分析立法者回應性／決策層面權力的迴歸模型

分析第一層面權力也就是立法者回應性的依變項是「正面回應、中性回應與 負面回應」的次序依變項。因為應變數為次序資料所以也與先前政治參與模型一 樣需要使用Multilevel cumulative logistic regression model with random effects 模 型。迴歸方程式表述如下：

Lv1（時間點，民意與表決時間差）：

Y 的累積機率代表 Y 小於等於某個特定切點的機率；P(Y≦m)＝π1+π2+……+πm

logit[ P(yij≦m) ]＝ ln[ P(yij≦m)/1-P(yij≦m) ]＝ln[ P(yij≦m)/P(yij >m) ]＝β0j＋β_1j民意與表決 時間差＋βX＋[ 時間點組內變異εij ]

y 為應變項立委是否回應民意，有三個水準（正面回應、中性回應與負面回

300 Rune Haubo Bojesen Christensen, CRAN - Package ordinal: Regression Models for Ordinal Data, ) 2020 , 20 project.org/web/packages/ordinal/index.html (last visited: Jul

-https://cran.r available at

應）二個切點，m=1,2；X 為自變項矩陣包含「時期、議題領域、社經地位、性 別、族群、民眾與立法委員不相似程度、民眾與立法委員不相似程度×政治參與、

立法委員資深程度、政黨團結程度、大小黨」等自變數。³⁰¹

Lv2（個人與議案與立委）：

β_0j＝層2 平均總截距γ00＋[受訪者組間變異]＋[議案組間變異]＋[立委組間變異]

β_1j＝γ₁₀＋γ₁₁政治參與＋γ₁₂社經地位＋γ₁₃民眾與立法委員不相似程度＋γ₁₄群體＋γ

15性別＋γ₁₆族群＋[受訪者組內變異]

Lv3（鄉鎮市區與黨團）：

γ₀₀＝層3 總平均截距δ000＋[鄉鎮市區組間變異]＋[黨團組間變異] ³⁰² γ₁₀＝δ₁₀₀＋[鄉鎮市區組間變異]

Mix：

logit[ P(yij≦m) ]＝層 3 總平均截距δ000＋〔δ₁₀₀＋γ₁₁政治參與＋γ₁₂社經地位＋γ₁₃民眾 與立法委員不相似程度＋γ₁₄群體＋γ₁₅性別＋γ₁₆族群＋[鄉鎮市區組間變異]＋[受訪者組

內變異]〕×民意與表決時間差＋βX＋[鄉鎮市區組間變異]＋[黨團組間變異]＋[受訪者組間

變異]＋[議案組間變異]＋[立委組間變異]＋[ 時間點組內變異εij ] ³⁰³

其中關於立法者敵意、偏見、差別待遇得以持續的條件存在（不會受選民政 治參與影響，或隨時間持續）或者不存在（會受政治參與影響，或不隨時間持續）

的爭論是在【假設三３】建立的交互反應項 「與立法委員不相似程度×政治參與 程度」以及【假設二４】建立的「立法委員與受訪者之間的不相似性×時間」跨 層次交互反應效果驗證，統計領域中稱為調節效果（moderation），從該項目所得 的迴歸係數β回推解釋。如固定「立法委員與受訪者之間的不相似程度」（敵意、

