使用TikTok是否會影響對中國的好感度

Author

吳家瑋

一、研究動機與研究問題

本研究的主要目的在於探討使用TikTok是否會影響對中國的好感度。 隨著中國社群媒體產業在全球快速發展，諸如TikTok、小紅書、微博等應用程式在年輕族群中迅速普及，相關內容已深度融入青少年的日常生活與文化消費之中。然而，這類平台的廣泛使用，是否僅止於娛樂與生活層面，抑或可能進一步影響使用者對中國的態度與認同？

近年來，關於「軟實力」與「銳實力」，威權國家如何透過跨國媒體與數位平台滲透他國社會，影響民眾的政治認知與國家認同（Walker & Ludwig, 2017；Polyakova & Meserole,2019）引發許多討論，許多國家政府對中國社群媒體，特別是TikTok，提出限制或禁用相關平台的政策，主要擔憂中國政府可能藉由平台進行意識形態宣傳或蒐集使用者資料，對國家安全構成潛在威脅。

然而，這些政府與專家的擔憂，是否真實反映在使用者的態度上呢，根據 BBC 的報導，多數美國年輕使用者並不認為自己使用TikTok會對國安造成影響，亦普遍認為自己只是小人物，而且自己未透過中國社群平台接觸政治資訊，不認為會有政治影響力，台灣的相關報導也呈現相似現象，多數年輕受訪者表示其使用中國社群媒體的目的主要為娛樂與生活資訊，而非政治內容，尤其在政府宣佈小紅書限制一年之後，這番討論又再次被提出。

在此背景下，使用TikTok是否會影響台灣民眾對中國的好感度？不同的中國社群媒體使用行為（如使用頻率與單次使用時間），是否會對台灣民眾對中國的好感度產生不同影響？以及政黨認同與中國居住經驗，是否會調節或削弱此一影響。

二、研究目的與資料來源

本研究使用的資料為《民主實驗室TikTok使用者網路調查》（2025年3月10日至3月20日）， 資料文件名稱為 〈民主實驗室TikTok使用者網路調查_譯碼簿0326.xlsx〉。

  • 應變數（DV）：「對中國的好感度」
  • 自變數（IV）：「是否有使用TikTok」
  • 控制變數（CV）：「政黨認同」、「過去是否曾經在中國居住超過一年以上」

三、研究變數

本研究聚焦於對中國的好感度，也關注政黨認同與個人經驗等因素，因此選擇是否使用TikTok、政黨認同，以及是否曾在中國居住一年以上作為可能相關的解釋變數，推論這些變數可能與對中國的好感度存在關聯。

(一)對中國的好感度 (二)是否有使用TikTok (三)政黨認同 (四)過去是否曾經在中國居住超過一年以上

本研究選擇四個變數做檢驗，我認為變數間彼此會有相關性

  1. 中國社群媒體常被人所詬病的是言論審查的問題，在議題設定理論下，媒體為一種守門人的角色，僅需透過對議題的設定和排序，可以改變人民的看法，進而影響人民對特定政治議題或國家的想法。

  2. 受訪者的政黨認同，可能反映其對中國議題的基本立場，因此政黨認同與對中國的好感度之間，可能存在關聯。

  3. 相較於僅透過媒體接觸中國，曾在中國長期居住的經驗，可能使個體對中國有更直接的認知。此類生活經驗，可能影響受訪者對中國的整體觀感，進而與其對中國的好感度之間存在關聯。

四、研究假設

假設一:TikTok的使用頻率越高，可能對中國有越高的好感度 假設二:TikTok單次使用時間越長，可能對中國有越高的好感度 假設三:泛藍政黨支持者相較於其他選民，可能對中國有越高的好感度 假設四:曾在中國居住一年以上者，可能對中國有越高的好感度

五、選擇原始資料題目

# 載入套件
library(readxl)
library(knitr)
library(kableExtra)

tiktok2025 <- read_excel("民主實驗室TikTok使用者網路調查_譯碼簿0326.xlsx")

一、對中國的好感度（DV）

Q24、Q25 - 對中國政府和民眾的印象
這兩題主要是了解受訪者對中國政府和中國民眾的整體印象（Q24 對政府、Q25 對民眾），可以反映出受訪者對中國的基本態度。

（一）對中國的好感度（DV）
題目 |
Q24.請問整體而言您對於中國政府印象如何？ |
Q25.請問整體而言您對於中國民眾印象如何？ |

Q24 : 請問整體而言您對於中國政府印象如何?

