選民投票抉擇的分析

素所影響，應以選民作為分析單位，結合 TEDS2004LA 的民意調查資料與鄉鎮 市的總體層次資料，去建構影響選民投票抉擇的「階層推廣線性模型」。在進行 模型(unconditional model)來進行判斷。

Level-1 model：



ij=log  Level-2 model：

β0j＝



₀₀＋

u

_0j

u

_0j~N(0,



₀₀)

在上面的模型設定中，



₀₀是指不同鄉鎮市選民投票給泛藍陣營相對於泛綠 陣營的平均對數勝算(average log-odds)，在沒有其他總體層次自變數的設定之 下，

u

_0j就是指跨不同鄉鎮市選民投給泛藍陣營相對於泛綠陣營的平均對數勝算 的變異程度(variance)。從表 5-5 中可以看到

u

_0j在不同的鄉鎮市當中的分布，具 有統計上的顯著性，代表台灣民眾投票給泛藍陣營相對於泛綠陣營的對數勝算在 不同鄉鎮市區具有顯著差異。除此之外，我們還可以藉由「組內相關係數ρ」

(intraclass correlation coefficient, 簡稱 ICC)，去衡量組間變異數與組內變異數的

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

117

相對程度。ICC(ρ)的計算公式為



_uo² (



_uo² 



_r²)，其中



_uo² 代表組間變異，



_r²代 表組內變異，當

ICC 越大，表示組間有相當大的差異，也就是說總體層次對於

依變數之變異的影響越大，此時就應該考慮使用「階層線性模型」(Luke 2004;

Rabe-Hesketh and Skrondal 2008, 58-59; 溫福星 2006; 蕭怡靖 2009, 56)。不過在

「階層推廣線性模型」中，因為模型中的依變數具有「變異異值性」，不能直接

估算

ICC(ρ)，但由於「勝算對數模型」(logistic model)對於第一層模型的誤差項

設定為平均數為 0，變異數為²/3 的「標準勝算對數分佈」(standard logistic distribution)，因此在「階層推廣線性模型」中，我們可以利用



_uo² (



_uo² 



² 3)此 一計算公式去估算出

ICC(ρ) (Hedeker 2008, 255-256; Raudenbush and Bryk 2002,

298, 334; 蕭怡靖 2009, 56-57)。經由此公式估算「無自變數模型」的 ICC(ρ)等 於0.059，表示鄉鎮市之總體層次對於選民的投票抉擇佔有 5.9%的變異量，⁶³根 據Cohen（1988, 281-287）的建議，當 ICC(ρ) 0.059 時，屬於中度關聯強度，

不可忽略組間變異。⁶⁴以本研究來說，

ICC(ρ)剛好達到這個標準，因此有嘗試多

層模型的必要。接下來，我們針對多層模型的設定進行說明。

表5-5 選民投票抉擇之無自變數模型 固定效果(Fixed effects) 泛藍=1/泛綠=0

β

(s.e.)

00 0.199^$ (0.103) 隨機效果(Random Effect) S.D.(Var.)

p-value

u₀j 0.454(0.206) <0.01

說明：***表示 p＜.001；**表示 p＜.01；*表示 p＜.05；$表示 p＜0.1。

（一）選民個體層次（Level-1 Model）

在個體層次部分，模型中的依變數是選民在2004 年立委選舉的投票對象，

依據候選人的黨籍將之合併成二類：泛藍（國民黨、親民黨及新黨）與泛綠（民 進黨、台聯及建國黨）。自變數的部分，除了本研究最為關注的焦點：媒體閱聽 系絡與人際討論系絡之外，同時依據投票行為理論及過去的研究發現，將政黨認

63 ICC(ρ)=_uo² (_uo² ² 3)= 0.206 (0.206² 3)=0.059

64 Cohen（1988, 281-287），並不是使用 ICC(ρ)這個名詞，而是用 來代表變異數分析當中，² 組間變異佔總變異的比例，但意思是一樣的。

‧

（二）總體層次（Level-2 Model）

在鄉鎮市區的總體層次部分，本研究認為屬於整體環境系絡因素的政黨版圖 進行交乘，才能完整代表變數之間的交互作用(Azen and Walker 2011, 221)。

66 根據第四章的設定，政黨版圖共有六類，分別是「藍」、「偏藍」、「藍綠互有領先」、「偏綠」、

「綠」、「其他」，考量到樣本數關係，在模型設定時將「藍」、「偏藍」合併為「泛藍版圖」，「綠」、

「偏綠」合併為「泛綠版圖」，「藍綠互有領先」、「其他」合併為「藍綠互有領先」。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

