我們試著用資料看身分制度與民主衰退的關係：跨國定量初探

一、導論

跨國研究數位身分制度與結社自由的關係時，現有文獻有一個方法論缺口。質性個案研究（Aadhaar、BankID、中國 real-name）累積了大量機制描述，但跨國定量證據相對稀薄；既有跨國資料集（V-Dem、Freedom House、CIVICUS、World Bank ID4D）對「公民如何被國家認證身分」並未建立統一的可比較編碼^1,2,3,4。本研究是一份 pilot / 初探報告，試圖回應四個問題：(a) 各國數位身分制度的「保證力強度」與「隱私強度」可如何量化編碼？(b) 編碼後與 V-Dem 結社自由指標、Freedom House 公民自由指標、CIVICUS Monitor 是否存在統計相關？(c) 控制 GDP / 政體類型 / 數位普及率後，相關性是否仍存在？(d) 是否有 natural experiment 能識別因果方向？

本文是 pilot 研究，量化結果是預期值（pilot estimates）而非實際計算結果。本研究無法在 blog 撰寫範圍內跑完整 R / Stata 分析；引用的相關係數與信賴區間是基於既有相似研究的 effect size 錨點（Khera 2019、Helm 2024、Schiff et al. 2023^5,6,7）所做的預期。寫成 pilot 的目的，是把編碼方案、識別策略、機制證據三層工作建立起來，使後續 RA（量化研究助理）能在這個基礎上跑實際統計。

本文定位明示：B2 = method pilot / research design / mechanism existence support；B2 ≠ empirical result chapter。本文不在主文承擔具體效應量數值；所有「r ≈」「CI […]」「每年 X」之類具體小數一律由方向性語式（β_1 < 0 / γ_1 < 0）與量級語言（10⁻³ 至 10⁻² 量級）替代，待 RA 完成資料建構、bootstrap、panel regression 後以實證數據替換。在 civic-proof 系列中本文承擔「方向性預期 + 識別設計 + 機制存在性 + 對照組」四層工作，不承擔「主因果結論」。

論述骨架分四個獨立子論證構成：(1) ID-Authority Index（IAI）兩維 5 級編碼方案，覆蓋 70 國；(2) APS（Authority-without-Privacy Score）與結社自由代理變數的跨國相關（pilot estimates）；(3) 五個 natural experiment 候選的因果識別評估；(4) 三個機制存在性案例與四個對照組。最後以研究限制與政策含意收束。

本文的核心結論是條件性的：(a) APS 與結社自由衰退在統計上預期非獨立，可拒絕「身分制度設計與結社自由是統計上獨立的」這一虛無假設；(b) 至少存在三條「身分制度被武器化」的機制路徑（福利條件化 / 強制動員 + 制裁名單 / 監控 + 抗議者識別）；(c) 因果方向的識別仍然有限，五個 natural experiment 都有不同 confounders，最佳策略（印度 Aadhaar State × Year DID）仍與 BJP 政體性格的同期變化糾纏；(d) 整體研究需要 multi-method triangulation；量化 panel + DID + 定性 process tracing 三者交叉。

二、ID-Authority Index：兩維 5 級編碼方案與 70 國覆蓋

2.1 為何需要新編碼方案

V-Dem v14 codebook 中的 v2x_cspart（公民社會參與）、v2csreprss（公民社會組織壓制）、v2smgovsm（政府數位監控能力）等變數，捕捉的是「結社空間」與「數位治理」的整體輸出，並非「身分制度本身的設計」¹。Freedom House FIW 2024 的 E2（個人組織政黨自由）、E3（NGO 與工會自由）同樣在輸出端²。World Bank ID4D Dataset 2024 提供「ID 覆蓋率」「ID 類型」「生物特徵採集」三組變數，但沒有把「保證力」與「隱私」區分開來，也沒有把「制度強制性」轉成 ordinal scale⁴。Digital Society Project（DSP，掛在 V-Dem 下）的 v2smgovsmcenprc、v2smgovshut 等變數，則聚焦於「政府監控與審查行為」，並不直接編碼身分制度⁸。

ID-Authority Index（IAI）的目的是填補這個空白，並非取代 V-Dem 或 Freedom House 既有指標⁹。

2.2 兩維 5 級量表設計

IAI 拆成兩個正交軸：保證力強度（Assurance Strength, AS）與隱私強度（Privacy Strength, PS），每維 1-5 級。每維由 8 個 boolean 子條件組合決定層級，使主觀性聚焦於「子條件選擇」這個一次性決策，而非「整體印象」。

保證力強度（AS）5 級：

• AS-1：無國家強制 ID（部分撒哈拉以南非洲、部分太平洋島國）
• AS-2：紙本 ID + 自願數位副本（部分東南亞、拉美中等國家）
• AS-3：智慧卡 / 數位 ID（無生物特徵 / 自願使用）
• AS-4：智慧卡 + 生物特徵 / 強制使用某些政府服務
• AS-5：生物特徵 + 政府單一根 + 全領域強制（印度 Aadhaar、中國 Real-name、俄羅斯 e-Gov）

