#政經八百政治標記
〔#如果雨之後 #天氣與選舉的關係〕
每當選舉到來，大眾所關心的不僅是激烈的選情，也會注意投票當日的天氣，在既有印象中，多半認為好天氣可以增加選民投票的意願。反之，若天候不佳，一般則預期將影響選情，讓投票率不如預期。
但事實真是如此嗎？今天我們簡單就引述多篇政治學研究，來簡...
#政經八百政治標記
〔#如果雨之後 #天氣與選舉的關係〕
每當選舉到來，大眾所關心的不僅是激烈的選情，也會注意投票當日的天氣，在既有印象中，多半認為好天氣可以增加選民投票的意願。反之，若天候不佳，一般則預期將影響選情，讓投票率不如預期。
但事實真是如此嗎？今天我們簡單就引述多篇政治學研究，來簡單探討一下這個議題。
▌雨天為何不投票？
在投票的理性抉擇模型中，假定每個選民都會計算與投票相關的成本和效益，如果預期效益大於成本，則選民將投票。反之，若投票成本大於效益的話，選民將對投票興致缺缺。
而惡劣的天氣之所以讓選民們不想去投票，便是因下雨天前往投票所或是排隊等待投票是件麻煩的事情，會增加投票所需的成本。因此，諸多學者開始關注惡劣的天氣帶來的投票成本增加，是否真的能降低投票率。
▌美國的實證研究
為了驗證這個迷思，美利堅大學的Steve Knack透過研究發現，降雨並未顯著降低整體投票率，民主黨選民也並未如預期般較易受到天氣影響降低出門投票的機率，反倒是公民責任感較低的選民才會受天氣左右。
不過政治學者Brad T. Gomez等人得出和Knack不同的結論。他們針對14次美國總統大選，以更為嚴謹的GIS氣溫插值法分析選舉資料和全美兩萬多個氣象站的數據，考察天氣對選民投票率的影響。
結果顯示，當選舉日降雨超過1吋時，投票率會降低0.83至0.98個百分點，而降雪則使投票率降低約0.5%。
並且，這樣的惡劣天氣將有利於共和黨候選人，因為民主黨選民較容易因為天氣而不去投票，而使共和黨候選人在降雨和降雪超過1吋時，多得到2.5％及0.6% 的選票。
▌民主黨人特別容易受天氣影響嗎？
西佛羅里達大學教授Adam Cayton表示，這個現象其實和生活樣態更有關。因為民主黨選民多集中在城市，投票時通常需要排隊等候，也就不得不站在外面，遇到天候不佳時，便更容易降低出外投票的意願。
反觀共和黨人多集中於鄉村地區，投票時間較短，天候不佳對他們就沒那麼大的影響。
2017年，達特茅斯學院和澳洲國立大學的研究小組基於Gomez的研究，發表新的研究，發現天氣不僅影響選民出門投票的意願，甚至還能改變他們要將票投給誰。
結果顯示部分美國選民會因為天氣改變投票偏好，至少有1%的選民在天氣好時會投給民主黨，但在下雨時則倒戈支持共和黨候選人。
▌其他因素
除了黨籍因素以外，也有許多因素會讓選民被天氣影響投票意願，愛荷華大學的論文就指出，會受影響的多為尚未做出決定的選民及低收入者。
選戰激烈程度也會左右天氣的影響力，在選情競爭激烈的地區，天氣的影響力會降低，選民多半會風雨無阻前往投票。
反之，若該地區選戰大勢已定，選民就較容易被天氣破壞投票興致。這和另一學者Bernard Fraga所做的研究結果一致，證明降雨對投票率的影響，會因選舉競爭程度而異。
▌隱藏的機會成本
在計算投票成本時，不僅包括直接成本，還要考量因為投票而放棄其他選擇所帶來的機會成本，機會成本越高，選民去投票的可能也跟著變小。過往研究多關注在惡劣天氣導致的直接成本，而忽略了機會成本的概念。
前述愛荷華大學的研究就發現，日照時數及氣溫的增加其實也會降低選民出門投票的意願，顯示不是只有壞天氣會增加投票成本，天氣好也會讓選民出門投票的機會成本上升。
▌天氣差反而去投票？
高麗大學姜佑昌教授認為，在選舉日當天放假的韓國，天氣不僅對投票的直接成本產生影響，也影響了機會成本，甚至讓選民在陰雨天更可能去投票。
這是因為許多選民會利用難得的假期安排活動，若天氣不佳無法出遊的話，就只好乖乖去投票。
這些選民又以年輕世代為大宗，因此陰雨天時年輕世代的投票率有可能比天氣晴好時更高，而年長選民相較之下，更容易因為惡劣天氣提升投票的成本而選擇不去投票。
