王子康 李玲 杜金嘯

（華北理工大學(xué)，河北唐山 063000）

1 樣本概述

1.1 樣本的選取說明

本文所用判決書及數(shù)據(jù)全部來自于“中國裁判文書網(wǎng)”，筆者以“醉駕”、“危險駕駛”、“中級法院”等關(guān)鍵詞在該網(wǎng)站上檢索判決書，并從中篩選了80份作為本文的樣本，樣本的選擇說明如下：

首先，選取的案件來自于2017年5月1日至今的案件。選取理由在于，最高人民法院發(fā)布的《關(guān)于常見犯罪的量刑指導(dǎo)意見（二）（試行）》自2017年5月1日起才開始試行，可以說，這是一個法官如何對涉嫌危險駕駛罪的被告人進(jìn)行定罪量刑的轉(zhuǎn)折點，在此之后的案件審理較之前更為規(guī)范，更能反映該案件審理的司法現(xiàn)狀，因此，選取2017年5月1日之后的判決書能保證樣本的代表性。

其次，選取的案件審理級別均來自中級人民法院，選取理由在于，中國裁判文書網(wǎng)”上顯示，自2017年5月1日之后，關(guān)于醉駕型危險駕駛案件，最高人民法院的判決書有0份，高級人民法院的判決書僅有2份，該兩級法院對這類案件的審理極少，在這種情況下，只有中級法院對案件的審理能夠起到對基層法院的指導(dǎo)作用。因此，通過對中級法院判決書的分析得出的結(jié)論不僅能作用于中級法院，更能很好地作用于基層法院，而醉駕型危險駕駛案件的審理又恰恰多發(fā)生在基層法院，因此，以中級法院的判決書作為樣本，能保證結(jié)論的實用性。

最后，在滿足上述前提的情況下，筆者共在“中國裁判文書網(wǎng)”上檢索到80份判決書，并將其全部作為本文所用樣本，使得誤差降為0，保證了樣本估計量的無偏性。

1.2 樣本的初步描述

樣本的情節(jié)分布為：32個血液酒精含量超過200毫克/毫升、10個自首、3個立功、0個審判時懷孕的婦女、0個未成年犯、6個有公職人員身份、41個被查獲時間在21—凌晨6點、17個被查獲時間在19—21點、21個被查獲時間在7—19點、12個無駕駛資格、18個有行政前科、32個發(fā)生交通事故、0個未與被害人達(dá)成賠償協(xié)議、0個未取得被害人諒解、2個在接受警察檢查時態(tài)度惡劣、2個機(jī)動車為四輪電動車、12個機(jī)動車為摩托車、47個機(jī)動車為私人轎車、14個機(jī)動車為小型客車、4個機(jī)動車為輕型貨車、80個坦白。

樣本的處刑結(jié)果為：65個被判處拘役和罰金（其中有29個被判處緩刑）、2個被判處無罪、13個免于刑事處罰。

2 醉駕型危險駕駛罪緩刑適用的影響因素

由于是否適用緩刑為二分變量，且可能有多種因素影響量刑，故可應(yīng)用二元邏輯斯蒂回歸分析模型進(jìn)行分析，但二元邏輯斯蒂回歸分析不適合對定序變量進(jìn)行分析，因此在進(jìn)行回歸分析之前，需要將定序的自變量單獨進(jìn)行卡方檢驗。將出現(xiàn)頻數(shù)較少或未出現(xiàn)的量刑情節(jié)篩選出去之后，在剩下的量刑情節(jié)中，只有機(jī)動車類型以及被告人對交通事故所負(fù)責(zé)任為定序變量，故分別以機(jī)動車類型和被告人所負(fù)責(zé)任為列變量，是否適用緩刑為行變量，放入卡方檢驗程序中，得到的費希爾精確檢驗值的顯著性水平分別為0.363和0.71，兩種量刑情節(jié)均未通過顯著性檢驗，即機(jī)動車類型與被告人對交通事故所負(fù)責(zé)任對緩刑適用的影響不顯著。

接下來，將剩余的量刑情節(jié)作為自變量，是否適用緩刑作為因變量，通過邏輯斯蒂回歸分析，得到的結(jié)果是，除血液酒精含量、有無前科通過顯著性檢驗以外，其余量刑情節(jié)均未通過顯著性檢驗，將這些量刑情節(jié)甩出模型后，再次進(jìn)行邏輯斯蒂回歸，得到的結(jié)果如表1所示。