library(readxl)
library(dplyr)

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

    group_rows
The following objects are masked from 'package:stats':

    filter, lag
The following objects are masked from 'package:base':

    intersect, setdiff, setequal, union
tiktok2025data <- read_excel("民主實驗室TikTok使用者網路調查_資料檔0326.xlsx")
Warning: Expecting logical in AD1361 / R1361C30: got '社會民主黨'
Warning: Expecting logical in AD1975 / R1975C30: got '不一定'
Warning: Expecting logical in AD2298 / R2298C30: got '勞工黨'
library(sjlabelled)

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

    as_label
library(sjmisc)

tiktok2025data$Q24r <- tiktok2025data$Q24

tiktok2025data$Q24r <- set_label(tiktok2025data$Q24r,
                                 "整體而言您對中國政府印象如何（1非常不好感～6非常好感）")

tiktok2025data$Q24r <- set_labels(tiktok2025data$Q24r,
  labels = c("非常不喜歡" = 1,
             "還滿不喜歡" = 2,
             "有點不喜歡" = 3,
             "有點喜歡"   = 4,
             "還滿喜歡"   = 5,
             "非常喜歡"   = 6)
)

frq(tiktok2025data$Q24r)
整體而言您對中國政府印象如何（1非常不好感～6非常好感） (x) <numeric> 
# total N=2612 valid N=2612 mean=2.23 sd=1.11

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

Q25 : 請問整體而言您對於中國民眾印象如何?

library(sjlabelled)
library(sjmisc)

tiktok2025data$Q25r <- tiktok2025data$Q25

tiktok2025data$Q25r <- set_label(
  tiktok2025data$Q25r,
  "整體而言您對中國民眾印象如何（1非常不喜歡～6非常喜歡）"
)

tiktok2025data$Q25r <- set_labels(
  tiktok2025data$Q25r,
  labels = c(
    "非常不喜歡" = 1,
    "還滿不喜歡" = 2,
    "有點不喜歡" = 3,
    "有點喜歡"   = 4,
    "還滿喜歡"   = 5,
    "非常喜歡"   = 6
  )
)

frq(tiktok2025data$Q25r)
整體而言您對中國民眾印象如何（1非常不喜歡～6非常喜歡） (x) <numeric> 
# total N=2612 valid N=2612 mean=2.83 sd=1.10

Value |      Label |    N | Raw % | Valid % | Cum. %
----------------------------------------------------
    1 | 非常不喜歡 |  364 | 13.94 |   13.94 |  13.94
    2 | 還滿不喜歡 |  537 | 20.56 |   20.56 |  34.49
    3 | 有點不喜歡 | 1078 | 41.27 |   41.27 |  75.77
    4 |   有點喜歡 |  469 | 17.96 |   17.96 |  93.72
    5 |   還滿喜歡 |  136 |  5.21 |    5.21 |  98.93
    6 |   非常喜歡 |   28 |  1.07 |    1.07 | 100.00
 <NA> |       <NA> |    0 |  0.00 |    <NA> |   <NA>
library(sjlabelled)
library(sjmisc)

q24 <- as.numeric(as.character(tiktok2025data$Q24r))
q25 <- as.numeric(as.character(tiktok2025data$Q25r))

tiktok2025data$china_favor <- rowMeans(
  cbind(q24, q25),
  na.rm = TRUE
)

tiktok2025data$china_favor_6 <- round(tiktok2025data$china_favor)

tiktok2025data$china_favor_6 <- set_label(
  tiktok2025data$china_favor_6,
  "對中國的整體好感度"
)

tiktok2025data$china_favor_6 <- set_labels(
  tiktok2025data$china_favor_6,
  labels = c(
    "非常不喜歡" = 1,
    "還滿不喜歡" = 2,
    "有點不喜歡" = 3,
    "有點喜歡"   = 4,
    "還滿喜歡"   = 5,
    "非常喜歡"   = 6
  )
)

frq(tiktok2025data$china_favor_6)
對中國的整體好感度 (x) <numeric> 
# total N=2612 valid N=2612 mean=2.54 sd=1.03

