本文關(guān)鍵詞：服刑人員刑滿釋放前重新犯罪風(fēng)險預(yù)測研究，由筆耕文化傳播整理發(fā)布。

服刑人員刑滿釋放前重新犯罪風(fēng)險預(yù)測研究

來源：未知 2012-02-02 10:04 【 三人行司法考試培訓(xùn)網(wǎng) 】

通過對浙江省不同類型監(jiān)獄1238個隨機(jī)押犯樣本的科學(xué)調(diào)查與統(tǒng)計分析，本研究合理提取了測量罪犯出監(jiān)前重新犯罪風(fēng)險11項預(yù)測因子，首次創(chuàng)建了罪犯出監(jiān)前重新犯罪風(fēng)險預(yù)測量表（RRPI）。量表可靠性較高，數(shù)據(jù)擬合度較好。量表總體正確判斷比率達(dá)86.3％，對未重新犯罪觀察對象的正確判斷比率為92.9％，對重新犯罪觀察對象的正確判斷比率為67.2％。監(jiān)獄行政機(jī)關(guān)可參照相關(guān)預(yù)測因子科學(xué)評估監(jiān)獄對罪犯的教育改造質(zhì)量；司法行政機(jī)關(guān)可參照預(yù)測結(jié)果科學(xué)管理社會中的重新犯罪風(fēng)險。
【關(guān)鍵詞】重新犯罪；風(fēng)險；預(yù)測因子；預(yù)測量表
【寫作年份】2011年


【正文】

　　基于降低刑釋人員重新違法犯罪率之目的，本研究對浙江省不同類型監(jiān)獄1238個隨機(jī)在押犯樣本進(jìn)行了調(diào)查與統(tǒng)計分析。本研究基本采用問卷調(diào)查方式，分初犯組（未暴露組）與再犯組（暴露組）兩組進(jìn)行調(diào)查。調(diào)查結(jié)束后，我們首先采用多因素方差分析與二元Logistic回歸分析對隨機(jī)押犯樣本進(jìn)行了統(tǒng)計分析；其次，根據(jù)檢驗結(jié)果，按照P值小于0.05標(biāo)準(zhǔn)從年齡、本次服刑境遇、早年家庭依附、早年學(xué)校依附、生平遭遇、早年不良交往、反社會行為和反社會人格等8個測量模型中合理提取了測量罪犯出監(jiān)前重新犯罪風(fēng)險15項預(yù)測因子；再次，采用偏相關(guān)分析，從15項預(yù)測因子中剔除4項假相關(guān)因素，保留其余11項預(yù)測因子；最后，以11項預(yù)測因子作為自變量，“是否再犯”作為因變量創(chuàng)建罪犯出監(jiān)前重新犯罪風(fēng)險預(yù)測模型，建立罪犯出監(jiān)前重新犯罪風(fēng)險預(yù)測量表（RRPI）

　　一、研究目的

　　本研究目的在于降低刑滿釋放人員重新違法犯罪率。那么，應(yīng)該采用什么樣的方式才能促成降低刑釋人員重新違法犯罪率目的之達(dá)成呢？2008年6月中央提出的“首要標(biāo)準(zhǔn)”將“確保監(jiān)獄改造工作取得實效”作為促成降低刑釋人員重新違法犯罪率目的達(dá)成之重要途徑。我們認(rèn)為，除此之外，還需司法行政機(jī)關(guān)科學(xué)管理社會中的重新犯罪風(fēng)險。毋庸諱言，刑釋人員的重新違法犯罪問題既同監(jiān)獄改造質(zhì)量相關(guān)，又與司法行政機(jī)關(guān)科學(xué)管理社會中的重新犯罪風(fēng)險工作相關(guān)。

　　基于降低刑釋人員重新違法犯罪率之目的，本研究在科學(xué)調(diào)查與統(tǒng)計分析基礎(chǔ)上著力回答了重新犯罪風(fēng)險究竟與哪些因素存在顯著性關(guān)聯(lián)這一問題，從而為監(jiān)獄改造工作與司法行政機(jī)關(guān)安置幫教工作提供了一個可供參考的實踐依據(jù)。更為重要的是，本研究還為監(jiān)獄改造工作與司法行政機(jī)關(guān)管理重新犯罪風(fēng)險工作提供了一個可供科學(xué)測量的質(zhì)量評估標(biāo)準(zhǔn)。

　　二、研究步驟

　　為科學(xué)預(yù)測罪犯出監(jiān)前重新犯罪風(fēng)險，我們先從逐級年齡生平境遇犯罪理論視角制作預(yù)測罪犯出監(jiān)前重新犯罪風(fēng)險個案訪談提綱與調(diào)查問卷；[1]再對浙江省不同類別監(jiān)獄在押罪犯進(jìn)行隨機(jī)抽樣調(diào)查；之后，采用多因素方差分析與二元Logistic回歸分析從8個測量模型中合理提取顯著性水平小于0.05的相關(guān)因素作為預(yù)測因子；最后，將提取的預(yù)測因子作為自變量，“是否再犯”作為因變量創(chuàng)建罪犯出監(jiān)前重新犯罪風(fēng)險預(yù)測模型，建立罪犯出監(jiān)前重新犯罪風(fēng)險預(yù)測量表（RRPI）。

　　首先，從逐級年齡生平境遇犯罪理論視角制作預(yù)測罪犯出監(jiān)前重新犯罪風(fēng)險個案訪談提綱和調(diào)查問卷。2009年7月至10月我們根據(jù)個案訪談和調(diào)查問卷內(nèi)容先后對浙江省第一監(jiān)獄、第六監(jiān)獄、喬司監(jiān)獄在押罪犯進(jìn)行了初步調(diào)查；其中，個案訪談100余人次，問卷調(diào)查550人次。通過對上述個案訪談記錄和調(diào)查問卷的分析與歸納，我們對個案訪談提綱及調(diào)查問卷部分內(nèi)容進(jìn)行了修改與完善，繼而制定出更為合理的調(diào)查問卷。該調(diào)查問卷共計143道題，具體包括年齡、本次服刑境遇、早年家庭依附、早年學(xué)校依附、生平遭遇、早年不良交往、反社會行為和反社會人格等8個測量模型所涵蓋的各項測量指標(biāo)。

