2019 年 2 月，一辆明尼阿波利斯警察局巡逻车停在市政厅门前；照片摄于实验结束多年后，仅用于示意实验所在的城市。图：Tony Webster，来源：Wikimedia Commons，许可：CC BY-SA 2.0。
.jpg){kind=link}
20 世纪 70 年代，美国警方处理家庭纠纷时常在几种做法之间摇摆：同事倾向于把双方暂时分开，家庭危机干预培训主张现场调解，妇女团体则要求依法逮捕。Sherman 与 Berk 在论文中梳理，当时警方在家暴案件中的逮捕比例普遍很低，伊利诺伊州和纽约州的调查还发现，多数受访警察机构有明文政策不主张逮捕。明尼苏达州刚放宽法律：只要有“合理根据”（probable cause）相信同居者或配偶在 4 小时内实施了殴打，警察即使没有亲眼目睹也可以逮捕，但法律并不要求必须逮捕。警察基金会（Police Foundation）与明尼阿波利斯警察局据此商定做一次随机对照实验，经费来自美国国家司法研究所（NIJ）犯罪控制理论项目（资助编号 80-IJ-CX-0042）。
实验设计与执行过程
1981 年 3 月至 1982 年 8 月，明尼阿波利斯警察在轻微家暴现场按事先随机排好的顺序，对嫌疑人采取逮捕、劝告或命令离开 8 小时三种处置之一。Sherman 与 Berk 1984 年报告逮捕组半年内再犯最少，这一结论很快推动美国警方转向优先逮捕。
实验只纳入轻罪级别的家庭殴打，并要求警察到场时嫌疑人和受害者都在现场；危及生命或造成严重伤害、通常按重罪处理的案件出于伦理考虑被排除。三种处置分别是：当场逮捕；“劝告”，由警察酌情决定是否包含非正式调解；命令嫌疑人离开住处 8 小时。随机化靠一叠报告单完成：每位警察随身携带按三种处置分颜色印制、编号并预先随机排序的表格，遇到符合条件的案件，就执行最上面那张表格指定的处置。结局追踪 6 个月，一是警方记录中该嫌疑人是否再次因家暴被记录，二是受害者访谈——先面对面访谈，此后 24 周内每两周电话回访一次。
实验先在家暴报案和逮捕最密集的两个辖区展开，受邀的 34 名警察中只有 1 人没有同意参加。规划会议又加入了几条例外：嫌疑人试图袭警、受害者坚持要求逮捕、双方都受伤等情形可以不按表格处置。实验从 1981 年 3 月 17 日持续到 1982 年 8 月 1 日，原计划一年收集约 300 例，最终得到 330 份案件报告，其中 16 例因未实施处置或不属于研究范围（例如父子斗殴）被剔除，进入分析的是 314 例。实际持续交案的只有约 15 至 20 名警察，研究方 1981 年 11 月又招募了 18 名警察，而 3 名警察提供了近 28% 的案件。
警方记录与受害者访谈的结果
按警方记录，命令离开组半年内有 26% 的嫌疑人再次因家暴被记录，逮捕组为 13%，劝告组介于两者之间，与另外两组的差别都不显著；全部 314 例的再犯比例为 18.2%。作者用线性概率模型、logit 模型和比例风险模型三种方法分析，逮捕的效应在双侧 0.05 水平上都显著。比例风险模型中逮捕的系数为 −0.97，意味着与命令离开相比，逮捕组在随访期任一时刻发生新暴力的风险约为其 0.38 倍。
受害者访谈给出了相近但排序不同的结果。这里的“再犯”指受害者报告的新的殴打、威胁殴打或财物损毁；在完成全部 12 次回访的 161 名受害者中，劝告组再犯比例最高（37%），逮捕组仍然最低，逮捕与劝告的差异显著，命令离开与劝告则无显著差异。作者还检验了“关押使人暂时无法作案”这一竞争解释：被捕者中 43% 在 1 天内获释、86% 在 1 周内获释，把首次关押时长加入模型后结论基本不变。
