誰是中間選民─以2020總統大選為例
謝昀芸
2021/6/25
誰是中間選民─以2020總統大選為例
研究動機
近年相關的民調表明在民調上顯示沒有政黨傾向的選民佔比越來越多，但是在2020年的總統大選中，投票率卻來到了近幾次以來的新高。最近開始，各方政黨支持者的選民似乎也有「轉守為攻」的現象，民眾乍看從對政治無感的中間選民，轉為政治狂熱分子，為自己的政黨衝鋒陷陣。但是中間選民就真的消失了嗎?還是中間選民就只是不表態，所以看似從大眾的視野消失?號稱無政黨認同的選民真的就對整體的政治「無感」嗎?
台灣的社會氛圍往往會避免人們直接在公眾場所就政治事務發表意見，人們避談政治也讓台灣的民意調查出現了不少比例的所謂中間選民。但是近年來隨著網路的發達，匿名性讓人暢所欲言，在政治立場的表態上肆無忌憚。中間選民好像消失又必定存在，因此研究中間選民在近期選舉中的模樣，也能多少了解現在的台灣社會。
研究目的
中間選民一直是台灣政治很重要的一塊領域。在民意調查上顯示的台灣中間選民，與傳統理論上的中間選民有著一定的出入，因此了解台灣中間選民的行為，對於研究台灣選舉，有一定的重要性。了解中間選民，不但是候選人或政黨抓住選票的關鍵，在意識形態更為衝突的如今，也希望能藉由研究中間選民了解整體的社會政治結構。
研究問題
究竟台灣的中間選民傾向是如何?什麼樣的人會成為中間選民?台灣真的有那麼多的中間選民嗎?
文獻回顧
中間選民是指沒有特別偏向某一個政黨或政治立場的民眾，且這樣的民眾在民意調查上佔了最大部分的比例（劉性仁，2020）。而在多數覺得選舉中，當候選人為兩位時（雖然2020年的總統大選候選人為三位，但就意識形態而言，同樣也是光譜兩端。），因為中間選民的影響使得候選人的選舉策略必須向中間靠攏（Duncan Black，1948），似乎中間選民的偏好相比藍綠兩方，更為偏向中庸，因此在議題方面，中間選民相比有泛藍或泛綠政黨認同的選民，在表態上可能偏向無意見或是感受不深。在教育程度上，Converse已經為後人指明道路，Converse於1964年提出，社會(政治)菁英更受到黨性和意識型態的禁錮，而一般的普羅大眾，則是更能在政治和意識型態中遊走，這樣對政黨和特定政治立場沒有偏向的選民，符合中間選民的特徵，因此，教育程度越低，可能成為中間選民的機率越高。
研究假設
中間選民的黨性不堅，在意識形態與相關議題上的表態會與有兼顧黨性的選民不同。
假設一：願意花更多時間和願意主動獲取政治資訊的人傾向有堅固黨性
假設二：教育程度越低，意識形態越弱，越沒有堅固黨性
假設三：越覺得政黨無法代表自己越沒有堅固黨性
假設四：對邦交國的減少越覺得不嚴重越可能沒有堅固黨性
假設五：對同性婚姻專法沒有特別表態者越可能沒有堅固黨性
假設六：對能源政策沒有特別表態者越可能沒有堅固黨性
假設七：對軍公教年金改革沒有特別表態者越可能沒有堅固黨性
假設八：對一利一休沒有特別表態者越可能沒有堅固黨性
假設九：在統獨立場中越可能維持現狀，越沒有堅固黨性
資料說明
由政大選舉研究中心所主持的TEDS台灣選舉與民主化調查可以說是台灣最全面且權威的民調單位之一，而2020年的總統大選民調可以說是近期內可獲得的最大型資料，內容也多為選民行為相關，針對每位面訪者的相關背景也做得相對完整，因此選擇這份資料在變數上能夠更加全面的檢視中間選民的相關行為與傾向。
2016 年至 2020 年「台灣選舉與民主化調查」四年期研究規劃(4/4 )：2020 年總統與立法委員選舉面訪案(TEDS2020)
調查性質：面訪調查。 # 執行單位：國立政治大學選舉研究中心、中央研究院政治學研究所、世新大學行政管理學系、東吳大學政治學系、東海大學政治學系、淡江大學全球政治經濟學系、國立中正大學政治學系暨研究所、國立成功大學政治學系、國立中山大學政治學研究所
調查時間：民國 109 年 1 月 13 日～5 月 31 日。
成功樣本（N）=1,680。
資料描述
依變數Y：是否為中間選民→以是否對政黨有強烈表態者界定是否為中間選民
對邦交國減少的態度、同性婚姻專法、能源政策、軍公教年金改革、一例一休、統獨立場
自變數X：主動獲取政治資訊、教育程度、政黨代表度
控制變數：年齡、政黨偏向
清資料
#TEDS2020 <- read_spss("TEDS2020_Q.sav")
#nrow(TEDS2020) # 確定是1680個觀察值
#save(TEDS2020, file = "TEDS2020.rda", compress = T)
load("TEDS2020.rda")
library(sjPlot)## Registered S3 methods overwritten by 'parameters':
## method from
## as.double.parameters_kurtosis datawizard
## as.double.parameters_skewness datawizard
## as.double.parameters_smoothness datawizard
## as.numeric.parameters_kurtosis datawizard
## as.numeric.parameters_skewness datawizard
## as.numeric.parameters_smoothness datawizard
## print.parameters_distribution datawizard
## print.parameters_kurtosis datawizard
## print.parameters_skewness datawizard
## summary.parameters_kurtosis datawizard
## summary.parameters_skewness datawizard## Learn more about sjPlot with 'browseVignettes("sjPlot")'.library(sjmisc)選定的Y
政黨認同
(01)國民黨(02)民進黨(03)新黨(04)親民黨(05)臺聯(06)時代力量(07)台灣民眾黨(09)中立無反應或其他政黨
TEDS2020$part0 <- rec(TEDS2020$PartyID, rec="1,3,4,7=1;2,5,6=2;9=3",as.num = F,
var.label ="PartID政黨認同",
val.labels = c("泛藍","泛綠","其他"))
str(TEDS2020$part0)## Factor w/ 3 levels "1","2","3": 2 3 2 3 2 3 3 2 3 3 ...