　　其次，對不同類別監(jiān)獄在押罪犯進(jìn)行隨機(jī)抽樣調(diào)查。2009年11月至2010年2月我們對浙江省第二監(jiān)獄、第四監(jiān)獄、第六監(jiān)獄、喬司監(jiān)獄和女子監(jiān)獄在押罪犯分別進(jìn)行了隨機(jī)抽樣。隨機(jī)取樣的基本方式是采用Excel格式rand (亂碼）程序?qū)⒈O(jiān)獄內(nèi)所有在押罪犯電子檔案打亂，然后按照5％的比例任意抽取。按照以上方式，我們共計抽取來自于前述不同監(jiān)獄在押罪犯隨機(jī)樣本1395個；其中，女犯隨機(jī)樣本65個。2009年11月至2010年2月我們對來自于上述不同監(jiān)獄的隨機(jī)樣本進(jìn)行調(diào)查。調(diào)查分組進(jìn)行，一組為本次犯罪為第一次犯罪的初犯組（未暴露組），另一組為本次犯罪為二次或二次以上犯罪的再犯組（暴露組）。根據(jù)抽樣結(jié)果，初犯組樣本數(shù)比例為樣本總量的73.59％，再犯組為26.41％。進(jìn)行調(diào)查前，我們請專業(yè)人員將調(diào)查目的、調(diào)查問卷答題說明、調(diào)查問卷題目等制成錄音，錄音時長大約50分鐘。調(diào)查過程中，我們播放錄音，被調(diào)查對象可根據(jù)錄音做題；同時，我們還親臨調(diào)查現(xiàn)場，指導(dǎo)被調(diào)查對象答題。調(diào)查結(jié)束后，我們還給被調(diào)查對象發(fā)放了紀(jì)念品。

　　再次，對回收的樣本進(jìn)行統(tǒng)計與分析。每次調(diào)查結(jié)束后，我們均將所有回收樣本的全部信息輸入SPSS17. 0統(tǒng)計軟件。待所有調(diào)查全部結(jié)束后，我們對數(shù)據(jù)進(jìn)行了初步清理。經(jīng)初步清理，回收調(diào)查問卷1310份，有效問卷1238份；其中，女犯有效問卷60份。數(shù)據(jù)清理完成后，我們采用多因素方差分析與Logis-tic回歸分析對1238個隨機(jī)押犯樣本進(jìn)了統(tǒng)計與分析。根據(jù)多因素方差分析與二元Logistic回歸分析檢驗結(jié)果，按照P值小于0.05標(biāo)準(zhǔn)從8個測量模型中分別提取相關(guān)預(yù)測因子。

　　最后，將所提取的相關(guān)預(yù)測因子作為自變量，“是否再犯”作為因變量建立罪犯出監(jiān)前重新犯罪風(fēng)險二元Logistic回歸模型；根據(jù)回歸模型結(jié)果，創(chuàng)建罪犯出監(jiān)重新犯罪風(fēng)險預(yù)測量表（RRPI）。

　　三、研究方法

　　本研究基本采用了社會實證主義、分析歸納和數(shù)理統(tǒng)計諸方法漸次展開對罪犯出監(jiān)前重新犯罪風(fēng)險預(yù)測研究。 通過對獄內(nèi)初犯與再犯狀況的科學(xué)調(diào)查，本研究從逐級年齡生平境遇犯罪理論視角首次創(chuàng)建了罪犯出監(jiān)前重新犯罪風(fēng)險預(yù)測量表。事實上，犯罪學(xué)領(lǐng)域中科學(xué)調(diào)查的早期模態(tài)始于格魯克夫婦于20世紀(jì)初對波士頓少年法庭所判決1000名少年罪犯的研究。犯罪學(xué)家一般認(rèn)為，犯罪學(xué)領(lǐng)域中的科學(xué)調(diào)查就是將社會科學(xué)知識貢獻(xiàn)于犯罪行為與社會政策領(lǐng)域中的研究。“[2]犯罪調(diào)查的目的就是確保成功地發(fā)現(xiàn)社會中的犯罪規(guī)律，就此而論，社會實證主義反對將觀念用于現(xiàn)象的解釋。[3]循著社會實證主義路徑，本研究在反復(fù)調(diào)查與科學(xué)實驗基礎(chǔ)上從個體年齡、本次服刑境遇、早年家庭依附、早年學(xué)習(xí)依附、生平遭遇、早年不良交往反社會行為和反社會人格等八個方面提出測量罪犯出監(jiān)前重新犯罪風(fēng)險的相應(yīng)假設(shè)。

　　本研究從經(jīng)驗層面基本采用了分析歸納的方法檢驗了假設(shè)是否成立。犯罪學(xué)研究領(lǐng)域中較早運用分析歸納法（Analytic Induction）檢驗假設(shè)是否成立者當(dāng)推埃德溫·薩瑟蘭的學(xué)生阿爾夫雷德·林德斯密斯（Al-fred Lindesmith）。按照林德斯密斯的觀點，假設(shè)應(yīng)該適合于所界定領(lǐng)域中的每一個個案。具體地說，提出假設(shè)，然后將之適用于一個個案。如果假設(shè)同個案事實不符，則修改假設(shè)，或重新界定適用領(lǐng)域，然后再次適用。如此反復(fù)適用，直至得出一個與每一個案事實相符的假設(shè)。[4]薩瑟蘭將這種科學(xué)調(diào)查的新方法適用于不同種類的犯罪事實，從而最終得出極具理論概括的”不同交往理論“。本研究首先從經(jīng)驗層面基本采用分析歸納的方法檢驗了所提出的相應(yīng)假設(shè)；然后，對那些不適用于個案的相應(yīng)假設(shè)進(jìn)行修改，直至假設(shè)適用于具體的個案；最后，根據(jù)修正后的相應(yīng)假設(shè)制成調(diào)查問卷。

