本研究認為，在調查訪問中，選民是否表態並不是隨機產生的，一旦不表態的選民是因為某些因素而導致其不表態，只以表態者所建立的模型便存在選樣偏誤的問題。因此本研究便是希望經由處理「選樣偏誤」的問題之後，可以得到一個足以代表母體的正確投票模型，筆者將之稱為「選樣偏誤模型」，再利用「選樣偏誤模型」中校正後的參數估計值去推估未表態選民的投票意向，以得到更準確的選舉預測結果。 針對五次選舉（2001年台北縣長選舉、2002年北高市長選舉、2000年及2004年總統選舉）所進行的研究結果發現，當我們未校正選樣偏誤時，我們可能高估給予不同候選人較高評價者之間的差距、藍綠政黨認同者之間的差距、統獨支持者之間的差距；同時也高估了政府首長施政滿意度與省籍的影響。因為願意回答自己投票對象的受訪者，往往是政治偏好相當確定且較強烈的選民，當我們在建構模型時，若只掌握了這些政治偏好較強或較確定的表態者，而忽略政治偏好較弱或較不明確的不表態者，我們極可能高估自變數對應變數的影響。 整體來說，本研究所設定的選樣方程式能夠在勝負差距較小的選舉中，掌握到影響選民是否表態的因素，進而使得選樣偏誤模型發揮校正的功能，在勝負差距較小的選舉中，選樣偏誤模型所預測的候選人得票率，比傳統probit模型來得準確，四個模型的預測得票率與實際得票率的誤差，最小為0.59%，最大也只有1.16%而已。

中華民國第十任總統選舉結果於民國八十九年三月十八日揭曉，這場眾所矚目的選舉終告落幕，然而對選舉研究工作者而言卻是新的開始。選舉預測居選戰中重要的一環，也是研究選舉的學者關心的問題，更提供了一個驗證選民投票行為理論的絕佳機會，近來國內相關論述已有相當成果。但由於它在投票結束，便有答案，其挑戰程度不言而喻。因此，如何結合理論、方法及事實三者為一體的努力，對選舉預測更是別具意義。 本篇研究之範圍，是以公元2000年總統大選為例，對選舉預測工作做更深層的探討，且檢驗邏輯斯預測模型（Logistic Regression Model）及模糊統計（Fuzzy Statistics）分析在本次總統選舉的預測力，考量本次總統選舉中各項可能影響選情的因素，進一步建構選舉預測模式，然而兩種預測模式的初步預測結果並不佳，經過棄保效應的可能性調整後，預測誤差已大幅降低，其中模糊統計（Fuzzy Statistics）分析預測結果經棄保效應調整後，與實際開票結果相當接近，因此與邏輯斯預測模型相較，模糊統計分析的應用對未表態選民投票意向的預測力較佳。一套完整的選舉預測模型研究，應包含問卷設計、抽樣訪問、資料處理、加權除錯、模型設計與預測評估等整套研究流程，然而在本次總統大選中，由於三強激戰，影響選情因素相當複雜，最後此兩種選舉預測模式皆無法獲致精確的預測結果。因此，我們期待選舉預測模型的建構，能突破主客觀環境的侷限，進一步達到「準」與「穩」的要求。 / With the successful staging of the 2000 presidential elections in Taiwan, scholars have been presented with a new opportunity to test their theories. Electoral predictions are an important field within the study of elections and have been among the most keenly studied questions over the past few years. Unlike many other research topics, there is an absolute standard for election predictions: the election results. Thus, combining theory, methodology, and facts to obtain a meaningful result is no simple task. This thesis attempts to predict the 2000 presidential election using both a logistic regression model and a fuzzy statistics model. After constructing models which includes all kinds of different variables that might influence the electoral outcome, we find that neither the logistic regression model nor the fuzzy statistics model is particularly accurate. However, after accounting for the effects of strategic voting, model error decreases dramatically. In particular, after including provisions for strategic voting, the fuzzy statistics model is improved to the point that its predictions are extremely close to the actual outcome. Thus, we show that the fuzzy statistics model is superior to the logistic regression model in analyzing the vote choices of undecided voters. Research on electoral predictions should include such aspects as questionnaire design, sampling, interviewing, data processing, weighting, data cleaning, model design, and evaluation of the prediction. However, because this election featured a particularly intense three way race, the factors affecting the electoral outcome were both numerous and intertwined in complex ways. Unfortunately, it is impossible to evaluate our electoral predictions of the two models precisely. We hope that in the future, election prediction models will be able to break through these environmental limitations and achieve more accurate and stable predictions.

從過去的研究顯示，預測市場(prediction market)已有良好預測準確率，但該準確率是事後、總體的機率概念，而非更有實際參考價值：事前、個別合約之鑑別預測。故本文先以建構4個選舉預測市場準確度的鑑別模型，在選前針對每一個選舉合約的交易價格進行鑑別，模型的鑑別資訊來自於，預測市場在選前一天提供選舉合約的40個原始自變數。我們的研究顯示：Logit鑑別模型最能在「選前」精準判斷，並可分辨哪些選舉合約的價格，在未來將符合「最高價」準則。本文前半部先以：2008年總統選舉、2009年縣市長選舉及2010年五都市長選舉，做為樣本外測試的樣本，使用原始自變數的Logit模型，其預測力均高於其他3個鑑別模型。Logit模型樣本外的鑑別正確準確率為100％，但是，Logit模型對於鑑別未正確預測組的預測能力仍須改善。最後，本文再使用全部「非選舉」和選舉類別的合約，成功建構預測市場的最適價格門檻，作為判定預測事件是否發生的標準，可將事件發生的機率預測（probabilistic forecasting），轉換成事件發生與否的類別預測（categorical forecasting），作為公共政策與企業決策的重要依據。

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.