[文件標題]
國立臺灣大學社會科學院政治學系 碩士論文
Department of Political Science College of Social Sciences
National Taiwan University Master Thesis
815停電事件對總統滿意度的影響：
以文字探勘為途徑
The Influence of 815 Power Failure on The President Approval Rating: A Text-mining Approach
林玿弘 Shao-Hong Lin
指導教授：張佑宗 博士 Advisor: Yu-Tzung Chang, Ph.D.
中華民國108年7月
July, 2019
謝辭
對於這篇論文能夠順利完成，最該感謝的其實就是指導教授張老師。從踏 進台大政治所開始，我就進了東亞民主研究中心，跟著張老師做研究。其實我 是一個很不認真的學生，在讀書的期間有各式各樣的外務，張老師始終給我很 大的空間，更重要的是在我最低谷要放棄、要休學的時候，當時張老師沒有同 意我休學，否則我可能也就不會回來寫完這篇文章了吧。
在台大四年，要感謝的人很多，除了張老師之外，還有東亞民主研究中心 的很多學長姊和學弟妹的幫忙，更要感謝銘傑學長、冠成學長和忠偉學長，沒 有三位位的督促和幫忙，這篇論文會始終是個構想也不可能實踐。
走在學術研究的路上，始終要很感謝中正大學的陳光輝老師、劉從葦老師 和魏楚陽，沒有三位的鼓勵與幫忙，我可能不會考研究所，更不會走到現在。
讀研究所的過程中，我參與過兩次的選舉，感謝尚志老師、又新在我政治 實踐的道路上給了我很多的機會。
感謝室友皓中、好友偉儒和鴿子克笙，陪我度過每個想喝酒的日子與喝醉 酒的日子。
感謝爸爸媽媽忍受我長年不回家，作為一個 20 幾歲的人，不事生產就算 了，有些時候還要尋求你們的支援，實在很慚愧。更感謝哥哥，在我讀大學和 研究所的過程中，家裡大大小小的事情都是你幫我張羅、負擔本屬於我的責 任。
最後，感謝伴侶雪嬌，你始終鼓勵我做我想做的事、鼓勵我做自己。作為 一個讀社會科學的人，在六年前半路出家去學寫程式是件極為痛苦的過程，是 你始終當我最好的聽眾，在我每一次突破一個小小的難關時，你總是很有耐心 的聽我解釋、分享我的喜悅。
最後的最後，要感謝大大的世界中，小小的一個島嶼──祖國台灣，是這 個自由、民主的國家，讓我可以盡情的揮灑，在討論總統施政時，不需要感謝
黨、感謝領導。在成為更好的人的同時，也希望能讓台灣成為一個更好的國 家。
摘要
總統滿意度作為總統施政表現的重要指標，在現行以民意調查為主的測量 方式中，受限於經費、時間等因素，執行的時間點較為分散，難以回答總統滿 意度受事件影響多大、持續多久等問題。因此本文利用網路資料，嘗試發展新 的測量方式，改善資料點不足而難以評估事件對總統滿意度影響的問題。
本文利用機器學習中的半監督式學習，標註 2017 年 PTT 八卦版中 20 餘萬 個帳號的發言是否滿意蔡英文總統的施政，進而獲得較密集時間點的總統滿意 度。藉此，我們可以得知不同時間、不同議題中，使用者的態度形成與變化。
研究結果顯示，本文之測量方式與既有文獻結果相符，加上時間設定上較為自 由，本測量方式將有助於短時間、即時性的事件影響評估。
本文以 729 限電事件與 815 停電事件為例，利用自然實驗法將本島與外島 使用者分離，並討論受影響大小對總統滿意度的影響。此類突發事件，在過去 的研究中，缺乏前測資料，難以對事件歸因，也缺乏資源對事件持續追蹤，進 而難以得知事件的影響大小、持續時間等問題。然而本文明確指出，受影響較 大的本島使用者較未受影響的外島使用者更傾向給予總統不滿意的評價，更可 精準地評估事件影響的持續時間。
關鍵字:總統滿意度、文字探勘、機器學習、課責
Abstract
The presidential approval rating is an important indicator to judge the performance of the president. We have measured the president approval rating by survey. But limited by some factors such as budget or time, the data points in time are dispersion. Due to this dispersion, we are difficult to answer how the event affects the president approval rating. To solve the above trouble, this paper tries to advance a new measurement by internet data.
This paper will label whether user approval the president or not by its post or comment in PTT Gossiping Board during 2017. And this measurement is based on a semi-supervised machine-learning approach. Through this measurement, we can obtain more intensive data on time. That is why this paper can answer the user’s attitude changing and forming in a different time and on a different issue. This research points out that the performance of this measurement is fitting the past researches. More advantageous is that this measurement is free from the time setting, so is powerful to evaluate the short-term and the immediacy event affection.
This paper pick 729 power limited and 815 power failure in 2017 as examples.
We distinguished the user about inner and outer Taiwan island. Through the natural experiment, this paper discusses whether the user changes its attitude after it is effected. In the past, because of lacking the pre-test data, we had difficult to estimate the event influence. We also had difficulty to tracking event affection. So we are difficult to know the sphere and the duration of the event influence in the past. This paper points out that the inner user which be effected more will more tend to give disapproval attitude than outer and without influence. Moreover, this paper can estimate the influence of event duration more exactly.
Keyword:
the president approval rating, Text-mining, Machine-Learning, Accountability
目錄
第一章 緒論... 6
第一節 研究動機與研究問題... 6
第二節 文獻探討... 8
壹、 總統滿意度... 8
貳、 既有研究的侷限... 14
參、 網路數據在政治學的應用... 16
肆、 小結... 17
第三節 研究架構與研究設計... 18
壹、 研究對象... 18
貳、 研究設計與研究假設... 18
參、 研究方法... 20
第四節 章節安排... 21
第二章 總統滿意度的測量... 22
第一節 資料來源與資料處理... 22
壹、 資料來源... 22
貳、 資料處理:新測量方式的建立... 22
參、 滿意度結果初探... 28
肆、 小結... 30
第二節 既有研究的比較... 30
壹、 總統滿意度與執政時間... 31
貳、 總統滿意度與經濟表現... 31
參、 總統滿意度與事件... 34
肆、 小結... 36
第三節 傳統民調的比較... 36
壹、 美麗島電子報... 37
貳、 TVBS 民調中心... 38
參、 小結... 39
第四節 小結... 40
第三章 總統滿意度的測量... 42
第一節 事件概述... 42
壹、 蔡政府的能源政策... 42
貳、 729 缺電危機... 42
參、 815 全台大跳電... 43
肆、 小結... 43
第二節 停電對總統滿意度的影響... 44
壹、 使用帳號的位置判斷... 44
貳、 729 限電危機的影響... 45
參、 815 全台大跳電的影響... 47
肆、 729 與 815 的比較... 50
伍、 小結... 52
第三節 停電對使用者的態度影響... 52
壹、 總體滿意度的困境... 52
貳、 資料處理... 53
參、 729 與 815 對使用者的影響... 54
肆、 小結... 58
第四節 小結... 58
第五章 結論... 60
第一節 研究發現... 60
第二節 研究限制... 61
壹、 缺乏使用者資訊... 61
貳、 觀察時間受限... 62
第三節 研究建議... 62
參考文獻... 64
第一章 緒論
第一節 研究動機與研究問題
責任政治是民主政治中的重要機制。政治學的回溯性投票(Retrospective voting)認為，民眾會依據執政者的施政表現給予執政者獎勵或是懲罰。然而 Chris Achen & Larry Bartels(2016)卻提出了不同的看法，其發現民眾的獎懲並非 理性的，其研究指出佛羅里達的鯊魚攻擊事件竟然影響了 1916 年的總統選舉。
這樣的研究和既有研究認為民眾會理性評判執政者的表現顯然有很大的出入。
究竟民眾是否會盲目地將無法預期的天災人禍歸咎於執政者?
2017 年 7 月 29 日尼莎颱風過境，造成花蓮和平電廠電塔倒塌，並造成後 續兩周的公部門限電措施。此次的限電危機在 8 月 14 日結束，然而在恢復正常 供電的首日 8 月 15 日下午 4 點 51 分卻發生大潭發電廠維修失誤，進而造成全 台無預警跳電，隨後進行全台分區供電，影響遍及全台。直至晚上約 10 點才恢 復正常供電。然而面對兩次的無預警供電問題，是否影響台灣民眾對於蔡英文 總統施政表現的評價?
