#library(sjlabelled)
# 讀入SPSS資料檔；convert.factors = FALSE 讓變數保留原始數字代碼
# 理由一：清理時要用數字範圍找出93至99的無效代碼
# 理由二：編碼時要依代碼合併選項，例如：Q51的2、7、8、10、14歸為泛綠，Q27的96為跳答
# 理由三：媒體變數要取Q1至Q4中最大的數字代表最常的頻率，文字無法比大小
# Q1至Q4 (從傳統媒體獲取政治資訊)
# TCS2022 <- read_data("TCS2022data.sav", convert.factors = FALSE)
# 存成R.rda檔，再清空記憶體
# save(TCS2022, file = "TCS2022data.rda", compress = T)
# rm(list = ls())
# 叫回備份的資料檔，確認受訪者人數
# load("TCS2022data.rda")
# nrow(TCS2022)作業三
題目：站對了邊或想不清楚：動機與不專注對民眾相信政治虛假訊息的作用
一、研究問題：臺灣民眾對政治虛假訊息的相信判斷傾向，與動機的關聯較強，還是與不專注的關聯較強？
二、核心關懷（B）：民眾對政治虛假訊息的相信判斷傾向
隨著社群媒體的普及化，其已成為許多臺灣民眾接收政治資訊的重要途徑。因此，民眾得以輕鬆地在日常生活中接觸與關注各類政治議題。然而，即使在面對同一則錯誤的政治說法時，民眾對其真假的判斷也不盡相同。民眾如何判斷政治說法的真假，會影響他們如何評價政黨與政策，也會影響他們如何參與公共討論。如果錯誤的說法被當成真的，民眾就可能依據不正確的資訊做出政治判斷。因此，要回應政治假訊息的問題，應先了解民眾是依據什麼來判斷一則政治說法的真假。判斷的依據不同，因應的方式也會不同。
基於此，本研究的核心關懷（B）是民眾對政治虛假訊息的相信判斷傾向。換句話說，本研究關心的是假訊息流程中的「相信」環節。當一則錯誤的政治說法出現在民眾面前時，本研究想了解民眾是依據什麼做出判斷。民眾可能依據自身的政黨傾向，認為對己方有利的說法較可能是真的。民眾也可能因沒有多做思考、沒有停下來檢查說法的真假。本研究不處理假訊息的製造與轉傳。
三、論點
本研究主要基於兩種競爭性的理論觀點與思考機制進行探討。第一種是動機性推理（Motivated Reasoning），指民眾在處理資訊時會傾向得出符合自身既有期望或立場的結論（Kunda, 1990）。Kunda（1990）指出，民眾推理時可能出於「尋求正確答案」的動機，亦可能受到「達到特定結論」的動機所驅使。在政治議題上，民眾往往較少批判與自身立場一致的論點。原本政治態度越強烈者，此種認知偏誤越明顯（Taber & Lodge, 2006）。
第二種則是基於雙系統理論（Dual-Process Theory）所延伸的不專注推理（Inattentive Reasoning）觀點。該主張認為民眾之所以相信假新聞，主要源於接收訊息時未及時啟動審慎思考以評估資訊真實性（Pennycook & Rand, 2019）。前者對應「站對了邊」，後者對應「想不清楚」。本研究將後者稱為「不假思索」。
基於上述兩種競爭性視角，本研究主張民眾對政治假訊息的相信主要並非因為「想不清楚」，而是因為訊息本身「站對了邊」。換言之，民眾對政治虛假訊息的相信判斷傾向與其動機因素（如政黨傾向、資訊動機）的關聯性，將強於與不假思索（如內在思考、外在查證）的關聯性。
四、資料來源描述
本研究使用「傳播調查資料庫 第三期第一次（2022）：傳播與公民社會：公民與政治傳播（公共版）」。此調查由中央研究院人文社會科學研究中心規劃，面訪工作委託該中心調查研究專題中心執行，經費由科技部補助。計畫主持人為張卿卿，共同主持人為陶振超。
資料由中央研究院人文社會科學研究中心調查研究專題中心的學術調查研究資料庫（SRDA）釋出，資料編號為D00240_1，首次釋出日期為2023年7月31日。
細節說明
TCS 2022 一般民眾調查的訪問期間為2022年7月11日至10月10日。調查以內政部提供的戶籍地址為抽樣清冊，採分層四階段PPS抽樣。依序抽出鄉鎮市區、村里與地址，最後在中選家戶內抽出一位受訪者。調查以平板電腦輔助進行，符合條件的受訪者由訪員在旁協助自行填答，其餘由訪員一問一答。調查母體為臺灣地區（不含金門縣、連江縣與澎湖縣）具本國國籍且年滿18歲的民眾。
本研究使用獨立樣本。本次調查受訪者（N）= 2,015。依 AAPOR 的計算方式，未加權完訪率（RR1）為 25.37%。資料型態為 SPSS 資料檔（.sav），每一列代表一位受訪者，共有 834 個變項。資料附有權值變項 wr_1，以性別、年齡、教育程度與抽樣分層進行多變項反覆加權（raking）。
D00240_1 具有全國代表性，題目也涵蓋媒體使用、政治討論、假新聞判斷、查證習慣與政黨傾向等面向。因此這份資料適合用來檢驗本研究的問題。
取自
