.1 % 1.1 % |
14 100 % 1.3 % |
| 7天 | 42 16 % 28.6 % |
93 35.5 % 21.9 % |
106 40.5 % 24.1 % |
21 8 % 22.8 % |
262 100 % 23.8 % |
| Total | 147 13.3 % 100 % |
424 38.4 % 100 % |
440 39.9 % 100 % |
92 8.3 % 100 % |
1103 100 % 100 % |
| χ2=28.261 · df=21 · Cramer's V=0.092 · Fisher's p=0.125 | |||||
table_data <- table(teds2024$media_frequency4, teds2024$trust3)
sum(table_data)[1] 1103(三)媒介信任度與公部門信任度
H0：媒介信任度與公部門信任度無關。
H1：媒介信任度與公部門信任度有關。
1.傳統媒體
(1)立法機關
經卡方檢定，傳統媒體信任度與立法機關信任度之間具統計上顯著相關，X²(9,n=1,096)=223.794，Fisher’s p=.00，Cramer’s V=.261。受訪者對傳統媒體持不同程度的信任度在對立法機關的信任度上有顯著差異，兩變數之間的關聯性屬於中效果。
在「一點也不信任」傳統媒體的受訪者中，有 81% 表示不信任立法機關，在「不太信任」傳統媒體的受訪者中，有 53.9% 表示不信任立法機關。而對於「有點信任」傳統媒體的受訪者中，有 61.2% 表示信任立法機關，「完全信任」傳統媒體的受訪者中，信任比例則有 72.7%。顯示對傳統媒體信任程度的的這群受訪者，同樣較不信任立法機關；反之，對傳統媒體較為信任的受訪者，對立法機關的信任度同樣是比較高的。
(2)行政部門
經卡方檢定，傳統媒體信任度與行政部門信任度之間具統計上顯著相關，X²(9,n=1,072)=187.434，Fisher’s p=.00，Cramer’s V=.241。不同傳統媒體信任程度的受訪者在行政部門信任度上有顯著差異，兩變項間的關聯強度屬於中效果。
從交叉列聯表發現，在「一點也不信任」傳統媒體的受訪者中，有 63.8% 表示不信任行政部門。但是其餘3個對於傳統媒體的信任程度，皆是「信任多於不信任」的情況，包含在「不太信任」傳統媒體的受訪者中，有 54.4% 信任行政部門；在「有點信任」者中，信任行政部門佔 70.2%；而在「完全信任」傳統媒體者中，對行政部門的信任佔比更高達 77.3%。顯示傳統媒體信任程度越高的受訪者，同樣對行政部門有較高的信任度。
(3)法院
經卡方檢定，傳統媒體信任度與法院信任度之間具統計上顯著相關，但兩變數間的關聯性屬於小效果，X²(9,n=1,072)=76.279，Fisher’s p=.00，Cramer’s V=.154。
法院信任度的檢測結果亦呈現「越信任傳統媒體的受訪者，對法院也具有較高的信任度」的趨勢，但其效果不如立法機關與行政部門明顯。另外，在「一點也不信任」傳統媒體的受訪者中，有 66.3% 表示不信任法院，顯示對傳統媒體信任度最低的受訪者對司法的負面評價最為突出。
2.社群媒體
(1)立法機關
經卡方檢定，顯示社群媒體信任度與立法機關信任度之間具統計上顯著相關，X²(9,n=1,024)=60.186，Fisher’s p=.00，Cramer’s V=.14。受訪者對社群媒體信任度與立法機關信任度有顯著差異，兩變數之間的關聯性為小效果。
資料顯示，多數受訪者較為不信任社群媒體，不信任者佔 75.7%，信任者佔 24.3%。進一步分析社群媒體信任度與立法機關信任度的交叉分布，「一點也不信任」社群媒體的受訪者中有 68.3% 不信任立法機關，「不太信任」社群媒體者中，有 53.3% 不信任立法機關；「有點信任」社群媒體者中，63.2%的受訪者表示信任立法機關，「完全信任」者信任立法機關的比例最高，達85.7%。社群媒體信任度與立法機關信任度呈現明顯的正關聯，對社群媒體持不信任態度的受訪者，也對立法機關持不信任態度；對社群媒體持信任態度的受訪者，也對立法機關持信任態度。
(2)行政部門
經卡方檢定，社群媒體信任度與行政部門信任度之間具統計上顯著相關，兩變數間為小效果，X²(9,n=1,004)=45.019，Fisher’s p=.00，Cramer’s V=.122。
整體而言，受訪者對社群媒體的信任度以不信任為多，佔 75.3%，信任者則佔 24.7%；對行政部門的信任度則是信任者（57.5%）多於不信任（42.5%）。接著交叉分析社群媒體信任度與行政部門信任度，僅在「一點也不信任」社群媒體者中，對行政部門的信任比例（49.7%）略低於不信任（50.3%），其他對社群媒體信任程度，對行政部門信任的受訪者均多於不信任，且對社群媒體信任度越高的受訪者，對行政部門信任的比例也較多，呈現明顯的正向關聯。
(3)法院
經卡方檢定，社群媒體信任度與法院信任度之間具統計上顯著相關，兩變數間為小效果，X²(9,n=1,007)=18.221，Fisher’s p=.024，Cramer’s V=.078。從交叉分析來看，整體也呈現「信任社群媒體的受訪者，對法院也具有較高的信任」的結果。
結果顯示，傳統媒體與社群媒體的信任度與各公部門信任度之間皆存在顯著相關性，支持相依假說。在傳統媒體方面，受訪者對傳統媒體信任度與對立法機關、行政部門呈中效果的正相關，對法院信任度呈小效果的正相關。社群媒體方面，社群媒體信任度與3個公部門均呈現小效果的正相關。雖然不同媒介的信任度對於公部門信任度的相關效果有所差異，但整體來說都呈現「信任媒介的受訪者也信任公部門」的結果。
對媒介的信任度可視為對資訊來源與內容的可信度，當民眾越信任該媒介時，也可判斷對訊息內容越可信。可以連結政府在維持資訊可信度的能力，所以對媒介的信任也是對政府公部門的信任，符合研究者先前的假設。然而媒介信任度在不同公部門間並無差異。
# 傳統媒體
tab_xtab(teds2024$media_trust1, teds2024$trust1, encoding="utf8",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
show.legend = FALSE,
show.exp = FALSE,
show.cell.prc = FALSE,
tdcol.col = "gray",
tdcol.row = "brown"
)| 那您對傳統新聞媒體，例如: 報紙、電視或廣播呢? |
接著想請教您對於下列幾個機構或人員的信任程度，請問您對於立法機關是完全信任、有點信任、不太信任，還是一點也不信任? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 一點也不信任 | 33 24.1 % 42.9 % |
78 56.9 % 16 % |
25 18.2 % 5.2 % |
1 0.7 % 2 % |
137 100 % 12.5 % |
| 不太信任 | 30 5.5 % 39 % |
266 48.4 % 54.7 % |
234 42.5 % 48.5 % |
20 3.6 % 39.2 % |
550 100 % 50.2 % |
| 有點信任 | 12 3.1 % 15.6 % |
138 35.7 % 28.4 % |
218 56.3 % 45.2 % |
19 4.9 % 37.3 % |
387 100 % 35.3 % |
| 完全信任 | 2 9.1 % 2.6 % |
4 18.2 % 0.8 % |
5 22.7 % 1 % |
11 50 % 21.6 % |
22 100 % 2 % |
| Total | 77 7 % 100 % |
486 44.3 % 100 % |
482 44 % 100 % |
51 4.7 % 100 % |
1096 100 % 100 % |
| χ2=223.794 · df=9 · Cramer's V=0.261 · Fisher's p=0.000 | |||||
table_data <- table(teds2024$media_trust1, teds2024$trust1)
sum(table_data)[1] 1096tab_xtab(teds2024$media_trust1, teds2024$trust2, encoding="utf8",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
show.legend = FALSE,
show.exp = FALSE,
show.cell.prc = FALSE,
tdcol.col = "gray",
tdcol.row = "brown"
)| 那您對傳統新聞媒體，例如: 報紙、電視或廣播呢? |
那您對行政部門呢? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 一點也不信任 | 33 23.9 % 38.4 % |
55 39.9 % 15.2 % |
46 33.3 % 8.3 % |
4 2.9 % 5.4 % |
138 100 % 12.9 % |
| 不太信任 | 32 6 % 37.2 % |
213 39.7 % 59 % |
262 48.8 % 47.5 % |
30 5.6 % 40.5 % |
537 100 % 50.1 % |
| 有點信任 | 19 5.1 % 22.1 % |
90 24 % 24.9 % |
239 63.7 % 43.4 % |
27 7.2 % 36.5 % |
375 100 % 35 % |
| 完全信任 | 2 9.1 % 2.3 % |
3 13.6 % 0.8 % |
4 18.2 % 0.7 % |
13 59.1 % 17.6 % |
22 100 % 2.1 % |
| Total | 86 8 % 100 % |
361 33.7 % 100 % |
551 51.4 % 100 % |
74 6.9 % 100 % |
1072 100 % 100 % |
| χ2=187.434 · df=9 · Cramer's V=0.241 · Fisher's p=0.000 | |||||
table_data <- table(teds2024$media_trust1, teds2024$trust2)
sum(table_data)[1] 1072tab_xtab(teds2024$media_trust1, teds2024$trust3, encoding="utf8",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
show.legend = FALSE,
show.exp = FALSE,
show.cell.prc = FALSE,
tdcol.col = "gray",
tdcol.row = "brown"
)| 那您對傳統新聞媒體，例如: 報紙、電視或廣播呢? |
那您對法院呢? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 一點也不信任 | 36 26.3 % 25.4 % |
55 40.1 % 13.4 % |
39 28.5 % 9.1 % |
7 5.1 % 7.8 % |
137 100 % 12.8 % |
| 不太信任 | 68 12.6 % 47.9 % |
221 41.1 % 53.8 % |
205 38.1 % 47.8 % |
44 8.2 % 48.9 % |
538 100 % 50.2 % |
| 有點信任 | 33 8.8 % 23.2 % |
131 34.8 % 31.9 % |
182 48.4 % 42.4 % |
30 8 % 33.3 % |
376 100 % 35.1 % |
| 完全信任 | 5 23.8 % 3.5 % |
4 19 % 1 % |
3 14.3 % 0.7 % |
9 42.9 % 10 % |
21 100 % 2 % |
| Total | 142 13.2 % 100 % |
411 38.3 % 100 % |
429 40 % 100 % |
90 8.4 % 100 % |
1072 100 % 100 % |
| χ2=76.279 · df=9 · Cramer's V=0.154 · Fisher's p=0.000 | |||||
table_data <- table(teds2024$media_trust1, teds2024$trust3)
sum(table_data)[1] 1072# 社群媒體
tab_xtab(teds2024$media_trust2, teds2024$trust1, encoding="utf8",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
show.legend = FALSE,
show.exp = FALSE,
show.cell.prc = FALSE,
tdcol.col = "gray",
tdcol.row = "brown"
)| 那您對社群媒體，例如: 臉書、推特或LINE呢? |
接著想請教您對於下列幾個機構或人員的信任程度，請問您對於立法機關是完全信任、有點信任、不太信任，還是一點也不信任? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 一點也不信任 | 26 15.6 % 37.1 % |
88 52.7 % 19.2 % |
49 29.3 % 10.9 % |
4 2.4 % 8.7 % |
167 100 % 16.3 % |
| 不太信任 | 35 5.8 % 50 % |
290 47.7 % 63.2 % |
258 42.4 % 57.5 % |
25 4.1 % 54.3 % |
608 100 % 59.4 % |
| 有點信任 | 9 3.7 % 12.9 % |
80 33.1 % 17.4 % |
137 56.6 % 30.5 % |
16 6.6 % 34.8 % |
242 100 % 23.6 % |
| 完全信任 | 0 0 % 0 % |
1 14.3 % 0.2 % |
5 71.4 % 1.1 % |
1 14.3 % 2.2 % |
7 100 % 0.7 % |
| Total | 70 6.8 % 100 % |
459 44.8 % 100 % |
449 43.8 % 100 % |
46 4.5 % 100 % |
1024 100 % 100 % |
| χ2=60.186 · df=9 · Cramer's V=0.140 · Fisher's p=0.000 | |||||
table_data <- table(teds2024$media_trust2, teds2024$trust1)