## - attr(*, "labels")= Named num [1:3] 1 2 3
## ..- attr(*, "names")= chr [1:3] "泛藍" "泛綠" "其他"
## - attr(*, "label")= chr "PartID政黨認同"frq(TEDS2020$part0)##
## PartID政黨認同 (x) <categorical>
## # total N=1680 valid N=1680 mean=2.10 sd=0.79
##
## Value | Label | N | Raw % | Valid % | Cum. %
## ----------------------------------------------
## 1 | 泛藍 | 450 | 26.79 | 26.79 | 26.79
## 2 | 泛綠 | 618 | 36.79 | 36.79 | 63.57
## 3 | 其他 | 612 | 36.43 | 36.43 | 100.00
## <NA> | <NA> | 0 | 0.00 | <NA> | <NA>議題
Ｋ８．請問您認為邦交國減少的問題嚴不嚴重（臺：咁有嚴重）？
(01)非常嚴重(02)還算嚴重(03)不太嚴重(04)非常不嚴重(05)無 所 謂(96)看 情 形(97)無 意 見(98)不知道(95)拒答
TEDS2020$friend <- rec(TEDS2020$K8, rec="95:98=NA; else=copy",as.num = F,
var.label ="K8邦交國",
val.labels = c("非常嚴重","還算嚴重","不太嚴重","非常不嚴重","無 所 謂"))
str(TEDS2020$friend)## Factor w/ 5 levels "1","2","3","4",..: 2 1 3 1 5 2 2 5 3 2 ...
## - attr(*, "labels")= Named num [1:5] 1 2 3 4 5
## ..- attr(*, "names")= chr [1:5] "非常嚴重" "還算嚴重" "不太嚴重" "非常不嚴重" ...
## - attr(*, "label")= chr "K8邦交國"frq(TEDS2020$friend)##
## K8邦交國 (x) <categorical>
## # total N=1680 valid N=1611 mean=2.25 sd=1.19
##
## Value | Label | N | Raw % | Valid % | Cum. %
## ---------------------------------------------------
## 1 | 非常嚴重 | 493 | 29.35 | 30.60 | 30.60
## 2 | 還算嚴重 | 573 | 34.11 | 35.57 | 66.17
## 3 | 不太嚴重 | 350 | 20.83 | 21.73 | 87.90
## 4 | 非常不嚴重 | 40 | 2.38 | 2.48 | 90.38
## 5 | 無 所 謂 | 155 | 9.23 | 9.62 | 100.00
## <NA> | <NA> | 69 | 4.11 | <NA> | <NA>Ｋ１１．去年 5 月 17 日立法院通過同性婚姻專法(司法院釋字第 748 號解釋施行法)，請問您對政府推動的這個立法支持還是不支持?
(01)非常支持(02)支 持(03)不 支 持(04)非常不支持(96)很 難 說(97)無 意 見(98)不知道(95)拒答
TEDS2020$marry <- rec(TEDS2020$K11, rec="95:98=NA; else=copy",as.num = F,
var.label ="K11同婚",
val.labels = c("非常支持","支 持","不 支 持","非常不支持"))
str(TEDS2020$marry)## Factor w/ 4 levels "1","2","3","4": 3 4 2 NA 2 4 3 2 3 NA ...
## - attr(*, "labels")= Named num [1:4] 1 2 3 4
## ..- attr(*, "names")= chr [1:4] "非常支持" "支 持" "不 支 持" "非常不支持"
## - attr(*, "label")= chr "K11同婚"frq(TEDS2020$marry)##
## K11同婚 (x) <categorical>
## # total N=1680 valid N=1598 mean=2.73 sd=1.00
##
## Value | Label | N | Raw % | Valid % | Cum. %
## ---------------------------------------------------
## 1 | 非常支持 | 187 | 11.13 | 11.70 | 11.70
## 2 | 支 持 | 502 | 29.88 | 31.41 | 43.12
## 3 | 不 支 持 | 462 | 27.50 | 28.91 | 72.03
## 4 | 非常不支持 | 447 | 26.61 | 27.97 | 100.00
## <NA> | <NA> | 82 | 4.88 | <NA> | <NA>Ｋ１２．在能源政策上，政府改採火力、風力以及太陽能發電，來取代核能電廠。請問您對這樣的做法同不同意?
(01)非常同意(02)同 意(03)不 同 意(04)非常不同意(96)很 難 說(97)無 意 見(98)不知道(95)拒答
TEDS2020$eng <- rec(TEDS2020$K12, rec="95:98=NA; else=copy",as.num = F,
var.label ="K12能源",
val.labels = c("非常同意","同 意","不 同 意","非常不同意"))
str(TEDS2020$eng)## Factor w/ 4 levels "1","2","3","4": 1 NA 2 3 2 3 2 1 3 2 ...