張卿卿（2023）。傳播調查資料庫 第三期第一次（2022）：傳播與公民社會：公民與政治傳播（公共版）（D00240_1）【原始數據】。取自中央研究院人文社會科學研究中心調查研究專題中心學術調查研究資料庫。https://doi.org/10.6141/TW-SRDA-D00240_1-1
五、資料編碼
變數之間的關聯：
B 是民眾對政治虛假訊息的相信判斷傾向，以 P6_2、P6_4 與 P6_5 三題測量。這三則說法都經事實查核為不實，而且政治方向不同。P6_2 與 P6_4 有利泛綠，P6_5 有利泛藍。
動機的部分的變數為A1與A2。A1：政黨傾向類型代表動機的方向，也就是民眾站在哪一邊。A2：資訊動機代表動機的種類，區分想得到特定結論與想得到正確答案的人。
不專注的變數為A3與A4。A3：內在思考代表心裡有沒有停下來想，A4：外在查證代表有沒有實際動手查證。
三題測量：
P6_2: 有人說：「2012年馬英九政府允許美國牛肉進口的時候，瘦肉精含量沒有遵守國際通用的標準」，請問您認為這個說法可能是真的還是假的？ (自行判斷有利泛綠)
P6_4: 有人說：「在歐美先進國家，公投與大選很少合併舉行」，請問您認為這個說法可能是真的還是假的？ (自行判斷有利泛綠)
P6_5: 有人說：「核四底下的地下斷層已四萬年無活動，是死斷層」，請問您認為這個說法可能是真的還是假的？ (自行判斷有利泛藍)
自變數與 B 的關聯：
A1 與 B。 我猜想A1與B之間存在關聯，而且關聯的方向會隨說法有利的陣營而翻轉。對P6_2與P6_4，強烈泛綠與一般泛綠者回答「非常可能是真的」或「可能是真的」的比例，會高於無傾向者。對P6_5，強烈泛藍與一般泛藍者回答「非常可能是真的」或「可能是真的」的比例，會高於無傾向者。認同強烈者的傾向應該比認同一般者更明顯，因為原本態度越強的人偏誤越明顯。
A2 與 B。 A2本身沒有藍綠方向，所以我不預期它和判斷為真或為假有固定的關聯。我猜想的是它和判斷的篤定程度有關聯。只求同立場者回答「非常可能是真的」或「非常可能是假的」的比例，會高於只求不同觀點者。只求不同觀點者回答「普通」的比例，則會高於只求同立場者。帶著特定結論動機的人較可能做出明確判斷，帶著正確答案動機的人較可能保留判斷。
A3 與 B。 依照不專注推理，沒有停下來想的人較容易接受錯誤說法。我猜想沒有想者回答「非常可能是真的」或「可能是真的」的比例，會高於會停下來檢查者。這個差異在三則說法上的方向應該一致，不會隨說法有利的陣營翻轉。不過我認為在黨派議題上，這個差異會小於政黨傾向不同者之間的差異。
A4 與 B。 我猜想不會查證者回答「非常可能是真的」或「可能是真的」的比例，會高於會查證者。這個差異同樣應該在三則說法上方向一致。不過我認為這個差異也會小於政黨傾向不同者之間的差異。
這四組關聯放在一起看，就是本研究的核心。如果A1的關聯會隨說法方向翻轉，而且大於A3與A4的關聯，就表示政治虛假訊息被相信主要是因為它站對了邊。
編碼：
一、讀入資料
本研究使用 TCS 2022 一般民眾面訪資料（D00240_1）。資料檔為 SPSS 格式，共有 2,015 位受訪者與 834 個變項。讀入時保留原始的數字代碼，因為後續編碼要用數字比對選項。讀入後另存為 .rda 檔，之後只要一行指令就能叫回資料。
二、清理無效值
問卷中的96代表受訪者依問卷規定”跳題”，97代表不知道，98 代表拒答。一般的做法是把這些代碼全部改成遺漏值，但在這份問卷中有些變數要靠”96”判斷受訪者是誰。以Q27為例，問卷規定Q1至Q4都答從來沒有、而且Q20答都沒有的人，不需要回答Q27。所以Q27填 96 的人，其實是完全不獲取政治資訊的人。如果把96改成遺漏值，這群人就會從分析中消失。Q1至Q9也有同樣的情況，例如Q4填96的人平常完全不看電視。因此本研究先批次清理大部分變數的無效代碼，但暫時排除Q1至Q9與Q27的各選項，也就是分批清理。等到編碼這些變數時，再依問卷規定判斷96代表什麼，並把97與98設為遺漏值。
本研究也確認過批次清理不會誤刪有效答案。出生年va1的有效值為民國13至92年，沒有落在93至99之間。
三、編碼舉例
A3 內在思考：題目與原始選項 (問卷第 43 頁）
P7_5 當您看到不確定可不可以相信的新聞報導時，下面哪些是您心裡出現的想法？（可複選）
選項為 (01) 您會依自己的知識、經驗判斷該報導的正確性、(02) 您會試著確認訊息來源是否可靠、(03) 您會試著從報導的用字遣詞來判斷它是否可靠、(04) 以上都沒有、(05) 都不相信新聞報導、(06) 都相信新聞報導。
編碼理由
A3屬於不專注的面向，測量的是心裡有沒有停下來想。勾 (02) 或 (03) 的人會確認來源或推敲用字，歸為會停下來檢查，也是參照組。只勾 (01) 的人歸為憑自己判斷。依自己的知識、經驗判斷可能是依立場判斷，所以本研究不把它算成停下來檢查。勾 (04) 或 (06) 的人歸為沒有想。
跳答與遺漏值處理：
本題由全體受訪者作答。只勾 (05) 都不相信新聞報導的人無法歸類，與 (97)、(98) 一起設為遺漏值。
