大數據研究方法應用于刑事法學的冷思考

摘要：作為一種重要的跨學科研究方法，大數據研究方法在法學中已有廣泛應用。然而，通過考察大數據研究方法在刑事法學中的應用，不難發現其也存在明顯的局限性：不適用于難以量化的對象；不能代替定性研究；相當多的數據、合適的樣本不易獲取；容易忽視細節和聯系以致基礎不夠堅實；存在邏輯斷裂，結論僅是或然性的；貌似具有宏觀視野卻不及類型化思維。因此，大數據研究方法的作用不能夸大，更不能形成“大數據崇拜”。

關鍵詞：大數據研究方法；刑事法學；司法規律；類型化思維

中圖分類號：DF873

文獻標志碼：A DOI：10.3969/j.issn.1008-4355.2016.06.03

晚清以降，西學東漸，英、美、法、德、日、俄等國的法律思想、觀念和制度陸續傳入我國，律學在歐風美雨的強勁滌蕩下日趨凋零，法學一度興起旋沉寂多年。改革開放以來，我國高度重視并積極推進社會主義政治文明建設，法治建設取得了舉世矚目的偉大成就，突出表現為社會主義法律體系已經基本建成。然而，不可否認，我國目前仍是法治欠發達國家，非但不少思想觀念和制度機制較為落后，法學研究也可謂跟在法治發達國家后面亦步亦趨，在國際法學界的發言權與我國的綜合國力、國際地位極不匹配。

畢竟，不同于經濟學、統計學和社會學等學科，法學與價值評價密切相關。法的價值，主要包括人權、公平正義、自由平等和秩序等。刑事訴訟的價值主要是保護人權和打擊犯罪。“事實清楚，證據確實充分”才能判決有罪。司法獨立、回避制度、辯護制度、公開審判制度、非法證據排除制度、不能自證其罪原則、疑罪從無原則、存疑有利于被告原則和上訴不加刑原則等，屬于程序正義的范疇。法益保護原則、罪刑法定原則和罪刑相適應原則等，屬于實體正義的范疇。程序正義和實體正義在每個司法案件中都應當實現，力求“不冤枉一個好人也不放縱一個壞人”，而“寧縱勿枉”是退而求其次的無奈之舉。公平正義不是一句空話，而是由無數個案中的公平正義結合而成——當然不是簡單相加，卻也不是由于“主流是好的”就會產生“少數服從多數”之效果；相反，“百俊不能遮一丑”才是現實。假設冤錯案件的發生率只有千分之一，則被冤枉的無辜者總數仍是相當驚人的，人們會認為錯案頻出、司法黑暗且不可信賴，而不會因為“99.9%的案件被正確處理”就認為0.1%的錯案率是可以接受的。對“完美司法”的這種執著追求，對實務界、法學界提出了更高的要求。這些特點決定了刑事司法具有諸多面向，是多種主客觀因素共同作用的“場”，從事刑事法學研究不能忽視這些特點，偏執、武斷及理想化均不可取。

一、大數據研究方法在刑事法學研究中的應用概述

《2016年中國大數據交易產業白皮書》指出，國際數據公司（IDC）認為大數據（Big Data）有四個特征，即海量的數據規模（Volume）、快速的數據流轉和動態的數據體系（Velocity）、多樣的數據類型（Variety）、巨大的數據價值（Value）。這一定義對法學研究之“大數據”亦具有較大借鑒意義。2008年，內地各級法院審結一審刑事案件768 130件，判處罪犯1 007 304人，至2014年案件數、人數均突破“百萬大關”，而無罪判決率極低例如，2015年、2016年最高人民法院工作報告顯示，2014年各級法院審結一審刑事案件102.3萬件，判處罪犯118.4萬人，宣告518名公訴案件被告人和260名自訴案件被告人無罪；2015年各級法院審結一審刑事案件109.9萬件，判處罪犯123.2萬人，宣告667名公訴案件被告人和372名自訴案件被告人無罪。由此可以算出，這兩年全國無罪判決率分別為萬分之六點六、萬分之八點四。值得一提的是，這個“全樣本”只有最高人民法院、最高人民檢察院能夠獲得，學者基本不可能憑一己之力獲得這樣的“大數據”進行全樣本研究。。“中國裁判文書網自2013年7月1日正式開通以來，已公開裁判文書超過2000萬篇，訪問量突破20億次。自2016年8月起，每天都有超過2000萬的訪問量”[1]。司法公開三大平臺

