尚权推荐SHANGQUAN RECOMMENDATION

在全球女性法官数量持续增长的背景下，越来越多的人开始关注法官性别是否会影响裁判结果，尤其是性犯罪相关案件。有学者认为，从司法职业化的角度看，法官的决策不应受个体特征的影响。也有学者认为，性别特质根植于个体的社会化进程，其决策必然会受到性别的影响，由此，不同性别的法官在相同条件下可能作出不同的判断。尤其在涉及性骚扰、猥亵和强奸案件中，受害人往往是女性，女性法官可能更容易同情女性受害者，进而影响判决结果。

虽然先前很多文献已经就法官性别对司法裁判结果影响进行了探究，但是这些研究的发现并不一致，且大致存在两方面的局限：一者，大多数研究主要针对英美法系国家，对大陆法系国家关注不够。众所周知，大陆法系国家法官的自由裁量权相对有限，法官性别的影响可能也有所不同。再者，现有的多数研究存在样本量小（尤其是法官样本量）、对相关司法背景考察不足以及分析方法简单等问题。这些局限可能是造成其研究发现不一致的主要原因。

本文意在填补法官性别对判决影响的研究空白。本研究以先前研究发现为基础，结合我国司法体系严格的组织规范、有限的司法自由裁量权、严格的性别规范等特点，利用文本挖掘与机器学习技术，分析了2012至2015年强奸案件一审刑事判决书，进而探究法官性别和合议庭的性别构成对判决结果的影响。受限于文书内容，本文旨在为法官性别与量刑研究提供新的研究视角，法官个人性别与组织结构等内部复杂作用机制并不在讨论范围之列。

一、背 景

（一）法官性别对司法决策的影响

先前研究表明，很多因素都会在司法决策过程中发挥作用。一些学者认为，司法职业化要求法官在作出的判决决策中不受任何个人特征、社会结构或案件特征的影响。（此类研究的相关文献可阅读原文）

相反，另一些学者认为，女性法官的观点和决策可能与其在家庭、和社会中的性别角色和功能有关。比如，女性法官可能更有同情心，因此可能判处严厉的判决。或者，对于性犯罪案件的女性受害者，女性法官更容易同理受害人，作出更严厉的判决。（相关研究的文献可阅读原文）

（二）中国法院制度和司法程序

在中国，一般由三名法官或者法官和陪审员组成的合议庭共同裁决案件，尽管人民陪审员的作用可能微不足道。根据《中华人民共和国刑事诉讼法》，人民法院审理刑事案件，由一至三名法官和二至四名陪审员组成合议庭，陪审员与法官不得低于一人。基层人民法院或中级人民法院第一次开庭审理的案件，合议庭成员必须为三人，而高级人民法院或最高人民法院案件的合议庭成员人数为三人至七人。典型的强奸案最初在基层人民法院由合议庭审理，合议庭通常由一名法官和两名人民陪审员组成。

鉴于我国为大陆法系国家，法官自由裁量权相对有限，刑事案件中详细的量刑指导意见以及司法解释更是进一步限制了自由裁量。虽然人民陪审员理论上享有与法官平等的权利，然而，最近的一项研究发现，人民陪审员实际上在案件审理过程中的作用微不足道。综上，我们假设强奸案件中法官的性别和合议庭的性别构成对判决结果没有任何影响。

二、研究方法

（一）数据

我们检索了中国裁判文书网上2012年至2015年期间的所有强奸案判决书。考虑到二审判决书包含了大量冗余的信息，所以仅保留了一审判决书。

在剔除重复及分类错误的文书后，得到了4,246份强奸案判决文件。而后，本研究将分析进一步限制在了单人单罪的情况。例如，被告涉及多项罪行时，只对强奸罪行的判决进行编码。对于共同犯罪案件，只对主犯进行编码。研究发现，几乎所有强奸案都会判处有期徒刑（99.4%）。所以研究只聚焦于判处有期徒刑的案件，因变量为刑期（以月为单位）和是否获得缓刑（是编码为1，否为0）。研究最终使用的实际样本量为3,902个。

