颱風停班停課決策與地方首長連任：災害治理、選民歸因與選舉責任的研究架構

一、名詞釐清與研究問題

「放颱風假」是通俗說法，容易把風險治理決策描述成福利分配。法規與官方系統使用的名稱是「天然災害停止上班及上課」， 目的在避免通勤、上課與機關運作暴露於不可接受的生命、交通及設施風險。它不是所有人一律享有的一般國定假日， 也不能只用隔天是否風和日麗，倒推決策當時一定正確或錯誤。

本文將問題拆成兩層。第一是行政問題：在相同預報、地理與交通條件下，哪些因素解釋不同縣市或不同事件的停班停課差異？ 第二才是選舉問題：控制安全風險與制度條件後，面臨連任的首長是否在接近選舉時採取不同的決策門檻？ 只有第二層得到穩健證據，才有資格討論選舉誘因。

二、臺灣停班停課制度背景

行政院人事行政總處公告顯示，《天然災害停止上班及上課作業辦法》於 2026 年 4 月 24 日修正發布施行， 並於同年 5 月更新作業 Q&A。制度要求通報權責機關參酌中央氣象署提供的風力、陣風與雨量預測等資料； 實際是否發布停班停課，由各地通報權責機關依規定與地方情況決定。即使量化預測未完全落在一般基準， 地形、交通、橋梁、積淹水、電力或其他足以影響通行與安全的特殊情況，也可能構成行政判斷的重要理由。

這套制度同時具有規則與裁量。規則降低任意性，裁量則處理預報誤差與地方異質性。政治誘因若存在，最可能出現在資訊模糊、 預測接近邊界、不同風險指標互相矛盾，或鄰近縣市作出不同決定的情境，而不是所有停班停課事件。

三、災害、政府回應與選舉結果的文獻

3.1 選民可能偏好看得見的救援，而忽略事前預防

Healy 與 Malhotra（2009）分析美國災害支出與選舉結果，發現選民會獎勵災後救助支出，卻未同樣獎勵事前防災投資。 這說明高度可見、時間接近災害的政府反應，可能比平時準備更容易被轉化成政治評價。停班停課同樣具有高度可見性， 但它與發放救助不同：其政策效果是避免尚未發生的風險，容易面臨「如果沒出事，就覺得多放了」的反事實困難。

3.2 選民不一定把天災本身都算在首長頭上

Gasper 與 Reeves（2011）以美國縣級資料研究惡劣天氣、政府回應與選舉，認為選民能在一定程度上區分不可控制的自然事件， 以及不同層級政治人物負責的政府行動。這個結果提醒我們，研究臺灣時不能只將颱風次數與連任結果相連； 選民評價的可能是預警、停班停課、交通維持、災情處理或訊息溝通，而不是颱風是否來襲。

3.3 選舉時距可能改變政府回應與選民記憶

Cole、Healy 與 Werker（2012）利用印度雨量、救濟與選舉資料，發現政府在選舉年可能提供較多救濟， 而選民主要回應選舉前一年內的災害與政府行動。Bechtel 與 Hainmueller（2011）研究德國易北河洪災， 則發現有利政策回應帶來的選票回報可延續到後續選舉，但會逐漸消退。這些結果支持將「距離下一次選舉時間」納入模型， 但不能直接推論臺灣首長會降低停班停課門檻。

3.4 災害可能增加、減少或不影響現任者優勢

Masiero 與 Santarossa（2021）以義大利 13,338 個地方選舉週期與地震資料，發現災後重建資源及媒體能見度可能提高現任市長連任機率。 然而 2026 年一項結合超過一萬筆美國市長選舉與災害資料的研究，對平均災害是否改變得票與投票率未發現顯著效果。 文獻分歧本身就是重要結論：政治效果取決於災害強度、政府權責、回應品質、媒體呈現與研究設計，不能套用單一故事。

四、「預報不確定性—錯誤成本—政治歸責—選舉時距」架構

停班停課是必須在天氣完全實現前作出的不確定決策，至少包含四個構面：

1. 預報不確定性：決策者看到的是可能風雨與機率分布，不是隔日已實現的觀測值。
2. 錯誤成本不對稱：未停班卻發生危險，涉及生命安全；停班但災情較小，則有經濟、教育與公信力成本。
3. 政治歸責：民眾是否認為地方首長對決策、資訊與後果負責。
4. 選舉時距：首長是否可競選連任，以及事件距離投票日多久。

政治誘因假說並不是「政治人物喜歡放假」，而是選舉可能改變決策者對兩類錯誤的相對權重。 若民眾對未停班造成的事故懲罰遠高於對多停一天的懲罰，理性避責就可能讓邊界案例傾向停班； 反之，若地方產業與家長強烈反對中斷，政治壓力也可能提高停班門檻。

五、可供驗證的研究命題

六、臺灣可建立的事件層級資料

七、如何辨識連任誘因，而不是誤把天氣當政治

最直接但錯誤的方法，是比較選舉年前後「放了幾天颱風假」。颱風數量、路徑、強度與落地時點每年不同， 單純計數幾乎無法區分氣象差異與政治差異。較合理的研究設計應以「縣市—颱風—決策時點」為觀察單位， 先估計在當時預報與地方條件下的合理停班機率，再分析偏離預測的部分是否與選舉條件相關。