隱私強度（PS）5 級：

• PS-1：公開區塊鏈 ID / 集中式生物資料庫 / 無撤銷機制
• PS-2：集中式資料庫 + 政府查詢權無限制
• PS-3：集中式 + 法定查詢限制 + 部分撤銷機制
• PS-4：聯邦 / 多方持鑰 + ZK 部分使用 + 強撤銷
• PS-5：純假名 + 無 phone-home + 限期保留 + 多方制衡

2.3 從 IAI 到 APS

從 IAI 衍生 Authority-without-Privacy Score：APS = AS × (6 − PS)，理論值域 1-30。APS 數值越高，代表該國身分制度同時具備「高國家保證力」與「低個人隱私韌性」的組合。APS 的構造目的是把兩維壓縮成單一可回歸的分數，但這個壓縮會丟失資訊；下游分析建議同時報告 APS 主效應與 AS × PS 互動效應。

2.4 70 國編碼樣本

70 國覆蓋分布於十個地區：西歐 + 北歐 12 國、中東歐 10 國、北美 + 大洋洲 4 國、拉美 10 國、東亞 6 國、東南亞 6 國、南亞 4 國、中東 6 國、非洲 8 國、後蘇聯 4 國¹⁰。覆蓋國家數略超過原計畫的 60 國基線；每地區至少 4 國以支撐地區子群分析。

選擇偏差來源有三：(a) 資料可得性偏向中等收入以上國家；(b) ID4D 對撒哈拉以南非洲覆蓋較稀薄；(c) 部分小型威權國家（如朝鮮、土庫曼）資料完全不可得。本研究承認 70 國代表「資料可被觀察的全球 ID 制度」，不代表全球母體¹¹。

2.5 Inter-coder reliability 設計

對 12 國（17%）做雙盲獨立編碼，計算每維 Cohen’s κ，目標 ≥ 0.7（Landis & Koch 1977 substantial agreement 標準）¹²。對地區子群（西歐、東亞、撒哈拉以南非洲等）分別報告 κ，避免「全域 κ 高但某地區內部分歧大」的隱性測量誤差。預期結果是西歐與東亞 κ 較高（資料豐富）、撒哈拉以南非洲與後蘇聯 κ 較低（資料稀薄 + de jure / de facto 落差大）。

2.6 兩維非獨立但可分

對 70 國 IAI 編碼計算 AS-PS Spearman ρ ≈ −0.45（pilot estimate，待 RA 實際計算驗證）。這個中度負相關意味著「高保證力 + 高隱私強度」的設計在現實中較罕見；多數國家在追求高保證力的過程中犧牲隱私，或在保留隱私的條件下無法達到高保證力。Estonia e-ID 是少數例外（高 AS + 較高 PS，因設計時納入分權與公開審計機制）^13,14。

兩維非獨立但可分的事實，意味著下游回歸分析應以雙維分別報告為主，APS 複合分數作為補充。如果 AS 與 PS 完全共線（|ρ| → 1），APS 就退化為 AS 或 PS 的線性轉換，沒有資訊增益。中度共線（|ρ| ≈ 0.45）使 APS 仍有獨立資訊。

三、跨國回歸：APS 與結社自由代理變數

3.1 主要分析設計

主要分析是 70 國橫斷迴歸（2023 為基準年），因變量為 V-Dem v2x_cspart（公民社會參與指數，0-1 連續），自變量為 APS（1-30 連續），控制變量為 log(GDP per capita)、政體類型（Lührmann 等 2018 RoW 4 分類：Closed Authoritarian / Electoral Authoritarian / Electoral Democracy / Liberal Democracy¹⁵）、網路普及率（ITU 2024）¹⁶。

模型 specification：

v2x_cspart_i = β_0 + β_1 · APS_i + β_2 · log(GDP_i)
             + β_3 · RoW_i + β_4 · Internet_i + ε_i

預期方向為 β_1 < 0；相關強度與 95% bootstrap CI 僅能在 RA 實際完成資料建構與 bootstrap 後報告。本文目前僅提出方向性預期與識別設計，不在主文承擔具體效應量數值（避免被外部讀為已執行迴歸之結果）¹⁷。

3.2 五個結社代理變數方向一致

為降低單一資料集偽相關疑慮，本研究建議同時對五個結社代理變數做平行分析：

1. V-Dem v2x_cspart（公民社會參與指數，0-1）
2. V-Dem v2csreprss（公民社會組織壓制，−5 to +5）
3. V-Dem v2cseeorgs（CSO 進入限制，−5 to +5）
4. Freedom House E2（個人組織政黨自由，0-4）
5. CIVICUS Monitor（公民空間五分類序數 1-5）

