認(rèn)罪認(rèn)罰對逮捕的影響實證研究—基于300份裁判文書的統(tǒng)計分析

徐浩然

（福建師范大學(xué) 福建福州 350108）

2018 年10 月26 日，第十三屆全國人民代表大會常務(wù)委員會第六次會議作出《關(guān)于修改<中華人民共和國刑事訴訟法>》的決定，將認(rèn)罪認(rèn)罰從寬制度和刑事速裁程序近幾年的試點經(jīng)驗正式上升為法律，是我國刑事訴訟模式向“公力合作式”轉(zhuǎn)型取得階段性成果的權(quán)威標(biāo)識。2019 年10 月24 日，中央“兩高三部”共同發(fā)布《關(guān)于適用認(rèn)罪認(rèn)罰從寬制度的指導(dǎo)意見》（后稱《指導(dǎo)意見》），從適用認(rèn)罪認(rèn)罰從寬制度的原則、范圍、條件、對“從寬”的理解和把握、對各方訴訟參與人訴訟權(quán)力的保障等方面對認(rèn)罪認(rèn)罰從寬制度進(jìn)行了較為系統(tǒng)、全面的規(guī)定，旨在提升司法機(jī)關(guān)對該制度理解上的規(guī)范性和適用上的準(zhǔn)確性，其中，《指導(dǎo)意見》的第8條、19條、20條以及2018年新修訂的《刑事訴訟法》第81 條第2 款的部分內(nèi)容引起了筆者的關(guān)注，簡言之，以上法條其明確：認(rèn)罪認(rèn)罰從寬制度中的“從寬”，包括實體上的從輕處理和程序上的從簡處理；嫌疑人是否認(rèn)罪認(rèn)罰應(yīng)作為其社會危險性評估的重要依據(jù)；對于認(rèn)罪認(rèn)罰的犯罪嫌疑人，應(yīng)根據(jù)具體情形結(jié)合其社會危險性程度決定是否批準(zhǔn)逮捕或逮捕之后是否變更強(qiáng)制措施；批準(zhǔn)或決定逮捕應(yīng)當(dāng)將犯罪嫌疑人、被告人涉嫌犯罪的性質(zhì)、情節(jié)，認(rèn)罪認(rèn)罰等情況，作為是否可能發(fā)生社會危險性的考慮因素。

從以上規(guī)定不難看出最高立法決策層意圖將嫌疑人是否認(rèn)罪認(rèn)罰作為司法機(jī)關(guān)是否對其執(zhí)行逮捕措施的重要考慮因素，以此達(dá)至盡量降低認(rèn)罪認(rèn)罰案件刑事羈押率的目標(biāo)①，從而，一方面有助于在提升人權(quán)保障水平范疇落實認(rèn)罪認(rèn)罰制度之公正價值，一方面有助于切實貫徹寬嚴(yán)相濟(jì)的刑事政策。在目前理論界對認(rèn)罪認(rèn)罰制度的既存研究中，學(xué)者們大都通過理論價值思辨［1］、對法律修改的評析等方式從認(rèn)罪認(rèn)罰制度的證明標(biāo)準(zhǔn)［2］、嫌疑人自愿性保障［3］、值班律師的職責(zé)和定位等方面進(jìn)行探討［4］，鮮有學(xué)者運(yùn)用統(tǒng)計學(xué)方法對認(rèn)罪認(rèn)罰制度的程序性利益供給情況進(jìn)行實證研究②。有鑒于此，本文擬在對2019年10月24日（《指導(dǎo)意見》頒行之后）以后我國上網(wǎng)的裁判文書進(jìn)行科學(xué)抽樣，通過人工閱讀方式將裁判文書中的有用信息進(jìn)行摘錄，再運(yùn)用SPSS16.0 軟件的二分類Logistic 回歸的統(tǒng)計方法③，厘清司法實踐中嫌疑人認(rèn)罪認(rèn)罰與是否被逮捕之間關(guān)聯(lián)之基礎(chǔ)上，對統(tǒng)計結(jié)果背后的所蘊(yùn)藏的深層次原由進(jìn)行更為微觀、細(xì)致的探討，以期有所裨益④。

一、研究材料與研究方法

2014 年1 月1 日，最高人民法院發(fā)布：《最高人民法院關(guān)于人民法院在互聯(lián)網(wǎng)公布裁判文書的規(guī)定》（后稱《文書規(guī)定》），其明確生效的裁判文書除涉及國家秘密、未成年人犯罪、離婚訴訟或涉及未成年人撫養(yǎng)、監(jiān)護(hù)等幾種情形外，均應(yīng)在互聯(lián)網(wǎng)全面、及時、依法、規(guī)范地公布。依此規(guī)定，近年來除代表官方的“中國裁判文書網(wǎng)”以外，一些高校和科技公司也建立了自己的裁判文書檢索網(wǎng)站，為此，筆者此次研究樣本的來源為在“聚法案例網(wǎng)”上所收錄的可在網(wǎng)絡(luò)上自由下載并查看的生效的裁判文書。

（一）樣本獲取思路

首先，以“一致性”為根據(jù)，將裁判文書抽樣范圍確立為2019年11月1日以后生效的裁判文書。本文研究對象為嫌疑人認(rèn)罪認(rèn)罰對逮捕率的實際影響，所以根據(jù)統(tǒng)計學(xué)研究的“控制變量”原則，選取的裁判文書樣本中所包含的與“認(rèn)罪認(rèn)罰”和“逮捕”這兩個關(guān)鍵詞有所關(guān)聯(lián)的信息的生成應(yīng)當(dāng)盡量處于同一司法環(huán)境下，但由于我國各地區(qū)政治、經(jīng)濟(jì)、社會發(fā)展?fàn)顩r存在巨大差異，很難將司法環(huán)境這一抽象且寬泛的概念統(tǒng)一化，從而只能從全國通行要素入手盡量控制司法環(huán)境的一致性，而這一全國通行要素毫無疑問便是各大規(guī)范性法律文件。在《指導(dǎo)意見》頒行以前，雖然認(rèn)罪認(rèn)罰從寬制度已經(jīng)被正式寫入新刑事訴訟法，在其中第81條第2款也明確了司法機(jī)關(guān)應(yīng)當(dāng)將犯罪嫌疑人是否認(rèn)罪認(rèn)罰作為其社會危險性的重要考慮因素，但有學(xué)者實際調(diào)研發(fā)現(xiàn)，在認(rèn)罪認(rèn)罰制度和速裁程序試點結(jié)束之后，囿于新興制度的完善性相對欠佳導(dǎo)致司法工作人員適用認(rèn)罪認(rèn)罰制度的積極性普遍有所下降［5］，但《指導(dǎo)意見》出臺之后，其對于認(rèn)罪認(rèn)罰制度的各方內(nèi)容進(jìn)行了一個相對全面的完善［6］，司法機(jī)關(guān)對適用認(rèn)罪認(rèn)罰度的主動性也隨之不斷提升。2019年11月1日之后為《指導(dǎo)意見》的效力覆蓋期，在此效力覆蓋期內(nèi)，司法機(jī)關(guān)對認(rèn)罪認(rèn)罰案件的處理（包括程序上和實體上）都基于相同且相對更加完整的規(guī)范性法律文件，由此在該日期之后上網(wǎng)的裁判文書無論在法律適用的一致性上還是制度運(yùn)行的全面性上都相對優(yōu)異，符合統(tǒng)計學(xué)研究樣本選取的“一致性”要求。

