民意與政治行為:作業四

誰失去了政黨認同?——大學生政治態度的多重對應分析

作者

柯宇鴻

研究問題與探索方向

我想了解,政黨認同解組是否伴隨不同的政治態度與在學經驗。本次延續作業三的五個變數,加入大四的媒體觀點接受程度、網路新聞信任、公共事務演講參與、民主運作滿意度、同儕政治討論、文化認同、政府福利評價、太陽花學運支持、政黨關心青年問題的評價與性別,共十五個類別變數,以多重對應分析觀察它們的分布。

先前我猜想,民主運作評價位於兩端的學生可能都有鮮明的政黨認同。交叉分析卻發現,低滿意度組的解組率最高。因此我希望進一步觀察,低滿意度、低政治興趣、效能感下降及解組,是否呈現相近的回答組合。

資料讀入與跨期配對

使用 2012 與 2015 年資料,保留大一已有主要政黨認同且大四政黨認同有效的學生。政治反感和外在效能感使用兩期的變化,大四政治興趣、居住狀態及新增的十個變數使用 2015 年回答。

展開資料讀入、配對與編碼
suppressPackageStartupMessages({
  library(foreign)
  library(sjPlot)
})

year2012 <- read.spss(
  "data/2012_data.sav",
  reencode = "big5",
  to.data.frame = TRUE,
  use.value.labels = FALSE
)
re-encoding from big5
展開資料讀入、配對與編碼
year2015 <- read.spss(
  "data/2015_data.sav",
  reencode = "big5",
  to.data.frame = TRUE,
  use.value.labels = FALSE
)
re-encoding from big5
展開資料讀入、配對與編碼
if (!all(c("id", "partyid", "a4b", "j01", "j03") %in% names(year2012))) {
  stop("請檢查 2012 年資料是否含有 id、partyid、a4b、j01 與 j03。")
}

if (!all(c("id", "partyid", "a3b", "u15", "q01", "j01", "j03") %in% names(year2015))) {
  stop("請檢查 2015 年資料是否含有 id、partyid、a3b、u15、q01、j01 與 j03。")
}


clean2012 <- year2012
clean2015 <- year2015

clean2012$party_2012 <- factor(
  clean2012$partyid,
  levels = c(1, 2, 3, 4, 5),
  labels = c("國民黨", "民進黨", "親民黨", "台聯", "中立及看情形")
)

clean2015$party_2015 <- factor(
  clean2015$partyid,
  levels = c(1, 2, 3, 4, 5),
  labels = c("國民黨", "民進黨", "親民黨", "台聯", "中立及看情形")
)

clean2012$aversion_2012 <- ifelse(clean2012$a4b %in% 1:4, clean2012$a4b, NA)
clean2015$aversion_2015 <- ifelse(clean2015$a3b %in% 1:4, clean2015$a3b, NA)

clean2015$residence <- factor(
  ifelse(clean2015$u15 == 1, 1,
         ifelse(clean2015$u15 %in% c(2, 3, 4, 5, 8), 2, NA)),
  levels = c(1, 2),
  labels = c("與家人同住", "未與家人同住")
)

# 兩題都是負向敘述,合計分數越高代表外在政治效能感越低。
clean2012$external_2012 <- ifelse(
  clean2012$j01 %in% 1:4 & clean2012$j03 %in% 1:4,
  clean2012$j01 + clean2012$j03, NA
)

data2012 <- clean2012[, c("id", "party_2012", "aversion_2012", "external_2012")]
# 兩題都是負向敘述,合計分數越高代表外在政治效能感越低。
clean2015$external_2015 <- ifelse(
  clean2015$j01 %in% 1:4 & clean2015$j03 %in% 1:4,
  clean2015$j01 + clean2015$j03, NA
)

data2015 <- clean2015[, c("id", "party_2015", "aversion_2015", "residence", "q01", "external_2015",
  "a4a", "a5c", "b06", "k11", "c01", "f02", "h04", "q10", "r07", "sex")]

panel <- merge(data2012, data2015, by = "id", all = FALSE)

研究樣本 <- subset(
  panel,
  party_2012 %in% c("國民黨", "民進黨", "親民黨", "台聯") &
    party_2015 %in% levels(party_2015)
)


