從五個道德基本原則來探索人們的正義之心

研究動機

社會上常見許多爭議的議題，即使於法有據，卻無法滿足一些人對於公平正義的期待。人天生就具有正義之心，自有一套可行的道德基本原則，且深信不疑。不論在生活領域或政治立場上，當別人的行為與自己堅信的信念不同時，我們往往站在狹隘的立場講道德而不寬容異見，過度著迷於正義，最後變成自以為是-我是對的，你是錯的。道德，能凝聚人心，支持跟自己同樣道德觀的政治團體；道德也讓人目盲，一旦接受特定的觀點，就對另一種道德觀視而不見，於是不同團體間互相攻擊。政治團體想要獲得選民的支持，想要說服選民改變道德或政治議題的看法，就必須瞭解並觸動他所重視的道德基本原則，本研究動機乃嘗試以強納森．海德特提出的五個道德基本原則，探索人們究竟對哪些事情或行為抱持正義之心。

變數說明

本研究的核心關懷為「當發生某一事件，該事件當事人的行為會與判斷事件的對錯有關，也就是事件當事人的行為會觸發人們的正義之心」

本研究選擇15題具「關懷」、「公平」、「忠誠」、「權威」、「貞潔」等概念的相關行為與道德判斷對錯有關的問題，來探索變數間的相關性。

變數1、該社會事件中，有沒有人在情感上受到傷害【關懷】

變數2、該社會事件中，有沒有人受到差別待遇【公平】

變數3、該社會事件中當事人行為上有無展現愛國心【忠誠】

變數4、該社會事件中當事人有沒有不尊重權威【權威】

變數5、該社會事件中當事人有無做出不聖潔或違反善良風俗的事【貞潔】

變數6、該社會事件中當事人有沒有展現關懷弱勢或受到傷害的人【關懷】

變數7、該社會事件中當事人做的事有無展現公平公正【公平】

變數8、該社會事件中當事人有無背叛他的團體或組織【忠誠】

變數9、該社會事件中當事人的言行有無遵循社會的傳統價值【權威】

變數10、該社會事件中當事人有無做了令人不舒服或作嘔的事【貞潔】

變數11、該社會事件中當事人有無做出令人覺得殘忍的事【關懷】

變數12、該社會事件中當事人的言行有無展現忠誠【忠誠】

變數13、該社會事件中當事人有無做出破壞秩序的事【權威】

變數14、該社會事件中當事人的言行有無遵循神/上帝的教誨【貞潔】

變數15、該社會事件中當事人的權利有無被侵犯或剝奪【公平】

資料說明

資料來源：微笑小熊調查小棧平台

問卷名稱：編號1351「十分鐘鍵盤法官」

調查期間：2020年7月20日至2020年8月18日

有效觀察值N=1,054

性別比例：男43.52%，女56.18%

年齡分布：未滿20歲2.40%，20至29歲27.71%，30至39歲37.97%，40至49歲19.37%，50至59歲9.11%，60歲以上3.45%

居住地區分布：北部50.10%，中部20.92%、南部26.30%、東部1.34%、其他1.34%

初步處理資料檔

# 讀入資料檔並將變數名稱字串轉為變數標籤
library(readr)
x1351 <- read_csv("x1351.csv")

## 
## -- Column specification --------------------------------------------------------
## cols(
##   .default = col_double(),
##   Residence = col_character(),
##   Job = col_character(),
##   `（非必填。如果有其它想法，歡迎填寫在下方框框裡噢！）` = col_character(),
##   `（非必填。如果有其它想法，歡迎填寫在下方框框裡噢！）_1` = col_character(),
##   `（非必填。如果有其它想法，歡迎填寫在下方框框裡噢！）_2` = col_character(),
##   `（非必填。如果有其它想法，歡迎填寫在下方框框裡噢！）_3` = col_character(),
##   `（非必填。如果有其它想法，歡迎填寫在下方框框裡噢！）_4` = col_character()
## )
## i Use `spec()` for the full column specifications.

View(x1351)
nrow(x1351)

## [1] 1043

ncol(x1351)

## [1] 41

# 取出變數名稱當作變數標籤
varlabels <- colnames(x1351)
# 拿掉標籤之後的變數名稱重新命名為V1, V2, ...至v41
colnames(x1351)[1:41] <- paste("v", 1:41, sep="")
# 為變數名稱裝上標籤
sjlabelled::set_label(x1351) <- varlabels
# 批次處理無效值
x1351 <- sjmisc::set_na(x1351, na= "NA")

變數編碼與描述

# 列出每個變數的標籤
library(sjmisc)
library(sjPlot)
names(x1351)

##  [1] "v1"  "v2"  "v3"  "v4"  "v5"  "v6"  "v7"  "v8"  "v9"  "v10" "v11" "v12"
## [13] "v13" "v14" "v15" "v16" "v17" "v18" "v19" "v20" "v21" "v22" "v23" "v24"
## [25] "v25" "v26" "v27" "v28" "v29" "v30" "v31" "v32" "v33" "v34" "v35" "v36"
## [37] "v37" "v38" "v39" "v40" "v41"

## 變數1
# (v7)想像有一個大型社會案件，對於這件事的對錯，「有沒有人在情感上受到傷害」，與你的判斷有多相關？
# (1)毫不相關 (2)不太相關 (3)只有一點相關 (4)一定程度相關 (5)特別相關   (6)絕對相關
table(x1351$v7)

## 
##   1   2   3   4   5   6 
##  57 142 251 517  46  30

x1351$v7r <- rec(x1351$v7, rec = "1=0; 2:3=1; 4:6=2", as.num = F)
frq(x1351$v7)

## 
## 對於這件事的對錯，「有沒有人在情感上受到傷害」，與你的判斷有多相關？ (x) <numeric>
## # total N=1043  valid N=1043  mean=3.42  sd=1.05
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     1 |  57 |  5.47 |    5.47 |   5.47
##     2 | 142 | 13.61 |   13.61 |  19.08
##     3 | 251 | 24.07 |   24.07 |  43.14
##     4 | 517 | 49.57 |   49.57 |  92.71
##     5 |  46 |  4.41 |    4.41 |  97.12
##     6 |  30 |  2.88 |    2.88 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

frq(x1351$v7r)

## 
## 對於這件事的對錯，「有沒有人在情感上受到傷害」，與你的判斷有多相關？ (x) <categorical>
## # total N=1043  valid N=1043  mean=1.51  sd=0.60
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     0 |  57 |  5.47 |    5.47 |   5.47
##     1 | 393 | 37.68 |   37.68 |  43.14
##     2 | 593 | 56.86 |   56.86 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

plot_frq(x1351$v7r)

## 變數2
# (v8)那麼，「有沒有人受到差別待遇」與你判斷此事的對錯，有多相關呢？
# (1)毫不相關 (2)不太相關 (3)只有一點相關 (4)一定程度相關 (5)特別相關   (6)絕對相關
table(x1351$v8)

## 
##   1   2   3   4   5   6 
##  33  87 193 550 124  56

x1351$v8r <- rec(x1351$v8, rec = "1=0; 2:3=1; 4:6=2", as.num = F)
frq(x1351$v8)

## 
## 那麼，「有沒有人受到差別待遇」與你判斷此事的對錯，有多相關呢？ (x) <numeric>
## # total N=1043  valid N=1043  mean=3.78  sd=1.04
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     1 |  33 |  3.16 |    3.16 |   3.16
##     2 |  87 |  8.34 |    8.34 |  11.51
##     3 | 193 | 18.50 |   18.50 |  30.01
##     4 | 550 | 52.73 |   52.73 |  82.74
##     5 | 124 | 11.89 |   11.89 |  94.63
##     6 |  56 |  5.37 |    5.37 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

frq(x1351$v8r)

