文 姬

(湖南大學(xué)法學(xué)院，湖南長沙410082)

再犯危險性評估也就是我們通常所說的“再犯可能性評估”。在評估再犯危險性的時候，我們將初犯可能性變形為一種“基率”，①參見文姬:《危險性評估的證據(jù)資格》，載《刑事法評論》(2011年，總第28卷)第271頁。作為評估再犯可能性的因素之一。基率證據(jù)能夠被法庭所采納的原因，也就是再犯危險性評估能夠被應(yīng)用的邏輯推理，本文將通過貝葉斯定理來解析這一問題。

一、基率的含義

基率，通俗的說，就是具有某種屬性的個體，在總體中所占的百分比。本文試從下面的出租車撞人的案例來解析基率的基本含義。

丹尼爾·卡爾曼(Daniel Kahneman)②Daniel Kahneman憑借《不確定狀況下的判斷:啟發(fā)式和偏差》獲得2002年諾貝爾經(jīng)濟(jì)學(xué)獎。其突出貢獻(xiàn)在于“把心理學(xué)成果與經(jīng)濟(jì)學(xué)研究有效結(jié)合，從而解釋了人類在不確定條件下如何進(jìn)行判斷”。提到過這樣的案例:某晚上，一輛出租車撞人并逃逸。該城市只有兩家出租車公司，車的顏色一家是藍(lán)色，一家是綠色。假設(shè)第一種情況，知道的信息是:(1)該城市中85%的出租車是綠色，15%是藍(lán)色;(2)目擊者確認(rèn)是藍(lán)色，實驗證明目擊者的準(zhǔn)確率是0.8。求撞人的出租車是藍(lán)色的概率;假設(shè)第二種情況，知道的信息是:(1)兩家出租車公司規(guī)模相等，但是通過事故調(diào)查，得知85%的事故是綠色的出租車制造的，15%是藍(lán)色車制造的;(2)目擊者確認(rèn)是藍(lán)色，實驗證明目擊者的準(zhǔn)確率是0.8。求撞人的出租車是藍(lán)色的概率。丹尼爾·卡爾曼給出這兩種情況，事故車是藍(lán)色的概率 E 都等于 P×T/(P×T+(1－P)×F)，③這是貝葉斯公式的一種形式，其中P是基準(zhǔn)概率(也叫基率或者先驗概率)，T是目擊者認(rèn)人的準(zhǔn)確率，F(xiàn)是目擊者認(rèn)人的錯誤率，E被叫做后驗概率(也就是事故車是藍(lán)色的概率)。即0.15×0.8/(0.15×0.8+0.85×0.2)，最終結(jié)果等于 0.41。④參見［美］Daniel Kahneman、Paul Slovic、Amos Tversky:《不確定狀況下的判斷:啟發(fā)式和偏差》，方文等譯，中國人民大學(xué)出版社2008年版，第166頁。

在上面這個案子中，第一種情況是以藍(lán)色車在全部車中所占比率作為基率P，第二種情況是以藍(lán)色車在事故車中分布的比率作為基率P。為什么基率可以是兩種不同的比率呢?

對于第二種情況，比較容易理解。事故發(fā)生后，事故車是一個總體空間，事故車又可以分為藍(lán)色車與綠色車(也可以表述為，藍(lán)色車和綠色車是事故車的完備事件組)，我們需要的信息是藍(lán)色車在事故車中所占的比率。所以，在第二種情況下，藍(lán)色車在事故車中的比率才可以作為整個空間(事故車)的一個基準(zhǔn)概率(也就是基率)。在增加一個與顏色有關(guān)的信息的情況后(例如某人目睹藍(lán)色的車發(fā)生事故，或者得知藍(lán)色車在事故發(fā)生的時間和地點上經(jīng)過的比率等)，根據(jù)上述貝葉斯公式，我們可以得到事故車是藍(lán)色的概率。

對于第一種情況，基率可以設(shè)定為藍(lán)色車在所有出租車中的所占的比率，是因為，貝葉斯統(tǒng)計學(xué)有這樣一個假設(shè)前提:所有的出租車都有可能發(fā)生事故。在不知道事故的分布概率的情況下，假設(shè)各輛車發(fā)生事故的概率相同(隨機(jī)分布的假設(shè))，這樣，空間的總體可以從事故車擴(kuò)張到所有的出租車。

丹尼爾·卡爾曼將藍(lán)色車在事故車中的比率叫做原因基率，而將藍(lán)色車在所有車中的比率叫做偶然基率。一個基率如果暗示著一種因果因素，它能解釋為什么某特定情況比其他情況更容易導(dǎo)致某種結(jié)果，那么這個基率就被稱為原因基率。而一個被稱為偶然基率的基率，則無法導(dǎo)致這樣的因果推斷。①參見［美］Daniel Kahneman、Paul Slovic、Amos Tversky:《不確定狀況下的判斷:啟發(fā)式和偏差》，方文等譯，中國人民大學(xué)出版社2008年版，第164頁。

