诈骗罪量刑实证分析 法官在对诈骗罪罪犯进行刑罚裁量时，都考虑了哪些情节？这些情节的影响方向、程度是怎样的？

实证分析的基本过程 刑罚适用的理论梳理—〉确定使用多元回归来分析—〉影响刑罚的自变量体系假设—〉自变量和因变量的概念化和操作化—〉建立分析表—〉 实证样本的抽样—〉数据整理和录入—〉导入到统计分析软件—〉利用多元线性回归进行统计分析—〉对统计结果进行分析和解释

第一步:理论梳理 罪刑均衡原则下，罪的严重性，决定了刑罚的结果。

第二步:选择分析方法 罪的严重性，是由很种因素决定的：诈骗罪犯罪中，诈骗金额，诈骗犯罪的特殊情节（例如导致被害人死亡、精神失常或其他严重后果）等等；诈骗犯罪人，累犯、自首、立功等。这些因素交织在一起，有些是表明罪的趋轻特点，有些则是趋重特点。因此，不能把这些因素单独和刑罚进行比较分析，而要采用更加综合性的方法。多个自变量一个因变量之间的关系分析，通常采用回归分析方法。

第三步:提出影响刑罚的自变量体系假设 社会宏观背景要素 实体性要素 程序性要素

第四步:自变量和因变量的概念化和操作化：社会宏观背景要素 年代 判决生效年份 地域 判决生效省份 社会经济指标 人均GDP 人均消费指数 人均受教育指数 司法力量指标 法官性别比例 法官平均年龄 法官平均教育年限 每十万人口法官数 每刑事法官年均审案数

第四步:自变量和因变量的概念化和操作化：实体性 要素-被告人特征 被告人自然属性 性别 犯罪年龄 特殊生理或病理案件-又聋又哑 特殊生理或病理案件-患精神病 特殊生理或病理案件-患恶性传染病 外来人口犯罪 国籍地区 民族名称 被告人社会属性 学历 政治面貌类型 犯罪人职业 被告人法律属性 第一被告人 首犯 主犯 从犯： 初犯再犯 是否累犯 劳教人员 治安拘留 限制责任能力

第四步:自变量和因变量的概念化和操作化：实体性要素-犯罪特征 侵害意图 民间矛盾 侵害对象 主要被害人类型-近亲 主要被害人类型-邻里 主要被害人类型-朋友 主要被害人类型-陌生人 涉港 涉澳 涉台 涉侨 涉外 被害过错 侵害手段 侵害场所 侵害时机 侵害结果 犯罪金额 经济损失 社会舆论 其他犯罪情节 其他严重情节 其他特别严重情节

第四步:自变量和因变量的概念化和操作化：实体性要素-其他量刑情节 预备犯 未遂犯 中止犯 胁从犯 自首 立功 重大立功 自首+重大立功 审判时怀孕的妇女

第四步:自变量和因变量的概念化和操作化：实体性要素-犯罪后表现 赔偿被害人损失 是否追缴赃物 追缴赃物价值 是否追缴赃款 追缴赃款价值 判决挽回经济损失额 没收违禁品和供犯罪所用的本人财物 认罪悔罪

第四步:自变量和因变量的概念化和操作化：程序性要素（1） 控方信息 主控检察官行政级别 主控检察官专业级别 证人是否出庭 证人出庭人数 诉讼代理人 辩方信息 辩护类型 案件被告人人均辩护人人数 法律援助 审方信息 管辖 管辖原则 审理机构 审理法院级别 审级 审判组织类型 合议庭类型 合议庭人数 审委会讨论 主审法官 审判长行政职务 主审法官行政级别 主审法官专业级别 主审法官性别 主审法官政治面貌 主审法官教育程度 主审法官教育类型

第四步:自变量和因变量的概念化和操作化：程序性要素（2） 审理 案件启动 案件来源 一审案件来源 二审案件来源 再审案件来源 审理过程 法院受理时间 判决时间 案件审理时间 案件全程处理时间 延期审理 审理公开 不公开审理原因 一审案件适用程序 证据种类 抗辩情况 抗辩种类 裁判 判决书字数 是否有罪 此罪彼罪 罪名变更

第四步:自变量和因变量的概念化和操作化：因变量“刑罚”的操作化 刑罚：刑事责任的下位概念，包括免予刑事处罚、给予刑事处罚两大类，给予刑事处罚中，又包括主刑和附加刑，主刑和附加刑又分为不同种类，其中有定类（类型化）的，比如死刑、无期徒刑，也有定距（数值化）的，比如有期徒刑几年；主刑中又可能包含刑罚执行方式（缓刑）。 在常见的回归分析中，要求因变量是一个单一的因素（即不同案例中，犯罪人的刑罚是可比较的，要把处无期徒刑的刑罚和处3年有期徒刑转化为同一个量纲），这里就需要将刑罚的各种情形转化为一个单一因素，需要参照一些经验模型（白建军著《公正底线——刑事司法公正性实证研究》 ）。 本研究作了一个简化处理，即专门针对处有期徒刑的样本进行分析。这样即可以避免因为刑罚模型带来的理论争议，又可以更加微观的观察法官在有期徒刑刑罚裁量中的规律。

