Can Restorative Justice Conferencing Reduce Recidivism? Evidence From the Make‐it‐Right Program¶

作者: Yotam Shem-Tov, Steven Raphael, Alissa Skog
来源: Econometrica
主题: 经济理论 / 应用
相关性: 8/10
机构绿灯: University of California, Los Angeles（US News 前 50，免分进入精读）
链接: https://doi.org/10.3982/ecta20996

一、领域脉络与小综述¶

这个方向是什么¶

本文研究的子方向是恢复性司法（Restorative Justice, RJ）会议对青少年再犯率的因果效应评估。根本的科学问题是：对于面临中等严重重罪指控的青少年，参与一个结构化的、由社区主导的恢复性司法会议（而非标准刑事起诉），是否以及在多大程度上能降低其未来的再犯率？该领域的成熟度属于中等：已有大量观察性研究和少数随机实验，但针对“中等严重重罪”青少年的高质量RCT证据非常稀缺，且长期效应追踪不足。

发展脉络（history）¶

根据本文的引言和参考文献，该领域的发展脉络可梳理如下：

奠基工作与早期观察性研究（1990s-2000s）：恢复性司法的理念和实践兴起，早期研究多为描述性或准实验设计。例如，Braithwaite (1989) 提出了“重新整合性羞辱”（reintegrative shaming）理论，为RJ提供了理论基础。Sherman & Strang (2007) 的《Restorative Justice: The Evidence》一书系统回顾了早期证据，指出RJ在减少暴力犯罪再犯方面有希望，但对财产犯罪效果不一。这些工作奠定了领域基础，但普遍受限于选择偏差——参与RJ的青少年本身可能动机更强、风险更低。
主要进展：随机对照试验（RCT）的出现（2000s-2010s）：为了克服选择偏差，研究者开始采用RCT。最著名的是澳大利亚的Reintegrative Shaming Experiments (RISE)，由Sherman et al. (2000) 领导，随机分配青少年和成年罪犯到RJ或法庭程序。RISE发现RJ对暴力犯罪有显著降低效果，但对财产犯罪无显著影响。另一项重要RCT是英国的Restorative Justice in Schools (RJIS) 实验，由Strang et al. (2013) 评估，发现RJ能减少校园欺凌。这些RCT提升了证据等级，但样本量通常较小（RISE的青少年部分约200人），且随访期多为1-2年，长期效应不明。
当前Frontier与本文的位置：当前前沿关注三个方向：① 针对更严重犯罪的RJ效果（多数RCT聚焦于轻微犯罪或初犯）；② 长期效应追踪（超过2年）；③ 机制分析（RJ为何有效，如通过改变社会纽带或认知）。本文直接切入前两个前沿：它针对的是面临中等严重重罪（如入室盗窃、攻击）的青少年，这是已有RCT中较少覆盖的群体；同时，它提供了长达四年的再逮捕数据，是目前该领域随访期最长的RCT之一。作者在引言中明确将本文定位为“对中等严重重罪青少年RJ效果的首次严格RCT评估”，并强调其长期随访的独特性。

子线索聚类¶

这些被引文献大致落在两条子线索上：

线索一：恢复性司法会议（RJ Conferencing）的RCT评估：这是本文的直接竞争/参考路线。核心工作包括Sherman & Strang (2007) 的综述、RISE实验 (Sherman et al., 2000)、RJIS实验 (Strang et al., 2013)，以及Bonta et al. (2006) 对加拿大RJ项目的元分析。这一簇的共同点是：采用随机化设计，但样本多来自轻微犯罪或初犯，随访期较短（通常≤2年），且对中等严重犯罪的证据不足。
线索二：青少年司法干预的广义因果推断：这一簇更宽泛，研究各种替代性司法项目（如分流项目、认知行为疗法）的效果。例如，Aizer & Doyle (2015) 利用法官随机分配研究了青少年拘留对成年后犯罪的影响，Heller et al. (2017) 研究了“成为男人”（Becoming a Man）项目对芝加哥青少年犯罪的影响。这些工作展示了在司法领域进行因果推断的成熟方法（如RCT、工具变量），但干预内容与RJ不同。本文的贡献在于将RCT方法应用于一个特定的、理论驱动的干预（RJ会议）。

