樊傳明

一、裸統(tǒng)計證據(jù)及其推理悖論

所謂“裸統(tǒng)計” (naked statistics)證據(jù)，是指以下述方式發(fā)揮證明作用的證據(jù)：將某個具體的個人或事件，歸入一類人或一類事件，然后指出該類人或事件在整體上具有某個蓋然性特征，或者說具有某種行為傾向性，從而證明這個具體個人或事件具有這個特征或做出了某個行為。(1)關(guān)于“裸統(tǒng)計”的概念、示例，參見[美]亞歷克斯·斯坦：《證據(jù)法的根基》，樊傳明、鄭飛等譯，中國人民大學(xué)出版社2018年版，第51頁；[新加坡]何福來：《證據(jù)法哲學(xué)——在探究真相的過程中實現(xiàn)正義》，樊傳明、曹佳、張保生等譯，中國人民大學(xué)出版社2021年版，第188頁。簡言之，用關(guān)于一個集合的統(tǒng)計數(shù)據(jù)和概率分布，來證明該集合中的某個個體的情況。例如，裸統(tǒng)計證據(jù)在以下虛構(gòu)的場景中，就使用了典型的裸統(tǒng)計證據(jù)：

【例1】院中囚犯悖論。院中囚犯悖論是關(guān)于一個容納了1000名犯人的矯正機構(gòu)。在那里，999名犯人進行了一場暴動，其間還殺害了數(shù)個懲教人員。剩下的一名犯人靠墻站著，沒有參與暴亂。但是無法辨識這名犯人是誰，所以每個被指控參與暴亂的犯人都會宣稱自己就是這個人。隨后，所有的1000名犯人都被指控謀殺警員。因此，針對每個人的指控成立的概率都等于0.999。這一概率是否跨越了‘排除一切合理懷疑標(biāo)準(zhǔn)’所設(shè)定的定罪門檻？表面上看，它是0.999的概率是極其高的，因此應(yīng)當(dāng)滿足了刑事案件證明標(biāo)準(zhǔn)。(2)前注①，斯坦書，第94頁。

【例2】紅綠出租車悖論。史密斯女士深夜開車回家。一輛出租車朝她駛來，該車失控從路的一邊穿行到另一邊。她不得不轉(zhuǎn)向以避開它……在那場車禍中，她被撞斷了兩條腿。史密斯女士因此起訴紅色出租車公司……鎮(zhèn)上只有兩家出租車公司，紅色出租車公司(它所有的車都是紅色的)和綠色出租車公司(它所有的車都是綠色的)。鎮(zhèn)上的出租車，6/10是由紅色出租車公司運營的。(史密斯女士沒有看到撞她的出租車的顏色。)如果我們相信史密斯女士的敘述，而且知道該案中沒有發(fā)現(xiàn)進一步的事實，那么我們會認(rèn)為有0.6的可能性，她的事故是由紅色出租車公司運營的車輛導(dǎo)致的……史密斯女士贏得她對紅色出租車公司的訴訟是正當(dāng)?shù)膯幔?3)Judith Jarvis Thomson, “Liability and Individualized Evidence”, 49 Law and Contemporary Problems 199 (1986), p.213. 與出租車悖論相似的另一個悖論是逃票者悖論：“有499個人為看一場競技表演支付了入場費，而現(xiàn)場有1000人在座，A是其中之一。假設(shè)沒有發(fā)行入場券，并且沒有證人證言能表明：A是支付了入場費進入，還是翻越了柵欄闖入。因此基于已采納的證據(jù)，根據(jù)任何合理的數(shù)學(xué)概率標(biāo)準(zhǔn)，他沒有付費的概率為0.501。該數(shù)學(xué)理論顯然表明：在這樣的情況下，競技表演的組織者有權(quán)利訴請A支付入場費，因為概率平衡標(biāo)準(zhǔn)……傾向于支持他們。但是，當(dāng)‘他事實上支付了入場費’這一命題存在一個被認(rèn)可的高達(dá)0.499的數(shù)學(xué)概率時，A竟然輸?shù)袅税缸?，這似乎是明顯不公正的……某些地方出錯了。但是錯在哪兒？” Jonathan Cohen, The Probable and the Provable, Clarendon Press, 1977, p.75.

在上述兩個場景中，相關(guān)的統(tǒng)計數(shù)字(0.999或0.6)被作為證據(jù)使用。它們實際上是關(guān)于一個集合(被關(guān)押的囚犯，或鎮(zhèn)上的出租車)中的概率分布情況的數(shù)據(jù)，但用于證明一個個體(某一個被指控的犯人，或撞了原告的車輛)的情況，即：這名被指控的犯人，有99.9%的可能性參與了暴動；撞了原告的車輛，有60%的可能性屬于紅色出租車公司。這是典型的裸統(tǒng)計證據(jù)。這兩個場景中的推理之所以被視作“悖論”，是因為：一方面，按照某種解釋，證明標(biāo)準(zhǔn)是一個蓋然性標(biāo)準(zhǔn)，等同于一個概率閾值(例如“排除合理懷疑”標(biāo)準(zhǔn)即高于97%的可能性，“優(yōu)勢證據(jù)標(biāo)準(zhǔn)”即高于50%的可能性)。使用前述統(tǒng)計數(shù)字顯然滿足了法定的概率閾值，因此裁判者應(yīng)當(dāng)按照控方或原告的請求，認(rèn)可所主張的事實。而另一方面，如果裁判者根據(jù)該統(tǒng)計數(shù)字支持控方或原告的請求，就會得出以下違反直覺的結(jié)果：必然有一名犯人被錯誤地定罪了，他被定罪不是因為他做了什么，僅僅是因為他屬于某個群體！紅色出租車公司可能錯誤地承擔(dān)了責(zé)任，它承擔(dān)責(zé)任不是因為自己的司機和車輛有什么問題，而僅僅是因為它比另一家公司擁有更多的車輛！這樣的裁決結(jié)果是違反直覺的。(4)關(guān)于為何違反直覺，以及一些解釋理由，參見注①，何福來書，第188頁及以下。