## 
## 那麼，「有沒有人受到差別待遇」與你判斷此事的對錯，有多相關呢？ (x) <categorical>
## # total N=1043  valid N=1043  mean=1.67  sd=0.53
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     0 |  33 |  3.16 |    3.16 |   3.16
##     1 | 280 | 26.85 |   26.85 |  30.01
##     2 | 730 | 69.99 |   69.99 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

plot_frq(x1351$v8r)

## 變數3
# (v9)他「在行為上有沒有展現愛國心」，與你判斷這件事的對錯，有多相關？
# (1)毫不相關 (2)不太相關 (3)只有一點相關 (4)一定程度相關 (5)特別相關   (6)絕對相關
table(x1351$v9)

## 
##   1   2   3   4   5   6 
## 146 320 303 233  24  17

x1351$v9r <- rec(x1351$v9, rec = "1=0; 2:3=1; 4:6=2", as.num = F)
frq(x1351$v9)

## 
## 他「在行為上有沒有展現愛國心」，與你判斷這件事的對錯，有多相關？ (x) <numeric>
## # total N=1043  valid N=1043  mean=2.73  sd=1.12
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     1 | 146 | 14.00 |   14.00 |  14.00
##     2 | 320 | 30.68 |   30.68 |  44.68
##     3 | 303 | 29.05 |   29.05 |  73.73
##     4 | 233 | 22.34 |   22.34 |  96.07
##     5 |  24 |  2.30 |    2.30 |  98.37
##     6 |  17 |  1.63 |    1.63 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

frq(x1351$v9r)

## 
## 他「在行為上有沒有展現愛國心」，與你判斷這件事的對錯，有多相關？ (x) <categorical>
## # total N=1043  valid N=1043  mean=1.12  sd=0.62
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     0 | 146 | 14.00 |   14.00 |  14.00
##     1 | 623 | 59.73 |   59.73 |  73.73
##     2 | 274 | 26.27 |   26.27 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

plot_frq(x1351$v9r)

## 變數4
# (v10)那對於這件事的對錯，他「有沒有不尊重權威」，與你的判斷有多相關？
# (1)毫不相關 (2)不太相關 (3)只有一點相關 (4)一定程度相關 (5)特別相關   (6)絕對相關
table(x1351$v10)

## 
##   1   2   3   4   5   6 
## 127 307 308 260  21  20

x1351$v10r <- rec(x1351$v10, rec = "1=0; 2:3=1; 4:6=2", as.num = F)
frq(x1351$v10)

## 
## 那對於這件事的對錯，他「有沒有不尊重權威」，與你的判斷有多相關？ (x) <numeric>
## # total N=1043  valid N=1043  mean=2.81  sd=1.12
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     1 | 127 | 12.18 |   12.18 |  12.18
##     2 | 307 | 29.43 |   29.43 |  41.61
##     3 | 308 | 29.53 |   29.53 |  71.14
##     4 | 260 | 24.93 |   24.93 |  96.07
##     5 |  21 |  2.01 |    2.01 |  98.08
##     6 |  20 |  1.92 |    1.92 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

frq(x1351$v10r)

## 
## 那對於這件事的對錯，他「有沒有不尊重權威」，與你的判斷有多相關？ (x) <categorical>
## # total N=1043  valid N=1043  mean=1.17  sd=0.62
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     0 | 127 | 12.18 |   12.18 |  12.18
##     1 | 615 | 58.96 |   58.96 |  71.14
##     2 | 301 | 28.86 |   28.86 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

plot_frq(x1351$v10r)

## 變數5
# (v11)那麼，就他「有沒有做出不聖潔、或違反善良風俗的事」呢？對你的判斷有多相關？
# (1)毫不相關 (2)不太相關 (3)只有一點相關 (4)一定程度相關 (5)特別相關   (6)絕對相關
table(x1351$v11)

## 
##   1   2   3   4   5   6 
##  55 118 272 443 104  51

x1351$v11r <- rec(x1351$v11, rec = "1=0; 2:3=1; 4:6=2", as.num = F)
frq(x1351$v11)

## 
## 那麼，就他「有沒有做出不聖潔、或違反善良風俗的事」呢？對你的判斷有多相關？ (x) <numeric>
## # total N=1043  valid N=1043  mean=3.55  sd=1.13
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     1 |  55 |  5.27 |    5.27 |   5.27
##     2 | 118 | 11.31 |   11.31 |  16.59
##     3 | 272 | 26.08 |   26.08 |  42.67
##     4 | 443 | 42.47 |   42.47 |  85.14
##     5 | 104 |  9.97 |    9.97 |  95.11
##     6 |  51 |  4.89 |    4.89 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

frq(x1351$v11r)

## 
## 那麼，就他「有沒有做出不聖潔、或違反善良風俗的事」呢？對你的判斷有多相關？ (x) <categorical>
## # total N=1043  valid N=1043  mean=1.52  sd=0.60
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     0 |  55 |  5.27 |    5.27 |   5.27
##     1 | 390 | 37.39 |   37.39 |  42.67
##     2 | 598 | 57.33 |   57.33 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

plot_frq(x1351$v11r)

## 變數6
# (v14)那他「有沒有展現過關懷弱勢、或關懷受到傷害的人」與你判斷此事的對錯，有多相關呢？ *
# (1)毫不相關 (2)不太相關 (3)只有一點相關 (4)一定程度相關 (5)特別相關   (6)絕對相關
table(x1351$v14)

## 
##   1   2   3   4   5   6 
##  96 205 303 353  62  24

x1351$v14r <- rec(x1351$v14, rec = "1=0; 2:3=1; 4:6=2", as.num = F)
frq(x1351$v14)

## 
## 那他「有沒有展現過關懷弱勢、或關懷受到傷害的人」與你判斷此事的對錯，有多相關呢？ (x) <numeric>
## # total N=1043  valid N=1043  mean=3.15  sd=1.15
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     1 |  96 |  9.20 |    9.20 |   9.20
##     2 | 205 | 19.65 |   19.65 |  28.86
##     3 | 303 | 29.05 |   29.05 |  57.91
##     4 | 353 | 33.84 |   33.84 |  91.75
##     5 |  62 |  5.94 |    5.94 |  97.70
##     6 |  24 |  2.30 |    2.30 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

frq(x1351$v14r)

## 
## 那他「有沒有展現過關懷弱勢、或關懷受到傷害的人」與你判斷此事的對錯，有多相關呢？ (x) <categorical>
## # total N=1043  valid N=1043  mean=1.33  sd=0.64
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     0 |  96 |  9.20 |    9.20 |   9.20
##     1 | 508 | 48.71 |   48.71 |  57.91
##     2 | 439 | 42.09 |   42.09 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

plot_frq(x1351$v14r)

## 變數7
# (v15)那麼，就他「做的事有沒有展現公平公正」呢？
# (1)毫不相關 (2)不太相關 (3)只有一點相關 (4)一定程度相關 (5)特別相關   (6)絕對相關
table(x1351$v15)

## 
##   1   2   3   4   5   6 
##  40  92 236 454 146  75

x1351$v15r <- rec(x1351$v15, rec = "1=0; 2:3=1; 4:6=2", as.num = F)
frq(x1351$v15)

## 
## 那麼，就他「做的事有沒有展現公平公正」呢？ (x) <numeric>
## # total N=1043  valid N=1043  mean=3.77  sd=1.14
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     1 |  40 |  3.84 |    3.84 |   3.84
##     2 |  92 |  8.82 |    8.82 |  12.66
##     3 | 236 | 22.63 |   22.63 |  35.28
##     4 | 454 | 43.53 |   43.53 |  78.81
##     5 | 146 | 14.00 |   14.00 |  92.81
##     6 |  75 |  7.19 |    7.19 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

frq(x1351$v15r)

