第四章 事實性與概念性選制知識之比較分析
第一節 事實性與概念性選制知識相關性分析
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第四章 事實性與概念性選制知識之比較分析
本章為經驗資料的實證分析，希望藉由相關統計模型的運用來驗證研究假設，
一方面能瞭解台灣民眾事實性與概念性選制知識的相關性，另一方面能從模型中 發現影響台灣民眾事實性與概念性選制知識的變數，最後則是探討事實性與概念 性選制知識與民眾分裂投票行為之間是否存有顯著關係。
第一節 事實性與概念性選制知識相關性分析
從過去國內文獻有關選制知識的事實性測量方式來看，我們無法知道民眾是 否真的能理解選舉制度設計背後的影響，有可能民眾的理解只限於選制表面資訊 的攫取與記憶。因此，本文試圖將民眾概念性選制知識的測量納入討論，希望能 在經驗資料的基礎上探索台灣民眾事實性與概念性選制知識之間的相關性。
首先，如表 4-1 所示，在 2012 立委選前三個月台灣民眾的選制知識中，我 們可以發現民眾在事實性知識方面，以對立委任期的瞭解程度最高，有將近七成 比例的民眾知道立委任期為四年，除此之外，台灣民眾對立委選舉制度其他面向 的事實性知識都不算太高。其中，儘管在 2008 年台灣立委選舉制度已經採行單 一選區兩票並立制，但只有 23.8%的民眾知道自己的選區選出的立法委員人數為 一人；只有 10.9%的民眾知道政黨若要分配不分區立委席次必須得到 5%的政黨 票；以及只有一成不到的民眾知道在立委選舉時，一個人可以投兩張票。另外，
在概念性選制知識方面，有高達六成五的台灣民眾在選制的影響方面能正確認知 到立委選制整體而言是對大黨有利，反觀增加不分區席次對小黨較為有利的問題 上，卻只有兩成的民眾有正確的判斷。同樣是屬於概念性選制知識，但為什麼這 兩個問題民眾答對比例的差異如此之大？第一，有可能是因為來自過去的經驗，
民眾就自己實際的生活體驗，例如從不分區立委在媒體上的曝光率或是遇到問題 尋求選區立委協助時都多少可以感受到小黨立委生存空間的壓縮；第二，選舉資
25
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
訊的關係，民眾可直接從上屆立委選舉過後，大黨與小黨席次囊括的狀況來對選 制整體的影響有個自己的判斷依據。然而增加不分區席次的影響對一般民眾來說 是個相對而言比較複雜的問題，需要經過相關資訊的整合性思考才有機會答對。
另一個有趣的發現是，整體來看，概念性選制知識的兩道題目似乎比事實性 選制知識的題目更為簡單，選制整體影響的答對比例只比立委任期答對的比例低 了一點，卻比其他三題事實性選制知識的題目都要高出許多；而增加不分區席次 的影響答對比例雖然只有兩成，但還是比選票張數及不分區門檻的答對比例還高。
可能的原因有兩點，首先是資料蒐集時間點的問題，或許是因為距離 2012 年立 委選舉還有三個月，此時政黨及候選人才正要著手進行競選準備，而媒體也尚未 開始密切報導有關選舉的相關消息，此時選民還沒有受到競選期間的影響產生政 治學習(political learning)的效果，對選舉制度相關成分的認知似乎還未被「喚醒」， 選區規模、選票張數以及不分區門檻等事實性選制知識對一般民眾而言比較算是 投票時所需的工具性知識，因此民眾在選前三個月對選制的認知情形普遍不是很 高；再來是問卷題型設計的問題，用來測量概念性選制知識的問卷題目為：『請 問您，目前的立委選舉制度是對小黨比較有利還是對大黨比較有利？』以及『那 如果提高全國不分區立委席次的比例，您認為會對小黨比較有利還是比較不 利？』，相較於事實性知識題目的填空題，此種二元問法的選擇題給予受訪者較 多可猜測答案的動機與空間，即便對概念性選制知識沒有太多的瞭解，民眾在被 問及這兩題時，仍有二分之一的答對機率，此點也可以從民眾回答概念性選制知 識題目無反應的比例較事實性選制知識題目無反應的比例還低得到佐證。
26
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 4-1 2012 立委選前台灣民眾的選制知識
答對 答錯 無反應 樣本數 事實性選制知識
選區規模
23.8 5.4 70.8 1146 選票張數
9.0 53.6 37.4 1146 不分區門檻 10.9 3.8 85.3 1146 立委任期
68.1 10.5 21.4 1146 概念性選制知識
選制整體的影響 63.9 3.8 32.3 1146 增加不分區席次的影響 20.2 40.6 39.2 1146 資料來源：游清鑫（2012a）
