《表2 逮捕危险因素分析研究的变量与赋值》

  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

《认罪认罚对逮捕的影响实证研究——基于300份裁判文书的统计分析》

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

鉴于上文所述，本文拟结合计算机软件进行统计学分析，笔者数据录入选择运用EXCEL软件，数据分析采用SPSS16.0统计软件，分析方法运用二分类Logistic回归，根据本文研究的具体问题，笔者将从300份裁判文书中提取的关键性内容作为自变量（解释变量），以犯罪嫌疑人是否被逮捕作为因变量（被解释变量），对各自变量之间所涵盖事实的存在与否进行赋值。例如，犯罪嫌疑人是否认罪认罚作为一个自变量，如果犯罪嫌疑人选择了认罪认罚，则将此数据赋值为0，反之则赋值为1，以此类推，总体赋值情形如表2所示，以二分类自变量的形式将总共449各犯罪嫌疑人的赋值情况以及逮捕情况全部录入，再运用二分类Logistic回归的运算方式计算各自变量的动态变化情形与因变量之间的统计学关系。若最终软件输出的数据表格中的其中一项指标：P值小于0.05，则表示该结果具有统计学意义，换言之，该项关键信息（解释变量）对嫌疑人是否被采取逮捕的强制措施（被解释变量）之间存在正相关或负相关影响，正相关与负相关取决于笔者的赋值方向选择。例如，将嫌疑人符合累犯构成要件赋值为1（自变量），嫌疑人被逮捕也赋值为1（因变量），最后软件输出结果的P值小于0.05，说明嫌疑人可能构成累犯有助于嫌疑人被逮捕这个结果的实现，所以，研究最后最重要的软件指标依然是P值大小是否超出既定范围，此处不再赘述。