考量到韓國世代間的政治對立日益加劇，不同世代面對天氣的差異也給選舉結果帶來變化，天氣不好時，受年輕選民支持的進步政黨會獲得更多的選票，選民結構較為高齡的保守政黨反而會流失選票。
迴歸和SUR分析結果也顯示，降雨每增加10毫米，進步政黨的得票率就增加0.9-1.9%，保守傾向政黨則減少0.6-0.9%，整體投票率則因為進步和保守兩派相互相互抵消而沒有太大的變化。
▌臺灣呢？
相較於歐美國家，臺灣投票季節天氣較為宜人且不極端，加上投票所十分密集，看似沒有無法出門投票的理由，但統計上好天氣與高投票率的相關性，卻顯著不為0，可見天氣影響的投票成本依舊對選民投票意願有所影響。
楊百岳運用歷屆選舉資料，以縣市為單位分析天氣對投票的影響，並輔以電訪資料，以瞭解天氣對選民投票行為的影響。
結果和大眾普遍認知雷同，天氣愈好投票率會增加，但並非所有選民都會因此增加，國民黨支持者的投票率反而降低。
在所有選民中，獨立選民的投票意願最容易受天氣左右，民進黨支持者或投票頻率高者被影響的比率則較低。
▌結語
雖然近年新增不少有關天氣和選舉投票的研究，但整體而言天氣對選民的具體影響仍未有定論，且研究結果也會因為研究和取樣方法的不同而有許多差異。
不過臺灣當前相關研究也相當稀少，期待有志之士持續投入鑽研。
最後還是老話一句，希望將來遇上選舉時，大家都能不受天氣影響，去投下屬於自己的神聖一票。
迴歸分析論文 在 新思惟國際 Facebook 的最讚貼文
│ 很多時候研究主題，就是這些很 #吸引人的問題，與 #強烈的好奇心 開始的，這是個很不錯的例子。 │
⠀
【快訊 🎉 蔡尚聞醫師團隊，關於洗腎與腎移植患者接受全關節置換術之預後統合分析，獲 EFORT Open Reviews 刊登！】
⠀
📝 文章介紹
⠀
末期腎病變的患者，接受髖關節或膝關節的置換手術後，手術部位併發症較高，人工關節感染機會也較多，不過，末期腎病變患者一般會接受洗腎治療，但也有部分人最終會接受腎臟移植，蔡醫師團隊對於這兩種人的手術預後究竟有沒有差異，很有興趣，於是有此研究。
⠀
收入了 22 篇文獻共 9384 位患者後，共有 8921 位洗腎、463 位腎臟移植者，手術後整體死亡率，在腎移植患者中略高於洗腎患者（15.8% vs 13.8%），整體手術部位併發症也是（3.6% vs 3.3%）。關於人工關節感染，洗腎患者則略高於腎移植患者（4.0% vs 3.7%）。
⠀
使用多變項迴歸分析，確認各種因素的影響後，會發現其實使用洗腎或腎移植，並不是顯著的預後決定因子。
⠀
這是個蠻有意思的研究，腎臟不好，會造成關節手術的風險，那如果之後把腎移植進去呢？風險會降低嗎？至少以本篇研究來看並沒有，雖然也可能是因為腎移植患者通常經歷過一陣子的洗腎，且移植後的照護也同時合併許多藥物，但無論如何，接受腎臟移植，並不會讓預後神奇的逆轉。
⠀
📝 期刊介紹
⠀
EFORT Open Reviews 創刊於 2016 年，2020 年 impact factor 為 4.618，在 Orthopedics 領域排名為 Q1(12/82) 期刊。
⠀
--
⠀
🔸 11/7（日）統合分析工作坊 #全新梯次
➠ https://meta-analysis.innovarad.tw/event/
免收案、免 IRB，突破資源缺乏困境的機會！
⠀
🎯 克服經費與資源稀少的困境，帶您踏入統合分析的領域。
⠀
☑ 統合分析研究規劃技巧
☑ 正確拆解論文架構
☑ 必學的重要專有名詞
☑ 互動實作：完成一套 Meta-analysis 圖表
☑ 以發表為導向的搜尋文獻
☑ Meta-analysis 圖表優化重點
☑ 給初學者的起步建議
⠀
🗣️ 學員回饋
⠀
「這種 #以成果為導向 的學習方式貫穿了整天課程，在這樣的學習架構底下，每堂課都只教必學的重點：繁雜的統計觀念，只聚焦在發表文章必備的部分；統計軟體當然選 CP 值最高的。也因為有這樣的課程安排，讓我能在短短的一天之內，迅速消除對統合分析的恐懼，也對統合分析的架構及寫作有較全面的理解。」
⠀