sum(table_data)[1] 1024tab_xtab(teds2024$media_trust2, teds2024$trust2, encoding="utf8",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
show.legend = FALSE,
show.exp = FALSE,
show.cell.prc = FALSE,
tdcol.col = "gray",
tdcol.row = "brown"
)| 那您對社群媒體，例如: 臉書、推特或LINE呢? |
那您對行政部門呢? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 一點也不信任 | 26 16 % 32.5 % |
56 34.4 % 16.2 % |
72 44.2 % 14.1 % |
9 5.5 % 13.4 % |
163 100 % 16.2 % |
| 不太信任 | 41 6.9 % 51.2 % |
224 37.8 % 64.7 % |
294 49.6 % 57.5 % |
34 5.7 % 50.7 % |
593 100 % 59.1 % |
| 有點信任 | 13 5.4 % 16.2 % |
66 27.4 % 19.1 % |
141 58.5 % 27.6 % |
21 8.7 % 31.3 % |
241 100 % 24 % |
| 完全信任 | 0 0 % 0 % |
0 0 % 0 % |
4 57.1 % 0.8 % |
3 42.9 % 4.5 % |
7 100 % 0.7 % |
| Total | 80 8 % 100 % |
346 34.5 % 100 % |
511 50.9 % 100 % |
67 6.7 % 100 % |
1004 100 % 100 % |
| χ2=45.019 · df=9 · Cramer's V=0.122 · Fisher's p=0.000 | |||||
table_data <- table(teds2024$media_trust2, teds2024$trust2)
sum(table_data)[1] 1004tab_xtab(teds2024$media_trust2, teds2024$trust3, encoding="utf8",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
show.legend = FALSE,
show.exp = FALSE,
show.cell.prc = FALSE,
tdcol.col = "gray",
tdcol.row = "brown"
)| 那您對社群媒體，例如: 臉書、推特或LINE呢? |
那您對法院呢? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 一點也不信任 | 36 21.8 % 26.9 % |
50 30.3 % 13.2 % |
63 38.2 % 15.3 % |
16 9.7 % 19.3 % |
165 100 % 16.4 % |
| 不太信任 | 69 11.6 % 51.5 % |
241 40.6 % 63.8 % |
238 40.1 % 57.8 % |
45 7.6 % 54.2 % |
593 100 % 58.9 % |
| 有點信任 | 28 11.5 % 20.9 % |
86 35.4 % 22.8 % |
108 44.4 % 26.2 % |
21 8.6 % 25.3 % |
243 100 % 24.1 % |
| 完全信任 | 1 16.7 % 0.7 % |
1 16.7 % 0.3 % |
3 50 % 0.7 % |
1 16.7 % 1.2 % |
6 100 % 0.6 % |
| Total | 134 13.3 % 100 % |
378 37.5 % 100 % |
412 40.9 % 100 % |
83 8.2 % 100 % |
1007 100 % 100 % |
| χ2=18.221 · df=9 · Cramer's V=0.078 · Fisher's p=0.024 | |||||
table_data <- table(teds2024$media_trust2, teds2024$trust3)
sum(table_data)[1] 1007# 控制變數
# 政黨偏好
tab_xtab(teds2024$pp, teds2024$trust1, encoding="utf8",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
show.legend = FALSE,
show.exp = FALSE,
show.cell.prc = FALSE,
tdcol.col = "gray",
tdcol.row = "brown"
)| 請問是哪一個政黨? | 接著想請教您對於下列幾個機構或人員的信任程度，請問您對於立法機關是完全信任、有點信任、不太信任，還是一點也不信任? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 國民黨 | 17 5.4 % 33.3 % |
169 54.2 % 44 % |
116 37.2 % 29.6 % |
10 3.2 % 24.4 % |
312 100 % 35.9 % |
| 民進黨 | 16 4.3 % 31.4 % |
119 32.2 % 31 % |
206 55.8 % 52.6 % |
28 7.6 % 68.3 % |
369 100 % 42.5 % |
| 民眾黨 | 16 9.3 % 31.4 % |
92 53.5 % 24 % |
61 35.5 % 15.6 % |
3 1.7 % 7.3 % |
172 100 % 19.8 % |
| 其他 | 2 13.3 % 3.9 % |
4 26.7 % 1 % |
9 60 % 2.3 % |
0 0 % 0 % |
15 100 % 1.7 % |
| Total | 51 5.9 % 100 % |
384 44.2 % 100 % |
392 45.2 % 100 % |
41 4.7 % 100 % |
868 100 % 100 % |
| χ2=59.638 · df=9 · Cramer's V=0.151 · Fisher's p=0.000 | |||||
table_data <- table(teds2024$pp, teds2024$trust1)
tab_xtab(teds2024$pp, teds2024$trust2, encoding="utf8",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
show.legend = FALSE,
show.exp = FALSE,
show.cell.prc = FALSE,
tdcol.col = "gray",
tdcol.row = "brown"
)| 請問是哪一個政黨? | 那您對行政部門呢? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 國民黨 | 37 12.2 % 61.7 % |
151 49.8 % 53.9 % |
107 35.3 % 24 % |
8 2.6 % 13.1 % |
303 100 % 35.8 % |
| 民進黨 | 6 1.7 % 10 % |
49 13.6 % 17.5 % |
255 71 % 57.3 % |
49 13.6 % 80.3 % |
359 100 % 42.4 % |
| 民眾黨 | 16 9.5 % 26.7 % |
74 43.8 % 26.4 % |
75 44.4 % 16.9 % |
4 2.4 % 6.6 % |
169 100 % 20 % |
| 其他 | 1 6.7 % 1.7 % |
6 40 % 2.1 % |
8 53.3 % 1.8 % |
0 0 % 0 % |
15 100 % 1.8 % |
| Total | 60 7.1 % 100 % |
280 33.1 % 100 % |
445 52.6 % 100 % |
61 7.2 % 100 % |
846 100 % 100 % |
| χ2=178.712 · df=9 · Cramer's V=0.265 · Fisher's p=0.000 | |||||
tab_xtab(teds2024$pp, teds2024$trust3, encoding="utf8",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
show.legend = FALSE,
show.exp = FALSE,
show.cell.prc = FALSE,
tdcol.col = "gray",
tdcol.row = "brown"
)| 請問是哪一個政黨? | 那您對法院呢? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 國民黨 | 62 20.1 % 56.4 % |
134 43.5 % 41.9 % |
97 31.5 % 28.1 % |
15 4.9 % 20 % |
308 100 % 36.2 % |
| 民進黨 | 19 5.3 % 17.3 % |
114 31.8 % 35.6 % |
184 51.3 % 53.3 % |
42 11.7 % 56 % |
359 100 % 42.2 % |
| 民眾黨 | 24 14.3 % 21.8 % |
72 42.9 % 22.5 % |
57 33.9 % 16.5 % |
15 8.9 % 20 % |
168 100 % 19.8 % |
| 其他 | 5 33.3 % 4.5 % |
0 0 % 0 % |
7 46.7 % 2 % |
3 20 % 4 % |
15 100 % 1.8 % |
| Total | 110 12.9 % 100 % |
320 37.6 % 100 % |
345 40.6 % 100 % |
75 8.8 % 100 % |
850 100 % 100 % |
| χ2=75.817 · df=9 · Cramer's V=0.172 · Fisher's p=0.000 | |||||
tab_xtab(teds2024$edu, teds2024$trust1, encoding="utf8",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
show.legend = FALSE,
show.exp = FALSE,
show.cell.prc = FALSE,
tdcol.col = "gray",
tdcol.row = "brown"
)| 請問您的教育程度是什麼? | 接著想請教您對於下列幾個機構或人員的信任程度，請問您對於立法機關是完全信任、有點信任、不太信任，還是一點也不信任? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 小學(含以下) | 11 11.8 % 13.4 % |
39 41.9 % 7.7 % |
37 39.8 % 7.4 % |
6 6.5 % 11.1 % |
93 100 % 8.2 % |
| 國中 | 10 10.5 % 12.2 % |
36 37.9 % 7.1 % |
41 43.2 % 8.2 % |
8 8.4 % 14.8 % |
95 100 % 8.3 % |
| 高中職 | 18 6.4 % 22 % |
129 45.9 % 25.4 % |
125 44.5 % 25.2 % |
9 3.2 % 16.7 % |
281 100 % 24.6 % |
| 大專院校 | 31 5.9 % 37.8 % |
242 45.9 % 47.7 % |
228 43.3 % 45.9 % |
26 4.9 % 48.1 % |
527 100 % 46.2 % |
| 研究所(含以上) | 12 8.3 % 14.6 % |
61 42.4 % 12 % |
66 45.8 % 13.3 % |
5 3.5 % 9.3 % |
144 100 % 12.6 % |
| Total | 82 7.2 % 100 % |
507 44.5 % 100 % |
497 43.6 % 100 % |
54 4.7 % 100 % |
1140 100 % 100 % |
| χ2=13.356 · df=12 · Cramer's V=0.062 · Fisher's p=0.340 | |||||
tab_xtab(teds2024$edu, teds2024$trust2, encoding="utf8",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
show.legend = FALSE,
show.exp = FALSE,
show.cell.prc = FALSE,
tdcol.col = "gray",
tdcol.row = "brown"
)| 請問您的教育程度是什麼? | 那您對行政部門呢? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 小學(含以下) | 8 10.1 % 9 % |
24 30.4 % 6.4 % |
40 50.6 % 7 % |
7 8.9 % 9.1 % |
79 100 % 7.1 % |
| 國中 | 11 12 % 12.4 % |
29 31.5 % 7.8 % |
43 46.7 % 7.6 % |
9 9.8 % 11.7 % |
92 100 % 8.3 % |
| 高中職 | 23 8.5 % 25.8 % |
96 35.3 % 25.7 % |
138 50.7 % 24.3 % |
15 5.5 % 19.5 % |
272 100 % 24.5 % |
| 大專院校 | 33 6.3 % 37.1 % |
178 34 % 47.6 % |
274 52.3 % 48.2 % |
39 7.4 % 50.6 % |
524 100 % 47.2 % |
| 研究所(含以上) | 14 9.9 % 15.7 % |
47 33.1 % 12.6 % |
74 52.1 % 13 % |
7 4.9 % 9.1 % |
142 100 % 12.8 % |
| Total | 89 8 % 100 % |
374 33.7 % 100 % |
569 51.3 % 100 % |
77 6.9 % 100 % |
1109 100 % 100 % |
| χ2=9.251 · df=12 · Cramer's V=0.053 · p=0.681 | |||||
tab_xtab(teds2024$edu, teds2024$trust1, encoding="utf8",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
