受贿罪量刑影响因素问题研究,本文主要内容关键词为:受贿罪论文,因素论文,此文献不代表本站观点,内容供学术参考,文章仅供参考阅读下载。
[中图分类号]D914 [文献标识码]A [文章编号]1002-0209(2014)06-0072-11 一、问题的提出 对于如何量刑,法官有自由裁量权。为了规范法官的自由裁量权,解决罪刑均衡问题,最高人民法院自2008年起开始进行量刑规范化改革工作,经过五年的试点和逐步推广,于2013年12月23日颁布《关于常见犯罪的量刑指导意见》(以下简称《量刑指导意见》),决定自2014年1月1日起在全国法院正式实施量刑规范化工作。《量刑指导意见》第2条明确规定了量刑的基本方法和步骤,彻底推翻了以往常用的估堆量刑方法,而采用较为科学的分步骤量刑方法。但《量刑指导意见》仅对部分常见犯罪如何确定量刑起点、加减基准刑作出了规定,如故意伤害罪、交通肇事罪等,并没有对受贿罪作出具体规定。近年来,随着贪腐官员的纷纷落马,对受贿官员的刑罚处罚日益成为社会公众关注的焦点。因此,研究哪些因素影响了受贿罪的量刑结果、各因素对量刑结果的影响力大小等问题,有助于探索受贿罪量刑规律,并为量刑规范化提出很好的参考建议,具有重要的现实意义。本文华南地区共计101人,西北地区共计100人,西南即以大量的生效裁判文书以及数据统计分析为基础,对上述问题进行定量研究。 二、样本描述与研究方法 (一)样本描述 为了解各量刑情节对受贿罪量刑结果的影响,笔者收集了大量生效裁判文书作为研究样本,具体而言:第一,所收集样本的时间限定于2008-2013年之间,由于笔者自2012年10月份开始收集判决书,于2013年初完成了对判决书的收集整理工作,因此绝大多数样本是2008-2012年间的判决书,仅有十余份2013年的判决书。第二,所收集的样本来源于我国华北、东北、华东、华中、华南、西北、西南七个地区,除东北地区外,其他六个地区均成功收集到100份左右生效裁判文书,东北地区收集了50份生效裁判文书作为研究样本,这样共确定640份有效裁判文书为研究样本并一一编号。第三,所收集样本中涉及被告人共计671人,主要分布情况如下:华北地区共计116人,东北地区共计50人,华东地区共计104人,华中地区共计100人,地区共计100人。 采取这样的方式确定研究样本,其优点是样本分布面广,能够比较准确地反映出各个量刑因素对量刑结果的影响,但也存在如下问题:第一,由于死刑案件具有一定的特殊性,而且笔者在收集样本时有一定的随机性,没有刻意收集死刑案件判决书,因而没有成功抽样到一份完整的死刑立即执行案件的判决书,出于对抽取样本随机性的尊重,笔者就以收集到的判决书为对象进行研究;第二,统计学方法在研究量刑结果时对有期徒刑非常适用,但对于无期徒刑、死缓这样的刑罚很难进行进一步的计算分析。 (二)研究方法 本研究中的统计分析是基于R软件①这一平台来完成的,笔者浏览了部分判决书,并结合《刑法》及司法解释的相关规定,确定可能影响量刑结果的变量,设计出变量表;然后阅读所有的判决书,提取所需信息,建立数据库,并采用多种统计学方法对数据进行分析,具体步骤如下: 第一,设计变量表。(1)设计考察量刑结果的变量:在对主刑量刑结果及分布情况考察时,笔者没有按照法定量刑幅度对量刑结果笼统区分,而是精确录入被告人被判处的具体刑期,试图探寻量刑情节与量刑结果之间的准确关系;在考察主刑量刑结果的同时,还考察了没收财产刑等附加刑的适用情况,并对是否从轻处罚、是否减轻处罚、是否缓免刑进行了考察,全面考察对被告人的量刑以及刑罚是否实际执行的情况。(2)设计考察影响量刑的变量:笔者根据《刑法》及司法解释的规定设计了部分变量,为了避免遗漏某些影响量刑的因素,又在各个地区随机抽取阅读了部分判决书,大体了解了影响量刑结果的因素,有了一定程度的感性认识,把一些影响量刑的因素补充进了变量表。这样,笔者设计的变量表几乎涵盖了所有的法定量刑情节和酌定量刑情节,列举了所有可能影响量刑结果的因素,主要包括:具体受贿数额、自首、坦白、立功、认罪、退赃、共犯、索贿、谋取利益情况、被告人身份等②。 第二,建立数据库。确定变量表之后,就可以开始建立数据库的工作,即把所有判决书中的信息提取出来,转换成数字符号,在此本文截取变量表的一部分,对如何提取信息、建立数据库进行简要说明。 变量1:地区(1=东北,2=华北,3=华东,4=华中,5=华南,6=西南,7=西北)。 变量2:年份(直接录入年份)。 变量3:受贿数额(1=十万以上,2=五万以上不满十万,3=五千以上不满五万,4=不满五千)。 变量4:主刑量刑结果(1=免予刑事处罚,2=拘役,3=有期徒刑不满1年,4=有期徒刑1年以上不满2年,5=有期徒刑2年以上不满3年……其他代码略)。 变量5:是否从轻处罚(1=是,0=否)。 变量6:是否减轻处罚(1=经减轻刑罚,在法定量刑幅度的下一个量刑幅度内判处刑罚,2=经减轻刑罚,没有在法定量刑幅度的下一个量刑幅度内判处刑罚,3=没有减轻刑罚,4=判决书中没有认定减轻刑罚,但在法定量刑幅度以下判刑)。 变量7:是否缓刑(1=是,0=否)。 变量8:是否并处没收财产(1=是,0=否)。 变量9:是否自首(1=是,0=否)。 变量10:是否坦白(1=是,0=否)。 ……(其他变量略)。 以华北地区案件编号70的案件为例③,被告人林某因受贿119万元被判处有期徒刑11年6个月,因具有坦白、认罪态度好,退清赃款的量刑情节,被从轻处罚。上述案例在提取信息录入数据库时:变量1地区,华北地区对应代码为2,录入数字2;变量2年份,直接录入2011;变量3受贿数额,林某受贿119万元属10万元以上,对应代码为1,录入数字1;变量4主刑量刑结果,林某被判处有期徒刑十一年六个月,对应代码为14,录入数字14;变量5是否从轻处罚,林某被从轻处罚,对应代码为1,录入数字1;变量6是否减轻处罚,林某没有被减轻处罚,对应代码为3,录入数字3;变量7是否缓刑,林某没有被判处缓刑,对应代码为0,录入数字0;变量8是否并处没收财产,林某没有被判处没收财产,对应代码为0,录入数字0;变量9是否自首,林某没有自首情节,对应代码为0,录入数字0;变量10是否坦白,林某具有坦白情节,对应代码为1,录入数字1;……(其他变量的对应代码略)。笔者把每一份判决书中每一个变量的对应代码都输入数据库中,待640份判决书都阅读完毕,所有变量信息都已经提取,数据库就建立起来,此时便可以运用统计学方法进行数据分析。 第三,数据统计分析。数据库建立之后,为了全面考察受贿罪的量刑情况,笔者采用了多种统计学的计算方法对数据进行分析,由于篇幅所限,而且统计学方法很多是以高等数学为基础,本文不可能详细介绍每一种计算方法的运行原理,仅在此进行简要说明,便于读者了解。本研究中,由于数据的复杂性,笔者首先运用现代统计学的数据挖掘方法④对数据进行处理,然后用回归分析⑤等传统推论统计学方法进行运算,也运用了描述统计的方法对数据进行分析。 三、样本数据分析结果 (一)影响受贿罪量刑结果的因素排序 为了研究各量刑情节与量刑结果之间的关系,笔者采用决策树⑥和随机森林⑦的统计学方法对数据进行了挖掘处理,对影响量刑结果的因素按照影响力大小进行排序,并计算出对量刑结果影响较大的变量实际上对刑期有多长时间的影响。