　　本研究基本采用數(shù)理統(tǒng)計方法來構(gòu)筑罪犯出監(jiān)重新犯罪風(fēng)險預(yù)測模型，建立罪犯出監(jiān)前重新犯罪預(yù)測量表。首先，我們采用多因素方差分析與二元Logistic回歸分析方法，按照顯著性水平小于0.05標(biāo)準(zhǔn)從8個測量模型中分別提取預(yù)測罪犯出監(jiān)前重新犯罪風(fēng)險預(yù)測因子；其次，采用偏相關(guān)分析，剔除假相關(guān)變量；再次，采用二元Logistic回歸分析法建立罪犯出監(jiān)前重新犯罪風(fēng)險預(yù)測模型，制成罪犯出監(jiān)前重新犯罪風(fēng)險預(yù)測量表；最后，采用交叉列表分析方法對預(yù)測結(jié)果的正確率進(jìn)行了檢驗。

　　四、研究結(jié)果

　　調(diào)查問卷中我們預(yù)設(shè)了年齡、本次服刑境遇、早年家庭依附、早年學(xué)校依附、生平遭遇、早年不良交往、反社會行為、反社會人格等8個測量模型。為科學(xué)檢測罪犯出監(jiān)前重新犯罪風(fēng)險究竟與哪些因素存在顯著性關(guān)聯(lián)，我們首先采用多因素方差分析方法對調(diào)查問卷所涵蓋的8個測量模型進(jìn)行了統(tǒng)計分析，并從不同測量模型中分別提取P值小于0.05相關(guān)因素作為預(yù)測因子；其次，我們還采用二元Logistic回歸分析方法對所用模型進(jìn)行了檢驗，以檢測檢驗結(jié)果是否一致；最后，對兩種不同方法得出的檢驗結(jié)果進(jìn)行比較，取其結(jié)論相同的相關(guān)因素作為測量罪犯出監(jiān)前重新犯罪風(fēng)險的預(yù)測因子。茲就多因素方差分析與二元Logistic回歸分析結(jié)果分述如下。

　　（一）年齡與重新犯罪風(fēng)險

　　年齡測量模型涵蓋年齡、刑期等2項測量指標(biāo)。就年齡之于重新犯罪風(fēng)險影響而言，我們主要考察了個體第一次犯罪逮捕年齡和第一次犯罪出監(jiān)時年齡等2項因素；在刑期對重新犯罪影響方面，我們主要考察了個體第一次犯罪實際執(zhí)行刑期等1項因素。根據(jù)年齡因素方差分析模型（Corrected Model）檢驗結(jié)果（F＝13.值＝0．000），各控制變量（自變量）和他們的交互作用對觀測變量（因變量）產(chǎn)生顯著性影響，說明所用模型具有統(tǒng)計學(xué)意義。根據(jù)年齡因素方差分析表，自變量”第一次犯罪出監(jiān)年齡“(P值＝0.001)、”第一次犯罪實際執(zhí)行刑期“（P值＝0.00）等2項因素對因變量”是否再犯“具有顯著性影響；自變量”第一次犯罪逮捕年齡“（P值＝0. 188）對因變量不具有顯著性影響。

　　為確保年齡因素方差分析模型檢驗結(jié)果的可靠性，我們采用二元Logistic回歸分析方法對年齡測量模型進(jìn)行了檢測。經(jīng)檢測，年齡測量模型Cronbach' s a系數(shù)為0.774，說明所用模型信度較好；Nagelkerke R2為0.847，說明所用模型的擬合優(yōu)度極佳。根據(jù)年齡測量模型檢測結(jié)果，控制變量（自變量）”第一次犯罪逮捕年齡“(P值＝0. 000) 、”第一次犯罪出監(jiān)時年齡“(P值＝0. 000) 、”第一次犯罪實際執(zhí)行刑期“(P值＝0.000)等3項因素對因變量”是否再犯“均具有顯著性影響，但自變量”第一次犯罪逮捕年齡“對因變量”是否再犯“影響力極小，其系數(shù)僅為-0.07。比較以上兩種不同方法，其相同結(jié)論為自變量”第一次犯罪出監(jiān)時年齡“、”第一次犯罪實際執(zhí)行刑期“2項因素對因變量”是否再犯“具有顯著性影響�？紤]到二元Logistic回歸模型中自變量”第一次犯罪逮捕年齡“對預(yù)測個體是否重新犯罪貢獻(xiàn)率較低，同時出于”取其相同檢驗結(jié)果原則“之考量，我們僅取”第一次犯罪出監(jiān)時年齡“、”第一次犯罪實際執(zhí)行刑期“等2項因素作為測量罪犯出監(jiān)前重新犯罪風(fēng)險的預(yù)測因子。

　　（二）本次服刑境遇與重新犯罪風(fēng)險

　　本次服刑境遇測量模型涵蓋個體本次服刑中獄內(nèi)行政獎勵、行政處罰、技能培訓(xùn)、同社會成員交往等4項測量指標(biāo)。行政獎勵測量指標(biāo)主要考察個體獄內(nèi)行政獎勵和綜合考核加分情況；行政處罰測量指標(biāo)主要考察個體獄內(nèi)行政處罰和綜合考核扣分情況；技能培訓(xùn)測量指標(biāo)主要考察個體獄內(nèi)獲得技術(shù)等級證書情況；同社會成員交往測量指標(biāo)主要考察個體獄內(nèi)通信、會見和收到匯款包裹情況。根據(jù)本次服刑境遇因素方差分析模型（Corrected Model）檢驗結(jié)果（F＝2.107,P值＝0.004），所用模型具有統(tǒng)計學(xué)意義。根據(jù)本次服刑境遇因素方差分析表，自變量”獄內(nèi)會見情況“（P值＝0.009）等1項因素對因變量”是否再犯“具有顯著性影響；其余各項因素P值均大于0.05，對因變量不具有顯著性影響。