上述虛構(gòu)的場景例示了何為裸統(tǒng)計證據(jù)，顯示了其推理中的悖論性緊張關(guān)系。這兩個案例是虛構(gòu)的，但不代表其揭示的問題是虛構(gòu)的。實際上，裸統(tǒng)計性質(zhì)的證據(jù)在司法實踐中經(jīng)常出現(xiàn)，上述推理悖論潛在于一些我們習(xí)以為常的證據(jù)類型之中?？茖W(xué)證據(jù)經(jīng)常要以概率的形式出現(xiàn)在法庭上。例如，一份DNA鑒定意見向法庭表明了以下信息：隨機從某個人群中挑選出的個體，匹配被檢測的DNA分型的概率為1/325000；本案被告人匹配該DNA分型。如果將該信息中的概率，經(jīng)過一定的數(shù)學(xué)運作而轉(zhuǎn)化為一個證明被告人有罪的概率，就是在使用裸統(tǒng)計證據(jù)推理。在大數(shù)據(jù)時代，關(guān)于特定人群的統(tǒng)計數(shù)據(jù)，或者關(guān)于某個人過往行為的統(tǒng)計數(shù)據(jù)，在法庭可能作為證據(jù)使用，因此很容易走向裸統(tǒng)計證據(jù)推理的路徑。除了科學(xué)證據(jù)、統(tǒng)計學(xué)證據(jù)之外，品格證據(jù)在本質(zhì)上也屬于裸統(tǒng)計證據(jù)。品格證據(jù)以下述方式發(fā)揮證明作用：某個人具有某種品性或傾向；具有某種品性或傾向的人，很可能做出相應(yīng)的行為；在本案中，這個人很可能做出了相應(yīng)的行為。這是將一個人(例如本案的被告人、被害人或證人)歸屬到一個群體(例如有暴力傾向的人、有某種性癖好的人、喜歡撒謊的人)中，然后用這個群體的整體行為傾向特征，來論證這個人具體做了某個行為。這種推理方式符合裸統(tǒng)計證據(jù)，只不過它并不以精確的數(shù)字表達(dá)其蓋然性而已。

本文探討裸統(tǒng)計證據(jù)及其推理問題。一方面，既然裸統(tǒng)計證據(jù)的推理方式在司法實踐中經(jīng)常出現(xiàn)，盡管可能是以隱蔽的方式，那么我們對其推理中的可能悖論就不能視而不見。研究這種證據(jù)推理可能為司法實踐提供一些直接的指引。另一方面，或許更為重要的是，以這種類型的證據(jù)和推理為切入視角，可以反思司法證明的性質(zhì)：如何理解司法證明的蓋然性？以何種概率理論表達(dá)這種蓋然性？相應(yīng)的，如何解釋證明標(biāo)準(zhǔn)的蓋然屬性？本文第二部分討論裸統(tǒng)計證據(jù)與證明的充分性，分析為何裸統(tǒng)計證據(jù)即使其概率值非常高，也無法單獨構(gòu)成充分的證明，因此達(dá)不到法定證明標(biāo)準(zhǔn)的要求。這當(dāng)然涉及對適用于司法證明場景的概率理論的理解，也涉及對證明標(biāo)準(zhǔn)之性質(zhì)的解釋。第三部分討論裸統(tǒng)計證據(jù)的采納與排除(可采性問題)，包括相關(guān)性檢驗、排除理由等。第四部分給出一個簡短的分析結(jié)論。

二、裸統(tǒng)計證據(jù)與證明的充分性

(一)概率命題與事實命題

為了理解上述裸統(tǒng)計證據(jù)推理中的悖論，以及解決該悖論，我們需要從界定司法裁判中事實認(rèn)定的蓋然性質(zhì)著手。在司法審判中，最終作出的事實認(rèn)定，可分成兩類：一類是包含著對某個命題之?dāng)嘌缘氖聦嵳J(rèn)定(認(rèn)定待證事實成立/得到完全證明，或認(rèn)定待證事實不成立/完全未被證明)，另一類并不包含對某個命題的斷言(即在“真?zhèn)尾幻鳌薄耙砂浮睜顟B(tài)下做出認(rèn)定)。后者是適用客觀證明責(zé)任的裁判。這種裁判實際上屬于“法律問題”，而非“事實問題”性質(zhì)。以下僅討論第一類事實認(rèn)定。

一個廣泛的共識是：司法證明過程所產(chǎn)生的事實認(rèn)定結(jié)論，具有蓋然性(或稱概率性)，即司法裁判無法保證完全符合客觀真相，總是存在一定的錯誤風(fēng)險。但是，這種概率性究竟體現(xiàn)在何處？對此，有兩種解釋：

第一，一項事實認(rèn)定，斷言了一個“概率命題”，即：裁判者相信“某個事實主張為真的可能性高于法定的概率閾值(即證明標(biāo)準(zhǔn))”。用p表示待證事實，用s表示證明標(biāo)準(zhǔn)，就可以表示為：裁判者相信“p的概率是x”，且x高于s。

第二，一項事實認(rèn)定，斷言了一個“事實命題”，即：裁判者在足夠高(即高于證明標(biāo)準(zhǔn))的水平上相信“某個事實主張為真”?？梢员硎緸椋翰门姓咴趚程度上相信p，且x高于s。

以上哪種解釋是對事實認(rèn)定之蓋然性的正確理解？我們可對比以下兩個案例。

【例3】在某傳染病疫情大暴發(fā)期間，被告人甲不服從監(jiān)管規(guī)定，在明知自己為感染者的情況下，隱瞞信息擅自與他人接觸，從而造成所居住的社區(qū)內(nèi)多人感染。該國公訴機關(guān)對甲提起了刑事訴訟，社區(qū)內(nèi)感染的居民對甲提起了民事訴訟。甲的傳播行為與居民感染的結(jié)果之間是否存在因果關(guān)系，在刑事訴訟和民事訴訟中都被作為一項待證要件事實。鑒于該傳染病的“接觸-感染”存在一定幾率，且該居住區(qū)臨近區(qū)域存在其他傳播源，因此法庭結(jié)合了多位流行病學(xué)專家提供的專業(yè)意見和官方提供的流行病學(xué)調(diào)查資料，認(rèn)定前述因果關(guān)系。法庭最終認(rèn)為：該因果關(guān)系存在與否有一定蓋然性，尚未達(dá)到刑事訴訟的“排除合理懷疑”證明標(biāo)準(zhǔn)，但已經(jīng)達(dá)到了民事訴訟的“優(yōu)勢證據(jù)”標(biāo)準(zhǔn)。因此駁回了刑事公訴方的定罪請求，支持了民事原告方的侵權(quán)賠償請求。對于該案中的事實認(rèn)定，以下哪種表述更恰當(dāng)？①法庭需要就“甲的行為很可能造成了居民感染”這一蓋然性形成內(nèi)心信念；此蓋然性需要高于法定標(biāo)準(zhǔn)。在本案中，已高于優(yōu)勢證據(jù)標(biāo)準(zhǔn)，但低于排除合理懷疑標(biāo)準(zhǔn)。②法庭需要就“甲的行為確實造成了居民感染”這一事實形成內(nèi)心信念；該信念需要高于法定標(biāo)準(zhǔn)。在本案中，已高于優(yōu)勢證據(jù)標(biāo)準(zhǔn)，但低于排除合理懷疑標(biāo)準(zhǔn)。

