國立臺灣大學社會科學院國家發展研究所 碩士論文
Graduate Institute of National Development College of Social Sciences
National Taiwan University Master Thesis
從空間視角看青年因素與民進黨獲票之關係
─以 2014 年九合一縣市長選舉為例
Research on the Relationship between Youth and DPP Votes: Spatial Analysis of Taiwan's 2014 Nine-in-One
Municipal Election 甄國佑
Guo-You Zhen
指導教授：鄧志松 博士 Advisor: Chih-Sung Teng, Ph.D.
中華民國 108 年 1 月
January 2019
謝辭
完成這篇著作並通過口試的當下，其實心裡是相當激動的。儘管大學期間有接 觸過空間分析相關領域，但此次的研究運用我未接觸過的新方法以及新的議題，在 準備上的確花了更多的心力來做準備及蒐羅資料。而過程中面臨許多問題及困難 也讓我一度失落甚至想要放棄此篇研究，但因為有老師、家人以及同為研究空間分 析議題的同學們的支持，讓我能夠克服困難及負面想法因而順利完成此著作，真的 十分感激。
首先，我必須先向口試委員─蔡博文教授、溫在弘教授以及葉高華副教授致謝。
在口試過程中，我有時因為緊張而無法完整回答，教授們十分用心，利用小問題引 導我循序漸進的回答他們的疑問，也讓我更加釐清問題的所在。此外，針對論述中 所呈現的問題給予我許多建議及想法，讓我逐一思考並修正使論述更臻完善。在此 致上深深謝意，謝謝三位教授給予指教。
其次，是我的家人以及同為研究空間分析領域的同學們。在撰寫論文的過程中，
難免遇到挫折產生諸多負面情緒，我的家人願意承受我的負面情緒，並且給予我支 持；而我的同學們在我遇到疑問時，也願意與我一起研究並解決問題、共同學習，
讓我在完成這篇論文的路上不孤獨，真心感謝有你們的陪伴及支持。
最後卻也最重要的我的指導老師─鄧志松教授。鄧老師跟我一樣，對於空間分 析同感興趣，而老師的研究熱忱讓我印象深刻。我大學時期有接觸過空間分析領域，
但鄧老師發掘新的應用可能，並帶領我去探索，從原先空間分析應用於然地理，拓 展為社會現象分布觀察與成因研究的應用上，使我在空間分析領域有了更深的認 識。在論文撰寫的過程中，有時思緒混亂讓自己亂了方向，老師十分用心，會逐步 的引導我去正視問題的所在，並給予我想法解決當下遇到的困難，讓我能夠順利完 成此篇的論述。鄧老師給我的感覺像是「父親」，儘管嚴格，卻也細心地指導我，
真的很幸運能有鄧老師擔任我的指導教授，也十分感激在一路上他給予我的指教 與支持。
如今，即將「真正」完成學業離開校園，面對的將是現實社會的大江大海，
期許自己能夠將所學「學以致用」，避開雜訊，正確理解社會問題的起因及呈現。
除此之外，學無止盡，希望自己接觸更多元的資源後，能夠再有一番的成長及收穫，
而我也將抱持感恩的心，回饋一路上支持我的所有人事物。
摘 要
本研究旨在以「空間」的觀點探討青年因素對於選舉結果的影響。選擇具話題 性的 2014 年九合一縣市長選舉作案例，探討青年因素與當時最大獲勝黨─民進黨 獲票之間的關係，回答：「在 2014 年九合一縣市長選舉中，青年人口比例較多的 地區，民進黨的獲票是否正向成長?」，並進一步推導「空間」因素是否對於兩者 關係有一定影響。
藉由「空間分析方法」，以台灣本島縣市做為研究單位，蒐集各地區各黨在 2014 年縣市長選舉的候選人獲票票數、青年比例以及相關社經指數，透過「視覺化呈 現」、「空間探索分析」以及「空間迴歸分析」等方法，試圖屏除其他可能影響的 社經因素，加以分析青年比例對於民進黨獲票之間的關係。
經過相關分析後發現，在 2014 年九合一縣市長選舉中，青年人口比例對 於民進黨獲票的影響僅是局部而非全面，「青年因素對於民進黨獲票是有助益的」
這樣的說法是不完全正確的。而從研究數據中可以發現青年因素對於民進黨獲票 的影響解釋力不足，表示真正影響此次選舉結果的因素另有他者。然而，從研究過 程中可以發現「空間因素」的影響顯著，台灣的選舉結果具有空間效應，因此在進 行選舉研究時是不容忽視的。
關鍵詞：台灣選舉、青年參與、空間效應、空間自相關、空間分析方法
Abstract
The purpose of this study is to explore the impact of youth factors on election results from a "SPACE" perspective. Select the topical 2014 Taiwanese Local elections, commonly known as the Nine-in-One election as a case study to observe the
relationship between the youth factor and the DPP’s vote at the time, and to answer that whether the DPP’s vote is positive or not in the area with a large youth distribution ratio in 2014 Taiwanese Local Election.
In this study, "Space Analysis Method" was used to study the counties in the main island of Taiwan. Collecting the voting of each political party in every area, the youth ratio, and the relevant social and economic indices, also, used the methods such as
“Visual presentation”, “Space exploration analysis” and “Space regression analysis” to screen out other socio-economic factors that may be affected, and analyze the
relationship between the youth ratio and the DPP’s votes.
After analyzing, it was found that in the 2014 Taiwanese Local Election, the influence of the youth population on the DPP’s votes was only partial rather than comprehensive. The statement that the youth factor is helpful for the DPP to receive votes is not entirely correct. From the research data, it can be found that the youth factor has insufficient explanatory power for the DPP’s vote, and the factors that really affect the outcome of the election are others. However, from the research process, it can be found that the influence of "Space factor" is significant. Taiwan's election results have a spatial effect, so it is not negligible in conducting election research.
Key words: Taiwan election, Youth participating, Spatial effect, Spatial autocorrelation, Space Analysis Method
目 錄
第一章 緒 論 ... 1
