检验方法与实证发现
笔者根据最高人民法院的量刑指导文件及诈骗罪相关司法解释的规定,结合司法实践,梳理出诈骗数额、是否多次诈骗、是否从犯、是否存在未遂情节、是否取得被害人谅解、是否挽回全部经济损失、是否通过发送短信、拨打电话或者利用互联网、广播电视、报刊杂志等发布虚假信息从而对不特定多数人实施诈骗等19个可能影响量刑的因素作为自变量,以罚金数额为因变量,采用相关性检验与回归分析相结合的方法展开分析。
1.相关性检验
实证研究贵在实事求是,因此,在得出结论之前,笔者不主观臆断,而是将19种量刑影响因素全部作为自变量纳入分析范围,与罚金数额进行相关性检验,根据相关性检验结果,剔除与因变量不具有显著相关性的因素。
表1 各因素与罚金数额的相关性检验结果
续表
根据上述分析结果,可以发现诈骗数额、是否从犯、是否取得被害人谅解、是否冒充司法机关等国家工作人员、是否坦白、是否认罪、是否有律师参与、是否被羁押这8个因素与罚金数额显著相关。(https://www.daowen.com)
2.多元线性回归分析
为了进一步确认这些因素对罚金数额究竟是否具有影响力以及影响力的大小,接下来将以这8个因素为自变量,以罚金数额为因变量进行多轮多元线性回归分析,[3]逐步剔除不显著因素,最后计算出以下模型:
表2 诈骗罪罚金数额多元线性回归分析结果
Adjusted R Square=0.202
根据该结果,诈骗数额、是否从犯、是否认罪、是否被羁押这四个自变量的Sig.值小于0.05,对罚金数额的多少表现出显著的关联性,其余变量对此没有显著影响。其解释力大小按标准化系数Beta值的顺序依次为:
第一位的影响因素是诈骗数额,Beta值为0.326,说明诈骗数额越多,所判处的罚金刑越重;第二位的影响因素是羁押状态,Beta值为0.295,说明被告人被羁押的,比没有被羁押的,更可能判处较高的罚金;第三位的影响因素是是否从犯,Beta值为-0.102,说明被告人是从犯的,比非从犯更可能判处较低的罚金;第四位的影响因素是是否认罪,Beta值为-0.092,说明被告人认罪的,比不认罪的更可能判处较低的罚金。
此外,模型的Adjusted R2为0.202,意味着上述模型仅能解释约20%的罚金刑量刑,解释力比较弱,说明罚金刑在量刑上普遍存在较大的随意性,法官裁量罚金数额时所考虑的因素并不统一,从而导致了罚金刑量刑失衡的局面。