電話訪問結果分析報告
一、調查對象
以設籍在臺灣地區且年滿二十歲以上的成年人為本次調查的訪問對象。
二、抽樣方法
本研究的抽樣方法電話簿抽樣法。即以「中華電信住宅部109-110年版電話號碼簿」為母體清冊，依據各縣市電話簿所刊電話數佔臺灣地區所刊電話總數比例，決定各縣市抽出之電話數比例，以等距抽樣法抽出各縣市電話樣本後，為求涵蓋的完整性，再以隨機亂數修正電話號碼的最後二碼或四碼，以求接觸到未登錄電話的住宅戶。電話接通後再由訪員按照戶中抽樣的原則，抽出應受訪的對象進行訪問。
手機電話調查樣本部分，以國家通訊傳播委員會（NCC）民國一一〇年十月份公布之「行動通信網路業務用戶號碼核配現況」（手機號碼前五碼之核配狀況），搭配以隨機亂數的手機號碼最後五碼來製作電話樣本。
三、調查方法
以電話訪問之方式進行獨立樣本訪問。訪問期間自111年1月11日（星期二）至1月15日（星期六）、1月19日（星期三）至1月23日（星期日）於政治大學選舉研究中心執行。詳細問卷內容詳見附件一，問卷編碼簿詳見附件二。本次訪問完成2,868個有效樣本數，其中市內電話成功1,376份，手機成功1,492份。其中，市話採戶中抽樣，也就是不是由接到電話的人為受訪者，而是經過洪式戶中抽樣法(詳見附件六)針對家戶成員進行抽樣，由指定的家庭成員為受訪者。手機樣本則由門號擁有者為受訪對象。以百分之九十五之信心水準估計，最大可能隨機抽樣誤差為：±1.83%。市內電話與手機訪問資料回收結果詳見附件三。各題次數分配表詳見附件四。
四、資料加權方式
本電話調查研究計畫之成功樣本，為與母體結構更符合，因此針對樣本之「性別」、「年齡」、「教育程度」及「地理區域（戶籍）」分佈進行加權，加權方式採用「多變數反覆加權法」（raking）。加權後，經樣本代表性檢定結果，顯示樣本結構與母體並無差異(詳見附件三)。母體參數依據民國一○九年內政部出版之「中華民國人口統計年刊（民國一〇九年）」。
五、描述性統計分析
我們用0到10請受訪者針對12個現象對未來台灣社會發展影響程度給分，影響越大表示這個問題對台灣越重要(這12個現象議題分數分配圖詳見附件五)。圖1顯示12道議題按照問卷順序排列的箱型圖，每一個箱型圖裡面的黑線與白線分別代表剔除拒答、不知道等回答之後的中位數以及平均值，箱型圖的上緣以及下緣則分別代表75分位以及25分位。詳細的數字請見表1。總體來說，這12個現象的分佈相當一致，集中在5到10之間。其中，少子化、老人照顧、低薪、高房價、假消息更集中在7到10之間。
資料來源：國立政治大學台灣研究中心。
進一步觀察圖1，12個題目之中，平均分數最高的前三個現象依序為是少子化、高房價、老人照顧，三者的平均數分別為8.22、8.21、8.03，而中位數最高的是少子化以及高房價，兩個現象的中位數都是9。可見得少子化、高房價、老人照顧是民眾最有感的社會現象，受訪者普遍認為要好好處理這三個跟人口、居住有關的問題，以免影響社會未來發展。平均數偏低的有企業機器自動化以及產業轉型失業，這兩個現象可能涉及企業與勞工，並非所有受訪者都有感受，也可能涉及科技方面的知識，因此受訪者相對不認為會影響社會未來發展，但是平均數也在6.97左右。其他的現象的平均值大約在7到7.8之間，差異不大。民眾看法比較分歧的也就是25與75分位數差距較大的是偏鄉教育、貧富差距以及網路詐騙等三個現象，可能有部分民眾認為這些問題不難解決，也有可能是部分民眾沒有這方面的經驗，所以不認為這幾個現象會影響未來社會發展。
綜合來說，少子化、老人照顧、高房價是三個被認為最可能影響社會發展的現象，其次是偏鄉教育、低薪、貧富差距、網路詐騙、氣候變遷、假消息，相較認為比較不那麼大影響的現象是零工非典型就業、企業機器自動化、產業轉型失業。
| 排序 | 現象 | N | 平均值 | 標準差 | 25分位 | 中位數 | 75分位 |
|---|---|---|---|---|---|---|---|
| 1 | 少子化 | 2303 | 8.22 | 1.99 | 7.00 | 9.00 | 10.00 |
