Back to the Class Page

酒駕致死量刑因素初探

組員：電機四鄭景平、法律四張沛婕、法律三陳宛瑩、法律三郭品萱

前言

刑法第185條之3於民國108年6月19日修法新增第3項，其立法理由謂：「一、行為人有本條或陸海空軍刑法第五十四條之行為，因不能安全駕駛，除有提高發生交通事故之風險外，更有嚴重危及用路人生命身體安全之虞。若行為人曾因違犯本條，而經法院判決有罪確定或經檢察官為緩起訴處分確定，則其歷此司法程序，應生警惕，強化自我節制能力，以避免再蹈覆轍。倘又於判決確定之日起或緩起訴處分確定之日起五年內，再犯本條之罪，並肇事致人於死或重傷，則行為人顯具有特別之實質惡意，為維護用路人之安全，保障人民生命、身體法益，有針對是類再犯行為提高處罰之必要性，以抑制酒駕等不能安全駕駛行為之社會危害性，爰增訂第三項。」使得原先從入罪化到民國100、102年一再加重、增訂吐氣濃度及加重結果犯已備受爭議之不能安全駕駛罪，再度成為學說上的焦點。

不能安全駕駛致人於死的不法與罪責與過失致人於死的差異何在，文獻多認為未見合理說明，有認為原有的結果加重犯恐已不符合罪刑相當原則，以再犯為由的加重更難通過憲法檢驗 ^[1]。而吐氣酒精濃度數值的要件設定則向來受有是否足以認定行為人達不能安全駕駛的質疑，也有應否計入誤差值之爭議。

量刑向來也被認為是刑事法學的特殊領域，除了為實體法及程序法的交界地帶，也涉及了刑罰本質及目的的理論。實際上也因為賦與法院裁量權，經常受到法官恣意及難以檢驗量刑是否合理的質疑。惟究竟應如何檢驗量刑是否合理？我國量刑基準主要規定於刑法第57條，理論上機於罪罰相當原則及法官說理義務，法官對於如何刑度應有所陳述，但實際上在裁判書中多僅交代以斟酌刑法57條各款情事，至於各個事實因素是如何影響法官量刑則多付之闕如，究竟犯人的生活情狀如何影響量刑？被告態度與量刑的關聯性為何？而57條各款因素影響的比例為何？我們從個別的裁判書中難以得到解答。

酒駕向來是立法者與人民關注的焦點議題，顯現於一再加重的立法與社會上的討論，甚一度有討論認為酒駕之累犯應以殺人罪處斷，惟不斷加重至學理上備認為不符合罪刑相當原則是否為妥適的刑事政策？這樣的立法是否有被貫徹於法院的個案判決中？又或者在法官的「量刑黑盒子」中默默有了改變？而又或者僅加深法律人與非法律人間的鴻溝？本報告嘗試藉由分析地方法院酒駕致人於死的判決進行實證研究作為起點，歸納法院在裁判書中提及的因素，並分析影響法院量刑及決定是否宣告緩刑的因素。

黃榮堅教授曾在其〈確認量刑得實質課題〉一文中將實質正義的工作比喻為所有推石頭上山的故事中的一個故事。依刑法第57條「科刑時應審酌一切情狀」，雖然限於有形罰意義的一切情狀，但只要人生的多樣性有無限的可能，量刑的情狀就會有無限可能。我們也從來無法知道刑罰正義容貌是什麼樣子，除了在以人為客體的世界中，我們無法去實驗出刑罰的效益關係，也無法定出人的自由在客觀上何價？生命客觀何價？責任原則所追求得人性尊嚴為何價？最終，我們所能建立的只是一個相對的公平與正義，量刑是否合理只能在一點一滴的考量項目上作相對性的比較。

本報告的目標並非在提供法院一個完美的量刑公式或預測系統，而是希望藉由實證的分析方法讓量刑可以在一定程度內被檢視，而能夠進一步接近黃榮堅教授所說的量刑之相對的合理性。

文獻回顧

有關酒駕的文獻，因本條在學理上之爭議性資料十分豐富。本報告綜合參考：許澤天(2019)〈論2019 年春季的酒駕制裁修法〉、(2014)〈吐氣值不應作為判定不能安全駕駛的一般有效經驗法則〉，蔡聖偉(2018)〈酒駕應否扣除儀器公差值〉、(2017)〈服用毒品與不能安全駕駛── 評臺灣高等法院臺中分院106年度交上易字第353號判決〉、王皇玉(2020)〈2012年至2019年刑法修正之回顧—以2019年修正為重心〉、謝煜偉(2019)〈當弦外之音成為主弦律—評釋字775號解釋間解釋公布後之量刑新趨勢〉、(2012)〈交通犯罪中的危險犯立法與其解釋策略〉、吳家慶(2016)〈論事故鑑定與過失認定〉等文獻為犯行情節面向之變項設計及分析，文獻之見解見下文之討論。

有關量刑的文獻，相較於其他刑事實體法的領域較少，惟所涉及的因素甚多，本報告參考：許澤天(2010)〈自白作為有利行為人的犯後訴訟表現〉、謝煜偉(2018)〈論「教化可能性」在死刑量刑判斷上的意義與定位──從最高法院 102 年度台上字第 170 號判決到 105 年度台上字第 984 號判決之演變〉、謝如媛(2014)〈緩刑的刑事政策意涵：嚴罰趨勢下的寬典？〉、王正嘉(2012)〈犯罪被害人影響刑事量刑因素初探〉、劉邦繡(2011)〈被告犯後態度在法院量刑上之評價──最高法院95年度臺上字第701號、97年度臺上字第6725號、98年度臺上字第5827號判決〉、蔡書瑜(2010)〈量刑觀點下的附條件緩刑〉、林紀東〈刑事政策學〉、蔡墩銘〈刑法總論〉、〈刑庭推事之量刑行為〉等文獻為行為人屬性之變項設計及分析，文獻之見解亦見下文之討論。

資料範圍及編碼方法

資料來源

本報告分析的裁判樣本，為2017年1月1日至2021年3月25日我國地方法院以刑法第185條之3第2項前段及第3項服用酒類致不能安全駕駛致人於死的地方法院判決，來源為法源法律網之裁判書查詢系統，經以「相關法條」設定「刑法第185條之3」、且主文提及「死」搜尋得437筆資料。經排除不相關的資料後，所得用以分析之資料共計323筆，又2019/6/19增訂刑法第185-3條第3項攸關酒駕累犯加重量刑之規定，修法前之案件量為284筆，修法後案件量為39筆。

編碼方式

我們把一些我們認為判決書所呈現的重要特徵抓出來，並給予順序性的編碼（例如學歷），或是單純 0/1 的編碼（例如是否緩刑）。之後，我們考慮到變數的個別特性，並以 one-hot encoding 或是 target-mean encoding 再編碼。詳細情形請看以下的變數內容。

變數內容

敘述性統計

以下將分成四個區塊，說明本次報告之敘述性統計，依序分別與案件、被告與相對人背景資料、車禍資料、法定量刑加重減輕事由等相關，詳細報告如下：

案件相關

1. 研究樣本數統計

參酌上圖之垂直輔助線（表示案件之中位數）與水平輔助線（平均每月做成判決之案件數6.33/件），可明顯看出近兩年案件量有下降的趨勢；2019年修法後案件量似乎有下降趨勢，然而本組認為，是否可就此認為增訂刑法第185-3條第3項加重累犯刑期規定為有效遏阻酒駕之手段，仍有待商榷，因案件數較少可能出於許多案件可能尚未做成判決，且修法迄今僅2年時間，或許無法由此判定有因修法而案件量穩定低於以往之型態。

