一审公诉案件受理分案的“简繁分类”探索

    

    

    关键词 案件受理分案 线性回归 SPSS “简繁分类”

    作者简介：徐春阳，江苏省高邮市人民检察院第六检察部副主任。

    中图分类号：D926.3 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文献标识码：A ? ? ? ? ? ? ? ? ? ? ? ?DOI：10.19387/j.cnki.1009-0592.2020.02.163

    检察办案的分案机制是司法责任制改革的基础内容之一，它一般是指检察机关将受理的案件，按照一定的程序和规则，有顺序地分配至案件承办人。2017年10月1日正式运行的《最高人民检察院机关案件承办确定工作管理办法（试行）》确定了采取随机分案为主、指定分案为辅的原则进行。江苏省人民检察院制发的《江苏省检察机关案件分配管理办法（试行）》同样也明确了这一分案原则。该分案机制依托全国检察机关统一业务应用系统（以下简称“统一业务应用系统”）在检察办案实践中得到了有效实施，实现了改革的预期效果。但是在现有的分案实践中也发现，统一业务应用系统欠缺案件难度系数标准，分案时仅考虑检察官在案件数量上的均衡，将具体案件与列入分案的检察官之间进行简单的概率化对应，没有设置体现案件难易程度的系数标准，系统无法自动识别案件难度。因此，也就无法做到在兼顾案件数量与工作量平衡的基础上进行自动分案 。一、检察机关现行分案模式及评析

    现行检察机关案件分配以随机轮案分案为主，指定分案为辅。《江苏省检察机关案件受理、分配、评查及業务信息填录实施细则（试行）》对此又作出进一步细化规定：随机分案是指依照案件分配方案，按照同一类别案件的受理顺序，随机均衡地将案件分配至轮案组内的检察官或者检察官办案组。指定分案是指检察长和分管院领导可以直接决定或者根据案件办理部门申请，将相关案件指定检察官或者检察官办案组。

    （一）减少分案中人为因素，避免暗箱操作

    案件管理部门成立之前，传统分案模式是业务部门自行受理和自行分案，案件管理部门成立后，也只是由案件管理部门统一受理案件并统一分配至业务部门内勤处，分案仍按传统模式进行。统一业务应用系统上线运行初期，也是案件管理部门受理案件后将案件分配至业务部门而非检察官，业务部门仍按传统模式进行二次分配。传统分案模式随意性大，给挑案选案留下了可操作空间，个别不愿办理疑难复杂案件的检察官可以通过内勤或部门负责人，将本应分到其名下的案件人为变更给其他人。传统分案的人为因素较重，通过暗箱操作办理“人情案”“关系案”“金钱案”的空间很大。统一业务系统进行随机分案，案件管理部门受案后即随机分案到人，全程留痕，能够较大程度地减少分案环节中人为因素的控制，从受案源头上防止司法腐败现象的产生，提升司法公信力。

    （二）实现分案公平，保证办案数量的总体均衡

    现行的分案操作实践中，案件办理部门由分管领导审定后，制定案件分配方案，包括办案组织信息和轮案规则信息等，针对每一个参与轮案的检察官都会设置规则N/M（N≤M），即每M轮分配N件案件。规则设定后，统一业务应用系统即会严格按照规则进行轮案，检察官所分配案件数量实现所设定规则上的均衡。同时统一业务应用系统有轮案组轮案情况查询功能，支持通过具体轮数或者一定区间轮数查询案件序列的轮案情况及轮案原因。以及案件轮案情况查询功能，系统支持以案件创建时间为序查看自动轮案过程和结果。统一业务系统实现了每个案件从受案到被具体分配到办案单元的过程全程留痕，便于追溯，接受监督。

    （三）仅关注案件数量上平衡，未实现案件“简繁分类”

    统一业务系统分案时，仅关注整体时间段内各检察官办案数量上的均衡，将具体案件与列入分案的检察官之间进行简单的概率化对应，系统无法智能识别具体案件的疑难复杂程度。检察官办理疑难复杂案件与办理一般普通刑事案件耗费的精力和时间不同，比如同属破坏社会主义市场经济秩序犯罪，一件普通的销售有害食品案件卷宗一般是两册，而一件非法吸收公众存款的案件卷宗往往多达几十册甚至上百册。在分案实践中经常会出现检察官短时间分配多个疑难复杂案件，导致检察官之间出现忙闲不均的现象，而案件不论难易程度在统一业务系统分案时都算为一件案件。二、以线性回归 方式进行刑事一审公诉案件的“简繁分类” 探索

