摘 要 隨著台灣民主化腳步越來越快，政治事務已變成人民在日常生活中關心的話題。因為選舉結果關係到政治人物的政治生涯，所以選舉預測就成了候選人調整競選策略的依據，並且候選人也可以從選前訪問中獲得民意資訊，因此選舉預測在選舉期間就成了很重要的工作。 選舉預測主要是根據民意調查結果來施行，但是就歷次民意調查結果來看，往往有相當部分的受訪者甚至到選前三天仍然「尚未決定」或「不知道」支持哪一位候選人，其比例可能高達百分之四十到五十，因此這些「未回應」的受訪者投給哪一位候選人，會大大地影響到選舉預測結果，所以如何分配這些人將攸關選舉預測結果。在此次訪問中「未回應」的受訪者約佔全部受訪者的20％。 政治版圖模型是投票行為研究中的人文區位研究途徑（Ecological Approach）與社會心理學研究途徑（Socio-Pychological Approach）之組合；在「工具」方面混合使用選舉區域內的民意調查資料和整體資料，擷取兩種資料的優點。此模型較適用於不同政黨單一候選人競爭的選情單純縣市，但如果是同一政黨有多人參選，或者是各黨政治勢力會隨時間而有很大變化的地區，其預測效果可能就不太適用。一般而言，民意不可能是固守不變的，這些民意的改變可由民意調查中嗅出一些蛛絲馬跡，因此在做預測時加入現在的民意傾向作為分配未回應者的依據；並且，因為不同選情下應該會有不同投票率，因此在分配「未回應」受訪者時，除了加入民調的考量外，還有考慮到不同投票率的影響。

從2001年的縣市長選舉之後，「北藍南綠」就成為描述台灣藍綠政黨勢力版圖最常見的詞彙。本研究的目的在於有系統地，並且較深入地檢視這種說法，並且探討背後的因素。我們認為如果「北藍南綠」真的存在，可以從社會系絡因素的角度去進行探討，當民眾處於相似的外在環境下，容易發展出相似的需求與利益，他們會傾向透過同樣的有色眼鏡去看這個世界。北部民眾之所以投藍，是因為他們處於泛藍優勢的系絡環境中；相對地，南部民眾則是處於泛綠優勢的系絡環境中。 本研究首先討論台灣選民外在環境的轉變。在政治民主化之前，選民所處的系絡環境只有單一的「藍色」，經過1986～2000年的政治民主化之後，因為黨禁的解除、選舉競爭的全面開放、媒體管制的鬆綁、廢除刑法一百條及國民黨動員機制的弱化，使得民進黨的論述得到發展的空間，才讓「南綠」有發生的可能。接著本研究透過單次選舉結果及政治版圖分析台灣的「北藍南綠」現象。研究發現泛綠陣營在南部地區不僅是整體得票率有所增長，而且在縣市層級、鄉鎮市層級都可見綠化的現象，綠化的範圍逐年擴大，並非集中在單一縣市或少數鄉鎮市。 最後我們透過選民所處社會系絡的南北差異，以及社會系絡對選民投票抉擇的影響，探討南部綠色政治版圖形成的選民行為因素。研究結果發現，南部與北部的選民的確處於相當不同的系絡環境當中，北部的社會系絡偏藍，南部的社會系絡偏綠，而多層模型也確認社會系絡對於選民的投票抉擇有顯著的影響，因此造成了「北藍南綠」的選舉結果。

隨著台灣民主政治的成長、發展與進步，政治訊息與政治行為已經成為民眾在日常生活中一部分。而在這些政治現象的研究中，「選舉研究」，尤其是投票行為的研究及選與預測的論述，也隨著問卷設計、抽樣技術與分析方法的進步而有著蓬勃的發展。 本文即是利用民國八十六年縣市長選舉的民意調查資料，將兩種得票率預測模型：「政治版圖預測模型」與「邏輯斯(logistic)預測模型」做一整合研究與結果的比較，並且利用其它預測模型的優點與長處，配合已有的經驗法則和選舉的結果，不僅比對其預測結果的差異大小，也嘗試著找出另一更準確，更有效的預測模型。 在比較了預測方法的準確性之後，發現「政治版圖模型」在只有兩黨競爭的縣市有著相當佳的預測結果；而「邏輯斯(logistic)預測模型」卻是明確得表現了民意調查中選民的意向並在變天的縣市中有著較好的表現。但是如果在候選人實力差不多的選區中，則是建議採用以這兩種模型為主體的混合型模型來進行預測，其預測結果確較前兩種模型的預測來得好。