## - attr(*, "labels")= Named num [1:4] 1 2 3 4
## ..- attr(*, "names")= chr [1:4] "非常同意" "同 意" "不 同 意" "非常不同意"
## - attr(*, "label")= chr "K12能源"frq(TEDS2020$eng)##
## K12能源 (x) <categorical>
## # total N=1680 valid N=1537 mean=2.42 sd=0.81
##
## Value | Label | N | Raw % | Valid % | Cum. %
## ---------------------------------------------------
## 1 | 非常同意 | 139 | 8.27 | 9.04 | 9.04
## 2 | 同 意 | 787 | 46.85 | 51.20 | 60.25
## 3 | 不 同 意 | 435 | 25.89 | 28.30 | 88.55
## 4 | 非常不同意 | 176 | 10.48 | 11.45 | 100.00
## <NA> | <NA> | 143 | 8.51 | <NA> | <NA>Ｋ１３．政府自 2018年七月起執行軍公教年金改革，請問您對政府處理軍公教年金改革的表現滿不滿意? #
(01)非常滿意(02)有點滿意(03)不太滿意(04)非常不滿意(96)很 難 說(97)無 意 見(98)不知道(95)拒答
TEDS2020$revM <- rec(TEDS2020$K13, rec="95:98=NA; else=copy",as.num = F,
var.label ="K13年改",
val.labels = c("非常滿意","有點滿意","不太滿意","非常不滿意"))
str(TEDS2020$revM)## Factor w/ 4 levels "1","2","3","4": 2 2 2 NA 2 3 2 2 3 3 ...
## - attr(*, "labels")= Named num [1:4] 1 2 3 4
## ..- attr(*, "names")= chr [1:4] "非常滿意" "有點滿意" "不太滿意" "非常不滿意"
## - attr(*, "label")= chr "K13年改"frq(TEDS2020$revM)##
## K13年改 (x) <categorical>
## # total N=1680 valid N=1522 mean=2.25 sd=0.89
##
## Value | Label | N | Raw % | Valid % | Cum. %
## ---------------------------------------------------
## 1 | 非常滿意 | 314 | 18.69 | 20.63 | 20.63
## 2 | 有點滿意 | 661 | 39.35 | 43.43 | 64.06
## 3 | 不太滿意 | 399 | 23.75 | 26.22 | 90.28
## 4 | 非常不滿意 | 148 | 8.81 | 9.72 | 100.00
## <NA> | <NA> | 158 | 9.40 | <NA> | <NA>Ｋ１４．請問您對於政府「一例一休」的政策滿意還是不滿意? #
(01)非常滿意(02)有點滿意(03)不太滿意(04)非常不滿意(96)很 難 說(97)無 意 見(98)不知道(95)拒答
TEDS2020$vac <- rec(TEDS2020$K14, rec="95:98=NA; else=copy",as.num = F,
var.label ="K14一例一休",
val.labels = c("非常滿意","有點滿意","不太滿意","非常不滿意"))
str(TEDS2020$vac)## Factor w/ 4 levels "1","2","3","4": 2 2 2 3 2 3 2 NA 2 3 ...
## - attr(*, "labels")= Named num [1:4] 1 2 3 4
## ..- attr(*, "names")= chr [1:4] "非常滿意" "有點滿意" "不太滿意" "非常不滿意"
## - attr(*, "label")= chr "K14一例一休"frq(TEDS2020$vac)##
## K14一例一休 (x) <categorical>
## # total N=1680 valid N=1478 mean=2.60 sd=0.79
##
## Value | Label | N | Raw % | Valid % | Cum. %
## ---------------------------------------------------
## 1 | 非常滿意 | 100 | 5.95 | 6.77 | 6.77
## 2 | 有點滿意 | 567 | 33.75 | 38.36 | 45.13
## 3 | 不太滿意 | 629 | 37.44 | 42.56 | 87.69
## 4 | 非常不滿意 | 182 | 10.83 | 12.31 | 100.00
## <NA> | <NA> | 202 | 12.02 | <NA> | <NA>統獨
Ｐ４．關於臺灣和大陸的關係，這張卡片上有幾種不同的看法：
1：儘快（臺：卡緊）統一；2：儘快（臺：卡緊）獨立；3：維持現狀，以後走向統一；4：維持現狀，以後走向獨立；5：維持現狀，看情形再決定獨立或統一；6：永遠維持現狀
請問您比較（臺：卡）偏向哪一種？
(01)儘快統一(02)儘快獨立(03)維持現狀，以後走向統一(04)維持現狀，以後走向獨立(05)維持現狀，看情形再決定獨立或統一(06)永遠維持現狀(96)看 情 形(97)無 意 見(98)不知道(95)拒答
TEDS2020$ind <- rec(TEDS2020$P4, rec="1,3=1;2,4=2;5,6=3;95:98=NA",as.num = F,
var.label ="P4統獨",
val.labels = c("統一","獨立","維持現狀"))#以統獨立場三分類重新編碼
str(TEDS2020$ind)## Factor w/ 3 levels "1","2","3": 2 3 3 3 2 3 3 2 3 3 ...