對基率的不同理解，正是經(jīng)典統(tǒng)計學(xué)和貝葉斯統(tǒng)計學(xué)的主要分歧之一。在經(jīng)典統(tǒng)計學(xué)中，把樣本看成是來自一定概率分布的總體，而總體中的參數(shù)是普通的未知變量，也就是一個未知常數(shù)。所以在上面的例子中，藍(lán)色車在事故車(總體)中的比率是一個常數(shù)，對于這個常數(shù)，我們只能夠根據(jù)總體信息和樣本信息對這一個常數(shù)進(jìn)行估計(也就是參數(shù)估計)，我們可以主觀的規(guī)定參數(shù)估計的置信水平(也叫顯著性水平，一般是選擇95%或者99%，但是為什么選擇這兩個數(shù)，也是一種主觀經(jīng)驗)，但是不能夠一開始就對這個總體參數(shù)進(jìn)行主觀的估計(也就是根據(jù)歷史經(jīng)驗主觀設(shè)定先驗概率或者基率)。就上面的案例來說，經(jīng)典統(tǒng)計學(xué)認(rèn)為，如果不知道藍(lán)色車在事故車中的比率，那么只能夠通過無數(shù)次抽樣的方法或者收集所有事故記錄的方法來確定這一比率，而不能假設(shè)每輛車的事故率相同，從而將基率設(shè)定為藍(lán)色車在所有車中的比率。而貝葉斯統(tǒng)計則把任何一個未知參數(shù)看作隨機(jī)變量，都具有不確定性，并且這個未知參數(shù)服從一個概率分布，根據(jù)歷史經(jīng)驗或者其他可以得到的信息，可以得到這個未知參數(shù)的一個先驗概率(基率)，而在進(jìn)一步的統(tǒng)計推斷中，只需要利用新的樣本信息(或者說相關(guān)事件)，在先驗概率的基礎(chǔ)上，推斷出這一參數(shù)的后驗概率。所以，在上面的例子中，在不知道事故的分布的情況下，假設(shè)各輛車發(fā)生事故的概率相同(隨機(jī)分布的假設(shè))，從而將總體空間的從事故車擴(kuò)張到所有的出租車，是貝葉斯統(tǒng)計的典型思維。經(jīng)典統(tǒng)計學(xué)派攻擊貝葉斯學(xué)派很重要的一點就是貝葉斯統(tǒng)計中先驗分布選擇的主觀性。但是，有研究表明:在貝葉斯檢驗中，先驗信息的變化引起拒絕域的變化，相當(dāng)于經(jīng)典統(tǒng)計檢驗中選擇不同的顯著性水平。因此，兩者都有主觀性，在貝葉斯統(tǒng)計中，可以通過對參數(shù)進(jìn)行設(shè)置，使得其拒絕域和經(jīng)典統(tǒng)計中的拒絕域具有相同的形式。②參見謝俊:《貝葉斯統(tǒng)計方法與傳統(tǒng)統(tǒng)計方法的比較與展望》，載《中國商界》2009年第4期。可見，不管是何種方式對參數(shù)進(jìn)行估計，在不確定狀況下，主觀性都是難以避免的。所以，總的來說，對基率進(jìn)行主觀估計并不是“不可原諒的錯誤”，而是一種“不可避免的無奈”。正如貝葉斯學(xué)派所回答的那樣:“幾乎沒有什么統(tǒng)計分析哪怕只是近似地是‘客觀的’，因為只有在具有所研究的問題的全部總體數(shù)據(jù)時，才會得到明顯的‘客觀性’……但是大多數(shù)統(tǒng)計研究都不會如此幸運……?！惫诺抡f得更直接:“主觀主義者直述他的判斷，而客觀主義者以假設(shè)來掩蓋其判斷，并以此享受著客觀性的榮耀”。③劉樂平、袁衛(wèi):《現(xiàn)代貝葉斯分析與現(xiàn)代統(tǒng)計推斷》，載《經(jīng)濟(jì)理論與經(jīng)濟(jì)管理》2004年第6期。

就上面的案例來說，原因基率顯然比偶然基率要更接近于我們需要的信息，但是，在沒有原因基率的信息下，偶然基率也是對后驗概率的一種影響因素。所以，不管是原因基率還是偶然基率，在對不確定情況進(jìn)行判斷時，基率的充分利用也就是信息的充分利用。在信息比較充足(樣本量比較大)的情況下，基率信息的利用可能起到的作用不大，但是在信息不是很充足(樣本量不大)的情況下，基率信息的利用就顯得十分重要了?？偟膩碚f，經(jīng)典統(tǒng)計和貝葉斯統(tǒng)計并非對立的，而是相互補充的，正如當(dāng)代杰出的貝葉斯統(tǒng)計學(xué)家O’Hagan指出:“勸說某人不加思考地利用貝葉斯方法并不符合貝葉斯統(tǒng)計的初衷?！绻嬖谥挥胸惾~斯計算方法才能處理的很強的先驗信息或者更復(fù)雜的數(shù)據(jù)結(jié)構(gòu)，這時……能夠熱情地推薦貝葉斯方法。另一方面，如果有大量的數(shù)據(jù)和相對較弱的先驗信息，而且一目了然的數(shù)據(jù)結(jié)果能導(dǎo)致已知合適的經(jīng)典方法，則沒有理由去過分強調(diào)貝葉斯方法。”①劉樂平、袁衛(wèi):《現(xiàn)代貝葉斯分析與現(xiàn)代統(tǒng)計推斷》，載《經(jīng)濟(jì)理論與經(jīng)濟(jì)管理》2004年第6期。就上面的案例來說，也就是說當(dāng)原因基率存在或者很容易得到的時候，我們顯然沒有必要利用偶然基率了。

不管經(jīng)典統(tǒng)計和貝葉斯統(tǒng)計如何不同，他們都沒有否認(rèn)基率數(shù)據(jù)的運用價值。但是針對上面的案例，有人會提出，在沒有原因基率的情況下，直接運用目擊者0.8的準(zhǔn)確率進(jìn)行判斷就可以了，沒有必要考慮偶然基率。也就是說，他們認(rèn)為上面案例中撞人的出租車是藍(lán)色的概率就是0.8。這種觀點是典型的忽略基率的“代表性啟發(fā)式偏差”。從統(tǒng)計學(xué)的角度看，也就是對信息的一種浪費。這里固然可以看成是一種的基率的忽略，但是從貝葉斯公式來看，只考慮目擊者的準(zhǔn)確率得到的結(jié)果，和假設(shè)事故在藍(lán)色車和綠色車中均勻分布(也就是說先驗概率是0.5)的結(jié)果是一樣的。②當(dāng)基率是0.5 時，利用貝葉斯公式得到的事故車是藍(lán)色的概率都是0.5 ×0.8/(0.5 ×0.8+0.5 ×0.2)，結(jié)果是0.8。所以當(dāng)事故車的先驗分布和出租車的先驗分布都不知道的時候，這種假設(shè)的均勻分布也可以當(dāng)成一種估計的先驗分布信息來使用。

二、基率證據(jù)在法庭中的運用

盡管從經(jīng)典統(tǒng)計和貝葉斯統(tǒng)計的角度來看，基率信息的充分利用有助于我們的決策，但是，丹尼爾·卡爾曼卻指出，人們往往在很多問題上卻看不到基率的作用或者低估基率的作用，而只有在以下三類案件中注意到基率的作用。

第一種就是當(dāng)沒有樣本信息的時候，人們往往能夠認(rèn)識到基率的作用。例如，在乙肝的檢測實驗中，如果沒有檢查呈陽性的信息，那么，他會估計自己患有乙肝的概率就是乙肝的流行率，即10%。

