面對解放軍威脅 國防院民調:48.7%民眾願意加稅增加國防預算
中天新聞網.2024年10月9日 16:09

國防安全研究院今(9)日舉行「安全挑戰與國際變局:2024年台灣國防與外交政策民意調查」發布記者會,公開今年9月的民調結果,顯示面臨解放軍的威脅,有將近5成的民眾願意政府加稅,以增加國防預算。

國防安全研究院。(圖/國防院臉書)

國防院表示,台灣近年來因地緣政治而受到國際高度關注,在美中競爭、俄烏戰爭、日益緊密的台美高層互動的趨勢下,台灣的因應也成為焦點。作為成熟的民主國家,民意對於政府的政策有一定程度的影響。當各國紛紛擔心兩岸關係以及台海情勢朝向負面發展,台海爆發戰爭的可能性提高時,究竟台灣人民如何看待大陸的威脅?如何評估目前的國防準備?是否贊同當前的外交方針?及對友盟的信任程度為何?

本次調查以居住在台灣且年滿18歲以上的民眾為對象,以電話訪問方式進行隨機抽樣調查,由政大選舉研究中心於9月11日至16日執行,實際訪問完成851份市話樣本、363份手機樣本。

政黨取向影響民眾對加稅提高國防預算的支持度。(圖/國防安全研究院)

根據民調結果,在台灣的防衛準備部分,除了自我決心以及國軍的戰力外,也包括國防預算—面臨解放軍的威脅,國防預算的增長可提升我國防衛能力與信心。針對問題:「請問您贊不贊成政府增加國防預算,即使可能要加稅」,結果顯示,在全體受訪者中,有48.7%表示較為贊成(「非常贊成」與「有點贊成」加總),略高於較不贊成的45.8%。

由交叉分析顯示,民眾的黨派立場,仍是影響國防預算增長態度差異的關鍵因素。例如在民進黨支持者中,有71%贊成加稅提高國防預算,其中32%非常贊成。81%的時代力量認同者亦支持加稅提高國防預算,其中13%非常贊成。然而,國民黨的支持者,只有30%贊成加稅提高國防預算,民眾黨認同者,則有50%支持加稅提高國防預算。

值得注意的是,民進黨支持者也有11%非常不贊成加稅提高國防預算,時代力量認同者則有19%不太贊成加稅提高國防預算。

國防院指出,該結果意味台灣社會對於增加國防預算尚未具有共識,個人黨派認同導致的議題立場差距,仍有待政府進一步的社會溝通。

延伸閱讀
美軍援台發霉防彈衣、過期彈藥 陸國防部:美把民進黨當「冤大頭」
別以為軍人只知打仗 軍方結合學界編列近10億研究先進科技
志願役官兵人數創新低 李彥秀示警:職業軍人寧願放棄晉升也要退伍

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

光雕 展演 韓國瑜

賴清德 祖國論

演說 軍演

罷免 謝國樑

捍衛 賴清德

副市長 做好 蔣萬安

民視
CTWANT
太報
太報
賴總統、韓國瑜「為國慶光雕點燈」! 聲光絢爛民眾HIGH翻
即時中心/林耿郁報導2024年國慶總統府建築光雕展演「當我們同在一起」今(8)天登場,賴清德總統晚間出席點燈儀式,並邀請國人朋友一起到總統府前欣賞展演,一同見證台灣的故事及多元文化,欣賞每個世代不同的精彩面貌。
  • 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