## 
## 那麼，就他「做的事有沒有展現公平公正」呢？ (x) <categorical>
## # total N=1043  valid N=1043  mean=1.61  sd=0.56
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     0 |  40 |  3.84 |    3.84 |   3.84
##     1 | 328 | 31.45 |   31.45 |  35.28
##     2 | 675 | 64.72 |   64.72 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

plot_frq(x1351$v15r)

## 變數8
#  (v16) 他「有沒有背叛他的團隊或組織」，與你判斷這件事的對錯，有多相關？
#  (1)毫不相關 (2)不太相關 (3)只有一點相關 (4)一定程度相關 (5)特別相關   (6)絕對相關
table(x1351$v16)

## 
##   1   2   3   4   5   6 
##  78 180 333 366  61  25

x1351$v16r <- rec(x1351$v16, rec = "1=0; 2:3=1; 4:6=2", as.num = F)
frq(x1351$v16)

## 
## 他「有沒有背叛他的團隊或組織」，與你判斷這件事的對錯，有多相關？ (x) <numeric>
## # total N=1043  valid N=1043  mean=3.22  sd=1.11
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     1 |  78 |  7.48 |    7.48 |   7.48
##     2 | 180 | 17.26 |   17.26 |  24.74
##     3 | 333 | 31.93 |   31.93 |  56.66
##     4 | 366 | 35.09 |   35.09 |  91.75
##     5 |  61 |  5.85 |    5.85 |  97.60
##     6 |  25 |  2.40 |    2.40 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

plot_frq(x1351$v16r)

## 變數9
# (v17)那對於這件事的對錯，他「言行有沒有遵循社會的傳統價值」，與你的判斷有多相關？
# (1)毫不相關 (2)不太相關 (3)只有一點相關 (4)一定程度相關 (5)特別相關   (6)絕對相關
table(x1351$v17)

## 
##   1   2   3   4   5   6 
##  77 189 349 333  68  27

x1351$v17r <- rec(x1351$v17, rec = "1=0; 2:3=1; 4:6=2", as.num = F)
frq(x1351$v17)

## 
## 那對於這件事的對錯，他「言行有沒有遵循社會的傳統價值」，與你的判斷有多相關？ (x) <numeric>
## # total N=1043  valid N=1043  mean=3.20  sd=1.12
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     1 |  77 |  7.38 |    7.38 |   7.38
##     2 | 189 | 18.12 |   18.12 |  25.50
##     3 | 349 | 33.46 |   33.46 |  58.96
##     4 | 333 | 31.93 |   31.93 |  90.89
##     5 |  68 |  6.52 |    6.52 |  97.41
##     6 |  27 |  2.59 |    2.59 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

frq(x1351$v17r)

## 
## 那對於這件事的對錯，他「言行有沒有遵循社會的傳統價值」，與你的判斷有多相關？ (x) <categorical>
## # total N=1043  valid N=1043  mean=1.34  sd=0.61
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     0 |  77 |  7.38 |    7.38 |   7.38
##     1 | 538 | 51.58 |   51.58 |  58.96
##     2 | 428 | 41.04 |   41.04 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

plot_frq(x1351$v17r)

## 變數10
# (v18)那麼，就他「有沒有做令人看了渾身不舒服、甚至是作嘔的事」呢？對你的判斷有多相關？
# (1)毫不相關 (2)不太相關 (3)只有一點相關 (4)一定程度相關 (5)特別相關   (6)絕對相關
table(x1351$v18)

## 
##   1   2   3   4   5   6 
##  48 101 213 459 146  76

x1351$v18r <- rec(x1351$v18, rec = "1=0; 2:3=1; 4:6=2", as.num = F)
frq(x1351$v18)

## 
## 那麼，就他「有沒有做令人看了渾身不舒服、甚至是作嘔的事」呢？對你的判斷有多相關？ (x) <numeric>
## # total N=1043  valid N=1043  mean=3.75  sd=1.17
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     1 |  48 |  4.60 |    4.60 |   4.60
##     2 | 101 |  9.68 |    9.68 |  14.29
##     3 | 213 | 20.42 |   20.42 |  34.71
##     4 | 459 | 44.01 |   44.01 |  78.72
##     5 | 146 | 14.00 |   14.00 |  92.71
##     6 |  76 |  7.29 |    7.29 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

frq(x1351$v18r)

## 
## 那麼，就他「有沒有做令人看了渾身不舒服、甚至是作嘔的事」呢？對你的判斷有多相關？ (x) <categorical>
## # total N=1043  valid N=1043  mean=1.61  sd=0.58
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     0 |  48 |  4.60 |    4.60 |   4.60
##     1 | 314 | 30.11 |   30.11 |  34.71
##     2 | 681 | 65.29 |   65.29 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

plot_frq(x1351$v18r)

## 變數11
# (v20)對於這件事的對錯，他「有沒有做令人覺得殘忍的事」，與你的判斷有多相關？
# (1)毫不相關 (2)不太相關 (3)只有一點相關 (4)一定程度相關 (5)特別相關   (6)絕對相關
table(x1351$v20)

## 
##   1   2   3   4   5   6 
##  30  60 153 388 228 184

x1351$v20r <- rec(x1351$v20, rec = "1=0; 2:3=1; 4:6=2", as.num = F)
frq(x1351$v20)

## 
## 對於這件事的對錯，他「有沒有做令人覺得殘忍的事」，與你的判斷有多相關？ (x) <numeric>
## # total N=1043  valid N=1043  mean=4.22  sd=1.23
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     1 |  30 |  2.88 |    2.88 |   2.88
##     2 |  60 |  5.75 |    5.75 |   8.63
##     3 | 153 | 14.67 |   14.67 |  23.30
##     4 | 388 | 37.20 |   37.20 |  60.50
##     5 | 228 | 21.86 |   21.86 |  82.36
##     6 | 184 | 17.64 |   17.64 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

frq(x1351$v20r)

## 
## 對於這件事的對錯，他「有沒有做令人覺得殘忍的事」，與你的判斷有多相關？ (x) <categorical>
## # total N=1043  valid N=1043  mean=1.74  sd=0.50
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     0 |  30 |  2.88 |    2.88 |   2.88
##     1 | 213 | 20.42 |   20.42 |  23.30
##     2 | 800 | 76.70 |   76.70 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

plot_frq(x1351$v20r)

## 變數12
# (v21)那麼，他「言行有沒有展現忠誠」與你判斷此事的對錯，有多相關呢？
# (1)毫不相關 (2)不太相關 (3)只有一點相關 (4)一定程度相關 (5)特別相關   (6)絕對相關
table(x1351$v21)

## 
##   1   2   3   4   5   6 
##  58 188 348 351  61  37

x1351$v21r <- rec(x1351$v21, rec = "1=0; 2:3=1; 4:6=2", as.num = F)
frq(x1351$v21)

## 
## 那麼，他「言行有沒有展現忠誠」與你判斷此事的對錯，有多相關呢？ (x) <numeric>
## # total N=1043  valid N=1043  mean=3.27  sd=1.11
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     1 |  58 |  5.56 |    5.56 |   5.56
##     2 | 188 | 18.02 |   18.02 |  23.59
##     3 | 348 | 33.37 |   33.37 |  56.95
##     4 | 351 | 33.65 |   33.65 |  90.60
##     5 |  61 |  5.85 |    5.85 |  96.45
##     6 |  37 |  3.55 |    3.55 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

frq(x1351$v21r)