# a3 <- NA # 新開空白欄位，每人一開始都是NA (尚未歸類)
# 依優先順序填入：低的先填，高的後填，後填的會覆蓋前面
# %in% 會對每位受訪者逐一判斷，相當於pandas(Python)的 .isin()；遇到 NA 回傳 FALSE
# | 代表「或」，任一條件成立即符合
# a3[TCS2022$vp7_5m04 %in% 1 | TCS2022$vp7_5m06 %in% 1] <- 3 # 勾 (04) 或 (06)：沒有想
# a3[TCS2022$vp7_5m01 %in% 1] <- 2 # 勾 (01)：憑自己判斷
# a3[TCS2022$vp7_5m02 %in% 1 | TCS2022$vp7_5m03 %in% 1] <- 1 # 勾 (02) 或 (03)：會停下來檢查（參照組）
# 只勾 (05) 或回答97、98的人不符合任何條件，維持NA
# TCS2022$A3 <- rec(a3,
# rec = "1=1[會停下來檢查]; 2=2[憑自己判斷]; 3=3[沒有想]",
# as.num = F) # 加上文字標籤，存成類別變數
# frq(TCS2022$A3) 六、卡方檢定
B 的測量指標為 P6_2、P6_4 與 P6_5 三題，選項合併為判斷為真、普通、判斷為假三組。A1 至 A4 各與三題配對，共 12 組假設。每組都以 chisq.test()、CrossTable() 與 tab_xtab() 三種方法檢定，表中同時呈現列百分比與欄百分比。
B (依變數)的三題測量：
P6_2: 有人說：「2012年馬英九政府允許美國牛肉進口的時候，瘦肉精含量沒有遵守國際通用的標準」，請問您認為這個說法可能是真的還是假的？ (自行判斷有利泛綠)
P6_4: 有人說：「在歐美先進國家，公投與大選很少合併舉行」，請問您認為這個說法可能是真的還是假的？ (自行判斷有利泛綠)
P6_5: 有人說：「核四底下的地下斷層已四萬年無活動，是死斷層」，請問您認為這個說法可能是真的還是假的？ (自行判斷有利泛藍)
第一組：A1 政黨傾向類型 × B 的測量指標（動機的面向）：H1~H3
H1：A1 政黨傾向類型 × P6_2 美牛瘦肉精（有利泛綠）
H1-0：政黨傾向類型與民眾對 P6_2 美牛瘦肉精說法的相信判斷傾向無關
H1-1：政黨傾向類型與民眾對 P6_2 美牛瘦肉精說法的相信判斷傾向有關
# 方法一：直接以chisq.test() 計算卡方值
# chisq.test(TCS2022$A1, TCS2022$ind3_p6_2)
# 方法二：以gmodels::CrossTable() 做交叉分析及製表
# CrossTable() 要先用 sjlabelled::as_label() 把代碼轉成文字，表格才會顯示選項名稱
# CrossTable(sjlabelled::as_label(TCS2022$A1), sjlabelled::as_label(TCS2022$ind3_p6_2),
# prop.t = FALSE, # 不顯示細格百分比
# prop.r = TRUE, # 顯示列百分比
# prop.c = TRUE, # 顯示欄百分比
# prop.chisq = FALSE, # 不顯示卡方值的貢獻度
# chisq = TRUE # 顯示卡方檢定數值
# )
# 方法三：以sjPlot::tab_xtab() 做交叉分析及製表
# tab_xtab(TCS2022$A1, TCS2022$ind3_p6_2, encoding = "utf8",
# show.row.prc = TRUE, # 顯示列百分比
# show.col.prc = TRUE, # 顯示欄百分比
# show.na = FALSE, # 不顯示無效值
# show.legend = FALSE, # 不顯示圖示
# show.exp = FALSE, # 不顯示期望值
# show.cell.prc = FALSE, # 不顯示細格的百分比
# tdcol.col = "gray", # 欄百分比為灰色
# tdcol.row = "brown" # 列百分比為褐色
# )H1 檢定結果
X-squared = 206.24，df = 10，p < .001，達到統計上的顯著水準。因此，拒絕 H1-0，表示政黨傾向類型與民眾對 P6_2 美牛瘦肉精說法的相信判斷傾向可能相關，H1-1 得到這筆資料的支持。
列與欄百分比的解讀：
從列百分比來看，這則說法可能出現藍綠分邊的情形。強烈泛綠有 48.8% 判斷為真，一般泛綠也有 37.7%，都高於無傾向者的 20.2%。強烈泛藍有 62.5% 判斷為假，一般泛藍有 50.6%，也高於無傾向者的 25.0%。
從欄百分比來看，答普通的人中有 73.6% 是無傾向者。無傾向者答普通的比例也是各類中最高的（54.8%）。
H2：A1 政黨傾向類型 × P6_4 公投與大選（有利泛綠）