其次，以“全面性”為根據(jù)，以劃行政區(qū)隨機(jī)抽樣方式搜集研究樣本。在社會科學(xué)領(lǐng)域進(jìn)行實證研究不同于自然科學(xué)，迫于對研究對象能夠產(chǎn)生影響的因素過于龐雜，研究者往往難以嚴(yán)格控制實驗環(huán)境變量，特別是本文所采用的大樣本文書信息篩查的研究方式，由此，實驗者可能基于對該研究內(nèi)容的先驗性期望或認(rèn)識偏差等原因在實驗樣本的選取過程中產(chǎn)生“實驗者期望效應(yīng)”⑤。誠然，此種效應(yīng)對研究結(jié)論的影響是難以避免的，只能通過更加科學(xué)的實驗方式盡量降低此種效應(yīng)對最終實驗結(jié)果的制約，由此，筆者首先決定用隨機(jī)抽樣的方式確定抽樣樣本總量為300 份，在聚法案例網(wǎng)頁上通過“高級檢索”按鈕點擊選擇以下篩選項：（案由=刑事案件、文書類型=判決書、審判程序=一審、裁判時間=2019-11-1至今）一共檢索出286970份裁判文書，有學(xué)者對于裁判文書的上網(wǎng)率做過專門研究，其認(rèn)為對裁判文書上網(wǎng)率的計算應(yīng)當(dāng)用中國裁判文書網(wǎng)公布的裁判文書數(shù)量除以法院的結(jié)案量，由此，雖然此時的樣本數(shù)量并不完全，但據(jù)此方法計算筆者所設(shè)檢索條件下的裁判文書上網(wǎng)率也高達(dá)70.23%，并且樣本數(shù)量總數(shù)有二十多萬份，也可基本排除不上網(wǎng)的那部分裁判文書對研究結(jié)果產(chǎn)生的不利影響［7］，再按全國32個行政區(qū)域（不包括港、澳、臺）裁判文書在全部裁判文書中的占比乘以300確定各地區(qū)抽樣裁判文書數(shù)量。因為我國各行政區(qū)域之間的經(jīng)濟(jì)、社會等發(fā)展?fàn)顩r存在巨大差異，各地司法機(jī)關(guān)對認(rèn)罪認(rèn)罰制度的實施方式和側(cè)重點必然有所區(qū)別，本研究涉及對我國認(rèn)罪認(rèn)罰制度在程序性利益供給方面實施情況的全局性探索，所以應(yīng)盡量避免因抽樣調(diào)查這一研究方法的偶然性本質(zhì)對最終實驗結(jié)果可能產(chǎn)生的影響。抽樣具體情形如表1所示：

表1 2019年11月1日—2020年6月16日生效的裁判文書抽樣分布情形

（二）樣本內(nèi)涵信息概述

按照上文所述方式抽取的300份裁判文書中，不存在重復(fù)或無效的裁判文書，通過閱讀裁判文書和數(shù)據(jù)錄入，統(tǒng)計發(fā)現(xiàn)文書總共涉及犯罪嫌疑人449 個，其中在審判以前被執(zhí)行過逮捕的共有358 人，逮捕率為79.73%，略高于2019 年77.6%的平均值，但總體偏差不大，初步說明此次抽樣獲取的樣本材料具有一定的代表性。

1.樣本關(guān)鍵信息之選取?；诒疚难芯康膯栴}，筆者將抽樣的300 份裁判文書中的關(guān)鍵信息的選取確定為以下幾部分內(nèi)容：嫌疑人是否認(rèn)罪認(rèn)罰、嫌疑人是否為累犯、嫌疑人是否存在其他酌定量刑情節(jié)（自首、坦白、積極賠償損失、退贓退賠、立功）、嫌疑人是否涉及嚴(yán)重犯罪（可能被判處10年以上有其徒刑）、嫌疑人是否為過失犯罪五項，具體分布情形如圖1所示。

圖1 300份裁判文書449名犯罪嫌疑人關(guān)鍵信息羅列（單位：人）

筆者之所以選取以上信息作為關(guān)鍵信息對象，原因如下：對“社會危險性”條件的解構(gòu)。隨著2012年修訂的《刑事訴訟法》第79條（2018年刑事訴訟法第81條）將條文中“有必要逮捕”的文字表述予以刪除，加之其后出臺的一系列有關(guān)“社會危險性”的司法解釋⑥，“逮捕必要性”已經(jīng)與“社會危險性”漸漸畫上了等號［8］。1988年《最高人民檢察院一廳關(guān)于辦理批捕案件的質(zhì)量標(biāo)準(zhǔn)（試行）》（后稱《質(zhì)量標(biāo)準(zhǔn)》）第1 條第4 款，以及2015 年《最高人民檢察院、公安部關(guān)于逮捕社會危險性條件若干問題的規(guī)定（試行）》（后稱《危險性規(guī)定》）第5、6、7、8、9 條的規(guī)定細(xì)化并具體了刑事訴訟法典中關(guān)于逮捕條件的要求。