2. 法院案件量

上圖以臺中（42件）、臺南（40件）地方法院之案件量為多，然而若以行政區劃分管轄範圍來看，高雄地區（高雄＋橋頭地院）之案件量（共計40件）與台南齊居第二。

3. 不同法院平均量刑狀況統計

從上圖來看，各地方法院的刑度分布狀況不一，可能受到個案差異與案件數多寡影響，灰色輔助線表示刑度之平均值（34.66873/月），僅基隆與臺北地院之案件量刑狀況係明顯高於平均，然而基隆地院與臺北地院案件數僅分別有2、3件，而平均刑期高於整體平均的還有彰化、花蓮地院，分別19件、8件，且無離群值，故若各該法院之案件並無特異於其他法院，可能可以依此推定彰化與花蓮法院在量刑上有比較高的趨勢；另外，圖中也可以看出多所法院之量刑中位數低於整體平均值，而多位於24/月，推測原因應出於酒駕致死有4成左右之案件同時做成緩刑宣告，而適用緩刑之規定需受到法定刑上限的影響，法院多會做成法定刑上限24個月之宣告刑。

為了驗證上述推論，我們可以檢視下方的圖表:

從上方二圖可以看出法院在衡量酒駕致死的案件時，量刑為宣告刑2年、緩刑5年之狀況似乎有成為通案性判決結果之可能。

4. 緩刑與否

本次研究之判決樣本中，有40.9%之案件法院做成緩刑之宣告，比例不低，又影響緩刑之原因可參酌後述。 此外，有趣的是，本組參酌了司法院網站上發布之各地方法院近幾年宣告緩刑比例統計，一般非少年被告法院做成緩刑之比例自106-109年分別為21.14%、20.79%、20.39%、22.58%，相較於此，本組統計之數據，在未刪除被告宣告刑不符合緩刑條件之樣本下，都有4成以上之判決法院做成緩刑之宣告，因此，或可以依此推論，酒駕致死的案件法院在量刑上有給予宣告緩刑之趨勢。

5. 量刑分布狀況

因修法後酒駕累犯量刑基礎與修法前有差異，所以先將構成修法後酒駕累犯之案件予以刪除，可以發現自2017迄今，量刑之幅度有略為上升之趨勢。

從上方這張圖表可以看到，有大量的案件刑期集中在24個月左右，推測主要原因與法院給予被告緩刑而受到緩刑之要件限制有關。

此外，本次擬定研究方向時，原希望可以進一步分析不能安全駕駛致人於死之兩種主要類型：酒駕與毒駕之差異，然毒駕致人於死之有效案件數僅36件，母數量不足以深入分析，但仍可以從案件數中看出適用我國不能安全駕駛致人於死罪之案件，多與酒精相關。

與被告背景相關

1. 被告性別

該統計係以被告姓名進行主觀性別認定，約有89%之被告被認定為男性，若認知合於事實常態，可以合理的推定酒駕致死之肇事者多為男性。相較之下，我國汽車駕駛人約有 70% 男性、30% 女性，^[2]顯然男性的酒駕比例遠高過女性。

2.學歷

從上圖可以看出，有83.9%的判決會提及被告學歷，又被告最高學歷以高中畢業最多，有6成左右的案件集中在國中畢業至高中畢業間。

3. 職業分級

從上圖可以看出，有74.6%的判決會提及被告職業，又該圖使用之職業分級方式係參考自黃毅志《改良版台灣地區新職業聲望與社經地位量表》，該表將台灣地區之主要職業類型由低至高分成五個等級，肇事者之職業多位於第二級。

4. 經濟狀況（月收入）

本組在計算被告經濟狀況時，係以判決會提到的薪資收入作為衡量標準（該類型案件幾無提及被告其他名下動產不動產或業外收入，故以薪資收入作為衡量標準。），為統一計算方式，本組統一以月收入作為衡量標準，故若法院在判決書中以日薪、年所得之方式呈現被告之經濟狀況，本組較為粗糙的將日薪乘以一般工作日20天、年所得除以12個月之方式，得出被告之月收。 從上圖可以看出，約有62％的案件會提及被告經濟狀況。 該圖係以散布圖之方式呈現被告之收入狀況，可以發現被告收入多集中於2-5萬元間。又本組好奇使用黃毅志《改良版台灣地區新職業聲望與社經地位量表》將職業等級分級後，故同時以該表呈現被告職業分級後收入分配之狀況，職業分等後收入狀況似乎在樣本中沒有呈現明顯差異，然可能原因係多數樣本集中於第一、二等級職業中。

該密度圖可以看出，被告之經濟狀況多集中於每月3萬元左右，有少部分收入較高之被告每月約有８萬元收入。

5. 有無須扶養對象

有約六成（59.2%）判決提及被告扶養對象之有無，而其中有近八成（78.7%）案件有受被告扶養之對象。

5.是否為職業駕駛人

該統計之判定係根據判決提及當事人職業時有無說明其為職業駕駛人，在判定上為探究法院是否會因肇事者為職業駕駛人應有較高之道路安全自覺，而有量刑上之差異，本次報告係以被告職業駕駛之車種與肇事車種相近者為限，認定其是否為職業駕駛人。

6. 有無駕照

本次研究之樣本中，有56件被告為無照駕駛，比例為17.3%。

7. 有無前科&酒駕或其他前科

統計被告是否有前科，約有6成被告並無任何前科；有前科之個案（120件）中，有78.3%之案件（94件）具有酒駕之前科（有酒駕及酒駕外前科＋單有酒駕之前科）。

與相對人背景相關

1. 相對人性別

相對人（死者）之性別認定方式與肇事者性別相同，同時參酌提起告訴人身份（如其丈夫、妻子）加以判定，所得之結果可看出有84.5%之案件(193件加上4件)相對人為男性，而有些個案相對人為2人且皆為1男1女之情形，故該圓餅圖以「男女皆有」表示。

2. 是否為乘客

從上圖可以看出有16.8%之案件(54件)身份為被告車上之乘客，可知酒駕致死之有高達83.2%案件相對人（死者）位處肇事對向車輛（或行人）中。

車禍相關

1. 交通工具

車種統計之目的係為探討哪些車種在酒駕致死的案件中危險程度可能較高，故以車禍發生時雙方車種類型進行統計（本處被告對向車種/類型非必然為死者所處之車種）。

• 被告車種

被告交通工具以小客車為主（58%），其次為綠白牌機車（24.5%）。

• 被告對向車輛車種

被告車禍肇事之他方車種（以車禍發生之對向車種判定，非單以本次統計所稱之相對人/死者進行統計）主要為綠白牌機車（40.9%），亦有23.8%樣本(77件)之他方為行人，而NA在該統計圖表示之情況為被告自撞等情形，故無車禍肇事之他方相對人。

