為什麼看起來很科學的民調，還會失準？數據揭露制度性問題
發布日期：Aug. 20, 2025
最後更新：Aug. 21, 2025, 3:49 p.m.
點擊次數：2671
民意調查是一種了解社會對政治、經濟、政策等議題看法的主要工具。透過問卷設計與統計抽樣，民調試圖反映整體民意，為決策者與公眾提供參考。然而，即使方法再嚴謹、數據看似精確，選前的預測結果與實際投票之間，仍經常出現明顯落差。
針對這樣的現象，世新大學教授莊文忠、淡江大學助理教授林美榕，以及台灣大學政治系退休教授洪永泰，曾使用2016與2017年「台灣選舉與民主化調查」（Taiwan's Election and Democratization Study, TEDS），深入分析民調與2016年總統選舉結果之間的差異，並提出一系列可能導致預測偏差的因素。
為什麼民調會失準？可能原因有這些：
1. 抽樣方式受限：民調抽樣常依賴住宅電話、戶籍資料或門牌地址，不同來源涵蓋的人口類型不同。例如只用住宅電話可能漏掉「唯手機族」；戶籍資料也未必找得到實際住在外地的年輕人與流動人口。
2. 抽樣到的人，跟真的去投票的人不一樣：民調對象通常是「有投票權的人」，但不是每個人都會實際投票。真正在投票所出現的選民，常常年齡較長、投票意願較高，這導致預測結果偏離實際情況。
3. 加權調整仍有挑戰：民調雖會進行加權調整，但面對高比例的不表態、拒訪，或社會期許偏誤（如說出「正確答案」）的受訪者，可能會影響精確度。
TEDS 採用嚴謹的分層抽樣與加權方法，樣本在人口結構上也符合台灣整體選民分布，但研究發現樣本與實際投票者之間仍存在差距。這不代表民調沒有價值，而是告訴我們：再科學的方法也有其限制。民調仍能提供理解大眾態度與社會氛圍的重要線索。
如何提升民調的選舉預測價值？三大方向建議：
1. 整合多元資料來源，提升樣本覆蓋率：將行動電話、網路調查與選民名冊等資料相互結合，可彌補單一抽樣方式的不足，提升樣本的多樣性與代表性。
2. 強化行為預測與模型運用：結合過往選舉行為與個人特徵，搭配更細緻的投票意願設計與機器學習技術，可建立更貼近實際的預測模型。
3. 重視趨勢與議題追蹤功能：與其強調選舉結果的精準預測，更應聚焦於民調在揭示輿論變化、議題熱點與選民心理動向上的價值。
小提醒：本文內容僅節錄自研究論文部分重點，若你對民調方法與分析有興趣，歡迎點擊留言區的連結閱讀完整論文喔！
歷年相關計畫/調查瀏覽：台灣選舉調查資料
參考訊息
莊文忠、林美榕、洪永泰（2022）。不同抽樣底冊之選民母體與投票母體的輪廓 分析: 以2016年總統選舉民調為例. Journal of Electoral Studies, 29(1).
More news