近年來，對於總統施政滿意度的測量多採用民意調查來探求民眾的態度。
然而面對無預警的事件，顯然無法透過事先前測，並於事件後再進行後測以瞭 解事件的影響。因而在過去的民調資料判讀，多以事件後的民調與前一次民調 進行比較，並仰賴於研究者過去的「經驗」來進行歸因。同時也受限於經費、
人力對於事件的後續也難以追蹤。形成一種我們知道可能有影響，但影響的範 圍、時間卻難以確認的狀況。
表 1-1-1 為作者蒐集台灣兩大追蹤總統滿意度的機構民調。以本文 729 限 電事件和 815 跳電事件為例，若要進行事件影響的評估，離兩個事件最近的前 後民調皆為 2017 年 7 月美麗島電子報和 2017 年 8 月 TVBS，從表一來看總統滿 意度確實下降，但究竟是 729 限電事件的影響抑或是 815 跳電事件的影響，或 是另有其他事件的影響?以現有的民調測量方式，顯然無法歸因。
表 1-1-1 2017 年美麗島電子報與 TVBS 總統滿意度民調執行細節 月份 執行單位 執行起日 執行迄日 樣本數 滿意 不滿意 無意見 201701 TVBS 20170116 20170119 1007 21% 50% 29%
201702 美麗島電子報 20170215 20170216 1072 35.70% 51.80% 13%
201703 美麗島電子報 20170323 20170324 1076 29.50% 58.00% 13%
201704 TVBS 20170418 20170421 914 27% 44% 29%
201704 美麗島電子報 20170426 20170428 1075 31.50% 57.10% 11%
201705 TVBS 20170505 20170512 992 28% 56% 16%
201705 美麗島電子報 20170524 20170525 1073 25.50% 66.50% 8%
201706 TVBS 20170612 20170620 1069 21% 63% 16%
201706 美麗島電子報 20170625 20160627 1071 25.00% 66.00% 9%
201707 TVBS 20170704 20170710 896 29% 53% 18%
201707 美麗島電子報 20170723 20170724 1074 28.90% 57.30% 14%
201708 TVBS 20170816 20170822 800 24% 58% 18%
201708 美麗島電子報 20170824 20170825 1075 27.20% 60.20% 13%
201709 美麗島電子報 20170926 20170928 1071 35.40% 51.90% 13%
201710 美麗島電子報 20171025 20171026 1070 36.30% 54.30% 9%
201711 TVBS 20171117 20171118 808 28% 49% 23%
201711 美麗島電子報 20171123 20171124 1072 28.10% 57.30% 15%
201712 美麗島電子報 20171220 20171222 1083 27.10% 60.20% 13%
既有研究中以民調資料進行總統滿意度的測量方式顯然無法有效掌握事件 的影響。要進行事件的推估，我們需要時間上更密集的觀察值，然而受限於動 輒 10 萬以上和須執行數日的民調成本，並非一般研究者可以負荷。因此本文將 利用機器學習的半監督學習(Semi-Supervised Learning)方式，針對網友在網路上 的貼文和回文進行分析，並將其轉化成對總統滿意度的評價。而受限於人力與 資源，本文並無意針對台灣所有的網路行為進行分析，本文選定 2017 年 PTT 八 卦版的資料，透過分類網友在版上的貼文及回應來進行分析。本文將著重在方 法上的發展，亦即如何將貼文和回文資料進行分類及判讀。以此方式，將有助 於以較低成本解決獲取時間點缺乏彈性的問題，進而對於事件的影響有更完整 的討論和分析。
第二節 文獻探討
壹、 總統滿意度
國內外學者對於總統滿意度的研究並不少。有些研究將總統滿意度作為解 釋變項，利用總統滿意度來作回溯性投票的研究，例如俞振華(2012)、Lewis- Beck (1988)。然而也有些學者討論為何總統滿意度會有所起伏，嘗試著以不同 的變數來探討總統滿意度變化的原因，如盛治仁、白瑋華(2008)。本文對於總 統滿意度的討論將分成兩塊作討論，一是總統滿意度解釋了什麼，二是什麼解 釋了總統滿意度。
一、 作為解釋項
首先，關於總統滿意度作為解釋變項，常見的討論集中在總統滿意度 是選民回溯性投票的重要依據。總統滿意度可能會影響到總統自己的連任 選舉。鄭夙芬(2014)利用 2012 年總統大選前的 15 波電話調查的資料發 現，總統施政滿意度會影響選民的投票意向，然而當時尋求連任的馬英九 總統在兩岸政策的部分受到民眾的肯定，該研究並同時使用焦點團體的訪 談發現除了總統滿意度外，候選人的形象也是影響投票的因素之一。
除了總統自己的選舉外，總統滿意度也會影響到總統以外的中央或地 方選舉。中央選舉部份，林啟耀(2011)利用電話訪問的資料研究總統滿意 度對於立法委員補選的影響，其研究指出在政黨對決較為明顯的區域，中 央的施政表現確實會影響選民的投票意向，然而在政黨對決較不明顯的補 選區域，中央表現的影響則相對較小，因此候選人的背景和選舉的型態是 影響中央施政表現的影響因素。地方選舉的影響亦不小，蔡佳泓(2012)分 析 2009 年選前的電話民調發現地方選舉中，總統和地方首長的施政滿意度 對選民的投票行為都有顯著的影響。俞振華(2012)利用馬英九總統的執政
表現來討論總統施政評價如何影響地方選舉，作者利用選前的電話民調討 論選民對於總統施政的評價，並進一步指出選民對總統的施政評價會影響 其在地方選舉中的投票意向。
中央的施政表現會影響到中央或地方的施政表現，在實證研究中也發 現縱使中央行政首長的施政滿意度不佳，地方行政首長仍可以透過提升自 身的施政滿意度自求多福。蕭怡靖、游清鑫(2008)利用面對面的面訪調查 討論 2006 年北高市長的選舉，其研究發現縱使在陳水扁總統涉貪對民進黨 不利的大環境底下，高雄市民進黨憑藉著市政的施政滿意度仍然可以成功 連任，成功稀釋中央施政上的劣勢，甚至選民出現跨黨派的支持，由此可 見施政滿意度在選舉中仍是選民投票考量的重要因素。
但施政滿意度也並非可以貫穿所有的選舉，蕭怡靖、黃紀(2011)便指 出在地方選舉中，縣市首長會受到總統滿意度的影響，但鄉鎮市長的選舉 中，不只總統滿意度沒有影響，連縣市首長的施政滿意度的影響都不顯 著。而 Gronke et.al (2003)便指出在討論總統滿意度影響時應關注國會議員 和總統的關係，選民的獎勵或懲處不能只是窄化在黨籍的討論，更應該重 視國會議員對總統的支持程度。
除了選舉的討論，亦有研究總統或首長滿意度對於政務推動的影響。
賴綉琪(2017)討論電業法修法時便指出，蔡英文總統剛上任時利用高民調 推動電業法的修法，而隨著民調的滑落，蔡英文政府的決策效率便下降 了。但 Canes-Wrone(2004)指出首長滿意度高的首長並沒有較首長滿意度高 的首長更能推動政策，反而較不受歡迎的首長可以不用去討好群眾。
從上述的討論中不難發現總統滿意度的重要性，總統或首長滿意度不 只會影響選民投票行為，也會影響到國內政策的推動。然而本文更關注的 是如何測量總統滿意度，因此相較於總統滿意度的影響，本文更關注總統 滿意度被那些因素影響。
二、 作為被解釋項
從前一段討論中，我們發現總統滿意度是重要的解釋變項，然而究竟 是什麼因素影響了總統滿意度是這部分要討論的重點。對於影響總統滿意 度的因素解釋，盛治仁、白瑋華(2008)歸納成時間、經濟、事件和政黨認 同等四個影響因素。而這樣的方式也被沈芯菱(2015)所沿用，只是沈芯菱 (2015)的研究在四個影響因素的基礎上，再加上省籍、性別等因素，然而 這些新增的因素多因與政黨認同有連結才被納入討論。因此本節的討論仍 以盛治仁、白瑋華(2008)的分類方式加以討論。
