《表4 是否适用酌定减轻处罚的Logistic回归分析结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《酌定减轻处罚制度司法适用的实证分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从上表可知，各自变量显著性水平（Sig.)P值小于0.05，按α=0.05水准，有理由接受H1，说明是否具有以上情节对是否适用酌定减轻处罚有显著的差别。接下来，将筛选后的自变量纳入Logistic回归模型。由于自变量之间可能存在共线性关系（即显著的相关关系），进而干扰Logistic回归分析的结论。为确保模型的稳定性，避免出现多重共线性问题，在进行回归分析之前，笔者将个别自变量进行以下处理：（1）如实供述与认罪态度存在一定程度的交叠，回归模型中的如实供述仅限于在样本中单独出现的如实供述。（2）在阅读样本中发现伤害行为包括轻微伤害行为、轻度伤害行为、重度伤害行为。为顺利进入模型，将伤害行为设置为有序多分类变量，并在Logistic回归分析时对其进行哑变量处理。根据假设，笔者将具有显著性差异的14个量刑情节作为自变量，其中认罪态度、悔罪等9个常见酌定量刑情节作为控制变量，利用Logistic回归分析来得到以上自变量与因变量之间的“净关系”。在初步回归分析后发现，“被害人的系统漏洞”等9个情节的显著性水平（Sig.)P值大于0.05，表明有其他情节存在的情况下，这些情节不再能够维持其影响的显著性。笔者将这9个虚假相关的变量剔除后，重新进行Logistic回归分析，结果如表4（1）: