近年來，「北藍南綠」成為政治/媒體圈的熱門話題。這印象多半來自於縣市層級的得票率分布圖。從此種地圖上看起來，北部縣市確實都是藍色的，南部縣市也確實都是綠色的。因此要得出「北藍南綠」的結論，好像並非毫無根據。甚至有一種說法是：從 2000 年到 2004 年，綠營揮軍北上，將藍綠分界從濁水溪推進到大安溪。
不過，如果我們將得票率分布圖的統計單元從縣市改為鄉鎮，故事還會是這樣子嗎？
顯而易見的，北部好像沒有那麼藍了。在淡水河左岸、桃園縣沿海、東北角一帶，都出現了連片的綠色鄉鎮。南部縣市也並非全綠，在山地鄉的部分是深藍色的。此外，綠色的臺中縣與彰化縣，其實擁有不少藍色鄉鎮；而藍色的南投縣，也擁有許多綠色鄉鎮。這些細節，在縣市層級的分布圖中都被藏匿了。
如果我們進一步將得票率的統計單元改為村里，則會發現北部的綠色地盤變得更大了。以中壢市為例，在鄉鎮層級的分布圖中，被塗上中等藍色；但是在村里層級的分布圖中，大部分面積變成了綠色。類似的例子還有很多。這固然意味著綠營的選票分布比較均勻，而藍營的選票則集中在少數人口密集區。但是更弔詭的是，如果我們拿村里層級的分布圖來說故事，還能得出「北藍南綠」的結論嗎？
這就是使用地區資料的重大陷阱：「可調整地區單元問題」（modifiable areal unit problem, MAUP）。換言之，完全相同的一組資料，隨著地區單元的調整，很可能會產生不同的結果。
MAUP 包含兩種成分，第一種是「尺度效應」（scale effect），亦即不同的空間解析度使相同資料產生不同結果。一個有名的例子，是英格蘭小麥與馬鈴薯產量的關係。當統計單元是 48 個郡時，兩者相關係數只有 0.22；如果把郡歸併為 24 個分區，相關係數為 0.30；12 分區時，相關係數為 0.58；6 分區時，相關係數為 0.76；3 分區時，相關係數高達 0.99。當然，也有相關係數愈調愈低的例子。「北藍南綠」大概就是尺度效應所導致的結果。
MAUP 的另一種成分是「區劃效應」（zoning effect），亦即不同的區劃方式使相同資料產生不同結果。一個有名的例子，是 1968 年美國總統選舉時，Iowa 州 60 歲以上選民比例與共和黨得票率的關係。當統計單元是 99 個郡時，兩者相關係數是 0.346。如果將 99 個郡劃分為 30 個區，可以讓相關係數變成 0.98 ，也可以讓相關係數變成 -0.73。精心操作區劃效應，可以讓選區劃分產生「傑利蠑螈」。
因此，當我們看到任何一張以地區做為統計單元的分布圖時，是不是應該注意一下：地區單元是什麼？如果換成另一種地區單元，分布型態會不會變得不太一樣？這實在是個惱人的問題，幾乎所有研究者都不約而同地選擇迴避。
Bookmark:
Shorten Url
Recommend to Front page
下次是談生態謬誤嗎？
看許多大喀(Anselin 、 Arbia、張康聰上課也這麼說過)的文章都會說"生態謬誤"在地理學中又被稱作"可變空間單元問題(MAUP)"，然而就我原本的理解這兩者似所不太一樣。MAUP已如板主所說：統計單元的邊界或大小改變，分析結果就有可能隨之不同；生態謬誤是指從集體層次資料分析的結果，並不一定能推論至個體層次。
為什麼"生態謬誤"在地理學中又被稱作"MAUP"呢？ 是因為從集體層次到個體層次也算是一種sacle effect嗎？
unit problem,” which in essence means that different results will be found when the size
and arrangement of the spatial units of observation changes. The classic reference is
Openshaw (1979)".
關於sacle effect的建議
The level of aggregation should be chosen according to the theoretical model under consideration. For instance, since macroeconomic policy is made at the national level, studies of policy and growth should focus on cross-country data. Technology diffusion, on the other hand, may occur primarilywithin specific sectors of the economy (Keller, 2002),
一點看法
不過我覺得'04年的政治整合讓這張圖的效果似乎打了一些折
我的意思是像台中海線這類藍軍票倉
在'04大選出現的反轉讓這張圖的綠色版圖
遠大於其本來所應該有的
而造成的差別在 跟世界上多數自由派一樣
綠營的票倉空間上本來是比藍軍更為緊縮的
但在04年卻出現本島西部整片綠的狀況
所以說綠營實在該是d'Hont的支持者:p
Very good geographic site
非常好的一個網站 若能結合歷史進程 更好我簡揚倫
這篇文章很有趣可以引用嗎??
