攸關利益!年改與農業韓流是民進黨敗選的最重要原因

林宗弘/中央研究院社會學研究所

本文初稿刊登一夜就受到眾多讀者指教,主因是筆者急於分享研究結果,行文簡要措辭較為武斷所致,希望此一修訂版能夠有所改善。

 

民進黨選後檢討流彈四射,有評論人認為同婚有關議題之公投影響選情,然而病急亂抓藥,可能會讓綠營、白色力量與彩虹派內鬨更嚴重。作為一個政治社會學者,筆者認為社會階層或利益團體的力量是影響政治不可忽略的因素。本文的主旨很簡單,在年金改革、農業派系、能源政策、同婚爭議、一例一休與東奧正名等各方面衝突當中,年金改革單一議題,在時間與空間上最可能是導致國民黨韓流崛起與民進黨選票流失的首要原因,其次則是農業政策所引發的派系動員,公投涉及的能源政策或同婚議題就算有影響,至少要排到第三名以後。雖然中共可能利用海外帳號發動網路聲量,台灣本地的利益團體動員才是影響選情關鍵,這與選民對兩岸政策的認知關連極小,以下是證據。

韓流崛起的時間

相對於同性婚姻已經是延燒兩年的議題、一例一休也早就無關緊要,年金改革的裁定書大約七八月間送達,因此韓流的崛起發生在九月初。如果韓國瑜受歡迎的主要區域是高雄,或許並不令人意外,比較奇怪的是:為何韓國瑜的效應會輻射到高雄市以外的其他縣市?例如,民進黨候選人台中市林佳龍與新北市蘇貞昌也以大比數落後,台南市黃偉哲只是險勝。

從空間上來分析,如果此次韓流主要反映退休軍公教的賭爛票,那就會讓韓流輻射到高雄以外,只要在選區內退休軍公教人口越多,民進黨就會輸得越慘。此外,從北農衝突、宜蘭農舍與二行程機車汰除等議題蔓延出來的農業派系動員,對農民投票傾向影響甚鉅,是第二個民進黨敗選主因,兩者都加持在韓國瑜的身分上。

台灣軍公教退休人口究竟集中在那些選區?由於暫時無法取得退休人口在鄉鎮或村里層級的準確數值,我們使用 2017 年退休榮民在各縣市的人數作為自變量來加以估計,雖然這只是軍公教退休人口的一部份,但仍有相當的代表性,依據 2016 年的社會保險統計恰是軍公教被保險人當中的三分之一。對於農業派系在此次選舉當中的腳色,涉及張榮味家族與王金平等傳統派系的動員力,我們找出人力資源調查當中 2017 年的農林漁牧就業人口(以下稱農民,請注意仍包括受漁業法衝擊的漁民、與畜牧業者)做為自變量。

測量年改與農政:榮民與農民的分布

以下使用Seemingly Unrelated Regression Model模型來進行國民兩黨選票增減的估計,是兩條聯立方程式,依變量是國民黨在 2014-2018 年增加出來的選票、與民進黨在 2014-2018 年選票差額(大部分是負數),所以模型的解釋很簡單,每多一個榮民或每多一個農民,在台灣 20 個縣市選票差額的影響(排除金門與連江且把柯文哲與姚文智兩次選舉的票數合併)。控制變量是公投各案的支持率,由於公投案之間的相關係數極大,一次只能放一個案。如果我們發現榮民所代表的退休軍公教人數與農民人數才是影響選情的主因,若是公投案的影響在統計上不顯著,可以解釋成年金議題與農業議題對選情的影響,壓過公投案的影響,或公投是兩黨支持者動員投票的同步結果。

台灣的農林漁牧從業者有五十萬人,榮民有35萬人,他們影響的選票可以超過一張,民進黨從 2016 年上台拿到 689 萬票,此次加上泛綠陣營也只有四百餘萬,因此綠營兩百萬票流失與國民黨支持者積極投票的數量是可分解的。以下圖表顯示國民黨與民進黨兩次地方選舉得票差距與榮民及農民的關係。

 

