期刊瀏覽

共有 3 篇符合條件的文章
陳光輝,博士候選人,Department of Political Science, University of California, Santa Barbara。
劉從葦,國立中正大學政治學系副教授,台灣選舉與民主化調查執行小組成員。
台灣選舉與民主化調查固定樣本(TEDS panel)之代表性分析 文章下載
* 本篇電子檔下載次數:8
顯示摘要
詳細內容
「台灣選舉與民主化調查」(TEDS)執行了兩次固定樣本連續訪談,提供了非常珍貴的資料來進行台灣選民變遷的動態描述與因果 模型的建立。然而,樣本流失與訪問效應可能會對於使用固定樣本資料的研究產生影響,亦即造成內部與外部效度的問題。比較TEDS固定樣本的成功再訪與失敗 樣本後發現,樣本的流失並非隨機發生,成功與失敗樣本雖然在政治態度上沒有顯著差異,但在人口學變項上卻有程度不等的系統性差異。

TEDS 2003與2004P調查的成功樣本分為固定樣本與獨立樣本兩類,其中固定樣本是再次訪問TEDS 2001的成功樣本,而獨立樣本則是該次訪問另行獨立抽出的受訪者。由於接受學術單位長達半小時以上的面對面政治類訪問是個不尋常的經驗,受訪者在接受訪 問後應該會特別注意政治相關訊息並增加政治參與的頻率與程度。因此,這三次TEDS調查可視為一個大型的準實驗設計:固定樣本是實驗組,獨立樣本是對照 組,刺激變項則是受訪經驗。比較固定樣本與獨立樣本和觀察固定樣本在兩個時間點之間的變化後發現,訪問效應的確會改變受訪者的政治態度,並有限度地提高政 治參與的程度。綜合樣本流失與訪問效應的檢視,整體而言,TEDS固定樣本的成功樣本是偏差樣本,在使用時必須加以注意或處理。
蕭怡靖,國立政治大學政治學系博士生。
「台灣選舉與民主化調查」再測信度之分析 文章下載
* 本篇電子檔下載次數:13
顯示摘要
詳細內容
本文以「台灣選舉與民主化調查」(Taiwan’s Election and Democratization Study;以下簡稱TEDS)2001、2003及2004P的再測信度訪問為分析對象,運用相關統計方法來探討TEDS問卷各題組間的信度為何?歷年 的訪問是否有所變化?並進一步探討影響信度檢測的因素。研究結果顯示,TEDS問卷中的不同題組其再測信度雖有高低之別,但各題組的信度除了少數題目外, 皆能保持一定的水準,其中,民眾對事實題型的「投票意向」其前後兩次回答的一致性程度最高;其次是屬於民眾心理依附感的「政黨認同」;再者則是台灣主要政 治競爭議題的「統獨立場」及「族群認同」;民眾對於「總統候選人形象」的認知穩定性也不錯;至於前後兩次回答穩定性相對較低的,則屬民眾對民主政治的內心 態度及評價,其中包含「台灣民主實行滿意度」、「施政比較」與「民主治理」。而各題組間的再測信度結果並不會隨著年度的不同而有顯著差異。

另外,在影響再測信度的因素方面,受訪者個人特質中的「教育程度」其影響力相對最顯著,教育程度愈高的民眾其兩次回答的穩定性愈高,反之,教育程度較低的 民眾,則容易在兩次訪問中改變其態度;此外,在2001及2004年的結果顯示,男性民眾比女性民眾在兩次訪問回答的態度較不穩定。其次,在兩次訪問的間 隔天數上,2001及2003年皆出現顯著的影響力,間隔天數愈短的受訪者其回答穩定性愈高,不過,歷年TEDS對於再測信度訪問所間隔的時間差距皆相當 大,故對於執行再測信度訪問的「集中抽樣」方式應可重新考量。最後,兩次訪問是否為同一位訪員,並不會影響再測信度的結果,顯見TEDS訪員皆能謹守「標 準化」的訪問方式,既使前後兩次由不同訪員來進行訪問,也不會影響受訪者的回答態度。
劉從葦,國立中正大學政治學系助理教授
陳光輝,加州大學聖塔芭芭拉分校政治學系博士候選人
Is Weighting a Routine or Something that Needs to be Justified? (in English)(抽樣調查資料之加權:正當的處理方法或是一種迷思?) 文章下載
* 本篇電子檔下載次數:15
顯示摘要
詳細內容
Survey research as a method of collecting sample data is supposed to produce sample statistics which can estimate the corresponding population parameters if the sampling design is appropriate. However, for reasons such as unit non-response, survey data is usually weighted by the institutes that collect the data or by researchers who analyse the data in order to correct or diminish the discrepancies between sample and population. Sample statistics based on weighted data are more representative of the population parameters than unweighted data in terms of some demographic characteristics.Therefore, to some extent, it seems legitimate to weight data and this manipulation has become a routine when dealing with survey data.

It is true that to weight data could be helpful, but this manipulation needs justifications. This paper therefore tries to argue that to weight data is no panacea and should not be taken for granted when considering the examples in Taiwan’s Election and Democratization Studies (TEDS) surveys. The first section discusses why weighted data is not necessarily representative of the population. As the TEDS surveys show, the turnout, the vote shares of parties, and marital status become more deviant from the population parameters after weighting the data.

If the focus is the relationships between variables, the correlations may be changed by weighting the data in bivariate or multivariate analysis. However, it is not clear whether we manufacture relationships which do not exist or if weighting the data actually helps us approximate the relationships that already exist in the population. Besides, it should be noted that to weight data set as a whole only deals with the problem of unit non-response, but does not solve the problem of item non-response.

The third section discusses why most efforts should be devoted to examining and improving questionnaires, sampling designs, and interviewerm straining and supervision, instead of simply appealing to post-weighting. If everything necessary has been tried, weighting data may be the last resort to improve the estimates. But the justifications for the selection of auxiliary variables and the methods of calculating weight factors should be provided rather than doing it without any explicit considerations. It is also important to consider whether the consequence of weighting is positive or negative.

經由抽樣設計恰當的調查研究所收集到的樣本資料應該能夠準確估計母體參數。但是因為單位無反應的問題,執行調查的單位或分析資料的學者通常會以加權的方式來 減少樣本統計量與母體參數之間的差距。加權後的資料在人口學變項上比未加權資料較為接近母體參數,因此加權似乎是一個合理處理樣本資料的做法。

然而,即使加權是可行的解決方法,也絕非萬靈丹。在加權前也必需提出事後操弄資料的理由,而不是將加權視為理所當然。本文以台灣選舉與民主化調查為例,首 先說明加權後的資料不必然較接近母體參數的原因。投票率、各政黨得票率、與婚姻狀況在加權後反而和母體參數有較大的差距。

除了單一變數分析之外,當討論的主題是變數間的關係時,加權可能增加也可能減少相關性的強度。雖然加權似乎會影響相關性,但其影響究竟是更接近真實的關 係,抑或是扭曲真正的相關性則不得而知。此外,通常對整筆資料作加權只處理了單元無反應的問題,但仍然沒有解決多變量分析一定會遇到的項目無反應問題。

不論是單一變數分析或是多變量分析,在加權之前應該先嘗試其他增加樣本代表性與提高資料品質的方法。如果沒有先投入更多時間與心力在問卷設計、抽樣設計、 訪員訓練與監督上,加權只是低成本的取巧做法。最後,假使一定要加權,必須說明與討論為什麼要加權、以哪些變數加權、如何加權、以及加權所產生的影響,而 非不加思考地將加權當作例行公事。