show.legend = FALSE,
show.exp = FALSE,
show.cell.prc = FALSE,
tdcol.col = "gray",
tdcol.row = "brown"
)| 請問您的教育程度是什麼? | 接著想請教您對於下列幾個機構或人員的信任程度，請問您對於立法機關是完全信任、有點信任、不太信任，還是一點也不信任? | Total | |||
|---|---|---|---|---|---|
| 一點也不信任 | 不太信任 | 有點信任 | 完全信任 | ||
| 小學(含以下) | 11 11.8 % 13.4 % |
39 41.9 % 7.7 % |
37 39.8 % 7.4 % |
6 6.5 % 11.1 % |
93 100 % 8.2 % |
| 國中 | 10 10.5 % 12.2 % |
36 37.9 % 7.1 % |
41 43.2 % 8.2 % |
8 8.4 % 14.8 % |
95 100 % 8.3 % |
| 高中職 | 18 6.4 % 22 % |
129 45.9 % 25.4 % |
125 44.5 % 25.2 % |
9 3.2 % 16.7 % |
281 100 % 24.6 % |
| 大專院校 | 31 5.9 % 37.8 % |
242 45.9 % 47.7 % |
228 43.3 % 45.9 % |
26 4.9 % 48.1 % |
527 100 % 46.2 % |
| 研究所(含以上) | 12 8.3 % 14.6 % |
61 42.4 % 12 % |
66 45.8 % 13.3 % |
5 3.5 % 9.3 % |
144 100 % 12.6 % |
| Total | 82 7.2 % 100 % |
507 44.5 % 100 % |
497 43.6 % 100 % |
54 4.7 % 100 % |
1140 100 % 100 % |
| χ2=13.356 · df=12 · Cramer's V=0.062 · Fisher's p=0.311 | |||||
library(dplyr)
Attaching package: 'dplyr'The following object is masked from 'package:sjlabelled':
as_labelThe following objects are masked from 'package:stats':
filter, lagThe following objects are masked from 'package:base':
intersect, setdiff, setequal, union# 變數編碼
# 公部門信任度
# D11a 請問您對於立法機關是完全信任、有點信任、不太信任，還是一點也不信任？
# 01完全信任 02有點信任 03不太信任 04一點也不信任
teds2024$trust1r <- rec(teds2024$D11a,rec="1,2=1[信任]; 3,4=0[不信任]", as.num = F)
# D11b 那您對行政部門呢？
# 01完全信任 02有點信任 03不太信任 04一點也不信任
teds2024$trust2r <- rec(teds2024$D11b, rec="1,2=1[信任]; 3,4=0[不信任]", as.num = F)
# D11c 那您對法院呢？
# 01完全信任 02有點信任 03不太信任 04一點也不信任
teds2024$trust3r <- rec(teds2024$D11c, rec="1,2=1[信任]; 3,4=0[不信任]", as.num = F)
# 媒介使用頻率
# A3a 在這次選舉期間，請問您一個星期大約會看幾天無線電視新聞（台視、中視、華視、民視、公視）？
# 00_沒有/0天 01_1天 02_2天 03_3天 04_4天 05_5天 06_6天 07_7天
teds2024$media_frequency1r <- rec(teds2024$A3a, rec="0,1=0[低頻率]; 2,3,4=1[中頻率]; 5,6,7=2[高頻率]", as.num = F)
# A3b 請問您一個星期大約看幾天有線電視新聞？
# 00_沒有/0天 01_1天 02_2天 03_3天 04_4天 05_5天 06_6天 07_7天
teds2024$media_frequency2r <- rec(teds2024$A3b, rec="0,1=0[低頻率]; 2,3,4=1[中頻率]; 5,6,7=2[高頻率]", as.num = F)
# A3e 那其他的新聞網站呢？(像是雅虎奇摩、google新聞、風傳媒、今日新聞/NOWnews等等)
# 00_沒有/0天 01_1天 02_2天 03_3天 04_4天 05_5天 06_6天 07_7天
teds2024$media_frequency3r <- rec(teds2024$A3e, rec="0,1=0[低頻率]; 2,3,4=1[中頻率]; 5,6,7=2[高頻率]", as.num = F)
# A3f 在這次選舉期間，請問您一個星期大約有幾天使用臉書、推特或LINE來關注政黨和候選人的新聞？
# 00_沒有/0天 01_1天 02_2天 03_3天 04_4天 05_5天 06_6天 07_7天
teds2024$media_frequency4r <- rec(teds2024$A3f, rec="0,1=0[低頻率]; 2,3,4=1[中頻率]; 5,6,7=2[高頻率]", as.num = F)
# 媒介信任度
# D11f 那您對傳統新聞媒體，例如：報紙、電視或廣播呢？
# 01完全信任 02有點信任 03不太信任 04一點也不信任
teds2024$media_trust1r <- rec(teds2024$D11f, rec="1,2=1[信任]; 3,4=0[不信任]", as.num = F)
# D11g 那您對社群媒體，例如：臉書、推特或LINE呢？
# 01完全信任 02有點信任 03不太信任 04一點也不信任
teds2024$media_trust2r <- rec(teds2024$D11g, rec="1,2=1[信任]; 3,4=0[不信任]", as.num = F)
# 政治涉入、政治參與
# B1 整體來說，請問您對政治的事情，感不感興趣？是非常有興趣、還算有興趣、不太有興趣，還是完全沒興趣？
# 01非常有興趣 02還算有興趣 03不太有興趣 04完全沒興趣
teds2024$pi1 <- rec(teds2024$B1,rec="1,2=1[有興趣]; 3,4=0[沒興趣]", as.num = F)
# B2a 請問您平時會不會與人討論有關政治或選舉方面的議題？是時常討論、有時討論、很少討論、還是從來不討論？
# 01時常討論 02有時討論 03很少討論 04從來不討論
teds2024$pi2 <- rec(teds2024$B2a,rec="1,2=1[會討論]; 3,4=0[較不會討論]", as.num = F)
# B3 請問您對這次選舉的競選過程關不關心？是非常關心、還算關心、不太關心，還是完全不關心？
# 01非常關心 02還算關心 03不太關心 04完全不關心
teds2024$pi3 <- rec(teds2024$B3,rec="1,2=1[關心]; 3,4=0[不關心]", as.num = F)
# 政治效能感
# D1 有人說：「我們一般民眾對政府的作為，沒有任何影響力。」
# 01非常同意 02同意 03不同意 04非常不同意
teds2024$pe1 <- rec(teds2024$D1,rec="1,2=1[同意]; 3,4=0[不同意]", as.num = F)
# D2 有人說：「政府官員不會在乎我們一般民眾的想法。」
# 01非常同意 02同意 03不同意 04非常不同意
teds2024$pe2 <- rec(teds2024$D2,rec="1,2=1[同意]; 3,4=0[不同意]", as.num = F)
# D6 請問您認為政府決定重大政策時，會不會把「民眾的福利」放在第一優先考慮的地位？是經常會考慮、有時會考慮、不太會考慮、還是絕對不會考慮？
# 01經常會考慮 02有時會考慮 03不太會考慮 04絕對不會考慮
teds2024$pe3 <- rec(teds2024$D6,rec="1,2=1[會考慮]; 3,4=0[不考慮]", as.num = F)
# 兩岸關係
# M2 整體來說，請問您認為過去四年兩岸關係變得更好、更壞、還是差不多？
# 01更好 02更壞 03差不多
teds2024$csr1 <- rec(teds2024$M2, rec="2=1[更壞]; 3=2[差不多]; 1=3[更好]", as.num = F)
# M3 請問過去四年中，您有沒有擔心兩岸會發生武力衝突？
# 01非常擔心 02有點擔心 03不太擔心 04完全不擔心
teds2024$csr2 <- rec(teds2024$M3,rec="1,2=1[擔心]; 3,4=0[不擔心]", as.num = F)
teds2024forMCA <- select(teds2024,c(trust1r,trust2r,trust3r, # 公部門信任
media_choice, # 媒體立場
media_frequency1r,media_frequency2r,media_frequency3r,media_frequency4r, # 媒介使用頻率
media_trust1r,media_trust2r, # 媒介信任度
pi1,pi2,pi3, # 政治涉入
pe1,pe2,pe3, # 政治效能感
csr1,csr2, # 兩岸關係
#輔助用類別變數
pp,edu))
teds2024forMCA.nona <- na.omit(teds2024forMCA) #剔除無效值
nrow(teds2024forMCA.nona) #641[1] 641library(FactoMineR)
library(factoextra)Loading required package: ggplot2
Attaching package: 'ggplot2'The following object is masked from 'package:sjPlot':
set_themeThe following object is masked from 'package:sjlabelled':
as_labelWelcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBanames(teds2024forMCA.nona) [1] "trust1r" "trust2r" "trust3r"
[4] "media_choice" "media_frequency1r" "media_frequency2r"
[7] "media_frequency3r" "media_frequency4r" "media_trust1r"
[10] "media_trust2r" "pi1" "pi2"
[13] "pi3" "pe1" "pe2"
[16] "pe3" "csr1" "csr2"
[19] "pp" "edu" res <- MCA(teds2024forMCA.nona, ncp=10, quali.sup=c(19,20), graph= F)
summary(res, nb.dec = 3, nbelements=10, nbind = 10,
ncp = 2, file="result.txt")
library(ggplot2)fviz_screeplot(res, ncp=10)Warning in geom_bar(stat = "identity", fill = barfill, color = barcolor, :
Ignoring empty aesthetic: `width`.
在先前設定的10個維次中，從陡坡圖可見折線自第二維次後的急降，第三維次之後較為平緩，顯示在20個變數之間有2個主要的潛在概念(第一維次、第二維次)。
library(FactoMineR)
library(factoextra)
plot(res, axes=c(1, 2), new.plot=TRUE, choix="var",
col.var="red", col.quali.sup="darkgreen",
label=c("quali.sup", "var"),
invisible=c("ind"),
autoLab = "yes",
title="", cex=0.8,
xlim=c(0,.7), ylim=c(0, .5))Warning: Removed 1 row containing missing values or values outside the scale range
(`geom_point()`).Warning: Removed 1 row containing missing values or values outside the scale range
(`geom_text_repel()`).
上圖為使用第一維次與第二維次概念所畫的圖，從上圖可見解釋第一維度與解釋第二維度的變數非常不同。第一維度主要由公部門信任度、政治效能感、媒體選擇所組成，主要變數包含trust2r（行政部門信任度）、pe2與pe3（政治效能感）、pp（政黨偏好）與trust1r（立法機關信任度）；第二維度由政治涉入與媒介使用頻率組成，主要變數包含pi2與pi3（政治涉入）、media_frequency4r與media_frequency2r（社群媒體、有線電視使用頻率）。
plot(res, axes=c(1, 2), new.plot=TRUE,
col.var="red", col.ind="black", col.ind.sup="black",
col.quali.sup="darkgreen", col.quanti.sup="blue",
label=c("var"), cex=0.8,
selectMod = "cos2 30",
invisible=c("ind","quali.sup"),
xlim=c(-1.2,1.2), ylim=c(-0.6,1.35),
autoLab = "yes",
title="") Warning: Removed 2 rows containing missing values or values outside the scale range
(`geom_point()`).Warning: Removed 2 rows containing missing values or values outside the scale range
(`geom_text_repel()`).