• 肇事型態

從上圖可以看出，我國酒駕致死案件發生明顯以酒駕肇事者（被告）駕駛車種與對車分別為小客車、綠白牌機車之型態為多。

2. 被告呼氣酒精濃度

102年修法，只要駕駛動力交通工具的行為人，其「吐氣所含酒精濃度達每公升零點二五毫克」以上，或其「血液中酒精濃度達百分之零點零五」以上，就不必再像過去一樣必須認定行為人是否陷入不能安全駕駛的狀態。惟文獻有認為本罪之不法核心仍惟不能安全駕駛，酒精濃度值依然只是訴訟上的證明規則（只是立法以後，變成明文規定的法定證據評價規則），並非建構本罪不法的成要件要素，但仍可在實體法上解讀為客觀處罰條件，而成為不法與罪責外的可罰實質要素。 舊法係參考美國、德國標準，以吐氣酒精濃度達每公升0.55毫克或血液酒精濃度達0.11以上肇事率為一般正常人的10倍，故已達不能安全駕駛程度；惟現行法規定將之砍半，其經驗事實的基礎令人質疑，且吐氣測試酒精值容易受到空氣潮濕度、吐氣技術影響，亦有質疑依此判斷血液中之酒精濃度

3. 鑑定報告與肇事者過失比例

從上圖可知，僅約3成之判決有提及車禍之鑑定報告，分類之方式係按照被告之過失程度進行區分，由高至低為：被告為肇事原因、被告為肇事主因、被告同為肇事原因、被告為肇事次因。提及鑑定報告之樣本中，被告多負五成以上過失責任，僅有13.5%之案件被告屬於肇事之次因。

4. 被告律師別

該統計係將被告之律師進行分類，分成無、公設或指定、法扶、選任四類，根據上圖有約五成（46.4%）之樣本為「公設或指定」辯護。

5. 相對人過失

考量相對人有無過失之目的係為探究法院是否會衡量相對人之過失而有量刑上之差異，故統計上以判決書有明示相對人有過失之案件為相對人有過失之註記。從該圖可看出，約有27.6%之樣本相對人（死者）有過失。

法定量刑加重減輕事由

1. 刑法第47條第1項

是否該當累犯＆法官有無使用累犯裁量加重

依刑法第47條第1項規定，受徒刑之執行完畢，或一部之執行而赦免後，五年以內故意再犯有期徒刑以上之罪者，為累犯，加重本刑至二分之一。

本次研究的樣本中，有75件成立累犯構成要件（23.4%），又細分為構成是否採用呈現之原因，係增訂刑法185-3條第3項後會優先於累犯之規定適用，又釋字775號解釋認為累犯加重本刑若不分情節，基於基於累犯者有其特別惡性及對刑罰反應力薄弱等立法理由，一律加重最低本刑，於不符合刑法第59條所定要件之情形下，致生行為人所受之刑罰超過其所應負擔罪責之個案，其人身自由因此遭受過苛之侵害部分，對人民受憲法第8條保障之人身自由所為限制，不符憲法罪刑相當原則，於刑法第47條修正前，為避免發生上述罪刑不相當之情形，法院就該個案應依本解釋意旨，裁量是否加重最低本刑，故法院裁量上可能排除該條而不採用，然而因樣本數過少，無法看出明顯看出釋憲後法院不採納刑法第47條之趨勢。

2. 刑法第57條

依刑法第 57 條規定，科刑時應以行為人之責任為基礎，並審酌一切情狀，尤應注意犯罪之動機、目的、手段；犯罪時所受之刺激；犯罪行為人之生活狀況、品行、智識程度、與被害人之關係、違反義務之程度；犯罪所生之危險或損害；犯罪後之態度，為科刑輕重之標準。

參酌上述條文內容與本次研究較相關之情狀，除如前被告之背景與車禍相關資訊所述，尚有被告犯後態度、素行、民事上調解和解與否且是否履行為法院較常提及之項目，統計結果呈現如下：

• 被告犯後態度

從樣本數（323筆）來看，有55.4%的案件提及被告犯後態度，又本次統計係以判決書最常提及之三種用語區分犯後態度，低至高為不佳（包含「惡劣」、「全無悔意」等）、尚可（包含「尚佳」）、良好三種，有提及被告犯後態度之樣本中，以良好佔65.9%最多，僅有少數案例（16件）為態度不佳。

• 被告素行

• 

提及被告素行之樣本33.4%，編碼設計方式與被告犯後態度相同，有提及被告素行之案例中，良好的樣本數有52件，佔48.1%。

• 調解、和解與履行狀況

是否成立調解或和解可能與被告犯後態度有關，且多數的判決樣本皆有提及是否成立該變項，為配合回歸採用 One-hot Encoding，有成立調解或和解註記為成立，其餘不成立或未提及之情形註記為未成立。成立調解或和解之案件約佔樣本62.8%，且成立之樣本數中以成立且完全履行調和解條件之項目為多。

3. 刑法第59條

依刑法第59條規定，犯罪之情狀顯可憫恕，認科以最低度刑仍嫌過重者，得酌量減輕其刑。

從上圖可看見有30件判決採用刑法第59條酌減刑期，比例不算高，個案受法院採用該條之情形，多生於釋字775號解釋做成前構成累犯而有他原因而認原刑期過重，抑或是被告肇事責任比例低或是案情特殊（例如：樣本中被告駕駛汽車於車輛靜止停靠路邊時開車門而後方機車撞上車門致死之案例）、仰賴被告扶養者眾多、相對人（死者）為被告之親屬、被告年齡尚輕或年事已高、事故發生時被告有異常之精神情狀、犯後與力求彌補之態度至誠至懇、被告或相對人家屬原諒而請求法院撤回告訴或從輕量刑等。

4. 刑法第62條

依刑法第62條：「對於未發覺之罪自首而受裁判者，得減輕其刑。但有特別規定者，依其規定。」又未經發覺之犯罪如係對偵查機關已發覺之罪向偵查機關陳明，則不能算是自首，僅能謂之為投案。

統計法院判決認可被告構成刑法第62條之樣本比例有75.5%左右。

其他

1. 肇事逃逸

依刑法第185-4條之規定，駕駛動力交通工具肇事，致人死傷而逃逸者，處一年以上七年以下有期徒刑。

在構成酒駕致死之案件中，有約14.6%之比例同時構成肇事逃逸。

小結

從上述敘述性統計結果，我們可以發現：

1. 酒駕致死案例做成判決以臺中、台南地院最多，在量刑上彰化與花蓮地院有較高的趨勢。
2. 從樣本量刑之結果上來看，似乎可推論「緩刑五年，宣告刑兩年」成為通案性判決之可能；而該類型案件在量刑上有給予宣告緩刑之傾向；此外，該類型案件近年來量刑有提高之趨勢。
3. 男性在該類型案件肇事比例遠高於女性。
4. 被告呼氣酒精濃度平均值約0.6775426，而濃度分佈密集度最高位於0.545，似可印證比較法上以0.55作為絕對不能安全駕駛之標準為合理。

相關性分析

緩刑之宣告與各變項間的相關性分析

依刑法74條第1項：「受二年以下有期徒刑、拘役或罰金之宣告，而有下列情形之一，認以暫不執行為適當者，得宣告二年以上五年以下之緩刑，其期間自裁判確定之日起算：一、未曾因故意犯罪受有期徒刑以上刑之宣告者。 二、前因故意犯罪受有期徒刑以上刑之宣告，執行完畢或赦免後，五年以內未曾因故意犯罪受有期徒刑以上刑之宣告者。」

本研究的對象為依刑法第185-3條第2項前段及第3項不能安全駕駛罪致人於死受地方法院判決（至少一人死亡）的情形，其法定刑依本條第2項者為三年以上至十年以下有期徒刑、依第三項者為無期徒刑或五年以上有期徒刑，故必係先依其他法定事由減刑後，方有可能符合宣告刑為二年以下而得宣告緩刑之情形，合先敘明。