研究樣本$loss <- factor(
  ifelse(研究樣本$party_2015 == "中立及看情形", 1, 0),
  levels = c(0, 1),
  labels = c("未解組", "解組")
)

研究樣本$aversion_change <- factor(
  ifelse(研究樣本$aversion_2015 > 研究樣本$aversion_2012, 1, 0),
  levels = c(0, 1),
  labels = c("持平或下降", "反感上升")
)

研究樣本$interest <- factor(
  ifelse(研究樣本$q01 %in% 1:4, ifelse(研究樣本$q01 <= 2, 1, 2), NA),
  levels = 1:2,
  labels = c("低政治興趣", "高政治興趣")
)

研究樣本$external_change <- factor(
  ifelse(研究樣本$external_2015 > 研究樣本$external_2012, 1, 0),
  levels = c(0, 1),
  labels = c("持平或上升", "下降")
)

新增變數的編碼

四選項題目原始有效碼為 1–4,依相鄰選項合成兩類。網路新聞信任將 0–4、5、6–10 分成三類,民主滿意度沿用 0–2、3–7、8–10 三類。文化認同保留臺灣人、中國人、兩者都是。r07 問國內政黨是否關心年輕人的問題,將非常不關心與不太關心合併,有點關心與非常關心合併。sex 依原始編碼分為男性與女性。其他代碼列為缺失。

suppressPackageStartupMessages({
  library(sjmisc)
  library(dplyr)
  library(FactoMineR)
  library(factoextra)
})

研究樣本$媒體觀點 <- factor(
  rec(研究樣本$a4a, rec = "1,2=1;3,4=2;else=NA", as.num = TRUE),
  levels = 1:2,
  labels = c("少接受媒體觀點(a4a)", "常接受媒體觀點(a4a)")
)

研究樣本$網路信任 <- factor(
  rec(研究樣本$a5c, rec = "0:4=1;5=2;6:10=3;else=NA", as.num = TRUE),
  levels = 1:3,
  labels = c("低網路信任(a5c)", "網路信任5分(a5c)", "高網路信任(a5c)")
)

研究樣本$校園演講 <- factor(
  rec(研究樣本$b06, rec = "1,2=1;3,4=2;else=NA", as.num = TRUE),
  levels = 1:2,
  labels = c("少聽公共演講(b06)", "常聽公共演講(b06)")
)

研究樣本$民主滿意 <- factor(
  rec(研究樣本$k11, rec = "0:2=1;3:7=2;8:10=3;else=NA", as.num = TRUE),
  levels = 1:3,
  labels = c("民主滿意0–2(k11)", "民主滿意3–7(k11)", "民主滿意8–10(k11)")
)

研究樣本$同儕討論 <- factor(
  rec(研究樣本$c01, rec = "1,2=1;3,4=2;else=NA", as.num = TRUE),
  levels = 1:2,
  labels = c("少同儕討論(c01)", "常同儕討論(c01)")
)

研究樣本$文化認同 <- factor(
  rec(研究樣本$f02, rec = "1=1;2=2;3=3;else=NA", as.num = TRUE),
  levels = 1:3,
  labels = c("文化臺灣人(f02)", "文化中國人(f02)", "文化兩者都是(f02)")
)

研究樣本$政府福利 <- factor(
  rec(研究樣本$h04, rec = "1,2=1;3,4=2;else=NA", as.num = TRUE),
  levels = 1:2,
  labels = c("政府少顧福利(h04)", "政府會顧福利(h04)")
)

研究樣本$政黨關心青年 <- factor(
  rec(研究樣本$r07, rec = "1,2=1;3,4=2;else=NA", as.num = TRUE),
  levels = 1:2,
  labels = c("政黨不關心青年(r07)", "政黨關心青年(r07)")
)

研究樣本$性別 <- factor(
  研究樣本$sex,
  levels = c(1, 2),
  labels = c("男性(sex)", "女性(sex)")
)
研究樣本$學運支持 <- factor(
  rec(研究樣本$q10, rec = "1,2=1;3,4=2;else=NA", as.num = TRUE),
  levels = 1:2,
  labels = c("不支持學運(q10)", "支持學運(q10)")
)

