第二章 理論建構與研究方法
第三節 研究設計與方法
二、 量化分析與假設檢證
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
助理名單，是由各立法委員辦公室自行填寫申報，該名錄上也敘明「本名錄僅 供聯絡、不作任何證明或依據之用」，因此即使不考慮近用問題，該名錄的可信 度也有不小的問題。
小結以上，要針對立法院的個別委員使用檔案分析法顯然有許多難以克服 的障礙，因此調查研究法或許較為適合。那本文為何是針對助理進行調查，而 非國會議員呢？究其原因是筆者想更直接的了解助理的立法涉入程度，本文認 為立法委員對其助理立法涉入程度之了解，絕對不若助理本人清楚，若訪問對 象均為立法委員則會影響測量的內部效度，因而選擇以助理為調查對象。
不過這樣的研究方法與對象選擇也並非毫無缺點，首先僅以調查法進行研 究，可能會僅能觀察到變數間的關聯，即使透過統計方法可以進一步釐清因果 關係，也容易忽視因果關係背後的細緻推論。再者，必然會面對自我回報(self reporting)的方法論挑戰，本文僅針對助理進行調查，非常有可能因此高估了 助理的立法涉入程度。為補足此兩部分的不足，本文將會在調查與資料分析結 束後，採立意抽樣分別針對四位不同資深程度、性別的立法委員進行質化訪 談。
二、 量化分析與假設檢證
而研究設計的目的在於盡可能清晰地回答研究問題，因此接下來會敘明本 文將以何種方式回答研究問題，並為前一個部分提出的理論架構與研究假設提 供可靠的證據。本文主要目標有三，一是希望能釐清助理的重要性，同時了解 不同問政方式對助理立法涉入可能帶來的影響；二則是分析不同互動模式對立 法涉入的影響；最後則是點出環境變數─問政情境對於助理立法涉入影響的重 要性。
因此首先將會分別測量助理對法案、預算提案與質詢之涉入程度，以回答
‧
用迴歸模型分析，勢必得使用多項勝算對數模型(Multinomial Logit Model)，惟該模型之解讀，須以其他類型為參照進行，較一般迴歸模型複雜許多。且本
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
再者，由於我國立法委員席次較少，僅 113 席，扣除不符合研究需求及拒 訪者後，樣本數也並不利於迴歸分析的進行。若使用迴歸分析，很可能會因樣 本數限制而忽略了可能的研究發現。綜上，為利初探性研究及研究研果的分析 解讀，本文選擇使用較為單純的獨立性檢定、平均數檢定與交叉表比較進行量 化分析。然此方法雖有簡化分析與容易觀察的優點，但缺點也很明顯，即假設 檢驗的過程會較為不嚴謹，合先敘明此一研究風險。
研究資料簡述
如研究方法部分所述，本文所分析的資料來源有二，量化資料是針對立法 院法案助理進行調查研究法蒐集而來，二則是由深入訪談法取得。筆者於 2018 年 8 月 1 日至 9 月 1 日止，針對第九屆立法委員法案助理進行調查研究，共計 發出 110 份問卷，取得 87 份有效問卷，拒訪率為 21.91%，和過往以國會助理 為訪談對象之研究相比，拒訪率均在二成至三成之間，本研究之拒訪率並無明 顯較高。
而本文預先設定的受訪對象為對立法院運作較為熟稔的法案助理，就受訪 助理的各項基本資料而言，目標受訪者與實際受訪者相差不大。先就受訪助理 的立法院資深程度作討論，受訪助理平均在立法院服務超過六年(73.75 個 月)，服務三年以上的資深助理則有 43 名(佔總樣本數 49.43%)，雖然仍有 6 名 受訪者在立法院服務未滿一年(佔總樣本數 6.89%)，但資淺助理佔比並不算 高。另外，受訪者跟著所服務委員平均年數超過三年(37.78 個月)、受訪助理 平均年齡更接近 37 歲，也過半擁有碩士以上學位，受訪者為較不受信任者、大 學甫畢業者、或剛入行者的佔比並不高。由上可知，筆者確實按預先設定取樣 標準進行，訪問較為主要或資深的法案助理，以避免受訪助理過於資淺，可能 對資料品質及後續推論可能帶來的負面影響。深入訪談部分則於 2019 年 7 月
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
19 日至 9 月 1 日進行，總共訪問了 4 位第九屆立法委員，取樣方式為立意取 樣，筆者在判讀完了調查研究法所取得的資料後，按不同資深程度、性別選擇 適合受訪之立法委員，受訪立法委員資料併呈與下表七。