| 2 | 高房價 | 2299 | 8.21 | 2.01 | 7.00 | 9.00 | 10.00 |
| 3 | 老人照顧 | 2302 | 8.03 | 1.92 | 7.00 | 8.00 | 10.00 |
| 4 | 假消息 | 2297 | 7.85 | 2.25 | 7.00 | 8.00 | 10.00 |
| 5 | 網路詐騙 | 2299 | 7.76 | 2.33 | 6.00 | 8.00 | 10.00 |
| 6 | 薪資成長緩慢 | 2284 | 7.73 | 2.00 | 7.00 | 8.00 | 10.00 |
| 7 | 貧富差距 | 2298 | 7.70 | 2.06 | 6.00 | 8.00 | 10.00 |
| 8 | 極端氣候 | 2291 | 7.36 | 2.32 | 6.00 | 8.00 | 9.00 |
| 9 | 偏鄉教育 | 2293 | 7.01 | 2.25 | 5.00 | 7.00 | 9.00 |
| 10 | 產業轉型失業 | 2275 | 6.98 | 2.15 | 5.00 | 7.00 | 8.00 |
| 11 | 企業機器自動化 | 2286 | 6.97 | 2.27 | 5.00 | 7.00 | 8.00 |
| 12 | 零工非典型就業 | 2282 | 6.53 | 2.34 | 5.00 | 7.00 | 8.00 |
六、人口變數交叉分析
接著，我們透過與人口變數的交叉分析，來探討不同人口特徵，包括性別（男、女二分類）、年齡（40歲以下及超過40歲二分類）、教育程度（高中職以下及大專以上）、職業（五分類）、戶籍地（七分類），及是否有小孩、是否有婚姻等，針對上述12個社會現象，探討不同類型的民眾，其態度是否存在顯著差異(人口變數交叉分析詳見附件五)。
| 性別 男 | 性別 女 | 性別 顯著性 | 年齡 40以下 | 年齡 超過40 | 年齡 顯著性 | 教育程度 高中職以下 | 教育程度 大專以上 | 教育程度 顯著性 | |
|---|---|---|---|---|---|---|---|---|---|
| 少子化 | 8.19 | 8.15 | 8.19 | 8.17 | 8.00 | 8.34 | * | ||
| 老人照顧 | 7.80 | 8.18 | * | 7.99 | 8.01 | 7.78 | 8.21 | * | |
| 偏鄉教育 | 6.80 | 7.23 | * | 6.89 | 7.10 | * | 7.12 | 6.92 | * |
| 零工非典型就業 | 6.24 | 6.66 | * | 5.99 | 6.73 | * | 6.43 | 6.47 | |
| 薪資成長緩慢 | 7.60 | 7.96 | * | 8.02 | 7.65 | * | 7.68 | 7.89 | * |
| 高房價 | 8.14 | 8.34 | * | 8.36 | 8.19 | * | 8.26 | 8.22 | |
| 貧富差距 | 7.49 | 7.88 | * | 7.66 | 7.73 | * | 7.71 | 7.67 | |
| 企業機器自動化 | 6.55 | 7.45 | * | 7.01 | 7.02 | 7.11 | 6.89 | * | |
| 網路詐騙 | 7.59 | 7.99 | * | 7.35 | 8.04 | * | 8.13 | 7.45 | * |
| 極端氣候 | 7.11 | 7.69 | * | 7.41 | 7.42 | 7.36 | 7.45 | ||
| 產業轉型失業 | 6.80 | 7.27 | * | 7.02 | 7.06 | 7.18 | 6.90 | * | |
| 假消息 | 7.77 | 7.88 | 7.50 | 8.03 | * | 8.04 | 7.61 | * |
註1：粗體加底線者為較高之平均值。
註2：*p<0.05，雙尾檢定，有顯著差異。