例如，《危險性規(guī)定》第5、7、8、9條均指向嫌疑人犯罪之后可能實施串供、毀滅證據(jù)、逃跑、自殺等犯罪行為以外的新的其他社會危害行為；第6條將犯罪嫌疑人具有危害國家、公共安全可能性以及曾經(jīng)因危害國家、公共安全受過刑事或行政處罰界定為嫌疑人重大社會危險性之外在表現(xiàn)形式之一，這與推崇自由主義的英國思想家米爾提出的傷害原則不謀而合，申言之，即使嫌疑人現(xiàn)在或從前所涉罪名為狹義的危害國家、公共安全以外的其他犯罪，也存在危害其他不特定公共參與者安全的現(xiàn)實可能性，亦可將其犯罪行為歸入公共危害范疇。綜上所述，筆者犯罪嫌疑人的“社會危險性”要求解構(gòu)為以下兩重維度：其一，嫌疑人之再犯可能性；其二，嫌疑人所涉罪行之公共危害性。

筆者基于嫌疑人之再犯可能性這一維度，決定選取裁判文書中：嫌疑人是否認(rèn)罪認(rèn)罰、嫌疑人是否存在酌定量刑情節(jié)、嫌疑人是否為累犯三項關(guān)鍵信息。因為，對于犯罪嫌疑人之再犯可能性的理解，不能狹義地局限在刑事犯罪范疇，根據(jù)2001年8月6日發(fā)布的《最高人民檢察院、公安部關(guān)于依法適用逮捕措施的有關(guān)規(guī)定》（后稱《逮捕規(guī)定》）第1條規(guī)定，“有證據(jù)證明犯罪事實”并不要求公安機(jī)關(guān)查清全部犯罪事實，說明此時即便證據(jù)鏈還不完整，但犯罪嫌疑人也實際處于被追訴狀態(tài)中，并且這個被追訴狀態(tài)的產(chǎn)生是基于偵查機(jī)關(guān)掌握的一定的證據(jù)材料，在此情形下，雖然未經(jīng)法院依法判決不能確定其有罪，但在法律層面對其人身行為規(guī)制的嚴(yán)厲程度也理應(yīng)與普通正常公眾存有一個相對明顯的區(qū)分，此時，伴隨著被追訴狀態(tài)的持續(xù)該犯罪嫌疑人的人身危險性邊際效應(yīng)相應(yīng)降低，導(dǎo)致其“再犯可能性”這一維度所涵攝的禁止性“行為圈”由最初的刑事犯罪行為內(nèi)縮為“逃避偵查”“干擾作證”“打擊報復(fù)”等普通違法行為。而犯罪嫌疑人如果選擇了認(rèn)罪認(rèn)罰、坦白、或積極退贓退賠取得被害人諒解，無論其心理上是否真心悔改，至少在法律層面上已經(jīng)形成了一個既成法律事實，例如嫌疑人自愿認(rèn)罪認(rèn)罰之后司法機(jī)關(guān)需要將案件轉(zhuǎn)入認(rèn)罪認(rèn)罰程序進(jìn)行追訴，其工作重點由實體上的犯罪事實證明轉(zhuǎn)化為審查確定犯罪嫌疑人認(rèn)罪認(rèn)罰之自愿性［9］、合法性、真實性、明智性、明知性，所以此時，嫌疑人其后也再無“隱匿證據(jù)”“串供”之必要。反之，作為具有累犯認(rèn)定條件并可能被認(rèn)定為累犯的犯罪嫌疑人，其由于其本身已前科累累，除逮捕之外很難有效抑制其再犯可能性。

筆者基于嫌疑人涉嫌犯罪之公共危害性性這一維度，決定選取裁判文書中：嫌疑人是否涉嫌嚴(yán)重犯罪（可能被判處10 年以上有期徒刑）、嫌疑人是否為過失犯罪兩項關(guān)鍵信息。因為，在法律層面上最能反應(yīng)一個人所犯罪行的公共危害程度的因素通常是兩點：其一，客觀上嫌疑人所涉嫌犯罪的罪行輕重；其二，主觀上嫌疑人犯罪時的心理惡性程度。主觀惡性一詞是犯罪主觀方面的概念，但有學(xué)者將其解讀為：所謂主觀惡性是通過犯罪客觀方面產(chǎn)生的并由犯罪事實所表現(xiàn)的以倫理道德、政治否定性和刑法確性為統(tǒng)一規(guī)范特征的犯罪心理的反社會性，由此，客觀上嫌疑人所犯罪行輕重以及主觀上的心理狀態(tài)都能有較為直觀地體現(xiàn)嫌疑人內(nèi)心的反社會特征，一旦該反社會性特征超出市民社會有效運(yùn)轉(zhuǎn)以及刑事訴訟順利進(jìn)行之需求所能容忍的邊界極限，便不宜繼續(xù)放任嫌疑人相對自由地繼續(xù)參與社會生活，而應(yīng)該適當(dāng)限制其人身自由或?qū)⑵淞b押。

2.樣本關(guān)鍵信息之描述。本次抽樣調(diào)查所涉及的449 個犯罪嫌疑人，其中認(rèn)罪認(rèn)罰的218 人中，有135人被執(zhí)行逮捕，逮捕率為61.9%，比整體逮捕率79.73整整低了17.83%，未認(rèn)罪認(rèn)罰的231人中，有223人被執(zhí)行了逮捕，逮捕率為96.52%，高出總體16.79個百分點。

單從這一視角切入，可以很直觀地看出犯罪嫌疑人是否認(rèn)罪認(rèn)罰對逮捕率的影響，相比于未認(rèn)罪認(rèn)罰的犯罪嫌疑人，認(rèn)罪認(rèn)罰的犯罪嫌疑人被執(zhí)行逮捕措施的比例較低，直觀數(shù)據(jù)對比甚至得出了斷崖式的34.63%的差量，由此似乎可以簡單地得出犯罪嫌疑人認(rèn)罪認(rèn)罰能有效降低逮捕羈押率的結(jié)論。但如此簡單地僅僅通過兩項數(shù)據(jù)之間的大小對比就得出如此肯定性結(jié)論缺乏必要的科學(xué)性和合理性，筆者在前文就已經(jīng)指出，司法機(jī)關(guān)是否決定對犯罪嫌疑人實行逮捕，單就通過文義解釋的方法從法律制度層面解讀，就存在多重影響因素，并且，還有學(xué)者研究指出，對于司法機(jī)關(guān)是否適用逮捕還存在諸如嫌疑人戶籍地所在、司法機(jī)關(guān)內(nèi)部機(jī)構(gòu)設(shè)置體系以及司法機(jī)關(guān)內(nèi)部相關(guān)管理制度和逮捕政策改革等因素的影響［10］，所以，不能僅僅依據(jù)數(shù)據(jù)大小的對比結(jié)果就貿(mào)然得出結(jié)論，應(yīng)當(dāng)以此為契機(jī)，繼續(xù)深挖表面的數(shù)據(jù)背后所隱藏的真實信息。