台灣是高度民主政治發展的社會，選舉是民眾參與政治的直接方式，而總統、副總統公民直選乃我國最具代表性之選舉。然而，隨著政黨體系的變遷，至2004年總統選舉後，第三政黨勢力對台灣政局影響已漸式微，台灣逐漸邁入以國民黨和民進黨為首之政治形態，此後總統選舉亦以藍綠兩黨競爭為主，是以瞭解藍綠兩黨勢力強度與勢力分布於總統選舉之變化，尤其重要。 因此，本研究根據十一屆至十三屆總統選舉資料，應用集群分析建構台灣各行政區域層級之政治版圖，劃分藍綠兩黨勢力強度，藉此探討政治版圖變遷，剖析兩黨勢力與版圖組成於其中之變化，並進一步將政治版圖與地理資訊系統結合，探究政治版圖地域性結構，以瞭解藍綠兩黨勢力於台灣之分布，及發掘政治版圖勢力鬆動區塊，作為兩黨未來選戰可攻略區域之參考。 有別於過往政治版圖建構乃依循整合歷屆選舉資料的政治特性為主，本研究將利用單屆選舉資料建構近三屆總統選舉之政治版圖，以探究政黨勢力強度與集群組成於各屆選舉之差異，並將其與整合資料所建構之政治版圖予以比較。其中，縣市政治版圖以凝聚分層法進行分析，鄉鎮市區和村里政治版圖則以K-means分析，而集群個數的選擇乃參據R-Square和Silhouette Coefficient。 藉由政治版圖之探討，本研究提出以下結論：兩黨勢力強度愈強時，選舉人數比例則愈低，且其集群組成相對穩定；行政區域層級愈低時，單屆資料與整合資料建構之政治版圖差異較大，且政治版圖中北藍南綠之政黨勢力分布愈不明顯；相鄰行政區域政黨勢力強度相似，選民投票意向存在空間群聚現象；政治版圖鬆動區塊多座落於新北市、台中市、彰化縣和南投縣之管轄。最後，根據本研究之結論，就政治版圖應用層面提出若干建議，如選舉預測，政黨勢力分布研究、選戰策略擬定等，使其政治版圖應用更臻完善。

由於目前政治版圖的研究仍停留在資料描述的階段，描述選票在地理區域差異的程度，較缺乏定性與定量以及理論建構的研究。所以本文打算從政治版圖分析出發，借由一些探索性的研究，嘗試將政治版圖的概念操作化，並嘗試去解釋影響政治版圖變動的因素。本文想要探索的目標有三個，第一：政治版圖的定義，包含的面向，以及測量的方法。第二：嘗試結合目前國內由總體資料從事選舉研究的兩種分析方法－集群分析以及區位推論模型(Ecological Inference Model)。第三：嘗試結合個體資料以及總體資料研究途徑，藉由個體資料研究途徑中投票行為研究所累積的研究發現，解釋政治版圖這個現象。 本文從政治版圖的強度與穩定度兩個面向出發，以台北縣三次立委選舉(1995、1998、2001)為例，分析各政黨政治版圖的變動。並以投票行為研究中影響選民投票決定的三個主要因素：政黨認同、議題取向、候選人評價等因素來解釋政黨政治版圖的強弱以及穩定與變遷。

本研究以1997年台灣縣市長選舉為標的，彙整政治學有關投票行為的相關理論，包含社會學研究途徑、社會心理學研究途徑與理性抉擇途徑的研究成果，整合該年度之總體與個體資料而設計出「特質調整模型」。特質調整模型是透過兩階段的操作模式進行預測，首先以基礎模型反應全國一致的因素，使之適用於台灣所有縣市，這些因素包括政黨認同、候選人取向與社會人口學變項。但由於各縣市狀況仍有不同，因此再進一步用延伸模型來考量各縣市的特殊選舉因素。延伸模型在基礎模型的規模上，以描述性統計來觀察選區情形後，再加入各地特質於模型之中，使其預測結果能反映各地特殊狀況。在延伸模型中，考量的因素包括議題取向、環境系絡因素、策略性投票、在位者表現、派系取向與賄選問題等。 在特質調整模型中，本研究嘗試以對數迴歸模型對各地區進行模擬計算，並用機率論的方式呈現每一位受訪者的投票可能，以反應政治學理論中的不確定性。研究結果發現基礎模型確能相當地反應出台灣各縣市的選舉狀況，描繪各地的一般狀況，而延伸模型又能更精確地貼近各地的選舉結果，反映各地的特殊選情。在資料完整的狀況下，最後各縣市的預測誤差均不超過抽樣誤差。 第一章 緒論 1 壹、研究動機與目的 1 貳、文獻檢閱 3 第二章 研究方法 25 壹、研究範圍與資料來源 25 貳、模型建構 28 參、研究架構 33 肆、模型評估 35 第三章 基礎模型 38 壹、 變數建構 38 貳、 基礎模型的探討 42 參、 討論 84 第四章 延伸模型：基礎模型的應用 87 壹、延伸模型的設計 87 貳、基隆市的延伸模型 89 參、台北縣的延伸模型 98 肆、桃園縣的延伸模型 115 伍、新竹市的延伸模型 123 陸、台中市的延伸模型 129 柒、彰化縣的延伸模型 140 捌、台南市的延伸模型 153 玖、台南縣的延伸模型 166 拾、小結 172 第五章 結論 174 壹、研究回顧 174 貳、研究效果評估 178 參、研究限制與未來研究建議 179 參考文獻 184 / This research is focused on Taiwanese county magistrates election in 1997, and based on the aggregate and individual data to design a forecasting model, named "Joined Idiosyncrasies Adjusted Model" (JIA Model). This model is operated by two stages. First, I compute a basic model, which reflects some general factors in every county. Second, I design extended models to adjust the output of basic models. Those extended models can precisely show the situation of every single county. In this model, I try to use logistic regression to compute the candidate's votes, and present the final forecast output in probability. This model made the county magistrates election more predictable, and the model errors are less than the sampling errors.