國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
第肆章 實證分析
第肆章將區分成三小節，首先第一小節為探索性分析，主要透過問卷資料中 的問題探討是會影響選舉造勢的參與意願，第二小節為主成份分析，目的為把問 卷中各個面向的資料進行維度縮減，找出問項中的線性組合代表該面向的指標，
並根據該指標討論與目標變數之關聯，第三小節會使用平均數檢定，根據各個主 成分的變數結果，討論在不同的參與意願之下，主成分的表現是否有所差異，第 四節為決策樹分析，探究在何種條件下受訪者會願意參與競選造勢活動。
第一節 探索性分析
首先在探索性分析之下，分析各個解釋變數與反應變數(是否願意參與競選 造勢活動)的關聯，詳細敘述如下所示：
一、是否願意參與選舉造勢：首先針對反應變數進行探索性分析，從圖 4-1 中發 現，在 2,000 筆有效樣本當中，不願意參與競選造勢的受訪者比例為 79.1%，人 數偏高接近八成，而願意參與的比例為 20.9%，可見大多數的民眾普遍都不願意 參與選舉競選造勢活動，資料比例如表 4-1。
圖 4-1 是否願意參加選舉造勢 79.1%
20.9%
0.00%
10.00%
20.00%
30.00%
40.00%
50.00%
60.00%
70.00%
80.00%
90.00%
不願意參與選舉造勢 願意參與選舉造勢
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
表 4-1是否願意參與選舉造勢
次數 百分比 不願意參與選舉造勢 1,582 79.1%
願意參與選舉造勢 418 20.9%
總和 2,000 100.0%
二、地區變數：圖4-2為地區變數對是否願意參與選舉造勢的比例折線圖，從圖 中觀察出傳統產業市鎮願意參與的意願比例較高，比例最低為核心都市，願意參 與選舉競選造勢只有14.9%，雖然核心都市的抽樣人數高達442人，但僅有少數人 表示願意參與競選造勢活動。在資料結構方面，傳統產業市鎮的人數偏低為150 人，樣本人數最多的為新興市鎮有525人。
圖 4-2參與選舉造勢意願比例折線圖-地區變數
三、性別變數：圖4-3為性別變數和反應變數的比例折線圖，男女總人數比例約 各半，觀察出男生普遍有較高的意願參與選舉造勢活動，女生的意願普遍較低。
14.90% 19.70% 22.70%
36.70%
18.00%
27.00%
0.00%
5.00%
10.00%
15.00%
20.00%
25.00%
30.00%
35.00%
40.00%
核心都市 一般都市 新興市鎮 傳統產業市鎮 一般鄉鎮 高齡暨偏遠鄉鎮
‧
18.30% 21.10%
27.30% 28.10%
0.00%
‧
17.90% 20.70% 19.70%
25.30%
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
七、教育程度：在教育程度方面，圖4-7顯示教育程度越高參與意願比例反而降 低，而教育程度為其他的民眾參與意願比例最高可達25%，而碩士以上學歷的受 訪者參與意願比例較低，在樣本結構方面高中職學歷人數最多有925人。
圖 4-7參與選舉造勢意願比例-教育程度
八、行業變數：行業變數表現方面如圖4-8所示，人數最多的為製造業共354人，
參與意願比例為28.8%，而用水供應及污染整治業人數較少因此比例偏高，金融 業和住宿餐飲業的參與意願比例約兩成左右。
25.00% 24.40%
23.10%
17.10%
9.70%
0.00%
5.00%
10.00%
15.00%
20.00%
25.00%
30.00%
其他 國中以下(含) 高中職(含) 大學(含) 碩士以上(含)
‧
27.30% 25.90%
0.00%
‧
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
高中職(含) 359(80.30%) 88(19.70%) 447(22.35%) 大學(含) 204(74.70%) 69(25.30%) 273(13.65%) 碩士以上(含) 111(66.90%) 55(33.10%) 166(8.30%) 行業 農林漁牧業 3(75.00%) 1(25.00%) 4(0.20%)
礦業及土石採取業 292(75.60%) 94(24.40%) 386(19.30%) 製造業 711(76.90%) 214(23.10%) 925(46.25%) 電力及燃氣供應業 474(82.90%) 98(17.10%) 572(28.60%) 用水供應及污染整治業 102(90.30%) 11(9.70%) 113(5.65%)