## - attr(*, "labels")= Named num [1:3] 1 2 3
## ..- attr(*, "names")= chr [1:3] "統一" "獨立" "維持現狀"
## - attr(*, "label")= chr "P4統獨"frq(TEDS2020$ind)##
## P4統獨 (x) <categorical>
## # total N=1680 valid N=1629 mean=2.42 sd=0.66
##
## Value | Label | N | Raw % | Valid % | Cum. %
## -------------------------------------------------
## 1 | 統一 | 160 | 9.52 | 9.82 | 9.82
## 2 | 獨立 | 625 | 37.20 | 38.37 | 48.19
## 3 | 維持現狀 | 844 | 50.24 | 51.81 | 100.00
## <NA> | <NA> | 51 | 3.04 | <NA> | <NA>對政治資訊的敏感度
Ａ１．請問您對電視、廣播、報紙或網路上的政治新聞是非常注意、偶爾（臺：有時陣）注意、不太注意，還是完全不注意？
(01)非常注意(02)偶爾注意(03)不太注意(04)完全不注意(96)看 情 形(97)無 意 見(98)不知道(95)拒答
TEDS2020$ifm <- rec(TEDS2020$A1, rec="1,2=1; 3,4= 0;95:98=NA; else=copy",as.num = F,
var.label ="A1政治資訊",
val.labels = c("不注意","有注意"))
str(TEDS2020$ifm)## Factor w/ 2 levels "0","1": 2 1 2 2 2 2 1 2 1 2 ...
## - attr(*, "labels")= Named num [1:2] 0 1
## ..- attr(*, "names")= chr [1:2] "不注意" "有注意"
## - attr(*, "label")= chr "A1政治資訊"frq(TEDS2020$ifm)##
## A1政治資訊 (x) <categorical>
## # total N=1680 valid N=1678 mean=0.80 sd=0.40
##
## Value | Label | N | Raw % | Valid % | Cum. %
## ------------------------------------------------
## 0 | 不注意 | 329 | 19.58 | 19.61 | 19.61
## 1 | 有注意 | 1349 | 80.30 | 80.39 | 100.00
## <NA> | <NA> | 2 | 0.12 | <NA> | <NA>社經地位
教育程度
(01)小學及以下(02)國、初中(03)高中、職(04)專科(05)大學及以上(09)無反應
TEDS2020$edu0 <- rec(TEDS2020$edu, rec="1,2,3=0;4,5=1;9=NA; else=copy" ,as.num = F,
var.label ="edu教育程度",
val.labels = c("低教育程度","高教育程度"))
str(TEDS2020$edu0)## Factor w/ 2 levels "0","1": 1 1 1 1 2 2 1 2 1 2 ...
## - attr(*, "labels")= Named num [1:2] 0 1
## ..- attr(*, "names")= chr [1:2] "低教育程度" "高教育程度"
## - attr(*, "label")= chr "edu教育程度"frq(TEDS2020$edu0)##
## edu教育程度 (x) <categorical>
## # total N=1680 valid N=1677 mean=0.51 sd=0.50
##
## Value | Label | N | Raw % | Valid % | Cum. %
## ---------------------------------------------------
## 0 | 低教育程度 | 830 | 49.40 | 49.49 | 49.49
## 1 | 高教育程度 | 847 | 50.42 | 50.51 | 100.00
## <NA> | <NA> | 3 | 0.18 | <NA> | <NA>政黨
Ｑ３．請問您認為國內有沒有哪一個政黨可以代表您的想法？ #
(01)有(02)沒有(98)不知道(95)拒答
TEDS2020$partyTK <- rec(TEDS2020$Q3, rec="1=1; 2=0;95:98=NA" ,as.num = F,
var.label ="Q3政黨代表度",
val.labels = c("沒有","有"))
str(TEDS2020$partyTK)## Factor w/ 2 levels "0","1": 2 1 2 1 2 1 1 2 1 1 ...
## - attr(*, "labels")= Named num [1:2] 0 1
## ..- attr(*, "names")= chr [1:2] "沒有" "有"
## - attr(*, "label")= chr "Q3政黨代表度"frq(TEDS2020$partyTK)##
## Q3政黨代表度 (x) <categorical>
## # total N=1680 valid N=1640 mean=0.42 sd=0.49
##
## Value | Label | N | Raw % | Valid % | Cum. %
## ----------------------------------------------
## 0 | 沒有 | 954 | 56.79 | 58.17 | 58.17
## 1 | 有 | 686 | 40.83 | 41.83 | 100.00
## <NA> | <NA> | 40 | 2.38 | <NA> | <NA>控制變數
年齡 #
(01)20至29歲(02)30至39歲(03)40至49歲(04)50至59歲(05)60歲及以上(09)無反應
TEDS2020$age0 <- rec(TEDS2020$age, rec="9=NA; else=copy" ,as.num = F,
var.label ="age年齡",
val.labels = c("20至29歲","30至39歲","40至49歲","50至59歲","60歲及以上"))
str(TEDS2020$age0)## Factor w/ 5 levels "1","2","3","4",..: 5 5 4 3 4 4 2 4 2 1 ...