表2顯示，就性別來說，女性普遍較男性認為上述這些議題對於臺灣未來社會的發展，影響較大，即前者較後者的平均值普遍高一些，只有少子化一項，男性的平均值較女性高。此外，除了少子化及假消息這兩項議題，男性及女性的差異不顯著外，其他10項兩者的差異都達顯著水準。總之，女性顯然較男性擔心這些議題對於社會的影響。
從年齡來看，年輕者（40歲以下）與年長者（超過40歲）在偏鄉教育、零工非典型就業、低薪、高房價、貧富差距、網路詐騙、假消息等7項議題，有顯著差異。其中，年輕者的平均值只有在低薪與高房價兩項高於年長者，其他有顯著差異的項目都是年長者高於年輕者。換言之，低薪與高房價的確是年輕者較擔憂的議題。
從教育程度來看，教育程度較低者（高中職以下）與較高者（大專以上）在少子化、老人照顧、偏鄉教育、低薪、企業機器自動化、網路詐騙、產業轉型失業、假消息等8項議題，有顯著差異。在這8 項當中，教育程度高者的平均值只有在少子化、老人照顧、及低薪等3項較教育程度低者來得高，其他5項則為教育程度較低者的平均值高些。顯然，教育程度低者對於未來工作的保障較不看好，特別是擔心企業機器自動化及產業轉型失業等。另外，他們對於網路詐騙及假消息，也認為會對社會有比較大的影響。
| 高、中級白領 | 中低、低級白領 | 農林漁牧 | 藍領 | 其他 | 顯著性 | |
|---|---|---|---|---|---|---|
| 少子化 | 8.25 | 8.14 | 8.07 | 8.11 | 8.14 | |
| 老人照顧 | 8.07 | 8.11 | 7.18 | 7.93 | 7.62 | * |
| 偏鄉教育 | 6.89 | 6.98 | 6.74 | 7.26 | 6.98 | * |
| 零工非典型就業 | 6.41 | 6.37 | 6.47 | 6.52 | 6.94 | |
| 薪資成長緩慢 | 7.65 | 7.85 | 7.44 | 7.92 | 7.94 | * |
| 高房價 | 8.16 | 8.36 | 7.59 | 8.40 | 7.62 | * |
| 貧富差距 | 7.56 | 7.72 | 7.52 | 7.85 | 7.77 | * |
| 企業機器自動化 | 6.83 | 6.97 | 6.84 | 7.21 | 7.44 | * |
| 網路詐騙 | 7.61 | 7.74 | 8.21 | 8.03 | 7.71 | * |
| 極端氣候 | 7.36 | 7.41 | 7.54 | 7.43 | 7.51 | |
| 產業轉型失業 | 6.85 | 7.10 | 6.88 | 7.26 | 6.91 | * |
| 假消息 | 7.80 | 7.75 | 8.01 | 7.94 | 7.63 |
註1：粗體加底線者為較高之平均值。
註2：*p<0.05，雙尾檢定，有顯著差異。
表3從職業別來觀察，有顯著差異的項目包括老人照顧、偏鄉教育、低薪、高房價、貧富差距、企業機器自動化、網路詐騙、及產業轉型失業等8項。其中，高、中級白領在少子化的分數最高；中低、低級白領在老人照顧的分數最高；農林漁牧業則在網路詐騙這項議題的平均值最高；藍領在偏鄉教育、高房價、貧富差距的項目的平均值較高、而職業為其他者則在低薪、企業機器自動化、及產業轉型失業等3個項目的分數最高。整體來看，職業收入較不穩定者，對於這些議題影響社會發展的憂心程度較高，多少也反應他們個人的擔憂。
| 大臺北都會區 | 新北市基隆 | 桃竹苗 | 中彰投 | 雲嘉南 | 高屏澎 | 宜花東 | 顯著性 | |
|---|---|---|---|---|---|---|---|---|
| 少子化 | 8.21 | 8.37 | 8.12 | 8.18 | 7.91 | 8.35 | 7.91 | * |
| 老人照顧 | 8.19 | 8.05 | 7.93 | 7.94 | 7.93 | 8.07 | 7.47 | * |
| 偏鄉教育 | 7.02 | 7.03 | 6.98 | 6.91 | 7.01 | 7.16 | 7.18 | |
