台灣民眾對轉型正義態度的群像分析-以2020年第二次社會意向調查為例

Author

中山大學政治所碩一吳恩萱 email:fionawusxf@gmail.com

Published

June 15, 2026

壹、研究動機與目的

第三波民主化，為許多國家帶來從威權獨裁的政治體制轉向民主國家的經驗。根據台灣民間真相促進委員會說明，在民主轉型後，國家如何面對過去威權政體下所帶來的普遍性侵害與壓迫人權的行為，以及一系列影響社會的善後工作，是轉型正義需要面對的重要問題。在我國，針對轉型正義的相關研究，學界常見的討論有重建歷史真相與追究過去司法正義。在相關的實證研究上，顯示出將近有七成的台灣民眾並不了解轉型正義在做什麼，同時認為轉型正義的推動無法促成社會和解，更可能成為淪為政治清算的工具（汪宏倫，2022）。再進一步討論支持與不支持的兩個群體時，常見的有從政黨傾向、統獨立場、抑或是對政府與政策的觀感等不同面向著手探討。其中，在人格特質的相關研究則發現到，性格較開放的民眾，支持轉型正義工作的機會越大(Tsia &Wang,2025)。此外，從這兩份資料中可以看到，民眾對轉型正義的態度呈現越來越支持的趨勢，也開始認同除了移除威權象徵以外的其他轉型正義工程。然而最終影響民眾態度的重要因素通常為統獨立場、國族認同與政黨傾向。在現實社會的觀察上，每當政府在追憶與舉辦相關紀念活動，抑或是相關民間團體進行倡議時，總會遇到部分民眾在線上或線下發表「那些都過去了，為什麼還要再提、都只是政黨鬥爭的工具」……等言論。諸如上述都顯見了轉型正義的推動在臺灣社會間仍然存在著重大分歧，也難以脫下特定政黨的標籤。

而本研究想要借鑑於既有的研究，以探索式分析的方式重新探詢臺灣人在面對轉型正義議題的態度呈現，以及支持與不支持轉型正義的民眾之間是否存在什麼樣的差異，又在不同層次的維度上是哪些因素與支持與否的態度有關。

貳、研究資料與方法

一、研究資料

由於以轉型正義為題的公開問卷資料較少，本研究資料參考並選用SRDA資料庫2020年第二次社會意向調查（https://srda.sinica.edu.tw/search/metadata/detail/C0035）。該調查是以了解台灣社會脈動快速變遷過程為目標，除了定期衡量有關台灣社會的經典議題（如兩岸關係、生活經濟水準、社會發展），也在同一年度下另加設有關新冠肺炎疫情及轉型正義兩個子題。其調查時間民國109年11月23日至12月15日，以電話訪問進行資料蒐集，共完成1,218案。

在抽樣上採用分層多階段RDD-PPS隨機暨戶中抽樣法。第一階段計算各縣市所需抽取之人數，接著抽出中選局碼。第二階段於中選局碼內抽選千位碼。第三階段結合前述中選電話局碼與千位碼後，採末三碼隨機抽出中選樣本電話。第四階段利用洪永泰（2001）調整後的電話號碼尾數戶中選樣表，以戶中合格人數搭配合格男性人數及電話號碼末2碼，最後抽出應受訪對象。

code

here::here() 
library(sjlabelled)
library(readxl)
library(dplyr)
library(sjmisc)
library(sjPlot)
library(here)

TWTJ2020 <- read.csv("C00358/data.csv")
save(TWTJ2020,file= "TWTJ2020.csv", compress = T)

code

#讀入另存資料
load("TWTJ2020.csv")
View(TWTJ2020)
#清理無效值
library(sjmisc)
TWTJ2020r <- set_na(TWTJ2020, na=c(98:99, "NA"))  
save(TWTJ2020r,file= "TWTJ2020r.rda", compress = T)
#讀入清理好的資料(TikTok2025datr)
load("TWTJ2020r.rda")
#查看資料結構
nrow(TWTJ2020r)
names(TWTJ2020r)
str(TWTJ2020r)

二、變數選擇與編碼

本研究聚焦於探討民眾對轉型正義態度的呈現，在核心變數上以上述眾文獻中對轉型正義的定義與工作目標為參照標準，同時身分認同與政黨傾向是與轉型正義態度之所以不同的重要因素，故選擇以下題目為本次的核心變數測量。

其次，在主要的核心變數外，本研究試圖補足過去特定的變數缺口，期待透過擴展不同面向的議題態度呈現，能夠更好的捕捉到態度間的差異呈現，以及群像特徵。因此加入探索對香港、中國與台灣的三種未來前景看法、香港反送中、信任與快樂程度、美豬進口議題與國防議題等題目。在輔助變數上，由於資料限制，故僅將婚姻狀況納入。

（一）核心變數

[轉型正義看法與工作目標]

轉型正義是指在民主轉型後，國家如何面對過去威權政體下所帶來的侵害與壓迫人權的行為，以及一系列造成社會分裂的善後工作。在民主化後欲推動轉型正義工程，通常由國家成立專責單位協助推動。然而早在我國政府之前，民間組織已先行成立並進行相關業務，例如真促會在2007年成立。隨後為了落實轉型正義目標，我國也在2017年通過《促進轉型正義條例》，並於隔年成立任務型機關的「促進轉型正義委員會」，主要任務有針對過去威權統治時期，規劃並推動還原歷史真相、開放政治檔案、平復司法不公、促進社會和解、不當黨產處理及運用等工作，後依法解散將業務歸入行政院人權及轉型正義處。本研究將參考我國推動轉型正義的主要目標與工作項目，篩選出以下探討轉型正義的核心變數。

３４.在威權統治時期，政府曾經監控異議份子並且留下紀錄。請問您認為這些紀錄現在應該怎麼處理？

(01)全部公開 (02)看情況，有些公開、有些不公開 (03)原則上不應該公開，只能提供給與紀錄有關的當事人看 (04)全部都不公開 (05)沒有意見 (97)不知道 (98)拒答

code

table(TWTJ2020r$v34)


