Referendum MythBusters

Presentation on theme: "Referendum MythBusters"— Presentation transcript:

1 Referendum MythBusters
公投流言終結者 Referendum MythBusters

2 引言 一打開電視新聞或是電腦，便可看到許多關於公投提案的消息，這是台灣人民在大選前的日常，許多似是而非的謠言以及各種網路流言也隨之出現，究竟這些報導還有謠言的真實性有多高?我們所接收到的訊息到以及認知的真的是事實嗎? 公投流言終結者的團隊將會藉由大數據科學，嘗試以客觀的分析來探討流言的真實性、以及公投結果的真正成因，希望給予社會大眾一個可以經過科學檢驗、接近真實的答案。 為何需要科學驗證? →我們日常生活的認知及接受到的報導可能是個案而不是全貌，因此當個案被廣為宣傳時，會造成我們認知上的誤認

3 引言 關於公投…… 本次公投斥資近50億，許多學者視公投結果為一項「大型社會調查」，能視此結果可有效反映議題態度的區位分佈。 隨投票結果開箱，關於公投的論述接連四起，公投流言終結者希望檢視以下四個廣泛流傳的「公投流言」，並對影響公投可能的因素做一個探索性的討論，透過相關係數以及區域面量圖進行驗證： 流言一：教會的運作是否影響了同婚公投（10、11、12、14、15）案結果流言二：所得的高低是否影響人的保守或進步傾向，進而影響了同婚公投（10、11、12、14、15）案結果 流言三：東奧正名公投為較具有意識形態的公投，國民黨的支持者是否會傾向反對意識形態與其不同的東奧正名公投? 流言四： 教育程度與世代對東奧正名公投的影響? 年輕人與大學生是否比較支持東奧正名公投?

4 選定所得中位數、大學生畢業率、年齡中位數、教會個數、國民黨得票率等變相分別對特定公投案進行分析。
引言 終結者規則： 選定所得中位數、大學生畢業率、年齡中位數、教會個數、國民黨得票率等變相分別對特定公投案進行分析。 資料來源： 106年度_法人教會概覽

5 PART ONE 流言一: 教會在同婚五公投中有影響力，一地的教會愈多代表動員投出反同票的能力愈強

6 將教會數量與同婚五公投同意率以四分位距為基準分成四等級後，以一地的教會數量代表教會的動員能力高低，與同婚五公投合併，右表為其相關係數表格。
PART ONE 流言一 將教會數量與同婚五公投同意率以四分位距為基準分成四等級後，以一地的教會數量代表教會的動員能力高低，與同婚五公投合併，右表為其相關係數表格。 公投案 相關係數 第10案 第11案 第12案 第14案 第15案

7 PART ONE 流言一

8 PART ONE 流言一

9 PART ONE 流言一

10 PART ONE 流言一

11 PART ONE 流言一

12 PART ONE 流言一結論 支持立專法與否與該地教會的多寡無太大的關係。 該地的教會愈多，愈傾向支持平權公投、反對愛家公投。 流言一不成立，且結果與流言一幾乎完全相反。

13 PART TWO 流言二: 愈有錢的人愈不支持同婚，因為有錢人比較保守

14 鄉鎮市區綜合所得稅所得總額中位數x公投同意率
PART ONE 流言二 鄉鎮市區綜合所得稅所得總額中位數x公投同意率 公投案 顯著程度 相關係數 第10案 顯著 第11案 第12案 不顯著 第14案 第15案 *同意率=同意票/有效票數

15 PART TWO 流言二

16 PART TWO 流言二

17 PART TWO 流言二

18 PART TWO 流言二

19 PART TWO 流言二

20 PART TWO 流言二結論 我們選擇綜合所得稅所得總額作為指標。 收入越高的族群，越傾向反對愛家公投，並且傾向同意平權公投。 需要注意的事情是，所得並不是絕對的影響因素，仍須考量其他因素對各地區投票意向之影響。 12案也就是所謂專法案跟其他婚姻平權相關公投不同，與所得幾乎沒有關聯，也是值得關注的現象。

