阿摩線上測驗
登入
阿摩線上測驗
登入
學習重點 民意調查的定義：以科學、公正的方法，從研究範圍內的全體民眾中抽取具有代表性的部分民眾作為樣本，直接詢問其看法，再推論全體民眾的意見。 調查成敗的關鍵是樣本代表性，不是樣本數多寡、男女是否各半或每區是否都有抽到。只有機率（隨機）抽樣才能推論母體；非機率抽樣無法推論母體。 要分辨簡單隨機、系統（等距）、分層、集群（集體）抽樣四種機率抽樣，以及便利、立意、配額、滾雪球等非機率抽樣。 調查誤差包括抽樣誤差與非抽樣誤差（問卷設計、受訪者、訪員、涵蓋、資料處理等）。 在相同信心水準與抽樣誤差下，母體規模對所需樣本數影響很小：95% 信心水準、正負 3 個百分點的抽樣誤差，約需 1,000 個成功樣本，不論是台北市或全台灣皆然。 核心觀念 一、民意調查的定義與功能 民意調查是以科學與公正的態度，從研究範圍內的全體民眾中，抽取具有代表性的部分民眾作為樣本，直接詢問他們對一些問題的看法，再以此推論全體民眾的看法。要和以下概念區分：「民意」是民眾意見本身；「直接民主」是人民直接決定公共事務；「審議式民調」是讓受訪者在獲得資訊並討論後再表達意見的特殊形式。 民意調查的功能： 探測民意、提供決策參考：民主國家政府若要了解民眾對政策的想法，民意調查是最有效且最經濟的方式。公民投票（包括諮詢性公投）成本高、程序繁複，不可能經常舉辦；大眾傳播媒體所呈現的意見也未必代表全體民眾。 掌握民意變動趨勢：以相同題目在不同時間重複調查，就可以觀察民意的變化與走向。說民意調查「無法掌握民意變動趨勢」是錯的。 以少推多：只要抽樣得當，抽取約 1,000 個樣本就能推估台灣整體民眾的意見。 目前國內媒體最常使用的民調方法是電話訪問。 二、機率抽樣與非機率抽樣 機率抽樣（隨機抽樣）以隨機方式選取樣本，母體中每一個成員都有已知且不為零的入選機會。因此可以計算抽樣誤差，並以樣本推論母體。簡單隨機抽樣、系統抽樣、分層抽樣與集群抽樣都屬於機率抽樣。 非機率抽樣（非隨機抽樣）由研究者依判斷、方便性或人際關係決定樣本，例如便利抽樣、立意抽樣、配額抽樣、滾雪球抽樣。樣本無法推論母體，主要就是因為採用了非隨機抽樣。這類方法即使增加樣本數，也不能提高代表性；若樣本系統性地偏向某些族群，樣本越大，偏誤只會越穩定地被放大。 比較項目機率抽樣非機率抽樣 入選方式以隨機機會決定以研究者判斷或便利條件決定 代表性可透過設計確保無法保證 能否推論母體可以，並可估計抽樣誤差不能作嚴格的母體推論 常見方法簡單隨機、系統（等距）、分層、集群（集體）便利、立意、配額、滾雪球 配額抽樣雖然會依性別、年齡等特性分配名額，但每一格名額內找誰受訪仍由訪員自行決定，屬非機率抽樣。它不能消除調查者有意識選擇樣本的問題，要消除這個問題應採隨機抽樣。 三、常見機率抽樣方法 方法做法特色與適用情境 簡單隨機抽樣先建立完整的母體名冊，再以亂數（如電腦亂數）逐一抽出樣本。每一成員入選機會相等，是最基本的機率抽樣；需有完整名冊。 系統抽樣（等距抽樣）將母體名冊依序編號，隨機決定起始點後，每隔固定間距抽取一個樣本。操作方便，屬於隨機抽樣；若名冊排列有週期性，可能產生偏差。 分層抽樣先依同樣的特性（如地區、種族、宗教、性別、年齡）將母體分類成若干層，再從各層分別抽出所需樣本。確保各類群體都有足夠樣本，可提高代表性；要比較不同地區或群體的意見差異時最適合。 集群抽樣（集體抽樣）先將母體分為 A 個集體，從中隨機抽出 a 個集體，再對中選的集體作全面調查。抽取的單位是「集體」而非個人；母體分散時較經濟，但若中選集體彼此差異大，推論的精確度會降低。 分層與集群的關鍵差別：分層是「每一層都抽，各層內抽部分人」；集群是「只抽部分集體，中選集體內全部調查」。 四、代表性與母體推論 民意調查推論是否有效，關鍵在於樣本是否具備代表性，也就是樣本結構與母體相近，且選樣過程沒有系統性排除某一類民眾。完成調查後，通常要做樣本代表性檢定，比較樣本與母體在性別、年齡、地區、教育程度等特徵上的分布是否一致，必要時再加權。 判斷調查是否精準的典型例子： 精準：以全國合格選民為母體清冊，依電腦亂數抽出樣本，這是符合隨機原則的簡單隨機抽樣。 不精準：網路平台民調、政論節目叩應（call-in）民調，屬於自我選擇的樣本，參與者多是關心特定媒體或政治立場者；在大學門口攔訪大學生，母體只限於特定族群，屬便利抽樣，即使說是「隨機攔查」也不是真正的隨機抽樣。 