量刑信息系统的构建
——基于司法大数据的视野

袁建刚

(中央财经大学 法学院，北京100081)

引言

如何推进量刑的科学性与规范化，是当今世界各国共同面临的问题。过于宽泛、缺乏约束的量刑自由裁量权无疑会带来量刑偏差与权力滥用，古代中国各朝代均高度关注这个问题(1)系统的探讨可参阅袁建刚学位论文：《量刑规范化研究——理论基础和实证依据》。， 20世纪下半叶西方各国普遍制定了量刑指南，甚至在中世纪西方，一些国家也开始重视量刑的规范化问题。

近代西方的量刑规范化改革以美国为典型。1984年美国国会通过《量刑改革法案》(SRA)，SRA授权联邦量刑委员会独立地制定《联邦量刑指南》(以下简称指南)，1987年12月1日指南生效，美国联邦自此进入指南时代。2005年1月12日最高法院在布克尔案中裁定指南违宪[1]，但同时，针对指南所追求的目标，美国联邦最高法院有着一致的意见，争议仅在于指南的合宪性。此后，尽管指南不具有强制适用效力，但依旧发挥着很大影响，大部分法官仍基于指南所规定的刑罚幅度和偏离理由作出量刑决定[2]。不过，如预期相同，实证研究发现，联邦量刑指南由强制性转为建议性之后，量刑差异显著上升了[3]108。美国司法部更是对此高度关注，并要求评估后布克尔时期的量刑实践中法官个人的司法理念对量刑差异的影响[3]104。

2010年10月1日，我国最高人民法院出台了《人民法院量刑指导意见》(以下简称《意见》)，《意见》的出台并不意味着量刑规范化的结束，而标志着它的正式开始。《意见》出台至今，还没有对其实施效果进行正式的科学评估。在已进入大数据时代的今天，随着信息处理技术的飞速进展，司法调查与评估的难度及成本大大降低，应当尽快建立规范、科学的量刑评估体系。我国司法机关迫切需要基于司法大数据，建设科学的量刑信息系统，实现量刑的体系化与平台化。

一、量刑信息系统的刑法理论基础

包括自然现象和社会现象，无论其有无规律性，基于高效的数据采集与合理的算法设计，都可对之构建体系化的监测与研究平台，但由于“大数据”概念的巨大影响，对于数据问题需要作进一步相关讨论。在《大数据时代》一书中，舍恩伯格提出了大数据概念[4]，但包括舍恩伯格在内，尤其是社会科学领域的学者，对大数据均或多或少有所误解(2)目前国内学者对司法大数据的认识尚处在较为模糊的阶段，相关讨论可参阅吴旭阳：《法律与人工智能的法哲学思考——以大数据深度学习为考察重点》，《东方法学》，2018年第3期。。与舍恩伯格所主张的、倾向于摆脱专业理论的、过度数学算法取向的观念不同，本文将指出，与其他任何问题一样，对于量刑信息系统，刑事司法大数据的关键在于基于刑法学理论的模型设定与数据采集，而非随机产生的庞杂数据与事后局限的数据挖掘，科学意义上的刑事司法大数据之要义乃是统计思想与刑法学理论的完美融合。

近代统计学的发展，从根本上推动了经济学、社会学、犯罪学、心理学、医学等除了法学之外的一切社会科学领域进入了科学时代。在世界范围内直至20世纪末，整体上法学仍置身于外，这很大程度上归因于法学根深蒂固的个案研究传统、对概念的极端重视以及司法信息的严格保密。在统计学革命性地变革经济学研究的20世纪中期，经济学家可以轻松获得公开的、大量的、结构良好的经济数据，但司法档案制度与数据处理技术都严重阻碍了法学对统计理论的接受，同时针对概念研究的解释学已经占据了法学家的主要精力[5]。不论法学，统计理论对近现代社会科学作出了巨大的、基础性的贡献，它不仅极大深化了人类对世界的认知，也为工业制造与企业管理提供了甚至可媲美工业革命的变革，正是由于统计理论早已彻底融入社会科学、公共事务及工商业管理的血液，人们才经常无睹其存在。但同时要强调的是，尽管统计理论的成就如此辉煌，但这一切都离不开具体领域的学科理论。

(一)刑事责任评价与刑事责任评价对象

刑罚具体化应当区分刑事责任评价与刑事责任评价对象，弗朗克贡献了这个区分的哲学基础[6]，多纳第一次系统阐释了这一区分[7]。刑罚理念与责任主义观念从根本上决定了评价对象的界定及具体评价结果，评价对象的确定主要取决于责任主义观念，具体评价结果则主要受刑罚理念的影响。不同的刑罚理念在很大程度上影响着量刑结果[8]，而且，威慑主义与矫治主义在刑罚功能的理论预期上有着不可调和的分歧，除非发现可靠的证据，否则两种理念的分歧就几乎无法消除。刑罚理念也影响评价对象的确定，矫治主义高度关注犯罪人的成长历程、家庭环境、教育背景、犯罪动机等人格要素，但威慑主义对人格要素没有给予充分关注。

责任主义旨在确定责任的基础也即责任评价对象。对于刑事责任的评价对象，基于体系构造的刑法教义学没有给予充分关注，至今也未达成一致意见(3)有学者就强奸罪刑事责任问题作了较为深入的探讨，可参阅董邦俊，宋立辉：《吸收犯之实践困惑及解决——强奸案件中强制猥亵行为应独立评价》，《东方法学》，2013年第5期。。在评价对象的界定上，有三派观点：行为责任论、人格责任论与调和论。行为责任论主张将行为作为责任评价的对象，人格责任论认为人格是责任的基础，调和论者则主张应兼顾前两者(4)相关讨论可参阅：平野龙一著，《刑法的基础》，黎宏译，中国政法大学出版社2016年版；甲斐克则著，《责任原理与过失犯论》，谢佳君译，中国政法大学出版社2016年版。。在这些争议背后，针对行为与人格的概念界定也还不明确。

(二)刑罚裁量的认识论基础与形式逻辑

在我国以及德国，均存在一种基于整体评价的量刑观点，这个观点认为，犯罪作为一个有机的整体不可能也不应该被拆分为诸多要素的组合，只有对犯罪及犯罪人人格任何进行最广义的整体审视才可作出合理的刑事责任评价[9]。阿尔布莱希特对此观点作了如此驳斥：“无论通过简单相加的办法，还是通过整体观察的办法，从细节的总和之中无法得出任何超出细节本身以外的东西。换言之，如果单独细节本身没有说服力，那么细节就算与其他单独的要素连接在一起，也终归不能说明什么。原因在于，对于整体性审视，显然并没有什么有约束力的规则存在，从这些规则中人们可以整体性地推导出单个问题点以及案件事实的分级。所以，这个概念只代表一个意思，那就是始终未能(也不应该)被除去的混乱。”[10]128

任何事物都可以分解为部分之和，认知一个作为整体的事物必然要求对其诸构成部分进行认知，而一些事物有机地结合在一起形成一个稳定的结构时，这些事物也就构成了一个新的事物。认识一个事物，本质上是认识事物内部要素之间的关系以及该事物与其他事物的关系。在哲学上，这些观点可以追溯到20世纪初的分析哲学[10]43-55，现代的认知心理学也就这些观点达成了一致。此外，费尔巴哈以来的德国刑法教义学的发展也完全建立在这一认识论基础之上，如罗克辛所指出，刑法体系论的工作就是将犯罪行为拆解为诸多特征要素，并将其置于犯罪构造的不同阶层上，从而获得一副犯罪图像[11]。