即審判流程公開、裁判文書公開、執行信息公開，其中以中國裁判文書網應用最為廣泛。、人民檢察院案件信息公開網、北大法寶（含中國法院裁判文書庫）、北大法意、法律圖書館等平臺匯集并公布了海量的法律文書，以及SPSS軟件、云計算等的應用，極大地方便了大數據的采集和分析研究，為法學研究提供了巨大便利。數量龐大的刑事案件及其裁判文書，是刑事法學研究的重要寶庫和不竭源泉。學術界就此“大數據”展開實證研究的隊伍日漸壯大，影響不斷擴大，有利于轉變“重定性輕定量”“重定罪輕量刑”的研究習慣，有利于量化分析和精確分析，其積極意義不可低估。

總體而言，作為一種跨學科方法，大數據研究方法具有廣闊前景。近年來，“大數據”儼然法學界的熱詞，不懂大數據簡直不好意思談實證研究方法及法學方法論了。白建軍教授指出，大數據的核心是尊重經驗真實，敬畏經驗真實，在乎經驗的代表性；哪怕從一個小故事切入，只要收集足夠的信息，也可能得到大張力、大格局的結論，用來解釋、預測較大時間跨度和空間跨度的社會現象[2]。不過，人們一般并不把對個案的精細分析當作大數據研究。不少從事大數據研究的學者似乎更重視獲取“大樣本”，而不夠尊重經驗真實，在一定程度上影響了研究的質量。在很大程度上，當前法學界的“大數據”研究幾乎混同于“大樣本”研究。這一方法如火如荼地展開，成績可喜而問題不容忽視，值得反思。

二、大數據研究方法的局限性

潘綏銘教授指出，在量化過程中，不可避免地會出現四種情況：剪裁現實生活、忽視社會情境、抹殺主體建構、取消生活意義[3]。大數據研究方法應用于法學研究同樣存在這四個問題，毋庸贅述。就刑事法學而言，大數據研究方法還存在如下問題：

（一）不適用于難以量化的對象

其一，無論確定研究對象，還是選擇樣本，都必須具有一定的“可識別性”，如犯罪嫌疑人的身份信息、罪名、刑罰、地域和時間等。如果研究對象欠缺可識別性，或者可識別性較低，就不適用于大數據研究，而只能通過典型案例分析法、問卷調查法、深度訪談法、入圈考察法等展開研究。幾乎沒有通過大數據研究刑法上因果關系

研究疫學因果關系更接近于自然科學研究，相關的少量法學研究成果一般也不是用數據說話的。、想象競合犯、刑事訴訟證據規則、刑事法官濫用自由裁量權等問題的，也基本沒有通過大數據研究案外因素對判決的影響的，這些皆是顯例。又如，盡管犯罪人的主觀罪過被規范地評價為故意和過失，而很多犯罪的深層原因還有無意識和潛意識的成分。如果研究犯罪目的、動機、原因時無視這一點，其意義恐怕會大打折扣。

其二，有的研究對象表面上具有較高的“可識別性”，其實不易量化，或者即使量化也基本無意義。通常認為，對人立案、對事立案容易區分，似乎有較高的“可識別性”。其實，準確區分對事立案與對人立案，有時是難度頗大的問題。例如，某恐怖活動組織在鬧市區制造爆炸，造成多人傷亡，恐怖分子成功逃離現場，數日后恐怖活動組織宣布對此慘案負責。那么，公安機關立案時如果不知道犯罪嫌疑人的身份，且早于恐怖活動組織宣布，就屬于對事立案嗎？如果晚于恐怖活動組織宣布，就屬于對人立案嗎？如果雖知系某恐怖活動組織所為，卻不了解該組織成員與分工，還屬于對人立案嗎？基本查明至少一名犯罪嫌疑人的身份再立案，才屬于對人立案嗎？如果后續偵查查明“至少一名犯罪嫌疑人的身份”是錯誤的，還是對人立案嗎？……況且，對人立案、對事立案與犯罪本身的特點有關，有的犯罪幾乎必然是對人立案，有的犯罪幾乎必然是對事立案。如暴力干涉婚姻自由案、重婚案、破壞軍婚案、虐待案、脫逃案、暴力危及飛行安全案、劫持航空器案、劫持船只、汽車案、非法出租、出借槍支案、醉酒型危險駕駛案、受賄案、枉法裁判案、巨額財產來源不明案等，必然是對人立案；行為人犯罪后被當場抓獲、被群眾扭送司法機關，或者自動投案后才立案的，必然是對人立案，而不會是對事立案。行為人犯罪后逃離現場的盜竊案、詐騙案、搶劫案、故意殺人案等，一般在偵查階段查明并抓捕犯罪嫌疑人（也可能永遠未偵破），是對事立案而不是對人立案。由于對人立案和對事立案的區分缺乏指導意義，無論選擇單一罪名抑或復數罪名進行研究，都是沒有意義的，且可能導致異化。

