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

Author

于安如

一、研究背景與資料來源

1.1 研究問題與核心關懷

現今,隨著傳播管道日益多元,民眾接收資訊的速度也越來越快。因此,許多臺灣民眾得以在日常生活中迅速接觸並關注各類政治議題。

然而,即使面對同一則錯誤的政治說法,民眾對其真假的判斷也不盡相同。以傳播調查資料庫2022年的調查為例,受訪者需判斷四則政治說法。這四則說法分別涉及美國牛肉進口的瘦肉精標準、倫敦大學是否證實蔡總統參加博士論文口試、公投與大選是否合併舉行,以及核四底下的斷層是否為死斷層。這意味著,當錯誤的說法帶有藍綠色彩時,民眾的判斷可能不只取決於說法本身的真假。

之所以需要關注這個問題,是因為民眾如何判斷政治說法的真假,會影響他們對政黨與政策的評價。同時,這也會影響他們參與公共討論的方式。倘若錯誤的說法被當成真的,民眾便可能依據不正確的資訊做出政治判斷。因此,要回應政治虛假訊息的問題,須先了解民眾判斷真假的依據。具體而言,若民眾是因為說法有利己方而相信,僅提醒民眾多加思考可能並不足夠。反之,若民眾是因為沒有停下來檢查而相信,提醒民眾多加思考則可能有所幫助。換言之,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(依變數)是民眾對政治虛假訊息的相信判斷傾向。也就是說,本研究關心的是虛假訊息流動過程中的「相信」環節。更確切地說,當錯誤的政治說法出現在民眾面前時,本研究想了解他們會依據什麼做出判斷。為此,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。

一些人相信,民眾判斷政治說法的真假時,會受到自身立場的左右。這種觀點稱為動機性推理(Motivated Reasoning),指民眾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)進一步指出,民眾推理時可能出於「尋求正確答案」的動機,也可能受到「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。而且,原本政治態度越強烈者,此種認知偏誤越明顯(Taber & Lodge, 2006)。依此觀點,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。本研究將這類判斷依據稱為動機。

然而,一些人則認為,民眾相信錯誤的說法主要是因為沒有好好思考。這種觀點是基於雙系統理論(Dual-Process Theory)所延伸的不專注推理(Inattentive Reasoning)。此觀點認為,民眾之所以相信假新聞,主要是因為接收訊息時未及時啟動審慎思考以評估資訊的真實性(Pennycook & Rand, 2019)。依此觀點,民眾可能因為沒有多做思考、沒有停下來檢查說法的真假,而相信錯誤的說法。本研究將這類判斷依據稱為不專注。簡言之,前者對應訊息「站對了邊」,後者則對應民眾「想不清楚」。

所以,本研究想釐清這兩種觀點何者較能解釋臺灣民眾的判斷,並提出以下研究問題:
「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?」

對此,本研究主張民眾相信政治虛假訊息主要並非因為「想不清楚」,而是因為訊息本身「站對了邊」。亦即,民眾對政治虛假訊息的相信判斷傾向與動機(如政黨傾向、資訊動機)的關聯,將強於與不專注(如內在思考、外在查證)的關聯。

需要說明的是,本研究只處理虛假訊息流動過程中的「相信」環節,虛假訊息的製造與轉傳則不在討論範圍內。此外,調查資料只能呈現變數之間的關聯,無法直接證明動機或不專注造成民眾相信虛假訊息。

1.2 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

二、研究變數與預期關聯

2.1 研究變數

本研究以民眾對政治虛假訊息的相信判斷傾向作為核心關懷,試圖了解民眾的判斷與動機或不專注的關聯。因此,本研究選取一個依變數與四個主要自變數,並另外納入七個控制變數。四個主要自變數分為動機與不專注兩個面向。動機的面向包含政黨傾向與資訊動機,前者代表動機的方向,後者代表動機的種類。不專注的面向包含內在思考與外在查證,前者代表心裡有沒有停下來想,後者代表有沒有實際動手查證。

依變數:民眾對政治虛假訊息的相信判斷傾向

依變數是透過四則說法進行測量,受訪者需判斷每則說法可能為真或為假。回答類別包含「非常可能是真的」、「可能是真的」、「普通」、「可能是假的」及「非常可能是假的」五類,「不知道」與「拒答」則設為遺漏值。

依變數(Y)測量題:P6_2、P6_3、P6_4、P6_5

P6_2 為:「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」。
P6_3 為:「倫敦大學有證實蔡總統有參加博士論文口試」。
P6_4 為:「在歐美先進國家,公投與大選很少合併舉行」。
P6_5 為:「核四底下的地下斷層已四萬年無活動,是死斷層」。

四題為原始問卷題目,皆以相同的問法詢問受訪者,請受訪者判斷每則說法「可能是真的還是假的」。

主要自變數(共4個):

1. 動機的面向:政黨傾向(X1)(結合 Q49、Q50、Q51、Q52)

政黨傾向測量民眾偏向支持哪個政黨,以及偏向的程度。本研究以政黨傾向代表動機的方向,藉以了解民眾是否依循自己所支持的政黨來判斷政治說法為真或為假。一則說法是否「站對了邊」,取決於民眾自己支持哪個陣營,因此需要納入這個變數。區分強烈與一般,則是為了比較支持程度不同的民眾。

本研究合併Q49至Q52的選項。問卷先以Q49詢問「在目前國內的政黨中,請問您有沒有偏向支持哪一個政黨?」回答沒有者,再以Q50詢問「那相對來說,請問您有沒有稍微偏向支持哪一個政黨?」兩題皆回答「沒有」者為無傾向。有偏向者接著回答Q51「請問是哪一個政黨?」,再以Q52詢問偏向這個政黨的程度是很強、普通還是有一點。本研究依Q51將民進黨、綠黨、時代力量、台灣基進與台灣團結聯盟歸為泛綠,國民黨、新黨與親民黨歸為泛藍,其餘政黨(包含台灣民眾黨)歸為其他政黨。Q52回答「很強」者為強烈,回答「普通」或「有一點」者為一般,其他政黨不區分強度。因此,「無傾向」(Q49與Q50皆回答「沒有」者)、「強烈泛綠」、「一般泛綠」、「一般泛藍」、「強烈泛藍」及「其他政黨」六類。其中,無傾向者作為比較的對照組。其他政黨沒有對應的己方說法,因此在分析中保留但不解讀。

2. 動機的面向:資訊動機(X2)(結合 Q27、Q20)

資訊動機是測量民眾想要獲得政治或公共事務相關訊息的原因。本研究以資訊動機代表動機的種類,用來區分想得到特定結論與想得到正確答案的民眾。政黨傾向只能說明民眾支持哪個陣營,無法說明民眾帶著什麼目的接觸政治資訊,因此需要納入這個變數。

Q27詢問「請問您想要獲得政治或公共事務相關訊息的原因是什麼?」,此題可以複選。本研究依其中的(03)「想了解不同的觀點」與(05)「想看到更多跟您立場相同的觀點」,將民眾分為五類。本研究參考 Kunda(1990)對兩種推理動機的區分,將(05)視為較接近想得到特定結論的動機,(03)視為較接近想得到正確答案的動機。只勾選(03)者為「只想了解不同的觀點」,只勾選(05)者為「只想看到更多跟您立場相同的觀點」。兩者都勾選者為「兩者都有」。有回答 Q27 但兩者都沒有勾選者為「其他想法」,他們勾選的是(01)「想要了解國內外大事」、(02)「這是一個公民應該做的事」、(04)「習慣」、(06)「想要有話題與親朋好友聊」、(07)「想要知道大家對於當下議題的看法」或(88)「其他」。

Q20詢問「除了新聞,請問您平常會用哪種方式獲得政治或公共事務相關訊息?」在Q20回答(90)「都沒有」且從不透過報紙、雜誌、廣播與電視獲得政治資訊者,依問卷設計不需回答Q27。因此,本研究將這些民眾與Q27勾選(90)「都沒有」者合併為「不獲取政治資訊」。不獲取政治資訊者作為沒有資訊動機的對照。

3. 不專注的面向:內在思考(X3)(P7_5)

內在思考測量民眾看到不確定能否相信的新聞報導時,心裡出現的想法。本研究以內在思考作為不專注的測量之一,用來了解民眾心裡有沒有停下來想。依照不專注推理,沒有停下來想的民眾較容易接受錯誤的說法,因此需要納入這個變數。

P7_5詢問「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?」,此題可以複選。勾選(02)「您會試著確認訊息來源是否可靠」或(03)「您會試著從報導的用字遣詞來判斷它是否可靠」者為「會停下來檢查」。勾選(01)「您會依自己的知識、經驗判斷該報導的正確性」,但未勾選(02)與(03)者為「憑自己判斷」。未勾選(01)至(03),而勾選(04)「以上都沒有」、(05)「都不相信新聞報導」或(06)「都相信新聞報導」者為「沒有想」。

憑自己判斷單獨成為一類,既不歸為會停下來檢查,也不歸為沒有想。它不歸為停下來檢查,是因為依自己的知識與經驗判斷,可能就是依立場判斷。(05)都不相信新聞報導歸為沒有想,是因為它和(06)都相信新聞報導一樣,都是不看內容就一概而論。

4. 不專注的面向:外在查證(X4)(P7_6)

外在查證測量民眾想確認一則新聞報導是否正確時,會採用哪些方法。本研究以外在查證作為不專注的另一個測量,用來了解民眾有沒有實際動手查證。內在思考只能反映民眾心裡的想法,外在查證則能反映實際的行動,因此需要同時納入這兩個變數。

P7_6詢問「如果您想要確認一則新聞報導是不是正確時,您會用下列哪些方法?」,此題可以複選。選項(01)至(06)分別為上網搜尋相關討論、上網搜尋專業說法、看其他媒體是否也有類似的報導、與親朋好友討論、去圖書館找資料,以及聽取身邊專業人士對那則新聞的判斷。勾選其中任一種方法者為「會查證」,勾選(07)「不會做任何事」者為「不會查證」。只要採用任何一種方法,就代表民眾有實際動手查證。

2.2 依變數與自變數之間的關聯

本研究的依變數(Y)是民眾對政治虛假訊息的相信判斷傾向,自變數X1至X4則分屬動機與不專注兩個面向。兩個面向對依變數的預期關聯不同,本研究即透過比較這些差異回答研究問題。

動機的面向:政黨傾向(X1)、資訊動機(X2)與依變數(Y)

本研究預期X1與Y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。具體而言,泛綠與泛藍支持者面對有利己方的說法時,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。此外,認同強烈者的傾向應比認同一般者更明顯,因為原本態度越強的人偏誤越明顯(Taber & Lodge, 2006)。之所以選擇政治方向不同的說法,是因為關聯的方向若隨說法翻轉,便表示民眾的判斷依循自己支持的陣營而非說法本身的真假。

不同於X1,X2本身沒有藍綠方向,因此本研究不預期它與判斷為真或為假有固定的關聯。本研究預期的是 X2與判斷的篤定程度有關聯。具體而言,只想看到更多跟您立場相同的觀點者回答「非常可能是真的」或「非常可能是假的」的比例,會高於只想了解不同的觀點者。相反地,只想了解不同的觀點者回答「普通」的比例,則會高於只想看到更多跟您立場相同的觀點者。這是因為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則較可能保留判斷。

不專注的面向:內在思考(X3)、外在查證(X4)與依變數(Y)

依照不專注推理,沒有停下來想的人較容易接受錯誤的說法。因此,本研究預期X3中沒有想者回答「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。同樣地,X4中不會查證者回答「非常可能是真的」或「可能是真的」的比例,會高於會查證者。與X1不同的是,這兩個差異不會隨說法有利的陣營而翻轉。不過,本研究認為在黨派議題上,X3與X4的差異都會小於政黨傾向不同者之間的差異。

最終目的

以上四組關聯放在一起觀察,就是本研究的核心。兩個面向的預期關聯形式不同,X1的關聯會隨說法方向翻轉,X3與X4的關聯則不會隨說法方向翻轉。因此,比較兩個面向的關聯型態與強弱,便能觀察民眾選擇相信政治虛假訊息的主要依據。若X1的關聯會隨說法方向翻轉,而且大於X3與X4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。本研究的最終目的,即是回答民眾相信政治虛假訊息究竟是因為訊息「站對了邊」,還是因為民眾「想不清楚」。

三、研究變數、資料清理與編碼

3.1 讀入與清洗資料

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。

本研究以sjlabelled套件的read_data()讀入資料,並加上convert.factors = FALSE的設定。這個設定是為了讓變數保留原始的數字代碼。後續編碼需要以數字比對選項,也需要在多題之間取最大值。若讀成類別變數,這些數字運算都無法進行。讀入後先存成備份檔 TCS2022data.rda,再從備份檔讀回並查看資料。

# 如果你是使用本資料夾中的專案檔(.Rproj)點開專案,請用此指令顯示/確認專案(.Rproj)目前的路徑
here::here()
[1] "C:/民意與行為研究/專案一"
# 第一次使用才需要安裝套件,裝過之後這幾行前面保留 # 即可
# install.packages("sjlabelled")
# install.packages("sjmisc")
# install.packages("dplyr")

## 第一階段:讀入原始資料並轉為rda檔
library(sjlabelled)
Warning: package 'sjlabelled' was built under R version 4.6.2
TCS2022 <- read_data("TCS2022data.sav", convert.factors = FALSE)
# 【與老師範例不同】加上 convert.factors = FALSE,讓變數保留原始數字代碼
# 原因:後面要用數字比對選項(例如 Q51 的 2、7、8),也要在 Q1 至 Q4 之間取最大值
# 如果讀成類別(factor),這些數字運算都做不了

# 存備份檔(到本章資料夾中)及清空暫存區
save(TCS2022, file = "TCS2022data.rda", compress = T)
rm(list = ls())

## 初次查看資料檔內容
load("TCS2022data.rda") # 從本章資料夾中讀取備份後的資料檔

nrow(TCS2022) # 看看有多少觀察值(多少列)--2,015
[1] 2015
names(TCS2022[, 1:10]) # 看看有那些變數,以及這些變數的名稱(共834個,這裡只看前 10 個)
 [1] "id"      "va1"     "va2"     "va9"     "va9o88"  "ve1"     "va3"    
 [8] "va3o88"  "va4"     "va5city"
str(TCS2022$vp6_2) # 看看資料的結構(以 P6_2 為例):無效值的代碼為 96 跳答、97 不知道、98 拒答、99 遺漏值
 num [1:2015] 4 4 3 2 2 97 3 4 2 4 ...
 - attr(*, "label")= chr "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」,您認為這個說法可能是真的還是假的?"
 - attr(*, "format.spss")= chr "F8.0"
 - attr(*, "display_width")= int 16
 - attr(*, "labels")= Named num [1:9] 1 2 3 4 5 96 97 98 99
  ..- attr(*, "names")= chr [1:9] "非常可能是真的" "可能是真的" "普通" "可能是假的" ...

問卷資料中有幾個特殊代碼,代表受訪者沒有給出真正的答案。96代表受訪者依問卷規定跳過這一題,97與98分別代表回答不知道與拒絕回答,99則為遺漏值。本研究將這些代碼一次改成遺漏值,避免它們被當成答案計算。

不過,媒體使用題(Q1 至 Q9)與資訊動機題(Q27)的96有特別的意義。例如完全不看報紙的人,問卷會讓他跳過報紙題,此時 96 代表「不看報紙」。若直接改成遺漏值,這些人會從分析中消失,因此這兩組題目先不清理。它們的 97 與 98,留到編碼時再設為遺漏值。清理前也確認過,出生年等本研究用到的題目不會被誤刪。

因此,此部分將資料拆成兩半,只清理第一半,再合併回去。第一半是媒體使用題(Q1 至 Q9)與資訊動機題(Q27)以外的變數,其中的93至99全部改成遺漏值。第二半是這兩組題目,不清理以保留代表跳答的96。資訊動機題詢問民眾想獲得政治資訊的原因,完全不獲取政治資訊的人會跳過此題。保留96才能找出這群人。合併後第二半的變數會排在資料最後面,不影響分析。

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。

## 第二階段:使用`sjmisc::set_na()` 批次清理無效值

library(sjmisc)
library(dplyr)

# 【與老師範例不同】批次清理時排除需要保留96(跳答)的變數
# TCS2022的96代表「依問卷規定跳答」,下列變數要靠96判斷受訪者是誰,所以先不清理
# Q1至Q4(報紙、雜誌、廣播、電視):四題都跳答者歸為「很少或從未」
# Q5至Q9(網路、社群媒體、影音平台、通訊軟體、新聞網站):Q5跳答者歸為「很少或從未」
# Q27各選項(vq27m01 至 vq27m90):跳答者歸為「不獲取政治資訊」
# 這些變數的97不知道、98拒答,會在第三階段編碼時各自設為遺漏值
keep96 <- c(
  "vq1", "vq2", "vq3", "vq4", "vq5",
  "vq6sq6", "vq6sq7", "vq6sq8", "vq6sq9"
)

TCS2022 <- bind_cols(
  set_na(select(TCS2022, -all_of(keep96), -starts_with("vq27m")), na = c(93:99, "NA")),
  select(TCS2022, all_of(keep96), starts_with("vq27m"))
)

nrow(TCS2022) # 檢查:清理後觀察值仍為 2,015
[1] 2015

3.2 變數編碼

編碼原則

編碼只合併原題的選項,不把題目的分數相加或相減。依新變數的來源不同,編碼分為兩種寫法。

若新變數只來自一題,就直接把原本的選項換成新的類別。例如,政治興趣只看Q46一題,將「非常不感興趣」與「有點不感興趣」合併為「不感興趣」。這個步驟使用sjmisc套件的rec()函數,原本的題目不會被改動。

若新變數需要同時看好幾題,則分三步進行。第一步是建立一個每人都是空白的新變數。第二步是依條件逐一填入代碼,例如Q50回答沒有的人填入1。第三步再以rec()為代碼加上文字標籤,例如1代表無傾向。

撰寫條件時,一律使用可以一次比對多個選項的%in%。遇到答案空白的人,%in%會直接判定為不符合。因此,任何條件都不符合的人不會被填入代碼,會維持遺漏值。

每個新變數都依相同步驟檢查。先檢查原始題目的選項與遺漏值,編碼後再加上題目標籤。最後檢查各類別的人數,並確認遺漏值的數量。

3.2.1 依變數:民眾對政治虛假訊息的相信判斷傾向(P6_2、P6_3、P6_4、P6_5)

編碼目的與理由

本變數測量民眾對政治虛假訊息的相信判斷傾向,是本研究的依變數。本研究以四則說法作為測量指標。選擇政治方向不同的說法,是為了觀察民眾的判斷是否隨說法有利的陣營而改變。

為保留判斷的程度差異,本研究不合併原始的五個回答類別。「不知道」與「拒答」已在批次清理時設為遺漏值。原始變數不動,另外建立ind_p6_2、ind_p6_3、ind_p6_4與ind_p6_5四個新變數。新變數的代碼經過反轉,數字越大代表越判斷為真。四題各自分析,不合併成一個變數。新變數會自動沿用原題的題目標籤,因此不需要另外加上。

變數名稱以ind(indicator,指標)開頭,表示它們是Y的測量指標,不是Y本身。

開始編碼

依變數之測量變數1(P6_2):「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」

# 檢查原始編碼
attr(TCS2022$vp6_2, "labels")
非常可能是真的     可能是真的           普通     可能是假的 非常可能是假的 
             1              2              3              4              5 
# 缺失值檢查
table(TCS2022$vp6_2, exclude = NULL)

   1    2    3    4    5 <NA> 
  61  359  738  425  111  321 
# 重新編碼(保留五類,加上選項標籤)
# 重新編碼時將代碼反轉,以配合後續的序列邏輯迴歸。原始題目的1為「非常可能是真的」,5 為「非常可能是假的」。反轉後,5為「非常可能是真的」,1為「非常可能是假的」,數字越大代表越判斷為真。每個代碼的選項標籤仍對應原本的回答,各選項的人數不變。如此一來,迴歸係數為正時,代表該類別的民眾較傾向判斷為真。
TCS2022$ind_p6_2 <- rec(TCS2022$vp6_2,
                        rec = "1=5[非常可能是真的]; 2=4[可能是真的]; 3=3[普通]; 4=2[可能是假的]; 5=1[非常可能是假的]; else=NA",
                        as.num = F
)
 
table(TCS2022$ind_p6_2, exclude = NULL) # 不顯示題目

   1    2    3    4    5 <NA> 
 111  425  738  359   61  321 
# 注意: 如果寫table(TCS2022,ind_p6_2)會顯示錯誤,這種「先給資料、再給變數名稱」的寫法只有frq()能用,table()不認得,所以它找不到 ind_p6_2。
# 顯示題目標籤與變數名稱
frq(TCS2022, ind_p6_2)
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」,您認為這個說法可能是真的還是假的? (ind_p6_2) <categorical> 
# total N=2015 valid N=1694 mean=2.90 sd=0.93