| 零工非典型就業 | 6.43 | 6.91 | 6.51 | 6.49 | 6.44 | 6.16 | 6.68 | * |
| 薪資成長緩慢 | 7.89 | 7.79 | 7.91 | 7.73 | 7.59 | 7.58 | 8.09 | * |
| 高房價 | 8.20 | 8.31 | 8.29 | 8.26 | 8.22 | 8.18 | 8.12 | |
| 貧富差距 | 7.57 | 7.87 | 7.72 | 7.81 | 7.68 | 7.60 | 7.73 | |
| 企業機器自動化 | 6.94 | 7.31 | 6.96 | 7.03 | 6.88 | 6.93 | 7.20 | |
| 網路詐騙 | 7.47 | 8.01 | 7.79 | 7.89 | 7.84 | 7.87 | 7.97 | * |
| 極端氣候 | 7.39 | 7.31 | 7.45 | 7.51 | 7.31 | 7.38 | 7.54 | |
| 產業轉型失業 | 6.89 | 7.18 | 7.03 | 7.11 | 7.11 | 6.94 | 7.09 | |
| 假消息 | 7.85 | 7.96 | 7.87 | 7.81 | 7.75 | 7.79 | 8.08 |
註1：粗體加底線者為較高之平均值。
註2：*p<0.05，雙尾檢定，有顯著差異。
表4從受訪者的戶籍地來看，只有針對少子化、老人照顧、零工非典型就業、低薪、及網路詐騙等5項，有顯著的地域差異。其中，新北市基隆在少子化、零工非典型就業、及網路詐騙的平均值最高，大臺北都會區則是少子化的分數最高，而宜花東則是低薪的平均值最高。總之，各地對於議題關注度的差異不大，而些微差異多少也反映了該地區的特性。
| 是否有小孩 有 | 是否有小孩 無 | 顯著性 | 婚姻狀況 已婚 | 婚姻狀況 其他 | 顯著性 | |
|---|---|---|---|---|---|---|
| 少子化 | 8.20 | 8.12 | 8.25 | 8.05 | * | |
| 老人照顧 | 7.95 | 8.07 | 7.98 | 8.01 | ||
| 偏鄉教育 | 7.10 | 6.86 | * | 7.08 | 6.93 | |
| 零工非典型就業 | 6.67 | 6.06 | * | 6.64 | 6.20 | * |
| 薪資成長緩慢 | 7.74 | 7.86 | 7.72 | 7.87 | ||
| 高房價 | 8.29 | 8.14 | 8.28 | 8.18 | ||
| 貧富差距 | 7.77 | 7.54 | * | 7.72 | 7.65 | |
| 企業機器自動化 | 7.05 | 6.92 | 6.99 | 7.01 | ||
| 網路詐騙 | 8.02 | 7.38 | * | 7.91 | 7.62 | * |
| 極端氣候 | 7.46 | 7.31 | 7.46 | 7.32 | ||
| 產業轉型失業 | 7.07 | 6.99 | 7.04 | 7.04 | ||
| 假消息 | 8.05 | 7.42 | * | 7.98 | 7.62 | * |
註1：粗體加底線者為較高之平均值。
註2：*p<0.05，雙尾檢定，有顯著差異。
表4針對是否有小孩者，我們發現只有在偏鄉教育、零工非典型就業、貧富差距、網路詐騙、及假消息等5項有顯著差異。這5項當中，有小孩者的平均值都高於無小孩者，顯然有小孩的民眾更憂心上述這些事項對於社會的影響。
至於有無婚姻狀態者，我們發現只有在少子化、零工非典型就業、網路詐騙、及假消息等四項議題，有無婚姻者有顯著差異。其中，有婚姻者的平均值高一些，顯然對於上述議題比較擔心一些。
綜合來說，女性比男性更認為上述所列12項議題對於未來社會的影響，年輕者更擔心低薪、高房價，而除了少子化外，年長者則普遍較年輕者擔心其他議題。相較於大專學歷以上者，教育程度低者則有比較多的項目平均值高些。職業較穩定者比較不擔心這些議題對於社會的影響，受訪者戶籍地的差異則有限。至於有無小孩或有無婚姻，普遍來說，有小孩或已婚者，在多個項目的平均分數高些。