房業網
粉絲專頁
（記者張麗娜／綜合報導）高雄市傳統上被視為綠營的優勢選區，整體基本盤呈現「綠大於藍」。根據《鉅聞天下新聞網》最新民調顯示，民進黨在高雄市民的認同度為41.43%，遠大於國民黨的25.19%，民眾黨僅4.93%。但若從政黨的負面黨性（討厭度）來看，以民眾黨的負面黨性47.73%最高，其次是民進黨的42.87%，國民黨為41.13%；若與四年前相較，厭白大增、厭藍下降，但「只討厭民進黨」成為最大宗。
根據《鉅聞天下新聞網》委託皮爾森數據進行，8月10日公布的「2026高雄市長選舉調查報告」顯示，民進黨提名的賴瑞隆獲得47.78%支持，國民黨提名的柯志恩為46.14%，賴瑞隆以1.64個百分點暫時領先。
藍綠認同增加 仍呈現「民進黨」獨大的政黨版圖
此次民調也針對高雄市選民的政黨認同度進行調查，民進黨在高雄市民的認同度為41.43%，遠大於國民黨的25.19%，民眾黨僅4.93%，「選人不選黨／中立」選民為 23.14%，高雄市仍呈現「民進黨」獨大的政黨版圖。
與2022年皮爾森數據的民調相比，民進黨認同自 33.33% 升至 41.43%（+8.10個百分點）、國民黨自21.71% 升至25.19%（+3.48 個百分點）；同一期間「選人不選黨／中立」自 30.97% 降至 23.14%（-7.83 個百分點）。兩大黨同時擴張的能量，主要來自中立選民的鬆動。台灣民眾黨自 5.19% 微降至 4.93%（-0.26 個百分點）。
民眾黨負面黨性47.73%最高 國民黨負面黨性降至41.13%
除了政黨認同影響選民投票行為外，「負面黨性」也是影響選民投票的觀察指標。負面黨性（Negative Partisanship）指選民對特定政黨抱持強烈厭惡與反感，這種「討厭某黨」的心態比「支持某黨」更能影響投票行為，它會驅使選民為阻止討厭的政黨獲勝，而投給其對手，加劇社會政治極化。
在負面黨性部分，本次調查中，高雄市選民對民眾黨的負面黨性最高：「對民眾黨有負面黨性」達 47.73%，高於對民進黨的 42.87% 與對國民黨的 41.13%。
而四年前最高的則是對國民黨的43.43%，四年來對國民黨的負面黨性降了2.30 個百分點、對民眾黨升了7.77 個百分點，兩者出現交叉。若換算成藍綠厭惡光譜的三分類，反藍50.27%（+2.02個百分點）、反綠42.39%（+4.85個百分點）、中間7.34%（-6.87個百分點），反藍陣營規模仍大於反綠7.88 個百分點，但四年來反綠的擴張速度更快。
「只討厭民進黨」39.63%為最大類型 成柯志恩堅實票倉
調查也顯示，「只討厭民進黨」自33.19% 升至39.63%（+6.44 個百分點），是八個類型中規模最大。增幅集中在20–29 歲男（+17.38個百分點）、30–39歲女（+13.69個百分點）、40–49 歲男（+10.24個百分點）；50–59歲女性是唯一數值下降的一格（-1.41個百分點）。這群人有 97.55%支持柯志恩，是她最堅實的票倉。
「只討厭民眾黨」自6.53%升至9.91%（+3.38 個百分點），四年成長逾五成，其中20–29歲男性（+13.20 個百分點）；20–29 歲女 （+8.96個百分點）、30–39歲男（+6.13個百分點）。對民眾黨的反感集中在青年男性，這群人有72.46% 支持賴瑞隆。
「只討厭國民黨」自11.67% 降至5.49%（-6.18個百分點）。降幅最大的是20–29歲女（-19.39個百分點）、20–29歲男（-17.74個百分點）。相較四年前，國民黨在高雄的「被討厭程度」大幅下降，藍營在負面黨性維度上的包袱明顯減輕，這與柯志恩能在綠營票倉追平的態勢一致。
反藍、反綠略增 「都不討厭」減少 情感極化加深
「都不討厭」自13.84% 降至6.86%（-6.98 個百分點），是八個類型中降幅最大的一項。下降最劇烈的是20–29歲男（-15.57 個百分點、30–39歲女 （-12.45 個百分點）。換算成三分類，真正的中間選民自14.21% 降至 7.34%（-6.87 個百分點），反藍自48.25% 變動至50.27%（+2.02個百分點），反綠自37.54%升至42.39%（+4.85個百分點）。高雄的「真正中間」目前只剩7.34%，而這一小群人中柯志恩以 47.86% 對 28.64% 領先。
本次調查是由《鉅聞天下》委託，皮爾森數據負責執行，經費來源為鉅聞天下新聞網。針對高雄市年滿20歲以上之網路人口，從2026年7月27日至2026年8月01日，共計進行6天，當中有效樣本為1,608份，在95%信心水準下，抽樣誤差為正負2.40%以內。
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。透過轉傳分享問卷、重複填答，以及各種不符合隨機抽樣條件之樣本，皆不屬於有效樣本。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2026年5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。