Value |          Label |   N | Raw % | Valid % | Cum. %
-------------------------------------------------------
    1 | 非常可能是假的 | 111 |  5.51 |    6.55 |   6.55
    2 |     可能是假的 | 425 | 21.09 |   25.09 |  31.64
    3 |           普通 | 738 | 36.63 |   43.57 |  75.21
    4 |     可能是真的 | 359 | 17.82 |   21.19 |  96.40
    5 | 非常可能是真的 |  61 |  3.03 |    3.60 | 100.00
 <NA> |           <NA> | 321 | 15.93 |    <NA> |   <NA>
# 確認資料型態
class(TCS2022$ind_p6_2)
[1] "factor"

編碼結果

本變數保留五個回答類別,並將程式碼反轉為數字越大越判斷為真。重新整理後,資料型態為factor。有效回答共1,694人,缺失值共321人。缺失值為回答不知道或拒答的受訪者。有效回答與缺失值合計2,015人,與原始變數的受訪者人數一致。

依變數之測量變數2(P6_3):「倫敦大學有證實蔡總統有參加博士論文口試」

# 檢查原始編碼
attr(TCS2022$vp6_3, "labels")
非常可能是真的     可能是真的           普通     可能是假的 非常可能是假的 
             1              2              3              4              5 
# 缺失值檢查
table(TCS2022$vp6_3, exclude = NULL)

   1    2    3    4    5 <NA> 
 143  380  770  271  146  305 
# 重新編碼(保留五類,加上選項標籤)
TCS2022$ind_p6_3 <- rec(TCS2022$vp6_3,
                        rec = "1=5[非常可能是真的]; 2=4[可能是真的]; 3=3[普通]; 4=2[可能是假的]; 5=1[非常可能是假的]; else=NA",
                        as.num = F
)

table(TCS2022$ind_p6_3, exclude = NULL) # 不顯示題目

   1    2    3    4    5 <NA> 
 146  271  770  380  143  305 
# 顯示題目標籤與變數名稱
frq(TCS2022, ind_p6_3)
P6_3 有人說:「倫敦大學有證實蔡總統有參加博士論文口試」,您認為這個說法可能是真的還是假的? (ind_p6_3) <categorical> 
# total N=2015 valid N=1710 mean=3.06 sd=1.03

Value |          Label |   N | Raw % | Valid % | Cum. %
-------------------------------------------------------
    1 | 非常可能是假的 | 146 |  7.25 |    8.54 |   8.54
    2 |     可能是假的 | 271 | 13.45 |   15.85 |  24.39
    3 |           普通 | 770 | 38.21 |   45.03 |  69.42
    4 |     可能是真的 | 380 | 18.86 |   22.22 |  91.64
    5 | 非常可能是真的 | 143 |  7.10 |    8.36 | 100.00
 <NA> |           <NA> | 305 | 15.14 |    <NA> |   <NA>
# 確認資料型態
class(TCS2022$ind_p6_3)
[1] "factor"

編碼結果

本變數保留五個回答類別,並將程式碼反轉為數字越大越判斷為真。重新整理後,資料型態為factor。有效回答共1,710人,缺失值共305人。缺失值為回答不知道或拒答的受訪者。有效回答與缺失值合計2,015人,與原始變數的受訪者人數一致。

依變數之測量變數2(P6_4 ):「在歐美先進國家,公投與大選很少合併舉行」

# 檢查原始編碼
attr(TCS2022$vp6_4, "labels")
非常可能是真的     可能是真的           普通     可能是假的 非常可能是假的 
             1              2              3              4              5 
# 缺失值檢查
table(TCS2022$vp6_4, exclude = NULL)

   1    2    3    4    5 <NA> 
  81  451  770  286   69  358 
# 重新編碼(保留五類,加上選項標籤)
TCS2022$ind_p6_4 <- rec(TCS2022$vp6_4,
                        rec = "1=5[非常可能是真的]; 2=4[可能是真的]; 3=3[普通]; 4=2[可能是假的]; 5=1[非常可能是假的]; else=NA",
                        as.num = F
)

table(TCS2022$ind_p6_4, exclude = NULL) # 不顯示題目

   1    2    3    4    5 <NA> 
  69  286  770  451   81  358 
# 顯示題目標籤與變數名稱
frq(TCS2022, ind_p6_4)
P6_4 有人說:「在歐美先進國家,公投與大選很少合併舉行」,您認為這個說法可能是真的還是假的? (ind_p6_4) <categorical> 
# total N=2015 valid N=1657 mean=3.11 sd=0.89

Value |          Label |   N | Raw % | Valid % | Cum. %
-------------------------------------------------------
    1 | 非常可能是假的 |  69 |  3.42 |    4.16 |   4.16
    2 |     可能是假的 | 286 | 14.19 |   17.26 |  21.42
    3 |           普通 | 770 | 38.21 |   46.47 |  67.89
    4 |     可能是真的 | 451 | 22.38 |   27.22 |  95.11
    5 | 非常可能是真的 |  81 |  4.02 |    4.89 | 100.00
 <NA> |           <NA> | 358 | 17.77 |    <NA> |   <NA>
# 確認資料型態
class(TCS2022$ind_p6_4)
[1] "factor"

編碼結果

本變數保留五個回答類別,並將程式碼反轉為數字越大越判斷為真。重新整理後,資料型態為factor。有效回答共1,657人,缺失值共358人。缺失值為回答不知道或拒答的受訪者。有效回答與缺失值合計2,015人,與原始變數的受訪者人數一致。

依變數之測量變數4(P6_5):「核四底下的地下斷層已四萬年無活動,是死斷層」

# 檢查原始編碼
attr(TCS2022$vp6_5, "labels")
非常可能是真的     可能是真的           普通     可能是假的 非常可能是假的 
             1              2              3              4              5 
# 缺失值檢查
table(TCS2022$vp6_5, exclude = NULL)

   1    2    3    4    5 <NA> 
  30  244  751  492  141  357 
# 重新編碼(保留五類,加上選項標籤)
TCS2022$ind_p6_5 <- rec(TCS2022$vp6_5,
                        rec = "1=5[非常可能是真的]; 2=4[可能是真的]; 3=3[普通]; 4=2[可能是假的]; 5=1[非常可能是假的]; else=NA",
                        as.num = F
)

table(TCS2022$ind_p6_5, exclude = NULL) # 不顯示題目

   1    2    3    4    5 <NA> 
 141  492  751  244   30  357 
# 顯示題目標籤與變數名稱
frq(TCS2022, ind_p6_5)
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」,您認為這個說法可能是真的還是假的? (ind_p6_5) <categorical> 
# total N=2015 valid N=1658 mean=2.72 sd=0.88

Value |          Label |   N | Raw % | Valid % | Cum. %
-------------------------------------------------------
    1 | 非常可能是假的 | 141 |  7.00 |    8.50 |   8.50
    2 |     可能是假的 | 492 | 24.42 |   29.67 |  38.18
    3 |           普通 | 751 | 37.27 |   45.30 |  83.47
    4 |     可能是真的 | 244 | 12.11 |   14.72 |  98.19
    5 | 非常可能是真的 |  30 |  1.49 |    1.81 | 100.00
 <NA> |           <NA> | 357 | 17.72 |    <NA> |   <NA>
# 確認資料型態
class(TCS2022$ind_p6_5)
[1] "factor"

編碼結果

本變數保留五個回答類別,並將程式碼反轉為數字越大越判斷為真。重新整理後,資料型態為factor。有效回答共1,658人,缺失值共357人。缺失值為回答不知道或拒答的受訪者。有效回答與缺失值合計2,015人,與原始變數的受訪者人數一致。

3.2.2 自變數:政黨傾向(A1)、資訊動機(A2)、內在思考(A3)、外在查證(A4)

A1:政黨傾向

原始問卷題目

題號 題目 選項
Q49 在目前國內的政黨中,請問您有沒有偏向支持哪一個政黨? (01)有(跳答 Q51)、(02)沒有
Q50 那相對來說,請問您有沒有稍微偏向支持哪一個政黨? (01)有、(02)沒有(跳答 Q53)
Q51 請問是哪一個政黨? 國民黨、民進黨等 18 個政黨與(88)其他政黨
Q52 請問,您偏向這個政黨的程度是很強,普通,還是有一點? (01)很強、(02)普通、(03)有一點、(94)看情形、(95)無意見

本研究使用的原始變數為 vq50、vq51 與 vq52。

編碼目的與理由

此變數測量民眾偏向支持哪個陣營,以及支持的程度。本研究以政黨傾向代表動機的方向,藉以了解民眾是否依自己支持的陣營判斷說法的真假。

此變數跨題合併Q49至Q52的選項。首先,Q49與Q50皆回答「沒有」者為無傾向。依問卷設計,只有 Q49回答「沒有」者才需要回答Q50。因此,Q50回答「沒有」者,Q49必定也回答「沒有」。編碼時只需以Q50判斷,不需要再檢查Q49。

其次,依Q51將政黨分為泛綠、泛藍與其他三個陣營。民進黨、綠黨、時代力量、台灣基進與台灣團結聯盟歸為泛綠,國民黨、新黨與親民黨歸為泛藍。其餘政黨(包含台灣民眾黨)歸為其他政黨。

最後,依Q52區分支持程度。回答「很強」者為強烈,回答「普通」或「有一點」者為一般。其他政黨不區分強度。Q52 回答「看情形」的 1 人已在批次清理時設為遺漏值。陣營與程度組合後共分為六類,無傾向者作為比較的對照組。其他政黨沒有對應的己方說法,因此在分析中保留但不解讀。

# 檢查原始編碼
attr(TCS2022$vq50, "labels")
           有 沒有(跳答Q53) 
            1             2 
# 檢查原始編碼
frq(TCS2022, vq51)
Q51 您有沒有稍微偏向支持哪一個政黨?是哪一個政黨? (vq51) <numeric> 
# total N=2015 valid N=788 mean=3.57 sd=8.09

Value |          Label |    N | Raw % | Valid % | Cum. %
--------------------------------------------------------
    1 |         國民黨 |  256 | 12.70 |   32.49 |  32.49
    2 |         民進黨 |  411 | 20.40 |   52.16 |  84.64
    3 |           新黨 |    2 |  0.10 |    0.25 |  84.90
    4 |         親民黨 |    2 |  0.10 |    0.25 |  85.15
    5 |         台澎黨 |    0 |  0.00 |    0.00 |  85.15
    6 |   合一行動聯盟 |    0 |  0.00 |    0.00 |  85.15
    7 |           綠黨 |    2 |  0.10 |    0.25 |  85.41
    8 |       時代力量 |   11 |  0.55 |    1.40 |  86.80
    9 |         勞動黨 |    0 |  0.00 |    0.00 |  86.80
   10 |       台灣基進 |   15 |  0.74 |    1.90 |  88.71
   11 |     台灣民眾黨 |   75 |  3.72 |    9.52 |  98.22
   12 |       安定力量 |    1 |  0.05 |    0.13 |  98.35
   13 | 中華統一促進黨 |    1 |  0.05 |    0.13 |  98.48
   14 |   台灣團結聯盟 |    3 |  0.15 |    0.38 |  98.86
   15 |     喜樂島聯盟 |    0 |  0.00 |    0.00 |  98.86
   16 |       台灣維新 |    1 |  0.05 |    0.13 |  98.98
   17 |       宗教聯盟 |    0 |  0.00 |    0.00 |  98.98
   18 |     社會民主黨 |    2 |  0.10 |    0.25 |  99.24
   88 |       其他政黨 |    6 |  0.30 |    0.76 | 100.00
 <NA> |           <NA> | 1227 | 60.89 |    <NA> |   <NA>

檢查原始編碼

# 檢查原始編碼
attr(TCS2022$vq52, "labels")
  很強   普通 有一點 
     1      2      3 

缺失值檢查

# 缺失值檢查
table(TCS2022$vq49, exclude = NULL)

   1    2 <NA> 
 584 1386   45 
table(TCS2022$vq50, exclude = NULL)

   1    2 <NA> 
 219 1169  627 
table(TCS2022$vq51, exclude = NULL)

   1    2    3    4    7    8   10   11   12   13   14   16   18   88 <NA> 
 256  411    2    2    2   11   15   75    1    1    3    1    2    6 1227 
table(TCS2022$vq52, exclude = NULL)

   1    2    3 <NA> 
 195  379  212 1229 

把Q51的政黨合併為三個陣營

# 把Q51的政黨合併為三個陣營
# 泛綠:(02)民進黨 (07)綠黨 (08)時代力量 (10)台灣基進 (14)台灣團結聯盟
# 泛藍:(01)國民黨 (03)新黨 (04)親民黨
# 其他:(11)台灣民眾黨與其餘政黨、(88)其他政黨

# table()
party <- rec(TCS2022$vq51,
            rec = "2,7,8,10,14=1; 1,3,4=2; 5,6,9,11,12,13,15:18,88=3; else=NA", as.num = T
) # 1綠 2藍 3其他

table(party, exclude = NULL) # 檢查陣營人數
party
   1    2    3 <NA> 
 442  260   86 1227 
# frq()
party <- rec(TCS2022$vq51,
             rec = "2,7,8,10,14=1[泛綠]; 1,3,4=2[泛藍]; 5,6,9,11,12,13,15:18,88=3[其他]; else=NA", as.num = T
)

frq(party) # 檢查陣營人數
Q51 您有沒有稍微偏向支持哪一個政黨?是哪一個政黨? (x) <numeric> 
# total N=2015 valid N=788 mean=1.55 sd=0.68

Value | Label |    N | Raw % | Valid % | Cum. %
-----------------------------------------------
    1 |  泛綠 |  442 | 21.94 |   56.09 |  56.09
    2 |  泛藍 |  260 | 12.90 |   32.99 |  89.09
    3 |  其他 |   86 |  4.27 |   10.91 | 100.00
 <NA> |  <NA> | 1227 | 60.89 |    <NA> |   <NA>
# 依條件填入政黨傾向的代碼
# 【與老師範例不同】條件一律用 %in% 而不用 ==,可以一次比對多個選項,遇到遺漏值也會直接當作不符合
a1 <- NA
a1[TCS2022$vq50 %in% 2] <- 1 # 無傾向:Q49、Q50 皆答沒有
a1[party %in% 1 & TCS2022$vq52 %in% 1] <- 2 # 強烈泛綠
a1[party %in% 1 & TCS2022$vq52 %in% 2:3] <- 3 # 一般泛綠
a1[party %in% 2 & TCS2022$vq52 %in% 2:3] <- 4 # 一般泛藍
a1[party %in% 2 & TCS2022$vq52 %in% 1] <- 5 # 強烈泛藍
a1[party %in% 3] <- 6 # 其他政黨
# 加上選項標籤
TCS2022$A1 <- rec(a1,
                  rec = "1=1[無傾向]; 2=2[強烈泛綠]; 3=3[一般泛綠]; 4=4[一般泛藍]; 5=5[強烈泛藍]; 6=6[其他政黨]",
                  as.num = F
)


# 加上題目標籤(跨題合併的新變數沒有題目標籤,要自己加上)
TCS2022$A1 <- set_label(TCS2022$A1,
                        label = "A1 政黨傾向類型(Q49 在目前國內的政黨中,請問您有沒有偏向支持哪一個政黨? Q50 那相對來說,請問您有沒有稍微偏向支持哪一個政黨? Q51 請問是哪一個政黨? Q52 請問,您偏向這個政黨的程度是很強,普通,還是有一點?)"
)
# 顯示題目標籤與變數名稱
frq(TCS2022, A1)
A1 政黨傾向類型(Q49 在目前國內的政黨中,請問您有沒有偏向支持哪一個政黨? Q50 那相對來說,請問您有沒有稍微偏向支持哪一個政黨? Q51 請問是哪一個政黨? Q52 請問,您偏向這個政黨的程度是很強,普通,還是有一點?) (A1) <categorical> 
# total N=2015 valid N=1955 mean=2.05 sd=1.48

Value |    Label |    N | Raw % | Valid % | Cum. %
--------------------------------------------------
    1 |   無傾向 | 1169 | 58.01 |   59.80 |  59.80
    2 | 強烈泛綠 |  105 |  5.21 |    5.37 |  65.17
    3 | 一般泛綠 |  335 | 16.63 |   17.14 |  82.30
    4 | 一般泛藍 |  188 |  9.33 |    9.62 |  91.92
    5 | 強烈泛藍 |   72 |  3.57 |    3.68 |  95.60
    6 | 其他政黨 |   86 |  4.27 |    4.40 | 100.00
 <NA> |     <NA> |   60 |  2.98 |    <NA> |   <NA>
# 確認資料型態
class(TCS2022$A1)
[1] "factor"

編碼結果

本變數分為六類。無傾向 1,169 人,強烈泛綠 105 人,一般泛綠 335 人。一般泛藍 188 人,強烈泛藍 72 人,其他政黨 86 人。重新整理後,資料型態為factor。有效回答共1,955人,缺失值共60人。有效回答與缺失值合計2,015人,與原始資料的受訪者人數一致。

A2:資訊動機

原始問卷題目

Q27 請問您想要獲得政治或公共事務相關訊息的原因是什麼?(可複選)

此題有跳答規定,相關的題目如下:

  • Q1 至 Q4 依序詢問民眾有多常透過報紙、雜誌、廣播與電視獲得政治或公共事務的訊息(問卷第 35 頁)。

  • Q20 詢問「除了新聞,請問您平常會用哪種方式獲得政治或公共事務相關訊息?」,此題可以複選(問卷第 38 頁)。其中選項(90)為「都沒有(包含不會看政治或公共事務相關資訊)」。

受訪者若在 Q1 至 Q4 都回答「從來沒有」,而且在 Q20 回答「都沒有」,就不需回答 Q27。

此變數使用的原始變數為 vq27m03、vq27m05 與 vq27m90,分別對應 Q27 的「想了解不同的觀點」「想看到更多跟您立場相同的觀點」與「都沒有」。每個選項在資料中是一個變數。0 為沒有勾選,1 為有勾選,96 則為依規定跳答。

編碼目的與理由

本變數測量民眾想要獲得政治或公共事務相關訊息的原因。本研究以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民眾。本研究將「想看到更多跟您立場相同的觀點」視為較接近想得到特定結論的動機,「想了解不同的觀點」則視為較接近想得到正確答案的動機。

本研究依這兩個選項的勾選情形,將民眾分為五類。有回答 Q27(想要獲得政治資訊的原因)但兩個選項都沒有勾選者為「其他想法」。他們勾選的是「想要了解國內外大事」「這是一個公民應該做的事」「習慣」「想要有話題與親朋好友聊」「想要知道大家對於當下議題的看法」或「其他」。

共有 164 人符合上述跳答規定,因此沒有回答 Q27。他們從來不透過報紙、雜誌、廣播與電視獲得政治資訊,除了新聞之外也沒有其他獲得政治資訊的方式。因此,本研究將他們與在 Q27 勾選「都沒有」的 56 人合併為「不獲取政治資訊」,共 220 人。程式碼以 Q27 的跳答代碼 96 找出這群人,沒有直接讀取 Q20 的回答。「沒有」在本研究是重要的對照,所以不將「都沒有」設為遺漏值。回答不知道或拒答者則維持遺漏值。

以下編碼只用到 Q27 的三個選項,因此程式碼只檢查這三個變數。vq27m03 對應(03)「想了解不同的觀點」,vq27m05 對應(05)「想看到更多跟您立場相同的觀點」,vq27m90 對應(90)「都沒有」。前兩個選項用來區分兩種資訊動機,第三個選項用來找出不獲取政治資訊的人。其他選項不需要另外檢查,因為只要前兩個選項都沒有勾選,就歸為「其他想法」。

# 檢查原始編碼(本研究只用到 Q27 的三個選項)
attr(TCS2022$vq27m03, "labels") # (03)想了解不同的觀點
  沒有     有   跳答 不知道   拒答 遺漏值 
     0      1     96     97     98     99 
attr(TCS2022$vq27m05, "labels") # (05)想看到更多跟您立場相同的觀點
  沒有     有   跳答 不知道   拒答 遺漏值 
     0      1     96     97     98     99 
attr(TCS2022$vq27m90, "labels") # (90)都沒有
  沒有     有   跳答 不知道   拒答 遺漏值 
     0      1     96     97     98     99 
# 缺失值檢查(96 為跳答、97 為不知道、98 為拒答,這三個變數沒有經過批次清理)
table(TCS2022$vq27m03, exclude = NULL) # (03)想了解不同的觀點

   0    1   96   97   98 
1029  810  164   10    2 
table(TCS2022$vq27m05, exclude = NULL) # (05)想看到更多跟您立場相同的觀點

   0    1   96   97   98 
1625  214  164   10    2 
table(TCS2022$vq27m90, exclude = NULL) # (90)都沒有

   0    1   96   97   98 
1783   56  164   10    2 
# 檢查:Q27跳答者在Q20是否都勾選 (90) 都沒有
# Q20:除了新聞,請問您平常會用哪種方式獲得政治或公共事務相關訊息?(可複選)
table(TCS2022$vq27m05 %in% 96, TCS2022$vq20m90, exclude = NULL)
       
           0    1 <NA>
  FALSE 1306  537    8
  TRUE     0  164    0

受訪者若在 Q1 至 Q4 都回答「從來沒有」透過報紙、雜誌、廣播與電視獲得政治資訊,而且在 Q20 回答除了新聞之外「都沒有」其他獲得政治資訊的方式,依問卷規定就不需回答 Q27。檢查結果顯示,跳過 Q27 的 164 人在 Q20 全部勾選「都沒有」。這表示他們是依跳答規定跳過此題,而不是漏答。

