严刑峻法真的能降低犯罪率吗？ 第1页

从Gary Becker (1968)开始，经济学家就相信“严刑峻法”可以增加犯罪的成本，从而减少犯罪的发生。但验证这一理论的关键障碍在于，我们通常只能观察到已经发生的犯罪，无从知道潜在的犯罪者究竟是如何进行决策。

Drago等人2009年发表在Journal of Political Economy上的文章，巧妙地利用2006年的意大利大赦化解了上述困难。2006年，为了解决监狱的拥挤问题，意大利议会通过一项法案，宣布在押的全部囚犯都立刻获得三年减刑。这导致22000多名罪犯当即获得了释放。但法案还规定，如果在五年之内，被释放的罪犯再次犯罪，那在新增刑期之外，他还必须补完之前由于大赦而免去的刑期。

随之而来的结果，就是这些被释放的犯人面对着截然不同的机会成本：原本剩余刑期长的，再次犯罪的代价就更大。研究者们利用跟踪数据发现，更长的剩余刑期，确实会降低犯人再次犯罪的概率。由于大赦法案的突然性，我们可以认为剩余刑期在犯人之间近似于随机分配，因而这一结果可以被视为从“严刑峻法”到犯罪率降低的因果关系。

Benjamin Hansen今年发表在American Economic Review上的文章，研究了另外一个案例：刑罚能否有效地减少美国司机的酒驾行为。他利用了如下事实：对酒驾的处罚取决于司机在酒精测试中的得分，得分高过一定阈值，刑期和罚款会有一个明显的上升。通过对比得分位于这个阈值两侧的司机（一侧受刑罚较轻，另一侧较重，但究竟位于哪一侧可以视为随机分布，因为司机很难清楚地知道自己体内的酒精含量有没有超过一个特定值）之后的驾驶行为，我们就可以得到刑罚对酒驾产生的影响。利用华盛顿州的行政执法记录，Hansen再一次验证了Becker的理论。他还发现，相比于降低处罚的阈值，增加处罚的力度反而能够更加有效地减少酒驾。

以上是我能想到的相关研究，欢迎补充。当然，关于增加警力能不能减少犯罪，经济学里的研究就更多，这里不再一一列举。

趁圆桌机会，把这篇专栏放过来，算是对@王也 回答的一个补充。

作者：冯晗

链接：

来源：知乎

这是标题党。这篇专栏其实只是想介绍今年发表在AER上的一篇文章，Punishment and Deterrence: Evidence from Drunk Driving。下文中涉及的资料，若无特别说明，均来自这篇文章。

从标题就可以看出，这篇文章旨在从酒驾行为入手，研究犯罪行为的事后惩戒与未来犯罪的关系。也就是本文的标题，严刑峻法，能减少犯罪吗？

现代经济学研究犯罪行为可以追溯到加里贝克尔1968年JPE上的Crime and Punishment: An Economic Approach. 他认为犯罪行为也可以用经济学解释：理性人权衡预期的收益和成本，从而决定要不要犯罪。这个解释很符合经济学直觉，迄今仍是经济学用以解释犯罪行为的主要框架。

从这个框架出发的话，犯罪的主要成本由被抓住的可能性和被抓之后预期可能受到的惩罚决定，也就是所谓的enforcement和punishment。因而根据这一逻辑，加强执法力度，或是提高惩罚强度，都可以增加犯罪成本，从而减少未来犯罪。所以更强的punishment，似乎理应带来更低的犯罪率。

但实证却没这么简单。经济学家不是法律制定者，不可能去调整法律来看接下来犯罪率会发生什么变化。我们只能设法去收集现有的数据，从中寻找规律。

而这样得来的数据几乎都会存在一个摆脱不了的问题：内生性。比如作为关键解释变量的惩罚严厉程度就是个内生变量，它与很多因素，特别是犯罪活动本身的严重程度相关。而严重犯罪的犯罪者，显然在很多特征上与一般人群存在差异。因而如果我们直接对比受到法律制裁严厉程度不同的犯罪行为的发生率，得到的结果就很有可能是存在问题的。用计量术语说，就是存在跟主要解释变量相关的遗漏变量，导致估计值有偏。

此外，严刑峻法还可能通过另外一条渠道影响犯罪率。它可能直接改变受惩罚者此后的犯罪率。这种影响无法由传统的加里贝克尔框架解释。显然，在传统框架下，影响犯罪行为决策的是犯罪行为的预期收益和成本，而是否受过惩罚，与这预期是无关的。不过如果我们有限理性或不完备信息的角度考虑的话，受到惩罚可能会让犯罪者对犯罪的成本有新的认识，俗话说不见棺材不落泪嘛。按照这一逻辑，更严厉的惩罚应当会减少犯罪。