第二種是當(dāng)基率以頻率的形式，而非條件概率的方式出現(xiàn)時，人們更傾向于使用基率。例如，在討論諸如投硬幣、扔骰子、抽獎等重復(fù)多次實驗的時候。這樣的基率容易被認(rèn)識到的原因，主要是這種情況下所討論的問題具有明顯的統(tǒng)計結(jié)構(gòu)，也就是說這個問題具有一個清楚的抽樣空間，一個清楚的抽樣過程和重復(fù)性。③參見 Jonathan J.Koehler，When Do Courts Think Base Rate Statistics Are Relevant?Jurimetrics Journal，2002(42).p.394.特別是重復(fù)性，它給人們很強的具有關(guān)聯(lián)性的直覺。

第三種就是當(dāng)基率利用的參照集合(reference class)④這里的參照集合也就是基率中總體空間的選擇，例如出租車案例中的事故車就是我們所說的原因基率的參照集合，而全體出租車就是偶然基率的參照集合。的屬性與需要考察的屬性十分接近的時候，人們比較容易利用基率。上面關(guān)于出租車的例子就是如此，事故車這一總體的典型屬性就是我們要考察的車子出事故的屬性，而出租車這一總體并不包含車子出事故之一屬性，所以人們更容易接受藍(lán)色車在事故車中的比率作為基率，而不太容易接受藍(lán)色車在出租車中的比率作為基率。

但是，在實際的判例中，以上三種基率也并不是都會被接受。

(一)法庭上涉及的基率⑤參見 Jonathan J.Koehler，When Do Courts Think Base Rate Statistics Are Relevant?Jurimetrics Journal，2002(42).p.373.

在美國的判例中，既存在法庭采納基率的例子，也有拒絕基率使用的例子。而支持使用基率信息的例子基本上也屬于以上所描述的三種情況。

第一種類型是當(dāng)幾乎沒有樣本信息，只有基率信息的情況下的判例。在Kaminsky v.Hertz案中，Michigan上訴法院根據(jù)基率證據(jù)，判Hertz公司賠償被汽車撞傷的原告。案件中唯一沒有異議的證據(jù)就是撞傷原告的汽車有一個Hertz圖標(biāo)。另外，原告還提出另外一個基率證據(jù)，那就是在有Hertz圖標(biāo)的汽車中Hertz公司擁有90%的比率。上訴法院認(rèn)為這一基率證據(jù)不僅具有相關(guān)性，而且為辯方提供了一個可以反駁的推定，從而使辯方通過答辯來結(jié)束簡易程序。但是，在Guenther v.Armstrong Rubber Company案中，聯(lián)邦上訴法院認(rèn)為Sears商店出售的輪胎75－80%是來自于Armstrong Rubber公司的基率證言，并不能夠證明傷害原告的輪胎就是來自于Armstrong Rubber公司。聯(lián)邦法院總結(jié)說，建立在“無保證統(tǒng)計證據(jù)”上的判斷“充其量只是一種猜測”而已。這兩個案子都是簡易程序的案子，并且都發(fā)現(xiàn)在幾乎沒有樣本信息，只有基率信息的情況下，但是兩個案子的判決卻截然相反。當(dāng)然，他們的唯一值得一提的區(qū)別就是基率的大小稍微不同，前者是90%，而后者是75－80%。

在幾乎沒有樣本信息，只有基率信息的情況下的案件中，有兩類案子中一般都利用基率信息:一類是預(yù)期收入的損失賠償案子，一類是集體訴訟中的市場份額責(zé)任的案子，前者如Contemporary Mission Inc.v.Famous Music Corp.和 Wilson v.B.F.Goodrich Co，后者如 Sindell v.Abbott Labs.和 Mullen v.Armstrong World Industries等。①參見謝遠(yuǎn)楊:《論侵害人不明的大規(guī)模產(chǎn)品侵權(quán)責(zé)任:以市場份額責(zé)任為中心》，載《法律科學(xué)(西北政法大學(xué)學(xué)報)》2010年第1期;魯曉明:《論美國法中市場份額責(zé)任理論及其在我國的應(yīng)用》，載《法商研究》2009年第3期。在預(yù)期收入的損失賠償案子中，法院不僅認(rèn)為類似原告的參照集合的基率證據(jù)是相關(guān)的，并且基率證據(jù)還不需要太精確。特別是在Wilson v.B.F.Goodrich Co一案中，因為原告是沒有工作經(jīng)歷的年輕人，所以法院要求參照集合不要太專門化，按照最一般群體的基率來確定反而會更好些。②參見 Jonathan J.Koehler:《When Do Courts Think Base Rate Statistics Are Relevant》，Jurimetrics Journal，2002(42).p.398。而市場份額責(zé)任在美國已經(jīng)是十分成熟的制度，雖然有一些關(guān)于參照集合的專門化的爭論，但是對其中基率的采用已經(jīng)沒有什么疑問。當(dāng)然，市場份額責(zé)任的適用也是受到嚴(yán)格限制的。

第二種是當(dāng)基率以頻率的形式出現(xiàn)，案件具有明顯的統(tǒng)計結(jié)構(gòu)的判例。這種案例主要涉及到隨機(jī)匹配率(random match probabilities)③如涉及到DNA、指紋等的案子。案例可以參見Michael O.Finkelstein、Bruce Levin:《律師統(tǒng)計學(xué)》，鐘衛(wèi)譯，中國人民大學(xué)出版社2008年版，第87頁。、被懷疑的死亡調(diào)查④如類似Wood案的案件。一般是用基率來反駁被告的“意外死亡”、“巧合”等辯護(hù)。Paul Woods死亡時僅僅8個月，他死于發(fā)紺。Woods家是收養(yǎng)他的第二個地方。但是，他在最初被收養(yǎng)時，并未患上任何呼吸系統(tǒng)疾病。而當(dāng)Paul在Woods家開始出現(xiàn)這類癥狀時，有幾家醫(yī)院曾對他進(jìn)行治療。在住院期間，Paul從未出現(xiàn)過持續(xù)發(fā)紺的癥狀。當(dāng)Paul死亡時，內(nèi)科醫(yī)生無法確定其死因。然而，一名法醫(yī)病理學(xué)家Dr.Vincent DiMaio卻懷疑Paul死于窒息。他作為專家證人在證人席上聲稱，自己相信Paul死于窒息的可能性為75%，死于某種未知疾病的可能性是25%。他指出法庭現(xiàn)有的證據(jù)并不能排除Paul死于謀殺的合理懷疑，并且控方還有另一證據(jù)支持Dr.Vincent DiMaio?？胤街赋觯谶^去的25年中，被告Martha曾照料過許多兒童，有9個孩子至少20次出現(xiàn)發(fā)紺癥狀，其中7個孩子已經(jīng)死亡。而且，與Paul案相似之處在于，這些孩子在離開Martha而呆在住院期間，均未出現(xiàn)呼吸系統(tǒng)的問題，并且，對于這些孩子的死亡，主治醫(yī)生都不能確定這些孩子們的死亡的確切原因。這20個以外的指控行為相似的事實證據(jù)使得陪審團(tuán)認(rèn)定Martha有罪，而且上訴法院也確定了這一定罪。Woods案其實來源于英國的Rex v.Smith案，也叫“浴室新娘案”。被告George Smith與一位名為Bessie Mundya的女子舉行了婚禮，她從其父親處繼承了一大筆遺產(chǎn)。Bessie后來被發(fā)現(xiàn)溺死于浴缸中。被告宣稱她的死是意外事件，與自己沒有關(guān)系。但是控方指出，被告在此之前曾與其他兩名婦女結(jié)婚，而她們“也被發(fā)現(xiàn)溺死在與被告居住的浴缸中”。一審、二審都采信了這一證據(jù)。、測試舞弊調(diào)查⑤參見Michael O.Finkelstein Bruce Levin:《律師統(tǒng)計學(xué)》，鐘衛(wèi)譯，中國人民大學(xué)出版社2008年版，第100頁。一般也是用基率來反駁“巧合”的辯護(hù)。等。這一類案件只要基率特別高或者基率特別低，法庭一般都會采用。

