阅江论坛 | 法律面前能否人人平等：量刑差异的驱动因素研究
作者简介：
邢景丽，博士，清华大学经济管理学院互联网发展与治理研究中心助理研究员；张仲梁，博士，南开大学统计与数据科学研究院教授。
摘要：借助于中国裁判文书网30个省份贪污受贿行贿罪数据，从量刑个体情节差异视角，通过统计方差分析和回归分析，探究量刑差异的驱动因素。研究发现：量刑差异受犯罪个体是否有前科、是否自首坦白退赃、法院级别、涉案金额、行政级别、社会经济地位等因素影响。量刑公正需要关注量刑的情节差异，通过将单一的“数额”标准（一元标准）修改为“数额＋情节” 标准（多元标准），通过规范法官自由裁量权，消除地区差异等措施来推动量刑公正和法律公平。
关键词：量刑差异；量刑公正；驱动因素；贪污受贿
原文目录 ·
一、背景
二、文献综述
三、量刑总体情况和样本数据预处理
四、提出假设和建立回归模型
五、结论和建议
一、背景
当下，司法界对贪污受贿行贿罪的量刑标准是社会各界十分关注的重点和热点问题。个体差异、情节差异、身份差异、程序差异、地区差异带来的量刑失衡，使得社会公众对司法的公正性产生质疑。量刑问题研究不仅事关当事人的生命、自由和财产，而且事关司法公信力和法律的公正。
探究量刑差异的驱动因素是推动量刑精准化和公正的基础及前提。2016年4月18日，最高人民法院、最高人民检察院联合召开新闻发布会，公布了《最高人民法院、最高人民检察院关于办理贪污贿赂刑事案件适用法律若干问题的解释》（以下简称《解释》），明确了贪污受贿罪的量刑新标准。《解释》把贪污罪、受贿罪的量刑起点由1997年刑法确定的5000元调整至30000元。
量刑起点和标准之所以改变，一方面是因为随着经济社会的发展变化，原有量刑标准不适用新时代新变化，另一方面是由于中国不同地区的定罪标准存在差异、不尽统一，贪污受贿构成犯罪的金额和情节不尽相同。
近来，随着大数据、云计算等在司法实践领域的运用，2017年最新修订了《最高人民法院关于常见犯罪的量刑指导意见》。如何推动量刑公正公平，需要关注我国量刑差异的驱动因素。
量刑情节因素是量刑最为重要的标准和尺度，从犯罪个体的情节视角，探究自首、坦白、立功、退赃、索贿、认罪态度等情节因素对量刑差异是否有影响，影响程度有多大，有助于促进量刑指导从刚性走向弹性，从量刑失衡走向量刑平衡，从“强制性适用”走向“参考性适用”，从而实现量刑差异地区之间有弹性的差异。这种改变具有重要的现实意义。
近年来，量刑差异的驱动因素研究成为学术界和司法实践领域关注的热点、重点问题。本研究采用中国裁判文书网数据，从统计学的视角，运用R软件，从量刑个体情节差异的维度，从学历、前科历史、自首、坦白、退赃、法院级别、涉案金额、行政级别、社会经济地位等情节因素，来验证分析量刑差异的驱动因素，为量刑科学化、精准化和规范化提供新的观察。
二、文献综述
学术界关于刑罚条文的研究较为丰富，但对量刑差异以及差异驱动因素的量化研究相对偏少，基于司法实践的研究尚显不足。
在国际学术界，实证分析量刑差异的驱动因素研究主要聚焦于以下视角：社会身份与经济地位、种族和宗教、罪中审判程序、性别、法官自由裁量权等。比如从生活经济地位的视角，探究白领犯罪量刑结果是否优于普通人。犯罪嫌疑人在社会分层体系中所处的位置，所具有的社会资源和经济资源，在量刑过程中会自带光环效应，带来更为轻缓的刑罚。
Ronald探究了联邦量刑差异的种族和宗教视角。Jeffery结合自己已有研究成果，规划了今后十年左右量刑方面的主要研究方向。Bian通过使用美国宾夕法尼亚州量刑委员会（PCS）3年的数据，研究中间制裁对量刑差异的影响，以及对量刑缓刑的替代问题。
