科技部補助專題研究計畫報告
法官量刑, 錨定效應與量刑資訊系統
報 告 類 別 ： 成果報告 計 畫 類 別 ： 個別型計畫
計 畫 編 號 ： MOST 108-2410-H-006-009- 執 行 期 間 ： 108年08月01日至109年07月31日 執 行 單 位 ： 國立成功大學經濟學系
計 畫 主 持 人 ： 林常青
計畫參與人員： 碩士級-專任助理：張芝嘉
碩士班研究生-兼任助理：盧奕盛 碩士班研究生-兼任助理：林佩蓉
本研究具有政策應用參考價值：■否 □是，建議提供機關
（勾選「是」者，請列舉建議可提供施政參考之業務主管機關）
本研究具影響公共利益之重大發現：□否 □是
中 華 民 國 109 年 10 月 30 日
中 文 摘 要 ： 「作決定」會受到什麼因素的影響，一直是社會科學家想探究的問 題，而錨定效應是作決定時常見的認知偏誤。由於法官為高教育、
訓練有素，且常進行專業判決的職業，也因判刑記錄常被記載而具 有可回溯性，他們的決定即成為法律與經濟學研究中常被拿來檢驗 的對象。然而針對刑事案件，卻因法官量刑機制不明，且在案件充 滿異質性下，不易找到這公允而可預測的判決來進行錨定效應的研 究。近年來，台灣司法院為了解決「量刑不一」的民怨，而推出了
「量刑資訊系統」以提供法官以及民眾一個可及且可預測的量刑查 詢。這個系統有機會能估算公允判決，但須取決於它的影響力。也 因此本計畫將以毒品案件為例，進行以下的幾個任務：(A) 受到案 件量刑系統的影響，針對相同或類似毒品案件，檢驗法官的量刑是 否減少歧異。(B) 探究法官量刑是否不只受到量刑系統的影響，也 有可能受到同級地院刑事庭或上級審具有相同特徵之案件判決的影 響。也討論是否存有「錨定效應」。(C) 模擬司法院在近期推出以 建立在特徵迴歸分析的「量刑趨勢建議」於毒品相關案件，觀察可 能的效果。本研究的預期貢獻有兩層: (1) 利用「量刑資訊系統」
來進行刑事案件「錨定效應」，克服了實際司法資料中異質性的所 帶來的困難。(2) 本研究將充分應用文字大數據以及人工智慧，所 採用樣本的數目更勝於以往的研究，而能提供更堅實關於「錨定效 應」的證據。此外，研究中也將對「量刑資訊系統」在司法判決上 的影響作全面的檢驗，並能對法官的判決機制提供更深入的研究。
在初步的分析中，我們發現在使用量刑系統後，法官在毒品案件量 刑的平均有逐年些微向下修正的趨勢，法官量刑分佈整體而言也逐 漸縮小，特別是當毒品量刑資訊系統於105年開放給民眾後，以及 108年加入新資料後。在法官量刑上，「相同態樣下屬同高院所有地 院之平均」以及「相同態樣下量刑系統之平均刑度」為法官量刑的 重要考量，也具有錨定效果並以偏離系統平均的數值為錨進行調整
，而量刑時也會額外考量自白與自首的效果。我們同樣利用特徵迴 歸模擬「量刑趨勢建議」在毒品案件上的應用，但錨定效果並不如 量刑系統穩固。
中 文 關 鍵 詞 ： 決策制定, 量刑決定, 錨定效應, 量刑資訊系統, 毒品案件, 刑事 訴訟, 法官行為, 判決大數據, 量刑趨勢建議系統。
英 文 摘 要 ： To resolve the popular discontent of ``different judgments in the same/very similar criminal cases'', the Taiwan Judicial Yuan introduced a ``Sentencing Information
System'' to provide reasonable and predictable sentencing information for criminal cases to judges, prosecutors, attorneys and the public. If the information provided by this system has been influential and widely accepted by the judges and the public, then we can therefore obtain the
``fair'' sentencing decisions and then conduct a study of anchoring effect for the real and heterogeneous criminal cases. This project takes the drug cases as an example and carries out the following tasks: (A) Due to the sentencing system, we will examine whether the variation of judges'
sentencing reduces in the cases with the same or similar characteristics, and whether the information provided by the system has been predictable and become the target of convergence. (B) Investigate whether judges' sentencing decisions are not only affected by the sentencing system, but also by the previous decisions for similar cases in the high courts or in district courts. (C) Mimic the function of ``Sentencing Trend and Suggestion System," recently launched by the Judicial Yuan, for drug-related cases based on hedonic regression analysis to observe the possible impacts. In this project we overcome the difficulties caused by the heterogeneity in real criminal litigation by using the Sentencing Information System to conduct research on the ``anchoring effect''. This study will utilize the text-mining techniques and text-related artificial
intelligence to make the sample size far more than those in previous studies to provide a more solid evidence of
anchoring effect. Additionally, the project provides a comprehensive evaluation of the impact of the Sentencing Information System and provides more in-depth findings of the judge's decision mechanism.
From preliminary analysis, we find that after the use of the sentencing information system, the average sentencing by judges in drug cases tends to be slightly revised
downwards year by year, and the distribution of sentencing also tends to gradually shrink, especially when the drug sentencing system was opened to the public in 2016 and when new data added to the system in 2019. We also find that