分析以上變數類別關係圖的四個象限：
本研究重要依變數公部門信任度包含「信任立法機關」（trust1r_1）、「信任行政部門」（trust2r_1）、「信任法院」（trust3r_1）皆落在第一象限，且對第一維次具有較高的解釋力。
對於政治效能感，認為「不同意民眾對政府沒有影響力」（pe1_0）、「不同意政府不在乎民眾的想法」（pe2_0）、「同意政府決定重大決策時會優先考慮民眾福利」（pe3_1），顯示在這個象限中的政治效能感較高，民眾認為自身對政府有影響力。
在兩岸關係的變數方面，認為「過去四年兩岸關係的變化為差不多」（csr1_2）、「過去四年較不擔心兩岸發生武力衝突」（csr2_0）。
政治涉入與參與是解釋第二維次重要的變數，包含「對政治事務沒興趣」（pi1_0）、「平時較不會與人討論政治或選舉議題」（pi2_0）、「對2024選舉競選過程較不關心」（pi3_0），都是屬於政治涉入與參與較低的變數。
媒介使用頻率的變數包含2個，「在選舉期間低頻率觀看網路新聞」（media_frequency3r_0）、「在選舉期間低頻率使用社群媒體接收選舉相關資訊」（media_frequency4r_0）。
媒體選擇「收看泛綠媒體的受訪者」（media_choice_2）對第一維次解釋力較高。
政治涉入與參與是解釋第二維次重要的變數，包含「對政治事務有興趣」（pi1_1）、「對2024選舉競選過程較關心」（pi3_1），都是屬於政治涉入與參與較高的變數。
媒介使用頻率的變數包含2個，「在選舉期間高頻率觀看無線電視新聞台」（media_frequency1r_2）、「在選舉期間高頻率觀看網路新聞」（media_frequency3r_2）。
本研究重要依變數公部門信任度包含「不信任立法機關」（trust1r_0）、「不信任行政部門」（trust2r_0）、「不信任法院」（trust3r_0）皆落在第四象限，且對第一維次具有較高的解釋力。
對於政治效能感，認為「同意民眾對政府沒有影響力」（pe1_1）、「同意政府不在乎民眾的想法」（pe2_1）、「不同意政府決定重大決策時會優先考慮民眾福利」（pe3_0），顯示在這個象限中的政治效能感較低，民眾認為自身較無法影響政府政策與行為。
媒體選擇「收看泛藍媒體的受訪者」（media_choice_1）。
在兩岸關係的變數方面，認為「過去四年兩岸關係變得較差」（csr1_1）、「過去四年較擔心兩岸發生武力衝突」（csr2_1）。
媒介使用頻率有「在選舉期間高頻率觀看有線電視新聞台」（media_frequency2r_2）。
從圖中可見對公部門的信任度與政治效能感以及對兩岸關係的態度，三個變數之間具有態度的一致性。信任公部門的受訪者的政治效能感較高，覺得兩岸關係變化不大、較不擔心兩岸發生武力衝突；不信任公部門的受訪者的政治效能感較低，覺得兩岸關係變差以及較擔心與中國之間發生武力衝突。較常收看泛綠電視新聞的受訪者雖然在第三象限，但接近信任公部門、政治效能感高；較常收看泛藍電視新聞的受訪者則較接近不信任公部門、政治效能感低以及認為我國過去四年跟中國關係變差。顯示觀看不同立場的新聞媒體對政府的信任度並不一樣。
各公部門間的信任態度並沒有如預期中的有差異，像是收看泛藍立場的新聞媒體會對立法機關有較高的信任度、對行政部門與法院有較低的信任度，收看泛綠立場的新聞媒體會對行政部門與法院有較高的信任度、對立法機關有較低的信任度。反而是收看泛綠新聞台對各公部門的信任度較高，收看泛藍立場新聞台對各公部門的信任度較低。也可見收看泛藍立場新聞台對政府的態度較為負面，不在乎民眾意見也無法處理兩岸關係，收看泛綠立場新聞台對政府的態度較為正面，認為政府會考慮人民，對兩岸關係則較不會發生衝突。
從第二維次相關變數可以發現，政治涉入與參與低的受訪者也較少使用媒體接收政治與選舉相關資訊；政治涉入與參與高的受訪者則較常使用媒體接收政治與選舉相關資訊。
library(corrplot)corrplot 0.95 loadedcorrplot(res$var$cos2, is.corr=FALSE, tl.cex=.6)
library(factoextra)
# 第一維度的重要變數類別
fviz_contrib(res, choice ="var", axes = 1)
# 第二維度的重要變數類別
fviz_contrib(res, choice ="var", axes = 2)
attach(teds2024)
table(media_choice)media_choice
1 2 3
537 355 162 # mc1 <- NA
# mc1[media_choice==1] <- 1 #泛藍
# mc1[media_choice==2] <- 0 #泛綠
# mc1[media_choice==3] <- 0 #中立
# mc2 <- NA
# mc2[media_choice==1] <- 0 #泛藍
# mc2[media_choice==2] <- 1 #泛綠
# mc2[media_choice==3] <- 0 #中立
# mc3 <- NA
# mc3[media_choice==1] <- 0 #泛藍
# mc3[media_choice==2] <- 0 #泛綠
# mc3[media_choice==3] <- 1 #中立
teds2024$mc1 <- rec(teds2024$media_choice, rec = "1=1; else=0", var.label = "觀看泛藍媒體")
teds2024$mc2 <- rec(teds2024$media_choice, rec = "2=1; else=0", var.label = "觀看泛綠媒體")
teds2024$mc3 <- rec(teds2024$media_choice, rec = "3=1; else=0", var.label = "觀看中立媒體")
table(pp)pp
1 2 3 4
322 383 172 15 # KMT <- NA
# KMT[pp==1] <- 1 #國民黨
# KMT[pp==2] <- 0 #民進黨
# KMT[pp==3] <- 0 #民眾黨
# KMT[pp==4] <- 0 #其他
# DPP <- NA
# DPP[pp==1] <- 0 #國民黨
# DPP[pp==2] <- 1 #民進黨
# DPP[pp==3] <- 0 #民眾黨
# DPP[pp==4] <- 0 #其他
# TPP <- NA
# TPP[pp==1] <- 0 #國民黨
# TPP[pp==2] <- 0 #民進黨
# TPP[pp==3] <- 1 #民眾黨
# TPP[pp==4] <- 0 #其他
# others <- NA
# others[pp==1] <- 0 #國民黨
# others[pp==2] <- 0 #民進黨
# others[pp==3] <- 0 #民眾黨
# others[pp==4] <- 1 #其他
teds2024$KMT <- rec(teds2024$pp, rec = "1=1; else=0", var.label = "國民黨")
teds2024$DPP <- rec(teds2024$pp, rec = "2=1; else=0", var.label = "民進黨")
teds2024$TPP <- rec(teds2024$pp, rec = "3=1; else=0", var.label = "民眾黨")
teds2024$others <- rec(teds2024$pp, rec = "4=1; else=0", var.label = "其他政黨")
teds2024$trust1r <- rec(teds2024$trust1r, rec = "1=1[信任]; 0=0[不信任]", var.label = "立法機關信任度")
teds2024$trust2r <- rec(teds2024$trust2r, rec = "1=1[信任]; 0=0[不信任]", var.label = "行政部門信任度")
teds2024$trust3r <- rec(teds2024$trust3r, rec = "1=1[信任]; 0=0[不信任]", var.label = "法院信任度")
teds2024$media_trust1r <- rec(teds2024$media_trust1r, rec = "1=1[信任]; 0=0[不信任]", var.label = "傳統媒體信任度")
teds2024$media_trust2r <- rec(teds2024$media_trust2r, rec = "1=1[信任]; 0=0[不信任]", var.label = "社群媒體信任度")
detach(teds2024)
library(sjlabelled)H1a：相較於觀看泛藍媒體的受訪者，觀看泛綠媒體的受訪者對立法機關的信任程度較低。
H1b：相較於觀看泛藍媒體的受訪者，觀看泛綠媒體的受訪者對行政部門的信任程度較高。
H1c：相較於觀看泛藍媒體的受訪者，觀看泛綠媒體的受訪者對法院的信任程度較高。
1.檢驗H1a
分析結果顯示，觀看泛綠媒體的受訪者對立法院的信任度顯著高於觀看泛藍媒體的受訪者（β=0.42, SE=0.14, p<.01），與假說H1a的預測方向相反，數據顯示觀看泛綠媒體的受訪者對立法機關不但沒有表現出較低的信任度，反而比觀看泛藍媒體的受訪者具有更高的信任傾向。因此本研究不支持H1a。
mod.1a <- glm(trust1r ~ mc2 + mc3,family = binomial, data = teds2024)
summary(mod.1a)
Call:
glm(formula = trust1r ~ mc2 + mc3, family = binomial, data = teds2024)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.22488 0.08843 -2.543 0.01099 *
mc2 0.41594 0.14083 2.953 0.00314 **
mc3 0.30284 0.18394 1.646 0.09967 .
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1397.0 on 1007 degrees of freedom
Residual deviance: 1387.6 on 1005 degrees of freedom
(198 observations deleted due to missingness)
AIC: 1393.6
Number of Fisher Scoring iterations: 3由於政黨偏好是影響人民對政府信任度的重要因素，為釐清媒體政治立場的影響是否獨立於政黨偏好，本模型納入政黨偏好變數一同討論。 分析結果顯示，在控制政黨偏好後，媒體政治立場對立法機關信任度的影響皆為不顯著。而在此模型中，能夠強力預測立法機關信任度的變數為支持民進黨的受訪者。相較於支持國民黨的受訪者，支持民進黨的受訪者對立法機關的支持度高度顯著（β=0.89, SE=0.19, p<.001）。
在單變項分析中，觀看泛綠媒體的受訪者看似展現出較高的信任度，且結果與H1a預測方向相反，但在多變項模型中加入政黨偏好變數後，該媒體效應隨即消失。顯示媒體收視習慣本身並非影響立法機關信任的主因。泛綠媒體觀眾之所以表現出較高的信任度，是因為該群體高度重疊了「民進黨支持者」這一項特質。故假說H1a不成立，且為虛假關係。
mod.1a_1 <- glm(trust1r ~ mc2 + mc3 + DPP + TPP + others,family = binomial, data = teds2024)
summary(mod.1a_1)
Call:
glm(formula = trust1r ~ mc2 + mc3 + DPP + TPP + others, family = binomial,
data = teds2024)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.37504 0.12421 -3.019 0.00253 **
mc2 0.04707 0.19540 0.241 0.80965
mc3 0.11815 0.22503 0.525 0.59957
DPP 0.89450 0.19739 4.532 5.85e-06 ***
TPP -0.06385 0.21221 -0.301 0.76350
others 0.62748 0.55492 1.131 0.25816
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1079.7 on 778 degrees of freedom
Residual deviance: 1039.1 on 773 degrees of freedom
(427 observations deleted due to missingness)
AIC: 1051.1
Number of Fisher Scoring iterations: 4tab_model(mod.1a, mod.1a_1,
show.aic=TRUE,
show.ci=FALSE,
show.se=TRUE,
show.r2 =FALSE,
digits.p=3,
digits=3,
CSS=list(css.topborder="border-top:1px solid black;")
)| 立法機關信任度 | 立法機關信任度 | |||||
| Predictors | Odds Ratios | std. Error | p | Odds Ratios | std. Error | p |
| (Intercept) | 0.799 | 0.071 | 0.011 | 0.687 | 0.085 | 0.003 |
| 觀看泛綠媒體 | 1.516 | 0.213 | 0.003 | 1.048 | 0.205 | 0.810 |
| 觀看中立媒體 | 1.354 | 0.249 | 0.100 | 1.125 | 0.253 | 0.600 |
| 民進黨 | 2.446 | 0.483 | <0.001 | |||
| 民眾黨 | 0.938 | 0.199 | 0.763 | |||
| 其他政黨 | 1.873 | 1.039 | 0.258 | |||
| Observations | 1008 | 779 | ||||
| AIC | 1393.591 | 1051.144 | ||||
2.檢驗H1b
針對假說H1b「相較於觀看泛藍媒體的受訪者，觀看泛綠媒體的受訪者對行政部門的信任程度較高」，本研究以觀看泛藍媒體的受訪者為參考基準，使用二元勝算對數迴歸分析，發現收看的媒體政治立場對行政部門具有顯著的預測力。相較於觀看泛藍媒體的受訪者，觀看泛綠媒體的受訪者之係數為正且達高度顯著水準（β=1.35, SE=0.16, p<.001），支持H1b。此外，觀看中立媒體的受訪者也較觀看泛藍媒體的受訪者有顯著較高的行政部門信任度 (β=0.70, SE=0.19, p<.001)。
mod.1b <- glm(trust2r ~ mc2 + mc3,family = binomial, data = teds2024)
summary(mod.1b)
Call:
glm(formula = trust2r ~ mc2 + mc3, family = binomial, data = teds2024)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.13829 0.08904 -1.553 0.120383
mc2 1.35419 0.15879 8.528 < 2e-16 ***
mc3 0.69530 0.19112 3.638 0.000275 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1332.3 on 985 degrees of freedom
Residual deviance: 1251.2 on 983 degrees of freedom
(220 observations deleted due to missingness)
AIC: 1257.2
Number of Fisher Scoring iterations: 4本模型同時納入媒體政治立場與政黨偏好，以檢驗兩變數對行政部門信任度的獨立影響。結果顯示，媒體政治立場與政黨偏好皆為預測信任度的顯著因子。在政黨偏好方面，相較於國民黨的支持者，民進黨的支持者對於行政部門信任度具強烈的正向關聯 (β=1.79, SE=0.22, p<.001)，顯示執政黨支持者對行政部門具有高度信心。而在控制政黨偏好後，受訪者時常收看的媒體的政治立場，對行政部門信任度仍具有顯著預測力。與觀看媒體泛藍媒體的受訪者相比，觀看泛綠媒體的受訪者具有顯著較高的信任度 (β=0.96, SE=0.23, p<.001)，觀看中立媒體的受訪者相較於泛藍媒體觀眾也具有較高的信任度 (β=0.53, SE=0.24, p<.05)。結果顯示，媒體政治立場對行政部門信任度之影響具有獨立的解釋力。