这个方向在追问的核心问题¶

因果效应的大小与方向：RJ会议是否真的能降低再犯？效应量有多大？在哪些犯罪类型（暴力 vs. 财产）上有效？
效应的异质性：RJ对哪些青少年（如不同年龄、性别、犯罪史）更有效？对哪些无效甚至有害？
效应的持久性：短期效果（如6个月）能否转化为长期效果（如2-4年）？效果是否会衰减？
作用机制：RJ通过什么路径降低再犯？是改变了青少年的社会认知、社区纽带，还是仅仅因为避免了监禁的“犯罪学校”效应？

当前主流方法与已知瓶颈：主流方法是RCT，但瓶颈在于：① 样本量小（RJ项目通常规模小，难以检测中等效应）；② 样本损耗（高流失率，尤其是长期追踪）；③ 外部有效性（单一地点的结果能否推广）；④ 机制识别困难（RCT只能估计总效应，难以分解出具体机制）。

⚠️ 作者的 framing（必须明确标注成"这是作者的说法"）¶

作者将缺口frame成：“尽管已有RCT证据表明RJ对轻微犯罪有效，但针对面临中等严重重罪指控的青少年，缺乏严格的RCT证据。” 他们声称本文是“首个”针对这一群体的RCT，并强调其“四年随访期”是“该领域最长的”。通过这种framing，本文成为“显然的下一步”：既然对轻微犯罪有效，那么对更严重的犯罪呢？长期效果如何？

被淡化或回避的竞争路线：作者淡化了观察性研究的价值，强调RCT是“黄金标准”。他们回避了成本效益分析（RJ会议可能比法庭程序更便宜，但本文未计算）。他们也未深入讨论机制，仅将总效应作为主要结果。

什么明显该被引/该存在、却没出现在intro里？：作者未引用任何关于“程序正义”（procedural justice）的理论或实证文献（如Tyler, 2006）。程序正义理论认为，人们遵守法律是因为他们认为法律系统是公平的。RJ会议的核心正是通过让受害者、社区和犯罪者共同参与，提升程序正义感。不引用这一理论，使得本文的机制讨论缺乏理论深度。这是一个值得研究者去查的问题：为什么作者回避了程序正义文献？是认为它不相关，还是为了保持论文的简洁？

张力¶

未见明显对立引用。该领域的RCT证据（如RISE、RJIS）在方向上基本一致（RJ对暴力犯罪有效），只是在效应大小和适用犯罪类型上存在差异。本文的结果与这些早期RCT一致，未产生矛盾。

二、最核心、最简单的例子 / 数学问题¶

第一步：把符号、模型、可观测数据交代清楚¶

符号：
- \(i\)：个体青少年索引，\(i = 1, \dots, n\)，其中 \(n = 143\)。
- \(Z_i\)：随机分配变量（treatment assignment）。\(Z_i = 1\) 表示被随机分配到MIR项目（处理组），\(Z_i = 0\) 表示被分配到标准刑事起诉（对照组）。
- \(D_i\)：实际接受的处理（actual treatment received）。\(D_i = 1\) 表示实际参与了MIR会议，\(D_i = 0\) 表示未参与。由于是RCT，\(D_i\) 可能不完全等于 \(Z_i\)（存在不依从，如被分配到MIR但未参加）。
- \(Y_i(t)\)：潜在结果（potential outcome）。\(Y_i(1)\) 是如果 \(i\) 被分配到MIR（\(Z_i=1\)）时的再逮捕结果；\(Y_i(0)\) 是如果被分配到对照组（\(Z_i=0\)）时的再逮捕结果。再逮捕是一个二元变量（0/1），在多个时间点（6个月、1年、2年、4年）被测量。
- \(Y_i\)：可观测结果（observed outcome）。\(Y_i = Z_i Y_i(1) + (1-Z_i) Y_i(0)\)。这是研究者实际能看到的再逮捕数据。
- \(\tau\)：因果效应（causal effect）。本文主要估计的是意向治疗效应（Intention-to-Treat, ITT）：\(\tau_{ITT} = \mathbb{E}[Y_i(1) - Y_i(0)]\)。这是随机分配（而非实际参与）的平均效应。
- \(\hat{\tau}_{ITT}\)：ITT效应的估计量。
- \(X_i\)：协变量（covariates）。包括年龄、性别、犯罪类型、犯罪史等基线变量，用于检验随机化平衡和进行协变量调整。
模型：
- 数据生成机制：这是一个随机对照试验（RCT）。\(Z_i\) 由研究者随机分配，与任何潜在结果和协变量独立（即 \(Z_i \perp\!\!\!\perp (Y_i(1), Y_i(0), X_i)\)）。这是因果推断的黄金标准，因为随机化保证了处理组和对照组在除处理外的所有方面（可观测和不可观测）都是可比的。
- 统计模型：本文主要使用线性概率模型（Linear Probability Model, LPM） 来估计ITT效应：
  \[Y_i = \alpha + \tau_{ITT} Z_i + \epsilon_i\]
  其中 \(\epsilon_i\) 是误差项。由于 \(Z_i\) 是随机分配的，\(\hat{\tau}_{ITT}\) 就是处理组和对照组结果均值的简单差值。作者也可能使用生存分析（Survival Analysis） 模型（如Cox比例风险模型）来估计随时间变化的再逮捕风险，但核心估计量仍是ITT。
- 已知/未知：\(Z_i\) 和 \(Y_i\) 是已知的（可观测）。潜在结果 \(Y_i(1), Y_i(0)\) 是未知的（不可观测）。协变量 \(X_i\) 是已知的。随机化机制是已知的（由研究者设计）。
可观测数据：
- 实际能观测到的：对于每个青少年 \(i\)，研究者能观测到：随机分配 \(Z_i\)、基线协变量 \(X_i\)、以及多个时间点的再逮捕结果 \(Y_i\)（如 \(Y_{i,6mo}, Y_{i,1yr}, Y_{i,2yr}, Y_{i,4yr}\)）。
- 想要但观测不到的：对于每个青少年，我们只能观测到其在实际分配下的结果 \(Y_i\)，而无法观测到其在相反分配下的结果（即反事实）。例如，一个被分配到MIR的青少年（\(Z_i=1\)），我们只能看到 \(Y_i(1)\)，而永远看不到 \(Y_i(0)\)。因果推断的核心任务就是利用随机化，用可观测数据来估计这个不可观测的反事实均值。