第一節 研究背景 ... 1
第二節 研究動機 ... 2
第三節 研究目的 ... 3
第二章 相關理論回顧與文獻探討 ... 5
第一節 青年投票行為 ... 5
第二節 縣市長選舉投票行為相關研究 ... 10
第三節 空間分析應用在選舉研究 ... 12
第三章 研究設計 ... 16
第一節 分析架構 ... 16
第二節 研究方法 ... 18
壹、 視覺化呈現(Geographic Visualizations) ... 18
貳、 空間探索分析(Exploratory Spatial Data Analysis) ... 19
參、 空間迴歸分析(Spatial Regression Analysis) ... 23
第四節 變數與資料來源 ... 30
第五節 研究假設及預期 ... 32
第六節 研究流程 ... 33
第七節 研究限制 ... 34
第四章 空間分析 ... 36
第一節 視覺化呈現 ... 36
第二節 空間探索分析 ... 39
壹、 民進黨獲票率差 ... 39
貳、 青年人口比例 ... 43
第三節 空間迴歸分析 ... 47
壹、 傳統迴歸模型 ... 47
貳、 空間迴歸模型 ... 52
參、 地理加權迴歸模型(GWR) ... 56
第五章 結論 ... 74
第一節 主要研究發現 ... 75
第二節 未來研究建議 ... 76
參考文獻 ... 78
圖表目錄
圖 1 民進黨獲票率增減之分位圖 ... 4
圖 2 分析架構圖(作者自繪) ... 17
圖 3 民進黨獲票率差與青年因素之散佈圖(以縣市為類別) ... 23
圖 4 空間迴歸模型選擇流程(轉繪自 (Anselin, GeoDa™ 0.9 User’s Guide, 2003)) ... 27
圖 5 研究流程圖(作者自繪) ... 34
圖 6 民進黨獲票率差五分位圖 ... 36
圖 7 民進黨獲票率差五分位圖(修正後) ... 37
圖 8 青年人口比例五分位圖 ... 38
圖 9 標準化之青年人口比例與民進黨獲票率差 Scatter plot ... 39
圖 10 民進黨獲票率差直方圖 ... 40
圖 11 民進黨獲票率差之箱型圖 ... 40
圖 12 民進黨獲票率差之 Moran’s I 圖 ... 41
圖 13 民進黨獲票率差之 LISA Cluster ... 42
圖 14 民進黨獲票率差之顯著性圖 ... 42
圖 15 青年人口比例直方圖 ... 43
圖 16 青年人口比例箱型圖 ... 43
圖 17 青年人口比例 Moran’s I 圖 ... 44
圖 18 青年人口比例之 LISA Cluster ... 45
圖 19 青年人口比例之顯著性圖 ... 45
圖 20 各縣市青年人口比例與民進黨獲票率差之散佈圖 ... 46
圖 21 SLM 之誤差 Moran’s I 圖與蒙地卡羅檢驗 ... 53
圖 22 SLM 之誤差 LISA Cluster 與顯著性圖 ... 54
圖 23 SEM 之誤差 Moran’s I 圖與蒙地卡羅檢驗 ... 54
圖 24 SEM 之誤差 LISA Cluster 與顯著性圖 ... 54
圖 25 投票率差對各地區影響之係數分位圖 ... 59
圖 26 投票率差對各地區影響之 T 值圖 ... 60
圖 27 福佬人人口比例對各地區影響之係數分位圖 ... 61
圖 28 福佬人人口比例對各地區影響之 T 值圖 ... 62
圖 29 期初值對各地區影響之係數分位圖 ... 63
圖 30 期初值對各地區影響之 T 值圖 ... 64
圖 31 虛擬變數_無提名縣市對各地區影響之係數分位圖 ... 65
圖 32 虛擬變數_無提名縣市對各地區影響之 T 值圖 ... 66
圖 33 青年人口比例對各地區民進黨獲票率差影響之係數分位圖 ... 67
圖 34 青年人口比例對民進黨獲票率差影響之 T 值圖 ... 68
圖 35 地理加權迴歸模型在各地區解釋力大小(local R square)之五分位圖 ... 72
表格 1 變數列表與資料來源 ... 32
表格 2 傳統迴歸模型結果報表 ... 50
表格 3 傳統迴歸模型結果報表(加入未提名虛擬函數) ... 51
表格 4 空間迴歸模型結果報表 ... 53
表格 5 傳統迴歸及空間迴歸分析結果報表(加入地區虛擬變數) ... 56
表格 6 地理加權迴歸結果評估 ... 58
表格 7 青年人口比例對民進黨獲票率差影響達顯著性地區 ... 69
表格 8 青年因素影響顯著之地區藍綠候選人 ... 70
第一章 緒 論
本文研究主題為「以空間分析探討 2014 九合一縣市長選舉青年因素與民進黨 獲票之關係」，本章將說明為何研究此主題以及進行此研究所要達到的目的，亦即 要回答的問題。
第一節 研究背景
2014 年中華民國地方公職人員選舉(俗稱九合一選舉)堪稱史上規模最大一次 的選舉活動。結合直轄市選舉直轄市長、直轄市議員、里長，以及臺灣省之 11 縣 3 省轄市與福建省 2 縣選舉縣市長、縣市議員、鄉鎮市長、鄉鎮市民代表及村里長，
另加入同年一月立法院通過《地方制度法》修法通過山地原住民區長及區民代表選 舉1而成，應選名額計有 1 萬 1130 名，1 萬 9762 位候選人登記參選，於 2014 年 11 月 29 日舉行。
本次選舉結果扭轉臺灣政治局勢，藍綠政黨版圖發生遽變。在 6 個直轄市 13 縣及 3 個省轄市選舉中，國民黨僅獲 6 席，民進黨獲得 13 席，無黨籍人士獲得 3 席，代表藍營的執政黨─國民黨在此次選舉中挫敗，而代表綠營的在野黨─民進黨 大勝。學術界試圖研究尋找此次選舉造成版圖改變的原因。而我認為，青年族群的 興起對於此次的選舉結果帶來極大的影響。
不管是洪仲丘案所引發的白衫軍運動亦或者是 ECFA 中服務業貿易協定簽訂 議題所引發史上最大規模、由學生主導的 318 太陽花學運，效應引發年輕人對執 政黨的國民黨產生反感，並促使年輕族群對政治議題的關切，而進一步發酵對此次 九合一選舉產生選舉結果影響。除此之外，在選戰策略上亦可能有所影響。根據 Taipei Time 在 2014 年 7 月 16 日的報導，民進黨對於九合一選舉策略企圖從青年
1「地方制度法」立法院修正通過，直轄市山地原住民區回復公法人自治，確實保障原住民族參政權
(http://www.apc.gov.tw/portal/docDetail.html?CID=35AE118732EB6BAF&DID=0C3331F0EBD318C22B95A80752482 98F)
立院修法：6 原鄉區長、代表照選
(http://www.appledaily.com.tw/realtimenews/article/politics/20140114/326523/%E7%AB%8B%E9%99%A2%E4%BF%
AE%E6%B3%95%80%806%E5%8E%9F%E9%84%89%E5%8D%80%E9%95%B7%E3%80%81%E4%BB%A3%E8%
A1%A8%E7%85%A7%E9%81%B8/)
政治參與著手。分為兩個部分進行：一為強化青年力量，鼓勵 23-24 歲之青年參與 九合一選舉。二為青年參議，邀請青年加入民進黨黨內政策討論使政策能夠多元化。
而主要作用在於提升公眾意識，尤其是在太陽花學運後台灣民主需要深化，想藉由 此過程看民進黨使否能夠再次與社會並行。
從上述來看，青年參與或許作為九合一選舉局勢劇變的重要關鍵。儘管有許多 新聞媒體及學者對此現象做出論述，但卻缺乏對此說法的驗證，因此引發我的研究 興趣，試圖找出青年因素對此次選舉的影響。
第二節 研究動機
在投入空間分析研究的學習過程中，歷經了兩次重大的政治事件：一為太陽花 學運，二為九合一縣市長選舉。不管在生活周遭亦或者新聞媒體，對於兩次政治事 件都熱烈討論，儘管自己並不是這麼熱衷於政治活動，但在耳濡目染之下也多少有 所關注。
兩次事件是否有連帶影響一直在電視媒體中大肆討論。太陽花學運的發生起 因於執政黨國民黨兩岸政策及執行方法引發民眾不滿，由高度政治熱衷的學生帶 頭興起抗爭運動。儘管太陽花學運告一段落，然民眾─尤其是學生等青年族群─對 於國民黨的反感依舊存在。而在太陽花學運之後緊接就是九合一縣市長選舉，在太 陽花學運產生對國民黨的負面情緒是否會反映在九合一縣市長選舉的選票上，是 大眾熱烈討論的。