Value |      Label |    N | Raw % | Valid % | Cum. %
----------------------------------------------------
    1 | 非常不喜歡 |  334 | 12.79 |   12.79 |  12.79
    2 | 還滿不喜歡 | 1123 | 42.99 |   42.99 |  55.78
    3 | 有點不喜歡 |  660 | 25.27 |   25.27 |  81.05
    4 |   有點喜歡 |  432 | 16.54 |   16.54 |  97.59
    5 |   還滿喜歡 |   31 |  1.19 |    1.19 |  98.77
    6 |   非常喜歡 |   32 |  1.23 |    1.23 | 100.00
 <NA> |       <NA> |    0 |  0.00 |    <NA> |   <NA>
library(sjlabelled)

tiktok2025data$china_favor_6 <- set_labels(
  tiktok2025data$china_favor_6,
  labels = c(
    "非常不喜歡" = 1,
    "還滿不喜歡" = 2,
    "有點不喜歡" = 3,
    "有點喜歡"   = 4,
    "還滿喜歡"   = 5,
    "非常喜歡"   = 6
  )
)

sjPlot::plot_frq(tiktok2025data$china_favor_6)

本研究以Q24（對中國政府的整體印象）與Q25（對中國民眾的整體印象）之平均值，來建構「對中國的整體好感度」，整體樣本對中國的好感度明顯偏低，將近九成的受訪者，對中國整體抱持負面態度；僅約一成受訪者表現出正向好感。

(二)中國社群媒體使用狀況（IV）

本研究將S1（使用頻率）及S2（使用時長）作為主要自變數，用以衡量受訪者接觸TikTok的程度，為了了解受訪者的整體資訊環境，以Q4來描述受訪者在政治與公共議題上最為信賴的資訊來源。

（二）中國社群媒體使用狀況（IV）
題目 |
S1.請問您最近一年有多常使用TikTok抖音？ |
S2.請問您平常單次使用TikTok抖音大概的時間長度？ |

S1 : 請問您最近一年有多常使用TikTok抖音?

library(sjlabelled)
library(sjmisc)

#將這些文字轉換為數字編碼，從1到5，表示使用頻率的增加
tiktok2025data$S1_numlab <- set_labels(
  tiktok2025data$S1,
  labels = c(
    "從來沒有" = 1,
    "很少使用" = 2,
    "每週數次" = 3,
    "每天一次" = 4,
    "每天好幾次" = 5
  )
)

tiktok2025data$S1_numlab <- set_label(
  tiktok2025data$S1_numlab,
  "最近一年使用 TikTok 的頻率（S1）"
)

sjmisc::frq(tiktok2025data$S1_numlab)
最近一年使用 TikTok 的頻率（S1） (x) <numeric> 
# total N=2612 valid N=2612 mean=2.93 sd=1.41

Value |      Label |   N | Raw % | Valid % | Cum. %
---------------------------------------------------
    1 |   從來沒有 | 477 | 18.26 |   18.26 |  18.26
    2 |   很少使用 | 689 | 26.38 |   26.38 |  44.64
    3 |   每週數次 | 579 | 22.17 |   22.17 |  66.81
    4 |   每天一次 | 286 | 10.95 |   10.95 |  77.76
    5 | 每天好幾次 | 581 | 22.24 |   22.24 | 100.00
 <NA> |       <NA> |   0 |  0.00 |    <NA> |   <NA>
library(sjPlot)
Warning: package 'sjPlot' was built under R version 4.5.2
plot_frq(
  tiktok2025data$S1_numlab,
  title = "最近一年使用 TikTok 的頻率（S1）",
  show.prc = TRUE
)

使用頻率呈現明顯的分化趨勢，使用頻率並未集中於單一區間，而是同時存在低頻與高頻使用者兩個相對明顯的群體，一方面，約44.7%的受訪者屬於低度或未使用TikTok的族群；高頻使用者「每天好幾次」亦占有相當比例（22.2%）。

S2 : 請問您平常單次使用TikTok抖音大概的時間長度?

library(readxl)
tiktok2025data <- read_excel("民主實驗室TikTok使用者網路調查_資料檔0326.xlsx")
Warning: Expecting logical in AD1361 / R1361C30: got '社會民主黨'
Warning: Expecting logical in AD1975 / R1975C30: got '不一定'
Warning: Expecting logical in AD2298 / R2298C30: got '勞工黨'
library(sjmisc)
library(sjlabelled)

# S2r：1-5 代表使用時間由短到長
tiktok2025data$S2r <- rec(
  tiktok2025data$S2,
  rec = "1='10分鐘以內'; 2='10分鐘~30分鐘'; 3='30分鐘~1小時'; 4='1小時~3小時'; 5='3小時以上'; else=NA",
  as.num = TRUE
)

tiktok2025data$S2r <- set_label(tiktok2025data$S2r, "單次使用 TikTok 的時間長度（S2）")