　　本次服刑境遇測量模型二元Logistic回歸分析檢驗結(jié)果為：Cronbach' s a系數(shù)為0.743，說明所用模型信度較好；Nagelkerke R2為0.039，說明所用模型擬合優(yōu)度極差。根據(jù)二元Logistic回歸分析檢驗結(jié)果，自變量”獄內(nèi)扣分情況“(P值＝0.026),”獄內(nèi)會見情況“(P值＝0.003)等2項因素對因變量”是否再犯“具有顯著性影響；其余各項P值均大于0.05，對因變量不具顯著性影響。比較前述兩種不同方法之檢驗結(jié)果，我們僅取”獄內(nèi)會見情況“等1項因素作為測量罪犯出監(jiān)前重新犯罪風(fēng)險的預(yù)測因子。

　�。ㄈ┰缒昙彝ヒ栏脚c重新犯罪風(fēng)險

　　早年家庭依附測量模型涵蓋父母對孩子的看護(hù)、孩子對父母的信賴等2項測量指標(biāo)。根據(jù)早年家庭依附因素方差分析模型（Corrected Model）檢驗結(jié)果（F ＝5.675,P值＝0.000），所用模型具有統(tǒng)計學(xué)意義。根據(jù)早年家庭依附因素方差分析表，自變量”父母是否了解孩子在外行蹤“等1項因素對因變量”是否再犯“（P值＝0.000）具有顯著性影響；其余各項對因變量不具有顯著性影響。

　　早年家庭依附測量模型二元Logistic回歸分析檢驗結(jié)果為：Cronbach'sa系數(shù)為0.732，說明所用模型信度較好；Nagelkerke R2為0.117，說明所用模型擬合優(yōu)度較差。根據(jù)早年家庭依附測量模型二元Logistic回歸分析檢驗結(jié)果，自變量”父母是否了解孩子在外行蹤“（P值＝0.000）對因變量”是否再犯“具有顯著性影響；其余各項對因變量不具有顯著性影響，此結(jié)論與前述多因素方差分析檢驗結(jié)果一致。

　　（四）早年學(xué)校依附與重新犯罪風(fēng)險

　　早年學(xué)校依附測量模型涵蓋依戀學(xué)習(xí)、學(xué)校拒斥等2項測量指標(biāo)。依戀學(xué)習(xí)測量指標(biāo)主要考量了個體早年學(xué)習(xí)成績等1項因素；學(xué)校拒斥測量指標(biāo)主要考量老師給孩子貼上”不守規(guī)矩“、”常惹麻煩“標(biāo)簽等2項因素。根據(jù)早年學(xué)校依附因素方差分析模型（Corrected Model）檢驗結(jié)果（F＝1.909,P值＝0.004），所用模型具有統(tǒng)計學(xué)意義。根據(jù)早年學(xué)校依附因素方差分析表，自變量”學(xué)習(xí)成績“(P值＝0.006)、”老師給孩子貼上‘常惹麻煩’“標(biāo)簽（P值＝0.007）等2項因素對因變量”是否再犯“具有顯著性影響；自變量”老師給孩子貼上‘不守規(guī)矩’標(biāo)簽“對因變量不具有顯著性影響。

　　早年學(xué)校依附測量模型二元Logistic回歸分析檢驗結(jié)果為：Cronbach' s a系數(shù)為0.679，說明所用模型信度最小可以接受；Nagelkerke R2為0.029，說明所用模型擬合優(yōu)度極差。根據(jù)早年學(xué)校依附測量模型二元Logistic回歸分析檢驗結(jié)果，自變量”老師給孩子貼上‘常惹麻煩’標(biāo)簽“（P值＝0.000）對因變量”是否再犯“具有顯著性影響；其余各項對因變量不具有顯著性影響。比較前述兩種不同方法之檢驗結(jié)果，我們僅取”老師給孩子貼上‘常惹麻煩’標(biāo)簽“等1項因素作為測量罪犯出監(jiān)前重新犯罪風(fēng)險的預(yù)測因子。

　�。ㄎ澹┥皆庥雠c重新犯罪風(fēng)險

　　生平遭遇測量模型涵蓋早年家庭不幸事件（14周歲前）、成年早期家庭不幸事件（本次犯罪逮捕前2年）、成年家庭不幸事件（本次服刑出監(jiān)前）、父母拒斥、低劣的家庭教育、低劣的文化程度、低劣的就業(yè)、不幸的婚姻等8項測量指標(biāo)。由于自變量”捕前職業(yè)“、”捕前婚姻“為無序名義變量，因此，我們首先按照統(tǒng)計學(xué)一般原理對其進(jìn)行了重新編碼，然后采用多因素方差分析方法檢測其與重新犯罪風(fēng)險的關(guān)系。

　　根據(jù)生平遭遇（有序變量）因素方差分析模型（Corrected Model）檢驗結(jié)果（F＝2.663,P值＝0.000），所用模型具有統(tǒng)計學(xué)意義。自變量”成年早期家庭不幸事件“(P值＝0.007)、”成年家庭不幸事件“(P值＝0.002)、”低劣的文化程度“(P值＝0.001)等3項因素對因變量”是否再犯“具有顯著性影響；其余自變量對因變量不具有顯著性影響。根據(jù)生平遭遇（無序變量一捕前職業(yè)）因素方差分析模型檢測結(jié)果（F ＝4.678,P值＝0.000），自變量是否失業(yè)（P值＝0.014）、是否是個體工商戶（P值＝0.029）對因變量”是否再犯“具有顯著性影響；其余各項對因變量不具有影響。根據(jù)生平遭遇（無序變量一捕前婚姻）因素方差分析模型檢測結(jié)果（F＝2.324,P值＝0.098），所用模型不具有統(tǒng)計學(xué)意義。