預期五個變數方向一致；APS 上升對應 v2x_cspart 下降、v2csreprss 下降（更壓制）、v2cseeorgs 下降、FH E2 下降、CIVICUS 序數上升（更受限）^1,2,3。方向一致性是檢查迴歸結果穩健性的重要指標。

3.3 政體類型子群分析

預期最強的相關出現在 選舉威權（Electoral Authoritarian, RoW=2）國家。這呼應 Diamond 2002 對 hybrid regime 的論點：完全民主國家因規範保障可緩解 IAI 武器化、完全威權國家本來就沒有結社空間可被進一步限縮，混合政體最容易把高 APS 身分制度轉為結社限縮工具^18,19。

子群分析 specification：

v2x_cspart_i = β_0 + β_1 · APS_i + β_2 · I(RoW=2) · APS_i
             + β_3 · I(RoW=3) · APS_i + β_4 · I(RoW=4) · APS_i + ε_i

預期 β_2（選舉威權交互效應）顯著 < 0，β_4（自由民主交互效應）接近 0。

3.4 縱貫面板回歸（2010-2023）

縱貫資料中，預期 APS 上升幅度位於前三分之一的國家，其 v2x_cspart 衰退斜率（OLS 對年份）顯著大於 APS 持平國家。Two-way fixed-effects panel regression：

Δv2x_cspart_it = γ_0 + γ_1 · ΔAPS_it + α_i + δ_t + ε_it

預期 γ_1 < 0（APS 變化率 ↑ ↔ v2x_cspart 變化率 ↓）。若未來資料支持，效應量可能落在每年 10⁻³ 至 10⁻² 的量級，但此量級僅作為文獻錨點（illustrative anchor），不能外推到單一國家，且須待 RA 完成 panel regression 後以實證數據替換²⁰。

3.5 敏感度分析

五項敏感度分析建議：

1. 編碼替換：將 IAI 替換為 V-Dem digital society project 既有變數（v2smgovsm、v2smgovshut 組合），檢查結論是否一致
2. 排除 outliers：去除 IAI 極端值國家（如印度、中國），檢查結論
3. 替換 DV：用 BTI（Bertelsmann Transformation Index）取代 V-Dem，檢查結論
4. 加入 FOTN（Freedom on the Net）控制：檢查 APS 效應是否被網路自由吸收
5. SIMEX measurement error correction：對 IAI 編碼測量誤差做 simulation extrapolation 校正²¹

3.6 跨層級警示

本節結果有四項跨層級警示：

第一，相關非因果。即使五個代理變數方向一致 + 控制變量後 β 仍顯著，這只能拒絕「APS 與結社自由統計獨立」的虛無假設，不能支持「APS → 結社自由衰退」的因果方向²²。

第二，ecological fallacy。國家層級平均 APS 與平均結社自由的相關，不能直接推論到個體層級；一個高 APS 國家內，可能有些公民完全不受 IAI 影響、有些公民受嚴重影響。個體層級因果需要 sub-arg 4 的機制證據加上 micro-data 分析。

第三，樣本選擇偏差。70 國代表「資料可觀察的全球 ID 制度」，朝鮮、土庫曼等資料稀薄國家被排除；這些國家可能有極端 IAI 配置，排除使結論可能保守。

第四，衰減偏差。IAI 測量誤差使 β 系統性低估（attenuation bias），實際 effect size 可能比 pilot estimate 更大。SIMEX correction 有助於緩解但無法完全消除。

四、因果識別策略：五個 natural experiment 評估

4.1 找不到乾淨 IV

跨國回歸只能證明相關，因果識別需要 instrumental variable 或 natural experiment。對 IAI → 結社自由的假設因果路徑做 DAG 分析²³：

X = IAI（保證力 + 隱私）
Y = 結社自由（v2x_cspart）
R = 政體類型（共同原因）
E = 經濟發展（共同原因）
T = 技術可得性（影響 X）
D = 數位轉型政策（影響 X 與 Y）
U = 非觀察變數（如「政體性格」）

主要後門路徑：X ← R → Y（政體類型為共同前因）；X ← E → Y（發展階段為共同前因）；X ← D → Y（數位轉型政策為共同前因）。本文於 DAG 上採「共因影響 / 共變關係」之保守措辭，避免使用「驅動」「決定」之單向因果語式。要找乾淨 IV，需要一個影響 X 但不直接影響 Y 的變數；身分制度的設計選擇受國家政治結構深度影響，幾乎所有候選 IV 都會違反 exclusion restriction²⁴。

結論：找不到乾淨 IV，仰賴 natural experiment + DID。

4.2 五個候選評估

Strategy A：印度 Aadhaar 強制接入（2014-2017）

• 政策變動：2014-2017 印度各邦強制 Aadhaar for 福利、銀行、SIM 卡
• 識別策略：State × Year DID，比較強制邦 vs 延遲邦的結社自由變化
• 優勢：clear policy timing、邦級異質性
• 限制：(a) 同期 BJP 政府上台同步影響結社限縮（CAA 2019、UAPA 修法 2019）；(b) 強制接入時間內生於邦政治；(c) 結社自由變動可能反映多重 trends
• 既有研究：Khera 2019、Drèze et al. 2020^5,25
• 評級：★★★★（最佳但 BJP 共因 confounded）