1. 固定效果模型：控制縣市長期文化、產業結構、颱風個案共同衝擊與年度趨勢。
2. 邊界案例設計：聚焦風雨預測接近規範或實務判斷邊界的觀察，避免把明顯災害事件算成裁量。
3. 任期與資格交互作用：比較可連任、任期屆滿及未參選現任者，而非只比較選舉年。
4. 決策序列分析：納入鄰近縣市誰先宣布，辨識政策協調、跟進與共同氣象訊號。
5. 安慰劑檢驗：測試非颱風季、沒有裁量空間的高風險事件，或不涉及現任連任的選舉是否出現相同關係。

即使觀察到選舉接近與停班機率相關，也只能在控制充分、結果對模型穩健且替代解釋不成立時，逐步接近因果推論。 單一縣市、單一颱風或幾則政治發言，都不足以證明連任動機。

八、降低政治猜疑的治理設計

1. 公開決策快照：保存決策時間點使用的氣象預測、地方風險與行政理由，避免事後只看實際天氣。
2. 統一揭露格式：各縣市以相同欄位說明達到哪些基準、使用哪些特殊情況條款，以及是否與生活圈協調。
3. 事後校準報告：以多年資料比較預報、決策與實際災情，檢視門檻是否過度寬鬆或嚴格，而非針對單次事件究責。
4. 區分行政與政治訊息：由專業應變團隊共同說明，降低所有責任與能見度集中在單一政治人物。
5. 建立開放資料：將歷次決策、時間戳、預報快照與適用區域以機器可讀格式發布，讓研究者可重現分析。

透明化的作用不是消除裁量，而是讓裁量留下可檢驗理由。當規則、資訊與責任鏈清楚，政治人物即使面臨選舉， 也較難透過選擇性敘事把正常風險決策轉化成個人恩惠。

九、研究限制與倫理

• 本文沒有建立臺灣縣市逐次停班停課與選舉的完整面板資料，因此不估計效果大小。
• 國際研究多處理災害損失、救濟或重建，不是停班停課；可支持政治機制，但不能直接移植係數。
• 現行法規於 2026 年修正，跨年度研究必須處理規範、行政區與氣象技術變化。
• 事後實際風雨與決策時預報不同。用事後資訊批評決策會產生後見之明偏誤。
• 討論政治誘因不等於判定個別首長有不當動機；對人物的指控需要事件證據、文件與可反駁的識別策略。

本文由商業組織的研究編輯室撰寫，未接受政黨、候選人或政府機關委託，也未使用會員政治傾向資料。 文章目的在建立可驗證問題，不為任何政黨或個別政治人物背書。

十、結論

「颱風天是否放假」同時是氣象、風險、行政與政治問題，但不能因為決策具有政治能見度，就直接推論其目的在追求連任。 現有災害政治文獻顯示，選民有時獎勵救援、有時懲罰損失，也可能辨識不同層級政府的責任； 災害對現任者的平均選舉效果並不一致。

對臺灣最有研究價值的問題，不是「哪位首長最常放」，而是：在決策當時的風雨預報與地方風險相近時， 可連任且接近選舉的首長，是否系統性採取不同門檻。回答這個問題需要逐事件的預報快照、停班停課時間戳、 地方風險與選舉資料。完成這項資料工程之前，合理態度應是保留政治誘因的可能性，同時拒絕把相關性、印象或單一案例當成因果證明。

參考文獻

1. 行政院人事行政總處（2026）。〈修正「天然災害停止上班及上課作業辦法」部分條文及第四條附表〉。官方法規公告
2. 行政院人事行政總處（2026）。《天然災害停止上班及上課作業 Q&A（115 年 5 月修訂）》。官方 Q&A
3. 交通部中央氣象署。《颱風資料庫》。官方資料庫
4. 中央選舉委員會。《選舉資料庫》。官方資料庫
5. Healy, A., & Malhotra, N. (2009). Myopic Voters and Natural Disaster Policy.American Political Science Review, 103(3), 387–406. https://doi.org/10.1017/S0003055409990104
6. Gasper, J. T., & Reeves, A. (2011). Make It Rain? Retrospection and the Attentive Electorate in the Context of Natural Disasters. American Journal of Political Science, 55(2), 340–355. https://doi.org/10.1111/j.1540-5907.2010.00503.x
7. Bechtel, M. M., & Hainmueller, J. (2011). How Lasting Is Voter Gratitude? An Analysis of the Short- and Long-Term Electoral Returns to Beneficial Policy. American Journal of Political Science, 55(4), 852–868. https://doi.org/10.1111/j.1540-5907.2011.00533.x
8. Cole, S., Healy, A., & Werker, E. (2012). Do Voters Demand Responsive Governments? Evidence from Indian Disaster Relief. Journal of Development Economics, 97(2), 167–181. https://doi.org/10.1016/j.jdeveco.2011.05.005
9. Masiero, G., & Santarossa, M. (2021). Natural Disasters and Electoral Outcomes.European Journal of Political Economy, 67, 101983. https://doi.org/10.1016/j.ejpoleco.2020.101983
10. Taheri Hosseinkhani, N. (2026). The Resilience of Local Democracy: Natural Disasters and the Incumbent Survival Effect. Electoral Studies, 101, 103076. https://doi.org/10.1016/j.electstud.2026.103076