"the average sentence of the district courts under the same high court" and "the average sentence provided by the
sentencing information system" are important considerations for judges in sentencing for the cases with the same
characteristics. There also exists an anchoring effect based on the information provided by the system and the district court judges adjust their sentences with the value of average sentence deviating from the system average as an anchor, and additionally consider the effects of confession and surrender. We also use a hedonic regression to mimic the application of "Sentencing Trend and Suggestion System"
in drug cases, but the anchoring effect is not as solid as that provided by the “Sentencing information system.”
英 文 關 鍵 詞 ： Decision Making, Sentencing Decisions, Anchoring Effect, Sentencing Information System, Drug Cases, Criminal
Litigation, Judge Behaviors, Big Data, Sentencing Trend and Suggestion System.
1
法官量刑, 錨定效應與量刑資訊系統
Judges' Sentencing Decisions, Anchoring Effects, and Sentence Guideline Information System in Taiwan
摘要
「作決定」會受到什麼因素的影響，一直是社會科學家想探究的問題，而錨 定效應是作決定時常見的認知偏誤。由於法官為高教育、訓練有素，且常進行專 業判決的職業，也因判刑記錄常被記載而具有可回溯性，他們的決定即成為法律 與經濟學研究中常被拿來檢驗的對象。然而針對刑事案件，卻因法官量刑機制不 明，且在案件充滿異質性下，不易找到這公允而可預測的判決來進行錨定效應的 研究。近年來，台灣司法院為了解決「量刑不一」的民怨，而推出了「量刑資訊 系統」以提供法官以及民眾一個可及且可預測的量刑查詢。這個系統有機會能估 算公允判決，但須取決於它的影響力。也因此本計畫將以毒品案件為例，進行以 下的幾個任務：(A) 受到案件量刑系統的影響，針對相同或類似毒品案件，檢驗 法官的量刑是否減少歧異。(B) 探究法官量刑是否不只受到量刑系統的影響，也 有可能受到同級地院刑事庭或上級審具有相同特徵之案件判決的影響。也討論是 否存有「錨定效應」。(C) 模擬司法院在近期推出以建立在特徵迴歸分析的「量刑 趨勢建議」於毒品相關案件，觀察可能的效果。本研究的預期貢獻有兩層: (1) 利 用「量刑資訊系統」來進行刑事案件「錨定效應」，克服了實際司法資料中異質 性的所帶來的困難。(2) 本研究將充分應用文字大數據以及人工智慧，所採用樣 本的數目更勝於以往的研究，而能提供更堅實關於「錨定效應」的證據。此外，
研究中也將對「量刑資訊系統」在司法判決上的影響作全面的檢驗，並能對法官 的判決機制提供更深入的研究。
在初步的分析中，我們發現在使用量刑系統後，法官在毒品案件量刑的平均 有逐年些微向下修正的趨勢，法官量刑分佈整體而言也有逐漸縮小的趨勢，特別 是當毒品量刑資訊系統於 105 年開放給民眾後，以及 108 年加入新資料後。在法 官量刑上，「相同態樣下屬同高院所有地院之平均」以及「相同態樣下量刑系統 之平均刑度」為法官量刑的重要考量，也具有錨定效果並以偏離系統平均的數值 為錨進行調整，而量刑時也會額外考量自白與自首的效果。我們同樣利用特徵迴 歸模擬「量刑趨勢建議」在毒品案件上的應用，但錨定效果並不如量刑系統穩固。
關鍵字：決策制定, 量刑決定, 錨定效應, 量刑資訊系統, 毒品案件, 刑事訴訟, 法官行為, 判決大數據, 量刑趨勢建議系統。
2
壹、前言
「作決定」會受到什麼因素的影響，一直是經濟學、心理學與其他社會科學 想探究的問題。雖然經濟學的理論詳述了消費者、生產者、投資者在理性、限制 式、風險下追求目標函數極大化下的結果，但越來越多的證據已顯示，尚有其他 因素 (無論是和決策事物本身是否有直接關係) 會影響人們的行為。其中，法官 的判決與量刑一直是學界關心的對象。一方面是因為法官受過良好的教育，且法 官每個工作天也都要作許多專業的判決，在另一方面，法官的判決也常會被記錄 下來，而能作有系統的實證檢視。針對這群外界印象是「我心如秤、不能為人作 輕重」的法官，近期發表於 American Economic Journal: Applied Economics 的文 章也發現量刑受到一些外在因素的影響，如 Heyes and Saberian (2018) 發現當室 外溫度增加一個標準差時會顯著減少法官正面判決的機會達 8.56%; Eren and Mocan (2018) 利用美國路易斯安那州少年法庭的資料，也發現當 LSU 大學足球 隊意外輸球時，法官會在隨後一週增加量刑。
在行為科學中也已指出許多影響決定的效應，例如錨定效應 (anchoring effect) 即是一種認知上的偏誤，而傾向依賴第一時間或是過去已獲得訊息 (不論 是否相關) 來作決定。這些效果已大量在精心設計的心理學實驗中被發現，當然 這樣 的效應不只對一般 (模擬) 陪審團的判決產生效果 (如: Chapman and Bornstein, 1996; Hastie et al., 1999)，對訓練有素的律師與專業法官也不例外 (如:
車禍賠償: Guthrie et al., 2000; 刑事判決: Englich and Mussweiler, 2001; 甚至是商 業案件: Rachlinski et al., 2006 & 2007)。然而，利用實際法院資料以進行相關實證 的文章卻是少數。Ebbesen and Konečni (1975) 利用聖地牙哥重罪提審法院 5 名 法官的保釋決定，發現在控制了案件類別與被告的背景後，地區檢察官在保釋金 上的建議是法官判決的「錨」(anchor)。但這樣的研究卻只建構在 23 個案件，且 未控制案件的嚴重程度 (但保釋金的高低應受到犯罪嚴重程度的影響)。Diamond et al. (2011) 則視錨定效應即已存在，並利用文句分析 (syntactic analysis) 探尋最 強錨定效應的因素。但這兩篇都不算是成功驗證錨定效應的例子。
更重要的是，錨定效應的實證研究之所以難做，往往是因為無法提供一個「公 允 (fair)」或「正確 (correct)」的決定 (如量刑或價格－以作為作控制組) 而用以 衡量實際決定 (或成交價格) 是否因錨定效應而產生偏誤 1。為此，經濟學相關 的文獻上，則常利用特徵迴歸 (hedonic regression) 來找出這「公允」值以進行比 較。例如: Beggs and Graddy (2009) 與 Graddy et al. (2014) 利用油畫拍賣資料，
發現油畫前次的交易價格偏離特徵迴歸所算出的公允價格和目前拍賣成交價的 偏離值呈現正向關係。Bokhari and Geltner (2011) 則發現當賣家要價高於特徵迴
1 這邊所提的「公允」或是「正確」的決定，並不是指「公平」的決定，而是泛指公正適當，
可為大家接受的決定。
3
歸所算出的房地產公允價格，則有較高的成交價而驗證了錨定效應。近期，Chang et al. (2018) 則用台灣民事中「無權占有他人之土地」577 個案件，發現當原告請 求之賠償年息偏離利用特徵法所計算的年息時，法官年息判決將隨之調整偏離 (估算年息) 的數值，而發現法官判定賠償年息時存有錨定效應。值得注意的是，