　　生平遭遇（有序變量）測量模型二元Logistic回歸分析檢驗結(jié)果為：Cronbach' s a系數(shù)為0.681，說明所用模型信度最小可以接受；Nagelkerke R2為0.07，說明所用模型擬合優(yōu)度極差。根據(jù)檢驗結(jié)果，自變量”成年家庭不幸事件（P值＝0.001）“、”父母給孩子貼上‘壞孩子’標(biāo)簽“（P值＝0.043）、”父母很少贊賞孩子（P道＝0.01）“、”捕前文化“（P值＝0.000）等4項因素對因變量”是否再犯“具有顯著性影響；其余各自變量對因變量不具有顯著性影響。生平遭遇（無序變量—捕前職業(yè)）二元Logistic回歸分析結(jié)果表明，自變量”捕前職業(yè)“對因變量不具有顯著性影響。生平遭遇（無序變量一捕前婚姻）二元Logistic回歸分析結(jié)果表明，自變量”捕前婚姻“對因變量不具有顯著性影響。比較前述兩種不同方法，根據(jù)取其相同檢驗結(jié)果原則，我們僅取”成年家庭不幸事件“（本次服刑出監(jiān)前）、”捕前文化“（本次犯罪逮捕前）等2項因素作為測量罪犯出監(jiān)前重新犯罪風(fēng)險的預(yù)測因子。

　　（六）早年不良交往與重新犯罪風(fēng)險

　　早年不良交往測量模型涵蓋同輩伙伴贊同違法模式、顯明發(fā)展道路模式、隱秘發(fā)展道路模式、威權(quán)沖突笪路模式等4項測量指標(biāo)，其所考量的內(nèi)容包括個體早年同輩伙伴贊同攻擊、贊同銷贓、主動攻擊、偷竊、文身、離家出走等。根據(jù)早年不良交往因素方差分析模型（Corrected Model）檢驗結(jié)果（F＝1.287,P值＝0.004），所用模型具有統(tǒng)計學(xué)意義。根據(jù)早年不良交往因素方差分析表，自變量”伙伴偷竊“（P值＝0.034）等1項因素對因變量”是否再犯“具有顯著性影響；其余各項對因變量不具有顯著性影響。

　　早年不良交往測量模型二元Logistic回歸分析結(jié)果為：Cronbach' s a系數(shù)為0.723，，說明所用模型信度較好；Nagelkerke R2為0.039，說明所用模型擬合優(yōu)度極差。根據(jù)檢驗結(jié)果，自變量”贊同銷贓“（P值＝0.004）、”伙伴偷竊“（P值＝0.02）等2項因素對因變量”是否再犯“具有顯著性影響；其余各項對因變量不具有顯著性影響。比較以上兩種方法，根據(jù)取其相同檢驗結(jié)果原則，我們僅取”伙伴偷竊“等1項因素作為測量罪犯出監(jiān)重新犯罪風(fēng)險的預(yù)測因子。

　�。ㄆ撸┓瓷鐣袨榕c重新犯罪風(fēng)險

　　反社會行為測量模型涵蓋個體早年顯明發(fā)展道路模式、隱秘發(fā)展道路模式、威權(quán)沖突道路模式、成年早期違法行為模式、成年早期犯罪行為模式、獄內(nèi)違紀(jì)違規(guī)行為模式等6項測量指標(biāo)。由于自變量”第一次犯罪類型“為無序名義變量，我們首先按照統(tǒng)計學(xué)一般原理對其進(jìn)行了重新編碼，然后采用多因素方差分析方法檢測其與重新犯罪風(fēng)險的關(guān)系。

　　根據(jù)反社會行為（有序變量）因素方差分析模型（Corrected Model）檢驗結(jié)果（F ＝3.416,P ＝0.000），所用模型具有統(tǒng)計學(xué)意義。根據(jù)反社會行為因素方差分析表，”偷竊“ (p值＝0.004)、”吸毒“(P值＝0.012)、”離家出走“(P值＝0.000)、行政處罰”(P值＝0.000)等4項因素對因變量“是否再犯”具有顯著性影響；其余各項對因變量不具有顯著性影響。根據(jù)反社會行為（無序變量一第一次犯罪類型）因素方差分析結(jié)果（F＝18.134,P值＝0.000），自變量“是否故意殺人”(P值＝0.000)、“是否故意傷害”(P值＝0.001)、“是否搶劫”(P值＝0.001)、“是否綁架”(P值＝0.028)、“是否盜竊”(P值＝0.000)、“是否販賣、運輸、制造毒品”(P值＝0.001)、“是否貪污或受賄”(P值＝0.019)等7項因素對因變量“是否再犯”具有顯著性影響；其余各項對因變量不具有顯著性影響。

　　反社會行為（有序變量）測量模型二元Logistic回歸分析結(jié)果為：Cronbach' s a系數(shù)為0. 806，說明所用模型信度極好；Nagelkerke R2為0.09，說明所用模型擬合優(yōu)度極差。根據(jù)反社會行為（有序變量）測量模型二元Logistic回歸分析檢驗結(jié)果，自變量“偷竊”(P＝0.018)、“離家出走”(P值＝0.000)、“行政處罰”(P值＝0.000)等3項因素對因變量“是否再犯”具有顯著性影響；其余各項對因變量不具有顯著性影響。根據(jù)反社會行為（無序變量一第一次犯罪類型）二元Logistic回歸分析結(jié)果，自變量“是否故意殺人”(P值＝0.000)、“是否故意傷害”(P值＝0.001)、“是否搶劫”(P值＝0.001)、“是否盜竊”(P值＝0.000)、“是否販賣、運輸、制造毒品”(P值＝0.001)、“是否貪污或受賄”(P值＝0.043)等6項因素對因變量“是否再犯”具有顯著性影響；其余各項對因變量不具有顯著性影響。比較以上兩種方法，根據(jù)取其相同檢驗結(jié)果原則，我們僅取“偷竊”、“離家出走”、“行政處罰”、“成年早期犯罪行為模式”（“是否故意殺人”、“是否故意傷害”、“是否搶劫”、“是否盜竊”、“是否販賣、運輸、制造毒品”、“是否貪污或受賄”）等4項因素作為測量罪犯出監(jiān)重新犯罪風(fēng)險的預(yù)測因子。