## 
## 那麼，他「言行有沒有展現忠誠」與你判斷此事的對錯，有多相關呢？ (x) <categorical>
## # total N=1043  valid N=1043  mean=1.37  sd=0.59
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     0 |  58 |  5.56 |    5.56 |   5.56
##     1 | 536 | 51.39 |   51.39 |  56.95
##     2 | 449 | 43.05 |   43.05 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

plot_frq(x1351$v21r)

## 變數13
# (v22)他「有沒有做出破壞秩序、甚至造成混亂的事」，與你判斷這件事的對錯，有多相關？ 
# (1)毫不相關 (2)不太相關 (3)只有一點相關 (4)一定程度相關 (5)特別相關   (6)絕對相關
table(x1351$v22)

## 
##   1   2   3   4   5   6 
##  27  74 180 424 222 116

x1351$v22r <- rec(x1351$v22, rec = "1=0; 2:3=1; 4:6=2", as.num = F)
frq(x1351$v22)

## 
## 他「有沒有做出破壞秩序、甚至造成混亂的事」，與你判斷這件事的對錯，有多相關？ (x) <numeric>
## # total N=1043  valid N=1043  mean=4.04  sd=1.16
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     1 |  27 |  2.59 |    2.59 |   2.59
##     2 |  74 |  7.09 |    7.09 |   9.68
##     3 | 180 | 17.26 |   17.26 |  26.94
##     4 | 424 | 40.65 |   40.65 |  67.59
##     5 | 222 | 21.28 |   21.28 |  88.88
##     6 | 116 | 11.12 |   11.12 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

frq(x1351$v22r)

## 
## 他「有沒有做出破壞秩序、甚至造成混亂的事」，與你判斷這件事的對錯，有多相關？ (x) <categorical>
## # total N=1043  valid N=1043  mean=1.70  sd=0.51
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     0 |  27 |  2.59 |    2.59 |   2.59
##     1 | 254 | 24.35 |   24.35 |  26.94
##     2 | 762 | 73.06 |   73.06 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

plot_frq(x1351$v22r)

## 變數14
# (v23)那對於這件事的對錯，他「在言行上，有沒有遵循神／佛／上帝的教誨」，與你的判斷有多相關？
# (1)毫不相關 (2)不太相關 (3)只有一點相關 (4)一定程度相關 (5)特別相關   (6)絕對相關
table(x1351$v23)

## 
##   1   2   3   4   5   6 
## 295 325 223 158  29  13

x1351$v23r <- rec(x1351$v23, rec = "1=0; 2:3=1; 4:6=2", as.num = F)
frq(x1351$v23)

## 
## 那對於這件事的對錯，他「在言行上，有沒有遵循神／佛／上帝的教誨」，與你的判斷有多相關？ (x) <numeric>
## # total N=1043  valid N=1043  mean=2.37  sd=1.19
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     1 | 295 | 28.28 |   28.28 |  28.28
##     2 | 325 | 31.16 |   31.16 |  59.44
##     3 | 223 | 21.38 |   21.38 |  80.82
##     4 | 158 | 15.15 |   15.15 |  95.97
##     5 |  29 |  2.78 |    2.78 |  98.75
##     6 |  13 |  1.25 |    1.25 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

frq(x1351$v23r)

## 
## 那對於這件事的對錯，他「在言行上，有沒有遵循神／佛／上帝的教誨」，與你的判斷有多相關？ (x) <categorical>
## # total N=1043  valid N=1043  mean=0.91  sd=0.68
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     0 | 295 | 28.28 |   28.28 |  28.28
##     1 | 548 | 52.54 |   52.54 |  80.82
##     2 | 200 | 19.18 |   19.18 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

plot_frq(x1351$v23r)

## 變數15
# (v24)他的「權利有沒有被侵犯、甚至被剝奪」，與你判斷他的對錯，有多相關？
# (1)毫不相關 (2)不太相關 (3)只有一點相關 (4)一定程度相關 (5)特別相關   (6)絕對相關
table(x1351$v24)

## 
##   1   2   3   4   5   6 
##  29  74 202 451 178 109

x1351$v24r <- rec(x1351$v24, rec = "1=0; 2:3=1; 4:6=2", as.num = F)
frq(x1351$v24)

## 
## 他的「權利有沒有被侵犯、甚至被剝奪」，與你判斷他的對錯，有多相關？ (x) <numeric>
## # total N=1043  valid N=1043  mean=3.96  sd=1.15
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     1 |  29 |  2.78 |    2.78 |   2.78
##     2 |  74 |  7.09 |    7.09 |   9.88
##     3 | 202 | 19.37 |   19.37 |  29.24
##     4 | 451 | 43.24 |   43.24 |  72.48
##     5 | 178 | 17.07 |   17.07 |  89.55
##     6 | 109 | 10.45 |   10.45 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

frq(x1351$v24r)

## 
## 他的「權利有沒有被侵犯、甚至被剝奪」，與你判斷他的對錯，有多相關？ (x) <categorical>
## # total N=1043  valid N=1043  mean=1.68  sd=0.52
## 
## Value |   N | Raw % | Valid % | Cum. %
## --------------------------------------
##     0 |  29 |  2.78 |    2.78 |   2.78
##     1 | 276 | 26.46 |   26.46 |  29.24
##     2 | 738 | 70.76 |   70.76 | 100.00
##  <NA> |   0 |  0.00 |    <NA> |   <NA>

plot_frq(x1351$v24r)

names(x1351)

##  [1] "v1"   "v2"   "v3"   "v4"   "v5"   "v6"   "v7"   "v8"   "v9"   "v10" 
## [11] "v11"  "v12"  "v13"  "v14"  "v15"  "v16"  "v17"  "v18"  "v19"  "v20" 
## [21] "v21"  "v22"  "v23"  "v24"  "v25"  "v26"  "v27"  "v28"  "v29"  "v30" 
## [31] "v31"  "v32"  "v33"  "v34"  "v35"  "v36"  "v37"  "v38"  "v39"  "v40" 
## [41] "v41"  "v7r"  "v8r"  "v9r"  "v10r" "v11r" "v14r" "v15r" "v16r" "v17r"
## [51] "v18r" "v20r" "v21r" "v22r" "v23r" "v24r"

save(x1351, file = "x1351.rda")

變數分布分析

具「關懷性」原則的變數

變數1(v7r)「有沒有人在情感上受到傷害」、變數11(v20r)「有沒有做令人覺得殘忍的事」都有過半數受訪者認為至少具有一定程度相關，其中更高達76.7%(800人)對「有沒有做令人覺得殘忍的事」表示對判斷對錯有一定程度的相關。變數6(v14r)「有沒有展現過關懷弱勢、或關懷受到傷害的人」，則比較不同，48.7%(508人)表示具微弱相關性(不太相關或只有一點相關)，其次才是一定程度相關的42.1%(439人)。但人們對三個「關懷性」原則的行為表示毫不相關的比率均低於10%。

具「公平性」原則的變數

變數2(v8r)「有沒有人受到差別待遇」、變數7(v15r)「做的事有沒有展現公平公正」、變數15(v24r)「權利有沒有被侵犯、甚至被剝奪」這三個具「公平性」原則的變數呈現蠻相似的分布，6、7成受訪者對於具「公平性」原則行為抱持著與判斷對錯具一定以上程度相關之看法，是否公平是人們在判斷對錯時最重要也普遍被運用的道德基本原則。