這個估算公允價格的特徵迴歸也正是拍賣或房地產估價廣為接受而常用的方法。
然而，在刑事案件上，如何以法院資料來進行錨定效應的實證? 最需要克服 的困難點就是如何依案件的異質性來獲得「公允」的判決? 而這個「公允」的判 決又是否廣為法官所接受? 若不是，自然法官心中也沒有偏離這「公允」判決的 概念。幸運地，台灣在處理法官「量刑歧異」問題時，所發展的「量刑資訊資系 統」所提供的資訊，有機會提供以案件特徵為基礎的量刑標準，進而能觀察錨定 效應。
「量刑資訊資系統」為台灣司法改革的重要成果。一般而言，「罪得其罰」、
「罰當其罪」為刑罰之根本原則，其中法官裁量權的行使對於量刑最為關鍵。然 而自 2010 年高雄地方法院一件幼童遭性侵案的判決，引發了「白玫瑰運動」，更 使「量刑歧異」的議題浮上檯面。此一議題，不僅為台灣司法改革之原動力，亦 為世界各國在追求量刑公平性上，不遺餘力的要務。雖然隨著不同國家法律制度、
司法系統的環境與條件、法哲學理念而有莫大差異，進而產生各種的規範設計2， 但自 1980 年代起，逐漸有國家結合資訊及判決，發展出現代化的判決資訊系統，
例如 : 1988 年澳洲所開發的判決資訊搜尋系統 (Judicial Information Research System, JIRS) ; 2004 年山東淄川區法院所開發的電腦量刑系統 ; 2013 年愛爾蘭 所啟用的判決資訊系統 (Irish Sentencing Information System)。台灣司法院也成立
「量刑分析研究小組」，蒐集各類犯罪之法院判決，以提供法官相關量刑數據，
希冀提升量刑的合理性與可預測性，並進一步開放予大眾使用，使量刑過程更為 透明 (徐錦昌，2017 ; 郭豫珍，2013 ; 司法院，2011)。
自 2011 年 起 台 灣 陸 續 啟 用 不 同 罪 刑 類 別 之 判 決 資 訊 系 統 (Sentence Information System)。從「妨害性自主罪量刑資訊系統」至今已開放十類量刑資訊 系統3，並區分為法官版、檢察官、被告及律師版、一般大眾等三版本4。然而資 訊系統的開放是否確實影響台灣司法界的量刑則仍待進一步的實證研究。早在多 年前林錦芳 (2011) 即指出，台灣目前諸多相關研究仍只停留於系統建立原理、
2 請見林錦芳 (2011) 對英美法系國家與大陸法系國家有關量刑準據改良的介紹。
3 包含妨害性自主罪、不能安全駕駛罪、槍砲案件、幫助詐欺罪、毒品案件、竊盜案件、搶奪
罪暨強盜罪、殺人案件、普通傷害罪、肇事逃逸罪等。
4 根據師法周刊 1781 期(2016 年 1 月 8 日)報導:「檢察官可經由「法務部單一登入窗口」登入
「司法院單一登入窗口」，點選「 量刑資訊系統」進入；律師由司法院網頁「律師單一登入窗
口」登入，於「司法院線上起訴暨律師單一登入」頁面，點選「量刑系統」進入；被告得於各
法院指定之專用電腦進行查詢；一般民眾則可利用司法院網站的「量刑資訊系統」（網址：
http://sen.judicial.gov.tw/），選擇所欲查詢之罪名」。
4
量刑因子與標準之論述層面，尚無針對適用的主體－法官的行為進行相關量化研 究。事實上，迄今多年，尚仍未有具體的量化評估研究，以探究量刑資訊系統是 否的確達到提供法官量刑參考的目標以及相關可能的影響。由於司法改革無法離 開法官行為的探討，而量刑資訊系統又是推動的重大工程之一，實有必要就相關 議題進行實證分析與觀察。特別是系統能否對法官量刑造成影響? 量刑是否有 收斂的趨勢? 是否朝所提供的資訊收斂而成為法官與公眾可預測的標準? 若是，
則在刑事案件上，錨定效應的實證即可進行。
也因此本計畫將針對刑事案件的錨定效應進行研究。我們將特別鎖定毒品案 件進行實證，一方面是因為毒品案件的特徵較其他案件單純，數量也比較多，正 可以解決一般法學實證上資料量較少或不足的問題。再者，特定毒品 (如一到三 級毒品) 的量刑較重，不像輕罪易出現罰鍰 (易科法金)、緩刑、拘役等量刑結果，
而造成無法量化的窘境。在案件類型鎖定後，本計畫也將逐步進行下列的分析：
(一) 受到毒品案件量刑系統的影響，針對相同或類似案件，本計畫將先檢驗 法官的量刑是否減少歧異，且是否如施行的初衷，能成為收斂的標地，而具 有預測性。由於刑事案件本身就存有的異質性，更因法官的裁量權的行使，
而造成「量刑歧異」的現象。但司法院所提供的量刑資訊系統旨在考慮各個 案件特徵後，提供公開數據供審、檢、辯與民眾參考，不只可彌補新進法官 經驗的不足、使在任法官考慮的項目更為週詳、並減少離異的量刑，也能讓 民眾對法院量刑有個預期與共識。若能進而驗證此系統能對法官量刑造成影 響，並發現量刑有收斂的趨勢，無形間量刑系統所提供的資訊即形成了一個
「公允」而可預測的比較點，正可作為研究刑事案件「錨定效應」的基礎。
(二) 查驗法官量刑是否不只受到量刑系統的影響，也可能受到同級地院刑 事庭或上級審相同 (似) 案件判決的影響。也討論是否存有「錨定效應」，並 探究其他影響因素。由於在引入量刑系統之前，如何獲知同級法院相同 (似) 案件的判決並進行比對，有賴法官助理費工的資料收集。這樣的資訊參考，
在量刑系統推出後是否仍受到延續? 此外，法官承審案件遭上訴後撤銷的比 例也是法官考核的重要項目之一，也因此為避免判案後經上訴而因量刑的過 重或過輕受到上級法院的撤銷，上級審近期的見解也可能成為一個重要的參 考。也因此，本研究也將探討同級地院或上級審相同 (似) 案件彙整的資訊 與法官實際量刑、以及量刑系統所提供資訊間的關係。
(三) 模擬司法院在近期推出以建立在特徵迴歸分析的「量刑趨勢建議」於毒 品相關案件。得注意的是，司法院在近期才推出以建立在特徵迴歸分析的「量 刑趨勢建議」，但由於民國 107 年 12 月才開放給民眾，是否能成為大家所參 考的標準還有待觀察，再者到申請人撰寫期末報告時也未有毒品相關案件的
「量刑趨勢建議」推出。故本計畫也採用 Chang et al. (2018) 所使用的特徵
5
迴歸分析，模擬「量刑趨勢建議」的使用是否也會有「錨定效應」的產生。
本計畫在學術的貢獻有兩個層面。首先，錨定效應常被應用於經濟與商業行 為學中，也是學界關心的研究重點。本計畫巧妙地利用了量刑資訊系統的資訊，
利用法院實際的資料來進行刑事案件上「錨定效應」的分析。法官如何量刑是件 複雜的事，但既然司法院提供了這個系統公開參考，若能為各方所接受，無形間 即形成一個量刑上能參照標準。而本研究也仿照「量刑趨勢建議」並觀察可能的 結果。其次，毒品犯罪數目每年都不少，故本計畫的研究案件數目也可能較 Chang et al. (2018) 為多，且也進一步考慮了同級地院刑事庭或上級審相同 (似) 案件判 決的影響。自然地，人力也會更耗費。但這樣的研究結果不只較符合刑事案件量 刑的實務、也有更周全的考量，而能與經濟學、心理學等國際主流研究進行對話。
再者，本計畫的資料也不是現成的，必須利用大數據文字探勘 (text mining) 技 術，在大量的裁判書中一一蒐集。透過本計畫的嘗試與分享，希望台灣這些公開 的判決書資料不只是像現在拿來看過去的判例或計算平均的判決量刑，更能從中 發掘制度下各種的效果。特別是大數據與人工智慧的發展日新月異，未來將取代 相當耗時的人工判決書整理工作，若能及早培養這方面的研究能量與人才，並藉 由資料科學方法，讓「法律產業」的運作能夠呈現出來，不只能對學術與司法實 務有益，也有助於全球在法律資料使用的進程。最後，本計畫所討論的議題不只 填補了文獻上的不足，對台灣司法實際的運作也能提供政策建議。特別是「量刑 資訊系統」的推動一直是台灣司法改革的重要成果。但是否真能達到司法院解決
「量刑歧異」的目的而讓判決有預測性，又對法官實際的量刑產生什麼影響? 特 別在資訊充裕的狀態下，若能加以控制異質性，並將案件作適當的分類，的確能 對此系統進行相關議題的分析與深入的檢視。
本計畫後續的安排如下：第貳節將介紹資料來源，也將更仔細地介紹本計畫 主要將探討的議題、分析上主要使用的迴歸模型，以及研究上的潛在困難。第參 節則將介紹預期的研究成果、對於參與之工作人員預期可獲之訓練，以及對學術 與國家社會的貢獻。
貳、研究方法、進行步驟
在本節中，我們將分別介紹資料與重要變數的蒐集、問題意識、重要估計模 型、以及本研究的預期困難與解決途徑：