# 把 1-5 的 value labels 裝回去（這樣 plot/frq 才會顯示中文）
tiktok2025data$S2r <- set_labels(
  tiktok2025data$S2r,
  labels = c(
    "10分鐘以內" = 1,
    "10分鐘~30分鐘" = 2,
    "30分鐘~1小時" = 3,
    "1小時~3小時" = 4,
    "3小時以上" = 5
  )
)
Warning in set_labels_helper(x = .dat, labels = labels, force.labels =
force.labels, : Character vectors can only get labels of same type.
sjmisc::frq(tiktok2025data$S2r)
單次使用 TikTok 的時間長度（S2） (x) <character> 
# total N=2612 valid N=2135 mean=2.46 sd=1.29

Value           |   N | Raw % | Valid % | Cum. %
------------------------------------------------
'10分鐘~30分鐘' | 687 | 26.30 |   32.18 |  32.18
'10分鐘以內'    | 531 | 20.33 |   24.87 |  57.05
'1小時~3小時'   | 255 |  9.76 |   11.94 |  68.99
'30分鐘~1小時'  | 579 | 22.17 |   27.12 |  96.11
'3小時以上'     |  83 |  3.18 |    3.89 | 100.00
<NA>            | 477 | 18.26 |    <NA> |   <NA>
tiktok2025data$S2r[tiktok2025data$S1 == 1] <- NA
library(ggplot2)
Warning: package 'ggplot2' was built under R version 4.5.2

Attaching package: 'ggplot2'
The following object is masked from 'package:sjPlot':

    set_theme
The following object is masked from 'package:sjlabelled':

    as_label
ggplot(tiktok2025data, aes(x = S2)) +
  geom_bar(fill = "#4C72B0") +
  scale_x_continuous(
    breaks = 1:5,
    labels = c(
      "10分鐘以內",
      "10分鐘～30分鐘",
      "30分鐘～1小時",
      "1小時～3小時",
      "3小時以上"
    )
  ) +
  labs(
    x = "單次使用 TikTok 的時間長度（S2）",
    y = "人數"
  )
Warning: Removed 477 rows containing non-finite outside the scale range
(`stat_count()`).

Q2 : 請問您過去一年來，較常從哪些管道得知政治或公共議題相關訊息？（複選最多三個）

Q2反映受訪者是否從中國社群媒體接收政治或公共觀點，獲取資訊來源的不同，可能會影響受訪者的政治態度和對中國的好感度，由於我國與中國、甚至是歐美國家與中國，對很多事件的立場是不同的，所以如果習慣依賴中國社群平台作為獲取政治資訊、公共議題資訊的來源管道，此種人會與未依賴的人，對中國的態度也有所不同。

1 = 是（只要任一欄有出現代碼9） 0 = 否（三欄都沒有出現代碼9）

library(dplyr)
library(sjmisc)
library(sjlabelled)

Q2data <- tiktok2025data %>%
  select(Q2_1, Q2_2, Q2_3) %>%
  mutate(across(everything(), ~na_if(., 90)))
#Q2:是否使用 TikTok 作為政治資訊來源
#有選TikTok（9）→ 1 沒選 → 0
Q2data <- Q2data %>%
  mutate(
    use_tiktok_politics = if_else(
      Q2_1 == 9 | Q2_2 == 9 | Q2_3 == 9,
      1, 0
    )
  )

Q2data$use_tiktok_politics <- set_label(
  Q2data$use_tiktok_politics,
  "請問您過去一年來，較常從哪些管道得知政治或公共議題相關訊息"
)

Q2data$use_tiktok_politics <- set_labels(
  Q2data$use_tiktok_politics,
  labels = c(
    "未使用TikTok作為政治資訊來源" = 0,
    "曾使用TikTok作為政治資訊來源" = 1
  )
)
sjmisc::frq(Q2data$use_tiktok_politics)
請問您過去一年來，較常從哪些管道得知政治或公共議題相關訊息 (x) <numeric> 
# total N=2612 valid N=1481 mean=0.26 sd=0.44

Value |                        Label |    N | Raw % | Valid % | Cum. %
----------------------------------------------------------------------
    0 | 未使用TikTok作為政治資訊來源 | 1099 | 42.08 |   74.21 |  74.21
    1 | 曾使用TikTok作為政治資訊來源 |  382 | 14.62 |   25.79 | 100.00
 <NA> |                         <NA> | 1131 | 43.30 |    <NA> |   <NA>
plot_frq(
  Q2data$use_tiktok_politics,
  show.prc = TRUE,    
  show.n = TRUE,        
  coord.flip = FALSE    
)

