第 三 章 缺席的法院
第三節 變項選取與模型介紹
第三節
變項選取與模型介紹本文所建構的模型是以數罪併罰的量刑。之所以選擇數罪併罰之量刑的原因 是，數罪併罰的量刑大多數是同時存在數個裁判並且依據刑法 53 條與 51 條經 由聲請而合併訂執行刑。這種「聲字案」是非常日常、例行化的量刑，裁定內容 都相對簡單，大多只有犯罪類型、原本裁判之宣告刑以及新宣告之執行刑，在這 種案件中我們理論上最能觀察到法院對於不同犯罪類型是否有區別對待。本研究 選擇在數罪併罰案件上觀察同時有「竊盜」與「毒品」兩者的案件。
之所以選擇竊盜罪作為對照的對象原因無他，僅是因為竊盜與毒品吸食是佔 了監獄人口最大宗的兩種犯罪類型，在資料上比較容易蒐集到多一點的個案。本 文假設法院遇到聲請合併訂執行刑案件時就以裁定中可以看出的資訊—犯罪類 型、個別刑度與犯罪數當作決定執行刑的基準。也就是說，在我的模型中，執行 刑是應變項（dependent variable）。而犯罪類型、個別刑度與犯罪數則是自變項
（independent variable）。變項的編碼參考下表 3-‐1
變項內容
變項標籤 變項數值
案件編號
CaseNo
判決字號（例：92 4853）法院所定執行刑
TotalSentence
月（例：一年八月=20）刑罰數
NumberOfCases
裁判所揭之刑罰數個別刑度
Sentence
月犯罪類型
CrimeType
類別變項（財產=1、毒品=2、其他=3）
法院
Court
虛擬變項（台中=0、苗栗=1）
表 3-‐1
在編碼過後，本文首先建構建構一個基礎的模型，這個模型只假設執行刑與犯罪 類型、不同犯罪類型刑度與案件數量有關。模型如下：
Y=𝛽!+𝛽!𝑋!+𝛽!X!+𝛽!X!+ε（模型一）
其中， Y：數罪併罰後的刑度 X1、2：不同類型案件的刑度 X3：案件數量
ℇ：模型無法解釋的變異量
針對模型一，本文選取了2001年的地方法院判決來做編碼，選取2001年的原因是，
司法院的線上資料搜尋系統的判決從2000年開始才有收錄，而從後見之明的觀點 來看，1998年毒品危害防制條例的修正到了2003年被再度修正，過於靠近2003 年修正時的判決可能會被政策變化的預期心態所影響而讓我們無法看出法院的一 般性表現，在這樣的考量下2001年不啻是一個適合的年份。選取地方法院的原因 在於地方法院的判決量比較大。在資料蒐集的同時我發現，大多數的案件來自於 台中地院，所以在貫時性的資料蒐集就以編碼台中地院。另一方面，也由於2001 年全台灣的案件大多集中於苗栗與台中，這讓同型化假設的驗證比較容易執行。
我們可以藉由模型比較來驗證前一節所設定的三個問題。
首先，本研究以2001年資料做模型比較（model comparison）以尋求最是 解釋法院量刑行為的模型。原本的完整模型（full model），也就是模型一，假 設了法院會考量不同的案件類型，在刑度考慮上會有所區別，但這是一個需要被 檢證的假設。針對模型一，我做了如下的假設以及操作化。
假設一：法院的量刑並不考量不同的犯罪類型。將這個假設操作化就 得出以下的假設。
H0：β1 = β2 H1：並非如此
這種模型比較的做法，就是做出一個縮減模型（reduced model）後，用F檢定比 較這兩個模型之間是否有顯著的差異。如果通過了F檢定，我們可以說這兩個模 型之間有顯著差異也就可以拒絕虛無假設H0，反之則必須要接受虛無假設。縮減 模型如下：
Y=𝛽!+𝛽!(𝑋!+X!)+𝛽!X!+ε（模型二）
