张曙 彭钰

（浙江工业大学法学院，浙江杭州 310023）

量刑建议作为认罪认罚从宽制度的基础与量刑协商的载体，在认罪认罚案件中具有重要的意义。相较于法官，检察人员对量刑的技能与经验均不够充足，且囿于我国法定刑幅度大、量刑情节复杂以及量刑规则不明确等实际问题，量刑建议精准化的推进工作较为缓慢。以既有量刑裁判为依据，通过实证分析，构建量刑建议精准化的大数据模型，通过数据辅助系统帮助司法机关更为合理、高效地对待量刑建议，是完善认罪认罚从宽制度、促进量刑公正的有力保障。

一、样本选择与研究设计

（一）样本选择

当前对量刑方面的实证研究，在样本选取上存在一定缺陷：一是样本涉及的地区具有局限性，二是仅研究某一特定罪名的量刑特征。除却某些最为常见的犯罪具有单独研究的价值，我们仍需开展可普遍适用于不同犯罪的量刑实证分析。考虑到目前司法实践对常见轻罪的量刑规定已较为完善，本文将重点分析对重罪案件的量刑。参考速裁机制中对轻微刑事案件的定义，重罪是指可能判处3年以上有期徒刑、无期徒刑直至死刑的案件。①苗生明主编：《认罪认罚从宽制度研究——以重罪案件为视角》，北京：中国检察出版社，2019年，第122页。由于可能判处无期徒刑、死刑的案件量刑难以量化，酌定情节过多，不宜通过数学模型计算，故不在本文的分析范围内。

在样本选取时，本文从“无讼案例网”中分别搜索“侵犯公民人身权利犯罪”“侵犯公民财产权利犯罪”自2019年1月1日至2020年6月30日的案例，各选出前200个可能被判处3年以上有期徒刑的犯罪案件，共400个案例。本文将判决书记载的每个被告人所实施的一个犯罪作为一个样本进行数据统计，共计548个样本。其中犯罪未遂的样本有6个，由于未遂作为量刑情节出现的频率过低，将这6个样本予以剔除。最终将542个犯罪人/次作为研究样本，其中侵犯人身权利犯罪样本262个，侵犯财产权利犯罪样本280个。

（二）研究方法

当前我国的刑事量刑工作存在量刑规则粗放、量刑根据不一致，方法“估堆式”的问题。②参见白云飞：《规范化量刑方法研究》，北京：中国政法大学出版社，2015年，第23页。最高人民法院《关于常见犯罪的量刑指导意见》（下称《量刑指导意见》）（一）（二）通过细化具体量刑情节及其适用方式，以限缩刑罚裁量幅度，消解量刑结果的不确定性。①参见白建军：《基于法官集体经验的量刑预测研究》，《法学研究》2016年第6期，第141页。但《量刑指导意见》仅涵盖了十几项罪名，且其确立的“量刑起点”“量刑基准”等概念在实践中仍具有较大的操作空间，未能有效解决量刑工作面对的难题。②参见陈瑞华：《论量刑建议》，《政法论坛》2011年第3期，第20页。有学者建议，可参考美国《量刑指南》的方式，由最高人民法院、最高人民检察院共同联合编制一部涵盖不同罪名及明确量刑区间的全国统一的量刑标准。③参见杨先德：《认罪认罚从宽量刑建议精准化的域外启示》，《检察日报》2019年7月16日，第3版。但美国量刑改革的经验，已揭示了《量刑指南》在实践运作中的缺陷：过于关注对自由裁量权的限制而走向了极端刚性，且自颁行以来其内容不断膨胀，复杂程度使诉讼参与主体不堪重负，大大增加了司法成本。④参见彭文华：《英美量刑改革的经验教训》，石经海主编：《量刑研究》（第1辑），北京：社会科学文献出版社，2019年，第12页。布克案后，美国认识到了量刑指南的问题，转向了定量与自由裁量并行的量刑模式。