Byungbae采用美国三个地区法院（样本数为2686个）的独特数据集来确定法官和检察官审判案件带来的量刑差异，采用二分变量模型探究了检察官和法官如何促成罪犯刑罚的差异。Nowacki从性别、种族、年龄、宗教信仰等社会结构因素分析了量刑差异的影响因素。Byungbae利用2008年至2010年的联邦量刑数据，从性别差异视角出发，考察宗教和政治保守主义对量刑差异的影响，发现宗教和政治保守主义减少了量刑性别差距。Alma介绍了司法政治对量刑种族性别带来的量刑差异影响。
美国量刑委员会分析了不同种族的量刑差异。Camilia利用OLS回归模型分析了性别、年龄和宗教信仰因素对量刑差异的影响。
与此同时，国内不少学者对量刑差异也进行了尝试研究。学者们一致认为中国的量刑存在普遍差异，其量刑差异主要表现为如下两个方面：（1）同罪不同罚，同案不同判；（2）重罪轻判，轻罪重判。
郎贵梅从定性角度描述了同案不同判的主要原因：一是裁判规范性缺失，二是裁判主体的主观性。张静认为同案不同判主要源于法律本身制度、法官个体、审判依据、地方力量四方面。
与量刑差异有关的研究主要可以分为以下五个方面：
一是量刑差异对应的理论基础。周光权提出，量刑基准应该是实证分析法，量刑裁判应结合量刑情节，考虑社会危害性因素。袁家德从量刑公正和刑罚理论的角度，阐释量刑差异的理论基础。石经海从刑法理论的角度，剖析“量刑”核心内涵，阐释了量刑规范化的科学基础。
二是量刑差异的个体因素和情节因素差异。该差异体现在同一地区法院对不同犯罪嫌疑人的量刑出现较大差异犯罪嫌疑人。个体因素通常是指社会结构特征，主要包括男女性别、教育程度、社会经济地位和是否有前科等。代表性研究成果如下：赵廷光认为正确处理法定刑、量刑情节与宣告刑三者之间的数量关系，是实现量刑公正的唯一途径。李杰以T市A区2012年338份量刑建议为考察对象，探究量刑差异问题。熊谋林等基于德阳市5个基层法院数据分析了量刑公正。林思婷等以浙江省宁波市2014年539例判决为例，探究了宁波市不同犯罪嫌疑人的量刑。
三是量刑差异的程序差异。比如，赵廷光、侯兆晓、陈瑞华、余剑、熊谋林等都是从定性角度描述程序会带来量刑差异。
四是量刑差异的地区差异。不同地区对同一类型的犯罪量刑出现较大差异。苏惠渔等尝试利用电脑模拟对量刑的地区差异进行研究。董桂武对故意伤害罪进行实证分析。王剑波基于文书网中200个样本的数据，针对受贿罪的地区差异进行探讨分析。
五是量刑差异的身份差异。主要集中于两个方面：首先，从户籍歧视、地域歧视、年龄歧视、性别歧视的视角研究量刑歧视；其次，职务身份对量刑的影响。不同身份（户籍、社会地位属性、经济属性的犯罪嫌疑人被判处不同量刑，比如籍贯和户口性质，非京籍人被判处缓刑的比例低于京籍人被判处缓刑的比例，如社会地位属性。行政级别的差异会带来量刑差异，王剑波、王新环研究发现经济收入高的被告人被判处缓刑的比例要高。
通过文献分析发现，现有研究的局限性主要体现在三个方面。
第一，比较分析定性描述量刑差异以及量刑问题对应的原因，过于重视规范分析，轻视实证分析。常用的研究方法是“典型案例”和“代表性案例”等。以个别案例作论据进行量刑差异的描述性分析具有合理性，但个体不能完全代表总体，鲜有通过代表性数据对量刑基准差异驱动因素进行实证研究，其科学性和代表性有待进一步验证和探索。
第二，缺少必要的实证分析和模型验证，缺乏较好的实证数据源。正如2000年诺贝尔经济学奖获得者詹姆士·赫克曼所言：“数据是经济的基本事实，没有一流的数据，就没有一流的公共政策。” 量刑公正公平政策需要可靠的数据源和科学的统计实证模型。