偏見、差別待遇的來源）後，立法委員與受訪者之間的不相似程度係數β1 為負 值而交互反應項係數β2 為正值，表示每增加一單位的「政治參與」或「時間」，

就會導致β2 單位的立法委員與受訪者之間的不相似程度效果調整，使得立法委 員與受訪者之間的不相似程度效果僅存β1+β2。

【假設三４】部分利用個人層次的政治參與對於時間點層次的時間跨層次交 互反應效果，追蹤檢驗民眾不同的政治參與程度／社經地位／民眾與立法委員不

301 由於群體自變項已經在隨後的政治參與分析結果中發現並沒有顯著影響政治參與的作用，所

以此處並不放入「群體×政治參與」。

302 Lv2 的β1j 以及 Lv3 的γ11 亦即斜率方程式。

303 使用三層時，經過模型比較放入鄉鎮市區截距隨機效果的模型 AIC 比村里截距隨機效果的模

型 AIC 還低，所以此處以鄉鎮市區為第三層的基準。完整使用四層（時間／個人／村里／鄉

鎮市區）時會出現模型數值錯誤（軟體估計結果沒有共變數矩陣、p 值）。

相似程度／所屬群體是否隨著時間經過而對於獲得立法者回應有不同的影響，進 一步作為檢驗民主模型的證據。

軟體使用R 語言的 ordinal 套件 clmm 函數分析。³⁰⁴

以下圖簡單說明本研究關於立法者回應／政治競爭／決策層面權力環節刻 劃並且要加以驗證的概念與概念間關係：

立法者回應

（政治競爭）

中位選民理論

（經濟）菁英論 多元民主論 偏差多元民主論

圖 五-8：本研究驗證的立法者政策回應模型（政治競爭／決策層面 權力）

304 Christensen, CRAN - Package ordinal: Regression Models for Ordinal Data, available at https://cran.r-project.org/web/packages/ordinal/index.html (last visited: Jul 20, 2020)

第六章

政治上無力與政治上無力者的測量結果與發現

6.1 敘述統計、資料分布情形

以下為分析政策理想點／政治參與（兩者使用的資料相同，稱為參與資料，

六個填補資料集合併結果）以及立法委員回應受訪者意見的資料（以下稱回應性 資料，第一個填補資料集結果）經過資料檔內的事後反覆加權（raking）權值處 理過的各個變數的分布情形（有附註者為沒有套用事後反覆加權），以直方圖呈 現，並且在政治參與資料加入不同程度政治參與的資訊於各分組中，負數到正數 為政治參與從低到高，並套用不同填充底色；回應性資料中並加上是否受選區立 法委員回應的資訊，0 為反面回應，1 為中性回應，2 為正面回應，並套用不同填 充底色。