營造業 60(74.10%) 21(25.90%) 81(4.05%) 批發及零售業 6(85.70%) 1(14.30%) 7(0.35%) 運輸及倉儲業業 284(80.20%) 70(19.80%) 354(17.70%)
住宿及餐飲業 4(66.70%) 2(33.30%) 6(0.30%) 資訊及通訊傳播業 4(57.10%) 3(42.90%) 7(0.35%) 金融及保險業 69(72.60%) 26(27.40%) 95(4.75%)
不動產業 105(77.80%) 30(22.20%) 135(6.75%) 專業、科學及技術服務業 36(66.70%) 18(33.30%) 54(2.70%)
支援服務業 113(77.40%) 33(22.60%) 146(7.30%) 公共行政及國防;強制性社會安全 64(84.20%) 12(15.80%) 76(3.80%)
教育服務業 62(75.60%) 20(24.40%) 82(4.10%) 醫療保健及社會工作服務業 16(61.50%) 10(38.50%) 26(1.30%) 藝術、娛樂及休閒服務業 34(85.00%) 6(15.00%) 40(2.00%) 其他服務業 28(77.80%) 8(22.20%) 36(1.80%) 服役前從來沒有工作、兼職或打工過 37(71.20%) 15(28.80%) 52(2.60%) 其他 79(79.80%) 20(20.20%) 99(4.95%) 每月平均收入 無收入 162(81.00%) 38(19.00%) 200(10.00%)
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
2 萬元以下 468(83.70%) 91(16.30%) 559(27.95%) 2 萬元以上到 4 萬元 633(78.60%) 172(21.40%) 805(40.25%) 4 萬元以上到 6 萬元 216(72.70%) 81(27.30%) 297(14.85%) 6 萬元以上 103(74.10%) 36(25.90%) 139(6.95%) 子女數量 0 人 162(81.00%) 38(19.00%) 200(10.00%)
1 人 468(83.70%) 91(16.30%) 559(27.95%) 2 人 633(78.60%) 172(21.40%) 805(40.25%) 3 人 216(72.70%) 81(27.30%) 297(14.85%) 4 人以上 103(74.10%) 36(25.90%) 139(6.95%)
十、傳播媒體變數：
表 4-3 為傳播媒體變數評量之相關係數，顯示五個傳播媒體之間變數仍有相 關性，其中傳播_2 和傳播_3 的相關係數達 0.223，顯示網路新聞和雜誌的閱讀頻 率有顯著的正相關，閱讀雜誌頻率較高的受訪者閱讀網路新聞的頻率也較高，而 傳播_1 和傳播_4 的相關係數為 0.191，說明報紙與廣播的接觸頻率也呈現正相關，
即較高的閱讀報紙頻率其廣播的收聽頻率也較高。
表 4-3 傳播媒體評量變數之相關係數
傳播_1 傳播_2 傳播_3 傳播_4 傳播_5 傳播_1 1.000
傳播_2 0.038 1.000
傳播_3 0.156 0.223 1.000
傳播_4 0.191 0.036 0.079 1.000
傳播_5 0.129 (0.009) 0.019 0.135 1.000
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
圖 4-10 為傳播媒體變數的參與選舉造勢意願盒鬚圖，目的想找出不同參與 意願下的傳播行為，發現願意參與競選造勢活動的受訪者看報紙、聽廣播和看電 視的頻率較高，明顯高於不願意參與的受訪者，推論願意參與選舉造勢活動的受 訪者當中對於報紙、廣播和電視的接觸較為頻繁，而未參與選舉造勢活動的受訪 者較常接觸網路新聞，接觸頻率明顯高於願意參與選舉造勢活動的受訪者，因此 從傳播媒體方面即可發現不同行為的民眾其主要接觸的傳播方式也不太相同，之 後會根據傳播媒體變數進行後續的模型分析。
圖 4-10 參與選舉造勢意願盒鬚圖-傳播媒體變數
十一、社交行為變數：表 4-4 為社交行為變數的相關係數表，明顯發現這 11 個 社交行為變數之間有顯著的線性相關，其中社交_5 和社交_6 之間的相關係數為 0.505，顯示兩者有高度相關性，代表受訪者若能在第一時間找到求助對象與臨 時需要有人幫忙照顧家裡有顯著的關聯，為了避免過多變數增加模型的複雜度，
之後會在眾多的社交行為評量變數當中，進行主成份分析，目的為變數縮減找出 其線性組合之變數，代表社交行為評量的總指標，之後會在比較社交行為之主成
