##========================
## 政治學量化資料分析--作業四
##========================

## 這個作業主要的目的是在測驗你對是否能將迴歸的知識應用到政治學的研究上，
## 並且正確解讀迴歸分析的結果。

## 在第三次作業中，如果你的依變數是個二元變數，則你可以（1）延用第三次
## 作業直接做第二題，或是（2）不使用第三次作業的內容從第一題做起。

## 如果你的依變數是連續變數或順序型變數，則你可以選擇（1）將此依變數轉
## 變為二元變數，從第二題做起，或是（2）放棄使用這個依變數，從第一題做
## 起。

## 如果你在第三次作業的依變數是類別型變數，則請從第一題做起。

## 請將你的分析（Word 檔）、程式碼（兩個R 檔，即variables.R和
## analysis.R），和自行製作的資料檔（rda格式，內含你自建的變數物件）以
## email寄給老師。


## ********************************************************

## 一、投票參與一直是選舉研究中最重要的課題之一。政治學者一直想瞭解為什
## 麼選民不去投票（或去投票），國內外文獻也已經累積了一些相關知識。請利
## 用台灣選舉與民主化調查的面訪資料，製作一個叫作turnout的變數，
## 以1為有去投票，0沒有去投票作為編碼（coding）的條件。

## 二、請在資料檔中挑選五個解釋變數，也就是你認為能夠解釋為什麼選民投票
## /不投票的五個自變數（可以包含你在第三次作業所使用的三個變數），並小
## 心處理無效值和必要的重新編碼（如製作虛擬變數dummy variables）。接下
## 來，在你的分析檔（analysis.R）中，以註記的方式為這五個解釋變數寫下虛
## 無假設和替代假設。（本題連同第一題佔20分）

## 注意：你所選的變數中，人口學變數如性別、年齡以最多三個為限。你的解釋
## 變數必須是在邏輯上對選民投票意願有影響的變數。

## 三、請用glm()、summary()、update()等上課學過的指令進行二元勝算對數分
## 析。請做出三個模型（分別命名為model01, model02, 和model03），並將結
## 果在word檔中製作成專業的表格。（40分）

## 注意：你的表格裡必須有迴歸係數（b）、標準誤（standard error, S.E.）
## 這兩個資訊（z值和p值可以略過），並在迴歸係數上以星號標注顯著程度。表
## 格下方的附註中必須要有以下資訊：資料來源（如TEDS2008L）、樣本數（N，
## 這個數字為degree of freedom自由度加1）、AIC、和星號代表的意義。請參
## 考課堂上所發的專業期刊論文。

## 四、請用數個段落**簡單**並正確地詮釋你所製作的表格中的訊息，並討論它
## 們的意涵。（30分）注意，討論必須是針對你的假設而來，而你的假設必須有
## 邏輯或文獻的基礎。因此，你的討論必須要有「引用」，並把被引用的文獻，
## 列在報告最後。

## 五、請確認檔案開頭是否清楚地提供檔案說明（如姓名和作業完成時間）、兩
## 個R檔與你所建構的rda檔之間的扣連（亦即在analysis.R中可以正確讀取你在
## variables.R檔中所自建的資料檔），以及檔案名稱是否嚴謹。建議：日期_檔
## 案功能_姓氏.附檔名（例如081212_variables_Liu.R）（10分）


## *********************************************************

## 老師的話：

## 很高興我們有這一個學期共同學習政治學量化資料分析的機會。當你完成這次
## 作業的時候，你基本上已經將資料分析大致的流程走過了一遍。你也應該能看
## 懂絕大多數國內外政治學期刊中量化的研究作品了。但這絕對不表示你已經把
## 資料分析的知識學完。未來如果你要寫作論文，你勢必還會再走過一趟這樣的
## 路，到時候你要面對的，是更多的變數、更大的資料檔，以及指導老師對你的
## 理論、假設的推導、模型的設計、和結果的詮釋更深入的指導和挑戰。

## 記住，量化不是做研究的唯一方法，但它是一種不能被忽略的研究途徑。你已
## 經知道如何去避免誤用它的方法，所以希望你繼續磨利你的工夫，並且在不久
## 的將來為經驗知識的累積作出一些貢獻。如果你的興趣不幸是因為學習過程中
## 的種種辛苦而被磨盡，那麼我期望你至少不要忘記如何去批判任何以「星號」
## 來呈現結果的研究作品。

## 這個作業完成後的一個星期內，你就可能開始忘記所學的R程式碼，這是正常
## 現象。如果你不繼續使用量化方法來做研究，那麼很快的你就會把這學期所學
## 還給老師。但即使如此，你還是可以為自己感到驕傲，因為你至少已經用過了
## 一套合法、免費且可以安裝在任何電腦上的程式語言，完成了以往你以為只有
## SPSS可以做到的事。做為研究生，多花一些時間學習或多花一些力氣來學新的
## 知識和技術並不算是損失，至少和世界上那一群甘願為人類知識資產的累積如
## 此無私奉獻的人（發展R的學界先進們）比起來，同學們這學期吃的苦不過叫
## 作在樹下乘涼而已。無論你未來使用何種研究方法，期望你的研究作品能讓政
## 治學界耳目一新。