空間迴歸模型

表 四-3 空間迴歸模型的結果，根據表 四-4 表現較佳的 SLM 模型結果整理理，

總統、立立委、市長選舉得票率率率 SLM 顯著的項目有人口密度度(―─)、高等教育人口比 (┼)、第一級產業人口比(―─) 、扶養比(┼)、眷村有無(┼)和社區住宅宅有無(┼) 等六六項，而議員選舉得票率率率 SLM 顯著的有自有住宅宅人口比(―─)和扶養比(┼)等兩兩 項，結果與前述 OLS 模型差距不不大。在控制了了空間變數數ρ後，總統、立立委、市長 選舉 SLM 模型中在籍工作比不不再顯著，而議員選舉 SLM 模型則是收入不不再顯著，

代表上述兩兩項自變數數其實沒有 OLS 模型所預測強烈烈的影響力力，空間變數數ρ才具有 影響選舉結果的能力力。

接著我們將焦點轉移到 SEM 模型上，總統、立立委、市長選舉得票率率率 SEM 模型 顯著的項目有自有住宅宅比(―─)、高等教育人口比(┼) 、扶養比(┼)和眷村有無 (┼)等四項，而議員選舉得票率率率 SEM 模型顯著的有有自有住宅宅人口比(―─)和扶養 比(┼)等兩兩項。總統、立立委、市長選舉 SEM 跟 SLM 模型的差距較大，在加入λ之 後，人口密度度跟社區住宅宅變得不不顯著，自有住宅宅比反而變顯著，表示λ取代了了人 口密度度跟社區住宅宅的解釋能力力，同時又凸顯了了自有住宅宅比的解釋力力，然而議員選 舉 SEM 跟 SLM 模型顯著項目則完全相同。由於 SEM 和 SLM 模型解釋有部分差異異，

該採信何者，則要選擇迴歸模型配適度度較高的那個。

談到 SLM 與 SEM 模型的迴歸模型配適度度，不不同於最小平方法的 OLS 模型，使 用最大概似法的 SLM 與 SEM 模型之 R 平方並不不代表可解釋百分比，沒有所謂 R 平 方越大，配適度度越佳的說說說法，僅能當做參參考。Akaike info criterion 與 Schwarz criterion 值反而比較有必要注意，此二值皆是越小越好，雖然 SLM 模型和 SEM 模型的 AIC 和 SC 值都都不不大，符合我們的預期，但比較起來來還是總統、立立委、市 長選舉 SLM 的數數據比較漂亮亮，議員則是 SEM 模型好一些，不不過議員選舉 SLM 和 SEM 模型結果沒有太大差距，再加上 OLS 模型檢驗中推薦使用 SLM 模型的結果建

66

67

68

Moran’＇s I 值都都是 0.30，而 SLM 模型的 Moran’＇s I 值則分別是-0.08、-0.03，

透過蒙地卡羅羅模擬得到的 p 值均無法拒絕虛無假設，代表是空間隨機，而圖 四-4SLM 和 SEM 殘差 LISA 圖很明顯因為空間變數數的加入而改善了了空間聚集的現 象，被低估的紅區和被高估的藍藍區明顯減少，相當接近常態分配，代表加入空間 變數數的 SLM 模型的確比 OLS 模型更更具有解釋能力力。

基隆隆市藍藍營總統、立立委、市長選舉平均得票率率率 SLM 模型殘差標準差圖

基隆隆市藍藍營議員選舉平均得票率率率 SLM 模型殘差標準差圖

基隆隆市藍藍營總統、立立委、市長選舉平均得票率率率 SEM 模型殘差標準差圖

基隆隆市藍藍營議員選舉平均得票率率率 SEM 模型殘差標準差圖 圖 四-3SLM 和 SEM 模型殘差標準差圖

69 基隆隆市藍藍營總統、立立委、市長選舉平均得票率率率

SLM 模型殘差 LISA 圖

基隆隆市藍藍營議員選舉平均得票率率率 SLM 模型殘差殘差 LISA 圖

基隆隆市藍藍營總統、立立委、市長選舉平均得票率率率 SEM 模型殘差 LISA 圖

基隆隆市藍藍營議員選舉平均得票率率率 SEM 模型殘差殘差 LISA 圖 圖 四-4SLM 和 SEM 殘差 LISA 圖

70