謝國樑罷免案之後的幾點思考
思想坦克Voicettank.2024年10月15日 07:00
圖片來源:中央社
圖片來源:中央社

⊙風城小花卷

國民黨籍基隆市長謝國樑罷免案,在10月13日的投票結果,以同意票86014對不同意票69934,約一萬六千票的差距,宣告不通過。這樣的結果,對於國民黨來說,可謂是喜憂參半;對於台灣社會而言,也是到了對罷免程序與對象進一步思考的時刻。

一、拆樑的起因與過程

謝國樑罷免案之所以能進入到最終階段,是三項主要事件交織使然:電動機車爭議、東岸商場爭議、青鳥運動外溢效果。

電動機車,是謝國樑競選期間的主政見之一,主張勝選後免費提供就業青年Gogoro電動機車,但是在勝選後,改成其他廠牌,還一度傳出該廠牌在基隆沒有換電站,套一句民法用語,叫做「債務不履行」中「不完全給付」的「瑕疵給付」,簡稱跳票爭議。

東岸商場爭議,涉及前後任廠商合約問題,謝國樑市府的處置方式引發前任廠商不滿並大動作抗議,一度成為全國焦點,也讓輿論朝「清算前朝」的方向發展。

青鳥運動,是2024年新國會就任後,於五月賴清德正式就職後,因藍白陣營提出《立法院職權行使法》等修正案,引發擴權疑慮,促使民眾集結於立院周遭抗議,最終隨著藍白人數優勢過關、戰場轉移至憲法法庭而暫歇。

這三項事件,為何最終無法讓拆樑案過關?大環境的因素是一個,也就是基隆的政黨結構,是藍大於綠,有著基本盤優勢;戰術的因素是一個,也就是國民黨的反罷,在刺激藍白支持者的投票動力上,至少與拆樑團體方面相互抗衡。

從最終票數來看,謝國樑獲得的不同意罷免票,約八萬六千票,2022年市長選舉的得票數則是九萬六千票;罷免同意票為約七萬票,若以2022年民進黨蔡適應的得票七萬一千票相比,則約略相等。在總投票率上,2022年市長選舉是60%左右,2024年的罷免案則是50%,在相差一成的情況下,拆樑團體催出的投票動力,確實贏過藍營,但可惜不足以推翻藍營的基本盤優勢。

國民黨戰術的選擇,與之前幾起主要罷免案相互對照,可以獲得一些有趣的觀察。

二、拆樑與罷韓、罷捷、罷Q的一些異同

過去數年,台灣社會經歷過的主要罷免案,有韓國瑜、黃捷、陳柏惟等四項投票。其中國民黨在罷韓與拆樑是防守方,在罷捷與罷Q則是進攻方。

先從進攻方來看,高雄鳳山綠營較有優勢,台中中二選區則是國民黨與顏清標家族的優勢區。時任無黨籍鳳山區議員的黃捷,過程中獲得綠營支持者的肯定,罷捷團體主打的萊豬等議題無法激起多數共鳴,且一度傳出使用性別歧視等人身攻擊字眼,引發反感,最終罷捷失敗。

罷Q的部分,在顏家傾巢而出,誓言要奪回立委席次的情況下,時任台灣基進立委的陳柏惟,雖透過苦行召喚出反罷方的投票動力,但在與民進黨不論是文宣或組織的配合上,卻呈現出詭譎的不協調感,最終以四千票之差,罷免案過關。

至於罷韓,可簡單歸納三個關鍵變數,一個是韓國瑜宣布選總統,違背自己承諾當落跑市長;另一個公開嗆聲選民「放馬過來,林北等你」,徹底激怒高雄市民;第三個則是在判斷大勢已去後,呼籲支持者不投票,因而促成最終九十三萬票同意,兩萬五千票不同意,亦超過市長當選的八十九萬票紀錄。

回顧上述四項罷免案,無論是進攻方或防守方,關鍵都在於激發己方的投票動力,然而不管進攻方是哪一個政黨,都必然訴求「施政/問政不力」,作為罷免的核心正當性,同樣有趣的是,從結果來看,「施政/問政不力」,反而不是核心的動力;讓己方支持者出門投票的力量,是「有沒有被激怒」。

如果說韓國瑜錯誤的激怒了對方的支持者,對比基隆,國民黨則是聰明地選擇了一個人物來激怒己方的支持者:前市長林右昌。一邊是讓謝國樑維持低姿態,一邊則是將拆樑方的攻勢,都連結到林右昌的「復仇」意圖上,營造成藍綠對決的態勢,既降低了政治冷感中間選民的投票意願,也讓藍營支持者產生對手「輸不起」的憤怒感。最終在雙方戰術皆正確的情況下,回歸到基本盤的態勢,決定最後的結果。