(一) 時間的影響
在既有的研究中，大部分的研究多認同總統滿意度會隨著總統的執 政時間而下降(盛治仁、白瑋華 2008，Mueller 1970，Stimson 1976)。其 中，盛治仁、白瑋華(2008)僅利用模型發現，隨著時間的增加總統滿意 度會下降，但並沒有討論時間對於總統滿意度影響的實際情況。而 Stimson(1976)利用蓋洛普(Gallup)的民意調查比較杜魯門到尼克森間歷任 總統在任期內的總統滿意度變化，發現總統滿意度的變化並非線性的下 降，總統滿意度的變化其實呈現 U 字型的變化，亦即在剛上任和即將卸 任或連任選舉前的總統滿意度較高，而在剛上任之後總統滿意度確實會 隨時間增加而下降，但卸任前或連任選舉前會在小幅度的抬升。
針對上任後總統滿意度隨時間增加而下降的現象，我們或許可以用 Mueller(1970)所提出的少數者聯盟(the coalition of minorities)來解釋，作 者認為隨著時間的增加，總統施政會導致更多政策上的受害者，而這些 受害者會團結在一起進而使得總統的滿意度下降。
然而林修全(2013)的討論中發現馬英九總統第一任任期期間隨著時 間增加，卻有總統滿意度越高的情況。其認為主要的原因在於馬英九總 統上任之初面臨如金融風暴、油電雙漲等事件，因此初期總統滿意度較
低，隨著事件過去，這些事件的影響力便越來越小，因此產生隨著時間 的增加總統滿意度越高的情況(林修全，2017:110)。然而上述研究亦僅止 於馬英九總統的第一任任期。
綜上所述，多數研究認為時間對於總統滿意度會造成影響，但影響 的方向有純粹負相關、亦有認為不同的時間區段會有不同的影響。而本 文著重在 2017 年的研究，相對於蔡英文總統的任期，不論從哪個研究來 看，其滿意度應隨時間增加而減少。
(二) 經濟的影響
經濟發展的好壞會影響到總統的滿意度，這樣的論述並不難理解。
從既有的研究來看，蔡昌言(2010)利用亞洲民主動態調查的跨國面訪資 料發現，行政首長的滿意度會受到民眾對於經濟環境的評價影響，對於 經濟評價越好的其越會滿意行政首長的施政。相對於蔡昌言(2010)利用 民眾對經濟環境的評價，盛治仁、白瑋華(2008)利用政府每月公布的
「經濟景氣領先指標綜合指數」來討論經濟和總統滿意度之間的關係，
同樣也得到當景氣越好時，總統滿意度越高的結果。而這樣的現象不僅 止於台灣，在國外，King & Cohen(2005)討論美國各州州長的施政滿意度 時，利用 U.S. Officials Job Approval Ratings (JAR)中各州州長的滿意度進行 研究，其發現解釋州長施政滿意度的重要變數不是國家與州之間的問 題，而是失業率，州長的滿意度受到經濟的影響很大。除了國內的經濟 情況，國家對外的國際貿易亦會影響到總統滿意度，Burden & Mughan (2003)發現美國對外的貿易平衡和進口價格的通膨問題也會影響總統滿 意度，貿易逆差對總統滿意度不利。
但對於經濟的評估方式，林修全(2013)也指出了民眾的主觀感受較 客觀數據的影響性更大，其指出經濟會對總統滿意度造成影響，但重要 的是民眾的主觀感受，如果客觀的經濟指標好轉，民眾卻沒有感受到，
此時經濟指標和總統滿意度的關係就會被扭曲。這種主觀感受的影響，
受到 Clarke et.al (2005)的支持，Clarke et.al (2005)指出女性在評估國家未 來的經濟狀況較男性悲觀，這樣的主觀行為造成不同性別對總統的滿意 度有不同的評價。
從國內外的研究來看確實發現經濟評估越好，總統的施政滿意度越 高。然而也有學者認為當加入統獨立場和國家認同後，經濟評估的影響 力就會被稀釋(蕭怡靖、游清鑫，2008)。雖然如此，但蕭怡靖、游清鑫 (2008)並沒有否定經濟環境對總統滿意度的影響。
經濟對於總統滿意度的影響皆認為經濟發展越好總統滿意度會越 高，惟對於如何測量經濟發展有不同的指標，而本文後續的討論會針對 本文選擇的經濟指標加以介紹。但不論用何種指標，我們應該可以預期 經濟發展越好，總統滿意度應該越高。
(三) 政黨認同
除了上述關於時間、經濟、事件的討論外，亦有學者認為受訪者如 何評論行政首長的施政滿意度會受到受訪者的政黨認同影響，當受訪者 的政黨認同和行政首長的所屬政黨相同，則受訪者會給予該名行政首長 較高的施政評價，反之則否(Erickson 2002)。而 Fox(2009)亦指出戰爭事 件、經濟確實會影響總統滿意度，但這些影響依據受訪者不同的政黨會 有不同的影響，其分析布希總統滿意度發現，911 事件和戰爭事件造成 總統滿意度的提升，主要原因來自於民主黨支持者的滿意度大幅提升，
但布希的經濟表現則是讓共和黨支持者的滿意度有較大的變化。在台灣 也不乏類似的討論，盛治仁、白瑋華(2008)討論陳水扁的總統施政滿意 度時便指出民進黨支持者相對會給陳水扁總統的施政較高的評價。而包 正豪(2013)討論馬英九總統的施政表現時，也發現國民黨的支持者會給 馬英九較高的施政評價。由此可知不論藍綠、國內國外的研究都指出總
統滿意度會受到受訪者的政黨認同影響。然而本文利用網路數據並無意 對使用者的政黨認同進行調查，因此政黨認同和總統滿意度的討論，本 文並無法納入。
(四) 事件的影響
除了上述的因素外，既有研究亦發現，總統滿意度會受到事件的影 響。Kernell(1978)認為在解釋總統滿意度時，時間因素並不是最重要的，
只是因為事件的發生和時間有關係，因此看起來執政時間越長，總統滿 意度越低，重點的因素還是在於事件。
沈芯菱(2015)的研究便針對馬英九總統執政時期的重大事件進行研 究，其利用國內媒體 TVBS 的民調資料進行分析，發現面對民生議題、外 交議題、司法事件和兩岸事件，馬英九總統的處理都造成其在滿意度上 的影響。而美國學者亦針對美國總統在戰爭中的表現進行研究，討論戰 爭對於美國總統滿意度的影響，其中 Willer(2004)發現政府對於恐怖主義 的報告會影響到總統滿意度，隨著恐怖主義威脅的提升，總統滿意度也 會跟著提升，甚至會外溢到經濟等其他領域的支持度。而 Gaines(2002) 的討論也支持這個論點，其發現 911 事件後布希總統的滿意度大幅提 升，甚至維持超過 8 個月還外溢到同黨的國會議員。然而戰爭並不是只 讓總統滿意度向上提升，Eichenberg 等(2006)便利用媒體民調指出隨著戰 爭死傷人數的增加，總統滿意度也會跟著下滑，而戰爭的成功卻會提升 總統的滿意度。
然而事件對於總統滿意度的影響也並非純粹的事件影響，可能因著 不同的狀況而有不同的改變。McAvoy(2006)提到相較於經濟對總統滿意 度的影響，事件的影響通常是一時的，因著媒體的報導，事件的影響短 期內看起來會很大，但隨著時間的過去，媒體不再關注，事件的影響便 會減少。
既有研究的討論認為事件對於總統滿意度會造成影響，然而不同種 類的事件對於總統滿意度會有不同的影響。而本文的研究中也會針對幾 個不同種類的事件研究其造成的影響，並進一步指出其影響的持續時 間。
綜上所述，既有研究發現總統滿意度確實會受到時間、事件、經濟和 政黨認同的影響，在各個因素的討論中，方向似乎不是問題，上述研究更 在意的或許是哪個因素的影響較大，這些影響是否受到不同的情況而有不 同的變化。
貳、 既有研究的侷限
前述的既有研究中，不論是嘗試利用總統滿意度來解釋選民投票行為抑或 嘗試解釋總統滿意度的影響因素，對於總統滿意度的測量上皆利用民意調查的 資料，不論利用電訪資料或面訪資料，既有的研究都利用訪問民眾來得知總統 或行政首長的滿意度。而這樣的方式會面臨以下幾個問題。