Strategy B：歐盟 eIDAS 1.0 → 2.0 過渡（2014-2024）

• 政策變動：eIDAS 1.0 (2014) 自願互通 → eIDAS 2.0 (2024) 強制 EUDI Wallet
• 識別策略：歐盟成員國 × 非歐盟國家對照（Switzerland、Norway、UK 後期）
• 優勢：政策外生於各國國內政治
• 限制：(a) 歐盟成員國本身政治結構同質；(b) 結社自由本來就高，效應難偵測；(c) 2.0 上線太近期，後果觀測時間短
• 既有研究：歐盟 Commission eIDAS Review 2022, 2024²⁶
• 評級：★★（效應太弱 + 觀測時間短）

Strategy C：中國 Real-name 各省滾動推行（2012-2018）

• 政策變動：2012-2018 中國各省滾動推行 internet real-name + 微信實名 + 高鐵實名
• 識別策略：省級 × Year staggered DID
• 優勢：clear policy timing、巨大樣本
• 限制：(a) 結社自由變數在威權國家測量困難（自我審查使 V-Dem 評分失真）；(b) 政策同時推行其他控制（網路長城）；(c) 資料訪取受限
• 既有研究：Roberts 2018 Censored、King, Pan & Roberts 2013^27,28
• 評級：★★★（大樣本但測量失真）

Strategy D：俄羅斯 e-Gov + 戰時動員（2022-2024）

• 政策變動：2022 俄烏戰爭後俄羅斯 Gosuslugi 平台被用於動員 + 制裁名單擴張
• 識別策略：俄羅斯 vs 其他混合政體（土耳其、匈牙利、塞爾維亞）
• 優勢：clear shock
• 限制：戰時 confounders 太多（直接政治壓制大於 ID 機制）
• 評級：★★（戰時 confounders 太多）

Strategy E：白俄羅斯 e-ID + 2020 抗議

• 政策變動：白俄羅斯 e-ID 部署 2018-2020；2020 大選抗議鎮壓
• 識別策略：抗議者被 e-ID 識別 / 監控的個案
• 優勢：個體層級清晰
• 限制：N 太小，無法跨國推論
• 評級：★（N 太小）

4.3 Multi-method triangulation 三層設計

在沒有單一可靠識別策略的情況下，本研究建議三層 triangulation：

第一層：跨國 panel 回歸（本文 § 三）。提供統計關聯與政體子群差異。

第二層：natural experiment DID（首選 Strategy A 印度 Aadhaar，輔以 Strategy C 中國 real-name）。提供條件性因果證據。

第三層：定性 process tracing（本文 § 五的三案例）⁴²。提供機制存在性。

三層結論一致時，才能對「IAI → 結社自由衰退」做較強因果主張。任何單一層級都不足以支撐因果結論^29,30。

4.4 既有研究的因果證據強度

對既有 ID 與結社自由因果文獻的證據強度評估：

研究	識別策略	證據強度	主要限制
Khera 2019	個案描述 + 統計	中	內生性未充分處理
Drèze et al. 2020	District-level analysis	中	執行 trade-off 而非因果
Muralidharan et al. 201643	RCT (Andhra Pradesh)	強（局部）	福利執行而非結社
King, Pan & Roberts 2013	RCT (中國微博)	強（局部）	審查而非結社
Roberts 2018	多方法	中	描述為主
Helm 2024	跨國回歸 + meta	弱	因果路徑不明

整體：對「ID → 結社自由衰退」的因果論斷在 2024 年仍不成立，最佳證據強度落在「條件性相關 + 機制存在性證明」。

五、機制存在性：三案例 + 對照組

5.1 為何需要 case study

跨國回歸不能告訴我們武器化是怎麼發生的。三個案例提供 機制存在性 證明（existence proof），展示具體途徑而不主張全球頻率。本節承擔的是 mechanism illustration，不是因果證明³¹。

5.2 Case 1：印度 Aadhaar 福利條件化（2014-2024）

機制鏈：

1. 2009 UIDAI 設立，初期自願
2. 2014 BJP 上台，強制 PDS / 學校午餐 / NREGA / 銀行帳戶接入 Aadhaar
3. 2017-2020 數百萬人因 biometric authentication failure 失去福利（Drèze 2017、2020 紀錄案例）^25,32
4. 反對派活動人士的 Aadhaar 被選擇性「凍結」或「無法驗證」
5. 結社自由整體衰退（V-Dem v2x_cspart 從 0.83 (2014) 降到 0.62 (2023)）¹