第三種是基率利用的參照集合(reference class)的屬性與需要考察的屬性十分接近的判例，也就是基率的參照集合專門化的判例。在State v.Sage案中Ohio上訴法院允許多重槍傷自殺的基率(0.4%)來反駁被告關(guān)于死者的槍傷是來自于自殺。這里的參照集合對于要證明的屬性來說十分狹窄和專門化，雖然還存在比它更狹窄的參照集合(如死者死亡地區(qū)的多重槍傷死亡的集合)，但是案件中提供的全美多重槍傷死亡的參照集合已經(jīng)足夠?qū)ｉT化，從而讓法庭看到它的證明價值。在Kirk v.W.R.Ashcraft案中，New Mexico最高法院認(rèn)為原告2年內(nèi)出售的劣質(zhì)圣誕樹的基率證據(jù)與它是否提供給被告高比率的劣質(zhì)圣誕樹有關(guān)。這里的參照集合是包括“出售劣質(zhì)圣誕樹”這一屬性的被告自己以往的行為的集合。當(dāng)然，對參照集合專門化的要求主要看我們所關(guān)心的屬性是否被其所包含，而不是刻意的追求過分的專門化。如果是那樣，任何參照集合最終專門化的結(jié)果就是只能包括被告這一個案件(或者被告一個人)，因為要與所證明的屬性完全相同的案件(或者個人)，只能是被告一個了。

在State v.Davis案中，New Jersey最高法庭對于基率的運用應(yīng)該是最前沿的。被告提供了“與自己同樣情況下”的其他人在無期徒刑服刑期間的再犯基率(也就是再犯危險性的精算方法或者SPJ方法的危險性評估得到的再犯基率)作為辯護(hù)理由。但是，不同的法院對于這一基率的證據(jù)效力有著不同的看法。初審法院認(rèn)為:“Davis提供的這一基率并沒有告訴我們關(guān)于Davis本人的任何事情”，從而拒絕了這一請求。但是上訴法院肯定了再犯基率的相關(guān)性，并且最高法院明確聲明“這一證據(jù)具有相關(guān)性和可采性”。當(dāng)然，對于運用再犯危險性評估得到的再犯基率，在美國也有很大一部分法官對此持反對意見。①參見 Jonathan J.Koehler:《When Do Courts Think Base Rate Statistics Are Relevant?》Jurimetrics Journal，2002(42).p.380。

(二)容易被法庭采納的基率

法庭在是否采用基率的態(tài)度上是矛盾的，基率的采用受到道德原則、具體政策、證明標(biāo)準(zhǔn)和各種情景因素的影響。正如我國有學(xué)者針對“美國法庭對‘專家證言’的前后矛盾的態(tài)度”所言:“產(chǎn)生這些矛盾，除了沒有對科學(xué)證據(jù)(包括基率)的清楚認(rèn)識外，最為根本的問題是科學(xué)與法律之間的矛盾，如科學(xué)真實與法律真實之間的矛盾、科學(xué)真理的非終極性與審判的效率性與判決的終局性之間的矛盾、科學(xué)真理的不確定性與法庭審判的確定性之間的矛盾、科學(xué)的普遍性與司法審判的特定性之間的矛盾、科學(xué)的創(chuàng)新與進(jìn)步和法律的保守性之間的矛盾等等。”②梁慧瑩:《刑事訴訟中的科學(xué)證據(jù)問題研究》，中國政法大學(xué)2009年碩士論文，第23頁。雖然存在上面所說的矛盾，但是合理的運用科學(xué)證據(jù)(包括基率)仍然是證據(jù)法學(xué)需要研究的問題。本文雖然不能夠體系性的總結(jié)出應(yīng)該如何利用基率證據(jù)，但是，還是可以找到一些運用基率證據(jù)的規(guī)律。除了上面所說的三點外，基率證據(jù)在下列情況下，比較容易被法庭所采納。