如圖一所示,在國民黨大勝的縣市,與榮民人數成相當明顯的正比,然而雙方競爭較強的區域韓流比較有效,使年金改革的不滿者成功動員。圖二顯示榮民人數沒有影響民進黨選民的增減、而是圖一呈現激勵國民黨選民的投票行為。圖三顯示國民黨的選票在農業人口較多的縣市亦有顯著增加,圖四則顯示民進黨在農業人口較多的縣市選票確實有明顯流失。

 

統計檢驗

為了更謹慎處理反年改與農業派系動員的效應,我們將 20 個縣市的數據收集整理如上表一,相關係數請見表二,並且將同婚公投的數據納入分析。

結果如表三所示,在線性迴歸的聯立方程組當中,該縣市一個榮民可以擴大國民黨將近五票(4.918票),請記得他們有 35 萬人,依據 2016 年的社會保險統計恰是軍公教被保險人當中的三分之一,因此也可以解釋為退休軍公教的 105 萬人當中每一人為國民黨拉了 1.6 票;另一方面每個榮民對民進黨減損 1.5 票,但是統計上不顯著,在 50 萬農民方面,其選票雖然未能顯著幫助國民黨,每個農民卻能減少民進黨快 3 票(2.985票)。請注意農民所影響的範圍可能包括農會、漁會、信合社與農牧漁產運銷行業、農田水利會、買賣農舍的房地產業等周邊利益相關機構與派系人口,因此折算下來農民每人並未減到 3 票,可能在 1~2 票之間,但影響仍極大。R-square 高達 0.482 與 0.532 的情況顯示,上述因素可以解釋各縣市得票差距的一半。至於投票率最高的公投第十案(與其他同婚各案高度相關),在兩黨的得票上似對國民黨選票有點邊際顯著提升、但沒有僅減少民進黨的選票。在我們對每個公投案做了多次測試之後,發現只要控制農民與榮民人數,所有的公投案都無法達到影響選情的顯著水準。

許多學者選後發表的初步統計已經發現類似的結果,但是他們尚未能解釋其中的政治利益邏輯,例如海外學者楊光舜(2018)使用鄉鎮層級數據發現『觀察民進黨得票率下滑愈多的地區就會發現,民進黨在高學歷人口及老人人口較多的地區得票率下滑愈多』,由於地理上高學歷人口很少與老人人口重疊,這極有可能就是退休軍公教(高學歷的高齡者)與農民集中的區域,他也發現公投結果與選民相關社會經濟特徵的變量之間存在非常混亂的關係,難以一口咬定公投議題導致民進黨敗選。

針對公投,王宏恩(2018b)利用主成分分析法發現『國民黨四公投動員成功。七、八、九號公投跟十六號公投之間是高度正相關的,也就是一個鄉鎮裡有越多人反火力、反燃煤、反核食的話,同時也會越支持核能發電廠。』而且『七、八、九號國民黨公投跟十號、十一號、十二號的愛家三公投之間相關係數偏低,代表兩者之間的關係不大。民眾在決定要不要支持愛家公投時,國民黨或民進黨支持這個議題與否顯然並不是非常重要的因素。』此外,王宏恩(2018a)先前對公投連署書的分析發現真實的空污數據與連署也沒有顯著統計關聯,顯然中部地區空污議題,只是剛好與前省政府的軍公教退休人口或農業縣市的派系地理上重疊而已。總之,前述幾位學者的分析與本文相當一致。

結論與討論

此次選舉主要勝負是軍公教年改裁定書發揮作用之際、農業政策導致派系動員造成的,國民黨四公投是黨派動員附帶的結果,同婚議題與前幾個因素相比,與地方選情相關性確實較低。當然,仍有幾種可能性無法排除:例如農民人數只是與宮廟、或是一些關鍵選區與反同教會地理空間重疊,使農民形成反同婚動員與反民進黨的重要機制,在我們檢查數據之後認為,需要檢視個體調查層次的證據才能斷定農民(更可能是高齡人口)反同婚,就算有這種情況,仍無法替代年金改革與農業議題在此次地方選舉勝負當中的關鍵地位。

