中央民意代表的多樣性

單一選區制讓立委名額愈少對大黨愈有利，約化的效益愈高，也致使立委多樣性降低。

但就立委工作性質而言，如果名額增加則選區的畫分會愈小，如此必使立委專心地方事務的經營，而忽略中央事務。

那麼如何讓立委選區畫分大、總名額少、保持多樣性且不致使小黨泡沫化。

除了區域名額轉移到不分區名額的方法外，我提出另一種想法，這是從 bayesian classifier 中得到的靈感。要建立貝氏分類器，其依據的歷史事件至少要出現一次，否則無法預測。

舉例來說：我們手上有一份歷史資料，是談「年齡幾歲」、…、「是不是學生」與「是否買電腦」的數據，然而在這份資料中，怡好沒發生過「年齡為60~65歲」的人買或不買電腦的紀錄，那麼利用這份資料所建立的貝氏分類就無法預測「年齡為60~65歲」的人會不會買電腦。但不能預測不代表這事件不會發生，所以我們可以透過 Laplacian correction 的技巧，讓我們的分類器可以拿來預測「年齡為60~65歲」的人會不會買電腦。

Laplacian correction 的方法是將所有的「年齡幾歲」事件發生次數都加一。也就是把
「年齡為20~25歲」的出現次數加一
「年齡為25~30歲」的出現次數加一
...
...
「年齡為60~65歲」的出現次數加一

這樣對整體事件出現的機率影響不大，卻變成可以預測「年齡為60~65歲」會不會「買電腦」。

利用 Laplacian correction 的概念，我們把它應用在不分區立委上，設定一最低門檻(一定要比不分區計席門檻還低)，假設是 0.5 % 或是 3 萬張選票，只要過此門檻的政黨一律可分得一席觀察員立委，它的職務權利是否等同一般立委可再討論，但如此作來對立院的政黨比例來說影響十分小，以本次政黨得票數來看，用 5 萬張選票作門檻，其新的立委名額分配如下：

由上可知，對大政黨來說，比例影響不大，如國民黨依舊在 2/3 以上，但對小黨而言，卻是無及有的區別，同時，也讓國會的立委來源多樣性，一般選民也可增加對其他政黨的認識機會;讓小政黨提早進入國會實習也有助未來長大之後的立法品質及效率。