定量与自由裁量并行的双轨模式，要求在量刑的柔性与刚性之间寻求平衡点，明确通用量刑情节适用的原则性标准，同时为自由裁量权留有余地。不依赖于精细复杂的强制性量刑指南，减少量刑规则的机械适用，更多地适用指导性规则，强调量刑的价值评价。⑤Jose A.Cabranes:The U.S.Sentencing Guidelines:Where Do We Go From Here?Saint Louis University Law Journal,Vol.44,No.2(2000),p.272.目前，我国学界认可度较高的量刑方法包括电脑量刑方法、数学量刑方法以及传统量刑方法。⑥参见彭文华：《英美量刑改革的经验教训》，石经海主编：《量刑研究》（第1辑），第46页。笔者采用数学量刑方法，首先通过加权测评、模糊评价，构建量刑统计学模型；接着结合酌定量刑情节对模型计算结果进行调试，明确适宜的具体量刑建议。

本研究以法院的判决书为研究基础，立足于多维量刑情节与量刑结果的关系，通过SPSS25统计分析软件展开。主要的分析思路如下：

1.变量的确定

首先，本文结合刑法原理对量刑情节进行划分。刑罚的本质表现为报应刑与预防刑，⑦参见储怀植：《美国刑法》，北京：北京大学出版社，2005年，第237页。对被告人判处的刑罚，应当与被告人的刑事责任及预防犯罪的必要性相适应。在此基础上，近年来兴起的恢复性司法理念则要求考虑社会关系的修复，实现被告人的权利限制和被害人的权利恢复之间的动态平衡。准确识别量刑情节，需要明确其是否与行为人的责任、预防的必要性及损害修复相关。⑧参见王瑞君：《如何规范地识别量刑情节——以实务中量刑情节的泛化和功利化为背景》，《政治与法律》2014年第9期，第93-97页。

本研究以我国四要件的犯罪构成模式为基础，结合法律、相关司法解释的规定以及在裁判文书中采用关键字词权重分析⑨详见舒洪水：《司法大数据文本挖掘与量刑预测模型的研究》，《法学》2020年第7期，第115页。思路挖掘的信息，将四个要件描述为具体的情节，构建量刑情节筛选库。在情节库中，以上文所述的识别标准为依据，筛选出符合规定的量刑情节，作为研究的变量。最终设置的自变量如下表1。因变量为量刑结果以及是否减轻处罚。

表1 自变量设置

由于犯罪的类别不同，影响量刑的重要指标也存在一定区别。如在侵犯人身权利犯罪中，代表犯罪动机的“激愤犯罪”或“蓄意报复”等表述作为量刑情节在裁判说理中频繁出现，故将其作为变量之一。而在侵犯财产权利犯罪中，虽相关司法解释也有关于犯罪动机的规定，但在收集到的样本中并无一例符合此类情况，因而并未将其作为变量。

续表1

2.信息提取与量化

明确变量后，笔者将案例中各变量的信息提取并量化。将因变量设定为量刑结果，探究不同量刑情节与量刑结果之间的关系。接着以是否适用减轻处罚为标准，分析哪些因素将显著影响减轻处罚的适用。①对认罪认罚的案件，应当将认罪认罚作为单独的量刑情节予以评价。参见陈国庆：《量刑建议的若干问题》，《中国刑事法杂志》2019年第5期，第12页。②赔偿作为一种酌定量刑情节，影响行为的社会危害性及社会关系修复程度。参见高通：《故意伤害案件中赔偿影响量刑的机制》，《法学研究》2020年第1期，第160-165页。

对侵犯公民人身权利犯罪的变量进行赋值时，参考标准如下：

（1）标准损害结果：以法定刑区间为“量刑标尺”，根据法定最低刑的差异赋予各犯罪不同的等级及分值。③参见〔意〕贝卡利亚：《论犯罪与刑罚》，黄风译，北京：中国大百科全书出版社，1993年，第7页；赵廷光：《量刑标尺论》，武汉：武汉大学出版社，2015年，第41页。如故意伤害致一人重伤的法定最低刑为3年，标准损害结果赋值为1，拐卖妇女1人的法定最低刑为5年，标准损害结果赋值为2，故意伤害致一人死亡的法定最低刑为10年，标准损害结果赋值为3。

（2）犯罪手段：根据暴力、残忍程度，由低到高赋予1-5不等的分值。

（3）犯罪对象特殊性：即犯罪对象是否为未成年人、孕妇、残疾人等弱势群体。④此处赋值参考最高人民法院《关于常见犯罪的量刑指导意见》第三条。若犯罪对象非特殊对象，则赋值为0，若存在特殊犯罪对象，则赋值为1。