圖 六-1：政策理想點資料受訪者政 策理想點與空間中位數餘弦相似度分

布比例圖 圖 六-2：政策理想點資料受訪者政策 理想點與空間中位數歐式距離分布比

例圖

圖 六-3：政策理想點資料受訪者所 屬群體及政策理想點與空間中位數餘

弦相似度箱型圖

圖 六-4：政策理想點資料受訪者年齡 及政策理想點與空間中位數餘弦相似

度散佈圖與趨勢圖

圖 六-5：政策理想點資料受訪者戶 籍地地理層別及政策理想點與空間中

位數餘弦相似度箱型圖

（都會核心、工商市區、新興市鎮、傳統產 業市鎮、低度發展鄉鎮、高齡化及偏遠鄉鎮）

圖 六-6：政策理想點資料受訪者社會 經濟地位及政策理想點與空間中位數

餘弦相似度散佈圖與趨勢圖

圖 六-7：政策理想點資料受訪者婚 姻狀態及政策理想點與空間中位數餘

弦相似度箱型圖

（單身且從未結婚、已婚且與配偶同住、沒 有與配偶同住、同居、離婚、分居、配偶去 世）

圖 六-8：政策理想點資料受訪者宗教 信仰及政策理想點與空間中位數餘弦

相似度箱型圖

（佛教、道教、民間信仰、一貫道、天主教、

基督教、沒有宗教信仰、其他）

圖 六-9：政策理想點資料受訪者族 群及政策理想點與空間中位數餘弦相

似度箱型圖

（臺灣閩南人、臺灣客家人、臺灣原住民、

大陸各省市含港澳金馬、新移民）

圖 六-10：政策理想點資料受訪者性 別與空間中位數餘弦相似度箱型圖

圖 六-11：政策理想點資料時期及政 策理想點與空間中位數餘弦相似度箱

型圖

（2010 綜合問卷時期、2016 公民問卷時期）

圖 六-12：政治參與資料時期與政治 參與分布比例圖

（2010 綜合問卷時期、2016 公民問卷時期）

圖 六-13：政治參與資料受訪者所屬 群體與政治參與分布比例圖（套用事 後反覆加權後， kamila 模型基礎分

群方法）

圖 六-14：政治參與資料受訪者所屬 群體與政治參與箱型圖（套用事後反 覆加權後， kamila 模型基礎分群方

法）

圖 六-15：政治參與資料受訪者所屬 群體與政治參與分布比例圖（套用事 後反覆加權前， kamila 模型基礎分

群方法）

圖 六-16：政治參與資料受訪者所屬 群體與政治參與分布比例圖（套用事 後反覆加權前， kamila 模型基礎分群

方法）

圖 六-17：政治參與資料受訪者年齡 與政治參與分布比例圖

圖 六-18：政治參與資料受訪者年齡

與政治參與散佈與趨勢圖

圖 六-19：政治參與資料受訪者戶籍 地地理層別與政治參與分布比例圖

（都會核心、工商市區、新興市鎮、傳統產 業市鎮、低度發展鄉鎮、高齡化＋偏遠鄉鎮）

圖 六-20：政治參與資料受訪者戶籍 地地理層別與政治參與箱型圖

（都會核心、工商市區、新興市鎮、傳統產 業市鎮、低度發展鄉鎮、高齡化＋偏遠鄉 鎮）

圖 六-21：政治參與資料受訪者婚姻 狀態與政治參與分布比例圖

（單身且從未結婚、已婚且與配偶同住、沒 有與配偶同住、同居、離婚、分居、配偶去 世）

圖 六-22：政治參與資料受訪者婚姻 狀態與政治參與箱型圖

（單身且從未結婚、已婚且與配偶同住、沒有 與配偶同住、同居、離婚、分居、配偶去世）

圖 六-23：政治參與資料受訪者社經 地位與政治參與分布比例圖

圖 六-24：政治參與資料受訪者社經

地位與政治參與散佈與趨勢圖

圖 六-25：政治參與資料受訪者宗教 信仰與政治參與比例分布圖

（佛教、道教、民間信仰、一貫道、天主教、

基督教、沒有宗教信仰、其他）

圖 六-26：政治參與資料受訪者宗教信 仰與政治參與箱型圖

（佛教、道教、民間信仰、一貫道、天主教、

基督教、沒有宗教信仰、其他）

圖 六-27：政治參與資料受訪者族群 分布與政治參與比例圖

（臺灣閩南人、臺灣客家人、臺灣原住 民、大陸各省市含港澳金馬、新移民）

圖 六-28：政治參與資料受訪者族群 分布與政治參與箱型圖

（臺灣閩南人、臺灣客家人、臺灣原住民、大 陸各省市含港澳金馬、新移民）

圖 六-29：政治參與資料受訪者性別 與政治參與分布比例圖

圖 六-30：政治參與資料受訪者性別

與政治參與箱型圖

圖 六-31：回應性資料立法委員政策 回應程度分布比例圖

（0=反面回應；1=中性回應；2=正面回應）

圖 六-32：回應性資料受訪者性別與 選區立法委員政策回應分布比例圖

（男性、女性）

圖 六-33：回應性資料受訪者族群與 選區立法委員政策回應分布比例圖

（閩南、客家、原住民、外省、新移民）

圖 六-34：回應性資料受訪者戶籍區 域地理層別與選區立法委員政策回應

分布比例圖

（都會核心、工商市區、新興市鎮、傳統產業 市鎮、低度發展鄉鎮、高齡化及偏遠鄉鎮）

圖 六-35：回應性資料受訪者所屬群 體與選區立法委員政策回應分布圖

（套用事後反覆加權前， kamila 模 型基礎分群方法）

圖 六-36：回應性資料受訪者所屬群 體與選區立法委員政策回應回應分布 圖（套用事後反覆加權後， kamila 模

型基礎分群方法）

圖 六-37：回應性資料受訪者宗教信 仰與選區立法委員政策回應分布比例

圖

（佛教、道教、民間信仰、一貫道、天主教、

基督教、沒有宗教信仰、其他）

圖 六-38：回應性資料表決日期與受 訪日期差距與選區立法委員政策回應