空間分析應用在議題討論一直是我感興趣的。在尚未接觸空間分析領域之前，
既定印象認為空間分析多應用在生態或都市發展等議題。在投入空間分析研究的 學習中，接觸到空間分析應用在政治、社會的議題上，讓我引發興趣，希望透過空 間分析方法對一件社會或政治議題作探討。太陽花學運與九合一縣市長選舉是否 有連帶影響的議題受大眾關注，因而設定這個議題作為探討對象，透過空間分析方 法探討太陽花學運與九合一縣市長選舉是否有所牽連。
第三節 研究目的
本文研究目的即為探討太陽花學運對於九合一縣市長選舉是否有所影響。
2014 年九合一縣市長選舉結果藍綠政治版圖產生劇變，許多說法認為太陽花學運 後影響青年族群的投票行為因而影響此次的選舉結果。不管是政論節目還是新聞 媒體都將此次選舉劇變的結果指向青年族群在太陽花學運後對於執政黨─國民黨 反感並將選票轉向給民進黨，如中研院社會所副所長陳志柔研究認為太陽花學運 徹底翻轉民眾的政治態度，出現了「大逆轉」2。而中研院法律學研究所研究員同 時也是太陽花學運核心人物黃國昌在接受 BBC 中文網電話採訪時表示，預料在九 合一選舉中，「民眾對馬政府的不滿會反映在選票上」3。而「台灣選舉與民主化 調查」(Taiwan's Election and Democratization Study, TEDS）亦有相關選舉研究。但 綜觀其研究，多數是透過問卷或者民意調查蒐集資料作為投票行為的判斷依據，但 問卷的設計、調查人員的問話方式或是受訪者的回答方式皆可能影響到調查結果。
此外，問卷、訪談等調查方式忽略了空間因素，包含台灣政黨版圖分布特性的觀察 以及地區差異的重要性。如台灣大學政治系教授陳淳文則對 BBC 中文網指出九合 一選舉是地方性選舉，「地方派系勢力」仍是影響大部分地區選舉結果的關鍵4。 從下圖 1 民進黨獲票率增減之分位圖可以看出在一些地方民進黨獲票率差呈現正 向及集中，此現象的發生是何因素造成的?青年因素是否造成這樣現象的發生?這是 透過問卷、訪談調查所回答不出來的，因此本文以空間分析方法進行研究，除探討 太陽花學運是否影響九合一縣市長選舉結果，尤其是在青年族群方面。此外，也透 過本次探討，觀察青年因素對於九合一縣市長選舉影響的地區性差異。
2
陳慧萍(2015)。中研院學者：太陽花改變民眾態度。自由時報。民 104 年 10 月 16 日，取自：
http://news.ltn.com.tw/news/politics/breakingnews/1477280
3
劉子維(2014)。台灣九合一選舉：社會運動的可能影響。BBC 中文網。民 103 年 11 月 21 日，
取自：http://www.bbc.com/zhongwen/trad/china/2014/11/141121_taiwan_socialmovement
4
劉子維(2014)。台灣九合一選舉：社會運動的可能影響。BBC 中文網。民 103 年 11 月 21 日，
取自：http://www.bbc.com/zhongwen/trad/china/2014/11/141121_taiwan_socialmovement
圖 1 民進黨獲票率增減之分位圖
第二章 相關理論回顧與文獻探討
從本文主題「以空間分析探討 2014 九合一縣市長選舉青年因素與民進黨獲票 之關係」可以看出，本文為圍繞著以下概念：青年、投票行為、空間分析方法等，
以下將分別論述，分為第一節：青年投票行為、第二節：地方選舉研究、第三節：
空間分析應用在選舉研究。
第一節 青年投票行為
投票行為因為所處年代的社經背景而有所不同，陳陸輝(2000)的研究以政黨面 向上認同分布與穩定性分為三代，分別為(1)出生於 1943 年之前(國中小受日本教 育)(2)1943-1960 年間(受國民黨政府威權教育)(3)出生於 1960 年代之後(威權教育 末期受較開明民主教育)。然而陳之研究時間較早，認為相關研究若要符合現今環 境，應增加(4)出生於 1990 年代之後之族群，其族群特性為出生於解嚴後解受民主 教育，並受到網路、傳播科技進步的影響，政治資訊的獲得較為容易。相關論述有 (王嵩音, 2006) (張孟婷, 2011) (王泰俐, 2013) (張潔, 2014) (王鴻志, 2014) (任冬梅, 2015)，在張潔根據第四屆兩岸關係和平發展學術研討會所報導〈兩岸學者關注台 灣選舉變局：新世代興起與新媒體應用〉文中提到上海台灣研究所常務副所長倪永 傑發言，認為台灣年輕族群受李扁時代「本土化」、「去中國化」、「台獨」等意 識形態影響，「台灣認同」、「台灣主體性」、甚至「台獨」意識濃厚，「反馬」、
「反中」的情緒濃烈。除此之外，任冬梅在其研究中提到，一般民眾接受新聞資訊 來源大約 78%來自電視，然而 20 至 29 歲的青年則有 97%來自網路，顯示青年族 群接收政治資訊的途徑有別於其他族群，而從王嵩音、張孟婷、王泰俐等人對於網 路傳播與選舉之研究可以看出網路對於選舉的影響程度大。
然而，近期國內外對於青年投票行為的研究較多專注在青年政治冷漠現象，因 為青年政治冷漠現象的發生造成其投票意願的下降。相關研究如英國學者 Matt Henn,Mark Weinstein & Sarah Forres (2005)觀察英國歷年大選，發現英國 18-24 歲 青年的投票率一直是最低的，2001 年的大選青年投票率相較前一次選舉減少了 27%，認為「政治絕緣」的情況在青年族群中盛行。 Harrop (2001)亦透過英國選舉 觀察，認為英國在青年族群中面臨「民主政治危機」。而不只在英國，美國、法國、
日本亦有青年政治冷漠影響投票意願下降的現象 (趙勇, 2001) (林少婷, 2013) (史
春玉, 2013) (常思纯, 2015)，就連我們身處的台灣亦是如此 (吳樂揚, 2013)。
探討影響青年投票率降低的因素，如 Sylvester，S. Spoilt Brats(1989)認為青年 處與世代的轉換期，面對轉換所需的學習已無力對選舉加以關注。類似此說法的學 者如 Kimberlee(2002)認為青年處於流動的社會環境，與主要的家庭結構與社會關 係遠離，面對工作剛起步、工作時間問題等困難，投票意願便降低了。趙勇(2001) 認為青年政治冷漠現象的原因有：1.青年的利益和聲音沒受到重視、2.沒有採取適 合青年的競選方式、3.對青年的選舉教育缺乏、4.對政治與社會的信任危機。蘇頌 興(2012)提出青年投票率低落的可能原因有：1.普遍對「看得見的未來」缺乏信心、
2.長期以來政治意識淡化的必然結果、3.逆反心理強化首投族對選戰的反感、4.青 年在激烈選戰中出現「審美疲勞」、5.客觀上考試時間與回鄉投票衝突。而趙守博 (2015)在《國家政策研究》中指出台灣首投族與青年面臨之問題有：1.失業及低度 就業問題、2.物價上漲而薪資多年不漲問題、3.購屋困難及養兒不易問題、4.對社 會財富分配不均心生不滿及相對剝奪感的問題、5.台灣成為 M 型化社會的憂慮。
面對這些社經問題，青年族群對未來缺乏信心。
另有學者認為青年並非政治冷漠。Armstrong，S.(1996)即認為青年關注特定議 題如環境、身分、權利等議題取代以投票為參與方式的傳統政黨政治，從趙勇(2001) 研究中引用 2000 年美國麥迪爾新聞服務公司針對美國 18-24 歲青年所做的青年調 查得出青年訴求為解決教育公平、青少年犯罪、學校安全、社會保障、保護環境、
失業等議題得到驗證。Loader(2007)、Bennett(2008)則認為，青年的政治參與不能 因為其投票率、參與政黨等傳統政治參與行為作為評斷，而是要從有意義的社會志 願性行動及全球議題的探討做出發。因此不能認定青年政治冷漠。蘇頌興(2013)研 究認為「政治遠離了青年，而非青年遠離了政治」。蘇在研究中借用中央研究院《台 灣社會變遷基本調查計畫第六期第一次執行報告書》針對青年對於普世價值(社會 正義、社會平等、世界和平、保護環境、尊重地球)之問卷調查5，結果呈現青年高 度關注普世價值，認為青年追求普世價值即為他們的政治意識，積極參與社會活動 就是他們實踐普世價值的政治行動6。而確實，台灣青年參與的社會活動頻繁，除
5
章英華、杜素豪、廖培珊，台灣社會變遷基本調查計畫 2010 第六期第一次執行報告書，2011：
78
人們印象深刻的野百合學運─在當時民主封閉的時代學生勇於挑戰政治禁忌爭取 民主之外，近年台灣青年就如蘇所說對於普世價值的追求，積極參與各領域社會活 動，保護環境面向如反核四運動7；維護社會正義如白衫軍運動8、苗栗大埔事件9等，