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
分與參與意願之關聯比較。
表 4-4 社交行為評量變數之相關係數
社交_1 社交_2 社交_3 社交_4 社交_5 社交_6 社交_7 社交_8 社交_9 社交 _10
社交 _11 社交_1 1.000
社交_2 0.616 1.000
社交_3 0.070 0.072 1.000
社交_4 (0.037) (0.054) 0.204 1.000
社交_5 0.201 0.272 0.021 0.024 1.000
社交_6 0.137 0.184 (0.056) 0.003 0.505 1.000
社交_7 0.250 0.262 0.065 0.014 0.309 0.366 1.000
社交_8 0.170 0.202 (0.033) (0.056) 0.274 0.300 0.278 1.000
社交_9 (0.171) (0.228) 0.279 0.227 (0.147) (0.166) (0.083) (0.224) 1.000 社交
_10
0.341 0.360 (0.001) (0.068) 0.292 0.235 0.265 0.460 (0.271) 1.000
社交 _11
0.149 0.160 (0.016) 0.014 0.180 0.194 0.176 0.466 (0.134) 0.360 1.000
十二、特人特質變數：表 4-5 為個人特質評量變數的相關係數，其中可發現眾多 評量當中存在相當高的共線性，部份變數之間的相關係數甚至可達 0.4 以上，例 如個人_2 和個人_3 的相關係數高達 0.569，意即善於解決新問題與抽象性思考兩 者具有高度相關的特性，之後為了避免共線性影響模型的判斷結果，會計算個人 特質之主成分代表眾多個人特質變數，以降低模型的複雜程度，下一步再進行個 人特質之主成分與參與意願之比較。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
表 4-5 個人特質評量變數之相關係數
個人_1 個人_2 個人_3 個人_4 個人_5 個人_6 個人_7 個人_8 個人_9 個人_10 個人_1 1.000
個人_2 0.638 1.000
個人_3 0.506 0.569 1.000
個人_4 0.364 0.462 0.479 1.000
個人_5 0.368 0.418 0.459 0.707 1.000
個人_6 0.145 0.134 0.123 0.158 0.155 1.000
個人_7 0.051 0.030 (0.001) 0.038 0.008 0.125 1.000
個人_8 0.311 0.366 0.308 0.426 0.410 0.188 0.234 1.000
個人_9 0.070 0.064 0.080 0.131 0.151 (0.001) 0.196 0.108 1.000
個人_10 0.043 0.040 0.023 0.015 (0.009) 0.024 0.034 0.082 (0.028) 1.000
十三、公民素養變數：在公民素養方面，表 4-6 為相關係數之結果，顯示各個變 數之間存在高度相關性，如公民_4 和公民_5 之間的相關係數為 0.557，兩者呈現 高度正相關，說明參與地方性質集會與參與政治性社團活動兩者變動方向相同，
具有高度共線性，為了避免模型配適的複雜度之後會進行主成分分析，對這些變 數進行線性組合，找出總指標代表眾多公民素養的評量變數，下一步會再進行公 民素養之主成分與參與意願之關連比較。。
表 4-6 公民素養評量變數之相關係數
公民_1 公民_2 公民_3 公民_4 公民_5 公民_6 公民_7 公民_8 公民_9 公民_1 1.000
公民_2 0.496 1.000
公民_3 0.322 0.418 1.000
公民_4 0.286 0.403 0.724 1.000
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
公民_5 0.313 0.526 0.512 0.577 1.000
公民_6 0.313 0.496 0.450 0.480 0.581 1.000
公民_7 0.309 0.487 0.388 0.402 0.529 0.764 1.000
公民_8 0.282 0.211 0.271 0.258 0.150 0.320 0.301 1.000 公民_9 0.066 0.007 (0.002) (0.023) (0.015) (0.059) (0.043) 0.072 1.000