無情真實的未來預測

【總統滿意度民調趨勢圖】 一、目的：整合TVBS、美麗島電子報、台灣民意基金會三家主要民調機構之數據，並透過歷次選舉驗證所調整之『機構效應加權模型』，建立具有代表性與時序一致性的觀察指標，長期追蹤賴清德總統施政滿意度之民意變化趨勢。 二、 加權原則： 根據過往多次選舉結果驗證，加權度公式採 ( TVBS×2 + 美麗島×1 + 台灣民意×1 ) ÷ 4 三、 若某月 TVBS 民調缺值，則改以『當月美麗島與台灣民意基金會民調＋上月TVBS值』，加權平均補足。 【原始 民調線性迴歸趨勢圖 】 【美麗島民調】 資料來源與詳細交叉分析： 美麗島民調 【台灣民意基金會】 資料來源與詳細交叉分析： 台灣民意基金會 【TVBS民調】 資料來源與詳細交叉分析： TVBS民調中心 【Google Trends搜尋趨勢】 ------ 【歷史回顧】人們不會滿意『平等地分享痛苦』 2020-23 總統施政滿意度追蹤網頁

【藍綠對決】 當前選民結構分布推估 【藍綠白三腳督】 當前選民結構分布推估 【2024 政黨得票率統計】 【相關資料 】 2024-25 當前臺灣政治立場傾向追蹤 ------- 【 歷史回顧 】 按圖連結詳細資料 2022 縣市長當選人預測 【後記 】數學能夠幫忙維修民主制度嗎？ 第三勢力的破壞效應 （影片） 圖片來源： 數學能夠幫忙維修民主制度嗎？ 預測回顧：2024 總統大選藍白合預測 （按圖連結詳細內容）

【區域立委-藍綠對決】 【 區域立委選區-藍綠白 】 【相關資料 】 2024-25 當前臺灣政治立場傾向追蹤 ------- 【 歷史回顧 】 按圖連結詳細資料 2024 區域立委當選人預測

2025年國民黨主席選舉將於2025年10月18日舉行，將會選出國民黨的新一屆主席，任期四年。選舉方式將採用國民黨黨員直接、平等、無記名、單記、相對多數的投票制度。 【2025 國民黨主席選舉預測】 預測說明： 大於  7.5分 →  當選機率高 5.0～7.5分 →  有機會 當選 2.5～5.0 分→  當選 機率低 小於  2.5 分→  當選 機率極低 【預測變動表 】 【預測模型說明 】 1. 財力（政治資本與資金支持） 涵義：包含個人財務狀況、長期金主、企業界或地方資源。 權重：20％，評分：1～10分 評分重點： 募款能量→選舉經費、廣告投放、舉辦造勢場合的能力。 金主背景→是否有穩定的傳統企業、地方建設公司、媒體資金支持。 註：募款能量細分為『短期募款』（選戰經費）與『長期金流』（經營黨務的持續財力）。 2. 組織動員力 涵義：動員國民黨黨員投票的核心。 權重：45％，評分：1～10分 評分重點： 黃復興黨部15％：軍公教系統的傳統基本盤。 地方派系15％：各縣市黨部、地方樁腳、里長系統的動員。 游離黨員15％：如世代交替、路線立場、藍白合、改革期望、能否帶領國民黨贏得2026、2028等、凸顯自主黨員的特殊考量。 註：另外需考量「黨內人脈整合度」指標，例如與現任中常委、中評委、黨代表的結盟數量或質量。 3.  民意調查 涵義：外部支持度與黨員支持度的參考。 權重：20％，評分：1～10分 評分重點： 全體民意：能否吸引中間選民，對2028選舉有號召力。 藍營支持者的專屬民調：更貼近實際黨員投票傾向。 註：『一般民調』與『黨員民調』，兩者加權不同。 4. 人氣（網路熱度與媒體輿論） 涵義：候選人的曝光度、話題製造力、年輕族群討論度。 權重：15％，評分：1～10分 評分重點： Google搜尋熱度的趨勢變化 社群媒體互動：如直播收看數、PTT/FB/Threads討論量。 傳統媒體曝光與聲量 註：以『正負聲量比』來校正純討論量，避免只看熱度不看好感。 Google搜尋熱度的趨勢變化 【選戰觀察】 郝鄭兩大陣營支持勢力比較（10/13） 鄭陣營＝改革型動能聯盟：軍系改革派 + 自主黨員 + 新媒體輿論 + 青年世代。 郝陣營＝體制型權力聯盟：軍系主流 + 地方派系 + 黨部中常委 + ...

【2025/ 8/23  大罷免預測】 預測說明： RPS > 0.5 → 高機率通過區 ，仍須觀察反制是否有力 RPS ≈ 0.4~0.5 → 關鍵搖擺區 ，戰術與天時決定成敗 RPS ≈ 0.3~0.4 → 低機率通過區，理論仍有可能，需結構性突破 RPS < 0.3 → 幾近不可能 ， 僅具象徵意義，需等待環境劇變 註： 1、大罷免為『無差別極端對決』模式，上表7區『仇恨動員效能轉換』無差別由0.82下調0.77 2、仇恨動員效能轉換＝HMLF × T × Q（請參考罷免預測模型說明） 3、選民結構B請參考本站： 2025 台灣選舉地理-區域立委選民結構篇。（最新數據尚未更新） 4、VHI 投票率慣性，以歷年總統與立委選舉投票率微調。 5、PPI人格形象，為預測地雷區，採保守估計，保留人格形象評價空間。 【RPS罷免預測模型說明】 在當前台灣政治對決日益極化的氛圍中，如何理性預測罷免案的成敗機率，成為公共討論的關鍵。 本篇 「RPS罷免預測模型」（Recall Passage Score）係由板主原創構思、指標設計與評分邏輯，並在模型建構過程中導入 AI 協作機制，用以輔助數據整理與演算。此為一套融合人類政治判斷與機器運算效率的協作型預測工具。 本模型不以民意調查或社群情緒為依歸，而是結合以下四大核心指標構成： RPS = （ HMLF × T × Q ）× B × VHI × PPI RPS =（仇恨動員力 × 時機動員力 × 法定門檻壓力） × 選民結構 × 選區投票率慣性 × 人格形象係數 這是一套可量化、可調整、可模擬多種政治情境的分析架構，期望能提供社會更精確的觀測工具，也促進選民對罷免制度本質與策略面向的理解。 註：「RPS罷免預測模型由板主創作，AI協作。所有邏輯與評分依據均由作者主導設計，AI僅作為技術演算與建模支援工具。」。歡迎轉載、引用，並附註出處。 【預測模型】 RPS （罷免成功分數）= HMLF × T × Q × B × VHI × PPI 註：模型說明請參考 7/26『2025大罷免預測』網頁。連結如下。 【選舉結果】 【相關預測】 請按圖連結詳細內容 → 2025/7/26  大罷免預測