我們只需算出模型一與模型二的殘差平方和後，即可使用一般化F檢定（general F-‐test）來檢驗這兩個模型是否有差異（Gujarati 2004：267-‐273）。但需要注意的 是，統計推論的法則只能告訴我們能否拒絕虛無假設，但沒有辦法告訴我們虛無 假設是否在統計上有顯著性。說的白話一點，這個模型比較並沒有辦法正面的證 實「法院將不同類型的權重視為一樣」而只能證實「法院並沒有那麼在乎這兩者 的分別」，這也是統計推論的限制。
如果法院如同前一節理論所預測的，因為各種歷史因素與外界壓力而產生了 同型化的現象的話，我們應該可以看到這些法院之間在量刑行為上沒有差距。討 論是否兩個回歸式是否有差異，簡單來說有兩種方式，第一個種是鄒檢定（Chow Test）。鄒檢定是華裔經濟學家鄒至莊於1960年所提出的模型檢定工具，他用來 檢 定 模 型 是 否 有 結 構 性 變 動 （structural change ） 或 是 方 案 評 估 （ program evaluation）。這個檢定的做法是將資料依據所欲檢定的結構性變動分組，並且將 分組的資料以及未分組資料用同樣的模型做線性迴歸。分組的迴歸式可以得到分
組殘差平方和（RRSUR：unrestricted residual sum of squares），未分組的回歸式 可以得到另一個殘差平方和（RRSR）並做F檢定6。
𝐹 =(!!"(!!"!!!!"!") !
!")) (!!!!!!!!)~
F
[k,(n1+n2−2k)]其中，n是分組的組內樣本數量，k是變項的數量。設定信心水準後查表看結果是 否顯著，如果顯著即是通過了鄒檢定，也就是代表這樣的分組的確有造成模型的 結構性變化。
相反的，如果沒有通過鄒檢定則是代表模型沒有經歷結構變化（Gujarati 2004：273-‐286），而這種研究手法在量刑研究中也常常被使用（Steffensmeier and Demuth 2000）。另一種測試是否有結構性變遷的方式是用虛擬變項（Dummy Variable）的手法，也就是將不同法院做一個虛擬變項，並且將虛擬變項以及交 互作用項放入原本模型中。具體來說如下：
Y=𝛽!+𝛽!𝑋!+𝛽!X!+𝛽!X!+𝛾!𝐷+𝛾!𝐷𝑋!+𝛾!𝐷𝑋!+𝛾!𝐷𝑋!+ε（虛擬變項模型）
其中， Y：數罪併罰後的刑度 X1、2：不同類型案件的刑度 X3：案件數量
D：法院虛擬變量（苗栗=1、台中=0）
ℇ：模型無法解釋的變異量
這個模型的重點是γ代表了苗栗地院與台中地院的模型異。虛擬變量手法比起鄒 檢定的好處是，鄒檢定只能看出到底兩個模型之間是否有不一樣，但我們無法知 道具體是哪個變項的係數不一樣。而鄒檢定的好處是，他將兩個回歸式合併（pool）
6 說穿了，鄒檢定就是一個特殊化的模型比較 F 檢定。
在一起，可以增加樣本的自由度（degree of freedom），進而增加假設檢定的效 度。因為本文的樣本數足夠，在檢驗手法的選擇上，會以虛擬變量手法驗證第二 個理論假設—法院間是否有組織同型化的現象？如果有虛擬變項模型中的γ都 不會有顯著性；如果沒有，則可以在虛擬變項模型中看出顯著性。
在做過單年度的模型比較後，我會討論跨時性的結構性變化。這也就是要完 整的回應上一節所提出的第二個問題，到底法院在量刑上是否會回應立法者或是 行政官僚的壓力呢？要回答這個問題，本文打算也是用鄒檢定以及虛擬變量手法 來看是否有結構性變遷發生。本文將全部的量刑資料用2003年以及2008年兩次重 大修法時點當作分組時點，利用鄒檢定來觀察是否不同組之間有結構性變遷。針 對這個檢定，我的假設如下—假設三：法院的量刑行為並不受政策變遷的影響，
也就是說我預期從鄒檢定中不會看到結構性變遷。