所謂大數(shù)據(jù)，有三個(gè)特征：全樣本、混雜性、相關(guān)性。其中，最重要的就是全樣本。但是，由于財(cái)力、人力、分析技術(shù)等條件的限制，人們很難拿到全樣本。基于這種全樣本，人們可能更好地了解現(xiàn)實(shí)社會(huì)中的各種真實(shí)。于是，根據(jù)這些真實(shí)去預(yù)測(cè)某種現(xiàn)象的發(fā)生概率，就更可靠了。

作為社會(huì)現(xiàn)象的一部分，法律現(xiàn)象與自然現(xiàn)象之間有著顯著區(qū)別。法是由人制定的，法是由人實(shí)施的，法是由人違反的。所以，法律現(xiàn)象有著太多的異質(zhì)性和不確定性。但另一方面，法律現(xiàn)象的總體又往往巨大無比，每年法院處理的各類案件幾百萬件，每個(gè)達(dá)到一定責(zé)任年齡的公民都是潛在的違法者，所有公民都是潛在的被害人。那么，法學(xué)研究該如何迎接大數(shù)據(jù)的到來，至少做出一些像樣的大樣本研究呢？

首先，全樣本選題。在法律現(xiàn)象的研究中，并不是所有問題的對(duì)象總體都是十三億人或者百萬、千萬計(jì)的案件。比如，截止到2006年6月《刑法》修正案（六）通過頒布以前，中國《刑法》規(guī)定有425個(gè)罪名，截止到2003年12月23日，最高司法當(dāng)局發(fā)布的刑事司法解釋共有1233個(gè)，某一筆專項(xiàng)資金總額400億元，涉及該項(xiàng)資金的全部職務(wù)犯罪案件共幾百件。這些，都是力所能及的全樣本選題。此外，某個(gè)行業(yè)的行業(yè)性規(guī)范、某個(gè)部門的執(zhí)法活動(dòng)等，也都可以成為全樣本研究的選題。除了這些以全國范圍為總體的選題以外，還可以將有代表性的某個(gè)省、某個(gè)市、某個(gè)地區(qū)，甚至某個(gè)縣、鄉(xiāng)的全部某類案件、某些司法文書、判決結(jié)果、政策文件等確定為全樣本研究的對(duì)象。為什么學(xué)術(shù)活動(dòng)一定要左右于一個(gè)中心才算是觸摸到了真理呢？其實(shí)，這本身就是一種關(guān)于學(xué)術(shù)研究的誤解，一種盲目追求宏大敘事而不屑于細(xì)微具體研究的浮躁。既然如此，法律實(shí)證研究中豐富的全樣本選題，是盡可能降低抽樣誤差的一個(gè)較好對(duì)策。

其次，合理確定抽樣框架。所謂抽樣框架，就是一份與總體非常相似的用來選取具體樣本的名單。關(guān)鍵不在于樣本的數(shù)量大小，也不在于抽樣框架是出于何種目的確定的，而在于根據(jù)某個(gè)框架所獲得的樣本與總體之間是否相似。只要對(duì)既定研究目的而言，抽樣框架與總體之間具有相似性即可，而兩者不可能在所有方面都滿足相似性要求。

例如，我們不可能首先獲得全國所有刑事案件的名單，然后據(jù)此進(jìn)行隨機(jī)抽樣，但我們可以把來自最高法院各業(yè)務(wù)庭、研究機(jī)構(gòu)、出版單位、網(wǎng)站等權(quán)威機(jī)構(gòu)公開發(fā)布、發(fā)表的全部真實(shí)判決設(shè)定為抽樣框架，并稱其為“示范性案例”，然后抽取其中的某類案件進(jìn)行全樣本研究。這種案例的代表性在于：第一，由于這些案件來自全國各地，由各地各級(jí)法院選送，具有對(duì)全國總體的代表性；第二，由于是最高法院各權(quán)威機(jī)構(gòu)認(rèn)可并公開的案件，因而具有對(duì)司法實(shí)踐的指導(dǎo)性；第三，由于其中絕大部分案件屬于生效判決，因而具有一定的有效性；第四，各地選送案件以及最高法院各單位選取案件時(shí)充分考慮到案件類型和性質(zhì)的多樣化；第五，由于是公開發(fā)布的案件，因而對(duì)公民行為而言具有相當(dāng)?shù)囊?guī)范性、模范性和可預(yù)測(cè)性；第六，由于提取了這個(gè)范圍內(nèi)的幾乎全部某類案例，將抽樣誤差降低為零，因而具有研究依據(jù)上的準(zhǔn)確性。其實(shí)，如果可能將總體的所有特征一模一樣地微縮到某個(gè)隨手可得的抽樣框架中的話，無異于對(duì)總體完成了一次嚴(yán)格的隨機(jī)抽樣，并以其結(jié)果為抽樣框架進(jìn)行二次抽樣，其實(shí)這已經(jīng)不是在選擇抽樣框架而是進(jìn)行多段抽樣了。

再次，避免盲目放大樣本容量。一般而言，研究總體本身的異質(zhì)性程度越大，需要分析的變量的個(gè)數(shù)越多，則所需要的樣本規(guī)模就越大。但是，一個(gè)占總體5%的樣本，未必要比一個(gè)只占總體1%的樣本要好上5倍。樣本規(guī)模絕對(duì)數(shù)值的重要性大大超過樣本占總體比例的重要性。

最后需要說明，最高法院已經(jīng)從2013年起開通了裁判文書網(wǎng)，公開了幾乎全部司法判決文書。盡管在技術(shù)上還有待改進(jìn)，但這件事的意義之大，超出了許多人的想象。至少今后我們不能再說，拿不到全樣本，所以無法做大數(shù)據(jù)?，F(xiàn)在的問題是，司法當(dāng)局已經(jīng)為法律大數(shù)據(jù)研究提供了相應(yīng)的條件，學(xué)界能跟上嗎？（來源/《中外法學(xué)》 文/白建軍 有刪節(jié)）