其三，大數據研究的前提是“可見”，但刑事案件畢竟只是全部犯罪的冰山一角，“海面”以下的犯罪雖然存在卻不可見，目前尚不能成為大數據研究的對象。試問：盜竊罪、詐騙罪、強奸罪、販賣毒品罪、危險駕駛罪、故意殺人罪、貪污受賄罪等的犯罪黑數有多大？即使能夠采集到所欲調查的若干罪名的較大數據，而不同罪名之間的可比性甚小，可以說整體評估仍只是基于個體的經驗，難謂嚴格的大數據分析。犯罪黑數被低估、忽視，不利于修正、完善刑事政策和社會政策。抓獲一個毒販對其他毒販的威懾作用如何？判決一個貪官有期徒刑十三年對其他國家工作人員的教育、震懾效果如何？死刑有多大威懾力？……這些問題也難以通過大數據分析得出結論。打擊犯罪、準確定罪、合理量刑，是刑事司法考慮的主要方面，而減少和預防犯罪似乎被較少考慮到。如果只研究可見的刑事案件而忽視其他因素，并以此為建議和決策的基礎，這種較大的片面性會造成消極的社會影響，背離初衷。

（二）不能代替定性研究

定量分析與定性分析適用于不同的場域，二者的側重點、范式不同，無甚可比性，互相不可替代。一般而言，大數據研究以定量分析為主，則在多數情況下藉大數據研究定性問題并無優勢。定罪是刑事司法的核心，也是刑法學研究的重點。即便常見案件的普遍性問題已有相關規范性文件，仍會發生諸多爭議。例如，盜竊需要是秘密實施的嗎？或者只要行為人以為是秘密的即可？扒竊是行為犯，還是數額犯？扒竊得1元是犯罪既遂，還是未遂？以借用手機打電話為由騙得他人手機后逃離，構成盜竊罪還是詐騙罪？著手盜竊后為窩藏贓物、抗拒抓捕或者毀滅罪證而當場以擺脫的方式逃脫抓捕，暴力強度較小，未造成輕傷以上后果的，不以搶劫罪論處，是否合理？嫖宿幼女罪應當廢除嗎？代購毒品，哪些情況下構成販賣毒品罪，哪些情況下構成運輸毒品罪、非法持有毒品罪，哪些情況下不構成犯罪，抑或應當廢除“代購毒品”這一提法

具體可見：王登輝，羅倩.販賣毒品罪若干基礎理論辨正[J].中國刑事法雜志，2016（2）：33-39.？因故意犯罪被判處有期徒刑且宣告緩刑，在緩刑考驗期滿后五年內又故意犯應處有期徒刑以上刑罰之罪，是否構成累犯？……這些有濃厚的思辨性色彩的定性爭議，宜以系統分析為主，不是大數據研究所能解決的。

思想試驗也是一種重要的思維方法和研究方法。阿基米德在洗澡時引發思考遂抽象出浮力定律，并未觀察諸多浮力現象；牛頓發現萬有引力定律，特斯拉（另說馬可尼）發明無線電，愛因斯坦發明相對論，都是思想試驗的杰出成果。思想試驗方法蘊含了直覺、想象力、邏輯推理等多種要素，同樣適用于法學研究，而素材的作用不應夸大。很多簡單案件，只要改變一個要素，就可能成為爭議頗大的疑難案件。如果不斷地修訂要素進行分析推理，有利于找到問題的核心、本質，也有利于舉一反三。例如，甲將自己占有的毒品與乙的現金交換，人們都會認為甲構成販賣毒品罪。如果乙用于交換的是車輛、槍支、刀具呢？是性服務呢？是假幣呢？是債權呢（即以毒償債）？是其他毒品呢（即互易毒品）？如果乙是賒購呢？如果乙想騙取甲的毒品，拒不支付毒資呢？乙用于自己吸食，或者用于販賣，甲知道或者不知道這一點，是否影響對甲定罪？通過分析歸納可知，販賣毒品罪的本質是，行為人明知是毒品而與他人的財產性利益交換。這樣進行思想試驗，有利于揭示某種犯罪的本質，這不是通過研究相關罪名的龐大案例抽取大樣本統計分析就能得出的。法學研究固然講求言之有據、“有一分證據說一分話”，但一些法學研究者缺乏想象力