【例4】在某傳染病疫情大暴發(fā)期間，被告人甲不服從監(jiān)管規(guī)定，在明知自己為感染者的情況下，隱瞞信息擅自與社區(qū)內(nèi)其他居民接觸。政府監(jiān)管部門及時獲知了情況，迅速將甲隔離。目前社區(qū)內(nèi)居民暫未出現(xiàn)感染癥狀，檢測都為陰性。但是可能存在潛在的感染者，后續(xù)檢測有陰轉(zhuǎn)陽風(fēng)險。如果對該社區(qū)進行封閉管理，會造成較大管理成本和居民生活、工作不便；如果不對該社區(qū)進行封閉管理，可能導(dǎo)致社區(qū)內(nèi)疫情暴發(fā)，進而疫情擴散到該社區(qū)之外。根據(jù)多位流行病學(xué)專家提供的專業(yè)意見和該國政府掌握的相關(guān)流行病學(xué)調(diào)查資料，監(jiān)管部門的決策者認(rèn)為，甲的行為引發(fā)該社區(qū)內(nèi)疫情傳播的概率超過了70%。遂決定對該社區(qū)進行封閉管理。在上述情景中，關(guān)于監(jiān)管部門的決策依據(jù)，以下哪種表述更恰當(dāng)？①決策者認(rèn)為，甲的行為很可能會造成社區(qū)疫情暴發(fā)。②決策者高度相信，甲的行為造成了社區(qū)疫情暴發(fā)。

這兩個案例是兩個不同的場景，一個是司法審判的場景，一個是行政管理與決策的場景。在這兩個案例中，第①種描述采用了上述“概率命題”的觀點，第②種描述采用了上述“事實命題”的觀點。比較這兩個場景，不難發(fā)現(xiàn)：對于例3的司法審判場景來說，應(yīng)當(dāng)采用第②種描述，認(rèn)為其認(rèn)定的內(nèi)容是一項事實命題，只不過裁判者對該命題的信念有強弱之別；而對于例4的行政決策場景來說，應(yīng)當(dāng)采用第①種描述，即決策者的根據(jù)，本來就是一個概率性質(zhì)的命題。兩個場景的主要區(qū)別在于，司法審判是對一項過去已經(jīng)發(fā)生過的事實進行認(rèn)定，該事實要么已經(jīng)真實發(fā)生過，要么并沒有發(fā)生，不可能呈現(xiàn)為一個頻率；(5)因此有學(xué)者認(rèn)為，在訴訟活動中，需要認(rèn)定的案件事實都是既成事實，具有“既成性”。參見張保生：《事實、證據(jù)與事實認(rèn)定》，載《中國社會科學(xué)》2017年第8期，第112頁。當(dāng)對該事實進行認(rèn)定之后，才能基于對事實的斷言，而將某種法律責(zé)任施加給當(dāng)事人。(6)但是一項事實認(rèn)定，不僅是斷言了過去的事實，還具有其他的意義。有學(xué)者分析了一項事實認(rèn)定(作為一種言語行為)所具有的多種力量維度，包括其“斷言”和“宣告”力量。所謂斷言，就是報告了一個過去的事件，所謂宣告，就是創(chuàng)設(shè)了一個新的制度性事實，即生成了一個新的裁決、創(chuàng)設(shè)了關(guān)于當(dāng)事人的一種新的法律狀態(tài)。因此一項司法事實認(rèn)定，是一種“斷言性宣告”。除此之外，它還具有“歸屬”和“表達(dá)”的言外之力。參見注①，何福來書，第27頁及以下。行政決策的場景則是對目前及今后可能出現(xiàn)的情況進行預(yù)測，然后根據(jù)預(yù)測采取措施；這種預(yù)測經(jīng)常是概率性質(zhì)的，即某事件將會發(fā)生的概率有多大。因此，在司法審判的回溯性事實認(rèn)定場景中，我們可以說：裁判者做出的一項事實認(rèn)定，斷言了一個“事實命題”，即：裁判者在足夠高的水平上相信“某個事實主張為真”。

(二)部分信念與絕對信念

如果將事實認(rèn)定的內(nèi)容理解為“事實命題”而非“概率命題”，那么其蓋然性就只能體現(xiàn)在對“相信”(believe)或“信念”(belief)的界定上：裁判者只需要在足夠高的程度上(而非絕對確定地)相信待證事實(或表達(dá)為：持有對待證事實的信念)?！白銐蚋叩某潭取奔捶ǘǖ纳w然性要求。對此，又有兩種不同的理解：

第一，部分信念(partial belief)理論認(rèn)為，一個人對某事的相信狀態(tài)(即對此事的信念)，其程度從完全不相信(0%)到完全相信(100%)漸變；法定的證明標(biāo)準(zhǔn)，是對相信之程度的要求。根據(jù)部分信念理論，說“裁判者在x程度上相信p”，等同于說“裁判者在(1-x)的程度上不相信p”或“裁判者在(1-x)的程度上相信非p”。當(dāng)一個人對外做出一個斷言時，除非該斷言所包含的信念是100%，否則這個人就是承認(rèn)自己并非真正“知道”所斷言之事，而只是在某種程度上“猜想”此事。(7)在西方認(rèn)識論(或知識論)傳統(tǒng)中，說一個人“知道”(know)某事，就等于說一個人對某事?lián)碛小爸R”(knowledge)。這需要滿足苛刻的條件。只有同時具備以下三個條件，才能夠說“某人知道P”：(1)他/她相信P，即持有對P的信念——這種信念顯然不能被理解為可量化的部分信念；(2)該信念必須具有某種正面的認(rèn)知地位，即該信念得到“證成”；(3)P是真實的，即P與外部的真實情況相符合。關(guān)于知識資格或條件的認(rèn)識論理論介紹，參見徐向東：《懷疑論、知識與辯護》，北京大學(xué)出版社2006年版，第7-8頁。

第二，絕對信念(categorical belief)(8)絕對信念中的“絕對”一詞很容易讓人誤解為“絕對確定性”的意思。實際上“categorical”這個詞所表達(dá)的意思是分類的、不同的、非此即彼的。它所強調(diào)的是，不同的信念狀態(tài)(相信-不相信-無信念)之間不可以在量上通約、換算，并且有質(zhì)的不同；它并不否定信念可以在程度上有強弱之別。理論認(rèn)為，一個人對某事的信念狀態(tài)有三種：相信某個事情為真，或者說持有對此事的信念(belief)；相信某個事情為假，或者說持有對此事為假的信念(dis-belief)；既不相信某事為真，也不相信某事為假，或者說未持有信念、“擱置”了信念(non-belief)。當(dāng)一個人相信了某個事情后(即已經(jīng)持有了對此事的信念)，才能進一步評估該信念的強度。法定的證明標(biāo)準(zhǔn)，應(yīng)視作對該強度的要求。根據(jù)絕對信念理論，“裁判者在x程度上相信p”，既不等于“裁判者在 (1-x) 的程度上不相信p”，也不等于“裁判者在(1-x)的程度上相信非p”。因為，相信p、相信非p、無信念是三種在“質(zhì)”上不同的狀態(tài)，不能在“量”上互相換算。對于一個人而言，同時絕對地“相信p”和絕對地“相信非p”是不理性的。根據(jù)絕對信念理論，只有當(dāng)一個人認(rèn)為自己“知道”某事，即斷定此事成立、所有競爭性假設(shè)都不成立，他/她才能斷言此事。