（4）人身危险性：即被告人是否有犯罪记录，是否为累犯、再犯等。由轻到重赋予1-5不等的分值。

（5）是否为共同犯罪：“否”赋值为0，“是”赋值为1。共同犯罪中，不区分主从犯的为1，从犯为2，主犯为3。

（6）对被害人过错：由轻到重赋值为1-3。

（7）犯罪动机：以3为基准，根据轻重程度设定不同的分值。存在防卫过当、避险过当、激愤犯罪等情况的分值减小，存在蓄意报复、为实施其他违法犯罪活动而进行伤害等情况的分值增大。

（8）罪后表现：被告人有无坦白、自首、立功情况。被告人抗拒的，赋值为1，坦白、一般立功为2，自首为3，自首后又立功的为4。⑤此处赋值参考最高人民法院《量刑指导意见》：被告人自首的，可减少基准刑的40%以下；被告人坦白、一般立功的，可减少基准刑的20%以下。

（9）认罪认罚情况：根据其是否认罪、是否认罚以及认罪认罚时间赋予不同的分值。

（10）关系修复：根据其是否赔偿、是否获得谅解的情况，赋予分值。

对侵犯公民财产权利犯罪进行赋值时，大部分规则与上述相同，唯有“额外损害结果”及“犯罪特殊对象”两个变量的赋值规则存在差异。具体规则如下：

（11）额外损害结果：以法定刑罚增加量为“量刑标尺”，将超出标准犯罪事实的犯罪金额根据法定刑罚增加量进行加权赋值。鉴于对财产犯罪，《量刑指导意见》并未明确数额增加导致的刑罚增加量，而各地实施细则的规定均不相同，因而笔者分别查阅了代表不同区域的实施细则，⑥此处赋值参考浙江省高级人民法院、四川省高级人民法院、广东省高级人民法院、河北省高级人民法院《关于常见犯罪的量刑指导意见》实施细则。取其平均值，得到加权值。

（12）犯罪特殊对象：无特殊性的犯罪对象赋值为2，犯罪对象是近亲属且愿意谅解的赋值为1，犯罪对象是弱势群体、犯罪标的是抢险救灾等特殊款物的，赋值为3。①此处赋值参考最高人民法院、最高人民检察院《关于办理盗窃刑事案件适用法律若干问题的解释》《关于办理诈骗刑事案件适用法律若干问题的解释》《关于办理敲诈勒索刑事案件适用法律若干问题的解释》的相关规定。

此外，对于侵犯财产犯罪，涉及黑恶势力是出现频率较高的关键词。是否涉及黑恶势力影响犯罪行为的社会危害程度，因此将其作为变量赋值，“否”设定为0，“是”设定为1。

3.数据处理与模型建构

运用T检验、方差分析、皮尔逊相关性分析等数据处理方法分析各量刑情节的影响。运用多元线性回归分析，分别构建侵犯公民人身权利犯罪、侵犯公民财产权利犯罪的量刑模型。最后，通过二元logistic回归，分析影响决定减轻处罚的变量。

二、样本量刑建议的基本特征

（一）量刑建议的确定型与幅度型

在侵犯人身权利的样本中，检察机关提出了量刑建议共160条。在侵犯财产权利的样本中，检察机关共提出了量刑建议222条。各类型量刑建议的数量及比例如下表2。可以看出，对侵犯财产权利犯罪，检察机关提出量刑建议的比例要高于侵犯人身权利犯罪，但量刑建议中确定型量刑建议的比例却较低。侵犯人身权利犯罪中，幅度型量刑建议的幅度基本呈现正态分布。而侵犯财产权利犯罪中，该幅度呈现偏右正态分布，说明对情节复杂的案件，检察机关对侵犯人身权利犯罪量刑情节的适用掌握得更佳，提出的量刑建议幅度相对较小。幅度型量刑建议的幅度主要集中在6个月至2年间，但幅度过大甚至和法定刑幅度相同的量刑建议的个案仍然存在。

表2 量刑建议的幅度

（二）量刑建议的采纳率

在侵犯人身权利犯罪的样本中，检察机关提出的160份量刑建议有141份被采纳。侵犯财产权利犯罪的样本中，检察机关提出的222份量刑建议有198份被采纳，各种量刑建议的采纳率如下表3。