甚至自主發起，如 2012 年的反媒體獨斷運動、2015 年的反高中課綱微調運動以及 本文所關注的 2014 年 3 月 18 日的太陽花學運。
對於九合一縣市長選舉結果許多說法歸咎於發生於 2014 年 3 月 18 日的太陽 花學運。國立政治大學陳芳明教授即認為太陽花學運衝擊了九合一縣市長選舉，使 國民黨被迫退守到中央與外島10。媒體人朱建陵認為在太陽花學運的催化下，九合 一縣市長選舉國民黨慘敗，原來由國民黨主政的 4 都 11 縣市，選舉結果萎縮至 1 都 5 縣，而緣由可以推到因反對國民黨主政下兩岸關係作為的太陽花學運11。關注 太陽花學運，青年對於此次學生運動參與熱烈。而爆發原因乃是因《海峽兩岸服務 貿易協定》簽訂問題，引發青年及社會人士的抗爭。在太陽花學運結束後其後續效 應不僅在根據民調一年後回顧太陽花學運結果顯示，除對佔領立法院、行政院行動 有較高反對比率外，值得注意的是有 64%民眾對於年輕世代意見更為重視12。最重 要的是太陽花學運對於青年的政治參與的影響。根據臺北大學社會學系陳婉琪副 教授於發表的太陽花學運期間抽查研究13，20-29 歲的參與者佔全體的 66.8%，超
7
許純鳳「青年嗆聲 要政府魄力反核」，台灣立報，http://www.lihpao.com/?action-viewnews- itemid-106403
8
社論，「白衫軍反映了年輕世代的失望和憤怒」，聯合報，
http://paper.udn.com/udnpaper/PID0004/241782/web/#3L-4271977L
9
嚴文廷，「聲援大埔／各地青年 北上聲援」，聯合報，
http://forum.udn.com/forum/NewsLetter/NewsPreview?NewsID=8104235&Encode=big5
10
民報編輯部，「陳芳明:是太陽花世代奮起 才改變了台灣未來」，民報，
http://www.peoplenews.tw/news/46bea778-5b2e-4182-b686-ca03040ba771
11
朱建陵，「選舉是檢驗台灣政治真理的唯一標準」，端傳媒，
https://theinitium.com/article/20150825-opinion-taiwan-zhujianling-01/
12
聯合報系民動中心，「聯合報民調：社會更重視年輕人聲音」，聯合報，
http://udn.com/news/story/7776/772286-
%E8%81%AF%E5%90%88%E5%A0%B1%E6%B0%91%E8%AA%BF%EF%BC%9A%E7%A4%B E%E6%9C%83%E6%9B%B4%E9%87%8D%E8%A6%96%E5%B9%B4%E8%BC%95%E4%BA%
BA%E8%81%B2%E9%9F%B3
13
陳婉琪，〈誰來「學運」？太陽花學運靜坐參與者的基本人口圖像〉，
過全體參與者的三分之一，以主辦單位的 50 萬人參與 330 遊行作為假設則約有 33 萬名以上的 20-29 歲青年參與。根據行政院主計總處的統計資料 2014 年 3 月 20- 29 歲人口約有 320 萬人，則參與人數超過全臺該年齡區間的十分之一，也就代表 20-29 歲青年每 10 人就有 1 人參與太陽花學運。在這偌大的參與青年當中，除了 部分參與者有政治運動參與經驗外，大部分參與者應是初次參與，太陽花學運對其 的政治社會化影響是熱烈討論的。
而當時各政黨所關注的是在太陽花學運後對於同年年底的九合一選舉是否有 影響? 中央研究院社會研究所副所長陳志柔以「太陽花運動改變了民眾的政治態 度嗎？」發表論文認為太陽花學運使藍綠支持度出現黃金交叉，國民黨支持者顯著 流失，由 2013 年的 33％降至 2015 年的 21％；民進黨支持者由 2013 年的 21％微 幅增長到 2015 年的 24％，增加 3％，並指出太陽花運動尤其對台灣年輕人的政治 態度產生顯著的影響。郭瓊俐(2014)認為時代已經改變，落伍的政治思維已經跟不 上青年的腳步。這些青年在許多社會運動過後身經百戰，更具自信並形成某種價值 觀，對於九合一選舉他們將用不同角度決定選票淘汰不適任的政客。學運領袖林飛 帆、賴品瑜等人坦言太陽花學運喚起許多年輕人對政治的熱誠，今年 11 月的「九 合一選舉」青年投票率值得期待。確實，根據顧忠華(2014)認為有兩大影響：第一 是青年世代參與政治的意願大幅度提高；另一則是青年階層的投票意向或可左右 選情，尤其在台北市、台中市的都會地區，是否能爭取到青年選民的認同，實際上 已成為勝負關鍵。在太陽花學運後各黨皆有所行動，曾建元( 2014)觀察，國民黨由 文化傳播委員會舉辦青年公民論壇希望增進與青年之互動，然因為太陽花學運青 年對於國民黨的反感外，國民黨本身對於階級和世代正義的問題未提出對策，並且 迴避國民黨青年黨員促請停止開除王金平黨籍以消弭黨內政治鬥爭的提議，再再 顯示國民黨與新世代民意的落差感。再觀民進黨，民進黨鼓勵青年參政，Wang(2014) 在提到民進黨對於青年參政分為兩個部分進行：一為強化青年力量，鼓勵 23-24 歲 之青年參與九合一選舉。二為青年參議，邀請青年加入民進黨黨內政策討論使政策 能夠多元化。如此作為使青年感覺備受重視外，再從民進黨政治理念來看，民進黨 在黨綱中對於維護人的尊嚴及基本人權、充分就業、區域平衡發展、維護生態環境、
追求福利國家更高境界、提高勞工保護基準、建立開放中立的教育環境、台灣前途
應由台灣住民決定等理念14與青年人所追求的價值觀有所呼應，受青年人所推崇。
九合一縣市長選舉結果一出，藍綠版圖大變，多認為國民黨去年在九合一選舉 的慘敗，原因之一是青年選票壓倒性的轉向15，並非輸給民進黨，而是輸給青年與 公民力量16。針對這樣的說法是本文想要討論的，後續將進一步去驗證。
14
依據民進黨中央黨部秘書處編印之《黨章‧黨綱》1995.1.1
15
郝為之，「【讀者投書】郝為之：從國民黨「重見青年」談起」，天下雜誌：2015.01.27，
http://opinion.cw.com.tw/blog/profile/52/article/2331
16
蔡宜蒨，「智庫民調：九合一國民黨大敗，是輸給青年與公民力量」，
http://www.thenewslens.com/post/138882/
第二節 縣市長選舉投票行為相關研究
台灣歷年來針對縣市長選舉投票行為的研究為數不少，而本文試圖以影響投 票行為的因素來做區分，整理出可以應用於空間分析的社經變數。而綜觀歷年對於 影響選舉投票行為的研究，依影響因素區分有候選人因素如林秀聰( 2000)、盛治仁 (2008)、許勝懋(2009)、蕭怡靖、黃紀(2011)、李字昌(2011)，強調候選人亦或是現 任執政者在選舉過程中其候選人的個人特質以及施政表現對於其是否當選獲連任 佔有一定程度的關鍵性。議題投票如黃德福、黃靖麟(2008)、俞振華(2012)，黃德 福北高市長選舉作為研究對象，發現議題投票對於選舉結果有大程度的影響；俞振 華則是探討總統評價對縣市長選舉的影響，發現民眾對執政者滿意度、民眾對中央 政策是否影響其個人經濟情況及民眾對整體經濟情況的評估等三項因素皆會影響 他們的投票意向。經濟投票如黃智聰、程小綾(2005)、陳政勤(2005)、何佳芬(2006)，
黃智聰等與何桂芬是從縣市總體經濟出發，發現若是失業率等總體經濟指標提高，
對目前執政黨所屬之候選人不利；而陳政勤則是透過地方財政角度出發，發現地方 財政環境優良的地方，縣市長政黨輪替的現象較低。性別因素如翁秀琪、孫秀蕙 (1995)、彭渰雯(1998)，其都關注在女性在選舉上的弱勢，而翁秀琪等認為教育程 度可以平衡投票自主性的落差。族群因素如林思伶(2008)，以苗栗縣作為研究對象 探討族群在三合一選舉的投票行為，發現苗栗縣選民在不同層級選舉中，對各個候 選人的投票支持取向各異，在縣市長選舉中政黨取向較高，而族群取向較低，但對 於同一族群的候選人會增加其投票意向。城鄉差距如高永光(2000)則是以台北縣作 為研究對象，探討都市化與地方派系對於選舉的影響，發現打破既有假設─都市化 程度高的地方地方派系影響低，而高也提到並不是每個地區都適用，需要透過更多 的個案加以探討。地方派系如孫國慶(2004)、李彥憲(2005)、蔡朝勳(2010)、莊卓穎 (2015)，孫國慶、李彥憲、蔡朝勳以單一縣市作為研究對象，發現地方派系對於縣 市長選舉具有重要的影響，而莊卓穎則是透過 2008 年至 2014 年兩次重大選舉間 做研究，認為地方派系隨著時代而有所改變，認新型態的派系政逐漸產生。政黨認 同因素如陳陸輝、耿曙(2008)，其比較台北市及高雄市在政治效能與政黨認同對於 市長選舉的影響，發現在兩地區有不同的影響結果。數位機會如任冬梅( 2015)認為 民進黨在 2008 年總統大選後開始網路經營，在臉書及 PTT 論壇發表對政策批評，
