第五章 影響選民投票穩定與變遷的因素
第一節 影響選民藍綠黨派投票的因素
在前一章的初步分析中，已可大體看出選民在這兩次立委選舉，有明顯的藍 綠「聯盟投票」傾向，分析結果顯示，多數大黨支持者皆忠誠於自己的偏好，在 兩次選舉都穩定地投票給大黨，至於 SNTV 選制下支持小黨的選民，在新選制 MMM 下則選擇支持同一陣營的大黨。換言之，在這兩次選舉中，選票的流動主 要是在同一黨派聯盟間不同政黨的變遷，因此在本節選民投票抉擇的變數建構 上，只依投票對象之藍綠屬性區分為「泛藍」與「泛綠」兩類。此種簡化為藍綠 兩類的作法，一方面符合初步分析中所呈現之選民藍綠聯盟投票的傾向，另一方 面在統計模型的分析上，也可避免因部分小黨的個數過少而類別太多，所造成整 體模型係數估計的偏誤。
在分析模型的建構上，48研究選民的投票行為較佳的方式，是將其視為是在 一 總 體 制 度 結 構 （ macro-level institutional structure ） 下 的 個 體 層 次 行 為
（micro-level behavior），第三章之圖 3-2 即是呈現此種總體制度與個體行為間的
「階層結構」關係，選區之下是個別的選民，而每個選民在兩次立委選舉中共有 三張選票，形成一種階層性的「套疊結構」（nested structure）。近年來逐漸蓬勃 發展的多層勝算對數模型（multilevel logit model）正是適合用來分析此種套疊結 構主題的研究方法（Rabe-Hesketh and Skrondal, 2008; Raudenbush and Bryk, 2002;
Train, 2003）。因此本節在推廣線性模型的基礎之上，參考 Huang and Lin（2009）
的研究架構，建立一個「二層勝算對數模型」（two-level logit model）來探討影響 選民藍綠黨派投票的因素。第一層（Level 1）是選民在這兩次選舉擁有的三張選
48 本節的分析架構，乃參考自 Huang and Lin（2009）的分析模型，並補充該文中未包含的其他 變數。此模型之建構與詮釋，皆受益於黃紀教授的指導與建議，作者表達由衷感謝。
票，以 i 來表示；第二層（Level 2）則是個別的選民，以 j 來表示。建立此二層 勝算對數模型的步驟如下：
1.隨機成分（random component）：
選民在兩次立委選舉的黨派投票對象作為依變數，並且只分成泛藍與泛綠兩 類。假定選民投票給泛藍陣營的機率為 πij，則投票給泛綠陣營的機率即為
(
1−πij)
（亦即以泛綠陣營為參照類），此依變數的機率分佈將是一個二分類「伯 努利機率分佈」（Bernoulli distribution），其機率函數可寫成：( )
ij(
ij)
yij2.連結函數（link function）：
在勝算對數模型中，是以 logit 作為連結函數，將投票泛藍陣營之機率 πij 以 及投給泛綠陣營之機率
(
1−πij)
，兩者的勝算比（odds ratio）再取對數（log），使其成為線性的系統成分（linear systematic component） ηij。目的在於透過 logit link，將機率 πij 轉換成為線型的形式。
3.系統成分（systematic component）：
透過 logit link 的轉換之後，ηij所代表的系統成分就成為線性型式的方程
若假定不同選票（
W
1ij）之影響本身也是一種機率分佈，而 γ0j 則捕捉個人層 對數模型（random coefficient logit model），此模型中不僅個體層次之 Level 2 中 的誤差項u
0j 是一個機率分佈為常態分配（normal distribution）的隨機截距 (random intercept)，Level 1 方程式之選制變數（SMD 選票）的斜率 γ1j 也具有 一個呈常態分配的機率分佈，其平均效果為 β10，而變異數則為 τ 。將 Level 111與 Level 2 的兩個方程式加以合併後，即可得到一個包含有固定效果（fixed effect）
與隨機效果（random effect）的「混合效果模型」（mixed-effect model），可寫成 如下列式子： likelihood ratio (LR) test 來進行檢證，以決定採用哪一個模型較為適當。
首先，若假定二層隨機係數勝算對數模型（two-level random coefficient logit model）的兩個誤差項為相互獨立（亦即τ01 =τ10 =0），則整體模型的分析結果 控制（self control），而可得出此一自變數真正的影響效果。但實際上卻往往不是