(甲) 資料與重要變數的蒐集
一、資料來源：本研究資料主要來自於司法院「各級法院之終結案件資料」與「裁 判書」，以下將仔細介紹資料來源：
1. 司法院及所屬各級法院之終結案件資料：目前司法院已把各級法院之終結案
6
件資料整理，研究者可進入政府公開資訊平台的公共資訊類別搜尋「司法院＋
7Z」以及「終結案件資料」便可以找到司法院及所屬各法院的各類系統(民事、
刑事、家事、少年、行政、公懲) 各月份的終結案件資料。也可以直接輸入網 址輔以年月便可找到對應年月的資料，以 2018 (民國 107) 年 10 月司法院及 所 屬 各 法 院 審 結 案 件 的 相 關 資 訊 為 例 ， 使 用 者 可 直 接 輸 入 http://www.judicial.gov.tw/juds/opendata/upload10710.7z 便可找到該年當月審結 的相關資料。再以地方法院的刑事庭為例，可以找到的案件的一般資訊，如：
法院別、案號 (年+字別+案號)、案由、法官名、原審記錄、全案終結日期、
是否得上訴、是否得抗告、自訴人是否有律師代理。而針對被告 (一案可能有 數個被告) 的相關資訊，則有被告終結日期、辯護及代理、被告罪名 (法條、
量刑－宣告有期徒刑、拘役日數、罰金金額)、是否得易科、是否褫奪公權、
罪犯類型 (少年犯、幫助犯、未遂犯、家庭暴力)，被告罪名量刑加重或減輕等 資料。值得注意的是，雖然「司法院及所屬各級法院之終結案件資料」主要紀 錄案件的重要訊息，但諸多事實的陳述與法官的心證，甚至原告、被告與律師 的資訊，都需要進一步透過裁判書才能獲得。
2. 裁判書：早期進行法律經濟學相關實證，判決書資料都要透過「裁判書查詢系 統」5或法源網站之「裁判書查詢」6來查看。但目前司法院已將裁判書資料集 收錄於 http://data.judicial.gov.tw7。原則上每月中 (原則上 15 日) 會將前兩個 月之前 (含) 到 1996 年 6 月所有可能異動的資料重新整理成 rar 壓縮檔的 形式。由於每月異動，使用者應定時整理。也因此若能搭配一個熟悉法律經濟 學而懂得大數據相關程式的助理，能有效地撈取並後製整理相關資訊，並將
「裁判書」與「終結案件資料」作一合併。此外，在進行大數據資料分析與人 工智慧的應用時，所建置的司法語意空間也需要從裁判書來建立。
二、研究資料：本研究資料主要以毒品案件為主，以下將詳細介紹資料範圍，以 及獲得相關量刑系統刑期及同院與上級審近期判例的方法。
1. 資料範圍：本計畫主要將以毒品案件中適用於「毒品危害防制條例」第 4 條 製造、運輸、販賣毒品罪為主，我們更進一步限縮適用的範圍為第 2 級毒品，主 要理由如下：
(A) 法官審酌毒品案件的條件較為簡單，例如：在確定毒品等級以及從事製造、
運輸、販賣毒品上較無爭議，且依照「量刑資訊系統」進一步需要考量的加 減刑期的事由也較少。
(B) 在相關量刑的更迭紀錄上毒品案件也較為完整，有利於比較施行前後的效果，
5 請見http://jirs.judicial.gov.tw/FJUD/
6 請見https://fyjud.lawbank.com.tw/index.aspx
7 或 http://210.69.124.88/
7
如圖一所示：毒品案件量刑系統於民國 102 年 5 月 31 日開放給司法官所使 用的資料係以「(民國) 99 年至 101 年 6 月共 21,894 件」(司法周刊 1647 期, 2013/5/30) 為主，該資料庫也於 103 年 7 月 18 日開放給檢察官、被告與 律師使用 8，自此毒品案件的檢辯被告都能上網查詢。而於 105 年 1 月 1 日所開放給民眾使用的資料則為從 99 年擴張到 103 年 10 月的資料9，但 又立即於 2016 年 1 月 13 日則把 99 年與 100 年的舊資料刪除。隨後在 108 年，又把 104 到 106 年的毒品判決補入量刑系統。
(C) 量刑系統中適用於第 4 條第 2 級毒品的數目較多。如在現有的量刑資訊系統 的 101-103 年資料中：第 1 級毒品只有 32 筆，第 2 級毒品 1,119 筆，第三 級毒品 558 筆，第四級毒品 5 筆。第 2 級毒品主要處無期徒刑或 7 年以上有 期徒刑，但量刑系統中未有獲判無期徒刑者。即使減刑也較不易出現緩刑、
拘役等刑期。
圖一 司法院毒品量刑系統開放日期(年份: 民國)
2. 量刑系統刑期：公開讓全民使用的量刑系統毒品案件可於以下網站查詢：
http://sen.judicial.gov.tw/pub_drug_sbin/drug_chkid_Project3.cgi而可得知毒品案件 刑期長短主要受以下的案件特徵所影響：
(A) 毒品適用法條，包含毒品等級，以及以下的犯罪模式 (第 4 條--製造、運輸、
販賣毒品罪，第 5 條--意圖販賣而持有毒品罪、第 6 條--以強迫或欺瞞使人 施用毒品罪，第 7 條--引誘他人施用毒品罪，第 8 條--轉讓毒品罪，第 11 條--持有毒品罪，第 12 條--栽種罌粟、古柯、大麻罪，藥事法第 83 條--轉 讓禁藥罪)。本研究將以第 4 條第 2 款二級毒品為主。
(B) 加重事由 (包含刑法第 47 條-累犯、毒品危害防制條例第 8 條第 3 項-轉
8 請見司法院開放毒品案件、與竊盜案件系統供律師使用函文 http://hualienbar-
association.org.tw/attachments/article/119/%E5%8F%B8%E6%B3%95%E9%99%A2%E9%96%8B%
E6%94%BE%E6%AF%92%E5%93%81%E6%A1%88%E4%BB%B6%E3%80%81%E7%AB%8A%
E7%9B%9C%E6%A1%88%E4%BB%B6%E7%B3%BB%E7%B5%B1%E4%BE%9B%E5%BE%8B
%E5%B8%AB%E4%BD%BF%E7%94%A8%E5%87%BD%E6%96%87.pdf
9 請見http://sen.judicial.gov.tw/pub_drug_s/explain.html所標示的日期。
8
讓毒品達一定數量者、毒品危害防制條例第 9 條-對未成年人或明知為懷胎 婦女、毒品危害防制條例第 15 條-犯罪者是公務員、或兒童及少年福利與權 益保障法第 112 條(舊法第 70 條)-教唆、幫助或利用兒童及少年犯罪或與 之共同實施犯)。
(C) 減輕事由 (包含刑法第 18 條-包含未滿 18 歲人或滿 80 歲人、刑法第 19 條-精神障礙或心智缺陷、刑法第 20 條-瘖啞、刑法第 25 條第 2 項-普通未 遂、刑法第 27 條第 1 項-中止犯、刑法第 30 條-幫助犯、刑法第 31 條第 1 項但書 無身分或特定關係者、刑法第 59 條-情堪憫恕、刑法第 62 條前 段-自首、刑法第 63 條-老幼處刑之限制、毒品危害防制條例第 17 條-供出 毒品來源因而查獲其他正犯或共犯者、自白)。
(D) 行為態樣 (製造、運輸、販賣)。
(E) 共犯人數 (單獨犯罪、2 人、3 人、4 人以上)。本研究將以單獨犯罪且單一罪 名為主，以減少異質性並避免編碼錯誤。
(F) 行為人犯罪後之態度 (可複選，包含坦承犯行、飾詞卸責、勾串證人、供出 毒品來源、供出共犯、有悔意、無悔意)。
(G) 犯罪動機 (可複選，如貪圖利益、籌錢買毒)。本研究之籌錢買毒筆數極少故 不予以編碼。
(H) 智識程度 (不識字、小學、國中、高中、大學、研究所以上) 等。
當使用者把相關資料輸入後，系統就會比對資料庫中條件完全一樣的案件 (這也和 107 年底所建置的量刑趨勢建議系統中利用迴歸估計的方法不同)，並找 出這些案件的量刑分統計圖、最高刑度、最低刑度以及平均刑度供使用者參考。
例如：依 101-103 年的量刑系統，僅輸入毒品危害防制條例第 4 條第 2 款 (法 定刑處無期徒刑或 7 年以上有期徒刑) 時，系統將回報共有 1,119 筆資料，宣告 刑最低刑度 3 年 6 月、平均刑度 7 年 6 月、最高刑度 14 年，且有 1,012 筆落 於 7 年 1 個月到 8 年之間，77 筆落於 8 年 1 個月到 9 年的區間內，資料中 並無獲判無期徒刑者。若再加入累犯、販賣、飾詞卸責、貪圖利益等條件後，就 只剩 287 筆資料，最低刑度 7 年 2 月、平均刑度 7 年 8 月、最高刑度 9 年 6 月，247 筆落於 7 年 1 個月到 8 年之間，35 筆落於 8 年 1 個月到 9 年的 區間內。
