壹、前言-研究背景說明

一、何謂國民參審制度

  • 定義:完全沒有審判專業知識、經驗的一般國民加入審判程序,參與聽訟、問案及最後判決形成的過程。

  • 目的:讓司法專業社群藉由國民的參與,獲得與外界對話與反思之機會,這樣雙方相互交流、回饋想法的結果,將可期待最終能豐富法院判斷的視角與內涵,進而提昇國民對司法的信賴。

二、研究資料之採用

  以「民國108年台灣地區:一般民眾對司法認知調查報告」所收集之資訊為基礎,採用「人民年齡結構、教育程度、職業類別、性別、使用語言、居住地、網路使用習慣、平均月收入」等7項基本背景,及「有無法院經驗」作為篩選問題,檢視人民背景及法院經驗之各項因素,是否司法認知度相關。

三、司法認知度預測模型

以「年齡、教育程度、職業、性別、語言」為自變項,得出依變項「認知度達對率」。 模型之目的為維持國民法官參與案件時審理程序之順暢和判決品質之穩定性。

參考資料: 國民參與審判制度概述,司法院「國民法官一起審判」https://hld.judicial.gov.tw/jury/index.html (檢索日期2019年4月5日)。


貳、文獻回顧

一、以「人民參審」突破現今司法困境

  我國司法改革多年的努力已在專業社群中獲得一定程度的肯定,但人民因為專業術語不易懂,對於司法改革仍是無感。而人民對於法官的不信任,非建立於經驗的基礎上,因多數人民從來沒去過法院,對於法官仍然欠缺信任感,根本問題應為儒家文化對於法律的疏離感有關,而與司法制度本身的關連度不高。

  文化的疏離與對司法的認知和認同度互為因果,因此現今司法以縮短人民與司法的距離為改革主軸,「人民參審」之議題遂為廣泛討論。根據文中引註的調查結果顯示,多數民眾都相信,人民參與審判可以提升對於司法的信賴度。為改善人民對於司法的信任,實證研究已是不可或缺的工具。

二、人民參審具有節制司法濫權的功能

  法官雖然受過專業法學訓練,但可能由於個人在智識、經驗或觀點上的限制,而做出不佳判決,引發社會對於司法的不信任。因此人民參與審判有可能透過多元觀點的理性討論,減少法官盲點,或者引進更多元的觀點而促進判決品質。

三、人民參審之隱憂

  1. 國民法官之選任亦增加法院與法官的負擔,未必能整體提升司法判決品質。

  2. 人民參與審判未必能提升司法判決的理性基礎,未經過法律訓練的人民參與司法討論,容易受到外界的影響,亦容易訴諸直覺貨既有偏見導致不合理判決。

  3. 人民參審可能導致難以課責之情形,是否能提升人民對司法的信任仍有疑義。

參考資料:

蘇永欽(2016),〈司法的民意調查〉,《法令月刊》,67卷4 期,頁83-94 林春元(2018),〈司法與不信任—論人民參審的憲法界限〉,《憲政時代》,43卷3 期,頁381-423


參、影響認知度參數之分析

一、問卷研究之架構分析

  依據108 年一般民眾對司法認知調查問卷之結果,將下圖各項目與司法認知度做卡方檢定,分析民眾的背景資料與司法認知度之相關性。

  下圖中,標示藍底的項目與司法認知度相關。可以發現圖中左方的「基本資料」與「有無法院經驗」,其中各項目皆與司法認知度具備相關性,因此,將對其進行近一步的討論,並分析在國民參審草案中的關於國民法官各個資格限制的合理性。

  另外,圖中右側所列之項目,僅針對具有法院經驗之人發問,並未詢問所有的問卷填答人;司法認知度則是根據所有問卷填答者之回答計算而出。基於此原因,並未將右側之項目加入司法認知度預測模型,以免產生偏誤。


  • 司法認知調查問卷亦有針對國民參審制度進行提問,以下就各個問題進行敘述統計:

  1. 國民法官之選任亦增加法院與法官的負擔,未必能整體提升司法判決品質?