首先，對於事件的影響無法評估。由於民意調查執行時間，從電訪調查的 數日到面訪調查的數月，對於行政首長或總統滿意度的評估都有時間上的區 隔，沒有每天的民調資料無法評估事件影響的時間(Willer 2004；盛治仁 2004)。而俞振華(2012)也提到受限於民調資料，在對於施政表現影響的推估上 無法得到完整的評估。面對成本過高的問題，俞振華、蔡佳泓(2006)提出利用 分層加權和貝式定理的應用來處理總統在縣市層級的得票率預測問題，而這樣 的方法也被俞振華、涂志揚(2017)應用到區域立法委員的得票預測，試圖藉此 來解決民意調查成本過高的問題。而徐永明(2005)亦嘗試使用時序模型搭配卡 爾曼濾子平滑估計來減少小樣本民調的抽樣誤差問題。但以上方式都僅是解決 成本過高問題，並無法根本解決觀察時間點過少的問題。
橫斷性的研究面臨推論上的困難，而 Willer(2004)提到隨著民意調查執行的
增加，或許我們可以整合不同機構之間的民調，進而得到時間間隔較小的的總 統滿意度。但利用不同時間點的民調資料似乎也無法解決在事件影響的推估問 題(Willer 2004，盛治仁、白瑋華 2008)。而這樣的方式其實也存在著其他問 題。
蘇建州(2002)嘗試找出民意調查估計的問題時便指出調查機構會影響到民 調的結果，縱使在相同時間針對相同議題進行研究都會得到不同的結果。謝邦 昌等(2009)更直接指出民意調查可能淪為政治性的工具。因此縱使我們可以獲 得不同機構在不同時間所發布的民意調查資料進而整合成每日的總統或行政首 長滿意度。這樣的資料也可能有不準確的問題，若以此資料進行推估恐怕面臨 更多問題。
除了上述問題外，民意調查資料也可能面對問卷設計的問題。廖益興 (2009)批評現有對行政首長的施政滿意度調查，成了首長的之民意調查，其認 為概括性的詢問民眾是否滿意行政首長的施政滿意度，受訪者會摻雜對首長的 喜惡，作者提出應以施政項目逐一提問減少政治態度的介入。Alspach &
Bishop(1991)研究指出問卷的順序也會影響問卷結果，以俄亥俄州州長為例，先 問州長的施政滿意度還先問總統的施政滿意度會影響州長的施政滿意度結果，
先問州長則州長滿意度高。而問卷設計不只影響單一次研究的結果，同時也會 影響不同問卷間的整合，盛治仁、白瑋華(2008)的研究利用 21 次 TVBS 所提供 的民意調查資料都面對相同機構在不同時候所執行問卷的問題不一等問題，進 而在整併和比較時必須刪除大部分的變數。從問卷單一提問的問題、問卷題目 先後的問題到問卷題目不一的問題，問卷設計所造成的不只是準的問題，還影 響嘗試整合不同時間問卷時可能面臨的問題。
綜上所述，現有利用民意調查方式來做總統滿意度的測量難以適用於跨時 間的比較。各個機構執行的標準不一、程序不一、議題不一，但又甚難期待有 機構每天執行問卷訪談，因此如何進行統一的測量又降低測量的成本便是本文
要解決的問題。本文嘗試使用機器學習的方法，利用電腦判讀網路文章，並將 其自動分類到滿意或不滿意總統的施政，藉以得到每天的總統滿意度並進一步 應用於分析時間、經濟和事件對總統滿意度的影響。
參、 網路數據在政治學的應用
隨著網路的發達，利用網路資料進行政治學研究也日益增加。其中不乏用 於選舉相關的研究，從傳統部落格式的研究(王泰俐 2011)到大數據的應用 (Nickerson & Rogers 2014)。然而也有不少研究嘗試利用網路大數據將過去難以 蒐集資料的研究問題加以討論。
最有名的研究莫過於 King 等(2013)的研究，利用分析中國 1400 個社群網路 中，哪些貼文會被政府的審查機制刪文，進而發現相對於政治相關的討論，會 號召集體行動的貼文更容易被政府過濾。這樣的研究主題在過去始終是個謎，
我們難以透過既有的研究方法，了解中國政府在網路審查上的邏輯。而這種資 料蒐集的方式也被劉嘉薇(2016)加以應用於討論 2011 年中國溫州動車的追撞事 件，研究指出中國政府被迫得回應網民的要求與監督。過去對於中國政府如何 回應民意等議題，研究上始終難以描繪出完整的圖像，但網路大數據的出現，
讓這些過去較難研究、較難蒐集資料的題目，有了不同的可能。
而網路數據也不乏應用在台灣的案例。鄭宇君、陳百齡(2014)利用推特 (Twitter)中討論台灣 2012 年總統選舉的資料來分析，台灣的選舉實際上受到來 自不同國家的關心，而這些國家的關心的狀況也有不同，台灣網友多為實質的 討論，中國和日本網友的討論則多為訊息的轉發。甚至有研究進一步討論國內 政策的議題，陶治中、陳亭愷(2016)則討論國道計程收費政策在臉書(Facebook) 上的討論，其認為網友在網路上對於社會事件的政治態度所形成的輿情是可以 透過有系統的蒐集、管理和分析來瞭解實際的問題，政府也可以防範事態擴 大。其中也有研究利用網路的數據研究發現在傳統民調中難以測量的隱性態
度，劉嘉薇(2017)利用網路資料分析，其研究指出在傳統民調中，絕大部分維 持現狀的聲音，在網路中卻完全不同，在網路的貼文和討論中，支持台灣獨立 的比例相當的高。
雖然現有利用網路數據進行政治學研究的文章不算多，但在既有的研究 中，我們不難發現，網路數據的引入有助於解決一些過去研究方法難以處理、
難以回答的研究問題。然而網路數據的使用也並非萬靈丹，劉芃葦(2016)針對 機器判讀的網路文章進行人工的語意判讀便發現人工判讀與機器的情緒判讀結 果有相當大的落差，機器判讀認為負向的情緒但人工判讀時卻發現其實貼文的 語意並非如此。而童振源等(2011)嘗試利用未來事件交易的方式來取得每天的 資料，該研究亦指出其在 2009 年縣市長選舉中的表現與民調資料的比較上並不 遜色，但冷門縣市的運作效率和炒作市場價格等問題卻也造成推論上的誤差。
面對這些問題我們亦不可忽視。
肆、 小結
從既有的研究來看，總統滿意度不論在解釋選民投票行為亦或解釋國內的 政策推動上確實有其重要性。而關於那些因素影響總統滿意度的看法上也相對 一致。但透過民意調查取得的資料難以解決成本過高的問題，進而無法取得總 統滿意度較密集的觀察值來進行事件影響的評估。
本文試圖利用網路的數據資料測量總統滿意度，過去利用網路數據的研究 確實解決不少以往無法解決和回答的研究問題，當然也面臨不少問題，然而網 路的即時資料確實可做為解決現行總統滿意度研究的方法。
網路資料雖不若民意調查資料可以透過中央極限定理(Central Limit
Theorem)估計母體狀況。而本文所使用的資料也未涵蓋母體所得資料也不盡準 確。但本文作為嘗試性研究，藉由建立新的測量方式，期待未來可加入更多不 同來源文本並自動分類進而可以更精準的獲得總統滿意度的資料。
第三節 研究架構與研究設計
壹、 研究對象
本文將分析 2017 年 PTT 八卦版(Gossiping)上的貼文和回文資料。PTT 和臉 書(Facebook)或推特(Twitter)等社群網站的運作模式不同。PTT 屬於佈告欄式的 網站，根據不同主題分成不同的看版。不同於社群網站利用演算法決定顯示內 容，使用者使用上會因為過去的使用習慣而忽略其他使用者的貼文或回文。PTT 的使用者可以看到所有使用者的貼文、回文，甚至可以回溯相關貼文。並不會 有因交友狀況不同而有不同的互動模式的問題(鄭宇君、陳百齡 2016)。
選擇八卦版則因為在 PTT 上千個不同主題的看板中，不同的看板有不同的 板規，絕大部分的看板不允許討論政治。縱使允許討論政治也會依照黨派劃 分，此時可能面臨系統性的偏誤，再者不同黨派的看板在文章的數量很少造成 分析上的困難。而八卦板的貼文數量佔 PTT 所有貼文的 20%上下，是 PTT 最大 的看板，且相對與各個專業看板，八卦板的限制較少，議題也相對多元，因此 本文將以八卦版為主。
本文作為新方法的研究，並無意與推論台灣民眾，而只是提供一種新的方 法探知趨勢而已。因此本文結果並無法推論全台灣民眾僅止於 PTT 八卦板 2017 年的約 22.8 萬使用者。
貳、 研究設計與研究假設
本文作為新方法的嘗試，在研究設計上分成兩個部分。首先，在總統滿意 度的測量部分，本文必須確保新測量方式可以有效測量 PTT 八卦版網友的總統 滿意度。第二，本文將透過自然實驗法(Natural Experiment)來評估 729 限電事件 與 815 跳電事件對總統滿意度的影響。以下，將分述上述兩個部分的研究設計 與研究假設。
一、 新測量方式的有效性
