「政治學研究方法的回顧與前瞻： 科技發展與科際整合」研討會 實證主義下的探索式資料分析： 復古？創新？

Presentation on theme: "「政治學研究方法的回顧與前瞻： 科技發展與科際整合」研討會 實證主義下的探索式資料分析： 復古？創新？"— Presentation transcript:

1 「政治學研究方法的回顧與前瞻： 科技發展與科際整合」研討會 實證主義下的探索式資料分析： 復古？創新？
 「政治學研究方法的回顧與前瞻： 科技發展與科際整合」研討會 實證主義下的探索式資料分析： 復古？創新？ 中山大學政研所 劉正山

2 實證主義者正往測量、實驗&因果關係大步邁進
幾個現象 民調目前面臨巨大的挑戰 實證主義者正往測量、實驗&因果關係大步邁進 也開始面對大數據思維及研究的衝擊

3 成本巨大、涵蓋率降（代表性降）、政治的測量 & 測量的政治…
以預測為目的的民調面臨巨大的挑戰 成本巨大、涵蓋率降（代表性降）、政治的測量 & 測量的政治…

4 Polls seem to be trusted…

5 and necessary for democracy

6 But they are not seen fair and objective…

7 Polls are political.

8 民意調查目前學術上的主要應用面 描述、假設檢定、實驗（A/B test）

9

10 實證主義者正往實驗之路大步邁進 因果？ 代表性？

11

12 如何面對大數據思維及研究的衝擊 How do we do with theory?

13 傳統的長條圖和圓餅圖

14

15 透過問受訪者更深刻的問題 我們可以從調查資料中發掘更多的可能樣貌。
一般民調市調會偏重於詢問行為面及偏好的問題，但我們還可以問出更多關於價值觀的問 題。

16 Web Sample Nov. 11~29, 2016

17 你有想過，台灣民眾對於「獨立」的定義有很多種，而且很可能沒有什麼共識嗎？

18

19 發掘世代之間的差異： 以１８歲前後經歷重大政治事件作為切點，分出五個世代。
用民調做探索式的資料分析 發掘世代之間的差異： 以１８歲前後經歷重大政治事件作為切點，分出五個世代。

20

21

22 Data Sets F2F Survey: Taiwan Social Change Survey (tscs) 2013 (n=1,952) CATI Telephone survey 2015 (n=1,100) Web panel (n=468)

23 第一世代（1931前出生）

24 第二世代（1932~1953出生）

25 第三世代（1954~1968出生）

26 第四世代（1969~1978出生）

27 第五世代（1979~1988出生）

28 4 5 1 2 3

29 跨題找到重要變數類別的組合

30

31 大數據背後的知識論給我們的啟示： 網調平台可以同步帶來學術及市場價值
透過網調平台，我們能夠從資料聆聽者（被動使用挖來或買來的數據）轉換為資 料創造者（主動透過發問收集到被研究對象價值和偏好） 網調panel能降低資料雜訊及帶來更快速的決策。 形成社群後所創造定群追蹤樣本，可以產生變數的合併帶來的巨大價值。 以網路數據作初探（pilot stud），之後再啟動隨機電話調查，增加推論力度。 初探階段便可以進行隨機分派實驗，找出意義、樣貌，甚至是發現新理論。

32 Factor analysis & Explorative data analysis 早就有了
探索式資料分析很復古 Factor analysis & Explorative data analysis 早就有了 但以前使用類別型資料的民調同行 想都別想

33 民調結合探索式資料分析卻也可以很創新 Lakatos, Z. (2015). Traditional values and the Inglehart constructs. Public Opinion Quarterly, 79(S1), 291–324.

34 結語：實證主義的分進&合擊 Evans & Aceves (2016) “Machine Translation: Mining Text for Social Theory.”

35 其他參考資料 Blasius, J., & Greenacre, M. (Eds.). (2014). Visualization and Verbalization of Data. CRC Press. Husson, F., Le, S., & Pages, J. (2010). Exploratory Multivariate Analysis by Example Using R (1 edition). CRC Press. Pagès, J. (2014). Multiple Factor Analysis by Example Using R (1 edition). Boca Raton: Chapman and Hall/CRC. Pasek, J., Jang, S. M., Cobb, C. L., Dennis, J. M., & Disogra, C. (2014). Can marketing data aid survey research? Examining accuracy and completeness in consumer-file data. Public Opinion Quarterly, 78(4), 889–916. Roux, B. L., & Rouanet, H. (2009). Multiple Correspondence Analysis. SAGE Publications.