此次民進黨敗選非關公投?確實,證據尚未充分,但是我們不該把最重要的病情忽略,而把注意力放在其他次要因素上。筆者認為此次公投在程序上有嚴重問題、需要修法解決,在保守民意的展現上仍有不可忽視的歷史意義,然而誤讀敗選因素而在公投議題上持續內鬨,將會讓已經十分脆弱的泛綠陣營自行崩解,而且也無法認清其對手—韓流的真面貌。

 

Cover Image: By Liaon98 – Own work, CC BY-SA 4.0, https://commons.wikimedia.org/w/index.php?curid=74632811

 

 

在〈攸關利益!年改與農業韓流是民進黨敗選的最重要原因〉中有 36 則留言

  1. 難以置信。光靠反年改和農民,可以翻轉高雄嗎…

    1. 確實有可能!縣市合併前,高雄市藍便略大於綠,農民為主的高雄縣,過去綠遠大於藍,在容易受派系影響的農民支持度下滑下,導致整體高雄民進黨輸了!

  2. 難怪韓國瑜會去農業縣助選,而沒去台中和台北助選。

  3. 榮民及其家屬的票本就是藍色的,
    統計數字很複雜
    第10案公投同意人數比反對人數,各地都是2.5~3.5倍(台北市除外),
    非常明顯的差距,造成挺同候選人全面潰敗

  4. 為何不直接用退休軍公教人數作回歸?

  5. 這真的不行,建議林老師把這篇文章撤下來。

  6. 如果照這樣推論,此次選舉民進黨因年改而流失軍公教選票,則表示很多軍公教以前投給民進黨。

    那表示民進黨忽略了有許多軍公教是會投他的,即使以往被民進黨批評,但這些人還是投他們。

    但此次年金改革手段太粗暴,太讓人失望,逼走了這些會投民進黨的軍公教選票。

    民進黨應該針對自己的選民好好研究一下。

    1. 軍公教年金改革改的太兇也沒辦法,前幾任都怕影響選票而不做,現在才做自然就要把以前的錢給砍回來,這樣才能繼續讓年輕的公務員也有退休金。

    2. 大家真的不要花時間解讀只有 20 個樣本點和 3 個變數的迴歸分析,跑出來的結果完全不可靠。
      我相信林老師在社會所教授高等統計的時候,應該也不會接受學生以 20 個樣本點跑迴歸?
      政治工作者如果相信了本篇的分析,那就是問道於盲了。

    3. 其實我們團體中約有3成5是民進黨的票 這一次連我一位鐵綠的同事都倒戈 最大原因民進黨給人的感覺不是改革 而是藉口到處亂砍 想藉由教訓軍公教得到好名聲及選票 結果旁觀者不買單 當事者更憤怒 年金絕對要改 但不是改了一個還是會破產的年金 國外年金改制度改為三層 之前制度所造成的缺口是由政府買單 不是轉嫁給現任在職者 然後讓他們繼續繳 然後28後一毛不剩

    4. 軍公教挺民進黨的確實不少啊,真的可以稍微觀察一下~~

  7. 中選會有公佈到區吧.如果切成區.樣本數多一點更有說服力

  8. 選民的選擇動機跟結構難以預測與歸納,不過本文歸因兩點1既得利益者的反撲2與地方派系動員,我認為是重要影響因素,意味改革的連帶反應比想像中大,低估黨國的舊勢力盤根錯節,因此未來的改革方向難以撼動,陷入悲觀

  9. 如果要了解年改對選情的衝擊,不能只看退休者吧。

  10. 韓流只是媒體炒作出來的,不停的造假!不斷的誇大!不斷的洗腦!

    1. 說得好像資進黨完全不會造假一樣

  11. 為何可以那麼武斷地說以核養綠是國民黨領銜的第四公投?人家根本沒掛KMT招牌,頂多就是發起人立場泛藍罷了。

  12. 公投中支持同婚票少,及藍軍親中,又將愛家結合年改,軍改勢力龐大,這才是使民進黨大敗主因.