  1   2   3   4   5 
249 205 466 232  12

code

TWTJ2020r$v34r <- rec(TWTJ2020r$v34,rec= "1=1[allopen];2:3=2[selectopen];4=0[noneopen]", as.num=F)
frq(TWTJ2020r$v34r)

x <categorical> 
# total N=1218 valid N=1152 mean=1.38 sd=0.80

Value |      Label |   N | Raw % | Valid % | Cum. %
---------------------------------------------------
    0 |   noneopen | 232 | 19.05 |   20.14 |  20.14
    1 |    allopen | 249 | 20.44 |   21.61 |  41.75
    2 | selectopen | 671 | 55.09 |   58.25 | 100.00
 <NA> |       <NA> |  66 |  5.42 |    <NA> |   <NA>

code

#frq(TWTJ2020r$v34r, weights = (TWTJ2020r$WT, out = "v")

３５.現在台灣的公共場所還有很多蔣公銅像，有人認為應該盡量移除。請問您同不同意？

(01)非常同意 (02)同意 (03)不同意 (04)非常不同意 (05)沒有意見 (97)不知道 (98)拒答

code

table(TWTJ2020r$v35)


  1   2   3   4   5 
158 175 474 356  28

code

TWTJ2020r$v35r <- rec(TWTJ2020r$v35,rec= "1:2=1[provrosta];3:4=0[dtprovrosta];5=NA", as.num=F)
frq(TWTJ2020r$v35r)

x <categorical> 
# total N=1218 valid N=1163 mean=0.29 sd=0.45

Value |       Label |   N | Raw % | Valid % | Cum. %
----------------------------------------------------
    0 | dtprovrosta | 830 | 68.14 |   71.37 |  71.37
    1 |   provrosta | 333 | 27.34 |   28.63 | 100.00
 <NA> |        <NA> |  55 |  4.52 |    <NA> |   <NA>

３６.請問您了不了解政府推動轉型正義的工作？

(01)非常了解 (02)了解 (03)不了解 (04)非常不了解 (97)不知道 (98)拒答

code

table(TWTJ2020r$v36)


  1   2   3   4 
 77 246 419 462

code

TWTJ2020r$v36r <- rec(TWTJ2020r$v36,rec= "1:2=1[knowgovtj];3:4=0[dtknowgovtj]", as.num=F)
frq(TWTJ2020r$v36r)

x <categorical> 
# total N=1218 valid N=1204 mean=0.27 sd=0.44

Value |       Label |   N | Raw % | Valid % | Cum. %
----------------------------------------------------
    0 | dtknowgovtj | 881 | 72.33 |   73.17 |  73.17
    1 |   knowgovtj | 323 | 26.52 |   26.83 | 100.00
 <NA> |        <NA> |  14 |  1.15 |    <NA> |   <NA>

３7 .有人認為，到目前為止，台灣在轉型正義的處理上對社會的和解有幫助。請問您同不同意這種說法？

(01)非常同意 (02)同意 (03)不同意 (04)非常不同意 (05)沒有意見 (97)不知道 (98)拒答

code

table(TWTJ2020r$v37)


  1   2   3   4   5 
112 375 295 371  10

code

TWTJ2020r$v37r <- rec(TWTJ2020r$v37,rec= "1:2=1[Ycomp];3:4=0[Ncomp];5=NA", as.num=F)
frq(TWTJ2020r$v37r)

x <categorical> 
# total N=1218 valid N=1153 mean=0.42 sd=0.49

Value | Label |   N | Raw % | Valid % | Cum. %
----------------------------------------------
    0 | Ncomp | 666 | 54.68 |   57.76 |  57.76
    1 | Ycomp | 487 | 39.98 |   42.24 | 100.00
 <NA> |  <NA> |  65 |  5.34 |    <NA> |   <NA>

３８.有人認為，現在政府處理轉型正義只是為了打擊國民黨，但並沒有促進和解。請問您同不同意這種說法？

(01)非常同意 (02)同意 (03)不同意 (04)非常不同意 (05)沒有意見 (97)不知道 (98)拒答

code

table(TWTJ2020r$v38)


  1   2   3   4   5 
321 270 319 232   8

code

TWTJ2020r$v38r <- rec(TWTJ2020r$v38,rec= "1:2=0[Ykmtpc];3:4=1[Nkmtpc];5=NA", as.num=F)
frq(TWTJ2020r$v38r)

x <categorical> 
# total N=1218 valid N=1142 mean=0.48 sd=0.50

Value |  Label |   N | Raw % | Valid % | Cum. %
-----------------------------------------------
    0 | Ykmtpc | 591 | 48.52 |   51.75 |  51.75
    1 | Nkmtpc | 551 | 45.24 |   48.25 | 100.00
 <NA> |   <NA> |  76 |  6.24 |    <NA> |   <NA>

３９.請問您支不支持政府推動轉型正義的工作？

(01)非常支持 (02)支持 (03)不支持 (04)非常不支持 (97)不知道 (98)拒答

code

table(TWTJ2020r$v39)


  1   2   3   4 
238 414 234 252

code

TWTJ2020r$v39r <- rec(TWTJ2020r$v39,rec= "1:2=1[supgovtj];3:4=0[unsupgovtj]", as.num=F)
frq(TWTJ2020r$v39r)

x <categorical> 
# total N=1218 valid N=1138 mean=0.57 sd=0.49

Value |      Label |   N | Raw % | Valid % | Cum. %
---------------------------------------------------
    0 | unsupgovtj | 486 | 39.90 |   42.71 |  42.71
    1 |   supgovtj | 652 | 53.53 |   57.29 | 100.00
 <NA> |       <NA> |  80 |  6.57 |    <NA> |   <NA>

４０.如果有公民會議讓民眾可以針對轉型正義發表意見，提供政府參考，請問您願不願意參加【這樣的公民會議】？

(01)非常願意 (02)願意 (03)不願意 (04)非常不願意 (05)沒有意見 (97)不知道 (98)拒答

code

table(TWTJ2020r$v40)


  1   2   3   4   5 
202 411 382 200   4

code

TWTJ2020r$v40r <- rec(TWTJ2020r$v40,rec= "1:2=1[Ydelib];3:4=0[Ndelib];else=NA", as.num=F)
frq(TWTJ2020r$v40r)

x <categorical> 
# total N=1218 valid N=1195 mean=0.51 sd=0.50

Value |  Label |   N | Raw % | Valid % | Cum. %
-----------------------------------------------
    0 | Ndelib | 582 | 47.78 |   48.70 |  48.70
    1 | Ydelib | 613 | 50.33 |   51.30 | 100.00
 <NA> |   <NA> |  23 |  1.89 |    <NA> |   <NA>