表3 量刑建议的采纳情况

由表可见，量刑建议的采纳率尚未达到90%。相较于此，一些地区在试点时期对适用速裁程序、简易程序案件的量刑建议采纳率甚至已达到了97%。结合前文检察机关提出量刑建议的比例，可以看出，对于重罪案件的量刑，检察机关的掌握程度尚不成熟，与法院还存在一定意见分歧。

令人意外的是，数据结果显示，无论是侵犯人身权利犯罪，还是侵犯财产权利犯罪，幅度型量刑建议的采纳率都低于确定型量刑建议。笔者推测，这是由于检察机关往往对量刑情节复杂、量刑建议变动可能性大的案件才倾向于提出幅度型量刑建议，而这种案件的性质决定了其量刑建议容易存在量刑情节的疏漏或法律的不当适用。因此，提高量刑建议采纳率不能依靠保留量刑建议的幅度，而需实质性地增强检察机关的量刑能力，促进充分的量刑协商。

就法院的裁判结果来看，法院倾向于在检察机关提出的量刑建议幅度内选择较轻的刑罚。在未被采纳的量刑建议中，法院的裁判低于量刑建议的情况也占大多数。数据结果再次证实，由于检法双方控诉者与裁判者的定位区分，检察机关的量刑指控往往重于法院的量刑裁判，说明了检法认识差异的存在。

三、量刑情节考察与模型架构

（一）侵犯人身权利犯罪的量刑情节考察

在建构模型前，笔者首先对变量进行了降维处理，分析各自变量之间的相关性，以避免自变量之间的共线性问题。

1.犯罪手段与共同犯罪中的地位存在较强正相关（Pearson相关系数为0.336，P＜0.05），可以推断为，在侵犯人身权利犯罪中，犯罪手段残忍、暴力的，在共同犯罪中往往作为主犯论处。

2.被告人是否适用认罪认罚从宽制度与被告人犯罪后的表现和被告人的退赔情况存在较强正相关（Pearson相关系数分别为0.352、0.136，P＜0.05）。与犯罪手段、基本损害结果、额外损害结果均呈现显著负相关（Pearson系数分别为-0.14、-0.143、-0.171，P＜0.05）。可以推断，被告人在犯罪后存在自首、坦白、立功情节的，以及犯罪后积极退赔退赃、获得谅解的，其适用认罪认罚从宽制度的概率更大，适用时间节点更早，认罪认罚的“从宽”依附于自首、坦白。①参见吴雨豪：《认罪认罚‘从宽’裁量模式实证研究——基于部分城市醉酒型危险驾驶罪的定量研究》，《中外法学》2020年第5期，第1240-1250页。同时，被告人的犯罪手段越残忍暴力、造成的损害结果越大，其适用认罪认罚从宽制度的概率越低。观察同样作为反映悔罪表现的量刑情节，被告人坦白、自首的适用情况以及退赔情况并未与犯罪手段和损害结果呈现显著负相关。这说明，被告人主观上的认罪悔罪意愿并未随着犯罪手段和损害结果的加剧而明显降低。可以推断，司法机关在决定是否对被告人适用认罪认罚从宽制度时，将综合考虑犯罪的手段、结果、被告人的罪后表现以及退赔情况。令人欣慰的是，退赔情况对认罪认罚从宽制度适用的影响，说明对于侵犯人身权利犯罪，司法机关将被害人因素纳入了考虑范围，一定程度上保障了被害人的权利。但同时也可以看出，退赔情况对认罪认罚从宽制度适用的影响系数在几个变量中最小，回应了很多学者提出过的认罪认罚从宽制度中，对被害人权利保护的问题。

3.被害人过错与犯罪动机存在较强负相关（Pearson系数为-0.533，P＜0.05）。可以推断，被害人存在过错的，被告人的犯罪动机更弱。

4.将样本分为共同犯罪与非共同犯罪两组，对两组数据进行ANOVA单因素方差分析。结果显示，二者之间不存在显著差异（F=0.161，P=0.689＞0.05），是否为共同犯罪对于量刑结果并无显著影响。

5.对共同犯罪中不区分主从犯、从犯、主犯三组样本的量刑结果进行方差分析。结果显示，不区分主从犯与从犯的量刑结果存在显著差异（P=0.03＜0.05），从犯与主犯之间的量刑结果存在显著差异（P=0.002＜0.05），而不区分主从犯与主犯之间的量刑结果不存在显著差异（P=0.734＞0.05）。