# 依條件填入資訊動機的代碼
q03 <- TCS2022$vq27m03
q05 <- TCS2022$vq27m05
a2 <- NA # 建立一個叫 a2 的草稿,裡面先放 NA
a2[q05 %in% 0 & q03 %in% 1] <- 1 # 只想了解不同的觀點
a2[q05 %in% 1 & q03 %in% 0] <- 2 # 只想看到更多跟您立場相同的觀點
a2[q05 %in% 1 & q03 %in% 1] <- 3 # 兩者都有
a2[q05 %in% 0 & q03 %in% 0] <- 4 # 其他想法
a2[q05 %in% 96 | TCS2022$vq27m90 %in% 1] <- 5 # 不獲取政治資訊(放最後,覆蓋前面的歸類)
# 97 不知道、98 拒答不符合以上任何條件,維持遺漏值


# 加上選項標籤
TCS2022$A2 <- rec(a2,
                  rec = "1=1[只想了解不同的觀點]; 2=2[只想看到更多跟您立場相同的觀點]; 3=3[兩者都有]; 4=4[其他想法]; 5=5[不獲取政治資訊]",
                  as.num = F
)

# 加上題目標籤
TCS2022$A2 <- set_label(TCS2022$A2,
                        label = "A2 資訊動機(Q27 請問您想要獲得政治或公共事務相關訊息的原因是什麼?(可複選) Q20 除了新聞,請問您平常會用哪種方式獲得政治或公共事務相關訊息?(可複選))"
)
# 顯示題目標籤與變數名稱
frq(TCS2022, A2)
A2 資訊動機(Q27 請問您想要獲得政治或公共事務相關訊息的原因是什麼?(可複選) Q20 除了新聞,請問您平常會用哪種方式獲得政治或公共事務相關訊息?(可複選)) (A2) <categorical> 
# total N=2015 valid N=2003 mean=2.96 sd=1.50

Value |                          Label |   N | Raw % | Valid % | Cum. %
-----------------------------------------------------------------------
    1 |             只想了解不同的觀點 | 669 | 33.20 |   33.40 |  33.40
    2 | 只想看到更多跟您立場相同的觀點 |  73 |  3.62 |    3.64 |  37.04
    3 |                       兩者都有 | 141 |  7.00 |    7.04 |  44.08
    4 |                       其他想法 | 900 | 44.67 |   44.93 |  89.02
    5 |                 不獲取政治資訊 | 220 | 10.92 |   10.98 | 100.00
 <NA> |                           <NA> |  12 |  0.60 |    <NA> |   <NA>
# 確認資料型態
class(TCS2022$A2)
[1] "factor"

編碼結果

本變數分為五類。只想了解不同的觀點 669 人,只想看到更多跟您立場相同的觀點 73 人。兩者都有 141 人,其他想法 900 人,不獲取政治資訊 220 人。重新整理後,資料型態為factor。有效回答共2,003人,缺失值共12人。有效回答與缺失值合計2,015人,與原始資料的受訪者人數一致。

A3:內在思考

原始問卷題目

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)

本研究使用的原始變數為 vp7_5m01 至 vp7_5m06,依序對應上表的六個選項。每個選項在資料中是一個變數,0 為沒有勾選,1 為有勾選。

編碼目的與理由

本變數測量民眾看到不確定能否相信的新聞報導時,心裡有沒有停下來想。本研究以內在思考作為不專注的測量之一。

由於 P7_5 可以複選,本研究依序判斷受訪者的類別。只要勾選「試著確認訊息來源是否可靠」或「試著從報導的用字遣詞來判斷它是否可靠」,就歸為「會停下來檢查」。勾選「依自己的知識、經驗判斷該報導的正確性」,但沒有勾選上述兩項者,歸為「憑自己判斷」。前三項都沒有勾選,而勾選「以上都沒有」「都不相信新聞報導」或「都相信新聞報導」者,歸為「沒有想」。程式碼採「優先順序低的先填,高的後填」的寫法,後填的類別會覆蓋前面的類別。

# 檢查原始編碼
# P7_5 可以複選,每個選項是一個變數,變數名稱最後的 m01 至 m06 就是選項編號
# 六個選項變數的編碼都相同(0 沒有勾選、1 有勾選),所以只看 m01 一個
attr(TCS2022$vp7_5m01, "labels") # (01)您會依自己的知識、經驗判斷該報導的正確性
沒有   有 
   0    1 

缺失值檢查(0 沒有勾、1 有勾、NA 為不知道或拒答)

# 缺失值檢查(0 沒有勾、1 有勾、NA 為不知道或拒答)
table(TCS2022$vp7_5m01, exclude = NULL)

   0    1 <NA> 
 720 1269   26 
table(TCS2022$vp7_5m02, exclude = NULL)

   0    1 <NA> 
1095  894   26 
table(TCS2022$vp7_5m03, exclude = NULL)

   0    1 <NA> 
1445  544   26 
table(TCS2022$vp7_5m04, exclude = NULL)

   0    1 <NA> 
1640  349   26 
table(TCS2022$vp7_5m05, exclude = NULL)

   0    1 <NA> 
1985    4   26 
table(TCS2022$vp7_5m06, exclude = NULL)

   0    1 <NA> 
1987    2   26 
# 依條件填入內在思考的程式碼(優先順序低的先填,高的後填,後填的會覆蓋前面)
a3 <- NA
a3[TCS2022$vp7_5m04 %in% 1 | TCS2022$vp7_5m05 %in% 1 | TCS2022$vp7_5m06 %in% 1] <- 3 # 沒有想
a3[TCS2022$vp7_5m01 %in% 1] <- 2 # 憑自己判斷
a3[TCS2022$vp7_5m02 %in% 1 | TCS2022$vp7_5m03 %in% 1] <- 1 # 會停下來檢查


# 加上選項標籤
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
)

# 加上題目標籤
TCS2022$A3 <- set_label(TCS2022$A3,
                        label = "A3 內在思考(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))"
)
# 顯示題目標籤與變數名稱
frq(TCS2022, A3)
A3 內在思考(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)) (A3) <categorical> 
# total N=2015 valid N=1989 mean=1.64 sd=0.77

Value |        Label |    N | Raw % | Valid % | Cum. %
------------------------------------------------------
    1 | 會停下來檢查 | 1070 | 53.10 |   53.80 |  53.80
    2 |   憑自己判斷 |  564 | 27.99 |   28.36 |  82.15
    3 |       沒有想 |  355 | 17.62 |   17.85 | 100.00
 <NA> |         <NA> |   26 |  1.29 |    <NA> |   <NA>
# 確認資料型態
class(TCS2022$A3)
[1] "factor"

編碼結果

本變數分為三類。會停下來檢查 1,070 人,憑自己判斷 564 人,沒有想 355 人。重新整理後,資料型態為factor。有效回答共1,989人,缺失值共26人。有效回答與缺失值合計2,015人,與原始資料的受訪者人數一致。

A4:外在查證

原始問卷題目

P7_6 詢問「如果您想要確認一則新聞報導是不是正確時,您會用下列哪些方法?」,此題可以複選。

本研究使用的原始變數為 vp7_6m01 至 vp7_6m07,依序對應上表的七個選項。每個選項在資料中是一個變數,0 為沒有勾選,1 為有勾選。

編碼目的與理由

本變數測量民眾想確認一則新聞報導是否正確時,有沒有實際動手查證。本研究以外在查證作為不專注的另一個測量。勾選「上網搜尋相關討論」「上網搜尋專業說法」「您會看其他媒體是否也有類似的報導」「與親朋好友討論」「去圖書館找資料」或「聽取身邊專業人士對那則新聞的判斷」任一種方法者,歸為「會查證」。勾選「不會做任何事」者,歸為「不會查證」。

# 檢查原始編碼
# P7_6 可以複選,每個選項是一個變數,變數名稱最後的 m01 至 m07 就是選項編號
# 七個選項變數的編碼都相同(0 沒有勾選、1 有勾選),所以只看 m07 一個
attr(TCS2022$vp7_6m07, "labels") # (07)不會做任何事
沒有   有 
   0    1 

缺失值檢查

# 缺失值檢查(0 沒有勾、1 有勾、NA 為不知道或拒答)
table(TCS2022$vp7_6m01, exclude = NULL) # (01)上網搜尋相關討論

   0    1 <NA> 
1160  841   14 
table(TCS2022$vp7_6m02, exclude = NULL) # (02)上網搜尋專業說法

   0    1 <NA> 
1413  588   14 
table(TCS2022$vp7_6m03, exclude = NULL) # (03)看其他媒體是否也有類似的報導

   0    1 <NA> 
1233  768   14 
table(TCS2022$vp7_6m04, exclude = NULL) # (04)與親朋好友討論

   0    1 <NA> 
1495  506   14 
table(TCS2022$vp7_6m05, exclude = NULL) # (05)去圖書館找資料

   0    1 <NA> 
1949   52   14 
table(TCS2022$vp7_6m06, exclude = NULL) # (06)聽取身邊專業人士的判斷

   0    1 <NA> 
1629  372   14 
table(TCS2022$vp7_6m07, exclude = NULL) # (07)不會做任何事

   0    1 <NA> 
1402  599   14 
# 判斷是否勾選 (01) 至 (06) 任一種方法
m0106 <- TCS2022$vp7_6m01 %in% 1 | TCS2022$vp7_6m02 %in% 1 | TCS2022$vp7_6m03 %in% 1 |
  TCS2022$vp7_6m04 %in% 1 | TCS2022$vp7_6m05 %in% 1 | TCS2022$vp7_6m06 %in% 1

# 依條件填入外在查證的代碼
a4 <- NA
a4[TCS2022$vp7_6m07 %in% 0 & m0106] <- 1 # 會查證
a4[TCS2022$vp7_6m07 %in% 1] <- 2 # 不會查證


# 加上選項標籤
TCS2022$A4 <- rec(a4,
                  rec = "1=1[會查證]; 2=2[不會查證]",
                  as.num = F
)

# 加上題目標籤
TCS2022$A4 <- set_label(TCS2022$A4,
                        label = "A4 外在查證(P7_6 如果您想要確認一則新聞報導是不是正確時,您會用下列哪些方法?(可複選))"
)
# 顯示題目標籤與變數名稱
frq(TCS2022, A4)
A4 外在查證(P7_6 如果您想要確認一則新聞報導是不是正確時,您會用下列哪些方法?(可複選)) (A4) <categorical> 
# total N=2015 valid N=2001 mean=1.30 sd=0.46

Value |    Label |    N | Raw % | Valid % | Cum. %
--------------------------------------------------
    1 |   會查證 | 1402 | 69.58 |   70.06 |  70.06
    2 | 不會查證 |  599 | 29.73 |   29.94 | 100.00
 <NA> |     <NA> |   14 |  0.69 |    <NA> |   <NA>
# 確認資料型態
class(TCS2022$A4)
[1] "factor"

編碼結果

本變數分為兩類。會查證 1,402 人,不會查證 599 人。重新整理後,資料型態為factor。有效回答共2,001人,缺失值共14人。有效回答與缺失值合計2,015人,與原始資料的受訪者人數一致。

3.2.3 控制變數

本研究納入七個控制變數,依序為性別、年齡、教育程度、政治興趣,以及從傳統媒體、社群媒體與新聞網站獲取政治資訊的頻率。

性別(sex)

原始問卷題目:原始變數為 sel_gen,原始類別為(01)男與(02)女。

編碼目的與理由:將男編為 1、女編為 0。

缺失值檢查

# 缺失值檢查
table(TCS2022$sel_gen, exclude = NULL)

   1    2 
 958 1057 

重新編碼(男編為1、女編為0)並加上題目標籤

# 重新編碼(男編為1、女編為0)
TCS2022$sex <- rec(TCS2022$sel_gen, rec = "1=1[男]; 2=0[女]", as.num = F)

# 加上題目標籤
TCS2022$sex <- set_label(TCS2022$sex, label = "性別")


# 顯示題目標籤與變數名稱
frq(TCS2022, sex)
性別 (sex) <categorical> 
# total N=2015 valid N=2015 mean=0.48 sd=0.50

Value | Label |    N | Raw % | Valid % | Cum. %
-----------------------------------------------
    0 |    女 | 1057 | 52.46 |   52.46 |  52.46
    1 |    男 |  958 | 47.54 |   47.54 | 100.00
 <NA> |  <NA> |    0 |  0.00 |    <NA> |   <NA>
# 確認資料型態
class(TCS2022$sex)
[1] "factor"

編碼結果

本變數分為兩類。女 1,057 人,男 958 人。重新整理後,資料型態為factor。本變數沒有缺失值,合計2,015人。

年齡(age_grp)

原始問卷題目:A1 詢問「請問您是民國哪一年出生的?」,回答不知道或拒答者再以 A2 詢問「請問您今年大概幾歲?」。本研究使用的原始變數為 va1 與 va2。

編碼目的與理由:以調查年份民國 111 年減去出生年,算出受訪者的年齡,再分為四組。出生年為不知道或拒答的 4 人,則改用 A2 的年齡區間歸類。

缺失值檢查

# 缺失值檢查(A2 只有出生年缺失的 4 人有回答)
table(TCS2022$va2, exclude = NULL)

   8   11   12 <NA> 
   1    2    1 2011 

出生年回答不知道或拒答的 4 人,在 A2 中有 1 人為 50~54 歲,2 人為 65~69 歲,1 人為 70 歲及以上。其餘 2,011 人已填寫出生年,依規定不需回答 A2。

# 算出年齡(調查年份為民國 111 年,年齡 = 111 - 出生年)
age111 <- 111 - TCS2022$va1

# 依年齡分組,再以 A2 補上出生年缺失者
ag <- rec(age111, rec = "18:29=1; 30:44=2; 45:64=3; 65:max=4; else=NA", as.num = T)
ag[is.na(ag) & TCS2022$va2 %in% 1:3] <- 1 # 18 至 29 歲
ag[is.na(ag) & TCS2022$va2 %in% 4:6] <- 2 # 30 至 44 歲
ag[is.na(ag) & TCS2022$va2 %in% 7:10] <- 3 # 45 至 64 歲
ag[is.na(ag) & TCS2022$va2 %in% 11:12] <- 4 # 65 歲以上


# 加上選項標籤
# 【與老師範例不同】新變數取名 age_grp,因為資料原本就有一個名為 age 的變數,避免覆蓋
TCS2022$age_grp <- rec(ag,
                       rec = "1=1[18-29歲]; 2=2[30-44歲]; 3=3[45-64歲]; 4=4[65歲以上]",
                       as.num = F
)

# 加上題目標籤(不重新加上的話,會沿用 va1 的題目標籤)
TCS2022$age_grp <- set_label(TCS2022$age_grp,
                             label = "年齡組(A1 請問您是民國哪一年出生的? A2 請問您今年大概幾歲?)"
)

# 顯示題目標籤與變數名稱
frq(TCS2022, age_grp)
年齡組(A1 請問您是民國哪一年出生的? A2 請問您今年大概幾歲?) (age_grp) <categorical> 
# total N=2015 valid N=2015 mean=2.61 sd=0.98

Value |    Label |   N | Raw % | Valid % | Cum. %
-------------------------------------------------
    1 |  18-29歲 | 304 | 15.09 |   15.09 |  15.09
    2 |  30-44歲 | 606 | 30.07 |   30.07 |  45.16
    3 |  45-64歲 | 679 | 33.70 |   33.70 |  78.86
    4 | 65歲以上 | 426 | 21.14 |   21.14 | 100.00
 <NA> |     <NA> |   0 |  0.00 |    <NA> |   <NA>
# 確認資料型態
class(TCS2022$age_grp)
[1] "factor"

編碼結果

本變數分為四組。18-29歲 304 人,30-44歲 606 人,45-64歲 679 人,65歲以上 426 人。重新整理後,資料型態為factor。本變數沒有缺失值,合計2,015人。

教育程度(edu)

原始問卷題目:A9 詢問「請問您的教育程度是什麼(包含肄業、就學中)?」。使用的原始變數為 va9。

編碼目的與理由:將原始八個類別合併為四組。

# 檢查原始編碼
frq(TCS2022, va9)
A9 您的教育程度是什麼(包含肄業、就學中)? (va9) <numeric> 
# total N=2015 valid N=2015 mean=4.78 sd=1.55

Value |         Label |   N | Raw % | Valid % | Cum. %
------------------------------------------------------
    1 |        不識字 |  44 |  2.18 |    2.18 |   2.18
    2 |     自修/小學 | 154 |  7.64 |    7.64 |   9.83
    3 | 國(初)中/初職 | 189 |  9.38 |    9.38 |  19.21
    4 |        高中職 | 517 | 25.66 |   25.66 |  44.86
    5 |          專科 | 238 | 11.81 |   11.81 |  56.67
    6 |          大學 | 665 | 33.00 |   33.00 |  89.68
    7 |          碩士 | 192 |  9.53 |    9.53 |  99.21
    8 |          博士 |  16 |  0.79 |    0.79 | 100.00
   88 |          其他 |   0 |  0.00 |    0.00 | 100.00
 <NA> |          <NA> |   0 |  0.00 |    <NA> |   <NA>
# 缺失值檢查
table(TCS2022$va9, exclude = NULL)

  1   2   3   4   5   6   7   8 
 44 154 189 517 238 665 192  16 

重新編碼

# 重新編碼
TCS2022$edu <- rec(TCS2022$va9,
                   rec = "1:3=1[國中以下]; 4=2[高中職]; 5:6=3[專科大學]; 7:8=4[研究所]; else=NA",
                   as.num = F
)

# 加上題目標籤
TCS2022$edu <- set_label(TCS2022$edu,
                         label = "教育程度(A9 請問您的教育程度是什麼(包含肄業、就學中)?)"
)


# 顯示題目標籤與變數名稱
frq(TCS2022, edu)
教育程度(A9 請問您的教育程度是什麼(包含肄業、就學中)?) (edu) <categorical> 
# total N=2015 valid N=2015 mean=2.46 sd=0.92

Value |    Label |   N | Raw % | Valid % | Cum. %
-------------------------------------------------
    1 | 國中以下 | 387 | 19.21 |   19.21 |  19.21
    2 |   高中職 | 517 | 25.66 |   25.66 |  44.86
    3 | 專科大學 | 903 | 44.81 |   44.81 |  89.68
    4 |   研究所 | 208 | 10.32 |   10.32 | 100.00
 <NA> |     <NA> |   0 |  0.00 |    <NA> |   <NA>
# 確認資料型態
class(TCS2022$edu)
[1] "factor"

編碼結果

本變數分為四組。國中以下 387 人,高中職 517 人,專科大學 903 人,研究所 208 人。重新整理後,資料型態為factor。本變數沒有缺失值,合計2,015人。

政治興趣(interest)

原始問卷題目:Q46詢問「整體來說,請問您對政治的事情,感不感興趣?」。使用的原始變數為 vq46。

編碼目的與理由:將原始五個類別合併為三組。

# 檢查原始編碼
attr(TCS2022$vq46, "labels")
非常不感興趣 有點不感興趣         普通   有點感興趣   非常感興趣 
           1            2            3            4            5 
# 缺失值檢查
table(TCS2022$vq46, exclude = NULL)

   1    2    3    4    5 <NA> 
 571  447  707  226   49   15 
# 重新編碼
TCS2022$interest <- rec(TCS2022$vq46,
                        rec = "1:2=1[不感興趣]; 3=2[普通]; 4:5=3[感興趣]; else=NA",
                        as.num = F
)

# 加上題目標籤
TCS2022$interest <- set_label(TCS2022$interest,
                              label = "政治興趣(Q46 整體來說,請問您對政治的事情,感不感興趣?)"
)


# 顯示題目標籤與變數名稱
frq(TCS2022, interest)
政治興趣(Q46 整體來說,請問您對政治的事情,感不感興趣?) (interest) <categorical> 
# total N=2015 valid N=2000 mean=1.63 sd=0.71

Value |    Label |    N | Raw % | Valid % | Cum. %
--------------------------------------------------
    1 | 不感興趣 | 1018 | 50.52 |   50.90 |  50.90
    2 |     普通 |  707 | 35.09 |   35.35 |  86.25
    3 |   感興趣 |  275 | 13.65 |   13.75 | 100.00
 <NA> |     <NA> |   15 |  0.74 |    <NA> |   <NA>
# 確認資料型態
class(TCS2022$interest)
[1] "factor"

編碼結果

本變數分為三組。不感興趣 1,018 人,普通 707 人,感興趣 275 人。重新整理後,資料型態為factor。有效回答共2,000人,缺失值共15人。有效回答與缺失值合計2,015人,與原始資料的受訪者人數一致。

從傳統媒體獲取政治資訊(trad)

原始問卷題目:Q1至Q4分別詢問民眾有多常透過報紙、雜誌、廣播與電視獲得政治或公共事務的訊息。原始類別為(01)從來沒有、(02)很少、(03)有時與(04)經常。本研究使用的原始變數為 vq1 至 vq4。