H2-0：政黨傾向類型與民眾對 P6_4 公投與大選說法的相信判斷傾向無關
H2-1：政黨傾向類型與民眾對 P6_4 公投與大選說法的相信判斷傾向有關
# 方法一：chisq.test()
# chisq.test(TCS2022$A1, TCS2022$ind3_p6_4)
# 方法二：gmodels::CrossTable()
# CrossTable(sjlabelled::as_label(TCS2022$A1), sjlabelled::as_label(TCS2022$ind3_p6_4),
# prop.t = FALSE, prop.r = TRUE, prop.c = TRUE, prop.chisq = FALSE, chisq = TRUE)
# 方法三：sjPlot::tab_xtab()
# tab_xtab(TCS2022$A1, TCS2022$ind3_p6_4, encoding = "utf8",
# show.row.prc = TRUE, show.col.prc = TRUE, show.na = FALSE, show.legend = FALSE,
# show.exp = FALSE, show.cell.prc = FALSE, tdcol.col = "gray", tdcol.row = "brown")H2 檢定結果
X-squared = 108.64，df = 10，p < .001，達到統計上的顯著水準。因此，拒絕 H2-0，表示政黨傾向類型與民眾對 P6_4 公投與大選說法的相信判斷傾向可能相關，H2-1 得到這筆資料的支持。
列與欄百分比的解讀：
從列百分比來看，雖然這則說法有利泛綠，但強烈泛藍判斷為真的比例（46.8%）反而高於強烈泛綠（42.7%）。一般泛藍判斷為真與判斷為假的比例相同，都是 34.8%。因此，這則說法可能沒有出現藍綠方向相反的情形。
從欄百分比來看，答普通的人中有 70.9% 是無傾向者。無傾向者答普通的比例也是各類中最高的（56.5%）。這組相關可能主要來自無傾向者較常保留判斷，而不是藍綠的判斷方向不同。
H3：A1 政黨傾向類型 × P6_5 核四死斷層（有利泛藍）
H3-0：政黨傾向類型與民眾對 P6_5 核四死斷層說法的相信判斷傾向無關
H3-1：政黨傾向類型與民眾對 P6_5 核四死斷層說法的相信判斷傾向有關
# 方法一：chisq.test()
# chisq.test(TCS2022$A1, TCS2022$ind3_p6_5)
# 方法二：gmodels::CrossTable()
# CrossTable(sjlabelled::as_label(TCS2022$A1), sjlabelled::as_label(TCS2022$ind3_p6_5),
# prop.t = FALSE, prop.r = TRUE, prop.c = TRUE, prop.chisq = FALSE, chisq = TRUE)
# 方法三：sjPlot::tab_xtab()
# tab_xtab(TCS2022$A1, TCS2022$ind3_p6_5, encoding = "utf8",
# show.row.prc = TRUE, show.col.prc = TRUE, show.na = FALSE, show.legend = FALSE,
# show.exp = FALSE, show.cell.prc = FALSE, tdcol.col = "gray", tdcol.row = "brown")H3 檢定結果
X-squared = 73.94，df = 10，p < .001，達到統計上的顯著水準。因此，拒絕 H3-0，表示政黨傾向類型與民眾對 P6_5 核四死斷層說法的相信判斷傾向可能相關，H3-1 得到這筆資料的支持。
列與欄百分比的解讀：
從列百分比來看，這則說法有利泛藍，但強烈泛藍判斷為真的比例（22.6%）略低於強烈泛綠（27.7%）。有政黨傾向者判斷為假的比例相近，都在 44.6% 至 49.4% 之間。因此，這則說法可能也沒有出現藍綠方向相反的情形。
從欄百分比來看，答普通的人中有 69.7% 是無傾向者。無傾向者答普通的比例也是各類中最高的（53.5%）。這組相關可能同樣來自無傾向者較常保留判斷。
第二組：A2 資訊動機 × B 的測量指標（動機的面向）H4~H6
H4：A2 資訊動機 × P6_2 美牛瘦肉精（有利泛綠）
H4-0：資訊動機與民眾對 P6_2 美牛瘦肉精說法的相信判斷傾向無關
H4-1：資訊動機與民眾對 P6_2 美牛瘦肉精說法的相信判斷傾向有關