[身分認同]

３３社會上有人說自己是台灣人，有人說自己是中國人，也有人說兩者都是。請問您認為自己是台灣人、中國人還是兩者都是？ (01)台灣人 (02)中國人 (03)兩者都是 (06)其他_____【請鍵入並記錄在開放題紀錄表中】 (97)不知道 (98)拒答

code

table(TWTJ2020r$v33)


  1   2   3   6 
680  28 498   9

code

TWTJ2020r$v33r <- rec(TWTJ2020r$v33,rec= "1=1[TWNs];2=0[CHNs];3=2[both];6=NA", as.num=F)
frq(TWTJ2020r$v33r)

x <categorical> 
# total N=1218 valid N=1206 mean=1.39 sd=0.53

Value | Label |   N | Raw % | Valid % | Cum. %
----------------------------------------------
    0 |  CHNs |  28 |  2.30 |    2.32 |   2.32
    1 |  TWNs | 680 | 55.83 |   56.38 |  58.71
    2 |  both | 498 | 40.89 |   41.29 | 100.00
 <NA> |  <NA> |  12 |  0.99 |    <NA> |   <NA>

code

save(TWTJ2020r, file="TWTJ2020r.rda")

[政黨傾向]

４１請問在民進黨、國民黨、親民黨、台灣民眾黨、時代力量等政黨中，您比較支持哪一個政黨？

(01)民進黨(02)國民黨(03)親民黨(04)台灣民眾黨(05)時代力量 (06)泛藍 (07)泛綠 (08)選人（或政策）不選黨 (09)都支持 (10)都不支持 (11)其他_____ (97)不知道 (98)拒答

code

library(dplyr)
library(sjlabelled)
table(TWTJ2020r$v41)


  1   2   3   4   5   6   7   8   9  10  11 
338 214  15  95  42   8   4 210  31 226  22

code

TWTJ2020r$party_new <- as.numeric(as.character(TWTJ2020r$v41))

#TWTJ2020r <- TWTJ2020r %>%
  #mutate(party_new = case_when(
   # party_new %in% c(1, 7) ~ 1,      # 1, 7 -> 泛綠
    #party_new %in% c(2, 3, 6) ~ 2,   # 2, 3, 6 -> 泛藍
    #party_new == 4 ~ 3,              # 4 -> 民眾黨
    #party_new %in% c(5, 11) ~ 4,     # 5, 11 -> 其他
    #TRUE ~ NA_real_                  # 其他不符合條件的（如 8, 9, 10, 97, 98）設為 NA
  #))

#為新變數設定標籤 (Labels)
#TWTJ2020r$party_new <- set_labels(
  #TWTJ2020r$party_new, 
 # labels = c("泛綠" = 1, "泛藍" = 2, "民眾黨" = 3, "其他" = 4)
#)
#frq(TWTJ2020r$party_new)

code

library(dplyr)

TWTJ2020r <- TWTJ2020r %>%
  mutate(
    # 先建立一個臨時的數值代碼，保持原本的邏輯
    temp_party = case_when(
      v41 %in% c(1, 7) ~ 1,
      v41 %in% c(2, 3, 6) ~ 2,
      v41 == 4 ~ 3,
      v41 %in% c(5, 11) ~ 4,
      TRUE ~ NA_real_
    ),
    # 關鍵步驟：直接將其轉換為 Factor 並賦予標籤
    party_new = factor(temp_party, 
                       levels = c(1, 2, 3, 4), 
                       labels = c("pan-green", "pan-blue", "TPP", "others"))
  ) %>%
  select(-temp_party) # 移除臨時欄位

（二）其他探索變數

除與轉型正義有關的核心變數外，本研究欲新增其他探索變數作為突破過往研究的缺口。變數選擇上，首先加入對港、中、台的發展前景，與對我國國防的支持議題，研究者認為這些變數可以看出在整體國家發展議題上，民眾的反應是否能夠展現出全體國民的整體向心力。其次，加入對2019年香港反送中的看法，之所以加入作為探索變數，是因為反送中的本質是為了反抗國家不法，隨之受到了國家暴力傷害，這與轉型正義中為了平反受到國家暴力侵害的理念有相應之處，故選擇之。最後，加入了對社會信任程度與快樂程度等較個人層次的情緒題目，想要了解這樣的情緒感知題會不會與這些題目中發揮關聯，若有，又是如何展現。

[對香港未來發展想法]

５　對香港未來的發展感到樂觀還是悲觀？ (01)非常樂觀 (02)有點樂觀 (03)有點悲觀 (04)非常悲觀 (05)沒有意見 (97)不知道

code

#|message: false 
#|warning: false    

table(TWTJ2020r$v5)


  1   2   3   4   5 
 36 150 445 506  22

code

TWTJ2020r$v5r <- rec(TWTJ2020r$v5,rec= "1:2=1[hkfut_postive];3:4=0[hkfut_negative]", as.num=F)
frq(TWTJ2020r$v5r)

x <categorical> 
# total N=1218 valid N=1137 mean=0.16 sd=0.37

Value |          Label |   N | Raw % | Valid % | Cum. %
-------------------------------------------------------
    0 | hkfut_negative | 951 | 78.08 |   83.64 |  83.64
    1 |  hkfut_postive | 186 | 15.27 |   16.36 | 100.00
 <NA> |           <NA> |  81 |  6.65 |    <NA> |   <NA>

[對中國未來發展想法]

６請問您對中國大陸未來的發展感到樂觀還是悲觀？

(01)非常樂觀 (02)有點樂觀 (03)有點悲觀 (04)非常悲觀 (05)沒有意見 (97)不知道 (98)拒答

code

table(TWTJ2020r$v6)


  1   2   3   4   5 
135 407 352 225  21

code

TWTJ2020r$v6r <- rec(TWTJ2020r$v6,rec= "1:2=1[chfut_postive];3:4=0[chfut_negative]", as.num=F)

frq(TWTJ2020r$v6r)

x <categorical> 
# total N=1218 valid N=1119 mean=0.48 sd=0.50

Value |          Label |   N | Raw % | Valid % | Cum. %
-------------------------------------------------------
    0 | chfut_negative | 577 | 47.37 |   51.56 |  51.56
    1 |  chfut_postive | 542 | 44.50 |   48.44 | 100.00
 <NA> |           <NA> |  99 |  8.13 |    <NA> |   <NA>