具「忠誠性」原則的變數

變數3(v9r)「在行為上有沒有展現愛國心」、變數8(v16r)「有沒有背叛他的團隊或組織」、變數12(v21r)「言行有沒有展現忠誠」，從直條圖來看三個忠誠性」原則變數很類似，但與前兩項原則不同的是，最多的受訪者是認為具微弱相關(不太相關或只有一點相關)，其次才是一定程度的相關，「忠誠性」比較不是人們主要運用判斷對錯的道德基本原則。

具「權威性」原則的變數

變數4(v10r)「在行為上有沒有展現愛國心」、變數9(v17r)「有沒有背叛他的團隊或組織」，此二個「權威性」原則變數呈現以認同具微弱相關性(不太相關或只有一點相關)最多，其次才是認為具一定程度相關。變數13(v22r)「有沒有做出破壞秩序、甚至造成混亂的事」則有高達73.1%(763)認為有一定程度以上的相關性。「權威性」原則與對錯判斷的相關性較分歧，有時矛盾。

具「貞潔性」原則的變數

變數5(v11r)「有沒有做出不聖潔、或違反善良風俗的事」、變數10(v16r)「有沒有做令人看了渾身不舒服、甚至是作嘔的事」均呈現最多比例的受訪者認同有一定程度以上的相關。變數14(v23r)「在言行上，有沒有遵循神／佛／上帝的教誨」，呈現與其他題目最不相同的分布情形，最多比例52.5%(548人)認為具微弱相關性，其次有28.3%(295人)受訪者認為毫不相關。「貞潔性」原則的變數對啟動人們的正義之心，呈現比較兩極化情形，支持或無感!

探索式分析

load("X1351.rda")
library(dplyr)

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

library(FactoMineR)
library(factoextra)

## Loading required package: ggplot2

## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa

x1351MCA <- select(x1351, v7r, v8r, v9r, v10r, v11r, v14r, v15r, v16r, v17r, v18r, v20r, v21r, v22r, v23r, v24r)
x1351MCA.nona <- na.omit(x1351MCA)
names(x1351MCA.nona)

##  [1] "v7r"  "v8r"  "v9r"  "v10r" "v11r" "v14r" "v15r" "v16r" "v17r" "v18r"
## [11] "v20r" "v21r" "v22r" "v23r" "v24r"

nrow(x1351MCA.nona)

## [1] 1043

names(x1351MCA.nona)

##  [1] "v7r"  "v8r"  "v9r"  "v10r" "v11r" "v14r" "v15r" "v16r" "v17r" "v18r"
## [11] "v20r" "v21r" "v22r" "v23r" "v24r"

res <- MCA(x1351MCA.nona, ncp = 5, graph = F)
fviz_screeplot(res, ncp=10)

## Registered S3 methods overwritten by 'car':
##   method                          from
##   influence.merMod                lme4
##   cooks.distance.influence.merMod lme4
##   dfbeta.influence.merMod         lme4
##   dfbetas.influence.merMod        lme4

# 維次歸納描述
# install.packages("corrplot")
library(corrplot)

## corrplot 0.84 loaded

corrplot(res$var$cos2, is.corr=FALSE)

# 變數類別關係圖
plot(res, axes=c(1, 2), new.plot=TRUE, 
     col.var="red", col.ind="black", col.ind.sup="black",
     col.quali.sup="darkgreen", col.quanti.sup="blue",
     label=c("var"), cex=0.5, 
     selectMod = "cos2",
     invisible=c("ind", "quali.sup"), 
     autoLab = "yes",
     title="")

從探索式分析(MCA)，觀察可能具潛在關聯的變數類別群組。第二象限的三角形點是指人們認為該行為與道德判斷有一定程度以上相關，有四到五個明顯的小群組。第一組「在行為上有沒有展現愛國心」(v9r_2)與「有沒有尊重權威」(v10_2)幾乎在同一點，也非常靠近「在言行上，有沒有遵循神／佛／上帝的教誨」(v23_2)，推論重視「忠誠性」原則者也可能較重視「權威性」和「貞潔性」原則。

第二組有四個鄰近的類別項目：「有沒有展現過關懷弱勢、或關懷受到傷害的人」(v14r_2)、「有沒有背叛他的團隊或組織」(v16r_2)、「言行有沒有遵循社會的傳統價值」(v17r_2)，以及「言行有沒有展現忠誠」(v21r_2)，四個三角形點幾乎完全重疊，推論在道德判斷上重視「關懷性」原則的、也可能同樣重視「忠誠性」原則及「權威性」原則。

第三組「有沒有人在情感上受到傷害」(v7r_2)、「有沒有做出令人看了渾身不舒服、甚至是作嘔的事」(v18r_2)兩者也非常貼近，或可推論重視以「關懷性」原則的來判斷對錯者，也同樣重視「貞潔性」原則。

第四組「有沒有人做出破壞秩序、甚至造成混亂的事」(v22r_2)以及「權利有沒有被侵犯、甚至被剝奪」(v24r_2)，也很靠近，推論道德判斷重視「權威性」原則的，也重視「公平性」原則。

MCA帶我們觀察到一個現象，即具「忠誠性」原則的類別變數(v9r、v16r、v21r)總與具「權威性」原則的類別變數(v10r、v17r)非常貼近，甚至幾乎重疊。而具「關懷性」、「公平性」與「貞潔性」的原則的類別變數，則沒有觀察到如此明顯看起來極度關聯的情形，為進一步確認肉眼所見的情形，以下將本研究樣本中三個代表「忠誠性」原則與三個代表「權威性」原則的類別變數進行卡方檢定，檢測在對錯判斷有一定程度相關情形下，「忠誠性」原則與「權威性」原則的關聯。

用卡方檢定確認具潛在關聯變數之間的相關性

library(sjmisc)
library(sjPlot)
library(readr)
## 為變數上標籤，為避免中文呈現亂碼，上英文標籤
library(sjlabelled)

## 
## Attaching package: 'sjlabelled'

## The following object is masked from 'package:dplyr':
## 
##     as_label

## The following objects are masked from 'package:sjmisc':
## 
##     to_character, to_factor, to_label, to_numeric

x1351$v9r <- rec(x1351$v9r, rec = "rev",
                 var.label="patriotism", 
                       val.labels=c("Irrelevant (0)",
                                    "weak correlation (1)",
                                    "somewhat relation (2)"))

x1351$v10r <- rec(x1351$v10r, rec="rev",
                        var.label="unholy", 
                       val.labels=c("Irrelevant (0)",
                                    "weak correlation (1)",
                                    "somewhat relation (2)"))

x1351$v16r <- rec(x1351$v16r, rec="rev",
                        var.label="betray", 
                       val.labels=c("Irrelevant (0)",
                                    "weak correlation (1)",
                                    "somewhat relation (2)"))


x1351$v17r <- rec(x1351$v17r, rec="rev",
                        var.label="follow tradition", 
                       val.labels=c("Irrelevant (0)",
                                    "weak correlation (1)",
                                    "somewhat relation (2)"))

x1351$v21r <- rec(x1351$v21r, rec="rev",
                        var.label="loyalty", 
                       val.labels=c("Irrelevant (0)",
                                    "weak correlation (1)",
                                    "somewhat relation (2)"))


x1351$v22r <- rec(x1351$v22r, rec="rev",
                        var.label="disrupt order", 
                       val.labels=c("Irrelevant (0)",
                                    "weak correlation (1)",
                                    "somewhat relation (2)"))


tab_xtab(x1351$v9r, x1351$v10r, 
         show.row.prc = TRUE, # 顯示列百分比
         show.col.prc = TRUE,  # 顯示欄百分比
         show.na=FALSE,
         show.legend = FALSE,
         show.exp = FALSE,
         show.cell.prc = FALSE,
         tdcol.col = "gray",
                 tdcol.row = "brown")