如此，因為儘管研究者依據相關學理，盡可能地將會影響依變數的自變數放入模 型，但仍無法避免可能遺漏其他未能觀察到或未被測量的個體層次變數（omitted subject-level variables），而這些變數可能會與
u
0j 產生關連，而對如 X10ij 與 X11ij之類的自變數估計造成影響。而透過上述以組內平均數與組間平均數代替原始變 數放入模型中，可避免估計偏誤的狀況（Mundlak, 1978; Neuhaus and Kalbfleisch, 1998）。對於係數 βW的詮釋，可將其視為是同一個體在不同時間點的自變數效 果（within-subject or longitudinal effect），而 βB的係數詮釋則可視為不同個體間 的變數效果（between-subject or cross-sectional effect）（Rabe-Hesketh and Skrondal, 2008: 115）。經由檢定虛無假設（null hypothesis）
H
0:βW =βB，若拒絕此一虛 無假設，則代表在模型中應保留此二項估計，若未能拒絕此一虛無假設，則模型 中只要放入原本的變數即可。在表 5-1 的二層隨機係數勝算對數模型中，對扁政府施政評價及對立法院表 現評價這兩個變數，皆分別拆解為「組間平均數」（βW）與「組內平均數」（βB） 兩者加以估計。統計分析的結果顯示，就個別係數的統計顯著性而言，都只有組 內平均數之係數具有統計上的顯著性，進一步分別檢定這兩個變數的虛無假設：
B
H
0 :βW =β 。在對扁政府施政評價這個變數上，針對 βW =βB 的檢定結果呈 現 Z=-2.57，p 值為 0.010，在 95%信心水準的標準下具有統計上的顯著差異，亦 即拒絕此一虛無假設，因此同時保留此二者在模型中是較佳的方式。至於在對立 法院表現評價上，檢定結果顯示 Z=1.41，p 值為 0.160，並不具有統計上的顯著 差異，因此無法拒絕 βW =βB的虛無假設，亦即在模型中只要放入原本對立法 院評價的變數即可。依據上述的結果，選民對立法院表現評價這個變數，直接以原本的連續變數 帶入模型，再重新進行一次模型係數的估計，模型分析結果如表 5-2 的 Model 1。
至於表 5-2 的 Model 2 則是進一步放寬
u
0j 與u
1j 這兩個隨機誤差項為相互獨 立的假定，容許兩者之間存有相關性，再重新估計模型的係數。兩個模型分析的 結果，在相關變數對依變數影響的顯著性上，兩者有高度一致性，只是在估計係 數上有所差異，何者較適合作為最後的解釋模型，則可用 likelihood ratio (LR) test 來加以檢定。兩個模型的 LR test 結果顯示，LR X2為 4.06（p=0.0439 < 0.05），在統計上具有顯著性，因此本節將選擇 Model 2 作為最後的解釋模型。
【表5-1】二層隨機係數勝算對數模型：組內與組間效果的檢測 泛藍 vs. 泛綠
ˆβ (s.e.) exp(ˆβ)
SMD 選票 (參照類：SNTV and PR) 0.548 * (0.273) 1.730
性別 (參照類：女性)
男性 0.582 $ (0.298) 1.790
年齡 0.019 (0.013) 1.020
教育程度 (參照類：低：小學及以下)
中：國初中與高中職 -0.783 $ (0.427) 0.457
高：專科與大學以上 -0.274 (0.495) 0.760
省籍 (參照類：本省閩南人)
本省客家人 -0.170 (0.414) 0.844
大陸各省市人 0.716 (0.563) 2.046
政黨認同 (參照類：其他政黨及中立者)
國民黨 3.053 *** (0.465) 21.181
民進黨 -3.149 *** (0.466) 0.043
新黨 0.864 (0.896) 2.373
親民黨 3.368 ** (1.256) 29.034
台灣團結聯盟 -2.211 ** (0.812) 0.110
統獨立場 (參照類：偏向獨立)
偏向統一 1.632 ** (0.552) 5.117
維持現狀 0.986 ** (0.354) 2.680
族群認同 (參照類：中國人)
台灣人 -0.232 (0.715) 0.793
都是(是台灣人也是中國人) 0.758 (0.715) 2.134
政治信任感 (平均分數 1~4) -0.706 * (0.310) 0.494 對扁政府施政評價 (非常不滿意=0; 非常滿意=10)
組間平均數 -0.075 (0.133) 0.927
組內平均數 -0.463 *** (0.093) 0.630
對立法院表現評價 (非常不滿意=0; 非常滿意=10)
組間平均數 -0.060 (0.180) 0.942
組內平均數 0.216 * (0.084) 1.242
所屬選區 (參照類：北基宜)
