作者简介：

　　文姬，湖南大学法学院助理教授。

　　原文出处：

　　《法学研究》(京)2016年第20161期第165-186页

　　内容提要：

　　通过对已有研究进行比较，指出醉酒型危险驾驶罪量刑问题实证研究的回归模型构建中存在的哑变量设置以及标准化系数计算等问题；总结出在利用回归模型作为量刑模型预测刑罚量时，必须有较高的决定系数，在利用回归模型分析量刑影响因素的相对重要性、计算基准刑时，则不需要有较高的决定系数。在计算基准刑时，拘役判决的基准事实不仅包括血液酒精含量等因素，还应当包括量刑影响因素的参照水平；罚金判决的基准事实则不必然包括血液酒精含量，但可能包括行为人的经济状况。通过对全国2912份醉酒型危险驾驶罪判决书的研究，分析出影响拘役天数、罚金数额、缓刑情况的显著因素，并排列出相对重要性顺序；总结出拘役判决的基准事实为血液酒精含量，并据此计算出基准刑，即基准事实所对应的拘役天数回归模型的预测值；分析出罚金判决的基准事实包括血液酒精含量和车型，并据此计算出基准刑；指出缓刑判决的规范化标准同时包括血液酒精含量和认罪态度，并据此计算出参照标准。

　　A comparative study on the existing literature on the sentencing of driving under influence(DUI) in China reveals that many improvements still need to be made to the current system.An analysis of the methods of regression model shows that when the regression model is taken as sentencing model,the determination coefficient R-square must be high; and when the regression model is used to compute the relative significance of the factors or the benchmark line in sentencing,the determination coefficient R-square needs not to be very high.When computing the benchmark line for sentencing,the benchmark factors of criminal detention include not only elements of the crime of DUI,but also the reference levels of other significant factors that influence the sentencing of DUI; the benchmark factors of criminal fine do not definitely include the "alcohol content of per 100 milliliters of blood".Through the analysis of 2,912 cases of DUI,we find out that "alcohol content of per 100 milliliters of blood" is the most significant factor in the criminal detention sentencing of DUI,which can be set as the benchmark line for the criminal detention sentencing.Moreover,we also find out that "alcohol content of per 100 milliliters of blood" and "the type of automotive vehicle" are both significant factors in the criminal fine sentencing of DUI,which can be set as the benchmark line for criminal fine sentencing.Furthermore,we have found out that "alcohol content of per 100 milliliters of blood" and "

　　关 键 词：

　　醉酒型危险驾驶罪/量刑影响因素/基准刑/driving under influence/significant factors of sentencing/benchmark line for sentencing

　　标题注释：

　　本文系“法治湖南建设与区域社会治理协同创新中心”平台建设、湖南省社科基金项目“抽象危险犯的立案标准研究”(14YBA106)、2014年部属高校国家级大学生创新创业训练计划项目“醉酒驾驶的定罪与量刑实证研究”(201410532022)的阶段性成果。

　　自刑法修正案(八)增设危险驾驶罪以来，关于醉酒型危险驾驶罪的争论从未中断。其中关于醉酒型危险驾驶罪量刑问题的讨论，①主要集中在量刑影响因素的分析、量刑模型的构建、基准刑的确定、罪刑均衡的实现等方面。多数文章论及了单个量刑因素的影响，并由此分析出醉酒型危险驾驶罪量刑的分布特征以及罪刑不均衡的具体表现；少数文章论及了量刑模型的建构、②量刑影响因素的相对重要性排序和基准刑的确定。③本文首先对这些研究进行分析，提出对醉酒型危险驾驶罪量刑问题研究的若干改进建议；然后对全国范围内2912份有效的醉酒型危险驾驶罪判决书样本进行研究，分析量刑影响因素的相对重要性排序，计算拘役判决和罚金判决的基准刑，并探讨缓刑判决的规范化问题。