## - attr(*, "labels")= Named num [1:5] 1 2 3 4 5
## ..- attr(*, "names")= chr [1:5] "20至29歲" "30至39歲" "40至49歲" "50至59歲" ...
## - attr(*, "label")= chr "age年齡"frq(TEDS2020$age0)##
## age年齡 (x) <categorical>
## # total N=1680 valid N=1670 mean=3.43 sd=1.37
##
## Value | Label | N | Raw % | Valid % | Cum. %
## ---------------------------------------------------
## 1 | 20至29歲 | 204 | 12.14 | 12.22 | 12.22
## 2 | 30至39歲 | 243 | 14.46 | 14.55 | 26.77
## 3 | 40至49歲 | 373 | 22.20 | 22.34 | 49.10
## 4 | 50至59歲 | 337 | 20.06 | 20.18 | 69.28
## 5 | 60歲及以上 | 513 | 30.54 | 30.72 | 100.00
## <NA> | <NA> | 10 | 0.60 | <NA> | <NA>Ｑ１．在目前國內的政黨中，請問您有沒有（臺：咁有）偏向哪一個政黨？
(01)有(02)沒有(98)不知道(95)拒答
TEDS2020$partyYN <- rec(TEDS2020$Q1, rec="1=1; 2=0;95:98=NA" ,as.num = F,
var.label ="Q1政黨偏向",
val.labels = c("沒有","有"))
str(TEDS2020$partyYN)## Factor w/ 2 levels "0","1": 2 1 2 1 1 1 1 2 1 1 ...
## - attr(*, "labels")= Named num [1:2] 0 1
## ..- attr(*, "names")= chr [1:2] "沒有" "有"
## - attr(*, "label")= chr "Q1政黨偏向"frq(TEDS2020$partyYN)##
## Q1政黨偏向 (x) <categorical>
## # total N=1680 valid N=1671 mean=0.50 sd=0.50
##
## Value | Label | N | Raw % | Valid % | Cum. %
## ----------------------------------------------
## 0 | 沒有 | 828 | 49.29 | 49.55 | 49.55
## 1 | 有 | 843 | 50.18 | 50.45 | 100.00
## <NA> | <NA> | 9 | 0.54 | <NA> | <NA>save(TEDS2020, file = "TEDS2020.rda", compress = T)檢證結果
由於筆者將假設分為了有因果關係的假設一到假設三，以及只能證明有相關性的假設四到假設九，因此此次研究在檢測方面將分為，交叉分析的相關性檢測以及多項勝勝算對數的因果關係分析。
交叉分析及製表
tab_xtab(TEDS2020$part0, TEDS2020$friend, 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"
)## Warning in sprintf(" <td class=\"summary tdata\" colspan=\"%i\">%s=%.3f ·
## df=%i · %s=%.3f · %s=%.3f</td>", : one argument not used by format
## ' <td class="summary tdata" colspan="%i">%s=%.3f · df=%i · %s=%.3f
## · %s=%.3f</td>'|
PartID |
K8 |
Total | ||||
|---|---|---|---|---|---|---|
|
|
|
銝云 |
|
|
||
| 瘜<97><8d> |
228 51 % 46.2 % |
132 29.5 % 23 % |
59 13.2 % 16.9 % |
8 1.8 % 20 % |
20 4.5 % 12.9 % |
447 100 % 27.7 % |
|
瘜 |
104 17.4 % 21.1 % |
231 38.7 % 40.3 % |
171 28.6 % 48.9 % |
20 3.4 % 50 % |
71 11.9 % 45.8 % |
597 100 % 37.1 % |
|
|
161 28.4 % 32.7 % |
210 37 % 36.6 % |
120 21.2 % 34.3 % |
12 2.1 % 30 % |
64 11.3 % 41.3 % |
567 100 % 35.2 % |
| Total |
493 30.6 % 100 % |
573 35.6 % 100 % |
350 21.7 % 100 % |
40 2.5 % 100 % |
155 9.6 % 100 % |
1611 100 % 100 % |
χ2=150.496 · df=8 · Cramer’s V=0.216 · p=0.000 |
在對待邦交國減少嚴不嚴重的問題中，其他類型也就是筆者所認為的中間選民與泛綠政黨認同的選民有較高的分布相似性，但整體而言是三者中對待這項問題的回答最平均的。(泛藍認同的選民則在該問題中有最明顯的偏好。)
tab_xtab(TEDS2020$part0, TEDS2020$eng, 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"
)## Warning in sprintf(" <td class=\"summary tdata\" colspan=\"%i\">%s=%.3f ·
## df=%i · %s=%.3f · %s=%.3f</td>", : one argument not used by format
## ' <td class="summary tdata" colspan="%i">%s=%.3f · df=%i · %s=%.3f
## · %s=%.3f</td>'|
PartID |
K12 |
Total | |||
|---|---|---|---|---|---|
|
|
|
銝<8d> |
|
||
| 瘜<97><8d> |
20 4.7 % 14.4 % |
117 27.4 % 14.9 % |
187 43.8 % 43 % |
103 24.1 % 58.5 % |
427 100 % 27.8 % |
|
瘜 |
91 15.5 % 65.5 % |
387 65.9 % 49.2 % |
89 15.2 % 20.5 % |
20 3.4 % 11.4 % |
587 100 % 38.2 % |
|
|
28 5.4 % 20.1 % |
283 54.1 % 36 % |
159 30.4 % 36.6 % |
53 10.1 % 30.1 % |
523 100 % 34 % |
| Total |
139 9 % 100 % |
787 51.2 % 100 % |
435 28.3 % 100 % |
176 11.5 % 100 % |
1537 100 % 100 % |
χ2=283.560 · df=6 · Cramer’s V=0.304 · p=0.000 |
