男子卖房过户的第二天就被列入拆迁范围 亏损仅百万

[27] 1.宪法委员会积极审查进而获得修宪创议权 1992年判决为宪法修改草案或建议案的合宪性审查留下了可能性。

在法国宪法修改与变迁的过程中，立宪主义者的主要目的在于将原则、规则、价值和制度模式刻入宪法，以对抗所有不可预期的法律适用变迁。[49] 参见李忠夏：《从制宪权角度透视新中国宪法的发展》，《中外法学》2014年第3期，第619页。

因此，纯方法的论争也存在逻辑论证的盲点，政治与法律并不是截然对立的范畴，而在宪法修改程序的每个阶段均存在理论、方法论和意识形态的调和。修宪权的限度问题作为最基本的宪法问题之一，引领我们思考政治要素能在多大程度影响宪法规范的变迁。第72条最初只是简单规定了地方行政组织形式和代表国家利益等初步的问题。例如，近年来法国宪法修改过程中，大部分修正案均不是制宪者从上至下推动的。自然科学通过因果律（causalité）的原则来认识其对象，而法律科学则更多表现为是规范科学，通过归结原则（le principe d'imputation）来认识其需要规范的对象，通过归结原则，两个事实A或B之间的关系十分简单，即如果A，那么一定是B。

五、代结语：宪法修改、法律秩序与政治制度 诚然，修宪权之最重要功能在于缓解宪法规范行使中遭遇的危机，为宪法实施中权力配置、基本权利保障、价值协调等问题提供空间，制宪主体在此空间内进行谈判和商谈，造成价值和利益的博弈。首先，宪法委员会的立场与宪法审查提请人存在相悖的情况。在数据分析的描述性和相关性之二分法中，大数据分析技术主要加强的是描述性部分，相关性分析仍主要沿用实证研究中倚赖的统计学算法。

首先表现为统计方法趋于高级，例如白建军在其一贯的相关性分析之基础上，对无法观察的变量作了科学处理，将中国民众的刑法偏好这一因变量，拆解为犯罪圈大小、刑罚轻重、罪刑均衡程度等三个可通过问卷调查测量的因子，以打分取值的形式获得该变量的数值。这些数据的特点是它们的产生最初并非为了供研究之用，故而只能提供有限的数据项，研究者需迁就网络数据可用的数据维度进行研究设计。接着结合笔者担任大数据分析师的经历，针对技术细节作梳理。再以法学研究常用的裁判文书为例，中国裁判文书网为确保正常访问，采取了一系列的加密措施，而这意味着研究者根本无法一劳永逸地解决数据获取的问题。

在裁判文书大量公开上网后，有人认为数据法学的春天即将到来。包括法学在内的各个社会科学学科之所以都对定量方法感兴趣，是因为定量的方法，乃一切科学进程的核心。

同时，笔者认为，以下方面仍值得进一步探讨：第一，左文中提到从研究范式看，大数据法律研究可能推动实证研究的跨越式发展，特别是机器学习方式的引入，会使法学研究从法教义学、社科法学和实证法律研究等范式转向数据科学式的法学研究。相关性研究也被称为推论统计，是将统计学手法与概率理论相融合，对‘无法整体把握的大的对象或‘还未发生而未来会发生的事情进行推测。本文的基本立足点在于：大数据分析技术如果对法学研究有影响的话，那么主要是使得法学更加社会科学化、更重视实证的方法、更习惯从大数据中探索法律世界的规律。遗憾的是，法律领域的语料主要是自然语言，以数字形式呈现、直接可用的信息少之又少。

前者是通过人工标注一定的语料，再由机器模型识别剩余部分的语料，得到的是一个结果的分布概率。知晓此种差异后，研究者才能对当前眼花缭乱的大数据分析技术有所甄别，优先选择那些具有较好可解释性的机器学习算法。例如，首先应区别工程和学术，在学术研究中引入大数据技术，模型设计有充裕的时间，过程的可解释性要求较高。有学者认为，计算法学可归属为实证法学的基本范畴，计算法学通过兼收并蓄的统合吸纳了定性研究和定量研究各自的优长。

笔者认为，数字技术+法学应区分不同的细分场景展开讨论，不同的法律场景具有不同的特点。从笔者的实战经验来看，爬取一般网站论坛上的数据相对容易，但爬取微博、微信公众号等数据就比较困难，这是因为后者设置了很多反爬虫的措施。