第一，在基率特別大或者特別小的時候。這可以從上面的Kaminsky v.Hertz案和Guenther v.Armstrong Rubber Company案的對比，DNA鑒定和“指紋鑒定”對比，還有被懷疑的死亡調(diào)查、測試舞弊調(diào)查等案例中都可以看出。從貝葉斯公式來看，如果基率極端一點，那么得出的后驗概率(事故車是藍(lán)色車的概率或者某人犯罪的概率)也就大些。例如，DNA的隨機(jī)匹配率一般都低于0.0000001，那么，根據(jù)貝葉斯公式得出的后驗概率就等于99.9999%。也就是說DNA匹配，說明兇手99.99%是提供DNA的這個人。又例如，在一個刑事案件中，假設(shè)只有唯一的證據(jù)，就是目擊證人A宣稱在500米遠(yuǎn)的地方親眼目睹了甲實施了殺害乙的過程。另外，還有兩個資料是:(1)根據(jù)實驗得知:A在500米的地方認(rèn)人的準(zhǔn)確率是0.8;(2)根據(jù)暴力危險性量表HCR－20，甲所屬人群的暴力犯罪率是0.5。那么，乙是甲殺害的概率是多少?根據(jù)貝葉斯公式，我們可以得到，后驗概率(也就是乙是甲殺害的概率)E等于0.8。當(dāng)條件(2)改為“根據(jù)暴力危險性量表HCR－20，甲所屬人群的暴力犯罪率是0.9”時，乙是甲殺害的概率E等于0.973。當(dāng)條件(2)改為“根據(jù)暴力危險性量表HCR－20，甲所屬人群的暴力犯罪率是0.1”時，乙是甲殺害的概率E等于0.308。如果，我們將證明標(biāo)準(zhǔn)設(shè)定乙是甲殺害的概率必須大于等于0.95才能夠定罪的話，那么，第一種情況和第三種情況都不能夠被定罪，只有第二種情況才能夠被定罪;反之，如果我們需要為犯罪嫌疑人洗脫嫌疑的話，那么，犯罪嫌疑人的犯罪可能性至少要小于0.5，第一種情況是不能夠使犯罪嫌疑人得到無罪釋放的，而第三種情況則可以?？梢姡哂?0%的再犯危險性對后驗犯罪率的影響還是比較大的，而10%的再犯基率完全可以幫被告人擺脫嫌疑。

第二，基率在民事案件中比較容易得到承認(rèn)，而在刑事案件中不容易得到承認(rèn)。這里存在幾個原因:第一個原因，就是刑事案件的證明標(biāo)準(zhǔn)比民事案件高。刑法中要求達(dá)到“排除合理懷疑”的證明標(biāo)準(zhǔn)，而民法中只要求“蓋然性”的證明標(biāo)準(zhǔn);第二個原因，就是刑事案件中基率的適用，往往牽涉到對刑法的基本原則的討論。例如，利用基率是否觸犯到“無罪推定”的原則，利用基率是否涉及到“種族歧視”等等一系列的法理和道德問題。在這些問題沒有得到充分討論之前，法院是不敢枉然的適用基率的，以免遭到非議;第三，就是反駁“意外事件”和保護(hù)弱勢群體的時候，法院傾向于采納基率。反駁“意外事件”是基率作為一種概率在證明主觀罪過上的一般作用。③參見文姬:《危險性評估的證據(jù)資格》，載《刑事法評論》(2011年，總第28卷)第280頁。而對于保護(hù)弱勢群體的時候能夠被法庭廣泛接受，是因為利用基率往往會給人有“不公正的偏見”的直覺，而如果是用這種“不公正的偏見”來“保護(hù)弱勢群體”，法庭似乎找到了一個可以與之抗衡的一個價值指標(biāo)，人們也比較容易容忍這種情況下的輕微偏見。

三、再犯危險性評估在定罪程序中的應(yīng)用

(一)再犯危險性評估不能作為入罪證據(jù)

基率是把我們需要考察的對象看成是相關(guān)參照集合的一個抽樣。如果這個抽樣具有和參照集合相同的屬性，那么，它就屬于這個參照集合。如果對象不具有參照集合同樣的屬性，那么，它就不屬于這一參照集合，而屬于與參照集合相對應(yīng)的補集。這里有三個關(guān)鍵詞，即考察對象、參照集合和屬性。

在法庭上需要考察的對象很多，有人類的某些特征，例如DNA和指紋、發(fā)紺和各種死亡原因、再次犯罪的危險性等，還有客觀世界的物體或者事件，例如測謊儀器、輪胎、事故車、藥物、圣誕樹、考試、損失等等。而需要考察的屬性是DNA、指紋的匹配，各種死亡原因的自然發(fā)病情況，再次犯罪的情況，測謊儀器的準(zhǔn)確性，輪胎的缺陷，產(chǎn)品的質(zhì)量，事故車的顏色和標(biāo)志，藥物的毒性、圣誕樹的優(yōu)劣，試卷的雷同，損失的平均數(shù)等等。有了上面的需要，我們現(xiàn)在唯一還需要的就是尋找一個適當(dāng)?shù)膮⒄占?。在上面的案例中，我們選擇了不具有血緣關(guān)系的DNA、正常的8個月大的嬰兒、多重槍傷死亡的人、危險性評估得分相同的人、隨機(jī)抽樣的一部分測謊儀器、Sear商店出售的輪胎、A城所有出了事故的出租車、有Hertz圖標(biāo)的汽車、隨機(jī)出售的圣誕樹、隨機(jī)抽取試卷、與原告相同職業(yè)的人等等。與之相對應(yīng)的基率是:不具血緣關(guān)系的DNA的匹配率、正常的8個月大的嬰兒發(fā)紺死亡的比率、多重槍傷死亡的人中自殺的比率、危險性評估得分相同的人中再次犯罪的比率、隨機(jī)抽樣的一部分測謊儀器中的準(zhǔn)確率、Sear商店出售的輪胎中來自于被告公司的比率、A城所有出了事故的出租車中藍(lán)色車的比率、有Hertz圖標(biāo)的汽車中來自于被告公司的比率、隨機(jī)出售的圣誕樹中劣質(zhì)樹的比率、隨機(jī)抽取試卷中雷同的比率、與原告相同職業(yè)的人的平均損失等。

從邏輯推理來看，這些案例是沒有區(qū)別的。它們都是將參照集合總體的屬性當(dāng)成樣本的屬性，他們的基率都是客觀存在的。所以，既然其中的一些被認(rèn)為具有相關(guān)性和證明價值，那么其它的應(yīng)該也有，所不同的是屬性的性質(zhì)。所謂的“將總體的屬性看成是樣本的屬性”，其實也就是這種屬性的一種“推論”。雖然利用貝葉斯定理的推論比較理性，并且有客觀的數(shù)據(jù)作為基礎(chǔ)，但是，在刑法上有些東西是嚴(yán)格禁止推論的，如被告人的精神屬性。主要原因是，在刑法的定罪活動中，客觀主義一直強調(diào)的是，我們定罪活動的對象是“人類的行為”，而非“人類本身”，并且是“這次行為”，而非“某人的所有行為”。可見，客觀主義是絕對不會允許對人的精神特性進(jìn)行推論的?？陀^主義唯一允許的，就是根據(jù)人類的某些固有弱點，對“人”進(jìn)行“出罪”。而這種意義上的“出罪”，也非真正的“出罪”。因為定罪的犯罪構(gòu)成的核心永遠(yuǎn)是“行為”，即使根據(jù)“行為人”而出罪，但是從“行為”這一角度上，他還是犯罪了。①也就是說，這種出罪只是一種“有責(zé)性”的排除，而非“違法性”的排除。所以，如果刑事定罪的對象在法理上永遠(yuǎn)限定在犯罪人的“這次行為”上，而絕對排斥“人”這個概念，那么，在定罪程序中運用人的精神方面的基率就永遠(yuǎn)沒有合理性。