編碼目的與理由:取四題中最常的頻率,合併為一個變數。從來沒有與很少合併為「很少或從未」。四題都依問卷規定跳答者,代表沒有使用這四種媒體,因此也歸為很少或從未。這四題沒有經過批次清理,所以先將1至4以外的代碼設為遺漏值再取最大值。

# 檢查原始編碼
attr(TCS2022$vq1, "labels")
從來沒有     很少     有時     經常     跳答   不知道     拒答   遺漏值 
       1        2        3        4       96       97       98       99 
# 缺失值檢查(96 跳答、97 不知道、98 拒答都還在)
table(TCS2022$vq1, exclude = NULL)

   1    2    3    4   96   97 
  24  173  137  119 1561    1 
table(TCS2022$vq2, exclude = NULL)

   1    2    3    4   96 
  54  208  129   32 1592 
table(TCS2022$vq3, exclude = NULL)

   1    2    3    4   96   97 
 103  273  233  133 1271    2 
table(TCS2022$vq4, exclude = NULL)

  1   2   3   4  96  97 
105 352 599 651 299   9 
# 取四題中最常的頻率(先把1至4以外的程式碼設為NA再取最大值)
f4 <- function(x) ifelse(x %in% 1:4, x, NA)
trad_max <- pmax(f4(TCS2022$vq1), f4(TCS2022$vq2), f4(TCS2022$vq3), f4(TCS2022$vq4), na.rm = TRUE)

table(trad_max, exclude = NULL) # 檢查最大值的分布
trad_max
   1    2    3    4 <NA> 
 117  339  647  726  186 
# 1 從來沒有、2 很少、3 有時、4 經常;NA 為四題都沒有 1 至 4 的答案(多為依規定跳答)

以上步驟取Q1至Q4四題中最常的頻率,作為每位受訪者從傳統媒體獲取政治資訊的頻率。四題的原始選項編號為 1 從來沒有、2 很少、3 有時與 4 經常,數字越大代表越常使用。程式碼先將 1 至 4 以外的選項編號設為遺漏值,再從四題中取出最大的數字。例如某位受訪者幾乎不看報紙,但經常看電視,他的頻率就是 4 經常。取最大值時不會改動原始選項編號,因此結果的 1 至 4 仍對應原本的選項。四題都沒有 1 至 4 答案的受訪者,結果為遺漏值。這些人大多是依問卷規定跳答,會在下一步歸為很少或從未。

# 依條件填入代碼(四題都跳答者歸為很少或從未)
tr <- NA
tr[trad_max %in% 1:2] <- 1
tr[trad_max %in% 3] <- 2
tr[trad_max %in% 4] <- 3
tr[TCS2022$vq1 %in% 96 & TCS2022$vq2 %in% 96 & TCS2022$vq3 %in% 96 & TCS2022$vq4 %in% 96] <- 1

# 加上選項標籤
TCS2022$trad <- rec(tr, rec = "1=1[很少或從未]; 2=2[有時]; 3=3[經常]", as.num = F)

# 加上題目標籤
TCS2022$trad <- set_label(TCS2022$trad,
                          label = "從傳統媒體獲取政治資訊(Q1 至 Q4 請問您有多常透過報紙、雜誌、廣播、電視獲得政治或公共事務的訊息呢?)"
)


# 顯示題目標籤與變數名稱
frq(TCS2022, trad)
從傳統媒體獲取政治資訊(Q1 至 Q4 請問您有多常透過報紙、雜誌、廣播、電視獲得政治或公共事務的訊息呢?) (trad) <categorical> 
# total N=2015 valid N=2007 mean=2.05 sd=0.82

Value |      Label |   N | Raw % | Valid % | Cum. %
---------------------------------------------------
    1 | 很少或從未 | 634 | 31.46 |   31.59 |  31.59
    2 |       有時 | 647 | 32.11 |   32.24 |  63.83
    3 |       經常 | 726 | 36.03 |   36.17 | 100.00
 <NA> |       <NA> |   8 |  0.40 |    <NA> |   <NA>
# 確認資料型態
class(TCS2022$trad)
[1] "factor"

編碼結果

本變數分為三組。很少或從未 634 人,有時 647 人,經常 726 人。重新整理後,資料型態為factor。有效回答共2,007人,缺失值共8人。有效回答與缺失值合計2,015人,與原始資料的受訪者人數一致。

從社群媒體獲取政治資訊(soc)

原始問卷題目:Q5詢問民眾有沒有透過網路蒐尋、瀏覽、點閱或觀看和「政治或公共事務」有關的新聞、訊息或影片。回答有者,再以Q6至Q8詢問透過社群媒體、影音平台與通訊軟體的頻率。本研究使用的原始變數為 vq5 與 vq6sq6 至 vq6sq8。

編碼目的與理由:本研究取Q6至Q8中最常的頻率,合併為一個變數。Q5回答沒有或依問卷規定跳答者,歸為很少或從未。

# 檢查原始編碼
frq(TCS2022,vq5)
Q5 您有沒有透過網路蒐尋、瀏覽、點閱或觀看和「政治或公共事務」有關的新聞、訊息或影片?(E1答2、3、4、5、97、98,不需答此題) (vq5) <numeric> 
# total N=2015 valid N=2015 mean=15.57 sd=33.85

Value |           Label |    N | Raw % | Valid % | Cum. %
---------------------------------------------------------
    1 |              有 | 1137 | 56.43 |   56.43 |  56.43
    2 |   沒有(跳答Q10) |  575 | 28.54 |   28.54 |  84.96
   96 |            跳答 |  299 | 14.84 |   14.84 |  99.80
   97 | 不知道(跳答Q10) |    4 |  0.20 |    0.20 | 100.00
   98 |   拒答(跳答Q10) |    0 |  0.00 |    0.00 | 100.00
   99 |          遺漏值 |    0 |  0.00 |    0.00 | 100.00
 <NA> |            <NA> |    0 |  0.00 |    <NA> |   <NA>
attr(TCS2022$vq6sq6, "labels") # vq6sq6和vq6sq8一樣
從來沒有     很少     有時     經常     跳答   不知道     拒答   遺漏值 
       1        2        3        4       96       97       98       99 
# 缺失值檢查
table(TCS2022$vq5, exclude = NULL)

   1    2   96   97 
1137  575  299    4 
table(TCS2022$vq6sq6, exclude = NULL)

  1   2   3   4  96  97 
170 197 395 372 878   3 
table(TCS2022$vq6sq7, exclude = NULL)

  1   2   3   4  96  97 
118 246 422 348 878   3 
table(TCS2022$vq6sq8, exclude = NULL)

  1   2   3   4  96  97 
126 270 393 345 878   3 
# 取Q6至Q8中最常的頻率(沿用上面的f4)
soc_max <- pmax(f4(TCS2022$vq6sq6), f4(TCS2022$vq6sq7), f4(TCS2022$vq6sq8), na.rm = TRUE)

# 依條件填入代碼(Q5答沒有或跳答者歸為很少或從未)
so <- NA
so[soc_max %in% 1:2] <- 1
so[soc_max %in% 3] <- 2
so[soc_max %in% 4] <- 3
so[TCS2022$vq5 %in% c(2, 96)] <- 1

# 加上選項標籤
TCS2022$soc <- rec(so, rec = "1=1[很少或從未]; 2=2[有時]; 3=3[經常]", as.num = F)

# 加上題目標籤
TCS2022$soc <- set_label(TCS2022$soc,
                         label = "從社群媒體獲取政治資訊(Q5 有沒有透過網路觀看政治或公共事務的新聞、訊息或影片 Q6 至 Q8 社群媒體、影音平台、通訊軟體)"
)


# 顯示題目標籤與變數名稱
frq(TCS2022, soc)
從社群媒體獲取政治資訊(Q5 有沒有透過網路觀看政治或公共事務的新聞、訊息或影片 Q6 至 Q8 社群媒體、影音平台、通訊軟體) (soc) <categorical> 
# total N=2015 valid N=2011 mean=1.80 sd=0.86

Value |      Label |   N | Raw % | Valid % | Cum. %
---------------------------------------------------
    1 | 很少或從未 | 995 | 49.38 |   49.48 |  49.48
    2 |       有時 | 431 | 21.39 |   21.43 |  70.91
    3 |       經常 | 585 | 29.03 |   29.09 | 100.00
 <NA> |       <NA> |   4 |  0.20 |    <NA> |   <NA>
# 確認資料型態
class(TCS2022$soc)
[1] "factor"

編碼結果

本變數分為三組。很少或從未 995 人,有時 431 人,經常 585 人。重新整理後,資料型態為factor。有效回答共2,011人,缺失值共4人。有效回答與缺失值合計2,015人,與原始資料的受訪者人數一致。

從新聞網站獲取政治資訊(news)

原始問卷題目:Q9詢問民眾透過新聞網站蒐尋、瀏覽、點閱或觀看政治或公共事務相關內容的頻率。使用的原始變數為 vq5 與 vq6sq9。

編碼目的與理由:只將原題的(01)與(02)合併為很少或從未。Q5回答沒有或依問卷規定跳答者,同樣歸為很少或從未。

# 檢查原始編碼
attr(TCS2022$vq6sq9, "labels")
從來沒有     很少     有時     經常     跳答   不知道     拒答   遺漏值 
       1        2        3        4       96       97       98       99 
# 缺失值檢查
table(TCS2022$vq6sq9, exclude = NULL)

  1   2   3   4  96  97 
132 229 431 343 878   2 
# 依條件填入代碼(Q5 答沒有或跳答者歸為很少或從未)
nw <- NA
nw[TCS2022$vq6sq9 %in% 1:2] <- 1
nw[TCS2022$vq6sq9 %in% 3] <- 2
nw[TCS2022$vq6sq9 %in% 4] <- 3
nw[TCS2022$vq5 %in% c(2, 96)] <- 1

# 加上選項標籤
TCS2022$news <- rec(nw, rec = "1=1[很少或從未]; 2=2[有時]; 3=3[經常]", as.num = F)

# 加上題目標籤
TCS2022$news <- set_label(TCS2022$news,
                          label = "從新聞網站獲取政治資訊(Q5 有沒有透過網路觀看政治或公共事務的新聞、訊息或影片 Q9 新聞網站)"
)


# 顯示題目標籤與變數名稱
frq(TCS2022, news)
從新聞網站獲取政治資訊(Q5 有沒有透過網路觀看政治或公共事務的新聞、訊息或影片 Q9 新聞網站) (news) <categorical> 
# total N=2015 valid N=2009 mean=1.56 sd=0.77

Value |      Label |    N | Raw % | Valid % | Cum. %
----------------------------------------------------
    1 | 很少或從未 | 1235 | 61.29 |   61.47 |  61.47
    2 |       有時 |  431 | 21.39 |   21.45 |  82.93
    3 |       經常 |  343 | 17.02 |   17.07 | 100.00
 <NA> |       <NA> |    6 |  0.30 |    <NA> |   <NA>
# 確認資料型態
class(TCS2022$news)
[1] "factor"

清除暫存物件

編碼過程中建立的暫存物件,在編碼完成後全部刪除,只留下資料檔。

# 清掉編碼過程中用到的暫存物件,只留下資料檔
rm(party, a1, q03, q05, a2, a3, m0106, a4, ag, f4, trad_max, tr, soc_max, so, nw)

編碼後檢查

不加控制變數

# 檢查:只放四個自變數時,各變數皆有效的人數(不加控制變數)
iv <- c("A1", "A2", "A3", "A4")
for (b in c("ind_p6_2", "ind_p6_3", "ind_p6_4", "ind_p6_5")) {
  cat(b, sum(complete.cases(TCS2022[, c(b, iv)])), "\n")
}
ind_p6_2 1668 
ind_p6_3 1679 
ind_p6_4 1633 
ind_p6_5 1631 

後續的迴歸分析只會納入所有變數都有答案的受訪者。只要依變數或任何一個自變數、控制變數是遺漏值,這位受訪者就會被排除。因此,實際進入迴歸的人數會少於 2,015 人。此步驟的目的是事先算出實際進入迴歸的人數,以確認排除的人數不會過多,並作為之後報告迴歸結果時的樣本數。由於依變數有四題,每題回答不知道或拒答的人數不同,因此分別計算四題的人數。

各變數皆有效的人數

# 檢查:各變數皆有效的人數
ctrl <- c("A1", "A2", "A3", "A4", "sex", "age_grp", "edu", "interest", "trad", "soc", "news")
for (b in c("ind_p6_2", "ind_p6_3", "ind_p6_4", "ind_p6_5")) { # python for loop
  cat(b, sum(complete.cases(TCS2022[, c(b, ctrl)])), "\n")
}
ind_p6_2 1665 
ind_p6_3 1676 
ind_p6_4 1629 
ind_p6_5 1627 

以上各變數皆有效的人數,P6_2 為1,665人,P6_3 為1,676人,P6_4 為1,629人,P6_5 為1,627人。四題的人數不同,是因為各題回答不知道或拒答的人數不同。四題皆有 1,600 人以上,足以進行後續的迴歸分析。

變數之間的重疊

為檢查變數之間是否高度重疊,本研究製作以下交叉表。高度重疊的變數同時放進迴歸時,可能會互相影響估計結果。

# 把編碼後的變數換成選項標籤,交叉表才會顯示文字而不是代碼
# 只用在檢查,不改動TCS2022本身
chk <- sjlabelled::as_label(TCS2022[, ctrl])
# 注意:一定要寫sjlabelled::as_label()
# dplyr也有一個同名的as_label(),直接寫as_label()會叫到dplyr的版本而出錯
# 資訊動機與傳統媒體、政治興趣的重疊
with(chk, table(A2, trad, exclude = NULL))
                                trad
A2                               很少或從未 有時 經常 <NA>
  只想了解不同的觀點                    155  241  273    0
  只想看到更多跟您立場相同的觀點         21   21   31    0
  兩者都有                               21   43   77    0
  其他想法                              245  323  329    3
  不獲取政治資訊                        186   17   14    3
  <NA>                                    6    2    2    2
with(chk, table(A2, interest, exclude = NULL))
                                interest
A2                               不感興趣 普通 感興趣 <NA>
  只想了解不同的觀點                  263  282    124    0
  只想看到更多跟您立場相同的觀點       28   28     17    0
  兩者都有                             42   50     49    0
  其他想法                            509  308     80    3
  不獲取政治資訊                      167   38      4   11
  <NA>                                  9    1      1    1
# 三個媒體變數之間的重疊
with(chk, table(soc, news, exclude = NULL))
            news
soc          很少或從未 有時 經常 <NA>
  很少或從未        951   26   18    0
  有時              135  247   49    0
  經常              149  158  276    2
  <NA>                0    0    0    4
with(chk, table(trad, soc, exclude = NULL))
            soc
trad         很少或從未 有時 經常 <NA>
  很少或從未        434   98   99    3
  有時              272  190  185    0
  經常              281  143  301    1
  <NA>                8    0    0    0

編碼結果

此交叉表檢查三個媒體變數之間是否高度重疊。結果顯示,社群媒體為很少或從未的 995 人中,有 951 人在新聞網站也是很少或從未。這主要可能是問卷跳答結構造成的。Q5 回答沒有透過網路獲得政治資訊,或依問卷規定跳答者,在社群媒體與新聞網站都會歸為很少或從未。相較之下,傳統媒體與社群媒體的重疊較低。例如,經常從傳統媒體獲取政治資訊的人,在社群媒體為很少或從未、有時與經常者分別有 281 人、143 人與 301 人。本研究保留這三個變數,並在研究限制中適時說明社群媒體與新聞網站的重疊。

如何讀這張表

社群媒體 × 新聞網站:左上角的 951 特別大,代表很多人在兩個變數都是「很少或從未」。這兩個變數重疊明顯。
傳統媒體 × 社群媒體:各格的人數比較分散,例如「經常」看傳統媒體的人,社群媒體三類都有不少人。這兩個變數各自提供不同的資訊。

四、變數之間的關聯

卡方檢定

依變數的測量指標為 P6_2、P6_3、P6_4 與 P6_5 四題,選項合併為判斷為假、普通、判斷為真三組。政黨傾向分別以六類與四類檢定,連同其他三個自變數,共 20 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。

Y (依變數)的四題測量:

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?

P6_3: 有人說:「倫敦大學有證實蔡總統有參加博士論文口試」,請問您認為這個說法可能是真的還是假的?

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?

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?

依變數的三類版本(ind3)

編碼目的與理由

在進行卡方檢定之前,本研究先將依變數四題的五個回答類別,合併為「判斷為假」、「普通」與「判斷為真」三類。原因為,卡方檢定會比較交叉表中每一格的實際人數與期望人數,期望人數過少時,檢定結果可能會不準確。期望人數是假設兩個變數無關時,每一格理論上應有的人數。考量到若使用原分類方式(五類),有些格子的人數會不足。例如,強烈泛藍只有 72 人,P6_5 回答「非常可能是真的」也只有 30 人。兩者交會的格子人數便非常少。因此,本研究將方向相同、只差在程度的回答合併。「非常可能是真的」與「可能是真的」合併為「判斷為真」,「可能是假的」與「非常可能是假的」合併為「判斷為假」,「普通」則維持不變。選項編號的方向與五類版本一致,數字越大代表越判斷為真。五類版本保留了判斷的程度差異,之後的迴歸分析可能會使用,因此原始變數與五類版本都不更動。本研究另外建立 ind3_p6_2、ind3_p6_3、ind3_p6_4 與 ind3_p6_5 四個新變數,作為卡方檢定之用。

# 載入卡方檢定需要的套件
library(gmodels)
library(sjPlot)
# 重新編碼(合併為三類,選項編號的方向與五類版本一致,數字越大越判斷為真)
TCS2022$ind3_p6_2 <- rec(TCS2022$vp6_2, rec = "1:2=3; 3=2; 4:5=1; else=NA") # 1=判斷為假; 2=普通; 3=判斷為真
TCS2022$ind3_p6_3 <- rec(TCS2022$vp6_3, rec = "1:2=3; 3=2; 4:5=1; else=NA") # 1=判斷為假; 2=普通; 3=判斷為真
TCS2022$ind3_p6_4 <- rec(TCS2022$vp6_4, rec = "1:2=3; 3=2; 4:5=1; else=NA") # 1=判斷為假; 2=普通; 3=判斷為真
TCS2022$ind3_p6_5 <- rec(TCS2022$vp6_5, rec = "1:2=3; 3=2; 4:5=1; else=NA") # 1=判斷為假; 2=普通; 3=判斷為真

# 加上選項標籤(標籤依選項編號 1、2、3 的順序對應)
TCS2022$ind3_p6_2 <- set_labels(TCS2022$ind3_p6_2, labels = c("判斷為假", "普通", "判斷為真"))
TCS2022$ind3_p6_3 <- set_labels(TCS2022$ind3_p6_3, labels = c("判斷為假", "普通", "判斷為真"))
TCS2022$ind3_p6_4 <- set_labels(TCS2022$ind3_p6_4, labels = c("判斷為假", "普通", "判斷為真"))
TCS2022$ind3_p6_5 <- set_labels(TCS2022$ind3_p6_5, labels = c("判斷為假", "普通", "判斷為真"))
# 顯示題目標籤與變數名稱
frq(TCS2022, ind3_p6_2)
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」,您認為這個說法可能是真的還是假的? (ind3_p6_2) <numeric> 
# total N=2015 valid N=1694 mean=1.93 sd=0.75

Value |    Label |   N | Raw % | Valid % | Cum. %
-------------------------------------------------
    1 | 判斷為假 | 536 | 26.60 |   31.64 |  31.64
    2 |     普通 | 738 | 36.63 |   43.57 |  75.21
    3 | 判斷為真 | 420 | 20.84 |   24.79 | 100.00
 <NA> |     <NA> | 321 | 15.93 |    <NA> |   <NA>
frq(TCS2022, ind3_p6_3)
P6_3 有人說:「倫敦大學有證實蔡總統有參加博士論文口試」,您認為這個說法可能是真的還是假的? (ind3_p6_3) <numeric> 
# total N=2015 valid N=1710 mean=2.06 sd=0.74

Value |    Label |   N | Raw % | Valid % | Cum. %
-------------------------------------------------
    1 | 判斷為假 | 417 | 20.69 |   24.39 |  24.39
    2 |     普通 | 770 | 38.21 |   45.03 |  69.42
    3 | 判斷為真 | 523 | 25.96 |   30.58 | 100.00
 <NA> |     <NA> | 305 | 15.14 |    <NA> |   <NA>
frq(TCS2022, ind3_p6_4)
P6_4 有人說:「在歐美先進國家,公投與大選很少合併舉行」,您認為這個說法可能是真的還是假的? (ind3_p6_4) <numeric> 
# total N=2015 valid N=1657 mean=2.11 sd=0.72

Value |    Label |   N | Raw % | Valid % | Cum. %
-------------------------------------------------
    1 | 判斷為假 | 355 | 17.62 |   21.42 |  21.42
    2 |     普通 | 770 | 38.21 |   46.47 |  67.89
    3 | 判斷為真 | 532 | 26.40 |   32.11 | 100.00
 <NA> |     <NA> | 358 | 17.77 |    <NA> |   <NA>
frq(TCS2022, ind3_p6_5)
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」,您認為這個說法可能是真的還是假的? (ind3_p6_5) <numeric> 
# total N=2015 valid N=1658 mean=1.78 sd=0.71