  13. 我認為模型不是這篇文章的重點,但仍有改進的地方(我統計不好別鞭我),主要在於林老師指出從地區層級的資料來分析投票結果,可能會有辨識問題,特別是結果差異愈小的情況,能夠解釋地方分岐的變數也愈多!如果有更好的數據就能更細緻的分析,林老師應該是擔心最近的討論過於偏頗而急於用現有的資料來拋出這個主題,期望之後能有更進一步的討論。

    1. 我想大家怕的應該是進步能量的挫敗,怕被當成是選戰罪人,到時候就沒有政治力量協助推動進步改革了,或者不要那麼政治性,怕社會大眾對進步改革有過度的疑慮。

  14. 學術跟政治本應分離。分析投票結果,卻用某黨敗選的敘述方式作為標題、以幾為黨參謀式的口吻為文章作結,明顯透露出撰文者個人立場。我認為撰文者應該更加注意自己的詞彙以及學術素養。

    1. 將事件的本質,歸諸於一個簡單的故事
      「有一群壞人,將一群好人打到谷底」
      這種敘事邏輯,是標準的不知反省,推諉卸責
      這是目前台灣文青‧覺青的普遍心態

      他們不會去怪吳音寧(文青‧覺青的代表)
      他們眼中不曾有過在地人的苦難,
      因為,在文青與覺青的眼中,
      在地的農漁民,只是「任人擺弄」的配角
      就是這種發自內心的「不尊重」
      他們必須為九合一的敗選,找到一個讓自己「除罪」的理由

      台灣政治近年走入幾近「瘋狂」、沒有人性,不見未來,
      這個依託著「公民社會」的文青‧覺青,是最大的推手,
      也是將台灣導入澈底崩潰的主要原因和動力
      這群人將自己標榜為「進步」價值,將自己視為「救世主」
      但他們眼中只有自己,看不到別人,更看不到人生真實的苦難
      完全將人民的苦難拿來「消費」
      在這些文青的道德語彙的背後,是一顆顆冷酷與無情的心
      為證成自己的心與價值,萬骨俱枯,在所不惜

  15. 學術終歸只是一種研究,和現實有不小差距。東奧正名得票比率都還比民進黨得票率高,若改革國民黨會造成民進黨基本盤流失就真的見鬼了,而且年改也沒有公投,反對比率有多高也不知道,根本無法說明甚麼。林老師可以分析東奧正名公投票數、同志&愛家公投票數和各地民進黨得票率的關係嗎?感覺這個還比較有意義。

  16. 神奇的71%與小英連任之路

    2016年代表民進黨參選總統的蔡英文拿下689萬票高票當選,但歷經執政約1040天之後,民進黨在此次縣市長選舉總得票僅得489萬票,民進黨縣市長候選人只拿到小英當年選票的71%。

    時間再往前推,2008年3月,聲勢如日中天的馬英九,為國民黨拿下近766萬張票當選總統;不過接下來的200年及2010年的縣市長選舉,國民黨共拿下545萬票。國民黨縣市長候選人在這兩次選舉中,也一樣只拿到馬英九選票的71%。

    值得注意的是,國民黨在2009及2010年選舉,只得到先前總統大選的71%選票,但2012年馬英九仍然連任;不過,若再往前推,2004年陳水扁在連宋合之下,以647萬票贏得連任,但接下來的2005年及2006年縣市長選舉,民進黨共獲得462萬票,剛好又是陳水扁2004年得票數的71%,但接著選總統的謝長廷則是落敗。

    神奇的71%,竟然出現3次,似乎是執政黨的宿命。小英至今仍未放棄2020年大選,屆時究竟是會複製馬英九勝選模式,還是重演民進黨2008年敗選情況,令人好奇。https://www.wealth.com.tw/home/articles/18814

  17. 抽了20個樣本就發文,不如直接拿中選會的結果數據來講還比較站的住腳,也能發現你抽20個的結果跟實際結果大相徑庭,老師,別那麼急。

  18. 民進黨民間寫友一貫特色,就是只會告訴老百姓有人死了,卻絕口不提人是民進黨殺的。

發表迴響

這個網站採用 Akismet 服務減少垃圾留言。進一步了解 Akismet 如何處理網站訪客的留言資料