由於系統在有所更新，所以我們只取 105 年後判決，並以 101-103 的量刑系 統資料作為參考值，而在 108 年則以 101-106 年的資料作為參考值。並從裁判書 依次找出加重減輕、行為態樣、共犯人數、犯後態度、犯罪動機、行為人資訊等
「案件特徵」後，模仿量刑系統，從「各級法院之終結案件資料」與「裁判書」
9
找出相同的資料。
3. 同級法院與上級審近期判例：除了參考量刑系統外，法官也可能參考同級法院 或上級審相同的案例，也因此透過終結案件資料與裁判書將各個案件「特徵」加 以整理，並加以排序彙整，便可找到同級法院與上級審近期判例的相關資訊。另 值得注意的是，部分案件特徵要從裁判書上獲得，則必須利用大數據文字探勘的 技術而從每案中逐一獲得資料。此外，收集資料上也需要有認真負責且有大數據 資料收集經驗的助理加以協助，以進行耗時的檢誤與程式更新。
(乙)、問題意識
法官判決是否會受到外在因子或資訊的影響，一直是經濟與法律上常見的研 究議題。特別是本計畫關注刑事案件的「錨定效應」需仰賴量刑系統所提供的資 訊以控制案件的異質性。這系統一方面是受到輿論減少「量刑歧異」的催生，另 一方面也是司法院推動「量刑輔助工具」的重要成績，且量刑系統所列的各項特 徵，當法官進行參考時，也有助於法官更嚴謹地審酌。再加上操作並不困難，且 分別於民國 103 年中 (毒品案件 7 月 18 日、其他案件 8 月 27 日) 開放給檢察 官、被告與律師使用，又於民國 105 年初開放一般民眾的使用，更讓相關量刑成 為公開與透明的資訊。
在裁判決書已公開上網的狀況下，當量刑遠超過或遠低於一般「行情」時，
即使法官振振有詞，但在媒體競相追逐報導下，該案有可能成為媒體撻伐的對象。
也因此，法官的裁量權除受到法條刑期的規定外，是否且又如何受到量刑系統的 影響，也是否存有「錨定效應」即為本計畫關注的重點。具體而言，本計畫主要 將探討下列兩個主要議題：
(一) 受到毒品案件量刑系統的影響，針對相同或類似案件，本計畫將先檢驗 法官的量刑是否因此減少歧異，且是否如施行的初衷，能成為收斂的標地。
減少歧異有很多方式，一方面是減少離異值，另一方面則有可能更接近於量刑系 統所建議的數值。但無論如何，毒品案件量刑標準差應在施行後應有更顯著的縮 減。此外，平均刑期也有趨於穩定的現象。最後，若有資料收斂跡象，我們也將 探究是否法官的量刑的確是依照所列特徵的影響。若是，此系統所建議的資訊也 才能成為量刑的「公允」標準，而能進一步做「錨定效應」的分析。
(二) 法官量刑受到量刑系統的影響，或 (且) 受到同級地院刑事庭或上級審 相同 (似) 案件判決的影響。也討論是否存有「錨定效應」，並探究其他影響因素。
在資訊系統尚未開發之前，早期法官助理的工作之一，就是搜尋同級地院刑事庭 的判刑供法官參考。也因此我們也將仿照過去法官收集資訊的方式，搜尋並彙整 近期 (全國/或是法官所在) 地院判決中具有相同或相似特徵之案件的量刑資訊，
10
探究這些資訊在現今是否也仍會成為法官量刑的參考。值得注意的是，這些資訊 在給定案件特徵下是隨時間的推移而動態改變的；但量刑系統所提供的是給定固 定期間的資訊，在未遇到改版前，給定案件特徵下資訊是固定的。也因此，除非 量刑系統施行時的資訊已達到穩定狀態，不然這兩個資訊在絕大部分的時點上應 該是不同的。
再者，由於法官考核中也重視案件遭上訴後撤銷的比例10，為避免判案後經 上訴而因量刑的過重或過輕受到上級審的撤銷，上級審近期的見解也可能成為地 院法官的一個重要參考。也因此我們也將找尋近期 (全國/或是法官所屬) 高院判 決中相同或相似案件判決的量刑平均與範圍作為參考。此外，同一法院可能類似 不足的案例，此時，法官可能擴大搜尋範圍，而以隸屬於同高院下的所有地院為 範圍。
在操作上，我們將先把法官判決、對應量刑系統的量刑資訊、同級審(分別為 所處地院與隸屬於同高院下的所有地院)與上級審的量刑資訊作一個相關性的比 對。原則上，前期案件數 3 年做為參考。此外，除了全部的資料期間外，我們也 將比較探討 105-107 年以及 108 年法官量刑模式的異同。
文獻中，Chang et al. (2018) 雖曾用民事中「無權占有他人之土地」案件，以 研究當原告請求之賠償年息偏離利用特徵法所計算的年息時，法官判決是否隨之 調整而有「錨定效應」。然而，法官與律師的共同基礎是否真正如該文中所用「特 徵法所計算的年息」，仍受到評審的質疑，更不像本文有易於掌握且由司法院所 提供的量刑資訊系統那麼具體。
此外，由於司法院在近期推出以建立在特徵迴歸分析的「量刑趨勢建議」並 於民國 107 年 12 月開放給民眾使用，雖然目前仍無毒品相關案件，但仍可仿照 量刑系統的特徵與使用，利用歷史判決資料，模擬出毒品特徵迴歸分析的「量刑 趨勢建議」。並據此重新探究法官量刑是否受到同級地院刑事庭或上級審相同 (似) 案件判決的影響，且這個「量刑趨勢建議」（也就是模型預測值）仍可以成 為法官量刑的主要依據。故本計畫也採用 Chang et al. (2018) 所使用的特徵迴歸 分析，模擬「量刑趨勢建議」的使用是否也會有「錨定效應」的產生。
(丙)、實證模型
而實際操作則以下列的模型為主。令 𝑋𝑋𝑗𝑗𝑗𝑗𝑗𝑗 為 i 地院在第 t 期的第 j 個案件 的特徵，並令 𝑟𝑟𝑗𝑗𝑗𝑗𝑗𝑗 = 𝑟𝑟(𝑋𝑋𝑗𝑗𝑗𝑗𝑗𝑗) 為量刑系統所提供的資訊。而法官的判決與和法官 同 一 地 院 前 三 年 內 有 類 似 特 徵 的 案 件 平 均 分 別 為 𝑦𝑦𝑗𝑗𝑗𝑗𝑗𝑗 = 𝑦𝑦(𝑋𝑋𝑗𝑗𝑗𝑗𝑗𝑗) 與 𝑃𝑃𝑗𝑗𝑗𝑗𝑗𝑗 =
10 臺灣高等法院及其分院以及地方法院對法官皆有考核。前高等法院石木欽院長上任之初，針
對法官提出一套客觀評比方式，包含：辦案正確性、折服率、積案件數、未結案件數、上級審 考評分數等。由於這套評比標準將可能涉及個人主觀好惡的「印象分數」(如：上級審之評比、
庭長評比等)之比例降低，而使後續考核制度的運作更為順暢。但各要素的比重為何，且上級考 核的分數又如何，計畫申請人目前無法得知。
11
𝑝𝑝(𝑋𝑋𝑗𝑗𝑗𝑗𝑗𝑗)。隸屬於同高院下的所有地院前三年內案件資訊與前三年內在高院有相同 (似) 特徵的案件判決資訊則分別為 𝐷𝐷𝑗𝑗𝑗𝑗𝑗𝑗 = 𝑑𝑑(𝑋𝑋𝑗𝑗𝑗𝑗𝑗𝑗) 與 𝑈𝑈𝑗𝑗𝑗𝑗𝑗𝑗 = 𝑢𝑢(𝑋𝑋𝑗𝑗𝑗𝑗𝑗𝑗)。若法官以量 刑系統資訊為基礎並做各審級判決平均偏離時的線性調整，則法官的量刑可設為：
𝑦𝑦𝑗𝑗𝑗𝑗𝑗𝑗− 𝑟𝑟𝑗𝑗𝑗𝑗𝑗𝑗 = 𝛽𝛽0+ 𝜌𝜌1�𝑃𝑃𝑗𝑗𝑗𝑗𝑗𝑗− 𝑟𝑟𝑗𝑗𝑗𝑗𝑗𝑗� + 𝜌𝜌2�𝐷𝐷𝑗𝑗𝑗𝑗𝑗𝑗 − 𝑟𝑟𝑗𝑗𝑗𝑗𝑗𝑗� + 𝜌𝜌3�𝑈𝑈𝑗𝑗𝑗𝑗𝑗𝑗 − 𝑟𝑟𝑗𝑗𝑗𝑗𝑗𝑗�
+ 𝑊𝑊𝑗𝑗𝑗𝑗𝑗𝑗𝛾𝛾 + 𝜇𝜇𝑗𝑗+ 𝜇𝜇𝑗𝑗+ 𝑒𝑒𝑗𝑗𝑗𝑗𝑗𝑗, (1)
其中 𝑊𝑊𝑗𝑗𝑗𝑗𝑗𝑗 為裁判書中是否有自聘律師等變數，𝜇𝜇𝑗𝑗 與 𝜇𝜇𝑗𝑗 則為地院與年份的固定
效果。𝜌𝜌1 ≥ 0 為法官看到地院類似案件前三年內判決平均偏離量刑系統資訊時 所做的調整，若法官不受此影響 (而無錨定效應)，則該係數則為 0。類似地，𝜌𝜌2 ≥ 0 與 𝜌𝜌3 ≥ 0 分別為法官看到隸屬於同高院下的所有地院與高院前三年內判決 平均偏離時所做的調整。將 (1) 做一整理，可得
𝑦𝑦𝑗𝑗𝑗𝑗𝑗𝑗 = 𝛽𝛽0+ 𝜌𝜌1𝑃𝑃𝑗𝑗𝑗𝑗𝑗𝑗 + 𝜌𝜌2𝐷𝐷𝑗𝑗𝑗𝑗𝑗𝑗 + 𝜌𝜌3𝑈𝑈𝑗𝑗𝑗𝑗𝑗𝑗+ (1 − 𝜌𝜌1 − 𝜌𝜌2− 𝜌𝜌3)𝑟𝑟𝑗𝑗𝑗𝑗𝑗𝑗
+ 𝑊𝑊𝑗𝑗𝑗𝑗𝑗𝑗𝛾𝛾 + 𝜇𝜇𝑗𝑗 + 𝜇𝜇𝑗𝑗+ 𝑒𝑒𝑗𝑗𝑗𝑗𝑗𝑗, (1’)
或更一般化地呈現如下：
𝑦𝑦𝑗𝑗𝑗𝑗𝑗𝑗 = 𝛽𝛽0+ 𝛽𝛽1𝑃𝑃𝑗𝑗𝑗𝑗𝑗𝑗+ 𝛽𝛽2𝐷𝐷𝑗𝑗𝑗𝑗𝑗𝑗+ 𝛽𝛽3𝑈𝑈𝑗𝑗𝑗𝑗𝑗𝑗+ 𝛽𝛽4𝑟𝑟𝑗𝑗𝑗𝑗𝑗𝑗+ 𝑊𝑊𝑗𝑗𝑗𝑗𝑗𝑗𝛾𝛾 + 𝜇𝜇𝑗𝑗 + 𝜇𝜇𝑗𝑗+ 𝑒𝑒𝑗𝑗𝑗𝑗𝑗𝑗. (2) 由此可知，若法官以量刑系統的資訊為基礎並依照各審級前三年內的平均差異做 線性調整，則 𝛽𝛽4＝1 − 𝛽𝛽1− 𝛽𝛽2− 𝛽𝛽3。類似的操作，我們也可用上級審近期的資 訊或是把同級審近期的資訊作為基準而加以檢驗 11，但也都能簡化成第 (2) 式 作沒有限制式下的估計。若 𝛽𝛽4＝1 − 𝛽𝛽1− 𝛽𝛽2− 𝛽𝛽3 此一虛無假設不成立，則法官 量刑時並非以離差為調整基礎。相反地，可能參酌各審級前三年內相同案例的平 均判決並與量刑系統的參考值進行加權平均。
值得注意的是，除了式 (2) 的考量外，法官可能對個別特徵會額外進行調整，