「新思惟的一天課程學習，教會我們從題目、寫作及分析技巧、文章架構及排版，到繪圖及美化圖表，製作出賞心悅目、令人不忍拒絕的圖表，教會我們如何 #快速踏入寫作的旅程中，告訴我們 meta-analysis 文章並不難，難的是你不願意開始，只要開始你就有機會拚出一篇自己的 SCI。」
⠀
👨🏫 講者陣容
⠀
＃張凱閔，知名復健醫學與超音波學者，台大流病與預防醫學博士，SCI 論文超過 190 篇，並有 25 篇以上為 meta-analysis，探討臨床常見議題。
⠀
＃曾秉濤，專業精神科醫師，擅長從臨床工作找到發表議題，並組成研究團隊，SCI 論文超過 85 篇，並有 70 篇以上為 meta-analysis。
⠀
＃蔡依橙，專業課程開發與整合者，能迅速理解學門架構，並以初學者能理解的方式，建構學習流程。生涯被 SCI 期刊接受的圖表，已超過 500 張，熟悉學術審閱過程與要求。
迴歸分析論文 在 蔡依橙的閱讀筆記 Facebook 的最讚貼文
💥 20 個 ＃常見的統計錯誤，你犯過，或是犯了卻不知道嗎？⠀
⠀
MedCalc 的作者 Frank，在 Facebook 分享了一篇跟統計相關的文章，叫做「生物醫學研究文章中，連你都可以發現的 20 個統計錯誤」，很有意思。（連結請見原始貼文）
⠀
我（蔡依橙）認真看完後，覺得蠻不錯的，於是把這 20 個統計錯誤的標題翻成中文，協助大家節省時間，如果剛好有興趣的，可再針對該部分去閱讀原文。接著，分享一些我看完之後的想法。
⠀
⠀
1. 數值報告時，提供了不必要的精確。例如 60 公斤體重，硬要寫成 60.18 公斤。
⠀
2. 將連續變項分組，變成次序變項，但沒有說明為什麼這樣分。像是 CRP 不以數值去統計，而分成低、中、高三組，卻沒說明為什麼這樣分。
⠀
3. 配對資料，只報告各組平均，卻沒報告其改變。也就是只報告治療前血壓、治療後血壓，卻沒報告有多少人上升、多少人下降、平均下降多少。
⠀
4. 描述性統計的誤用，尤其該用 median (interquartile range) 的，硬是用成 mean +- SD。
⠀
5. 使用 standard error of the mean (SEM) 描述量測的精確度，而非 95% CI。
⠀
6. 只報告 p 值，卻沒提到差值以及臨床意義。
⠀
7. 誤用統計方式。尤其常見的是混淆有母數跟無母數統計方法。
⠀
8. 使用線性迴歸，卻沒有先確定資料之間是真的有線性關係。
⠀
9. 沒有使用全部的資料，然後又沒把去掉的資料「為什麼被去掉」說清楚。
⠀
10. 多組比較的 p 值校正問題。
⠀
11. 在隨機分組研究時，過於詳盡地比較了兩組受試者的基本資料，像是性別比例、年齡、體重、血壓等等，而且資料好得太奇怪。
⠀
12. 報告檢驗數值時，沒有定義 normal 與 abnormal。
⠀
13. 計算 sensitivity 與 specificity 時，沒有說明一些介在灰色地帶的檢查結果，如何呈現與去除。
⠀
14. 使用圖片與表格，只是為了儲存數據，而非以協助讀者理解為出發點。
⠀
15. 畫出來的數據圖，視覺主觀上給人的印象，竟然跟數據本身不同。
⠀
16. 在報告數據與解讀時，搞不清楚 units of observation 是什麼，例如心臟病的觀察研究，在 1000 個患者中有 18 位心臟病發，那 units of observation 就是 18。但如果這個研究是以診斷正確率為主，那 sample size 就是 1000。
⠀
17. 把不顯著的統計，或 low power，解讀成 negative，而非 inconclusive。
⠀
18. 分不清楚解釋性研究與實務性研究，前者為 explanatory / efficacy / laboratory，後者為 pragmatic / effectiveness / real world。嘗試兩種混著做，結果兩邊都做不好。
⠀
19. 沒有用臨床能理解的方式來報告最終結果。
⠀