上述部分信念的觀點，與前述概率命題的觀點，盡管對于事實認(rèn)定蓋然性之“性質(zhì)”的解釋不同，但是關(guān)于如何“計量”蓋然性，如出一轍。概率命題觀點認(rèn)為，司法審判所得出的事實認(rèn)定結(jié)論為：裁判者相信“p的概率是x”；部分信念理論認(rèn)為，司法審判所得出的事實認(rèn)定結(jié)論為：裁判者在x程度上相信p。它們都認(rèn)為x是一個在0至100%之間取值的數(shù)字。如果它們對于一場具體的審判活動所得出的事實認(rèn)定結(jié)論之蓋然性評估一致，那么兩個x的數(shù)值就應(yīng)該相等——盡管兩個x的性質(zhì)不同，一個表示事件的概率(概率命題觀點)，一個表示信念的強度(事實命題觀點)。如果以這種方式計量蓋然性，必然會將法定的證明標(biāo)準(zhǔn)解釋為一個概率閾值。例如，認(rèn)為排除合理懷疑標(biāo)準(zhǔn)意味著高于97%的可能性，高度蓋然性標(biāo)準(zhǔn)意味著高于75%的可能性，優(yōu)勢證據(jù)標(biāo)準(zhǔn)意味著高于50%的可能性，等等。若此，裸統(tǒng)計證據(jù)可以獨立地滿足證明要求。因為，裸統(tǒng)計證據(jù)可以證實一個極高的概率值(即x的值)，超越證明標(biāo)準(zhǔn)所表示的閾值?？梢?，采取部分信念觀點，就像采取概率命題觀點一樣，最終不可能解決裸統(tǒng)計證據(jù)的悖論。如果我們認(rèn)真對待裸統(tǒng)計證據(jù)推理所導(dǎo)致的直覺式悖論，并且為此探索一個理論上融貫的解釋，就不得不轉(zhuǎn)向絕對信念觀點。

根據(jù)絕對信念理論，裁判者對于待證事實p的信念狀態(tài)分為三種：相信p，相信非p，無信念。它們不能在數(shù)量上通約，是三種在質(zhì)上有別的狀態(tài)。如果裁判者已經(jīng)處在“相信p”的信念狀態(tài)中，我們才可以進一步去衡量這種信念的強度。那么，符合什么條件時，我們可以說裁判者已經(jīng)“相信p”或“形成了對p的(絕對)信念”？沙克爾(Shackle)和普賴斯(Price)等人的理論(9)關(guān)于絕對信念條件的介紹，參見G.L.S.Shackle, Decision, Order and Time in Human Affairs, Cambridge University Press, 1969; H.H.Price, Belief, George Allen & Unwin Press, 1969;注①，何福來書，第129頁及以下。提供了一種解釋：當(dāng)一個人判斷p是完全可能的，并且它的矛盾命題都不是完全可能的，他才絕對地相信p。進一步解釋如下。

1.待證事實與競爭性假設(shè)

用p表示案件中的待證事實。裁判者最終選擇相信p，也就是舍棄了“非p”這一選項。所謂“非p”，實際上是一個集合，包括了所有與p相沖突的事實版本，即所謂競爭性假設(shè)、矛盾命題。這些競爭性假設(shè)，表示為pq，pr，ps等。簡言之，裁判者判斷是否相信p，就是要在p和{pq，pr，ps}之間進行選擇。pq，pr，ps等競爭性假設(shè)，以或清晰或模糊或具體或籠統(tǒng)的方式出現(xiàn)在裁判者的頭腦中，裁判者對比它們來評估待證事實p的蓋然性。

2.可能性與完全可能性

待證事實與競爭性假設(shè)各自的蓋然性高低，通常不能用精確的數(shù)字來表達(dá)，而需要使用自然語言來表達(dá)。沙克爾等學(xué)者以“可能性”(possibility)概念指稱這種蓋然性，又用“潛在意外感”(potential surprise)來度量可能性的高低。“潛在意外感”是指：如果假設(shè)的事情確實發(fā)生了，我們應(yīng)當(dāng)感受到的意外感。根據(jù)沙克爾等人的絕對信念理論，如果裁判者想對某事(待證事實或某個競爭性假設(shè))形成信念，必須認(rèn)為此事具有“完全可能性”(perfect possibility)。“完全可能性”即“潛在意外感”為零，指這樣一種狀態(tài)：“假設(shè)一個人的知識和理解保持不變。如果他認(rèn)為，某件假定之事的發(fā)生不會使他感到哪怕最輕微的意外，那我們可以說，對他而言，那件事是完全可能的。”(10)同注⑨，Shackle書,第67頁。也可以這樣來描述：“一個假說的完全可能性是指，對于‘它成為現(xiàn)實或者屬實’這一結(jié)果，缺乏任何可識別的實際阻礙?！?11)同注①，何福來書，第202頁。比“完全可能性”更低的可能性，即相應(yīng)的“潛在意外感”不為零的情況，例如，若此事確實發(fā)生了，會有“輕微的”“適中的”或“相當(dāng)大的”意外感。潛在意外感越大，可能性越低。

3.形成絕對信念的條件

競爭性假設(shè)與待證事實是互相排斥的。絕對信念理論的倡導(dǎo)者認(rèn)為，競爭性假設(shè)與待證事實的互斥關(guān)系意味著，一個理性的人不可能同時對待證事實與某個競爭性假設(shè)形成絕對信念。這一關(guān)系包含在絕對信念的條件中：“要判斷并最終絕對地相信p事實上為真，僅僅‘判斷p具有完全可能性’是不足夠的。當(dāng)兩個相競爭的假設(shè)都完全可能時，一個理性之人是不會相信其中的任何一個事實上為真的……要相信p，我們不僅必須要認(rèn)為p是完全可能的，我們還必須要認(rèn)為它的反例中沒有一個是完全可能的?！?12)同注①，何福來書，第204頁。簡言之，對待證事實p形成絕對信念的條件是：裁判者判斷p是完全可能的，并且所有競爭性假設(shè)中的任何一個，都不是完全可能的。