　　一、研究综述与评论

　　关于文献资料中论及的醉酒型危险驾驶罪量刑影响因素相对重要性的计算方法、回归模型决定系数的作用、量刑基准事实的确定等问题，④值得我们深入探讨。

　　(一)量刑影响因素相对重要性的计算方法

　　量刑影响因素的相对重要性排序，一般是通过比较回归模型的标准化系数得出。回归模型的构建是由量刑影响因素作为自变量，刑罚判决作为因变量，通过回归分析得到的。褚志远建立了醉酒型危险驾驶罪三种判决(即拘役判决、罚金判决和缓刑判决)的回归模型，并且通过偏相关分析和回归模型的标准化系数，比较了不同量刑影响因素的相对重要性。⑤但是，关于多元分类变量的纳入方法，⑥以及在Logistic回归中计算标准化系数的方法，⑦褚志远的研究值得商榷。

　　褚志远在构建回归模型时，直接将多元分类变量作为定距变量。例如，将车辆类型分别赋值为1、2，分别代表摩托车或助力车、汽车；将自首或坦白变量赋值为0、1、2，分别代表无、坦白、自首；这些变量本身具有程度高低顺序，即为定序变量，赋值后可视为定距变量。⑧我们认为，二元分类变量可以作为定距变量直接纳入回归方程，但多元分类变量不能作为定距变量直接纳入回归方程。例如，上述车辆类型如果只有两类，则可以将汽车赋值为0，摩托车或助力车赋值为1，从而作为定距变量纳入回归方程，其中赋值为0的汽车是参照水平。⑨但是，多元分类变量不能作为定距变量直接纳入回归方程，而必须将其转换为哑变量，再根据“同进同出”原则纳入回归模型。例如上述“自首或坦白”变量，如果有三个水平，则需要将参照水平以外的两个水平转换为两个哑变量。比如，将“无自首或坦白”作为参照水平，则设置“自首”、“坦白”两个哑变量。在进行回归分析时，这两个哑变量必须“同进同出”。

　　褚志远在Logistic回归中计算标准化系数时，用到的计算方法为：标准化回归系数≈非标准化回归系数(B)×标准差(S.D)/1.8138。⑩我们认为，标准化回归系数的计算应当是将自变量和因变量都标准化后，进行回归得到的系数。(11)前者显然是一种估算方法，后者则是根据统计学原理得到的标准化系数的计算方法，其比前者更加准确。

　　(二)回归模型决定系数的作用

　　回归模型的决定系数高时，模型既可以用来计算量刑影响因素的相对重要性以及基准刑，也可以作为量刑模型预测刑罚量。决定系数低时，模型可以用来计算量刑影响因素的相对重要性以及基准刑，但不可以作为量刑模型预测刑罚量。

　　1.量刑模型要求较高的决定系数

　　从统计学的角度看，回归模型作为量刑模型预测刑罚量时，模型的决定系数必须较高，因为量刑模型本质上是预测模型。预测模型就是根据过去的经验数值得到一个模型，再利用该模型预测将来某种特定情况下的因变量数值。例如，学者通过对已有判决的数据进行线性回归，得到一个拘役判决的线性模型，再根据这一模型估算某个尚未裁判的案件所可能判决的拘役天数。预测模型能否实际运用，关键看它的预测准确率是否达到要求。预测准确率取决于两个因素：起始值和模型的决定系数。起始值是预测准确率的最小值，它由因变量的分布情况决定，与模型的构建无关。例如，根据本文收集的数据，缓刑情况回归模型中的起始值为50.6％，它由缓刑的分布情况决定。因为在2912个案例中，没有判决缓刑的案件数为1473件，判决缓刑的案件数为1439件，所以，无论将全部案件预测为判决缓刑，还是预测为不判决缓刑，准确率都达到50％左右。而决定系数 是用来衡量因变量的变动中，有多大比例可以用自变量的变动来解释。如果决定系数为1，那么预测的准确率肯定达到100％。所以，预测准确率虽然和起始值有一定关系，但主要由决定系数决定。如果一个模型的决定系数不高，该模型的预测率必定不会太高。所以，决定系数不高的回归模型不能用于预测将来案件的刑罚量。