Value |    Label |   N | Raw % | Valid % | Cum. %
-------------------------------------------------
    1 | 判斷為假 | 633 | 31.41 |   38.18 |  38.18
    2 |     普通 | 751 | 37.27 |   45.30 |  83.47
    3 | 判斷為真 | 274 | 13.60 |   16.53 | 100.00
 <NA> |     <NA> | 357 | 17.72 |    <NA> |   <NA>

編碼結果

四題都合併為三類。

P6_2 判斷為假 536 人,普通 738 人,判斷為真 420 人。
P6_3 判斷為假 417 人,普通 770 人,判斷為真 523 人。
P6_4 判斷為假 355 人,普通 770 人,判斷為真 532 人。
P6_5 判斷為假 633 人,普通 751 人,判斷為真 274 人。

各題的缺失值與五類版本相同。

第一組:A1 政黨傾向類型 × Y 的測量指標(動機的面向):H1~H4

此組檢定政黨傾向類型與四則說法的相信判斷傾向是否有關,對應 2.2 中動機的面向。若有關,接著觀察泛綠與泛藍支持者判斷為真與判斷為假的比例是否不同,以及強烈者與一般者的差異。

H1:A1 政黨傾向類型 × P6_2 美牛瘦肉精

H1:本研究預期,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之間存在關聯。具體而言,預期泛綠與泛藍支持者判斷為真與判斷為假的比例會不同,強烈者的差異也會大於一般者。

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

以六類的政黨傾向類型檢定

# 方法一:直接以chisq.test() 計算卡方值
chisq.test(TCS2022$A1, TCS2022$ind3_p6_2)

    Pearson's Chi-squared test

data:  TCS2022$A1 and TCS2022$ind3_p6_2
X-squared = 206.24, df = 10, p-value < 2.2e-16
# 方法二:以gmodels::CrossTable() 做交叉分析及製表
# CrossTable() 要先用 sjlabelled::as_label() 把選項編號轉成文字,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
)

 
   Cell Contents
|-------------------------|
|                       N |
|           N / Row Total |
|           N / Col Total |
|-------------------------|

 
Total Observations in Table:  1671 

 
                                 | sjlabelled::as_label(TCS2022$ind3_p6_2) 
sjlabelled::as_label(TCS2022$A1) |  判斷為假 |      普通 |  判斷為真 | Row Total | 
---------------------------------|-----------|-----------|-----------|-----------|
                          無傾向 |       244 |       534 |       197 |       975 | 
                                 |     0.250 |     0.548 |     0.202 |     0.583 | 
                                 |     0.461 |     0.736 |     0.474 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        強烈泛綠 |        33 |        11 |        42 |        86 | 
                                 |     0.384 |     0.128 |     0.488 |     0.051 | 
                                 |     0.062 |     0.015 |     0.101 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        一般泛綠 |        83 |       105 |       114 |       302 | 
                                 |     0.275 |     0.348 |     0.377 |     0.181 | 
                                 |     0.157 |     0.145 |     0.274 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        一般泛藍 |        81 |        49 |        30 |       160 | 
                                 |     0.506 |     0.306 |     0.188 |     0.096 | 
                                 |     0.153 |     0.067 |     0.072 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        強烈泛藍 |        40 |         6 |        18 |        64 | 
                                 |     0.625 |     0.094 |     0.281 |     0.038 | 
                                 |     0.076 |     0.008 |     0.043 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        其他政黨 |        48 |        21 |        15 |        84 | 
                                 |     0.571 |     0.250 |     0.179 |     0.050 | 
                                 |     0.091 |     0.029 |     0.036 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                    Column Total |       529 |       726 |       416 |      1671 | 
                                 |     0.317 |     0.434 |     0.249 |           | 
---------------------------------|-----------|-----------|-----------|-----------|

 
Statistics for All Table Factors


Pearson's Chi-squared test 
------------------------------------------------------------
Chi^2 =  206.2441     d.f. =  10     p =  8.032768e-39 


 
# 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
)
A1 政黨傾向類型(Q49
在目前國內的政黨中,請問您有沒有偏向支持哪一個政黨?
Q50
那相對來說,請問您有沒有稍微偏向支持哪一個政黨?
Q51 請問是哪一個政黨? Q52
請問,您偏向這個政黨的程度是很強,普通,還是有一點?)
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」,您認為這個說法可能是真的還是假的?
Total
判斷為假 普通 判斷為真
無傾向 244
25 %
46.1 %
534
54.8 %
73.6 %
197
20.2 %
47.4 %
975
100 %
58.3 %
強烈泛綠 33
38.4 %
6.2 %
11
12.8 %
1.5 %
42
48.8 %
10.1 %
86
100 %
5.1 %
一般泛綠 83
27.5 %
15.7 %
105
34.8 %
14.5 %
114
37.7 %
27.4 %
302
100 %
18.1 %
一般泛藍 81
50.6 %
15.3 %
49
30.6 %
6.7 %
30
18.8 %
7.2 %
160
100 %
9.6 %
強烈泛藍 40
62.5 %
7.6 %
6
9.4 %
0.8 %
18
28.1 %
4.3 %
64
100 %
3.8 %
其他政黨 48
57.1 %
9.1 %
21
25 %
2.9 %
15
17.9 %
3.6 %
84
100 %
5 %
Total 529
31.7 %
100 %
726
43.4 %
100 %
416
24.9 %
100 %
1671
100 %
100 %
χ2=206.244 · df=10 · Cramer's V=0.248 · p=0.000

H1 檢定結果(六類)

X-squared = 206.24(df = 10,p < .001),達到統計上的顯著水準。因此,拒絕 H1-0。這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。

從列百分比來看,強烈泛綠有 48.8% 判斷為真,一般泛綠為 37.7%,都高於無傾向者的 20.2%。強烈泛藍有 62.5% 判斷為假,一般泛藍為 50.6%,也高於無傾向者的 25.0%。面對同一則說法,泛綠與泛藍支持者的判斷方向可能相反,而且強烈者比一般者更明顯。無傾向者則有 54.8% 回答普通,是各類中最高的,答普通的人中也有 73.6% 是無傾向者。這表示沒有政黨傾向的民眾,可能較常保留判斷。

以四類的政黨傾向檢定

# 依原始題目重新分成四類
# 把 Q51 的政黨合併為三個陣營(與政黨傾向相同)
party4 <- rec(TCS2022$vq51,
              rec = "2,7,8,10,14=1; 1,3,4=2; 5,6,9,11,12,13,15:18,88=3; else=NA", as.num = T
) # 1綠 2藍 3其他

# 依條件填入政黨陣營的選項編號
a1_4 <- NA
a1_4[TCS2022$vq50 %in% 2] <- 1 # 無傾向:Q49、Q50 皆答沒有
a1_4[party4 %in% 1 & TCS2022$vq52 %in% 1:3] <- 2 # 泛綠(強烈與一般合併)
a1_4[party4 %in% 2 & TCS2022$vq52 %in% 1:3] <- 3 # 泛藍(強烈與一般合併)
a1_4[party4 %in% 3] <- 4 # 其他政黨
# 加上選項標籤
TCS2022$A1_4gro <- rec(a1_4,
                       rec = "1=1[無傾向]; 2=2[泛綠]; 3=3[泛藍]; 4=4[其他政黨]",
                       as.num = F
)

rm(party4, a1_4) # 清掉這段用到的草稿

# 加上題目標籤
TCS2022$A1_4gro <- set_label(TCS2022$A1_4gro,
                             label = "A1_4gro 政黨陣營(政黨傾向類型的強烈與一般合併)"
)


# 顯示題目標籤與變數名稱
frq(TCS2022, A1_4gro)
A1_4gro 政黨陣營(政黨傾向類型的強烈與一般合併) (A1_4gro) <categorical> 
# total N=2015 valid N=1955 mean=1.62 sd=0.87

Value |    Label |    N | Raw % | Valid % | Cum. %
--------------------------------------------------
    1 |   無傾向 | 1169 | 58.01 |   59.80 |  59.80
    2 |     泛綠 |  440 | 21.84 |   22.51 |  82.30
    3 |     泛藍 |  260 | 12.90 |   13.30 |  95.60
    4 | 其他政黨 |   86 |  4.27 |    4.40 | 100.00
 <NA> |     <NA> |   60 |  2.98 |    <NA> |   <NA>
# 確認資料型態
class(TCS2022$A1_4gro)
[1] "factor"
# 方法一:chisq.test()
chisq.test(TCS2022$A1_4gro, TCS2022$ind3_p6_2)

    Pearson's Chi-squared test

data:  TCS2022$A1_4gro and TCS2022$ind3_p6_2
X-squared = 184.59, df = 6, p-value < 2.2e-16
# 方法二:gmodels::CrossTable()
CrossTable(sjlabelled::as_label(TCS2022$A1_4gro), sjlabelled::as_label(TCS2022$ind3_p6_2),
           prop.t = FALSE, prop.r = TRUE, prop.c = TRUE, prop.chisq = FALSE, chisq = TRUE)

 
   Cell Contents
|-------------------------|
|                       N |
|           N / Row Total |
|           N / Col Total |
|-------------------------|

 
Total Observations in Table:  1671 

 
                                      | sjlabelled::as_label(TCS2022$ind3_p6_2) 
sjlabelled::as_label(TCS2022$A1_4gro) |  判斷為假 |      普通 |  判斷為真 | Row Total | 
--------------------------------------|-----------|-----------|-----------|-----------|
                               無傾向 |       244 |       534 |       197 |       975 | 
                                      |     0.250 |     0.548 |     0.202 |     0.583 | 
                                      |     0.461 |     0.736 |     0.474 |           | 
--------------------------------------|-----------|-----------|-----------|-----------|
                                 泛綠 |       116 |       116 |       156 |       388 | 
                                      |     0.299 |     0.299 |     0.402 |     0.232 | 
                                      |     0.219 |     0.160 |     0.375 |           | 
--------------------------------------|-----------|-----------|-----------|-----------|
                                 泛藍 |       121 |        55 |        48 |       224 | 
                                      |     0.540 |     0.246 |     0.214 |     0.134 | 
                                      |     0.229 |     0.076 |     0.115 |           | 
--------------------------------------|-----------|-----------|-----------|-----------|
                             其他政黨 |        48 |        21 |        15 |        84 | 
                                      |     0.571 |     0.250 |     0.179 |     0.050 | 
                                      |     0.091 |     0.029 |     0.036 |           | 
--------------------------------------|-----------|-----------|-----------|-----------|
                         Column Total |       529 |       726 |       416 |      1671 | 
                                      |     0.317 |     0.434 |     0.249 |           | 
--------------------------------------|-----------|-----------|-----------|-----------|

 
Statistics for All Table Factors


Pearson's Chi-squared test 
------------------------------------------------------------
Chi^2 =  184.5878     d.f. =  6     p =  3.597419e-37 


 
# 方法三:sjPlot::tab_xtab()
tab_xtab(TCS2022$A1_4gro, TCS2022$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")
A1_4gro
政黨陣營(政黨傾向類型的強烈與一般合併)
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」,您認為這個說法可能是真的還是假的?
Total
判斷為假 普通 判斷為真
無傾向 244
25 %
46.1 %
534
54.8 %
73.6 %
197
20.2 %
47.4 %
975
100 %
58.3 %
泛綠 116
29.9 %
21.9 %
116
29.9 %
16 %
156
40.2 %
37.5 %
388
100 %
23.2 %
泛藍 121
54 %
22.9 %
55
24.6 %
7.6 %
48
21.4 %
11.5 %
224
100 %
13.4 %
其他政黨 48
57.1 %
9.1 %
21
25 %
2.9 %
15
17.9 %
3.6 %
84
100 %
5 %
Total 529
31.7 %
100 %
726
43.4 %
100 %
416
24.9 %
100 %
1671
100 %
100 %
χ2=184.588 · df=6 · Cramer's V=0.235 · p=0.000

H1 檢定結果(四類)

X-squared = 184.59(df = 6,p < .001),達到統計上的顯著水準。因此,拒絕 H1-0。這表示政黨陣營與民眾對 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。

從列百分比來看,泛綠有 40.2% 判斷為真,泛藍有 54.0% 判斷為假,兩者的判斷方向可能相反。無傾向者有 54.8% 回答普通,答普通的人中也有 73.6% 是無傾向者。結果與六類一致。

H2:A1 政黨傾向類型 × P6_3 倫敦大學論文口試

H2:本研究預期,政黨傾向類型與民眾對 P6_3 倫敦大學論文口試說法的相信判斷傾向之間存在關聯。具體而言,預期泛綠與泛藍支持者判斷為真與判斷為假的比例會不同,強烈者的差異也會大於一般者。

H2-0:政黨傾向類型與民眾對 P6_3 倫敦大學論文口試說法的相信判斷傾向無關
H2-1:政黨傾向類型與民眾對 P6_3 倫敦大學論文口試說法的相信判斷傾向有關

以六類的政黨傾向類型檢定

# 方法一:chisq.test()
chisq.test(TCS2022$A1, TCS2022$ind3_p6_3)

    Pearson's Chi-squared test

data:  TCS2022$A1 and TCS2022$ind3_p6_3
X-squared = 385.98, df = 10, p-value < 2.2e-16
# 方法二:gmodels::CrossTable()
CrossTable(sjlabelled::as_label(TCS2022$A1), sjlabelled::as_label(TCS2022$ind3_p6_3),
           prop.t = FALSE, prop.r = TRUE, prop.c = TRUE, prop.chisq = FALSE, chisq = TRUE)

 
   Cell Contents
|-------------------------|
|                       N |
|           N / Row Total |
|           N / Col Total |
|-------------------------|

 
Total Observations in Table:  1684 

 
                                 | sjlabelled::as_label(TCS2022$ind3_p6_3) 
sjlabelled::as_label(TCS2022$A1) |  判斷為假 |      普通 |  判斷為真 | Row Total | 
---------------------------------|-----------|-----------|-----------|-----------|
                          無傾向 |       207 |       559 |       210 |       976 | 
                                 |     0.212 |     0.573 |     0.215 |     0.580 | 
                                 |     0.506 |     0.737 |     0.406 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        強烈泛綠 |        13 |        17 |        60 |        90 | 
                                 |     0.144 |     0.189 |     0.667 |     0.053 | 
                                 |     0.032 |     0.022 |     0.116 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        一般泛綠 |        25 |        99 |       177 |       301 | 
                                 |     0.083 |     0.329 |     0.588 |     0.179 | 
                                 |     0.061 |     0.131 |     0.342 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        一般泛藍 |        88 |        45 |        34 |       167 | 
                                 |     0.527 |     0.269 |     0.204 |     0.099 | 
                                 |     0.215 |     0.059 |     0.066 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        強烈泛藍 |        44 |        15 |         8 |        67 | 
                                 |     0.657 |     0.224 |     0.119 |     0.040 | 
                                 |     0.108 |     0.020 |     0.015 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        其他政黨 |        32 |        23 |        28 |        83 | 
                                 |     0.386 |     0.277 |     0.337 |     0.049 | 
                                 |     0.078 |     0.030 |     0.054 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                    Column Total |       409 |       758 |       517 |      1684 | 
                                 |     0.243 |     0.450 |     0.307 |           | 
---------------------------------|-----------|-----------|-----------|-----------|

 
Statistics for All Table Factors


Pearson's Chi-squared test 
------------------------------------------------------------
Chi^2 =  385.9825     d.f. =  10     p =  9.035392e-77 


 
# 方法三:sjPlot::tab_xtab()
tab_xtab(TCS2022$A1, TCS2022$ind3_p6_3, 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")
A1 政黨傾向類型(Q49
在目前國內的政黨中,請問您有沒有偏向支持哪一個政黨?
Q50
那相對來說,請問您有沒有稍微偏向支持哪一個政黨?
Q51 請問是哪一個政黨? Q52
請問,您偏向這個政黨的程度是很強,普通,還是有一點?)
P6_3
有人說:「倫敦大學有證實蔡總統有參加博士論文口試」,您認為這個說法可能是真的還是假的?
Total
判斷為假 普通 判斷為真
無傾向 207
21.2 %
50.6 %
559
57.3 %
73.7 %
210
21.5 %
40.6 %
976
100 %
58 %
強烈泛綠 13
14.4 %
3.2 %
17
18.9 %
2.2 %
60
66.7 %
11.6 %
90
100 %
5.3 %
一般泛綠 25
8.3 %
6.1 %
99
32.9 %
13.1 %
177
58.8 %
34.2 %
301
100 %
17.9 %
一般泛藍 88
52.7 %
21.5 %
45
26.9 %
5.9 %
34
20.4 %
6.6 %
167
100 %
9.9 %
強烈泛藍 44
65.7 %
10.8 %
15
22.4 %
2 %
8
11.9 %
1.5 %
67
100 %
4 %
其他政黨 32
38.6 %
7.8 %
23
27.7 %
3 %
28
33.7 %
5.4 %
83
100 %
4.9 %
Total 409
24.3 %
100 %
758
45 %
100 %
517
30.7 %
100 %
1684
100 %
100 %
χ2=385.983 · df=10 · Cramer's V=0.339 · p=0.000

H2 檢定結果(六類)

X-squared = 385.98(df = 10,p < .001),達到統計上的顯著水準。因此,拒絕 H2-0。這表示政黨傾向類型與民眾對 P6_3 倫敦大學論文口試說法的相信判斷傾向可能相關,H2-1 得到這筆資料的支持。

從列百分比來看,強烈泛綠有 66.7% 判斷為真,一般泛綠為 58.8%,都高於無傾向者的 21.5%。強烈泛藍有 65.7% 判斷為假,一般泛藍為 52.7%,也高於無傾向者的 21.2%。面對同一則說法,泛綠與泛藍支持者的判斷方向可能相反,而且強烈者比一般者更明顯。無傾向者則有 57.3% 回答普通,是各類中最高的,答普通的人中也有 73.7% 是無傾向者。這則說法的卡方值是第一組四則說法中最大的。

以四類的政黨陣營檢定

# 方法一:chisq.test()
chisq.test(TCS2022$A1_4gro, TCS2022$ind3_p6_3)

    Pearson's Chi-squared test

data:  TCS2022$A1_4gro and TCS2022$ind3_p6_3
X-squared = 375.85, df = 6, p-value < 2.2e-16
# 方法二:gmodels::CrossTable()
CrossTable(sjlabelled::as_label(TCS2022$A1_4gro), sjlabelled::as_label(TCS2022$ind3_p6_3),
           prop.t = FALSE, prop.r = TRUE, prop.c = TRUE, prop.chisq = FALSE, chisq = TRUE)

 
   Cell Contents
|-------------------------|
|                       N |
|           N / Row Total |
|           N / Col Total |
|-------------------------|

 
Total Observations in Table:  1684 

 
                                      | sjlabelled::as_label(TCS2022$ind3_p6_3) 
sjlabelled::as_label(TCS2022$A1_4gro) |  判斷為假 |      普通 |  判斷為真 | Row Total | 
--------------------------------------|-----------|-----------|-----------|-----------|
                               無傾向 |       207 |       559 |       210 |       976 | 
                                      |     0.212 |     0.573 |     0.215 |     0.580 | 
                                      |     0.506 |     0.737 |     0.406 |           | 
--------------------------------------|-----------|-----------|-----------|-----------|
                                 泛綠 |        38 |       116 |       237 |       391 | 
                                      |     0.097 |     0.297 |     0.606 |     0.232 | 
                                      |     0.093 |     0.153 |     0.458 |           | 
--------------------------------------|-----------|-----------|-----------|-----------|
                                 泛藍 |       132 |        60 |        42 |       234 | 
                                      |     0.564 |     0.256 |     0.179 |     0.139 | 
                                      |     0.323 |     0.079 |     0.081 |           | 
--------------------------------------|-----------|-----------|-----------|-----------|
                             其他政黨 |        32 |        23 |        28 |        83 | 
                                      |     0.386 |     0.277 |     0.337 |     0.049 | 
                                      |     0.078 |     0.030 |     0.054 |           | 
--------------------------------------|-----------|-----------|-----------|-----------|
                         Column Total |       409 |       758 |       517 |      1684 | 
                                      |     0.243 |     0.450 |     0.307 |           | 
--------------------------------------|-----------|-----------|-----------|-----------|

 
Statistics for All Table Factors


Pearson's Chi-squared test 
------------------------------------------------------------
Chi^2 =  375.8547     d.f. =  6     p =  4.322782e-78 


 
# 方法三:sjPlot::tab_xtab()
tab_xtab(TCS2022$A1_4gro, TCS2022$ind3_p6_3, 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")
A1_4gro
政黨陣營(政黨傾向類型的強烈與一般合併)
P6_3
有人說:「倫敦大學有證實蔡總統有參加博士論文口試」,您認為這個說法可能是真的還是假的?
Total
判斷為假 普通 判斷為真
無傾向 207
21.2 %
50.6 %
559
57.3 %
73.7 %
210
21.5 %
40.6 %
976
100 %
58 %
泛綠 38
9.7 %
9.3 %
116
29.7 %
15.3 %
237
60.6 %
45.8 %
391
100 %
23.2 %
泛藍 132
56.4 %
32.3 %
60
25.6 %
7.9 %
42
17.9 %
8.1 %
234
100 %
13.9 %
其他政黨 32
38.6 %
7.8 %
23
27.7 %
3 %
28
33.7 %
5.4 %
83
100 %
4.9 %
Total 409
24.3 %
100 %
758
45 %
100 %
517
30.7 %
100 %
1684
100 %
100 %
χ2=375.855 · df=6 · Cramer's V=0.334 · p=0.000