有學者指出，想象力是一種直觀公法本質的抽象洞察力，是一種從多個角度進行換位思考的能力，是一種把握整體和全局的系統聯想能力，是一種敢于突破現有一切條條框框的顛覆性思考能力。（參見：高家偉.放飛公法學的想象力[J].浙江社會科學，2014（6）：149-150.），客觀上限制了其研究成果的價值。

（三）相當多的數據、合適的樣本不易獲取

相當多的數據不易獲取，搜集到大量相關數據基本上是不可能的，很多隱蔽的重要信息更是難以納入研究視野。其一，涉及國家秘密、未成年人犯罪的判決書不會公開，許多涉及個人隱私、商業秘密的判決書不會公開，有問題的、會引發批評的裁判文書也可能不公開，畢竟存在受賄、枉法裁判的情況仍把錯誤裁判公之于眾的行為是少數（受賄但未枉法的裁判文書不在此列）。其二，新型、疑難的法律問題層出不窮（如許霆案），適合“解剖麻雀”的方法，非深入解讀個案難以得出妥適的結論——這幾乎只能進行“小數據”分析，也是通過有限的樣本抽象出規則的必經之路。關注實務，深入分析較多同一罪名案件、類似罪行的案件的法律意見（特別是裁判要旨），加以比較、鑒別，提倡爭鳴，擇其較妥適者，予以規范化加工整理，凝聚共識，盡量形成通說，更有利于指導和規范司法實踐。其三，數據的失真和異化不易通過大數據反映出來。受考核指標等因素的影響，“數目字管理”已呈扭曲之態，頗為普遍。例如，檢察機關做出證據不足不起訴、存疑不起訴的決定，其真實原因很可能是認為不應作為犯罪追訴（則依法應當絕對不起訴），而非真的認為證據不足或者存疑。如果忽略了這類真實原因，無論被研究案件的數量如何龐大，其意義都極為有限。縱然研究者能收集到維持原判的全部刑事上訴案件，也無法知悉哪些是在一審宣判前已經向二審法院請示過的。二審法院經常裁定“撤銷原判、發回重審”，理由一般是“事實不清、證據不足”，而研究者即使收集了全樣本，也難以確切知道“事實清楚、證據確實充分”仍以這一理由被撤銷的刑事判決有多少及其比例。又如，無論問卷是匿名還是實名、結構式抑或開放式，由于種種原因，答卷者的回答未必真實可靠，不實問卷難以辨識，研究者對此幾乎是束手無策的。若樣本未大到不實問卷可以忽略不計的程度又未將其剔除，則問卷調查的質量和價值不可避免地會受到影響。通過研究大量“扭曲”的資料、數據得出若干結論，卻可能是偏離本質的，是“病態”的，是有誤導性的

舉一個不恰當的例子，假設所有的改革試點單位均宣布自己改革成功了，可這能證明各項改革措施都是成功的、都有推廣意義嗎？。其四，很多法律文書說理內容較少，不會把無較大把握的論證過程寫入，研究者難以發現更有價值的“富礦”。裁判過程中案外的重要因素、關鍵因素、“內幕”，更不會體現出來。例如，承辦法官認為被告人無罪，受公安機關和檢察機關（或者其他機關）的壓力，決定只宣告有罪，免予刑事處罰，或者判處有期徒刑緩刑，也可能“照單全收”。又如，法官覺得判處被告人有期徒刑二年較妥，或者宣告緩刑二年亦無不可，因收受被告人的家屬（或辯護人）的賄賂，或者領導“打招呼”，遂順水推舟決定宣告其緩刑二年。單從判決書來看，幾乎不會懷疑到法官受賄、領導干預等問題。即使取得了2015年《領導干部干預司法活動、插手具體案件處理的記錄、通報和責任追究規定》和《司法機關內部人員過問案件的記錄和責任追究規定》發布后相關記錄的全樣本（或大樣本），據此研究領導干部干預司法活動、插手具體案件處理和司法機關內部人員過問案件的情況，也是遠遠不夠的。相當多的錯案判決，僅從判決書本身是看不出問題的，只有結合證據、辯護詞、庭審筆錄，才會有更全面、更正確的判斷。完整地了解案件，完全知悉案件信息，才會知道犯罪人為什么這樣做，為什么會得逞（或者未得逞），法院為什么這樣判決，有無案外因素干預，涉及哪些理論點。大數據研究對判決的質疑、批判較少，幾乎默認為合法（專門研究錯案的除外），這與現實存在較大差距，或者說在一定程度上脫離實際。

