表16表明，加入控制变量“复核法院”以后，高级法院的统计结果已经不具有显著性，只有最高法院的统计结果具有显著性。在最高法院复核的案例中，有其它从严情节的犯罪人中被判处死刑立即执行的比例为89.1%，被判处死缓的比例只有10.9%，与表15相比，前升后降;在全部死缓判决中，没有其它从严情节所占的比例为82.1%，有其它从严情节所占的比例仅为17.9%，与表15相比，前者比例大大提高，后者比例相应降低。两相对比说明，具有其它从严情节的犯罪人在最高法院比在高级法院更可能被判处死刑立即执行，或者说具有其它从严情节的犯罪人在最高法院被判处死缓的可能性比在高级法院小。

　　3.Logistic回归分析

　　Crosstabs交互分析是在假定其它变量不存在的情况下对两个变量的分析过程，但司法实践中一个具体的案件不可能只受一个变量(情节)影响。那么，在前述具有统计学上显著性的变量的共同作用下，哪些变量仍然具有统计学上的显著性?这些变量对死缓适用的作用力度如何?能否通过观察案件具有或者不具有某个情节预测法官是否判处死缓?这些问题都需要我们进行Logistic回归分析以后才能回答。

　　表17是将自首、立功、悔罪态度、其它从宽情节、数罪、政治和刑事政策因素、其它从严情节、被害过错8个交互分析具有显著性的变量作为自变量，“复核结果”作为应变量，采用Enter法(所有变量一次进入方程)进行Logistic回归分析得到的结果。可以看出，在8个变量同时作用下，只有立功、悔罪态度、其它从宽情节、数罪四个变量仍具有统计学上的显著性，自首、政治和刑事政策因素、其它从严情节、被害过错四个变量已不再具有统计学上的显著性。在具有显著性的四个变量中，立功、悔罪态度、其它从宽情节是死缓适用的积极因素，“数罪”是死缓适用的消极因素，这从第一列的非标准化回归系数值(B)是否为负数即可看出。观察最后一列的Exp(B)值，我们可以进一步得到如下结论：

　　具有立功情节的被告人被判处死缓的可能性是不具有立功情节的被告人被判处死缓可能性的4.771倍;

　　具有悔罪态度的被告人被判处死缓的可能性是不具有悔罪态度的被告人被判处死缓可能性的3.474倍;

　　具有其它从宽情节的被告人被判处死缓的可能性是不具有其它从宽情节的被告人被判处死缓可能性的91.487倍;

　　实施了数罪的被告人被判处死缓的可能性是只实施一罪被告人被判处死缓可能性的0.37倍，或者说只实施了一罪的被告人被判处死缓的可能性是实施数罪被告人被判处死缓可能性的1/0.37倍(约2.7倍)。

　　Exp(B)值只能判断某个自变量存在与否对应变量的影响，为了比较立功、悔罪态度、其他从宽情节三个变量之间的相对作用，即哪个变量对死缓适用作用力更大，我们还需要计算出这三个变量的标准化回归系数 [53]。经过计算，三个变量的标准化回归系数分别为：约0.21、约0.26、约0.75。也就是说，对于是否适用死缓来说，其它从宽情节所起作用最大，而且远远大于另外两个变量，悔罪态度的作用居中，立功情节所起作用最小。

　　那么，由上述四个变量构成的模型对死缓适用的预测能力如何呢?

　　图18显示，无效模型(加入变量前)的总预测准确率为68.9%;图19显示，模型(加入变量后)的总预测准确率为84.1%。总预测率提高了，说明模型的预测能力较好。其中，模型对死刑的预测准确率为98.4%，而对死缓的预测准确率只有52.4%，这说明，模型更适合对死刑立即执行的预测。

　　上述结论还可以通过模型预测分类图(图1，见下页)得到印证。死刑适用的两种可能分别向横坐标1(判处死缓)和0(判处死刑立即执行)靠拢，这说明上述模型的解释力较强，但是显然0的分布更多落在横坐标0处，即对死刑立即执行的预测效果更好。因此，如果仅仅通过犯罪人是否具有立功、悔罪态度、其它从宽情节、数罪情节来预测被告人是否会被判处死缓准确率不会很高。

　　80  

　　 

　　 1 

　　F  1 1 

　　R 60  1 1 

　　E  1 0 

　　Q  0 0 

　　U  0 0 

　　E 40  0 0 

　　N  0 0 

　　C  0 0 0 

　　Y  0 0 0 1

　　20  0 0 0 1

　　 0 0 0 1

　　 0 0 0 0 0 1 1 1

　　 00000 0 0 000 0 10 1 1 111

　　Predicted 

　　Prob: 0 .25 .5 .75 1

　　Group: 000000000000000000000000000000111111111111111111111111111111

　　图1 模型预测分类图

　　4.小结

　　在本部分第1、2、3小节，我们分别就双变量交互分析和多变量回归分析的结果进行了讨论，结合交互分析结果和回归分析结果，我们可以得到如下结论：

　　(1)一般说来，具有从宽情节的死刑案件犯罪人比不具有从宽情节的犯罪人更可能获得死缓判决。

　　在笔者列出的11个从宽情节中，“限制刑事责任能力”、“犯罪未遂、预备”、“从犯”、“留有余地”四个变量与死缓适用的关系由于案例过少或者没有案例而无法验证，“民族、宗教、华侨政策、外事关系”、“家庭伦理关系”两个变量与死缓适用的关系统计结果未呈现显著性，其余5个变量与死缓适用的交互分析均具有统计学上的显著性，而且结果表明，这五个变量均系死缓适用的积极因素。Logistic回归分析结果也表明，死缓适用主要受从宽情节影响。

　　(2)法定从宽情节和酌定从宽情节均可能成为死缓适用的积极条件，酌定从宽情节甚至比法定从宽情节所起作用更大。