首先在總統滿意度的計算部分，本文利用機器學習的半監督學習來 自動分類討論蔡英文的貼文是否支持蔡英文，並計算其滿意度。而此滿意度 的計算方式將和民調資料進行比較。這部分，本文將以貼文者會回文者的 ID 為單位進行分析，過去的大數據研究通常使用聲量(Voice)來進行分析，如劉 嘉薇(2017)。但這樣的方式並不適合與民調資料進行比較。在民調資料的蒐 集中，理論上一個人僅可能被訪問一次，但聲量是計算討論的篇數，這樣的 分析層次相距太大，而且會有童振源等(2011)所提網路資料的灌水問題。因 此本文將以貼文者或回文者的 ID 進行控制，每個 ID 在一個時間段就僅有一 個態度。當然這樣的方是在嚴格意義上來說還是和民調單位分析的人有差 距，但相較於聲量的計算方式，以 ID 應該是較為貼近以個人為分析單位的方 式。
本文將比較新測量方式所得之總統滿意度是否與既有的研究發現相 符。既有文獻發現總統滿意度受到執政時間(林修全 2013，盛治仁、白瑋華 2008，Stimson 1976，Mueller 1970)、經濟表現(林修全 2013，蔡昌言
2010，盛治仁、白瑋華 2008，King & Cohen 2005)、政黨認同(Erickson 2002，
Fox 2009)和事件(沈芯菱 2015，Willer 2004，Gaines 2002，Kernell 1978)等因 素的影響。因此，若新測量方式能夠有效的測量出總統滿意度，則新測量方 式結果應與既有文獻的結果相符。然而在本研究中，上述四大因素中，由於 無法得知使用者的政黨認同，因此在政黨認同的部分，本文將無法討論。
二、 事件對總統滿意度的影響
第二部分則為事件的影響部分。本文採用自然實驗法(Natural Experiment)探討是否受到停電影響與影響大小將使用者進行分組，並進一步 討論事件的影響。在 815 停電之前，台灣因受尼莎颱風影響造成花蓮和平電 廠的電塔倒塌，進而造成 2017 年 7 月 29 日到 8 月 14 日的限電危機(以下簡
稱 729 限電)。
然而由於全台電網相連，因此不論是 729 限電或 815 停電皆為全台民眾 受到影響，因此本文將依照使用者的地理位置將使用者分為本島與外島，在 2017 年曾在八卦版中貼文或留言的 228,413 個 ID 中，共有 79,412 個 ID 可以 辨別其地理資訊，其中澎湖、金門、馬祖三個外島的 ID 數量為 1,197 個。
本文將以外島作為對照組，本島則分別以以 729 和 815 前做為對照 組、729 和 815 後作為實驗組。藉以探討 729 限電事件與 815 停電事件中，
受影響的組別是否會造成其總統滿意度的變化。若民眾對總統滿意度的課責 並非盲目的，本文應該可以發現受定停電影響的實驗組其滿意度會受到影 響，而對照組的滿意度變化應較實驗組輕微。
表格 1-3-1 研究設計
729 前(D=0) 729 後(D=1) 729 限電事件 本島(T=1) 對照組 實驗組
外島(T=0) 對照組 對照組 815 前(D=0) 815 後(D=1) 815 停電事件 本島(T=1) 對照組 實驗組
外島(T=0) 對照組 對照組
參、 研究方法
本文在研究方法的重點在於如何將文字資料轉換成總統滿意度。既有的文 獻中，處理中文的語意分析多使用潛在語意分析(Latent Semantic Analysis, LSA)，
如陳明蕾等(2009)。雖然 LSA 的方式在面對大量文本時會有效率問題，且有 Google 公司在 2013 年釋出 Word2Vec 的原始碼，適合用於大規模文本的分析，
並在運算效率上有較好的表現(鄭捷，2018:9-16)。Altszyler et.al (2016)比較 LSA 和 Word2Vec 的表現也證明，以預測為基礎的 Word2Vec 較以計數為主的 LSA 更 適合處理大量文本。
然而 Altszyler et.al (2016)指出在千萬字詞以上 Word2Vec 在文本處理上會較
LSA 更為合適，而本文不論是以何種斷詞方式，字詞數量皆不超過千萬，因此 本文將以 LSA 作為語意分析之方法。
第四節 章節安排
在章節安排上，除了本章的文獻回顧與研究架構外。本文將依照研究架構 的順序，第二章將先討論本研究測量總統滿意度的有效性，首先將針對本文如 何將測量總統滿意度進行簡介，並進一步分析此測量方式與既有研究和傳統民 調的差異。第三章將利用第二章所計算的總統滿意度分析 729 限電危機與 815 停電事件的影響。最後結論部分將指出本文的研究發現、遇到的限制以及未來 可以修正的部分。
第二章 總統滿意度的測量
第一節 資料來源與資料處理
壹、 資料來源
本研究利用 EXCEL VBA 撰寫爬蟲程式爬取 2017 年 1 月 1 日到 2017 年 12 月 31 日的八卦板貼文約 90 萬篇貼文。爬蟲方式分成三個部分：
首先，程式自動打開網頁版的八卦版，由新至舊抓取貼文的標題、作者、
時間及貼文內容連結，直到抓取到上一次抓取的最新貼文為止。
第二，程式自動打開前一階段抓取之所有貼文連結。並抓取發文的標題、
作者 ID、發表時間、發文內容、發文者 IP 等貼文資訊。同時抓取貼文下方回覆 者的 ID、推噓標記、回覆內容及回覆時間等資訊。
第三，程式分別會在貼文後 20 分鐘、250 分鐘、1 天、3 天及 15 天後重新 抓取貼文的回覆並標記貼文是否還存在。從本文的回文數據來看，貼文的回文 時間統計上，平均而言 16 分鐘會累積所有回文的 50%，250 分鐘時則會高達 90%，99%的回文會在貼文後的 1 天內回覆，而 3 天及 15 天是為了確認貼文是 否有被刪除。
透過上述三個部分的抓取，2017 年整年度中，本文共抓取 909,104 筆貼文 及 23,625,792 筆回文。
貳、 資料處理:新測量方式的建立
如何將前述蒐集的貼文資料轉化成總統滿意度將是本節的討論重點，以下 將針對本文如何將前述的貼文資料標註為是否滿意蔡英文。
一、 斷詞
斷詞是進行中文的自然語言處理時重要的工作，斷詞的結果將影響後 續的處理(陳稼興等 2000)，甚至可能影響最後的分類結果(黃純敏等 2014)。
近年來，隨著自然語言處理的興起，如何進行中文斷詞有了相當多的 討論(黃純敏等 2014、林千翔等 2010、Wei-Yun Ma et.al 2004、陳稼興等 2000)。然而，本研究並無意另起爐灶，因此在斷詞上將採用較常被使用的 兩種方式，分別是中央研究院中文知識庫小組的中文斷詞系統(CKIP)與 Github 上的結巴(Jieba)系統。
中央研究院的 CKIP 系統發展較為成熟，但與 python 等軟體的相容性 較差，且有傳輸限制，在使用上限制較多。然而憑藉其詞性標註且詞庫豐 富，在斷詞結果上依然有較好的表現。不少研究都採用 CKIP 的斷詞方式 (陳建輝等 2016，陳世榮 2015，游和正等 2012)。
結巴(jieba)套件為 Github 於 2012 年上傳的套件，可做為中文文本的斷 詞使用，然而 jieba 原始的詞典為簡體中文版，若直接以結巴原始詞典進行 斷詞，涉及簡體中文與繁體中文的轉換問題。然而在 Github 上亦同時有針 對台灣的繁體中文(jieba-zh_TW)詞典可更改詞典設定並進行繁體中文斷詞 使用。相較於 CKIP，jieba 系統在使用上較為方便，與 python 的相容性也 較好。因此本文也將其納入討論。
最後斷詞結果中，CKIP 系統將 90 餘萬篇貼文斷成約 1.56 億個字詞，
而 Jieba-zh_TW 則斷成約 1 億個字詞。然而針對這些字詞分類時，CKIP 的 斷詞結果是由 97.3 萬個不同字詞所組成，而 Jieba-zh_TW 則可分成 159 萬 個不同的字詞。顯見，CKIP 在斷詞穩定性上較 Jieba-zh_TW 好，且 CKIP 的 不重複字詞數較少，對於後續 LSA 分析中稀疏矩陣(sparse matrix)的建立和 應用上也較為方便。
二、 文本選擇
由於八卦版並非僅討論政治，本研究專注於討論總統滿意度，因此在 分析上並非將所有貼文及回文納入分析。在分析上將專注於總統滿意度而 非政府滿意度，因此在文本的選擇上，本文僅就提及蔡英文總統及相關關
