習近平政權穩定性恐受「1因素」影響!陸委會密切關注
FTNN新聞網.2024年4月23日 14:45

[FTNN新聞網]記者陳弘志/台北報導

陸委會近日舉行第56次諮詢委員會議,主題為「習核心下中國大陸經濟體制及發展模式可能轉變之觀察」,會中討論「特定因素」可能引發習近平政權的穩定性,恐影響兩岸局勢,我方需密切關注。

習近平政權穩定性恐受「1因素」影響,陸委會關注中。(圖/中國政府網)
習近平政權穩定性恐受「1因素」影響,陸委會關注中。(圖/中國政府網)

部分委員指出,假設中國大陸經濟成長維持低落,失業率持續上升,農民工及青年失業,以及貧富差距加大等問題,對其社會體制運轉及政權穩定性將造成影響,提醒我方應審慎關注。

另外有部分委員指出,中國大陸大型國有銀行不良資產占比攀升,恐影響對企業放貸能力,民企在供給過剩需求不足下,利潤萎縮倘無法獲得資金挹注,未來倒閉風險恐大幅增加,將連帶出現相關從業人員失業潮,進而影響社會穩定,我應持續關注相關情勢風險與變化,審慎關注對台經貿可能影響。

部分委員觀察,為因應美中科技戰及供應鏈分流趨勢,外國企業及在陸台商採「中國+1」策略,轉移投資成趨勢,部分台商選擇留在中國大陸經營內需市場,形成「In China, For China」模式,透過與陸商合資或併購,轉變為具有混合身份的「新陸商」或「混血台商」,未來台商資本結構轉換及發展模式,將影響兩岸產業長期以來合作模式,並對「新身分台商」的認定,以及產業輔導政策帶來新挑戰。

部分委員提醒,美中科技競逐下,台灣恐成為高技術人才被挖腳的對象,面臨技術外流的風險,政府應適時協同相關部會盤點更新,將人工智慧相關項目納入風險清單。

與會學者引言,中國大陸政府債券及地方政府融資平台(LGFVs)債務持續攀升,LGFVs高度依賴銀行等金融體系,恐對金融體系穩定性造成影響,對經濟負面效應不容忽視。儘管中共期望發展模式由投資驅動轉向消費驅動,惟政策過於偏好科技及製造業發展,而非消費領域,資金流向製造業加劇,將造成部分產「業產能過度擴張」,供需失衡下,「產能過剩現象」愈發突顯,陸企削價競爭傾銷全球,恐加劇中國大陸與歐美等國貿易摩擦,並衝擊我相關產業,應預為因應。

更多FTNN新聞網報導
陸委會警示:研判中國在2024選舉前後對台「複合性施壓」
「竟然迎合中共主張!」陸委會「4點聲明」痛批馬英九 
解讀馬習二會/趙春山洞悉「這詞」是兩岸通關密語!賴清德520後可揣摩

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

盧秀燕 白肉鍋

中國 大陸

吳釗燮 徐巧芯

盧秀燕 吃鍋

柯建銘 參加 朝野

余天 女婿 涉詐

臺灣時報
今日新聞NOWnews
三立新聞網 setn.com
民眾日報
鄭文燦宣布中央60億蓋台中會展中心西側館 與盧大啖酸菜白肉鍋
圖說一:行政院副院長鄭文燦視察台中水湳國際會展中心西側展館預定地,宣布中央全額編列六十餘億元經費,並拍板定案。(記者鍾麗如攝)
  • 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