約25.8%的受訪者曾透過TikTok接觸政治或公共議題資訊，但仍有多數受訪者並未將TikTok作為政治資訊來源。 雖然TikTok主要被視為娛樂平台，但結果顯示，仍有相當比例的受訪者會在TikTok上接觸政治或公共議題相關內容，所以TikTok平台已具備一定程度的政治資訊傳遞功能。

(三)控制變項

（三）控制變項
題目 |
Q10.國內的政黨都有他們各自的支持者，也會有不喜歡他們的人。請問您整體而言最支持哪一個政黨？ |
Q46. 請問您過去是否曾經在中國居住超過一年以上的時間呢？ |

政黨認同(Q11)

Q11 <character> 
# total N=2612 valid N=2612 mean=4.85 sd=2.36

Value                |   N | Raw % | Valid % | Cum. %
-----------------------------------------------------
'小民參政歐巴桑聯盟' |  10 |  0.38 |    0.38 |   0.38
'不討厭任何政黨'     | 790 | 30.25 |   30.25 |  30.63
'台灣基進'           |  21 |  0.80 |    0.80 |  31.43
'民眾黨'             | 174 |  6.66 |    6.66 |  38.09
'民進黨'             | 868 | 33.23 |   33.23 |  71.32
'其他政黨'           |  22 |  0.84 |    0.84 |  72.17
'時代力量'           |  40 |  1.53 |    1.53 |  73.70
'國民黨'             | 647 | 24.77 |   24.77 |  98.47
'新黨'               |  15 |  0.57 |    0.57 |  99.04
'綠黨'               |   7 |  0.27 |    0.27 |  99.31
'親民黨'             |  18 |  0.69 |    0.69 | 100.00
<NA>                 |   0 |  0.00 |    <NA> |   <NA>
sjPlot::plot_frq(
  tiktok2025data$Q11,
  title = "政黨認同分布（Q11）"
)

過去是否曾經在中國居住過一年以上(Q46)

library(dplyr)
library(sjmisc)
library(readxl)

tiktok2025data <- read_excel("民主實驗室TikTok使用者網路調查_資料檔0326.xlsx")
Warning: Expecting logical in AD1361 / R1361C30: got '社會民主黨'
Warning: Expecting logical in AD1975 / R1975C30: got '不一定'
Warning: Expecting logical in AD2298 / R2298C30: got '勞工黨'
tiktok2025data$china_reside <- rec(
  tiktok2025data$Q46,
  rec = "1=1; 2=0; 3=NA",
  as.num = TRUE
)
library(sjlabelled)

tiktok2025data$china_reside <- set_label(
  tiktok2025data$china_reside,
  "是否曾在中國居住超過一年（Q46）"
)
tiktok2025data$china_reside <- set_labels(
  tiktok2025data$china_reside,
  labels = c(
    "未曾居住滿一年"=0,
    "曾居住超過一年"=1
  )
)

sjmisc::frq(tiktok2025data$china_reside)
是否曾在中國居住超過一年（Q46） (x) <numeric> 
# total N=2612 valid N=2477 mean=0.03 sd=0.18

Value |          Label |    N | Raw % | Valid % | Cum. %
--------------------------------------------------------
    0 | 未曾居住滿一年 | 2393 | 91.62 |   96.61 |  96.61
    1 | 曾居住超過一年 |   84 |  3.22 |    3.39 | 100.00
 <NA> |           <NA> |  135 |  5.17 |    <NA> |   <NA>
library(sjPlot)

plot_frq(
  tiktok2025data$china_reside,
  title = "是否曾在中國居住超過一年（Q46）",
  show.prc = TRUE,     # 顯示百分比
  show.ci  = FALSE,
  coord.flip = FALSE
)

從圖中可以看出，多數受訪者未曾在中國居住超過一年，而曾有長期居住中國經驗者約占樣本的一小部分。此結果顯示，樣本中具備中國長期生活經驗的受訪者比例有限，因此後續分析中將此變項作為控制變數，以避免其經驗背景影響對中國態度的判斷

(四)相關性檢定(卡方檢定)

由於我的DV是以Q24和Q25做平均指標，所以現在需要先做類別變數，做二元分類

library(dplyr)
library(sjPlot)

tiktok2025data <- tiktok2025data %>%
  mutate(
    china_favor = rowMeans(
      select(., Q24, Q25),
      na.rm = TRUE
    ),
    china_favor_bin = case_when(
      china_favor >= 4 ~ "高好感 (>=4)",
      china_favor <  4 ~ "低好感 (<4)",
      TRUE ~ NA_character_
    )
  )

1.DV(Q24)與S1的關係

library(dplyr)
library(sjPlot)

DVIV <- tiktok2025data %>%
  select(china_favor_bin, S1) %>% 
  na.omit() %>%
  mutate(
    china_favor_bin = factor(china_favor_bin, 
                             levels = c("低好感 (<4)", "高好感 (>=4)"),
                             labels = c("Low_Favor", "High_Favor")),
    S1 = as.factor(S1)
  )

sjt.xtab(
  var.row = DVIV$china_favor_bin,
  var.col = DVIV$S1,
  var.labels = c("China Favor", "S1 Groups"), 
  title = "Crosstab: China Favor by S1",     
  show.row.prc = TRUE,
  show.col.prc = TRUE,
  show.na = FALSE,
  statistics = "auto"
)
Crosstab: China Favor by S1
China Favor S1 Groups Total
1 2 3 4 5
Low_Favor 434
18.5 %
91 %		 633
27.1 %
91.9 %		 513
21.9 %
88.6 %		 237
10.1 %
82.9 %		 523
22.4 %
90 %		 2340
100 %
89.6 %
High_Favor 43
15.8 %
9 %		 56
20.6 %
8.1 %		 66
24.3 %
11.4 %		 49
18 %
17.1 %		 58
21.3 %
10 %		 272
100 %
10.4 %
Total 477
18.3 %
100 %		 689
26.4 %
100 %		 579
22.2 %
100 %		 286
10.9 %
100 %		 581
22.2 %
100 %		 2612
100 %
100 %
χ2=19.419 · df=4 · Cramer's V=0.086 · p=0.001
  1. DV(Q24)與S2的關係
library(dplyr)
library(sjPlot)

DVIV_S2 <- tiktok2025data %>%
  select(china_favor_bin, S2) %>% 
  na.omit() %>%
  mutate(
    china_favor_bin = factor(china_favor_bin, 
                             levels = c("低好感 (<4)", "高好感 (>=4)"),
                             labels = c("Low_Favor", "High_Favor")),
    S2 = as.factor(S2)
  )

sjt.xtab(
  var.row = DVIV_S2$china_favor_bin,
  var.col = DVIV_S2$S2,
  var.labels = c("China Favor", "S2 Groups"), 
  title = "Crosstab: China Favor by S2",
  show.row.prc = TRUE,
  show.col.prc = TRUE,
  show.na = FALSE,
  statistics = "auto"
)
Crosstab: China Favor by S2
China Favor S2 Groups Total
1 2 3 4 5
Low_Favor 486
25.5 %
91.5 %		 623
32.7 %
90.7 %		 514
27 %
88.8 %		 209
11 %
82 %		 74
3.9 %
89.2 %		 1906
100 %
89.3 %
High_Favor 45
19.7 %
8.5 %		 64
27.9 %
9.3 %		 65
28.4 %
11.2 %		 46
20.1 %
18 %		 9
3.9 %
10.8 %		 229
100 %
10.7 %
Total 531
24.9 %
100 %		 687
32.2 %
100 %		 579
27.1 %
100 %		 255
11.9 %
100 %		 83
3.9 %
100 %		 2135
100 %
100 %
χ2=18.633 · df=4 · Cramer's V=0.093 · p=0.001

(五)多重對應分析

題目:使用TikTok是否會影響對中國的好感度

依變數(DV)選擇:china_favor(對中國的好感度)

自變數(IV)選擇: S1(TikTok使用頻率)、S2(TikTok單次使用時間)、Q10(政黨立場)、Q46(是否曾居住中國一年以上)

(一)確認工作路徑

here::here()
[1] "C:/Users/user/Desktop/try/1009project"
library(dplyr)
library(readxl)
library(sjmisc)
library(sjlabelled)