又，對此司法院訂定法院加強緩刑宣告實施要點，其中第2點規定：

二、法院對符合刑法第七十四條及少年事件處理法第七十九條規定之被告，依其犯罪情節及犯後之態度，足信無再犯之虞，且有下列情形之一者，宜認為以暫不執行為適當，並予宣告緩刑：
（一）初犯。
（二）因過失犯罪。
（三）激於義憤而犯罪。
（四）非為私利而犯罪。
（五）自首或自白犯罪，且態度誠懇或因而查獲其他共犯或重要物證。
（六）犯罪後因向被害人或其家屬道歉，出具悔過書或給付合理賠償，經被害人或其家屬表示宥恕。
（七）犯罪後入營服役。
（八）現正就學中。
（九）身罹疾病必須長期醫療，顯不適於受刑之執行。
（十）如受刑之執行，將使其家庭生活陷於困境。
（十一）依法得免除其刑，惟以宣告刑罰為適當。
（十二）過境或暫時居留我國之外國人或居住國外之華僑。
前項緩刑宣告，法院得斟酌情形，命被告為刑法第七十四條第二項所定各款事項。
宣告緩刑時所應審酌之事項，法院應為必要之調查。

及同要點第4及第5點：

「四、被告受六月以下有期徒刑、拘役或罰金之宣告者，宜宣告緩刑二或三年。」、「五、被告受七月以上、一年以下有期徒刑之宣告者，宜宣告緩刑三或四年，並得酌情宣付保護管束。」

值得注意的是，依憲法第80條法官依法律獨立審判，及大法官第216號解釋「司法行政機關所發司法行政上之命令，如涉及審判上之法律見解，僅供法官參考，法官於審判案件時，亦不受其拘束。」，該要點應不拘束法院^[3]，惟是否果無影響仍有待觀察；且曾有文獻中之專家座談受訪的三位法官提及^[4] ，縱使許多法官並不知道實施要點的存在，但實際上在做的（緩刑與刑度、宣告刑之比例）就是要點中所規定的，因法官間量刑的方法的學習多係依照前人累積的慣例。

故本研究以下試從可由裁判書上所見、上述於實施要點中提及之因素，綜合文獻之見解為分析。

犯後態度良好、自首分別與緩刑之宣告顯著正相關

以下表格為法官於判決書中是否提及被告犯後態度良好、被告有無自首與是否宣告緩刑的相關性及p值

由上表可見，法官是否於判決書中提及犯罪態度良好，與是否宣告緩刑呈中度正相關;被告有無自首與是否宣告緩刑間呈低度正相關，且兩者之p值皆小於0.001，具顯著性。

自首予緩刑宣告之相關性高，可能係因如前所述，本罪之宣告行須先經法定減刑事由減刑後方可能符合緩刑的要件，我們在標記時發現自首及依刑法第59條酌減為本罪最常見的減刑事由。

緩刑之宣告，文獻上多認為係為了避免短期自由刑之弊害，也避免監禁隔離的作用使犯罪者名譽信用喪失，斷絕職業和社會關係且使家庭生活上受到極大影響，不利社會復歸。亦有認為刑期無刑與刑罰經濟是現代刑事政策的基本原則，刑罰本身不是目的而是使犯罪者改過遷善的手段。反對者的理由多從應報思想及罪刑均衡論出發，認為緩刑之宣告將有害於刑罰的威嚇力，或認為無以撫慰被害人，或以緩刑著重人品而不顧行為結果等 ^[5] 。簡言之，緩刑之宣告，多重視特別預防機能之面相及個別化刑罰判斷，以行為人是否具有處罰的必要性個別認定，且運許參酌犯罪行為以外的事項（包括犯後態度）^[6]。

文獻亦有認為，緩刑之宣告對於犯人之再犯可能性頗為注重，偶發犯、過失犯或因失業失養而實施之犯罪，以及公益犯人、外國犯、少年犯等，若無明顯再犯可能性，宜對之宣告緩刑；也對犯人之人格有關，即使實施相同的犯罪，也可能分別應及不應宣告緩刑^[7]。

據上述要點及文獻之見解，緩刑之宣告主要應考量行為人之刑罰必要性，若法院從行為人態度是否良好與有無自首，認為被告不須受刑之執行即可自行改過向善，本研究發現緩刑之宣告與犯後態度良好及自首呈顯著正相關，似乎符合文獻之說明。

有成立和解或調解和緩刑宣告顯著正相關

我們觀察到，被告有無與被害人家屬成立合解或調解，與是否有宣告緩刑之相關係數為0.59，呈中度正相關，且p值為 $4.5 \times 10^{-26}$，小於0.001，具顯著性。

和解或調解有完全履行和緩刑宣告顯著正相關

我們亦觀察到被告與被害人家屬成立和解或調解後，有無於裁判前完全履行，與是否宣告緩刑之相關係數為0.34，呈中度正相關，且p值為 $1.26 \times 10^{-9}$ ，小於 0.001，具顯著性。

依刑法第74條第2項：「緩刑宣告，得斟酌情形，命犯罪行為人為下列各款事項：…三、向被害人支付相當數額之財產或非財產上之損害賠償。四、向公庫支付一定之金額。…」，法院宣告緩刑時得命被告遵守一定事項。又依本條之立法理由，係仿效刑事訴訟法第253-2條緩起訴之體例而設，惟本條卻未有類似於刑事訴訟法第253-2條第2項「檢察官命被告遵守或履行前項第三款至第六款之事項，應得被告之同意」，或刑事訴訟法第455-2條關於協商程序中檢察官就有關刑事訴訟法第455-2條第1項第2款被告支付相當數額之賠償金事項應經徵詢被害人意見、且應得被害人同意之規定，故產生刑法第74條第2項所謂相當數額損害賠償之支付應如何定性、是否屬於民事法律關係的形成、是否產生禁止當事人再就同一侵害於民事法院提起訴訟的問題。

故文獻有主張從財產利益衡平的角度來看，應認為屬於民事損害賠償關係之形成，惟若未由當事人（被告及被害人）雙方同意，將產生由刑事法院認定之正當性疑慮及實體上、程序上扞格的諸多問題^[8]，故適用上緩刑宣告時命犯罪行為人項被害人支付相當數額的損害賠償，宜基於法條「得斟酌情形」之意思，以雙方當事人清楚同意或和解之約定作為命令支付賠償金額之前提 ^[9]。

惟縱使依前述文獻之說明，亦不能認為緩刑之宣告與調解或和解之成立一定具有相關性，因法院在宣告緩刑時，可不附條件，亦可斟酌為本條第2項各款之條件，不一定是命向被害人支付損害賠償。除了前述法院加強緩刑宣告實施要點第2點（六）、提及此因素，可能仍須回歸下文所述，量刑與犯罪被害人面向、調解和解間的說明，認為調解或和解之成立可能藉由犯後態度的因素影響法院判斷行為人之刑罰必要性及是否宣告緩刑。

