105号 page 18/76

このページは 105号 の電子ブックに掲載されている18ページの概要です。
秒後に電子ブックの対象ページへ移動します。
「電子ブックを開く」をクリックすると今すぐ対象ページへ移動します。

概要：
16 高知論叢　第105号29.3％である。県議選においては，2 人の時に24.3％，3 人の時に35.9％，4 人の時に12.7％となる。これらの数値から，候補者数と名前の認知度の関係を推し量ることは難しい。人柄や考え方を「よ....

16 高知論叢　第105号29.3％である。県議選においては，2 人の時に24.3％，3 人の時に35.9％，4 人の時に12.7％となる。これらの数値から，候補者数と名前の認知度の関係を推し量ることは難しい。人柄や考え方を「よく知らなかった」と回答した者の割合は，市議選の場合，6 人の時に27.8％，8 人の時に30.2％，10人の時に30.1％，11人の時に20.9％，12人の時に22.8％，13人の時に25.9％，14人の時に31％である。県議選の場合，2 人の時に31.8％，3 人の時に38％，4 人の時に22.2％である。候補者の名前と同様に，人柄や考え方の認知度と候補者数の関係は明確ではない。従って，候補者数が増えるにつれて有権者による候補者の認知があやふやになるとはいえず，不正解率が上がるとも予想できない。候補者数，投票理由，名前と人柄の認知がそれぞれ不正解の確率に与える効果については，次小節において改めて再検証する。3. 2. 多変量解析による検証ここからは，多変量解析を用いて，他の独立変数の効果をコントロールした上で，各変数の影響を検証する。その上で，本稿の鍵変数である投票理由と候補者数の違いが不正解の確率をどのように変化させるか図示して説明する。まず，回答者が候補者の党派を正確に認識しているか否かを従属変数とし，前小節で挙げた諸要因を独立変数とするロジット分析について検討する7。分析の結果は表4 に示してある。従属変数は，回答者が候補者の党派を間違えるか，分からない場合は1，正しく認識している場合は0 となるダミー変数である。社会経済的属性に関する独立変数として「性別」，「年齢」，「居住年数」，「学歴」，「職業」を投入した（網掛け部分）。「性別」は男性の場合は1，女性の場合は0 のダミー変数である。「年齢」は，60歳代を比較の基準とする一連のダミー変数である。同様に，「居住年数」は3 年未満を基準に，「学歴」は中学校を基準に，「職業」は主婦を基準に，それぞれダミー変数を投入した。政治意識に関する独立変数は，「政党支持」，「選挙への関心」，「投票理由」，７ 例えば，正解を基準として，不正解の類型ごとに多項ロジット分析を実施すべきであるが，サンプル数の制約により断念した。今後の課題としたい。