探討立委選舉中廢票率的空間自我相關分析－（Moran’s I、LISA Cluster）

臺灣的民主政治發展史中，選舉活動是人民最直接參與的政治活動之一，民眾透過選舉、投票而完成政治參與的行為，空間上的鄰近性是否會導致地區選舉結果的相似性？地域之間會不會因為比此相鄰而使得投票行為相似？如果答案是肯定的話，空間的確是會影響到選舉結果與投票行為，這是個十分有趣的議題。以下將以第七屆立委選舉情形為例，探討廢票率（L_NV97%）在選舉中的空間自我相關分析。

一、 Moran’s I分析

（一）透過Moran’s I 指數我們可以衡量地區與其鄰近地區的相關程度，如果是正的相關，則代表有空間上的聚集現象，負相關則表示有排斥現象。不同的鄰近定義，計算出來的Moran’sI 值大小會不同。如果界定鄰近的距離不斷擴大，依序算出不同的Moran’s I 值，則可觀察不同的鄰近定義對Moran’s I值的影響。

（二）Moran’s I之檢定Ho(虛無假設)：沒有空間自相關，Moran’s I=0，即空間隨機。Hi(對立假設)：有空間自相關， Moran’s I ≠0，即空間不隨機。

（三）Moran’s I值結果一定介於-1到1之間，大於0為正相關，小於0為負相關，值越大表示鄰近樣本的相關性愈強，空間分佈的相關性越大，亦即空間上有聚集分佈的現象。

（四）本案所探討的廢票率之Moran’s I值為0.1291，大於0為正相關，亦即有空間鄰近相關之情形，並非呈現隨機分佈。若列出歷次選舉之廢票率之Moran’s I值，若數值皆大於0，則顯示廢票率在某些地區是呈現空間聚集。
二、LISA Cluster 圖

（一）LISA Cluster 圖將達到顯著水準的地區，依其類別以不同的色塊區分出來。LISA Cluster 可對照Moran’s I 散佈圖觀察，愈遠離原點者愈可能達顯著水準。

（二）LISA Cluster 圖，可以簡單區分為2大類：1、正相關表示空間的穩定區，High-High，Low-Low。2、負相關表空間不穩定區，Low-High，High-Low空間歧異。

（三）本文所探討的廢票率之LISA Cluster 圖顯示，深紅色（熱區）與深藍色（冷區）的區域作比較，呈現北部（台北、桃園）與南部（屏東）、東部（台東）之分別，可解讀為北部（台北、桃園）選民的廢票率情形較低且有空間鄰近相關特性；南部（屏東）、東部（台東）選民的廢票率情形較高且有空間鄰近相關特性。（by國發所碩專二p97341010楊景雯）