具体步骤如下:第一步,数据处理。因量刑结果比较复杂,包括主刑和附加刑,笔者在此仅考察各量刑情节和主刑量刑结果的关系,即便如此,主刑量刑结果也分为拘役、有期徒刑、无期徒刑、死刑等四个刑种,按照统计学的方法,当主刑量刑结果为1—15年有期徒刑时,主刑量刑结果是定量变量,而当主刑量刑结果为拘役、无期徒刑、死缓、死刑立即执行时,主刑量刑结果又变为了分类变量。虽然可以考虑通过将其他几种刑罚换算为有期徒刑的方法来处理变量,但为确保本研究的科学性,笔者放弃了对除有期徒刑以外的其他样本的考察。第二步,筛选变量。用决策树的方法筛选出对主刑量刑结果有重要影响的变量,之后再用随机森林的方法再次筛选对主刑量刑结果有重要影响的变量,筛选出来的变量与用决策树筛选出的变量基本一致,筛选完成后按照影响力高低对所有变量进行排序。第三步,建模运算。笔者选用对量刑结果有重要影响的几个变量建模运算,运算时,排除了地区和年度这两个变量对主刑量刑结果的影响,在控制其他变量的情况下计算各量刑情节对主刑量刑结果的影响。下文详细介绍筛选变量和建模运算的步骤以及数据分析结果。 第一,笔者首先用决策树方法筛选对主刑量刑结果有重要影响的变量。该方法将重要的变量安放在较高的节点处,从而帮助我们筛选变量。下列图1是用全部数据进行决策树拟合的结果: 图1中决策树的读法为:若满足节点条件,向左走,若不满足节点条件,向右走。该棵决策树表明,受贿数额9.5万是最重要的节点⑧,若受贿具体数额小于9.5万,则顺着树的方向左转,若受贿具体数额大于9.5万,则顺着树的方向右转。下面分别进行详细介绍: 受贿数额小于9.5万(即左转后的情况):受贿数额4.5万是一个节点,若受贿数额小于4.5万,则向左转,即量刑结果平均为2.098年;若受贿数额大于4.5万,则向右转,右转后,是否有自首情节是一个节点,若有自首情节则量刑结果平均为3.633年,若没有自首情节则量刑结果平均为6.476年。 受贿数额大于9.5万(即右转后的情况):自首情节是一个节点,有自首情节的向左转,左转后,受贿数额81.5万是一个节点,若受贿数额小于81.5万则量刑结果平均为6.317年,若量刑结果大于81.5万元则量刑结果平均为10.27年;若没有自首情节向右转,右转后,受贿具体数额47.5万是一个节点。受贿数额小于47.5万的,再向左转,共同犯罪情况(是否从犯)是一个节点,从犯的量刑结果平均是6.143年,不是从犯的再向右转,右转后,是否立功是一个节点,有立功情节的量刑结果平均是7.615年,没有立功情节的量刑结果平均是11.11年;受贿数额大于47.5万的,再向右转,右转后,共同犯罪情况(是否从犯)是一个节点,从犯的量刑结果平均是8.75年,不是从犯的量刑结果平均是12.89年。 图1 决策树拟合结果 图1中的该决策树显示,受贿具体数额、是否自首、共同犯罪情况(是否从犯)以及是否立功对具体量刑结果的影响较为重要,这些是我们接下来建模中需要重视的变量。 第二,为了验证决策树筛选出来的变量是否准确,笔者又通过随机森林的方法,再次筛选对主刑量刑结果有重要影响的变量,并按照影响力的大小进行排序。表1是各变量具体的节点纯度,图2是筛选并排序的结果。 图2中,横轴表示的是对主刑量刑结果有影响的各个变量,纵轴表示的是节点纯度,图中的柱状体表示的是各变量的节点纯度,柱状体越高说明节点纯度越高,节点纯度越高说明对主刑量刑结果的影响力越大,表1与图2对应,列出了每个变量的具体的节点纯度,并按影响力大小从高到低进行排序。