表12显示，加入控制变量“复核法院”以后，最高法院复核案件的统计结果已经不具有显著性，高级法院复核案例的统计结果仍然具有显著性。这说明两级法院对待数罪情节的态度是不一样的：在最高法院，数罪并不是死缓适用的消极因素；在高级法院，数罪对死缓适用具有相当大的作用。

　　具体地说，在高级法院复核的案件中，具有数罪情节的犯罪人被判处死刑立即执行的比例高达86.7%，而判处死缓的比例只有13.3%；在全部死缓判决中，高达86.7%的犯罪人不具有数罪情节，具有数罪情节的犯罪人仅占13.3%。在具有数罪情节的案例中，死刑立即执行的适用比例高达86.7%；不过在全部死刑立即执行判决中，具有数罪情节的比例并不算高，只有38.2%。两相对比可以看出，在高级法院，没有数罪情节的被告人更可能被判处死缓，具有数罪情节的犯罪人更可能被判处死刑立即执行。数罪情节是死缓适用的消极情节，但是其对适用死刑立即执行的促进作用也相当有限。

　　（5）暴力犯罪

　　暴力犯罪[50]不是法定从严情节，但是暴力犯罪更难为人们所宽恕、容忍，法官适用死缓的时候不可能不考虑这一点。Crosstabs统计结果显示，尽管69.9%暴力犯罪被告人被判处了死刑立即执行，但是由于p值大于0.05，统计结果不具有统计学上的显著性，因此不能认为暴力犯罪已经成为死缓适用的消极因素。

　　与暴力犯罪相关的一个变量是死亡、重伤结果，因为在中国人的法律观念里，“杀人者死”的信念是比较根深蒂固的。那么，死亡、重伤结果是否影响死缓适用呢？Crosstabs统计结果显示，在所有暴力犯罪案例中，具有死亡、重伤结果的被告人被判处死刑立即执行的比例是69.9%，但是由于p值大于0.05，统计结果仍然不具有统计学上的显著性，我们也不能说死亡、重伤是死缓适用的一个消极因素。

　　应当说，前述结果与笔者的预期相差太大，笔者暂时也没有找到合理的解释。不过笔者大致猜测，这可能与本研究的案例构成有关，因为本研究数据中最高法院案例和高级法院案例数目差别不大，而最高法院将大部分死刑罪名的核准权授权给了高级法院和军事法院，故其复核案件的性质比较狭窄，主要是毒品犯罪和贪污贿赂犯罪等非暴力犯罪，这可能影响了暴力犯罪与死缓适用统计结果的显著性。

　　（6）政治和刑事政策因素

　　政治因素主要是指案件当事人或者案件性质涉及政治因素。前者如中纪委督办的成克杰、马向东、李真、王怀忠案件，后者如危害国家安全犯罪。刑事政策因素主要是指案件是否处于“严打”期间，或者是否属于“严打犯罪”——在具体操作中，凡是“涉黑”的案件均被视为“严打犯罪”。

　　表13显示，在有政治、刑事政策因素的案例中，88.9%的犯罪人被判处了死刑立即执行，被判处死缓的比例只有11.1%；在全部死缓判决中，受政治、刑事政策因素影响的案例所占比例只有2.4%，未受政治、刑事政策因素影响的案例所占比例高达97.6%。这说明，未受政治、刑事政策因素影响的犯罪人更可能被判处死缓，受政治、刑事政策因素影响的犯罪人更可能被判处死刑立即执行。不过考虑到在全部死刑立即执行判决中，未受政治、刑事政策因素影响的案例亦高达91.4%，因此不宜过高估计政治、刑事政策因素对死缓适用的消极影响。另外，由于p值等于0.058，我们必须谨慎对待统计结果。

　　从表14可以看出，涉及政治、刑事政策因素的案例都是由最高法院复核的。与表13相比，最高法院死缓判决的行百分比略有变化，具体地说，未受政治、刑事政策因素影响的案例所占比例提高到94.9%，受政治、刑事政策因素影响的案例所占比例相应降低到5.1%。不过这些变化并不能说明最高法院更看重政治、刑事政策因素，因为原因可能在于涉及政治、刑事政策因素影响的犯罪复核权一般由最高法院行使。

　　（7）民愤和舆论

　　民愤和舆论是否应该影响量刑一直是一个有争论的问题[51]，但是存在“民愤杀人”、“舆论杀人”却是不争的事实。在本数据库中涉及的近年来严重受到民愤影响的案件就有“刘涌案”、“孙志刚案”等案件。一般说来，民愤和舆论一般都是适用死缓的消极因素，但是在某些时候，民意、舆论也可能成为适用死缓的积极因素，比如本数据库中的徐建平案。尽管徐杀妻手段十分残忍，但是却有许多知识分子呼吁给他留一条活路，原因是徐系科技精英，为国家做了不少贡献。[52]

　　Crosstabs统计结果显示，在有民愤、舆论影响的案件中，78.6%犯罪人被判处了死刑立即执行，但是p值远远大于0.05，故无法得出具有统计学意义的结论。当然，由于一个案件是否存在民愤、舆论影响单单通过判决书很难看出来，故本变量的结论仅仅具有参考意义。