119

過少，再加上總體層次的變數和政黨認同都屬於類別變數，必須以虛擬變數方式 放入模型中，經過交乘之後出現太多變數，造成估計的問題，使得我們無法在設 定總體層次與個體層次之間的跨層交互作用，只能將之捨棄。總體層次的模型設 定如下：

j



0 ＝



₀₀＋



₀₁(南部地區)j ＋



₀₂(泛藍版圖)j ＋



₀₃(藍綠互有領先)j

＋



₀₄(泛綠鄉鎮市長)j ＋



₀₅(無黨籍鄉鎮市長)j ＋



₀₆(區長)j ＋u _0j



kj＝



_k0 k=1~13

三、合併後之多層模型（Combined Model）



ij＝



₀₀＋



₀₁(南部地區)j ＋



₀₂(泛藍版圖)j ＋



₀₃(藍綠互有領先)j

＋



₀₄(泛綠鄉鎮市長)j ＋



₀₅(無黨籍鄉鎮市長)j ＋₀₆(區長)j

＋



₁₀(認同泛藍)ij ＋



₂₀(認同泛綠)ij ＋



₃₀(媒體閱聽)ij ＋



₄₀(人際討論)i

＋



₅₀(中國人或都是)ij ＋



₆₀(傾向統一)ij ＋



₇₀(維持現狀)ij

＋



₈₀(第二世代)ij ＋



₉₀(第三世代)ij

＋₁₀₀(認同泛藍*媒體閱聽)ij ＋₁₁₀(認同泛綠*媒體閱聽)ij

＋₁₂₀(認同泛藍*人際討論)ij ＋



₁₃₀(認同泛綠*人際討論)ij

在上面所列出的模型設定中，



_0t（t=1~6）是指鄉鎮市的總體層次變數對於 選民投票抉擇的「直接」影響力；而



_s0（s=1~13）則是指選民個體層次變數對 他們投票抉擇的影響力。

在討論完整的多層模型分析結果之前，我們先檢視各項自變數與選民投票抉 擇的交叉分析，結果列於附錄三。從附錄三的各個交叉分析中，可以初步證實本 研究所設定的自變數與選民投票抉擇之間的關係，與理論預期相符。接著我們在 表5-6 列出多層模型中個體層次與總體層次所有自變數的次數分配或描述性統計 量。在本研究中，共有49 個鄉鎮市區、450 個選民樣本納入多層模型。⁶⁷在個體 層次的模型中，包括政黨認同、族群認同、統獨立場、政治世代都是以「虛擬變 數」的方式納入分析，而媒體閱聽、人際討論，以及政黨認同與媒體閱聽、人際

67 TEDS2004LA 的抽樣架構並非針對多層模型所設計，加上區分 A、B 卷，因此不管總體層次 的樣本數，或是總體乘上個體的總樣本數，本研究的統計模型樣本數可能過小，不過基於學理上 的需要，我們還是嘗試使用多層模型進行分析。關於多層模型樣本數的相關討論，請參考呂宜勵

（2007）與黃紀（2005）。

‧

‧

下，認同泛藍對於投票抉擇的影響。⁶⁹在勝算對數模型（Logit Model）中，若我 們想要進一步討論認同泛藍者相對於無政黨認同者，投票給泛藍陣營相對於泛綠 外，另外建立一個精簡模型。兩個模型經過概似比檢定（likelihood ratio test）後，

精簡模型的解釋力與完整模型並沒有顯著差異，因此我們可以使用精簡模型來進

69 對於一般線性迴歸中，交互作用項的設定與說明，可參考 Brambor、Clark 與 Golder(2006)、

以及Kam 與 Franzese(2007)。

70 針對勝算對數模型（Logit Model）中，交互作用項的設定、學理探討及範例說明，可參閱 Huang 與Shields(1994)。

‧

(Fixed effects)

完整模型

Level-2 variance,



ˆ₀₀ 8.21e-07 1.27e-11

模型資訊

Log-likelihood =-79.492;

Wald X²=84.98, df=19, p<0.001

Log-likelihood =-81.211;

Wald X²=80.49, df=15, p<0.001

Likelihood-ratio test LR X²=3.44, df=4, p=0.4872

說明：***表示 p＜.001；**表示 p＜.01；*表示 p＜.05；$表示 p＜0.1。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

123

在我們所關心的環境系絡方面，對於選民投票抉擇有顯著影響力的是鄉鎮市 長黨籍，當選民所居住的鄉鎮市是由無黨籍人士執政時，選民投票給泛藍陣營相 對於投給泛綠陣營的機率比(odds)，會比泛藍執政鄉鎮市的選民減少 85.8%

〔(1-exp(-1.954))*100=85.8%〕，且具有統計上的顯著性；至於住在鄉鎮市長為泛 綠陣營的選民，相對於住在泛藍執政鄉鎮市的選民，更傾向投票給泛綠陣營的候 選人，但這一部分並沒有達到統計上的顯著水準，不過基本上還是代表鄉鎮市長 的黨籍對於選民的投票抉擇有一定程度的影響力，正如我們在理論部分所陳述 的，鄉鎮市區的執政團隊會傳遞對於己方有利的資訊，不管是透過政見的背書、