在這項議題中，中間選民與泛藍認同的選民有著較為相似的喜好分布，相對來說中間選民仍舊保持較為中庸的態度。(泛綠認同的選民則在該問題中有最明顯的偏好。)
tab_xtab(TEDS2020$part0, TEDS2020$eng, 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"
)## Warning in sprintf(" <td class=\"summary tdata\" colspan=\"%i\">%s=%.3f ·
## df=%i · %s=%.3f · %s=%.3f</td>", : one argument not used by format
## ' <td class="summary tdata" colspan="%i">%s=%.3f · df=%i · %s=%.3f
## · %s=%.3f</td>'|
PartID |
K12 |
Total | |||
|---|---|---|---|---|---|
|
|
|
銝<8d> |
|
||
| 瘜<97><8d> |
20 4.7 % 14.4 % |
117 27.4 % 14.9 % |
187 43.8 % 43 % |
103 24.1 % 58.5 % |
427 100 % 27.8 % |
|
瘜 |
91 15.5 % 65.5 % |
387 65.9 % 49.2 % |
89 15.2 % 20.5 % |
20 3.4 % 11.4 % |
587 100 % 38.2 % |
|
|
28 5.4 % 20.1 % |
283 54.1 % 36 % |
159 30.4 % 36.6 % |
53 10.1 % 30.1 % |
523 100 % 34 % |
| Total |
139 9 % 100 % |
787 51.2 % 100 % |
435 28.3 % 100 % |
176 11.5 % 100 % |
1537 100 % 100 % |
χ2=283.560 · df=6 · Cramer’s V=0.304 · p=0.000 |
在能源政策問題上，中間選民並沒有表現出特別的偏好，與泛藍或泛綠政黨認同的選民都不相同。
tab_xtab(TEDS2020$part0, TEDS2020$revM, 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"
)## Warning in sprintf(" <td class=\"summary tdata\" colspan=\"%i\">%s=%.3f ·
## df=%i · %s=%.3f · %s=%.3f</td>", : one argument not used by format
## ' <td class="summary tdata" colspan="%i">%s=%.3f · df=%i · %s=%.3f
## · %s=%.3f</td>'|
PartID |
K13撟湔 | Total | |||
|---|---|---|---|---|---|
|
|
|
銝云皛踵<84><8f> |
|
||
| 瘜<97><8d> |
38 9.1 % 12.1 % |
126 30.2 % 19.1 % |
171 41 % 42.9 % |
82 19.7 % 55.4 % |
417 100 % 27.4 % |
|
瘜 |
193 32.7 % 61.5 % |
303 51.4 % 45.8 % |
86 14.6 % 21.6 % |
8 1.4 % 5.4 % |
590 100 % 38.8 % |
|
|
83 16.1 % 26.4 % |
232 45 % 35.1 % |
142 27.6 % 35.6 % |
58 11.3 % 39.2 % |
515 100 % 33.8 % |
| Total |
314 20.6 % 100 % |
661 43.4 % 100 % |
399 26.2 % 100 % |
148 9.7 % 100 % |
1522 100 % 100 % |
χ2=251.019 · df=6 · Cramer’s V=0.287 · p=0.000 |
在年改議題上，中間選民並沒有表現出特別的偏好，與泛藍或泛綠政黨認同的選民都不相同。
tab_xtab(TEDS2020$part0, TEDS2020$vac, 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"
)## Warning in sprintf(" <td class=\"summary tdata\" colspan=\"%i\">%s=%.3f ·
## df=%i · %s=%.3f · %s=%.3f</td>", : one argument not used by format
## ' <td class="summary tdata" colspan="%i">%s=%.3f · df=%i · %s=%.3f
## · %s=%.3f</td>'|
PartID |
K14銝靘 |
Total | |||
|---|---|---|---|---|---|
|
|
|
銝云皛踵<84><8f> |
|
||
| 瘜<97><8d> |
20 4.8 % 20 % |
86 20.6 % 15.2 % |
219 52.5 % 34.8 % |
92 22.1 % 50.5 % |
417 100 % 28.2 % |
|
瘜 |
55 10 % 55 % |
284 51.4 % 50.1 % |
187 33.9 % 29.7 % |
26 4.7 % 14.3 % |
552 100 % 37.3 % |
|
|
25 4.9 % 25 % |
197 38.7 % 34.7 % |
223 43.8 % 35.5 % |
64 12.6 % 35.2 % |
509 100 % 34.4 % |
| Total |
100 6.8 % 100 % |
567 38.4 % 100 % |
629 42.6 % 100 % |
182 12.3 % 100 % |
1478 100 % 100 % |
χ2=149.995 · df=6 · Cramer’s V=0.225 · p=0.000 |
在一例一休的問題上，中間選民似乎與泛藍認同的選民，在滿意度上較為相似，但仍舊沒有表現出明顯的偏向。
tab_xtab(TEDS2020$part0, TEDS2020$ind, 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"
)## Warning in sprintf(" <td class=\"summary tdata\" colspan=\"%i\">%s=%.3f ·
## df=%i · %s=%.3f · %s=%.3f</td>", : one argument not used by format
## ' <td class="summary tdata" colspan="%i">%s=%.3f · df=%i · %s=%.3f
## · %s=%.3f</td>'|
PartID |
P4蝯梁 | Total | ||
|---|---|---|---|---|
|
蝯曹 |
|
蝬剜<8c> |
||
| 瘜<97><8d> |
93 20.9 % 58.1 % |
80 18 % 12.8 % |
272 61.1 % 32.2 % |
445 100 % 27.3 % |
|
瘜 |
12 2 % 7.5 % |
385 63.4 % 61.6 % |
210 34.6 % 24.9 % |