　　章桦等在关于量刑模型的研究中，虽然给出了模型的F检验和自变量的T检验值，但没有给出模型的决定系数 。(12)F检验结果显著，只能说明模型中的那些自变量联合起来确实对因变量有影响，但不能说明影响程度的大小；T检验结果显著，只能说明有足够证据证明该自变量对因变量有影响，但不能说明影响程度的大小；以上两者都不能说明模型的预测准确率。这一指标是由决定系数 的大小决定的，所以必须给出模型的决定系数。

　　2.计算量刑影响因素的相对重要性不需要较高的决定系数

　　根据回归模型的标准化回归系数，排列醉酒型危险驾驶罪量刑影响因素的相对重要性顺序时，所构建的回归模型的决定系数并不需要很高，这与构建量刑模型明显不同。因为当决定系数高时，说明模型将几乎所有的显著影响因素都纳入其中，此时，根据回归模型既可以很好地预测刑罚量，又可以准确地排列出各种显著影响因素的相对重要性顺序；当决定系数较低时，说明还有其他显著影响因素没有被纳入模型，由此，可能会对一些相对重要性较低的量刑影响因素是否能够被纳入回归方程产生影响，但是，对相对重要性较高的量刑影响因素没有影响，也不影响我们通过标准化系数，比较已经纳入模型的量刑影响因素的相对重要性。

　　3.计算基准刑不需要较高的决定系数

　　基准刑是刑罚裁量从重从轻、加重减轻的基础，是基准事实所对应的刑罚量。而基准事实之外，必然存在对因变量有显著影响的量刑影响因素。回归模型的决定系数高时，模型可以对几乎所有显著因素进行控制；决定系数低时，模型对那些没有被纳入的显著因素缺乏控制。对某些显著因素缺乏控制时，会导致根据回归模型得到的拘役天数预测值与拘役天数的实际均值有所偏离。但当基准事实因素是相对重要性较高的显著因素时，预测值与实际均值的偏离并不会导致罪刑不均衡，仍然可以用回归模型的预测值作为基准刑。

　　褚志远通过对明显偏离集中趋势的判决进行删除后所形成的理想样本(此种样本得到的回归模型决定系数由原来的0.307提高到0.803)，总结出不同等级血液酒精含量所对应的拘役刑期和罚金数额的实际均值，并认定此种均值为相应基准事实的基准刑。(13)褚志远的研究存在两个明显的问题：第一，对样本的删除并不合理。褚志远没有交代清楚，删除偏离集中趋势的样本后，剩下的样本是什么样本。猜测有以下两种可能：首先，根据拘役天数的分布来剔除，即把拘役天数在均值左右3倍标准差范围之外的样本点作为剔除对象。(14)然而，这种删除一般不可能将决定系数提高如此之多。例如，利用本文获得的数据，连续四次把拘役天数在均值左右3倍标准差范围之外的样本点剔除，直到不存在均值左右3倍标准差范围之外的样本为止，所得到的决定系数也才从0.279上升到0.307。(15)其次，根据影响拘役天数的因素来剔除，比如血液酒精含量异常高或低等等。使用这种方法，也必须对被剔除的样本点逐一考察，就是否存在量刑偏差作出说明，在有充足证据证明的情况下才能删除。第二，基准刑的计算并不需要回归模型具有较高的决定系数，理由如上。所以，褚志远没有必要为了计算拘役和罚金的基准刑，通过删除样本来提高回归模型的决定系数。