表1 醉駕型危險駕駛罪緩刑適用的霍斯默-萊梅肖檢驗

表1顯示，模擬擬合優(yōu)度的檢驗P值為0.341，通過了顯著性檢驗，說明模型擬合的較好。

表2 醉駕型危險駕駛罪緩刑適用的結(jié)果分類表

從表2可以看到，該模型對緩刑適用的正確率為67.7%。

表3 醉駕型危險駕駛罪緩刑適用的邏輯斯蒂回歸分析結(jié)果

從表3可以看到，通過兩次邏輯斯蒂回歸，只有血液酒精含量及有無前科均通過了顯著性檢驗，具有統(tǒng)計學(xué)意義。同時，又從Exp(B)（優(yōu)勢比）可以看到，在控制其他變量不變的情況下，被告人案發(fā)時的血液酒精含量每升高一個單位，被判處緩刑的機(jī)會就為原來的0.988倍，即隨著被告人案發(fā)時血液酒精含量的升高，被判處緩刑的機(jī)會就越??；其次，在控制其他變量不變的情況下，有行政前科的被告人被判處緩刑的機(jī)會是沒有行政前科被告人的0.203倍，即沒有行政前科的被告人被判處緩刑的機(jī)會是有行政前科被告人的5倍。

同時，為比較兩個自變量對緩刑適用的影響程度，需要將上述表格中的非標(biāo)準(zhǔn)化系數(shù)轉(zhuǎn)化為標(biāo)準(zhǔn)化系數(shù)，根據(jù)標(biāo)準(zhǔn)化系數(shù)的計算公式：

標(biāo)準(zhǔn)化系數(shù)≈某自變量的非標(biāo)準(zhǔn)化系數(shù)×該變量的標(biāo)準(zhǔn)差 ÷1.8138

得到血液酒精含量和有無前科的標(biāo)準(zhǔn)化系數(shù)分別為-0.399、-0.402，由于這兩個自變量的標(biāo)準(zhǔn)化系數(shù)相近，故可以近似地認(rèn)為血液酒精含量以及有無前科對緩刑適用的影響程度相同。

3 歸納與總結(jié)

通過運用二元邏輯斯蒂回歸分析以及卡方檢驗，筆者最終得到了法官集體在醉駕型危險駕駛案件中適用緩刑的主要影響因素，即被告人案發(fā)時的血液酒精含量以及有無前科。而接下來需要反思的是，究竟是什么原因推動了法官集體對量刑情節(jié)做這樣的取舍，這背后有什么法理？

3.1 法官量刑情節(jié)取舍的解讀

首先，從立法模式來看，我國對醉駕型危險駕駛罪的立法模式是抽象危險犯，而對抽象危險犯的定罪處罰既不以實害情節(jié)的出現(xiàn)為前提也不以出現(xiàn)危險狀態(tài)為前提，只要行為一經(jīng)實施，即可構(gòu)成犯罪，這體現(xiàn)了“刑罰的提前化”，刑法功能從事后的報應(yīng)扭轉(zhuǎn)到了事前預(yù)防，即從不法行為的根源或苗頭上實現(xiàn)精準(zhǔn)打擊，從而有力的維護(hù)社會秩序。因此，在醉駕型危險駕駛案件中，行為人的人身危險性成為最重要的考量因素，人身危險性越強(qiáng)的行為人，越有可能造成交通事故的發(fā)生，同時也會給公眾帶來更強(qiáng)的不安感。而在測評人身危險性的強(qiáng)弱程度中，行為人案發(fā)時的血液酒精含量以及有無前科是最值得受司法人員關(guān)注的，其原因便在于，醉駕入刑的標(biāo)準(zhǔn)就是以酒精含量為基礎(chǔ)的，且血液酒精含量最能也是最容易反映行為人的醉酒程度的一個維度，通過對血液酒精含量的測量來評價行為人的人身危險性，不僅符合立法本意，也能降低司法成本，更能從源頭上打擊醉酒駕駛行為，因此堅持以血液酒精含量為基本標(biāo)準(zhǔn)成為法官們量刑的一個重要準(zhǔn)則；其次，由于行政前科在性質(zhì)上與累犯無異，只是在程度上弱于累犯，但二者都反應(yīng)了行為人在接受國家的懲罰與教育后，依然不思悔改重蹈覆轍，其人身危險性顯然大于初犯的行為人，因此有無前科也成為法官們量刑的一個重要依據(jù)。

3.2 緩刑適用的建議

首先，通過計算得到在適用緩刑的案件中，被告人的血液酒精含量的均值為168.06mg/100ml，因此，在今后的裁判中，法官可根據(jù)當(dāng)?shù)貙嶋H情況，在這一數(shù)值上下確定適用緩刑的上限?，F(xiàn)如今，有些地區(qū)已經(jīng)把160mg/100ml或200mg/100ml作為緩刑的上限，且從各方面的反饋來看，案件處理的法律效果和社會效果都非常好，因此本文的結(jié)論也得到了佐證，能夠在實務(wù)中很好實行。

其次，由于在控制其他變量不變的情況下，無前科的被告人被判處緩刑的機(jī)會是有前科被告人的5倍，且在適用緩刑的案件中只有34%的人有前科。因此在今后的裁判中，對有前科的被告人應(yīng)慎用或不用緩刑。