有需扶養之人、無需扶養之人分別和緩刑宣告無顯著相關

以下表格為法官於判決書中是否提及被告有需扶養之人、無需扶養之人與是否宣告緩刑的相關性及p值

由上表可見，法官是否於判決書中提及被告有需扶養之人、無需扶養之人與是否宣告緩刑皆呈低度正相關，且兩者之p值皆大於0.05，不具顯著性。

可能的原因除了法院有在判決書中提及被告有無須扶養之人的案件量較少，分別只有138件及50件之外，被告有無須扶養之人與前述要點第2點之「（十）如受刑之執行，將使其家庭生活陷於困境」 有關，且也是短期自由刑的負面影響之一部分，惟與刑罰必要性確實難認有直接關聯，雖然若被告有需扶養之人而須入監服刑可能造成被告知家庭生活陷入困頓，但所有將受自由刑之被告皆可能面臨此困境，難以據此認為被告欠缺刑罰必要性而應宣告緩刑。

本文以為，此因素至多能成為法院有其他理由可認為行為人欠缺刑罰必要性時作為補強之因素，若以此見，似乎也與本研究觀察到法院為緩刑之宣告與與有無須扶養之人無顯著相關性尚且不生矛盾。

律師類型（為公設辯護人、法扶律師或選任辯護人）與其它變項的相關性

律師類型和緩刑宣告顯著無相關

我們將律師來源區分為公設辯護人、法律扶助律師與選任辯護人，與是否宣告緩刑之相關係數為0.02，呈低度相關；且p值為 $0.023$，小於0.05，具顯著性。故應可以認為律師的類型與法院是否宣告緩刑相關性甚低。

律師類型和有成立和解或調解且完全履行顯著無相關

與是否宣告緩刑之相關係數為 0.05，呈低度相關；且 p 值為 $0.027$，小於0.05，具顯著性。故應可以認為律師的類型與是否在裁判前履行調解或和解之相關性甚低。

小結

綜合以上，我們發現法院是否宣告緩刑的判斷主要與犯後態度相關因素有關，如：是否自首、是否於判決中提及犯罪態度良好、是否與被害人家屬和解或調解，雖然部分因素在學理上有無正當性有爭議，但大致能符合文獻的說明。至於被告是否有須扶養之人，則無法觀察出明顯的結果。

律師的類型與是否宣告緩刑、成立和解或調解，則是相關性甚低。

迴歸分析

以下將以多項線性迴歸模型，嘗試分析法官關注的量刑因素為何、各個因素對宣告刑有何影響，並輔以stata製表呈現結果及排除變項間共線性問題、以 $R \hyphen squared$ 檢視模型配適度。

由於108年6月21日正式施行刑法第185-3條第3項（以下簡稱第3項）「曾犯本條或陸海空軍刑法第五十四條之罪，經有罪判決確定或經緩起訴處分確定，於五年內再犯第一項之罪因而致人於死者，處無期徒刑或五年以上有期徒刑；致重傷者，處三年以上十年以下有期徒刑」，將酒駕或毒駕再犯者之法定刑調高，因此此處迴歸分析原欲以兩種方式區分資料、分別討論，其一為「適用/不適用第3項」，其二為時序上「增訂第3項前/後」，互相比較觀察法官量刑因素之參酌有無變化。惟因適用第3項（即增訂第3項後且該當第3項）之案件僅有12筆，無法得出迴歸結果，故以下僅以「不適用第3項」(b+c+d)、「增訂第3項前」(c+d)、「增訂第3項後」(a+b)三個分類分別進行迴歸分析。

須進一步說明的是，之所以區分增訂第3項前後比較，是因為我們認為第3項之增訂顯示立法者對酒駕再犯者處以重刑，可能會對法官整體量刑產生影響，理論上欲分析此結果應比較「增訂第3項前且不符第3項要件」(d)與「增訂第3項後且不該當第3項」(b)的案件，以排除適用第3項下法定刑提升對結果的影響，觀察是否於不符第3項之情形法官在修法後有重刑化的趨勢。惟屬「增訂第3項後且不該當第3項」的案件僅有28筆，無法得出迴歸結果，故僅能比較增訂第3項前後之案件，大致得到法官衡量各量刑因素的情形。

全部變項討論

不適用第3項

由上表可見， $p \hyphen value < 0.05$ 且從係數上看對量刑影響較大的變項有酒精濃度、死亡人數、重傷人數、高中肄業、犯後態度不佳、犯後態度良好、警詢時坦承犯行、相對人有過失、不構成累犯、沒有和／調解、自首、刑法第59條酌減。其中值得注意的是，雖法條已明文規定超出一酒精濃度定值即該當構成要件，但酒精濃度高低仍然是法官量刑的重要因子；而死亡人數和重傷人數會明顯提升刑度，相對人若對事故發生與有過失則會使刑度略微下降。 不過一般想像可能對量刑有重要影響的「肇事者是否肇事逃逸」與「肇事者是否有酒駕前科」，從上表結果來看似乎未獲印證。

增訂第3項前

上表結果與不適用第3項之模型結果接近。

增訂第3項後

上表可見， $p \hyphen value$ 最接近0.05的變項為和／調解完全履行，其會明顯減輕刑度。惟其中許多變項係數不太合理，如肇事者自首其刑度反而上升、犯後態度良好刑度也會上升，推測可能是因為案件數太少而變項太多、變項間互相影響導致結果有所偏差。

不過值得一提的是，比較增訂第3項前後兩模型的常數項，可以發現增訂前法官在未考慮任何因素下心證的起始點為8個月，但增訂後卻是61個月，由此「立法者增訂第3項提升法定刑對法官心證有所影響」似乎可得到實證上的支持，惟亦不排除是因為修法後案件量尚未累積足夠、其中有接近$\dfrac{1}{3}$案件有適用到第3項而提升法定刑所致。

分群討論

以下我們挑出有關「交通工具」、「學歷」、「犯後態度」、「坦承犯罪」、「累犯」、「和/調解履行」等六類變項群分別依照前述三個資料分類方式對宣告刑進行迴歸分析，以更確切得出個別變項對宣告刑的影響程度為何。

交通工具

在檢視案件分布後，我們發現肇事者或相對人騎乘紅黃牌機車、駕駛大客車、駕駛大貨車共六個變項案件量過少，因此不放入迴歸模型中。

不適用第3項

上表可見，肇事者開小客車刑度會加重12個月，且 $p \hyphen value$ 僅0.047；肇事者騎乘綠白牌機車或駕駛小貨車刑度均會加重10個月，且 $p \hyphen value$ 亦分別僅0.094、0.126；而相對人交通方式為何對量刑較無影響。

增訂第3項前

上表亦呈現類似結果。

增訂第3項後

上表結果則有所差異。相對人騎乘綠白牌機車刑度會大幅上升19個月，且 $p \hyphen value$ 為0.06，相對人為行人刑度則會上升14個月；肇事者駕駛小貨車刑度會大幅加重23個月，騎乘綠白牌機車會加重10個月。

之所以標註交通工具變項，是因為我們原先預想法官對肇事人駕駛體積越大的車種可能有更高的負面評價，因其所造成的公共危險程度較高，惟從以上三模型似乎無法印證此假設。

學歷

由於在檢視資料分布後發現國小肄業僅有1筆案件，故刪除該變項，將其餘學歷變項放入進行迴歸分析。

不適用第3項

依據上表結果，被告若為國小畢業，刑度會下降10個月，且 $p \hyphen value$ 僅約0.14。被告若為大學畢業，其刑度也會下降約6個月，且 $p \hyphen value$ 為0.15。不過綜合所有變項結果可見，法官對於被告學歷似乎沒有一致的評價方向（如傾向對學歷越高的被告判刑越重，或對肄業者加重、對畢業者減輕）。