影響青年族群思維，而 孫秀蕙(1996)、張卿卿(2002)、王嵩音(2006)、李仲彬、陳
敦源、黃東益、蕭乃沂(2008)、王泰俐(2013)等認為網路對於投票行為確實有影響。
經過上述回顧，可以看到許多因素對於地方選舉的投票行為可能產生影響，而當中 如性別、種族、經濟、城鄉差距、數位機會等皆可以量化指標加入空間分析探討。
然而，在地方選舉研究中不可以忽略的是地區性所扮演的角色。相對於中央選 舉是以台灣整體作為研究單位論述選民對於總統的投票行為，地區性差異較不顯 現，多屬於在政黨認同上的差異。然在地方選舉中卻並非完全如此，上述文獻研究 中皆有提到地方選舉因地而異。因為地區的差異如候選人因素、地方派系、議題等 會影響社經因素對於投票行為的影響，進而導致該地區趨勢的表現異於總體趨勢，
形成「空間異質」的問題，且這些因素沒有統一的量化指標可以代表其概念，若要 建立某概念對於地方選舉的通則影響必須透過數個案例比較才能確立。本文即是 針對青年人口比例對地方縣市長選舉獲票結果影響的討論，在理論上亦會產「空間 異質」的問題，因此在後續探討中必須考量此問題，尋找能夠處理空間異質的方法，
以加強解釋的力道。
第三節 空間分析應用在選舉研究
在選舉活動的研究類型上，可以分為五大項：(一)選舉空間如選舉區的劃分、
(二)投票型態的空間差異及其與人口特性的關係、(三)地方因素對政治態度與投票 行為的影響力、(四)獲票率轉換為席次數影響代理權的空間型態、(五)權力及政策 實施所展現出來的空間差異 (Johnston, 2000)。從各項目當中不難發現選舉活動與 空間、地方因素息息相關，說明空間議題在選舉研究中視不容被忽視的。而利用空 間分析方法進行選舉研究的學問被稱為「選舉地理學」。「選舉地理學」一詞在人 文地理學辭典中被定義為「以地理的觀點，針對選舉的組織，行為及結果等各面向 所進行的研究」。而本研究即是透過空間分析方法針對 2014 年九合一縣市長選舉 的結果進行探討，亦在其範疇內。
在以地理區為研究單位呈現選舉結果在區域間差異、變化的層面上，可以從兩 個面向去作探討：一為「強度」，即政黨在區域內能有多少獲票；二為「穩定性」，
即獲票的變化是否穩定(張世仁，2001)。在「強度」的探討上，及關注在政黨在該 地的獲票率，獲票率的高低即代表該政黨在此地區的政治實力；在「穩定性」的探 討上，及關注在不同時期或者不同類型的獲票率差，觀察獲票率差的高低探究該政 黨在此地區發展的穩定。本研究即是關注青年因素的加入是否對政黨的穩定性有 所影響，因此依變數將會從獲票率差來作探討。
而在選舉結果在區域間差異、變化的層面上，學者 Perdomo 提出三種不同理 論用以分析選舉結果(獲票率、獲票增減率)呈現不平均現象的原因 (Vilaltay, Perdomo, C. J., 2003)。
一、「成分影響觀點」（component effects perspective）
認為選舉結果的不平均現象來自於各地區社經背景的差異，並非所處地理位 置的影響。此觀點假定「同樣的人會投同樣的票，地理因素不是重點。」 (McAllister, 1987)，認為人們因為具有相同的社經背景，因而具有類似的投票行為，何地投票 對投票行為無影響。如果空間與地方能夠影響投票行為，應該是處於傳統社會(即 地區間來往較不頻繁)而非現代社會 (Agnew, 1987)。
二、「地區脈絡」（local contextual effects）
各個地理區的選舉結果超越社經背景(變項)所能解釋的範圍，是個人與其所屬 環境互動的結果。而這個環境的本質是行為者長期建構出來的產物 (Flint, 1998)。
脈絡影響的觀點亦可以從 Giddens 結構化理論(structuration theory)相呼應，亦即行 為者(agency)與其所處的結構(structure)相互影響。選民在做出投票抉擇時會受到社 會網絡的影響，而影響最大的即是與社會互動最多的人。行為者除了除了受到傳統、
制度、道德規範等既定模式制約外，行為者也會經由不理會 (ignoring)、取代 (replacing) 、 再 生 產 (reproducing) 等 方 式 轉 換 其 所 屬 結 構 (Anthony Giddens, Christopher Pierson, 1998)。所以可以得出環境對於個體的投票行為是有影響力的。
三、「擴散效果」（spatial diffusion effect）
鄰近地區的行為會相互影響，地理上相鄰或親近性會決定傳播的速度與方向，
這種擴散模式並非固定不變或偶發性的，而是依時空背景的不同而有變化。
選舉地理學的研究通常會透過上述三種立場，運用地區屬性資料來澄清空間 因素所扮演的角色。本研究亦會根據這些論點，針對青年分布與九合一選舉結果進 行分析探討。
談及空間分析應用在選舉研究，不可以忽略的是「空間社會科學整合研究中心」
(Center for Spatially Integrated Social Science, CSISS)的成立。CSISS 由美國國科會 (National Science Foundation)贊助成立，以加州大學聖塔芭芭拉校區為基地。其分 為分析方法與開發計量軟體兩大部分，對空間分析發展貢獻極大。而空間分析在早 期多用於自然科學領域如生態、物種、氣候等，透過其分布情況以找出地區性所造 成的影響。直到近期空間分析漸漸使用在社會科學上，如經濟學、政治學等。
而以空間分析方法應用在政治版圖分析上來看投票行為的「選舉地理學」，在 國外已有許多相關研究，如 John O'Loughlin、Colin Flint、Luc Anselin(1994)探討德 國 1930 大選納粹黨興起的社會因素，並指出空間及地方(space & place)有一定影 響；MacAllister, Fieldhouse & Russell(2000)探討英國第三黨自由民主黨 1997 年大 選突破傳統根據地，向外拓展的機制，發現地方選舉、補選的斬獲是跨越 credibility gap17的關鍵，有助於解釋 1997 年的選舉結果。Gimpel & Cho（2004）則關心北英 格蘭地區的族群政治，他挑戰族群影響日益式微的觀點，以空間迴歸證明族群淵源 對總統選舉仍有解釋力，無法以其他經社變項替代。而在空間因素影響投票率的研 究案例方面，Gimpel & Schuknecht(2003)以 SLM 模型探討華盛頓 DC，2000 年總
17
英國小選區制，不利第三黨的發展，主要原因是選民會認為第三黨沒有獲勝的可能，投給他們
只是浪費選票，此即 credibility gap。
統選舉，投票所遠近對投票率的影響。在控制其他變數(包括空間變數)後，發現投 票所距離與投票率相關，然而不是線性關係，在 2-5 英里處距離的影響為負，但超 過一定距離(6-10 英里)其影響反而變為正。Gimpel & Morris & Armstrong(2004)運 用各郡(counties)的資料，探討不同世代(大蕭條世代、嬰兒潮世代、後嬰兒潮世代) 對投票率的影響，發現控制各種可能的變數之後，殘差仍然具有空間自相關現象，
顯然有某些隱藏的變數存在；就不同世代的投票傾向而言，後嬰兒潮世代傾向政治 冷漠。另外，Cho & Tam（2003）分析一九八○、九○年代，亞裔人士政治獻金的 演變，除了考慮地區的屬性資料外，特別強調空間擴散效應的影響。
台灣國內以政治版圖分析選舉，研究先驅洪永泰(1994: 95)依據臺灣選舉資料，