合適的樣本不易獲取，是大數據研究方法應用于法學所面臨的現實問題。進行大數據分析，沒有預設命題、對樣本來源不做篩選是不可思議的。白建軍教授指出，“合理確定抽樣框架的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。大數據并不在于樣本絕對量的大小，關鍵在于‘全。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。”[2]34-35此說甚可贊同，不過仍存在幾個疑問：其一，這與白建軍教授所指出的“大樣本研究的好處”存在明顯的自相矛盾之處。既然大樣本研究至少有三大好處

大樣本研究的好處是，只要抽樣過程符合隨機性要求，樣本越大，抽樣誤差就越小，由此所得結論偏離現實世界的可能性就越小；樣本越大，所含信息、類型就越豐富，所研究的對象就能以更多的方式展現自己；樣本越大，可供選擇的分析工具也就越多，其結論也越可信。本文基本贊同這一觀點。不過，“所含的豐富信息、類型”雖然在研究者觸手可及范圍內，卻未必都能進入研究者的視線、納入考量范疇，可能不會對研究結論產生什么影響。，又說“合理確定抽樣框架的關鍵不在于樣本的數量大小”，“大數據并不在于樣本絕對量的大小”，似有自相矛盾之嫌。其二，就很多研究而言，研究者很可能難以知曉研究對象總體是多少，不知道所搜集的樣本齊全與否，也不知道樣本占總體的比例，更不知道“樣本與總體之間是否相似”——即便研究者已經搜集到龐大的相關信息也是如此，甚至研究結束也不知道是否相似。其三，“樣本規模絕對數值”大，則采集、分析樣本的工作量也巨大，無用信息過多、效率不高等問題不可避免，這些是現實中必須面對的，與大公司、專業公司分析海量商業數據存在較大不同。獲取足夠數量的、有代表性的樣本以供研究，已是相當困難之事，遑論與總體相似的樣本。從某種角度而言，“不好用”可謂大數據研究方法的局限性之一。

（四）容易忽視細節和聯系以致基礎不夠堅實

社會生活豐富多彩，犯罪現象復雜多樣。既有平淡無奇的案件，又有罕見新奇的案件；既有常規案件，又有疑難案件；既有形似而實異的案件，也有形異而實同的案件；既有淺顯易判的案件，還有涉及深層次問題的案件。大多數刑事案件是常規的，罕見的、極端的案件畢竟是少數。正如世界上沒有兩片完全相同的樹葉，也沒有兩個完全相同的案件。每個案件之不同，在于細節不同，還與案情系剪裁事實而成有關，很多重要細節在剪裁過程中遺失了，且受敘事策略影響較大，僅進行簡單化的類比推理是遠遠不夠的。例如，艾滋病人、絕癥患者、吸毒人員及同性戀者實施的犯罪頗有特點，而這些身份細節容易被研究者忽略（專門研究此類特殊對象犯罪的除外）。不論研究同種犯罪，還是異種犯罪，忽視細節往往會遺漏重要信息，結論很可能是大而化之、大而無當的。

普遍聯系是馬克思主義哲學的重要觀點。大數據研究的對象和抓手充其量往往只局限于單一學科，鮮有跨學科之作，猶如煉鐵而拋棄金、銀、銅、硫等礦產，甚是可惜。刑事一體化的要義即融通學科聯系（或曰淡化學科界限），解決現實問題[4]。程序和實體是法律實務的兩個基本方面，事實查明和價值評價是司法實踐的兩大基本問題。倘拋開事實和證據，空談公平正義、罪刑法定，未免過于天真。如何依法定程序探知事實真相，如何符合規范地評價案件、判定責任，是至關重要的。在實踐中，二者存在緊密聯系，準確查明事實和價值評價聯系密切且貫穿了司法的全過程，在事實和規范之間顧盼往返是不可避免的。對于司法工作者，查明案件事實的重要性絲毫不遜于準確的價值評價，甚至更加重要——畢竟事實認定錯誤（有時以“事實不清”的面貌出現）幾乎必然導致錯誤判斷。形形色色的刑事疑難案件大多與無法查明（或證明）某一部分事實有關，便是明證。如果純粹地探討如何查明事實真相，則屬偵查學、刑事訴訟法學（含證據法學）的研究范疇，而不屬于刑法學研究范疇。由于學科分工的精細化以及由此衍生的研究方向、學術習慣和興趣點不同，“術業有專攻”，刑事訴訟法學者往往很少關注刑法和犯罪學方面的問題，刑法學者也較少關注刑事訴訟法方面的問題，刑法學研究似乎可以忽視刑事訴訟的要求（主要是如何知道、如何證明）。一些刑法學著作舉例較少，偶爾舉例也基本不考慮證據及證明的問題，此路徑依賴或許與實體法學者往往疏于事實如何查明存在一定關聯。如此分析刑法問題，與做司法考試題頗有幾分相似——案件事實是不容置疑的小前提；如此研究刑法理論，幾乎是將實體法與程序法割裂開來的，欠缺系統觀念，不可避免地限制了其實踐意義。當然，這并不是說刑法學研究每時每刻要有證據意識和程序意識，而是說，從事理論研究不宜忽略實踐智慧，如果能反思一下某個理論、學說在實踐中可能會出現什么問題、異化，再修正理論、學說，可能會更有價值，也更受實務界的歡迎。

