有關選舉民意調查的數據真實性或樣本代表性所引發之爭論核心在於：選舉民調的「母體」(population)定義為何？由於選舉的投票率不是百分之百，導致「選民母體」和「投票母體」不完全一致，因此利用不同抽樣底冊進行選舉民調，其樣本結構與選民母體、投票母體的一致性，便成為調查方法上值得探討的議題。本文的研究目的有三：(1)透過回顧我國選舉民調所採用之不同抽樣底冊的演進過程，探討其中所隱含的母體涵蓋率缺失；(2)釐清選舉研究中的選民母體與投票母體的內涵，並以2016年總統選舉為例進行比較分析；(3)分析TEDS針對2016年總統選舉利用不同抽樣底冊進行民調，成功樣本與選舉母體、投票母體之間的落差及加權處理的修正效果，進而探討其在理論上或實務上的意涵。
本研究的分析結果發現2016年總統選舉的選民母體與投票母體的差異不大。不過，利用不同抽樣底冊進行民意調查的樣本結構與這兩種母體並不完全一致，且無論是利用何種母體結構進行事後加權調整，對投票率、得票率和催票率的修正效果有限。因此，要解決民調結果與投票結果之間的落差，有關母體的定義或許並非關鍵，對抽樣底冊選擇、問卷題目設計、調查技術精進、訪問失敗減少等環節的檢討，可能才是治本之道。

政黨透過選舉動員爭取選民支持,幫助候選人贏得勝選和培養政治人才，厚植政黨永續經營的實力。在2018年地方公職人員選舉中，民進黨因在中央執政推動多項改革政策引發社會爭議,導致縣市長選舉的得票率下滑和席次大減；反觀國民黨則在「討厭民進黨」的政治氛圍和由高雄市引
爆的「韓流」效應助攻之下，縣市長的得票率和席次均有所斬獲。從政黨政治的觀點來看，此次地方選舉中，在兩大政黨此消彼長的表象底下，一個值得關注的議題是，臺灣在經歷三次政黨輪替後，政黨在地方政治的勢力是否產生變化？地方選舉中去政黨標籤的議題，在總體資料的分析視角下，其反映的政治意涵又為何？

本研究主要以2018年地方選舉結果為例，綜合參採近10年地方選舉總體數據，以及交叉檢證同年與選舉同時舉行的全國性公民投票結果，說明如何輔以公投結果衡量選民的特定政黨認同（或不認同）及選民在議題上的意識形態。本研究利用描述性統計、資料視覺化、（偏）相關統計、區位迴歸、主成分分析等方法，檢視國、民兩大黨及無黨籍的候選人在各種地方選舉的得票差異性與關聯性。本研究發現，地方選舉中，越基層的選舉去政黨標籤化的現象越明顯，尤其是國民黨的標籤；政黨標籤仍會壓縮無黨籍候選人的得票空間，但政黨標籤在選舉中也可能被隱藏化；藉由選民的議題態度可輔助判斷其政治立場，建立「另類」的政治版圖；除縣市長選舉外，選民對特定政黨的議題認同是重要解釋變數，越支持國民黨主張的地方則越不會投給無黨籍候選人。

問卷調查係為了探詢受訪者對特定議題之意見、態度或行為，不但受訪者本身所擁有的相關訊息多寡可能影響其回答意願，題目與選項的設計型態也會左右受訪者的回答模式。有鑑於實務上大多數的問卷調查常囿於調查成本與問卷長度的考量，無法針對同一概念採取多元的題型設計，以確認受訪者在不同題型設計下的回答模式。因此，本研究乃採取實驗設計方式，以台灣選舉與民主化調查(TEDS) 的政治知識測量題組為例，依據：(1)「開放VS. 封閉」的題型設計，(2) 是否提供「無反應」選項，設計成四種不同版本的問卷題目。以大學生為施測對象，採取「後測控制組設計」(posttest-only control-group design)，將不同問卷版本依實驗設計原理，隨機發放給學生填答，共計回收1,110 份有效問卷。
本研究結果有幾個發現：(1) 題型和無反應選項的設計的確會影響到受訪者的回答模式，封閉型的題目設計有助於增加受訪者的答對比例，同樣也會產生高於開放型題目的答錯率；(2) 開放型的題目設計，因無選項可供參考，也會降低受訪者的回答意願，因而有較高的無反應比例；(3) 藉由題型和無反應選項的組合設計，可以較為精確地估計Mondak(1999) 所建構之受訪者類型，但各類型的比例組合會因政治知識測量題目的難易而產生較大的變動。

公民的政治知識被認為是探討民主政治品質的重要面向，當公民對政治事務具備基本認識，將有助於民主政治的發展。雖然已有不少學者從理論觀點探索政治知識的來源或解釋因素，在經驗層次也發展出若干測量政治知識的方式，但迄今仍缺乏強健的證據證明其測量方式的有效性。換言之，從研究方法觀點析論政治知識測量之信效度的研究仍不多見，更遑論採取複合性測量方式所設計的題目，其難易度是否足以區辨不同政治知識水準的民眾？及該題組究竟是屬於指數或量表的型態？

本研究以2012年TEDS的政治知識題組為例進行效度分析，並檢證這些題目是否符合Guttman量表結構。本研究的發現如下：首先，這七個題目涵蓋了政治知識的不同面向，但有關政治人物的測量偏多。其次，影響公民之政治知識高低的個人背景變數與過去研究幾乎一致，顯示測量效度不錯。第三，題目的難易度雖符合應介於0.1和 0.9之間的經驗法則，但題目的難易區隔仍有改善空間。第四，此一題組也符合Guttman量表的邏輯結構，具有累加性質。最後，從量表建構的效度與精簡性觀點，此一測量題組仍有精簡空間，未來可設計一些有關政府本質、施政作為或政治環境的題目，從中選擇難易度適中的題目納入量表組合，以提高量表的鑑別力。