鍵字的貼文進行分析。
在關鍵字的選擇上，本文將前述的斷詞結果，以 python 的 Word2vec 套件分析字詞的相關性，並找出相關的關鍵字。
最後本文以「蔡英文」、「蔡總統」、「小英」、「蔡政府」四個關鍵字進 行搜尋，共找出 25,803 篇貼文及貼文中的回文共 1,073,762 則進行分析。
三、 訓練集編碼
針對討論蔡英文相關的 25,803 則貼文，本文隨機抽取 2%的貼文共 502 篇，其中有 9 篇為簽名檔提及蔡英文，而非內文和蔡英文有關，因此本文 將其排除，共人工編碼 493 則貼文，依照貼文的文字判斷該貼文是否滿意 蔡英文、是否不滿意蔡英文、是否無法判斷等三個變數。
人工標註原則有三。一、貼文字面意思即為滿意或不滿意蔡英文；
二、貼文字面意思無法判斷是否滿意，但該文若有推文則推文內容是否為 滿意，若為滿意則標註貼文為滿意，反之則標註為不滿意。三、無法以前 兩個原則判斷則標註為無法判斷。
最後，493 則貼文中，共 130 則標註為滿意、330 則標註為不滿意、33 則標註為無法判斷。
四、 演算法選擇
在文本分類的演算法選擇上，既有的研究較常採用單純貝氏分類器 (Naïve Bayes)、支援向量器(Support Vector Machine, SVM)、最近鄰居法(k Nearest Neighbor, KNN)和邏輯式迴歸(Logistic Regression)進行文本的分類(陳 世榮 2015，黃純敏等 2014)。因此本文在使用上，以上述四種演算法進行 文本的分類測試，尋找成功率較高的分類方式作為本文進行文本判讀時使 用。
表 2-1-1 顯示不同演算方式的測試結果，以 493 篇手動編碼結果為基 礎，本文以 5%為測試集、95%為訓練集進行 100 次隨機分配，先進行訓練
集的擬合，並以此進行測試集的預測。並依照斷詞方式的不同分別進行測 試。
表 2-1-1 不同演算法測試 100 次結果
CKIP Jieba-zh_TW
平均 標準差 平均 標準差
Naïve Bayes 65.44% 9.76% 63.88% 9.16%
Logistic 78.72% 8.85% 75.16% 9.57%
SVM 80.24% 7.79% 77.44% 7.75%
KNN(n=5) 63.16% 9.35% 61.52% 9.89%
從表 2-1-1 的測試結果中，可以發現中研院 CKIP 系統的斷詞結果，不 論在何種演算法分類中表現都較 Jieba 台灣版字典好。而不論是 CKIP 或是 Jieba 斷詞，可以看到 SVM 的分類結果不只平均成功率較高，其成功率也 較為穩定。而這樣的結果與既有研究也不謀而合，不論是黃純敏等(2014) 或陳世榮(2015)在文本分類的演算法上都顯示 SVM 的分類效果較好。因此 本文在最後的貼文是否滿意蔡英文的標註上，將採用 CKIP 斷詞並以 SVM 為分類的演算方式。
五、 貼文編碼
在貼文編碼上本文採用 CKIP 斷詞，並建立稀疏矩陣，再以 SVM 進行 文本分類。本文將人工編碼的 493 則貼文作為訓練集對未人工編碼的 25,310 篇逐篇進行編碼。在判讀貼文是否滿意蔡英文部分，首先必須確定 貼文內容是否完全由作者撰寫。若是，則以貼文全文進行判讀；若不是，
則需找出作者意見部分進行判讀。在未判讀的 25,310 篇貼文中，有 11,657 篇貼文為內容完全由作者自行撰寫可代表作者意見，13,653 篇貼文為作者 回應某則貼文或評論某篇新聞等，有部分內容不能代表作者意見，這部分 本文將分開判讀，判讀原始貼文態度與作者評論態度。
表 2-1-2 貼文標註結果對照表
貼文是否滿意蔡英文
是 否
貼文是否不滿意蔡英文 是 無法判斷 不滿意
否 滿意 無法判斷
然而不論是上述何種貼文，對於內容是否滿意蔡英文的標註，本文會 進行兩次判讀，第一次判讀該貼文是否滿意，第二次則判讀該貼文是否不 滿意，必須兩次結果不互相矛盾才以該結果作為貼文的標註結果(如表 2-1- 2 所示)。
表 2-1-3 貼文電腦標註結果
貼文是否滿意蔡英文
是 否
貼文是否不滿意蔡英文 是 0 277
否 191 25
表 2-1-4 貼文標註結果對照表
貼文人工編碼結果
滿意 不滿意 無法判斷
貼文電腦標註結果
滿意 114 61 16
不滿意 14 254 9
無法判斷 2 14 9
最後本文將電腦判讀的 25,310 篇貼文與已人工編碼的 493 篇貼文合 併，在 25,803 篇貼文中，有 2,202 篇貼文無法判斷貼文態度，佔所有貼文 的 8.53%。而剩餘的 23,601 篇貼文中，僅有 3,567 篇貼文判讀結果是滿意 蔡英文的，其餘 20,034 篇為不滿意。
從表 2-1-4 來看，CKIP+SVM 的判斷方式在標註貼文不滿意的成功率高 達 91.7%，而若判斷為滿意則僅有約 6 成的成功率，然而最後的判斷結果
來看，絕大部分是被標註為貼文不滿意蔡英文，整體而言，本文在貼文標 註態度的成功率約在 86.86%。
六、 滿意度計算
若僅以貼文滿意度討論 PTT 八卦版的滿意度恐怕並不恰當。25,000 餘 篇相關的貼文中，若仔細分辨貼文的作者 ID 會發現不重複 ID 僅有 5459 個，而八卦版 2017 年有參與貼文與回文的 ID 高達 228,413 個，其中有 60,699 個 ID 曾參與與蔡英文相關貼文的討論(貼文或回文)。因此本文將回 應關於蔡英文相關貼文的 100 多萬則回文也一併納入討論。以下將針對本 文如何判斷回文是否滿意蔡英文與如何計算滿意度進行討論。
首先在如何判斷回文是否滿意蔡英文部分。理論上，我們應該針對回 文內文進行判讀其是否滿意蔡英文。然而 PTT 回文有 45 個英文字元(約 22 個中文字元)的限制，若要進行判讀，則要進行斷詞等程序，實際能留下的 資訊有限，容易造成判讀結果失真。由於 PTT 的回文中，回文者可以選擇 回文標記，且回文標記僅有三個，分別為「推」、「噓」和「→」。其中
「推」代表贊同該篇貼文，「噓」則為不贊同，而「→」則僅為回應。因此 本文回文標記作為判斷該貼文是否贊同貼文者意見，並作為滿意蔡英文的 依據(詳見表 2-1-5)。
舉例來說，若貼文為滿意蔡英文，而回文中標記「推」則判斷為回文 者贊同貼文者態度，因此亦標記為滿意蔡英文；反之，若貼文為滿意，而 回文標記為「噓」則代表回文者不滿意貼文者意見，此時該回文則會被標 記為不滿意；若回文標記為「→」，無論貼文者態度為何，皆標註為中立。
表 2-1-5 回文標記判斷回文者態度 貼文標註 滿意 不滿意
回文標記 推 滿意 不滿意
噓 不滿意 滿意
→ 中立 中立
由於八卦版僅針對每日貼文數量有所限制，對於回文數量並無限制，
因此未避免少數 ID 大量回文的灌水造成分析上的偏誤，因此本文在滿意度 的計算上以 ID 為單位計算。即在同一時間內，不論單一 ID 的貼文和回文 數量多寡，只要標註中滿意態度大於反對態度則該 ID 在該時間內就只會被 標註為滿意，反之亦然，藉此避免單一帳號大量留言造成的高估或低估。
因此本文滿意度的計算算式如下：
滿意度 =標註滿意數量大於不滿意數量的 ID 數 時間區段內討論蔡英文的 ID 數
參、 滿意度結果初探
最後，2017 年一整年中，共有 60,699 個 ID 參與蔡英文相關貼文的討論，
平均每個 ID 約有 18 次留言或貼文，其中被標註為滿意數量大於不滿意數量的 ID 數共有 15,953 個，而不滿意大於滿意的則有 34,143 個，另外 10,603 個 ID 則 是標註為滿意與不滿意的數量相等。因此，整年來看蔡英文在 PTT 八卦版上的 滿意度為 26.28%。
然而這些滿意度並非平均的分配在每一天，從圖 2-1-1 來看，其實每日的 總統滿意度變化劇烈。
