台灣人被澆熄的政治熱情? 從總統大選獲／投票率探討政治參與度

　　曾經遇到過這樣的情況：選舉前後，父母親一輩討論熱烈，與我同輩但有選舉權的兄姊則興趣缺缺。當我向他們提起這個話題時，常聽到「我對政治冷感」、「不想管那些政治人物」這樣的回答。


　　台灣的民主歷史還不長、甚至連總統直選都只辦過四次，是否真的已經讓人們開始感到失望、無所謂了？








◆97年總統選舉投票率分層設色圖

小學生視力不良比例與家中電視、電腦數量關係

長時間看電視、打電腦，視力容易下降。家中擁有愈多電視、電腦，是否造成接觸時間更長？本文探討民國94年小學生視力不良比例，與家中電腦數量關係。

民國94年統計數據
AN16: 視力不良率-國小(％)
BF15: 家庭現代化設備(每百戶擁有數)-彩色電視機(臺／百戶)
BF25: 每千人擁有家用電腦數(臺／千人)

本文僅討論小學生，因為國中生課業較重，可能因讀書姿勢不良或過度疲勞引起視力不良，和使用電視、電腦並無絕對關係。資料庫中並無臺灣358個鄉鎮的分別資料，故以臺灣23個縣市資料進行分析。大數法則在樣本數20~30以上即開始作用，因此23個縣市仍為有效的樣本數據來源。

人口密度versus 地價指數

名詞定義

人口密度 (number of people per unit land)
每單位土地有多少人，即稱為人口密度。本作業使用平方公里為單位，所以是人/km2。

地價指數 (Land Price Index)
內政部地政司根據特定的時間點，作為地價基準日，計算一定期間內地價上升或下降的百分比；換言之，地價指數是用來衡量土地價格在某一時期的平均變動趨勢，目前內政部係每半年（即1月及7月）公布1次都市地區地價指數，供各界參考。
資料來源：行政院經濟建設委員會http://www.cepd.gov.tw/m1.aspx?sNo=0001252

台北捷運地圖談

                   台北市境內捷運站分佈圖                                         現在的台北捷運

立委選舉在台灣第三勢力空間走向3

延續對於歷屆立委選舉第三勢力的觀察，第七次立委選舉由於制度的變革，更加不利於小黨派的生存。從圖中可以看出第三勢力分布最為集中的區域為中部，主要是彰化縣，並涵括部分台中縣及南投縣之鄉鎮；東部地區在花蓮和台東部分鄉鎮亦可發現第三勢力較為密集之分佈；南部地區，除屏東萬丹鄉、潮州鎮外，高雄縣市中包括左營，尤以苓雅、鼓山、三民、鹽埕區一帶有較明顯之第三勢力分佈；在台北地區之第三勢力票倉則以汐止市、永和、蘆洲、萬里、瑞芳較具規模。 雖在制度變遷下，藍綠以外的黨派或無黨參選人面對更艱困的挑戰，但由歷屆立委選舉第三勢力分佈圖中，仍可看出選民的投票行為有其脈絡可循。例如在地方派系有深刻淵源及影響力的彰化地區，第三勢力儘管有消長但仍明顯地高出其他地區。然而，在現行立委選舉制度下，是否將持續對第三勢力的打擊則有待觀察。(國發所 陳群佩R97341020)

國立大學分佈影響鄉鎮大專以上教育程度人口比?

本文為延續”所得分佈與教育程度”一文，該文章探討90年戶均所得與2000年人口普查的”大專以上教育程度人口比(%)”之關係，並進行迴歸分析，模型的R2值高達0.826，說明戶均所得與教育程度有相當大的關聯度。[左下圖]為90年戶均所得並以紅圓圈標示出與[右下圖]教育程度具相對差異的鄉鎮，亦即，戶均所得低於平均戶均所得的鄉鎮，其教育程度也應該會相對低的表現，然而標示出的鄉鎮卻有相反的現象，這也說明剩下0.174(1-0.826)無法解釋的因素。基於好奇，本文試著將90年大專以上教育程度人口比(%)與國立大學所在鄉鎮的分佈圖相互套疊(右下圖)，發現有趣的現象，即戶均所得較低但大專以上教育程度人口比較高的鄉鎮，恰巧都有國立大學設立於此，似乎說明國立大學的分佈影響著大專以上教育程度人口比，也似乎湊巧地印證孟母三遷的道理?可能只是巧合、也許真具有關連性，皆須後續更加嚴謹的研究來加以分析(曾琬瑜，d96544003)。

住宅地價影響因素探討

“影響地價區域因素評價基準”依地價調查估計規則第二十一條第四項規定訂定，該影響因素主要計有土地使用管制、交通運輸、自然條件、土地改良、公共建設、特殊設施、工商活動、房屋建築現況、發展趨勢及其他影響因素等。直轄市或縣（市）地政機關於估計區段地價，對於無買賣實例及收益實例之區段，應按影響地價區域因素主要項目，分別依住宅用地、商業用地、工業用地及農業用地區域因素評價基準表，修正估計目標地價區段之區段地價(內政部地政司地政法規)。

圖1是台灣民國94年的鄉鎮住宅地價分佈圖(某些鄉鎮資料的缺漏以鄰近鄉鎮的地價代表之)，高地價區可想而知的集中於都會區。本文試僅以評價基準表中的幾項代表因子來建立迴歸模式並探討影響住宅地價的因素，包括學校、便利商店、超級市場、購物中心、停車場與交通設施、政府機關，(限於資料為以設施佔鄉鎮的個數來紀錄，本文遂以之代替離設施距離)，圖2為上述設施的分佈點。回歸分析的結果如下表，所考量的因素皆有顯著的表現，adjusted R-squared值為74.5。若以一般的經驗判斷，越便捷的地區會有較高的地價表現，離學校距離越近，理應住宅地價也會偏高，然而本模型的測試結果為學校個數與住宅地價卻呈現負向關係，而其它設施的個數與地價為符合期望地產生正向關係，原因應該為單位的問題，若改以距離為分析單位可能會有不同的表現(曾琬瑜，d96544003)。