增訂第3項前

上表與不適用第3項的模型結果相近，惟被告大學畢業的刑度下降幅度略大，且 $p \hyphen value$ 更小。

增訂第3項後

上表呈現結果與其他兩模型略有不同，與國中肄業相較，國小畢業者刑度會加重，國中畢業、高中肄業、高中畢業、大學肄業則會明顯減輕，且有學歷越高減輕幅度越大的趨勢，且其中高中畢業 $p \hyphen value$ 呈現顯著、高中肄業及大學肄業 $p \hyphen value$ 分別為0.16、0.15，不過大學畢業刑度減輕程度卻最小。

綜合以上三模型結果，增訂第3項後法官對學歷的評價似乎有所變化，不過仍須待未來案件量更多才能確定。

犯後態度

不適用第3項

上表可見，若法官於判決中提及被告犯後態度不佳，則刑度會上升16個月，且 $p \hyphen value$ 呈現顯著；若提及犯後態度尚可，刑度則會下降5個月；若提及犯後態度良好，刑度則會下降14個月，且 $p \hyphen value$ 呈現顯著。

增訂第3項前

上表亦呈現出類似結果。

增訂第3項後

上表結果亦呈現犯後態度不佳會提升刑度，惟 $p \hyphen value$ 較大。而態度尚可或良好刑度均會明顯下降19個月，且 $p \hyphen value$ 均呈現顯著。

以上三個模型可見若法官於判決書中提及被告犯後態度，多表示其心證受到明顯影響。且自三個模型的 $R \hyphen squared$ 觀察，犯後態度此因素亦對宣告刑有一定的解釋力。

坦承犯罪

不適用第3項

上表可見，若被告否認犯行，則刑度會略微提升；若被告坦承犯行，刑度會明顯下降約13個月。惟比較奇怪的是，若於偵查中坦承，刑度的上升程度卻會比否認犯行者高，推測可能是因為偵查中坦承的案件太少而受到其他因素影響。

增訂第3項前

上表亦呈現類似結果。

增訂第3項後

上表之所以有三個變數都因為共線性而被排除，可能是因為案件數太少或分布不均（大部分案件為坦承犯行，部分案件為否認犯行，警詢或偵查中坦承的案件極少）。不過可以發現，若被告否認犯行，刑度將會大幅提升，且 $p \hyphen value < 0.05$ 呈現顯著。

自上述結果可見，雖然僅有第三個模型否認犯行的 $p \hyphen value$ 呈現顯著，但從係數上來看否認或坦承犯行仍會對法官量刑有所影響。

累犯

不適用第3項

上表結果有些奇怪，因其顯示與符合累犯且加重其刑相比，符合累犯但裁量不加重的案件的刑度反而上升。不構成累犯其刑度則會下降11個月，且 $p \hyphen value$ 極小。

增訂第3項前

上表與不適用第3項之模型所得到的結果相近。

增訂第3項後

上表亦呈現相近結果。

以上三個模型均呈現構成累犯但裁量不加重的情形反而會被判科以最高的刑度，究竟是編碼或資料分類上發生偏誤抑或背後確有原因，有待進一步釐清。惟可以確定的是，不構成累犯比起構成累犯的宣告刑會顯著降低。

和／調解履行

不適用第3項

上表可見，與有和／調解但未履行相較，有和／調解且完全履行的刑度約會下降5個月，且 $p \hyphen value$ 呈現顯著；有和／調解但僅部分履行的刑度並沒有明顯差異；沒有和／調解則會提升約17個月的刑度， $p \hyphen value$ 顯示非常顯著。

增訂第3項前

與不適用第3項之模型比較，亦得出相近的結果。

增訂第3項後

增訂第3項後的結果則稍有不同，與有和／調解但未履行相較，完全履行或僅部分履行，其刑度分別會下降10個月與9個月，沒有和／調解其刑度則會提升20個月，且 $p \hyphen value$ 呈現顯著。

由以上三個模型可見，不論修法前後，有無和/調解均對法官量刑有相當影響力，且修法後法官似對沒有與相對人家屬和／調解的肇事者有更嚴厲的負面評價。此外，這三個模型的 $R \hyphen squared$ 分別為0.28、0.27、0.45，可見單就有無和／調解及有無履行此部分即對宣告刑有一定的解釋力。

小結

將全部變項放入模型中時，「不適用第3項」與「增訂第3項前」之模型的 $R \hyphen squared$ 均為0.6，其中酒精濃度、死亡人數、重傷人數、相對人有過失等變項對刑度有相當影響、 $p \hyphen value$ 呈現顯著；「增訂第3項後」之模型則受限於案件量，無法得出合理的結果，惟若比較「增訂第3項前」與「增訂第3項後」兩模型之截距，似乎呈現法官在修法後對酒駕致死者重刑化之傾向，此留待日後累積足夠案件量方能確定。

就交通工具、學歷、犯後態度、坦承犯行、累犯、和／調解履行六個變項群分別討論，可發現法官對交通工具和學歷均沒有一致的評價趨向，但增訂第3項後法官似乎對學歷越高者越寬容；犯後態度尚可或良好刑度均會減輕，態度不佳則會加重刑度，且由 $R \hyphen squared$ 可見此類因素對量刑有一定解釋力；坦承或否認犯行亦會對量刑產生一定影響；不構成累犯其刑期會比構成累犯顯著降低；沒有達成和解或調解刑度會大幅上升，且從 $R \hyphen squared$ 可見和／調解履行等變項對量刑有相當程度的解釋力。

機器學習

我們在這個部分應用了多種簡單的機器學習模型，分別用以預測緩刑（如果有緩刑）與預測量刑（如果沒有緩刑）。

除了以直接分類為基礎的決策樹與隨機森林方法外，其餘方法，由於結果會與特徵（features）的大小（scale）有關，因此我們在預處理（Preprocessing）時，先使用標準化函數（StandardScaler()）將每個特徵標準化之後，讓回歸模型在每個維度的 scale 一致，才開始運算。此外，為了增加資料的利用效率，我們使用 5-fold cross-validation (K-Fold CV)^[10] 的技巧來分配訓練與測試資料，並選擇其中最好的結果作為預測模型。

應該注意的是，以下的方法中，只有決策樹與隨機森林較具有可解釋性（explainable）。由於不論是線性回歸或是類神經網路，在運算的時候，資料都被視為一堆超高維空間中的點的散佈，因此權重並不能當然表示在某個特徵的維度上，佔有較重要的地位，權重還可能跟資料的大小（scale）有關，僅能用來評估資料的特性，例如在線性回歸中，模型表現好表示資料的散佈在高維空間中有線性的特性。因此，除了決策樹與隨機森林之外，我們不會說明特徵之間的重要性。

以下的模型，全部都使用sklearn套件中的函數。

決策樹（Decision Tree）

決策樹是一種原始的機器學習方法，簡單說，是在模擬人類的決策，以特定的條件作為每一層的分類依據。在每一層分類時，決策樹會在每個維度上（即每個特徵）考慮分類完之後熵（entropy）最小的分類，並以每個維度之間熵最小的分類方式作為該層的分類。如此一層一層分類下去，將形成一種樹狀結構。

我們用決策樹來預測量型的長短；在模型中，我們用 sklearn.tree.DecisionTreeRegressor()預設的gini impurity 來計算熵，並設定最大的深度是 4（max_depth = 4;），以避免overfitting 的情形。