整合選區內歷次選舉投票所的地理範圍及投票紀錄，挑選政治指標將投票依據該 指標進行分群。其研究依據地域與投票紀錄，提出政治版圖概念，強調選票分布與 政治版圖的關聯性。之後的政治版圖研究，即依據洪永泰(1994:95)的分析方法，進 一步討論選票分布的影響因素。林繼文(1998)運用對應分析法描述台灣立委選舉中 候選人之主要地盤。徐永明(2001)運用 Gary King 的 EI 模型估算「忠誠選民」，發 現忠誠選民的比例與「政治版圖」並無相關。隨著以空間分析方法來進行選舉研究 的途徑愈來愈受重視，並且加入地理資訊系統(Geography Information System, GIS) 及 Google Earth 的配合，圖面展示功能將個別區域以及區域間的相互關係呈現出 來。近期相關研究著作有：施雅軒(2005)以高雄市 1998、2001、2004 年立法委員 選舉為例，藉由地理資訊系統，以里為分析單位探究政黨認同的空間穩定度。鄧志 松(2006)則以 1996、2000、2004 年三次總統選舉為例，透過空間探索分析方法呈 現出空間變異的現象存在，並進一步以空間迴歸分析探究 2004 年民進黨獲票增加 的影響因素。賴進貴、葉高華、張智昌(2007)則以 2004 年總統大選為例來論述空 間效應的的影響過程。
值得一提的是，空間分析研究中常被應用到的概念有二，一為「空間自相關」， 二為「空間異質性」。多數透過空間分析方法進行選舉結果的研究都從「空間自相 關」現象開始著手。然而不可忽視的，特別是在地方選舉的研究上，「空間異質性」
的現象十分重要，因為地區性的差異如候選人因素、地方派系、選舉生態等因素造 成自變數對依變數的關係因地而異。若僅從「空間自相關」現象出發以一般的空間 分析方法執行，將會忽視「空間異質性」現象，進而造成結果有所偏誤。針對空間
異質現象的處理，許多學者發展出多種處理方法，而較常被使用的方法為「地理加 權 迴 歸 模 型 (Geographically Weighted Regression, GWR) ， 此 模 型 由 學 者 Fortheringham 總結在傳統迴歸分析加入空間變數以及局部迴歸進行的特色，並利 用局部光滑逼近(Locally Smooth Approximating)的概念而提出。此模型的提出對空 間異質現象做了有效的處理，相較傳統迴歸模型有較佳的解釋力 (A. Stewart Fotheringham, Chris Brunsdon, Martin Charlton, 2002)。隨著技術的逐漸成熟，GWR 模型漸漸的應用在各領域的研究，而應用 GWR 模型在選舉研究上，國外有 Kavanagh, Adrian and Sinnott, Richard and Fotheringham, Stewart and Charlton, Martin (2006)利用地理加權迴歸模型方法探討愛爾蘭選舉投票數與地區社經變數之間的 關係。以及 Wendy K. Tam Cho,James G. Gimpel (2009)則是利用地理加權迴歸模型 探討高油價、失業率提升以及喪失抵押品贖回權等變項與民主黨獲票之間的關係。
國內則是有郭迺鋒、梁益誠、王暐婷 (2008)以地理加權迴歸模型探究台灣總統大 選政黨得票率與青年族群之空間分析。
從上述由空間分析方法對選舉所做的分析研究可以看出，空間分析方法在政 治版圖或是投票行為研究上提供了便利的工具，除了能透過圖像呈現的方式使研 究者可以觀察現象的分布外，更可以透過空間探索及迴歸分析方法端看變數與觀 察現象的空間自相關、空間異質以及相關性。在此研究工具的幫助下，希望可以藉 此驗證本研究所探討的青年與九合一縣市長選舉結果之關係。
第三章 研究設計
在本章研究設計中，首先將說明本研究的分析架構，並且先定義在空間分析研 究中最常被應用到的「空間自相關」與「空間異質性」的概念。而後說明本研究如 何進行，即透過「空間探索分析」及「空間迴歸分析」方法。接著說明執行空間分 析方法時所使用的變數及本研究可能遇到的限制
第一節 分析架構
本文欲探討太陽花學運對於九合一縣市長選舉結果的影響。九合一縣市長選 舉結果藍綠政治版圖翻盤，代表藍綠在獲票「穩定性」上發生了變化，可能造成藍 綠陣營未來發展有所改變。而此次 2014 年九合一縣市長選舉藍綠政治版圖翻轉，
許多說法歸因於在選前引發的太陽花學運，太陽花學運的後續效應是否延續造成 青年對於國民黨為首的藍營有所不滿而導致次次選舉結果的翻盤眾說紛紜。因而 從青年因素造成民進黨獲票增加的假設出發，欲觀察藍綠政治版圖翻盤現象背後 的因素。
為探討青年因素對於民進黨獲票增加是否影響，本文透過空間分析方法，試圖 回答青年人口比例多的地方，是否就是民進黨獲票率增加多的地方。將「獲票率差」
設置為依變項，解釋變項設定為「青年人口比例」，而青年的定義為年齡為 20-29 歲。此外，利用相關文獻中整理出影響投票行為的社經變數做為控制變項，控制變 數使解釋變項的影響能夠突顯。分為人口結構、經濟條件、社會發展，以尋找除了 解釋變數之外的其他自變數。人口結構方面即是選民基本特性，如性別、年齡等。
在經濟條件方面，變數包含所得、人口密度。而在社會發展方面，相關的變數有教 育程度、族群、自我認同、職業、數位機會等，在投票因素方面，相關的變數有投 票率差、期初值等，而最後是鄰近變數，在控制以上社經變數後鄰近效應若還是存 在，表示鄰近地區會相互影響表現。
地區差異會影響因素對於投票行為的影響，空間異質是必然發生的。此現象的 發生除了是因為地區本身差異造成之外，亦有可能與候選人特質如性別、年齡、政 績、形象等以及地方派系因素造成此地投票行為異於他地許多，而這些因素並不能 以量化數據作完全呈現，必須經過多次且多案例的深入研究才能建立準則，針對此 現象必須透過特別的空間迴歸模型處理。下圖 2 為本研究的分析架構圖。
圖 2 分析架構圖(作者自繪)
控制變數人口結構 性別(+) 壯年人口(-) 老年人口(-)
經濟條件 綜合所得(-) 人口密度(-)
社會發展 高等教育 (-) 中等教育(+) 初等教育(+) 農業職(+) 工業職(-) 服務業職(-) 無工作者(+) 客家人口(+) 福佬人口(+) 外省人口(-) 原住民人口(-) 台灣人認同(+)
數位傳播
數位公民參與(+)
空間因素 鄰近效應(+/-) 空間異質(+/-)
解釋變數
青年因素 青年人口(+)
依變數
獲票穩定性 民進黨獲票率差
投票因素 投票率差(-) 期初值(-)
第二節 研究方法
本研究主題為「以空間分析探討 2014 九合一縣市長選舉青年因素與民進黨獲 票之關係」，探討各縣市青年分布情況與九合一選舉「民進黨獲票率」以及與上一 屆選舉獲票率相減計算出的「獲票率差」在空間上的相關性。因此本研究將透過「空 間分析方法」進行探討。而空間分析方法又可以依其性質可以分為「地理視覺化」
(Geographic Visualizations)「空間統計」(Spatial Statistic)與「空間計量」(Spatial Econometrics)。
壹、 視覺化呈現(Geographic Visualizations)
「地理視覺化」(Geographic Visualizations)利用展示方法探索資料的空間特性，
從探索過程或結果中發掘新的問題、新的解決方案，或是建構新知識的方法 (Kraak, 2003)。其透過 3D 或者平面地圖呈現以處理空間問題，而非只是抽象的屬性資料 (Gennady L. Andrienko、 Natalia V. Andrienko, 1999)。透過地圖繪製(Mapping)，可 以依照一定的地理位置、排列順序作圖面上的呈現，專注於探索與地理現象有關的 時間、空間議題 (Stuart K. Card、Jock D. Mackinlay、Ben Shneiderman, 1999)。而 本研究即是探討民進黨獲票率增減以及青年因素在空間分布特性，因此適用「地理 視覺化」。以不同的角度觀察資料表並找出隱藏的資料特徵如資料關聯性、空間分 布 或 是 趨 勢 (Mark Gahegan, Monica Wachowicz, Mark Harrower ,Theresa-Marie Rhyne, 2001)。在本研究中以鄉鎮市區為研究基本單位，多以「台灣 358 鄉鎮市區」
面範圍為底圖，透過 GeoDa 軟體中的分位圖(Quantile Map)、標準差圖(Standard Deviation Map)來作呈現。
分位圖(Quantile Map)：分位圖是透過將變數資料依大小順序分為 n 等分，
各等分以漸層色系呈現在地圖上，而漸層深淺表示大/小。
標準差地圖(Standard Deviation Map)：標準差地圖為以平均值做為中心，
加減一個到三個的標準差將變數資料分為六群以不同顏色表示於地圖上。