如果我們采取上述絕對信念理論，能否解決裸統(tǒng)計證據(jù)推理的悖論呢？我們回到前文的院中囚犯案例和紅綠出租車案例。在院中囚犯案例中，選定任何一個囚犯，他可能參與了暴亂的概率等于0.999。這一概率計算本身并無問題。但一個理性的裁判者，可以據(jù)此形成一項絕對信念嗎？此時待證事實為：他參與了暴亂(即他是參與暴亂的999名囚犯之一)。競爭性假設(shè)為：他沒有參與暴亂(即他是站在墻邊，沒有參與暴亂的那個犯人)。根據(jù)上述絕對信念的條件，裁判者必須認(rèn)為：該待證事實是完全可能的，并且競爭性假設(shè)不是完全可能的；完全可能意味著潛在意外感為零，即“假定之事的發(fā)生不會使他感到哪怕最輕微的意外”。我們很容易判斷，對于“他參與了暴亂”這一待證事實，理性裁判者會認(rèn)為是完全可能的；因為，假如他確實屬于參與暴亂的那999名囚犯之一，這絲毫不令人意外。對于“他沒有參與暴亂”這個競爭性假設(shè)，可能會存在不同的意見?；蛟S會有裁判者認(rèn)為，鑒于這一競爭性假設(shè)的概率值很低，它達(dá)不到完全可能的程度。但是，在這個假設(shè)的情景中，所有犯人都是非個別化的、無差別的，沒有證據(jù)可以將他們彼此區(qū)分。唯一的指控證據(jù)(可能是一個像素極低的攝像頭)僅僅證明了一個統(tǒng)計概率，即在這一千個人中有一人未參與暴亂。任何一名被指控的犯人，都同等地可能是那名未參與暴亂者；而且，必定有一名犯人，確實是未參與暴亂者。因此，假如任何一名犯人，最后被證實正是那位站在墻邊且沒有參與暴亂的人，這并不會讓我們感到意外——哪怕是絲毫的意外。另言之，在這個情景中，任何一名非個別化的犯人，實際上是那位無罪之人，這是完全可能的。既然該競爭性假設(shè)也是完全可能的，那么按照前述絕對信念條件，理性的裁判者無法對待證事實形成絕對信念。僅僅依據(jù)這一裸統(tǒng)計證據(jù)，不應(yīng)作出有罪判決。同樣的道理，在紅綠出租車案例中，待證事實為肇事車輛為紅色出租車；競爭性假設(shè)為肇事車輛為綠色出租車。統(tǒng)計學(xué)知識告訴我們，前者的概率為60%，后者的概率為40%。一位理性的裁判者會認(rèn)為，不管肇事車輛屬于紅色出租車公司還是綠色出租車公司，都是完全可能的；因為，假如肇事車輛真的是紅色出租車，或者綠色出租車，并不會讓人感覺意外。對于本案中的待證事實，僅依據(jù)裸統(tǒng)計證據(jù)，是無法形成絕對信念的。

(三)帕斯卡概率與培根概率

絕對信念理論很容易讓人產(chǎn)生以下誤解：形成絕對信念的條件非常苛刻，在實際案件中通常很難滿足；絕對信念一旦形成，該信念的強度(或稱蓋然性)必定非常高，甚至絕對信念不存在強弱之別。實際上，絕對信念的形成并不像它的表面詞義所顯示的那么苛刻，而且絕對信念當(dāng)然有強弱之別。只不過，衡量絕對信念之強弱的概率論工具，不是帕斯卡式概率，而是培根式概率。

帕斯卡概率和培根概率是兩種迥然有別的概率推理模式。(13)這兩種概率推理方式，分別以布萊士·帕斯卡、弗朗西斯·培根這兩位先驅(qū)者的名字命名。這種劃分是關(guān)于概率推理模式的分類，它與關(guān)于概率性質(zhì)理論的分類既有區(qū)別又有聯(lián)系。關(guān)于概率性質(zhì)的理論，可以分為四種，即：邏輯概率論、主觀概率論、頻率概率論、傾向概率論。參見Donald Gillies, Philosophical Theories of Probability, Routledge Press，2000, p.1。邏輯概率論和主觀概率論又合稱為認(rèn)識論概率，頻率概率論和傾向概率論又合稱為客觀概率或物理概率?？陀^概率只能采用帕斯卡式的概率計算模式；認(rèn)識論概率的研究者既可以采用帕斯卡模式，也可以采用培根模式。但是采用帕斯卡模式難以解決裸統(tǒng)計證據(jù)的推理悖論。帕斯卡概率即我們通常理解的概率計算方式，它遵循特定的計算規(guī)則，例如互補規(guī)則、乘積規(guī)則、析取規(guī)則等。前述概率命題觀點與部分信念觀點，都采用了帕斯卡概率模式來計算和表達(dá)司法證明的蓋然性。絕對信念觀點無法與帕斯卡概率兼容，它需要使用培根概率來表達(dá)自身的強度變量。(14)關(guān)于帕斯卡模式和培根模式之間差別的介紹，參見注①，斯坦書，第50頁及以下。但是該書作者認(rèn)為，在司法證明中，應(yīng)當(dāng)恰當(dāng)?shù)亟M合使用帕斯卡式概率評估(即“概率”變量)與培根式概率評估(即證據(jù)“分量”變量)。培根概率最著名的倡導(dǎo)者是英國哲學(xué)家、證據(jù)法學(xué)家科恩，他分析了帕斯卡概率在司法審判中會導(dǎo)致的一系列問題，并論證了培根概率的適用性。參見注③，Cohen書。對此，具體解釋如下：

第一，培根概率并不計量一個事件發(fā)生的概率，而是通過衡量“決策者所持有的證據(jù)的信息充分性”(informative)，(15)同注①，第51頁。來說明決策者就待決事項所形成的信念之強度。在培根概率推理框架下，信念的強度取決于該信念所得到的“證據(jù)支持”(evidence support)，或者說“證據(jù)分量”(evidence weight)。(16)關(guān)于證據(jù)分量概念的解釋，參見John Maynard Keynes, A Treatise on Probability, Macmillan, 1921, p.71,p.77。證據(jù)支持/分量越大，則該信念的強度越高，或者說該信念的“韌性”(resiliency)和“恒定性”(invariance)越強。

第二，如何才能提高證據(jù)的分量，從而提高信念的強度？培根概率并不為此提供一個數(shù)量化的計算法則，而是指出：這取決于證據(jù)對作為具體事件的案件事實的“涵蓋”(cover)程度，或者說“證據(jù)的實然狀態(tài)與它的應(yīng)然狀態(tài)之間的距離”。(17)同注①，第51頁。應(yīng)然狀態(tài)即碎片化的證據(jù)組合在一起，最終恰好覆蓋了事件的所有具體情節(jié)，既不多也不少。但現(xiàn)實的情況是，證據(jù)與待證明的具體事件之間總是存在或大或小的信息空隙(informational voids)。信息空隙越小，即證據(jù)與其應(yīng)然狀態(tài)的距離越小，證據(jù)的分量越大。按照這種觀點，法定的證明標(biāo)準(zhǔn)，不管是排除合理懷疑標(biāo)準(zhǔn)還是優(yōu)勢證據(jù)標(biāo)準(zhǔn)，都不能被視作一個概率閾值，而應(yīng)當(dāng)被解釋為關(guān)于證據(jù)分量或證據(jù)支持度的指示。

第三，按照上述解釋，能提高證據(jù)分量從而提高信念強度的證據(jù)，應(yīng)當(dāng)是“個別化的”(individualized)、“具體個案性質(zhì)的”(case-specific)，即能夠證明動機、時間、地點、行為、心理狀態(tài)等具體事件信息(而非該事件所屬之集合的概率分布)的證據(jù)。個別化證據(jù)恰恰是裸統(tǒng)計證據(jù)的反義詞。裸統(tǒng)計證據(jù)以下述方式發(fā)揮證明作用：某個個體a屬于一個集合A；集合A具有某種概率分布特征，因此A中的個體具有某種傾向性；a具有這種傾向性，因此可能做出了這種傾向性所指明的行為。對于具體的個體a而言，裸統(tǒng)計證據(jù)無法證明其行為細(xì)節(jié)，它并不包含a受指控的事件之具體信息。個別化證據(jù)則具體說明了該事件的具體信息。例如，在前述院中囚犯案例中，關(guān)于參與暴亂的犯人比例的數(shù)據(jù)是裸統(tǒng)計證據(jù)；可以證明某一個受指控的犯人之參與動機、肢體動作、身體上的痕跡等信息的證據(jù)，屬于個別化證據(jù)。裸統(tǒng)計證據(jù)并不能提高所有證據(jù)對具體案件事件的“涵蓋”(cover)程度，因此它不能提高證據(jù)的分量。

綜上所述，根據(jù)關(guān)于司法證明的絕對信念理論，僅僅基于裸統(tǒng)計證據(jù)，一位理性的事實認(rèn)定者無法形成對于案件事實的信念。即使退一步承認(rèn)可以形成信念，但是該信念的強度取決于證據(jù)的分量。裸統(tǒng)計證據(jù)盡管可以證明一個極高的概率值，卻缺乏任何分量。僅僅基于這樣的證據(jù)所形成的信念，是極其脆弱的，缺乏應(yīng)有的強度、“韌性”或“恒定性”，不可能滿足法定證明標(biāo)準(zhǔn)的要求——如果我們把證明標(biāo)準(zhǔn)理解為關(guān)于證據(jù)分量的標(biāo)準(zhǔn)，而不是關(guān)于帕斯卡概率值的標(biāo)準(zhǔn)的話。

三、裸統(tǒng)計證據(jù)的采納與排除

上文分析了裸統(tǒng)計證據(jù)的充分性問題，即當(dāng)一個案件中僅有裸統(tǒng)計證據(jù)，且該證據(jù)證明了一個很高的概率值的時候，能否滿足證據(jù)的充分性要求。下文將分析裸統(tǒng)計證據(jù)的可采性問題。當(dāng)裸統(tǒng)計證據(jù)并非案中的唯一證據(jù)時，裁判者不需要單獨評估裸統(tǒng)計證據(jù)能否構(gòu)成充分的證明，但是仍要解決裸統(tǒng)計證據(jù)自身的采納與排除問題。

(一)對裸統(tǒng)計證據(jù)的相關(guān)性檢驗

相關(guān)性是可采性的第一道門檻，因此有必要首先分析裸統(tǒng)計證據(jù)與案件事實的相關(guān)性。本文采用貝葉斯定理的方式表示相關(guān)性。(18)本文對貝葉斯定理的應(yīng)用，參見Richard O. Lempert, “Modeling Relevance”, 75 Mich. L. Rev. 1021 (1977)。表示相關(guān)性的方法通常有兩種，除了本文采用的貝葉斯定理方法之外，還有一種推論鏈條的方法，即描繪出從證據(jù)到待證事實的推論過程，這個推論過程通常有多個推論環(huán)節(jié)構(gòu)成，每一個推論環(huán)節(jié)都要借助一個假設(shè)性的前提，也被稱作經(jīng)驗概括(generalization)。相關(guān)性的有無取決于這個推論鏈條的有無，相關(guān)性的強弱(即證據(jù)證明力的大小)取決于這個推論鏈條的總體強度，該強度又取決于那些經(jīng)驗概括之蓋然性。關(guān)于推論鏈條方法，參見Edmund M. Morgan, Basic Problems of Evidence, Joint Committee on Continuing Legal Education of the American Law Institute and the American Bar Association,1961, pp.185-188；[美]特倫斯·安德森、[美]戴維·舒姆和[英]威廉·特文寧：《證據(jù)分析》，張保生等譯，中國人民大學(xué)出版社2012年版，第82-83頁。

對貝葉斯定理公式可以采用多種書寫方式，例如：P(A&B)=P(A│B)·P(B)；或者，P(A│B)=[P(B│A)/P(B)]·P(A)。在司法證明的語境中，為了分析的方便，我們用G代表被告有罪(或者說，被告實際上應(yīng)負(fù)有法律責(zé)任)，用E代表所分析的證據(jù)。而且將概率(probability，表示為P)換為幾率(odds，表示為O)。(19)概率通常采取一個百分?jǐn)?shù)的形式，幾率通常采用一個比例的形式。二者之間的換算關(guān)系為：O=P/(1-P)。經(jīng)過一系列換算，就得出貝葉斯定理的以下書寫方式：O(G│E)=[P(E│G)/P(E│非G)]·O(G)。

O(G│E)代表在給定證據(jù)E的情況下，有罪的概率(后驗概率)；O(G)代表在不存在證據(jù)E的情況下有罪的概率，或者說，事實認(rèn)定者在評價證據(jù)E之前，對有罪的概率的評估(先驗概率)。P(E│G)代表在實際上有罪的案件中，存在證據(jù)E的概率；P(E│非G)代表在實際上無罪的案件中，存在證據(jù)E的概率。兩者相除即P(E│G)/P(E│非G)，這個比率被稱為似然比(likelihood ratio)。貝葉斯定理的擁護者認(rèn)為，如果事實認(rèn)定者在評價證據(jù)的時候是理性的，那么上述算式就代表了一項證據(jù)對心證帶來的影響。其中似然比這個變量，表示了證據(jù)的證明力情況?！爸挥蟹弦韵聴l件時，證據(jù)在邏輯上才是相關(guān)的：在待證假設(shè)為真的情況下發(fā)現(xiàn)該證據(jù)的概率，不等于在待證假設(shè)為假的情況下發(fā)現(xiàn)該證據(jù)的概率。在刑事案件中，如果一個特定的證據(jù)，在被告人有罪時被發(fā)現(xiàn)的可能性，與在被告人無罪時被發(fā)現(xiàn)的可能性相等，那么這個證據(jù)與被告人是否有罪的問題，在邏輯上就是不相關(guān)的?！?20)同注，Lempert文.似然比是P(E│G)與P(E│非G)之間的除法運算，如果這兩項相等，就意味著這個證據(jù)不會對理性的事實認(rèn)定者關(guān)于G的心證帶來任何影響。如果P(E│G)>P(E│非G)，即似然比大于1，那么E對于G有正向的證明價值；如果P(E│G)

貝葉斯公式用更為清晰、精確的數(shù)學(xué)概率語言表述相關(guān)性。但是若拋開這些數(shù)學(xué)運算和概率式表達(dá)，最核心的檢驗相關(guān)性的問題就是：在被告事實上有罪的情況下和事實上無罪的情況下，該證據(jù)出現(xiàn)的概率相同嗎？或者說，有罪的故事是否比無罪的故事，更能解釋(或更不能解釋)該證據(jù)的出現(xiàn)？