（二）独立变量

在裁判文书中，法官的性别和合议庭的性别构成等关键自变量无法直接获取。本研究使用朴素贝叶斯分类器这一机器学习技术，根据法官姓名估计其性别（下文详细介绍）。研究中的两个自变量为法官性别是否为女性（是1，否0）和女性在合议庭中是否占多数（是为1，否为0）。

为了控制其他法律因素可能产生的影响，本研究对所有可能影响强奸案件判决结果的情节都进行了编码。（详见附录A）

（三）测量误差模型下的二元分类

由于本研究中最关键的自变量——性别，在判决书中无法直接获得。本研究使用朴素贝叶斯分类器，根据法官和陪审员的名字估计其性别。一个典型的中文姓名由单姓或复姓，加上单名或者复名构成。虽然姓与个体的性别无关，因为孩子的姓通常都直接继承其父或母的姓，但是名字可能与个体性别有直接的关系，因为父母在选择孩子名字的时候会根据其性别选择特定的汉字。根据贝叶斯公式，名字中出现特定字符的条件下，该个体是女性的概率为：

其中，表示女性中特定字符i出现的概率。而和分别代表人群中女性出现的概率和名字中含有字符i的概率。如果个体名字只有一个汉字构成，那么上式可以直接计算其为女性的可能性，但是如果有大于一个汉字的情况，则需要更为复杂的技术（详细技术细节可阅读原文）。为了评估这种估计方法的有效性，本研究也使用了交叉检验的方法加以验证（交叉检验的结果参见附录B）。

使用朴素贝叶斯方法估计出的性别可能含有误差，因此，本研究使用了分类模拟趋势外推的方法（Mis-classification Simulation Extrapolation, MC-SIMEX）对这种误差进行校正。（相关技术细节可阅读原文）

本研究使用了两种广义线性模型估计了法官的性别对量刑结果的影响：对量刑结果而言，使用负二项回归模型；对是否获得缓刑，则使用Logistics回归模型。为了进一步评估结果的稳健性，本研究还使用了不同的误差分类矩阵（Misclassification matrix）情况下的MC-SIMEX模型，对研究结果进行校正。

三、研究结果

为了评估法官性别是否对量刑结果有任何影响，我们对男性法官和女性法官的案件进行了比较（见表2）。结果显示，女法官判处的平均刑期比男法官低了1.96个月。

研究使用两组回归模型分析了法官性别对判决的影响：一个是关于刑期的负二项回归模型，一个是关于被告是否获得缓刑的Logistics回归模型。为了减小偏差，研究还采用了其他的模型进行修正和检验（详见原文）。

最终的研究结果显示，在控制了其他情节后，女性法官判处的刑期要比男性法官短。但根据原始模型和MC-SIMEX矫正后显示的置信区间，法官的性别效应并不显著（见表3）。因此，法官性别并不能够对刑期结果产生稳定的影响。然而，当合议庭成员绝大多数为女性时，判决结果出现显著的降低（见表3）。此外，法官性别与合议庭性别构成均对是否判处缓刑没有显著影响（见原文表4）。

四、结 论

本研究使用了文本挖掘技术从中国裁判文书网上获取了强奸案件判决书，并采用了较为前沿的方法研究了法官性别和合议庭性别构成对判决结果的作用这一经典问题。可以说，本文是首次将文本挖掘和机器学习技术同时应用于全国性法律文本的研究。结果发现，法官性别确实会对刑期产生影响，但这影响并不具有稳定性。同时，女性占多数的合议庭和较短的刑期之间的存在显著联系，反映出当女性在法官中占主导地位时，她们的声音更有可能被听到。

当然，本文也存在诸多局限，第一，虽然通过中国裁判文书网获取了所有相关文书，但原始数据可能受文书不公开、上传不完整或更新不及时的影响。为此，模型分析中使用了bootstrapping重抽样技术进行调整，但是不排除会受到裁判文书选择性上传的影响。第二，考虑到数罪的情况，某些案件可能涉及不止强奸一种罪名，本研究发现仅针对 “典型”的强奸案。第三，由于缺少法官的背景资料，模型中无法纳入法官的其他人口学特征作为控制变量。最后，裁判文书作为法院司法记录的一种，可能无法反映司法裁判决策过程中的参与主体之间复杂的互动和协商过程。因此，本研究结果仅能基于有限信息进行分析，解释范围也仅针对纳入研究范围的对象。