素每，同志真的會讓天氣異常嗎？

封面故事：同志遊行完後下大雨？請見內文。

筆者的身為素每的粉絲之一，對於名言「人若不照天理，天就不照甲子，現在都幾月了還這麼熱」當然是朗朗上口。

不過，學過地球科學的人應該都知道，同志與天氣二者毫無關連，同志當然不可能影響天氣。不過秉持著實證科學精神，我們還是拿出經驗數據來檢驗吧！

素每名言 （取自民視綜合頻道）

基督教特別反同 可能不過是近十年的事

封面故事：基督教反對同婚機率變遷

基督教自古以就按照天理，特別反同或反同婚嗎？至少在台灣，我認為「反同/反同婚神學」是在近十幾年，才逐漸被完整建構出的知識體系。這不是說基督教或聖經本身不反同，而是反同在台灣的基督教教義中，要成為一種「知識」，是近十幾年才有的事情。

會這樣說，一來有數筆相當可靠的實證數據指出這樣的現象；二來是如果對照基督教界關於同性戀討論的出版物，會發現反同論述幾乎是在這一二十年才出現；三來從教會界的行動來看，不過是近五年才開始產生反同的集體行動。而二、三在2016社會學年會的「宗教右派的祕境與除魅」論壇中，曾有討論過。那麼我就來提供 一 的實證數據。

按照天理的基督教「家長」 （取自民視綜合頻道）

如果基督教的「反同/婚神學」是在近一二十年才成為知識，那麼在一二十年前，基督教徒與非基督教徒對於同婚、同性戀的態度應該相異無幾。正好，台灣社會變遷基本調查[1]1991、2012、2015都有關於同姓婚姻的題目，用詞與選項雖稍有不同，不過應不致於影響分析，後面會做更詳細的題目校度說明。

• 同性戀的人應有彼此結婚的權利(1991)：非常同意、同意、無意見、不同意、非常不同意
• 同性戀者也應該享有結婚的權利(2012)：非常同意、同意、無所謂同不同意、不同意、非常不同意
• 同性戀的人應有彼此結婚的權利(2015)：非常同意、同意、不同意、非常不同意、無意見（訪員不主動揭露此選項）

由於2012與2015時間過近，我直接視為同一個時間點。另外為了處理選項不一致的問題，我把選項合併為「不同意」與「同意+無意見」的二元變項。這樣就能使用邏輯迴歸分析，探討「反同婚」相對於「非反同婚(含無意見)」的勝算。廢話不多說，直接來看下面跑出來的模型吧。

看到迴歸大怪獸不要怕，下面有視覺化圖表。

性別、世代、教育程度、城鄉、婚姻狀態這些變項我都有做控制，不過礙於版面以及本次探討的主題，就不特別秀出來了。在模型(1)中，基督教反同的勝算相對無宗教顯著較高；但是當模型(2)加入宗教與調查時間的交互作用後，基督教的顯著性消失。這意味著在1991年的時候，基督教與其他宗教對於同姓婚姻的態度，並沒有明顯的差異；而這個差異要來到2012/2015年才出現。

而模型(3)與模型(4)是用另外一種宗教編碼方法，直接分為基督教與非基督教，結果並不改變。



看不懂迴歸報表沒關係，看下面視覺化的圖表。x軸是1995年與2012/2015年兩個調查時間點，y軸是反對同婚的機率(有控制其他條件為相同情況)。塗色部分則是95%的信賴區間。當Probability超過0.5意味著比較傾向反同婚。

這兩張圖示應該夠清楚說明何謂「基督教特別反同，不過是近十幾年的事」了吧。

不同時間各宗教反同婚機率

不同時間基督教反同婚機率

機率計算方式：控制變數以平均值帶入，最後將勝算轉換為機率。

如果我們把模型改成「同意同婚」相對於「非同意同婚(含無意見)」，結果仍然一樣，基督教到了2012/2015年對同婚的態度，才與其他宗教有所差異。這個模型確保了「無意見」的編碼方式，並不會影響到結論。

此外，還有更多的實證數據都指向相似的結果，中研院社會所鄭雁馨老師在2016年的一篇期刊"Changing Attitudes toward Homosexuality in Taiwan, 1995-2012"，就已經發現類似的現象，不過她沒有對此多做討論。

她使用的資料並非社會變遷調查資料而是「世界價值研究調查」，問題則是「你覺得同性戀是正當的嗎？(1-10)」。不同的資料、不同的問法，結果依然相似，讓我們能夠更相信這個這個推測。

如上圖，比較Model 3 與Model 5，同樣要到2012年，基督教與其他宗教對同性戀的態度才出現差異。


最後提醒一下，所謂的「基督教到近十幾年，對同性戀的態度才與其他宗教產生差異」，這樣敘述可能更為精準：「十幾年來社會對同性戀的態度日漸開放，唯基督教始終保持二十年前的態度」。而使這個態度維持的原因，我猜測跟近十幾年來反同知識的建構相當有關。