大数据技术对于实证研究而言是一场接力 大数据技术对于实证研究而言有一种接力的价值，两者的共性大于差异。目前中国法学界的模拟实验主要是对一些经典案例裁判过程的复盘，以验证某些观点。

从多个案例中挖掘某些规律性信息，是一种超越个案、试图通过案件类型化获得研究结论的方法尝试。（一）以统计为主的研究方法 从研究方法来看，既有的法律实证研究均奉统计学为同宗。有效化解上述风险的策略包括：在跨越技术门槛上，可考虑借鉴其他学科团队式研究的模式，吸纳技术人员参与，改变过去一些法学期刊所认为的合署论文便有搭便车嫌疑的前见。例如，白建军迄今为止在中国知网上下载量最高的一篇论文，是通过相关系数、多元线性回归来研究犯罪率的社会成因。实验大多是对自然现象而言的，但在近年来的法学研究中也时常出现。在克服脱离个案细节这一问题上，则可以多采取混合研究的方法，即定性的方法和定量的方法相结合，实证研究和规范研究相结合。

统计学上根据是否为直接获得第一手数据，区分直接来源和间接来源。因此，大数据技术和法经济学的方法，在立法前、后的评估中将体现出不同的分工。

这也是左文中提到的大数据时代的一个特点，即样本量变大后，做不到人工查看每个样本。凡是对立法活动、司法实践有所记录的载体，都可作为实证研究的原始语料。

上述三个方面，围绕大数据技术对法学研究的主要贡献展开，清晰地定位了大数据技术在既有的法学研究方法体系中的地位。有监督的机器学习，其建模方法为研究者提供了一种新思路，即把样本一分为二，区分训练集和测试集，用训练集拟合参数，用测试集评估数据模型的准确性。

与之最相关的是以统计学为基础的法律实证研究。更有效的方式是跨越个案地、基于海量样本地分析法官所写的裁判文书（裁判文书是法官裁判观点的浓缩精华）。大数据技术对于规范研究而言是一种助力 法学实证研究和传统的规范研究间如何衔接和对话，是一个困扰研究者和期刊编辑的共同问题。第二类称作对象论，是把大数据人工智能等视为法律规制和法学研究的对象，此类文章占了当前本领域研究成果中的大多数。

第四类才是方法论，是从学术研究方法的视角看待大数据技术，探讨其能为学术活动提供哪些新契机。例如在一份关于国外政党之竞选政策立场的研究文献中，研究者事先将政党宣言作出类型化的定义，然后在网站上分包，最终从1500名工人处收集到20万条的分类数据，而分类的结果经过事后的验证，与专家分类的结果高度吻合。

胡铭关于司法公信力的研究，通过向社会公众和司法官分别发放问卷，比较和审视对于影响司法公信力的要素的认知与评判。法律实证研究中的样本量过去以百级、千级为主，比如文姬关于信用卡诈骗罪的研究所利用的裁判文书样本有2103份，习超等人对证券监管旋转门的研究则采用了7103个监管事件作为样本。

首先，大数据分析技术主要提高了研究对象的整体描述能力。周翔，浙江大学光华法学院特聘副研究员 原文刊载于《法学家》2021年第6期 进入专题： 法学研究方法 大数据 。

在此后的七八年里，现实更加验证的似乎是后一种观点，即立法并没有消退，经济发展、社会转型向法律制度提出了新的要求。根据某省立法部门的反映，他们缺乏的是针对各方面立法意见的信息汇总和分类的能力。既然立法论的研究从未消失，我们更应当重视此类研究推动的立法质量和效果。大数据时代虽然样本量呈几何式增长，但试图把握司法实践之一般规律的需求并未改变。

这使得他们在发现哪个法条的哪个关键词存在司法适用困难、故而具有研究必要性上颇费周折。其次是结果呈现方法上的创新，例如单勇关于盗窃罪的回归分析结果，用GIS作图的方法实现可视化，选取建筑物、停车场等10类空间因素为自变量，用于说明因变量和空间变量的地理联系。

例如裁判文书中存在诸多错别字、语病等错误需要清洗，笔者曾遇到过某一罪名在裁判文书中，有十余种错误的文字表述、八种不同的零写法，这些均属于若无人工预判则机器便无法自动识别的情形。（2）加强了描述性统计的能力，适合探索性的量化研究。

机器学习与统计学中的回归建模方法之间最大的一点差异，在于检验模型参数的可靠性上，机器学习采用交叉检验的方法，而统计学上则主要采用假设检验的方法，其典型者如t检验。第二种是统计学中处理残缺值的传统方法，比如用平均值替代、剔除该样本等。