根據統計結果,七成的人民對此提問抱持正面肯定之態度,有三成的人認為國民參審制度能夠增加許多司法的信任度,四成的人認為有點增加。


  1. 您認為讓一般國民參與刑事審判,主要的好處是?(複選題)

最多人認為國民參審制度帶來的主要好處為「讓審判過程透明,避免黑箱作業、司法不公的疑慮 」以及「人民能更瞭解法院審判程序與判決內容 」。


小結:綜合以上兩則提問的統計結果,七成的人民認為「國民參與刑事審判能夠增進對司法的信任」,且大多認同參審制度能夠避免黑箱疑慮,亦同時增進對審判程序的了解,與草案之立法宗旨相符—「為使國民與法官共同參與刑事審判,提升司法之透明度,反映國民正當法律感情,增進國民對於司法之瞭解及信賴,彰顯國民主權理念,特制定本法。」


  1. 您是否願意來到法院全程參與刑事案件的審理,並對被告有罪無罪、刑度輕重做出判斷?

僅有約五成的人民表示願意參加,依此結果進階詢問了影響參與意願的原因。


  1. 下列哪些因素會影響您決定是否參與審判?(複選題)


  1. 如果國民參與刑事審判制度通過,且您必須參與審理,請問您可以接受參與的天數是幾天?包含為參加審理到法院的所有時間。


小結:由第3至第5題之統計結果,可以發現國民參審制度目前所面臨之困境有三:

  1. 願意參與的人數僅占半數

    僅有五成的人民有意願參與國民審判,應去思考該如何提升人民之參與意願。

  2. 人民時間難以配合參審時程

    大多數人民可以接受的參與天數為「三天內」,然而,依據日本對其裁判員制度實施成果之調查,於2017年平均一個案件的審理時間為十天。

  3. 法律的專業性

    許多人民的疑慮是擔心無法理解法學用語或是繁雜的爭點、證據,在參審制度下,除了依靠法官對人民解釋專業法學知識,或許也應在審判外進行法律知識普及的配套措施,拉近法學專業與人民間的距離,如此亦可提升訴訟效率,以解決上述人民時間難以配合過長的參審時程之問題。


二、卡方獨立性檢定

  為達成以民眾的司法認知度,最為篩選人民法官之基準,本報告以108年一般民眾對司法認知之問卷調查結果作為樣本,分析不同背景、經歷之民眾對於司法認知度上之差異,並透過問卷題目將樣本加以分類,包括對於全體受測者、去過法院者、去過法院且參與訴訟等,再以各樣本中不同背景種類設定變項,與認知度進行卡方獨立性檢定;透過此結果將同一類別不同變項之間在樣本在認知度上有顯著差異者加以篩選,以其能作為日後認知度篩選模型之參考變項。

  1. 分類與計算方式

  本報告以問卷所列出有關認知度的題目加以篩選,以總共21題之題目,個案之答對題數作為計算基準,並將共5007筆全體受測者之資料之平均與標準差算出,而透過平均數加減一個標準差作為區分基準,若答對題數小於平均減一個標準差者,則分類為「認知度低」,高於平均減一個標準差但小於平均者,為「認知度偏低」;而高於平均小於平均加一個標準差為「認知度偏高」,最後則是認知度高。

分類 認知度低 認知度偏低 認知度偏高 認知度高
數值範圍 X < u-s u > X ≥ u-s u+s > X ≥ u X ≥ u+s
X=樣本數值, u=全體樣本平均數, s=全體樣本標準差

  透過認知度之分類,再將其與問卷中其他關於背景之類別各自進行卡方獨立性檢定,即會得出會影響認知度的變項,而為日後模型的建置提供相關資訊;本次的分析結果如下:

  1. 認知度變項

  • 年齡:

  從初步的資料統計結果即可發現隨著年齡漸增,認知度偏高與認知度高的族群,在同年齡層所佔的比例漸減,反之,認知度低者則有逐漸增高的趨勢,而卡方檢定對兩類別變項所計算的p-value = 1.121e-141,遠小於0.05,具有統計上之顯著差異,故推翻兩類別互不影響之虛無假設,年齡為影響認知度之因素之一。