6.根据犯罪对象是否具有特殊性将样本分为两组，检验结果显示，两组的量刑结果存在显著差异（P=0.012＜0.05）。结合上述特征，在构建量刑模型时，可剔除共同犯罪和被害人过错两个因素，将自变量设定其余10个。

（二）侵犯人身权利犯罪的量刑模型构建

1.有期徒刑的量刑模型建构

首先，以量刑结果为因变量，上述10个情节作为自变量，进行多元线性回归。由于残差不满足要求，采用加权最小二乘法，使用WLS加权后的量刑结果，以及上述自变量构建回归模型。结果如下表4。模型拟合度为0.578，P值为0.000＜0.05，具有统计学意义。自变量能够解释大约57.8%的量刑变化，这个结果在人文社会领域较为乐观。②白建军：《基于法官集体经验的量刑预测研究》，《法学研究》2016年第6期，第145页。DW值为1.490，不存在自相关性。

表4 模型基本情况

回归结果显示，额外损害结果、特殊对象对量刑无显著影响（P值均＞0.05），其余情节对量刑存在显著影响。其中，影响最大的因素为犯罪手段（P=0.000）、标准损害结果（P=0.000）、犯罪动机（P=0.003）。各情节的显著性及系数如下表5。

表5 有期徒刑的量刑回归模型

VIF值均小于2，自变量中不存在严重共线性，可以构建回归模型。根据以上分析结果，我们可以得出对侵犯人身权利犯罪的有期徒刑量刑公式为：Y=-42.208+10.864X1+5.069X2+32.583X3+2.770X4+10.496X5-9.624X6-2.875X7。Y为模型预测的有期徒刑量刑结果，单位为月。

共同犯罪中，将主犯、从犯的量刑结果设定为虚拟变量，构建对不同犯罪地位的被告人量刑的回归模型A如下表6：

表6 模型A基本情况

模型拟合度为0.706，P值为0.000＜0.05。各情节的显著性及系数如下表7。

表7 模型A系数表

综上，我们可以得出对共同犯罪中被告人的有期徒刑量刑公式为：Y=-30.371+36.755X1+2.057X2—33.774X3+7.856X4—9.051X5+10.877X6。Y为模型预测的有期徒刑量刑结果，单位为月。当其他因素不变时，从犯比不区分主从犯、主犯的量刑平均少33.774个月。

2.适用减轻处罚的模型建构

将样本根据是否适用了减轻处罚分为两组，进行二元logistic回归分析，确认影响适用减轻处罚的量刑情节。回归模型P值＜0.05，具有统计学意义。各情节的系数及显著性如下表8所示：

表8 减轻处罚适用的影响因素

分析结果可见：犯罪手段越严重，获得减轻处罚的概率越低。犯罪后有坦白、自首等情节的，获得减轻处罚的概率将增大。相较于不区分主从犯的被告人，从犯获得减轻处罚的概率将提高7.152个基准，而主犯的此概率并无显著区别。同时，相较于不认罪的被告人，被告人认罪、当庭认罪认罚、庭前认罪认罚的，其获得减轻处罚的几率均无明显差异。相较于犯罪对象普通的，犯罪对象具有特殊性的被告人获得减轻处罚的概率也并未减小，印证了上文认罪认罚情况、犯罪对象特殊性对量刑无显著影响的分析结果。

四个要素中，从犯对于减轻处罚概率的影响最大，其次是犯罪手段、罪后表现、标准损害结果。根据分析结果，我们可以构建适用减轻处罚的公式为：

Y=50%+∑(-2.248X1+1.165X2+7.152X3+2.059X4)×1%，Y为减轻处罚的概率，0＜Y＜1，Y值越接近于1，被告人获得减轻处罚的概率越大。反之，越接近于0，被告人获得减轻处罚的概率越小。

（三）侵犯财产权利犯罪的量刑情节考察

构建模型前，同样对侵犯财产权利犯罪的量刑情节进行初步考察，以筛选、减少自变量，避免多重共线性的问题。1.犯罪对象是否具有特殊性对量刑结果无显著影响。方差分析结果P=0.49＞0.05，不存在显著差异。

