鏡民調/藍綠白立委表現滿意度 民進黨39.5%最高、民眾黨30.6%墊底
三立新聞網 setn.com.2024年4月17日 11:00

記者盧素梅/台北報導

新國會在2月1日就職,呈現藍綠白三黨不過半,其中,民眾黨8席立委更成為關鍵少數。面對國會新生態,根據鏡新聞今(17)日公布的最新民調顯示,民進黨立委整體表現滿意度獲39.5%最高,其次是國民黨38.9%,民眾黨30.6%墊底。

鏡新聞第十五波政經情勢民意調查(圖/鏡新聞提供)

鏡新聞今天公布2024年四月政經民調第十五波調查結果,對於新國會各政黨立委表現滿意度調查,39.5%表示滿意民進黨立委整體表現(上次調查為40.7%)、43.6%不滿意(上次調查為42.3%;國民黨立委整體表現,認為滿意的有38.9%(上次調查為36.8%)、不滿意為44.4%(上次調查為45.9%);民眾黨立委整體表現認為滿意的有30.6%(上次調查為34.2%)、不滿意為48%(上次調查為46.7%)。

鏡新聞第十五波政經情勢民意調查(圖/鏡新聞提供)

民調顯示,綠藍白三黨立委表現仍呈現不滿意高於滿意的情況,滿意度為民進黨第一、國民黨第二,民眾黨最低;不滿意度民眾黨最高、國民黨第二,民進黨最低。

鏡新聞第十五波政經情勢民意調查(圖/鏡新聞提供)

本調查由《鏡新聞》規劃,並委託大地民意研究公司協助問卷設計與執行調查。自2024年4月14日至4月15日,調查戶籍於台閩地區且年滿20歲以上的民眾。有效樣本:市話539人、手機539人,共1,078人,在95%信心水準下抽樣誤差正負2.93%。調查抽樣方法採用市話及手機雙底冊訪問,市話採用縣市電話比例進行分層抽樣,手機使用後五碼隨機抽樣抽出號碼。加權方式依內政部最新人口資料,針對戶籍地行政區、性別、教育程度及年齡採用多重反覆加權(Raking)。母體資料來源為數位發展部政府資料開放平台https://data.gov.tw/。經費來源:鏡電視。

更多三立新聞網報導
鏡民調/蔡英文施政八年評價 過半數50.4%滿意、39.5%不滿意
鏡民調/準內閣人事滿意度 卓榮泰37.4%、鄭麗君48.2% 準閣員他第一名
藍猛批準工程會主委4爭議 陳金德一一駁斥:若再惡意拚湊,不排除提告
藍委控準經濟部長郭智輝曾助中國成立晶圓廠 陳世凱澄清:非協助

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

正副議長 賄選

中國 馬祖 旅遊

台南 正副議長 賄選

蕭美琴 聽取 國安局

點名 台北市長

中國 兩岸

TVBS新聞網
中時新聞網
三立新聞網 setn.com
聯合新聞網
南市議長賄選一審判無罪 藍批摧毀人民信任
台南市正副議賄選案,審理一年多,今天一審宣判,被告邱莉莉等10名被告,都獲判無罪,邱莉莉哽咽感謝,說自己沉冤得雪,民進黨市議會黨團甚至公開喊話,要求黨中央恢復邱莉莉黨權;不過,國民黨立委謝龍介痛批,買票變成換票,法院的判決,已經徹底摧毀人民對司法的尊敬與信任!
  • 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