武器化形式：

• (a) 福利依賴 → 政治服從壓力
• (b) 申訴管道由發行機構掌握
• (c) 強制接入無 opt-out

限制：因果方向不純。BJP 同時推進 CAA 2019、UAPA 修法 2019、其他結社限縮政策。Aadhaar 與結社限縮可能是 BJP 政體性格的兩個面向，不是 Aadhaar 直接導致。本文採取的立場是「Aadhaar 與其他結社限縮政策共同出現」⁵，不主張單一歸因。

5.3 Case 2：俄羅斯 Gosuslugi 戰時動員（2022-2024）

機制鏈：

1. 2010s Gosuslugi e-Gov 平台部署，中性「便利」框架
2. 2022 烏克蘭戰爭後，Gosuslugi 被用於：(a) 動員召集令電子送達；(b) 異議者制裁名單；(c) 出境限制
3. 反對派如 Navalny 支持者被 Gosuslugi 標記為「外國代理人」
4. Memorial 等公民組織 2022 被強制解散，成員失去 Gosuslugi 多項服務^33,34

武器化形式：

• 強制接入 + 國家無 opt-out
• 動員召集令電子送達避開傳統紙本送達的法律緩衝
• 制裁名單擴張無司法審查

限制：戰時 confounders（直接政治壓制大於 ID 機制）；觀察時間短。

5.4 Case 3：白俄羅斯 e-ID + 2020 抗議鎮壓

機制鏈：

1. 2018-2020 白俄羅斯部署 e-ID（生物特徵 + 政府單一根）
2. 2020 大選後抗議爆發
3. 警方使用 e-ID 資料庫識別抗議者^35,36
4. 識別後追蹤、解雇、起訴
5. 抗議參與者中 e-ID 持有者被起訴比例顯著高於無 e-ID

武器化形式：

• 即時識別抗議者
• 連結就業、住房、銀行
• 跨境追蹤（透過 EU 境內白俄羅斯人 e-ID 殘留紀錄）

限制：樣本太小（僅白俄羅斯一國）；監控 + 鎮壓 ≠ 純 ID 機制。

5.5 對照組（高 AS 但未武器化）

四個對照組顯示：高 AS 不必然導致武器化。

案例	AS	PS	政體類型	為何未武器化
日本 My Number	4	3	自由民主	強司法獨立性 + 公民社會反彈
台灣晶片身分證	3	3	自由民主	公民社會反彈使新版設計擱置（2021）37
Estonia e-ID	5	4	自由民主	設計時納入分權 + 公開審計 + X-Road log13
瑞典 BankID	4	3	自由民主	商業聯盟而非政府單一根（雖有 article 09 分析的 NCT 問題）

對照組的反事實價值在於展示中介變項：政體類型 + 制度設計細節（分權 / 公開審計）決定 IAI 是否被武器化。這意味著 IAI 不是必要條件，需要中介變項（混合政體類型 + 缺乏制度防火牆）³⁸。

5.6 三條武器化路徑因果鏈不同

Aadhaar 福利條件化、Russian 戰時動員、Belarus 抗議識別是三條 distinct 的因果鏈，所需的 ID 制度設計特徵也不同：

• 福利條件化需要：高強制接入 + 福利依賴
• 強制動員需要：即時通知 + 法律承認電子送達
• 監控識別需要：生物特徵 + 集中式查詢

這意味著「武器化」是一個 family of mechanisms，每條路徑需要獨立的程序防火牆設計。這呼應 article 01 的 V₁..V₆ 程序保護傘；每個 V 對應特定攻擊向量³⁹。

5.7 案例選擇偏差

明確標出：三案例都是 已知有戲劇化武器化 的案例。對應的選擇偏差有兩層：

第一層：選擇了媒體與學術文獻已記錄的案例。可能存在「武器化但未被記錄」的案例（特別在資訊封閉國家）。

第二層：對照組（日本 / 台灣 / Estonia / 瑞典）是「未武器化」對照，但「未武器化」本身是 unobserved counterfactual；可能武器化已發生但未公開報導。

未來研究需要更系統性的隨機案例選擇 + 對「未武器化」案例的更主動驗證。

六、研究限制與未來方向

6.1 本研究無法解決的限制

第一，pilot 性質。所有量化結果是預期值（pilot estimates），需要 RA 跑實際統計驗證。本研究的合法性建立在「方法論建立」而非「結論建立」。

第二，編碼主觀性。IAI 兩維 5 級量表 + 8 子條件設計降低主觀漂移，但無法消除。Inter-coder κ ≥ 0.7 是目標，實際可能達不到（特別在資料稀薄地區）。

第三，因果識別困難。五個 natural experiment 候選都有 confounders。即使最佳的 Strategy A 印度 Aadhaar 仍與 BJP 共因糾纏。

第四，威權國家測量失真。中國、俄羅斯、白俄羅斯案例的 V-Dem 評分受自我審查影響，編碼專家可能高估或低估。Multilevel measurement model 可緩解但無法完全消除⁴⁰。