# 方法一：chisq.test()
# chisq.test(TCS2022$A2, TCS2022$ind3_p6_2)
# 方法二：gmodels::CrossTable()
# CrossTable(sjlabelled::as_label(TCS2022$A2), sjlabelled::as_label(TCS2022$ind3_p6_2),
# prop.t = FALSE, prop.r = TRUE, prop.c = TRUE, prop.chisq = FALSE, chisq = TRUE)
# 方法三：sjPlot::tab_xtab()
# tab_xtab(TCS2022$A2, TCS2022$ind3_p6_2, encoding = "utf8",
# show.row.prc = TRUE, show.col.prc = TRUE, show.na = FALSE, show.legend = FALSE,
# show.exp = FALSE, show.cell.prc = FALSE, tdcol.col = "gray", tdcol.row = "brown")H4 檢定結果
X-squared = 34.00，df = 8，p < .001，達到統計上的顯著水準。因此，拒絕 H4-0，表示資訊動機與民眾對 P6_2 美牛瘦肉精說法的相信判斷傾向可能相關，H4-1 得到這筆資料的支持。
列與欄百分比的解讀：
從列百分比來看，不獲取政治資訊者答普通的比例最高（57.5%），判斷為真的比例最低（14.2%）。只想看到更多跟您立場相同的觀點者答普通的比例最低（23.3%），判斷為真的比例最高（36.7%）。因此，資訊動機可能與民眾是否下判斷相關。
從欄百分比來看，只想看到同立場觀點者只有 60 人，在各欄所佔的比例都不到 6%。這部分的解讀需要保守。
H5：A2 資訊動機 × P6_4 公投與大選（有利泛綠）
H5-0：資訊動機與民眾對 P6_4 公投與大選說法的相信判斷傾向無關
H5-1：資訊動機與民眾對 P6_4 公投與大選說法的相信判斷傾向有關
# 方法一：chisq.test()
# chisq.test(TCS2022$A2, TCS2022$ind3_p6_4)
# 方法二：gmodels::CrossTable()
# CrossTable(sjlabelled::as_label(TCS2022$A2), sjlabelled::as_label(TCS2022$ind3_p6_4),
# prop.t = FALSE, prop.r = TRUE, prop.c = TRUE, prop.chisq = FALSE, chisq = TRUE)
# 方法三：sjPlot::tab_xtab()
# tab_xtab(TCS2022$A2, TCS2022$ind3_p6_4, encoding = "utf8",
# show.row.prc = TRUE, show.col.prc = TRUE, show.na = FALSE, show.legend = FALSE,
# show.exp = FALSE, show.cell.prc = FALSE, tdcol.col = "gray", tdcol.row = "brown")H5 檢定結果
X-squared = 36.50，df = 8，p < .001，達到統計上的顯著水準。因此，拒絕 H5-0，表示資訊動機與民眾對 P6_4 公投與大選說法的相信判斷傾向可能相關，H5-1 得到這筆資料的支持。
列與欄百分比的解讀：
從列百分比來看，不獲取政治資訊者答普通的比例最高（62.4%），判斷為真的比例最低（17.6%）。答普通比例最低的是兩者都有者（34.4%），只想看到同立場觀點者次低（37.5%）。只想了解不同的觀點者判斷為真的比例最高（37.3%），但與兩者都有者（36.9%）相近。
從欄百分比來看，不獲取政治資訊者約佔全體的 7.5%，在普通一欄卻佔 10.1%。這可能表示不獲取政治資訊者較常保留判斷。
H6：A2 資訊動機 × P6_5 核四死斷層（有利泛藍）
H6-0：資訊動機與民眾對 P6_5 核四死斷層說法的相信判斷傾向無關
H6-1：資訊動機與民眾對 P6_5 核四死斷層說法的相信判斷傾向有關
# 方法一：chisq.test()
# chisq.test(TCS2022$A2, TCS2022$ind3_p6_5)
# 方法二：gmodels::CrossTable()
# CrossTable(sjlabelled::as_label(TCS2022$A2), sjlabelled::as_label(TCS2022$ind3_p6_5),
# prop.t = FALSE, prop.r = TRUE, prop.c = TRUE, prop.chisq = FALSE, chisq = TRUE)
# 方法三：sjPlot::tab_xtab()
# tab_xtab(TCS2022$A2, TCS2022$ind3_p6_5, encoding = "utf8",
# show.row.prc = TRUE, show.col.prc = TRUE, show.na = FALSE, show.legend = FALSE,
# show.exp = FALSE, show.cell.prc = FALSE, tdcol.col = "gray", tdcol.row = "brown")H6 檢定結果
X-squared = 32.46，df = 8，p < .001，達到統計上的顯著水準。因此，拒絕 H6-0，表示資訊動機與民眾對 P6_5 核四死斷層說法的相信判斷傾向可能相關，H6-1 得到這筆資料的支持。
