文／吳思賢(資深媒體人、文史工作者)

近日《年代》民調顯示：民進黨蘇巧慧以37.8%，領先國民黨李四川的 32.2%，差距 5.6 個百分點。有行家立刻提出質疑，因為樣本結構與新北市真實選舉結構落差過大。

令人矚目的關鍵在於：這份民調的樣本中，民進黨支持者佔30.4%，國民黨僅17.9%、民眾黨 7.0%，藍白兩黨樣本數合計24.9%，還比綠營樣本少了大約5.5%。媒體人楊秉儒發文指出，平溪的樣本只有1人，但該民調當地的支持度卻是85.6%，這顯然是加權機制的失控。

值得問的是：加權為何失控？政黨傾向為什麼不能像年齡、性別那樣加權？

民調機構在進行加權（Raking）時，只能依據內政部公開的母體數據，例如性別、年齡、戶籍行政區、教育程度等客觀人口結構進行調整，以求符合母體結構的比例。為了都符合各種結構比例，往往必須多重加權；萬一比例出現明顯失衡，就是加權失控。

然而，官方數據根本沒有「新北市各政黨支持者精確比例」的母體數據，因此「政黨傾向」無法作為加權變數。這意味著，如果某一波抽樣恰好抽出較多綠營支持者，最終結果自然會被拉高，無法透過統計技術修正這種偏差。

當藍白基本盤在樣本中「被隱形」，就會呈現出政黨結構與實際得票率脫節的狀況。 

進一步來看，這份民調中的「無政黨傾向」，高達38.8%（415 人），這反映一個關鍵現象：特定政黨支持者，可能因近期政治氛圍選擇拒答，或是乾脆自稱「無傾向」。 

其中，「機構效應」也不容忽視：當民眾接到政黨色彩鮮明的特定媒體或是民調公司的詢問時，不同政黨的受訪者，更容易選擇不表態或是掛電話，這也會直接反應在樣本結構上。

看懂民調有一個避坑原則：別只看長條圖。對於沒學過統計或民調的一般民眾而言，複雜的交叉分析表、信賴區間、加權，就像天書，往往只關注那一張極具視覺衝擊力的「支持度長條圖」。 

然而，真正有參考價值的資訊往往隱藏在附錄細節裡：例如，可以先看樣本政黨分布：對照最近一次大選（例如2024 政黨票）的基本盤，如果該民調的政黨傾向比例與實際投票結果相差過大，該支持度數字就必須打折看待。

其次，檢視無表態率：拒答與無政黨傾向比例若高達三至四成，代表「潛在投票意向」尚未被激發，過早宣告勝負多半屬於文宣操作。

最後，要觀察長期趨勢而非單一數字：單一機構的突發性逆轉往往受採樣波動影響，觀察多家機構長期趨勢的拉鋸，才能還原真實選情。

台灣選舉政治中最有趣的現象是：民調是給內行看門道、外行看熱鬧。對政黨而言，民調不只是「選情診斷工具」，更是「文宣武器」。發布自家領先的民調，重點不是說服對手，而是給自家選民與地方派系施加信心，營造勝選氣勢，同時打擊對手支持者的士氣。

對於聰明選民而言，與其被簡單的民調數字或是圖表牽著走，不如學會看懂民調的樣本結構、交叉分析與長期趨勢，才能避免受到特定民調的操弄。

核稿／責任編輯：林立浩