H2 檢定結果(四類)

X-squared = 375.85(df = 6,p < .001),達到統計上的顯著水準。因此,拒絕 H2-0。這表示政黨陣營與民眾對 P6_3 倫敦大學論文口試說法的相信判斷傾向可能相關,H2-1 得到這筆資料的支持。

從列百分比來看,泛綠有 60.6% 判斷為真,泛藍有 56.4% 判斷為假,兩者的判斷方向可能相反。無傾向者有 57.3% 回答普通,答普通的人中也有 73.7% 是無傾向者。結果與六類一致。

H3:A1 政黨傾向類型 × P6_4 公投與大選

H3:本研究預期,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之間存在關聯。具體而言,預期泛綠與泛藍支持者判斷為真與判斷為假的比例會不同,強烈者的差異也會大於一般者。

H3-0: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
H3-1: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

以六類的政黨傾向類型檢定

# 方法一:chisq.test()
chisq.test(TCS2022$A1, TCS2022$ind3_p6_4)

    Pearson's Chi-squared test

data:  TCS2022$A1 and TCS2022$ind3_p6_4
X-squared = 108.64, df = 10, p-value < 2.2e-16
# 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)

 
   Cell Contents
|-------------------------|
|                       N |
|           N / Row Total |
|           N / Col Total |
|-------------------------|

 
Total Observations in Table:  1636 

 
                                 | sjlabelled::as_label(TCS2022$ind3_p6_4) 
sjlabelled::as_label(TCS2022$A1) |  判斷為假 |      普通 |  判斷為真 | Row Total | 
---------------------------------|-----------|-----------|-----------|-----------|
                          無傾向 |       166 |       537 |       247 |       950 | 
                                 |     0.175 |     0.565 |     0.260 |     0.581 | 
                                 |     0.469 |     0.709 |     0.470 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        強烈泛綠 |        22 |        25 |        35 |        82 | 
                                 |     0.268 |     0.305 |     0.427 |     0.050 | 
                                 |     0.062 |     0.033 |     0.067 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        一般泛綠 |        68 |       109 |       122 |       299 | 
                                 |     0.227 |     0.365 |     0.408 |     0.183 | 
                                 |     0.192 |     0.144 |     0.232 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        一般泛藍 |        56 |        49 |        56 |       161 | 
                                 |     0.348 |     0.304 |     0.348 |     0.098 | 
                                 |     0.158 |     0.065 |     0.107 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        強烈泛藍 |        18 |        15 |        29 |        62 | 
                                 |     0.290 |     0.242 |     0.468 |     0.038 | 
                                 |     0.051 |     0.020 |     0.055 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        其他政黨 |        24 |        22 |        36 |        82 | 
                                 |     0.293 |     0.268 |     0.439 |     0.050 | 
                                 |     0.068 |     0.029 |     0.069 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                    Column Total |       354 |       757 |       525 |      1636 | 
                                 |     0.216 |     0.463 |     0.321 |           | 
---------------------------------|-----------|-----------|-----------|-----------|

 
Statistics for All Table Factors


Pearson's Chi-squared test 
------------------------------------------------------------
Chi^2 =  108.6364     d.f. =  10     p =  1.004709e-18 


 
# 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")
A1 政黨傾向類型(Q49
在目前國內的政黨中,請問您有沒有偏向支持哪一個政黨?
Q50
那相對來說,請問您有沒有稍微偏向支持哪一個政黨?
Q51 請問是哪一個政黨? Q52
請問,您偏向這個政黨的程度是很強,普通,還是有一點?)
P6_4
有人說:「在歐美先進國家,公投與大選很少合併舉行」,您認為這個說法可能是真的還是假的?
Total
判斷為假 普通 判斷為真
無傾向 166
17.5 %
46.9 %
537
56.5 %
70.9 %
247
26 %
47 %
950
100 %
58.1 %
強烈泛綠 22
26.8 %
6.2 %
25
30.5 %
3.3 %
35
42.7 %
6.7 %
82
100 %
5 %
一般泛綠 68
22.7 %
19.2 %
109
36.5 %
14.4 %
122
40.8 %
23.2 %
299
100 %
18.3 %
一般泛藍 56
34.8 %
15.8 %
49
30.4 %
6.5 %
56
34.8 %
10.7 %
161
100 %
9.8 %
強烈泛藍 18
29 %
5.1 %
15
24.2 %
2 %
29
46.8 %
5.5 %
62
100 %
3.8 %
其他政黨 24
29.3 %
6.8 %
22
26.8 %
2.9 %
36
43.9 %
6.9 %
82
100 %
5 %
Total 354
21.6 %
100 %
757
46.3 %
100 %
525
32.1 %
100 %
1636
100 %
100 %
χ2=108.636 · df=10 · Cramer's V=0.182 · p=0.000

H3 檢定結果(六類)

X-squared = 108.64(df = 10,p < .001),達到統計上的顯著水準。因此,拒絕 H3-0。這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,H3-1 得到這筆資料的支持。

從列百分比來看,強烈泛藍判斷為真的比例(46.8%)高於強烈泛綠(42.7%)。一般泛藍判斷為真與判斷為假的比例則相同,都是 34.8%。泛綠與泛藍支持者在這則說法上,可能沒有出現判斷方向相反的情形。無傾向者有 56.5% 回答普通,是各類中最高的,答普通的人中也有 70.9% 是無傾向者。這組關聯可能主要來自無傾向者較常保留判斷,而不是兩個陣營的判斷方向不同。

以四類的政黨陣營檢定

# 方法一:chisq.test()
chisq.test(TCS2022$A1_4gro, TCS2022$ind3_p6_4)

    Pearson's Chi-squared test

data:  TCS2022$A1_4gro and TCS2022$ind3_p6_4
X-squared = 104.51, df = 6, p-value < 2.2e-16
# 方法二:gmodels::CrossTable()
CrossTable(sjlabelled::as_label(TCS2022$A1_4gro), sjlabelled::as_label(TCS2022$ind3_p6_4),
           prop.t = FALSE, prop.r = TRUE, prop.c = TRUE, prop.chisq = FALSE, chisq = TRUE)

 
   Cell Contents
|-------------------------|
|                       N |
|           N / Row Total |
|           N / Col Total |
|-------------------------|

 
Total Observations in Table:  1636 

 
                                      | sjlabelled::as_label(TCS2022$ind3_p6_4) 
sjlabelled::as_label(TCS2022$A1_4gro) |  判斷為假 |      普通 |  判斷為真 | Row Total | 
--------------------------------------|-----------|-----------|-----------|-----------|
                               無傾向 |       166 |       537 |       247 |       950 | 
                                      |     0.175 |     0.565 |     0.260 |     0.581 | 
                                      |     0.469 |     0.709 |     0.470 |           | 
--------------------------------------|-----------|-----------|-----------|-----------|
                                 泛綠 |        90 |       134 |       157 |       381 | 
                                      |     0.236 |     0.352 |     0.412 |     0.233 | 
                                      |     0.254 |     0.177 |     0.299 |           | 
--------------------------------------|-----------|-----------|-----------|-----------|
                                 泛藍 |        74 |        64 |        85 |       223 | 
                                      |     0.332 |     0.287 |     0.381 |     0.136 | 
                                      |     0.209 |     0.085 |     0.162 |           | 
--------------------------------------|-----------|-----------|-----------|-----------|
                             其他政黨 |        24 |        22 |        36 |        82 | 
                                      |     0.293 |     0.268 |     0.439 |     0.050 | 
                                      |     0.068 |     0.029 |     0.069 |           | 
--------------------------------------|-----------|-----------|-----------|-----------|
                         Column Total |       354 |       757 |       525 |      1636 | 
                                      |     0.216 |     0.463 |     0.321 |           | 
--------------------------------------|-----------|-----------|-----------|-----------|

 
Statistics for All Table Factors


Pearson's Chi-squared test 
------------------------------------------------------------
Chi^2 =  104.5069     d.f. =  6     p =  2.873618e-20 


 
# 方法三:sjPlot::tab_xtab()
tab_xtab(TCS2022$A1_4gro, TCS2022$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")
A1_4gro
政黨陣營(政黨傾向類型的強烈與一般合併)
P6_4
有人說:「在歐美先進國家,公投與大選很少合併舉行」,您認為這個說法可能是真的還是假的?
Total
判斷為假 普通 判斷為真
無傾向 166
17.5 %
46.9 %
537
56.5 %
70.9 %
247
26 %
47 %
950
100 %
58.1 %
泛綠 90
23.6 %
25.4 %
134
35.2 %
17.7 %
157
41.2 %
29.9 %
381
100 %
23.3 %
泛藍 74
33.2 %
20.9 %
64
28.7 %
8.5 %
85
38.1 %
16.2 %
223
100 %
13.6 %
其他政黨 24
29.3 %
6.8 %
22
26.8 %
2.9 %
36
43.9 %
6.9 %
82
100 %
5 %
Total 354
21.6 %
100 %
757
46.3 %
100 %
525
32.1 %
100 %
1636
100 %
100 %
χ2=104.507 · df=6 · Cramer's V=0.179 · p=0.000

H3 檢定結果(四類)

X-squared = 104.51(df = 6,p < .001),達到統計上的顯著水準。因此,拒絕 H3-0。這表示政黨陣營與民眾對 P6_4 公投與大選說法的相信判斷傾向可能相關,H3-1 得到這筆資料的支持。

從列百分比來看,泛綠判斷為真的比例為 41.2%,泛藍為 38.1%,兩者相近。泛綠與泛藍支持者在這則說法上,可能沒有出現判斷方向相反的情形。無傾向者有 56.5% 回答普通,答普通的人中也有 70.9% 是無傾向者。這組關聯可能主要來自無傾向者較常保留判斷,與六類一致。

H4:A1 政黨傾向類型 × P6_5 核四死斷層

H4:本研究預期,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之間存在關聯。具體而言,預期泛綠與泛藍支持者判斷為真與判斷為假的比例會不同,強烈者的差異也會大於一般者。

H4-0: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
H4-1: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

以六類的政黨傾向類型檢定

# 方法一:chisq.test()
chisq.test(TCS2022$A1, TCS2022$ind3_p6_5)

    Pearson's Chi-squared test

data:  TCS2022$A1 and TCS2022$ind3_p6_5
X-squared = 73.936, df = 10, p-value = 7.663e-12
# 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)

 
   Cell Contents
|-------------------------|
|                       N |
|           N / Row Total |
|           N / Col Total |
|-------------------------|

 
Total Observations in Table:  1634 

 
                                 | sjlabelled::as_label(TCS2022$ind3_p6_5) 
sjlabelled::as_label(TCS2022$A1) |  判斷為假 |      普通 |  判斷為真 | Row Total | 
---------------------------------|-----------|-----------|-----------|-----------|
                          無傾向 |       318 |       514 |       129 |       961 | 
                                 |     0.331 |     0.535 |     0.134 |     0.588 | 
                                 |     0.508 |     0.697 |     0.476 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        強烈泛綠 |        41 |        19 |        23 |        83 | 
                                 |     0.494 |     0.229 |     0.277 |     0.051 | 
                                 |     0.065 |     0.026 |     0.085 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        一般泛綠 |       133 |       105 |        54 |       292 | 
                                 |     0.455 |     0.360 |     0.185 |     0.179 | 
                                 |     0.212 |     0.142 |     0.199 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        一般泛藍 |        69 |        49 |        35 |       153 | 
                                 |     0.451 |     0.320 |     0.229 |     0.094 | 
                                 |     0.110 |     0.066 |     0.129 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        強烈泛藍 |        28 |        20 |        14 |        62 | 
                                 |     0.452 |     0.323 |     0.226 |     0.038 | 
                                 |     0.045 |     0.027 |     0.052 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        其他政黨 |        37 |        30 |        16 |        83 | 
                                 |     0.446 |     0.361 |     0.193 |     0.051 | 
                                 |     0.059 |     0.041 |     0.059 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                    Column Total |       626 |       737 |       271 |      1634 | 
                                 |     0.383 |     0.451 |     0.166 |           | 
---------------------------------|-----------|-----------|-----------|-----------|

 
Statistics for All Table Factors


Pearson's Chi-squared test 
------------------------------------------------------------
Chi^2 =  73.93562     d.f. =  10     p =  7.663087e-12 


 
# 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")
A1 政黨傾向類型(Q49
在目前國內的政黨中,請問您有沒有偏向支持哪一個政黨?
Q50
那相對來說,請問您有沒有稍微偏向支持哪一個政黨?
Q51 請問是哪一個政黨? Q52
請問,您偏向這個政黨的程度是很強,普通,還是有一點?)
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」,您認為這個說法可能是真的還是假的?
Total
判斷為假 普通 判斷為真
無傾向 318
33.1 %
50.8 %
514
53.5 %
69.7 %
129
13.4 %
47.6 %
961
100 %
58.8 %
強烈泛綠 41
49.4 %
6.5 %
19
22.9 %
2.6 %
23
27.7 %
8.5 %
83
100 %
5.1 %
一般泛綠 133
45.5 %
21.2 %
105
36 %
14.2 %
54
18.5 %
19.9 %
292
100 %
17.9 %
一般泛藍 69
45.1 %
11 %
49
32 %
6.6 %
35
22.9 %
12.9 %
153
100 %
9.4 %
強烈泛藍 28
45.2 %
4.5 %
20
32.3 %
2.7 %
14
22.6 %
5.2 %
62
100 %
3.8 %
其他政黨 37
44.6 %
5.9 %
30
36.1 %
4.1 %
16
19.3 %
5.9 %
83
100 %
5.1 %
Total 626
38.3 %
100 %
737
45.1 %
100 %
271
16.6 %
100 %
1634
100 %
100 %
χ2=73.936 · df=10 · Cramer's V=0.150 · p=0.000

H4 檢定結果(六類)

X-squared = 73.94(df = 10,p < .001),達到統計上的顯著水準。因此,拒絕 H4-0。這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,H4-1 得到這筆資料的支持。

從列百分比來看,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則相近,都在 44.6% 至 49.4% 之間。泛綠與泛藍支持者在這則說法上,可能也沒有出現判斷方向相反的情形。無傾向者有 53.5% 回答普通,是各類中最高的,答普通的人中也有 69.7% 是無傾向者。這組關聯可能同樣來自無傾向者較常保留判斷。

以四類的政黨陣營檢定

# 方法一:chisq.test()
chisq.test(TCS2022$A1_4gro, TCS2022$ind3_p6_5)

    Pearson's Chi-squared test

data:  TCS2022$A1_4gro and TCS2022$ind3_p6_5
X-squared = 67.925, df = 6, p-value = 1.088e-12
# 方法二:gmodels::CrossTable()
CrossTable(sjlabelled::as_label(TCS2022$A1_4gro), sjlabelled::as_label(TCS2022$ind3_p6_5),
           prop.t = FALSE, prop.r = TRUE, prop.c = TRUE, prop.chisq = FALSE, chisq = TRUE)

 
   Cell Contents
|-------------------------|
|                       N |
|           N / Row Total |
|           N / Col Total |
|-------------------------|

 
Total Observations in Table:  1634 

 
                                      | sjlabelled::as_label(TCS2022$ind3_p6_5) 
sjlabelled::as_label(TCS2022$A1_4gro) |  判斷為假 |      普通 |  判斷為真 | Row Total | 
--------------------------------------|-----------|-----------|-----------|-----------|
                               無傾向 |       318 |       514 |       129 |       961 | 
                                      |     0.331 |     0.535 |     0.134 |     0.588 | 
                                      |     0.508 |     0.697 |     0.476 |           | 
--------------------------------------|-----------|-----------|-----------|-----------|
                                 泛綠 |       174 |       124 |        77 |       375 | 
                                      |     0.464 |     0.331 |     0.205 |     0.229 | 
                                      |     0.278 |     0.168 |     0.284 |           | 
--------------------------------------|-----------|-----------|-----------|-----------|
                                 泛藍 |        97 |        69 |        49 |       215 | 
                                      |     0.451 |     0.321 |     0.228 |     0.132 | 
                                      |     0.155 |     0.094 |     0.181 |           | 
--------------------------------------|-----------|-----------|-----------|-----------|
                             其他政黨 |        37 |        30 |        16 |        83 | 
                                      |     0.446 |     0.361 |     0.193 |     0.051 | 
                                      |     0.059 |     0.041 |     0.059 |           | 
--------------------------------------|-----------|-----------|-----------|-----------|
                         Column Total |       626 |       737 |       271 |      1634 | 
                                      |     0.383 |     0.451 |     0.166 |           | 
--------------------------------------|-----------|-----------|-----------|-----------|

 
Statistics for All Table Factors


Pearson's Chi-squared test 
------------------------------------------------------------
Chi^2 =  67.925     d.f. =  6     p =  1.088438e-12 


 
# 方法三:sjPlot::tab_xtab()
tab_xtab(TCS2022$A1_4gro, TCS2022$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")
A1_4gro
政黨陣營(政黨傾向類型的強烈與一般合併)
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」,您認為這個說法可能是真的還是假的?
Total
判斷為假 普通 判斷為真
無傾向 318
33.1 %
50.8 %
514
53.5 %
69.7 %
129
13.4 %
47.6 %
961
100 %
58.8 %
泛綠 174
46.4 %
27.8 %
124
33.1 %
16.8 %
77
20.5 %
28.4 %
375
100 %
22.9 %
泛藍 97
45.1 %
15.5 %
69
32.1 %
9.4 %
49
22.8 %
18.1 %
215
100 %
13.2 %
其他政黨 37
44.6 %
5.9 %
30
36.1 %
4.1 %
16
19.3 %
5.9 %
83
100 %
5.1 %
Total 626
38.3 %
100 %
737
45.1 %
100 %
271
16.6 %
100 %
1634
100 %
100 %
χ2=67.925 · df=6 · Cramer's V=0.144 · p=0.000

H4 檢定結果(四類)

X-squared = 67.92(df = 6,p < .001),達到統計上的顯著水準。因此,拒絕 H4-0。這表示政黨陣營與民眾對 P6_5 核四死斷層說法的相信判斷傾向可能相關,H4-1 得到這筆資料的支持。

從列百分比來看,泛綠與泛藍判斷為假的比例相近(46.4%、45.1%),判斷為真的比例也相近(20.5%、22.8%)。泛綠與泛藍支持者在這則說法上,可能也沒有出現判斷方向相反的情形。無傾向者有 53.5% 回答普通,答普通的人中也有 69.7% 是無傾向者。結果與六類一致。

第二組:A2 資訊動機 × Y 的測量指標(動機的面向)H5~H8

此組檢定資訊動機與四則說法的相信判斷傾向是否有關,對應 2.2 中動機的面向。資訊動機沒有藍綠方向,因此觀察的重點是各類受訪者回答普通的比例,而不是判斷為真或判斷為假。

H5:A2 資訊動機 × P6_2 美牛瘦肉精

H5:本研究預期,資訊動機與民眾對 P6_2 美牛瘦肉精說法的相信判斷傾向之間存在關聯。具體而言,預期只想看到更多跟您立場相同的觀點者,回答普通的比例會低於只想了解不同的觀點者。

H5-0: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
H5-1: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)

    Pearson's Chi-squared test

data:  TCS2022$A2 and TCS2022$ind3_p6_2
X-squared = 33.999, df = 8, p-value = 4.064e-05
# 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)

 
   Cell Contents
|-------------------------|
|                       N |
|           N / Row Total |
|           N / Col Total |
|-------------------------|

 
Total Observations in Table:  1693 

 
                                 | sjlabelled::as_label(TCS2022$ind3_p6_2) 
sjlabelled::as_label(TCS2022$A2) |  判斷為假 |      普通 |  判斷為真 | Row Total | 
---------------------------------|-----------|-----------|-----------|-----------|
              只想了解不同的觀點 |       216 |       265 |       151 |       632 | 
                                 |     0.342 |     0.419 |     0.239 |     0.373 | 
                                 |     0.403 |     0.360 |     0.360 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
  只想看到更多跟您立場相同的觀點 |        24 |        14 |        22 |        60 | 
                                 |     0.400 |     0.233 |     0.367 |     0.035 | 
                                 |     0.045 |     0.019 |     0.052 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        兩者都有 |        47 |        40 |        36 |       123 | 
                                 |     0.382 |     0.325 |     0.293 |     0.073 | 
                                 |     0.088 |     0.054 |     0.086 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        其他想法 |       213 |       345 |       193 |       751 | 
                                 |     0.284 |     0.459 |     0.257 |     0.444 | 
                                 |     0.397 |     0.468 |     0.460 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                  不獲取政治資訊 |        36 |        73 |        18 |       127 | 
                                 |     0.283 |     0.575 |     0.142 |     0.075 | 
                                 |     0.067 |     0.099 |     0.043 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                    Column Total |       536 |       737 |       420 |      1693 | 
                                 |     0.317 |     0.435 |     0.248 |           | 
---------------------------------|-----------|-----------|-----------|-----------|