  • 居住地:

  各縣市之間的比例確實並非一致,可以觀察到靠左邊也就是六都的部分認知度高與偏高的比例有相較多一些地傾向,不過仍需考慮到樣本的大小,由受測樣本可知本問卷之抽樣可能是透過縣市人口比例計算,故有些縣市樣本數明顯過低,尚難以此斷定認知度的差異,惟依據統計結果來看,卡方檢定的p-value = 3.108e-12,確實亦有顯著差異。不過依照國民參與刑事審判法草案,參審之國民法官需於法院管轄區內居住四個月以上,故本不得篩選他居住地之國民,故此並不能列入篩選模型中。


  • 教育程度:

  教育程度已列入國民參審資格之積極資格,未具備高中學歷者不得擔任國民法官,故本報告仍以統計方法驗證此高中學歷之限制是否合理,透過統計結果可觀察到確實在高中學歷以上,認知度高與偏高者所佔比例顯著提升,並有逐漸增多之趨勢,且卡方檢定之p-value = 1.331e-303,確實亦有顯著差異。


  • 職業類別:

  問卷中亦有關於職業類別之分類,雖並無過於全面且詳細之分類,仍可透過結果得出不同職業間有關認知度的差異差別不小,而卡方檢定的p-value = 6.804e-119,亦具有顯著差異。


  • 性別:

  可以看出再高認知度與低認知度的比例上具有些許差異,其中高認知度男性的比例較高,低認知度則為女性比例較高,卡方檢定p-value = 1.117e-08,亦具有統計上顯著差異,惟此可能與特定職業之性別比等因素有關,尚不能因此斷定男女對於認知度上具有差異,且性別平等亦為憲法所保障之基本權利,故於篩選上應不可特別偏重特定性別,若要為之也須有急迫且重要之公益,始能正當化不等之對待,單就統計上司法認知度差異難謂合法。


  • 使用語言:

  擔任國民法官亦有消極條件,須具備國語之基本能力,故此主要使用語言為台語者,仍須具備國語之聽說讀寫能力,而就統計資料而言,可以看出具有主要使用語言的差異在於認知度上有明顯不同,且使用台語者的樣本數明顯較低,卡方檢定p-value = 4.894e-36亦具有顯著差異。


  • 法院經驗:

  另外,即是有關法院經驗之有無對認知度的影響,我們可以觀察到隨著認知度的升高,去過法院者所佔的比例亦有增加趨勢,卡方檢定p-value = 2.325e-06,亦具有顯著差異。惟亦可得知,去過法院者仍為一般民眾之少數人,故得否以此為篩選標準仍有待實務運作之評估。


  • 訴訟經驗:

  除全體受測者外,本報告亦透過題目將去過法院之樣本篩選出來,依樣對過前述利用平均答對題數與標準差進行樣本的分類,在與不同類別變項之間做分析。首先,並非所有據法院經驗者皆為訴訟,亦可能為公證、登記等事項,故以訴訟經驗為分類探討是否在認知度上具有差異;可以觀察到認知度越高者,參與訴訟的樣本所佔比例反而越少,而卡方檢定p-value = 0.0001375,顯示是否參與訴訟確實對認知度有影響。


  • 訴訟類型:

  而有訴訟經驗之樣本是否會因參與訴訟類型的不同而影響認知度,抑或位參與訴訟之樣本是否又會因至法院辦理不同事項而有認知度上的差異,亦得藉由問卷結果加以分析。以有訴訟經驗者為例,如家事事件、少年事件等因案件數量過少,可能對於是否反映真實的狀況需有所保留,而其餘訴訟類型並無比例上過於顯著的差異,卡方檢定 p-value = 0.9828亦未達顯著之程度,故訴訟類型並非影響認知度之因素。


  • 辦理業務類型:

  而未參與訴訟者,則因不同的業務類型而在於認知度的高低有不同的表現,除辦理提存與繳費數量過低以外,其餘認知度高低的差異皆有所差異,卡方檢定 p-value = 0.0004923,亦呈現顯著的結果,顯示制法院辦理業務類型不同,確實會影響人民對於司法認知度。