607 100 % 37.3 % |
|
|
55 9.5 % 34.4 % |
160 27.7 % 25.6 % |
362 62.7 % 42.9 % |
577 100 % 35.4 % |
| Total |
160 9.8 % 100 % |
625 38.4 % 100 % |
844 51.8 % 100 % |
1629 100 % 100 % |
χ2=313.728 · df=4 · Cramer’s V=0.310 · p=0.000 |
在統獨立場上，中間選民相比泛藍或泛綠政黨認同的選民，更偏向維持現狀。
多項勝算對數
TEDS2020$part0 <-relevel(TEDS2020$part0,ref = "3")
levels(TEDS2020$part0)## [1] "3" "1" "2"library(VGAM)## 載入需要的套件：stats4## 載入需要的套件：splinesmod <- vglm(part0 ~ ifm +edu0 + partyTK +partyYN+age0,
family=multinomial,
data=TEDS2020)
summary(mod)##
## Call:
## vglm(formula = part0 ~ ifm + edu0 + partyTK + partyYN + age0,
## family = multinomial, data = TEDS2020)
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept):1 1.99218 0.30436 6.545 5.93e-11 ***
## (Intercept):2 -0.65689 0.28667 -2.291 0.021939 *
## ifm1:1 -0.89989 0.20759 -4.335 1.46e-05 ***
## ifm1:2 -0.38612 0.18671 -2.068 0.038639 *
## edu01:1 -0.31552 0.17547 -1.798 0.072154 .
## edu01:2 0.52737 0.14648 3.600 0.000318 ***
## partyTK1:1 -1.04311 0.18157 -5.745 9.20e-09 ***
## partyTK1:2 -0.45656 0.13530 -3.375 0.000739 ***
## partyYN1:1 -3.96378 0.23388 -16.948 < 2e-16 ***
## partyYN1:2 0.07339 0.15764 0.466 0.641561
## age02:1 0.51361 0.29371 1.749 0.080345 .
## age02:2 0.07823 0.25181 0.311 0.756054
## age03:1 0.80729 0.27524 2.933 0.003356 **
## age03:2 0.63811 0.22970 2.778 0.005468 **
## age04:1 0.33256 0.28987 1.147 0.251279
## age04:2 0.93962 0.23334 4.027 5.65e-05 ***
## age05:1 0.58643 0.27794 2.110 0.034867 *
## age05:2 0.70948 0.23336 3.040 0.002363 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Names of linear predictors: log(mu[,1]/mu[,3]), log(mu[,2]/mu[,3])
##
## Residual deviance: 2524.794 on 3238 degrees of freedom
##
## Log-likelihood: -1262.397 on 3238 degrees of freedom
##
## Number of Fisher scoring iterations: 6
##
## Warning: Hauck-Donner effect detected in the following estimate(s):
## 'partyYN1:1'
##
##
## Reference group is level 3 of the responseplot_model(mod,type = "est",auto.label = F,colors = "gs")
在有泛藍政黨認同的選民與中間選民的比較中，在對政治資訊的敏感度方面，在信心水準95%的預期下，由於Z值絕對值大於1.96，達到統計顯著性，因此得以拒絕虛無假設。在選民只考慮是否對政治新聞有注意時，在控制其他因素後，平均而言對政治新聞更注意時，是中間選民的機率是泛藍政黨認同的選民0.90倍；而在教育程度上，在信心水準95%的預期下，在信心水準95%的預期下，由於Z值絕對值大於1.96，達到統計顯著性，因此得以拒絕虛無假設。在選民只考慮自身的教育程度時，在控制其他因素後，平均而言對教育程度越高，是中間選民的機率是泛藍政黨認同選民的0.31倍；政黨代表性中，在信心水準95%的預期下，由於Z值絕對值大於1.96，達到統計顯著性，因此得以拒絕虛無假設。在選民只考慮是否有政黨能代表自己的想法時，在控制其他因素後，平均而言認為有政黨能代表自己的想法時，是中間選民的機率是泛藍政黨認同選民的1.04倍。
在有泛綠政黨認同的選民與中間選民的比較中，在對政治資訊的敏感度方面，在信心水準95%的預期下，由於Z值絕對值大於1.96，達到統計顯著性，因此得以拒絕虛無假設。在選民只考慮是否對政治新聞有注意時，在控制其他因素後，平均而言對政治新聞更注意時，是中間選民的機率是泛綠政黨認同的選民0.38倍；而在教育程度上，在信心水準95%的預期下，由於Z值絕對值大於1.96，達到統計顯著性，因此得以拒絕虛無假設。在選民只考慮自身的教育程度時，在控制其他因素後，平均而言對教育程度越高，是泛綠政黨認同的選民機率是中間選民的0.53倍；在信心水準95%的預期下，由於Z值絕對值大於1.96，達到統計顯著性，因此得以拒絕虛無假設。在選民只考慮是否有政黨能代表自己的想法時，在控制其他因素後，平均而言認為有政黨能代表自己的想法時，是中間選民的機率是泛綠政黨認同的選民0.46倍。
整體而言，中間選民相比泛藍或泛綠認同的選民，對政治新聞更為注意；而泛綠認同的選民相比中間選民，教育程度更高。泛藍認同的選民相比中間選民，教育程度更低；政黨代表性則是中間選民有更高的認同。
模型適配度檢測pseudo-R2
library(rms)## 載入需要的套件：Hmisc## 載入需要的套件：lattice## 載入需要的套件：survival## 載入需要的套件：Formula## 載入需要的套件：ggplot2##
## 載入套件：'Hmisc'## 下列物件被遮斷自 'package:sjmisc':
##
## %nin%## 下列物件被遮斷自 'package:base':
##
## format.pval, units## 載入需要的套件：SparseM##
## 載入套件：'SparseM'## 下列物件被遮斷自 'package:base':
##
## backsolve##
## 載入套件：'rms'## 下列物件被遮斷自 'package:VGAM':
##
## calibrate, lrtest#rms::lrm(mod)
#performance::r2(mod)
#pscl::pR2(mod)
mod <- lrm(part0 ~ ifm +edu0 +partyTK +partyYN +age0,
data=TEDS2020)
