【噪声 书籍】及人格的其他方面相关,但这些因素与法官们审判的案件或被告无任何关系。我们用“水平噪声”(levelnoise)一词来代表每位法官所

  • A+
所属分类:精英日记
       

本文选自 丹尼尔·卡尼曼新作《噪声》,扫上面码免费领电子书

及人格的其他方面相关,但这些因素与法官们审判的案件或被告无任
何关系。我们用“水平噪声” (level noise) 一词来代表每位法官所
判处的平均刑期之间的变异性,这与水平误差的变异性是等同的。

模式噪声

如图6-1中黑色箭头所示,该案例的水平噪声是2. 4年,笃统哈声
是3. 4年。这两者之间的差异表明,除了法官们在平均刑期上的差异
外,系统噪声还包括了其他成分,我们将这一成分称为“模式噪声”

(pattern noise) 。

要想理解模式噪声,我们再看一看图6-1,随机对一个单元格进行
仔细观察,比如选择单元格C3。案件C对应的平均刑期在这一列的底
部,你可以看到它是3. ?7年。现在,看一下最右侧的一列,找到3号法
官对所有案件判定的刑期均值:5年。这个刑期均值比总体刑期均值少
2年。如果法官严厉程度的变异是第3列中所有噪声的成因,你可能会
预测,C3单元格中的刑期是3. 7-2=1. ?7年。然而,实际上C3中的数字是
4年,这表明3号法官在这一案件上表现得尤为严厉。

使用同样简单的相加逻辑,你可以推测表格中每一列的刑期。但
事实上你会发现,大部分单元格中的数字与推测的数字之间存在差
异。观察每一行,你会发现,法官们在自己审理的所有案件中并非表
现得同样严格, 在有些案件上,他们比自己量刑的平均水平严格,但
在其他案件上,他们则表现得要宽容。我们将这种残存的变异称为
“模式误差” (pattern errors) 。如果你在表格的每一个单元格中
写下这些模式误差,就会发现,对于每一位法官〈行) 而言,这些模
式误差之和为0,对每一起案件〈列) 而言,它们的和也是0。但模式
误差对噪声的影响不能相互抵消,因为在计算噪声时,使用的是每个
单元格中数值的平方。有一个简单方法可以证明,刑期的简单相加模型并不适用于计算
噪声。你可以看到,表格的每一列底部的刑期均值从左到右依次增
加,但每一行的情况却并非如此。例如,208号法官对案件0中的被告
判定的刑期比案件P中的更长。如果根据每位法官判定刑期的长短排
序,那么在他们的排序中,每起案件所在的位置会产生不同

我们用“模式噪声”一词来表示上文提到的变异性,因为这种变
异性反映了法官们对有具体案件的态度的复杂模式。例如,一位法官总
体来说比其他法官更严格,但对于白 领罪犯更宽容。另外一位法官可
能总体上倾向于从轻处罚,但对于惯犯更严格。还有一位法官的宽严
程度跟一般法官差不多,但如果被告只是从犯,他会表现出更多的同
情,而如果受害者是老年人,这位法官会更严厉。我们用“模式噪
声”这个说法是为了增加可读性。模式噪声的统计术语是“法官X 案
件的交互作用”一一可以读作“法官乘以案件”。我们要对受过统计
学训练的人说声抱凌,因为对他们而言无须进行这些解读。

在刑事司法的背景下,对案件的一些独特反应可能体现了法官的
个人量刑哲学。其他的反应可能来自法官本人都没有意识到的联想,
例如,被告让他想起一个特别可恨的罪犯,或是被告长得像他的孩
子。无论原因是什么,这些模式并不是偶然出现的。我们可以推测
如果重审同样的案件,他们还会做出相同的反应。然而,模式噪声在
实践中很难预测,这导致本已像抽签一样的审判更加充满不确定性。
这项研究的作者指出: “法官受犯罪情节或被告特征的影响而导致宣
划中出现模式化的差别”,是“同罪不同罚的另一种形式”。

你可能已经注意到,将系统噪声分解成水平噪声和模式噪声,与
第5章提到的误差方程〈将误差分解为噪声和偏差) 遵循的是同样的轴
辑。对噪声方程的具体表述请见下面。

系统噪声?

关于下列对丹尼尔卡尼曼说法相关推荐:

卡尼曼名言,丹尼尔卡尼曼心理学家,噪声书籍

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: