※ 引述《Oikeiosis (怎麽啦)》之铭言： : : 1. : 只有认定死刑有吓阻未来罪案能力的人 才需要死刑与犯罪率的因果关系 : 因为强调死刑吓阻力可以拯救潜在的人的主张 才需要死刑与犯罪率的因果关系 : 但是假若这种因果关系是确实的 也就是死刑确实有吓阻犯罪的效果时 : 则我们应该能从现实的统计资料中 : 运用统计技巧 找到这个效果 OK，我同意废死方没有证明因果关系的义务。 但我不认为统计上不显着足以证明无关，详下。 : : 2. : : 我前面就提过死刑执行数和犯罪率的关系不能代表死刑吓阻力，你看来也默默同意了... : : 很可能死刑制度本身就有一定的吓阻作用，死刑执行数和吓阻力没有直接关系， : : 只要能让民众相信死刑是持续存在且公正地执行即可。 : : 据此，「不执行死刑」和「废除死刑」也不是相等的。 : 不执行死刑不等於废除死刑我同意 如果你我都同意「不执行死刑」和「废除死刑」不相等， 由於在这个论文里，［废除死刑］是一个完全没被讨论到的变数。， 因此此篇论文所分析的［死刑执行数］和［命案犯罪率］无论呈正相关或无相关， 皆无由推论「废除死刑後命案犯罪率不会上升」←这才是我们真正想挖掘的 故据此主张废除死刑无害或有益有待商榷。 : 但是文献中 死刑吓阻力的定义就是死刑执行数与犯罪率的关系 : 倘使你有某种全新的定义 : 也就是你要探讨 死刑制度存而不实施的效果 : 那你可能需要有另外的探讨方法 而不能直接拿这些论文的方法论来套用 : 毕竟 死刑吓阻力 就是执行死刑数与未来犯罪间的关系 这是非常清楚确定的 我们期待的「（想像）吓阻力」是「执行一个人的死刑，未来可减少的命案死亡人数」， 任何人都可以自己定义一个「吓阻力」的操作型定义， 但如果我们有理由相信这个操作型定义很糟，与我们的期待落差很大， 那这个实证做得再完美，对解决问题仍然没有太大帮助。 为什麽你相信「执行死刑数与命案犯罪率的依变关系」足以代表「吓阻力」？ 我不这麽认为，就如之前提到的问题： : : 如果去年 13000 人缴了违规停车罚锾，今年 14000 人缴了违规停车罚锾， : : 这代表今年违规停车率一定比去年高吗？ : : 这代表［缴违规停车罚锾人数］是造成［违规停车率］改变的原因吗？ 你不回我回， 违规停车率越高，极可能越多人被开单，当然越多人缴违规停车罚锾， 比照此论文之分析法， 我们极可能得到［缴违规停车罚锾人数］(x)上升时，［违规停车率］(y)亦对应上升， （而实际因果关系是［违规停车率］↑＝＞［缴违规停车罚锾人数］↑） 比照你的逻辑，我们可推论「以罚锾处置违规停车将造成违规停车率上升」， 所以我们应废除违规停车的罚锾，你说合不合理？ 是，我的确认为要探讨死刑的吓阻力，此定义不合理，证据力不足，不宜据此主张废死， 至於要换什麽定义什麽方法，那是想证明死刑无效的人的功课... : : 3. 3.1 : : 比方复回归分析的前提是： : : (1)假定y和每个x的关系都是线性 : : (2)每个x之间无交互作用存在，或相关性极低 : : 只要上述任一前提不成立，就可能造成统计不显着。 : ... 你可以回去看统计课本 : 这些前提不成立的时候 会造成偏误 并非造成不显着 : （尤其是交互作用常常造成的是假显着 而不是假不显着） 偏误就可能造成不显着， 你把符合 y = x^3 + 1 的样本分布图硬搞成一次函数， 曲线硬搞成直线，当然可能得到不显着的结果。 3.2 : 而要检查八项控制项互相独立 这件事情是我觉得有点多余的 : 因为这八项数字是来自於主计处重要社经指标跟法务部犯罪统计 : 要检查这些项有没有独立 只要丢软体跑个共变就好了 是很基本的问题 : 你主张如此 那我很乐见 请你指出哪些有非独立、相依的共变 : 论文全文里都有给数据来源 而且属政府公开资讯 : 万一网页没有 寄信去主计处、法务部应该也要得到 失业率可能影响离婚率和国民平均所得， 犯罪破获率可能影响被执行死刑人数和司法经费， 警民比例可能影响犯罪破获率和司法经费， 15~29岁人口率可能影响失业率... 以上聊举数项，这些用常识就能预期会互相影响， 「假设它们互相独立」是论文的前提，故你必须说服人们相信论文的前提是对的， 请拿出良好的理由，否则拿出能证明它们互相独立的数据， 反正如你所说，只要丢个软体跑共变就好，应不致强人所难。 若有强烈的共线性存在，就可能造成结果不显着，或者系数正负颠倒。 如果你还不懂，可以参考这个：http://tinyurl.com/2epqsrm 3.3 : 然後线性问题 一般讲起来是要问原点问题 : 也就是有没有常数项的这个部份 : 但是你似乎要表达的不是这个 你如果还有什麽质疑 就说明白一点 : 假如不是线性 那你认为是怎样？ 做［命案犯罪率］(y)对［执行死刑人数］(x)的图，有可能是曲线而非直线关系。 执行死刑人数从 0 升到 1，从 9 升到 10，从 29 升到 30，从 99 升到 100， 它们造成命案犯罪率的差值一样吗？ 很可能不一样，从 0 到 1 的影响力应较大，而从 99 到 100 的影响力小， 什麽函数我不确定，但合理推论应该是斜率绝对值渐减的曲线。 再来，假设我们算出 y = -0.02x + 20， 这代表当 x > 1000 时，y 将 < 0， 意即，每年如果执行 1001 个死刑，命案犯罪率会变成负数？ 这根本不可能，因此我们可以合理推论，x 和 y 的关系不是直线。 我很好心连资料都查给你：http://tinyurl.com/2elqoru (P.3) 不显着的相关，最多也只能说是两个变数之间没有显着的「直线」关系， 却不能证明其间就没有其他更复杂的非线性关系。 3.4 : : 此外我们也可以主张有未考虑因素存在， : : 例如死刑执行时的媒体能见度、法律教育的水准等等，都可能影响结果。 我再重复一次， 统计结果不显着，也可能是一个或多个具影响力的因子未被妥善控制所致。 3.5 不显着还有可能因各种统计问题引起，比如样本数太少... 每年因杀人、抢夺、ＸＸ被判死刑的人数有多少？ 如果样本数太少，造成统计不显着也不意外。 : : 4. : : 统计上不显着不等於是0，「二者都是0」代表的是二者之系数皆显着为0。 : : 1~3命题皆成立之下，如果真的二者都是0，我们的确可论证废死没害死更多人， : : 但你怎麽知道二者都是0，有实证证据吗？ : : 就算真的二者都不显着， : : 只不过是像一千年前人们量不出光速，也量不出声速， : : 你能说声速和光速一样吗？ : 这位兄弟...没有显着为零这种东西的 : 两样变数间的关系分散得很乱数 散布在空间中 表示二者无相关 : 就是不显着 其相关为零 : 否则 请你描述一下什麽叫做「显着为零」 在统计中的意义好吗？ 1) 既然你知道没有「显着为零」这回事，所以你凭什麽提出「极可能为0」的推论？ 2) 相关是相关，显着是显着，没有绝对关系。 所谓「统计上不显着」，表示 y=bx+a 中，系数 b 不为 0 的机率 < 95%。 随便举 P.112 (四) 的暴力财产犯罪为例，当 t 值为 -1.801 时，0.1 > p > 0.05， 换句话说，（经由原始资料算得） b 不为 0 的机率介於 90% ~ 95% 之间， 反过来看，b 为 0 的机率只有 5% ~ 10%， 并不支持你所声称的「统计上不显着表示 b 极可能为 0」。 : 你现在的态度就是 : 「即使统计资料显示不支持死刑有吓阻力，你仍然坚信有」 : 而且1.统计方法可能太粗糙 所以有而没量到 : 2.即使统计方法无误 仍有可能有 只是稳定的太小而没量到 : 如果你要表达这种态度 我只能说 那你自己去算 去投稿 怀疑论文是否足以支持某命题本来就是科学上常见的情形， 只要我们有足够理由怀疑论文的证据力不足以支持「死刑无吓阻力」， 我们就不会根据这种论文贸然改变现有决策，除非有更好的证据。 : : 你的话提及二个命题： : : 1) E不能透过实证方法找到　2) 不能实证的假设性数字没有意义 : : 我认为二者皆不成立： : : 1) E 可以透过实证方法找到， : : 你只要有实验组［死刑组］和对照阻［终身监禁组］两相比较即可。 : : 当然科学上常会限於很多因素导致人们不能或不愿做直接实验， : : 此时就会设计一些逼近方法， : : 就像医学上常用生化实验和动物实验去逼近药物对人体的作用， : : 但常常是不正确的。 : 请不要用别的领域的例子 请说明你打算怎麽找到你的这个终身监禁效果的方法 请做个「临床实验」，没有就做逼近的统计研究（比方无期徒刑）， 再没有就拿出合理的论证说服人，什麽都没有就别怪人们忽略你。 : : 2) 有没有意义是根据对解决问题有否助益而定，与能否实证无关，主观也可以有意义。 : : 就像我说某人讲话大概 20% 基於理性，60% 基於嘴炮，20% 基於信仰； : : 就像 L 说月是奇乐的机率大概 7%； : : 就像 pain score 是叫病人为自己的疼痛程度打一个 0~10 的分数； : : 以上每个数字都无法实证，所以都没有意义？ : pain score是实证的 而且跟吗啡机的结果有高度正相关 : 其他的数字都是没有意义的 如果 pain score 这样都能叫实证，那其它二个也可以。 我们可以把某人的言论 po 出来， 给几百人发个问卷统计他们认为是理性、嘴炮或信仰，把 % 数拿出来就是。 L 也可以把调查的资料公开给 100 个名侦探看，大家投票月是或不是奇乐，看 % 数。 照你这种说法，一大堆东西可以实证，都有意义， 心理学、社会学多的是这种主观评分的问卷，很多都能做为决策的参考。 : : 我们要探讨的命题是「以终身监禁取代死刑将使更少人死亡」， : : 在这个问题里，E 的确是一个假设性的参数， : : 我能用它做许多论证，说明此参数在什麽范围会对死刑的正当性有什麽影响， : : 只要我们能算出某时某地某情况下的 E 值，或至少估计出其波动范围， : : 就有助於评估死刑正不正当，它当然是有意义的参数。 : 那是你的命题... : 「以终身监禁取代死刑」跟「死刑有无吓阻力」是两个不同的命题 : 前者是你的命题 是假设性的命题 是缺乏实证资料的命题 : 後者是各论文命题 是实证性的命题 是有统计资料与同侪检验的现实命题 : 我并不是全盘否认假设性参数的意义 : 只是在有实证统计结论面前 你的假设性参数就仅仅是一个假设参数而已 那又如何？参数的价值本来就在於对解决问题有没有帮助。 如果缺乏实证资料的命题才对解决问题有帮助， 而有统计资料与同侪检验的现实命题对解决问题没有帮助， 我们应该想办法生出前者，而不是生一堆「没有意义」的後者。 就像你给一个药物做了 100 遍的生化实验证明它有某机转能治某病， 但没通过临床实验...你觉得我们该让这种药物上市吗？ 对，如果做临床实验有困难，先做实验室实验或动物实验求逼近是可接受的， 但水准就是不同，拿後二种实验来推动药物上市，恐怕还要再加油... : 考量一个刑罚是否存在 应该考虑该刑罚的功能是否有效 : 现代刑罚原则上有六大功能 : 死刑 终身监禁 徒刑 罚金 : 应报 强 有 有 弱 : 吓阻 ？ ？ 有 有 : 矫治 无 有 有 无 : 隔离 绝对 相对 有 无 : 重整 无 有 有 有 : 复归 无 无 有 有 请问你怎麽知道徒刑和罚金有（这论文定义的）吓阻力？ 请比照此论文对死刑做的回归研究，拿出数据，否则这恐怕只是你的幻想。 : : 看不出来到底是谁的问题...版友都回得那麽清楚了。 : : 就如你要论证「不应清仓拍卖」， : : 只告诉老板「清仓拍卖之单位售价低於平均成本，将会赔钱」是不够的， : : 你必须提出一个比清仓拍卖赔得少，或甚至赚钱的替代方案才有用... : 成本分析不是这样搞的 : 比平均成本低不见得不好 比边际成本低就够了 : 只要某事的边际收益低於边际成本 该事就不划算不该做 : 某事的边际收益高於边际成本 该事就算低於平均成本 还是该做 哦，那就是我在 #1Bsf_pcD 一直分析的 E 值啊。 死刑制度（相对於终身监禁制度）的边际收益即是所有 (-) 的部分， 而边际成本即是所有 (+) 的部分。 所以只要能算出 E，我们就知道该不该死刑，可惜废死从来没有试图算出 E。 : 如果有别的事情也一样该做 那就要用其他的方式来分析哪种比较该做 : 从来没听说过成本分析还要提供替代方案的分析法... 为什麽店家会做清仓拍卖？ 因为唯一已知的替代方案就是「不卖」， 而经过分析，不卖比清仓拍卖亏损更多，因此清仓拍卖较佳。 如果有人能提出比清仓拍卖更好的替代方案，就会做那个替代方案。 那死刑的替代方案呢？如果就是一直关着不执行，等於是变相终身监禁， 我们当然要相信终身监禁是否比死刑赚，才能说该取代死刑。 讲一堆都离题了，我重新整理一次重点： 1) 我们试图证明或否证的是「以Ｘ取代死刑後，命案不会因而增加」， 　 （Ｘ可以是终身监禁、无期徒刑、或其他） 能证实或逼近这个假设的研究就有意义，否则意义不大。 2) 此论文完全没有控制［废除死刑］这个变因， 而你我都同意［废除死刑］和［死刑执行人数］（或不执行死刑）不相等， 故此论文对检验 1) 的命题帮助不大。 3) 主张以Ｘ取代死刑者，须说服人们Ｘ之吓阻效果不劣於死刑。 最佳的是实证，否则可逼近实证（如研究无期徒刑之效果以逼近终身监禁）， 否则应提出极具说服力之理由。 4) 如 2. 所述，以「命案犯罪率对执行死刑数的依变关系」代表「吓阻力」有待商榷， 很可能犯了因果错置的谬误。 5) 如 3. 4. 所述，「统计上不显着」之结果可作多种解释： a) 各种 x 变项之间有相互影响之情形，如 3.2. 所述 b) x 和 y 显着相关但非属线性关系，如 3.3. 所述 c) 存在其他未受控制的变因，如 3.4. 所述 d) 其他统计问题，例如样本数太小，取样偏差等等，如 3.5.。 e) ［命案犯罪率］(y)的确与［执行死刑人数］(x)无关 忽略其他可能，而以为 e) 之可能性极大，是偏执而缺乏科学精神的。 又如上面 4. 2) 所述，检视原论文之资料，e) 成立之机会大概不到 10%。 6) 检证 3) 4) 5) 问题的方法之一是用同样的研究方法对终身监禁、无期徒刑、 有期徒刑、罚金等作回归分析。 若以上皆统计不显着，我们应认真考虑 4) 5.a) 5.b) 5.c) 之可能性。 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 220.136.157.109 ※ 编辑: danny0838 来自: 220.136.157.109 (05/14 00:20)