第五步:建立数据表 Excel软件或spss等统计软件，都可以进行数据 表创建 和数据存储工作。

数据表excel文件创建范例

第六步:实证样本的抽样 抽样原理 全样本 随机样本 本研究采取简单随机抽样的策略（北大法意收集了公开渠道最完整的刑事裁判文书，可近似认为一个随机抽样的结果） 如何查找案例 登陆北大法意网首页（www.lawyee.net）—〉网站导航“法院案例” —〉刑事案件智能检索系统—〉检索条件“犯罪分析-罪名-被指控被告人_判决罪名：诈骗罪；犯罪分析-罪名-被指控被告人_判决罪数：1至1；刑罚-被指控被告人_有期徒刑刑期 ：180天至5400天，点击检索，表示被判处诈骗罪单罪、半年到15年有期徒刑的案件，将全部案件下载后，再根据地域进行等量样本

第七步:整理数据 数据整理，就是按照分析框架中的各因素的操作化定义，逐个样本逐个因素进行分析，得出每个样本就每个因素的取值结果，向数据表按照一个的标准进行填充的过程。比如有一个字段“犯罪金额”，就是把每个样本中的犯罪金额分析出来，填充到数据表中。在数据整理过程中，我们需要注意以下研究规范： 研究的独立性 研究的标准性 研究的团队性 如何向数据表填充数据

第八步:分析数据 分析工具 在进行推断性统计分析时，需要用到专门的统计分析软件，比如spss、sas、stata、S-PLUS或excel（excel带的统计方法比较少）等。 分析操作方法（以spss为例） 运行spss（一般在windows系统中，开始-〉程序-〉spss-〉spss for windows） 导入数据表（file-〉open-〉date-〉文件类型选择excel-〉选中文件的存储位置-〉导入即可） 统计分析（Analyze-〉Regression-〉Linear，然后选入因变量（Dependent）有期徒刑刑期，再选入自变量（Independent）自首、立功等等，接着，点击OK即可进行多元线性回归分析，返回分析结果）

Std. Error of the Estimate 第九步:分析结果解读和使用（1） 1、模型解释力 使用多元线性回归分析方法时，默认的参数是选中“Model fit”项的，在统计结果中，会有一个Model Summary的汇报，如下： Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .982 .965 .963 2.044 回归模型解释力指标Adjusted R Square显示为0.963，表示当前选入的所有自变量因素对犯罪人所判处的有期徒刑的刑期的综合影响力是96.3%。 模型解释力是回归分析结果中极为重要的内容，表明了所入选的自变量对因变量的总体影响程度。如果Adjusted R Square过低，说明该分析框架存在重大的影响因素缺失，即在被入选的影响因素之外，还存在一些重大的因素没有被考虑到当前的分析框架中。一般来说，在社会科学研究中， Adjusted R Square不会太高，这和社会科学研究中的复杂性有关。

第九步:分析结果解读和使用（2） 注：上表为截选内容 Coefficients(a) Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 78.125 5.779 13.520 0.000 从犯 -0.015 -0.517 人均GDP -0.001 -0.045 -1.805 0.079 案件被告人人均辩护人人数 -0.009 0.023 -0.021 -0.396 0.694 判决时间 -0.038 0.060 -0.076 -0.629 0.533 重大立功 -1.304 1.140 -0.113 -1.144 0.260 自首 -0.128 0.026 -0.425 -4.892 犯罪金额 0.147 2.394 0.022 累犯 0.002 0.001 0.090 1.915 0.043 赔偿被害人损失 -0.633 0.175 -0.284 -3.611 认罪悔罪 -0.026 0.008 -0.145 -3.362 其他严重情节 1.122 0.631 0.187 1.778 0.033 被害过错 -0.093 0.057 -0.166 -1.635 0.010 其他特别严重情节 0.129 0.054 0.314 2.373 注：上表为截选内容

第九步:分析结果解读和使用（2） 上表是多元线性回归分析的主要内容，上表回答了本研究开始部分提出 的问题：哪些因素有影响？影响的方向和程度是多少？ B指回归系数，即线性回归公式中的系数值，当对应的自变量因素变化 一个单位时，诈骗罪有期徒刑刑期相应变化值为B的绝对值，变化的方向，如果B值为负值，则该因素和刑期的关系是反向关系，如果为正值，则是正向关系。 Beta指校正后的回归系数，是为了解决不同自变量因素因为量纲不同而导致B值的大小量级不同的问题，表明了因变量刑罚的总体变化，各个自变量因素总体上的影响程度，比如犯罪金额的Beta为0.147，表示犯罪金额在所有的自变量因素中，对刑罚的贡献占到正向贡献的0.147，即14.7%的刑罚增加是由犯罪金额的增大引起的。 Sig.指显著性值，是确定这个自变量因素和因变量的关系，是否具有统计学上的显著性（这种关系是否可靠，是否可以推广到样本之外的总体）。 一般来说，Sig.要小于等于0.05，其结果才具有统计学上的显著性。比如上述分析人均GDP的Sig.为0.079，大于0.05，表明虽然人均GDP和刑罚呈现反向的关系，但不具有统计学上的意义，仅作为一个参考。