20. 把統計的顯著性，當成臨床的重要性。例如：癌症用新藥治療，統計上很顯著的好，但追蹤了五年，患者只延長了七天的壽命。這就是統計有顯著，但臨床意義不大的例子。
⠀
⠀
🗨 我（蔡依橙）的一些想法
⠀
由統計專業人的角度，來看生物醫學發表，是很有警惕意義的，能讓準備發表的朋友，仔細看看自己是不是也犯了相關的錯誤。
⠀
但另一個角度看，作者也提到，這些錯誤在幾乎一半的生物醫學論文上反覆出現！這就代表，其實生物醫學論文要刊登，並不代表我們什麼錯都不能犯，相反地，這 20 個錯誤裡頭，有些就算犯了，也還是能被刊登。
⠀
以我們自己發表，以及過去協助同學的經驗來說，我會認為 2、7、10、14、15，是初學者也 ＃必須理解並避開的，其他的則是發表起步了之後，陸陸續續去注意，在往更高分期刊挑戰時，逐漸進步就行。
⠀
實務上，3 分以下的醫學期刊，幾乎沒有專門的統計查核，你只要能通過「一般同行」的統計知識審查就行。也就是說，我是一個放射科醫師，剛開始起步，投稿到放射科 3 分以下期刊，文章中的統計，只要「＃一般有在做研究的放射科醫師」覺得可以就行，不見得要到「統計專家看過並挑不出毛病」。
⠀
對於初學者如何起步，實務的協助，新思惟規劃了各種類型的研究課程，歡迎有興趣的朋友可以參考。目前正在開放報名中的，有以下三場工作坊，歡迎您瞭解各課程的課綱後，評估挑選最符合您需求的內容，前來上課，讓我們協助您成功起步。
⠀
🟠 2021 / 11 / 7（日）統合分析工作坊
無經費、資源少也能發表，不用 IRB 且免收案的好選擇。
https://meta-analysis.innovarad.tw/event/
⠀
🔵 2021 / 10 / 17（日）臨床研究與發表工作坊
全新改款！跟著國際學者走，讓你寫作投稿都上手。
https://clip2014.innovarad.tw/event/
⠀
🟢 2021 / 10 / 16（六）個案報告、技術發表與文獻回顧工作坊
把臨床上的各種想法，在 PubMed 化作專業生涯上的里程碑。
https://casereport.innovarad.tw/event/
⠀ ⠀
不只是說說而已，我們會舉實例，說明其意義、如何避開，在互動實作過程，實際由各位在自己的電腦上操作，從數據到軟體，從統計到繪圖，一次搞定，並避開常見錯誤，是真正以 ＃初學者起步 為核心的規劃。
⠀
⠀
二十個常見的統計錯誤，與實務寫作時的考量。
🔗 原始貼文 │ https://bit.ly/2WESphu
迴歸分析論文 在 新思惟國際 Facebook 的最佳解答
💥 20 個 ＃常見的統計錯誤，你犯過，或是犯了卻不知道嗎？⠀
⠀
MedCalc 的作者 Frank，在 Facebook 分享了一篇跟統計相關的文章，叫做「生物醫學研究文章中，連你都可以發現的 20 個統計錯誤」，很有意思。（連結請見原始貼文）
⠀
我（蔡依橙）認真看完後，覺得蠻不錯的，於是把這 20 個統計錯誤的標題翻成中文，協助大家節省時間，如果剛好有興趣的，可再針對該部分去閱讀原文。接著，分享一些我看完之後的想法。
⠀
⠀
1. 數值報告時，提供了不必要的精確。例如 60 公斤體重，硬要寫成 60.18 公斤。
⠀
2. 將連續變項分組，變成次序變項，但沒有說明為什麼這樣分。像是 CRP 不以數值去統計，而分成低、中、高三組，卻沒說明為什麼這樣分。
⠀
3. 配對資料，只報告各組平均，卻沒報告其改變。也就是只報告治療前血壓、治療後血壓，卻沒報告有多少人上升、多少人下降、平均下降多少。
⠀
4. 描述性統計的誤用，尤其該用 median (interquartile range) 的，硬是用成 mean +- SD。
⠀
5. 使用 standard error of the mean (SEM) 描述量測的精確度，而非 95% CI。
⠀
6. 只報告 p 值，卻沒提到差值以及臨床意義。
⠀
7. 誤用統計方式。尤其常見的是混淆有母數跟無母數統計方法。
⠀
8. 使用線性迴歸，卻沒有先確定資料之間是真的有線性關係。
⠀