　　（八）反社會人格與重新犯罪風(fēng)險

　　反社會人格測量模型涵蓋否定責(zé)任、情感冷漠、攻擊傾向、社會迷亂等4項測量指標(biāo)。根據(jù)反社會人格因素方差分析模型（Corrected Model）檢驗結(jié)果（F ＝5.292,P＝0.000），所用模型具有統(tǒng)計學(xué)意義。根據(jù)反社會人格因素方差分析表，自變量“對自身遭遇的態(tài)度”(P值＝0.046)、“對自己犯罪行為的態(tài)度”(P值＝0.000)、“手段迷亂”(P值＝0.034)等3項因素對因變量“是否再犯”具有顯著性影響；其余各項對因變量不具有顯著性影響。

　　反社會人格測量模型二元Logistic回歸分析結(jié)果為：Cronbach' s a系數(shù)為0.755，說明所用模型信度較好；Nagelkerke R2為0.09，說明所用模型擬合優(yōu)度極差。根據(jù)檢驗結(jié)果，自變量“對自身遭遇的態(tài)度”(P值＝0.034)、“對自己犯罪行為的態(tài)度”(P值＝0.001)、“手段迷亂”(P值＝0.017)等3項因素對因變量“是否再犯”具有顯著性影響；其余各項對因變量“是否再犯”不具有顯著性影響。比較以上兩種方法，其檢驗結(jié)果完全一致。

　　綜合上述，本研究通過多因素方差分析與二元Logistic回歸分析兩種不同方法共提取了年齡；刑期；本次服刑中同社會成員交往；父母對孩子的看護(hù)、學(xué)校拒斥；成年家庭不幸事件；低劣的文化程度、同輩伙伴隱秘發(fā)展道路模式；早年隱秘發(fā)展道路模式、早年威權(quán)沖突道路模式；成年早期違法行為模式；成年早期犯罪行為模式；否定責(zé)任、情感冷漠；社會迷亂等11項因素作為測量罪犯出監(jiān)前重新犯罪風(fēng)險的預(yù)測因子。

　　五、預(yù)測量表（RRPI）的制成

　　罪犯出監(jiān)前重新犯罪風(fēng)險預(yù)測量表制成的依據(jù)是二元Logistic回歸方程結(jié)果。為確�；貧w方程結(jié)果的可靠性，我們首先對上述15項預(yù)測因子與因變量之間的相關(guān)性進(jìn)行了偏相關(guān)檢驗，從回歸模型中剔除存在偏相關(guān)的預(yù)測因子；其次，將剩余的預(yù)測因子作為自變量，“是否再犯”作為因變量建立二元Logistic回歸方程；再次，根據(jù)回歸結(jié)果制成罪犯出監(jiān)前重新犯罪風(fēng)險預(yù)測表（RRPI）；最后，根據(jù)預(yù)測量表所計算出的概率值對預(yù)測結(jié)果進(jìn)行了檢驗。

　　（一）偏相關(guān)檢驗

　　在建立回歸方程前，我們選擇自變量“第一次犯罪實際執(zhí)行刑期”作為控制變量，對上述15項預(yù)測因子與因變量“是否再犯”的相關(guān)關(guān)系進(jìn)行了偏相關(guān)分析，以檢驗其與因變量是否存在真正的相關(guān)性。經(jīng)檢驗，自變量“早年學(xué)校拒斥強(qiáng)度”、“同輩伙伴隱秘發(fā)展道路模式”、“早年威權(quán)沖突道路模式”、“對自己犯罪行為的態(tài)度”等4項因素與因變量“是否再犯”存在偏相關(guān)，其偏相關(guān)系數(shù)分別為：0.099,0.074,0. 120,0. 095。由于其值幾乎為0，說明上述4項預(yù)測因子與因變量存在偏相關(guān)關(guān)系，亦即它們與因變量不存在真正的相關(guān)關(guān)系。據(jù)此，我們將上述4項因子從預(yù)測模型中予以剔除，僅保留剩余的11項因素作為測量罪犯出監(jiān)前重新犯罪風(fēng)險的預(yù)測因子。

　　（二）預(yù)測量表的制成

　　我們將11項預(yù)測因子作為自變量，“是否再犯”作為因變量建立罪犯出監(jiān)前重新犯罪風(fēng)險二元Logistic回歸模型，根據(jù)回歸結(jié)果制作預(yù)測量表。根據(jù)多因素方差分析檢驗結(jié)果，F(xiàn)值＝30.759，明顯大于1，說明量表具有相當(dāng)可靠性；P值＝0.000，說明各控制變量對因變量“是否再犯”具有顯著性影響。根據(jù)二元Logistic回歸分析檢驗結(jié)果，Nagelkerke R2為0.606，說明量表擬合優(yōu)度較好；Hosmer-Lemeshow檢驗值為0.168,明顯大于0.05，說明數(shù)據(jù)擬合度較佳。據(jù)此，罪犯出監(jiān)前重新犯罪風(fēng)險預(yù)測量表具有相當(dāng)可靠性，茲就檢驗結(jié)論分述如下：