  • 小結

  由上述分析可知,不管年齡、性別、居住地、教育程度或職業類別等民眾背景資訊皆會影響認知度的差異,目前國民刑事參與審判法草案中亦有對於上述之條件設置,確實對於司法認知度上有初步的篩選,雖條件之設置是依據選罷法有關公職候選人與選舉人資格直接適用,如:國民法官須年滿23歲始具一定社會經驗德參與審判,惟許多人民未達20歲即已工作超過一年,且不以完全行為能力人為標準亦未論證是否經過三年一定具較豐富經驗等,是否適當仍有待討論;而關於法院經驗、使用語言等亦具有顯著差異,故可能亦得為認知度篩選之標準。此外,有法院經驗者是否參與訴訟並不具有認知度上之顯著差異,惟樣本參與之訴訟類型不同,卻對於認知度上有顯著差異,未參與訴訟者辦理的業務類型不同亦影響關於民眾的司法認知度,故應可由此資訊分析相關差異,並期能找出異同點以不同管道提升民眾之司法認知度。

  依照國民刑事參與審判法草案之意旨,致於提升司法透明度並使法關於判決中置入國民一般之法感情而在合法裁量的範圍內不致過於偏離民眾期待,而為達此目的,即排除司法工作者、律師等職業人事盼能真正表達一般國民之心聲。惟為兼顧訴訟經濟與裁判效率,於注入民眾意見的同時,仍應注意不使訴訟延滯之狀況過於嚴重,除排除專業法律工作者外,仍應使篩選出之國民法官對於司法之認知度平均落於一定範圍,避免法官在於解釋與確保訴訟進行上花費太多心力,使司法資源未能有效運用,故本組欲透過草案內容與問卷建置預測模型,希望得依此進一步篩選,期能以最有效率之方式達成立法目的。


肆、司法認知度預測模型

一、模型設計初衷

  林春元教授2018年在憲政時代有發表一篇《司法與不信任》,其中就國民參審對於判決品質的影響持保留態度,而司改國是會議中討論參審制時社會上的反對聲浪也認為社會大眾的法律素養普遍不高,未必能做出較好的判決。

  國民和備位法官的選任方式是先由地方政府就符合國民法官資格的人民造冊後,再交由法院抽選,目前規劃是國民6人、法官3人。

  被抽中的國民法官會和法官共同進行終局的案件評議,途中如果國民法官覺得難以掌握重點或不懂專業用語,可以向法官反映,審判長可以視需要向國民法官進行說明,這個環節稱為中間討論。在終局評議時,有無罪是2/3,科刑是1/3,那都必須要有法官和國民法官的贊成票才算數,所以國民法官和法官其實是有相同表決權的,以上的運作方式也造成社會和學界對於國民法官的質疑始終不斷。

  欲解決爭議,除了從根本的法治教育和法學素養的提升外,也希望能夠建立一個平均司法認知度的預測模型,來確保參審的國民法官都能夠擁有相當程度的司法認知水準,以利審判程序的進行,並且在兼顧人民參與的情況下,維持判決品質維持穩定。

二、資料分析方法與因素選擇

  • 統計方法與工具:複迴歸模型分析Multiple Regression analysis+R語言

    以現有之資料集建立迴歸線,預測未來國民法官之認知度。
  • 資料來源:「民國108年台灣地區:一般民眾對司法認知調查報告」之問卷結果資料集。

  • 自變項:年齡、教育程度、職業、性別、語言

    因素選擇條件設定為:不涉及受訪者主觀判斷之因素與國民法官抽選造冊時可得之因素。另為避免極端值影響結果,拒答97、98以眾數取代。 素選擇:不涉及受訪者主觀判斷之因素、國民法官抽選造冊時可得之因素。
  • 應變項:認知度答對率

    採問卷第14-16大題,共21題,再以答對題數/總題數*100%。
  • 相當標準的擇定:50% ≦ 抽選結果之平均答對率 ≦ 90%

    平均認知度=0.6866197(紅線)