在樣本所含的449 名犯罪嫌疑人中，其中所涉罪行為“危險駕駛罪”的犯罪嫌疑人有59 人，并且此59人的認(rèn)罪認(rèn)罰率和不逮捕率都為100%，在選擇認(rèn)罪認(rèn)罰的218名嫌疑人中占比27.06%，占全部449名犯罪嫌疑人人數(shù)的13.14%，由于抽樣的隨機(jī)性誤差和裁判文書并未完全公布上網(wǎng)等原因，該比例略低于2019年全國17.7%的平均水平，但此誤差量尚在可接受范圍內(nèi)。

危險駕駛罪處罰的是行為犯，即犯罪嫌疑人處于幾種危險情形下仍然駕駛機(jī)動車的行為，實踐中主要針對“醉酒”駕車行為，由于沒有造成相應(yīng)危害后果，具有犯罪情節(jié)輕微、司法處置寬緩等特點［11］，由此司法機(jī)關(guān)很少對犯罪嫌疑人采取逮捕的強(qiáng)制措施，但偏偏涉及危險駕駛罪的犯罪嫌疑人選擇認(rèn)罪認(rèn)罰和被適用刑事速裁程序的比例又相當(dāng)之高⑦，質(zhì)言之，危險駕駛犯罪與認(rèn)罪認(rèn)罰從寬制度在實踐中已經(jīng)形成了一種常態(tài)化的默契聯(lián)動，即涉嫌危險駕駛的犯罪嫌疑人在大部分情況下都會選擇認(rèn)罪認(rèn)罰和被適用刑事速裁程序，但是，由于該罪的社會危險性在我國刑法體系中與其他犯罪相比又過于微小，在此語境下，即便在認(rèn)罪認(rèn)罰從寬制度試點以前，司法機(jī)關(guān)也很少對此類犯罪嫌疑人采用逮捕的強(qiáng)制措施。所以，此59 個涉嫌危險駕駛的統(tǒng)計數(shù)據(jù)的特殊性較強(qiáng)，不宜將其一攬子算入沒被逮捕的犯罪嫌疑人之中，不適合作為得出唯一結(jié)論的可靠依據(jù)。由此，如果將此59個未被逮捕的嫌疑人數(shù)據(jù)剔除，再分別計算嫌疑人認(rèn)罪認(rèn)罰與否的逮捕情況，可以發(fā)現(xiàn)，認(rèn)罪認(rèn)罰的犯罪嫌疑人的逮捕率由最初的61.90%陡增至84.90%，在此情形下，與不認(rèn)罪認(rèn)罰的犯罪嫌疑人的96.53%的逮捕率之間的差異也就大幅縮小了。

一言以蔽之，囿于逮捕措施本身構(gòu)造之復(fù)雜性、影響因素之龐雜性、逮捕適用決定之裁量性、我國司法現(xiàn)狀之特殊性等原由，通過單純地對抽樣數(shù)據(jù)大小的對比就得出結(jié)論，缺乏科學(xué)依據(jù)，雖然法學(xué)判斷本應(yīng)為價值判斷而非真理判斷，并且在法學(xué)領(lǐng)域的大數(shù)據(jù)研究的核心也是尊重經(jīng)驗真實、敬畏經(jīng)驗真實、在乎經(jīng)驗的代表性［12］，但既然選擇了以科學(xué)實驗為基準(zhǔn)的實證研究，就不能僅僅依靠經(jīng)驗來描述數(shù)據(jù)表征，應(yīng)該結(jié)合更加精密的計算機(jī)軟件和統(tǒng)計學(xué)研究方式來解構(gòu)數(shù)據(jù)，通過技術(shù)手段揭示暗植數(shù)據(jù)背后的深層次邏輯勾連，再用法學(xué)理論和經(jīng)驗事實來解釋產(chǎn)生這種數(shù)據(jù)勾連背后的客觀原由。

（三）統(tǒng)計分析方法

鑒于上文所述，本文擬結(jié)合計算機(jī)軟件進(jìn)行統(tǒng)計學(xué)分析，筆者數(shù)據(jù)錄入選擇運(yùn)用EXCEL軟件，數(shù)據(jù)分析采用SPSS16.0 統(tǒng)計軟件，分析方法運(yùn)用二分類Logistic 回歸，根據(jù)本文研究的具體問題，筆者將從300 份裁判文書中提取的關(guān)鍵性內(nèi)容作為自變量（解釋變量），以犯罪嫌疑人是否被逮捕作為因變量（被解釋變量），對各自變量之間所涵蓋事實的存在與否進(jìn)行賦值。例如，犯罪嫌疑人是否認(rèn)罪認(rèn)罰作為一個自變量，如果犯罪嫌疑人選擇了認(rèn)罪認(rèn)罰，則將此數(shù)據(jù)賦值為0，反之則賦值為1，以此類推，總體賦值情形如表2所示，以二分類自變量的形式將總共449各犯罪嫌疑人的賦值情況以及逮捕情況全部錄入，再運(yùn)用二分類Logistic 回歸的運(yùn)算方式計算各自變量的動態(tài)變化情形與因變量之間的統(tǒng)計學(xué)關(guān)系。若最終軟件輸出的數(shù)據(jù)表格中的其中一項指標(biāo)：P值小于0.05，則表示該結(jié)果具有統(tǒng)計學(xué)意義，換言之，該項關(guān)鍵信息（解釋變量）對嫌疑人是否被采取逮捕的強(qiáng)制措施（被解釋變量）之間存在正相關(guān)或負(fù)相關(guān)影響，正相關(guān)與負(fù)相關(guān)取決于筆者的賦值方向選擇。例如，將嫌疑人符合累犯構(gòu)成要件賦值為1（自變量），嫌疑人被逮捕也賦值為1（因變量），最后軟件輸出結(jié)果的P值小于0.05，說明嫌疑人可能構(gòu)成累犯有助于嫌疑人被逮捕這個結(jié)果的實現(xiàn)，所以，研究最后最重要的軟件指標(biāo)依然是P值大小是否超出既定范圍，此處不再贅述。