《文學文摘》1936 年失敗案例：該刊以郵寄問卷預測美國總統選舉，回收樣本數量龐大，卻錯誤預測結果。主要原因是樣本不具代表性：抽樣名單偏向經濟條件較好的民眾，且由收件者自願寄回，結果系統性地偏離全體選民。此案例說明「樣本大不等於樣本好」，失敗原因不是問卷設計、受訪者說謊或分析方法。 五、調查誤差的來源 抽樣誤差：只調查部分樣本而產生的估計差異。即使採用完美的隨機抽樣仍會存在，通常以「在某信心水準下，誤差正負若干百分點」表示。隨機樣本數越多，抽樣誤差越小，所以樣本數會影響調查結果。 非抽樣誤差：與樣本大小無關，主要有： 抽樣框與涵蓋誤差：母體名冊不完整，例如只抽市內電話，會漏掉只用手機的民眾。 非機率抽樣與無反應誤差：選樣偏差、拒訪者與受訪者特性不同。 問卷設計誤差：題目措辭有誘導性、題目順序造成影響、選項不周延或不對稱。問卷設計會影響調查結果。 受訪者誤差：記憶錯誤、刻意隱瞞或說謊、隨意作答、為迎合社會期待而作答。 訪員誤差：訪員語氣暗示、追問方式不一致。 執行與資料處理誤差：登錄、編碼、加權或分析錯誤。 擴大樣本數只能降低抽樣誤差，不能消除問卷偏差、受訪者偏差或抽樣方法造成的系統性偏誤。 六、樣本數、信心水準與抽樣誤差 在相同信心水準與抽樣誤差下，所需樣本數主要由容許誤差與信心水準決定。母體很大時（數十萬以上），母體規模幾乎不影響所需樣本數。因此，在 95% 信心水準、抽樣誤差正負 3 個百分點的條件下，台北市約需 1,000 名成功受訪者，全台灣也仍約需 1,000 名，而不是依人口比例增加到 1 萬或 2 萬名。 七、申論作答架構：什麼是民意調查？為何會出錯？ 定義：以科學、公正的方法，從母體中隨機抽取具代表性的樣本，以問卷直接詢問意見，再用統計方法推論母體意向。它是民主國家蒐集與研究民意走向最有效、最經濟的工具。 出錯原因： 抽樣問題：採非機率抽樣、抽樣框不完整、無反應或拒訪偏高，導致樣本不具代表性（舉《文學文摘》為例）。 抽樣誤差：樣本數不足，誤差範圍過大。 問卷設計：措辭誘導、順序效應、選項不當。 受訪者因素：說謊、隱藏真實意向、迎合社會期待、尚未決定。 訪員與執行因素：訪員誘導、執行時機不當（民意在調查後仍發生變化）。 資料處理與解讀：加權、分析錯誤或過度解讀。 結論：應落實隨機抽樣、進行樣本代表性檢定、審慎設計問卷並公開抽樣方法與誤差範圍。 常考陷阱 「可以利用非機率抽樣來增加樣本數」：錯。非機率樣本再多也不具代表性，不能用來推論母體。 「非隨機抽樣的結果亦有代表性」：錯。非隨機抽樣正是樣本無法推論母體的主因。 「最重要的成敗關鍵是樣本大小／男女各半／每區都有抽到」：錯。關鍵是樣本代表性。 「消除有意識選樣的最好方法是配額抽樣」：錯。配額抽樣是非機率抽樣，應採隨機抽樣。 「等距抽樣不是一種隨機抽樣」：錯。系統（等距）抽樣是隨機起點加固定間距，屬機率抽樣。 能推論母體的抽樣法：只有簡單隨機、系統、分層、集群等機率抽樣；配額、滾雪球、立意、便利都不行。 「先依特性分類，再從各類抽樣」：這是分層抽樣，不是集群或滾雪球抽樣。 「抽出部分集體後對中選集體全面調查」：這是集體（集群）抽樣法；「分層配額抽樣法」「等距抽樣法」都是干擾選項。 比較不同地區民眾意見：選分層抽樣（以地區分層），不選便利、等距或立意抽樣。 網路民調、叩應民調、街頭或校門口攔訪：屬自我選擇或便利樣本，不精準；以全國選民名冊加電腦亂數抽樣才精準。 《文學文摘》失敗原因：答「樣本不具代表性」，不是問卷設計不良、受訪者說謊或分析方法錯誤。 「民意調查無法掌握民意的變動趨勢」：錯。重複調查即可追蹤趨勢。 「全台灣母體大十倍，樣本也要多十倍」：錯。相同誤差條件下仍約 1,000 份。 探測政策民意最有效且經濟的方式：答民意調查，不是公民投票、諮詢性公投或大眾傳播媒體。 記憶口訣 「代表第一，隨機才推；配額滾雪立意便利，再多也白費。」：成敗看代表性；只有隨機抽樣能推論母體；非機率抽樣增加樣本數也沒用。 「分層層層都抽，集群抽群全查；等距起點隨機，一千全國通用。」：分層是每層都抽樣，集群是抽中集體後全面調查，等距抽樣屬隨機抽樣，95% 信心水準、正負 3% 誤差約需 1,000 份，與母體大小無關。