選取分析變數與有效樣本

依教材選取十五個變數,再用 na.omit() 保留所有分析題項均有效的學生。以下依序列出原研究樣本數與 MCA 的完整回答人數,並查看各變數人數及百分比。

mca_data <- select(
  研究樣本, loss, aversion_change, residence, interest, external_change,
  媒體觀點, 網路信任, 校園演講, 民主滿意,
  同儕討論, 文化認同, 政府福利, 學運支持, 政黨關心青年, 性別
)
names(mca_data)[1:5] <- c(
  "政黨認同解組", "反感變化", "居住狀態", "政治興趣", "外在效能變化"
)
mca_complete <- na.omit(mca_data)
nrow(mca_data)
[1] 632
nrow(mca_complete)
[1] 624
frq(mca_complete)
政黨認同解組 <categorical> 
# total N=624 valid N=624 mean=1.35 sd=0.48

Value  |   N | Raw % | Valid % | Cum. %
---------------------------------------
未解組 | 406 | 65.06 |   65.06 |  65.06
解組   | 218 | 34.94 |   34.94 | 100.00
<NA>   |   0 |  0.00 |    <NA> |   <NA>

反感變化 <categorical> 
# total N=624 valid N=624 mean=1.25 sd=0.44

Value      |   N | Raw % | Valid % | Cum. %
-------------------------------------------
持平或下降 | 466 | 74.68 |   74.68 |  74.68
反感上升   | 158 | 25.32 |   25.32 | 100.00
<NA>       |   0 |  0.00 |    <NA> |   <NA>

居住狀態 <categorical> 
# total N=624 valid N=624 mean=1.63 sd=0.48

Value        |   N | Raw % | Valid % | Cum. %
---------------------------------------------
與家人同住   | 229 | 36.70 |   36.70 |  36.70
未與家人同住 | 395 | 63.30 |   63.30 | 100.00
<NA>         |   0 |  0.00 |    <NA> |   <NA>

政治興趣 <categorical> 
# total N=624 valid N=624 mean=1.42 sd=0.49

Value      |   N | Raw % | Valid % | Cum. %
-------------------------------------------
低政治興趣 | 364 | 58.33 |   58.33 |  58.33
高政治興趣 | 260 | 41.67 |   41.67 | 100.00
<NA>       |   0 |  0.00 |    <NA> |   <NA>

外在效能變化 <categorical> 
# total N=624 valid N=624 mean=1.31 sd=0.46

Value      |   N | Raw % | Valid % | Cum. %
-------------------------------------------
持平或上升 | 429 | 68.75 |   68.75 |  68.75
下降       | 195 | 31.25 |   31.25 | 100.00
<NA>       |   0 |  0.00 |    <NA> |   <NA>

媒體觀點 <categorical> 
# total N=624 valid N=624 mean=1.60 sd=0.49

Value               |   N | Raw % | Valid % | Cum. %
----------------------------------------------------
少接受媒體觀點(a4a) | 252 | 40.38 |   40.38 |  40.38
常接受媒體觀點(a4a) | 372 | 59.62 |   59.62 | 100.00
<NA>                |   0 |  0.00 |    <NA> |   <NA>

網路信任 <categorical> 
# total N=624 valid N=624 mean=1.95 sd=0.85

Value            |   N | Raw % | Valid % | Cum. %
-------------------------------------------------
低網路信任(a5c)  | 241 | 38.62 |   38.62 |  38.62
網路信任5分(a5c) | 176 | 28.21 |   28.21 |  66.83
高網路信任(a5c)  | 207 | 33.17 |   33.17 | 100.00
<NA>             |   0 |  0.00 |    <NA> |   <NA>

校園演講 <categorical> 
# total N=624 valid N=624 mean=1.24 sd=0.43

Value             |   N | Raw % | Valid % | Cum. %
--------------------------------------------------
少聽公共演講(b06) | 476 | 76.28 |   76.28 |  76.28
常聽公共演講(b06) | 148 | 23.72 |   23.72 | 100.00
<NA>              |   0 |  0.00 |    <NA> |   <NA>

民主滿意 <categorical> 
# total N=624 valid N=624 mean=2.03 sd=0.45

Value             |   N | Raw % | Valid % | Cum. %
--------------------------------------------------
民主滿意0–2(k11)  |  53 |  8.49 |    8.49 |   8.49
民主滿意3–7(k11)  | 498 | 79.81 |   79.81 |  88.30
民主滿意8–10(k11) |  73 | 11.70 |   11.70 | 100.00
<NA>              |   0 |  0.00 |    <NA> |   <NA>