我們的決策樹模型表現並不好，在 5-fold CV 中，僅有 $R^2 = 0.28$ 的成果。我們發現，影響量型最重要的因素是死亡人數、酒精濃度與是否賠償被害人；次要的是受傷人數、是否自首與被告的素行；其他因素則影響甚微。受傷人數與死亡人數並沒有得到相似的權重，可能是因為我們選擇的案件是酒駕致死，因此不一定每件案子都有人受傷。

不過，我們也發現在被告適用修法後的刑法第185條之3的情形，量刑並沒有辦法比較準確的預測，推測可能是案件過少，或是法官在加重量刑後，有其他考慮的量刑因素，而沒有呈現在判決書中。

隨機森林（Random Forest）

隨機森林，是隨機選取一定的維度（我們使用預設的 0.7，即在 100 個特徵中選擇 70 個）來做決策樹，並重複數次，讓這些決策樹以多數決方式決定結果。

緩刑的預測

我們以隨機森林（sklearn.ensemble.RandomForestClassifier(), max_depth = 4; n = 60;）來預測是否會被宣告緩刑。預測的結果，有著 $0/1 \hyphen accuracy = 0.94$ 的優秀表現，其中影響最顯著的特徵是被告有沒有與被害人達成和解、調解，以及履行和解、調解條件的表現如何（完全履行、部分履行、不履行或尚未履行等）。至於作為量刑重要參考的酒精濃度與死傷人數（下詳），則不是最重要的考慮因素。

量刑的預測

我們使用隨機森林（sklearn.ensemble.RandomForestRegressor(), max_depth = 4; n = 150;）來預測量刑，結果只比決策樹好一點點，為 $R^2 = 0.54$。影響量刑的因素與決策樹的結果並沒有很大的差異。

線性迴歸

由於一般的線性迴歸已經在前面回歸的地方做過一次，這裡使用的模型是有加入懲罰項的線性迴歸，以期可以避免或減少 overfitting 的情形。

我們使用支持向量機（Support Vector Machine, SVM）^[11] 與 Lasso 回歸（Lasso Regression）^[12] 來實做線性回歸的模型。前者可以視為「軟性」的線性回歸，如果點落在回歸線的指定寬度內，會在計算最佳化函數的時候加入某程度懲罰；後者則是將回歸的權重加入最佳化函數的計算，以限制非常極端的權重出現。我們將懲罰項的權重都設定為 0.1（$C = 10 \text{ for SVM or }\alpha = 0.1 \text{ for Lasso}$）。

其結果分別是 $R^2 = -0.5\text{ for SVM}$ 跟 $R^2 = 0.3\text{ for Lasso}$，顯然在 SVM 仍然有 overfitting 的情形。

Multi-Layer Perceptrons (MLP)

MLP 是一種類神經網路方法，^[13] 它的每個節點（node）都是很簡單的函數（我們使用$adam(\cdot)$），透過大量、多層的節點相互連接，以期運算後得出較好的結果。

我們以 sklearn.neural_network.MLPRegressor(), hidden_layer_size = 2000; max_iter = 10000; solver = adam; 作為模型，結果呈現嚴重的 overfitting: $training\;score = 0.99;\;testing\;score = 0.15$。經過數次的調整，始終無法提升模型的表現。

與司法院的「量刑資訊系統」與「量刑趨勢建議系統」比較

這兩個系統分別是司法院根據過去的判決，分析不能安全駕駛罪量刑的重要因素，代表著「實然面」法官過去的量刑結果（量刑資訊系統）；以及召集專家、學者、法官開會探討不能安全駕駛最的判刑因素，代表著「應然面」的量刑結果（量刑趨勢建議系統）。

在這兩個系統中，其實考慮的因素相互之間沒有太大的差別。跟我們所考慮的特徵比起來，有個顯著的差異是司法院的系統都有考慮事故發生的地點，量刑趨勢系統更考慮了駕駛人有沒有在酒駕以外還有違反交通規則（例如：逆向、闖紅燈等等）的情形。這兩項因素，雖然我們也有標注，但僅僅是以備註的型態，存放在原始的資料中，並沒有將他們當作特徵之一，來運算模型。

過去學者以殺人罪為對象，發現在都會地區獲判死刑的比率較大，且量刑也有更重的趨勢，可見事故發生地是刑法第 57 條以外的量刑標準。^[14]從最高法院的裁判^[15]來看，最高法院也認為刑法第 57 條僅是例示規定。司法院的兩系統既然考慮事故發生地，可見在酒駕案件中，不論是應然面或是實然面，這都是量刑的重要指標之一。不過，我們受限於只知道地點的抽象資訊（如某某路口），不知道該地點到底是都市地區或是鄉間、郊區，而人力也難以在有限時間內一一查明。

至於在酒駕以外違反交通規則的情形，我們原先認為，已經包含在「肇事者的過失程度」（及被害者是否與有過失等等）一項之中，並沒有將它獨立為一項特徵，但司法院的系統卻將這當作一項量刑指標，可見在法官心中，有其獨特的意義。

這兩點可能是我們的模型表現不好的原因之一。

小結

我們在機器學習方法中，不論在緩刑或是量刑的預測上，表現最好的都是隨機森林，而這剛好又是具有可解釋性的模型，得以讓我們窺見法官在裁量時所考量的因素。

在酒駕致死的案件中，從判決書中所有呈現的特徵來看，不論是緩刑還是量刑，法官裁量的因素與刑法第 57 條並沒有太大的關係，反而是被害人受賠償的程度才是最重要的考量。我們觀察到，許多法官都在判決書中提及類似的文字：「政府一再加重刑罰，是考量到酒後行車具有高度危險性⋯⋯被告仍忽視政府、大眾傳播媒體宣導多時，復足認[酒駕]屬社會嫌惡、民怨案件，竟仍置若罔聞，不思採取替代方案，猶於飲酒後駕車上路，明顯心存僥倖，並漠視他人之生命、財產安全，終肇生本案交通事故之憾事，不單致[被害人]遺屬頓失至親，無從再享天倫，受有莫大哀慟⋯⋯」或者「被告與被害人達成和解或調解，並[完全履行]，顯見被告已經盡力填補被害人的損害⋯⋯」在此可以見到，法官強調的是被害人的生命、財產，以及被害人親屬的感情，以及「被告努力填補損害的態度」，顯然受到被害人運動影響下的修復式司法（Restorative Justice）所影響，並似乎將此項因素涵攝進「被告的態度」一項，作為緩刑或量刑的重要參考，^[16] 而動搖了刑事訴訟政策下，「追訴犯罪具有公共利益，被害人亦不能左右」的基本假設。^[17]

我們認為，考量被害人的受賠償程度作為緩刑或量刑的最重要參考依據，雖然很直觀，但並不合理。我們從敘述性統計觀察到，酒駕致死案件的被告的社經地位普遍低落，且無業的情況也十分常見，至少是遠高於主計總處所公佈的失業率。雖然被害人的損害是否得到補償，是司法政策中一個很重要的考慮因素，也是影響到被害人的法感情的最直接因素，但這難免給人「有錢判生、無錢判死」的感嘆，甚至是「人人都是平等的，但有錢人比窮人更平等」，因為他們擁有更多犯罪而不受懲罰或是受到較輕的懲罰的權利。法官在判決中，一再提及「政府與媒體宣導多時」，但我們在媒體上看到而會義憤填膺的酒駕案件常常是「富二代撞死孝女（子）」等，並沒有反映出窮人其實才是酒駕致死的大宗被告的事實。如果我們因為富人撞死其他人，而不斷地加重酒駕的刑罰，從數據上來看，我們其實只是在拿有錢人的錯誤來加重懲罰窮人。