　　1．第一次犯罪出監(jiān)時年齡與重新犯罪風(fēng)險負(fù)相關(guān)。第一次犯罪出監(jiān)年齡系數(shù)為-0.842，說明個體出監(jiān)時年齡越大，則其重新犯罪風(fēng)險越低；反之，亦然。第一次犯罪出監(jiān)年齡比數(shù)比exp（-0.842）（OR值）為0.431，說明在排除其他因子影響情況下個體出監(jiān)時年齡每增加單位1，則其重新犯罪風(fēng)險將相應(yīng)減少56.9％2．第一次犯罪實際執(zhí)行刑期與重新犯罪風(fēng)險負(fù)相關(guān)。第一次犯罪實際執(zhí)行刑期系數(shù)為-0.917，說明個體實際執(zhí)行的刑期越長，則其重新犯罪風(fēng)險越低；反之，亦然。第一次犯罪實際執(zhí)行刑期比數(shù)比exp（-0.917）為0.401，說明在排除其他因子影響情況下個體第一次犯罪實際執(zhí)行刑期每增加單位1，則其重新犯罪風(fēng)險將相應(yīng)減少59.9％。3．本次服刑中會見強(qiáng)度與重新犯罪風(fēng)險負(fù)相關(guān)。本次服刑中會見強(qiáng)度系數(shù)為-0.04，說明會見強(qiáng)度越高，則其重新犯罪風(fēng)險越低；反之，亦然。會見強(qiáng)度比數(shù)比exp （-0.04）為0.961，說明個體本次服刑中會見強(qiáng)度每增加單位1，則其重新犯罪風(fēng)險將相應(yīng)減少3.9％。4．早年家庭看護(hù)強(qiáng)度與重新犯罪風(fēng)險負(fù)相關(guān)。早年家庭看護(hù)強(qiáng)度系數(shù)為-0.779，說明個體早年家庭看護(hù)強(qiáng)度越強(qiáng)，則其重新犯罪風(fēng)險越低；反之，亦然。早年家庭看護(hù)強(qiáng)度比數(shù)比exp（-0.779）為0.459，說明在排除其他因子影響情況下個體早年家庭看護(hù)強(qiáng)度每增加單位1，則其重新犯罪風(fēng)險將相應(yīng)減少54.1％。5．成年家庭不幸事件與重新犯罪風(fēng)險正相關(guān)。成年家庭不幸事件系數(shù)為0.989，說明個體成年遭遇家庭不幸事件越多，則其重新犯罪風(fēng)險越高；反之，亦然。成年家庭不幸事件比數(shù)比exp（0.989）為2.689，說明在排除其他因子影響情況下個體成年時期遭遇家庭不幸事件每增加單位1，則其重新犯罪風(fēng)險將相應(yīng)增加168.9％。6．本次捕前文化程度與重新犯罪風(fēng)險負(fù)相關(guān)。本次捕前文化程度系數(shù)為-0.072，說明個體捕前文化程度越高，則其重新犯罪風(fēng)險越低；反之，亦然。本次捕前文化程度比數(shù)比exp（-0.072）為0.931，說明在排除其他因子影響情況下個體捕前文化程度每增加單位1，則其重新犯罪風(fēng)險將減少6.9％。7．早年隱秘發(fā)展道路模式與重新犯罪風(fēng)險正相關(guān)。早年隱秘發(fā)展道路模式系數(shù)為0.037，說明個體早年隱秘發(fā)展道路模式越強(qiáng)，則其重新犯罪風(fēng)險越高；反之，亦然。早年隱秘發(fā)展道路模式比數(shù)比exp（0.037）為1.037，說明在排除其他因子影響情況下個體早年隱秘發(fā)展道路模式強(qiáng)度每增加單位1，則其重新犯罪風(fēng)險將相應(yīng)增加3.7％。8．成年早期違法行為模式與重新犯罪風(fēng)險正相關(guān)。成年早期違法行為模式系數(shù)為0.463，說明個體成年早期違法行為模式越強(qiáng)，則其重新犯罪風(fēng)險越高；反之，亦然。成年早期違法行為模式比數(shù)比exp（0.463）為1.588，說明在排除其他因子影響情況下個體成年早期違法行為模式發(fā)展強(qiáng)度每增加單位1，則其重新犯罪風(fēng)險將相應(yīng)增加41.2％。9．成年早期犯罪行為模式與重新犯罪風(fēng)險顯著相關(guān)。根據(jù)二元Logistic回歸方程結(jié)果，個體第一次是否犯盜竊罪與重新犯罪風(fēng)險正向關(guān)，第一次是否犯故意殺人罪，故意傷害罪，搶劫罪，走私、販賣、運輸、制造毒品罪與重新犯罪風(fēng)險負(fù)相關(guān)。上述各因素比數(shù)比分別為2.252,0. 626,0. 639, 0.524,0. 409，說明在排除其他因子影響情況下個體第一次若犯盜竊罪，則其重新犯罪風(fēng)險將增加相應(yīng)125.2％；第一次若犯故意殺人罪，故意傷害罪，搶劫罪，走私、販賣、運輸、制造毒品罪，則其重新犯罪風(fēng)險將相應(yīng)分別減少37.4％,36.1％,47.6％,59. 1％ 。 10．否定責(zé)任強(qiáng)度與重新犯罪風(fēng)險正相關(guān)。否定責(zé)任強(qiáng)度系數(shù)為0.086，說明個體否定責(zé)任強(qiáng)度越強(qiáng)，則其重新犯罪風(fēng)險越高；反之，亦然。否定責(zé)任強(qiáng)度比數(shù)比exp（0.086）為1.09，說明在排除其他因子影響情況下個體否定責(zé)任強(qiáng)度每增加單位1，則其重新犯罪風(fēng)險將相應(yīng)增加9％。 11．手段迷亂強(qiáng)度與重新犯罪風(fēng)險正相關(guān)。手段迷亂強(qiáng)度系數(shù)為0.451，說明個體手段迷亂強(qiáng)度越強(qiáng)，則其重新犯罪風(fēng)險越高；反之，亦然。手段迷亂比數(shù)比exp(0.451)為1.570，說明在排除其他因子影響情況下個體手段迷亂強(qiáng)度每增加單位1，則其重新犯罪風(fēng)險將相應(yīng)增加57％。

　　（三）預(yù)測結(jié)果的檢驗

　　根據(jù)罪犯出監(jiān)前重新犯罪風(fēng)險預(yù)測量表（RRPI），我們計算出1238個隨機(jī)樣本重新犯罪概率值。遵循二元Logistic回歸分析方法的一般性原理，我們以概率值0.5作為是否重新犯罪的臨界點，若個體重新犯罪概率值在0.5以上，則其出監(jiān)后將會重新犯罪；若個體重新犯罪概率值在0.5以下，則其出監(jiān)后將不會重新犯罪犯罪。以概率值0.5為分界線，根據(jù)罪犯出監(jiān)前重新犯罪風(fēng)險預(yù)測量表預(yù)測結(jié)果，將其劃分為“否”（概率值＜0.5）與“是”（概率值≥0.5）兩類。