表2 逮捕危險因素分析研究的變量與賦值

最后，由于筆者選取的自變量關(guān)鍵信息是基于我國刑事訴訟法對于逮捕適用條件的具體規(guī)定，所以該自變量因素與被解釋變量（因變量）之間在理論上一定具有相關(guān)性，即便研究結(jié)果顯示該項解釋變量與被解釋變量之間的P 值大于0.05，也只能說明司法實踐中該制度運(yùn)行態(tài)勢脫離了立法者最初的目的，所以筆者不需要對本研究的統(tǒng)計變量進(jìn)行均值、標(biāo)準(zhǔn)差、中位數(shù)、四分位數(shù)等數(shù)據(jù)運(yùn)算，也不需要運(yùn)用卡方檢驗方式對數(shù)據(jù)之間的正態(tài)分布情形進(jìn)行比較，只需錄入數(shù)據(jù)進(jìn)行二分類Logistic回歸分析即可。

二、統(tǒng)計結(jié)果

遵循表2所示賦值情形，將449名犯罪嫌疑人的相關(guān)信息情況錄入SPSS16.0軟件后，選擇工具欄選項中的分析（Analyze）選項，再點擊回歸分析方法（Regression），再在回歸分析方法選項中選擇二分類Logistic（Binary Logistic），然后在主對話框選項中將被解釋變量arrest（逮捕）送入Dependent（因變量）框中，將納入模型的解釋變量confession（認(rèn)罪認(rèn)罰）、recidivism（累犯）、severity（嚴(yán)重犯罪）、misstep（過失犯罪）、extenuatory（酌定量刑情節(jié)）納入Covariates（自變量）框中，在自變量篩選選項一欄（Method對話框）一欄選擇Forward：LR方法（基于最大似然估計的向前逐步回歸法），因為此種方法的向前推進(jìn)分析模式比較符合我國司法機(jī)關(guān)適用逮捕的強(qiáng)制措施的三段論推理方式，或者說更符合以現(xiàn)有證據(jù)和事實材料正向推導(dǎo)最后結(jié)論的法律邏輯。最后，在選項（option）部分勾選HosMer Lemeshow goodness-of-fit 用以檢驗本回歸模型的擬合優(yōu)度⑧，并給出OR 為95%的置信區(qū)間⑨，再點擊OK選項進(jìn)行最終分析，結(jié)果如下：

（一）模擬系數(shù)的Omibus測試

如表3所示，該表給出了本模型的模擬系數(shù)綜合檢驗結(jié)果，其中Model一欄輸出了Logistic回歸模型中所有參數(shù)是否均為0的似然比檢驗結(jié)果，質(zhì)言之，只要Model一欄中的Sig.系數(shù)（相當(dāng)于前文所述的P值）小于0.05，則表明本次擬合的模型所納入的變量中，至少有一個變量的OR值具有統(tǒng)計學(xué)意義，即模型具有統(tǒng)計學(xué)意義。表3 中的Model 一欄的Sig 系數(shù)無限接近于0，小于0.05，說明其中至少有一個變量的置信區(qū)間具有統(tǒng)計學(xué)意義，但是，并不知道是否是認(rèn)罪認(rèn)罰（confession）這一變量的置信區(qū)間具有統(tǒng)計學(xué)意義，需要繼續(xù)觀察其余表格綜合判斷。

表3 模型系數(shù)的omnibus測試

（二）Hosmer與Lemeshow測試

如表4所示，該表格是對于模型的擬合優(yōu)度的檢驗，當(dāng)表格中的Sig.（P值）不小于0.05時，表明當(dāng)前錄入數(shù)據(jù)已被模型充分提取，模型的擬合優(yōu)度較高。表4中，Sig.（P值）數(shù)值為0.953，明顯大于0.05，表明嫌疑人數(shù)據(jù)已被充分提取，該研究模型符合筆者預(yù)期。

表4 Homer與Lemeshow測試

（三）最終結(jié)果呈現(xiàn)

最后，在SPSS軟件最終輸出的最為重要的Variables in the Equation 一表中存在多種參數(shù)模型，其中大部分參數(shù)值對應(yīng)的統(tǒng)計學(xué)結(jié)果對本次研究意義不大，所以筆者不將此表呈現(xiàn)在正文當(dāng)中，而是將此表中的部分有用參數(shù)提取出來重新制作一個新的表格，如表5所示，以便更好地展示研究結(jié)果。

表5 與逮捕有關(guān)的法律因素展示

如表5 所示，筆者從SPSS 軟件輸出的Variables in the Equation 一表中提取了兩個有用參數(shù)，其一是P（相關(guān)系數(shù)）值，其二是OR值（置信區(qū)間）。從該兩項參數(shù)的取值中可得的結(jié)果具體如下：

首先，嫌疑人是否認(rèn)罪認(rèn)罰、涉嫌嚴(yán)重犯罪、存在酌定量刑情節(jié)與司法機(jī)關(guān)是否對其適用逮捕的強(qiáng)制措施具有相關(guān)性。如表5 所示，筆者在表中標(biāo)記“*”的以上幾個自變量的P 值均小于0.05，通常認(rèn)為，只要P值小于0.05則表明該項解釋變量與被解釋變量之間的相互關(guān)系具有統(tǒng)計學(xué)意義，但不同自變量之間P 值取值的大小也存在差異，在筆者的統(tǒng)計學(xué)研究中，Confession（非認(rèn)罪認(rèn)罰）這一自變量的P值為無限接近于0，Severity（嚴(yán)重犯罪）的P值為0.01，Extenuatory（酌定情節(jié)）的P值為0.03，但在統(tǒng)計學(xué)上并不能由此得出Confession（非認(rèn)罪認(rèn)罰）這一自變量于因變量Arrest（逮捕）之間的相關(guān)性更顯著的結(jié)論，以P 值與0.05 之間的大小對比為一個分界線，并以此為據(jù)，只能對自變量與因變量之間是否存在統(tǒng)計學(xué)關(guān)聯(lián)（相互關(guān)系）進(jìn)行定性，P值小于0.05說明有關(guān)聯(lián)，大于0.05說明沒有，但不能再深入地以P值之間的大小關(guān)系對比得出其他更微觀的定量的結(jié)論。