分布比例圖

圖 六-39：回應性資料觀察對象時期

（＝立法院屆次）與選區立法委員政 策回應分布比例圖

（2010 綜合問卷時期＝立法院第 7 屆、2016 公民問卷時期＝立法院第9 屆）

圖 六-40：回應性資料受訪者政治參 與程度與選區立法委員政策回應分布

比例圖

圖 六-41：回應性資料選區立委大小 黨與選區立法委員政策回應分布比例

圖

（大黨、小黨）

圖 六-42：回應性資料受訪者社會經 濟地位與選區立法委員政策回應分布

比例圖

圖 六-43：回應性資料表決議案牽涉 議題與選區立法委員政策回應領域分

布比例圖

（經濟社會文化權、財政、經濟、環境、公 民與政治權、法制、教科文、統獨、內政）

圖 六-44：回應性資料受訪者婚姻狀 況與選區立法委員政策回應分布比例

圖

（單身且從未結婚、已婚且與配偶同住、沒有 與配偶同住、同居、離婚、分居、配偶過世）

圖 六-45：回應性資料受訪者年齡與 選區立法委員政策回應分布比例圖

圖 六-46：回應性資料立法委員資深 程度與選區立法委員政策回應分布比

例圖

圖 六-47：回應性資料議案表決政黨 團結程度與選區立法委員政策回應分

布比例圖

圖 六-48：回應性資料民眾與立委不 相似程度與選區立法委員政策回應分

布比例圖

特別值得注意的是「圖 六-11：政策理想點資料受訪者政策理想點與空間中 位數餘弦相似度分布比例圖」與「圖 六-12：政策理想點資料受訪者政策理想點 與空間中位數歐式距離分布比例圖」，如果依照典型中位選民理論，所有人的政 策理想點在單一維度空間中應該會趨向中間靠攏，那麼在餘弦相似度部分高峰應 該會出現在最右側然後接著遞降，而歐式距離之下高峰應該會出現在最左側接著 遞降，但實際上並沒有出現這個狀況，可能的解釋是投影在單一維度上時實際上 民意並不呈現單峰分布，也就是說儘管在個別議題中可以呈現單峰偏好，但投影 到單一維度時並無法呈現單峰偏好，實際上在單一維度中時會些微呈現雙峰偏 好。

另外根據先前「5.5.3 常態分配檢測及應變處理」處說明也已經發現政策理 想點分布並未呈現在多維度中呈現常態分配，有部分證據顯示中位選民的經驗描 述並不存在於現下臺灣。

6.2 政策理想點與空間中位數相似性的比較（迴歸模 型）結果

根據先前所述的模型的可得分析結果如下表「表 六-1：政策理想點與空間 中位數相似性的迴歸分析結果（svylme 套件六個多重填補模型合併結果）」、「表 六-2：政策理想點與空間中位數相似性的迴歸分析結果（robustlmm 套件第一填 補資料集模型結果）」與「表 六-3：政策理想點與空間中位數相似性的無母數迴 歸分析結果（jrfit 套件第一填補資料集模型結果）」所示。³⁰⁵

表 六-1：政策理想點與空間中位數相似性的迴歸分析結果（svylme 套件六個多重填補模型合併結果）

Fixed Effect Estimate(S td.Error)[

CI]

t df

p-value Estimate(S td.Error)[

CI]

t df

p-value

完整模型 精簡模型

(Intercept) -0.029(0.017)

[-0.064 0.006] -1.663 43.808 0.103 0.044(0.012)

[0.02 0.068] 3.665 31.401 0.001 2016 公民

（base=2010 綜 合）

-0.004(0.017)

[-0.041 0.032] -0.267 11.396 0.794 0.002(0.017)

[-0.036 0.04] 0.113 10.492 0.912

305 由於各個套件功能各異，所以一併放上比較，並於表格下方加上說明

群體（base=群體

[0.035 0.106]

Residual 0.3649 0.3658

Number of observations: 3861

註：* p<.05, **<.01 ***<.001；使用 R 語言 svylme 套件 svy2lme 函數估計。標準誤為群集穩健標 準誤（cluster-robust standard error）；套用事後反覆加權權重；多重填補合併使用R 語言 mitools 套件以及R 語言 miceadds 套件 pool.mi 函數（Lumley，2019；Robitzsch＆Grund，2020），

隨機效果部分為第一填補資料集的模型結果；（）內為標準誤；[]內為 95%信賴區間

表 六-2：政策理想點與空間中位數相似性的迴歸分析結果

（ robustlmm 套件六個多重填補模型合併結果）

Fixed

effect Estimate/St d.Error/CI

t-value

df pvalue Estimate/St

d.Error/CI t-value df pvalue

臺灣閩

縣市) 理層別)

Error)/CI t-value p-value Estimate(Std

.Error)/CI t-value p-value 女（base=男） -0.012(0.015)

[-0.042 0.019] -0.760 0.448 -0.017(0.015)