我們以上述貝葉斯定理的方式檢驗裸統(tǒng)計證據(jù)的相關(guān)性，以院中囚犯案例為例。我們可以把案中證據(jù)所包含的信息表述為：在這1000名犯人中，有999名參與了暴動。也可以采用較模糊的表達(dá)：這些犯人中的絕大多數(shù)都參與了暴動，或幾乎所有的犯人都參與了暴動。選定任何一名囚犯作為被告人，我們都可假設(shè)兩種情境：他實際上有罪，他實際上無罪。在這兩種情境中，“幾乎所有的犯人都參與了暴動”這一信息成立的可能性是否相等？很顯然，“他實際上有罪”的情境，會為“幾乎所有的犯人都參與了暴動”這一判斷提供一個支持性的個例，“他實際上無罪”則會提供一個反例。在這兩種情境下，這一證據(jù)信息成立的可能性有差別。這種差別，類似于我們在使用歸納法形成一個蓋然性(而非確定性)判斷的時候，當(dāng)新發(fā)現(xiàn)的一個事例與之前的事例相同，與當(dāng)新發(fā)現(xiàn)的事例與之前的事例相悖時，對于所形成的蓋然性判斷帶來的不同影響。

(二)對裸統(tǒng)計證據(jù)的采納與排除

綜上所述，在貝葉斯定理的視角下，裸統(tǒng)計證據(jù)可以滿足相關(guān)性檢驗。相關(guān)性是可采性的必要條件，但并不是充分條件。(21)根據(jù)美國證據(jù)法學(xué)家塞耶的觀點：“(1)對被要求證明之某一問題不具有邏輯證明力的證據(jù)不可采；(2)任何具有此類證明力的證據(jù)都應(yīng)該采納，除非有一個清晰的法律政策理由將之排除在外?！眳⒁奐ames Bradley Thayer, A Preliminary Treatise on Evidence at the Common Law, Little Brown, 1898, p.530。在真實的審判場景中，一概地允許裸統(tǒng)計證據(jù)進入庭審，會引發(fā)一些問題——這些問題為排除裸統(tǒng)計證據(jù)提供了理由。

第一，攻擊性推理與不公正偏見。在真實的審判場景中，裸統(tǒng)計證據(jù)往往并非單純的統(tǒng)計學(xué)數(shù)字，而是與當(dāng)事人的某種社會屬性有關(guān)，例如與當(dāng)事人的民族、所屬社團、性格等特征有關(guān)。此時，基于裸統(tǒng)計證據(jù)而作出推理，往往會引發(fā)合法性(legitimacy)危機。以品格證據(jù)為例：如果控方提交了關(guān)于被告人某種不良品性特征的證據(jù)(例如，關(guān)于有暴力傾向、有盜竊罪記錄、有婚內(nèi)出軌劣跡的證據(jù))，以證明在本案中被告人作出了與其品性一致的行為。這是一種裸統(tǒng)計性質(zhì)的證據(jù)，因為該證據(jù)先是將被告人歸屬在一個集合(即具有某種品格的人)之中，然后以此類人具有某種行為上的傾向性，來證明這個具體的被告人作出了某個行為。如果法官采納了控方的證據(jù)及其推理路徑，就會有推理合法性的問題。正如有學(xué)者論述的：“假設(shè)律師在法庭上論證：因為被告是個壞人，是那種會做這種壞事的人，所以這件事肯定又是他干的。這種論證在道德上是錯誤的。我們認(rèn)為，律師提出這種論證(可稱為‘攻擊性推理’)，侮辱了被告人的人格。法官在對陪審團所說的話中或在其判決理由中，若公開地運用或認(rèn)同攻擊性推理，也同樣是(或許更是)錯誤的。律師和法官在審判中的公開言論要受道德約束，這是應(yīng)該的；而在上述例子中，他們所說的話具有道德攻擊性(morally offensive)。”(22)同注①，何福來書，第108-109頁。這樣的推理方式，還否定了一個人的“道德自主性”(moral autonomy)，其背后潛藏著一個類似于“一朝是賊，終身是賊”的假設(shè)。(23)同注①，第115頁。除此之外，放任品格證據(jù)的使用，還可能引發(fā)不公正的偏見，使裁判者(尤其是陪審員)高估此類證據(jù)的證明力，僅僅因為被告人是他們所厭惡的那類人，而更傾向于接受有罪的故事，以便實現(xiàn)懲罰被告人的目的。

第二，概率計算難題。即使裸統(tǒng)計證據(jù)不與當(dāng)事人的社會屬性關(guān)聯(lián)，不存在前述推理合法性問題，采納裸統(tǒng)計證據(jù)也會帶來其他問題，即引發(fā)法庭上的概率計算錯誤。一個非常典型的案例是引發(fā)“新證據(jù)研究”熱潮的柯林斯夫婦搶劫案。(24)參見[美]理察德·倫伯特編：《證據(jù)故事》，魏曉娜譯，中國人民大學(xué)出版社2012年版，第1頁。在本案中，控方聘請的專家證人經(jīng)過一系列計算，給出了一個1/ 12000000的統(tǒng)計學(xué)概率值。控方據(jù)此得出結(jié)論，認(rèn)為在本地區(qū)任何其他具有這些特征的夫婦，實施本案犯罪的概率僅為 1/12000000，因此柯林斯夫婦無罪的概率為1/12000000。(25)本案中控方專家的計算包含了四種錯誤：(1)高估了證言的真實性，沒有為證言里反映的各項特征之真實性賦予概率值；(2)各項特征在加州隨機出現(xiàn)的概率，缺少證據(jù)支持；(3)錯誤地假定了各項特征的相互獨立性，武斷地適用乘積法則；(4)對經(jīng)過概率計算得出的數(shù)值之性質(zhì)，進行了錯誤的解釋。本文僅針對其中第(4)種錯誤。柯林斯夫婦有罪的概率遠(yuǎn)遠(yuǎn)超過了排除合理懷疑的標(biāo)準(zhǔn)。陪審團退庭評議，經(jīng)過了多輪表決，8個小時后得出全體一致的有罪判決。隨后的上訴審程序以一審裁決受到概率計算錯誤的不當(dāng)影響為由，推翻了一審裁決。該案的概率計算問題引起了學(xué)界研究興趣。有研究者給出了另一種計算方法：如果該地區(qū)(國家)人口總數(shù)為a，那么估計有(1/12000000)·a的人具有本案證據(jù)所指明的那些特征。因此，被告人是真正的攻擊者的概率是：1/[(1/12000000)·a]。 若a = 34336000(當(dāng)時加州的估測人口數(shù)量)，則結(jié)果為 34.95%。該數(shù)值達(dá)不到排除合理懷疑的標(biāo)準(zhǔn)。但是這種計算方式仍然有諸多問題，例如，它錯誤地假定了在案發(fā)之時所有的當(dāng)?shù)鼐用穸加凶靼笝C會。這兩種計算方式得出了迥異的概率值，它們的算法正確性都存疑。由于第一種算法支持控方，被稱作“檢察官謬誤”；第二種算法支持辯方，被稱作“辯護律師謬誤”。本案控方將目擊證人的證言轉(zhuǎn)變成了概率數(shù)值，以裸統(tǒng)計證據(jù)推理的方式證明案件事實。這最終給法庭上的事實認(rèn)定者帶來了困擾，做出了極富爭議的事實認(rèn)定結(jié)論。陪審員和法官通常并不具備專業(yè)的概率學(xué)知識，裸統(tǒng)計證據(jù)所伴隨的概率計算方法給他們帶來的困惑、誤導(dǎo)，可能會超過這種證據(jù)本身具有的證明價值。

