| 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？ | |
使用TikTok是否會影響對中國的好感度
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台灣人民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，中國的流行文化、網路梗、影視明星等等、日常生活用語、時勢潮流，都深深影響台灣人民，甚至有許多青少年開始學習簡體字、崇尚中國環境、貶低本國政府等，也因此許多人會擔心，如此沉迷於中國社群媒體，是否會影響台灣人對中國的看法和好感度，因而影響其國家認同，甚至有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。也因此台灣政府或公共政策網路參與平台在許多相關政策提案上，例如:是否該禁止抖音、封鎖小紅書等，社會上常常有兩極的看法，也導致社會上有許多的爭吵與謾罵。
根據BBC於2023年的報導，美國多數年輕TikTok使用者並不認為自身的使用行為會對國家安全造成影響，亦普遍將自己視為非重要的政治行為者，並表示其在平台上的使用目的主要為娛樂而非接觸政治資訊，因此未意識到個人行為可能具有政治影響力(BBC,2023)。台灣媒體的相關報導亦呈現相似現象，多數年輕受訪者指出，其使用中國社群媒體的主要動機在於娛樂與生活資訊，而非政治內容，並不會因此產生任何影響。 而學者Nye(2004)提出「軟實力」概念，認為大眾文化，例如好萊塢電影、新聞媒體等，是傳遞價值觀的重要媒介，當他國的人民接受到這些文化產品的時候，會對該國產生好感和吸引力，進而影響他們對該國的形象評價與態度。而隨著當代跨國媒體與數位平台的普及，文化內容不再只是由傳統媒體傳播，而是透過社群平台更直接地進入人民的日常生活，成為影響國家形象的重要途徑。
法務部調查局(2025)引述BBC中文(2022)對學者沈伯洋訪問的言論，TikTok看似無害，但中共卻會利用這個管道去影響台灣人民的意志，硬性的大外宣(即訴說中國有多好)是針對海外華人、老年人，但這種方式對年輕人來說行不通，透過中國社群平台，告訴年輕人民主國家有何弊端，讓年輕人政治冷感，認為中國其實不危險，抗中行動無意義等，會潛移默化影響年輕人的意識形態。 但根據密西根學派理論主張，政黨認同才是最深層、最穩定的核心，而去影響對議題與候選人評價，以及投票行為。
在此背景下，本研究主要提出一個核心問題，使用TikTok是否會影響台灣民眾對中國的好感度？還是其實真正關鍵是政黨認同與個人是否曾在中國長期居住這類背景因素?
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
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。
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。
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
一、對中國的好感度（DV）
我的依變數是「對中國的整體好感度」，用Q24(對中國政府印象和Q25(對中國民眾印象)取平均，然後我再把它做二元化，避免過度偏重政府或民眾 平均分大於等於4代表高好感，編碼為1；平均分小於4代表低好感，編碼為0
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。
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_rowsThe following objects are masked from 'package:stats':
filter, lagThe following objects are masked from 'package:base':
intersect, setdiff, setequal, uniontiktok2025data <- 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_labellibrary(sjmisc)Learn more about sjmisc with 'browseVignettes("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>整體好感度平均大約2.54
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$china_favor_6)
本研究以Q24（對中國政府的整體印象）與Q25（對中國民眾的整體印象）之平均值，來建構「對中國的整體好感度」，整體樣本對中國的好感度明顯偏低，將近九成的受訪者，對中國整體抱持負面態度；僅約一成受訪者表現出正向好感。
(二)中國社群媒體使用狀況（IV）
本研究將S1（使用頻率）及S2（使用時長）作為主要自變數，用以衡量受訪者接觸TikTok的程度，為了了解受訪者的整體資訊環境，以Q2來描述受訪者在政治與公共議題上最為信賴的資訊來源。
| 題目 | |
|---|
| S1.請問您最近一年有多常使用TikTok抖音？ | |
| S2.請問您平常單次使用TikTok抖音大概的時間長度？ | |
S1 : 請問您最近一年有多常使用TikTok抖音?
library(sjlabelled)
library(sjmisc)
#將這些文字轉換為數字編碼，從1到5，表示使用頻率的增加
tiktok2025data$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 4.5.2plot_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$S2r, "單次使用 TikTok 的時間長度（S2）")
tiktok2025data$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] <- NAlibrary(ggplot2)Warning: package 'ggplot2' was built under R version 4.5.2
Attaching package: 'ggplot2'The following object is masked from 'package:sjPlot':
set_themeThe following object is masked from 'package:sjlabelled':
as_labelggplot(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()`).
從圖中可以看出，受訪者的TikTok單次使用時間主要集中在「10 分鐘～30 分鐘」以及「30 分鐘～1小時」這兩個區間，顯示多數使用者屬於中度使用者，而非長時間使用，但仍存在長時間使用的群體。
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)編碼為1；沒選編碼為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
| 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$china_reside,
title = "是否曾在中國居住超過一年（Q46）",
show.prc = TRUE,
show.ci = FALSE,
coord.flip = FALSE
)
從圖中可以看出，多數受訪者未曾在中國居住超過一年，而曾有長期居住中國經驗者約占樣本的一小部分。此結果顯示，樣本中具備中國長期生活經驗的受訪者比例有限，因此後續分析中將此變項作為控制變數，以避免其經驗背景影響對中國態度的判斷
(四)相關性檢定(卡方檢定)
接著我先用卡方檢定看有沒有關聯性，由於我的DV是以Q24和Q25做平均指標，所以現在需要先做類別變數，做二元分類
library(dplyr)
library(sjPlot)
tiktok2025data <- tiktok2025data %>%
mutate(
china_favor = rowMeans(
select(., Q24, Q25),
na.rm = TRUE
),
china_favor_bin = case_when(
china_favor >= 4 ~ "高好感 (>=4)",
china_favor < 4 ~ "低好感 (<4)",
TRUE ~ NA_character_
)
)1.DV(Q24)與S1的關係
library(dplyr)
library(sjPlot)
DVIV <- tiktok2025data %>%
select(china_favor_bin, S1) %>%
na.omit() %>%
mutate(
china_favor_bin = factor(china_favor_bin,
levels = c("低好感 (<4)", "高好感 (>=4)"),
labels = c("Low_Favor", "High_Favor")),
S1 = as.factor(S1)
)
sjt.xtab(
var.row = DVIV$china_favor_bin,
var.col = DVIV$S1,
var.labels = c("China Favor", "S1 Groups"),
title = "Crosstab: China Favor by S1",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
statistics = "auto"
)| China Favor | S1 Groups | Total | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| Low_Favor | 434 18.5 % 91 % |
633 27.1 % 91.9 % |
513 21.9 % 88.6 % |
237 10.1 % 82.9 % |
523 22.4 % 90 % |
2340 100 % 89.6 % |
| High_Favor | 43 15.8 % 9 % |
56 20.6 % 8.1 % |
66 24.3 % 11.4 % |
49 18 % 17.1 % |
58 21.3 % 10 % |
272 100 % 10.4 % |
| Total | 477 18.3 % 100 % |
689 26.4 % 100 % |
579 22.2 % 100 % |
286 10.9 % 100 % |
581 22.2 % 100 % |
2612 100 % 100 % |
| χ2=19.419 · df=4 · Cramer's V=0.086 · p=0.001 | ||||||
使用頻率(S1)和中國好感度有顯著關聯，雖然效果不大，僅為邊緣顯著，但至少顯示出使用頻率越高，好感度高的比例也略高。
- DV(Q24)與S2的關係
library(dplyr)
library(sjPlot)
DVIV_S2 <- tiktok2025data %>%
select(china_favor_bin, S2) %>%
na.omit() %>%
mutate(
china_favor_bin = factor(china_favor_bin,
levels = c("低好感 (<4)", "高好感 (>=4)"),
labels = c("Low_Favor", "High_Favor")),
S2 = as.factor(S2)
)
sjt.xtab(
var.row = DVIV_S2$china_favor_bin,
var.col = DVIV_S2$S2,
var.labels = c("China Favor", "S2 Groups"),
title = "Crosstab: China Favor by S2",
show.row.prc = TRUE,
show.col.prc = TRUE,
show.na = FALSE,
statistics = "auto"
)| China Favor | S2 Groups | Total | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| Low_Favor | 486 25.5 % 91.5 % |
623 32.7 % 90.7 % |
514 27 % 88.8 % |
209 11 % 82 % |
74 3.9 % 89.2 % |
1906 100 % 89.3 % |
| High_Favor | 45 19.7 % 8.5 % |
64 27.9 % 9.3 % |
65 28.4 % 11.2 % |
46 20.1 % 18 % |
9 3.9 % 10.8 % |
229 100 % 10.7 % |
| Total | 531 24.9 % 100 % |
687 32.2 % 100 % |
579 27.1 % 100 % |
255 11.9 % 100 % |
83 3.9 % 100 % |
2135 100 % 100 % |
| χ2=18.633 · df=4 · Cramer's V=0.093 · p=0.001 | ||||||
