眾院共和黨「有條件」提總預算案 民主黨批輕率、拒接受
世界日報World Journal.2024年9月10日 17:35

下一個會計年度將於10月1日開始,聯邦政府機關恐因預算不足而停擺,兩黨國會議員再次上演角力戰,9月30日是國會通過立法的期限。共和黨籍眾院議長強生(Mike Johnson)提出為政府提供6個月經費的臨時預算草案,但條款納入選民登記時必須出示公民身分證明。眾院少數黨領袖傑佛瑞斯(Hakeem Jeffries)9日表示反對,批評強生提案「輕率且令人無法接受」。

白宮也發表聲明表示,眾院6日公布的聯邦總預算草案無法為國防計畫、退役軍人服務提供足夠資源。聲明中說,共和黨版本的預算草案將讓美國民眾仰賴的政府計畫瀕臨全面刪減。

美聯社分析,強生打算將整個會計年度預算的最終表決拖到明年才處理,屆時已選出新任總統,也有新任國會。眾院共和黨團成員力勸強生指出,共和黨可望在大選取得更多眾院席次,共和黨希望推動與共和黨支持的預算計畫與施政要項,留待明年推動將較為順利。

不過,傑佛瑞斯則說,撥款程序應在本屆國會完成,短期預算法案應該包括整個國計年度的撥款。他表示,預算法案不應該帶有「基於政黨立場的政策改變」。

結束暑假休會之後,國會本周復會,國會議員紛紛返回華府。根據慣例,國會議員每年8月休會期間,絕大多數都回到各州及選區裡工作。由於十多個聯邦機關下一個會計年度的年度撥款草案都尚未完成,國會議員必須通過臨時開支法案做為權宜之計。

美聯社報導,要求選民登記時出示公民身分的條款,讓眾院提案複雜度增加。改革選民登記受到共和黨眾議員高度歡迎,先前曾經通過表決。極右派陣線「眾議院自由黨團」(House Freedom Caucus)要求選民登記改革必須納入支出法案。

共和黨陣營說,要求出示公民身分有助於確保只有美國公民才參加投票,增進民眾對全國聯邦選舉制度的信心。但反對人士說,非公民投票原本就觸犯聯邦法律,要求出示身分證明可能讓數以百萬計美國人無法投票,因為辦理選民登記時身邊沒有證件。

更多世界日報報導
俄州3姊妹繼承珍藏逾40年、罕見10分硬幣 價值上看50萬元
蘋果發表會/iPhone 16從13日起開放預購 有何新特色?
加州速食店就業機會增?數據曝今年已減少3千個崗位

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

謝龍介 參選 台南市長

媒體 宣傳 預算

雲林 槓上 中央

政府 宣傳 預算

賴清德 民調

賴清德 派系

中時新聞網
TVBS新聞網
三立新聞網 setn.com
匯流新聞網
台南市長戰 謝龍介喊話只做4年 綠營拉警報
國民黨台南市立委謝龍介15日在政論節目中被名嘴以民調拱參選下屆台南市長,他承諾若參選仍堅持只做4年,立刻遭民進黨視為假想敵。民進黨台南市立委林俊憲子弟兵蔡筱薇解讀謝此舉是宣布參選,但嘲諷他應先改掉歧視女性的壞習慣。謝龍介16日澄清未正式宣布,但積極準備,期待與台南市民一起做出大改變。
  • 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