mod.1b_1 <- glm(trust2r ~ mc2 + mc3 + DPP + TPP + others,family = binomial, data = teds2024)
summary(mod.1b_1)
Call:
glm(formula = trust2r ~ mc2 + mc3 + DPP + TPP + others, family = binomial,
data = teds2024)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.6168 0.1296 -4.758 1.95e-06 ***
mc2 0.9577 0.2270 4.218 2.46e-05 ***
mc3 0.5308 0.2418 2.195 0.0281 *
DPP 1.7890 0.2227 8.034 9.44e-16 ***
TPP 0.3017 0.2144 1.407 0.1594
others 0.3011 0.5603 0.537 0.5910
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1023.65 on 763 degrees of freedom
Residual deviance: 844.48 on 758 degrees of freedom
(442 observations deleted due to missingness)
AIC: 856.48
Number of Fisher Scoring iterations: 4tab_model(mod.1b, mod.1b_1,
show.aic=TRUE,
show.ci=FALSE,
show.se=TRUE,
show.r2 =FALSE,
digits.p=3,
digits=3,
CSS=list(css.topborder="border-top:1px solid black;")
)| 行政部門信任度 | 行政部門信任度 | |||||
| Predictors | Odds Ratios | std. Error | p | Odds Ratios | std. Error | p |
| (Intercept) | 0.871 | 0.078 | 0.120 | 0.540 | 0.070 | <0.001 |
| 觀看泛綠媒體 | 3.874 | 0.615 | <0.001 | 2.606 | 0.592 | <0.001 |
| 觀看中立媒體 | 2.004 | 0.383 | <0.001 | 1.700 | 0.411 | 0.028 |
| 民進黨 | 5.983 | 1.332 | <0.001 | |||
| 民眾黨 | 1.352 | 0.290 | 0.159 | |||
| 其他政黨 | 1.351 | 0.757 | 0.591 | |||
| Observations | 986 | 764 | ||||
| AIC | 1257.189 | 856.481 | ||||
3.檢驗H1c
統計結果顯示，平時收看的媒體政治立場對法院信任度具有顯著的預測力。相較於觀看泛藍媒體的受訪者，觀看泛綠媒體的受訪者對法院的信任度具高度顯著水準(β=0.36, SE=0.14, p<.05)，支持H1c。而觀看中立媒體的受訪者與觀看泛藍媒體的受訪者在法院信任度上無顯著差異。
mod.1c <- glm(trust3r ~ mc2 + mc3,family = binomial, data = teds2024)
summary(mod.1c)
Call:
glm(formula = trust3r ~ mc2 + mc3, family = binomial, data = teds2024)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.2205 0.0891 -2.475 0.0133 *
mc2 0.3565 0.1426 2.500 0.0124 *
mc3 0.2608 0.1865 1.398 0.1621
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1361.7 on 982 degrees of freedom
Residual deviance: 1355.0 on 980 degrees of freedom
(223 observations deleted due to missingness)
AIC: 1361
Number of Fisher Scoring iterations: 3為了解收看媒體政治立場對法院信任度的影響是否獨立於政黨傾向，本模型納入政黨偏好變數進行控制，分析結果顯示，在加入政黨偏好變數後，媒體政治立場的解釋力完全消失，原先具顯著正向關聯的觀看泛綠媒體，在本模型中無顯著影響。而政黨偏好在此模型中具有強大的預測力，相較於國民黨的支持者，民進黨的支持者對法院具有高度顯著的信任程度(β=1.14, SE=0.20, p<.001)。
針對H1c的檢驗結果，雖然單變項分析支持泛綠媒體觀眾對法院有較高的信任度，但在控制政黨偏好後，此效應被驗證為虛假關係。
mod.1c_1 <- glm(trust3r ~ mc2 + mc3 + DPP + TPP + others,family = binomial, data = teds2024)
summary(mod.1c_1)
Call:
glm(formula = trust3r ~ mc2 + mc3 + DPP + TPP + others, family = binomial,
data = teds2024)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.54031 0.12757 -4.235 2.28e-05 ***
mc2 -0.09976 0.19888 -0.502 0.616
mc3 -0.04712 0.22933 -0.205 0.837
DPP 1.14227 0.20249 5.641 1.69e-08 ***
TPP 0.33768 0.21409 1.577 0.115
others 1.15980 0.57321 2.023 0.043 *
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1057.7 on 762 degrees of freedom
Residual deviance: 1011.4 on 757 degrees of freedom
(443 observations deleted due to missingness)
AIC: 1023.4
Number of Fisher Scoring iterations: 4tab_model(mod.1c, mod.1c_1,
show.aic=TRUE,
show.ci=FALSE,
show.se=TRUE,
show.r2 =FALSE,
digits.p=3,
digits=3,
CSS=list(css.topborder="border-top:1px solid black;")
)| 法院信任度 | 法院信任度 | |||||
| Predictors | Odds Ratios | std. Error | p | Odds Ratios | std. Error | p |
| (Intercept) | 0.802 | 0.071 | 0.013 | 0.583 | 0.074 | <0.001 |
| 觀看泛綠媒體 | 1.428 | 0.204 | 0.012 | 0.905 | 0.180 | 0.616 |
| 觀看中立媒體 | 1.298 | 0.242 | 0.162 | 0.954 | 0.219 | 0.837 |
| 民進黨 | 3.134 | 0.635 | <0.001 | |||
| 民眾黨 | 1.402 | 0.300 | 0.115 | |||
| 其他政黨 | 3.189 | 1.828 | 0.043 | |||
| Observations | 983 | 763 | ||||
| AIC | 1361.011 | 1023.426 | ||||
H2a：對傳統媒體的信任度越高，對立法機關的信任程度越高。
H2b：對傳統媒體的信任度越高，對行政部門的信任程度越高。
H2c：對傳統媒體的信任度越高，對法院的信任程度越高。
1.檢驗H2a
結果顯示，傳統媒體信任度對立法機關信任度具高度顯著的正向預測力(β=0.86, SE=0.13, p<.001)，代表隨著受訪者對傳統媒體的信任度增加，其對立法機關的信任度也增加。此結果與假說預期方向一致，支持H2a。
mod.2a <- glm(trust1r ~ media_trust1r,family = binomial, data = teds2024)
summary(mod.2a)
Call:
glm(formula = trust1r ~ media_trust1r, family = binomial, data = teds2024)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.37402 0.07764 -4.817 1.46e-06 ***
media_trust1r 0.85756 0.12803 6.698 2.11e-11 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1518.6 on 1095 degrees of freedom
Residual deviance: 1472.5 on 1094 degrees of freedom
(110 observations deleted due to missingness)
AIC: 1476.5
Number of Fisher Scoring iterations: 4為檢驗傳統媒體信任度與立法機關信任度之間的穩健性，本研究在討論媒介信任度時，同樣納入政黨偏好作為控制變數，並以國民黨支持者作為參照組。結果顯示，在控制政黨偏好後，H2a仍有強力的支持。傳統媒體信任度一樣呈現高度顯著的正向影響(β=0.74, SE=0.15, p<.001)。所以無論受訪者的政治立場為何，對傳統媒體具有較高信任的受訪者，其信任立法機關的可能性也較高，支持H2a。
mod.2a_1 <- glm(trust1r ~ media_trust1r + DPP + TPP + others,family = binomial, data = teds2024)
summary(mod.2a_1)
Call:
glm(formula = trust1r ~ media_trust1r + DPP + TPP + others, family = binomial,
data = teds2024)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.69986 0.13692 -5.112 3.19e-07 ***
media_trust1r 0.73550 0.15074 4.879 1.06e-06 ***
DPP 0.94039 0.16381 5.741 9.42e-09 ***
TPP 0.01348 0.20196 0.067 0.9468
others 1.19385 0.57606 2.072 0.0382 *
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1165.9 on 840 degrees of freedom
Residual deviance: 1092.0 on 836 degrees of freedom
(365 observations deleted due to missingness)
AIC: 1102
Number of Fisher Scoring iterations: 4tab_model(mod.2a, mod.2a_1,
show.aic=TRUE,
show.ci=FALSE,
show.se=TRUE,
show.r2 =FALSE,
digits.p=3,
digits=3,
CSS=list(css.topborder="border-top:1px solid black;")
)| 立法機關信任度 | 立法機關信任度 | |||||
| Predictors | Odds Ratios | std. Error | p | Odds Ratios | std. Error | p |
| (Intercept) | 0.688 | 0.053 | <0.001 | 0.497 | 0.068 | <0.001 |
| 傳統媒體信任度 | 2.357 | 0.302 | <0.001 | 2.087 | 0.315 | <0.001 |
| 民進黨 | 2.561 | 0.420 | <0.001 | |||
| 民眾黨 | 1.014 | 0.205 | 0.947 | |||
| 其他政黨 | 3.300 | 1.901 | 0.038 | |||
| Observations | 1096 | 841 | ||||
| AIC | 1476.540 | 1101.951 | ||||
2.檢驗H2b
檢驗假說H2b「對傳統媒體的信任度越高，對行政部門的信任程度越高」，結果顯示，傳統媒體信任度對行政部門信任度具有高度顯著的正向影響（β=0.88, SE=0.14, p<.001），也就是受訪者對傳統媒體的信任度提升，其對行政部門信任度隨之增加，故支持H2b。
需要注意的是，截距項未達顯著水準（p=.73），表示在未考量傳統媒體信任度的情況下，受訪者對行政部門的信任度傾向並無顯著偏向信任或不信任。
mod.2b <- glm(trust2r ~ media_trust1r,family = binomial, data = teds2024)
summary(mod.2b)
Call:
glm(formula = trust2r ~ media_trust1r, family = binomial, data = teds2024)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 0.02667 0.07699 0.346 0.729
media_trust1r 0.88258 0.13503 6.536 6.31e-11 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1456.4 on 1071 degrees of freedom
Residual deviance: 1411.7 on 1070 degrees of freedom
(134 observations deleted due to missingness)
AIC: 1415.7
Number of Fisher Scoring iterations: 4接續進一步納入政黨偏好作為控制變數，以檢驗傳統媒體信任度對行政部門信任度的影響是否具穩健性。結果顯示，在控制政黨偏好的情況下，傳統媒體信任度一樣高度顯著正向影響行政部門信任度（β=0.74, SE=0.17, p<.001），確立傳統媒體信任度對行政部門信任度具獨立的解釋力。
在政黨偏好方面，與國民黨支持者相比，民進黨支持者具有高度顯著信任行政機關的傾向，其信任行政部門的機率是國民黨支持者的8.99倍(OR)；民眾黨支持者亦呈現顯著的正向差異（β=0.48, SE=0.20, p<.05），民眾黨的支持者相較於國民黨支持者，更信任行政部門。
mod.2b_1 <- glm(trust2r ~ media_trust1r + DPP + TPP + others,family = binomial, data = teds2024)
summary(mod.2b_1)
Call:
glm(formula = trust2r ~ media_trust1r + DPP + TPP + others, family = binomial,
data = teds2024)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.7898 0.1441 -5.481 4.22e-08 ***
media_trust1r 0.7441 0.1727 4.309 1.64e-05 ***
DPP 2.1956 0.1941 11.311 < 2e-16 ***
TPP 0.4827 0.2026 2.383 0.0172 *
others 0.9786 0.5604 1.746 0.0808 .