然而，誠如美國學者 Mark Monmonier 在其著作的《地圖會說謊》(How to Lie with Maps)中提到，儘管可以將抽象的數據轉換成人們可以一目了然的示意圖，但 不管是任何地圖形式都可能因為資料概括或者在製圖時使用方法不適當、粗心、故 意操控數據、時間不一致以及圖像無法真切表達作者理念等造成讀圖者的錯覺因
而誤導 (Mark Monmonier, H. J. de Blij, 1996)，因此接下來透過空間探索分析，從 數據資料進行數據分析並做出統計圖表。
貳、 空間探索分析(Exploratory Spatial Data Analysis)
空間探索分析(Exploratory Spatial Data Analysis)為透過空間統計工具，將數據 資料中的空間效應加以量化及顯示，常用的工具有直方圖、盒狀圖、散佈圖、
Moran’
s I
散佈圖，LISA地區自相關分析 (local indicators of spatial association)等。空間探索分析主要加入了兩個重要概念，分別為「空間自相關」與「空間異質」。 一、 空間自相關(Spatial Autocorrelation)
「空間自相關」的定義為「若一個郡的表現值與其鄰近郡的表現值更相似或不 相似時，則此時存在空間自相關現象」 (Cliff, A.D. and Ord, J.K., 1973)。1970 年代 Tobler 提出「地理學第一定律」(first law of geography)，即「每件事情都與其他每 件事情相關，但比較近的事情會比較遠的事情來得更有關係」(All attribute values on a geographic surface are related to each other, but closer values are more strongly related than are more distant ones.) (Tobler, 1970)點出鄰近地區影響的重要性。而空 間自相關包含兩種情況─與鄰近地區表現值差異小、與非鄰近地區表現值差異大，
此為「正空間自相關」，亦即空間聚集(Spatial Clustering)；反之，與鄰近地區表現 值差異大、與非鄰近地區表現值差異小，為「負空間自相關」，亦即空間離散(Spatial Dispersion) (Haggett, P., Cliff, A. D. and Frey, A., 1977)。而當中便出現了「鄰近」與
「非鄰近」的定義問題，若界定的標準不同即會產生不同的結果。常用的方法是以
「相鄰性」(Contiguity)為標準，以「共同邊界」作為判斷依據，若地區間有共同邊 界即認定為「鄰近」，否則認定為「非鄰近」。亦可以距離為門檻，方圓一距離內 之地區稱為「鄰近」，距離之外地區為「非鄰近」。或者以距離最近的 K 個單位 (K-nearest)定義鄰近地區，而 K 為自訂常數。透過這些判斷基準，便可以找到一地 的鄰近區與非鄰近區。當然，鄰近區數量可能為零，如同海中之一島嶼，其因大海 阻隔，因此不與其他地區鄰近。
經過釐清「鄰近地區」的定義後，接著是其在方程式中的表現，稱為「鄰近變 數」。其值即是以各鄰近地區屬性變數的值加權平均而來。加權平均的方式可以為 算術平均數，即以相同權數計算之。亦可以其他變數如共同邊界長度、核心點距離、
社經變數相似度加權計算，原始變數以 Y 表示，鄰近變數以 WY 表示。常用的計 算方法是計算 Moran’s I 指數，其方程式為式(1)：
(1) I = 𝑛
∑ ∑𝑛 𝑊𝑖𝑗 𝑗=1 𝑛 𝑖=1
∑ ∑𝑛 𝑊𝑖𝑗 𝑛 𝑗=1
𝑖=1 (𝑥𝑖−𝑥̅)(𝑥𝑗−𝑥̅)
∑𝑛𝑖=1(𝑥𝑖−𝑥̅)2
其中，n 為欲觀察的地區數，𝑊𝑖𝑗為地區 i 與地區 j 之鄰近變數(可稱為「空間 權重」，Weight)，兩地相鄰則𝑊𝑖𝑗=1，不相鄰𝑊𝑖𝑗=0，𝑥𝑖與𝑥𝑗為地區 i 和地區 j 的變 數值，𝑥̅為該變數在所有地區中的平均值。計算出來的 Moran’s I 值介於-1 與 1 之 間，當值大於 0 時為正空間自相關，小於 0 為負空間自相關。愈接近 1 或-1 時表 示樣本性質愈接近，空間自相關程度愈高；愈接近 0 或等於 0 時則表示空間自相 關程度愈小，呈現「空間隨機」。Moran’s I 散佈圖每點代表一個地區，橫軸是標 準化之後的變數 Y，縱軸為相應的鄰近變數 WY，迴歸線斜率即是 Moran’s I 指 數。如果 Y 與 WY 都標準化，則斜率就是相關係數 R。
如果 Moran’s I 散佈圖的橫座標與縱座標指涉的是不同的變數，即屬雙變數 的 Moran’s I 分析。比較不同變數的 Moran’s I 散佈圖，可觀察變數與其周邊較 複雜的關係。若 Moran’s I 散佈圖 XY 軸分屬不同的時期，則有助於我們判斷傳 播的速率。而不同「鄰近地區」的定義會影響計算出來的 Moran’s I 值，是依據研 究目的而調整。若以距離作為鄰近的判斷依據，可以透過不同的距離大小依序算出 Moran’s I 值觀察不同鄰近定義對 Moran’s I 值的影響，即 Correlogram 圖，依距離 大小作排序 Moran’s I 值將趨近於 0。
Moran’s I 值可以進行檢定，虛無假設為「空間自相關不存在」，拒絕假設為
「空間自相關存在」，將其 Moran’s I 抽樣分布標準化後接近 z 分布(標準常態分 布)，此性質可以做為檢定之依據。虛無假設下 Moran’s I 的期望值與變異數為式 (2)及式(3)：
(2) E(I) = −(n − 1)−1 (3) Var(I) = 1
(𝑛−1)(𝑛+1)(∑ ∑ 𝑊𝑖𝑗)2× [𝑛2𝑆1− 𝑛𝑆2+ 3(∑ ∑ 𝑊𝑖𝑗)2] − 1
(𝑛−1)2 𝑆1 = 1
2∑ ∑(𝑊𝑖𝑗+ 𝑊𝑗𝑖)2，𝑆2 = ∑ ∑(𝑊𝑖.+ 𝑊𝑖.)2
由上述公式計算實際觀察的 Moran’s I 標準化後的 Z 值，Z 值愈大愈可能拒 絕虛無假設，我們還是用 P=0.05 作為臨界點，當 P 值小於 0.05，有足夠的證據認 定空間自相關存在。事實上，空間自相關現象極為普遍，Moran’s I 檢定多半會成
立。比較 Z 值大小，則可比較空間自相關程度的大小。
而 Moran’s I 指數關心的是整體（Global）的空間自相關趨勢，若想比較一地 區與其鄰近地區的差異時，可以利用「區域空間自相關」(Local Indicators of Spatial Autocorrelation, LISA)概念 (Anselin, Local Indicators of Spatial Autocorrelation─
LISA, 1995)，衡量個別地區與其鄰近地區相關程度的指標，其方程式為式(4)：
(4) 𝐼𝐼 = 𝑥𝑖−𝑥̅
∑𝑛𝑖=1(𝑥𝑖−𝑥̅)2∑𝑛𝑗=1𝑤𝑖𝑗(𝑥𝑗− 𝑥̅)
Local Moran’s I 的顯著性檢定與 Global Moran’s I 類同。亦可透過標準化 檢定後作為比較空間自相關依據。通常有些地區的空間自相關現象比較明顯，其他 地區則不是那麼明顯。
本研究將透過 GeoDa 繪製 1.直方圖(histogram)、2.箱型圖(box plot)、3.散布圖 (scatter plot)、4. PCP 圖(Parallel Coordinate Plot)、5. Moran’s I 圖、6..Lisa 圖觀察 此二變數的空間分布特性，說明如下所列：
直方圖(histogram)：直方圖是使用圖形來顯現數據分布的情況，透過 此圖可以看出變項數據的分布並可以找到歧異值。
箱型圖(Box Plot)：箱型圖是一種用來呈現數據分布情況的統計圖，
可以顯示數據的分佈及偏斜的程度，亦顯示變數的最大值、最小值、
平均數、標準差、中位數、四分之三位數、四分之一位數等統計量。
散佈圖(Scatter Plot)：散佈圖是瞭解變數與變數間關係最常見的做法，
並且可以計算相關係數。
Moran’s I 散佈圖：顯示探討變數的全域(整體)空間聚集的情況及顯 著性檢定。本研究藉由此圖展示民進黨獲票率、獲票率差整體空間聚 集情形與顯著性檢定。而此散布圖可分為四個象限並各具意義。位在 第一象限即表示某地區與其鄰近地區的表現相似，且呈現正向(+)趨 勢；位在第三象限則表示某地區與其鄰近地區的表現相似，但呈現負 向(-)趨勢。而位處這兩象限即呈現空間聚集現象，可說是「穩定區」。 而若在第二、四象限之情形，則表示地區與地區間差異甚大，未能觀 察出空間聚集現象，可說是「不穩定區」，屬空間例外。
LISA(Local Moran’s I Spatial Association)分析圖：可以顯示探討的 變數在單獨地區與其鄰近地區的相關關係及顯著性檢定。本研究即