也因此，除了式 (2) 外，我們也額外考量量刑系統上的特徵作為迴歸的解釋變數，
但由於 𝑃𝑃𝑗𝑗𝑗𝑗𝑗𝑗 = 𝑝𝑝�𝑋𝑋𝑗𝑗𝑗𝑗𝑗𝑗�、𝐷𝐷𝑗𝑗𝑗𝑗𝑗𝑗 = 𝑑𝑑(𝑋𝑋𝑗𝑗𝑗𝑗𝑗𝑗) 與 𝑈𝑈𝑗𝑗𝑗𝑗𝑗𝑗 = 𝑢𝑢(𝑋𝑋𝑗𝑗𝑗𝑗𝑗𝑗)，可能與 𝑋𝑋𝑗𝑗𝑗𝑗𝑗𝑗 產生線性重
合的問題，也因此我們利用逐步迴歸自 𝑋𝑋𝑗𝑗𝑗𝑗𝑗𝑗 擷取重要解釋變數 𝑍𝑍𝑗𝑗𝑗𝑗𝑗𝑗，而考慮以 下模型
𝑦𝑦𝑗𝑗𝑗𝑗𝑗𝑗 = 𝛽𝛽0+ 𝛽𝛽1𝑃𝑃𝑗𝑗𝑗𝑗𝑗𝑗+ 𝛽𝛽2𝐷𝐷𝑗𝑗𝑗𝑗𝑗𝑗+ 𝛽𝛽3𝑈𝑈𝑗𝑗𝑗𝑗𝑗𝑗+ 𝛽𝛽4𝑟𝑟𝑗𝑗𝑗𝑗𝑗𝑗+ 𝑊𝑊𝑗𝑗𝑗𝑗𝑗𝑗𝛾𝛾 + 𝑍𝑍𝑗𝑗𝑗𝑗𝑗𝑗𝛿𝛿 + 𝜇𝜇𝑗𝑗+ 𝜇𝜇𝑗𝑗+ 𝑒𝑒𝑗𝑗𝑗𝑗𝑗𝑗. (3) 甚至法官要以哪一個審級的前三年內相同案例的平均判決為重，也可以透過逐步 迴歸選取。值得注意的是，我們的迴歸可能存有內生問題。根據 Huang et al. (2010) 的研究，在法定刑三年以上的重罪中，未有自聘律師下，公設辯護人或是法扶律
11 若法官實際的判案是以上級審近期的資訊 𝑈𝑈𝑗𝑗𝑗𝑗𝑗𝑗 為準，則 𝛽𝛽3+ 𝛽𝛽4= 1。若法官實際的判案是 以屬同高院隸屬地院審近期的資訊 𝐷𝐷𝑗𝑗𝑗𝑗𝑗𝑗 為準，則𝛽𝛽2+ 𝛽𝛽4= 1。
12
師為隨機指派，這兩者律師類型對刑期的期望值沒有影響，但對勝敗有顯著影響，
這和這兩者訴訟的風格有關。前者因有勝敗評價的壓力，所以會較為積極，但對 量刑則不太要求。但後者為公務人員，在極小化工作成本下，會鼓勵認罪並處以 較輕刑罪刑。由於本研究的重心為錨定效果，故辯護人態樣只是放入作為控制。
(丁)、困難與解決途徑
本計畫困難之處，不單單是複雜的文字資料整理，還有透過案件特徵大量的 搜索、比對與統計。臺灣的司法判決除兒少隱私案件外，從 2000 年以來幾乎都 公開在資料庫中供民眾查閱。這些豐富的裁判資料，卻鮮少有人以快速而正確的 方法整理並用適當的計量方法分析來回應社會與學術的期待，主要的原因就是目 前的這些文字資料沒有被結構化並系統性地的呈現，以至於判決資料的整理必須 極費工夫地以人工編碼收集。雖然在 2017 年司法改革國是會議以來，在各界有 志之士的鼓吹之下，司法院已著手進行判決資訊的結構化整理，並整理成「終結 案件資料」。然而，這些資料卻只有減刑與加重後的「宣告刑」，至於減刑與加重 前的刑期，以及數罪併罰的「執行刑」12，事實的陳述，法官的心證，原告、被 告與檢辯的資訊等，仍需要從裁判書中擷取。在人力單薄下，人工操作機乎是不 可能的任務。也因此在早期必須進一步縮減到某一案件類型，且利用隨機的方法 再去挑選案件來收集，但即便如此仍需極大量的時間方能進行。
拜大數據科技所賜，計畫申請人將與研究團隊於龐大的判決資料中，有效率 且正確地整理找每案的案件特徵，並在 (不同時期的) 量刑系統上找出所對應的 資訊，以及地院與高等法院相同與相似案件的相關特徵資訊。這些內容不只能回 答本研究所關心的「錨定效應」議題，且收集資料的模式與經驗，更能成為未來 利用判決進行經濟與法律相關實證的墊腳石。
參、資料、敘述統計與量刑趨勢
司法院量刑系統提供各類刑事案件的歷年案件態樣與判刑結果統計數據，幫 助法官與民眾了解法院歷年的判決刑期走向。因此，為了瞭解該量刑系統公開之 統計數據是否對法官新一輪的判刑決定有所影響，我們以毒品案件為關注目標，
進行數據分析。
(甲)、資料處理與敘述統計
毒品案件的類型繁多，甚至時常參雜其他類型的案件(如盜竊、偽造文書等
12 「法定刑」就是法條上規定的量刑範圍，(如: 無期徒刑或 7 年以上有期徒刑); 「宣告刑」就 是每一罪法院的實際裁定，(如: 7 年 6 個月); 「執行刑」就是數罪併罰下，各「宣告刑」的合 併而實際執行的裁罰(但不見得是直接加總，例如某被告犯兩案各科以 7 年 3 個月與 7 年 6 個 月，則「執行刑」最少為單一罪的最大值 7 年 6 個月，最多為全部加總 14 年 9 個月)。有關量 刑的相關介紹請見 http://www.thinkingtaiwan.com/content/5410。
13
等)。為簡化案件態樣，也配合量刑系統單一查詢的特性，我們以毒品危害防制條 例第四條第二項之被告為單一罪名(此時該被告的宣告刑即為執行刑)，將目標放 在有且僅有觸犯販賣、製造或運輸第二級毒品且時間為民國 101 年至 108 年之案 件。此外我們把案件範圍限縮在單一被告案件，以避免在案件特徵搜尋上出現被 告特徵誤植的狀況。並針對司法院量刑系統建議之案件態樣，針對下列各點蒐集 各個案件的特徵：刑法第 47 條(累犯加重)、刑法第 59 條(減輕其刑)、毒品第 17 條第 2 項(自白減輕)、製造、運輸、販賣、教育程度(無記載、國中,高中,大學以 上(含)、行事累犯、自首或自白、飾詞卸責、有悔意、貪圖利益、毒品價格、毒 品公克、法院別、年份等。由於在量刑系統下毒品價格與毒品公克只能二擇一，
因此，當兩者同時記載於判決書時，以毒品價格的記載為主。最後，也依案件記 載記錄律師的代理狀況。總計有 7,986 件案件。
表 1 為民國 101-108 年間全部、有販賣、有運輸和有製造之單被告單罪名案 件重要變數的敘述統計。其中共 7,228 筆被判處有期徒刑，平均 66.30 個月；三 種類型案件以有販賣之態樣為大宗，共 5,996 筆被判處有期徒刑，平均 67.82 個 月；運輸和製造則相對少很多，前者共 336 筆被判處有期徒刑，平均 58.71 個月，
後者則是 291 筆被判處有期徒刑，平均 56.67 個月。可見只要觸犯毒品危害防制 條例第四條第二項，平均刑期皆在四年以上，其中以販賣作為散佈毒品的主力態 樣，判處刑期平均而言最高，大於其他兩者一年以上。
在辯護代理上，刑事案件中被告的辯護人分為公設、義務和選任辯護人，以 及是否為法律扶助律師。以選任律師佔案件最多，且非法律扶助之選任律師判處 之平均有期徒刑達 71.08 個月，較公設辯護人為被告辯護之平均有期徒刑 58.57 個月高，因公設辯護人為為維護弱勢被告之權益而設立，條件為最輕本刑為三年 以上有期徒刑或高等法院管轄第一審的案件，或被告本身因為智能障礙無法完全 陳述案情，或被告具原住民身分、低收入戶，且沒有選任辯護人等等而由法官指 定公設律師或辯護人，因此由法官審酌之下有期徒刑刑期也通常會較低。而選任 律師中，不論哪一類的案件，法律扶助的律師皆獲得比非法律扶助律師較低的刑 期。
法官常審酌對判決加重或減輕之因素。通常減輕條件為被告犯後態度良好，
如自白或自首，在判有期徒刑之毒品案件中佔 63%，得平均刑期 54.47 個月。或 是一般未遂之案件，在判有期徒刑之毒品案件中佔 17.39%，得平均刑期 40.98 個 月，實屬較輕微之案件，因此刑期也比被告自白或自首更低，相較所有案件平均 刑期也大幅降低。而通常加重條件則是被告為累犯，在判有期徒刑之毒品案件中 佔 38.2%，得平均刑期 71.66 個月，是對毒品犯罪之被告更重的警告與懲罰。
在教育程度上，表 1 中也能發現被告的教育程度以高中的案件最多，而教 育程度越高，則被告更容易獲判越低的刑期，這樣的結果在之後的迴歸分析中也 能看見。貪圖利益的態樣則佔案件總數高達 83.8% (在判有期徒刑之毒品案件中
14
佔 94.11%)，平均刑期和標準差與總案件差異不大，可見因犯下運輸、販賣或製 造毒品的案件大多為基於圖利之目的，也更容易被判處有期徒刑。值得注意的是，
一般案件檢察官具體求刑會在起訴書註明，但僅有 33 筆判決書中有寫明檢察官 對有期徒刑刑期之要求，平均刑期 88.73 個月，這些案件通常是較為重大之案件，
將檢察官求刑納入法官心證的考量刑期的內容之一，若法官認為檢察官求刑過於 嚴苛，則會酌減刑期，反之亦然。由於這些案件量少，也可能造成另一個定錨，
也因此這些案件可考慮於未來分析中試著排除，以作為穩健性測試。由於以下的 分析將更著重於有罪判刑下的量刑分析，也因此我們也列出 105-108 年獲判有罪 的敘述統計於附錄一，供讀者參考。
表 1 單被告單一罪名(毒品 4-2)案件之重要變數敘述統計
Variables frequency percent mean std
101-108 年 n=7,986
全部
有期徒刑 (月) 7,228 90.51 66.30 40.38
罰金 10 0.13 512200 810481
公設辯護人辯護 2007 25.13
公設辯護人辯護：有期徒刑 (月) 1830 91.18 58.57 35.21
公設辯護人辯護：罰金 0 0 0 .
