苍于社会统计学模型的成年男犯分类研究.docx

苍于社会统计学模型的成年男犯分类研究一、成年男犯分类现状以江苏省为例，关押成年男犯的监狱可分成两类：一类为可以关押包括重刑犯（按照学术界和实务界普遍承认的观点，将刑期在10年以上，犯有刑法中规定的八大重罪的罪犯称为重刑犯）在内的服刑人员的监狱，另一类为仅关押非重刑犯的监狱。

监狱在对罪犯进行人监教育和评估后，将其简单分类，然后分别投至各个监区。

对罪犯进行分类的主要依据是刑期、罪行、监区人数和监管安全。

刑期层面上，对于不同刑期的罪犯，一般进行均衡分配，即每个监区中刑期在5年以下，5-10年以及10年以上的罪犯数大致相同；同时，根据所犯的罪行以及手段，分为财产型、淫欲型、暴力型和其他型，人数层面上，当一个监区在该季度自然刑满和减刑、假释的罪犯数较多时，那么该监区会多分一些罪犯，监管安全角度上，将罪犯分为从宽级、普管级以及从严级。

于是，在可关押长刑犯的男犯监狱中就出现了混合关押的现象，即长刑犯、重刑犯中夹杂着1-3年刑期的短刑犯。

这样的分类在一定程度上有利于激励长刑犯和重刑犯的改造。

然而，这样的罪犯分类制度也存在着一些弊端。

1.差别化处遇有待细化。

现行的罪犯分类以监区人数、犯罪手段、刑期和监管安全为主要分类依据。

于是，一个监区中往往同时收押了轻刑犯、重刑犯、累惯犯和初偶犯等多种类型的罪犯。

这些服刑人员的犯罪原因、成长经历、捕前文化、接受能力、矫正心理等特征很可能大相径庭。

仅以监区人数、犯罪手段、刑期和监管安全为主要分类依据进行粗线条划分，将这些具有不同特征的罪犯关押在同一环境、同一管理模式下进行统一改造，不仅无法满足不同服刑人员的不同需求,不利于有针对性地实施改造教育，而且极易造成横向与纵向的恶习交叉感染，从而直接影响改造质量的提高。

2.分类处遇有待动态化。

德国学者施奈德指出，分类是对罪犯进行治疗的基础，是一个持续不断的过程，治疗的目的在于改变罪犯的人格。

在此目的达到之后，必须进行新的分类。

因此，不能将分类理解为一次性的静态分类，而是一个通过实时观察、诊断，不断调整参数进行动态性调整的过程。

?目前，大部分成年男犯在初次确定了关押的监狱以及监区后很少再被调整监区，其关押分类基本不变。

设定一个相对合理的时间间隔，对罪犯定期进行评估和需求分析，并据此分类处遇进行调整，将有助于成年犯的改造和监管。

3.分类标准有待量化和科学化。

目前基本上只根据犯罪人数、刑期、犯罪手段和犯罪客体等对罪犯进行分类。

分类方法单一，主要以定性方法为主，主观性较强，没有或很少使用定量方法，缺乏将心理学、社会学、教育学等最新社会科学研究成果加以综合运用，也未能充分考虑不同个体的生理、心理差异以及更加个性化的需求，从而使分类管理和教育工作难以发挥其应有的效应。

4.改造成本有待集约化。

实践中，一个监区内通常关押着多种类型的罪犯。

这些罪犯的罪责轻重、刑期长短，人身危险程度和主观恶习程度差异都比较大。

而每个监区都尽最大努力对不同特点的罪犯实行差别化监管，导致监管成本居高不下，造成了刑罚执行资源的浪费。

如果对罪犯进行科学合理的分类，并将同一类型的罪犯放在同一监区釆取同质化程度最高的措施进行矫正改造，就可以使有限的刑罚执行资源（人力、物力、财力）得到最优化配置。

二、研究方法与建模原理分析 1.社会统计学分类法与量表分类的比较分析。

本文运用社会统计学中的聚类原理对服刑人员进行分类。

聚类分析已经广泛地应用于自然科学、社会科学、工农业生产各个领域。

其应用原则是同一类中的个体有较大的相似性，不同类中的个体差异很大。

由此可见，该方法适用于服刑人员的分类研究。

聚类分析法与量表分类既存在着联系，又存在着差别。

量表分类法主要是运用各种量表进行分类。

通常会选取某些参数或问题作为测量问题，每个测量问题都有一定的度量阈值，最后，将所有测量问题的得分求和，得出评定数据，根据总得分对事物进行分类。

量表分类法有一定的科学性，但是也存在着一些问题。

例如，水平评估量表(LSI-R)、人身危险性检测(RW检测）、罪犯心理认知行为量表（XRX)、SCL-90量表、艾森克个性问卷（EPQ)以及明尼苏达多项人格测试（MMPI)等都是常用的量表。

用量表法对罪犯进行分类时，可能会运用到多套量表，如何处理多套量表的得分，是简单相加求和，还是加权处理？如此同时，在这些量表中所列的测量问题和测量目标可能存在着交集，如何处理同一问题在不同问卷中赋值不同的问题？如何整合不同量表中的相同测量目标？这些都是使用量表法进行分类所面临的问题。

使用社会统计学的分类法就能妥善地解决量表分类法的不足。

第一，从变量的选取上，多项式分布的分类变量和正态分布的连续变量都可以作为社会统计学分类法的研究参数。

第二，模型中的变量是独立的，不会相互影响。

第三，社会统计学分类法可以高效率地分析大数据集。

第四，可以综合分析多个变量，找出彼此独立且具有代表性的自变量，而又不丢失信息。

第五，使用计算机进行建模和编程易于操作和修改。

2.分类模型参数与算法。

在模型变量的参数选取上，本文参考加拿大Wisconsin分类体系，?同时结合江苏省实际情况，将成年男犯的危险性系数、需求特点与监管安全三者相结合，选取犯案年龄.婚姻状况、民族、判处刑期、剩余刑期、文化程度、捕前职业、减刑情况、毒品情况、身体状况、犯罪次数、当前犯罪的严重性等作为参数变量。

使用两步聚类作为建模算法。

两步聚类的主要原理是，第一步，对每个观测量（即一条罪犯信息）考察一遍，确定类中心。

根据相近者为同一类的原则，计算距离，并把与类中心距离最小的观测量分到相应的各类中去。

这个过程称作构建一个分类的特征树。

第二步，使用凝聚算法对特征树的叶节点分组。

为确定最好的类数，对每一个聚类结果使用BIC判据作为聚类判据进行比较，得出最后的聚类结果。

三.研究样本选取与构成特点现阶段尚未有明确的、系统的监狱分类，如超高警戒度监狱、高警戒度监狱、中警戒度监狱、低警戒度监狱等。

因此，本文的样本将包含超短刑犯、短刑犯、重刑犯以及其他类型的罪犯。

为确保样本分布的科学性与合理性，课题组使用随机抽样法，从江苏省22所男犯监狱中抽取了3所作为本文的数据来源地。

其中1所为重刑犯监狱，另外2所为非重刑犯监狱。

样本总量为1002人，样本构成具有以下特点： 1.年龄结构情况。

犯案时不满18周岁的有23人，占样本总数的2.3%,犯案年龄在18至29岁之间有521人，占52%;30-39岁的315人，占31.4%,40-60岁的143人，占14.3%。

截至2013年8月31日，样本中服刑人员的年龄结构为：60岁以上有3人，50-60岁有46人，40-49岁264人，30-39岁364人,18-29岁325人。

2.犯罪次数。

此次服刑为初次犯罪的710人,占70.9%。

样本中有2次以上人狱的服刑人员292人，占29.1%,其中2次人狱的人数为214人，3次入狱的人数为53人，4次入狱的有31人，5次入狱的有3人，6次入狱的服刑人员有1人。