(二)讀取資料

tiktok <- readxl::read_excel("民主實驗室TikTok使用者網路調查_資料檔0326.xlsx")
Warning: Expecting logical in AD1361 / R1361C30: got '社會民主黨'
Warning: Expecting logical in AD1975 / R1975C30: got '不一定'
Warning: Expecting logical in AD2298 / R2298C30: got '勞工黨'
tiktok_sub <- tiktok %>%
  select(
    Q24, Q25,          
    S1, S2,            
    Q2_1, Q2_2, Q2_3,  
    Q10,               
    Q46,               
  )

nrow(tiktok_sub)
[1] 2612

(三)將Q24+Q25、S1、S2、Q10、Q46重新編碼

DV：china_favor_bin

# Q24：對中國政府印象（1=非常不喜歡 ~ 6=非常喜歡）
# Q25：對中國民眾印象（1=非常不喜歡 ~ 6=非常喜歡）
# 重新編碼成0=低好感(<4)；1=高好感(>=4)

tiktok_sub$china_favor <- rowMeans(
  tiktok_sub[, c("Q24", "Q25")],
  na.rm = TRUE
)

tiktok_sub$china_favor_bin <- ifelse(
  tiktok_sub$china_favor >= 4,
  1, 0
)

IV：S1_bin（TikTok 使用頻率）

# S1：1=從來沒有~5=每天好幾次
# 重新編碼成0=低頻率（1,2,3）；1=高頻率（4,5）

tiktok_sub$S1_bin <- ifelse(
  tiktok_sub$S1 %in% c(4, 5),
  1, 0
)

IV：S2_bin（單次使用時間）

# S2：1=10分鐘內 ~ 5=3小時以上
# 重新編碼成 0=短時間（1,2,3）；1=長時間（4,5）

tiktok_sub$S2_bin <- ifelse(
  tiktok_sub$S2 %in% c(4, 5),
  1, 0
)

IV：use_tiktok_politics(原本是Q2)

# 只要 Q2_1 / Q2_2 / Q2_3 任一題選到 9（TikTok）就=1

tiktok_sub$use_tiktok_politics <- ifelse(
  tiktok_sub$Q2_1 == 9 |
  tiktok_sub$Q2_2 == 9 |
  tiktok_sub$Q2_3 == 9,
  1, 0
)

CV：

#1=泛藍政黨
#0=其他政黨

tiktok_sub$party_id_bin <- ifelse(
  tiktok_sub$Q10 %in% c(2, 6),  
  1, 0
)
# Q46：1=曾居住超過一年
#      2=未曾居住滿一年
#      3=不方便透露
#1=曾居住
#0=未曾居住

tiktok_sub$china_reside <- NA
tiktok_sub$china_reside[tiktok_sub$Q46 == 1] <- 1
tiktok_sub$china_reside[tiktok_sub$Q46 == 2] <- 0
summary(tiktok_sub$china_favor_bin)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
 0.0000  0.0000  0.0000  0.1041  0.0000  1.0000 
summary(tiktok_sub$S1_bin)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
 0.0000  0.0000  0.0000  0.3319  1.0000  1.0000 
summary(tiktok_sub$S2_bin)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
 0.0000  0.0000  0.0000  0.1294  0.0000  1.0000 
summary(tiktok_sub$use_tiktok_politics)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
 0.0000  0.0000  0.0000  0.2569  1.0000  1.0000    1125 
summary(tiktok_sub$party_id_bin)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
 0.0000  0.0000  0.0000  0.1221  0.0000  1.0000 
summary(tiktok_sub$china_reside)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
0.00000 0.00000 0.00000 0.03391 0.00000 1.00000     135

在問卷結果中，多數受訪者對中國的整體好感度偏低；在TikTok使用行為上，使用頻率與單次使用時間皆呈現高低分化的情形；有約四分之一的受訪者曾透過TikTok接觸政治或公共議題資訊；曾在中國居住一年以上者比例比較低。

(五)開始分析 1. 先單獨分析每個自變數與依變數之間的關係

summary(
  glm(china_favor_bin ~ S1_bin,
      family = binomial,
      data = tiktok_sub)
)

Call:
glm(formula = china_favor_bin ~ S1_bin, family = binomial, data = tiktok_sub)

Coefficients:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept) -2.25923    0.08181 -27.614   <2e-16 ***
S1_bin       0.29875    0.13174   2.268   0.0233 *  
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 1745.2  on 2611  degrees of freedom
Residual deviance: 1740.2  on 2610  degrees of freedom
AIC: 1744.2

Number of Fisher Scoring iterations: 5

依照迴歸結果顯示，TikTok的使用頻率對受訪者對中國好感度具有顯著影響，在其他條件相同下，高頻率的使用TikTok的受訪者，對中國抱持好感度的勝算，約為低頻率的1.35 倍，所以這個此結果支持假設一。

summary(
  glm(china_favor_bin ~ S2_bin,
      family = binomial,
      data = tiktok_sub)
)

Call:
glm(formula = china_favor_bin ~ S2_bin, family = binomial, data = tiktok_sub)