    根据案件类别、卷宗册数等因素，将案件分为“简类”和“繁类”，分别设置不同的轮案组，将本部门的所有办案人员均纳入两类轮案组，做到办案中的繁简搭配，这样既保证了工作量的均衡性，也便于检察官的业绩考核。因此，笔者突破以往的只以案件卷宗册数作为案件难易复杂程度的评价指标，以案件综合情况作为出发点，以线性回归方式评价案件难易程度，探寻案件“简繁分类”。笔者根据案件管理部门受案实践经验，构建的测算模型，是依据受案时所能掌握的相关信息因素，通过测算计算公式，得出具体的案件难易程度评价指标。

    （一）样本选择

    1.数据来源

    G检察院是江苏省的基层检察院之一，本文选取了2019年1月1日至2019年10月30日，在这个区间段受理并审结的一审公诉案件630件，作为本文的研究基础。

    2.数据初步处理

    针对受理案件时获取的多种信息，进行技术处理，将其转化为可以量化统计的因素。根据受案经验及参考《江苏省各设区市院/基层院“捕诉合一”检察官考核标准》，并在广泛征求检察官意见的基础上，确定如下要素。

    （1）X1嫌疑人人数。基础分1分，视人数多少按公式增加，若嫌疑人为A、B、C…N，则最终得分如下：

    （A）1+（B）0.5+（C）0.4+（D）0.3+0.2？N-4）

    （2）X2卷宗册数。5卷以内按1分/卷计分，超过5卷的按公式计分：

    （3）X3罪名系数：以江苏省人民检察院 《江苏省各设区市院/基层院“捕诉合一”检察官考核标准》为依据，多罪名的案件按照系数最高的罪名计分。

    （4）Y案件办理天数。案件办理天数越长，检察官工作量越大，案件办理天数一定程度上能够反映案件的难易程度。

    3.数据筛选

    每个自变量对因变量的影响能力不同，所以模型引入自变量的筛选是建立准确数据模型的重要步骤。笔者对以上数据进行初步处理后，以案件办理天数作为因变量，以其他因素作为自变量。借助 SPSS（Statistical Package for SocialScience）软件进行 Pearson 相关度分析，具体分析结果如下表：

    

    经计算，嫌疑人人数、卷宗册数、移送案由3个因素显著水平均小于0.01，相关性显著。其中嫌疑人人数与案件办理天数弱相关，卷宗册数与移送案由与案件办理天数中等程度相关 。

    （二）公式建立

    根据相关性分析计算得出的与案件办理天数相关的3个因素，运用 SPSS 软件对 630个样本进行学习，具体分析结果如下：

    

    电脑自动生成案件办理天数公式为：Y=-25.542+9.788X1+ 9.120X2+13.397X3。其中X1为嫌疑人人数，X2为卷宗册数，X3为移送案由系数。

    经公式验证相关指数R为 0.564，R2为 0.318， 说明模型能在一定程度上拟合结果。但笔者所设想的案件办理天数测算模型还比较粗糙，主要原因是本文选取的样本数量不足，以及相关因素未能较好转化为量化数据，未考虑适用认罪认罚从宽程序等因素对案件办理天数的影响。如果能学习更多的样本，并将适用认罪认罚从宽程序予以量化，或更有利于精准地衡量案件的难易程度，以及更为精准的测算案件的预期办理天数。三、结语

    本文希望打破以案件数量为导向的分案思维，探索一条兼顾随机性和简繁分类的分案途径。通过受案时能够掌握的各种信息，统一业务应用系统对每个案件的办理天数进行预先判断，得出一个预计量，判断案件难易程度。笔者所设想的模型仅是一个初步构想，存在不完善之处，比如笔者现有的研究数据较为局限，仅限于基层检察院。希望在未来研究中，可以扩大研究范围并结合确定的案件相关影响因素进行完善，以求能更为科学精准对案件难易程度进行评价。笔者也将会在未来的工作和学习中对这些不尽之处继续研究，以求能探寻一种科学有效的“简繁分类”随机分案方法。

    注释：

    刘国媛，闻洲.“大数据”条件下检察分案机制之完善[J].人民检察，2017（21）.

    线性回归是利用数理统计中回归分析，来确定兩种或两种以上变量间相互依赖的定量关系的一种统计分析方法。

    一般认为相关系数|r|在0.8-1.0之间是极强相关;0.6-0.8之间是强相关;0.4-0.6之间是中等程度相关;0.2-0.4之间是弱相关;0.0-0.2之间则是极弱相关。

    相关指数R用于表示自变量与因变量之间线性相关性的强弱程度，用来判断是否具有线性相关性。R2是用于表示自变量对总偏差平方和的贡献度，代表了实际值与预期值之间的偏差比例，R2越接近1，说明模型的拟合优度越高。