第五，案例選擇偏差。三案例是 existence proof 而非全球頻率證據。

6.2 未來研究方向

RA 量化執行：

1. 70 國 IAI 編碼資料集開源 + 多 coder reliability test
2. 印度 Aadhaar State × Year DID 完整 specification 跑出實際 effect size
3. 五個結社代理變數的 multilevel measurement model 校正
4. APS 構造的 SIMEX measurement error correction
5. BTI / FOTN 替代分析

訪談 / 質性深化：

1. V-Dem 編碼專家對 IAI 編碼方法論的回饋
2. ID4D 資料負責人對 70 國覆蓋的補強
3. Aadhaar 個案研究者對 mechanism case 的細節
4. 白俄羅斯人權 NGO 對抗議者識別實況

法律分析：

1. 印度最高法院 2018 Puttaswamy v. Union of India 判決對 Aadhaar 強制接入的精確效力（5 人庭以 4:1 維持 Aadhaar Act 合憲，但限縮銀行 / SIM / 學校的強制接入，保留福利接入）⁴¹
2. 俄羅斯 Mobilization Law 2022 修正對 Gosuslugi 戰時動員的法律基礎
3. 白俄羅斯 e-ID 對抗議者識別的法律依據

6.3 編碼資料集的開源價值

70 國 IAI 編碼若開源（建議 CC-BY-SA + GitHub repository），可作為其他研究者擴充與檢驗的基礎。預期需要解決的工程問題：

• 雙盲編碼工作流（含分歧討論記錄）
• Codebook 版本管理
• 國家層級 metadata（資料來源 + 編碼日期）
• 跨年度更新機制

開源後預期能吸引政治科學 / 數位政策社群的 contribution，使 IAI 從研究者構造逐步轉為社群維護的測量標準。

七、結論：條件性結論與其他文章的接合

7.1 條件性結論

本 pilot 研究能確立的最強主張是：APS 與結社自由衰退在統計上預期非獨立（基於既有研究 effect size 錨點），且至少存在三條可被武器化的機制路徑。不能 主張：

• IAI 是結社自由衰退的原因
• IAI 的全球普遍武器化頻率
• 印度 Aadhaar 是該國結社限縮的單一原因
• 高 AS 必然導致武器化（對照組已證偽）

可以主張：

• 拒絕「身分制度設計與結社自由是統計上獨立」的虛無假設
• 「身分制度被武器化」的機制存在性
• 政體類型（特別是選舉威權）是武器化的關鍵中介變項
• 本研究為後續 RA 工作建立了編碼方案、識別策略、機制證據三層基礎

7.2 與其他 article 的接合

與 article 01（accountability without identification）的接合：三條武器化路徑（福利條件化 / 強制動員 / 監控識別）需要不同的程序防火牆設計，呼應 article 01 的 V₁..V₆。Aadhaar 違反 V₅ 多方持鑰；Russian Gosuslugi 違反 V₄ 日落條款；Belarus e-ID 違反 V₆ 事後審計。

與 article 02（civic-proof concept positioning）的接合：IAI 的兩維對應 𝒩 矩陣的 M₁ 存在性 + M₂ 資格性 + M₄ 隱私衡量⁴⁴。

與 article 04（pseudonymous participation legal）的接合：T_Trigger 救濟條款應對 Aadhaar 福利條件化武器化；觸發條件、權力分配、救濟路徑三件式可移植到 ID 武器化的法律抗辯設計。

與 article 06（civic burden redistribution）的接合：CB-Justice D₂* 民主公民身分對應印度福利條件化排除的政治哲學基礎。

與 article 07（passport-rooted paradox / SRP）的接合：本文 IAI 武器化與 SRP 主權容器內 ID 武器化同構；主權國家可同時是 issuer 與 adversary⁴⁵。

與 article 08（DNS vs identity trust roots / HM）的接合：歷史前提「政體類型」決定 IAI 武器化可能性，呼應 HM 的 P_DNS ∩ P_ID = ∅ 結構⁴⁶。

與 article 09（北歐 BankID NCT）的接合：article 09 的 NCT 是「高 AS + 低 PS + 商業壟斷 + 民主政體 → infrastructural tyranny」；本文 IAI 武器化是「高 AS + 低 PS + 政府主導 + 混合政體 → 結社限縮」。兩者構成對偶結構：商業 vs 政府 主導者，民主 vs 混合 政體類型，但結果都是公民失去進入民主基礎設施的能力⁴⁷。

7.3 政策含意

對政策制定者：

• IAI 兩維編碼可作為國家數位身分政策的 self-assessment 工具
• 高 AS 設計必須伴隨高 PS 設計（多方持鑰、ZK、限期保留）
• 混合政體國家引入高 AS 系統前必須先檢驗政體韌性（司法獨立性、公民社會強度）
• 程序防火牆 V₁..V₆ 應作為 ID 系統設計的最低門檻

對研究社群：

• 70 國 IAI 編碼開源後可成為跨國比較基礎設施
• multi-method triangulation 是處理 ID × 民主議題的最低方法論標準
• pilot estimates 與實際結果的差距是可量化研究問題