上面案例的屬性分別是DNA和指紋的匹配、各種死亡原因的自然發(fā)病情況、再次犯罪的情況、測謊儀器的準(zhǔn)確性、輪胎的缺陷、產(chǎn)品的質(zhì)量、事故車的顏色和標(biāo)志、藥物的毒性、圣誕樹的優(yōu)劣、試卷的雷同、損失的平均數(shù)等。而這些案例中，DNA和指紋的匹配、各種死亡原因的自然發(fā)病情況是人的生理屬性、測謊儀器的準(zhǔn)確性、輪胎的缺陷、產(chǎn)品的質(zhì)量、事故車的顏色和標(biāo)志、藥物的毒性、圣誕樹的優(yōu)劣、試卷的雷同都是客觀事物的物理屬性。只有再次犯罪的情況是既包含人的生理層面又包含人的精神層面的屬性，并且，它還是對審判的“最終結(jié)論”——是否犯罪的直接推論，所以在入罪程序中遭到反對。

對于人的生物屬性的基率，法庭一般是予以采用的，但是，很多時候人們都沒有意識到這一點，而錯誤地認(rèn)為法庭采用了人的精神屬性的基率。例如Woods案表面上看似乎是對被告的虐童品格進(jìn)行推論，但是它實際上是對發(fā)紺死亡原因的推論;“浴室新娘案”表面上好像是對被告的暴力品格進(jìn)行推論，但是實際上它是對溺死的基率進(jìn)行推論;“圣誕樹案”表面上看似對被告的欺騙品格進(jìn)行推論，但是實際上是對劣質(zhì)樹比率的一種推論。這些推論都是對客觀事物的物質(zhì)屬性進(jìn)行推論，所以法庭準(zhǔn)予采納。但是，對于人的精神屬性的推論，法庭并沒有采納為入罪的證據(jù)。

(二)再犯危險性評估可以作為出罪證據(jù)

再犯危險性評估雖然被排除作為入罪的直接證據(jù)，但是其作為出罪證據(jù)卻被廣泛的接受。

刑法中的證明標(biāo)準(zhǔn)被表述為“排除合理懷疑”，與民事案件的“優(yōu)勢證據(jù)”的證明標(biāo)準(zhǔn)相比，“排除合理懷疑”顯然要高得多。但是，對于“排除合理懷疑”到底對應(yīng)著一個什么樣的具體概率，不管是法院還是法學(xué)家都諱莫如深。形成這種情形的原因有很多，包括“用數(shù)字說明這一問題本身就是錯誤的”，“根據(jù)罪名的嚴(yán)重程度進(jìn)行證明標(biāo)準(zhǔn)的調(diào)節(jié)”，“確保刑法制度口徑的統(tǒng)一”等等。①參見［美］Ward Farnsworth:《高手，解決法律難題的31種思維技巧》，丁芝華譯，法律出版社2009年版，第215－220頁。但是，我們可以用再犯危險性評估的概率，來對特定人犯罪的概率進(jìn)行估算。下面，本文通過一個假設(shè)性刑事案例比較說明。

在該案件中，假設(shè)只有唯一的證據(jù)，就是目擊證人A宣稱在500米遠(yuǎn)的地方親眼目睹了甲實施了殺害乙的過程。另外，還有兩個資料是:(1)根據(jù)實驗得知:A在500米的地方認(rèn)人的準(zhǔn)確率是0.8;(2)根據(jù)暴力危險性量表HCR－20，甲所屬人群的暴力犯罪率是0.5。乙是甲殺害的概率是多少?筆者將這種情況和條件(2)的甲所屬人群的暴力犯罪率是0.95和0.1時作對比，得出3個后驗概率(乙是甲殺害的概率)分別為0.8、0.973 和 0.308。

對于后驗概率為0.308的情況來說，我們可以對乙進(jìn)行出罪，而對乙直接出罪的理由源于羅克辛的預(yù)防必要性理論。羅克辛的責(zé)任原理不僅包括罪責(zé)，還包括預(yù)防的必要，兩者構(gòu)成的范疇的罪責(zé)稱為“答責(zé)性”。他清楚的指出:“刑罰的目的只能是預(yù)防性的，亦即只能是為了防止將來的犯罪……刑罰還要有特殊預(yù)防和一般預(yù)防的目標(biāo)。通過刑罰的安排，必須實現(xiàn)讓被處罰者盡量不為再犯的目標(biāo)，……同時，刑罰也要對公眾產(chǎn)生作用，具體也就是，刑罰要能促進(jìn)人民的法律意識，并且讓他們注意到可罰舉止的后果?！雹冢鄣拢萘_克辛:《刑事政策與刑法體系》，蔡桂生譯，中國人民大學(xué)出版社2011年版，第76頁。在羅克辛的責(zé)任體系中，預(yù)防的必要取代了一些責(zé)任阻卻事由，成為排除責(zé)任的基本原則之一。但是，羅克辛并沒有給出具體衡量預(yù)防必要的方法，而僅僅給出了“人性的弱點”、“良心”等抽象的衡量標(biāo)準(zhǔn)。那么，羅克辛所說的預(yù)防必要性的衡量標(biāo)準(zhǔn)是不是和我們所談的再犯危險性評估中的再犯危險性衡量指標(biāo)一致呢?根據(jù)我們的研究，再犯危險性的衡量包括行為人的違法歷史、人格特征、藥物濫用、人際環(huán)境等等主要因素。那么，羅克辛的預(yù)防必要的衡量因素是什么呢?