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1105.57 on 820 degrees of freedom
Residual deviance: 918.72 on 816 degrees of freedom
(385 observations deleted due to missingness)
AIC: 928.72
Number of Fisher Scoring iterations: 4tab_model(mod.2b, mod.2b_1,
show.aic=TRUE,
show.ci=FALSE,
show.se=TRUE,
show.r2 =FALSE,
digits.p=3,
digits=3,
CSS=list(css.topborder="border-top:1px solid black;")
)| 行政部門信任度 | 行政部門信任度 | |||||
| Predictors | Odds Ratios | std. Error | p | Odds Ratios | std. Error | p |
| (Intercept) | 1.027 | 0.079 | 0.729 | 0.454 | 0.065 | <0.001 |
| 傳統媒體信任度 | 2.417 | 0.326 | <0.001 | 2.105 | 0.363 | <0.001 |
| 民進黨 | 8.985 | 1.744 | <0.001 | |||
| 民眾黨 | 1.620 | 0.328 | 0.017 | |||
| 其他政黨 | 2.661 | 1.491 | 0.081 | |||
| Observations | 1072 | 821 | ||||
| AIC | 1415.698 | 928.719 | ||||
3.檢驗H2c
結果顯示，傳統媒體信任度對法院信任度具有高度顯著的正向影響（β=0.51, SE=0.13, p<.001），在其他條件不變的狀況下，受訪者傳統媒體的信任度每增加一個單位，其對法院的信任度就會提升1.67倍(OR)。結果支持H2c，民眾對傳統媒體的信任程度越高，越傾向信任法院。
mod.2c <- glm(trust3r ~ media_trust1r,family = binomial, data = teds2024)
summary(mod.2c)
Call:
glm(formula = trust3r ~ media_trust1r, family = binomial, data = teds2024)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.2532 0.0776 -3.263 0.0011 **
media_trust1r 0.5115 0.1275 4.011 6.05e-05 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1485.0 on 1071 degrees of freedom
Residual deviance: 1468.8 on 1070 degrees of freedom
(134 observations deleted due to missingness)
AIC: 1472.8
Number of Fisher Scoring iterations: 3檢驗H2c的穩健性，同樣將政黨偏好作為控制變數放入模型中一同討論。結果顯示，在控制政黨偏好後，傳統媒體信任度對法院信任度仍具有顯著的正向影響（β=0.40, SE=0.15, p<.01），代表傳統媒體信任對司法信任的影響效果，並非完全來自於政治立場的差異，而是具有獨立的解釋力。因此，H2c在此模型檢驗下依然獲得支持。
在控制變數方面，政黨偏好對法院信任度具有顯著的影響。民進黨支持者對法院的信任度顯著高於國民黨支持者（β=1.08, SE=0.17, p<.001），而民眾黨支持者與國民黨支持者間無統計顯著差異。顯示當前的司法信任度分佈具有明顯的黨派差異，執政黨支持者展現出較高的體制信任感。
mod.2c_1 <- glm(trust3r ~ media_trust1r + DPP + TPP + others,family = binomial, data = teds2024)
summary(mod.2c_1)
Call:
glm(formula = trust3r ~ media_trust1r + DPP + TPP + others, family = binomial,
data = teds2024)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.7139 0.1380 -5.173 2.30e-07 ***
media_trust1r 0.4028 0.1516 2.656 0.00791 **
DPP 1.0798 0.1651 6.540 6.15e-11 ***
TPP 0.3485 0.2011 1.733 0.08305 .
others 1.5771 0.6068 2.599 0.00935 **
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1142.3 on 823 degrees of freedom
Residual deviance: 1083.4 on 819 degrees of freedom
(382 observations deleted due to missingness)
AIC: 1093.4
Number of Fisher Scoring iterations: 4tab_model(mod.2c, mod.2c_1,
show.aic=TRUE,
show.ci=FALSE,
show.se=TRUE,
show.r2 =FALSE,
digits.p=3,
digits=3,
CSS=list(css.topborder="border-top:1px solid black;")
)| 法院信任度 | 法院信任度 | |||||
| Predictors | Odds Ratios | std. Error | p | Odds Ratios | std. Error | p |
| (Intercept) | 0.776 | 0.060 | 0.001 | 0.490 | 0.068 | <0.001 |
| 傳統媒體信任度 | 1.668 | 0.213 | <0.001 | 1.496 | 0.227 | 0.008 |
| 民進黨 | 2.944 | 0.486 | <0.001 | |||
| 民眾黨 | 1.417 | 0.285 | 0.083 | |||
| 其他政黨 | 4.841 | 2.938 | 0.009 | |||
| Observations | 1072 | 824 | ||||
| AIC | 1472.806 | 1093.357 | ||||
H3a：對社群媒體的信任度越高，對立法機關的信任程度越高。
H3b：對社群媒體的信任度越高，對行政部門的信任程度較高。
H3c：對社群媒體的信任度越高，對法院的信任程度較高。
1.檢驗H3a
分析結果顯示，社群媒體信任度對立法機關信任度具有高度顯著的正向影響（β=0.84, SE=0.15, p<.001），支持H3a，受訪者對社群媒體的信任度每提升一個單位，其信任立法機關的勝算將提升為原來的2.31倍。顯示在當前的資訊環境中，信任社群媒體的民眾，對立法機關有較高的信任感。
mod.3a <- glm(trust1r ~ media_trust2r,family = binomial, data = teds2024)
summary(mod.3a)
Call:
glm(formula = trust1r ~ media_trust2r, family = binomial, data = teds2024)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.26739 0.07249 -3.689 0.000225 ***
media_trust2r 0.83648 0.15051 5.558 2.74e-08 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1418.4 on 1023 degrees of freedom
Residual deviance: 1386.5 on 1022 degrees of freedom
(182 observations deleted due to missingness)
AIC: 1390.5
Number of Fisher Scoring iterations: 4加入控制變數政黨偏好後，結果顯示，社群媒體信任度對立法機關信任度依舊有高度顯著正向影響（β=0.79, SE=0.18, p<.001），代表社群媒體信任度對立法機關信任度的影響是獨立且顯著的，並非由政黨偏好所決定，因此H3a獲得強而有力的支持。
在控制變數方面，政黨傾向對立法機關信任度也具顯著影響。民進黨支持者對立法機關的信任度顯著高於參照組國民黨（β=1.02, SE=0.17, p<.001），顯示執政黨支持者對於立法機關具有較高的信任。而民眾黨支持者與國民黨支持者之間，在立法機關信任度上則無顯著差異。
mod.3a_1 <- glm(trust1r ~ media_trust2r + DPP + TPP + others,family = binomial, data = teds2024)
summary(mod.3a_1)
Call:
glm(formula = trust1r ~ media_trust2r + DPP + TPP + others, family = binomial,
data = teds2024)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.5996 0.1309 -4.580 4.65e-06 ***
media_trust2r 0.7888 0.1776 4.441 8.95e-06 ***
DPP 1.0213 0.1708 5.981 2.22e-09 ***
TPP -0.1726 0.2051 -0.841 0.40
others 0.8100 0.5484 1.477 0.14
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1093.8 on 788 degrees of freedom
Residual deviance: 1021.6 on 784 degrees of freedom
(417 observations deleted due to missingness)
AIC: 1031.6
Number of Fisher Scoring iterations: 4tab_model(mod.3a, mod.3a_1,
show.aic=TRUE,
show.ci=FALSE,
show.se=TRUE,
show.r2 =FALSE,
digits.p=3,
digits=3,
CSS=list(css.topborder="border-top:1px solid black;")
)| 立法機關信任度 | 立法機關信任度 | |||||
| Predictors | Odds Ratios | std. Error | p | Odds Ratios | std. Error | p |
| (Intercept) | 0.765 | 0.055 | <0.001 | 0.549 | 0.072 | <0.001 |
| 社群媒體信任度 | 2.308 | 0.347 | <0.001 | 2.201 | 0.391 | <0.001 |
| 民進黨 | 2.777 | 0.474 | <0.001 | |||
| 民眾黨 | 0.842 | 0.173 | 0.400 | |||
| 其他政黨 | 2.248 | 1.233 | 0.140 | |||
| Observations | 1024 | 789 | ||||
| AIC | 1390.463 | 1031.627 | ||||
2.檢驗H3b
統計結果顯示，社群媒體信任度對行政部門信任度具顯著正向預測力（β=0.59, SE=0.15, p<.001），顯示較為信任社群媒體的民眾，對行政部門也傾向持有正面的信任態度。從分析結果來看支持H3b。
mod.3b <- glm(trust2r ~ media_trust2r,family = binomial, data = teds2024)
summary(mod.3b)
Call:
glm(formula = trust2r ~ media_trust2r, family = binomial, data = teds2024)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 0.16439 0.07299 2.252 0.024298 *
media_trust2r 0.59606 0.15460 3.855 0.000116 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1368.7 on 1003 degrees of freedom
Residual deviance: 1353.3 on 1002 degrees of freedom
(202 observations deleted due to missingness)
AIC: 1357.3
Number of Fisher Scoring iterations: 4加入控制變數政黨偏好後，分析結果顯示，社群媒體信任度對行政部門信任度仍維持顯著的正向影響（β=0.54, SE=0.20, p<.01）。控制變數「政黨偏好」對預測受訪者對行政部門的信任度也具有強大的解釋力，相較於國民黨支持者，民進黨支持者對行政部門的信任度具有高度顯著正向影響（β=2.35, SE=0.20, p<.001），民眾黨的支持者也顯著高於國民黨的支持者（β=0.40 , SE=0.20, p<.05）。
mod.3b_1 <- glm(trust2r ~ media_trust2r + DPP + TPP + others,family = binomial, data = teds2024)
summary(mod.3b_1)
Call:
glm(formula = trust2r ~ media_trust2r + DPP + TPP + others, family = binomial,
data = teds2024)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.6905 0.1344 -5.136 2.8e-07 ***
media_trust2r 0.5382 0.1957 2.751 0.00595 **
DPP 2.3524 0.2030 11.587 < 2e-16 ***
TPP 0.4037 0.2024 1.995 0.04609 *
others 0.6835 0.5364 1.274 0.20255
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1051.0 on 777 degrees of freedom
Residual deviance: 866.7 on 773 degrees of freedom
(428 observations deleted due to missingness)
AIC: 876.7
Number of Fisher Scoring iterations: 4tab_model(mod.3b, mod.3b_1,
show.aic=TRUE,
show.ci=FALSE,
show.se=TRUE,
show.r2 =FALSE,
digits.p=3,
digits=3,
CSS=list(css.topborder="border-top:1px solid black;")
)| 行政部門信任度 | 行政部門信任度 | |||||
| Predictors | Odds Ratios | std. Error | p | Odds Ratios | std. Error | p |
| (Intercept) | 1.179 | 0.086 | 0.024 | 0.501 | 0.067 | <0.001 |
| 社群媒體信任度 | 1.815 | 0.281 | <0.001 | 1.713 | 0.335 | 0.006 |
| 民進黨 | 10.510 | 2.134 | <0.001 | |||
| 民眾黨 | 1.497 | 0.303 | 0.046 | |||
| 其他政黨 | 1.981 | 1.063 | 0.203 | |||
| Observations | 1004 | 778 | ||||
| AIC | 1357.330 | 876.702 | ||||
#### 立法機關信任度
從先前的卡方檢定可以得出，媒體使用行為中，媒體政治立場與媒介信任度與公部門信任度相關，不同的媒介使用頻率則與公部門信任度不相關。故再在進行二元勝算對數迴歸分析時，僅將媒體政治立場與媒介信任度納入分析變數。
mod1以收看泛藍媒體的受訪者為參照組，在控制其他變數下，收看泛綠媒體的受訪者，對立法機關的信任度顯著高於收看泛藍媒體的受訪者（p<.05）；收看中立媒體的受訪者，對立法機關的信任度與收看泛藍媒體的人沒有統計上的顯著差異。在mod1中，信任傳統媒體的受訪者，對立法機關的信任度顯著高於不信任傳統媒體的受訪者（p<.001），信任社群媒體的受訪者，對立法機關的信任度同樣顯著高於不信任社群媒體的受訪者（p<.001）。代表不論是傳統媒體或是社群媒體，傾向相信媒體的受訪者，也較信任立法機關。
mod1 <- glm(trust1r ~ mc2 + mc3 + media_trust1r + media_trust2r,family = binomial, data = teds2024)
summary(mod1)
Call:
glm(formula = trust1r ~ mc2 + mc3 + media_trust1r + media_trust2r,
family = binomial, data = teds2024)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.5470 0.1108 -4.937 7.94e-07 ***
mc2 0.3383 0.1546 2.188 0.028690 *
mc3 0.2682 0.1980 1.354 0.175645
media_trust1r 0.5466 0.1522 3.591 0.000330 ***
media_trust2r 0.6447 0.1729 3.728 0.000193 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1239.1 on 893 degrees of freedom
Residual deviance: 1190.1 on 889 degrees of freedom
(312 observations deleted due to missingness)
AIC: 1200.1
Number of Fisher Scoring iterations: 4tab_model(mod1,
# 設定要顯示的資訊
show.se = TRUE, # 顯示標準誤
show.aic = TRUE, # 顯示AIC
show.r2 = TRUE, # 顯示 (pseudo) R-square
p.style="stars", # 以星號表示顯著程度
collapse.ci = FALSE, # 以獨立欄位顯示信賴區間
# 設定小數點的位數
digits=3, # 所有估計值的小數點位數
digits.p=3, # p值的小數點位數
# 線的樣式設計
CSS=list(css.topborder="border-top:1px solid black;"),
# 欄位重新命名
string.pred = "解釋變數",
string.ci = "信賴區間",
string.se ="標準誤 (S.E.)",
string.p="顯著水準 (C.I.)"