在量刑方面，我們發現其他兩項重要的影響因素是酒精濃度與死亡（受傷）人數。在酒駕作為抽象危險犯的立法假設下，酒精濃度似乎只是個抽象的犯罪標準，畢竟人人體質不同，我們很難說「某個人喝到酒精濃度 0.25 就一定無法保持理智」，或是說「某個人喝到酒精濃度 0.9 就一定比酒精濃度 0.8 還要茫然」，不過與此同時，法官也很難在有限的時間、成本下，有個完美無比的量測依據。因此從酒精濃度來看，把它作為量測被告的「犯罪手段」的工具也是十分的直覺。但從刑罰的角度來看，難道酒精濃度比較高的人的責任或惡性就比較重大嗎？如果有個人因為體質問題，酒精特別不容易代謝，但卻不見得影響到判斷能力等等，我們在實務上似乎就在處罰被告的「體質」而不是「責任」。至於死傷人數，雖然也是十分的直觀，但如果我們接受立法者的假設：酒精使人判斷低下，那又怎麼期待被告在行進中猶能辨別「對面那台車載的是一個人還是兩個人」？那我們豈不是在懲罰被告「運氣不好」？

最後，我們受限於人力與時間等限制，沒有分析事故地點對量刑或緩刑的影響，但在司法院的參考系統中，這個因素不論是在應然上或是實然上，都佔有一席之地，是可以改進的地方。

結論

緩刑宣告

我們發現酒駕致人於死之法定刑雖若未經減刑並不會符合緩刑之要件，惟整體而言緩刑率為40.9%，相較於司法院網站上發布之各地方法院近幾年宣告緩刑比例統計，一般非少年被告法院做成緩刑之比例自106-109年分別為21.14%、20.79%、20.39%、22.58%來的高。

而綜合我們以敘述性統計、相關性分析及機器學習觀察，我們依判決書中法院所提及的因素設定變項，發現在變項中影響法院決定是否宣告緩刑的因素主要為有沒有與被害人達成和解、調解，履行和解、調解條件的表現如何（完全履行、部分履行、不履行或尚未履行等），是否犯後態度良好此三個因素。大致可以對應到文獻認為緩刑之宣告，多重視特別預防機能之面相及個別化刑罰判斷，以行為人是否具有處罰的必要性個別認定，且允許參酌犯罪行為以外的事項（包括犯後態度）。

量刑

我們發現宣告刑除了一部分集中於可以宣告緩刑的24個月左右，其餘以隨機森林發現對量刑最重要的因素是死亡人數、酒精濃度與是否賠償被害人；次要的是受傷人數、是否自首與被告的素行；以多項線性迴歸模型嘗試分析則發現酒精濃度、死亡人數、重傷人數會明顯提升刑度，構成自首、刑法第59條酌減或相對人有過失則會使刑度下降，而有關和/調解履行的變項群對刑度有最高的解釋力。

若以犯情因素及行為人因素分類，死傷人數及酒精濃度（可能為法院參酌認定不能安全駕駛的程度之基礎）及相對人是否有過失可能可以對應到刑法第57條之犯情因素，如第3款犯罪之手段、第8款犯罪行為人違反義務之程度、與第9款犯罪所生之危險或損害。

行為人因素方面，被告的素行可能可以對應到刑法第57條第5款犯罪行為人之品行。自首則可依刑法第62條減刑。而以是否與被害人調解或和解作為量刑因素在學說上頗有爭議，主要認為與刑法第57條第10款犯罪後之態度有關，詳細討論於後。

另外，依我們的觀察本罪之量刑似乎逐年有加重的趨勢，仍有待持續觀察與配合其他資料分析。

反思與總結

以裁判前是否與被害人達成和解、調解與履行和解、調解條件的表現作為如何是否妥適本文認為有進一步檢討之餘地。此一因素不僅出現在法院決定是否宣告緩刑時出現，在我們以隨機森林分析量刑時亦發現是否履行調、和解屬於其中主要影響因素之一，惟其在學理上是否妥適尚有爭議。

曾有文獻指出我國實務上法院量刑時，常將被告在法院皆審理階段的訴訟行為表現模式或刑事訴訟程序中的態度，如：是否坦承犯行、有無和解、有無進行辯解或抗辯的之情形，予以審酌作為量刑的因素 ^[18] ，比較法上亦有將量刑事由之犯罪後行為人態度款項，加上「特別是為填補損害之努力與被害人和解之努力」，明文將犯後態度包含跟被害人的和解或和解的努力在內。

惟有認為被害人的非難感情並非刑罰目的，僅能視為為反射效，故不能整合於刑罰目的的被害人因素在我國並不能作為量刑事由。雖有論者從綜合應報與一般預防角度，認為和解或賠償是應報內涵的贖罪或悔悟，或犯罪人社會復歸的條件，或以積極的一般預防角度認為損害的回復係意圖在行為人、被害人與社會間解決紛爭，為行為人與一般法意識間的統合、回復法和平性的過程。惟在我國與被害人的賠償或再復原並非訴訟法上所強制，不宜作為量刑事由，除非在我國現行法規有明文規定外，否則應只能作為減輕要素，而不能作為加重要件，以免有超過行為責任之虞。 ^[19]

亦有認為，量刑應以量刑責任為內涵，行為人有無賠償應與刑法57條第10款的犯後態度無關，若行為人賠償被害人可作為從輕量刑的因素，可能會有評價不足的疑慮 ^[20]。

本文同意文獻的觀點 ^[21]，此因素可能與被害人的地位自80年代的被害人運動再度漸漸受到重視，作為刑事政策改革的一大重心有關。有認為此與高犯罪困境的適應策略，刑事政策轉向服務被害人、降低犯罪恐懼的高犯罪控制文化結構有關，而刑事司法系統吸收被害人的新成分，個別法官可能也會在量刑受到這些因素影響，隱藏在裁量餘地中。

酒駕如前言提及，向來是立法者與人民關注的焦點議題，顯現於一再加重的立法與社會上的討論，2019年新增對於酒駕五年內而再犯 ^[22]致死及重傷的法定刑加重也宣示了立法者「對酒駕零容忍」的態度。這樣重刑化的立法，與法院在量刑上所採的因素（尤其是被害人因素）與我們發現酒駕致死的高緩刑率是否可以認為是二極化刑事政策的縮影，將被認為是罪大惡極酒駕及累犯歸類為社會所欲拒斥的嚴罰化目標，其中部分人以和解、損害賠償或認罪作為交換條件回流社會，並以和緩策略規訓（如：緩刑），如以此見，整體酒駕致死的量刑似乎可以說是寬嚴並進刑事政策的縮影，是否妥適有進一步檢討之必要。 ^[23]

本報告提出以上的實證上觀察，對於上述觀察到法院對於酒駕致死的量刑與緩刑考量因素是否妥適、及此現象是如何形成的，仍有待後續的討論。同前言所述，量刑的考量千變萬化，並不能期待以數個變項一以概之而做為法官量刑的指南，本報告之目標在於提供一個觀察的起點以供量刑理論發展之參考。

Back to the Class Page