 
Statistics for All Table Factors


Pearson's Chi-squared test 
------------------------------------------------------------
Chi^2 =  33.9991     d.f. =  8     p =  4.064192e-05 


 
# 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")
A2 資訊動機(Q27
請問您想要獲得政治或公共事務相關訊息的原因是什麼?(可複選)
Q20
除了新聞,請問您平常會用哪種方式獲得政治或公共事務相關訊息?(可複選))
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」,您認為這個說法可能是真的還是假的?
Total
判斷為假 普通 判斷為真
只想了解不同的觀點 216
34.2 %
40.3 %
265
41.9 %
36 %
151
23.9 %
36 %
632
100 %
37.3 %
只想看到更多跟您立場相同的觀點 24
40 %
4.5 %
14
23.3 %
1.9 %
22
36.7 %
5.2 %
60
100 %
3.5 %
兩者都有 47
38.2 %
8.8 %
40
32.5 %
5.4 %
36
29.3 %
8.6 %
123
100 %
7.3 %
其他想法 213
28.4 %
39.7 %
345
45.9 %
46.8 %
193
25.7 %
46 %
751
100 %
44.4 %
不獲取政治資訊 36
28.3 %
6.7 %
73
57.5 %
9.9 %
18
14.2 %
4.3 %
127
100 %
7.5 %
Total 536
31.7 %
100 %
737
43.5 %
100 %
420
24.8 %
100 %
1693
100 %
100 %
χ2=33.999 · df=8 · Cramer's V=0.100 · p=0.000

H5 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 H5-0。這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,H5-1 得到這筆資料的支持。

從列百分比來看,只想看到更多跟您立場相同的觀點者回答普通的比例最低(23.3%),判斷為真的比例最高(36.7%)。只想了解不同的觀點者回答普通的比例為 41.9%,高於只想看到同立場觀點者,與預期的方向一致。不獲取政治資訊者則回答普通的比例最高(57.5%),判斷為真的比例最低(14.2%)。不過,只想看到同立場觀點者只有 60 人。他們在各欄所佔的比例都不到 6%,解讀時需要保守。

H6:A2 資訊動機 × P6_3 倫敦大學論文口試

H6:本研究預期,資訊動機與民眾對 P6_3 倫敦大學論文口試說法的相信判斷傾向之間存在關聯。具體而言,預期只想看到更多跟您立場相同的觀點者,回答普通的比例會低於只想了解不同的觀點者。

H6-0:資訊動機與民眾對 P6_3 倫敦大學論文口試說法的相信判斷傾向無關
H6-1:資訊動機與民眾對 P6_3 倫敦大學論文口試說法的相信判斷傾向有關

# 方法一:chisq.test()
chisq.test(TCS2022$A2, TCS2022$ind3_p6_3)

    Pearson's Chi-squared test

data:  TCS2022$A2 and TCS2022$ind3_p6_3
X-squared = 60.191, df = 8, p-value = 4.275e-10
# 方法二:gmodels::CrossTable()
CrossTable(sjlabelled::as_label(TCS2022$A2), sjlabelled::as_label(TCS2022$ind3_p6_3),
           prop.t = FALSE, prop.r = TRUE, prop.c = TRUE, prop.chisq = FALSE, chisq = TRUE)

 
   Cell Contents
|-------------------------|
|                       N |
|           N / Row Total |
|           N / Col Total |
|-------------------------|

 
Total Observations in Table:  1709 

 
                                 | sjlabelled::as_label(TCS2022$ind3_p6_3) 
sjlabelled::as_label(TCS2022$A2) |  判斷為假 |      普通 |  判斷為真 | Row Total | 
---------------------------------|-----------|-----------|-----------|-----------|
              只想了解不同的觀點 |       149 |       262 |       223 |       634 | 
                                 |     0.235 |     0.413 |     0.352 |     0.371 | 
                                 |     0.357 |     0.341 |     0.426 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
  只想看到更多跟您立場相同的觀點 |        21 |        14 |        25 |        60 | 
                                 |     0.350 |     0.233 |     0.417 |     0.035 | 
                                 |     0.050 |     0.018 |     0.048 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        兩者都有 |        43 |        37 |        47 |       127 | 
                                 |     0.339 |     0.291 |     0.370 |     0.074 | 
                                 |     0.103 |     0.048 |     0.090 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        其他想法 |       168 |       377 |       212 |       757 | 
                                 |     0.222 |     0.498 |     0.280 |     0.443 | 
                                 |     0.403 |     0.490 |     0.405 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                  不獲取政治資訊 |        36 |        79 |        16 |       131 | 
                                 |     0.275 |     0.603 |     0.122 |     0.077 | 
                                 |     0.086 |     0.103 |     0.031 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                    Column Total |       417 |       769 |       523 |      1709 | 
                                 |     0.244 |     0.450 |     0.306 |           | 
---------------------------------|-----------|-----------|-----------|-----------|

 
Statistics for All Table Factors


Pearson's Chi-squared test 
------------------------------------------------------------
Chi^2 =  60.1913     d.f. =  8     p =  4.275114e-10 


 
# 方法三:sjPlot::tab_xtab()
tab_xtab(TCS2022$A2, TCS2022$ind3_p6_3, 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")
A2 資訊動機(Q27
請問您想要獲得政治或公共事務相關訊息的原因是什麼?(可複選)
Q20
除了新聞,請問您平常會用哪種方式獲得政治或公共事務相關訊息?(可複選))
P6_3
有人說:「倫敦大學有證實蔡總統有參加博士論文口試」,您認為這個說法可能是真的還是假的?
Total
判斷為假 普通 判斷為真
只想了解不同的觀點 149
23.5 %
35.7 %
262
41.3 %
34.1 %
223
35.2 %
42.6 %
634
100 %
37.1 %
只想看到更多跟您立場相同的觀點 21
35 %
5 %
14
23.3 %
1.8 %
25
41.7 %
4.8 %
60
100 %
3.5 %
兩者都有 43
33.9 %
10.3 %
37
29.1 %
4.8 %
47
37 %
9 %
127
100 %
7.4 %
其他想法 168
22.2 %
40.3 %
377
49.8 %
49 %
212
28 %
40.5 %
757
100 %
44.3 %
不獲取政治資訊 36
27.5 %
8.6 %
79
60.3 %
10.3 %
16
12.2 %
3.1 %
131
100 %
7.7 %
Total 417
24.4 %
100 %
769
45 %
100 %
523
30.6 %
100 %
1709
100 %
100 %
χ2=60.191 · df=8 · Cramer's V=0.133 · p=0.000

H6 檢定結果

X-squared = 60.19(df = 8,p < .001),達到統計上的顯著水準。因此,拒絕 H6-0。這表示資訊動機與民眾對 P6_3 倫敦大學論文口試說法的相信判斷傾向可能相關,H6-1 得到這筆資料的支持。

從列百分比來看,只想看到更多跟您立場相同的觀點者回答普通的比例最低(23.3%),只想了解不同的觀點者為 41.3%,與預期的方向一致。不獲取政治資訊者回答普通的比例最高(60.3%),判斷為真的比例最低(12.2%)。不過,只想看到同立場觀點者只有 60 人。他們在各欄所佔的比例都不到 6%,解讀時需要保守。

H7:A2 資訊動機 × P6_4 公投與大選

H7:本研究預期,資訊動機與民眾對 P6_4 公投與大選說法的相信判斷傾向之間存在關聯。具體而言,預期只想看到更多跟您立場相同的觀點者,回答普通的比例會低於只想了解不同的觀點者。

H7-0: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
H7-1: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)

    Pearson's Chi-squared test

data:  TCS2022$A2 and TCS2022$ind3_p6_4
X-squared = 36.499, df = 8, p-value = 1.423e-05
# 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)

 
   Cell Contents
|-------------------------|
|                       N |
|           N / Row Total |
|           N / Col Total |
|-------------------------|

 
Total Observations in Table:  1656 

 
                                 | sjlabelled::as_label(TCS2022$ind3_p6_4) 
sjlabelled::as_label(TCS2022$A2) |  判斷為假 |      普通 |  判斷為真 | Row Total | 
---------------------------------|-----------|-----------|-----------|-----------|
              只想了解不同的觀點 |       115 |       273 |       231 |       619 | 
                                 |     0.186 |     0.441 |     0.373 |     0.374 | 
                                 |     0.324 |     0.355 |     0.434 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
  只想看到更多跟您立場相同的觀點 |        18 |        24 |        22 |        64 | 
                                 |     0.281 |     0.375 |     0.344 |     0.039 | 
                                 |     0.051 |     0.031 |     0.041 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        兩者都有 |        35 |        42 |        45 |       122 | 
                                 |     0.287 |     0.344 |     0.369 |     0.074 | 
                                 |     0.099 |     0.055 |     0.085 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        其他想法 |       162 |       352 |       212 |       726 | 
                                 |     0.223 |     0.485 |     0.292 |     0.438 | 
                                 |     0.456 |     0.458 |     0.398 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                  不獲取政治資訊 |        25 |        78 |        22 |       125 | 
                                 |     0.200 |     0.624 |     0.176 |     0.075 | 
                                 |     0.070 |     0.101 |     0.041 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                    Column Total |       355 |       769 |       532 |      1656 | 
                                 |     0.214 |     0.464 |     0.321 |           | 
---------------------------------|-----------|-----------|-----------|-----------|

 
Statistics for All Table Factors


Pearson's Chi-squared test 
------------------------------------------------------------
Chi^2 =  36.49902     d.f. =  8     p =  1.422555e-05 


 
# 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")
A2 資訊動機(Q27
請問您想要獲得政治或公共事務相關訊息的原因是什麼?(可複選)
Q20
除了新聞,請問您平常會用哪種方式獲得政治或公共事務相關訊息?(可複選))
P6_4
有人說:「在歐美先進國家,公投與大選很少合併舉行」,您認為這個說法可能是真的還是假的?
Total
判斷為假 普通 判斷為真
只想了解不同的觀點 115
18.6 %
32.4 %
273
44.1 %
35.5 %
231
37.3 %
43.4 %
619
100 %
37.4 %
只想看到更多跟您立場相同的觀點 18
28.1 %
5.1 %
24
37.5 %
3.1 %
22
34.4 %
4.1 %
64
100 %
3.9 %
兩者都有 35
28.7 %
9.9 %
42
34.4 %
5.5 %
45
36.9 %
8.5 %
122
100 %
7.4 %
其他想法 162
22.3 %
45.6 %
352
48.5 %
45.8 %
212
29.2 %
39.8 %
726
100 %
43.8 %
不獲取政治資訊 25
20 %
7 %
78
62.4 %
10.1 %
22
17.6 %
4.1 %
125
100 %
7.5 %
Total 355
21.4 %
100 %
769
46.4 %
100 %
532
32.1 %
100 %
1656
100 %
100 %
χ2=36.499 · df=8 · Cramer's V=0.105 · p=0.000

H7 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 H7-0。這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,H7-1 得到這筆資料的支持。

從列百分比來看,不獲取政治資訊者回答普通的比例最高(62.4%),判斷為真的比例最低(17.6%)。只想看到同立場觀點者回答普通的比例為 37.5%,低於只想了解不同的觀點者的 44.1%,與預期的方向一致。回答普通比例最低的則是兩者都有者(34.4%)。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。

H8:A2 資訊動機 × P6_5 核四死斷層

H8:本研究預期,資訊動機與民眾對 P6_5 核四死斷層說法的相信判斷傾向之間存在關聯。具體而言,預期只想看到更多跟您立場相同的觀點者,回答普通的比例會低於只想了解不同的觀點者。

H8-0: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
H8-1: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)

    Pearson's Chi-squared test

data:  TCS2022$A2 and TCS2022$ind3_p6_5
X-squared = 32.463, df = 8, p-value = 7.694e-05
# 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)

 
   Cell Contents
|-------------------------|
|                       N |
|           N / Row Total |
|           N / Col Total |
|-------------------------|

 
Total Observations in Table:  1657 

 
                                 | sjlabelled::as_label(TCS2022$ind3_p6_5) 
sjlabelled::as_label(TCS2022$A2) |  判斷為假 |      普通 |  判斷為真 | Row Total | 
---------------------------------|-----------|-----------|-----------|-----------|
              只想了解不同的觀點 |       255 |       270 |        95 |       620 | 
                                 |     0.411 |     0.435 |     0.153 |     0.374 | 
                                 |     0.403 |     0.360 |     0.347 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
  只想看到更多跟您立場相同的觀點 |        31 |        15 |        14 |        60 | 
                                 |     0.517 |     0.250 |     0.233 |     0.036 | 
                                 |     0.049 |     0.020 |     0.051 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        兩者都有 |        38 |        47 |        34 |       119 | 
                                 |     0.319 |     0.395 |     0.286 |     0.072 | 
                                 |     0.060 |     0.063 |     0.124 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        其他想法 |       270 |       346 |       114 |       730 | 
                                 |     0.370 |     0.474 |     0.156 |     0.441 | 
                                 |     0.427 |     0.461 |     0.416 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                  不獲取政治資訊 |        39 |        72 |        17 |       128 | 
                                 |     0.305 |     0.562 |     0.133 |     0.077 | 
                                 |     0.062 |     0.096 |     0.062 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                    Column Total |       633 |       750 |       274 |      1657 | 
                                 |     0.382 |     0.453 |     0.165 |           | 
---------------------------------|-----------|-----------|-----------|-----------|

 
Statistics for All Table Factors


Pearson's Chi-squared test 
------------------------------------------------------------
Chi^2 =  32.46284     d.f. =  8     p =  7.693607e-05 


 
# 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")
A2 資訊動機(Q27
請問您想要獲得政治或公共事務相關訊息的原因是什麼?(可複選)
Q20
除了新聞,請問您平常會用哪種方式獲得政治或公共事務相關訊息?(可複選))
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」,您認為這個說法可能是真的還是假的?
Total
判斷為假 普通 判斷為真
只想了解不同的觀點 255
41.1 %
40.3 %
270
43.5 %
36 %
95
15.3 %
34.7 %
620
100 %
37.4 %
只想看到更多跟您立場相同的觀點 31
51.7 %
4.9 %
15
25 %
2 %
14
23.3 %
5.1 %
60
100 %
3.6 %
兩者都有 38
31.9 %
6 %
47
39.5 %
6.3 %
34
28.6 %
12.4 %
119
100 %
7.2 %
其他想法 270
37 %
42.7 %
346
47.4 %
46.1 %
114
15.6 %
41.6 %
730
100 %
44.1 %
不獲取政治資訊 39
30.5 %
6.2 %
72
56.2 %
9.6 %
17
13.3 %
6.2 %
128
100 %
7.7 %
Total 633
38.2 %
100 %
750
45.3 %
100 %
274
16.5 %
100 %
1657
100 %
100 %
χ2=32.463 · df=8 · Cramer's V=0.099 · p=0.000

H8 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 H8-0。這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,H8-1 得到這筆資料的支持。

從列百分比來看,只想看到同立場觀點者回答普通的比例最低(25.0%),判斷為假的比例最高(51.7%)。只想了解不同的觀點者回答普通的比例為 43.5%,高於只想看到同立場觀點者,與預期的方向一致。不獲取政治資訊者回答普通的比例最高(56.2%),判斷為真的比例最低(13.3%)。不過,只想看到同立場觀點者只有 60 人。他們在各欄所佔的比例都不到 6%,解讀時需要保守。

第三組:A3 內在思考 ×Y 的測量指標(不專注的面向)H9~H12

此組檢定內在思考與四則說法的相信判斷傾向是否有關,對應 2.2 中不專注的面向。若有關,接著觀察沒有想的人判斷為真的比例是否高於會停下來檢查的人,以及這樣的差異在四則說法中是否一致。

H9:A3 內在思考 × P6_2 美牛瘦肉精

H9:本研究預期,內在思考與民眾對 P6_2 美牛瘦肉精說法的相信判斷傾向之間存在關聯。具體而言,預期沒有想的受訪者判斷為真的比例,會高於會停下來檢查者。

H9-0: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
H9-1: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)

    Pearson's Chi-squared test

data:  TCS2022$A3 and TCS2022$ind3_p6_2
X-squared = 42.114, df = 4, p-value = 1.58e-08
# 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)

 
   Cell Contents
|-------------------------|
|                       N |
|           N / Row Total |
|           N / Col Total |
|-------------------------|

 
Total Observations in Table:  1693 

 
                                 | sjlabelled::as_label(TCS2022$ind3_p6_2) 
sjlabelled::as_label(TCS2022$A3) |  判斷為假 |      普通 |  判斷為真 | Row Total | 
---------------------------------|-----------|-----------|-----------|-----------|
                    會停下來檢查 |       340 |       381 |       260 |       981 | 
                                 |     0.347 |     0.388 |     0.265 |     0.579 | 
                                 |     0.634 |     0.517 |     0.619 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                      憑自己判斷 |       146 |       214 |       124 |       484 | 
                                 |     0.302 |     0.442 |     0.256 |     0.286 | 
                                 |     0.272 |     0.290 |     0.295 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                          沒有想 |        50 |       142 |        36 |       228 | 
                                 |     0.219 |     0.623 |     0.158 |     0.135 | 
                                 |     0.093 |     0.193 |     0.086 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                    Column Total |       536 |       737 |       420 |      1693 | 
                                 |     0.317 |     0.435 |     0.248 |           | 
---------------------------------|-----------|-----------|-----------|-----------|

 
Statistics for All Table Factors


Pearson's Chi-squared test 
------------------------------------------------------------
Chi^2 =  42.11401     d.f. =  4     p =  1.57981e-08 


 
# 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")
A3 內在思考(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))
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」,您認為這個說法可能是真的還是假的?
Total
判斷為假 普通 判斷為真
會停下來檢查 340
34.7 %
63.4 %
381
38.8 %
51.7 %
260
26.5 %
61.9 %
981
100 %
57.9 %
憑自己判斷 146
30.2 %
27.2 %
214
44.2 %
29 %
124
25.6 %
29.5 %
484
100 %
28.6 %
沒有想 50
21.9 %
9.3 %
142
62.3 %
19.3 %
36
15.8 %
8.6 %
228
100 %
13.5 %
Total 536
31.7 %
100 %
737
43.5 %
100 %
420
24.8 %
100 %
1693
100 %
100 %
χ2=42.114 · df=4 · Cramer's V=0.112 · p=0.000

H9 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 H9-0。這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,H9-1 得到這筆資料的支持。

從列百分比來看,沒有想的人回答普通的比例最高(62.3%),判斷為真的比例反而最低(15.8%)。會停下來檢查與憑自己判斷的人,判斷為真的比例分別為 26.5% 與 25.6%。沒有想的人並沒有比較常判斷為真,這與預期不一致。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%)。

H10:A3 內在思考 × P6_3 倫敦大學論文口試

H10:本研究預期,內在思考與民眾對 P6_3 倫敦大學論文口試說法的相信判斷傾向之間存在關聯。具體而言,預期沒有想的受訪者判斷為真的比例,會高於會停下來檢查者。

H10-0:內在思考與民眾對 P6_3 倫敦大學論文口試說法的相信判斷傾向無關
H10-1:內在思考與民眾對 P6_3 倫敦大學論文口試說法的相信判斷傾向有關

# 方法一:chisq.test()
chisq.test(TCS2022$A3, TCS2022$ind3_p6_3)

    Pearson's Chi-squared test

data:  TCS2022$A3 and TCS2022$ind3_p6_3
X-squared = 51.485, df = 4, p-value = 1.768e-10
# 方法二:gmodels::CrossTable()
CrossTable(sjlabelled::as_label(TCS2022$A3), sjlabelled::as_label(TCS2022$ind3_p6_3),
           prop.t = FALSE, prop.r = TRUE, prop.c = TRUE, prop.chisq = FALSE, chisq = TRUE)

 
   Cell Contents
|-------------------------|
|                       N |
|           N / Row Total |
|           N / Col Total |
|-------------------------|

 
Total Observations in Table:  1707 

 
                                 | sjlabelled::as_label(TCS2022$ind3_p6_3) 
sjlabelled::as_label(TCS2022$A3) |  判斷為假 |      普通 |  判斷為真 | Row Total | 
---------------------------------|-----------|-----------|-----------|-----------|
                    會停下來檢查 |       251 |       405 |       336 |       992 | 
                                 |     0.253 |     0.408 |     0.339 |     0.581 | 
                                 |     0.602 |     0.527 |     0.644 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                      憑自己判斷 |       120 |       219 |       157 |       496 | 
                                 |     0.242 |     0.442 |     0.317 |     0.291 | 
                                 |     0.288 |     0.285 |     0.301 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                          沒有想 |        46 |       144 |        29 |       219 | 
                                 |     0.210 |     0.658 |     0.132 |     0.128 | 
                                 |     0.110 |     0.188 |     0.056 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                    Column Total |       417 |       768 |       522 |      1707 | 
                                 |     0.244 |     0.450 |     0.306 |           | 
---------------------------------|-----------|-----------|-----------|-----------|