9. 沒有使用全部的資料，然後又沒把去掉的資料「為什麼被去掉」說清楚。
⠀
10. 多組比較的 p 值校正問題。
⠀
11. 在隨機分組研究時，過於詳盡地比較了兩組受試者的基本資料，像是性別比例、年齡、體重、血壓等等，而且資料好得太奇怪。
⠀
12. 報告檢驗數值時，沒有定義 normal 與 abnormal。
⠀
13. 計算 sensitivity 與 specificity 時，沒有說明一些介在灰色地帶的檢查結果，如何呈現與去除。
⠀
14. 使用圖片與表格，只是為了儲存數據，而非以協助讀者理解為出發點。
⠀
15. 畫出來的數據圖，視覺主觀上給人的印象，竟然跟數據本身不同。
⠀
16. 在報告數據與解讀時，搞不清楚 units of observation 是什麼，例如心臟病的觀察研究，在 1000 個患者中有 18 位心臟病發，那 units of observation 就是 18。但如果這個研究是以診斷正確率為主，那 sample size 就是 1000。
⠀
17. 把不顯著的統計，或 low power，解讀成 negative，而非 inconclusive。
⠀
18. 分不清楚解釋性研究與實務性研究，前者為 explanatory / efficacy / laboratory，後者為 pragmatic / effectiveness / real world。嘗試兩種混著做，結果兩邊都做不好。
⠀
19. 沒有用臨床能理解的方式來報告最終結果。
⠀
20. 把統計的顯著性，當成臨床的重要性。例如：癌症用新藥治療，統計上很顯著的好，但追蹤了五年，患者只延長了七天的壽命。這就是統計有顯著，但臨床意義不大的例子。
⠀
⠀
🗨 我（蔡依橙）的一些想法
⠀
由統計專業人的角度，來看生物醫學發表，是很有警惕意義的，能讓準備發表的朋友，仔細看看自己是不是也犯了相關的錯誤。
⠀
但另一個角度看，作者也提到，這些錯誤在幾乎一半的生物醫學論文上反覆出現！這就代表，其實生物醫學論文要刊登，並不代表我們什麼錯都不能犯，相反地，這 20 個錯誤裡頭，有些就算犯了，也還是能被刊登。
⠀
以我們自己發表，以及過去協助同學的經驗來說，我會認為 2、7、10、14、15，是初學者也 ＃必須理解並避開的，其他的則是發表起步了之後，陸陸續續去注意，在往更高分期刊挑戰時，逐漸進步就行。
⠀
實務上，3 分以下的醫學期刊，幾乎沒有專門的統計查核，你只要能通過「一般同行」的統計知識審查就行。也就是說，我是一個放射科醫師，剛開始起步，投稿到放射科 3 分以下期刊，文章中的統計，只要「＃一般有在做研究的放射科醫師」覺得可以就行，不見得要到「統計專家看過並挑不出毛病」。
⠀
對於初學者如何起步，實務的協助，新思惟規劃了各種類型的研究課程，歡迎有興趣的朋友可以參考。目前正在開放報名中的，有以下三場工作坊，歡迎您瞭解各課程的課綱後，評估挑選最符合您需求的內容，前來上課，讓我們協助您成功起步。
⠀
🟠 2021 / 11 / 7（日）統合分析工作坊
無經費、資源少也能發表，不用 IRB 且免收案的好選擇。
https://meta-analysis.innovarad.tw/event/
⠀
🔵 2021 / 10 / 17（日）臨床研究與發表工作坊
全新改款！跟著國際學者走，讓你寫作投稿都上手。
https://clip2014.innovarad.tw/event/
⠀
🟢 2021 / 10 / 16（六）個案報告、技術發表與文獻回顧工作坊
把臨床上的各種想法，在 PubMed 化作專業生涯上的里程碑。
https://casereport.innovarad.tw/event/
⠀ ⠀
不只是說說而已，我們會舉實例，說明其意義、如何避開，在互動實作過程，實際由各位在自己的電腦上操作，從數據到軟體，從統計到繪圖，一次搞定，並避開常見錯誤，是真正以 ＃初學者起步 為核心的規劃。
⠀
⠀
二十個常見的統計錯誤，與實務寫作時的考量。
🔗 原始貼文 │ https://bit.ly/2WESphu