通过表1和图2,我们可以清楚的看出:其一,影响主刑量刑结果的变量,按照其影响力大小依次为:受贿具体数额、自首、被告人身份、地区、年份、共同犯罪、认罪态度、索贿、立功、坦白、退赃、谋取利益是否正当、是否造成损失、谋取利益是否成功。其二,与决策树的计算结果一致的是,受贿具体数额、是否自首两个变量是影响主刑量刑结果的重要变量,共同犯罪情况也对主刑量刑结果有较大的影响;而与决策数运算结果不同的是,在随机森林运算中,被告人身份、地区也显示了一定的重要性,提示我们建模时也应进行考虑。 图2 随机森林变量重要性表 图3 具体受贿数额与主刑量刑结果的关系 第三,在明确了对量刑结果有影响的重要变量之后,笔者准备对数据进行回归分析,其目的是考察经决策树和随机森林筛选后的重要变量对量刑结果的具体影响。然而,进行回归分析运算的前提条件是,各变量与量刑结果之间的关系是线性关系。经验证,自首、立功等变量与量刑结果之间的关系都是线性关系。随机森林和决策树都提示受贿具体数额是影响量刑结果最重要的变量,受贿具体数额与量刑结果的关系是否线性关系直接关系到能否进行回归分析,二者关系如图3所示: 从图3中看出,具体受贿数额与主刑量刑结果之间不是线性关系。由于接下来需要用线性模型建模,二者之间的非线性关系会影响到建模运算的科学性,所以需要按照统计学的方法对受贿具体数额进行对数(log)变换,变换后的关系如图1.4所示: 图4 经处理后的具体受贿数额与主刑量刑结果的关系 图4中,二者的关系显示出一定的线性趋势,所以我们采用ln的形式对受贿具体数额进行变换。变换后,笔者根据决策树和随机森林运算的结果,选用受贿具体数额、是否自首、共同犯罪情况、是否立功⑨、被告人身份、是否认罪这几个变量进行建模⑩。由于被告人身份进入模型后得出了与实际情况明显不符的模型结果,为确保结果的科学性,在多次实验后,放弃了对被告人身份这一变量的考察。以下是建模运算的模型结果: 以上结果表明:受贿数额每增加一个单位(11),主刑量刑结果平均增加2.09468年;没有自首情节的被告人比具有自首情节的被告人主刑量刑结果平均重2.81061年;主犯比从犯主刑量刑结果平均重3.37844年;没有立功情节的被告人比具有立功情节的被告人主刑量刑结果平均重1.14995年;没有认罪情节的被告人比具有认罪情节的被告人主刑量刑结果平均重0.66235年。 (二)受贿数额与量刑结果的关系分析 依据前文统计得出的结论,受贿具体数额对主刑量刑结果的影响力是最大的,其节点纯度远高于其他影响量刑因素。最高人民法院《量刑指导意见》第2条规定了量刑步骤,第一步是根据基本犯罪构成事实在相应的法定刑幅度内确定量刑起点,第二步是根据其他影响犯罪构成的犯罪事实,在量刑起点的基础上确定基准刑,第三步是根据基准刑并综合考虑全案情况确定宣告刑。对于如何确定每一个罪名的量刑起点必须通过对个罪的规定完成,《量刑指导意见》中并没有对受贿罪作出规定。笔者参照《量刑指导意见》对盗窃罪的规定(12),认为受贿数额是受贿罪量刑的基本犯罪构成事实,可以以此来确定量刑起点。笔者运用描述性统计方法,对数据进行了分析,发现目前在受贿数额与量刑结果的关系中存在如下问题:受贿10万元以下的案件数量较少,受贿10万元以上的案件数量较多,但受贿数额差异比较大,且被告人的量刑结果毫无规律可言,下面笔者将用数据来说明这一问题。 第一,受贿数额10万元以上的被告人的量刑情况,如表2所示: 表2中,受贿数额10万元以上的被告人共计447人,占被告人总数的66.6%,且受贿数额差异比较大,被告人的量刑结果毫无规律可言。