（五）存在邏輯斷裂，結論僅是或然性的

較之演繹法，運用歸納法更容易發生創新。絕大多數大數據研究皆屬于歸納法。然而，歸納法的固有缺陷是邏輯不夠嚴密——或曰存在邏輯斷裂，那么所得出的結論是否可以普遍適用，在什么條件下會重復發生，在多大程度上揭示了規律，難以判斷，往往只有或然性，甚至是較低的蓋然性。不少大數據的片面性是固有的，基于其的研究結論的預測準確性不高于預測50樓的電梯將先于51樓的電梯到達1樓的準確性。具體如下：

其一，過去不等于未來。大數據分析成果看似頗有說服力，卻有強加因果關系的嫌疑。社會現實不是線性邏輯的，而是非線性邏輯的。一因一果只是理想狀態，多因多果是常態。一個變量出現，則結果發生變化——而研究者很可能不知道變量是什么，更不知道變量什么條件下會出現。盡管“歷史”經常重演，如盜竊罪、詐騙罪、搶劫罪、強奸罪、故意殺人罪層出不窮，但很難說這些預示著未來會發生具體的什么事——這也是犯罪人、被害人的僥幸心理的現實基礎。司法經驗固然重要，而先入為主卻是司法的大忌。又如，《刑法》第112條規定的資敵罪，第376條至第381條規定的七個戰時犯罪，多年來無一實例，能說明這些條文被架空或虛置、應當刪除嗎？

其二，比例不等于概率，彼與此不能等同。因所選取的樣本不同，所得出的比例、結論有較大差異，頗為尋常，可見法學中的大數據研究受主觀因素影響較大。這些大數據及其結論與價值無涉，不是必然的，也不是最優的。因瑣事糾紛而臨時起意殺人的情況在全部故意殺人案件中所占比例較高，而這不能說明某個被告人臨時起意殺人的可能性更高，也不能說明臨時起意殺人的社會危害性比預謀殺人更小或者更大。即使大數據顯示，某檢察院批準逮捕率為40%、起訴率為94%，也不能說明某個犯罪嫌疑人被逮捕、被起訴的概率就是40%、94%。假設大數據顯示，被告人自動投案的占20%，被害人有過錯的占30%，被害人諒解的占20%，被告人當庭翻供率為20%，普通程序的適用率為20%、刑事案件上訴率為10%，也不能絲毫說明某個案件中出現這些情況的概率是多少，因為二者無任何事實、法律和邏輯上的關系。即使大數據顯示，90%的冤案都存在刑訊逼供，也不表明某個冤案中存在刑訊逼供的可能性是90%——換個角度說，可能性為90%說明未達到證明標準，不能認定存在刑訊逼供。即使大數據顯示，發生某種行為或者結果的可能性是95%，也不能證明某個行為或者結果是否存在，更不能說明其合理性。假設大數據表明，危險駕駛罪的平均宣告刑為拘役三個月，也不說明犯危險駕駛罪的某個被告人被判處拘役三個月是合適的。假設大數據表明，成年人犯盜竊罪的平均宣告刑是有期徒刑十個月，也不能說明某個犯盜竊罪的被告人被判處有期徒刑十個月是合適的，或者重于有期徒刑十個月就是量刑偏重。假設大數據顯示，成年人犯販賣毒品罪的平均宣告刑是有期徒刑一年，而這既不能說明同一罪名的其他被告人被判處有期徒刑一年是妥適的，也不能說明其他量刑偏重或者偏輕。判斷某事實是否成立、預測案件發展趨勢、判斷個案中量刑是否合適，只能通過個案的證據與相關信息分析綜合這一途徑，既與其他案件無關，也與大數據研究結論無關。