其次，嫌疑人是否可能構(gòu)成累犯、涉嫌過失犯罪與司法機(jī)關(guān)是否對其適用逮捕的強(qiáng)制措施沒有統(tǒng)計學(xué)關(guān)聯(lián)。Recidivism（累犯）和Misstep（過失犯罪）兩項自變量的P值均大于0.05，說明至少從筆者抽樣的300 份裁判文書涉及的449 名犯罪嫌疑人的相關(guān)數(shù)據(jù)看來，該兩項法律因素與逮捕之間不存在統(tǒng)計學(xué)關(guān)聯(lián)，理由如上，此處不再贅述。

最后，不認(rèn)罪認(rèn)罰的犯罪嫌疑人被逮捕的概率為認(rèn)罪認(rèn)罰的犯罪嫌疑人的13.71倍，置信區(qū)間為6.25 到30.09；涉嫌嚴(yán)重犯罪（可能被判處10 年以上有期徒刑）的犯罪嫌疑人被逮捕的概率比涉嫌其余犯罪的犯罪嫌疑人高34.7 倍，置信區(qū)間為4.65 到259.04；存在酌定量刑情節(jié)的犯罪嫌疑人被逮捕的概率為不存在的犯罪嫌疑人的0.36倍，置信區(qū)間為0.18到0.74。

筆者在SPSS 軟件操作之時，之所以勾選OR（置信區(qū)間）選項，理由在于，此次抽樣研究的樣本總量僅為449 個，雖然符合社會科學(xué)實證研究300 個樣本量的最低要求，但從客觀上看，其樣本的絕對數(shù)量還是過小，在此情況下，需要借助置信區(qū)間來反映樣本數(shù)量大小對最后研究結(jié)果的影響程度，置信區(qū)間上限與下限之間的差值越大，說明該項數(shù)據(jù)的樣本數(shù)量越小，產(chǎn)生該結(jié)果的偶然性相對較大。

小規(guī)模納稅人的科目設(shè)置參照《規(guī)定》，在“應(yīng)交稅費”科目下設(shè)置“應(yīng)交增值稅”、“轉(zhuǎn)讓金融商品應(yīng)交增值稅”、“代扣代交稅金”明細(xì)科目，核算原理同上。

本研究中，Confession（認(rèn)罪認(rèn)罰）的置信區(qū)間的上下限之間的差數(shù)為23.84，相對可以接受，說明樣本數(shù)量基本足夠，但Severity（嚴(yán)重犯罪）的置信區(qū)間上限高達(dá)258.04，與下限4.65 之間的差數(shù)達(dá)到了254.39，說明樣本數(shù)量極缺，該最終結(jié)果的呈現(xiàn)存在一定的偶然性。最后，Extenuatory（酌定情節(jié)）的OR 值為小數(shù)，從筆者的賦值取向來看，表明存在酌定量刑情節(jié)的犯罪嫌疑人反而更加容易被逮捕，這一結(jié)論出乎筆者意料，但其置信區(qū)間大小0.56也尚在可接受范圍內(nèi)。

三、發(fā)現(xiàn)與討論

1966 年聯(lián)合國《公民權(quán)利和政治權(quán)利公約》第9 條第3 款確立的“等待審判的人受監(jiān)禁不應(yīng)成為一般規(guī)則”早已被世界上大多數(shù)國家接受，并被直觀地反映在域外大多數(shù)法治國家所遵循的逮捕的司法審查模式下，雖然我國也依循檢察機(jī)關(guān)審查批捕模式，但其運(yùn)行態(tài)勢始終難以逃脫書面審查之窠臼［13］，Logistic二分類回歸分析法雖然能夠直觀映現(xiàn)各自變量于因變量之顯著性相關(guān)性程度，但無法揭示各自變量之間的內(nèi)生關(guān)聯(lián)關(guān)系，從而模糊了認(rèn)罪認(rèn)罰從寬制度與逮捕措施之間所暗含的充分與必要關(guān)系間的界限。有鑒于此，筆者將以上述統(tǒng)計學(xué)結(jié)果為基石，再結(jié)合我國獨有的法治背景對表象的統(tǒng)計學(xué)結(jié)果進(jìn)行具象的理論剖析。

（一）發(fā)現(xiàn)：認(rèn)罪認(rèn)罰制度對逮捕的實際影響甚微

統(tǒng)計學(xué)結(jié)果顯示，嫌疑人選擇認(rèn)罪認(rèn)罰對司法機(jī)關(guān)是否對其適用逮捕措施存在顯著相關(guān)性，說明我國認(rèn)罪認(rèn)罰從寬制度改革在程序性權(quán)利供給范疇取得階段性成果，有利于助推我國基本人權(quán)保障水平的提高［14］，但從2019年全年的司法實踐情況看來，助推的實際效果依然不足。

2019 年，在認(rèn)罪認(rèn)罰從寬制度被正式寫入刑事訴訟法典之后，在各地司法機(jī)關(guān)相對完整地實行認(rèn)罪認(rèn)罰制度的語境下，我國2019 年全年逮捕率為77.6%，相對于2018 年僅下降了0.3 個百分點，我國最近一次逮捕率大幅度下降是在2013年，2013年我國全年逮捕率為78.8%相對于2012年的87.9%下降了9.1 個百分點⑩，這主要得益于2012 年刑事訴訟法的修改，將逮捕措施的考慮因素具象為嫌疑人的社會危險性［15］，并就社會危險性因素的具體表現(xiàn)通過一系列司法解釋予以說明，此后，從2013 年至2019 年7 年時間我國逮捕率便一直趨于高位穩(wěn)定，波動值較小，說明SPSS 軟件輸出的不認(rèn)罪認(rèn)罰的嫌疑人被逮捕的概率比認(rèn)罪認(rèn)罰的高13.71倍的結(jié)果是建立在我國刑事案件不捕率起伏較小且及其低下的情況下，認(rèn)罪認(rèn)罰制度難以對我國目前逮捕措施適用的大環(huán)境產(chǎn)生實質(zhì)性影響。表5中Misstep（過失犯罪）自變量與因變量之間不存在統(tǒng)計學(xué)關(guān)聯(lián)（P值大于0.05）便是佐證，因為，按照常理，過失犯罪的嫌疑人相對于故意犯罪，其主觀惡性理應(yīng)較小，說明其社會危險性也相對較低，應(yīng)該對逮捕措施的適用產(chǎn)生一定影響，實則不然。如圖2 所示，筆者抽樣的涉嫌過失犯罪的115名犯罪嫌疑人中，被執(zhí)行逮捕措施的有85人，占比73.91%，涉嫌故意犯罪的334人中，被執(zhí)行逮捕措施的273人，占比81.74%，其間差異僅為7.83個百分點。