从样本来看,即使在同一抽样地区内,受贿500万元的被告人也有可能与受贿10万元的被告人被判处同样的有期徒刑,个案差异明显。 图5 受贿数额10万元以上不满500万元主刑量刑结果直方图 第二,为了进一步说明问题,笔者以受贿数额500万元为分界点,对受贿数额10万元以上不满500万元、500万元以上的被告人的量刑情况分别作了统计(13)。 受贿数额10万元以上不满500万元的被告人的量刑情况,如表3和图5所示: 表3中,受贿数额10万元以上不满500万元的被告人共计386人,有29.5%的被告人被判处有期徒刑10年以上不满11年,有12.7%的被告人被判处有期徒刑11年以上不满12年,也就是说,有40%的被告人是在有期徒刑10—12年之间量刑。图5中,横轴代表的是实际量刑结果,纵轴代表的是频率,即有多少被告人被判处横轴相对应的刑罚,表示的内容与表3一致。综合表3和图5可以得出结论,受贿数额500万元以下的被告人,主刑量刑结果有很大一部分集中在有期徒刑10—12年之间,即受贿10万元有可能和受贿500万元的被告人受到的处罚基本相当,这就造成了量刑失衡。 图6 受贿数额500万元以上不满1000万元主刑量刑结果直方图 图7 受贿数额1000万元以上主刑量刑结果直方图 受贿500万元以上被告人的量刑情况,如图6和图7所示: 图6中,受贿数额500万元以上不满1000万元的被告人被判处的刑罚主要集中在无期徒刑、死缓、有期徒刑15年三个幅度内;图7中,受贿数额1000万元以上的被告人被判处的刑罚主要集中在死缓、无期徒刑两个幅度内。上述两个数额区间内的量刑情况与受贿数额10万元以上不满500万元数额区间的量刑情况差异较大,也就是说,目前在司法实践中,受贿数额500万元是一个分水岭,这对于我们研究受贿数额与受贿罪量刑规范化问题具有重要的参考意义。 四、讨论和结论 本文从考察全国不同地区受贿罪量刑现状入手,通过对样本数据的统计分析发现:其一,影响主刑量刑结果的变量,按照其影响力大小依次为:受贿具体数额、自首、被告人身份、地区、年份、共同犯罪、认罪态度、索贿、立功、坦白、退赃、谋取利益是否正当、是否造成损失、谋取利益是否成功。其中,受贿具体数额对主刑量刑结果的影响力是最大的,远远高于其他因素。其二,受贿数额不满10万元的案件数量较少,占被告人总数的33.4%,且被告人起刑点多数遵循了1万元判一年的规律,然后在此基础上结合其他情节予以加减,量刑差异并不明显。其三,受贿数额10万元以上不满500万元的案件数量较多,占被告人总数的57.5%,且受贿数额差异比较大,量刑结果基本集中在10—12年有期徒刑之间;从样本来看,即使在同一抽样地区内,受贿10万元的被告人也有可能被判处与受贿500万元的被告人相同的刑罚,量刑失衡明显。其四,受贿数额500万元以上的案件数量最少,占被告人总数的9.1%,且受贿数额500万元以上不满1000万元的案件的量刑结果主要集中在无期徒刑、死缓、有期徒刑15年三个幅度内,受贿数额1000万元以上的案件的量刑结果主要集中在死缓、无期徒刑两个幅度内。考虑到我国《刑法》配置的起刑数额,我们无法得出此类案件量刑失衡的结论。 我们认为,造成受贿数额方面出现问题并导致部分案件量刑失衡的原因有:其一,法定量刑起刑点较低但实际起刑点较高。目前,我国受贿罪的犯罪数额起刑点是5000元,这是1997年《刑法》修订时修改的,从1997年至今,我国的GDP总量大幅增长,人均收入也大幅增加,5000元的购买力已经大打折扣。司法实践中,虽然5000元是起刑点,但司法机关在侦查起诉的时候,往往立案查处起点掌握过高,5000元的“高压线”已成了安全的“低压线”(14),对于数额较低的案件经常考虑各种情况而不予立案处理,仅给予其纪律处分、行政处分,这是造成10万元以上大要案比较多的主要原因。其二,法定量刑幅度设置不合理。现行《刑法》依据数额规定的四个量刑幅度,也是1997年《刑法》修订时修改的,当时10万元已经是天文数字,而如今很多家庭存款都远远高于10万元,很多案件的数额都超过了10万元,最高甚至达到近2亿元,在这种情况下仍然将受贿10万元以上的案件作为一个量刑幅度,等于给了法官很大幅度的自由裁量权,导致不少犯罪数额相差悬殊的案件在量刑上难以拉开档次,受贿10万元以上案件的量刑结果基本毫无规律可言,影响了案件裁判的社会效果。 为解决上述问题,笔者提出了规范受贿罪量刑的立法建议,具体如下: 在《刑法》中单设受贿罪(15)的刑罚处罚:“受贿数额较大的,处五年以下有期徒刑或者拘役,并处罚金;受贿数额巨大或者有其他严重情节的,处五年以上十年以下有期徒刑,并处罚金或者没收财产;受贿数额特别巨大或者有其他特别严重情节的,处十年以上有期徒刑、无期徒刑或者死刑,并处罚金或者没收财产。犯受贿罪的,不得继续担任国家工作人员。”同时,在相关司法解释中规定:受贿5000元以上不满10万元、10万元以上不满100万元、100万元以上的,应当分别认定为刑法规定的“数额较大”、“数额巨大”、“数额特别巨大。”(16)各省、自治区、直辖市高级人民法院、人民检察院可以根据本地区实际状况,在本解释确定的范围内,确定本地区执行的“数额较大”、“数额巨大”的具体数额标准,报最高人民法院、最高人民检察院批准。受贿数额虽然未达到本解释规定的“数额较大”、“数额巨大”或“数额特别巨大”的最低数额,但具有为他人谋取不正当利益、或者给国家和人民利益造成重大损失、社会影响恶劣的,应当认定为刑法规定的“其他严重情节”或者“其他特别严重情节”,“数额较大”、“数额巨大”、“数额特别巨大”的标准可以按照前条规定的百分之五十确定(17)。 总之,任何一种划分的方式都有可能存在不同的问题而招致非议,绝对科学和公平的划分方式是不可能存在的,而且受贿罪并不是简单的数额犯,依据数额进行的划分能确定的只是一个起刑点,最终的量刑仍然要结合被告人的其他量刑情节一并考虑,作出判决。本文的上述观点是在分析现有量刑实践规律的基础上提出的,在一定程度上能够解决目前司法实践中受贿犯罪量刑失衡的问题,也能适当兼顾数额与刑期的对应问题。 ①R软件是在统计学领域广泛使用的一套具有完整的数据处理、计算和制图功能的自由软件,其下载和使用是免费的,而且在R网站(http://www.r-project.org/)上还可以免费下载使用多种统计方法的软件包。 ②有的变量因为在实际统计过程中无法成功提取信息而被迫放弃统计,例如,被告人的历史功过,在640份判决书中,共有3份判决书谈及被告人的历史功过问题,因此被告人的历史功过无法作为影响量刑结果的变量进行研究;再如,被告人的文化程度,收集的判决书中很多隐去了被告人的个人情况,仅有20余份判决书能够提取到被告人的文化程度情况,因此该变量也无法作为影响量刑的变量进行研究。 ③参见北京市第一中级人民法院(2011)一中刑初字第2437号刑事判决书。 ④数据挖掘是从大量不完全的复杂数据中提取隐含在其中的、人们事先不知道但又是潜在有用的信息,笔者在本文中运用了决策树和随机森林两种数据挖掘方法。 ⑤回归分析是以过去的结果预测未来的活动,即使用已经收集的数据计算变量如何相关,接着使用相关系数以及X的信息来估计Y的情况。国外学者在用数据分析的方法研究量刑问题时经常采用此种方法。参见Matin L.Forst,Sentencing Disparity:An Overview o f Research and Issues,in Martin L.Rorst(ed.),Sentencing Re form:Experiments in Reducing Disparity,Sage Publications Inc.,1982,pp.14.; Thornberry T.P,Sentencing Disparity in the Justice System,Journal of Criminal Law and Criminology,Vol.70,1979,pp.164—171. ⑥决策树是用于分类和预测的主要技术,它着眼于从一组无规则的事例推理出决策树表示形式的分类规则,采用自顶向下的递归方式,在决策树的内部节点进行属性值的比较,并根据不同属性判断从该节点向下分支,在决策树的叶节点得到结论。 ⑦随机森林是利用bootsrap重抽样方法从原始样本中抽取多个样本,对每个bootsrap样本进行决策树建模,然后组合多棵决策树的预测,通过投票得出最终预测结果。 ⑧《刑法》按照受贿数额5000元以下、5000—5万元、5万元以上10万元以下、10万元以上将受贿罪分为四个档次进行处罚,此处的节点是9.5万,与10万元分界线基本一致,印证了统计结果的科学性。同理,决策树下面的受贿数额4.5万也是一个节点,与5万元的分界线基本一致,也印证了统计结果的科学性。 ⑨依据决策树和随机森林的筛选,立功并不是重要变量,但立功情节是法定能够减轻处罚的重要量刑情节,笔者试将其加入模型运算,运算结果并无异常,因此笔者将其一并加入模型,考察其对刑期的影响。 ⑩由于依据决策树和随机森林的筛选结果,坦白、退赃等变量不是对主刑量刑结果有重要影响的变量,勉强进入模型运算后出现了异常数据,因此笔者放弃了对上述变量的考察,也就无法估计其对刑期的具体影响。 (11)这里所说的单位并不是具体的金额,由于受贿具体数额与量刑结果之间的关系并不是线性关系,笔者对其进行了对数(log)处理,此处的一个单位指的是一个log单位,其无法代表具体的金额,具体的金额需要经过log计算才能确定是几个log单位。 (12)根据被告人的盗窃数额是否达到数额较大、数额巨大或有其他严重情节、数额特别巨大或有其他特别严重情节的基本犯罪构成事实,将盗窃罪分为三个等级来确定量刑起点。 (13)根据现行《刑法》第383条和386条的规定,受贿数额在10万元以上的,处十年以上有期徒刑或者无期徒刑;情节特别严重的,处死刑。也就是说,《刑法》并没有对受贿10万元以上情形的配刑作出更为详细的规定,当然,这与1997年制定《刑法》时我国的经济发展水平有关。所以,10万元是目前我们研究受贿罪量刑问题的一个重要分界点。而500万元是笔者根据经济发展水平与受贿实际情况预设的一个分界点。 (14)参见孙国祥:《宽严皆失:贪污贿赂犯罪的量刑失衡之乱象及纾解》,《甘肃政法学院学报》,2009年第5期。另外,从笔者收集的样本来看,受贿数额5千元以上不满1万元的仅有1人,占被告人总数的0.15%,这也在一定程度上证实了实践中受贿罪法定量刑起点较低但实际起刑点较高的情形确实存在。 (15)根据我国《刑法》的规定,对受贿罪是比照贪污罪的处罚标准来处罚的。