其三，對大數據研究結論，有時可能存在多種解讀，甚至是自相矛盾的解讀。人們已經認識到，極低的無罪判決率，與其說證明了偵查機關和公訴機關辦案質量高，倒不如說法院做出無罪判決面臨巨大障礙，即是明證。又如，勞佳琦博士以2000-2011年全國各地各級法院普通累犯相關刑事判決書為樣本進行實證研究認為，“目前我國普通累犯制度的隔離機制低效，威懾機制無效，其在減少犯罪、防衛社會方面的綜合實際效果遠遠低于預期。”

參見：勞佳琦.我國累犯從嚴實效之實證研究[J].中外法學，2014（6）：1648.需要注意的是，我國《刑法》第65條的用語是累犯“應當從重處罰”，故不宜用“從嚴”替換“從重”。解讀一：可能由于刑罰普遍偏輕，不足以將罪犯改造好。那么，應當普遍增大從重處罰的幅度，甚至修法加重法定刑——這恐怕是人們難以接受的。解讀二：可能是服刑經歷使罪犯變得“更壞”了，而不是變得“更好”了。據此，至少可以推導出監禁刑弊多利少（甚至在一定程度上會動搖刑罰制度），則應對監禁刑制度予以重大改造。一個可能的路徑是修改刑法，對一切犯罪都宣告緩刑，如果在緩刑考驗期內未犯新罪、未違反緩刑考驗期內應遵守的規定，就不再執行原判刑罰；如果在緩刑考驗期內發現漏罪或者又犯新罪，則數罪并罰，繼續宣告緩刑——這樣顯然是很荒謬的。解讀三：可能是累犯自身的反社會性較強，無論是否對其從重處罰，其再犯罪的可能性均高于其他人。但這種“事后諸葛亮式”的結論也明顯過于武斷。既然連被判處刑罰、實際執行刑罰都沒能使一些犯罪分子放棄“重操舊業”或者犯其他罪行，推測未受到刑事追訴的犯罪分子會自動改善，難以置信。這也是對“改善推測說”的一個有力反證。可見，這一大數據研究結論既不能說明“累犯從重處罰”的幅度應當更大，也不能說明這樣欠缺必要性，某種程度上只是證偽了“對累犯從重處罰有利于取得較好的刑罰效果”這一“常識”。即使對累犯從重處罰的“綜合實際效果遠遠低于預期”，也遠不足以證偽“應當對累犯從重處罰”的觀點。

其四，大數據研究可能只有描述性的結論，而未揭示因果規律，沒有絲毫新意，可謂“精致的平庸”。刑事法學中的大數據研究一般可以解構出很多要素，從不同角度揭示各要素之間的關系。如果不試圖找出或者無法找出常量、變量和因果關系，只是低水平的研究，只能為他人的進一步研究提供素材，而不會有所創新。如果研究結論只是印證了眾所周知的事實，如年底侵財案件多發，夏夜女士被強奸或猥褻的案件較多發，機動車被盜的被害人幾乎都會報案，危險駕駛罪的被告人絕大多數系被當場抓獲且基本無前科劣跡且緩刑適用率較高，搶劫罪的被告人很少適用緩刑，盜竊案被害人一般無過錯而故意殺人案的被害人有過錯較多，犯受賄罪的科級干部多于處級干部，冤錯案件被告人平均被羈押五年……其意義是極為有限的，相當于2016年7月1日完成大數據計算得出2016年6月20日有大雨的結論。

（六）貌似具有宏觀視野卻不及類型化思維

就法學研究而言，高瞻遠矚、高屋建瓴的法律理論研究和法律工程研究固然必不可少，精耕細作、精雕細刻的案例分析也不可或缺。宏觀、中觀、微觀的視角均有其意義，不可偏廢。就宏觀而言，實行“拿來主義”，引進域外先進的法律思想觀念、制度機制，總結和引進成功的法律經驗、汲取教訓，避免在法治進程中走彎路，顯然具有“他山之石，可以攻玉”的重要意義，也是借鑒人類一切先進文明成果的重要表征。在方向性、原則性問題已經解決的背景下，撰寫幾乎無問題意識的、充斥各種大詞和超級概念的空洞文章，對實現公平正義有多大裨益，值得商榷。正如看地圖需要選擇合適的比例尺，比例尺太大或太小會影響觀察的效果，不利于又快又準地找到所求的信息，皆不可取。從事法學研究亦同此理，運用中觀思維觀察現象、分析問題，值得倡導。