時期2016 公民 Random Effect

Groups 項目 變異數 誤差 項目 變異數 誤差

村里 截距 0.020 0.125 截距 0.021 0.126

Number of obs: 3861

註：* p<.05, **<.01 ***<.001；使用 R 語言 jrfit 套件函數估計。標準誤為三明治穩健標準誤；未

未加權 宗教信仰 23 3313.91 3457.86 -1633.95 3267.91 4.03 1.00 0.04 未加權 年齡＋地理層別 24 3315.87 3466.08 -1633.94 3267.87 0.04 1.00 0.85 未加權 年齡＋宗教信仰 22 3315.94 3453.63 -1635.97 3271.94 2.30 4.00 0.68 未加權 完整模型(未扣減

變項) 30 3317.10 3504.86 -1628.55 3257.10 4.36 1.00 0.04 未加權 年齡 29 3319.46 3500.96 -1630.73 3261.46 2.08 4.00 0.72

加權 宗教信仰＋地理層

別 18 3395.33 3507.99 -1679.66 3359.33 4.18 1.00 0.04 加權 年齡＋宗教信仰＋

地理層別 17 3397.51 3503.91 -1681.76 3363.51 NA NA NA 加權 宗教信仰 23 3399.70 3543.65 -1676.85 3353.70 4.20 1.00 0.04 加權 地理層別 25 3399.87 3556.34 -1674.94 3349.87 4.52 1.00 0.03 加權 年齡＋宗教信仰 22 3401.89 3539.59 -1678.95 3357.89 1.44 4.00 0.84 加權 年齡＋地理層別 24 3402.40 3552.60 -1677.20 3354.40 0.00 1.00 1.00

加權 完整模型(未扣減

變項) 30 3404.14 3591.90 -1672.07 3344.14 4.54 1.00 0.03 加權 年齡 29 3406.68 3588.18 -1674.34 3348.68 1.20 4.00 0.88 註：模型比較過程使用R 語言 lmertest 套件輸出結果；以 AIC 排序；穩健統計方法的 robustlmm

套件不提供AIC、BIC 等模型資訊所以使用 lmertest 套件輸出結果；以第一填補資料集為基 礎

由於本研究主軸重在比較變數間關係，不特重預測及解釋因果關係，因此匯 報完整模型的結果，並以svylme 套件分析結果為基準。

根據三個分析結果綜合比較發現，在群體間斜率部分估計出的係數（係數絕 對值）並未一致且顯著地隨著群體大小遞減或遞增，顯示沒有充分證據證明越小 的群體有越邊緣化的傾向；把其他自變項都以0 帶入後，可以得到群體平均的政 策理想點位置期望值，但也沒有充分證據顯示小群體有邊緣化（y 的期望值隨群 體越小而越小或越大）的傾向：在其他條件固定下，類別自變項全部都以0 帶入 後得出的 y 值是 base group 群體 1 的 y 期望值，群體 1（-0.029）、群體 2（-0.029+0.011＝-0.018）、群體 3（-0.029+0.056＝0.027）、群體 4（-0.029 -0.050＝-0.079）、群體 5（-0.029 -0.023＝-0.052）、群體 6（-0.029+0.013＝-0.016）之間的 差異，由於斜率差別並未達到顯著 ³⁰⁶程度（如果有顯著差異，β係數必須要顯 著不為0，但此處 p 值均>.05），也就代表並無充分證據可支持政策意向會隨著群 體身份而有不同。

根據三個分析結果綜合比較發現，在群體間斜率部分估計出的係數（係數絕 對值）並未一致且顯著地隨著群體大小遞減或遞增，顯示沒有充分證據證明越小 的群體有越邊緣化的傾向；把其他自變項都以0 帶入後，可以得到群體平均的政 策理想點位置期望值，但也沒有充分證據顯示小群體有邊緣化（y 的期望值隨群 體越小而越小或越大）的傾向：在其他條件固定下，類別自變項全部都以0 帶入 後得出的 y 值是 base group 群體 1 的 y 期望值，群體 1（-0.029）、群體 2（-0.029+0.011＝-0.018）、群體 3（-0.029+0.056＝0.027）、群體 4（-0.029 -0.050＝-0.079）、群體 5（-0.029 -0.023＝-0.052）、群體 6（-0.029+0.013＝-0.016）之間的 差異，由於斜率差別並未達到顯著 ³⁰⁶程度（如果有顯著差異，β係數必須要顯 著不為0，但此處 p 值均>.05），也就代表並無充分證據可支持政策意向會隨著群 體身份而有不同。

在文檔中 平等權中政治上無力的概念、理論與測量 (頁 132-0)