# file="analysisResult.html" #另存新檔
)| 立法機關信任度 | |||
| 解釋變數 | Odds Ratios | 標準誤 (S.E.) | 信賴區間 |
| (Intercept) | 0.579 *** | 0.064 | 0.465 – 0.718 |
| 觀看泛綠媒體 | 1.403 * | 0.217 | 1.036 – 1.901 |
| 觀看中立媒體 | 1.308 | 0.259 | 0.887 – 1.929 |
| 傳統媒體信任度 | 1.727 *** | 0.263 | 1.282 – 2.330 |
| 社群媒體信任度 | 1.905 *** | 0.330 | 1.360 – 2.681 |
| Observations | 894 | ||
| R2 Tjur | 0.054 | ||
| AIC | 1200.124 | ||
| * p<0.05 ** p<0.01 *** p<0.001 | |||
在此，研究者加入控制變數政黨偏好，並以KMT（國民黨）作為此模型的參照組，結果顯示與支持國民黨的受訪者相比，支持民進黨的受訪者對立法機關的信任度顯著高於支持國民黨的受訪者與國民黨支持者相比，民進黨支持者對立法機關的信任度 顯著極高（p<.001）。在控制其他變數的情況下，支持民進黨的受訪者有98.8%的機率信任立法機關。而支持民眾黨的受訪者對立法機關的信任程度，與支持國民黨的受訪者從檢定結果來看沒有差異。
在此模型發現，把「政黨偏好」放入模型後，受訪者觀看什麼政治立場的新聞媒體對立法機關信任度就變得不顯著。可能的原因是政黨偏好解釋了媒體的政治立場影響力，代表受訪者可能是因為支持民進黨所以觀看泛綠媒體，進而信任立法院。
但在媒體信任度上，無論是傳統媒體信任度或是社群媒體信任度，依然顯著相關（p<.01）。所以不管觀看哪個立場的新聞媒體，或是受訪者本身的政黨偏好，只要是「傾向相信媒體」的人，就比較容易相信立法機關。
mod1.1 <- glm(trust1r ~ mc2 + mc3 + media_trust1r + media_trust2r + DPP + TPP + others,family = binomial, data = teds2024)
summary(mod1.1)
Call:
glm(formula = trust1r ~ mc2 + mc3 + media_trust1r + media_trust2r +
DPP + TPP + others, family = binomial, data = teds2024)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.74026 0.15641 -4.733 2.22e-06 ***
mc2 -0.05612 0.21003 -0.267 0.78930
mc3 0.14135 0.24025 0.588 0.55631
media_trust1r 0.50519 0.17670 2.859 0.00425 **
media_trust2r 0.62995 0.20053 3.141 0.00168 **
DPP 0.98822 0.21387 4.621 3.83e-06 ***
TPP -0.01036 0.23005 -0.045 0.96409
others 0.97413 0.59845 1.628 0.10358
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 966.07 on 696 degrees of freedom
Residual deviance: 899.24 on 689 degrees of freedom
(509 observations deleted due to missingness)
AIC: 915.24
Number of Fisher Scoring iterations: 4library(sjPlot)
tab_model(mod1.1,
# 設定要顯示的資訊
show.se = TRUE, # 顯示標準誤
show.aic = TRUE, # 顯示AIC
show.r2 = TRUE, # 顯示 (pseudo) R-square
p.style="stars", # 以星號表示顯著程度
collapse.ci = FALSE, # 以獨立欄位顯示信賴區間
# 設定小數點的位數
digits=3, # 所有估計值的小數點位數
digits.p=3, # p值的小數點位數
# 線的樣式設計
CSS=list(css.topborder="border-top:1px solid black;"),
# 欄位重新命名
string.pred = "解釋變數",
string.ci = "信賴區間",
string.se ="標準誤 (S.E.)",
string.p="顯著水準 (C.I.)"
# file="analysisResult.html" #另存新檔
)| 立法機關信任度 | |||
| 解釋變數 | Odds Ratios | 標準誤 (S.E.) | 信賴區間 |
| (Intercept) | 0.477 *** | 0.075 | 0.350 – 0.646 |
| 觀看泛綠媒體 | 0.945 | 0.199 | 0.625 – 1.424 |
| 觀看中立媒體 | 1.152 | 0.277 | 0.719 – 1.846 |
| 傳統媒體信任度 | 1.657 ** | 0.293 | 1.173 – 2.346 |
| 社群媒體信任度 | 1.878 ** | 0.376 | 1.271 – 2.792 |
| 民進黨 | 2.686 *** | 0.575 | 1.773 – 4.103 |
| 民眾黨 | 0.990 | 0.228 | 0.629 – 1.552 |
| 其他政黨 | 2.649 | 1.585 | 0.834 – 9.190 |
| Observations | 697 | ||
| R2 Tjur | 0.093 | ||
| AIC | 915.237 | ||
| * p<0.05 ** p<0.01 *** p<0.001 | |||
tab_model(mod1, mod1.1,
show.aic=TRUE,
show.ci=FALSE,
show.se=TRUE,
show.r2 =FALSE,
digits.p=3,
digits=3,
CSS=list(css.topborder="border-top:1px solid black;")
)| 立法機關信任度 | 立法機關信任度 | |||||
| Predictors | Odds Ratios | std. Error | p | Odds Ratios | std. Error | p |
| (Intercept) | 0.579 | 0.064 | <0.001 | 0.477 | 0.075 | <0.001 |
| 觀看泛綠媒體 | 1.403 | 0.217 | 0.029 | 0.945 | 0.199 | 0.789 |
| 觀看中立媒體 | 1.308 | 0.259 | 0.176 | 1.152 | 0.277 | 0.556 |
| 傳統媒體信任度 | 1.727 | 0.263 | <0.001 | 1.657 | 0.293 | 0.004 |
| 社群媒體信任度 | 1.905 | 0.330 | <0.001 | 1.878 | 0.376 | 0.002 |
| 民進黨 | 2.686 | 0.575 | <0.001 | |||
| 民眾黨 | 0.990 | 0.228 | 0.964 | |||
| 其他政黨 | 2.649 | 1.585 | 0.104 | |||
| Observations | 894 | 697 | ||||
| AIC | 1200.124 | 915.237 | ||||
library(car)Loading required package: carData
Attaching package: 'car'The following object is masked from 'package:dplyr':
recodevif(mod1.1) mc2 mc3 media_trust1r media_trust2r DPP
1.533156 1.169529 1.154663 1.137625 1.745037
TPP others
1.385557 1.055008 在控制媒體信任度後，收看泛綠媒體的受訪者，對行政部門的信任度遠高於收看泛藍媒體的受訪者（p<.001），而且泛綠媒體的觀眾對行政部門的信任度機率為泛藍媒體觀眾的3.65倍。收看中立媒體的受訪者對行政部門的信任度同樣顯著高於收看泛藍媒體的受訪者（p<.001）。在行政部門的信任度上，與立法機關一樣，信任媒體的受訪者同樣傾向信任行政部門。
mod2 <- glm(trust2r ~ mc2 + mc3 + media_trust1r + media_trust2r,family = binomial, data = teds2024)
summary(mod2)
Call:
glm(formula = trust2r ~ mc2 + mc3 + media_trust1r + media_trust2r,
family = binomial, data = teds2024)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.4381 0.1121 -3.910 9.24e-05 ***
mc2 1.2944 0.1709 7.574 3.63e-14 ***
mc3 0.6713 0.2025 3.316 0.000914 ***
media_trust1r 0.5583 0.1634 3.417 0.000634 ***
media_trust2r 0.4704 0.1853 2.539 0.011120 *
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1196.7 on 882 degrees of freedom
Residual deviance: 1101.7 on 878 degrees of freedom
(323 observations deleted due to missingness)
AIC: 1111.7
Number of Fisher Scoring iterations: 4tab_model(mod2,
# 設定要顯示的資訊
show.se = TRUE, # 顯示標準誤
show.aic = TRUE, # 顯示AIC
show.r2 = TRUE, # 顯示 (pseudo) R-square
p.style="stars", # 以星號表示顯著程度
collapse.ci = FALSE, # 以獨立欄位顯示信賴區間
# 設定小數點的位數
digits=3, # 所有估計值的小數點位數
digits.p=3, # p值的小數點位數
# 線的樣式設計
CSS=list(css.topborder="border-top:1px solid black;"),
# 欄位重新命名
string.pred = "解釋變數",
string.ci = "信賴區間",
string.se ="標準誤 (S.E.)",
string.p="顯著水準 (C.I.)"
# file="analysisResult.html" #另存新檔
)| 行政部門信任度 | |||
| 解釋變數 | Odds Ratios | 標準誤 (S.E.) | 信賴區間 |
| (Intercept) | 0.645 *** | 0.072 | 0.517 – 0.803 |
| 觀看泛綠媒體 | 3.649 *** | 0.624 | 2.621 – 5.126 |
| 觀看中立媒體 | 1.957 *** | 0.396 | 1.320 – 2.923 |
| 傳統媒體信任度 | 1.748 *** | 0.286 | 1.271 – 2.413 |
| 社群媒體信任度 | 1.601 * | 0.297 | 1.116 – 2.309 |
| Observations | 883 | ||
| R2 Tjur | 0.102 | ||
| AIC | 1111.654 | ||
| * p<0.05 ** p<0.01 *** p<0.001 | |||
加入控制變數「政黨偏好」後發現，民進黨支持者對行政部門的信任度顯著高於國民黨支持者（p<.001），信任行政部門的機率是國民黨的 7 倍以上，顯示在行政部門信任度上具有非常強的黨派屬性，即「執政黨優勢」。民眾黨支持者對行政部門的信任度，與國民黨支持者沒有統計上的差異，再次顯示在不信任執政黨的態度上，藍白陣營的態度較為接近。
在行政部門信任度加入控制變數「政黨偏好」後，觀看泛綠媒體的受訪者對行政部門的信任度仍顯著高於觀看泛藍媒體的受訪者。 信任傳統新聞的受訪者，較傾向信任行政部門。但社群媒體信任度對行政部門信任度的影響力消失了。
mod2.1 <- glm(trust2r ~ mc2 + mc3 + media_trust1r + media_trust2r + DPP + TPP + others,family = binomial, data = teds2024)
summary(mod2.1)
Call:
glm(formula = trust2r ~ mc2 + mc3 + media_trust1r + media_trust2r +
DPP + TPP + others, family = binomial, data = teds2024)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.9784 0.1672 -5.853 4.82e-09 ***
mc2 0.8974 0.2390 3.756 0.000173 ***
mc3 0.4711 0.2559 1.841 0.065646 .
media_trust1r 0.5367 0.2051 2.617 0.008865 **
media_trust2r 0.4096 0.2246 1.824 0.068182 .