第三，少数学者进行了量刑差异实证研究的尝试，但研究局限于某一个或几个城市样本，某一种犯罪类型或某一个维度等影响因素。数据源于方便抽样，而不是随机抽样，样本的代表性和研究结论可靠性值得进一步探究。
笔者基于中国裁判文书网中公开的贪污、受贿和行贿罪数据，通过下载及手工搜集整理，提取出与贪污受贿行贿量刑密切相关的一系列因素，包括单位、性别、年龄、民族、受教育程度、涉案金额、判刑、是否自首、是否坦白、是否立功、是否退赃、是否索贿、是否共同犯罪、审理法院等。运用R软件进行回归等统计分析，探究不同地区不同个体量刑差异的驱动因素，重点聚焦量刑差异的情节因素。
对量刑差异的研究重点集中在以下两个方面：一是量刑差异的驱动因素有哪些，这些驱动因素是否具有统计学意义上的显著差异；二是这些驱动因素对量刑的影响如何。主要采用T检验、F检验、方差分析等统计方法进行量刑差异的驱动因素检验。
三、量刑总体情况和样本数据预处理
笔者从中国裁判文书网抽取18445份贪污受贿罪判决书作为研究样本。选取10102份样本（3449份贪污罪和6653份受贿罪）进行分析研究。根据样本数据的可获得性和研究目的，剔除不可用数据，将量刑的有期徒刑时间单位都转化为月，最终的样本为6291份。
文书中量刑结果主要有拘役、免于刑事责任、有期徒刑、无期徒刑、死刑，但拘役、无期徒刑和死刑占样本量的比重非常小，几乎可以忽略。为了量刑量化的方便和数据的可处理性，剔除结果为拘役、无期徒刑和死刑，仅保留有期徒刑和免于刑事责任。
事实上，在统计中，涉案金额和有期徒刑是数值变量，死刑是属于分类变量，为了研究的方便，故剔除之。此外，拘役、无期徒刑和死刑总共有21份，占比极低，剔除之后不影响分析结果的可靠性。文书中有不少样本是免于刑事责任，为了数值量化的需要，免于刑事责任在数值处理上记为“0”。地区的分布为“1＝东部”“2＝中部”“3＝西部”和“4＝东北”。四个地区的样本分布详见下表1。
在抽样调查中，样本数确定很重要，因为样本过大，会造成资源浪费，而样本过小，会使抽样误差过大，最终影响检验结果的可信度。所以，受人财物所限，本研究没有收集所有的样本进行检验，而是根据前人研究经验，抽取满足统计方法要求的样本量。为了最大可能地利用好收集到的样本信息，客观真实地反映量刑差异的驱动因素问题，结合可利用的样本数和实际收集样本的时间限制，在后续分析处理中，根据需要确定样本数。
四、提出假设和建立回归模型
量刑情节的核心内涵是能够表示犯罪的行为对于整个社会的危害程度以及行为人自身的危险程度的衡量指标。利用量刑情节指标能够很好地决定嫌疑人是否适合使用相关的刑罚或者是免除处罚等情况。量刑受情节因素影响。情节因素差异主要包括罪前、罪中和罪后情节。这里，罪前情节主要是指犯罪个体是初犯还是有前科历史，罪中情节主要是指犯罪个体贪污受贿行贿带来的社会危害当量，比如涉案金额数，罪后情节主要指当事人是否具有减刑的因素。
根据量刑情节对量刑幅度差异的影响，建立含有虚拟变量的多元回归模型。根据实际可获得的数据，自变量为不同地区的经济发展水平，控制变量为性别、学历、量刑情节（自首、坦白等行为）、涉案金额。因变量为量刑幅度，量刑幅度采用社会危害当量来测度，社会危害当量定义为万元涉案金额对应的有期徒刑月数。为了不损失样本的信息量，样本量由研究的实际需求来定。
假设量刑幅度决定方程为Y=F(X,ε)，X 为量刑差异的驱动因素或影响因素。在前述分析的基础上，建立含有定性变量的多元回归模型：
其中，X1 为涉案金额；Xｉ 为控制变量，包括情节差异、社会身份差异、行政级别、地区差异等；X2 为个体差异（性别、学历）；其中，X3 代表是否有前科；Y 为自首、坦白、退赃等量刑减轻情节；X5 为法官自由裁量权，包括犯罪主体的行政级别、地区差异系数等；Y 为量刑幅度，通过计算社会危害当量来测度；ε 为随机误差项。为了能够更好地作出判断，法律授予法官一定幅度的自由裁量权以对个案进行甄别。反映在方程中，这个甄别差异便是随机误差。
（一）量刑的情节差异
根据前文的分析，情节因素差异主要包括罪前、罪中和罪后情节。鉴于文书中只有初犯的数据，初犯的犯罪个体没有前科，1=前科，0=初犯，采用0-1变量建立logistics回归模型测度前科对量刑差异的影响。罪中情节主要是指犯罪个体贪污受贿行贿带来的社会危害当量，比如涉案金额数。罪后情节主要指当事人是否具有减刑的因素，比如自首、立功、坦白、退赃。对于情节因素对量刑影响主要作出以下假设。
假设1a：有前科的，加重量刑。（罪前）
假设1b：有自首坦白退赃情节，减轻量刑。（罪后）
假设1c：涉案金额越多，量刑越重。（罪中）
根据Wooldredge的研究结论，法官在量刑时，会考虑累犯的风险，并对有这种倾向的人判处更重的刑罚。数据处理时，剔除文书不合理的数据和异常值数据，得到167个样本数据，其中初犯和有前科的分别为57和110，控制变量后，利用单因素方差分析研究前科因素对量刑差异的影响（见表２）。
由表2可知，对初犯和有前科的贪污受贿行贿犯罪嫌疑人，量刑的有期徒刑月数分别为37.65和68.47，有前科的量刑幅度几乎是初犯的2倍，有前科犯罪历史因素对量刑幅度均值远高于初犯。法官在量刑时，对累犯的当事人量刑更重。
通过对前科历史单因素方差分析，由F=7.68，sig=0.006可知，在1%的显著性水平下，通过了方差分析显著性检验，前科历史和初犯对量刑结果存在显著差异。
通过Box-Plot（图1），可以直观看出，初犯和前科对量刑结果（有期徒刑）存在差异。有前科历史的量刑幅度高于初犯。
1.罪后有自首、坦白等情节
法定量刑情节主要包括自首、立功、坦白、认罪态度和退赃。自首是指犯罪嫌疑人因为多种原因主动向公安部门承认自己犯罪的行为，是除了涉案金额外，最为重要的量刑情节。根据样本数据，有过自首行为都有量刑减轻处理。立功指的是犯罪嫌疑人揭发他人犯罪的行为。坦白指的是犯罪被告人在犯罪行为被组织揭发之后，坦白交代自己的犯罪行为。《量刑指导意见》中规定，当庭认罪能够得到从轻处罚。
研究发现，犯罪嫌疑人有自首、立功、坦白、认罪态度和退赃等情节，有利于法官基于被告人的悔罪态度或降低司法成本，判断犯罪嫌疑人的危险性更低，从而给被告人判处更轻的刑罚。在司法实践领域是否呈现相似的印证规律呢？对于自首等情节是否对量刑有差异，作出以下假设。
在可获得的文书数据中，将量刑情节分为自首、坦白、退赃、无减轻情节四大类。表3给出自首、坦白等情节对量刑差异的描述统计分析。
由表3可知，自首、坦白、退赃的有期徒刑月数均值分别为49.48、77.77、66.40。无任何减轻情节的有期徒刑均值为98.07月，远远高于自首、坦白、退赃的量刑幅度。不难看出，有自首、坦白、退赃情节的被告人，量刑得到法官的宽宥。
由自首坦白等情节对量刑差异影响的单因素方差分析可知，F=24.156，sig=0.000，在１％的显著性水平下，自首、坦白、退赃情节对量刑差异的影响通过了显著性检验（见表４）。
在５％的显著性水平下，自首、坦白、退赃对量刑的多重交互检验通过了显著性检验。事实上，犯罪嫌疑人的自首、立功、坦白、退赃、悔过等表现有利于法官根据其悔罪态度或考虑到降低司法成本等因素，犯罪嫌疑人根据自身的法定自由裁量权，可能对被告人减轻刑罚量刑程度。
如图２所示，不同被告人的自首、坦白、退赃情节对量刑的影响，可用Box-Plot图形来刻画。