[對香港反送中的支持與否]

７整體來講，您支不支持今年香港反國安法的抗爭運動？

(01)非常支持 (02)支持 (03)不支持 (04)非常不支持 (97)不知道 (98)拒答

code

table(TWTJ2020r$v7)


  1   2   3   4 
322 389 236 115

code

TWTJ2020r$v7r <- rec(TWTJ2020r$v7,rec= "1:2=1[suphk];3:4=0[nonsuphk]", as.num=F) 
frq(TWTJ2020r$v7r)

x <categorical> 
# total N=1218 valid N=1062 mean=0.67 sd=0.47

Value |    Label |   N | Raw % | Valid % | Cum. %
-------------------------------------------------
    0 | nonsuphk | 351 | 28.82 |   33.05 |  33.05
    1 |    suphk | 711 | 58.37 |   66.95 | 100.00
 <NA> |     <NA> | 156 | 12.81 |    <NA> |   <NA>

[對台灣未來發展想法]

１０請問您對台灣整體社會未來的發展感到樂觀還是悲觀？

(01)非常樂觀 (02)有點樂觀 (03)有點悲觀 (04)很不樂觀 (05)沒有意見 (06)其他_____ (97)不知道 (98)拒答

code

table(TWTJ2020r$v10)


  1   2   3   4   5   6 
185 474 311 215  10   1

code

TWTJ2020r$v10r <- rec(TWTJ2020r$v10,rec= "1:2=1[twsocf_postive];3:4=0[twsocf_negative]", as.num=F) 

frq(TWTJ2020r$v10r)

x <categorical> 
# total N=1218 valid N=1185 mean=0.56 sd=0.50

Value |           Label |   N | Raw % | Valid % | Cum. %
--------------------------------------------------------
    0 | twsocf_negative | 526 | 43.19 |   44.39 |  44.39
    1 |  twsocf_postive | 659 | 54.11 |   55.61 | 100.00
 <NA> |            <NA> |  33 |  2.71 |    <NA> |   <NA>

１１請問您對台灣整體經濟未來的發展感到樂觀還是悲觀？

(01)非常樂觀 (02)有點樂觀 (03)有點悲觀 (04)非常悲觀 (05)沒有意見 (06)其他_____【請鍵入並記錄在開放題紀錄表中】 (97)不知道 (98)拒答

code

table(TWTJ2020r$v11)


  1   2   3   4   5   6 
182 480 348 177   3   2

code

TWTJ2020r$v11r <- rec(TWTJ2020r$v11,rec= "1:2=1[twecof_postive];3:4=0[twecof_negative];else=NA", as.num=F) 
frq(TWTJ2020r$v11r)

x <categorical> 
# total N=1218 valid N=1187 mean=0.56 sd=0.50

Value |           Label |   N | Raw % | Valid % | Cum. %
--------------------------------------------------------
    0 | twecof_negative | 525 | 43.10 |   44.23 |  44.23
    1 |  twecof_postive | 662 | 54.35 |   55.77 | 100.00
 <NA> |            <NA> |  31 |  2.55 |    <NA> |   <NA>

１２請問您對台灣整體政治未來的發展感到樂觀還是悲觀？

(01)非常樂觀 (02)有點樂觀 (03)有點悲觀 (04)非常悲觀 (05)沒有意見 (06)其他_____【請鍵入並記錄在開放題紀錄表中】 (97)不知道 (98)拒答

code

table(TWTJ2020r$v12)


  1   2   3   4   5   6 
109 342 376 342  12   4

code

TWTJ2020r$v12r <- rec(TWTJ2020r$v12,rec= "1:2=1[twpolf_postive];3:4=0[twepolf_negative];else=NA", as.num=F)  
frq(TWTJ2020r$v12r)

x <categorical> 
# total N=1218 valid N=1169 mean=0.39 sd=0.49

Value |            Label |   N | Raw % | Valid % | Cum. %
---------------------------------------------------------
    0 | twepolf_negative | 718 | 58.95 |   61.42 |  61.42
    1 |   twpolf_postive | 451 | 37.03 |   38.58 | 100.00
 <NA> |             <NA> |  49 |  4.02 |    <NA> |   <NA>

[信任與快樂程度]

１６請問您覺得社會上一般人可不可以信任【相信】？

(01)幾乎都可以信任 (02)大部分可以信任 (03)大概一半一半 (04)大部分不可以信任 (05)幾乎都不可以信任 (97)不知道 (98)拒答

code

table(TWTJ2020r$v16)


  1   2   3   4   5 
 64 662  49 354  66

code

TWTJ2020r$v16r <- rec(TWTJ2020r$v16,rec= "1:2=1[trust];4:5=0[distruct];else=NA", as.num=F)

frq(TWTJ2020r$v16r)

x <categorical> 
# total N=1218 valid N=1146 mean=0.63 sd=0.48

Value |    Label |   N | Raw % | Valid % | Cum. %
-------------------------------------------------
    0 | distruct | 420 | 34.48 |   36.65 |  36.65
    1 |    trust | 726 | 59.61 |   63.35 | 100.00
 <NA> |     <NA> |  72 |  5.91 |    <NA> |   <NA>

１８整體來說，請問您最近的日子過得快不快樂？ (01)很快樂 (02)還算快樂 (03)不太快樂 (04)很不快樂 (97)不知道 (98)拒答

code

table(TWTJ2020r$v18)


  1   2   3   4 
231 707 207  65

code

TWTJ2020r$v18r <- rec(TWTJ2020r$v18,rec= "1:2=1[happy];3:4=0[unhappy];else=NA", as.num=F)
frq(TWTJ2020r$v18r)

x <categorical> 
# total N=1218 valid N=1210 mean=0.78 sd=0.42

Value |   Label |   N | Raw % | Valid % | Cum. %
------------------------------------------------
    0 | unhappy | 272 | 22.33 |   22.48 |  22.48
    1 |   happy | 938 | 77.01 |   77.52 | 100.00
 <NA> |    <NA> |   8 |  0.66 |    <NA> |   <NA>

[美豬進口議題]

２４請問您贊不贊成，政府為了提升台灣和美國的合作，開放含微量瘦肉精的美國豬肉進口？ (01)非常贊成 (02)贊成 (03)不贊成 (04)非常不贊成 (05)沒有意見 (97)不知道 (98)拒答

code

table(TWTJ2020r$v24)


  1   2   3   4   5 
 95 315 204 579   9

code

TWTJ2020r$v24r <- rec(TWTJ2020r$v24,rec= "1:2=1[supUSpork];3:4=0[unsupUSpork];else=NA", as.num=F)
frq(TWTJ2020r$v24r)

x <categorical> 
# total N=1218 valid N=1193 mean=0.34 sd=0.48

Value |       Label |   N | Raw % | Valid % | Cum. %
----------------------------------------------------
    0 | unsupUSpork | 783 | 64.29 |   65.63 |  65.63
    1 |   supUSpork | 410 | 33.66 |   34.37 | 100.00
 <NA> |        <NA> |  25 |  2.05 |    <NA> |   <NA>

[國防相關]

２６請問您認為未來兩年內，中國大陸可不可能以武力攻打台灣？ (01)非常可能 (02)可能 (03)不可能 (04)非常不可能 (05)沒有意見 (97)不知道 (98)拒答

code

table(TWTJ2020r$v26)


  1   2   3   4   5 
 58 268 513 322   4

code

TWTJ2020r$v26r <- rec(TWTJ2020r$v26,rec= "1:2=1[Chinv];3:4=0[Chcantinv];else=NA", as.num=F)
frq(TWTJ2020r$v26r)

x <categorical> 
# total N=1218 valid N=1161 mean=0.28 sd=0.45

Value |     Label |   N | Raw % | Valid % | Cum. %
--------------------------------------------------
    0 | Chcantinv | 835 | 68.56 |   71.92 |  71.92
    1 |     Chinv | 326 | 26.77 |   28.08 | 100.00
 <NA> |      <NA> |  57 |  4.68 |    <NA> |   <NA>

２７請問您同不同意，如果發生戰爭，目前台灣的軍隊有能力保衛台灣？ (01)非常同意 (02)同意 (03)不同意 (04)非常不同意 (05)沒有意見 (97)不知道 (98)拒答

code

table(TWTJ2020r$v27)


  1   2   3   4   5 
183 329 304 374   4

code

TWTJ2020r$v27r <- rec(TWTJ2020r$v27,rec= "1:2=1[TWcandef];3:4=0[TWcantdef];else=NA", as.num=F)
frq(TWTJ2020r$v27r)

x <categorical> 
# total N=1218 valid N=1190 mean=0.43 sd=0.50

Value |     Label |   N | Raw % | Valid % | Cum. %
--------------------------------------------------
    0 | TWcantdef | 678 | 55.67 |   56.97 |  56.97
    1 |  TWcandef | 512 | 42.04 |   43.03 | 100.00
 <NA> |      <NA> |  28 |  2.30 |    <NA> |   <NA>

３１目前政府在國防上的表現，請問您滿不滿意？ (01)非常滿意 (02)滿意 (03)不滿意 (04)非常不滿意 (97)沒意見、很難說、不關心、不知道 (98)拒答

code

table(TWTJ2020r$v31)


  1   2   3   4 
194 449 249 281

code

TWTJ2020r$v31r <- rec(TWTJ2020r$v31,rec= "1:2=1[Yntdef];3:4=0[Nntdef];else=NA", as.num=F)
frq(TWTJ2020r$v31r)

x <categorical> 
# total N=1218 valid N=1173 mean=0.55 sd=0.50

Value |  Label |   N | Raw % | Valid % | Cum. %
-----------------------------------------------
    0 | Nntdef | 530 | 43.51 |   45.18 |  45.18
    1 | Yntdef | 643 | 52.79 |   54.82 | 100.00
 <NA> |   <NA> |  45 |  3.69 |    <NA> |   <NA>

（三）輔助變數

４２請問您目前的婚姻狀況是從未結婚、已婚、離婚、分居，還是喪偶？ (01)從未結婚 (02)已婚 (03)離婚 (04)分居 (06)其他＿＿【請鍵入並記錄在開放題紀錄表中】 (98)拒答

code

table(TWTJ2020r$v42)


  1   2   3   4   5 
236 783  69  11 117

code

TWTJ2020r$v42r <- rec(TWTJ2020r$v42,rec= "1=1[未婚];2=2[已婚];3=3[離婚];4=4[分居];5:98=NA", as.num=F)
frq(TWTJ2020r$v42r)

x <categorical> 
# total N=1218 valid N=1099 mean=1.87 sd=0.55

Value | Label |   N | Raw % | Valid % | Cum. %
----------------------------------------------
    1 |  未婚 | 236 | 19.38 |   21.47 |  21.47
    2 |  已婚 | 783 | 64.29 |   71.25 |  92.72
    3 |  離婚 |  69 |  5.67 |    6.28 |  99.00
    4 |  分居 |  11 |  0.90 |    1.00 | 100.00
 <NA> |  <NA> | 119 |  9.77 |    <NA> |   <NA>

code

save(TWTJ2020r, file="TWTJ2020r.rda")

參、研究發現

一、MCA分析圖

code

#讀入資料
library(dplyr)
load("TWTJ2020r.rda")
#選擇變數
colnames(TWTJ2020r)

#重新上標籤
##核心變數
# v34r
levels(TWTJ2020r$v34r) <- c("不公開檔案","完全公開檔案","部分公開檔案")

#v35r
levels(TWTJ2020r$v35r) <- c("不支持移除銅像","支持移除銅像")

#v36r對轉型正義工作的認知程度
levels(TWTJ2020r$v36r) <- c("不了解政府推動的轉型正義工作","了解轉型政府推動的轉型正義工作")

#v37r 轉型正義工作對社會和解是否有幫助
levels(TWTJ2020r$v37r) <- c("無助於社會和解","有助於社會和解")

#v38r 轉型正義是對國民黨的政治清算
levels(TWTJ2020r$v38r) <- c("是政治清算","不是政治清算")

#v39r 是否支持政府推動轉型正義
levels(TWTJ2020r$v39r) <- c("不支持政府推動轉型正義","支持政府推動轉型正義")

