
同樣是台北市長選舉,為什麼不同機構做出的民調,會呈現不同的選情?信民協會10月20日公布最新調查,沈伯洋支持度50.3趴、蔣萬安33.3趴,沈領先17個百分點。負責調查設計與分析的民調專家戴立安在記者會上,特別攤開TVBS各縣市選情調查的政黨結構,說明理解民調不能只看候選人支持度,還必須檢視樣本組成與加權方式,才能看懂不同機構結果之間的差異。
戴立安整理的資料顯示,TVBS今年10月台北市選情調查中,有投票意願受訪者的政黨傾向,國民黨32趴、民眾黨7趴、民進黨28趴。若將這三黨支持者抽出,換算成「藍加白」對「綠」的相對比例,約為58比42。這個比例,正是他在記者會上要求外界檢視依據的焦點。
32加7對28 「藍白58、綠42」是怎麼來的?
依戴立安提供的報告第23頁附件,TVBS台北市調查時間為10月3日、5日至7日,表列國民黨支持者32趴、民眾黨7趴,合計39趴;民進黨支持者則為28趴。
將39與28加總,再分別換算占比,藍白約占58趴、綠約占42趴。
這裡的58比42,是從三黨支持者換算出的相對比例,不是全體受訪者只有藍白與綠兩類,也不等於候選人的支持度或得票率。中間選民、其他政黨支持者等,不能因此被忽略。
戴立安指出,有人認為台北市依然藍大於綠,應該是六比四,也有人認為蔣萬安不管怎麼算,至少應領先七個百分點。他表示尊重這些看法,但若要把固定的藍綠比例帶進資料處理,就必須說明設定依據。
與2022年得票結構同為58比42 歷史板塊能否代表現在?
這張附件不只列出TVBS的政黨傾向,也並列2022年與2018年縣市長選舉得票結構,供外界比較。
台北市一欄中,TVBS有投票意願受訪者的「藍加白對綠」相對比例為58比42;表列2022年台北市長選舉相關得票結構,同樣是58比42。
兩個比例相同,是戴立安提供的對照資料;但這張表本身,並不能直接證明TVBS就是依2022年得票比例進行政黨加權。樣本結果與加權設定是兩件事,仍須以調查機構公開的方法說明加以確認。
戴立安在記者會提出的核心問題則是:即使過去選舉出現這樣的板塊,能不能主觀設定今天的民意也必須維持相同比例?如果要這樣做,理由是什麼?
不只台北 戴立安整理多個縣市政黨結構
附件也整理了其他縣市的TVBS選情調查。例如新北市國民黨支持者28.2趴、民眾黨7.1趴、民進黨26.9趴,換算藍白對綠約為57比43;台中市則分別為28.3趴、7.5趴、28.6趴,換算約為56比44。
戴立安藉由跨縣市整理,將討論從單一民調「誰贏誰輸」,拉回各家調查的政黨結構如何形成,以及這種結構與歷史選舉結果之間的關係。
他表示,自己過去在學校及研究生演講中,就曾整理、討論相關資料,長期強調「民調支持度」與「選舉預測」是兩回事。
機構效應不能只看最後數字 戴立安提醒先檢查資料
戴立安指出,部分國內外智庫與學者,可能以為把所有看到的台灣民調都放進模型,就能反映台灣選情。但如果沒有先釐清各份資料的處理方式,即使模型本身沒有問題,輸入的資料仍可能影響判斷。
「你的模型對了,可是你用的資料可能出現了問題。」
從機構效應的角度來看,重點就在於:不同機構如何接觸受訪者、形成樣本,以及進行加權,會影響最後呈現的結果。不能只拿兩個候選人的支持度互相比較,卻不看數字背後的方法差異。
不過,這也不等於只要某家民調與另一家不同,就能直接認定其中一家失真;仍須逐項檢視調查方法與資料。
「心電圖是用來測的」 戴立安不以政黨比例調整一般民調
戴立安強調,自己在一般民調題目中,採用性別、年齡、教育程度、縣市或行政區等樣本代表性加權,不對受訪者的政治立場、政黨傾向加權。
原因在於,民眾對政黨及政治人物的態度,本身就是他要測量的社會變化。如果先把政黨比例固定,再調整受訪者回答,可能會影響對這些變化的觀察。
他以「社會脈動的心電圖」形容民調,強調:「這個心電圖我們是用來測的,不是我用尺來量,畫給各位看的。」
戴立安也坦言,「洋流」提高選舉熱度後,部分偏綠支持者更勇於表達意見,藍綠支持者的表態積極程度可能有差距。但他認為,調查必須忠實記錄這種現況,不能因為結果與過往印象不同,就主觀修改民眾的政黨意向。
中間選民六比四挺沈 支持度與得票推估仍須分開
戴立安進一步指出,這次調查中的中間選民,對沈伯洋與蔣萬安的支持分布約為六比四。這項結果提醒外界,選民目前的選擇,不一定符合既有的藍綠板塊想像。
但他也強調,民調支持度並不等於選舉得票率。針對未能接觸到、未接受訪問的民眾,得票率推估還須另行納入過去投票紀錄、投票意願與強度等因素。
以這次調查及模型結果,在「現在投票」的前提下,不同投票率情境所推估的差距,介於蔣萬安領先0.7個百分點,到沈伯洋領先6個百分點之間。這是情境推估範圍,不是抽樣誤差,也不是11月28日的勝負預告。
戴立安透過TVBS政黨結構的對照,提出的問題是:我們看到的民調數字,哪些來自當下受訪者的表達,哪些又受到資料處理或模型設定影響?把這些環節分清楚,才有辦法討論「機構效應」,也才能理解不同民調為何呈現不同選情。