基層樁腳的動員、替候選人站台等方式，都會讓選民處於對執政者有利的系絡環 境中，進而傾向投票給執政陣營的一方。

至於另外一個環境系絡變數—政黨版圖對於選民投票抉擇則不具有顯著影 響力，雖然變數係數方向如我們所預期的，居住在泛藍版圖的選民，相對於住在 泛綠版圖的選民更傾向投票給泛藍的候選人，但並沒有達到統計上的顯著水準；

至於居住在「藍綠互有領先」的鄉鎮市區的選民，相對於住在泛綠版圖的選民來 說，更傾向投票給泛藍候選人，同樣未達到統計上的顯著水準。筆者認為可能是 因為鄉鎮市區的樣本數過少，使得統計檢定未達顯著水準。⁷¹

在選民個人層次方面，除了政治世代的影響力不具有統計上的顯著性之外，

其餘變數的參數估計結果都與我們所預期的方向一樣，且具有統計上的顯著性。

首先，在媒體閱聽系絡方面，處在愈強的泛藍媒體系絡下，就愈傾向投票給泛藍 陣營，反之，處在愈強的泛綠媒體系絡下，就愈傾向投票給泛綠陣營；在影響力 大小方面，在其他條件不變的情況下，媒體閱聽每增加一個單位（往泛藍愈強的 方向），選民投給泛藍候選人相對於投給泛綠候選人的相對機率比，會增加66.0%

〔(exp(0.507)-1)*100=66.0%〕。在人際討論方面，當選民所處的人際討論系絡中，

泛藍的強度愈強，會愈傾向投票給泛藍陣營的候選人，人際討論每增加一個單位

（往泛藍愈強的方向），選民投票給泛藍陣營相對於投給泛綠陣營的機率比會增 加 439.3%〔(exp(1.685)-1)*100=439.3%〕，這也顯示人際討論對於選民的投票抉 擇具有不小的影響力。由於這二個變數都是範圍都是-3～3，就每變動一個單位

71 未達統計顯著水準也可能是因為「政黨版圖」與「現任鄉鎮市長黨籍」具有共線性的問題。

筆者以「政黨版圖」為列，「現任鄉鎮市長黨籍」為欄進行交叉分析，得出的X²值為8.667，在 自由度為6 的情況下，並未達到統計上的顯著水準。此外，Cramer’s V 為 0.297，也未達統計上 的顯著水準。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

124

所造成的影響來說，人際討論的影響力要比媒體閱聽來得大一些，這代表了透過 直接面對面接觸所接收到的訊息，選民的感受可能更為深刻，也更可能被其他人 說服，因此對於他們的投票抉擇有更大的影響力。此外，過去Lazarsfeld、Berelson 與Gaudet（1968, 150-152）提出「二階段溝通」（two-step flow of communication）

的說法，他們認為大眾傳播媒介傳輸的訊息，需要經過散佈在社會各角落的意見 領袖詮釋後，才會被大眾所接受，也就是說人與人的接觸可以作為是一個橋樑，

將大眾傳媒所給予的資訊再傳遞出去，這也是本研究中，為何人際討論的影響力 會比較大的可能原因。

除了個人所處的系絡環境對其投票抉擇具有顯著的影響力之外，政黨認同也 具有相當大的影響力。認同泛藍的選民，投票給泛藍候選人相對於泛綠候選人的 機率比是無政黨認同者的 13.690 倍，泛綠認同者投票給泛藍陣營相對於泛綠陣 營的機率比，則會比無政黨認同者減少 94.4%。認為自己是中國人或都是的選 民，相對於認為自己是台灣人的選民，更傾向投票給泛藍陣營，其相對機率比是 2.281。在統獨立場方面，以選民投票給泛藍陣營相對於泛綠陣營的機率比來看，

傾向統一的選民是傾向獨立之選民的6.217 倍，傾向維持現狀的選民是傾向獨立 者的3.584 倍。

從以上的模型結果分析可以了解在2004 年的立委選舉中，影響選民投票給 泛藍陣營或泛綠陣營的因素，除了過去研究常見的政黨認同、族群認同、統獨立 場等因素外，本研究所提出的社會系絡因素的影響力也獲得證實，包括總體層次 的現任鄉鎮市長黨籍、個體層次的媒體閱聽系絡與人際討論系絡都對於選民的投

從以上的模型結果分析可以了解在2004 年的立委選舉中，影響選民投票給 泛藍陣營或泛綠陣營的因素，除了過去研究常見的政黨認同、族群認同、統獨立 場等因素外，本研究所提出的社會系絡因素的影響力也獲得證實，包括總體層次 的現任鄉鎮市長黨籍、個體層次的媒體閱聽系絡與人際討論系絡都對於選民的投

在文檔中 台灣南部綠色政治版圖之研究 (頁 125-136)