委員提案多樣性—負二項迴歸分析

單以描述統計是無法證明那一個變數都會真正的影響提案的多樣性。因此，本研究 更進一步以負二項迴歸進行分析。在表16 當中，以沒有清除極端值 202 位委員進行分 析，以在表17 則以清除極端值的 199 人為分析，藉此比較兩者的影響差異。當中，在 每個迴歸分析中都會放入三個模型，其自變數都相同，唯一不同的地方在於採用不同政 黨為參照組，第一模型為總體樣本，第二模型是民進黨，第三模型為在野黨。作者所以 同時呈現這三模型的目的，是希望除了以總體的角度來分析外，更能聚焦到不同的政黨 上來觀察各自政黨有哪些因素會影響提案的多樣性。另外，在每一個模型中也會有三個 依變數，包括總提案的子議題數、跟著行政院提對案的子議題數以及自主提案的子議題 數。

在表 16 的模型一顯示，區域立委在三個模型中，不論是總提案的子議題數，跟著行政 院提案的子議題數及自主提案的子議題數上，都是達統計上的顯著水準，說明區域立委 比起原住民及不分區在提案所涉及的政策領域較多。其次，具有統計上的顯著水準的變 數包含了執政黨立委與曾擔任過地方公職。先說明執政黨立委，其為負顯著，即是執政 的民進黨立委在三類的提案多樣性都會比在野黨低。接著是曾擔任過地方公職的立法委 員，他們在三個依變數都是達到負的統計上的顯著水平，這說明曾擔任過地方公職的立 法委員在不同的提案子議題數上都會比沒有擔任過地方公職的立法委員來得少。除了上 述變數外，其他變數一律沒有達到統計上的顯著水平。

其次，在表16 的模型二，以民進黨立法委員為參照組，可以發現區域立委、立委 專業程度及委員學歷是大學以上都是達到統計上的顯著水準。與模型一相比只有大學以 上及地方公職是有差異。在民進黨立委為參照組時，地方公職不具統計上的顯著水準。

另外，當民進黨立法委員具大學以上學歷時，他們在提案的子議題與自主提案中是呈負

學歷的民進黨立委所關注的政策領域比較少，特別是自主提案方面。第三，以在野黨為 參照組，可以發現區域立委與模型一與二都是具統計上的顯著水準，另外大學以上與曾 擔任過地方公職的變數都是達到統計上的顯著水準。至於其他變數都不具統計上的顯著 水準。

第二，在表17 以清除極端值的 199 位立法委員進行第二次負兩項迴歸分析，並欲 與上文未清除極端值的迴歸分析進行比較。在新的分析中，可以發現在所有模型中，區 域立委不論是總提案，跟著行政院提案及自主提案的多樣性上都比不分區立委與原住民 多，這與表16 結果一致。另外，執政黨變數結果也與表 16 結果相約。兩套迴歸分析的 差異比較明顯是在於立委專業程度，在清除極端值的199 位立法委員樣本的分析中，其 在模型一（總體）與民進黨模型是達統計的顯著水準。這可說明具專業背景的立委，特 別是民進黨籍的立委其提案多樣性會是比非具專業背景的立委多。另一明顯的差距在於，

在清除極端值樣本的分析中，地方公職變數在模型一是不顯著，而地方民代則具統計的 顯著。這可以解釋曾擔任地方民代，包括縣市議會的立委，在提案的行為上會聚焦在更 廣泛的政策，這可能因為過去地方的經驗，使其在擔任立委時除了關注過去地方的需要 外，更因為擔任立委之故有時也需要考量全國人民的需要，因此其提案多樣性會較高。

最後，以整合分析來觀察，第一、區域立委不論是總提案，跟著行政院提案及自 主提案的子議題數量上都比不分區立委與原住民多，這是符合本研究的假設二。這樣就 明區域立委所關心的政策領域都會比較多與廣，造成這結果的原因有可能是因為區域立 委的選民結構不一樣，為了選區的利益而提出更多樣的政策，以滿足選區的需要。第二，

執政黨在總提案，跟著行政院提案及自主提案的子議題數量上都比在野黨低，這也符合 本研究的假設四。第三，在清理極端值的分析中，立法委員若有專業背景，其在提案子 議題的總數與自主提案的子議題數都是顯著，而跟著行政院提對案的子議題數則不顯著，

這符合部分的假設六。另外，若以執政黨與在野黨作比較，可以發現，立委的專業背景 會影響民進黨立委的提案多樣性會比較低，而在野黨的模型中則不顯著。

表16：提案數量—負二項迴歸分析（202 樣本）

說明：雙尾檢定：*=p<0.1：**=p<0.05：***=p<0.01。括號內的數值為標準誤（standard error）

表17：提案數量—負二項迴歸分析（199 樣本）

說明：雙尾檢定：*=p<0.1：**=p<0.05：***=p<0.01。括號內的數值為標準誤（standard error）