同儕討論 <categorical> 
# total N=624 valid N=624 mean=1.39 sd=0.49

Value           |   N | Raw % | Valid % | Cum. %
------------------------------------------------
少同儕討論(c01) | 381 | 61.06 |   61.06 |  61.06
常同儕討論(c01) | 243 | 38.94 |   38.94 | 100.00
<NA>            |   0 |  0.00 |    <NA> |   <NA>

文化認同 <categorical> 
# total N=624 valid N=624 mean=1.58 sd=0.85

Value             |   N | Raw % | Valid % | Cum. %
--------------------------------------------------
文化臺灣人(f02)   | 415 | 66.51 |   66.51 |  66.51
文化中國人(f02)   |  59 |  9.46 |    9.46 |  75.96
文化兩者都是(f02) | 150 | 24.04 |   24.04 | 100.00
<NA>              |   0 |  0.00 |    <NA> |   <NA>

政府福利 <categorical> 
# total N=624 valid N=624 mean=1.47 sd=0.50

Value             |   N | Raw % | Valid % | Cum. %
--------------------------------------------------
政府少顧福利(h04) | 328 | 52.56 |   52.56 |  52.56
政府會顧福利(h04) | 296 | 47.44 |   47.44 | 100.00
<NA>              |   0 |  0.00 |    <NA> |   <NA>

學運支持 <categorical> 
# total N=624 valid N=624 mean=1.70 sd=0.46

Value           |   N | Raw % | Valid % | Cum. %
------------------------------------------------
不支持學運(q10) | 186 | 29.81 |   29.81 |  29.81
支持學運(q10)   | 438 | 70.19 |   70.19 | 100.00
<NA>            |   0 |  0.00 |    <NA> |   <NA>

政黨關心青年 <categorical> 
# total N=624 valid N=624 mean=1.41 sd=0.49

Value               |   N | Raw % | Valid % | Cum. %
----------------------------------------------------
政黨不關心青年(r07) | 367 | 58.81 |   58.81 |  58.81
政黨關心青年(r07)   | 257 | 41.19 |   41.19 | 100.00
<NA>                |   0 |  0.00 |    <NA> |   <NA>

性別 <categorical> 
# total N=624 valid N=624 mean=1.51 sd=0.50

Value     |   N | Raw % | Valid % | Cum. %
------------------------------------------
男性(sex) | 307 | 49.20 |   49.20 |  49.20
女性(sex) | 317 | 50.80 |   50.80 | 100.00
<NA>      |   0 |  0.00 |    <NA> |   <NA>

多重對應分析

十五個變數均以類別變數納入分析。維次數先設為五,先看第一、第二維的分布。

res <- MCA(mca_complete, ncp = 5, graph = FALSE)

變數關聯分布圖

此圖呈現各變數與第一、第二維的關係,可用來觀察哪些變數在這兩個維次中較有辨識力。

plot(
  res, axes = c(1, 2), choix = "var",
  col.var = "red", invisible = "ind",
  autoLab = "yes", title = "", cex = 0.8
)

變數類別關聯圖

此圖呈現各答案類別的位置。解讀時需同時考量類別的分布、與原點的距離及在這兩個維次上的呈現品質。類別相近提供後續交叉分析的線索,仍須回到列聯表確認實際人數和比例。

plot(
  res, axes = c(1, 2),
  col.var = "red", label = "var",
  invisible = c("ind", "quali.sup"),
  autoLab = "yes", title = "", cex = 0.8
)

維次貢獻

下列兩圖協助確認第一、第二維主要由哪些答案類別構成。

fviz_contrib(res, choice = "var", axes = 1)

fviz_contrib(res, choice = "var", axes = 2)

資料引用

  • 陳陸輝(2018)。我國大學生政治社會化的定群追蹤研究(I)(E10053_1)【原始數據】。中央研究院學術調查研究資料庫。資料 DOI
  • 陳陸輝(2018)。我國大學生政治社會化的定群追蹤研究(IV)(E10053_4)【原始數據】。中央研究院學術調查研究資料庫。資料 DOI