自1996年台灣實行民選，2000年起民調在選舉過程扮演著關鍵影響力，各家民調機構以科學調查方式取樣，以提供準確的預測。本研究在探討統合性分析在選舉民調中的應用，並以2024年台灣總統大選為例，分析民調數據的準確性，以及對最終選舉結果的預測能力。統合性分析彙總多家民調機構的數據，並使用隨機效應模型，以考量不同機構之間的變異與民調本身存在的誤差。本研究以觀察到封關民調的局限性，進一步擴大蒐集，以候選人登記參選後的民調數據，並以統合性分析彙總出民調支持度與實際得票率間的差距。結果顯示：「以柯文哲為基準」之下，民進黨候選人賴清德的支持度在多數民調中被低估，實際得票率顯著高於彙總結果的預測值。然而，在台灣有民調閉鎖期，若有突發事件、兩岸局勢變化、政黨間角力的操作下，導致民調數據有失真的可能。希望透過統合性分析在整合多項來源數據、減少抽樣誤差方面展現出預測的優勢

Since the implementation of democratic elections in Taiwan in 1996, opinion polls have played a crucial role in the electoral process starting from the year 2000, with various polling organizations employing scientific sampling methods to provide accurate forecasts. This study explores the application of meta-analysis in election polling, using the 2024 Taiwanese presidential election as a case study to analyze the accuracy of poll data and their predictive power regarding the final election outcome. Meta-analysis aggregates data from multiple polling organizations and employs random-effects models to account for variations between different organizations and the inherent errors in the polls themselves. This study observes the limitations of the final pre-election polls and expands data collection to include poll data after candidates register for the election. The meta-analysis then examines the discrepancy between poll support and actual vote shares. The results indicate that, with Ko Wen-je as the baseline, the support for the Democratic Progressive Party candidate Lai Ching-te was generally underestimated in most polls, with the actual vote share significantly higher than the predicted aggregate results. However, in Taiwan, the presence of a polling blackout period, along with the potential impact of unforeseen events, cross-strait relations, and political maneuvering among parties, could lead to distortions in poll data. The study aims to demonstrate the advantages of meta-analysis in integrating multiple data sources and reducing sampling errors to enhance predictive accuracy.

[1] 蘇建州（2002），「台灣2000年總統選舉民調之準確度評量與影響因素分析」，《調查研究》，12，91-109。
[2] 邱雅鈴（2005），「選舉預測模型之研究—以 2004 年台灣總統大選為例」，台北:銘傳大學應用統計資訊學系。
[3] 范凌嘉（2001），「選舉預測誤差控制的嘗試--以特質調整模型(JIA Model)為例」，《選舉研究》，8:1 2001.05，頁25-69。
[4] 吳世昌（2023），「運用網路大數據之輿情工具預測選舉結果—以 2022 年台北市長選舉為例」，台北:臺灣大學管理學院財務金融組。
[5] Herbert,A.（2008），《解讀民意調查》（陳陸輝等譯），台北:五南圖書出版
[6] 周迺皓（2023），「物理活動與心血管疾病之統合性分析應用於外溢型保險商品定價與回饋機制」，新竹: 國立清華大學統計學研究所
[7] 王珮庭（2023），「運動與全因性死亡率之統合性分析—應用於外溢型保險商品定價」，新竹: 國立清華大學計量財務金融學系
[8] 吳統雄（2023年11月17日） ，「吳統雄觀點：藍白協商之民調評估 「統合分析」可獲得較佳結果」，《風傳媒》。取自 https://www.storm.mg/article/4910679?mode=whole
[9] 聯合報系民意調查（2023年11月24日至2024年1月3日止）。取自 https://udn.com/news/index
[10] 菱傳媒（2023年11月24日至2024年1月3日止）。取自 https://rwnews.tw/index.php
[11] 榮泰創數據 （2023年11月24日至2024年1月3日止）。取自 https://www.rtcc.biz/index.html
[12] 民眾黨（2023年12月8日至2024年1月3日止）。取自 https://drive.google.com/drive/mobile/folders/1fsX2mqmLIiwRnbH6Cms-UvqNhsZqgs1k?usp=drive_link
[13] 美麗島電子報（2023年11月24日至2024年1月3日止）。取自 http://m.my-formosa.com/Topical/formosapollster
[14] TVBS民調中心（2023年11月24日至2024年1月3日止）。取自 https://www.tvbs.com.tw/poll-center
[15] 台灣民意基金會（2023年11月24日至2024年1月3日止）。取自 https://www.tpof.org/
[16] ETtoday民調雲（2023年11月24日至2024年1月3日止）。取自 https://www.ettoday.net/survey/index.php
[17] 鋒燦傳媒FTNN新聞網（2023年11月24日至2024年1月3日止）。取自 https://www.ftnn.com.tw/
[18] 維基百科（2023年1月23日）。「2024年中華民國總統選舉民意調查」。取自https://zh.wikipedia.org/wiki/2024%E5%B9%B4%E4%B8%AD%E8%8F%AF%E6%B0%91%E5%9C%8B%E7%B8%BD%E7%B5%B1%E9%81%B8%E8%88%89%E6%B0%91%E6%84%8F%E8%AA%BF%E6%9F%A5
[19] 中國國民黨KMT （2023年12月30日）。「公布2024總統選舉最新民意調查」。【YouTube影片】。取自 https://www.youtube.com/watch?v=tOl6SFKlFQQ&ab_channel=%E4%B8%AD%E5%9C%8B%E5%9C%8B%E6%B0%91%E9%BB%A8KMT