刑罚裁量的形式逻辑是指，基于刑罚理论和责任理论，刑罚裁量所应遵循的具体步骤与方案。按照阿尔布莱希特的总结，德国关于该形式逻辑的理论主要包括：裁量空间理论、点刑罚理论、阶层理论、行为等比性量刑理论、行为罪责报应理论、积极的一般预防理论[10]42-64。其中，行为等比性理论、行为罪责报应理论及积极的一般预防理论实质上是责任理论与刑罚理论的特定主张，并非刑罚裁量的形式逻辑。裁量空间理论、点刑罚理论及阶层理论都具有一定的合理性，但还需要基于刑法理论与责任理论对其进行更为深入的讨论，并结合类罪的刑罚具体化给出具体、可行的细节方案(5)国内相关探讨可参阅李冠煜：《从绝对到相对：晚近德、日报应刑论中量刑基准的变迁及其启示》，《东方法学》，2016年第1期。。

二、量刑信息系统的统计原理

法学为什么需要统计学方法论？这不是一个正确的问题。就方法论需求而言，其一定是经验问题导向的，合理的问题应该是，某个统计方法是否适合解决某个法律问题？比如统计理论是否有助于推进量刑自由裁量权的规范化？在这一具体问题下，才可基于法学理论和统计思想来讨论和寻找合适的统计方法。统计学作为数学的分支有着数学的本性，某种数学方法无论是基于抽象逻辑还是经验问题而诞生，它总可以独立前行，数学的根本特征之一就是其完全独立于经验，正是在这个意义上，我们说统计学无法为法律实证研究提供统一的方法论。

一方面，缺乏法学理论的洞察力，就不能保证正确地运用统计方法；另一方面，必要深刻理解统计方法论原理，才可针对法律问题作出可靠的实证研究。比如，不了解假设检验的原理，就会过度迷信p值，也不能可靠地判断两类错误水平对模型的影响；不了解回归分析的原理，数据测算与模型设定都几乎会存在各种瑕疵。统计实证研究是一种方法的应用，但更是科学的艺术，基于对统计理论的深刻理解，可以对分析模型作出精细但关键的雕琢，从而获得更为可靠、同时也可能是截然相反的结论。

(一)统计实证方法论要求

将统计理论引入法学研究，也需要如社会学、经济学等学科那样，结合具体经验问题介绍统计方法论原理，但这非本文主旨，也远超篇幅所限。就量刑信息系统的构建，相关问题都已有成熟的统计实证方法，在其他社会科学领域也有着基于共同原理的可靠研究，因此，在方法论要求方面，本文仅基于相应的刑法理论与统计实证原理，提出如下基本原则：

1.数据清洁原则

数据清洁是指数据的准确性。较之于其他学科，由于概念的严格性，数据清洁问题对于法律更为重要。内在有偏的样本会导致分析结果的偏差[12]，在数据爆炸的当前时代，以舍恩伯格为代表的一种观点认为，大数据的核心思想就是要承认数据的不完美，数据的量足以掩盖样本缺陷[13]32；但另一派观点坚持数据的清洁性原则，一些统计学家指出，精心选择的数据要比大量杂乱无章的数字所描述的内容要更为丰富[14]。

2.数据全面原则

数据全面原则是针对问题背后的专业理论基础而言，对于理论所要求考虑的经验因素，都应当采集。在无法全面采集的情形下，局限于有偏的数据所进行的研究是无法保证结论可靠性的，大量针对刑罚效果、量刑偏差的实证研究都由于数据的片面而受到质疑。数据全面原则，要求对问题的理论背景进行客观的考察，不能因个人偏爱而有所取舍，比如，在责任主义观念上，有些法官偏重于考量行为要素，有些法官则偏重于考量人格要素，这就要求必须同等对待行为和人格的数据。在当前的司法档案中，人格要素及行为要素的记载均不尽全面，应当在制度上纠正这一认识误区，才能保证量刑信息系统的完备性。