patriotism	unholy			Total
patriotism	Irrelevant (0)	weak correlation (1)	somewhat relation (2)	Total
Irrelevant (0)	190 69.3 % 63.1 %	75 27.4 % 12.2 %	9 3.3 % 7.1 %	274 100 % 26.3 %
weak correlation (1)	99 15.9 % 32.9 %	489 78.5 % 79.5 %	35 5.6 % 27.6 %	623 100 % 59.7 %
somewhat relation (2)	12 8.2 % 4 %	51 34.9 % 8.3 %	83 56.8 % 65.4 %	146 100 % 14 %
Total	301 28.9 % 100 %	615 59 % 100 %	127 12.2 % 100 %	1043 100 % 100 %
χ²=593.519 · df=4 · Cramer’s V=0.533 · p=0.000

tab_xtab(x1351$v9r, x1351$v17r,
         show.row.prc = TRUE, # 顯示列百分比
         show.col.prc = TRUE,  # 顯示欄百分比
         show.na=FALSE,
         show.legend = FALSE,
         show.exp = FALSE,
         show.cell.prc = FALSE,
         tdcol.col = "gray",
                 tdcol.row = "brown")

patriotism	follow tradition			Total
patriotism	Irrelevant (0)	weak correlation (1)	somewhat relation (2)	Total
Irrelevant (0)	176 64.2 % 41.1 %	91 33.2 % 16.9 %	7 2.6 % 9.1 %	274 100 % 26.3 %
weak correlation (1)	228 36.6 % 53.3 %	372 59.7 % 69.1 %	23 3.7 % 29.9 %	623 100 % 59.7 %
somewhat relation (2)	24 16.4 % 5.6 %	75 51.4 % 13.9 %	47 32.2 % 61 %	146 100 % 14 %
Total	428 41 % 100 %	538 51.6 % 100 %	77 7.4 % 100 %	1043 100 % 100 %
χ²=228.227 · df=4 · Cramer’s V=0.331 · p=0.000

tab_xtab(x1351$v9r, x1351$v22r, 
         show.row.prc = TRUE, # 顯示列百分比
         show.col.prc = TRUE,  # 顯示欄百分比
         show.na=FALSE,
         show.legend = FALSE,
         show.exp = FALSE,
         show.cell.prc = FALSE,
         tdcol.col = "gray",
                 tdcol.row = "brown")

patriotism	disrupt order			Total
patriotism	Irrelevant (0)	weak correlation (1)	somewhat relation (2)	Total
Irrelevant (0)	240 87.6 % 31.5 %	33 12 % 13 %	1 0.4 % 3.7 %	274 100 % 26.3 %
weak correlation (1)	427 68.5 % 56 %	192 30.8 % 75.6 %	4 0.6 % 14.8 %	623 100 % 59.7 %
somewhat relation (2)	95 65.1 % 12.5 %	29 19.9 % 11.4 %	22 15.1 % 81.5 %	146 100 % 14 %
Total	762 73.1 % 100 %	254 24.4 % 100 %	27 2.6 % 100 %	1043 100 % 100 %
χ²=142.082 · df=4 · Cramer’s V=0.261 · Fisher’s p=0.000

tab_xtab(x1351$v16r, x1351$v10r, 
         show.row.prc = TRUE, # 顯示列百分比
         show.col.prc = TRUE,  # 顯示欄百分比
         show.na=FALSE,
         show.legend = FALSE,
         show.exp = FALSE,
         show.cell.prc = FALSE,
         tdcol.col = "gray",
                 tdcol.row = "brown")

betray	unholy			Total
betray	Irrelevant (0)	weak correlation (1)	somewhat relation (2)	Total
Irrelevant (0)	213 47.1 % 70.8 %	215 47.6 % 35 %	24 5.3 % 18.9 %	452 100 % 43.3 %
weak correlation (1)	81 15.8 % 26.9 %	377 73.5 % 61.3 %	55 10.7 % 43.3 %	513 100 % 49.2 %
somewhat relation (2)	7 9 % 2.3 %	23 29.5 % 3.7 %	48 61.5 % 37.8 %	78 100 % 7.5 %
Total	301 28.9 % 100 %	615 59 % 100 %	127 12.2 % 100 %	1043 100 % 100 %
χ²=307.589 · df=4 · Cramer’s V=0.384 · p=0.000

tab_xtab(x1351$v16r, x1351$v17r, 
         show.row.prc = TRUE, # 顯示列百分比
         show.col.prc = TRUE,  # 顯示欄百分比
         show.na=FALSE,
         show.legend = FALSE,
         show.exp = FALSE,
         show.cell.prc = FALSE,
         tdcol.col = "gray",
                 tdcol.row = "brown")

betray	follow tradition			Total
betray	Irrelevant (0)	weak correlation (1)	somewhat relation (2)	Total
Irrelevant (0)	298 65.9 % 69.6 %	146 32.3 % 27.1 %	8 1.8 % 10.4 %	452 100 % 43.3 %
weak correlation (1)	123 24 % 28.7 %	362 70.6 % 67.3 %	28 5.5 % 36.4 %	513 100 % 49.2 %
somewhat relation (2)	7 9 % 1.6 %	30 38.5 % 5.6 %	41 52.6 % 53.2 %	78 100 % 7.5 %
Total	428 41 % 100 %	538 51.6 % 100 %	77 7.4 % 100 %	1043 100 % 100 %
χ²=432.737 · df=4 · Cramer’s V=0.455 · p=0.000

tab_xtab(x1351$v16r, x1351$v22r, 
         show.row.prc = TRUE, # 顯示列百分比
         show.col.prc = TRUE,  # 顯示欄百分比
         show.na=FALSE,
         show.legend = FALSE,
         show.exp = FALSE,
         show.cell.prc = FALSE,
         tdcol.col = "gray",
                 tdcol.row = "brown")

betray	disrupt order			Total
betray	Irrelevant (0)	weak correlation (1)	somewhat relation (2)	Total
Irrelevant (0)	416 92 % 54.6 %	35 7.7 % 13.8 %	1 0.2 % 3.7 %	452 100 % 43.3 %
weak correlation (1)	311 60.6 % 40.8 %	197 38.4 % 77.6 %	5 1 % 18.5 %	513 100 % 49.2 %
somewhat relation (2)	35 44.9 % 4.6 %	22 28.2 % 8.7 %	21 26.9 % 77.8 %	78 100 % 7.5 %
Total	762 73.1 % 100 %	254 24.4 % 100 %	27 2.6 % 100 %	1043 100 % 100 %
χ²=328.248 · df=4 · Cramer’s V=0.397 · Fisher’s p=0.000

tab_xtab(x1351$v21r, x1351$v10r, 
         show.row.prc = TRUE, # 顯示列百分比
         show.col.prc = TRUE,  # 顯示欄百分比
         show.na=FALSE,
         show.legend = FALSE,
         show.exp = FALSE,
         show.cell.prc = FALSE,
         tdcol.col = "gray",
                 tdcol.row = "brown")

loyalty	unholy			Total
loyalty	Irrelevant (0)	weak correlation (1)	somewhat relation (2)	Total
Irrelevant (0)	211 47 % 70.1 %	210 46.8 % 34.1 %	28 6.2 % 22 %	449 100 % 43 %
weak correlation (1)	87 16.2 % 28.9 %	392 73.1 % 63.7 %	57 10.6 % 44.9 %	536 100 % 51.4 %
somewhat relation (2)	3 5.2 % 1 %	13 22.4 % 2.1 %	42 72.4 % 33.1 %	58 100 % 5.6 %
Total	301 28.9 % 100 %	615 59 % 100 %	127 12.2 % 100 %	1043 100 % 100 %
χ²=321.669 · df=4 · Cramer’s V=0.393 · p=0.000