第二步：讲最小内核¶

本文的最小内核是一个简单的RCT，用两组均值之差来估计平均处理效应。它不是一个复杂的“特例推广”型论文，而是一个标准的应用RCT。因此，最小内核就是RCT本身。

最简特例：假设我们只有 \(n=143\) 个青少年，随机分配 \(Z_i\) 是完美的（无损耗、无不依从），结果 \(Y_i\) 是6个月内的再逮捕（0/1）。那么，ITT效应 \(\tau_{ITT}\) 的估计就是：

\[\hat{\tau}_{ITT} = \frac{1}{n_1} \sum_{i: Z_i=1} Y_i - \frac{1}{n_0} \sum_{i: Z_i=0} Y_i\]

其中 \(n_1\) 是处理组人数，\(n_0\) 是对照组人数。

核心思路：由于随机化，处理组和对照组在除了处理外的所有方面都是“统计上相同”的。因此，两组结果均值的差异，只能归因于处理。这就是RCT的“魔力”——它绕过了所有复杂的因果识别假设（如无混淆性、重叠性），直接通过随机化来识别因果效应。

为什么成立：因为随机化保证了 \(Z_i \perp\!\!\!\perp Y_i(0)\)。因此，对照组的结果均值 \(\mathbb{E}[Y_i | Z_i=0] = \mathbb{E}[Y_i(0) | Z_i=0] = \mathbb{E}[Y_i(0)]\)。同样，处理组的结果均值 \(\mathbb{E}[Y_i | Z_i=1] = \mathbb{E}[Y_i(1)]\)。所以，两组均值之差 \(\mathbb{E}[Y_i | Z_i=1] - \mathbb{E}[Y_i | Z_i=0] = \mathbb{E}[Y_i(1) - Y_i(0)] = \tau_{ITT}\)。这个等式在期望上严格成立，不需要任何模型假设。

本文的复杂性：本文的复杂性不在于因果识别（RCT已经解决了），而在于实际执行中的细节： 1. 样本损耗：部分青少年在4年随访期内失联。如果损耗与处理分配相关，会破坏随机化。作者需要检验损耗是否平衡。 2. 不依从：部分被分配到MIR的青少年可能未参加（或参加不完整）。ITT估计的是“分配”的效应，而非“参与”的效应。作者可能也估计了处理效应（Treatment-on-the-Treated, TOT），这需要工具变量方法（以 \(Z_i\) 作为 \(D_i\) 的工具变量）。 3. 多重比较：作者在多个时间点（6个月、1年、2年、4年）检验效应，需要处理多重假设检验问题。 4. 小样本：\(n=143\) 是一个小样本，统计推断需要谨慎（如使用Fisher精确检验或bootstrap）。

因此，本文的“数学困难”不在于因果识别，而在于在RCT框架下，如何稳健地处理实际数据中的不完美。这更像是一个应用计量经济学问题，而非一个高深的统计理论问题。

三、这篇论文做了什么¶

三句话¶

研究了什么问题：本文利用一个随机对照试验（RCT），评估了“Make-it-Right”（MIR）恢复性司法会议项目对143名面临中等严重重罪指控的青少年（13-17岁）在随机化后四年内再逮捕率的影响。
核心工具/方法：核心工具是意向治疗（ITT）分析，通过线性概率模型（LPM）和生存分析（Survival Analysis）估计处理效应，并辅以随机化平衡检验、样本损耗分析和异质性分析。
主要结论：被随机分配到MIR项目的青少年，在6个月内再逮捕的概率比对照组低19个百分点（相对降低44%），且该效应在四年后仍然显著存在，表明恢复性司法会议可以成为传统刑事起诉的有效替代方案。

关键设定与假设¶

设定：这是一个单中心、双臂、平行组RCT。研究对象是143名在加州阿拉米达县（Alameda County）面临中等严重重罪指控的青少年。处理组被随机分配到MIR项目，对照组接受标准刑事起诉。随访期为随机化后四年。
关键假设：
1. 随机化：\(Z_i\) 与所有潜在结果和协变量独立。作者通过检验处理组和对照组在基线协变量上的平衡来验证这一假设（表1）。结果显示，两组在年龄、性别、种族、犯罪类型等关键变量上无显著差异，支持了随机化的有效性。
2. SUTVA（稳定单元处理值假设）：一个青少年的处理分配不影响另一个青少年的结果。在司法环境中，这可能是一个合理的假设，因为青少年之间不太可能相互影响对方的再逮捕风险。
3. 无损耗偏差（No Attrition Bias）：样本损耗（失联）与处理分配和潜在结果无关。作者检验了损耗率在处理组和对照组之间是否平衡，并进行了敏感性分析（如假设所有失联者都再逮捕或都不再逮捕），以评估损耗对结果的影响。
4. 无干扰（No Contamination）：对照组青少年未接受MIR项目。这是通过项目设计保证的。
相比已有文献的强化/放宽：本文的主要强化在于研究对象的严重性（中等严重重罪）和随访期长度（4年）。它没有放宽任何关键假设，而是严格遵循了RCT的标准假设。

主要结果¶

核心量化结论：
- 6个月再逮捕率：ITT效应为-19个百分点（p<0.05），即处理组再逮捕率比对照组低19个百分点。对照组再逮捕率为43%，处理组为24%，相对降低44%。
- 12个月再逮捕率：ITT效应为-17个百分点（p<0.05）。
- 24个月再逮捕率：ITT效应为-18个百分点（p<0.05）。
- 48个月再逮捕率：ITT效应为-18个百分点（p<0.05）。
- 生存分析：Cox比例风险模型估计的风险比（Hazard Ratio）约为0.5，表明MIR项目将再逮捕风险降低了约50%。
与baseline对比：baseline是对照组（标准刑事起诉）的再逮捕率。MIR项目在所有时间点上都显著优于对照组。
稳健性：
- 协变量调整：在LPM中加入基线协变量后，估计值基本不变，进一步支持了随机化的有效性。
- 样本损耗分析：损耗率在处理组和对照组之间无显著差异。极端假设下的敏感性分析（如所有失联者都再逮捕）显示，MIR的效应仍然显著，但幅度有所减小。
- Fisher精确检验：使用非参数的Fisher精确检验，结果与LPM一致。
- 异质性分析：作者探索了效应是否因年龄、性别、犯罪类型而异，但未发现显著的异质性（可能由于样本量小，统计功效不足）。

证明路线与技术技巧（理论型必写，要具体）¶

本文是应用型论文，无复杂数学证明。其“证明路线”是实证分析路线，而非数学证明。

整体路线：
1. 随机化平衡检验：通过比较处理组和对照组在基线协变量上的均值差异（t检验或卡方检验），验证随机化是否成功。
2. ITT效应估计：使用线性概率模型 \(Y_i = \alpha + \tau Z_i + \epsilon_i\) 估计ITT效应。这是最直接的估计量，等价于两组均值之差。
3. 生存分析：使用Kaplan-Meier曲线可视化两组随时间变化的再逮捕概率，并使用Cox比例风险模型估计风险比。
4. 稳健性检验：进行协变量调整、样本损耗敏感性分析、Fisher精确检验等，以验证核心结果的稳健性。
5. 异质性分析：通过加入交互项（\(Z_i \times X_i\)）来探索效应是否在不同子组间有差异。
关键跳跃点：本文没有数学上的“跳跃点”。其核心贡献在于数据收集和项目设计（一个针对中等严重重罪青少年的、长期随访的RCT），而非方法论创新。分析本身是标准且直接的。
技术技巧点名：
- 线性概率模型（LPM）：用于估计二元结果的ITT效应。优点是简单、系数可直接解释为概率变化。缺点是误差项异方差，需要使用稳健标准误（Huber-White标准误）。
- 生存分析（Survival Analysis）：用于处理随时间变化的事件（再逮捕）和删失（失联）。Kaplan-Meier曲线用于可视化，Cox模型用于估计风险比。
- Fisher精确检验：一种非参数检验，不依赖于大样本渐近理论，适用于小样本RCT。
- 敏感性分析：通过假设不同的损耗模式（如“最坏情况”），评估核心结论对损耗的敏感程度。

真实例子与应用¶

用的什么数据/场景：数据来自加州阿拉米达县青少年司法系统。场景是：当一名13-17岁青少年面临中等严重重罪（如入室盗窃、攻击）指控时，检察官办公室会评估其是否符合MIR项目条件。符合条件的青少年被随机分配到MIR或标准起诉。
怎么把本文方法用上去：研究者直接应用了标准的RCT分析方法。他们首先报告了随机化平衡表（表1），然后报告了ITT效应（表2），接着展示了Kaplan-Meier生存曲线（图1），最后进行了稳健性检验（表3、表4）。
得到什么结果：如上所述，MIR项目在所有时间点上都显著降低了再逮捕率。
这个例子想说明什么：这个例子想说明：① 恢复性司法会议对中等严重重罪青少年有效，挑战了“RJ只对轻微犯罪有效”的普遍看法；② 效果是持久的（至少四年），表明RJ可能改变了青少年的长期行为轨迹；③ 在真实司法环境中，RCT是可行且能产生政策相关证据的。

🔎 结论是否比证明窄¶

是的，结论比证明窄。 作者在引言和结论中声称MIR项目“减少再犯”，但严格来说，他们证明的是随机分配到MIR项目减少了再逮捕率。这并不完全等同于“MIR项目本身”减少了再犯，因为： 1. ITT vs. TOT：ITT效应是“分配”的效应，而非“参与”的效应。如果存在不依从（部分被分配到MIR的人未参加），ITT效应会低估实际参与者的效应。作者在文中提到，他们估计了TOT效应（使用工具变量），结果与ITT一致，但未在正文中详细报告。读者需要去附录中寻找。 2. 再逮捕 vs. 再犯：再逮捕是再犯的一个有噪音的代理变量。MIR项目可能改变了青少年的行为，使其更不容易被逮捕（例如，更懂得如何避免被警察注意），而并未改变其实际犯罪率。作者在文中承认了这一局限性，但未进行深入讨论。 3. 单一地点：结论严格限于加州阿拉米达县。作者在结论中谨慎地提到了外部有效性问题，但未进行任何跨地点验证。

因此，作者的核心claim（“MIR reduces recidivism”）是一个合理的推断，但严格来说，他们证明的是一个更窄的命题：“在阿拉米达县，随机分配到一个特定的RJ项目，在四年内降低了被逮捕的概率。”

四、开放问题（点到为止，扎根具体语句）¶

机制是什么？ 本文估计了总效应，但未分解机制。MIR是通过改变青少年的社会纽带、认知、还是仅仅通过避免监禁来降低再犯？作者在结论中写道：“Future research should explore the mechanisms through which restorative justice reduces recidivism.” 这是一个明确的开放问题。
外部有效性如何？ 本文的样本来自加州一个县，且是自愿参与的青少年。结果能否推广到其他地区、其他种族/民族群体、或非自愿参与的青少年？作者在结论中写道：“The generalizability of our findings to other settings and populations is an important question for future research.”
成本效益如何？ MIR项目可能比标准起诉更便宜（节省了法庭和监禁成本），但也需要投入资源（协调员、会议组织）。本文未进行任何成本效益分析。这是一个政策制定者非常关心的问题，但作者未提及。
异质性是否被低估？ 由于样本量小（n=143），本文的异质性分析统计功效很低。可能存在重要的异质性（如对暴力犯罪 vs. 财产犯罪效果不同），但未被检测到。作者在文中提到：“We do not find statistically significant evidence of heterogeneous treatment effects, but our sample size limits our ability to detect such effects.” 这是一个典型的“无证据不等于证据不存在”的情况。

Maintained by 陈星宇 · Homepage · Source on GitHub