羅克辛指出:“我們的任務(wù)并非單純的懲罰，而是必須預(yù)防，為了達(dá)到這一功能，在責(zé)任主義的前提下，犯罪人是否會再犯、事件發(fā)生的情景是否具有‘非常規(guī)的不可重復(fù)性’成為考察必要。例如，對于‘錯誤論’中的正當(dāng)化前提事由認(rèn)識錯誤，不能用行為理論、故意理論來解釋，而應(yīng)該回答‘按照刑法的任務(wù)，是否要將當(dāng)事人作為故意犯罪人來處理?’……即所謂的各種錯誤論應(yīng)該單獨建立在刑罰目的理論的基礎(chǔ)之上?！@種觀點也同樣適用于力圖中的中止……就法官而言，該問題涉及的并不是刑罰免除;他們需決定的是，在中止的場合下到底還要不要施加刑罰。而實施了回撤的行為人的舉止，到底需不需要加以制裁，則是一個純正的刑罰問題。……人們從這些事例中得出這樣的印象，即基于刑罰目的理論的刑事答責(zé)性的體系化工作，可以為一些長期爭論的問題提供一個更為別樣和更有前途的方案?！雹郏鄣拢萘_克辛:《刑事政策與刑法體系》，蔡桂生譯，中國人民大學(xué)出版社2011年版，第43頁。通過對“錯誤論”和“力圖的中止”的討論，他指出，對于特定的刑事政策上的問題，必須用責(zé)任理論來體系化，而所謂的“個人刑罰阻卻事由、超法規(guī)刑罰免除事由”等理論，只會使得理論“碎片化”。雖然沒有對預(yù)防必要性的標(biāo)準(zhǔn)進(jìn)行更深一步的闡述，但是，從他的論述中我們可以發(fā)現(xiàn)，他將具有違法性和罪責(zé)的行為，但是出于純粹的刑事政策考慮(而非一般的法政策的考慮)不需要動用刑罰的因素，包含在預(yù)防必要性的標(biāo)準(zhǔn)之中。

所謂的純粹的刑事政策的因素，筆者認(rèn)為不外乎有兩個方面的原因:一是犯罪人本身的特殊情況能夠引起人們的憐憫，或者沒有動用刑罰威脅的必要;二是犯罪所發(fā)生的情景十分特殊，不太可能重現(xiàn)。當(dāng)計算出來的后驗概率(乙是甲殺害的概率)小于0.5時，④后驗概率小于多少的時候可以認(rèn)定為沒有預(yù)防必要，其實也是一個社會容忍度，或者說刑事政策需要考慮的問題。我們這里取0.5，是因為，當(dāng)我們不知道社會的整的治安情況和某種犯罪的犯罪率的情況下，我們認(rèn)定每個人犯罪的概率為均勻分布，即為0.5。我們認(rèn)定犯罪人不太可能再次犯罪，所以沒有預(yù)防的必要。

四、再犯危險性評估在量刑程序中的應(yīng)用

雖然，在刑事入罪程序中排斥再犯危險性評估的運用，但是在量刑程序和行刑程序中，再犯危險性評估的運用得到了“允許”，至于被“允許”的根本理由，在于在量刑和行刑程序中“行為人”成為了考察的對象。當(dāng)然，再犯危險性評估在量刑和行刑程序中被允許運用，還基于再犯危險性評估作為“基率”證據(jù)的一些特性。

(一)參照集合的專門化

在再犯危險性評估中，主要包括被告人三方面的內(nèi)容:以往的錯誤行為或者定罪行為;觸發(fā)被告人犯罪的環(huán)境因素或者抑制被告人犯罪的環(huán)境因素，例如社會交往和社會支持;被告人的認(rèn)知能力和控制能力，以及自我調(diào)節(jié)的技巧等。根據(jù)被告人這些因素的情況，對被告人進(jìn)行打分。然后再根據(jù)被告人的總分將其歸入某類人群。這其實是一個多維分類的情況。我們將被告人看成是與他得分相同的人群中的一個抽樣，也就是說，這里的參照集合就是危險性評估量表中得分相同的人群。因為被告人屬于這一參照集合，所以被告人擁有這一參照集合的共同屬性，即再犯危險性相同。其實，這里也可以這么理解，因為上面三類型的因素都是與被評估人是否再犯有關(guān)的因素，所以這一量表得出來的分?jǐn)?shù)是反映被評估人的再犯危險性，而不是被評估人的營養(yǎng)狀況、智力程度等，所以分?jǐn)?shù)相同的人是具有相同的再犯危險性，而不是相同的營養(yǎng)狀況或者智力程度。如果根據(jù)對參照集合總體的抽樣估計，這一參照集合總體的再犯危險性是60%，那么，被告人的再犯危險性也是60%。

這一分類方式也是對參照集合專門化的結(jié)果。例如，甲被懷疑是一起性暴力犯罪的兇手，即使在沒有任何直接證據(jù)的情況下，我們也可以根據(jù)在整個案件發(fā)生的月份的性暴力犯罪數(shù)除以案件發(fā)生的地區(qū)的總?cè)丝跀?shù)，得出一個性暴力犯罪發(fā)生的基率，來估計甲犯罪這一案件的可能性。實際上，也就是我們把甲看成是這一地區(qū)的總?cè)丝诘囊粋€抽樣。如果僅僅這么估計，我們就是將參照集合設(shè)定為案件發(fā)生的地區(qū)的總?cè)丝?。這一參照集合顯然過大，所以我們設(shè)法將它專門化:首先，我們利用“以前是否有過性暴力犯罪”這一屬性將總?cè)丝诜譃閮深?。我們假設(shè)甲有過此類犯罪記錄，那么甲就屬于有過的參照集合A1，我們再計算這一參照集合的性暴力犯罪率，得出了參照集合總體的估計，作為甲的屬性;其次，我們在將參照集合A1按照“是否存在觸發(fā)被告犯性暴力犯罪的環(huán)境”這一屬性進(jìn)行分類，得到一個參照集合A2……依次類推，我們得到了最后的參照集合A。這就是再犯危險性評估的整個邏輯推理過程。

這里還需要澄清的是，再犯危險性評估的這些因素是對被告人性暴力危險性的評估或者其他具體危險性的評估。這種危險性，可以如上面所描述的對被評估者現(xiàn)在的性暴力犯罪可能性的估計，也可以是對他將來再次犯性暴力危險性的估計。這主要取決于我們的抽樣過程。因為在刑事定罪程序中不允許使用這種分類方法，所以，在現(xiàn)有的再犯危險性評估中，選擇的抽樣過程都是與被告人具有相同分?jǐn)?shù)的人這一參照集合在將來再次犯罪的危險性的概率。因此，從理論上來說，再犯危險性評估既可以對現(xiàn)在的危險性進(jìn)行評估，也可以對將來的危險性進(jìn)行評估，并不一定是將來的概念，只是實踐中我們只運用來評估將來的危險性而已。