　　（8）其它从严情节

　　与其它从宽情节相对应，其它从严情节也主要指分则性从严情节。比如故意杀人罪手段残忍，杀死多人；贩卖毒品的数量特别巨大；犯罪人不是累犯但有犯罪前科，如此等等。

　　从表15可以看出，在有其它从严情节的案例中，判处死刑立即执行的比例为80.5%，而判处死缓的比例只有19.5%；在全部死缓判决中，没有其它从严情节的占69%，有其它从严情节的占31%。这说明，具有其它从严情节的犯罪人更可能被判处死刑立即执行，没有其它从严情节的犯罪人更可能被判处死缓。

　　表16表明，加入控制变量“复核法院”以后，高级法院的统计结果已经不具有显著性，只有最高法院的统计结果具有显著性。在最高法院复核的案例中，有其它从严情节的犯罪人中被判处死刑立即执行的比例为89.1%，被判处死缓的比例只有10.9%，与表15相比，前升后降；在全部死缓判决中，没有其它从严情节所占的比例为82.1%，有其它从严情节所占的比例仅为17.9%，与表15相比，前者比例大大提高，后者比例相应降低。两相对比说明，具有其它从严情节的犯罪人在最高法院比在高级法院更可能被判处死刑立即执行，或者说具有其它从严情节的犯罪人在最高法院被判处死缓的可能性比在高级法院小。

　　3.Logistic回归分析

　　Crosstabs交互分析是在假定其它变量不存在的情况下对两个变量的分析过程，但司法实践中一个具体的案件不可能只受一个变量（情节）影响。那么，在前述具有统计学上显著性的变量的共同作用下，哪些变量仍然具有统计学上的显著性？这些变量对死缓适用的作用力度如何？能否通过观察案件具有或者不具有某个情节预测法官是否判处死缓？这些问题都需要我们进行Logistic回归分析以后才能回答。

　　表17是将自首、立功、悔罪态度、其它从宽情节、数罪、政治和刑事政策因素、其它从严情节、被害过错8个交互分析具有显著性的变量作为自变量，“复核结果”作为应变量，采用Enter法（所有变量一次进入方程）进行Logistic回归分析得到的结果。可以看出，在8个变量同时作用下，只有立功、悔罪态度、其它从宽情节、数罪四个变量仍具有统计学上的显著性，自首、政治和刑事政策因素、其它从严情节、被害过错四个变量已不再具有统计学上的显著性。在具有显著性的四个变量中，立功、悔罪态度、其它从宽情节是死缓适用的积极因素，“数罪”是死缓适用的消极因素，这从第一列的非标准化回归系数值（B）是否为负数即可看出。观察最后一列的Exp（B）值，我们可以进一步得到如下结论：

　　具有立功情节的被告人被判处死缓的可能性是不具有立功情节的被告人被判处死缓可能性的4.771倍；

　　具有悔罪态度的被告人被判处死缓的可能性是不具有悔罪态度的被告人被判处死缓可能性的3.474倍；

　　具有其它从宽情节的被告人被判处死缓的可能性是不具有其它从宽情节的被告人被判处死缓可能性的91.487倍；

　　实施了数罪的被告人被判处死缓的可能性是只实施一罪被告人被判处死缓可能性的0.37倍，或者说只实施了一罪的被告人被判处死缓的可能性是实施数罪被告人被判处死缓可能性的1/0.37倍（约2.7倍）。

　　Exp（B）值只能判断某个自变量存在与否对应变量的影响，为了比较立功、悔罪态度、其他从宽情节三个变量之间的相对作用，即哪个变量对死缓适用作用力更大，我们还需要计算出这三个变量的标准化回归系数[53]。经过计算，三个变量的标准化回归系数分别为：约0.21、约0.26、约0.75。也就是说，对于是否适用死缓来说，其它从宽情节所起作用最大，而且远远大于另外两个变量，悔罪态度的作用居中，立功情节所起作用最小。

　　那么，由上述四个变量构成的模型对死缓适用的预测能力如何呢？

　　图18显示，无效模型（加入变量前）的总预测准确率为68.9%；图19显示，模型（加入变量后）的总预测准确率为84.1%。总预测率提高了，说明模型的预测能力较好。其中，模型对死刑的预测准确率为98.4%，而对死缓的预测准确率只有52.4%，这说明，模型更适合对死刑立即执行的预测。

　　上述结论还可以通过模型预测分类图（图1，见下页）得到印证。死刑适用的两种可能分别向横坐标1（判处死缓）和0（判处死刑立即执行）靠拢，这说明上述模型的解释力较强，但是显然0的分布更多落在横坐标0处，即对死刑立即执行的预测效果更好。因此，如果仅仅通过犯罪人是否具有立功、悔罪态度、其它从宽情节、数罪情节来预测被告人是否会被判处死缓准确率不会很高。

　　
　　
　　
　　
　　
　　
　　
　　
　　
　　
　　
　　
　　
　　
　　
　　
　　
　　
　　

　　图1　模型预测分类图

　　4.小结

　　在本部分第1、2、3小节，我们分别就双变量交互分析和多变量回归分析的结果进行了讨论，结合交互分析结果和回归分析结果，我们可以得到如下结论：