大數據對法學研究有哪些影響

所謂大數據，有三個特征：全樣本、混雜性、相關性。其中，最重要的就是全樣本。但是，由于財力、人力、分析技術等條件的限制，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實社會中的各種真實。于是，根據這些真實去預測某種現象的發生概率，就更可靠了。

作為社會現象的一部分，法律現象與自然現象之間有著顯著區別。法是由人制定的，法是由人實施的，法是由人違反的。所以，法律現象有著太多的異質性和不確定性。但另一方面，法律現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，每個達到一定責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，法學研究該如何迎接大數據的到來，至少做出一些像樣的大樣本研究呢？

首先，全樣本選題。在法律現象的研究中，并不是所有問題的對象總體都是十三億人或者百萬、千萬計的案件。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》規定有425個罪名，截止到2003年12月23日，最高司法當局發布的刑事司法解釋共有1233個，某一筆專項資金總額400億元，涉及該項資金的全部職務犯罪案件共幾百件。這些，都是力所能及的全樣本選題。此外，某個行業的行業性規范、某個部門的執法活動等，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省、某個市、某個地區，甚至某個縣、鄉的全部某類案件、某些司法文書、判決結果、政策文件等確定為全樣本研究的對象。為什么學術活動一定要左右于一個中心才算是觸摸到了真理呢？其實，這本身就是一種關于學術研究的誤解，一種盲目追求宏大敘事而不屑于細微具體研究的浮躁。既然如此，法律實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較好對策。

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。關鍵不在于樣本的數量大小，也不在于抽樣框架是出于何種目的確定的，而在于根據某個框架所獲得的樣本與總體之間是否相似。只要對既定研究目的而言，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，然后據此進行隨機抽樣，但我們可以把來自最高法院各業務庭、研究機構、出版單位、網站等權威機構公開發布、發表的全部真實判決設定為抽樣框架，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，由各地各級法院選送，具有對全國總體的代表性；第二，由于是最高法院各權威機構認可并公開的案件，因而具有對司法實踐的指導性；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充分考慮到案件類型和性質的多樣化；第五，由于是公開發布的案件，因而對公民行為而言具有相當的規范性、模范性和可預測性；第六，由于提取了這個范圍內的幾乎全部某類案例，將抽樣誤差降低為零，因而具有研究依據上的準確性。其實，如果可能將總體的所有特征一模一樣地微縮到某個隨手可得的抽樣框架中的話，無異于對總體完成了一次嚴格的隨機抽樣，并以其結果為抽樣框架進行二次抽樣，其實這已經不是在選擇抽樣框架而是進行多段抽樣了。

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性程度越大，需要分析的變量的個數越多，則所需要的樣本規模就越大。但是，一個占總體5%的樣本，未必要比一個只占總體1%的樣本要好上5倍。樣本規模絕對數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，最高法院已經從2013年起開通了裁判文書網，公開了幾乎全部司法判決文書。盡管在技術上還有待改進，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，所以無法做大數據。現在的問題是，司法當局已經為法律大數據研究提供了相應的條件，學界能跟上嗎？（來源/《中外法學》 文/白建軍 有刪節）