使用時長(S2)和中國好感度有顯著關聯，長時間使用者，高好感的比例也較高。 因此，整體而言，初步分析顯示TikTok的使用頻率與單次使用時間，皆與對中國的好感度呈現顯著關聯。
(五)多重對應分析
題目:使用TikTok是否會影響對中國的好感度
依變數(DV)選擇:china_favor(對中國的好感度)
自變數(IV)選擇: S1(TikTok使用頻率)、S2(TikTok單次使用時間)、Q10(政黨立場)、Q46(是否曾居住中國一年以上)
(一)確認工作路徑
here::here()[1] "C:/Users/user/Desktop/try/1009project"library(dplyr)
library(readxl)
library(sjmisc)
library(sjlabelled)(二)讀取資料
tiktok <- readxl::read_excel("民主實驗室TikTok使用者網路調查_資料檔0326.xlsx")Warning: Expecting logical in AD1361 / R1361C30: got '社會民主黨'Warning: Expecting logical in AD1975 / R1975C30: got '不一定'Warning: Expecting logical in AD2298 / R2298C30: got '勞工黨'tiktok_sub <- tiktok %>%
select(
Q24, Q25,
S1, S2,
Q2_1, Q2_2, Q2_3,
Q10,
Q46,
)
nrow(tiktok_sub)[1] 2612(三)將Q24+Q25、S1、S2、Q10、Q46重新編碼
DV：china_favor_bin
# Q24：對中國政府印象（1=非常不喜歡 ~ 6=非常喜歡）
# Q25：對中國民眾印象（1=非常不喜歡 ~ 6=非常喜歡）
# 重新編碼成0=低好感(<4)；1=高好感(>=4)
tiktok_sub$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： 我將政黨立場二分為泛藍政黨和其他政黨
#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$Q46 == 2] <- 0summary(tiktok_sub$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
- TikTok的使用頻率(S1)
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。
(2)TikTok單次使用時間(S2)
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。
(3)是否使用TikTok作為政治、公共議題資訊來源
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，並沒有顯著影響受訪者對中國的好感。(所以下一步將會抽掉Q2)
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: 5exp(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分析解讀: 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，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，也就是說，一開始TikTok的使用行為看起來是有效果的，但當我把政治立場與居住經驗放進來後，TikTok使用行為的獨立效果就消失了。 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
結果呈現「虛假相關」，TikTok使用與中國好感度之間，表面上看起來有顯著的關聯，但這個關聯其實是因為既有政治立場與居住經驗共同影響了兩者，並非直接因果關係，屬於典型的虛假相關，因此，TikTok的使用行為影響，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:TikTok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:TikTok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
但個人的解讀認為，密西根學派所主張的政黨認同是最深層政治心理結構，這是我支持的，也是我本次得出的結果，也因此TikTok的使用行為可能只是和既有政治立場或居住經驗背景一起出現，而真正能穩定解釋對中國好感度的因素，是政黨認同跟長期在中國居住的經驗，但多數學者所憂心的，關於使用中國社群媒體，會潛移默化影響年輕人的意識形態這件事情，我認為仍有持續關注之必要，因為年輕世代對於傳統政黨的忠誠度顯然低於年長世代，而透過社群媒體快速傳播負面訊息，會更容易激發對現有政黨的反感，因此仍有觀察研究之必要。
六、參考資料
1.Natalie Sherman(2023):《TikTok users shrug at China fears:’It’s hard to care’》.BBC news. https://www.bbc.com/news/business-64827885
2.Nye,J.S. (2004). Soft power: The means to success in world politics. New York: Public Affairs.
3.Campbell, A., Converse, P. E., Miller, W. E., & Stokes, D. E. (1960). The American voter. University of Chicago Press.
4.法務部調查局(2025)。TikTok對國家安全的影響。清流雙月刊，P15。 https://www.mjib.gov.tw/FileUploads/eBooks/e3a2fe4c6ab04f10b823282ffd64ec57/Section_file/c34954e9758c4689b9358618e0aa7c16.pdf
5.BBC News中文（2022）。「認知戰」憂慮vs捍衛民主價值：台灣會徹底封殺抖音和 TikTok嗎？ https://www.bbc.com/zhongwen/trad/chinese-news-64062953