石破茂首次國會演說連呼「國民」30次 提深圳日童遇襲「不能坐視不管」
TVBS新聞網.2024年10月4日 14:51

石破茂在國會進行施政演說。(圖/達志影像美聯社)

日本首相石破茂1日上任後,今(1)日在眾議院本會議上進行首次的施政演說(所信表明演說)。針對自民黨派系政治獻金不當使用問題,石破茂表示會盡到說明責任,強調要恢復民眾對政治的信任,在30分鐘的演說中提到「國民」近30次。外交方面,他表示要與中國推進「戰略性互惠關係」,並提及日本男童深圳遇襲事件。

綜合《時事通訊》等日媒報導,石破茂稱自民黨政治獻金醜問引發國民對政治的不信任,對此他表達深刻反省,今後將與不實申報政治獻金的議員們重新對話並要求反省,強調目標是達成「為國民的政治」,而非以政治家為重的政治。他承諾遵守《政治資金規正法》,將努力提高政治獻金的透明度,以獲取民眾的信任。

經濟政策方面,石破茂將延續岸田內閣的路線,以經濟優先於財政為基礎,優先實現脫離通膨的目標。他提出「由加薪和投資推動的成長型經濟」,期盼實現超過物價上漲幅度的薪資成長,讓日本成為投資大國。

外交方面,石破茂強調將推進「基於確切國益的外交」,加強日美同盟的嚇阻與應對能力。雖然石破茂期盼與中國推進「戰略性互惠關係」,但同時對東海、南海局勢表達擔憂。他也稱9月在深圳發生的日本男童遭襲擊事件「絕對不能坐視不管」。2025年適逢日韓建交60週年,石破茂強調今後也將與韓國與美國密切合作。

報導指出,這次石破茂施政演說約9500字,是自2012年自民黨重新執政以來篇幅最長的一次。但石破在自民黨總裁選舉期間,提出的亞洲版北大西洋公約組織(NATO)創設和修訂《日美地位協定》等議題,並未被納入此次演說中。政府相關人士稱這些議題仍在準備階段,政府尚未形成具體方案。

日媒指出,石破茂演說時間約30分鐘,提及「國民」一詞將近30次,可以感受到政治獻金事件重挫自民黨後,他努力想要挽回人民信賴。而10月27日舉行的眾議院選舉結果,將顯現出日本民眾是否有感受到石破的決心。

更多 TVBS 報導
石破內閣大合照挨轟「太邋遢」 網傻眼:首相肚子跑出來
石破茂「最弱內閣」剛上路 數位大臣遭爆收詐騙公司政治獻金
中日仇恨續燒!廣西驚見「踩日本旗獲送五星旗」 孩童也開心狂踩
「石破茂放鴿」暗示不升息!日圓貶破147 激勵日股一度飆漲千點

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

安泰醫院 蘇清泉

雷神 台灣

賴清德 出席 將官

高雄 颱風假

颱風 標準 惹議

美軍 雷神 抬價

今日新聞NOWnews
今日新聞NOWnews
信傳媒
三立新聞網 setn.com
安泰醫院大火116人轉院、17人還在加護病房
[NOWnews今日新聞]屏東東港安泰醫院昨(3)日發生火警,造成9人死亡。衛福部今(4)日公布統計,本事件總計轉院病患共116人,分送屏東、高雄2縣市14間醫院,目前有97人繼續留院,其中有17人收...
  • 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