類型化思維是一種中觀思維，是從現象中提煉規律與規則、探索最優解決方案的嘗試，與事物的本質存在密切關系，既為“抽象理念的具體化”提供了某種可能的途徑，也是法律體系化所必須倚仗的重要工具。類型化思維有著“務實從容，分解重構，日拱一卒”的氣質。有學者指出：從“行為類型”到“違法類型”再到“責任類型”，構成要件開始被作為整體的“犯罪類型”加以對待。類型思維還可以全面推進至刑法的整個版圖：從構成要件的類型化到犯罪阻卻事由的類型化，從犯罪行為的類型化到犯罪人的類型化，從犯罪成立條件的類型化到犯罪之法律效果的類型化

參見：杜宇.刑法學上“類型觀”的生成與展開：以構成要件理論的發展為脈絡[J].復旦學報（社會科學版），2010（5）：78.。這些精辟論斷揭示了類型化思維在刑法學研究中的重要地位。就刑法學研究而言，掌握正確的認定案件事實的方法、法律解釋方法和定罪方法，可以說比掌握大數據研究方法更為基礎、更加迫切。而類型化思維在認定案件事實、法律解釋和定罪等方面有著廣泛應用，兼具理論意義和實踐意義。隨著這一意識深入人心，類型化思維及其研究方法必將產生更好的社會效果，前景廣闊，其意義不容小覷。

三、結 語

有學者指出，量化研究和大數據不能質疑更不能取代各種非量化的人文社會研究；只有對這些先天缺陷進行深刻反思，并予以充分展示的量化研究，才有資格在人文社會研究中保留一席之地；兩種研究缺一不可，但又平行延伸，永不交叉[3]35。大數據的“大”未必真的“大”，絕大部分的大數據分析存在“大而失真”之虞；大數據偏重相似性比較，但僅有相似性是不夠的。大數據并非越大越好，也非越大分析越精確。數據的質量決定著分析預測的準確與否[5]。這些觀點甚可贊同。將大數據研究方法應用于法學，是實證研究方法的重要突破，但倘若不當地應用于人文社會科學領域，在某種程度上屬于“越界”，則真理也可能變成謬誤。其當然可以應用于刑法學、刑事訴訟法學，也可以適用于犯罪學、偵查學，不過應用于前者的局限性較為明顯，效果也不及后者。通過考察大數據研究方法在刑事法學中的應用，不難發現其也存在較大的局限性：不適用于難以量化的對象；不能代替定性研究；相當多的數據、合適的樣本不易獲取；容易忽視細節和聯系以致基礎不夠堅實；存在邏輯斷裂，結論僅是或然性的；貌似具有宏觀視野卻不及類型化研究方法。如果忽視了人的主觀能動性、社會現象的復雜性，搞“大數據崇拜”，本質上是“惟科學主義”，違背司法規律，可能犯削足適履的錯誤，是不可取的。有較強的解釋力，有所創新而不落窠臼，符合形式邏輯，是彰顯大數據研究方法的意義的關鍵。以問題為導向，綜合運用多種研究方法，才能更好地從事刑事法學研究，更有利于實現公平正義。

參考文獻：

[1]劉婧.讓司法公正看得見摸得著——人民法院裁判文書公開工作座談會側記[N].人民法院報，2016-08-31（02）.

[2]白建軍.大數據對法學研究的些許影響[J].中外法學，2015（1）：30.

[3]潘綏銘.生活是如何被篡改為數據的——大數據套用到研究人類的“原罪”[J].新視野，2016（3）：32.

[4]儲槐植，閆雨.刑事一體化踐行[J].中國法學，2013（2）：139.

[5]青嶺.反思國際關系研究中的大數據應用[J].探索與爭鳴，2016（7）：94.

Abstract：As an important interdisciplinary research method， the big data research method has been widely used in the law science. However， it is easy to find obvious limitations via examining the big data research methods in the criminal law research. It is improper to apply it to objects which are difficult to quantify. It is not a substitute for qualitative research. It is also difficult to obtain quite a lot of data or suitable samples. It is easy to overlook the details or connection so that its foundation is not solid enough， and there is a logical problem， and its conclusion is probable. On the surface it seems to have a macroscopic visionscope but in fact it is inferior to the category thinking methods. Thus the role of big data research methods cannot be overstated， nor be worshiped.