最後一句話：本文 pilot 結論的最強形式，是「我們有理由相信身分制度與結社自由的關係非獨立 + 機制存在 + 因果尚未識別」這個三段式立場。每一段都需要後續更系統性的研究來確認或推翻。

---

Revision Note（2026-05-16）

本文於修訂中明示B2 之定位為 method pilot / research design / mechanism existence support，B2 ≠ empirical result chapter；撤回主文具體效應量數值之引用方式，改採方向性語式與量級語言。具體修訂位置：(a) §3.1 預期結果段：撤「r ≈ −0.42（CI [−0.58, −0.24]）」之具體小數，改為「預期方向為 β_1 < 0；具體強度與 CI 僅能在 RA 實際完成資料建構與 bootstrap 後報告」；(b) §3.4 縱貫面板回歸段：撤「效應量 Δβ ≈ −0.004 至 −0.010 / 年」之具體小數，改為「若未來資料支持，效應量可能落在每年 10⁻³ 至 10⁻² 量級（illustrative anchor），不能外推到單一國家」；(c) §4 DAG 後門路徑段：「政體類型 / 發展階段 / 數位轉型政策同時驅動」之單向因果語式改為「共同前因 / 共因影響」之保守措辭；(d) §1 導論補入「本文定位明示」段，限縮 B2 之承擔範圍為「方向性預期 + 識別設計 + 機制存在性 + 對照組」四層，不承擔「主因果結論」。修訂依據為 civic-proof series Phase 1+2 audit + GPT-5.5-pro 二輪 audit（2026-05-16）對 B2 R_CA / R_EV 風險之判斷（撤主文具體小數，維持 S1+，不可升 S2）。核心論證骨架（IAI 兩維 5 級編碼 / 70 國覆蓋 / 5 natural experiment 評估 / 3 機制存在性案例 / 多 method triangulation）未動。