不过严厉的惩罚，很有可能会给受惩罚者带来惩罚之外的影响。比如长时间的坐牢会带来人力资本的贬值，使坐牢者在出狱之后难以通过合法途径维持生存，进而提高其犯罪收益，反而提高其犯罪率。所以要知道惩罚本身对犯罪行为的影响，我们还得排除掉这一影响。

数据和方法

回到这篇文章。

就如统计学和计量经济学有什么区别？ - 经济学 这个问题下几个高票答案所强调的那样，经济学家在应用统计学方法时，更关注变量间的因果性，通常并不试图用一个模型完全地描述某件事物。具体到这个研究上，就是经济学家并不试图给出犯罪率的完整决定模型，更不会预测特定情况下的犯罪率水平，而更关注一个具体的问题：对犯罪者的惩罚，有助于降低他未来再犯罪的可能性吗？

作者用的数据是美国华盛顿州从1999/1/1到2011/12/31所有的司机血液酒精含量（BAC, Blood Alcohol Content）测试记录。在这段时间内，华盛顿州规定BAC达到0.08就被视作酒后驾车（DUI，Drive Under the Influence），而达到0.15则被视作醉酒驾车（Aggravated DUI）。华盛顿州对未成年人饮酒采取了所谓零容忍的政策，因而作者排除掉了这部分数据。

这里面不仅有达到酒驾或者醉酒驾驶标准的测试结果，也包含那些未达标准的测试结果。研究针对的是再犯罪的可能性，因而作者所用的被解释变量是一个标志是否再犯的虚拟变量，如果某人在第一次被测试后4年内都再没被查到，这个变量就被设定为0，否则就被设定为1。

如下表所示，按照华盛顿州法律规定，BAC超标不仅会使得司机立刻面临罚款乃至牢狱之灾，也会提高他下次违法时可能会承担的成本。

因而无论是依据传统的加里贝克尔框架，还是从有限理性和不完备信息出发的判断，我们都有理由认为遭受惩罚会降低被惩罚的酒驾者未来再犯的可能性。

酒驾数据的另一个漂亮之处在于，它事后的惩处不算太严厉，大部分时候不会带来长时间的牢狱之灾。因而酒驾之后的惩罚对犯罪率的影响会相对比较干净，不容易受到其他因素的干扰。

给定数据和研究目的，这样的研究当中我们最容易想到的方法当然就是用是否遭受惩罚作为解释变量，对比那些达到酒驾标准的和未达标准的司机在未来一段时间内的犯罪情况，如果前者犯罪率显著低于后者，我们就有理由认为法律制裁减少了犯罪。

不过显然，这样的结果会因为内生性而变得有偏：在检测中BAC很低的人和很高的人可能是完全不同的，这种差异可能会出现在家庭背景、工作、偏好、文化乃至对酒精的代谢速度上，而后面这些因素显然都会影响到这人此后再犯酒驾的概率，而且无法完全被控制。于是这就又是个遗漏变量与解释变量相关导致结果有偏的故事。

所幸数据和酒驾本身的特殊性，为我们提供了另外一种方法。

司机可以决定喝不喝酒，可以决定喝多少酒，但一旦喝酒，他是无法精确控制被检查时的BAC的。也就是说，你有没有喝酒，这不是个随机事件，但你喝完酒之后在被检查时，BAC究竟是0.079还是0.08，是0.149还是0.15，却基本上是个随机事件。换句话说，虽然BAC 0.01、0.08和0.15的人可能是十分不同的，但我们有理由认为BAC 0.079和0.08的人，0.149和0.15的人是相似的，他们之间最大差异，只是有些人运气好，在测试时逃过一劫。而这运气本身显然与未来的行为没有关系。

而且目前的BAC测试都由设备自动完成，即使是警方也几乎没有上下其手的空间，这也是一个我们应当认为那些BAC在越界边缘的人是否越界只是运气问题的理由。

因而如果BAC 0.08的人相比0.079的人在此后酒驾的概率更低，或者BAC 0.15的人相比0.149的人此后酒驾的概率更低，我们就能比较有把握地说，针对酒驾的法律制裁减少了未来的酒驾行为。

要完成这样的对比，就需要RD（Regression Discontinuity）方法。所幸作者所获得的数据当中，不仅有是否被测试者BAC是否超标的记录，也包含了确切的BAC数字；不仅有那些BAC超标者的数据，也有未超标者的数据。因而这一方法的运用就成为可能。