若以每天的滿意度來看，總統滿意度最高的時間點落在 2 月 11 日，當日的 總統滿意度為 55.38%，但僅為一日行情，隔日(2 月 12 日)即滑落至 32.85%。若 抓出 2 月 11 日的貼文狀況則會發現，總統滿意度飆高的原因在於當日松山機場 遭無人機入侵，進而影響飛機起降，而當時國防部長馮世寬要求再有無人機闖 入一律擊落。該則貼文吸引 617 個不同 ID 前往回覆，其中 516 個 ID 被標註為 滿意，然而此新聞熱度僅有一天，隔日議題就沒有相關貼文，而滿意度也隨即 滑落。
圖 2-1-1 2017 年每日滿意度
另外，本文計算之滿意度最低為 10 月 30 日的 11.84%，然而該日滿意度極 大程度受到討論數不足的影響。主要原因在於 2017 年 10 月 30 日到 11 月 2 日，PTT 發生技術問題而關站，因此計算上 10 月 30 日在關站之前僅有 74 個 ID 討論和蔡英文相關的貼文，相較於每日平均 1,690 個 ID 的討論，10 月 30 日的 討論 ID 少進而造成極端值的出現。
若排除上述時間段的關站因素，總統滿意度的最低點在 7 月 6 日的
16.17%，當天主要的原因在於蔡英文前往高雄天后宮參拜時，遭到反年改團體 的煙霧彈攻擊，此則新聞吸引 565 個 ID 前往討論，其中 486 個 ID 被標註為不 滿意。然而仔細查閱留言內容便會發現，網友並非反對年金改革，而是不滿政 府讓反年改團體成功擾亂總統行程。事實上，八卦版對於年金改革的討論並不
踴躍，不論是 3 月 30 日行政院送出草案或是 6 月 28 日當天立法院三讀通過，
都沒有引起網友太多的討論，而總統滿意度也未出現劇烈變化。但是不論是 6 月 29 日蔡英文參軍校聯合畢業典禮時車隊遭到攻擊、7 月 6 日遭丟煙霧彈或世 大運 8 月 19 日開幕儀式受到影響，相關的貼文都造成網友對蔡政府的不滿。
綜上，雖然整體而言，2017 年滿意標記大於不滿意標記的 ID 僅有 26%左 右，然而本文計算之總統滿意度每日起伏甚大，甚至有少數的日子，總統滿意 度是高於 50%的，然而從上述最高與最低的例子來看，議題的討論決定本方法 計算的總統滿意度。
肆、 小結
本節從資料的來源到如何將資料轉換成總統滿意度的討論。事實上，本文 是將不同議題的討論狀況轉換成總統的滿意度，與民意調查單純詢問是否滿意 總統的施政表現不同，因此本測量方式的總統滿意度極大程度受到當日議題的 影響。當然總統的施政表現是由不同的事件或議題組成的，然而每個人在評估 上可能有不同的優先順序，我可能不滿意蔡英文的年金改革、婚姻平權，但我 滿意其與美國的關係，而且我認為與美國的關係最為重要，因此當接到民調電 話我綜合考量後，我可能回答我滿意蔡英文的施政，然而在本測量方式中，我 討論年金改革、婚姻平權、與美國關係後，若討論的比例相同，我則可能被標 註為不滿意蔡英文的執政。
此測量方式極大程度受到事件、議題的影響，如資料初探時呈現的，單一 議題，就算是小議題只要聚集多人討論則該議題的影響便會很大，而小議題、
討論度高、持續時間短便使得滿意度在短時間內呈現巨大的變化。這部分如何 克服值得後續研究。
第二節 既有研究的比較
從第一章的文獻回顧歸納得知，總統滿意度受到執政時間、經濟表現、事 件與受訪者政黨認同的影響。若本文測量方式能探知總統滿意度，則本文測量
方式應與過去的研究有相似的結果。因此，本節將討論本文的總統滿意度測量 與既有研究的比較。由於無法得知各 ID 的政黨認同，以下將針對執政時間、經 濟表現與事件進行討論。
壹、 總統滿意度與執政時間
既有的研究發現，總統滿意度會隨著總統執政的時間越長，總統滿意度會 越低(盛治仁、白瑋華 2008，Mueller 1970)，雖有 Stimson(1976)發現在總統就 任、卸任與連任選舉前，總統滿意度會提升。然而本文著重的 2017 年在台灣並 無全國性選舉，且亦為蔡英文執政第二年，因此應可以預期總統滿意度會隨著 時間的增加而下降。
在排除 10 月 30 日到 11 月 2 日的關站影響後，本文將剩餘 361 天的總統滿 意度與蔡英文的執政天數進行相關性分析(Pearson’s R)，結果呈現為負相關，相 關係數為-0.2061。
亦即本文的測量方式所得之總統滿意度與時間的關係支持既有研究發現
「隨著執政時間增加，總統滿意度會下降」之發現。
貳、 總統滿意度與經濟表現
既有的研究發現「經濟表現越好，總統滿意度越高。」，然而何謂經濟表現 較好，在既有的研究中不論是主觀評價(蔡昌言 2010，Clarke et.al 2005)或客觀 指標(Burden & Mughan 2003，King & Cohen 2005)都有學者使用，而結果顯示不 論是主觀的經濟表現評價越好或是客觀的總體資料越好都有助於總統滿意度的 提升。然而本文受限於無法取得各 ID 的主觀經濟評價，因此在經濟評估部分使 用客觀的總體資料包含失業率和物價指數兩個指標進行評估。由於經濟指標為 每月發布，因此會將滿意度以月為單位。
一、 失業率
圖 2-2-1 為總統滿意度與失業率在 2017 年中每月的數值，若計算其相 關係數(Pearson’s R)為 0.3070，亦即隨著失業率的增加，總統滿意度越高。
看似與既有研究相悖，但實際上總統滿意度與經濟指標的關係會有延遲的 效果(林修全 2013:121)。亦即失業率當月下降並不會馬上反應在總統滿意 度上，而會延遲 1-3 個月。因此本文將每月的總統滿意度與近三個月的失 業率進行相關性分析，從表 2-2-1 來看，並沒有發現林修全(2013)所發現的 延遲現象。與表 2-2-1 中顯示本月失業率減上月失業率與總統滿意度呈現 負相關，即前一個月的失業率相比，如果失業率下降了則總統滿意度會隨 之提升，顯示改善失業率是有助於總統滿意度提升的。
圖 2-2-1 2017 年每月總統滿意度與失業率
表 2-2-1 總統滿意度與失業率之相關係數 總統滿意度與失業率之相關係數(Pearson's R)
失業率 總統滿意度
當月 0.3070 前一月 0.3317 前兩月 0.4248 前三月 0.2402 本月減上月 -0.1879
25.00%
26.00%
27.00%
28.00%
29.00%
30.00%
31.00%
32.00%
33.00%
34.00%
3.65 3.7 3.75 3.8 3.85 3.9
1 2 3 4 5 6 7 8 9 10 11 12
總統滿意度與失業率關係
失業率 滿意度
二、 物價指數
圖 2-2-2 為 2017 年每月總統滿意度與物價指數的資料，若計算其相關 係數，如表 2-2-2 之所示，網友的總統滿意度會受到物價指數的影響，而 且當月就會有所影響，與失業率不同，當月物價指數會與總統滿意度呈現 負相關，即物價越高、總統滿意度越低，這與既有的研究發現相似。另 外，隨著物價指數的改善也會有助於總統滿意度的提升。
圖 2-2-2 2017 年每月總統滿意度與物價指數(CPI)
表 2-2-2 總統滿意度與物價指數之相關係數 總統滿意度與物價指數之相關係數(Pearson's R)
物價指數 總統滿意度
當月 -0.6303 前一月 -0.4707 前兩月 0.1948 前三月 0.4019 本月減上月 -0.4177
綜上而言，不論是降低失業率或減少物價指數都有助於總統滿意度的 增加。然而在實際的數值上，物價指數的起伏較符合既有研究的發現，而
25.00%
26.00%
27.00%
28.00%
29.00%
30.00%
31.00%
32.00%
33.00%
34.00%
99.5 100 100.5 101 101.5 102
1 2 3 4 5 6 7 8 9 10 11 12
總統滿意度與物價指數(CPI)關係
CPI 滿意度
失業率部分則與既有研究結果相悖。但整體而言，改善經濟狀況確實有助 於總統滿意度的提升。
參、 總統滿意度與事件
除了執政時間與經濟表現外，既有的研究亦發現總統滿意度受到事件的影 響。以下將針對軍事威脅與外交事件進行討論。
一、 中國軍事威脅
在 2016 年蔡英文上任後，中國多次派遣包含航空母艦在內的軍艦與軍 機編隊在台灣附近進行繞島訓練。作為台灣軍事上最大的威脅，中國頻繁 的軍事行動是否影響蔡英文的滿意度?而影響的方向又為何?
在關鍵字的挑選上，本文以「共機」、「繞島」、「擾台」、「遼寧號」、
「解放軍」、「共軍」等字詞進行挑選。在 2017 年中 PTT 共有 4,469 篇貼文 討論包含上述關鍵字詞，其中僅有 595 篇包含蔡英文相關字詞。雖然看起 來只有 13.31%的貼文和蔡英文有關，但是參與討論中國軍事威脅的 25,536 個 ID 中，卻有高達 38.23%的 ID 約 9,763 是聚集在和蔡英文相關的貼文中 進行討論，其中有 3,305 個 ID 在全年的討論中是被標註為滿意數量大於不 滿意的。換言之，在討論中國軍事威脅時，有 33.85%的網友是滿意蔡英文 的高於前述整年所有 ID 中僅有 26%在討論蔡英文時是滿意多於不滿意。
若進一步分析，將討論每日討論中國軍事威脅的 ID 數量佔所有上線 ID 的比例與每日總統滿意度的相關係數為 0.0669，即討論的 ID 比例越高，總 統滿意度也會跟著升高。這樣的結果與 Willer(2004)和 Gaines(2002)的研究 結果相同，當國家面對外在的威脅時，會讓總統滿意度上升。
二、 巴拿馬斷交
外交作為總統的重要職權之一，外交表現亦會影響到總統的滿意度。
然而蔡英文上任後，任內邦交國斷交事件頻傳，在外交上的失利是否會影
響到蔡英文的滿意度? 2017 年 6 月 13 日，巴拿馬總統宣布與中國建交，同 時終止與台灣的邦交關係，隨後我國外交部長宣布與巴拿馬斷交。以下將 針對 2017 年巴拿馬與我國斷交事件為例，分析總統的外交表現是否會影響 其滿意度。
在關鍵字的挑選上，本文以「巴拿馬」作為關鍵字，由於台灣對巴拿 馬的討論不多，以「巴拿馬」作為關鍵字所搜尋的文章就幾乎都是關於斷 交的討論。2017 年八卦版討論巴拿馬的貼文共有 1,509 篇，其中 1,393 篇 為 6 月 13 日斷交後的貼文，其中有 502 篇的討論包含蔡英文的關鍵字。雖 然包含蔡英文的貼文數量僅佔所有討論巴拿馬貼文的 1/3。但巴拿馬相關 貼文吸引 15,944 個 ID 參與討論，高達 46.67%的 ID 是在包含蔡英文的貼文 中進行討論。在包含蔡英文的巴拿馬貼文討論中，2017 年一整年僅有 28.24%是滿意標註大於不滿意的，相較於中國威脅的討論中 38.23%的滿意 比例確實低了不少。
若以整年來看，當天越多 ID 參與討論巴拿馬相關的貼文，總統滿意度 會越低，相關係數為-0.0548。若進一步以斷交日作為分界，斷交前，當日 越多 ID 討論巴拿馬，總統滿意度其實是會上升的，相關係數為 0.1218；但 斷交後，討論巴拿馬的 ID 比例與總統滿意度呈現負相關，亦即在斷交後，
越多 ID 討論巴拿馬，當天的總統滿意度越低，相關係數為-0.0255。
圖 2-2-3 巴拿馬斷交討論貼文數
由此可見，PTT 八卦版上的網友對於巴拿馬的斷交事件，不只更會與 總統進行連結，更重要的是斷交對於總統滿意度有不利的影響。
綜上，不論是中國軍事威脅或是斷交事件的評估上，本文測量方式所 得之總統滿意度與既有研究的發現結果，在方向上是一致的。不論是戰爭 或軍事威脅會使總統滿意度上升(Gaines 2002，Willer 2004)或是總統在外交 上的表現不佳會造成其滿意度下降(沈芯菱 2015)。本文測量方式都得到相 似的結果。
肆、 小結
以上針對本文測量總統滿意度的方式與既有研究的研究發現相較，我們可 以發現不論在執政時間、經濟表現、事件影響上，新測量方式與既有研究都有 相似的結果。雖然在經濟表現上，失業率的表現與 King & Cohen(2005)的研究結 果相悖，但是若以改善失業率的表現進行分析則會發現改善失業率有助於總統 滿意度的提升，雖然失業率的關係並不直接，但作者認為仍可接受。
第三節 傳統民調的比較
除了與既有研究的比較外，本節將針對台灣長期追蹤總統滿意度的兩家民 調機構進行討論，比較本文測量所得之總統滿意度與傳統民調結果的差異。由 於無法取得兩家民調機構的原始資料，僅能就結果進行討論。
壹、 美麗島電子報
美麗島電子報在 2017 年時，針對總統的施政滿意度執行 11 次電話調查，
時間間隔皆約 1 個月。本文依照其執行期間設定相同的時間段計算 PTT 八卦版 上該時段的總統滿意度，舉例來說美麗島電子報於 2 月 15 到 2 月 16 執行二月 份調查，因此本文選取 2 月 15 到 2 月 16 時間段所有參與討論關於蔡英文的貼 文與回文，並計算各 ID 是否滿意，進而形成總統滿意度。結果如圖 2-3-1 所 示，整體而言，PTT 八卦版計算之總統滿意度與美麗島電子報調查結果呈現正 相關(R=0.2996)。
圖 2-3-1 美麗島電子報與 PTT 總統滿意度
表 2-3-1 PTT、美麗島電子報與既有研究結果的相關係數 PTT Formosa 時間 -0.2574 -0.0892 失業率 0.0094 0.2577
CPI -0.2868 -0.0271
選取相同時間段，PTT 計算所得的總統滿意度與美麗島電子報民意調查所
0.00%
5.00%
10.00%
15.00%
20.00%
25.00%
30.00%
35.00%
40.00%
45.00%
2 3 4 5 6 7 8 9 10 11 12
美麗島電子報與PTT總統滿意度
PTT Formosa
得的結果來看，雖然與既有研究發現的變數，在強度上有所差異，但整體而 言，在影響的方向上是相同的。
貳、 TVBS 民調中心
相較於美麗島電子報的調查次數，TVBS 在 2017 年僅執行 8 次關於總統滿 意度的調查。與美麗島電子報不同，TVBS 的民調結果與 PTT 八卦版所得之總統 滿意度呈現負相關(R=-0.3430)。
圖 2-3-2 TVBS 與 PTT 總統滿意度
表 2-3-2 PTT、TVBS 與既有研究結果的相關係數
PTT TVBS
時間 -0.2652 0.5503 失業率 -0.0922 -0.1717
CPI 0.1007 0.1303
0.00%
5.00%
10.00%
15.00%
20.00%
25.00%
30.00%
35.00%
40.00%
1 4 5 6 7 8 9 11
TVBS民調中心與PTT總統滿意度
PTT TVBS
TVBS 的總統滿意度結果與既有研究發現有不小的衝突，在時間上，既有的 研究指出總統滿意度會隨著時間增加而減少，然而 TVBS 的結果卻呈現總統執政 時間越久、總統滿意度越高的正相關。雖然在失業率部分得到與前面討論不同 的結果，不論美麗島電子報或本文利用 PTT 計算之總統滿意度，在以上的討論 中都未發現失業率和滿意度呈現負相關，但 TVBS 這裡得到與既有研究相似的結 果，而選取同樣時間段的 PTT 八卦版滿意度也出現負相關，作者認為很可能是 TVBS 執行民意調查的時間點所造成的。而在物價指數上，也看到在相同的時間 段計算下，不論是 PTT 或 TVBS 所得的結果都呈現正相關，與前面的結果不同，
也不符合既有研究的發現。
從失業率到物價指數的狀況，作者認為 TVBS 選取的時間段可能是造成滿意 度與既有研究不合的主要原因，因為在美麗島電子報所得結果與本章第二節所 得結果一致，唯獨 TVBS 有如此巨大的反轉，令人費解。
參、 小結
在與既有民調機構的結果比較上，PTT 八卦版計算所的之總統滿意度表現 並不好，作者認為有以下兩種可能。
首先，不論是 TVBS 民調中心或美麗島電子報的民調資料，我們都無法取得 原始資料，僅能得到最後加權後的數值。然而在傳統民調中，可以獲得受訪者 基本的人口學變項，進而依照母體的狀況進行加權。然而，本文利用 PTT 計算 之總統滿意度，並無法知道各 ID 的性別、戶籍、年齡等基本變數，因此在比較 上可能產生誤差。
第二，現行的民調在調查時僅詢問是否滿意總統的施政表現，受訪者是依 照整體情況進行判斷。然而本文以 PTT 八卦版中的討論進行總統滿意度的計 算，PTT 八卦版實際上是由一篇又一篇的貼文組成的，換言之，在 PTT 八卦版 上進行討論不僅是總統滿意度還有各 ID 對該議題的偏好，然而不同的議題在不 同人心中恐有不一樣的重要性。如同本章第一節小結所述，假設今天討論 10 個