(二)量刑規(guī)范化

很多人都錯誤的將精算工具最后的結(jié)果解釋為罪犯有60%的可能再犯，其實精算工具的最后結(jié)果表述的意思是，在這一分?jǐn)?shù)的人群中，100個人中有60個人再犯，40個人沒有再犯。罪犯有可能屬于60個人中的一個，也可能屬于40個人中的一個。通過對基率的解釋，我們就更能夠理解這意思了。其實，我們估計被告人的各種危險性，實際上也是試圖將罪犯歸入某個類別，是對犯罪人的一種分類方法，只不過它的分類指標(biāo)是我們評估的各種因素指標(biāo)經(jīng)過我們的統(tǒng)計分析而形成的一個綜合指標(biāo)，即危險性。這一類別就是再犯率為60%的這一人群。罪犯擁有這一人群的共性，所以我們把他歸入其中，而60%的再犯率也是這一人群的共性之一。在這一人群中，罪犯到底是歸入60個再犯的子人群，還是歸入40個沒有再犯的子人群呢?我們只能說罪犯有60%的可能性會屬于再犯的子人群，有40%的可能性會屬于不再犯的子人群。這也是精算評估提供給決策者的最終極的信息。這一說法在概念量化問題上有一個比較成熟的名詞，叫做模糊集合。

我們得出“罪犯有60%可能性屬于再犯的子人群，有40%可能性屬于不再犯的子人群”這樣一個結(jié)論后，就可以重新解釋貝葉斯公式①這里指的貝葉斯公式的形式為:P(G|E)/P(～G|E)=(P(E|G)/P(E|～G))×(P(G)/P(～G))。的含義了。因為被評估者60%屬于犯罪(或者再犯)的子人群，40%屬于沒有犯罪(或者不會再犯)的子人群，所以貝葉斯公式中P(G)和P(～G)可以解釋為被評估者的犯罪可能性(或者再犯可能性)和沒有犯罪的可能性(或者不會再犯的可能性)。我們將P(G)/P(～G)記作O(G)，代表被評估者的犯罪先驗優(yōu)勢，那么P(E|G)/P(E|～G)就是證據(jù)E的似然比，把P(G|E)/P(～G|E)記作O(G|E)，代表被評估者的犯罪后驗優(yōu)勢。貝葉斯公式可以表述為:O(G|E)=(P(E|G)/P(E|～G))×O(G)。根據(jù)這一公式算出被評估者的犯罪后驗優(yōu)勢后，我們就可以根據(jù)這一比率對被評估者進(jìn)行量刑。假設(shè)某種刑罰的效用函數(shù)是U(d)，②對于刑罰的效用國外也有研究，最近國內(nèi)的經(jīng)濟(jì)學(xué)界出現(xiàn)了犯罪經(jīng)濟(jì)學(xué)這一研究方向，對此也有研究。那么U(d，G)表示某種刑罰對于犯罪者矯正的貢獻(xiàn)，而U(d，～G)表示某種刑罰對沒有犯罪的人的損害，那么，這種刑罰對于被評估者的總的效用函數(shù)就是:U(d)=U(d，G)×P(G|E)+U(d，～G)×P(～G|E)(以下稱效用公式)。③Dennis V.Lindley，The philosophy of statistics，The Statistician，Vol.49.No.3(2000)，p.317.其中P(G|E)是在各種證據(jù)下證明的被告人再犯可能性，P(～G|E)為各種證據(jù)下證明的被告人不再犯可能性。效用公式可以用于對被告人的量刑。它不僅考慮到了被告人的再犯可能性，也考慮到了被告人不會再犯的可能性，客觀的體現(xiàn)了現(xiàn)實中的實際情況。效用公式也是量刑規(guī)范化的途徑之一，并且因為考慮到了被告人不會再犯的情況，根據(jù)效用公式進(jìn)行量刑，更加有利于對死刑的限制。

按照效用公式的思路進(jìn)行量刑規(guī)范化，要考慮刑罰效應(yīng)U(d)的最大化，就必須考慮不同的刑罰對不同人的效應(yīng)，當(dāng)然，這需要進(jìn)一步的分類細(xì)化。而對于被告人再犯可能性的評估，已經(jīng)有比較成熟的經(jīng)驗和量表工具，所以，按照效應(yīng)公式的思路進(jìn)行量刑規(guī)范化是可行的、科學(xué)的。

2010年我國最高人民法院印發(fā)了《人民法院量刑指導(dǎo)意見(試行)》(下文中簡稱為《意見》)，對量刑的規(guī)范化進(jìn)行了大膽的改革，確定了量刑起點、量刑基準(zhǔn)、調(diào)節(jié)幅度等概念的確定方法，并規(guī)定了檢察院的量刑建議權(quán)和法庭審理的量刑辯論階段?！兑庖姟返闹匾咙c是確定了量刑的“三步走”，即量刑起點確定、基準(zhǔn)刑確定和宣告刑確定，他們分別對應(yīng)基本犯罪構(gòu)成事實(定罪情節(jié))、犯罪構(gòu)成事實和量刑情節(jié)。④參見熊選國:《量刑規(guī)范化辦案指南》，法律出版社2011年版，第3－69頁?！兑庖姟反_實對量刑的規(guī)范化起到了很好的作用，但是，針對量刑情節(jié)對于基準(zhǔn)刑的調(diào)節(jié)幅度的確定，仍然缺乏體系性和實證基礎(chǔ)。在確定基準(zhǔn)刑之后，對剩余的量刑情節(jié)分別給予不同幅度的調(diào)整權(quán)限，這一點從“問題性思考”的角度來看，確實可以解決具體個案的個別量刑。但是，各個量刑情節(jié)之間的關(guān)系如何，各個量刑情節(jié)對犯罪人再犯可能性的影響等，這些都沒有在量刑中得以體現(xiàn)。所以，這一量刑方法從“體系性思考”的角度來看，使得量刑理論“碎片化”，從而容易出現(xiàn)法律漏洞。

當(dāng)然，按照效應(yīng)公式來進(jìn)行量刑規(guī)范化的理論準(zhǔn)備還不充足，還不能夠用來進(jìn)行實際操作。按照《意見》進(jìn)行的量刑規(guī)范化，應(yīng)該說，只是量刑規(guī)范化工作的開始。量刑規(guī)范化的發(fā)展和完善，需要更多的理論和實踐來支持。