本文從測量理論與潛在變數模型的角度出發，說明測量誤差的不確定性及其在迴歸分析中可能產生的影響，並且以廣義潛在變數模型與貝氏統計將各種不確定性的來源納入模型的估計中。本文應用上述模型分析 2013年「台灣選舉與民主化調查」的面訪資料，同時呈現統獨立場的測量結果以及統獨立場對政黨偏好的影響。分析結果顯示台灣選民的統獨立場大致上可以區分為「強烈傾向獨立」、「有條件接受獨立」以及「有條件接受統一」三種類型。至於在統獨立場對政黨偏好的影響方面，本文的分析結果與目前大多數的研究結果一致，即越傾向獨立（統一）的選民有越高的可能性偏向泛綠（藍）政黨。本文認為雖然測量誤差可能因為經驗資料的性質而不必然會在每次的分析中造成嚴重的影響，但在研究者無法確定量表的測量誤差或變異程度是否足以改變統計分析結果的情況下，最謹慎的作法是在評估這些潛在變數的影響效果時，將此量表的不確定性一併考慮在內。

現代民主國家在選前不同階段，為了即時掌握民意，無論是政黨、候選人或媒體，皆會運用民意調查的方式來探索當時的民意取向，又稱之為「賽馬式」 (horse race)民調，而學術機構基於研究的興趣，亦有不少政治學者投入選舉民調的分析。這類民調所關注的焦點常是為了解候選人受選民青睞的消長趨勢，並且據以 預測未來選舉結果，但是，往往選舉結束後，當我們檢視投票結果，卻不時發現選舉民調中的贏家，最後未能勝出。是以，發展出掌握選民的投票行為變化的選舉預 測方法，瞭解並補強「賽馬式」民調不足之處即成為重要的研究議題。

本研究嘗試利用過去選舉經驗資料，改進單純使用民意調查結果所作之選舉預測。就預測方法論而言，本文提出的選舉預測模型乃符合貝氏統計架構。此一架構所欲 掌握的是選民投票行為中所潛藏的異質性，探索選民的投票行為昨日、今日、明日的變化。綜言之，本篇文章的研究所得價值有三：(1)本文成功應用貝塔-二項 機率分配(beta-binominal distribution)模式改進單純使用民意調查結果，發展輔助賽馬式民調預測模型，及提供作為評估該次選舉是與過去開票結果不同的「變天型」抑或是 「維持型」的預警指標；(2)採用貝氏統計觀點，加入先驗知識，建構投票行為的機率分配模型，並利用此一機率分配模型處理未表態資料，預測選舉民調中未表 態受訪者的投票意向；(3)將本研究所建立之模型應用在國內外不同選舉，檢證本模型的適用情境。其中2004年美國總統大選整體性民主黨候選人和2006年台灣高雄市長的選舉國民黨候選人的得票率預估，都獲得相當準確的效果。研究結果也同時指出若干校正不足的問題點，說明未來值得繼續發展的方向。