列與欄百分比的解讀：
從列百分比來看，不獲取政治資訊者答普通的比例最高（56.2%），判斷為真的比例最低（13.3%）。只想看到同立場觀點者答普通的比例最低（25.0%），判斷為假的比例最高（51.7%）。兩者都有者判斷為真的比例則最高（28.6%）。
從欄百分比來看，只想看到同立場觀點者只有 60 人，在各欄所佔的比例都不到 6%。這部分的解讀需要保守。
第三組：A3 內在思考 × B 的測量指標（不專注的面向）H7~H9
H7：A3 內在思考 × P6_2 美牛瘦肉精（有利泛綠）
H7-0：內在思考與民眾對 P6_2 美牛瘦肉精說法的相信判斷傾向無關
H7-1：內在思考與民眾對 P6_2 美牛瘦肉精說法的相信判斷傾向有關
# 方法一：chisq.test()
# chisq.test(TCS2022$A3, TCS2022$ind3_p6_2)
# 方法二：gmodels::CrossTable()
# CrossTable(sjlabelled::as_label(TCS2022$A3), sjlabelled::as_label(TCS2022$ind3_p6_2),
# prop.t = FALSE, prop.r = TRUE, prop.c = TRUE, prop.chisq = FALSE, chisq = TRUE)
# 方法三：sjPlot::tab_xtab()
# tab_xtab(TCS2022$A3, TCS2022$ind3_p6_2, encoding = "utf8",
# show.row.prc = TRUE, show.col.prc = TRUE, show.na = FALSE, show.legend = FALSE,
# show.exp = FALSE, show.cell.prc = FALSE, tdcol.col = "gray", tdcol.row = "brown")H7 檢定結果
X-squared = 42.11，df = 4，p < .001，達到統計上的顯著水準。因此，拒絕 H7-0，表示內在思考與民眾對 P6_2 美牛瘦肉精說法的相信判斷傾向可能相關，H7-1 得到這筆資料的支持。
列與
從列百分比來看，沒有想的人答普通的比例最高（62.3%），判斷為真的比例反而最低（15.8%）。會停下來檢查的人判斷為真的比例為 26.5%，憑自己判斷的人為 25.6%。
從欄百分比來看，判斷為真的人中有 61.9% 是會停下來檢查的人，略高於他們在全體中的比重（57.9%）。因此，內在思考可能主要與民眾是否下判斷相關，而不是與是否判斷為真相關。
H8：A3 內在思考 × P6_4 公投與大選（有利泛綠）
H8-0：內在思考與民眾對 P6_4 公投與大選說法的相信判斷傾向無關
H8-1：內在思考與民眾對 P6_4 公投與大選說法的相信判斷傾向有關
# 方法一：chisq.test()
# chisq.test(TCS2022$A3, TCS2022$ind3_p6_4)
# 方法二：gmodels::CrossTable()
# CrossTable(sjlabelled::as_label(TCS2022$A3), sjlabelled::as_label(TCS2022$ind3_p6_4),
# prop.t = FALSE, prop.r = TRUE, prop.c = TRUE, prop.chisq = FALSE, chisq = TRUE)
# 方法三：sjPlot::tab_xtab()
# tab_xtab(TCS2022$A3, TCS2022$ind3_p6_4, encoding = "utf8",
# show.row.prc = TRUE, show.col.prc = TRUE, show.na = FALSE, show.legend = FALSE,
# show.exp = FALSE, show.cell.prc = FALSE, tdcol.col = "gray", tdcol.row = "brown")H8 檢定結果
X-squared = 80.01，df = 4，p < .001，達到統計上的顯著水準。因此，拒絕 H8-0，表示內在思考與民眾對 P6_4 公投與大選說法的相信判斷傾向可能相關，H8-1 得到這筆資料的支持。
列與欄百分比的解讀：
從列百分比來看，沒有想的人答普通的比例高達 71.0%，判斷為真的比例只有 9.5%。會停下來檢查的人判斷為真的比例為 38.1%，是三類中最高的。