義務律師辯護(全) 857 10.73
義務辯護人辯護 ：有期徒刑 (月) 776 90.55 63.11 37.44 義務辯護人辯護 ：罰金 0 0 0 .
義務律師辯護 630 7.89
義務律師辯護：有期徒刑 (月) 574 91.11 62.47 35.86
義務律師辯護：罰金 0 0 0 .
義務律師辯護-法律扶助 227 2.84
義務律師辯護：有期徒刑 (月) 202 88.99 64.95 41.64
義務律師辯護：罰金 0 0 0 .
選任律師辯護(全) 4987 62.45
選任辯護人辯護 ：有期徒刑 (月) 4549 91.22 70.05 42.18 選任辯護人辯護 ：罰金 9 0.18 280222.20 365493.40
選任律師辯護 2880 36.06
選任律師辯護：有期徒刑 (月) 2622 91.04 71.08 42.47 選任律師辯護：罰金 7 0.24 328857.10 403727.40 選任律師辯護-法律扶助 2107 26.38
選任律師辯護：有期徒刑 (月) 1927 91.46 68.65 41.76 選任律師辯護：罰金 2 0.09 110000.00 127279.20
自白或自首 5031 63
15
自白或自首：有期徒刑 (月) 5030 99.98 54.47 32.52 自白或自首：罰金 9 0.18 568888.90 838353.20
一般未遂 1389 17.39
一般未遂：有期徒刑 (月) 1389 100 40.98 32.01 一般未遂：罰金 2 0.14 35000.00 21213.20
累犯 3051 38.2
累犯：有期徒刑 (月) 3051 100 71.66 41.59 累犯：罰金 2 0.07 200000.00 0.00
貪圖利益 6692 83.8
貪圖利益：有期徒刑 (月) 6298 94.11 67.30 40.84 貪圖利益：罰金 3 0.04 140000.00 182482.90 教育程度
國中(含)以下 1847 23.13
高中 2107 26.38
大學(含)以上 283 3.54
無註明學歷 3749 46.94
教育程度 X 有期徒刑 (月)
國中(含)以下 1839 99.57 67.53 37.74 高中 2098 99.57 64.27 39.75 大學(含)以上 282 99.65 45.44 32.06 無註明學歷 3009 80.26 68.93 42.41 教育程度 X 罰金
國中(含)以下 0 0 0 .
高中 3 0.14 417333.30 678234.00 大學(含)以上 1 0.35 20000.00 .
無註明學歷 6 0.16 641666.70 961465.90 檢察官具體求刑 33 0.41 88.73 44.13 運輸
有期徒刑 (月) 336 95.18 58.71 33.43
罰金 4 1.13 1025500 1166677
販賣
有期徒刑 (月) 5996 94.23 67.82 40.85
罰金 4 0.06 155000 151986.80
製造
有期徒刑 (月) 291 93.27 57 28.31
罰金 2 0.64 200000 0
16
(乙)、量刑趨勢分析
我們進一步探究量刑系統所提供的過往量刑值，是否對其後的判決帶來參考 效果。為求穩定性，我們先針對 101-103 年量刑系統中案件相同特徵態樣超過 10 筆的資料進一步彙整平均值與最大、最小值，以作為 105-107 年的參考；相同態 樣，也以 101-106 進行，並成為 108 年量刑的參考。如此，即可針對 105 到 108 逐年間有相同特徵態樣且獲判有期徒刑的 866 筆地院判決案件進行比較。表 2 即為參考量刑系統統計之資料，統計地方法院實際統計之案件有期徒刑小於量刑 系統最低或大於最高刑期各年的數目。可以發現小於參考最低刑期的比例由 105 年的 21.37% 逐年提升到 107 年的 34.80%，再由於新資料加入量刑系統，108 年 小於參考最低刑期的比例為 30.42%。另一方面，大於最高刑期的比例卻由 54.96%
逐年降低到 43.37%。這隱含法官的判決有向下修正的趨勢。
表 2 地院小於量刑系統最低或大於最高刑期各年的數目
105 年 (量刑系統 103 年) 小於量刑系統最低 28 件(21.37%) N=131 大於量刑系統最高 72 件(54.96%) 106 年 (量刑系統 103 年) 小於量刑系統最低 45 件(25.57%) N=176 大於量刑系統最高 95 件(53.98%) 107 年 (量刑系統 103 年) 小於量刑系統最低 79 件(34.80%) N=227 大於量刑系統最高 104 件(45.81%) 108 年 (量刑系統 106 年) 小於量刑系統最低 101 件(30.42%) N=332 大於量刑系統最高 144 件(43.37%)
為觀察近年判決的趨勢，我們進一步將全部獲判有期徒刑的案件，依年分 (101 到 108 年) 計算平均與 5% 與 95% 的分量值，也依是否為自白或自首、一 般未遂或累犯等三類進行觀察，並繪製這些數值於 Figure 1 以進行比較。我們雖 發現平均刑期與 5%有微緩下降的趨勢；但在 105 年各類案件 (除一般未遂) 的 95% 分量值幾乎都比之前各年數值明顯縮小，106 年與 107 年又些微上升，直到 108 年新的系統值更新後又較為縮小。我們進一步縮減到地院的案件進行觀察(請 見 Figure 2)，我們可以發現平均刑期與 5% 同樣也有下降的趨勢，自白或自首 和累犯類型的案件的 95% 分量值逐年下降的趨勢比全部案件更明顯，直到 107 年才趨緩。綜合所述，顯示法官的量刑，在量刑新資料發布之際 (105 年與 108 年)，會使判刑稍作收斂，但也會因離系統的久遠而逐漸疏於參考。
17
Figure 1 全部案件刑期趨勢圖 Figure 2 地院案件刑期趨勢圖
這樣的結論也可以從判決刑期與相同態樣下的量刑系統平均刑期相減的機 率密度與箱型圖得出(請見 Figure 3 以及 Figure 4)。量刑系統在 105 年開始提供 全民參考 101-103 年的判決重要結果統計，於 Figure 3 全案件樣本下 105 年的判 決中可以看到樣本刑期與量刑系統的平均刑期值偏差有明顯的集中，再逐年放寬，
106 年收斂程度到達頂峰，到 107 年則漸漸趨緩。而在 106 年時，量刑系統開放 趨勢建議，據以建議法官應重視之量刑因子及相對應之刑度區，因此在 108 年的 判決中也能看到樣本與平均值偏差再度往中心靠攏，呈現如 106 年般明顯的收斂 效果，最為偏離的差異也較 105-107 年的數值更低而收斂。這樣的收斂效果於地 院上尤其明顯，Figure 4 中可以看到相較於全案件，地院案件不僅同樣有 106 年 到達收斂頂峰再趨緩的表現，各年往零值收斂的高峰值更高，並且趨緩收斂的效 果也較全案件而小。為求公允的比較基準，我們也把各年相同類型法官量刑與量 刑系統的參考平均的差距再除以量刑系統的參考值做為百分比的變動，結果也類 似上述發現，且分佈的確是小於 101-103 年的分佈，而有收斂的趨勢。相關圖形，
請見附錄二各圖。
104070100130160刑刑(刑)
101 102 103 104 105 106 107 108
年份 全部案件
104070100130160刑刑(刑)
101 102 103 104 105 106 107 108
年份 地院案件
18