根据图2，从自首、坦白、退赃情节与否的角度看，自首、坦白、退赃情节的犯罪主体，减轻量刑。从法院级别看，基层法院的量刑较轻。从犯罪主体的行政级别看，社会危害当量的量刑较轻，后两个维度（法院级别和行政级别）对量刑的影响将在下文中重点阐释。
2.涉案金额
不难理解，涉案金额直接反映犯罪行为的规模及程度，是衡量犯罪社会危害性的客观标准。贪污受贿涉案金额是量刑最为重要的情节因素，是量刑定罪的标准。
鉴于研究的合理性和数据的可获得性，现提出假设：涉案金额越多，量刑越重。文书数据中，剔除不可用数据，将量刑的有期徒刑指标都转化为月，最终得到542个贪污罪的有效样本数据。为了进一步分析贪污受贿的数额以及量刑之间的相互关系，建立涉案金额对量刑幅度的回归方程。
控制其他变量，将涉案金额和有期徒刑指标数据进行对数化处理，对贪污犯罪涉案金额和对应的有期徒刑进行对数回归分析。F=15.39，t=332.802，说明对数回归模型通过了方程的显著性检验和参数的显著性检验。研究结果发现，在1%的显著性水平下，男女性别对量刑的影响通过了方程的显著性检验和参数的显著性检验，如表5所示。
由于涉案金额的系数为正（0.988），可知在其他变量不变的情况下，涉案金额越多，社会危害当量越重，量刑越重。
（二）社会身份对量刑差异的影响
一般来说，不同社会经济地位的犯罪有不同的量刑结果。不少研究指出社会经济地位对量刑轻重有影响。户籍不是身份和地位的象征，但国内一线城市的户籍是“排队”资源，某种意义上户籍也是身份的测度。
陆益龙从户籍的角度出发，认为与非北京户籍相比，北京户籍的犯罪嫌疑人受到的处罚较轻。这里采用行政级别来刻画社会经济地位对量刑的影响。假设犯罪嫌疑人的行政级别越高，社会地位越高。现作出以下假设。
通过整理文书数据信息，得到222份局长和222份科长的数据样本，计算缓刑的比例发现犯罪主体为局长的被判处缓刑的比例（37.94%）远远高于科长被判处缓刑的比例（16.52%）。可见，行政级别对量刑有影响，具体的影响程度需要借助相关统计模型进一步探究。
犯罪嫌疑人的行政级主要包括五种行政级别：副厅、正处、副处、正科、副科、科员。控制其他变量，建立不同行政级别的犯罪个体含有哑变量的回归分析。
由社会身份对量刑差异的描述统计分析可知，副厅、正处、副处、正科、副科、科员的犯罪主体被判的有期徒刑月数均值分别为40.0、53.0、66.1、68.1、77.1、94.0，可见，不同行政级别的犯罪主体，量刑存在差异。随着社会身份地位的提高，法官越是宽宥，量刑越轻。
由行政级别对量刑的单因素方差分析可知，F=5.735，sig=0.017，在1%的显著性水平下，被告人的行政级别对量刑差异的影响通过了显著性检验。
为了探究不同犯罪个体的行政级别对量刑差异的影响程度，建立含有哑变量的回归方程模型。通过行政级别和涉案金额对量刑差异进行回归分析得到t值为9.571和sig值为0.000，因此，在10%的显著性水平下回归方程通过显著性检验。
实际上，行政级别是社会身份地位的外在刻画，是其在社会分层体系中所处的位置，其所具有的社会和经济资源，在量刑过程中会转化成一种优势，这种优势会带来更为轻缓的刑罚。
（三）法院级别差异对量刑差异的影响
假设3：越是低层法院，量刑越重。
按照法院的三大类级别，结合文书中贪污受贿行贿罪的公诉机关的级别，这里将法院级别可以分成三类：（1）高级法院，指样本中厅局级及以上（省部级、直辖市及分院）的法院；（2）中级法院，指样本中地级市法院；（3）基层法院，指样本中县（市辖区）级法院。
控制其他变量，建立法院级别对量刑幅度的单因素方差分析模型。量刑的本质是对犯罪嫌疑人的社会危害当量进行测度分类定罪，这里解释变量的指标测度采用社会危害当量，定义为单位万元涉案金额的有期徒刑。法院级别对量刑的影响如表6所示。
由表6可知，基层、中级和高级法院的社会危害当量均值分别为1477.9、281.9、7.4，呈现出越是基层法院量刑越重，越是高层法院量刑越轻的规律。根据法院级别对量刑幅度的单因素方差分析得到F=1.624、sig=0.198，方差结果没有通过显著性检验。但在法院级别对量刑差异的多重因素方差分析（Multiple Comparisons）中，在10%的显著性水平下法院级别差异带来的量刑幅度差异通过了显著性检验。
（四）量刑刑罚综合指数
文书中被告人的情节类型主要有：1=自首、2=立功、3=坦白、4=退赃、5=无减轻情节。为了测度量刑情节对量刑差异的影响。在建立的含有虚拟变量模型中，将驱动因素转变为0-1变量，1=有减轻情节（自首、立功、坦白、退赃等），0=无减轻情节。被解释变量为量刑幅度，采用社会危害当量测度，解释变量为量刑情节和涉案金额数，得到含虚拟变量的回归分析。
回归结果见表7，由F=20.383，sig=0.000可知，在1%的显著性水平下含虚拟变量的回归方程通过了显著性检验，量刑情节和涉案金额对量刑结果有显著影响。
由量刑情节和涉案金额对量刑结果的回归方程可知，常数项、涉案金额和量刑情节的sig值都为0.000，在1%的显著性水平下回归方程通过了参数的显著性检验。量刑幅度和涉案金额正相关。由回归系数可知，涉案金额变动1%，量刑幅度有期徒刑变动0.03%。量刑情节对量刑的影响存在显著差异。
可见，犯罪个体有自首、立功、坦白、退赃等情节，法官会更宽宥，量刑越轻。统计意义上，与无减轻情节相比，有减轻情节的量刑幅度减少了16个月。回归方程如下：
上述回归方程为构建量刑刑罚综合指数提供了一种量化的基础，再考虑学历差异、社会身份和地区差异等因素。
进一步研究发现，学历上，在其他控制变量不变的情况下，相对于大专以下学历，相似案情，大专以上的犯罪嫌疑人量刑轻16个月。
情节因素上，在其他控制变量不变下，相对于无减轻情节，相似案情，有自首情节，量刑减轻48个月；有坦白情节的犯罪嫌疑人量刑减轻20个月；有退赃和认罪态度良好的犯罪嫌疑人减轻31个月。
社会身份差异上，在其他控制变量不变的情况下，相对于科员级别的犯罪个体，副厅、正处、副处、正科、副科的犯罪主体被判有期徒刑月数的均值依次减少54个月、41个月、28个月、30个月、17个月。
地区差异上，东部、中部、西部、东北地区有期徒刑的月份均值分别为55.79、52.09、53.32、36.08。人均GDP越高的地区，量刑越重，反之亦然。相对于东北地区，东部、中部和西部地区有期徒刑的月份均值分别增加19个月、16个月和17个月。
五、结论和建议
（一）研究结论
从法理上来说，法律面前人人平等，但在法律实践中难以做到完全的平等。研究结论表明，量刑差异受如下因素影响。
第一，量刑差异受情节因素影响。
过方差分析，罪前、罪中、罪后的情节因素通过了显著性检验。通过建立涉案金额对量刑幅度影响的回归模型发现，涉案金额越大，社会危害当量越大，量刑越重。建立含有虚拟变量的回归方程发现，犯罪个体有过自首、立功、坦白、退赃等情节，法官越是宽宥，量刑越轻。
第二，量刑差异受社会身份、地区差异等因素影响。
罪主体为局长的被判处缓刑的比例（37.94%）远远高于科长被判处缓刑的比例（16.52%）。社会身份地位在社会分层体系中所处的位置，犯罪嫌疑人所具有的社会和经济资源，在量刑过程中会转化成一种优势，这种优势会带来更为轻缓的刑罚，量刑越轻。量刑差异与地区差异有关但不显著，不同地区贪污受贿犯罪主体的社会危害当量存在显著差异，人均GDP越高的地区，量刑越重。
第三，量刑差异与法院级别（程序差异）差异相关。