三、國民黨修《選罷法》提高門檻,恐適得其反

隨著謝國樑罷免案以失敗告終,外界多預料國民黨會「趁勝追擊」,與白營共同修正《選罷法》,提高罷免門檻,以杜絕後患。然而,這種公然展示心虛的作法,不只是賦予綠營支持者再度走上街頭,抗議民主倒退的理由,也會讓白營扮演關鍵少數,在新一輪的藍綠對抗中,左批藍右打綠,爭取游離群眾支持,不管長看短看,都是空。

假如國民黨在欠缺更正當的理由下,堅持並最終提高罷免的門檻,無疑是將努力年輕化、進步化的形象毀於一旦,「怕罷免」的印象烙印在選民心裡,也更加欠缺主動提罷免的正當性。簡而言之,「博壞驍(博壞賭)」的國民黨,實在不是讓人能大方驕傲對外宣稱的支持對象。

另一方面,即便開啟所謂的「大罷免時代」,最終也不會有真正的贏家。一如前面的討論,罷免比的是在基本盤的結構中,假定雙方沒有重大失誤的前提下,哪一方能夠動員出足夠多的「激怒票」,所以罷免從成案到最終投票,必須不斷地尋找憤怒的理由,但真的有那麼多足以憤怒的理由嗎?諸如東西方兩大歷史事件,東方努爾哈赤討明的「七大恨」,只有第一個明皇帝殺了自己父親與祖父的恨是有夠恨,其他六個幾乎雞毛蒜皮;西方美洲殖民地的獨立宣言,講一大篇的重點也只有老子繳錢卻沒有代表,其他根本微不足道,更何況是當代的民主社會?

最重要的是,罷免從成案到投票,法定日程雖然約兩個月,但為了讓之前的階段連署過關,往往會從當選那一刻便啟動,累積憤怒能量,到就職滿一年後尋找時機發動。依台灣社會「一次只能關注一個事件」的氛圍,如果出現罷免遍地開花的現象,最終只會有極少數獲得全台關注的選區,有可能會成案通過,其餘都會默默地失敗。但過程中所消耗的人物力、議題互打帶來的情緒代價,長遠來看,可能都會產生相對明顯的負面效果。

綜合以上的考慮,或許是時候思考,「罷免2.0」的修正方向。

四、罷免條件應區分行政首長與民意代表的理由

支持《選罷法》修正,並不是支持國民黨那種「贏了就不讓你翻盤」沒品理由,這是要特別強調再三的。《選罷法》應該要修正的理由,是要顧及「行政穩定性」。

現行的《選罷法》,從罷免議員到罷免市長,都是同樣的流程,同樣的門檻,但行政首長與民意代表的權限與職責,卻有很大的不同。無論是立法院或地方議會,除了極少數的縣市之外,都是兩位以上的民意代表在審查提案與監督政府施政,權力有限;然而行政首長則負有指派、領導局處首長的責任,以台北市為例,光局處一級機關就有31個,每一次權力更替,僅僅人事任命,就是重大工程,用同一套標準來進行罷免,未免有失公允。

在「行政穩定性」優先的思考下,對於《選罷法》的修正,或許可朝向「行政嚴,民代寬」的方向,更具體一點來說,假設民代標準不變,但行政首長的門檻可提高,例如「罷免同意票須超過市長得票數」。從罷韓的前例來看,在過程中,國民黨一方確實不停釋放「如果罷免同意票沒有比市長得票高,則不具備正當性」的論述,隨著最終結果的出爐,這個聲音不但自動消失,從普遍角度來看,也是讓「少數否決(沈默)多數」的論述不攻自破。

拋開藍、綠、白等政黨區別,面對罷免議題,或許可以從罷韓到拆樑這段時間累積的經驗中,思考讓台灣民主可以更穩定也更強化民主意識的精進方向。

作者是一個離大學很久,沒吃過校門附近胡椒餅卻意外很想念的上班族。

更多思想坦克的文章

周日基隆罷樑案的最後影響因子

每當風雨欲來,菜價高漲的政治陰謀

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

蔡英文 出席 捷克

國防部長 應變

威脅 台海

捷克 論壇

謝國樑 投票

美國 中方 克制

中時財經即時
聯合新聞網
FTNN新聞網
太報
前總統蔡英文出席公元兩千論壇演說 呼籲團結堅持民主價值信念
前總統蔡英文今(14)日出席第28屆公元兩千論壇,以「證明民主的決心與韌性」(Proving Democracy's Resolve and Resilience)為題發表演說。她說,台灣站在威脅主義威脅的最前線。50多年來,面臨來自中國共產政權的持續威脅。她呼籲民主國家透過團結、共同努力,堅持對民主價值的信念。
  • 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