 
Statistics for All Table Factors


Pearson's Chi-squared test 
------------------------------------------------------------
Chi^2 =  51.48488     d.f. =  4     p =  1.76767e-10 


 
# 方法三:sjPlot::tab_xtab()
tab_xtab(TCS2022$A3, TCS2022$ind3_p6_3, 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")
A3 內在思考(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))
P6_3
有人說:「倫敦大學有證實蔡總統有參加博士論文口試」,您認為這個說法可能是真的還是假的?
Total
判斷為假 普通 判斷為真
會停下來檢查 251
25.3 %
60.2 %
405
40.8 %
52.7 %
336
33.9 %
64.4 %
992
100 %
58.1 %
憑自己判斷 120
24.2 %
28.8 %
219
44.2 %
28.5 %
157
31.7 %
30.1 %
496
100 %
29.1 %
沒有想 46
21 %
11 %
144
65.8 %
18.8 %
29
13.2 %
5.6 %
219
100 %
12.8 %
Total 417
24.4 %
100 %
768
45 %
100 %
522
30.6 %
100 %
1707
100 %
100 %
χ2=51.485 · df=4 · Cramer's V=0.123 · p=0.000

H10 檢定結果

X-squared = 51.48(df = 4,p < .001),達到統計上的顯著水準。因此,拒絕 H10-0。這表示內在思考與民眾對 P6_3 倫敦大學論文口試說法的相信判斷傾向可能相關,H10-1 得到這筆資料的支持。

從列百分比來看,沒有想的人回答普通的比例最高(65.8%),判斷為真的比例最低(13.2%)。會停下來檢查與憑自己判斷的人,判斷為真的比例分別為 33.9% 與 31.7%。沒有想的人並沒有比較常判斷為真,這與預期不一致。從欄百分比來看,判斷為真的人中只有 5.6% 是沒有想的人,低於他們在全體中的比重(12.8%)。

H11:A3 內在思考 × P6_4 公投與大選

H11:本研究預期,內在思考與民眾對 P6_4 公投與大選說法的相信判斷傾向之間存在關聯。具體而言,預期沒有想的受訪者判斷為真的比例,會高於會停下來檢查者。

H11-0: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
H11-1: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)

    Pearson's Chi-squared test

data:  TCS2022$A3 and TCS2022$ind3_p6_4
X-squared = 80.011, df = 4, p-value < 2.2e-16
# 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)

 
   Cell Contents
|-------------------------|
|                       N |
|           N / Row Total |
|           N / Col Total |
|-------------------------|

 
Total Observations in Table:  1656 

 
                                 | sjlabelled::as_label(TCS2022$ind3_p6_4) 
sjlabelled::as_label(TCS2022$A3) |  判斷為假 |      普通 |  判斷為真 | Row Total | 
---------------------------------|-----------|-----------|-----------|-----------|
                    會停下來檢查 |       206 |       393 |       369 |       968 | 
                                 |     0.213 |     0.406 |     0.381 |     0.585 | 
                                 |     0.580 |     0.511 |     0.694 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                      憑自己判斷 |       108 |       227 |       143 |       478 | 
                                 |     0.226 |     0.475 |     0.299 |     0.289 | 
                                 |     0.304 |     0.295 |     0.269 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                          沒有想 |        41 |       149 |        20 |       210 | 
                                 |     0.195 |     0.710 |     0.095 |     0.127 | 
                                 |     0.115 |     0.194 |     0.038 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                    Column Total |       355 |       769 |       532 |      1656 | 
                                 |     0.214 |     0.464 |     0.321 |           | 
---------------------------------|-----------|-----------|-----------|-----------|

 
Statistics for All Table Factors


Pearson's Chi-squared test 
------------------------------------------------------------
Chi^2 =  80.0108     d.f. =  4     p =  1.73267e-16 


 
# 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")
A3 內在思考(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))
P6_4
有人說:「在歐美先進國家,公投與大選很少合併舉行」,您認為這個說法可能是真的還是假的?
Total
判斷為假 普通 判斷為真
會停下來檢查 206
21.3 %
58 %
393
40.6 %
51.1 %
369
38.1 %
69.4 %
968
100 %
58.5 %
憑自己判斷 108
22.6 %
30.4 %
227
47.5 %
29.5 %
143
29.9 %
26.9 %
478
100 %
28.9 %
沒有想 41
19.5 %
11.5 %
149
71 %
19.4 %
20
9.5 %
3.8 %
210
100 %
12.7 %
Total 355
21.4 %
100 %
769
46.4 %
100 %
532
32.1 %
100 %
1656
100 %
100 %
χ2=80.011 · df=4 · Cramer's V=0.155 · p=0.000

H11 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 H11-0。這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,H11-1 得到這筆資料的支持。

從列百分比來看,沒有想的人回答普通的比例高達 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 H9 更大,方向則與 H9 一致,與預期相反。

H12:A3 內在思考 × P6_5 核四死斷層

H12:本研究預期,內在思考與民眾對 P6_5 核四死斷層說法的相信判斷傾向之間存在關聯。具體而言,預期沒有想的受訪者判斷為真的比例,會高於會停下來檢查者。

H12-0: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
H12-1: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)

    Pearson's Chi-squared test

data:  TCS2022$A3 and TCS2022$ind3_p6_5
X-squared = 29.744, df = 4, p-value = 5.518e-06
# 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)

 
   Cell Contents
|-------------------------|
|                       N |
|           N / Row Total |
|           N / Col Total |
|-------------------------|

 
Total Observations in Table:  1657 

 
                                 | sjlabelled::as_label(TCS2022$ind3_p6_5) 
sjlabelled::as_label(TCS2022$A3) |  判斷為假 |      普通 |  判斷為真 | Row Total | 
---------------------------------|-----------|-----------|-----------|-----------|
                    會停下來檢查 |       396 |       396 |       168 |       960 | 
                                 |     0.412 |     0.412 |     0.175 |     0.579 | 
                                 |     0.626 |     0.528 |     0.613 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                      憑自己判斷 |       168 |       220 |        86 |       474 | 
                                 |     0.354 |     0.464 |     0.181 |     0.286 | 
                                 |     0.265 |     0.293 |     0.314 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                          沒有想 |        69 |       134 |        20 |       223 | 
                                 |     0.309 |     0.601 |     0.090 |     0.135 | 
                                 |     0.109 |     0.179 |     0.073 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                    Column Total |       633 |       750 |       274 |      1657 | 
                                 |     0.382 |     0.453 |     0.165 |           | 
---------------------------------|-----------|-----------|-----------|-----------|

 
Statistics for All Table Factors


Pearson's Chi-squared test 
------------------------------------------------------------
Chi^2 =  29.74392     d.f. =  4     p =  5.51849e-06 


 
# 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")
A3 內在思考(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))
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」,您認為這個說法可能是真的還是假的?
Total
判斷為假 普通 判斷為真
會停下來檢查 396
41.2 %
62.6 %
396
41.2 %
52.8 %
168
17.5 %
61.3 %
960
100 %
57.9 %
憑自己判斷 168
35.4 %
26.5 %
220
46.4 %
29.3 %
86
18.1 %
31.4 %
474
100 %
28.6 %
沒有想 69
30.9 %
10.9 %
134
60.1 %
17.9 %
20
9 %
7.3 %
223
100 %
13.5 %
Total 633
38.2 %
100 %
750
45.3 %
100 %
274
16.5 %
100 %
1657
100 %
100 %
χ2=29.744 · df=4 · Cramer's V=0.095 · p=0.000

H12 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 H12-0。這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,H12-1 得到這筆資料的支持。

從列百分比來看,沒有想的人回答普通的比例最高(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%)。沒有想的人的回答型態與 P6_2、P6_3、P6_4 三題相同。

第四組:A4 外在查證 × Y 的測量指標(不專注的面向)H13~H16

此組檢定外在查證與四則說法的相信判斷傾向是否有關,對應 2.2 中不專注的面向。若有關,接著觀察不會查證的人判斷為真的比例是否高於會查證的人,以及這樣的差異在四則說法中是否一致。

H13:A4 外在查證 × P6_2 美牛瘦肉精

H13:本研究預期,外在查證與民眾對 P6_2 美牛瘦肉精說法的相信判斷傾向之間存在關聯。具體而言,預期不會查證的受訪者判斷為真的比例,會高於會查證者。

H13-0: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
H13-1: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)

    Pearson's Chi-squared test

data:  TCS2022$A4 and TCS2022$ind3_p6_2
X-squared = 19.118, df = 2, p-value = 7.055e-05
# 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)

 
   Cell Contents
|-------------------------|
|                       N |
|           N / Row Total |
|           N / Col Total |
|-------------------------|

 
Total Observations in Table:  1693 

 
                                 | sjlabelled::as_label(TCS2022$ind3_p6_2) 
sjlabelled::as_label(TCS2022$A4) |  判斷為假 |      普通 |  判斷為真 | Row Total | 
---------------------------------|-----------|-----------|-----------|-----------|
                          會查證 |       428 |       522 |       335 |      1285 | 
                                 |     0.333 |     0.406 |     0.261 |     0.759 | 
                                 |     0.800 |     0.707 |     0.798 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        不會查證 |       107 |       216 |        85 |       408 | 
                                 |     0.262 |     0.529 |     0.208 |     0.241 | 
                                 |     0.200 |     0.293 |     0.202 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                    Column Total |       535 |       738 |       420 |      1693 | 
                                 |     0.316 |     0.436 |     0.248 |           | 
---------------------------------|-----------|-----------|-----------|-----------|

 
Statistics for All Table Factors


Pearson's Chi-squared test 
------------------------------------------------------------
Chi^2 =  19.11831     d.f. =  2     p =  7.05524e-05 


 
# 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")
A4 外在查證(P7_6
如果您想要確認一則新聞報導是不是正確時,您會用下列哪些方法?(可複選))
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」,您認為這個說法可能是真的還是假的?
Total
判斷為假 普通 判斷為真
會查證 428
33.3 %
80 %
522
40.6 %
70.7 %
335
26.1 %
79.8 %
1285
100 %
75.9 %
不會查證 107
26.2 %
20 %
216
52.9 %
29.3 %
85
20.8 %
20.2 %
408
100 %
24.1 %
Total 535
31.6 %
100 %
738
43.6 %
100 %
420
24.8 %
100 %
1693
100 %
100 %
χ2=19.118 · df=2 · Cramer's V=0.106 · p=0.000

H13 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 H13-0。這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,H13-1 得到這筆資料的支持。

從列百分比來看,不會查證的人回答普通的比例高於會查證的人(52.9% 對 40.6%),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%。不會查證的人並沒有比較常判斷為真,這與預期不一致。

H14:A4 外在查證 × P6_3 倫敦大學論文口試

H14:本研究預期,外在查證與民眾對 P6_3 倫敦大學論文口試說法的相信判斷傾向之間存在關聯。具體而言,預期不會查證的受訪者判斷為真的比例,會高於會查證者。

H14-0:外在查證與民眾對 P6_3 倫敦大學論文口試說法的相信判斷傾向無關
H14-1:外在查證與民眾對 P6_3 倫敦大學論文口試說法的相信判斷傾向有關

# 方法一:chisq.test()
chisq.test(TCS2022$A4, TCS2022$ind3_p6_3)

    Pearson's Chi-squared test

data:  TCS2022$A4 and TCS2022$ind3_p6_3
X-squared = 29.299, df = 2, p-value = 4.344e-07
# 方法二:gmodels::CrossTable()
CrossTable(sjlabelled::as_label(TCS2022$A4), sjlabelled::as_label(TCS2022$ind3_p6_3),
           prop.t = FALSE, prop.r = TRUE, prop.c = TRUE, prop.chisq = FALSE, chisq = TRUE)

 
   Cell Contents
|-------------------------|
|                       N |
|           N / Row Total |
|           N / Col Total |
|-------------------------|

 
Total Observations in Table:  1709 

 
                                 | sjlabelled::as_label(TCS2022$ind3_p6_3) 
sjlabelled::as_label(TCS2022$A4) |  判斷為假 |      普通 |  判斷為真 | Row Total | 
---------------------------------|-----------|-----------|-----------|-----------|
                          會查證 |       320 |       543 |       437 |      1300 | 
                                 |     0.246 |     0.418 |     0.336 |     0.761 | 
                                 |     0.769 |     0.705 |     0.836 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        不會查證 |        96 |       227 |        86 |       409 | 
                                 |     0.235 |     0.555 |     0.210 |     0.239 | 
                                 |     0.231 |     0.295 |     0.164 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                    Column Total |       416 |       770 |       523 |      1709 | 
                                 |     0.243 |     0.451 |     0.306 |           | 
---------------------------------|-----------|-----------|-----------|-----------|

 
Statistics for All Table Factors


Pearson's Chi-squared test 
------------------------------------------------------------
Chi^2 =  29.29871     d.f. =  2     p =  4.343769e-07 


 
# 方法三:sjPlot::tab_xtab()
tab_xtab(TCS2022$A4, TCS2022$ind3_p6_3, 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")
A4 外在查證(P7_6
如果您想要確認一則新聞報導是不是正確時,您會用下列哪些方法?(可複選))
P6_3
有人說:「倫敦大學有證實蔡總統有參加博士論文口試」,您認為這個說法可能是真的還是假的?
Total
判斷為假 普通 判斷為真
會查證 320
24.6 %
76.9 %
543
41.8 %
70.5 %
437
33.6 %
83.6 %
1300
100 %
76.1 %
不會查證 96
23.5 %
23.1 %
227
55.5 %
29.5 %
86
21 %
16.4 %
409
100 %
23.9 %
Total 416
24.3 %
100 %
770
45.1 %
100 %
523
30.6 %
100 %
1709
100 %
100 %
χ2=29.299 · df=2 · Cramer's V=0.131 · p=0.000

H14 檢定結果

X-squared = 29.30(df = 2,p < .001),達到統計上的顯著水準。因此,拒絕 H14-0。這表示外在查證與民眾對 P6_3 倫敦大學論文口試說法的相信判斷傾向可能相關,H14-1 得到這筆資料的支持。

從列百分比來看,不會查證的人回答普通的比例高於會查證的人(55.5% 對 41.8%),判斷為真的比例則較低(21.0% 對 33.6%)。從欄百分比來看,不會查證的人佔全體的 23.9%,在普通一欄卻佔 29.5%。不會查證的人並沒有比較常判斷為真,這與預期不一致。

H15:A4 外在查證 × P6_4 公投與大選

H15:本研究預期,外在查證與民眾對 P6_4 公投與大選說法的相信判斷傾向之間存在關聯。具體而言,預期不會查證的受訪者判斷為真的比例,會高於會查證者。

H15-0: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
H15-1: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)

    Pearson's Chi-squared test

data:  TCS2022$A4 and TCS2022$ind3_p6_4
X-squared = 39.022, df = 2, p-value = 3.361e-09
# 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)

 
   Cell Contents
|-------------------------|
|                       N |
|           N / Row Total |
|           N / Col Total |
|-------------------------|

 
Total Observations in Table:  1656 

 
                                 | sjlabelled::as_label(TCS2022$ind3_p6_4) 
sjlabelled::as_label(TCS2022$A4) |  判斷為假 |      普通 |  判斷為真 | Row Total | 
---------------------------------|-----------|-----------|-----------|-----------|
                          會查證 |       269 |       551 |       458 |      1278 | 
                                 |     0.210 |     0.431 |     0.358 |     0.772 | 
                                 |     0.758 |     0.716 |     0.863 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        不會查證 |        86 |       219 |        73 |       378 | 
                                 |     0.228 |     0.579 |     0.193 |     0.228 | 
                                 |     0.242 |     0.284 |     0.137 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                    Column Total |       355 |       770 |       531 |      1656 | 
                                 |     0.214 |     0.465 |     0.321 |           | 
---------------------------------|-----------|-----------|-----------|-----------|

 
Statistics for All Table Factors


Pearson's Chi-squared test 
------------------------------------------------------------
Chi^2 =  39.02176     d.f. =  2     p =  3.3615e-09 


 
# 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")
A4 外在查證(P7_6
如果您想要確認一則新聞報導是不是正確時,您會用下列哪些方法?(可複選))
P6_4
有人說:「在歐美先進國家,公投與大選很少合併舉行」,您認為這個說法可能是真的還是假的?
Total
判斷為假 普通 判斷為真
會查證 269
21 %
75.8 %
551
43.1 %
71.6 %
458
35.8 %
86.3 %
1278
100 %
77.2 %
不會查證 86
22.8 %
24.2 %
219
57.9 %
28.4 %
73
19.3 %
13.7 %
378
100 %
22.8 %
Total 355
21.4 %
100 %
770
46.5 %
100 %
531
32.1 %
100 %
1656
100 %
100 %
χ2=39.022 · df=2 · Cramer's V=0.154 · p=0.000

H15 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 H15-0。這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,H15-1 得到這筆資料的支持。

從列百分比來看,不會查證的人回答普通的比例高於會查證的人(57.9% 對 43.1%),判斷為真的比例則較低(19.3% 對 35.8%)。兩者的差距比 H13 更大。從欄百分比來看,不會查證的人佔全體的 22.8%。他們在普通一欄佔 28.4%,在判斷為真一欄只佔 13.7%。

H16:A4 外在查證 × P6_5 核四死斷層

H16:本研究預期,外在查證與民眾對 P6_5 核四死斷層說法的相信判斷傾向之間存在關聯。具體而言,預期不會查證的受訪者判斷為真的比例,會高於會查證者。

H16-0: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
H16-1: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)

    Pearson's Chi-squared test

data:  TCS2022$A4 and TCS2022$ind3_p6_5
X-squared = 20.538, df = 2, p-value = 3.47e-05
# 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)

 
   Cell Contents
|-------------------------|
|                       N |
|           N / Row Total |
|           N / Col Total |
|-------------------------|

 
Total Observations in Table:  1657 

 
                                 | sjlabelled::as_label(TCS2022$ind3_p6_5) 
sjlabelled::as_label(TCS2022$A4) |  判斷為假 |      普通 |  判斷為真 | Row Total | 
---------------------------------|-----------|-----------|-----------|-----------|
                          會查證 |       510 |       532 |       218 |      1260 | 
                                 |     0.405 |     0.422 |     0.173 |     0.760 | 
                                 |     0.807 |     0.708 |     0.796 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                        不會查證 |       122 |       219 |        56 |       397 | 
                                 |     0.307 |     0.552 |     0.141 |     0.240 | 
                                 |     0.193 |     0.292 |     0.204 |           | 
---------------------------------|-----------|-----------|-----------|-----------|
                    Column Total |       632 |       751 |       274 |      1657 | 
                                 |     0.381 |     0.453 |     0.165 |           | 
---------------------------------|-----------|-----------|-----------|-----------|

 
Statistics for All Table Factors


Pearson's Chi-squared test 
------------------------------------------------------------
Chi^2 =  20.53753     d.f. =  2     p =  3.470025e-05 


 
# 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")
A4 外在查證(P7_6
如果您想要確認一則新聞報導是不是正確時,您會用下列哪些方法?(可複選))
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」,您認為這個說法可能是真的還是假的?
Total
判斷為假 普通 判斷為真
會查證 510
40.5 %
80.7 %
532
42.2 %
70.8 %
218
17.3 %
79.6 %
1260
100 %
76 %
不會查證 122
30.7 %
19.3 %
219
55.2 %
29.2 %
56
14.1 %
20.4 %
397
100 %
24 %
Total 632
38.1 %
100 %
751
45.3 %
100 %
274
16.5 %
100 %
1657
100 %
100 %
χ2=20.538 · df=2 · Cramer's V=0.111 · p=0.000

H16 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 H16-0。這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,H16-1 得到這筆資料的支持。

從列百分比來看,不會查證的人回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 P6_2、P6_3、P6_4 三題一致。

小結論

根據以上的統計分析,20 組卡方檢定都達到統計上的顯著水準,H1-0 至 H16-0 都被拒絕。這顯示四個自變數與民眾對政治虛假訊息的相信判斷傾向之間可能具有相關性,16 個相關性假設都獲得這筆資料的支持。然而,動機與不專注兩個面向的相關型態可能不同。

就動機的面向而言,政黨傾向與美牛瘦肉精、倫敦大學論文口試兩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,而且強烈者比一般者更明顯。也就是說,民眾在這兩題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。公投與核四兩題則未呈現明顯的藍綠分邊,其相關性可能主要來自無傾向者回答普通的比例較高。將政黨傾向合併為四類後,四題的結果都與六類一致。

資訊動機方面,只想看到更多跟您立場相同的觀點者回答普通的比例,在四則說法中都低於只想了解不同的觀點者。這與預期中帶著特定結論動機者判斷較篤定的方向一致。不獲取政治資訊者則在四則說法中回答普通的比例都最高。不過,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,沒有想與不會查證的人回答普通的比例都較高,判斷為真的比例則較低。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。這樣的情形在四則說法中都相同,不隨說法有利的陣營而改變,與不專注解釋的預期可能不一致。

從 Cramér’s V 來看,政黨傾向在四則說法中的關聯強度都高於其他三個自變數。因此,目前的資料可能較符合動機的解釋,但藍綠分邊主要集中在美牛瘦肉精與倫敦大學論文口試兩題。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。