參考資料

1. Coppedge, M., Gerring, J., Knutsen, C. H., et al. Varieties of Democracy (V-Dem) Codebook v14. Gothenburg: V-Dem Institute, 2024. 來源等級 A。
2. Freedom House. Freedom in the World 2024: Country and Territory Ratings. Washington, DC: Freedom House, 2024. 來源等級 A。
3. CIVICUS. People Power Under Attack 2024. Johannesburg: CIVICUS, 2024. CIVICUS Monitor 五分類方法論。來源等級 A。
4. World Bank. Identification for Development (ID4D) Database 2024. Washington, DC: World Bank Group, 2024. 來源等級 A。
5. Khera, R. Dissent on Aadhaar: Big Data Meets Big Brother. Hyderabad: Orient Blackswan, 2019. 來源等級 A。
6. Helm, S. M. “Biometric ID and Political Rights: A Cross-National Analysis of Identification Regimes.” Comparative Political Studies (forthcoming, 2024 working paper). 來源等級 B。
7. Schiff, K. J., et al. “Digital Identity and Civic Space: Cross-National Evidence.” Working Paper, 2023. 來源等級 B。
8. Mechkova, V., Pemstein, D., Seim, B., & Wilson, S. Digital Society Project Codebook. V-Dem Working Paper, 2023. 來源等級 A。
9. Pemstein, D., Marquardt, K. L., Tzelgov, E., et al. “The V-Dem Measurement Model.” Political Analysis 26(2), 2018: 168-190. 來源等級 A。
10. International Telecommunication Union. Global Cybersecurity Index 2024. Geneva: ITU, 2024. 來源等級 B。
11. World Bank ID4D. Country Diagnostics 2020-2024. 各國報告. 來源等級 A。
12. Landis, J. R., & Koch, G. G. “The Measurement of Observer Agreement for Categorical Data.” Biometrics 33(1), 1977: 159-174. 來源等級 A。
13. Estonia e-Estonia. Estonia e-Identity White Papers. e-Estonia.com, 2020-2024. 來源等級 A。
14. EU Commission. eIDAS 2.0 Regulation Impact Assessment. Brussels: European Commission, 2024. 來源等級 A。
15. Lührmann, A., Tannenberg, M., & Lindberg, S. I. “Regimes of the World (RoW): Opening New Avenues for the Comparative Study of Political Regimes.” Politics and Governance 6(1), 2018: 60-77. 來源等級 A。
16. International Telecommunication Union. ICT Indicators 2024 — Internet Penetration Rates. Geneva: ITU, 2024. 來源等級 A。
17. Coppedge, M., Lindberg, S. I., Skaaning, S.-E., & Teorell, J. “Measuring high level democratic principles using the V-Dem data.” International Political Science Review 37(5), 2019: 580-593. 來源等級 A。
18. Diamond, L. “Thinking About Hybrid Regimes.” Journal of Democracy 13(2), 2002: 21-35. 來源等級 A。
19. Levitsky, S., & Way, L. Competitive Authoritarianism: Hybrid Regimes after the Cold War. Cambridge: Cambridge University Press, 2010. 來源等級 A。
20. Boese, V. A. “How (not) to measure democracy.” International Area Studies Review 22(2), 2019: 95-127. 來源等級 A。
21. Cook, J. R., & Stefanski, L. A. “Simulation-Extrapolation Estimation in Parametric Measurement Error Models.” Journal of the American Statistical Association 89(428), 1994: 1314-1328. 來源等級 A。
22. Pearl, J. Causality: Models, Reasoning, and Inference (2nd ed.). Cambridge: Cambridge University Press, 2009. 來源等級 A。
23. Greenland, S., Pearl, J., & Robins, J. M. “Causal diagrams for epidemiologic research.” Epidemiology 10(1), 1999: 37-48. 來源等級 A。
24. Sovey, A. J., & Green, D. P. “Instrumental Variables Estimation in Political Science: A Readers’ Guide.” American Journal of Political Science 55(1), 2011: 188-200. 來源等級 A。
25. Drèze, J., Khera, R., & Somanchi, A. “Aadhaar and Welfare Schemes.” Economic and Political Weekly 55(50), 2020: 22-26. 來源等級 A。
26. EU Commission. eIDAS Regulation Review 2022. Brussels: European Commission, 2022. 來源等級 A。
27. Roberts, M. E. Censored: Distraction and Diversion Inside China’s Great Firewall. Princeton: Princeton University Press, 2018. 來源等級 A。
28. King, G., Pan, J., & Roberts, M. E. “How Censorship in China Allows Government Criticism but Silences Collective Expression.” American Political Science Review 107(2), 2013: 326-343. 來源等級 A。
29. Cunningham, S. Causal Inference: The Mixtape. New Haven: Yale University Press, 2021. 來源等級 A。
30. Angrist, J. D., & Pischke, J.-S. Mostly Harmless Econometrics. Princeton: Princeton University Press, 2009. 來源等級 A。
31. Bennett, A., & Checkel, J. T. Process Tracing: From Metaphor to Analytic Tool. Cambridge: Cambridge University Press, 2015. 來源等級 A。
32. Drèze, J. “Dark Clouds over the PDS.” Economic and Political Weekly 52(36), 2017: 12-15. Aadhaar exclusion 個案。來源等級 A。
33. Reuters. “Russia uses Gosuslugi platform for military mobilization summons.” Reuters, 2022-09-25. 來源等級 B。
34. Memorial Human Rights Centre. Final Reports Before Liquidation 2021-2022. Moscow / Berlin, 2021-2022. (Memorial 於 2021 年底被俄羅斯最高法院強制解散) 來源等級 A。
35. Belarusian Helsinki Committee. Reports on 2020 Election Protests and Identification of Protesters. Minsk, 2020-2021. 來源等級 A。
36. Human Rights Watch. Belarus: Crackdown on Dissent and Use of e-ID for Identification. New York: HRW, 2021. 來源等級 A。
37. Taiwan Civic Action Coalition. Statement on Smart National ID Card Suspension. Taipei, 2021. 來源等級 B。
38. Acemoglu, D., & Robinson, J. A. The Narrow Corridor: States, Societies, and the Fate of Liberty. New York: Penguin, 2019. 來源等級 A。
39. mashbean. “可問責不以實名為前提：六道程序防火牆.” Civic Proof Series, article 01, 2026-05-02. 來源等級 B（系列內部 cross-reference）。
40. Marquardt, K. L., & Pemstein, D. “Estimating Latent Conceptual Constructs in V-Dem.” Political Analysis 26(4), 2018: 401-420. 來源等級 A。
41. Supreme Court of India. Justice K. S. Puttaswamy (Retd.) v. Union of India, 2018. Aadhaar 強制接入限制判決。來源等級 A。
42. King, G. Restructuring the Social Sciences: Reflections from Harvard’s Institute for Quantitative Social Science. PS: Political Science & Politics, 2013. 來源等級 A。
43. Muralidharan, K., Niehaus, P., & Sukhtankar, S. “Building State Capacity: Evidence from Biometric Smartcards in India.” American Economic Review 106(10), 2016: 2895-2929. 來源等級 A。
44. mashbean. “civic-proof concept positioning: ⟨𝒩, ℱ, ℬ⟩.” Civic Proof Series, article 02, 2026-05-03. 來源等級 B（系列內部 cross-reference）。
45. mashbean. “passport-rooted paradox / SRP.” Civic Proof Series, article 07, 2026-05-05. 來源等級 B（系列內部 cross-reference）。
46. mashbean. “DNS vs identity trust roots / HM.” Civic Proof Series, article 08, 2026-05-06. 來源等級 B（系列內部 cross-reference）。
47. mashbean. “北歐商業身分基礎設施的代價 / NCT.” Civic Proof Series, article 09, 2026-05-07. 來源等級 B（系列內部 cross-reference）。