层、中级和高级法院的社会危害当量均值分别为1477.9、281.95、7.38，基层法院量刑较重，高层法院量刑较轻的规律。法院级别（程序差异）带来的量刑差异没有通过显著性检验。程序差异带来的量刑差异将作为后续的研究。
第四，初犯和前科既是影响量刑差异的情节因素，是法官自由裁量权的因素。
际上，不同法官面对贪污受贿罪的犯罪个体，一方面依据社会危害当量程度、个体因素、情节因素、社会身份等进行量刑裁决。另一方面，法官的性别、性格、量刑习惯等个人因素可能对量刑造成极大甚至决定性影响。量刑差异不仅考虑刚性，更要注意弹性，从而使得量刑指南从刚性走向弹性，从量刑失衡走向量刑平衡，从量刑模糊化走向精准化，从“强制性适用”走向“参考性适用”，从而实现量刑差异地区之间有弹性的差异。
（二）政策建议
由上述分析可知，被告人社会结构因素对量刑幅度有不同程度的影响。建议从以下几方面着手，在法律实践中降低量刑过程中的不平等。
一是从单一标准走向多元标准。
由单一的“数额”标准（一元标准）修改为“数额＋情节”标准（多元标准）。根据笔者的研究，“数额”标准根据当事人造成的社会危害后果量刑，“情节”因素既要考虑当事人的社会身份属性特征，比如性别、学历、职业、行政级别等情节因素，又要结合当事人的罪前、罪中、罪后相关情节因素，比如自首、坦白、退赃等情节因素。建议先依据涉案金额和量刑情节等因素确定一个基准刑，再明确自首、坦白、退赃、犯罪未遂等法定或酌定的量刑情节，然后根据当事人的犯罪基准刑和量刑情节来确定宣告刑的区间范围，以便规范法官自由裁量权，最大程度上减小被告人的社会身份特征等因素对法官裁判的影响，最大可能做到量刑的精准化和科学公正。这与胡东阳研究观点一致。
二是规范法官自由裁量权，推行量刑规范化工作，减少社会身份特征对量刑的影响。
贪贿犯罪法定刑幅度大，法官量刑的裁量空间也大，权力滥用的概率也高。加强裁判文书说理、提供案例指导等方式规制法官自由裁量范围，推动量刑标准化工作。2018年10月修订的《人民法院组织法》第九至十一条明确了指导性案例，即“最高人民法院可以发布指导性案例”。在指导性刑事案例中涉及贪贿犯罪的案例仅2例，而且仅涉及定罪问题，没有涉及量刑。因此，最高法院应抓紧调研尽早发布贪贿犯罪量刑指导案例，为各地司法机关提供有效的量刑实践指导，努力实现“同案同判”，实现量刑公正法律公平。
三是构建刑罚综合指数，消除量刑驱动因素的影响。
由于情节对量刑的影响存在显著差异，统计意义上，相比较无减轻情节，有减轻情节（自首、立功、坦白、退赃等）量刑幅度应适度减少16个月。
四是利用人工智能等技术手段进行精准量刑。
随着“智能＋”时代的到来，各地都在加快建设智慧法院、智能量刑及智能刑法运转系统。AI辅助量刑系统的改进不仅要符合量刑规范化改革的要求，而且还要注意降低法官量刑权力滥用的概率，避免机械化量刑的误区。人工智能融入刑事量刑司法实践，有助于量刑规范化改革，实现量刑公正和法律公平。
量刑幅度还可能受到其他案外因素的影响，如主审法官是否受到了来自外部的压力，是否有徇私枉法行为，是否有玩忽职守行为等有关法官的自由裁量权因素，这些方面将是笔者后续的研究内容。
备注：
为适应微信排版及手机阅读需要，原文中所有参考文献从略，请见谅。原文出处:
邢景丽、张仲梁：《法律面前能否人人平等：量刑差异的驱动因素研究》，《阅江学刊》，2020年第5期，第22-35页。
邢景丽，张仲梁.法律面前能否人人平等：量刑差异的驱动因素研究.阅江学刊[J].2020(5)：22-35.
责任编辑：李海中
微信编辑：侯苏皖
校 对：来向红、沈丹
作者照片：邢景丽提供
文中插图：源自互联网
复 审：来向红
终 审：渠红岩