#v40r 是否願意參加相關公民會議發表意見
levels(TWTJ2020r$v40r) <- c("不願意參加公民會議","願意參加公民會議")

#v33r身分認同 Ch/TW/both
levels(TWTJ2020r$v33r) <- c("中國人","台灣人","兩者都是")


##其他探索變數
#v16r社會信任程度
levels(TWTJ2020r$v16r) <- c("社會信任度較低","社會信任度較高")
#v18r快樂程度
levels(TWTJ2020r$v18r) <- c("快樂程度較低","快樂程度較高")
#v24r美豬進口
levels(TWTJ2020r$v24r) <- c("不同意美豬進口","同意美豬進口")

#v26r中國武力犯台可能
levels(TWTJ2020r$v26r) <- c("中國不可能武力犯台","中國可能武力犯台")

#v27r台灣軍隊有保衛能力
levels(TWTJ2020r$v27r) <- c("沒有能力保衛台灣","有能力保衛台灣")

#v31r國防滿意度
levels(TWTJ2020r$v31r) <- c("不滿意國防表現","滿意國防表現")

#v5r香港未來發展
levels(TWTJ2020r$v5r) <- c("不看好香港未來發展","看好香港未來發展")
#v6r中國未來發展
levels(TWTJ2020r$v6r) <- c("不看好中國未來發展","看好中國未來發展")
#7r香港國安法
levels(TWTJ2020r$v7r) <- c("不支持反送中","支持反送中")
#v10r台灣社會前景看法
levels(TWTJ2020r$v10r) <- c("不看好台灣社會前景","看好台灣社會前景")
#v11r台灣經濟前景看法
levels(TWTJ2020r$v11r) <- c("不看好台灣經濟前景","看好台灣經濟前景")
#v12r台灣政治前景看法
levels(TWTJ2020r$v12r) <- c("不看好台灣政治前景","看好台灣政治前景")

##輔助變數 未婚已婚離婚分居
#v42r婚姻狀況
levels(TWTJ2020r$v42r) <- c("未婚","已婚","離婚","分居")

save(TWTJ2020r, file="TWTJ2020r.rda")

在進行MCA分析前，研究者重新將各變數上標籤，以更好的識別出不同的變數。

code

TWTJ2020rforMCA <- select(TWTJ2020r,
                               c(#核心變數
                                 v34r,v35r,v36r,v37r,v38r,v39r,v40r,
                                 party_new, #政黨傾向
                                 
                                 #其他探索變數
                                 ,v5r,v6r,v7r,#中國相關
                                 v10r,v11r,v12r,#我國未來發展看法           
                                 
                                 
                                 v16r,
                                 v18r,
                                 v24r,
                                 v26r,
                                 v27r,
                                 v31r,
                                 #輔助變數
                                 v42r
                                
                                 ))
names(TWTJ2020rforMCA)

 [1] "v34r"      "v35r"      "v36r"      "v37r"      "v38r"      "v39r"     
 [7] "v40r"      "party_new" "v5r"       "v6r"       "v7r"       "v10r"     
[13] "v11r"      "v12r"      "v16r"      "v18r"      "v24r"      "v26r"     
[19] "v27r"      "v31r"      "v42r"

code

# 剔除無效值（list-wise deletion）。
TWTJ2020rforMCA.nona <- na.omit(TWTJ2020rforMCA)
nrow(TWTJ2020rforMCA.nona)

[1] 532

code

# 以直方圖確認所選的變數之次數分配
par(mfrow=c(2,3)) #畫布上可放2列3欄共6張直方圖
for (i in 1:ncol(TWTJ2020rforMCA.nona)) {
  plot(TWTJ2020rforMCA.nona[,i], main=colnames(TWTJ2020rforMCA.nona)[i],
       ylab = "Count", col="steelblue", las = 2, ylim=c(0,1500))
}

code

par(mfrow=c(1,1))

（一）維次歸納描述圖

code

## MCA運算
library(FactoMineR)
library(factoextra)


names(TWTJ2020rforMCA.nona) 
#查看資料結構
str(TWTJ2020rforMCA.nona)
# 將 party_new 強制轉換為 factor
TWTJ2020rforMCA.nona$party_new <- as.factor(TWTJ2020rforMCA.nona$party_new)
# 若還有其他欄位是 num 或 int，MCA 也會報錯
TWTJ2020rforMCA.nona <- as.data.frame(lapply(TWTJ2020rforMCA.nona, as.factor))
#重新執行MCA
res<-MCA(TWTJ2020rforMCA.nona, ncp=10, quali.sup = 21,  
         graph= F)

#補充計算公式
fviz_screeplot(res, ncp=10)

code

## 維次歸納描述 （Dimension Description）
# install.packages("corrplot") colationplot作維次圖
library(corrplot) 
corrplot(res$var$cos2, is.corr=FALSE, tl.cex=.6)

根據維次歸納描述圖，在第一維次中「支持與不支持政府推動轉型正義」、「看好與不看好台灣社會前景」，兩題是最具影響力的；其次是「無助與有助於社會和解」、「看好與不看好台灣經濟前景」、「看好與不看好台灣政治前景」、「泛藍」、「泛綠」、「同意與不同意美豬進口」、「有無能力保衛台灣」，及「滿意與不滿意國防表現」。而無論何種題目，在第二維次中皆沒有明顯的效果。

（二）變數關聯分布圖

code

## 變數（variables）的關聯分佈圖
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", "quanti.sup", "var"), 
           invisible=c("ind"), 
           autoLab = "yes",
        #  title="The Distribution of Variables on the MCA Factor Map",
               title="", cex=0.8)

code

     # xlim=c(0,0.4), ylim=c(0, 0.6)

在第一維次中，party_new（政黨傾向）、v10r（推動轉型正義可以讓台灣社會和解）、v11r（對台灣社會前景看法）、v12r（對台灣經濟前景看法）、v37r（對台灣政治前景看法）這幾個變數較靠近，因此Dim1可以被視為對政黨傾向與台灣的發展前景看法。

在第二維次中，v36r（政治檔案開放）、v34r（了解政府的轉型正義工作）、v40r（政治檔案開放）則較聚焦於與跟政府推動轉型正義工作有關，因此將Dim2定義為民眾對政府轉型正義工作的看法。