第三，對證據(jù)信息的平等利用。有學(xué)者提出了另一種反對裸統(tǒng)計證據(jù)的理由：裸統(tǒng)計證據(jù)違反了訴訟雙方對證據(jù)信息的平等利用機會，不恰當(dāng)?shù)胤峙溴e誤風(fēng)險。任何一種合法的、個別化的證據(jù)，其包含的信息應(yīng)當(dāng)向訴訟雙方敞開。不僅舉證的一方可以用證據(jù)支持自己的事實主張，而且對方可以“反利用”該證據(jù)的信息，例如，通過質(zhì)證說明證據(jù)的真實性存疑或舉證方所使用的概括不成立，或者提出新的概括從而對該證據(jù)做出其他解釋。但是，裸統(tǒng)計證據(jù)不具有這樣的“反利用”特征。舉證方提出裸統(tǒng)計證據(jù)，將一個關(guān)于集合的概括武斷地適用到一個個體身上，該個體無法對這種證明進行反駁。最終，舉證方將事實認(rèn)定的錯誤風(fēng)險不當(dāng)?shù)厥┘咏o對方。以品格證據(jù)為例：“建立這種聯(lián)系的論證，對于某些情況是適用的，但不是適用于所有情況。因為，人們的行為有時與其品格一致，有時又不一致。因此，任何此類論證都不可避免具有不確定性。使它具有確定性是不可能的，因為沒有辦法檢驗以下假設(shè)：在審判所涉及的事件上，被告人的行為與其品格一致。可以找到表明被告人以這種方式行為的概括，但是這一涵蓋的一致性只是多個可選項之一。更關(guān)鍵的是，它不會受到被告的個別化檢測。不存在一種將該涵蓋一致性與被告的具體個案相連接的可檢驗的方式?！?26)同注①，斯坦書，第217頁。因此，出于合理分配錯誤風(fēng)險、確保訴訟雙方平等利用證據(jù)信息的考慮，應(yīng)謹(jǐn)慎地采納裸統(tǒng)計證據(jù)。

綜上所述，一方面，裸統(tǒng)計證據(jù)可以通過相關(guān)性檢驗，具有對案件事實的證明價值；另一方面，放任裸統(tǒng)計證據(jù)進入法庭，會帶來證據(jù)推理合法性欠缺、不公正的偏見、概率計算錯誤、證據(jù)信息的不平等利用等問題。對于裸統(tǒng)計性質(zhì)的證據(jù)，證據(jù)法需要恰當(dāng)?shù)匾?guī)定采納與排除之間的標(biāo)準(zhǔn)。在英美法系的證據(jù)立法中，對于品格這種裸統(tǒng)計證據(jù)，已有非常細(xì)致的規(guī)定。(27)以美國《聯(lián)邦證據(jù)規(guī)則》為例，其404-406、412-415條詳細(xì)規(guī)定了品格證據(jù)的排除及例外。對于其他的裸統(tǒng)計證據(jù)，則留待司法實踐中，法官自由裁量決定是否排除。(28)但并不意味著完全無規(guī)范可遵循。以美國《聯(lián)邦證據(jù)規(guī)則》為例，其403條規(guī)定：“如果相關(guān)證據(jù)在不公正偏見、混淆爭議、誤導(dǎo)陪審團、不當(dāng)拖延、費時或者不需要提交累積證據(jù)方面的危險，實質(zhì)上超過其證明價值時，法官可以排除該證據(jù)?！边@一關(guān)于法官裁量性排除的規(guī)定，當(dāng)然適用于裸統(tǒng)計證據(jù)。法官可以考慮該條款里指示的因素，根據(jù)裸統(tǒng)計證據(jù)的具體情況，決定排除與否。

結(jié) 論

本文通過兩個虛構(gòu)的案例，說明了裸統(tǒng)計證據(jù)的特點及其推理路徑。這兩個案例會引發(fā)直覺上的悖論，因此通常被稱作“院中囚犯悖論”與“紅綠出租車悖論”。這種悖論源自：裸統(tǒng)計證據(jù)可以證明一個極高的概率值；如果我們將司法證明的蓋然性理解為帕斯卡模式意義上的概率性，那么裸統(tǒng)計證據(jù)總是能夠滿足法定的證明要求。建立在帕斯卡概率基礎(chǔ)上的概率命題觀點和部分信念觀點，都無法解釋和解決裸統(tǒng)計證據(jù)的推理悖論。絕對信念觀點則認(rèn)為，僅根據(jù)裸統(tǒng)計證據(jù)，一位理性的事實認(rèn)定者無法形成對于案件事實的合理信念，更談不上滿足法定證明標(biāo)準(zhǔn)的要求。絕對信念觀點以培根概率模式解釋司法證明的蓋然性，認(rèn)為信念必須建立在有“分量”的證據(jù)基礎(chǔ)上，信念的強度取決于證據(jù)支持度。裸統(tǒng)計證據(jù)盡管指示了極高的概率值，但是缺乏證據(jù)的應(yīng)有分量。如果一個案件中僅有裸統(tǒng)計證據(jù)，缺少“具體個案性質(zhì)”的證據(jù)，則無法“涵蓋”作為具體事件的案件事實。裸統(tǒng)計證據(jù)和待證事實之間存在巨大的“信息空隙”，遠(yuǎn)未達(dá)到法定的證明要求。在絕對信念和培根概率框架下，證明標(biāo)準(zhǔn)不能被視作一個概率閾值，而應(yīng)當(dāng)被視作對于信念強度，同時也是對于支持該信念的證據(jù)之分量的指示。裸統(tǒng)計證據(jù)不僅自身無法滿足充分性要求，而且其可采性亦有疑問。一方面，它可以通過相關(guān)性檢驗，具有對案件事實的證明價值；另一方面，它可能引發(fā)證據(jù)推理合法性欠缺、不公正的偏見、概率計算錯誤、證據(jù)信息的不平等利用等問題。證據(jù)立法或司法實踐需要謹(jǐn)慎權(quán)衡這兩個方面，在采納與排除之間合理折中。本文并非法律教義學(xué)研究，因此不涉及對中國證據(jù)規(guī)則或域外立法的文本分析與解釋。本文通過分析裸統(tǒng)計證據(jù)以及司法證明之推理過程的性質(zhì)，以期為確立、解釋相關(guān)的證據(jù)規(guī)則提供教義學(xué)體系之外的規(guī)范法理參考。