美國大選》川普與賀錦麗勢均力敵 關鍵在最後才做決定的選民
新頭殼.2024年10月4日 20:08
川普(左)與賀錦麗(右)選情緊繃,關鍵砝碼可能在最後才要下決定的那些選民   圖:翻攝自兩位領袖的X,新頭殼合成

[Newtalk新聞] 美國再過31天就要舉行大選,根據美國公共電視新聞網(PBS)與全國公共電台(NPR)委託瑪莉斯特民調(Marist Poll)進行的最新調查結果,共和黨總統候選人川普(Donald Trump)與民主黨總統候選人賀錦麗(Kamala Harris)勢均力敵,誰輸誰贏可能要看最後才下決定的選民如何投票。

美國公共電視新聞網與全國公共電台委託瑪莉斯特民調於於9 月27 日至10 月1 日針對1,628 名美國成年人、1,514 名登記選民以及1,294 名可能選民進行調查,結果發現可能投票的選民支持賀錦麗的比例略高於川普(50% 比 48%),而獨立選民對川普的支持則略多於賀錦麗4% 。

共和黨策略師馬登(Kevin Madden)指出,「這絕對是一場勢均力敵的比賽。沒有犯錯的餘地,猶豫不決的選民群體正變得越來越窄。」

八成的登記選民表示,他們的想法已完全決定,無論發生任何事情都不會改變他們的選票。在接下來的五週內,雙方陣營將花費大量時間和金錢,爭取贏得剩餘 20% 選民的支持。

值得注意的是,15% 的登記選民表示,他們很清楚自己會支持誰,但仍可能改變主意,5% 則真的還沒有決定要投票給哪一位。

民主黨策略師沙基爾(Faiz Shakir) 表示,這些自稱尚未做出決定的選民數量既令人擔憂,也是一個機會。他補充說,這就是為什麼賀錦麗自七月獲得民主黨提名以來一直用屈居下風的姿態競選。

沙基爾說,仍然有「太多」不確定的選民,但這是有道理的,因為他們對臨危受命取代老將拜登(Joe Biden)的賀錦麗有更多認識。

沙基爾指出:「她支持變革,因為她不是拜登;她支持變革,她是一個新人。但要充分完成關於變革的論證,你必須讓人們相信你會介入並以行動為導向。」

沙基爾認為,一小部分最後才要做出決定的人可能會左右選舉結果,賀錦麗應該集中精力說服他們,讓他們相信她會「像一團火球」入主白宮,專注於改善他們的生活,解決他們所擔憂的問題。

查看原文

更多Newtalk新聞報導
最新民調!仍在誤差範圍內 賀錦麗搖擺州領先2% 川普又面臨前助理背叛
因4年前推翻大選結果被追訴 川普稱遭「政治迫害」 CNN : 近半選民仍挺他

最新選舉新聞

最新選舉新聞

多元觀點

不同視角的媒體報導

哈佛 演說

颱風 標準

立法院會 卓榮泰

雷神 台灣

蟒蛇 戰略

陳由豪 潛逃

中天新聞網
台灣好新聞
中天新聞網
老鵝日報
影/顧立雄、張惇涵反了?賴清德罵將官立威門 2名嘴齊斷言「新英系」捅一刀
總統賴清德近日被傳出8月時國防部茶會上,因不滿將官沒起立敬禮震怒發飆,國防部長顧立雄、總統府副秘書長張惇涵先後出面澄清,時事評論員謝寒冰、陳鳳馨分析。
  • 資料來源:網路溫度計自2017年至今約累積28億則以上文章的網路社群大數據資料庫,其內容涵蓋Facebook、YouTube、Instagram、Dcard、以及包含Yahoo奇摩新聞、聯合新聞網、中時新聞網、ETtoday新聞雲、LINE TODAY、蘋果日報、自由時報、三立新聞網等約350家媒體網站上與選舉相關之政黨、候選人公開資料。
  • 分析方式:本模型分析方式非採傳統抽樣之民意調查,係將蒐集之資料庫予以分析,無母體數、樣本數限制。本模型係運用大數據關鍵引擎,透過深度學習與AI人工智慧技術,使用斷字切詞(Word Segmentation)、語意分析(Semantic Analysis) 、即時情緒分析(Real-Time Sentiment Analysis)等技術,汲取網路上相關討論文章,將文章分為正面、負面、中立三種情緒,計算網路聲量。
  • 跨世代劃分標準:本預測模型判別跨世代之依據,係以不同世代使用者之網路社群行為模式差異區辨。以不同社群網站之使用者世代臉譜數據為基礎,計算跨世代在不同社群聲量上的權重,綜合計算後得到世代好感度數據。
  • 名詞解釋
    • 網路聲量:透過「KEYPO大數據關鍵引擎」,計算社群討論及新聞報導提及的文章則數,聲量越高代表討論越熱,能見度越高。
    • 好感度分數:綜合評估網路聲量與網友語意情緒,分析各熱門候選人的網友評價。各熱門候選人的情緒、聲量皆經過標準化分數處理,得出好感度分數,再進行各縣市候選人彼此的比較,評量不僅需要聲量高,而且是好評要高,負評要低。好感度分數範圍在0-100分之間,分數越高,表示整體網友對於該位候選人的好感程度越佳。
  • 其他說明
    • 調查單位及主持人:大數據股份有限公司
    • 辦理時間:即日起至2022年11月16日止,逐日更新好感度數據。
    • 抽樣方式:本預測模型非抽樣之民調調查
    • 母體數:無母體數,請參考上述大數據資料庫的內容涵蓋範圍
    • 樣本數及誤差值:本預測模型非採用小樣本抽樣之民意調查,不適用抽樣誤差值
    • 經費來源:Yahoo奇摩、大數據股份有限公司