21 PART THREE 流言三: 東奧公投的支持度會受到政黨傾向的影響

22 PART THREE 流言三 明顯能發現兩邊圖片在大部分區域呈「對稱性」分佈，且在全台灣分部呈現負相關，相關係數為-0.47（高度負相關）。

23 PART THREE 流言三結論 從相關係數矩陣中，可發現影響「十三案同意率」的原因除了國民黨同意率的負相關外，「所得中位數」與「年齡中位數」的相關性亦然強烈，分別成強負相關和強正相關，因此除了政黨傾向外，「所得」與「年齡」亦為兩個重要指標。

24 PART FOUR 流言四: 教育程度比較高的地區比較支持東奧公投

25 PART FOUR 流言四 就全台灣總體趨勢而言，擁有大學學歷者比率與 13案同意率之間的相關係數為-0.028，不僅幾乎無相關，其係數甚至為負。因此總體而言，是否讀過大學幾乎不影響人民對此案之態度。

26 PART FOUR 流言四 近一步將測量層次縮小至臺北市及新北市兩地區時，卻發現雙北地區大學學歷比率與之間的相關係數為-0.599，為強烈負相關，故可判斷必定有其他因素影響人民的投票行為。

27 PART FOUR 流言四結論 因此除了是否擁有大學學歷外，我們進一步檢驗大學生的年齡，想了解不同cohort的大學生是否會有不同的價值觀。
年齡層 相關係數（全國） 相關係數（雙北） 20-24歲 25-29歲 30-34歲 35-39歲 40-44歲 45-49歲 50-54歲 55-59歲 60-64歲 65歲以上 因此除了是否擁有大學學歷外，我們進一步檢驗大學生的年齡，想了解不同cohort的大學生是否會有不同的價值觀。 左表格為各年齡層大學生比率與公投同意率相關係數之表格。 可以得知，全台灣第13案公投與Cohort的影響也多有相關，呈現隨年齡逐漸上升。

28 總結 科學數據證明在使用特定因素分析時，流言一、二、四有足夠顯著力被打破！能印證許多假設的不成立、或存有疑慮，而破解留言的同時，也發現新的科學事實： ➸教會數量越多的地區，不見得是同婚率支持率低的地區 ➸經濟收入越高的地區，越同意挺同公投之論述 ➸大學學歷者比例越高之地區，越傾向不同意十三公投結果 ➸呈上，也證實十三案同意率除教育因素，也深受世代差異而有劇烈變異 唯一沒打破的流言三，分析中卻也發現國民黨得票率並非唯一影響因素，所得、年齡、教育的影響力依然強烈，或許政黨傾向亦會受人口結構及屬性而有變化！

29 展望:人工智能、機器學習作為預測公投結果的途徑
機器學習（Machine learning）核心意涵為「用已知的資訊預測未知的資訊」，將我們所擁有的資料，經過統計學、數學上分類分群的演算法，將資料進行分類，進而在未來使用部分特徵即可預測人類行為（如購買商品類別、投票行為等） 我們嘗試以機器學習之方法用我們已知之人口特徵、屬性對投票結果進行預測，將資料以7:3分為訓練集與測試集，透過訓練集建模，預測測試集之公投結果，並將預測結果與真實公投結果比對。

30 展望:人工智能、機器學習作為預測公投結果的途徑

31 展望:人工智能、機器學習作為預測公投結果的途徑
從表格可看出使用上述在這篇文章探討之所有屬性預測個案公投，對於第十、十一、十二、十四、十五案來說，教會個數、所得預測影響性隨公投性質變化，而最為顯著能被預測為第十案：「你是否同意民法婚姻規定應限定在一男一女的結合？（同意態度偏向反對同婚）」，預測準確率為55% 而在第十三案的預測當中，當只留「國民黨得票率」進行預測時，可發現預測準確率可以達到56%，意味著「只要能知道該地區的國民黨市長候選人得票率，我們就可以有56%的準確率猜測該地區在公投十三支同意程度」。 整體而言，可以看出當嘗試使用機器學習預測此次公投結果時，雖仍有進步空間，但卻依然有一定程度的解釋力，代表著在未來數據科學更廣泛運用後，是必能為人類或整體社會解開更多謎題，我們所做的是不斷嘗試探索新的可能性，試圖打開所有隱藏在社會下的「黑盒子」。

32 結語 「流言終結時，我們更加接近真實」 — 公投流言終結者，感謝您的閱讀。