2.将样本按照是否涉及黑恶势力分为两组，进行ANOVA方差分析。结果显示，不涉及黑恶势力组别的量刑均值为63.2323，涉及黑恶势力的量刑均值为79.8272，P=0.001＜0.05，存在显著差异。这与我国近年来“加大力度打击黑恶势力”的政策相符。

3.被告人是否共同犯罪对于量刑结果无显著影响。将样本分为共同犯罪与非共同犯罪两组，进行ANOVA方差分析，结果显示P=0.165＞0.05。

4.不同于侵犯人身权利犯罪，认罪认罚的适用情况并未与退赔情况存在显著关联。说明在侵犯财产权利犯罪中，对被害人权利保护的力度不及侵犯人身权利犯罪。

我国对侵犯财产犯罪一类的数额犯，规定了数额与情节并重的二元量刑标准。陈兴良教授认为，数额是基本的标准，情节起补充性作用，笔者赞同这种观点。在双轨制的量刑标准下，数额是决定量刑的首要且基础依据，只有在数额未达到定罪标准或特定的法定刑标准时，才需要以情节作为量刑标准。①参见章桦：《贪污罪“数额与情节”关系实证研究——基于全国18392例量刑裁判》，《法学》2020年第6期，第180页。在构建模型时，将犯罪次数排除，以手段、标准损害结果、额外犯罪数额、其他损害结果、特殊对象、前科情况、黑恶势力情况、罪后表现、认罪认罚、关系修复、主从犯作为自变量，量刑结果作为因变量，构建回归模型。

（四）侵犯财产权利犯罪的量刑模型构建

1.有期徒刑的模型建构

采用加权最小二乘法对犯罪手段进行加权，使用加权后的自变量及因变量构建回归模型。结果如下表9。模型拟合度为0.549，自变量能够解释大约54.9%的量刑变化。DW值为1.399，不存在自相关性。

表9 模型B基本情况

回归结果显示，其他损害结果、前科情况、黑恶势力情况对量刑无显著影响（P值均＞0.05），其余情节对量刑存在显著影响。其中，黑恶势力对量刑的影响与上文中方差分析的结果相矛盾，笔者推测是由于其他因素对量刑的影响远远大于黑恶势力因素造成的。影响最大的因素为额外损害数额（P=0.000）、标准损害结果（P=0.000）、从犯（P=0.000）。各情节的显著性及系数如下表10。

表10 模型B自变量系数

综上，我们可以得出对共同犯罪中被告人有期徒刑的量刑公式为：Y=-29.813+20.335X1+0.002X2-30.968X3+4.627X4+11.438X5-6.199X6-3.808X7-3.324X8。Y为模型预测的有期徒刑量刑结果，单位为月。当其他因素不变时，从犯比不区分主从犯、主犯的量刑平均少30.968个月。

2.罚金刑的模型建构

有期徒刑的刑期能够充分从各方面反映犯罪行为的社会危害性及被告人的主观恶性，因此将其作为构建罚金刑的自变量。在构建有期徒刑模型时，被告人前科情况、是否属于黑恶势力未得到有效评价，故将其也作为罚金刑的自变量。通过多元线性回归，得到罚金刑的模型参数如下表11、表12。

表11 罚金刑模型参数

表12 罚金刑模型自变量系数

模型拟合度为52.7%，DW值接近2，不存在自相关性，P＜0.05，具有统计学意义。

由此，可以构建侵犯财产权利犯罪的罚金刑模型为：Y=-5.536+0.156X1+3.792X2，Y为模型预测的罚金刑数量，单位为万元。

四、量刑建议预测模型的适用与调整

（一）通用量刑模型的适用可行性

1.通用模型以罪名的相似性为条件

我国刑法犯罪构成四要件中，犯罪主体、犯罪主观方面属于对犯罪行为人的评价，这两个维度的量刑情节对任何犯罪均可通用。而体现犯罪客体、犯罪客观方面的量刑情节则与具体犯罪相关，通用的模型应当以罪名具有相似性为基础。罪名具有相似性包括三种情况：第一，侵害法益具有相似性，如故意伤害罪、强奸罪、绑架罪，侵犯的法益均为人身权利。侵害法益相似的犯罪，其可能存在的量刑情节范围相对确定，类似一个“词库”，每个案件具体的量刑情节是从“词库”中随机抽取并组合的结果，具有可比性。第二，罪名系同宗同源或具有法条竞合关系，如诈骗罪、合同诈骗罪和集资诈骗罪，其犯罪构成基本相同，量刑情节相近。第三，属于刑法分则同一章的数额犯，其侵害法益属同一类，损害结果以数额计量无须量化，具备明确性。

根据“以刑制罪”理念，对符合条件的犯罪，可以犯罪行为而非罪名为依据，赋予其实质公正的刑罚。①参见冯文杰：《以刑制罪的法理与规范分析》，石经海主编：《量刑研究》（第1辑），北京：社会科学文献出版社，2019年，第85-114页。这说明，对于相近的犯罪行为，即便其罪名不同，但评价行为的指标是基本相同的。对于这些行为，被告人的刑事责任可以比较高低，因此刑罚能够在一个体系中估算。对其余本研究未提及的符合条件的若干罪名，亦可使用本文所述方法，构建并适用通用的量刑模型。

2.以现有法律为依据对自变量加权赋值

相近的犯罪行为之间，不同的具体行为引起的法律评价存在区别，不能直接以行为数量计量。如故意伤害致一人重伤的损害结果，与拐卖一名妇女的损害结果，犯罪行为均为1，但法律评价不同。在量化赋值时，需要对其加权。司法实践中，审判人员评价犯罪行为并作出判决的基本依据是现行有效的法律。因此加权时可根据不同犯罪在刑法分则中规定的法定刑及相关司法解释中规定的刑罚增加量确定标准损害结果、额外损害结果的系数，解决行为差异导致的问题。如故意伤害致一人重伤的法定最低刑为3年，而拐卖妇女一人的法定最低刑为5年。可以推定，法律评价中，一人被拐卖的损害后果重于一人被重伤的法律后果。以故意伤害致一人重伤为基准，系数设定为1，则拐卖妇女、儿童一人的系数为2。通过加权赋值后生成的模型，能够完整地体现一个犯罪在不同方面的法律评价以及与量刑结果之间的关联。

3.系数相同的犯罪，具体罪名的不同不影响量刑

以上文中侵犯财产权利犯罪的样本为例，笔者参考了浙江省、四川省、广东省等不同地区高级人民法院发布的《关于常见犯罪的量刑指导意见》实施细则，发现诈骗罪、盗窃罪、敲诈勒索罪的法定刑区间几乎相同，额外损害结果引起的刑罚增加量也非常相似。笔者将收集到的样本分为普通诈骗、电信网络诈骗、盗窃罪、敲诈勒索罪四组，对四组的量刑进行方差分析。检测结果发现，就主刑而言，电信网络诈骗的刑罚与盗窃罪、敲诈勒索罪的刑罚均未见显著差异（P=0.312,P=1,均＞0.05），盗窃罪与敲诈勒索罪的量刑也未见显著差异（P=0.513＞0.05），仅在普通诈骗罪与电信网络诈骗之间（P=0.022＜0.05）、普通诈骗罪与敲诈勒索罪（P=0.004＜0.05）之间量刑存在显著差异。笔者推测，这种差异是由于普通诈骗罪的样本数量太少、涉案金额明显偏小造成的。此结果说明，对系数相同、属于同一类罪名的案件，是否为同种罪名不影响量刑结果，通用量刑模型的构建具有可能性。

（二）模型适用过程中的矫正

1.认罪认罚情节的适用

观察模型可以发现，在侵犯人身权利犯罪中，认罪认罚情节属于“限缩式从宽”，①参见刘茵琪：《论认罪认罚案件量刑建议中从宽的‘最高限度’——基于522份故意伤害案件判决书的实证分析》，《甘肃政法学院学报》2020年第3期，第147-150页。被告人认罪认罚的效能被坦白自首和退赔情节吸收。而在侵犯财产权利犯罪中，认罪认罚的情节属于“扩张式从宽”适用，作为独立的量刑情节，与自首、坦白和退赔情节共同影响量刑结果。