從欄百分比來看，判斷為真的人中有 69.4% 是會停下來檢查的人，高於他們在全體中的比重（58.5%）。這則說法的差距比 H7 更大，方向則與 H7 一致。
H9：A3 內在思考 × P6_5 核四死斷層（有利泛藍）
H9-0：內在思考與民眾對 P6_5 核四死斷層說法的相信判斷傾向無關
H9-1：內在思考與民眾對 P6_5 核四死斷層說法的相信判斷傾向有關
# 方法一：chisq.test()
# chisq.test(TCS2022$A3, TCS2022$ind3_p6_5)
# 方法二：gmodels::CrossTable()
# CrossTable(sjlabelled::as_label(TCS2022$A3), sjlabelled::as_label(TCS2022$ind3_p6_5),
# prop.t = FALSE, prop.r = TRUE, prop.c = TRUE, prop.chisq = FALSE, chisq = TRUE)
# 方法三：sjPlot::tab_xtab()
# tab_xtab(TCS2022$A3, TCS2022$ind3_p6_5, encoding = "utf8",
# show.row.prc = TRUE, show.col.prc = TRUE, show.na = FALSE, show.legend = FALSE,
# show.exp = FALSE, show.cell.prc = FALSE, tdcol.col = "gray", tdcol.row = "brown")H9 檢定結果
X-squared = 29.74，df = 4，p < .001，達到統計上的顯著水準。因此，拒絕 H9-0，表示內在思考與民眾對 P6_5 核四死斷層說法的相信判斷傾向可能相關，H9-1 得到這筆資料的支持。
列與欄百分比的解讀：
從列百分比來看，沒有想的人答普通的比例最高（60.1%），判斷為真的比例最低（9.0%）。會停下來檢查與憑自己判斷的人判斷為真的比例相近（17.5%、18.1%）。
從欄百分比來看，答普通的人中有 17.9% 是沒有想的人，高於他們在全體中的比重（13.5%）。這則說法有利泛藍，但沒有想的人的回答型態與前兩題相同。
第四組：A4 外在查證 × B 的測量指標（不專注的面向）H10~H12
H10：A4 外在查證 × P6_2 美牛瘦肉精（有利泛綠）
H10-0：外在查證與民眾對 P6_2 美牛瘦肉精說法的相信判斷傾向無關
H10-1：外在查證與民眾對 P6_2 美牛瘦肉精說法的相信判斷傾向有關
# 方法一：chisq.test()
# chisq.test(TCS2022$A4, TCS2022$ind3_p6_2)
# 方法二：gmodels::CrossTable()
# CrossTable(sjlabelled::as_label(TCS2022$A4), sjlabelled::as_label(TCS2022$ind3_p6_2),
# prop.t = FALSE, prop.r = TRUE, prop.c = TRUE, prop.chisq = FALSE, chisq = TRUE)
# 方法三：sjPlot::tab_xtab()
# tab_xtab(TCS2022$A4, TCS2022$ind3_p6_2, encoding = "utf8",
# show.row.prc = TRUE, show.col.prc = TRUE, show.na = FALSE, show.legend = FALSE,
# show.exp = FALSE, show.cell.prc = FALSE, tdcol.col = "gray", tdcol.row = "brown")H10 檢定結果
X-squared = 19.12，df = 2，p < .001，達到統計上的顯著水準。因此，拒絕 H10-0，表示外在查證與民眾對 P6_2 美牛瘦肉精說法的相信判斷傾向可能相關，H10-1 得到這筆資料的支持。
列與欄百分比的解讀：
從列百分比來看，不會查證的人答普通的比例高於會查證的人（52.9% 對 40.6%）。不會查證的人判斷為真的比例則較低（20.8% 對 26.1%）。
從欄百分比來看，不會查證的人佔全體的 24.1%，在普通一欄卻佔 29.3%。因此，外在查證可能主要與民眾是否下判斷相關。
H11：A4 外在查證 × P6_4 公投與大選（有利泛綠）
H11-0：外在查證與民眾對 P6_4 公投與大選說法的相信判斷傾向無關
H11-1：外在查證與民眾對 P6_4 公投與大選說法的相信判斷傾向有關