3.理论导向原则

统计实证方法的正确应用必须基于经验问题背后的理论洞见。在刑罚效果实证研究中，如果缺乏犯罪学的洞察力，比如对人格要素的不合理考量导致对犯罪人类型的错误界定，结论就将不可靠。在责任观念研究中，如果忽视刑事责任论的理论贡献，模型设定就必然出现偏误。“谷歌流感趋势(GFT)”预测模型作为一个通俗易懂的例子可以很好地解释理论导向原则的重要性。2009年，谷歌使用“流感趋势(GFT)”模型成功预测了甲型H1N1流感的爆发，无论预测时效性与流感区域的准确性，其预测结果之完美均令美国民众震惊。GFT模型基于非常简单的一个相关性，即存在于搜索关键词频率与搜索者或其亲朋好友身体出现流感症状之间的相关性。GFT模型摆脱了医学理论，借助于海量的数据，仅通过一个普通常识，就快速准确地预测了流感爆发趋势和具体传播范围。然而，GFT模型非常遗憾地没有经得住实践和时间的考验，在2011-2013的三年间，模型预测出现严重偏差：一直在高估流感的事态。1411如果不知道相关关系为何发生，就不知道它将在何时消失，GFT模型的失败就根源于它对医学理论的忽视。在本文当前的主题中，量刑信息系统的构建要避免类似GFT模型的失败，就必须坚持系统、全面、合理的理论导向，将数据采集和分析建立在可靠的刑法学理论之上。

(二)量刑信息系统的结构与内容

量刑信息系统的建设是一项庞杂、长期的工程，任何一个环节都有其科学原理，应当针对所有环节分别制定严谨、科学的工作规范。本文仅限于基于目前统计方法论在法学中的应用与刑法学理论，在整体上勾勒量刑信息系统应当具有的结构与内容。结构上，量刑信息系统至少应当包括三个方面：数据采集、描述统计与推断统计。内容上，应当涵盖如下问题：刑事责任评价对象、量刑差异、刑量的分布与均值、刑事责任评价、责任主义观念、刑罚理念、犯罪严重性。

1.数据采集

科学的数据采集是统计实证研究的首要基础，是数据清洁性与全面性的根本保障。量刑信息数据采集建立在严格、精确的法律概念之上，并应遵照严格的文本形式逻辑。

理论上，可以将责任评价对象界定为三类：行为要素、人格要素、环境要素[15]。刑事司法实践中，针对任何一种犯罪，都需要对这三类要素进行具体化，这可以通过制定细致明确地数据采集规范来实现。有观点可能担心刑法理论关于行为、人格的概念争议而致使无法建立明确的数据采集规范，这是不必要的担心，因为，即便对概念的分类界定存在争议，但并不影响数据的准确性，只要数据是准确的，就可以对责任评价对象的分类合理性作进一步的研究，并转而优化实践中的分类标准。

2.案件描述统计

描述统计，是指运用图表、图形以及概括性计算对数据资料进行整理并对数据的分布状态、数字特征和随机变量之间关系进行估计和描述的方法，描述统计分为集中趋势分析、离中趋势分析和相关分析三大部分。描述统计可以从总体上判断自然现象及社会现象的分布、异常值等宏观特征。由于酌定量刑情节与刑事责任评价裁量空间的存在，刑事司法实践也具有随机性特征，描述统计也可以对整体量刑状况进行实时地动态监测。

案件描述统计对于量刑监督具有重要的意义，它可以提供直观的数据经验分布样态，使研究人员领略结构化数据的魅力甚至直接洞察其背后的规律。描述统计分析系统可以实时、动态地指示出量刑异常状况的发生：针对特定情节的刑事责任评价过度偏离均值或者众数以及选择属于“少数派”的责任要素作为量刑情节。

3.推断统计

建议将统计学教材对推断统计的定义搁置一旁，统计学作为方法论学科，其关于推断统计的定义主要强调了推断统计的数学特征而几乎完全忽视了其应用特征。对于统计理论的具体应用而言，推断统计意味着基于统计推断理论及方法的、旨在对具体问题获得可靠结论的各种模型的构建。针对任何一个社会科学问题，几乎均不存在某一固定的、最优的统计实证模型，即便数据和理论都是良好的，但基于不同的研究目标，模型构建算法也会有所偏重。从不同角度、基于不同的数据，针对同一问题与同一目标，都可能构建不同的模型来获得某些新的发现。问题的确定，是统计实证研究的第一步。在刑罚实践中，统计方法论并不能帮助提炼出所有的问题，只能基于理论的洞察、参照既有的研究，逐步发现并精炼出合理的问题。囿于主题与篇幅所限，本节仅对必要的问题作如下简要分析。