　　(三)量刑基准事实的确定

　　1.拘役判决的基准事实

　　拘役判决的基准事实不仅包括犯罪构成事实，(16)还应当包括量刑影响因素的参照水平。醉酒型危险驾驶罪的犯罪构成事实为“在道路上醉酒驾驶机动车”。根据2013年最高人民法院、最高人民检察院、公安部《关于办理醉酒驾驶机动车刑事案件适用法律若干问题的意见》，量刑起点为“在道路上驾驶机动车，血液酒精含量为80mg/100ml的行为”所对应的刑罚。在此基础上再根据其他影响犯罪构成的犯罪事实，在量刑起点的基础上增加刑罚量确定基准刑。而其他影响犯罪构成的犯罪事实，司法实践中一般只包括80mg/100ml以上的血液酒精含量增量。合并两类事实，醉酒型危险驾驶罪量刑的基准事实为“在道路上驾驶机动车，血液酒精含量为Xmg/100ml(X大于等于80)的行为”。其实，仅仅这样确定基准事实还不够。在确定基准事实与基准刑的对应关系时，其他对量刑具有显著影响的变量都有一个参照水平，(17)而这一参照水平也应该被包含在基准事实之中。所以，醉酒型危险驾驶罪量刑的基准事实应该为：正常的成年人在我国中部地区道路上驾驶小轿车，血液酒精含量为Xmg/100ml(X大于等于80)的行为，该行为人没有同类违法行为、有合法牌证、配合执法行为，该醉酒驾驶行为没有发生财产或者人身损失、无赔偿情况、没有其他从重或从轻情节。

　　基准事实应该包含参照水平，是因为在考虑血液酒精含量与拘役天数的线性关系时，必须控制其他已经被纳入方程的显著变量，也就是必须消除其他量刑影响因素对拘役天数的影响。在判决书中给出的拘役天数，是血液酒精含量与各种量刑影响因素综合影响的结果。如果不控制其他具有显著影响的变量，所得到的拘役天数均值就是所有因素影响下的拘役天数，而不是最高人民法院量刑指导意见确立的基准事实所对应的基准刑。

　　褚志远在不控制其他变量的情况下，总结出不同等级血液酒精含量所对应的拘役天数和罚金数额的实际均值，并认定此种均值为相应基准事实的基准刑。(18)用这种方法计算基准刑，实际上就是把样本点按照血液酒精含量分组，然后计算每组的平均值。这个处理办法有效的前提是，影响拘役天数的其他因素要呈正态分布或者对称分布，也就是说各种从重从轻、加重减轻情节的影响能够相互抵消。这一点是不可能完全做到的。(19)所以，醉酒型危险驾驶罪量刑的基准事实必须包含各个参照水平，或者说在计算基准刑时，必须控制血液酒精含量以外的其他已经被纳入方程的显著影响因素。(20)

　　2.罚金判决的基准事实

　　罚金判决的基准事实，取决于影响罚金判决的因素的相对重要性排序，只有相对重要性高的因素才能成为基准事实。从数据上说，用没有显著影响或者相对重要性不高的因素作为基准事实，将导致不同的基准刑之间差距不大，从而导致不同案件的宣告刑过于集中，不能体现刑罚的个别化差异。褚志远指出，血液酒精含量对罚金数额没有显著影响。(21)本文的研究结果显示，(22)虽然在全国范围内车型和血液酒精含量对罚金的影响一样重要，但在中、西部地区，车型对罚金的影响要大于血液酒精含量，在东部地区，赔偿态度和交通事故发生程度对罚金的影响也高于血液酒精含量。从理论上说，刑法第52条规定“判处罚金，应当根据犯罪情节决定罚金数额。”其中，对犯罪情节并没有限制性规定。并且，当拘役和罚金同时适用时，拘役是主刑，罚金是附加刑。主刑与附加刑量刑时，参照的标准并不必然相同。从经验上说，我国判处罚金刑一般与行为人的经济状况、行为造成的损害以及行为人的赔偿态度相关性较大，与血液酒精含量的相关性并不必然很大。所以，罚金判决的基准刑并不一定以血液酒精含量为根据。当血液酒精含量的相对重要性不高时，以之为基准事实所得到的基准刑，对量刑起不到应有的作用。对于罚金判决的基准事实应该如何设定，还需要更深入的考察。