是說這篇文章有點難，可能不能上廁所看，不然會澇賽(làu-sái)或便秘。


註解 [1] 台灣社會變遷基本調查是每年中研院社會所執行的大型調查計畫，其資料品質、抽樣方法、訪員訓練、訪問方式都是台灣數一數二好的調查。

夜市麻將賓果中獎率高嗎？

每次去夜市，都會看到「麻將賓果」這樣遊戲。這個遊戲規則通常是100元可以玩6局，每局抽15張麻將牌，在6*6的賓果上對獎，連成一線即中獎；當沒有連成一線，但有湊滿5張牌時即「聽牌」，可以再抽3張。如果中獎，可以得到娃娃一隻，或是其他獎品。

夜市麻將（圖片來源 CC授權）

那麼這個遊戲到底中獎律高不高呢？這當然可以用機率算，在不考慮聽牌規則的機率算法如下：

那有聽牌規則下的中獎機率呢？好複雜我也不想多想了，這種問題，就交給電腦處理吧！電腦不就是用來處理複雜、龐大的計算嗎。我用R寫了一個麻將賓果模擬程序，請它跑了100萬次，結果如下圖。

在有聽牌機制的情況下，連成一線的機率為 10.493%，連成二線的機率為 0.288%，連成三線的機率為 0.0015%。所以100元玩6局的得獎率為1-(1-10.7825)^6，大概是近五成。你覺得這樣的機率高不高呢？

另外，如果沒有聽牌機制，抽15張就連成一條線的機率大約只有3.56%，很低呢！

不過既然都做模擬了，我們就來看一下各種條件下，獲勝的機率是多少吧。黑色的線代表花100元獲獎的機率，紅色代表單一局獲勝的機率。

其實從上面的圖可以看出，夜市麻將「100元玩6局，每局抽15張牌，聽牌再抽3張」讓玩家獲勝的機率拿捏的剛剛好，是很有數學根據的！

這邊也釋出我寫的模擬程式以及code，如果你有裝R，可以直接點開 夜市麻將模擬器.Rdata，就會載入function了。

output<- mahjong(nmahjong = 15, draw = 3, games = 6, simula = 100000)

nmahjong是每局抽的牌數，draw是聽牌再抽的數量，games是100元玩的局數，simula是模擬次數。上面的數字都是可以隨意更改的，也可以直接mahjong()就會按照預設值跑出來。R的計算速度其實很慢，不建議模擬超過百萬次。

選情告急？

許多人漸漸覺得，網路選戰越來越重要，鄉民們更是時不時爆料某某政黨在養「婉君」試圖帶輿論風向。那麼，之前2016的立委與總統大選的網路局勢為何？

我透過facebook aip進行爬蟲，蒐集73個區域立委泛藍與泛綠候選人的FB粉專資料。


下圖是泛綠陣營（包含民進黨禮讓選區）選前一個月跟得票率的關係。我發現這個相關性後，快笑死也快到。

等等，怎麼發越多文得票率越低？難道是發太多文讓選民覺得很煩，不投你了？當然不是，是因為選情告急，趕快發文拉拉票啦。這是我快笑死的原因。

嚇到的原因，則是若把連江、金門兩個特殊情況的選區扣除，可以發現民進黨候選人的「FB貼文數」是一個對「得票率」非常有解釋力變數。可見，民進黨候選人的網路行為，確實反應了選舉局勢。


那麼國民黨呢？

嗯～看來國民黨的網路行為與選舉結果，真的是毫無相關呢。大家說國民黨不善於網路選戰，看來一點都沒錯。其實不只如此，我在爬蟲時，就發現國民黨有粉專的立委候選人、粉專上的發文量、按讚、分享數都遠遠不如泛綠陣營，有些候選人甚至選輸後就馬上把粉專關掉了。加加油好嗎？

開站：臺灣博士論文頁數統計

「上廁所看統計」今天起正式開站。

未來我時不時會發文，分享關於描述社會百態的統計圖表、網絡、地圖。或是偶爾談談一些統計觀念，不過我也不敢自稱在談論「統計學」，畢竟自己並非統計專業背景，只是對於透過統計描述社會現象很感興趣。

「上廁所看統計」的第一張統計圖，對於大多數人來說可能相當無聊；不過對於有在學術研究圈子的人，應該是滿有趣的。這是一張台灣各領域博士論文頁數盒狀圖。

這張圖是模仿國外網站所製作的。我用網路爬蟲把臺灣博碩士論文網100-105 (2011 Aug - 2016 Jun) 學年出版的博士論文相關資訊通通抓下來。而學術領域的分類方法，我沒有按照教育部的學門/學類分類，因為這個分類實在太糟糕了。我除了參考國外分法重新進行分類，也加入不少自己的主觀判斷，結果如表。所以，這不一定是最好的，歡迎大家提供更棒的分類方式。

其實臺灣的統計結果我有點小意外，第一名竟然是法律（國外是歷史，另外奇怪的是國外那張圖沒有「法律」領域），而歷史才排名第四，文學、人類學都比它來的多。至於頁數最少的幾名，一點都不意外，都是理工、數學相關的科系；不過財管博論頁數也挺少的，它可能是文組裡面頁數最少的呢。

另外，會選這張圖作為開站第一則貼文還有另一個原因，就是他是我近期最滿意的一個作品XD。