(1)量刑差异

量刑差异包括合理的差异与不合理的差异，目前流行的研究方案是通过方差分析来确定各种因素对差异的解释比例[16]，但这种方案尚停留在较抽象的阶段，有待进一步细致化与具体化以对实践提供具有可行性的指导。合理差异源于犯罪严重性的不同[17]，不合理差异则有着各种原因，诸如法官个人的责任主义观念及刑罚理念等[18]。基于良好的数据结构，就可以建立统计实证模型来分析差异的来源及异常情况。

(2)刑量分布和刑量均值

刑量分布对很多法学研究人员是陌生的概念，可以通过下述不严格的定义来做一解释：针对同一犯罪或同一量刑情节，不同的人所做的刑事责任评价所呈现的自然状态[19]。确定刑量分布的规律，是其他所有问题的基础。

刑量均值是量刑规范化研究的一个重要问题。包括我国，世界范围内量刑指南的主要任务就是确定刑量均值，其核心逻辑就是围绕刑量均值规定一个自由裁量空间[20]。甚至可以说，美国联邦量刑指南失败的主要根源就在于刑量均值的确定。形式上来看，刑量分布和刑量均值是最简单的问题，这完全是误解，这两个问题覆盖了几乎所有的刑法学和犯罪学理论，但如果能构建一个合理的量刑信息系统平台，基于结构良好的、清洁的数据，就可以可靠地确定刑量分布和刑量均值。

(3)刑罚效果评估、责任观念调查及犯罪严重性评估

刑量分布的准确判断和刑量均值作为量刑基准的合理性，取决于刑罚实践所遵行的刑罚理念和责任主义观念，所以，需要设定相应的统计实证模型来考察和确定这一点。另一方面，刑罚理念的正确性需要可靠的实证依据[21]，相应的实证研究也需要量刑信息系统提供全面的数据[22]，而且对刑罚效果的评估也属于司法机关的职责。在刑罚理念问题上，道德报应论提出了不同于威慑主义和矫治主义的主张，道德报应论主张刑事责任评价应首先与犯罪的严重性相当，这与责任主义观念在根本上也是相一致的，因此，这就要求设定评估犯罪严重程度的统计实证模型。

在量刑规范化所关心的问题上，目前已将所存在的或多或少的实证研究作了一定探索，相关的刑法学与犯罪学理论也已经很充分了，可以说，构建量刑信息系统的条件是成熟的。

三、量刑信息系统的意义

量刑信息系统，既是一个体系化的量刑信息平台，同时也是一个实证研究工程平台。

作为量刑信息平台，它能够实现对法院量刑动态、实时地监测，刑罚裁量的每一个环节及针对每一个可能犯罪要素的考量都将得到可靠、细致的检视，它将摆脱过去散乱的个案监督，并将个案置于体系化、结构化的视野之中。进一步，基于系统的量刑信息，它还将促使法官针对刑罚裁量形成交谈的共识，并以大数据的方式将无数法官的经验智慧汇聚在平台上，从而在根本上以巨大的力量推动量刑规范化的进程。

作为实证研究工程平台，它将提供清洁、全面、结构合理的第一手数据，案件描述统计分析将提供针对任一犯罪要素的刑事责任评价的经验分布与考量理由，这本身就是一项庞杂的针对责任主义观念的社会调查工程。它也将使得对犯罪严重程度的评估分析成为可能，犯罪严重性评估问题是当前世界范围内量刑规范化的首要障碍[5]23-24。随着资料的完善与积累，它也将使得刑罚效果研究更为科学、方便。