DPP 1.9583 0.2395 8.177 2.91e-16 ***
TPP 0.4212 0.2314 1.820 0.068783 .
others 0.6745 0.5975 1.129 0.259019
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 926.27 on 689 degrees of freedom
Residual deviance: 743.33 on 682 degrees of freedom
(516 observations deleted due to missingness)
AIC: 759.33
Number of Fisher Scoring iterations: 4tab_model(mod2.1,
# 設定要顯示的資訊
show.se = TRUE, # 顯示標準誤
show.aic = TRUE, # 顯示AIC
show.r2 = TRUE, # 顯示 (pseudo) R-square
p.style="stars", # 以星號表示顯著程度
collapse.ci = FALSE, # 以獨立欄位顯示信賴區間
# 設定小數點的位數
digits=3, # 所有估計值的小數點位數
digits.p=3, # p值的小數點位數
# 線的樣式設計
CSS=list(css.topborder="border-top:1px solid black;"),
# 欄位重新命名
string.pred = "解釋變數",
string.ci = "信賴區間",
string.se ="標準誤 (S.E.)",
string.p="顯著水準 (C.I.)"
# file="analysisResult.html" #另存新檔
)| 行政部門信任度 | |||
| 解釋變數 | Odds Ratios | 標準誤 (S.E.) | 信賴區間 |
| (Intercept) | 0.376 *** | 0.063 | 0.269 – 0.519 |
| 觀看泛綠媒體 | 2.453 *** | 0.586 | 1.540 – 3.938 |
| 觀看中立媒體 | 1.602 | 0.410 | 0.972 – 2.656 |
| 傳統媒體信任度 | 1.710 ** | 0.351 | 1.147 – 2.565 |
| 社群媒體信任度 | 1.506 | 0.338 | 0.972 – 2.348 |
| 民進黨 | 7.087 *** | 1.697 | 4.467 – 11.439 |
| 民眾黨 | 1.524 | 0.353 | 0.968 – 2.401 |
| 其他政黨 | 1.963 | 1.173 | 0.601 – 6.545 |
| Observations | 690 | ||
| R2 Tjur | 0.241 | ||
| AIC | 759.330 | ||
| * p<0.05 ** p<0.01 *** p<0.001 | |||
tab_model(mod2, mod2.1,
show.aic=TRUE,
show.ci=FALSE,
show.se=TRUE,
show.r2 =FALSE,
digits.p=3,
digits=3,
CSS=list(css.topborder="border-top:1px solid black;")
)| 行政部門信任度 | 行政部門信任度 | |||||
| Predictors | Odds Ratios | std. Error | p | Odds Ratios | std. Error | p |
| (Intercept) | 0.645 | 0.072 | <0.001 | 0.376 | 0.063 | <0.001 |
| 觀看泛綠媒體 | 3.649 | 0.624 | <0.001 | 2.453 | 0.586 | <0.001 |
| 觀看中立媒體 | 1.957 | 0.396 | 0.001 | 1.602 | 0.410 | 0.066 |
| 傳統媒體信任度 | 1.748 | 0.286 | 0.001 | 1.710 | 0.351 | 0.009 |
| 社群媒體信任度 | 1.601 | 0.297 | 0.011 | 1.506 | 0.338 | 0.068 |
| 民進黨 | 7.087 | 1.697 | <0.001 | |||
| 民眾黨 | 1.524 | 0.353 | 0.069 | |||
| 其他政黨 | 1.963 | 1.173 | 0.259 | |||
| Observations | 883 | 690 | ||||
| AIC | 1111.654 | 759.330 | ||||
vif(mod2.1) mc2 mc3 media_trust1r media_trust2r DPP
1.244361 1.114175 1.175463 1.136045 1.397995
TPP others
1.322769 1.057640 在法院信任度上，收看泛綠媒體的受訪者對法院的信任度顯著高於泛藍觀眾（p<.05），但效果不如立法機關或行政部門之強烈。收看中立媒體的受訪者與收看泛藍媒體受訪者對此機關的信任度則沒有顯著差異。
媒體信任度對法院信任度的影響上，信任傳統媒體的受訪者顯著傾向信任法院，但對於社群媒體的信任度，無論是否信任社群媒體，對法院的信任度都無關聯。
mod3 <- glm(trust3r ~ mc2 + mc3 + media_trust1r + media_trust2r,family = binomial, data = teds2024)
summary(mod3)
Call:
glm(formula = trust3r ~ mc2 + mc3 + media_trust1r + media_trust2r,
family = binomial, data = teds2024)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.33931 0.10862 -3.124 0.00178 **
mc2 0.33156 0.15253 2.174 0.02973 *
mc3 0.27925 0.19549 1.428 0.15315
media_trust1r 0.40691 0.15254 2.668 0.00764 **
media_trust2r 0.09109 0.16996 0.536 0.59200
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 1226.8 on 884 degrees of freedom
Residual deviance: 1210.6 on 880 degrees of freedom
(321 observations deleted due to missingness)
AIC: 1220.6
Number of Fisher Scoring iterations: 4tab_model(mod3,
# 設定要顯示的資訊
show.se = TRUE, # 顯示標準誤
show.aic = TRUE, # 顯示AIC
show.r2 = TRUE, # 顯示 (pseudo) R-square
p.style="stars", # 以星號表示顯著程度
collapse.ci = FALSE, # 以獨立欄位顯示信賴區間
# 設定小數點的位數
digits=3, # 所有估計值的小數點位數
digits.p=3, # p值的小數點位數
# 線的樣式設計
CSS=list(css.topborder="border-top:1px solid black;"),
# 欄位重新命名
string.pred = "解釋變數",
string.ci = "信賴區間",
string.se ="標準誤 (S.E.)",
string.p="顯著水準 (C.I.)"
# file="analysisResult.html" #另存新檔
)| 法院信任度 | |||
| 解釋變數 | Odds Ratios | 標準誤 (S.E.) | 信賴區間 |
| (Intercept) | 0.712 ** | 0.077 | 0.575 – 0.880 |
| 觀看泛綠媒體 | 1.393 * | 0.212 | 1.034 – 1.880 |
| 觀看中立媒體 | 1.322 | 0.258 | 0.902 – 1.942 |
| 傳統媒體信任度 | 1.502 ** | 0.229 | 1.115 – 2.028 |
| 社群媒體信任度 | 1.095 | 0.186 | 0.785 – 1.529 |
| Observations | 885 | ||
| R2 Tjur | 0.018 | ||
| AIC | 1220.605 | ||
| * p<0.05 ** p<0.01 *** p<0.001 | |||
加入控制變數「政黨偏好」後，與參考組國民黨相比，民進黨支持者顯著傾向信任法院。在法院信任度中，民眾黨與其他政黨是首次在公部門信任度中與國民黨有顯著差異。
媒體信任度對法院信任度的影響，加入控制變數後，信任傳統媒體的受訪者仍然顯著傾向信任法院，
mod3.1 <- glm(trust3r ~ mc2 + mc3 + media_trust1r + media_trust2r + DPP + TPP + others,family = binomial, data = teds2024)
summary(mod3.1)
Call:
glm(formula = trust3r ~ mc2 + mc3 + media_trust1r + media_trust2r +
DPP + TPP + others, family = binomial, data = teds2024)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.68280 0.15533 -4.396 1.10e-05 ***
mc2 -0.16538 0.20786 -0.796 0.4262
mc3 -0.01824 0.23895 -0.076 0.9392
media_trust1r 0.40573 0.17793 2.280 0.0226 *
media_trust2r -0.05489 0.19670 -0.279 0.7802
DPP 1.23009 0.21332 5.766 8.09e-09 ***
TPP 0.45128 0.22746 1.984 0.0473 *
others 1.52336 0.62272 2.446 0.0144 *
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 957.75 on 690 degrees of freedom
Residual deviance: 905.89 on 683 degrees of freedom
(515 observations deleted due to missingness)
AIC: 921.89
Number of Fisher Scoring iterations: 4tab_model(mod3.1,
# 設定要顯示的資訊
show.se = TRUE, # 顯示標準誤
show.aic = TRUE, # 顯示AIC
show.r2 = TRUE, # 顯示 (pseudo) R-square
p.style="stars", # 以星號表示顯著程度
collapse.ci = FALSE, # 以獨立欄位顯示信賴區間
# 設定小數點的位數
digits=3, # 所有估計值的小數點位數
digits.p=3, # p值的小數點位數
# 線的樣式設計
CSS=list(css.topborder="border-top:1px solid black;"),
# 欄位重新命名
string.pred = "解釋變數",
string.ci = "信賴區間",
string.se ="標準誤 (S.E.)",
string.p="顯著水準 (C.I.)"
# file="analysisResult.html" #另存新檔
)| 法院信任度 | |||
| 解釋變數 | Odds Ratios | 標準誤 (S.E.) | 信賴區間 |
| (Intercept) | 0.505 *** | 0.078 | 0.371 – 0.683 |
| 觀看泛綠媒體 | 0.848 | 0.176 | 0.562 – 1.271 |
| 觀看中立媒體 | 0.982 | 0.235 | 0.614 – 1.568 |
| 傳統媒體信任度 | 1.500 * | 0.267 | 1.060 – 2.130 |
| 社群媒體信任度 | 0.947 | 0.186 | 0.643 – 1.392 |
| 民進黨 | 3.422 *** | 0.730 | 2.262 – 5.225 |
| 民眾黨 | 1.570 * | 0.357 | 1.006 – 2.456 |
| 其他政黨 | 4.588 * | 2.857 | 1.428 – 17.533 |
| Observations | 691 | ||
| R2 Tjur | 0.074 | ||
| AIC | 921.893 | ||
| * p<0.05 ** p<0.01 *** p<0.001 | |||
tab_model(mod3, mod3.1,
show.aic=TRUE,
show.ci=FALSE,
show.se=TRUE,
show.r2 =FALSE,
digits.p=3,
digits=3,
CSS=list(css.topborder="border-top:1px solid black;")
)| 法院信任度 | 法院信任度 | |||||
| Predictors | Odds Ratios | std. Error | p | Odds Ratios | std. Error | p |
| (Intercept) | 0.712 | 0.077 | 0.002 | 0.505 | 0.078 | <0.001 |
| 觀看泛綠媒體 | 1.393 | 0.212 | 0.030 | 0.848 | 0.176 | 0.426 |
| 觀看中立媒體 | 1.322 | 0.258 | 0.153 | 0.982 | 0.235 | 0.939 |
| 傳統媒體信任度 | 1.502 | 0.229 | 0.008 | 1.500 | 0.267 | 0.023 |
| 社群媒體信任度 | 1.095 | 0.186 | 0.592 | 0.947 | 0.186 | 0.780 |
| 民進黨 | 3.422 | 0.730 | <0.001 | |||
| 民眾黨 | 1.570 | 0.357 | 0.047 | |||
| 其他政黨 | 4.588 | 2.857 | 0.014 | |||
| Observations | 885 | 691 | ||||
| AIC | 1220.605 | 921.893 | ||||
共線性檢定
vif(mod3.1) mc2 mc3 media_trust1r media_trust2r DPP
1.522507 1.168760 1.186802 1.156997 1.759612
TPP others
1.411741 1.053442 參考資料
新聞
遠見編輯部（2024年5月17日）。〈台灣人最相信誰？最新調查：「縣市首長」信任度勝過「總統」〉。《遠見雜誌》https://www.gvm.com.tw/article/112824
官網