Yahoo奇摩新聞 菱民調／謝國樑罷免案封關民調 不同意54.83%vs.同意42.71% 投票率估40%
（記者王家俊／台北報導）基隆市長謝國樑罷免案投票10月13日登場，《菱傳媒》今（2日）公布封關民調，年滿20歲的基隆市民被問到「假如明天就是投票日，請問你會投同意罷免還是投不同意罷免？」有54.83%基隆市民不同意罷免，42.71%會投同意罷免，尚未決定者有2.46%。另從受訪者是否知道確切罷免投票日以及當天會不會出門投票兩選項交叉分析，預估此次罷免投票率可能落在40%到45%之間。
基隆市長謝國樑罷免案將於10月13日舉行投票，根據《公職人員選舉罷免法》，若有效同意票數多於不同意票數，且同意票數達原選舉區選舉人總數1/4以上即為通過。換言之，罷免案投票成立，需有7萬6979人投票同意罷免謝國樑，罷免案投票才算成立。
為了解基隆市民罷免案投票意願，《菱傳媒》委託皮爾森數據公司針對基隆市長謝國樑罷免案進行網路民調。首先詢問受訪者「請問你知道基隆市長罷免投票的日期嗎？」選擇正確日期10月13日的受訪者達96.75%，進一步詢問受訪者當天會不會出門投票，表示「一定會去投」者有81.46%，「應該會去投」者有10.38%，「不會去投票」4.91%，另有3.25%的受訪者表示尚未決定。其中60歲以上有88.92%基隆市民一定會去投最高，其次為40-49歲有81.7%一定會去投、50-59歲有79.67%一定會去投，30-39歲、20-29歲分別有76.32%與72.43%一定會去投。
從上述兩者數據再參考過去罷免案的投票，推估罷樑整體投票意願一般，此次投票率可能落在40%至45%之間。
在投票意向部分，當受訪者被問到「如果明天就是投票日，會投同意罷免還是不同意罷免？」民調結果顯示，有54.83%基隆市民表示會投不同意罷免，有42.71%會投同意罷免，2.46%尚未決定。若以「一定會去投票」族群來看，53.50%不同意罷免、45.91%會投同意罷免、0.58%尚未決定，至於選擇「應該會去投票」族群中，58.78%不同意罷免、32.82%同意罷免、0.58%尚未決定。
交叉分析結果顯示，20-29歲、30-39歲基隆市民同意罷免謝國樑比例分別為63.24%、52.63%，均高於不同意罷免者；40-49歲、50-59歲、60歲以上不同意罷免比例分別為51.91%、67.48%、64.04%，均高於同意罷免者。可見青壯人口支持謝國樑的比例比年輕族群高。
在區域部分，基隆市除七堵區以外，其他各區均有過半民眾不同意罷免，其中以中正區59.85%不同意罷免、中山區59.78%不同意罷免比例最高。七堵區則有50.00%市民同意罷免、48.80%不同意罷免。
此外，對民進黨有負面黨性者不同意罷免的比例為92.63%，高於同意罷免的6.99%；對國民黨有負面黨性者同意罷免比例為91.11%，高於不同意罷免的6.35%；對民眾黨有負面黨性者同意罷免比例為69.61%，高於不同意罷免的27.38%。
整體而言，基隆市民對謝國樑的滿意度為44.45%（非常滿意21.95%、滿意22.50%），略高於不滿意度41.36%（不滿意13.63%、非常不滿意27.73%）。
至於支持或反對罷免的理由，民調顯示，不同意罷免謝國樑的原因分別為：55.06%認同謝國樑推動的政策或施政方向、18.64%認為市府團隊或市政能力表現良好、6.79%認為市長形象良好、19.51%認為是其他因素。
同意罷免謝國樑的原因分別為：57.14%不認同謝國樑推動的政策或施政方向、18.92%認為市府團隊或是政能力表現差、19.29%認為市長形象不佳或有爭議、4.64%認為是其他因素。
公民團體「山海公民拆樑行動」發起罷免謝國樑行動成案，是基隆地方自治史上首次市長罷免。最近罷免市長案成案的是立法院長韓國瑜4年前代表國民黨參選總統失利，回任高雄市長遭提案罷免，同意票達93萬9090票，不只超過罷免門檻，更超越韓國瑜2018年當選市長票數的89萬票，反罷免票僅2萬5051票，韓國瑜成為首位遭罷免地方首長。
「基隆市第19屆市長謝國樑罷免案民意調查」是由《菱傳媒》委託皮爾森數據執行，問卷設計及調查顧問為台大政治系教授張佑宗，經費來源為《菱傳媒》，調查執行日期為9月23日至9月27日，針對基隆市年滿20歲以上之網路人口，有效樣本1321份，抽樣誤差在95%信心水準下，抽樣誤差為±2.70%。
民調抽樣方法採用網路主動發放調查方式，透過資料管理平台（DMP)，在性別、年齡與居住地比例分層隨機抽樣進行調查，並輔以網路行為分析帶入使用者輪廓標籤，確保符合調查對象的唯一性。同時針對使用者的性別、年齡與居住地的準確性採用網路行為與資料庫標籤比對方式，結合問卷題目設計做雙重認證，確保資料正確性與可靠性。
樣本代表性與加權則採用比率估計法，母群體參數依內政部公布2024年7月民眾年齡、性別、戶籍資料，結合皮爾森數據DMP修正網路人口特徵值，逐項重複進行連續性修正，以使樣本特徵與母群體結構達到一致。