Coefficients:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept) -2.24911    0.07138 -31.511  < 2e-16 ***
S2_bin       0.61099    0.16374   3.732  0.00019 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 1745.2  on 2611  degrees of freedom
Residual deviance: 1732.5  on 2610  degrees of freedom
AIC: 1736.5

Number of Fisher Scoring iterations: 5

迴歸的結果顯示出，TikTok單次使用時間較長的使用者，更可能對中國抱持好感度，單次使用TikTok時間較長者，對中國政府抱持好感度的勝算，約為短時間使用者的1.84 倍，所以有顯著影響，假設二得到支持。

summary(
  glm(china_favor_bin ~ use_tiktok_politics,
      family = binomial,
      data = tiktok_sub)
)

Call:
glm(formula = china_favor_bin ~ use_tiktok_politics, family = binomial, 
    data = tiktok_sub)

Coefficients:
                    Estimate Std. Error z value Pr(>|z|)    
(Intercept)         -2.15277    0.09851 -21.853   <2e-16 ***
use_tiktok_politics  0.06150    0.19093   0.322    0.747    
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 1002.8  on 1486  degrees of freedom
Residual deviance: 1002.7  on 1485  degrees of freedom
  (1125 observations deleted due to missingness)
AIC: 1006.7

Number of Fisher Scoring iterations: 4

是否使用TikTok作為政治、公共議題資訊來源本身，並沒有顯著影響受訪者對中國的好感。

m_final <- glm(
  china_favor_bin ~ S1_bin + S2_bin + use_tiktok_politics +
                    party_id_bin + china_reside,
  family = binomial,
  data = tiktok_sub
)

summary(m_final)

Call:
glm(formula = china_favor_bin ~ S1_bin + S2_bin + use_tiktok_politics + 
    party_id_bin + china_reside, family = binomial, data = tiktok_sub)

Coefficients:
                    Estimate Std. Error z value Pr(>|z|)    
(Intercept)          -2.6459     0.1396 -18.950  < 2e-16 ***
S1_bin                0.2968     0.2015   1.473    0.141    
S2_bin                0.1711     0.2575   0.664    0.506    
use_tiktok_politics  -0.1683     0.2223  -0.757    0.449    
party_id_bin          1.1846     0.2078   5.700 1.20e-08 ***
china_reside          1.6037     0.3181   5.041 4.63e-07 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 915.68  on 1404  degrees of freedom
Residual deviance: 857.63  on 1399  degrees of freedom
  (1207 observations deleted due to missingness)
AIC: 869.63

Number of Fisher Scoring iterations: 5
exp(coef(m_final))
        (Intercept)              S1_bin              S2_bin use_tiktok_politics 
         0.07094499          1.34555057          1.18656102          0.84507597 
       party_id_bin        china_reside 
         3.26952817          4.97145392 
exp(confint(m_final))
Waiting for profiling to be done...
                         2.5 %    97.5 %
(Intercept)         0.05346384 0.0924791
S1_bin              0.90335365 1.9930490
S2_bin              0.70749760 1.9464287
use_tiktok_politics 0.54078664 1.2950294
party_id_bin        2.16087737 4.8886506
china_reside        2.61750817 9.1707202

在同時納入TikTok使用行為、政黨認同與是否曾在中國居住一年以上作為解釋變數後，TikTok的使用頻率、單次使用時間，以及是否作為政治資訊來源，皆未對受訪者對中國的好感度產生顯著影響，然而，政黨認同與中國居住經驗則呈現高度顯著的正向影響。

在控制其他變數後，泛藍政黨支持者對中國抱持正面好感的勝算，約為其他受訪者的3.25倍，且效果高度顯著。

曾在中國居住一年以上的受訪者，對中國抱持正面好感的勝算，約為未曾居住者的 近 5 倍

因此，TikTok的影響，可能還不如政治認同與個人的經驗來的關鍵

而本次研究的假設，根據以上的結果:

假設一:中國社群媒體的使用頻率越高，可能對中國有越高的好感度 (單獨變數的時候顯著；但控制後就不顯著)，所以只有部分支持

假設二:單次使用時間越長，可能對中國有越高的好感度 (單獨變數的時候顯著；但控制後就不顯著)，所以只有部分支持

假設三:泛藍政黨支持者相較於其他選民，可能對中國有越高的好感度 (高度顯著)，所以支持

假設四:曾在中國居住一年以上者，可能對中國有越高的好 (高度顯著)，所以支持