（三）變數類別關係圖

code

## 變數類別（categories）關係圖
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, #cex文字大小
     selectMod = "cos2 70", #用統計量表計算三角形之間的距離 70=變數類別數量
     invisible=c("ind", "quali.sup"), #invisible將什麼圖層遮住
     autoLab = "yes",
     #title="Distribution of Elements on the MCA Factor Map") 
     title="")

code

# 最具維度辨識力的變數類別組合
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",  #共52個變數
     invisible=c("ind", "quali.sup"), 
     xlim=c(-1.2,1.2), ylim=c(-0.6,2), 
     autoLab = "yes",
     # title="Top 30 Critical Elements on the MCA Factor Map") 
     title="")

code

#拉近
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(-0.6,0.5), 
     autoLab = "yes",
    # title="Top 30 Critical Elements on the MCA Factor Map 2")
     title="")

[Dim1右側]

第一象限特徵描述
- 不看好台灣社會前景
- 不看好台灣經濟前景
- 不支持反送中
- 看好香港未來發展
- 快樂程度較低
- 信任程度較低
- 認為中國可能武力犯台
- pan-blue 政黨傾向為泛藍

在第一象限中，可以看到兩個明顯的分群，分別為「不看好台灣社會前景」、「不看好台灣經濟前景」與「不支持反送中」、「看好香港未來發展」，且「pan-blue」泛藍陣營是最有影響力的。對此，本研究認為同時看好香港發展與不支持反送中的民眾，可能是基於在反送中運動後，中國政府對香港的管轄範圍越發擴大，因此民眾所看好的未來發展，可能是在中國政府對其的治理之下。

第四象限特徵描述
- 不支持政府推動轉型正義
- 不了解政府推動的轉型正義工作
- 不支持移除銅像
- 不願意參加公民會議
- 認為可以部份公開政治檔案
- 不滿意國防表現
- 轉型正義無助於社會和解
- 不同意美豬進口
- 轉型正義無助於社會和解
- 看好中國未來發展
- 不滿意國防表現
- 台灣軍隊沒有能力保衛台灣
- TPP 政黨傾向為民眾黨

在第四象限中，「不同意美豬進口」、「看好中國未來發展」、「台灣軍隊沒有能力保衛台灣」，看似較無關係的三個議題變數緊密相連，可將其歸納為同一群人。對此，本研究認為這是因為美豬進口可能被視為親美政策，而認為台灣無自我防衛能力與看好中國發展的民眾，可能普遍產生親中的情緒，如此一來便可清晰將此聚集歸納為「親中」群體。

[Dim2 左側]

第二象限特徵描述
- 了解政府推動的轉型正義工作
- 認為應該要完全公開政治檔案
- 願意參加公民會議
- 支持移除銅像
- 認為推動轉型正義有助於促進社會和解
- 認為轉型正義不是為了政治清算
- 支持美豬進口
- 滿意我國國防表現
- pan-green 政黨傾向為泛綠

在第二象限中，「認為推動轉型正義有助於促進社會和解」、「認為轉型正義不是為了政治清算」、「滿意我國國防表現」、「支持美豬進口」、「pan-green 政黨傾向為泛綠」五個變數緊密聚集。從此分析結果看來，這與我們平常認知的泛綠陣營民眾的態度表現相符。

第四象限特徵描述
- 社會信任程度較高
- 快樂程度較高
- 支持反送中
- 不看好香港未來發展
- 看好台灣經濟前景
- 看好台灣政治前景
- 看好台灣社會前景

在第四象限中，「社會信任程度較高」、「快樂程度較高」與「看好台灣經濟前景」、「看好台灣社會前景」，共四個變數有明顯的分兩群聚集，而這兩組也較符合常規的認知。

（四）維次貢獻圖

code

# 維次貢獻
library(factoextra)
# 第一維度的重要變數類別
fviz_contrib(res, choice ="var", axes = 1)

code

# 第二維度的重要變數類別
fviz_contrib(res, choice ="var", axes = 2)

code

# 第三維度的重要變數類別
# fviz_contrib(res, choice ="var", axes = 3)
# 對前三個維度最有貢獻的變數類別
# fviz_contrib(res, choice ="var", axes = 1:3)

## 受訪者在兩個維度的分佈  
plot(res, axes=c(1, 2), new.plot=TRUE, choix="ind", 
     col.var="red", col.quali.sup="darkgreen",
     label=c("var"),
     selectMod ="cos2 15", select="cos2 1",
     xlim=c(-1,1),
     invisible=c("quali.sup", "var"), 
     #title="The Distribution of Individuals on the MCA Factor Map")
     title="")

二、研究結果分析

依據上述MCA分析圖，本研究發現了以泛藍與泛綠陣營為主要的兩大分群，以下分述之。

研究發現一：轉型正義議題在台灣仍然難以脫下政黨標籤

與正面支持轉型正義的核心變數（完全公開政治檔案、了解政府推動轉型正義工作、支持移除銅像、願意參加公民會議、轉型正義可以促成政治和解、轉型正義不是政治清算）皆圍繞在pan-green附近。而不支持轉型正義的核心變數（不公開政治檔案、不了解政府推動轉型正義工作、不支持移除銅像、不願意參加公民會議、轉型正義不可以促成政治和解、轉型正義是政治清算）則聚集在pan-blue周圍。

這樣的分群結果反應出了轉型正義在台灣的複雜性，不再僅是單純的歷史與法制正義議題，而交雜著身分認同、政黨傾向等的高度複雜議題，這樣的結果也與汪宏倫（2022）的發現相符。對泛綠支持者而言，他們將轉型正義視為「民主國家回頭清理過去威權遺緒」的必要過程，而泛藍支持者則傾向將其視為「政治清算」或「破壞社會和解」。之所以會產生這樣的思維差異，可能與台灣過去的發展脈絡有關。與多數民主國家不同，台灣從威權過渡到民主國家雖經過一番長時間的抗爭，但並未經歷過一次性的重大流血革命的過程，這樣的變革結果又稱為寧靜革命（曾建元 2005；吳乃德 2006；）。正因如此，國民黨的威權統治遺緒並未被真正移除，這是寧靜革命的代價，也是轉型正義在台灣始終難以脫下政黨標籤的重要因素。