这两种从宽模式之间的选择，正是认罪认罚从宽制度在适用中存在分歧之处。有学者认为，不应将刑罚目的以外的因素纳入刑罚裁量。给予认罪认罚过大的量刑折扣刺激，将使裁判结果背离罪刑相适应的基本原则。②参见熊秋红：《认罪认罚从宽的理论审视与制度完善》，《法学》2016年第10期，第102页。另一种观点则提出“权利对价说”，认为被告人放弃了部分诉讼权利，减小了司法成本，因此应当将认罪认罚情节作为独立的量刑情节适用，给予被告人更大的量刑宽裕。③参见陈卫东：《认罪认罚从宽制度研究》，《中国法学》2016年第2期，第50-60页。

研究结果表明，处理认罪认罚情节时，司法机关并非一刀切地在两种观点之间做出抉择，而是结合犯罪的不同类型进行考量。由于侵犯人身权利犯罪和侵犯财产权利犯罪在犯罪性质上的区别，审判人员对侵犯人身权利犯罪进行评价时，对待认罪认罚情节引起的“从宽”更为审慎。从恢复性司法的角度来看，在侵犯财产权利犯罪中，若被告人积极退赔退赃、认罪认罚，往往能获取被害人的谅解，社会关系因此得到良好的修复。将认罪认罚情节作为独立的量刑情节进行评价，能够有效推进制度适用，减小司法成本。但在侵犯人身权利犯罪中，由于人身权利的特殊性，若给予被告人的量刑折扣过大，易引发后续被害人申诉、信访等问题，浪费司法资源。即便被害人或其家属对被告人表示了谅解，该裁判结果也难以与社会公众的传统道德伦理观相一致，影响司法公信力。④参见孙长永：《认罪认罚案件‘量刑从宽’若干问题探讨》，《法律适用》2019年第13期，第11-12页。从宽的选择，实际也是公正与效率之间的衡量。

笔者认为，对认罪认罚情节的适用，较佳的方式是将其分解为“认罪”与“认罚”并单独适用，在不重复评价的基础上给予总和不超过30%的从轻幅度。以原则性的方案为基础，结合具体犯罪的类型、案件受关注程度等因素予以调整。、

2.规则与经验的结合

我国自开展量刑规范化改革后，引入量刑建议制度，以期限制法官的自由裁量权，促进量刑公正。但对于检察官而言，其面临的量刑困境类似于法官，在量刑经验上还远逊于法官。认罪认罚从宽制度适用后，检察机关尚未掌握足够的量刑技巧和经验，就被要求提出“精准化”的量刑建议。在规范性文件仍然空缺的情况下，依靠法官群体的集体经验，将其作为规则适用是最佳的方案。运用数学和统计学方法构建量刑模式，抛却“估堆式”量刑方法，具有重要的进步意义。但同时也应当注意，实践中案件的复杂程度远高于模型能够描述的最大限度，简单的数学运算难以得出公正的量刑。应坚持定性分析与定量分析并用，将规则与价值判断相结合，将模型计算出的量刑结果根据案件具体情况进行调整。

在调整过程中，可适当参考美国《量刑指南》的运作机理，⑤参见郭志远，赵琳琳：《美国联邦量刑指南实施效果——兼论对我国量刑规范化改革的启示》，《政法论坛》2013年第1期，第163-165页。根据不同犯罪在犯罪体系中的级别，编写犯罪等级系数体系，赋予既遂、中止及未遂不同的级别，根据等级系数进行调整，并保留6-12个月的调整区间。对不同的地区，也可结合本区域的具体经济、社会、人口等情况设置不同的系数值。在模型构建中对各犯罪进行加权赋值，得到的是根据法律规定进行量刑的实然状态。由于法律具有滞后性，实然状态下的量刑结果难免存在不合时宜之处。而通过模型得到量刑参考后结合犯罪等级、系数对量刑进行的调整，是为将量刑的实然状态调整至应然状态，得到的是在法律评价的基础上进行价值评价的结果。量刑模型中囊括的情节有限，不试图描述所有细节，为检察人员及法官的自由裁量留下空间。在裁量过程中，裁量者可将国家政策、被告人生活境况、处罚后回归社会的可能性等未尽事宜纳入考虑范围。①参见彭文华：《量刑的价值判断与公正量刑的途径》，《现代法学》2015年第2期，第105-115页。所得结果以定量与定性相结合，规则与经验相结合，具有较高的科学性和灵活性。在模型适用过程中，应不断以新的案例扩充数据库，促进模型精确化，同时检验模型的正确性，保证模型的动态运作。