第四章 研究設計及變數建構
第三節 變數說明與測量
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
在第一階段中選的法案中，有些提案內容與環境議題並無相關，若將這類樣本納 入，會導致錯誤推論，因此，若有這種情形發生，應將該筆提案予以刪除。第二 階段則要找出因為第一階段篩選方式而造成的漏網提案，處理的方式為仔細檢閱 本屆所有提案的關係文書，瞭解提案的案由以及修法說明，若在關係文書中，提 到修法用意是為環境保護、維護環境、永續發展、防止污染、水土保持或生態保 育等的關鍵字或關鍵語句，22便將提案納入資料中，避免因為單以法案名稱進行 判斷的武斷方式，錯誤的將與本研究無關的資料納入分析，希望透過兩層不同強 度的交叉篩選，讓本研究所需要的資料能夠更完整的被蒐集到。23
在蒐集完所有與環境議題有關的提案後，將提案名稱依序鍵入活頁簿，並自 立法院國會圖書館網站，一併搜集提案編號、法律名稱、法律編號以及提案日期；
接著，則是針對研究所需要的自變數，進行數據的編碼登錄，包含提案類型(判 定提案是對環境是正向或負向影響)、新聞報導筆數(利用立法院新聞知識管理系 統)；最後，則是處理本研究的依變數資料，包括主提案人數、連署人數、提案 與連署人數總合、提案來源、審議總計時間(以天數為單位)、三讀通過與否，以 完成資料分析所需的數據。以下將接著說明各個變數的意義與如何測量。
第三節 變數說明與測量
一、自變數
本文的自變數主要有兩個，分別為提案類別與媒體報導多寡。關於辨別提案 是屬於對環境有正面影響或對環境有負面影響的方式，筆者會採用內容分析法
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
(Content Analysis)，24修正提案若是比現行條文更加嚴謹則屬於有利環境，可以 透過關係文書內的提案主旨，和提案條文修正說明的內容進行判斷，例如：本法 的提出是基於永續發展…、為了達到生態保育的目的…，或是由於空氣污染已危 害當地居民的身心健康，須提出有效的環境改善方式…等，即判定為對環境有正 面影響。至於負面影響的部分，修正提案若是比現行條文的規定更加鬆散或開 放，則屬於不利環境，它可能會以開放水庫管制區，或是放寬改善年限等文字，
出現在提案條文中，此外，由於損害環境的提案，它究竟是以何種形式對環境產 生負面影響，並不會一字一句皆清楚的被寫進提案內，因此筆者也會透過新聞報 導內容的文字敘述，多方參考提案本身對環境的實際效益。在過錄提案類型的資 料時，以1 代表對於環境有利、以 2 代表對於環境不利。
在判別媒體報導多寡的部分，它的測量會採用新聞的筆數和報導時間。必須 事先說明的是，雖然本研究是以提案為分析單位，但新聞筆數資料的檢索將以法 案為單位。其原因在於：即便是屬於同一個法案的提案，本研究的四個依變數，
在每一筆提案的參與人數、總提案數、審議時間和三讀情形的表現都不盡相同，
因此以提案為分析單位；然而，若新聞筆數用提案名稱來檢索，卻只會有假象的 結果出現，無法反應媒體對環境類法案報導的真實情形和影響程度，而且以提案 名稱加上提案人姓名的檢索方式，更是無法在系統內搜尋出任何結果。基於前述 原因，筆者在新聞筆數的變數測量決定採以法案為單位，雖然此種操作會對研究 有些許影響，但不至於太嚴重或差異太大。再者，若整個研究以法案為單位，會 使得樣本數減少許多，在樣本數驟減的情況下，將法順利地對數據進行分析，更
24 透過量化的技巧和質的分析，以客觀和系統的態度對文件內容進行研究和分析，亦稱為資訊 分析(informational analysis)或文獻分析(documentary analysis)。它是一種具有量化色彩的研究方 式，主要是從現成的資料著手，例如：從現有的相關文件及檔案中，蒐集所需資料。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
會因此把同一法案內不同提案本身存有的差異性混為一談，這些結果並非本研究 能樂觀待見的。
在瞭解到新聞筆數為什麼是以法案為單位進行查詢後，下文將繼續說明新聞 筆數的來源。本研究之新聞筆數資料全部取自立法院新聞知識管理系統，該系統 的資料主要是蒐集自各大平面報紙的報導，對所有新聞媒體釋出的報導內容，其 涵蓋率高，此外，它不僅針對法案做長期的追蹤整理，也提供各年度前五十大法 案的資訊，更附有法案趨勢圖，方便依照年份查詢，以進行資料編碼，若必要時，
新聞筆數也可以以百分比的方式呈現。至於關於新聞筆數的檢索標準，筆者的方 式是進入系統內關鍵詞查詢的進階查詢，在新聞全文的欄位輸入條件後，即可得 到相關資訊。簡單地說，若欲查詢《工廠管理輔導法》的新聞筆數，在新聞全文 欄位上鍵入法案名稱即可得到對應的新聞筆數。
由於查詢時可採用布林邏輯(Boolean Algebras)的組合符號，25例如：AND、
OR、NOT，26因此可預期的是，在關鍵詞使用上，以《工廠管理輔導法》AND 立法院的字眼進行搜尋，和僅鍵入《工廠管理輔導法》，兩者新聞筆數的搜尋結 果會有所差異，前者的方式可以較精確地涵蓋到與該法案高度密切相關的內容，
後者則是只要與工廠管理輔導法有關的新聞都會納入。然而，實際操作後，筆者 發現大多數被納入的樣本，不論有無添加立法院的字眼，新聞筆數搜尋的結果的 確存在差異，但差異極為微小，不至於影響研究結果。因此，為了避免查詢時的 繁瑣，本研究新聞筆數的檢索標準，採用較為寬鬆的標準，也就是只輸入法案名 稱，不設定多餘的篩選條件，但這並不代表只要搜尋出來的新聞筆數，筆者皆全
25 布林邏輯是資料庫查詢系統的主流(李映璇 2002)。
26 不同的邏輯運算元各有不同的代表意義，若以數學方式來說明的話，AND 代表兩者的交集
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
盤接受，因為透過新聞標題仍然能夠簡易地辨別出內容與法案無關的新聞，若遇 此種情形時，則直接扣除該筆新聞之計算。
關於新聞報導的時間測量部分，時間的查詢起點是提案日的前三個月，終點 是提案的三讀當日，若是未三讀通過的法案，則以屆期結束當天為終點日。除了 以文字說明之外，筆者也將蒐集新聞報導起、終點的時間軸繪製如下：
資料來源：作者自行繪製
圖
4- 1 新聞報導筆數蒐集之時間軸
在時間測量上，會如此設定的原因是因為，若我們單純的以提案日為起始 點，便無法測量到媒體報導對立法行為造成的影響，但若是往前觀察三個月，便 可以知道當媒體沒有報導時，立法委員是否真的對於議題的關注度不高，甚至出 現議題完全沒有受到注意的情況，又或者是不是一旦媒體開始大幅報導後，立法 院的提案也會跟著增加。在過錄新聞報導筆數時，查詢後呈現幾筆報導數，便於 編碼簿上如實登錄，若是無任何新聞報導筆數，則紀錄為0。
另外，雖然本文認為媒體報導的多寡會影響立法行為，但當不同類別的環境 法案碰上媒體報導的多寡後，也可能會影響政策制定者在提案上的表現。換句話 說，亦即，不論是有利於環境或不利於環境的法案，在媒體報導多和寡的情形下，
都會對提案參與者、提案總數、審議時間，以及三讀與否有不同的影響。因此，
進行分析時，需要將每一組自變數對依變數影響的結果，分成有利環境與不利環 境兩個區塊做討論。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
二、依變數
(一) 提案人與連署人數
提案人與連署人數為連續變數，兩者的計算將透過立法院議事及發 言系統的法律提案及進度進行計算，系統內的關係文書，便清楚列出主 提案人與連署提案人數，屆時，亦可依照研究的需要，自行對兩者進行 簡單的相加運算。編碼登錄時，若是屬於委員各別提案，則依照每個提 案文書內所顯示的人數做登錄、若是屬於政府機關或政黨黨團提案，則 在提案人欄位一併登錄為1，連署人數則為 0。
(二) 總提案數
提案是立法的首要步驟。提案可能來自不同立法委員提案、不同政 黨黨團提案，以及政府機關提案。資料亦蒐集自立法院的法律提案及審 議進度系統。雖然每個立法委員對於同一筆條文，一定會有不同意見與 修法立場，但它仍然屬於同一法案下的提案數，例如：水污染防治法第 四十條有多位立法委員提出修正草案，但這些提案仍同屬於《水污染防 治法》，因此，在編碼簿上過錄時，計算出修正草案同屬於水污染防治 法若有23 筆提案，則登錄為 23。
(三) 審議時間
在審議時間測量的部分，將細分成有三讀通過與未三讀通過兩種資 料，目的是為了以後資料取用方便，時間的計算則參考立法院法律系統 的立法歷程，該系統提供每筆提案從進入一讀到三讀通過的時間點，但
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
方式呈現。例如：《空氣污染防治法》最早進入一讀的提案時間是在101 年10 月 12 日，最後三讀通過的日期是在 101 年 12 月 4 日，依照本變 數的計算方式，此提案的審議時間將被登錄為54 天，但若是提案僅停 留在一讀程序，則登錄為0 天。
(四) 三讀與否
本變數不同於前三個連續變數，它是屬於類別變數。由於並非每筆 與環境議題有關的法案都能順利通過三讀，因此，三讀與否便是重要的 指標，用以判別媒體報導是否會影響到立法委員的立法行為。在編碼簿 中，提案若是有三讀通過者則為1，未三讀通過者則為 2。
本變數不同於前三個連續變數，它是屬於類別變數。由於並非每筆 與環境議題有關的法案都能順利通過三讀，因此，三讀與否便是重要的 指標，用以判別媒體報導是否會影響到立法委員的立法行為。在編碼簿 中，提案若是有三讀通過者則為1，未三讀通過者則為 2。