桃竹苗 0.845 $ (0.494) 2.329
中彰投 0.146 (0.393) 1.157
雲嘉南 -0.411 (0.395) 0.663
高屏澎 -0.687 (0.447) 0.503
花東 1.557 (1.477) 4.746
常數 1.195 (1.249) 3.304
【表5-1】二層隨機係數勝算對數模型：組內與組間效果的檢測(續上頁) Random
intercept SMD Random
intercept
1.508 (0.378)
0
SMD 0 4.008
(0.414)
Sample size = 901
Number of observations = 1,846 Whole Model:
Log Likelihood = -379.56368 Wald test X2 =91.42, df=26,
p<0.001
資料來源: TEDS 2004L and 2008L
說明: ***: p<0.001; **: p<0.01; *: p<0.05; $: p<0.1
【表5-2】二層隨機係數勝算對數模型：誤差項有無相關的檢測
【表5-2】二層隨機係數勝算對數模型：誤差項有無相關的檢測(續上頁)
intercept SMD Random
intercept SMD Random
Model 1: Log Likelihood = -380.61566 Wald test X2 =97.20, df=25, p<0.001 Model 2: Log Likelihood = -378.58623
Wald test X2 =170.43, df=25, p<0.001
Model 1 與 Model 2 的 likelihood ratio (LR) test: LR X2: 4.06, df=1, p=0.0439 資料來源: TEDS 2004L and 2008L
說明: ***: p<0.001; **: p<0.01; *: p<0.05; $: p<0.1
就選制因素而言，兩次選舉不同的選票類型是否會對選民的藍綠投票有所影 響？新舊選制下的三張選票，就結構而言 SNTV 與 PR 選制都是屬於複數選區，
而 SMD 票則是選舉單一席次，因此本節在模型中放入一虛擬變數，來估計新選 制下 SMD 選票對選民投票的影響效果。表 5-2 之 Model 2 分析結果指出，SMD 選票的效果具有統計上的顯著性，在控制其他條件不變的情況下，平均而言，相 對於 SNTV 與 PR，選民在 SMD 中投票給泛藍陣營是投給泛綠陣營的 1.660 倍
［=exp(0.506)］，顯示在 2008 年新選制下的單一選區 SMD，選民有更高的機率 投票給泛藍陣營。此一結果大體可呼應前一章以交叉分析表得出之結果，從前章 的初步分析已可看出，在兩次選舉中，民進黨相較於國民黨有較高的投票變遷 率，且 2004 年民進黨支持者在 2008 年新選制 SMD 票中支持國民黨的比例高達 22.7%，甚至台聯支持者也有 19.5%在 SMD 中投票給國民黨，但原國民黨支持者 在 SMD 中轉而支持民進黨的比例則僅 8.9%。因此整體而言，SMD 中選民支持 泛藍陣營（亦即國民黨）的機率是高於投給泛綠陣營，在表 5-2 的模型中更進一 步得到檢證。更進一步來看，在模型中 SMD 選票的效果在不同選民中的影響力 也有很大的差異，如 Level 2 的第二式所示，SMD 效果的係數 γ1j 本身是一個 機率分佈，而 β10 是屬於系統成分，因此其變異主要是來自於誤差項
u
1j，在 95%信賴區間之下是介於 0.656 與 4.506 之間，取自然對數之後其值介於 1.927［=exp(0.656)］與 90.559［=exp(4.506)］，此一廣大的變異區間反映出當估計 SMD 選票的效應時，必須將選民之間的異質性加以納入考量。
此外，就個人背景特徵變數而言，年齡與省籍因素對於選民之投票選擇並無 統計上的顯著差異。性別變數方面，男性選民較女性選民更傾向於投票給泛藍陣 營，男性投票給泛藍陣營相對於泛綠陣營的相對機率，是女性的 1.742 倍。中等 教育程度者（國初中與高中職），相較於低教育程度者（小學及以下），則較不傾 向投票給泛藍陣營，不過此分析結果僅在α=0.1 的標準下具有統計顯著性。選民 所屬的選區對選民投票可能之影響，結果顯示在α=0.1 的情況下，桃竹苗選區的 選民較北基宜的選民，更傾向投給泛藍陣營。
在選民心理態度因素方面，一如過去相關學理論述所強調，選民政黨認同仍 舊是影響其投票選擇非常重要的因素。相較於其他小黨及無政黨認同者，國民黨 認同者與親民黨認同者，都更傾向於投票支持泛藍陣營。就國民黨認同者而言，
其投票支持泛藍陣營相對於泛綠陣營的勝算比（odds ratio），是無政黨認同者的