3.犯罪案由情况。

样本中，犯交通肇事罪的有12人，破坏电力设备罪8人，聚众斗殴罪51人，寻衅滋事罪32人，强奸罪75人，盗窃罪278人，抢夺罪13人，抢劫罪248人，拐卖妇女6人，拐卖儿童1人，诈骗罪70人，故意伤害罪有129人，故意杀人罪的有109人，贩卖毒品罪77人，运输毒品罪29人，非法持有毒品罪6人，容留他人吸毒罪4人，非法经营罪3人，非法拘禁罪10人，组织、领导黑社会性质组织罪6人。

同时犯有数罪的有262人，其中犯6项罪的有3人。

4?捕前文化程度。

文盲48人，占4.8%;小学文化程度273人，占27.2%;初中文化程度503人，占50.2%,高中文化程度134人，占13.4%,大专及以上44人，占4.4%。

5.捕前职业。

捕前为无业状态的有443人，占总数的44.2%,捕前职业不固定的有507人，占50.6%,捕前拥有固定职业的仅有52人，占5.2%。

6.籍贯与民族情况。

样本中，本省的服刑人员有658人，占65.6%;外省的有335人（包括台湾地区9人），占33.4%。

在此次抽取的样本中，少数民族的服刑人员数量很少，仅有32人，占样本总数的3.2%,汉族服刑人员有970人，占96.8%。

7.身体健康情况。

身体健康或良好的服刑人员共898人，一般较弱为79人，长期患病的有18人，身体残疾或有生理缺陷的共7人。

8.婚姻情况。

已婚的服刑人员有455人，占45.4%,未婚的420人，占41.9%,离婚的119人，占11.9%;丧偶的服刑人员有8人，占0.8%。

9.判处刑期以及余刑情况。

判处刑期为1年以下的超短刑犯7人，占0.7%,1-3年的短刑犯91人，占9.1%;3-10年的服刑人员234人，占23.4%；刑期在11-20年的有264人，占26.3%;20年以上的有406人，占40.5%。

截至2013年8月31日，样本中服刑人员的剩余刑期在1年以内的有76人，占7.6%;1-3年的有217人，占21.7%,3-10年的有388人，占38.7%,10-20年的有275人，占27.4%,余刑在20年以上的有46人，占4.6%。

10.减刑情况。

截至2013年8月31日，已经获得过减刑的有583人，占58.2%，没有获得过减刑的有419人，占41.8%。

通过上述分析可知，此次样本涵盖了超短刑犯、短刑犯、长刑犯以及重刑犯，其中长刑犯、重刑犯所占比例超过50%。

此外，在年龄结构、捕前文化、剩余刑期等参数上，均呈现出正态分布的特征。

由此可见，本次抽样所得的数据具有一定的代表性，可以作为构建成年男犯分类模型的样本数据。

四.构建分类模型与结果分析选取犯案年龄、婚姻状况、民族、判处刑期、剩余刑期、文化程度、捕前职业、减刑情况、毒品情况、身体状况、犯罪次数、当前犯罪的严重性等作为参数变量，按照两步聚类的原理构建分类模型。

运行程序后，得到分为8类的模型。

1.第一类有264人，占总人数的26.3%。

该类服刑人员均为初次犯罪，仅犯有一项罪，罪名为抢劫、故意伤害、故意杀人等，判处刑期均在10年以上，尚未获得减刑，余刑均在3年以上。

该类中50%以上的服刑人员犯案年龄在19-20岁之间，5%的犯案年龄在18岁以下。

身体健康，捕前无固定职业。

捕前文化程度不高，约60%为初中文化，30%为小学文化，10%为文盲。

45%的服刑人员为已婚，50%为未婚，5%为离异。

以该类中的抢劫犯为例，一般来说，抢劫案件极具暴力性，抢劫案常伴有其他犯罪行为，可能集故意伤害、杀人等犯罪行为于一体，犯罪者恶习深，性情凶残。

然而，在该类中，不论是犯有抢劫罪，还是故意伤害罪或故意杀人罪，服刑人员仅有一项罪名，且均为初犯，平均犯罪年龄较小(5%的犯案年龄在18岁以下）。

因此，这一类服刑人员的特点是文化底子差，法律意识差，自我控制力弱，自我认知水平低，盲动性大，具有攻击性，易实施暴力行为。