2025 大罷免預測：RPS 模型顯示 罷免行動正走向全面潰敗的方向

【2025 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24區『仇恨動員效能轉換』無差別＝0.82

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

1、仇恨動員效能 HMLF = P × E × V × M × L²

P：仇恨痛苦感知強度
E ：情緒包裝效應
V：傳播速度
M： 動員機制
L ： 展望理論-損失趨避放大因子

乘法模型說明：

標準化最大值＝1（心理極限值＝6.25）

任一變數＝0，整體效果＝0（例如沒有組織，M＝0）

L² 是唯一指數性（因為展望理論顯示損失趨避）

HMLF 值（標準化後）

0.1～0.3 無感性罷免，動員虛弱

0.4～0.6 中度動員，已具組織力

0.7～0.9 高度動員，社群爆點

≈ 1.0 極限仇恨動員，投票行為大規模轉化

2、T × Q × B

T（轉換比）從中間選民或反向支持者轉化成罷免票

Q（量能門檻因子）能否實質推動投票達法定票數

B（選民結構基礎）對手支持度越低越可能罷免成功

3、VHI 投票率慣性

大都會核心（台北、台中市中心、板橋）：高、穩

新興城市/副都心（新竹、桃園）：中上

地方縣市（南投、雲林）：中或中下

離島地區（澎湖、金馬、蘭嶼）：偏低

東部保守區（台東、花蓮）：穩但低

註：VHI 投票率慣性（靜態），T值（動態選民投票慣性）

4、PPI人格形象（預測地雷區採保守估計）

醜聞或官司纏身：>1.15，爆炸性負面輿情，有高度仇恨動員力

極化形象政治人物：1.06–1.15，網媒常見討論，可轉為罷免助燃劑

中間模糊地帶：0.96~ 1.05，保留人格形象評價空間

穩健、親民者：0.86 ~ 0.95，不易成為罷免焦點

高人氣政治明星：<0.86，出現罷免反而激起守護票

【RPS 模型驗證表】

【損失趨避→仇恨動員→RPS模型測試表】

---------------

圖片來源：網路--八炯（左）、「閩南狼」陳柏源（右）出席國際記者會

【選前觀察】RPS 模型顯示，罷免行動正走向全面潰敗的方向

從預測模型視角，選前解析這場罷免戰役。筆者透過自創的 RPS 模型，試圖從數據與行為動員結構出發，還原這場選舉背後的真實力學。

回顧 2020 年高雄市長韓國瑜罷免案，那是一場具備『高度情緒凝聚力、明確政治標靶、強組織配合度』的選舉行動，最終創下近 94 萬同意票（40.8%）的紀錄。那場罷免成功的關鍵，並不在於「仇恨有多強」，而在於『基本盤是否夠大（60％）、訴求是否聚焦、選民是否願意走出來』。

相較之下，2025 年的大罷免，雖造勢熱絡、空戰標語凌厲，但就預測模型來推論，卻顯示出「組織分散、策略紊亂，政黨支援曖昧（基本盤也不夠大）」等重大警訊。另一方面，這次無差別大罷免，選前罷團亂象叢生，用驚悚與沒有依據的言論帶風向，極可能造成『反作用力』，激起被罷方支持者的『生死保衛戰』與中間選民反感，大舉出門投票。

筆者推論：本次罷免行動無法重現罷韓奇蹟，且罷免行動正走向全面潰敗的方向。

【預測模型滾動修正範例】

【未來模型修正方向】

雙向動員版修正模型：導入反作用因子（CIR：Counter-Impulse Reaction）

RPS預測模型： 

適合分析「罷免方主動出擊、對方還手無力」情境。 無法完整捕捉「對手強烈反制」的情境（如基隆市長謝國樑的罷免案）。

雙向動員版修正模型：RPS' = RPS × (1 − CIR)

CIR（反作用力因子）：0～0.5

0    表示對方幾乎無動員，罷免動員可完全發揮

0.5 表示對方出現強烈的「反罷免報復式動員」或「受害者出籠」現象

如何估計 CIR 值（選前動態修正）

【選舉結果】

評論：

1、選民結構（B）：決定勝敗的關鍵因子

2、仇恨動員效能（HMLF）與反作用因子（CIR）：激發高投票率

3、VHI 地區投票慣性：顯示都會城鄉的投票率差異

4、PPI人格形象：提昇同意票跨越門檻的強化因子