研究發現二：國防與國家發展議題與政黨傾向掛勾

國防與國家發展本應是「公共財」議題，被認為應該具備跨黨派共識，在MCA分析圖中則得出不同結果。與國防議題相關的標籤如「有能力保衛台灣」、「滿意國防表現」，及與國家發展相關的標籤如「看好台灣經濟前景」、「看好台灣社會前景」皆與 pan-green 緊密貼合；反之，相對應的否定句（如「沒有能力保衛台灣」、「不看好台灣經濟」）則趨向 pan-blue。

這意味著過去總認為與全民有關的國家生存與發展已經被「黨派化 (Partisan alignment)」，顯示出支持者對於國家能力與前景的判斷，完全被政黨傾向所濾過。對此，這可能讓政府在推動相關的政策時遇到相當的阻礙，如「全民防衛動員準備法」與《臺灣全民安全指引（小橘書）》推出時，被貼上政黨標籤的現實相符。

研究發現三：情緒感知與政黨的分群

從圖表二維座標來看，pan-green與「滿意國防表現」、「願意參加公民會議」等主動性標籤共存；pan-blue則與「不看好..台灣政治/社會/經濟前景」、「無助於社會和解」等負面與悲觀語句聚集，構成了明顯的二元對立空間。

而此份資料蒐集於2020年11月至12月，該年適逢我國第15任總統與副總統選舉年，且由民進黨籍蔡英文以歷年最高票數817萬票壓倒性贏得選舉，這樣的選舉結果可能讓泛藍與泛綠兩個群體產生截然不同的情緒感知。泛綠支持者可能因為正處於執政或文化上的強勢地位，表現出較高的「政治效能感 (Political Efficacy)」，認為參與公民會議是有意義的，對國家整體推出的政策都表示支持，也較支持轉型正義工作。相較之下，泛藍支持者則處於失利後的焦慮與不信任，呈現出「疏離感 (Alienation)」與對國家前景的否定，這樣「態度與情緒的捆綁」，可能導致日後社會溝通成本極高。在整體的情緒感知上，也呼應了Tsia & Wang(2025)過去探討人格特質對民眾轉型正義的影響，說明越開放的人越傾向支持相關政策。正如分析結果圖所示，信任程度與快樂程度越高的人，越有可能支持轉型正義工作。

肆、討論與限制

綜上所述，本研究使用SRDA資料庫的第二次社會意向調查資料探索民眾在轉型正義議題上的群像分析，除了與轉型正義議題相關的核心變數外，研究者另加入了如國防、國家發展、情緒感知等的相關題目。在研究結果上，發現了不僅轉型正義議題，連被認為與全體國民利益有關的國防、國家發展議題，甚至個人的社會信任與快樂程度都具有高度的政黨分群，這是本研究最驚豔的發現。

對此，研究者認為在支持與較了解轉型正義相關工作的這群民眾中，之所以對台灣的發展抱有較高的期待，對台灣的國防議題表現也相較認同，同時也比支持香港反送中運動，可能源自於願意支持轉型正義工作的民眾，他們對台灣這塊土地上過去發生的故事有更細緻的認識，因此產生較高的認同感，也願意與看好台灣未來發展的韌性。此外，反送中是一種反抗威權國家介入的示威運動，這與過去台灣威權時期，勇於反抗國家暴力的那些政治受難者前輩的精神相符。

而不支持與不了解轉型正義的民眾中，在多數議題上都產生負面反應，僅在看好香港與中國的未來發展有正面回應。對此，研究者認為這或許隱含著另一個層次的身分認同情緒。這或許是因為對許多民眾而言，過去威權統治時期被國家施以暴力、不當對待的都是確有實情，在當時的時空背景之下，這樣的行為是被允許的，並且常被簡單劃為省籍與身分認同 ( 外省/本省、共產黨/台獨)的二元對立。另可見在在情緒感知上也呈現負面情緒，研究者認為可能是此份資料的調查期間在總統選舉之後，且該年由蔡英文前總統獲選，因此體感上他們對整體生活的滿意度較低，進而讓信任與快樂程度都偏低，在不滿意台灣的現況以及未來的發展時，進而對中國產生比較美好的想像。

然而支持與否的民眾都受到政黨傾向的強烈吸引，本研究認為這是基於台灣特殊的發展脈絡導致。台灣從威權過渡到民主國家並沒有經歷過一次流血革命，而是以漸進式的變革發生。意即，轉型正義的當事人正是過去國民黨威權統治下的機關人員與部分遭遇此國家暴力進而成立民進黨的成員，故在台灣推動與進行與轉型正義的相關研究，都難以將政黨標籤脫下。基於本次研究結果，轉型正義不是唯一具高度政治性的議題，這或許也顯示出台灣民眾在面對各式議題時的負面黨性反應，或許未來研究者在進行相關研究時，可以朝著如何在這樣帶有高度政治性的議題之下，嘗試探討是否有可能將政黨標籤撕下，抑或若無法撕下，這些公共議題又該如何突破政黨的限制，進行有效的公共溝通。

最後，本研究有以下研究限制。第一，本研究資料為二手資料，且時間較為久遠，可能無法用來精確說明台灣民眾的現況。或許待目前最新的一份民調資料公開釋出後，可以再進行新一輪的探索，以更好的詮釋民眾對轉型正義的態度群像。第二，由於二手資料的限制，在變數選擇上較為有限，若未來可以進行一手資料分析，可以更細緻的探討不同變數。

伍、參考文獻

全國法規資料庫。〈促進轉型正義條例〉。https://law.moj.gov.tw/LawClass/LawAll.aspx?pcode=A0030296

汪宏倫（2022）。轉型正義的社會基礎。臺灣社會學刊第 71 期。頁 91-135。

吳乃德（2006）。轉型正義和歷史記憶：台灣民主化的未竟之業。思想，(2)，1-34。https://doi.org/10.29848/SX.200609.0001

曾建元（2005）。寧靜革命－民主新典範的創造。中華人文社會學報，(3)，40-61。https://www.airitilibrary.com/Article/Detail?DocID=18142826-200509-x-3-40-61-a

Tsai, W. T., & Wang, C. H. (2025). Personality Traits and Individual Attitudes Toward Transitional Justice: Evidence From Taiwan. International Journal of Public Opinion Research, 37(2), edaf015.