tab_xtab(x1351$v21r, x1351$v17r, 
         show.row.prc = TRUE, # 顯示列百分比
         show.col.prc = TRUE,  # 顯示欄百分比
         show.na=FALSE,
         show.legend = FALSE,
         show.exp = FALSE,
         show.cell.prc = FALSE,
         tdcol.col = "gray",
                 tdcol.row = "brown")

loyalty	follow tradition			Total
loyalty	Irrelevant (0)	weak correlation (1)	somewhat relation (2)	Total
Irrelevant (0)	294 65.5 % 68.7 %	141 31.4 % 26.2 %	14 3.1 % 18.2 %	449 100 % 43 %
weak correlation (1)	131 24.4 % 30.6 %	380 70.9 % 70.6 %	25 4.7 % 32.5 %	536 100 % 51.4 %
somewhat relation (2)	3 5.2 % 0.7 %	17 29.3 % 3.2 %	38 65.5 % 49.4 %	58 100 % 5.6 %
Total	428 41 % 100 %	538 51.6 % 100 %	77 7.4 % 100 %	1043 100 % 100 %
χ²=481.250 · df=4 · Cramer’s V=0.480 · Fisher’s p=0.000

tab_xtab(x1351$v21r, x1351$v22r,
         show.row.prc = TRUE, # 顯示列百分比
         show.col.prc = TRUE,  # 顯示欄百分比
         show.na=FALSE,
         show.legend = FALSE,
         show.exp = FALSE,
         show.cell.prc = FALSE,
         tdcol.col = "gray",
                 tdcol.row = "brown")

loyalty	disrupt order			Total
loyalty	Irrelevant (0)	weak correlation (1)	somewhat relation (2)	Total
Irrelevant (0)	417 92.9 % 54.7 %	32 7.1 % 12.6 %	0 0 % 0 %	449 100 % 43 %
weak correlation (1)	320 59.7 % 42 %	211 39.4 % 83.1 %	5 0.9 % 18.5 %	536 100 % 51.4 %
somewhat relation (2)	25 43.1 % 3.3 %	11 19 % 4.3 %	22 37.9 % 81.5 %	58 100 % 5.6 %
Total	762 73.1 % 100 %	254 24.4 % 100 %	27 2.6 % 100 %	1043 100 % 100 %
χ²=446.509 · df=4 · Cramer’s V=0.463 · Fisher’s p=0.000

視覺化結果

library(vcd)

## Loading required package: grid

cotabplot(~x1351$v9r +x1351$v10r, shade=TRUE, compress=FALSE, alternate=F)

cotabplot(~x1351$v9r +x1351$v17r, shade=TRUE, compress=FALSE, alternate=F)

cotabplot(~x1351$v9r +x1351$v22r, shade=TRUE, compress=FALSE, alternate=F)

cotabplot(~x1351$v16r +x1351$v10r, shade=TRUE, compress=FALSE, alternate=F)

cotabplot(~x1351$v16r +x1351$v17r, shade=TRUE, compress=FALSE, alternate=F)

cotabplot(~x1351$v16r +x1351$v22r, shade=TRUE, compress=FALSE, alternate=F)

cotabplot(~x1351$v21r +x1351$v10r, shade=TRUE, compress=FALSE, alternate=F)

cotabplot(~x1351$v21r +x1351$v17r, shade=TRUE, compress=FALSE, alternate=F)

cotabplot(~x1351$v21r +x1351$v22r, shade=TRUE, compress=FALSE, alternate=F)

變數關係的判斷

將3個與「忠誠性」原則有關的行為(v9r「有沒有展現愛國心」、v16r「有沒有背叛他的團隊或組織」、v21r「言行有沒有展現忠誠」)和3個與「權威性」原則有關的行為(v10r「有沒有尊重權威」、v17r「言行有沒有遵循社會的傳統價值」、v22r「有沒有做出破壞秩序、甚至造成混亂的事」)交叉進行卡方檢定驗證結果：φ均大於0.25，關聯度強。以視覺化來呈現類別變數關聯圖，方塊大小表示細格的人數，顏色越深代表相關性越強，藍色正相關，紅色負相關，從以上9張圖片觀察到的結果是：認為「忠誠性」原則對行為判斷有一定程度相關與認為「權威性」原則對行為判斷有一定程度相關的，兩者呈現正相關。

確認式分析

## 確認式分析，二元勝算對數模型

library(car)

## Loading required package: carData

## 
## Attaching package: 'car'

## The following object is masked from 'package:dplyr':
## 
##     recode

library(sjPlot)
load("x1351.rda")

## 模型一：假設重視忠誠原則的人，也會較重視權威性原則
mod.1 <- glm(v9r ~ v10r+v17r+v22r, 
             data=x1351, 
             family=binomial)
summary(mod.1)

## 
## Call:
## glm(formula = v9r ~ v10r + v17r + v22r, family = binomial, data = x1351)
## 
## Deviance Residuals: 
##     Min       1Q   Median       3Q      Max  
## -2.6677   0.2404   0.3229   0.4477   1.9071  
## 
## Coefficients:
##             Estimate Std. Error z value Pr(>|z|)    
## (Intercept)  -3.5992     0.7113  -5.060 4.19e-07 ***
## v10r1         2.6051     0.2541  10.253  < 2e-16 ***
## v10r2         3.2069     0.3697   8.675  < 2e-16 ***
## v17r1         1.2864     0.3551   3.623 0.000291 ***
## v17r2         1.9641     0.3969   4.949 7.45e-07 ***
## v22r1         2.3113     0.6871   3.364 0.000769 ***
## v22r2         1.9576     0.6639   2.949 0.003191 ** 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for binomial family taken to be 1)
## 
##     Null deviance: 844.68  on 1042  degrees of freedom
## Residual deviance: 570.85  on 1036  degrees of freedom
## AIC: 584.85
## 
## Number of Fisher Scoring iterations: 6

mod.2 <- glm(v16r ~ v10r+v17r+v22r, 
             data=x1351, 
             family=binomial)
summary(mod.2)

## 
## Call:
## glm(formula = v16r ~ v10r + v17r + v22r, family = binomial, data = x1351)
## 
## Deviance Residuals: 
##     Min       1Q   Median       3Q      Max  
## -3.0043   0.1485   0.2120   0.3077   1.7398  
## 
## Coefficients:
##             Estimate Std. Error z value Pr(>|z|)    
## (Intercept)  -3.3749     0.7228  -4.669 3.03e-06 ***
## v10r1         1.9685     0.3393   5.802 6.56e-09 ***
## v10r2         2.0691     0.4767   4.341 1.42e-05 ***
## v17r1         2.2222     0.3745   5.934 2.95e-09 ***
## v17r2         2.8394     0.4997   5.682 1.33e-08 ***
## v22r1         2.1101     0.7031   3.001  0.00269 ** 
## v22r2         2.9684     0.6939   4.278 1.89e-05 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for binomial family taken to be 1)
## 
##     Null deviance: 554.55  on 1042  degrees of freedom
## Residual deviance: 339.82  on 1036  degrees of freedom
## AIC: 353.82
## 
## Number of Fisher Scoring iterations: 7

mod.3 <- glm(v21r ~ v10r+v17r+v22r, 
             data=x1351, 
             family=binomial)
summary(mod.3)