綜上觀察，我們可以發現幾個重要的趨勢，(1) 法官量刑平均而言有些微向下修正 的趨勢，也因此並不像我們預期其平均值會收斂到一個平穩的位置，但在模型上可以用 趨勢或是趨勢項加以控制。(2) 法官量刑分佈整體而言有逐漸縮小的趨勢，特別是當 105 的毒品量刑系統開放給民眾後，以及 108 年加入新資料後。但也會因離系統推出或更新 的久遠而逐漸疏於參考。當然，至此我們只能說量刑推出後有收斂跡象，但是否成為法 官的量刑參考的一部分，仍需下列進一步分析才能加以判定。
Figure 3 樣本刑期與量刑系統平均刑期差之機率密度圖與箱型圖 (全樣本)
0.01.02.03Density
-100 0 100 200 300
刑期-量刑平均 105 年 106 年 107 年 108 年 kernel = epanechnikov, bandwidth = 6.0393
Kernel density estimate
-100 100 300
刑期-量刑平均
0 105 年 107 年
200 106 年 108 年
19
Figure 4 樣本刑期與量刑系統平均刑期差之機率密度圖與箱型圖 (地院樣本)
0.01.02.03Density
-100 0 100 200 300
刑期-量刑平均 105 年 106 年 107 年 108 年 kernel = epanechnikov, bandwidth = 6.2753
Kernel density estimate
-100 100 300
刑期-量刑平均
0 105 年 107 年
200 106 年 108 年
20
肆、量刑迴歸分析
在這個小節中我們要先判斷量刑系統的所條列的審酌因子，是否為毒品案件中法 官量刑的主要判斷。若絕大部分的因子顯著，這顯示量刑系統所提供的資訊可能 有量刑上的參考價值，也可能進一步運用到「量刑趨勢建議」在毒品案件上的模 擬。接下來，針對量刑系統，我們考量若法官以量刑系統資訊為基礎並做各審級 判決平均偏離時的線性調整 (即式 (1)) 是否有錨定效果存在，我們也將檢驗法 官量刑時是否以偏離作為調整基礎，或是只是將量刑系統資訊及各審級判決平均 作個加權平均 (即式 (2))。之後我們將再加入量刑系統審酌因子，探究除了在量 刑系統資訊及各審級判決平均之外，法官量刑時是否額外對某些審酌因子進行調 整(即式 (3))。最後，我們利用特徵迴歸，模擬「量刑趨勢建議」在毒品案件上的 應用，並以預測值取代前述量刑系統各態樣的平均，並重新將上述分析作一操作 (即式 (1) 到 式 (3))。
(甲)、量刑審酌因素
為了進一步了解司法院於量刑系統所選的審酌因素是否與實際判決的審酌 因素一致，我們利用所收集獲判有罪的案件來進行分析。Table A 即是以司法院 量刑系統的對觸犯毒品第 4 條第 2 項的建議量刑因子，以複迴歸方法驗證法官審 酌因素對所有樣本之判決刑期的重要性 (請見 M0-1)，並分別比較地方法院 (M0- 2) 和高等法院 (M0-3) 的審酌因素是否有所不同。
迴歸結果可以發現除了貪圖利益、國中學歷、以及毒品第 17 條第 2 項外，
絕大多數的審酌因素都是顯著的。在考量加重或減輕其刑的犯罪態樣中，累犯是 增加有期徒刑刑期的主要原因之一，若同時運用到刑法第 47 條以加重其刑，對 有罪者的刑期有 5.714 個月的正向效果，顯示即使當被告確認是累犯，法官仍然 會同時考量犯後態度與犯罪行為，並以刑法法條為依據斟酌刑期加重的程度。同 時若是有罪者有言詞卸責的行為，對有期徒刑刑期也有增加 5.063 個月的效果。
而降低有期徒刑刑期法官則以犯後態度為主要考量，迴歸結果可以發現，最常見 的良好犯後態度以毒品第 17 條第 2 項 (自白)、自首或自白以及有悔意為例，在 前兩者的迴歸結果可以看到，法官對自首之被告顯著大幅降低了 32 個月的有期 徒刑，但對自白採取較為嚴苛的認定，對有悔意之被告則予以更新的機會，同樣 擁有 3.676 個月的負向效果。其他含括所有情堪憫恕之行為態樣中，法官則以刑 法第 59 條為依據，對有罪者的刑期大幅降低了 20.133 個月。
另外，以行為態樣種類和行為人資訊上，有毒品販賣和運輸的案件刑期相較 於製造之案件顯著為高，表示法官更在乎對散佈毒品者的懲罰。而行為人的教育 程度對刑期考量的重要程度也十分顯著，學歷越高則越能將自己的刑期降低。只 有貪圖利益並不顯著，因在案件判決中，基於圖利之目的有製造、運輸或販賣毒
21
品行為，只是構成犯罪之要件，並非審酌刑期的考量主因。
以地院 (M0-2) 和高院 (M0-3) 的結果做比較，考量加重其刑的兩種主要犯 罪態樣，地院法官較重視言詞卸責的行為，顯著提高其刑度，高院法官則顯著較 偏重警告和懲戒有累犯之行為。在考量減輕其刑的犯後態度上，自首或自白以及 其他情堪憫恕之行為得以顯著降低刑期是地院和高院法官的共識，若是犯後懺悔，
則地院法官會顯著寬容其刑。
行為態樣種類和行為人資訊的迴歸結果在地院和高院的結果上也有區別，地 院法官較重視運輸毒品之案件，高院法官則對販賣毒品之案件更顯著提高其刑期。
而行為人學歷越高對刑期越低的效果在地院較為明顯，但在高院若是大學以上的 學歷，才顯著地大幅降低刑期。
由此可見，即便毒品類型案件類型多樣，司法院量刑系統的建議裁量因子大 部分都是法官極為重要的參考案件態樣，地方法院和高等法院的法官同樣會將這 些審酌因素納入考量，但有些因子的採計隨法院審級而有些許不同。也因此，我 們無法拒絕法官不以量刑系統為基準的可能。
Table A 量刑審酌因素
M0-1 M0-2 M0-3
Coef. Std. Coef. Std. Coef. Coef.
刑法第 47 條 -4.213** (1.443) 2.623 (1.992) -8.108** (2.654)
刑法第 59 條 -20.133*** (1.179) -21.155*** (1.114) -17.245*** (2.742)
毒品第 17 條第 2 項 -1.888 (1.217) 2.378 (1.596) -1.849 (2.171)
製造 -5.427* (2.547) -0.960 (2.930) -10.151* (4.424)
運輸 7.794** (2.391) 10.598*** (2.620) 2.743 (4.465)
販賣 5.308*** (1.412) 3.834* (1.493) 6.857* (2.673)
教育程度(以無記載或 國小以下為參考組)
國中 -0.500 (1.070) -1.402 (1.100) 0.284 (2.096)
高中 -1.729+ (0.996) -2.617* (1.023) -0.279 (1.948)
大學以上 -10.533*** (2.152) -10.215*** (2.143) -11.644** (4.425)
累犯 9.927*** (1.284) 3.079 (1.953) 13.067*** (1.917)
自首或自白 -32.000*** (1.276) -35.559*** (1.707) -30.676*** (2.078)
飾詞卸責 5.063*** (1.159) 10.509*** (1.321) 0.704 (2.016)
有悔意 -3.676*** (0.985) -3.959*** (0.992) -3.166 (1.983)
貪圖利益 0.705 (1.734) 0.583 (1.982) 1.906 (3.066)
Constant 86.987*** (3.025) 88.180*** (2.991) 81.877*** (3.971)
固定效果