針對單獨地區與其鄰近地區之民進黨獲票率差的空間聚集情形及顯 著性進行檢驗。
二、 空間異質性(Spatial Heterogeneity)
空間異質性是指一個特徵、事件或者跨區域的關係在空間上分布不均勻，描述 在 廣 泛 空 間 中 塊 狀 或 片 狀 分 布 的 過 程 或 事 件 (Anselin, Thirty years of spatial econometrics, 2010)。
本研究探討地方選舉中青年因素對於民進黨獲票的影響，然而以各地區分別 探索青年因素對於民進黨獲票率及獲票率差的關係，確實發現以縣市單位觀察有 些地區與總體趨勢並不相同，此即空間異質現象，如下圖 2 所呈現。探究空間異質 形成的原因，可能是因為地區差異造成該地區結果與總體趨勢有所不同。地區差異 可能是候選人因素如候選人特質、政績、年齡等，亦可能是其他我們尚未探討到的 因素所造成。
針對這些因素所造成的空間異質現象，並須透過特殊的模型加以處理。通常可 以透過逐一增加控制的變數試圖消除「空間異質」，亦即條件都一樣的話，就不應 該有任何地區表現特別「異質」。然而要控制所有的變數不是件易事。此外，可以 增加地區虛擬變數或者透過特殊的空間迴歸模型處理。本研究即嘗試透過將台灣 縣 市 分 為 北 、 中 、 南 、 東 四 區 設 定 虛 擬 變 數 以 及 使 用 地 理 加 權 迴 歸 方 法 (Geographically Weighted Regression，GWR)處理空間異質問題。
透過幾個空間探索方法觀察本研究探討的命題「青年因素與九合一縣市長選 舉」，可以發現在獲票率差在空間分布上具有空間自相關的特性，且發現獲票率差 與青年因素呈現正相關。此外，在進一步以縣市做類別製作散布圖，如圖 3，發現 青年因素對於獲票率差具有空間異質的現象，針對空間自相關以及空間異質的特 性是後續研究所要探討的。
圖 3 民進黨獲票率差與青年因素之散佈圖(以縣市為類別)
參、 空間迴歸分析(Spatial Regression Analysis)
常見的迴歸分析模型主要分為兩種，一為傳統迴歸模型(Classic)，一種為空間 迴歸模型，其又可分為空間落遲模型(Spatial Lag Model, SLM)與空間落遲模型 (Spatial Error Model, SEM)，主要處理空間自相關的問題。 在實務中，通常會先尋 找可能的自變數進行傳統迴歸分析，並檢查誤差是否具有空間自相關現象(即檢定 Moran’s I 值是否拒絕虛無假設)。如果誤差沒有空間自相關現象(即 Moran’s I 值接 受虛無假設)，則傳統迴歸模型估計結果已具充分解釋力；如果誤差有空間自相關 現象(即 Moran’s I 值拒絕虛無假設)，則需進行空間迴歸模型。
一、 傳統迴歸模型(Classic)
傳統迴歸模型是採最小平方法(Ordinary Least Square Estimation , OLS)來進行
估計，分析影響 2014 年九合一縣市長選舉之民進黨獲票率以及民進黨獲票率差變 異之因素，估計模型為：
(5) 𝑌𝑖 = 𝛼 + ∑ 𝛽𝑖𝑋𝐼 = 𝛼 + 𝛽1∗ 𝑋1+ 𝛽2∗ 𝑋2+ ⋯ + 𝛽𝑛∗ 𝑋𝑛+ 𝜀𝑖，𝜀𝑖~𝑁(0, 𝜎2)𝑌𝑖表示被解釋變數，即依變數；
𝛼表示截距項；
𝛽1、𝛽2… 𝛽𝑛表示迴歸係數；
𝜀表示隨機誤差
建立 OLS 迴歸模型，利用各項自變數解釋民進黨獲票率及獲票率差的變化，
當迴歸模型中誤差呈現隨機分布，即誤差獨立，則所選擇的自變數已足以解釋各陣 營獲票率的變化。如誤差不呈現獨立，則需要進一步以空間落遲模型或空間誤差模 型加以檢驗。
二、 空間落遲模型(Spatial Lag Model, SLM)
如果利用社經文化背景等變數進行傳統 OLS 迴歸分析後誤差呈現不獨立，即 表示這些變數無法充分解釋民進黨在 2014 年九合一選舉獲票率及獲票率差變化的 原因。而誤差不獨立的原因有可能是因為鄰近地區的表現產生鄰近效應擴散造成 的。為了檢驗空間鄰近效應的存在，可以藉由空間落遲模型來進行分析。空間落遲 模型用了一個空間上「落遲」的被解釋變數作為一般的解釋變數，此處的「落遲」
是指於空間上(同時決定)而非時間先後引起的，通常用於「一地區的某活動同時影 響鄰近地區某活動，也受鄰近地區某活動的影響」，由相關經濟變數來考慮被解釋 變數的空間落遲效果 (艾兆蕾, 2005)。
空間落遲模型估計模型如下： (Anselin, Spatial Econometrics: Methods and Models, 1988) (Anselin, L. and A.Bera, 1998)
(6) 𝑌𝑖 = 𝛼 + 𝜌𝑊𝑌 + 𝛽𝑖𝑋𝑖 + 𝜀𝑖，𝜀𝑖~𝑁(0, 𝜎2) 𝑌𝑖為被解釋變數項；
𝜌為空間自我迴歸係數(Spatial Autoregressive Coefficient)；
𝑊為 n*n 維空間加權矩陣；
𝑊𝑌為鄰近變數，及空間落遲被解釋變項；
𝜀為隨機誤差項
由上式可以得知空間落遲模型(SLM)與傳統迴歸模型(OLS)不同在於多加一個
被解釋變數乘上空間的鄰近矩陣，即 WY(鄰近地區表現的加權平均)被當作解釋變 數之一，透過檢定被解釋變數的空間落遲係數ρ，當ρ=0 表示鄰近變數 WY 不具 有影響力。反之，當ρ≠0 表示鄰近變數 WY 具有影響力，顯示鄰近效應是存在 的。而在加入鄰近變數 WY 之後誤差自相關現象應會消除。如果忽略此現象逕行 用作小平方法估計，則估計值會有偏誤且不一致。
三、 空間誤差模型(Spatial Error Model, SEM)
進行傳統迴歸分析時，在控制所有自變數及鄰近變數後仍有誤差自相關的現 象，則可將其假定為某一未知變數，而這一變數是被忽略的自變數。透過進一步分 析此誤差，可以發現某個可能被忽略的重要自變數是否與誤差項有所關聯性。空間 誤差模型的估計模型如下：
(7) 𝑌𝑖 = 𝛼 + 𝐵𝑖𝑋𝑖+ 𝜀𝑖 𝑌𝑖表示被解釋變數，即依變數；
𝛽表示迴歸係數；
𝜀表示隨機誤差項。
進行修正後的誤差項：𝜀𝑖 = λW𝜀𝑖 + 𝜇，𝜇~𝑁(0, 𝜎2) λ 表示依變數的空間誤差係數(λ = 𝜀𝑖, 𝜀 − 𝑖)；
W 表示空間權重。
空間誤差模型將迴歸模型中的殘差項裡多加一個變項，即殘差項自身乘上空 間上的鄰近矩陣。若其中空間誤差係數λ≠0，表示確實有被忽略的變數造成空間 變異現象。使用空間誤差模型(SEM)進行估計後，誤差自相關的現象會大幅降低甚 至消除。而如果忽略此種現象逕行用最小平方法估計，則無法得到不偏的估計量。
四、 空間迴歸分析流程
經過上述各個模型介紹後，依據 Anselin, Luc 提出之法則來選擇統計迴歸模型，
並繪製流程圖如圖 4： (Anselin, GeoDa™ 0.9 User’s Guide, 2003)
(一) 空間異質性檢定：以傳統迴歸模型算出迴歸係數，並檢查誤差是否獨 立。當迴歸模型中誤差呈現隨機分布，即誤差獨立，則所選擇的自變數已足以 解釋，「鄰近效應」是不存在的。如誤差不呈現獨立，則需要進一步以空間迴 歸模型加以檢驗。
(二) 殘差項空間相依性檢定：對𝑊𝑦、𝑊𝜀進行 Lagrange Multiplier 檢定。
Lagrange multiplier 檢定用來判斷新增一個自變數其影響是否顯著，若顯著方 有加進新變數的必要。分別對 Wy，Wε 進行 Lagrange multiplier 檢定，如果 前者顯著，則建議用 SLM，如果後者顯者，則建議用 SEM。如果兩者都顯著，
則建議繼續進行 Robust（The Likelihood Ratio Test）檢定。
(三) 空間相依性檢定：Robust 檢定基本想法是：拿掉某（個）些自變數，
看看顯著水準是否有異？主要是測試該二模型是否具有空間相依性，如果沒 改變，Robust 檢定中分為 Robust LM（lag）與 Robust LM（error）兩種 Likelihood Ratio 檢定。前者針對𝑊𝑦進行檢定，虛無假設為：H0：去除 Lag(𝑊𝑦)後沒關係；
後者針對𝑊𝜀 進行檢定，虛無假設為：H0：去除 Error(𝑊𝜀)後沒關係，通常只有 一個會顯著。如果前者顯著則建議用 SLM；如果後者顯者則建議用 SEM。
此空間迴歸分析檢定流程並未加入地理加權迴歸模型，因為空間迴歸分析檢 定流程是針對空間相依性作分析，而地理加權迴歸模型則是探討空間異質性，不同 於其他模型，因此並未加入此檢定流程中。