## 
## Call:
## glm(formula = v21r ~ v10r + v17r + v22r, family = binomial, data = x1351)
## 
## Deviance Residuals: 
##     Min       1Q   Median       3Q      Max  
## -3.1891   0.1013   0.1337   0.1950   2.0759  
## 
## Coefficients:
##             Estimate Std. Error z value Pr(>|z|)    
## (Intercept)  -4.2369     0.8286  -5.113 3.16e-07 ***
## v10r1         2.2056     0.4300   5.129 2.92e-07 ***
## v10r2         2.4909     0.6660   3.740 0.000184 ***
## v17r1         2.5000     0.4359   5.735 9.75e-09 ***
## v17r2         3.3409     0.6838   4.886 1.03e-06 ***
## v22r1         3.4842     0.7899   4.411 1.03e-05 ***
## v22r2         3.9594     0.7747   5.111 3.21e-07 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for binomial family taken to be 1)
## 
##     Null deviance: 447.89  on 1042  degrees of freedom
## Residual deviance: 217.35  on 1036  degrees of freedom
## AIC: 231.35
## 
## Number of Fisher Scoring iterations: 7

將結果視覺化

library(sjPlot)
plot_model(mod.1, type="est", auro.label=F, colors = "gs")

plot_model(mod.2, type="est", auro.label=F, colors = "gs")

plot_model(mod.3, type="est", auro.label=F, colors = "gs")

確認式分析

以二元勝算對數模型加以檢驗，也是呈現顯著的正相關。以視覺化來呈現模型分析圖，圖形中的信賴區間也均不包含零，支持了重視「忠誠性」原則的人也會較重視「權威性」原則的假設。

與資料喝杯咖啡

研究結果，以五個道德基本原則十五道題目(每個道德基本原則概念設計3題)探索與人們道德之心的關聯性，發現僅「公平性」原則三個的行為，得到一致且超過6、7成人們認同與判斷對錯有一定程度以上相關；而「關懷性」、「權威性」以及「貞潔性」三個道德基本原則，與人們對錯判斷的相關性呈現分歧，同一原則下的行為，可能被認為與道德判斷有一定程度以上相關，有些行為卻僅是微弱相關；至於三個「忠誠性」原則的行為，5成左右的受訪者均認為僅微弱相關。我的結論是，人們認為與對錯判斷的道德原則，以「公平性」原則最先也最普遍被人們使用，也就是運用「公平性」原則的論述或行為，是最容易激發起人們的正義之心，這並不意外，因為公平與正義向來就是人類生存與發展過程中永恆的主題；相對地，人們會認為判斷對錯與「忠誠性」原則，僅具微弱相關性，這或許是人們認為忠誠與正義比較沒什麼直接相關，甚至過度忠誠也可能傷害了正義。而本研究從探索式分析(MCA圖)意外發現到，認同「忠誠性」原則行為與對錯判斷有一定程度相關者與「權威性」原則行為與對錯判斷有一定程度相關的，兩者很接近，經以卡方檢定及二元勝算對數模型進行檢證，重視「忠誠性」原則的人也比較重視「權威性」原則的假設也有獲得支持。我覺得這個現象蠻有趣的，我的解讀是認同「忠誠性」原則的人，本身應該就是會較願意遵守「忠誠性」原則的道德規範(服從性與認同度較高)，因此也比較能認同「權威性」原則的規範。

從五個道德基本原則來探索人們的正義之心

N086020018 歐雅欣

2021/1/8

研究動機

變數說明

本研究的核心關懷為「當發生某一事件，該事件當事人的行為會與判斷事件的對錯有關，也就是事件當事人的行為會觸發人們的正義之心」

本研究選擇15題具「關懷」、「公平」、「忠誠」、「權威」、「貞潔」等概念的相關行為與道德判斷對錯有關的問題，來探索變數間的相關性。

變數1、該社會事件中，有沒有人在情感上受到傷害【關懷】

變數2、該社會事件中，有沒有人受到差別待遇 【公平】

變數3、該社會事件中當事人行為上有無展現愛國心【忠誠】

變數4、該社會事件中當事人有沒有不尊重權威 【權威】

變數5、該社會事件中當事人有無做出不聖潔或違反善良風俗的事 【貞潔】

變數6、該社會事件中當事人有沒有展現關懷弱勢或受到傷害的人 【關懷】

變數7、該社會事件中當事人做的事有無展現公平公正 【公平】

變數8、該社會事件中當事人有無背叛他的團體或組織 【忠誠】

變數9、該社會事件中當事人的言行有無遵循社會的傳統價值 【權威】

變數10、該社會事件中當事人有無做了令人不舒服或作嘔的事 【貞潔】

變數11、該社會事件中當事人有無做出令人覺得殘忍的事 【關懷】

變數12、該社會事件中當事人的言行有無展現忠誠 【忠誠】

變數13、該社會事件中當事人有無做出破壞秩序的事 【權威】

變數14、該社會事件中當事人的言行有無遵循神/上帝的教誨 【貞潔】

變數15、該社會事件中當事人的權利有無被侵犯或剝奪 【公平】

資料說明

資料來源：微笑小熊調查小棧平台

問卷名稱：編號1351「十分鐘鍵盤法官」

調查期間：2020年7月20日至2020年8月18日

有效觀察值N=1,054

性別比例：男43.52%，女56.18%

年齡分布：未滿20歲2.40%，20至29歲27.71%，30至39歲37.97%，40至49歲19.37%，50至59歲9.11%，60歲以上3.45%

居住地區分布：北部50.10%，中部20.92%、南部26.30%、東部1.34%、其他1.34%

初步處理資料檔

變數編碼與描述

變數分布分析

具「關懷性」原則的變數

具「公平性」原則的變數

具「忠誠性」原則的變數

具「權威性」原則的變數

具「貞潔性」原則的變數

探索式分析

第三組「有沒有人在情感上受到傷害」(v7r_2)、「有沒有做出令人看了渾身不舒服、甚至是作嘔的事」(v18r_2)兩者也非常貼近，或可推論重視以「關懷性」原則的來判斷對錯者，也同樣重視「貞潔性」原則。

第四組「有沒有人做出破壞秩序、甚至造成混亂的事」(v22r_2)以及「權利有沒有被侵犯、甚至被剝奪」(v24r_2)，也很靠近，推論道德判斷重視「權威性」原則的，也重視「公平性」原則。

用卡方檢定確認具潛在關聯變數之間的相關性

視覺化結果

變數關係的判斷

確認式分析

將結果視覺化

確認式分析

以二元勝算對數模型加以檢驗，也是呈現顯著的正相關。以視覺化來呈現模型分析圖，圖形中的信賴區間也均不包含零，支持了重視「忠誠性」原則的人也會較重視「權威性」原則的假設。

與資料喝杯咖啡

變數2、該社會事件中，有沒有人受到差別待遇【公平】

變數4、該社會事件中當事人有沒有不尊重權威【權威】

變數5、該社會事件中當事人有無做出不聖潔或違反善良風俗的事【貞潔】

變數6、該社會事件中當事人有沒有展現關懷弱勢或受到傷害的人【關懷】

變數7、該社會事件中當事人做的事有無展現公平公正【公平】

變數8、該社會事件中當事人有無背叛他的團體或組織【忠誠】

變數9、該社會事件中當事人的言行有無遵循社會的傳統價值【權威】

變數10、該社會事件中當事人有無做了令人不舒服或作嘔的事【貞潔】

變數11、該社會事件中當事人有無做出令人覺得殘忍的事【關懷】

變數12、該社會事件中當事人的言行有無展現忠誠【忠誠】

變數13、該社會事件中當事人有無做出破壞秩序的事【權威】

變數14、該社會事件中當事人的言行有無遵循神/上帝的教誨【貞潔】

變數15、該社會事件中當事人的權利有無被侵犯或剝奪【公平】