# 方法一：chisq.test()
# chisq.test(TCS2022$A4, TCS2022$ind3_p6_4)
# 方法二：gmodels::CrossTable()
# CrossTable(sjlabelled::as_label(TCS2022$A4), sjlabelled::as_label(TCS2022$ind3_p6_4),
# prop.t = FALSE, prop.r = TRUE, prop.c = TRUE, prop.chisq = FALSE, chisq = TRUE)
# 方法三：sjPlot::tab_xtab()
# tab_xtab(TCS2022$A4, TCS2022$ind3_p6_4, encoding = "utf8",
# show.row.prc = TRUE, show.col.prc = TRUE, show.na = FALSE, show.legend = FALSE,
# show.exp = FALSE, show.cell.prc = FALSE, tdcol.col = "gray", tdcol.row = "brown")H11 檢定結果
X-squared = 39.02，df = 2，p < .001，達到統計上的顯著水準。因此，拒絕 H11-0，表示外在查證與民眾對 P6_4 公投與大選說法的相信判斷傾向可能相關，H11-1 得到這筆資料的支持。
列與欄百分比的解讀：
從列百分比來看，不會查證的人答普通的比例高於會查證的人（57.9% 對 43.1%）。不會查證的人判斷為真的比例則較低（19.3% 對 35.8%），差距比 H10 更大。
從欄百分比來看，不會查證的人佔全體的 22.8%，在普通一欄佔 28.4%，在判斷為真一欄只佔 13.7%。
H12：A4 外在查證 × P6_5 核四死斷層（有利泛藍）
H12-0：外在查證與民眾對 P6_5 核四死斷層說法的相信判斷傾向無關 H12-1：外在查證與民眾對 P6_5 核四死斷層說法的相信判斷傾向有關
# 方法一：chisq.test()
# chisq.test(TCS2022$A4, TCS2022$ind3_p6_5)
# 方法二：gmodels::CrossTable()
# CrossTable(sjlabelled::as_label(TCS2022$A4), sjlabelled::as_label(TCS2022$ind3_p6_5),
# prop.t = FALSE, prop.r = TRUE, prop.c = TRUE, prop.chisq = FALSE, chisq = TRUE)
# 方法三：sjPlot::tab_xtab()
# tab_xtab(TCS2022$A4, TCS2022$ind3_p6_5, 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")H12 檢定結果
X-squared = 20.54，df = 2，p < .001，達到統計上的顯著水準。因此，拒絕 H12-0，表示外在查證與民眾對 P6_5 核四死斷層說法的相信判斷傾向可能相關，H12-1 得到這筆資料的支持。
列與欄百分比的解讀：
從列百分比來看，不會查證的人答普通的比例高於會查證的人（55.2% 對 42.2%）。不會查證的人判斷為真與判斷為假的比例都較低（14.1% 對 17.3%、30.7% 對 40.5%）。
從欄百分比來看，不會查證的人佔全體的 24.0%，在普通一欄卻佔 29.2%。這組關聯的方向與前兩題一致，不隨說法有利的陣營改變。
小結論
根據以上的統計分析，共12組卡方檢定都達到統計上的顯著水準，H1-0至H12-0都被表示為拒絕。這顯示A1至A4 與民眾對政治虛假訊息的相信判斷傾向之間較具有相關性，12組的相關性假設接獲得這筆資料的支持。然而，動機與不專注兩面向的相關型態可能不同。
就動機的面向而言，A1政黨傾向類型與美牛瘦肉精一題的相關性可能呈現藍綠分邊。泛綠支持者判斷為真的比例較高，泛藍支持者判斷為假的比例較高。也就是說，此題呈現出，民眾的判斷可能隨著說法有利哪一方而改變，而不是隨著說法本身的真假；公投與核四這兩題則未呈現出明顯的藍綠分邊，其相關性可能主要來自無傾向者回答普通的比例較高。A2資訊動機方面，想看到同立場觀點的人較傾向表態，回答普通的比例較低；想了解不同觀點與不獲取政治資訊的人，回答普通的比例則都較高。此差異在美牛、公投與核四三則說法中都相同。這可能與假設中想看到同立場觀點者判斷較篤定的預期一致，但只勾選想看到同立場觀點的受訪者較少，解讀時需要保守。
就不專注的面向而言，A3沒有想與A4不會查證的人回答普通的比例較高，判斷為真的比例較低。依照不專注的解釋，沒有停下來想或沒有查證的人，應該比較容易相信假訊息。但資料中這兩群人較不表態，判斷為真的比例也沒有比較高。這樣的情形在美牛、公投與核四三則說法中都相同，不隨說法有利的陣營而改變。這與不專注解釋的預期可能不一致。因此，目前的資料可能較符合動機的解釋，但相關性主要集中在美牛一題。最後，動機與不專注兩個面向相關性的強弱，仍需後續的迴歸分析確認。