　　為檢驗預(yù)測結(jié)果的準(zhǔn)確度，我們對由1238個隨機(jī)樣本組成的觀察組與根據(jù)預(yù)測量表計算出的預(yù)測結(jié)果進(jìn)行交叉列表分析。根據(jù)交叉列表分析，觀察組有效樣本為1108個，未暴露組有效樣本為821個，占總體比例74.1％；暴露組有效樣本為287個，占總體比例25.9％。根據(jù)預(yù)測結(jié)果，未暴露組被正確預(yù)測將不會重新犯罪的比率為92.9％，被錯誤預(yù)測為將會重新犯罪的比率為7.1％；暴露組被正確預(yù)測將會重新犯罪的比率為67.2％，被錯誤預(yù)測為將不會重新犯罪的比率為32.8％。換言之，預(yù)測量表對于821名沒有重新犯罪觀察對象的正確預(yù)測判斷率是92.9％，對于287名重新犯罪觀察對象的正確判斷率是67.2％，總體正確判斷率是86.3％。

　　根據(jù)罪犯出監(jiān)前重新犯罪風(fēng)險預(yù)測量表預(yù)測結(jié)果，我們先將觀察組劃分為最低（概率值＜0.1）、低（概率值＜0.45）、中（概率值＜0.55）、高（概率值＜0.8）、最高（概率值≥0.8）五個類別；然后，對重新犯罪風(fēng)險分類組與觀察組進(jìn)行交叉列表分析。預(yù)測結(jié)果表明，重新犯罪風(fēng)險等級越高，則重新犯罪風(fēng)險也就越高；反之亦然。根據(jù)罪犯出監(jiān)前重新犯罪風(fēng)險預(yù)測量表預(yù)測結(jié)果，最低風(fēng)險組中未有二次或二次以上犯罪的比率占97.2％，有二次或二次以上犯罪的比率占2.8％；最高風(fēng)險組中未有二次或二次以上犯罪的比率占6.6％，有二次或二次以上犯罪的比例占93.4％。監(jiān)獄管理機(jī)關(guān)可根據(jù)預(yù)測結(jié)果為出監(jiān)后個體戶籍所在地（或工作地）司法行政機(jī)關(guān)、基層組織、群眾自治組織的安置幫教工作提供一個合理化的建議，后者亦可參考個體出監(jiān)前重新犯罪風(fēng)險預(yù)測結(jié)果直接制定相應(yīng)的安置幫教措施。

　　通過科學(xué)調(diào)查與統(tǒng)計分析，本研究提取了測量罪犯出監(jiān)前重新犯罪風(fēng)險11項預(yù)測因子，制成了罪犯出監(jiān)前重新犯罪風(fēng)險預(yù)測量表（RRPI）。監(jiān)獄行政機(jī)關(guān)可參照預(yù)測結(jié)果評估監(jiān)獄教育改造質(zhì)量；司法行政機(jī)關(guān)亦可參照預(yù)測結(jié)果科學(xué)管理社會中的重新犯罪風(fēng)險。隨著監(jiān)獄教育改造質(zhì)量的提高與重新犯罪風(fēng)險管理的科學(xué)化，我國刑釋人員重新違法犯罪率亦將隨之降低。




【作者簡介】
曾贇，單位為浙江警官職業(yè)學(xué)院。


【注釋】
[1]逐級年齡生平境遇犯罪理論包含以下三項核心命題:(1)個體生命歷程中年齡轉(zhuǎn)折的重要性；(2)個體年齡變化中社會事件的重要性；(3)行為與選擇的重要性。
[2]Felix Frankfurter, Introduction to One Thousand Juvenile Delinquent(1934)，by Sheldon Glueck and Eleanor Glueck, Har-vard University Press, p12.
[3]將實證主義與一種先驗的觀念相融合實際將導(dǎo)致的后果是：那些待證的相互競爭的規(guī)律必然要求研究結(jié)果與研究者自己對這一問題的看法相一致。格特弗雷得遜（Gottfredson）與赫希（Hirschi）批評了20世紀(jì)實證主義所犯的一個主要錯誤，即混淆了人類規(guī)律與科學(xué)解釋之間的不同。Michael Gottfredson, Travis Hirschi, A General Theory of Crime (1990) , Stanford,Calif.：Standford University Press, p.73.
[4]ohn H. Laub, Robert J. Sampson, The sutherland-Gluck Debate: On the Sociology of Criminological Knowledge, in The A-merican Journal of Sociology, Vol. 96，No. 6 (May, 1991)，p. 1417.
 

責(zé)編:羅老師

上一篇：我國普通減刑制度存在的弊端及其改革
下一篇：信用證欺詐例外原則及其適用

相關(guān)文章

·論民間法研究的學(xué)術(shù)范型">論民間法研究的學(xué)術(shù)范型
·關(guān)于完善受賄罪法定刑的若干思考">關(guān)于完善受賄罪法定刑的若干思考
·論“因侵權(quán)而犯罪”與“因犯罪而侵權(quán)”">論“因侵權(quán)而犯罪”與“因犯罪而侵權(quán)”
·行政裁決的可訴性駁論">行政裁決的可訴性駁論
·司法考試刑法考點：犯罪客觀構(gòu)成要件概述">司法考試刑法考點：犯罪客觀構(gòu)成要件概述
·司法考試刑法考點：具體事實認(rèn)識錯誤">司法考試刑法考點：具體事實認(rèn)識錯誤
·論“搶劫致人重傷、死亡”">論“搶劫致人重傷、死亡”

  本文關(guān)鍵詞：服刑人員刑滿釋放前重新犯罪風(fēng)險預(yù)測研究，由筆耕文化傳播整理發(fā)布。