另外，表 4-2 顯示的是 2012 立委選前台灣民眾整體選制知識的分佈情形。
無論是事實性選制知識或概念性選制知識，比例佔最高的都是只答對一題，有將 近五成左右；另外各有將近三成左右的選民在這兩類型的問題上是回答不出來或 是答錯的，更有將近七至八成左右的民眾在事實性與概念性選制知識的回答上不 是完全答錯，就是只答對一題。答對題數偏低的現象似乎也跟上述資料蒐集時間 點的問題有關。
27
‧
‧
Kendall’s tau-c 值為 0.151，達顯著程度，從這個數值中我們可知事實性選制知識 與概念性選制知識之間雖然具有正相關，但是關聯性卻不是很高。
表 4-3 事實性選制知識與概念性選制知識之交叉表
除此之外，表 4-4 是事實性選制知識與概念性選制知識的變異數分析，我們 依照事實性選制知識的答對題數來進行分組，想觀察各組別之間在概念性選制知 識的平均分數上有無顯著差異。首先從該表中我們可以發現檢定統計量 F 值的 p-value 在 99.9%的信心水準下達到顯著，這意味著事實性選制知識各組之間在概 念性選制知識上的表現的確是存在著差異。整體來說，事實性選制知識越高的群 組在回答概念性選制知識的問題上平均而言除了能拿到較高的分數之外，其組內 概念性選制知識分數的標準差也會越低。另外，我們也可進一步使用雪菲事後檢 定(Scheffé post-hoc test)來瞭解差異的來源是發生在哪些組別之間。檢定結果顯示 事實性選制知識答對 0 題者的概念性選制知識平均分數為 0.7 分，顯著低於事實
卡方值(χ2)=61.583，自由度(df=8)，p<0.001 (雙尾檢定) Kendall's tau-c=0.151，p<0.001 (雙尾檢定)
統計檢定
‧
Kendall’s tau-c 的值不高，二來雪菲檢定並沒有發現事實性選制知識中等的群組（答對 2 題）與其他群組之間在概念性選制知識的分數上有顯著差異，這也意味 著，事實性選制知識與概念性選制知識之間雖是正相關，但卻是低度的正相關。
這個現象其實也印證了 Neuman(1986)的說法，他認為政治知識在理論架構的位 置上是處於政治顯著與政治概念化之間，影響概念性知識的力量光靠事實性知識
0.84 0.67 (1146)
2. *: p< .05, $: p< .10 (雙尾檢定)
F值（4, 1140）
＝9.187, p<0.001
30
‧
變數的性質為順序變數(ordinal variable)，因此本文打算採用順序勝算對數模型 (ordered logit model)來進行分析，不過這個模型背後有個平行迴歸假設(parallel regression assumption)，它假定當我們將模型中順序變數性質的依變數重新編為 任一種二分類變數(binary variable)時，所獲得的迴歸係數都是相同的，代表自變 數對依變數落入某一類而不落入另一類的勝算(odds)影響都是一致的(Long 1997, 140)。倘若資料不符合平行迴歸假設我們卻仍套用順序勝算對數模型則容易得到 義順序勝算對數模型(generalized ordered logit model)當中的偏比例勝算模型 (partial proportional odds model)進行分析。雖然 Long(1997, 145)曾建議若模型的 平 行 迴 歸 假 設 檢 定 未 過 ， 則 應 該 考 慮 使 用 其 它 像 是 多 項 勝 算 對 數 模 型（multinomial logit model）等未強加該假設的模型進行分析，但根據 Richard Williams(2006)的說法，偏比例勝算模型所具備的優點在於該模型只針對違反平 行迴歸假設的若干幾個特定變數來放寬這個假設然後重新估計這些變數的係數，
另外則將不違反平行迴歸假設的變數保留在模型當中，這樣的好處是相較於多項 勝算對數模型而言可以減少估計係數的個數而使得模型較為精簡且易解讀 (parsimonious and interpretable)。
表 4-5 與 4-6 分別為影響民眾事實性與概念性選制知識因素的偏比例勝算模 型，模型中的估計係數代表的是該變數（連續變數）每增加一單位或是該變數（類 別變數）相較於參照組而言，依變數「答對(m+1)題以上相較於答對 m 題以下(m 為答對題數)」的「勝算對數」(logit)，而係數值越大，代表該變數對依變數的影 響程度也就越大。另外，為了便於理解，因此對於估計係數進一步取指數 (exponential)，換算成勝算比(odds ratio)來進行解讀。首先從表 4-5 的分析結果我
31