圖2 過失犯罪與故意犯罪嫌疑人的被逮捕率對比

由此說明，即便犯罪嫌疑人主觀方面所持心理狀態(tài)為過失，也不足以大幅度降低其在檢察機(jī)關(guān)心目中的社會危險性程度，說明在我國刑事訴訟中犯罪嫌疑人的“出押”門檻相當(dāng)之高，司法機(jī)關(guān)基本“夠罪即捕”，我國高刑事羈押率的司法大環(huán)境難以在朝夕間改變。

（二）討論：報應(yīng)補(bǔ)償為主，寬嚴(yán)相濟(jì)為輔

司法機(jī)關(guān)在審查逮捕過程中對犯罪嫌疑人社會危險性的考慮，更傾向于以報應(yīng)補(bǔ)償立場為主導(dǎo)，所謂報應(yīng)補(bǔ)償，是指司法機(jī)關(guān)在審查逮捕時，以客觀上嫌疑人所涉罪行對犯罪對象和犯罪客體的危害程度為最終決定因素，犯罪客體和對象所受損害越大，司法機(jī)關(guān)越容易對嫌疑人采取逮捕措施，而不以嫌疑人是否存在認(rèn)罪認(rèn)罰或其他酌定量刑情節(jié)作為嫌疑人社會危險性的主要考慮因素。

表6 115名過失犯罪嫌疑人罪名及逮捕率分布情況（單位：人）

根據(jù)我國《刑法》第133條規(guī)定，要構(gòu)成交通肇事罪需要符合以下情形：一是死亡人或重傷3人以上，負(fù)事故主要責(zé)任；二是造成財產(chǎn)損失30萬元以上，并負(fù)事故主要責(zé)任。三是有無證駕駛、嚴(yán)重超載、酒駕、毒駕、故意駕駛不符合安全標(biāo)準(zhǔn)機(jī)動車等情節(jié)，造成一人以上重傷負(fù)事故全部或主要責(zé)任的。由此可見，交通肇事罪雖然是純正的過失犯，但其包含有過失致人死亡的內(nèi)容［16］，除此之外還兼含犯罪嫌疑人的主觀上的一系列危險駕駛行為，雖然對于不純正的過失犯來說，同一個犯罪中的過失犯罪相對于故意犯罪來看，其主觀惡性較小，但我國司法實踐中交通肇事罪在整個過失犯罪數(shù)量體系中占比過于龐大，從報應(yīng)補(bǔ)償視角切入，其犯罪行為對被害人方造成了難以彌補(bǔ)的損害，此時，在評估嫌疑人社會危險性程度的司法機(jī)關(guān)視野中，其造成社會危害程度相對于危險駕駛、盜竊等輕微故意犯罪來說有過之而無不及，從而更傾向于對此類嫌疑人采取逮捕措施。

并且，從Severity（嚴(yán)重犯罪）指標(biāo)和Extenuatory（酌定情節(jié)）指標(biāo)輸出結(jié)果可知：涉嫌嚴(yán)重犯罪的嫌疑人比其他嫌疑人的被逮捕概率高了整整34.7倍；存在酌定量刑情節(jié)的犯罪嫌疑人比不存在的被逮捕的概率更高，也從側(cè)面印證了在我國司法機(jī)關(guān)對強(qiáng)制措施實施與否的裁量，不是秉持認(rèn)罪認(rèn)罰從寬制度所提倡的以嫌疑人本身的主觀心理狀態(tài)和客觀法律行為為主導(dǎo)的寬嚴(yán)相濟(jì)的司法精神。

一言以蔽之，誠然，統(tǒng)計學(xué)結(jié)果表明，嫌疑人選擇認(rèn)罪認(rèn)罰的確有助于降低其被逮捕的風(fēng)險，但此結(jié)論是建立在認(rèn)罪認(rèn)罰從寬制度與某些特定的輕微犯罪如危險駕駛罪在實踐中相互綁定以及我國居高不下的刑事羈押率的基礎(chǔ)之上，或許這與認(rèn)罪認(rèn)罰從寬這一新興制度實行期限較短、各地司法機(jī)關(guān)對制度精神理解尚不透徹有關(guān)，但相對于檢察機(jī)關(guān)在報應(yīng)補(bǔ)償立場操持下的強(qiáng)制措施裁量方式，認(rèn)罪認(rèn)罰從寬制度于降低逮捕風(fēng)險之正相關(guān)價值便相形見絀。

四、結(jié)語

2019 年全年我國認(rèn)罪認(rèn)罰制度適用率為48.3%，但存在逐月上升趨勢，12 月的適用率達(dá)到了83.1%，說明此制度體系在我國刑事訴訟中已經(jīng)占據(jù)主流，所以，對該制度完善方向的探尋也應(yīng)存在多層次格局，雖然結(jié)果顯示其對逮捕確有正相關(guān)影響，但現(xiàn)實中司法機(jī)關(guān)對逮捕措施的適用始終難以跳出被“報應(yīng)補(bǔ)償”理念操持之窠臼，從實踐來看，認(rèn)罪認(rèn)罰從寬制度對嫌疑人脫離逮捕風(fēng)險的正相關(guān)供給實在太過微弱，反而嫌疑人所遭受的逮捕風(fēng)險大小在其犯下罪行的那一刻就已基本塵埃落定，嫌疑人在犯下罪行之后很難通過認(rèn)罪認(rèn)罰、自首、立功等法律行為來降低被逮捕的風(fēng)險。

由此，在司法體制及司法運(yùn)行機(jī)制改革深入推行的當(dāng)下，認(rèn)罪認(rèn)罰從寬制度作為當(dāng)下及未來我國刑事訴訟體系運(yùn)作的重要載體和核心內(nèi)容，理應(yīng)最大化發(fā)揮其獨立價值和工具性價值，厘清和保障其對犯罪嫌疑人的實體性和程序性利益供給要求應(yīng)該成為實務(wù)界和理論界關(guān)注的重點。在程序性利益場域，逮捕行為本身作為公民基本權(quán)利侵犯之強(qiáng)制措施［17］，其核心在于提高逮捕質(zhì)量，而認(rèn)罪認(rèn)罰從寬作為一個有生命的制度體系，對其價值完善考量不能僅僅著眼于對訴訟效率的提高，還應(yīng)該以其程序性利益供給效能為載體，影響檢察機(jī)關(guān)對逮捕措施的具體裁量標(biāo)準(zhǔn)，希冀推動我國逮捕審查模式從報應(yīng)式補(bǔ)償轉(zhuǎn)向綜合式評估。