我们认为,这一规定并不合理。贪污罪和受贿罪侵犯客体的不同导致两罪的社会危害性有较大的区别。贪污犯罪分子如果把贪污所得退出,则社会危害性就明显降低,而受贿犯罪分子即使全额退出赃款,也无法减少其受贿行为对公职行为公平性的损害,很难消除其行为对社会公众产生的不良影响,因此受贿罪的社会危害性要大于贪污罪的社会危害性,不能简单的比照贪污罪的处罚规定来确定刑事处罚。以华南地区案件编号11的案件为例(参见广东省广州市萝岗区人民法院(2012)穗萝法刑初字第115号刑事判决书),被告人齐某系某村党支部书记,其在拆迁安置工作中利用职务便利,帮助村民何某在签订拆迁安置补偿协议时获得了较高的安置补偿费,事后非法收受何某贿赂款3万元,其受贿行为被其他村民知道后,引起其他村民的强烈不满,持续集体到县政府办公地点上访,干扰了办公秩序,造成了恶劣影响,被告人齐某因具有退赃、认罪情节被法院判处有期徒刑两年。笔者经走访不同法官,假设同为贪污3万元,同样具有自首和退赃情节,被告人的量刑通常会低于有期徒刑两年,即使被判处有期徒刑两年,也很可能被宣告缓刑。而上述案例中,被告人齐某被判处两年有期徒刑且未被宣告缓刑,究其原因,是因为虽然其受贿数额不高,但其行为却造成了恶劣的社会影响,由此可见,受贿罪的社会危害性通常高于贪污罪,对受贿罪的量刑除了考虑数额及法定量刑情节外,还应考虑其他情况,比如为他人谋取的利益是否为不正当利益、是否给国家和人民利益造成损失、是否造成恶劣的社会影响等,因而受贿罪不宜比照贪污罪的法定刑量刑处罚。 (16)2013年1月22日习近平同志在中国共产党第十八届中央纪律检查委员会第二次全体会议上发表重要讲话强调,“我们党员干部队伍的主流始终是好的。同时,我们也要清醒地看到,当前一些领域消极腐败现象仍然易发多发,一些重大违纪违法案件影响恶劣,反腐败斗争形势依然严峻,人民群众还有许多不满意的地方。”(参见习近平:《更加科学有效地防治腐败坚定不移把反腐倡廉建设引向深入》,载《人民日报》2013年1月23日01版)。可见,面对依然严峻的反腐败斗争形势,受贿罪的起刑数额不宜过高。当然,在确定起刑数额时也应适当考虑社会的经济发展水平。 (17)根据我国《刑法》的规定,对受贿罪的处罚是依照犯罪数额的多少分为四个法定刑幅度,受贿数额是受贿罪主要的定罪量刑标准。对此,有学者认为以数额为中心作为定罪量刑的主要标准并不恰当,还有学者认为,将数额直接规定在刑法中,难以兼顾刑法的稳定性和灵活性,不是科学的立法技术。(参见张兆松:《废除贪污受贿罪交叉刑之思考》,《中国刑事法杂志》,2010年第10期)我们认为,司法实践中,虽然数额是量刑考虑的重要情节,但检察官在查处案件、法官在量刑时并没有忽视其他的量刑情节,自首、索贿等量刑情节都发挥了重要作用,都对量刑结果有较高的影响力;而且,为避免自由裁量权的滥用,以受贿数额作为影响受贿罪犯罪构成的基本犯罪事实而加以规定,仍然是解决量刑失衡问题的有效办法,不能予以舍弃。然而,目前我国《刑法》将数额直接规定在法条中,确实存在无法兼顾稳定性和灵活性、立法技术不科学等问题,世界其他国家也均无类似的规定,因此有必要参考其他国家的刑法规定以及我国《刑法》对盗窃罪、诈骗罪等贪利性犯罪的规定,修改将受贿数额直接写入法条的立法模式,代之以数额较大、数额巨大、数额特别巨大与情节严重程度相结合的立法方式,并在司法解释中确定具体的数额范围,由各地结合实际情况自由掌握,这样更有利于打击受贿犯罪,实现量刑均衡。受贿罪量刑影响因素研究_判决书论文
受贿罪量刑影响因素研究_判决书论文
下载Doc文档