三、複回歸模型建置

  1. 自變數調整

    變數皆為名目變數,以虛擬變數(Dummy Variable)處理,使用R語言的as.factor函數。

  2. 司法認知度預測複回歸模型

  • 算式呈現:

  • R語言程式:

#> 
#> Call:
#> lm(formula = a.dt$correct.rate ~ a.dt$age + a.dt$education + 
#>     as.factor(a.dt$job) + as.factor(a.dt$gender) + as.factor(a.dt$language))
#> 
#> Residuals:
#>      Min       1Q   Median       3Q      Max 
#> -0.71780 -0.07853  0.01372  0.09405  0.42947 
#> 
#> Coefficients:
#>                            Estimate Std. Error t value Pr(>|t|)    
#> (Intercept)                0.514130   0.016521  31.120  < 2e-16 ***
#> a.dt$age                  -0.012312   0.001792  -6.870 7.20e-12 ***
#> a.dt$education             0.050964   0.001862  27.370  < 2e-16 ***
#> as.factor(a.dt$job)2      -0.012984   0.008926  -1.455 0.145865    
#> as.factor(a.dt$job)3      -0.044064   0.009335  -4.720 2.42e-06 ***
#> as.factor(a.dt$job)4      -0.036832   0.009646  -3.818 0.000136 ***
#> as.factor(a.dt$job)5      -0.010169   0.010715  -0.949 0.342647    
#> as.factor(a.dt$job)6      -0.019795   0.012466  -1.588 0.112372    
#> as.factor(a.dt$job)7      -0.043897   0.009209  -4.767 1.93e-06 ***
#> as.factor(a.dt$job)8      -0.046602   0.009814  -4.748 2.11e-06 ***
#> as.factor(a.dt$gender)2   -0.020898   0.004341  -4.814 1.52e-06 ***
#> as.factor(a.dt$language)2 -0.028238   0.011292  -2.501 0.012423 *  
#> ---
#> Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#> 
#> Residual standard error: 0.1371 on 4995 degrees of freedom
#> Multiple R-squared:  0.2988, Adjusted R-squared:  0.2972 
#> F-statistic: 193.5 on 11 and 4995 DF,  p-value: < 2.2e-16
  1. 預測模型解釋

  • Residuals殘差

      殘差是觀察值跟預測值的差,依據模型所得之答對率與樣中對應受測者之真正答對率差異,為相當重要之指標。

  • Estimate Coefficient估計係數值

      每個自變項在模型裡的權重,通常數字本身越大表是影響性越大,正負值代表是正向的影響或負向的影響,然後因為我們的變數都是類別型,沒有單位尺度問題,所以在此也沒有特別作標準化處理。

  • R-squared模型解釋力

      R-squared為依變數的結果有多少比例是透過所決定之自變數來解釋的,即本模型所決定放入的五項因素對於答對率影響的值的比例約為三成,Adjusted R-squared是指若放入太多變數或是樣本過小時,系統自動性之懲罰性扣分,本模型之調整R-squared與原R-squared沒有太多差異。

  1. 預測模型檢討

    加入網路使用習慣法院經驗兩項與認知度較有顯著相關之因素,並取出稍不顯著之使用語言因素,重新建置模型。 由下方新建模型之結果,可知模型解釋能力雖稍有提高,但仍無顯著上升。

伍、結論

一、國民參審草案

  1. 提升司法透明度

  2. 反映國民法律感情

  3. 透過職業區分對法律的認知

建議改善方向:

  1. 民眾法律認知程度篩選

  2. 程序進行效率與訴訟經濟

  3. 代表性

二、司法認知度預測模型

  為維持國民參審之程序順暢與結果品質穩定性,所抽選之國民法官應有一定程度之法律認知以草案中國民法官篩選資格與造冊時可得知之資訊建構複線性回歸模型,有解釋力不足的問題。

模型改良方向:

  1. 模型建構:調整資料使之符合分析前假設。

  2. 因素選擇:加入未於草案中明訂,但與司法認知度具相關性之自變項。


陸、參考資料