lrm(formula = part0 ~ ifm + edu0 +partyTK +partyYN+age0,
data=TEDS2020)## Frequencies of Missing Values Due to Each Variable
## part0 ifm edu0 partyTK partyYN age0
## 0 2 3 40 9 10
##
## Logistic Regression Model
##
## lrm(formula = part0 ~ ifm + edu0 + partyTK + partyYN + age0,
## data = TEDS2020)
##
##
## Model Likelihood Discrimination Rank Discrim.
## Ratio Test Indexes Indexes
## Obs 1628 LR chi2 773.58 R2 0.427 C 0.793
## 3 580 d.f. 8 g 1.664 Dxy 0.587
## 1 439 Pr(> chi2) <0.0001 gr 5.283 gamma 0.598
## 2 609 gp 0.311 tau-a 0.388
## max |deriv| 6e-10 Brier 0.117
##
## Coef S.E. Wald Z Pr(>|Z|)
## y>=1 -0.8262 0.2064 -4.00 <0.0001
## y>=2 -2.5433 0.2173 -11.70 <0.0001
## ifm=1 0.6224 0.1345 4.63 <0.0001
## edu0=1 0.0468 0.1132 0.41 0.6796
## partyTK=1 0.6584 0.1123 5.86 <0.0001
## partyYN=1 2.4612 0.1229 20.03 <0.0001
## age0=2 -0.3854 0.2032 -1.90 0.0578
## age0=3 -0.6262 0.1866 -3.36 0.0008
## age0=4 -0.4830 0.1919 -2.52 0.0118
## age0=5 -0.5220 0.1880 -2.78 0.0055
## R2=0.427
模型適配度達0.427。換言之，筆者所提出的影響中間選民的因素，能代表以TEDS2020這份資料所訪問的1,680位選民為例，其中的42.7%的解釋。
結語
首先從六項交叉分析來看假設四到假設九，整體來說可以看出中間選民在相關議題與立場上不只是偏向無意見，而是沒有特殊的意見立場。中間選民相較有泛藍或泛綠政黨認同的選民，在意見的表達上呈現的較為平均。而議題中，國內本身的議題照理說更關乎自身，但在結果上中間選民卻在相關議題的表達上呈現更平均的分布；相反的在對外議題中的邦交國問題上，中間選民與泛綠政黨認同的選民較為相似；而在同婚議題上則更偏向泛藍政黨認同。但在統獨議題上，中間選民相較於泛綠支持者的獨立、泛藍支持者的統一，更傾向維持現狀的中庸選擇。
在假設四到假設九的檢測中，整體而言，中間選民有比較大的機會維持現狀(不只是統獨立場，同婚可能也是如此)，但在其他比較需要立場表態的議題中，與筆者原先假設的稍微不同，並非無意見而是分布均勻的在各個意見中。雖然乍看之下好似是否為中間選民與這些議題的表態無關，但回到中間選民的定義，這些沒有強烈政黨傾向的選民確實也因此展現出了有別於強烈政黨傾向的選民行為。或許可以說，中間選民不只不受政黨的擺佈，在議題的表態上也會有更「自由」的選擇，而不被意識形態或是黨性所束縛。
以往對中間選民的刻板印象不外乎是，對政治冷漠、教育程度較低、失去對政黨的認同，但是以本次研究的發現而言，卻發現結果出乎意料，中間選民相比有政黨認同的選民，平均而言會花更多時間關注政治相關新聞，教育程度也較低，對政黨認同(政黨代表性)也比較高，這或許可以從兩個方面來解釋這樣的結果。一方面，中間選民在台灣所展顯出來的特性或許不是對政治冷漠，而是保持著一定的關注度，並「主動」做出不支持現有政黨的選擇。教育程度越高，也就是所謂的社會菁英，在泛綠政黨認同的選民與中間選民的比較中，如同Converse的觀點，有著更堅固的黨性；但在泛藍政黨認同與中間選民相比中，教育程度卻較低。這樣的差異或許是來自政黨本身的特性，期待後人此有更進一步的探討。而政黨代表行的結果或許能側面證明，台灣的中間選民其實並非是政治冷漠或游離在光譜之外，其實所有的選民都能在政治光譜中找到各自的偏好，只是台灣的選民而言在表態上的意願不高，所以民調結果有時就是會與選舉結果不同。