期刊瀏覽

共有 2 篇符合條件的文章
包正豪,淡江大學全球政治經濟學系副教授。
周應龍,淡江大學全球政治經濟學系助理教授(通訊作者)。
以電訪樣本資料庫作為解決原住民調查研究難題之可行性的再討論 文章下載
* 本篇電子檔下載次數:16
顯示摘要
詳細內容
國內以原住民為對象之調查研究較為缺乏,且普遍為附屬於全國抽樣當中的小樣本分析,其主因在於台灣原住民人口數量較少,約僅占全國總人口數的 2%,輔以其地理分布相當不均勻,以及相當數量的原住民因為生計因素而有工作/居住地與戶籍所在地不同的情形,致使傳統調查方式,無論面訪或電訪,都有難以解決的抽樣困難。然而近年來,國內民意調查日益普遍,學術與民間調查機構已經累積數量極為龐大的電話調查成功樣本,其中包含大量的漢人樣本與一定比例的原住民樣本。若能取得這些「原本不是以原住民為母體,卻包含原住民的成功樣本」,將混雜埋藏於大量「無用」資料當中的「有價值資料」給挖掘出來,應能直接發掘篩選出所需要的原住民樣本,節約成本而解決前述抽樣困難。
有鑑於此,研究團隊與全國公信力民意調查股份有限公司合作,合併 2007年迄今( 2013年 3月)該公司所執行抽樣範圍為全國的原住民電話訪問成功樣本成為原住民電話資料庫,以為調查之用。初步研究結果顯示,使用雙重抽樣方法所整併的電訪樣本資料庫進行電話調查,所獲得之成功樣本特徵與官方人口統計中的原住民母體特徵近似。同時,納入跨年度的原住民電話資料,能夠更有效地提升前述原住民電話資料庫的蒐集範圍,並降低樣本取得成本。
盛杏湲,國立政治大學政治學系博士生。
周應龍,國立政治打學政治學系教授。
選樣偏誤模型在選舉預測上的應用 文章下載
* 本篇電子檔下載次數:7
顯示摘要
詳細內容
在從事選舉預測時,研究者常面臨受訪者不告知其投票對象的問題,若僅以告知投票對象的受訪者作選舉預測,將無可避免地造成選樣偏誤的問題。本文的主要目的在 於評估選樣偏誤對於投票模型的估計所造成的影響,並且試圖藉由矯正選樣偏誤所造成的問題,得到較正確的參數估計值,並進而作更精確的選舉預測。

在本文中,我們採取Dubin與Rivers所發展出來的二變量選樣偏誤模型(bivariate selection bias model)為研究方法,為了檢視選樣偏誤模型在選舉預測上的穩定性,我們將之應用在五次不同的選舉中。結果發現在五次選舉中,未校正選樣偏誤(也就是只以願意回答投票對象者加以預測),都會造成高估自變數對應變數的影響,因為願意回答投票對象者往往是政治偏好較強或較確定的受訪者,也因此會造成選舉預測的偏誤。當我們校正選樣偏誤後,在四次選舉中都發揮了極好的效果,預測的誤差都比原本不校正選樣偏誤來得更小,且誤差都不超過1.16%,可謂相當地準確。唯有在一次選舉無法發揮校正的效果,但是即便如此,也並不會比不校正更差。我們認為這樣的效果顯示,選樣偏誤模型是一個相當可以信賴的選舉預測工具。