期待看到版主分析新大選的版塊模型
期待看到版主分析新大選的版塊模型規模較小的城市則比較容易出現一面倒的情況
有可能的原因是
大都會區媒體分眾/人口來自各地 成長教育背景不一/人際關係冷漠 區域性意見難成一氣/強調個人獨立思考空間 / 民主教育較落實
小鄉鎮則比較注重人際傳播 / 媒體一致性(區域性電台、報紙影響較強) / 地域觀念強 / 傳統觀念強(較接受家庭、父母政治趨向影響)
如果是一個基於理性思考原則下
所產生的政黨支持度 不應該有區域性的顯著差異
但由於實際上因為種種客觀因素(例如族群、區域資源分布、媒體操作、利益衝突、區域認同感...) 即使是歐美國家，地域還是很重要的因素
不曉得是否有2008年總統選舉的圖
不曉得是否有2008年總統選舉的村里層級圖？看到有人分析2008年總統選舉，還是用縣市的圖在分析，說誰有或沒有跨過濁水溪，總覺得很糟糕，根本顯示不出台灣政治版圖的真實情況。希望可以畫一個。好險...
還好民進黨並沒有看到這麼細.又或者是,像您這樣看到事實的人,無法被決策者吸納為組織的願景瞭望者.
這是民進黨的不幸.
不過北部多為淺綠選民,相較於南部深綠而言,他們算是沉默的一群.
目前還沒看到有哪個政治人物願意花時間來串聯他們的.
如果真有人下鄉longstay的話,明年的選戰,就要換國民黨接受震撼教育了.
2008總統大選的藍綠分布
四年之間政治板塊
不知道有沒有很大的變動
雖然作者極力地想要用地圖來說明大家之所以會認為北藍南綠是掉入了陷井 但其實我並不認為北藍南綠有任何錯誤
基本上個人以為作者犯了一個理解上的錯誤 再加上忽視了人口與地理大小造成的視覺陷井 才會落入了 ”台灣並非北藍南綠”的迷失
第一 作者犯的理解錯誤是當大家說北藍南綠時 大家其實指的是人而非地 也就是說大家的意思是在住在北部的人中 藍的多於綠 而住在南部的人中 則是綠多於藍 這點是千真外確 沒有錯誤的 但作者之所以會想要去證明台灣並非北藍南綠是因為作者誤以為在台灣有投票權的是土地而非人 誤以為大家所說的北藍南綠是指北台灣的土地是藍的 而南台灣的土地是綠的 但住在台灣的人都知道 大選時是人拿著選票去選 而非兩塊土地拿著票去投 所以當大家說北藍南綠時 其實並沒有錯 北台的人本來就藍多於綠 而南台的人北來就綠多於藍
第二 作者忽視了人口與土地大小並不成比例這一點 在台灣總統大選時 是票票等值 不管你是住在人口稠密 土地狹小的人 還是住在地廣人稀的鄉鎮 每個人的票都是等值的 但作者用鄉鎮市或村里地圖時忘記了 這兩張地圖是以土地為單位 而非人 也就是說如果A里只住了五個人 而且土地面積達 100 平方公里 而且這五人都是藍色的 那這100平方公里的土地就會被畫上藍色 但在隔壁的B里 人口有五萬人 但土地面積只有1平方公里 而且這五萬人都是綠的 那在地圖上只有一平方公里會被畫成是綠色 那這張地圖就會給人一種錯覺是藍遠大於綠 而且是綠的100倍 但事實上是嗎? 其實在這兩里 綠得了五萬票 而藍只有五票 但因為人口與地理大小不成比例 顯示出來的就變成住在A里的人的票比B里的人有價值多了 但這並不是台灣的選舉制度
一個可以證明作者所貼的地圖有很大陷井的就是第二和第三張 一般人光看這兩張 一定會誤以為藍大於綠 因為中央山脈和以東幾乎全藍 整個台灣大半都被塗上藍色 但是選擇結果是綠小勝藍 所以換言之 作者想要拿來證明北其實不藍 南也其實不綠的地圖是很有陷井的
最後總歸一句話 要知道北藍南綠是對還是錯基本上是非常簡單的 只要公佈北部人和南部人的藍綠的得票比例 就可以知道 花很多心思去畫了兩張充滿陷井的圖其實太耗時間 就不正確
e.g.雲林-屏東平原區 蘭陽平原 桃竹沿海 台北盆地內最平坦的艋舺-大稻埕-社子-三重蘆洲
反之如山地 丘陵 台地 縱谷等較非平原區者則傾向偏藍?
e.g.山地鄉 花東縱谷 桃竹苗丘陵台地區
所以介於山區和平原之間的盆地區就是最重要的關鍵:台北盆地和台中盆地
當然很容易得出反例 如台北的坪林 雲林的麥寮等
只是這是我乍看此圖下所得到的第一個反射性聯想..
什麼軟體？
這些地圖做得真好，請問是用什麼軟體畫的？有想過畫2008年的嗎?
金門馬祖不見了
金門馬祖不見了喔GOOGLE MAP上的應用？
如果把這套系統用在GOOGLE MAP上，在配合投票統計數字，是不是就可以達到每年更新的圖資？那2008呢？
看了葉高華於2005年繪製的2004年總統大選縣市、鄉鎮、村里三種層級政治版圖的分析圖，很好奇2008年總統大選又是如何？今年是2009年，剛好又是大選年+1，雖然晚了6個多月，希望葉先生的分析圖可以生產出來，加上比較說明，以饗大眾。
Comment Permissions: Allow commenting