主要结果

RD回归的结果在上图中一目了然。在0.08那条竖线附近，再犯罪率的拟合线出现了明显的不连续下降。相比BAC 0.079的人，因BAC 0.08而遭受制裁者在此后四年中再犯的概率降低了2%。

我们仍然无法区分犯罪率的降低是由预期犯罪成本提高导致的，还是只是制裁本身的结果，或者两者兼而有之。我们无法直接回答这一问题，不过，数据仍然提供了一条间接的观测渠道。

华盛顿州法律会加大对累犯者的惩罚力度，但在判定时，它并不区分累犯者上次违法究竟是酒驾（DUI）还是醉驾（Aggravated DUI）。换句话说，从BAC 0.079到0.08的跨越会带来预期犯罪成本的上升，但从BAC 0.149到0.15的跨越不会。因而如果这些人的未来犯罪率也会下降，那就意味着传统的加里贝克尔框架在解释犯罪率时，还是不够的。

同样在上图中，我们可以看到，在0.15那条竖线附近，虽然再犯罪率的拟合线仍然出现了明显的不连续下降，这可能说明传统的加里贝克尔框架是不够的；但下降的幅度要明显小于0.08竖线附近，这或许说明加里贝克尔的框架仍然是重要的。

除了罚款、坐牢等一般意义上的惩罚，美国的法庭经常还会判决酒驾者接受各种戒酒疗程。如果这些措施是有效的，那酒驾者的酒精摄入而酒驾行为可能就会随之减少。不过这一机制显然无法推广到其他犯罪上，因而也不是我们最希望看到的。于是我们不免要问，排除掉这一机制影响后，惩罚措施对减少酒驾仍然有效吗？对这一质疑，作者从两个方面进行了回答。一方面，他发现在BAC 0.15这个门槛上，法庭要求戒酒疗程的可能性并没有显著增加，因而他认为，至少在这个门槛上酒驾行为的减少无法由戒酒疗程解释。

另一方面，酒精的摄入通常不仅与酒驾有关，还会与其他各种犯罪相关，这不难理解，喝大了难免冲动。因而如果戒酒疗程对减少酒驾是十分有效的，那它应该还会降低其他犯罪行为的犯罪率。

但如上图所示，作者发现，无论是在0.08还是0.15门槛上，其他犯罪的犯罪率都没有显著下降。

含义解读

到此为止这篇文章主要的部分已介绍完毕。这无疑是个很漂亮的研究，它用很简单的方法得到了很可靠的结论。不过，在读完这篇文章之后，我们依然要继续问，这个结果能说明严刑峻法有助于减少犯罪吗？我们应当像一些人所认为的那样，提高刑罚的严厉程度，乃至于恢复剥皮实草连坐九族来减少犯罪吗？

很遗憾，这篇文章不能回答这样的问题。它的结果固然是漂亮而相当可靠的，但这是一个典型的所谓Local Average Treatment Effect，在一定范围内，它很可靠，但当超出这个范围，一切就很难说了。

确切地说，这篇研究只能近乎完全可靠地说明在它的样本范围内，如果对BAC 0.079的人施以当前0.08的人所遭受的制裁，则他们未来再犯酒驾的概率会降低，我们甚至可以相当精确地估计出整体上犯罪率降低的幅度。

这个结论当然不是完全没法推广的。比如在没有其他证据的情况下，我们完全有理由认为华盛顿州之外，甚至美国之外一些制度环境差异不大的地区，对酒驾行为施以惩罚都能有效减少这一行为的出现频率。

我们也可以比较自信地说，如果降低酒驾标准，比如将BAC 0.05以上的都视为酒驾，那酒驾行为会相应减少。但如果要问将标准进一步降到0.01，或是在0.15之上再设定一个0.3的超醉驾门槛，对超标的人施以更严厉的惩罚，那么酒驾行为是否还会继续减少，我们可能就没那么自信了。

单从上面的Fig.3结果图上，我们就能看到那些BAC 含量特别高以至于受到了最严厉惩罚的人，其事后的再犯罪率并不比BAC 最低的人低；再对比Panel A和Panel C的纵轴，我们还会发现，累犯者平均再犯可能性要显著高于一般人。对这些人，惩罚力度再加大，效果多半也不会太显著吧。

所以如果要将这结果继续推广，推广到其他犯罪行为，其他人群，其他地区，那我们就务必要更加谨慎了。

参考文献：
Hansen, Benjamin, Punishment and Deterrence: Evidence from Drunk Driving, American Economic Review, 2015, 105(4): 1581-1617.