［注釋］：

①目前我國刑事羈押率依然在高位徘徊，據(jù)最高人民檢察院新浪官方微博于2020年6月2日發(fā)布的《2019年全國檢察機(jī)關(guān)主要辦案數(shù)據(jù)（附問答）》一文顯示，2019 年全國檢察機(jī)關(guān)逮捕率為77.6%，同比降低0.3 個百分點，https：//card.weibo.com/article/m/show/id/2309404511308425855241？_wb_client_=1，最后訪問日期：2020年6月13日。

②目前學(xué)界既存實證研究，也主要是從被追訴人知情權(quán)保障、法官作用、速裁程序?qū)嶋H試點效果、被告人上訴原由等方面進(jìn)行，總體來說還是將目光放在認(rèn)罪認(rèn)罰制度本身之合理性和被追訴者實體性利益供給，忽略了程序上的“從簡”處理這一方面。劉方權(quán)：《刑事速裁程序試點效果實證研究》，載《國家檢察官學(xué)院學(xué)報》，2018年第2期；宋善銘：《認(rèn)罪認(rèn)罰從寬案件中法官作用的實證研究》，載《法律適用》，2019年第13期；曹波：《全國刑事速裁程序試點宏觀狀況實證研究》，載《河北法學(xué)》，2019年第4期

③Logistic 回歸主要在計量經(jīng)濟(jì)學(xué)和流行病學(xué)中應(yīng)用較多，與多重線性回歸實際上由很多相同之處，是自變量二項分布的一種模型，科用于探索解釋變量與被解釋變量之間的邏輯聯(lián)系。參見陶長琪：《計量經(jīng)濟(jì)學(xué)》，南京大學(xué)出版社，2011年版，第212～216頁。

④由于目前既存實證研究大多基于中國裁判文書網(wǎng)上公布的裁判文書，由于裁判文書難以反應(yīng)法庭全貌，所以以此為基準(zhǔn)地大數(shù)據(jù)研究存在技術(shù)手段相對匱乏、缺乏學(xué)術(shù)深度以及創(chuàng)新性等問題。由此，筆者希望引入計算機(jī)科學(xué)方法，用SPSS軟件對裁判文書法律大數(shù)據(jù)進(jìn)行更為嚴(yán)謹(jǐn)、細(xì)致地分析。參見左衛(wèi)民，王嬋媛：《基于裁判文書網(wǎng)的大數(shù)據(jù)法律研究：反思與前瞻》，載《華東政法大學(xué)學(xué)報》，2020年第2期。

⑤一系列心理學(xué)實驗表明，實驗者在做實驗時經(jīng)常帶有某種期望或偏向，被實驗者捕捉到這種信號后，可能會按照與實驗者期待或者偏愛相一致的方向作出反應(yīng)，從而驗證實驗者的預(yù)期。換而言之，實驗者期望被試身上發(fā)生的某種特殊反應(yīng)，有時不過是實驗者自己帶有傾向性的期望所導(dǎo)致的結(jié)果。在這種情形下，心理學(xué)實驗效度的影響被稱為“實驗者期望效應(yīng)”（experimenter expectancy effect）。參見［美］羅杰·R 霍克（Roger·R·Hock）：《改變心理學(xué)的40 項研究》，白學(xué)軍等譯，中國人民大學(xué)出版社2015年版，第99頁。

⑥例如《人民檢察院刑事訴訟規(guī)則（試行）》第139～144 條；《人民檢察院辦理羈押必要性審查案件規(guī)定（試行）》；《暫予監(jiān)外執(zhí)行規(guī)定》第6條等。

⑦劉方權(quán)教授在《刑事速裁程序試點效果實證研究》一文中提到，其考察的三個基層法院適用速裁程序的案件中，“危險駕駛”案件占比77.3%，參見劉方權(quán)：《刑事速裁程序試點效果實證研究》，載《國家檢察官學(xué)院學(xué)報》，2018 年第2期；根據(jù)“法納刑辯”微信公眾號發(fā)布的《認(rèn)罪認(rèn)罰案件大數(shù)據(jù)報告》一文數(shù)據(jù)顯示，試點期間“危害公共安全類犯罪”占適用認(rèn)罪認(rèn)罰制度的所有犯罪類型的38.37%，而“危險駕駛類犯罪”又占“危害公共安全類犯罪”的86.90%，https：//mp.weixin.qq.com/s/WopV2USy_z_9QTe-oaNUw，最后訪問日期：2020年6月20日。

⑧擬合優(yōu)度（Goodness of Fit）是指回歸直線對觀測值的擬合程度。度量擬合優(yōu)度的統(tǒng)計量是可決系數(shù)（亦稱決定系數(shù)）R2。R2最大值為1，其越接近1，說明回復(fù)直線對觀測值的擬合程度越好。它可以運(yùn)用于金融等多種領(lǐng)域，基于所得觀測值的基礎(chǔ)上所作出的預(yù)測。換句話說，它是衡量如何將實際觀測的數(shù)值進(jìn)行模擬的相關(guān)預(yù)測。參見李子奈，葉阿忠：《高等計量經(jīng)濟(jì)學(xué)》，清華大學(xué)出版社，2000年第2版，第260～263頁。

⑨在統(tǒng)計學(xué)中，一個概率樣本的置信區(qū)間（Confidence interval）是對這個樣本的某個總體參數(shù)的區(qū)間估計。置信區(qū)間展現(xiàn)的是這個參數(shù)的真實值由一定概率落在測量結(jié)果的周圍的程度，其給出的是被測量參數(shù)的測量值的可信程度，即前面所要求的“一個概率”。參見王福保，葉潤修，閔華玲：《概率論及數(shù)理統(tǒng)計》，同濟(jì)大學(xué)出版社，1984年第1版，第47～48頁。

⑩數(shù)據(jù)來源：《2014中國法律年鑒》，北京：中國法律年鑒社，2014年版，第164頁。