Sherman 与 Berk 由此认为，逮捕至少没有让情况变坏。对处理方式与明尼阿波利斯相近的辖区，他们主张“推定逮捕”，即除非有明确理由认为逮捕适得其反，否则应当逮捕；但他们明确不赞成在所有轻罪家暴案件中强制逮捕，理由是逮捕对不同人、不同情境的效果可能不同。论文同时写明了几项保留：劝告和命令离开的实际内容并不清晰，逮捕的效应只是相对于这两种处置而言；明尼阿波利斯不能代表所有城市，外部效度要等重复实验来回答。
随机分配在执行中的偏离
随机分配并没有被完全执行。论文表 1 显示，被分配到逮捕的 92 例中有 91 例真的被逮捕（98.9%）；被分配到劝告的 108 例只有 84 例按劝告处理（77.8%），19 例改成了逮捕；被分配到命令离开的 114 例只有 83 例照办（72.8%），26 例改成了逮捕。合计约 82% 的案件按分配执行，实际被逮捕的有 136 人，明显多于分配到逮捕组的 92 人。
设计处置与实际处置对照（N = 314）。数据来源：Sherman & Berk（1984）表 1，据此绘制。
偏离几乎是单向的：从劝告或命令离开升级为逮捕。作者对实际处置建立多项 logit 模型，发现除分配本身外，以下情形显著提高了升级的可能：警察报告嫌疑人态度粗鲁、试图袭警、涉及武器、受害者坚持要求公民逮捕，或嫌疑人违反了限制令。打个比方，一张写着“劝告”的表格落到一个当场对警察动手的嫌疑人身上，这张表格多半不会被执行。结果是最难缠的嫌疑人更可能从两个非逮捕组被转进逮捕组；作者据此认为，这种偏差更可能低估而非高估逮捕的效果，并用由分配模型构造的工具变量替换实际处置重新估计，逮捕效应依然显著。
更难检验的是看不见的偏离。按原计划，研究人员应随车观察随机分配是否被遵守，但符合条件的案件太少，观察员跟车数周才可能遇到一次；改为自驾车收听警用电台赶往现场后，同样没能奏效。作者承认存在两种令人不安的可能：一是警察根据派警信息预判下一张表格的处置不合适，干脆不把案件纳入实验，这属于会威胁内部效度的差别性流失；二是搭档两人临时调换由谁填写报告，以换到想用的处置，作者认为后者应当很少见。Sherman 1992 年指出，带颜色的表格让警察在判断案件是否合格之前就可能知道下一次处置，五个重复实验都改为警察先确认案件合格，再向总部询问随机分配结果。
受害者访谈的缺失同样明显：330 名受害者中只有 205 人完成首次访谈（62%），完成全部 12 次回访的仅 161 人（49%）。作者检验发现，是否接受首次访谈与分配到的处置无关，用 Heckman 样本选择校正后结果也基本不变；但他们也写明，访谈样本未必能代表全部 314 例。
政策扩散与五城重复实验
实验结果发表后传播极快。Sherman 与 Cohn 1989 年调查了美国 117 个城市的警察部门，超过三分之一的受访者表示本部门政策受到这项实验影响。据 NIJ 2001 年简报，1984 年美国司法部长家庭暴力工作组引用该结果，建议各执法机构把逮捕作为家庭暴力事件的优先处置；Sherman 1992 年回顾称，到 1989 年已有 84% 的城市警察机构报告实行强制或优先逮捕政策，到 1991 年底已有 15 个州和哥伦比亚特区通过强制逮捕法。Lempert 等批评者认为，在重复实验完成前就推动政策为时过早；而强制逮捕本身也超出了原作者的建议。
NIJ 于 1986 年宣布资助多地重复实验，即配偶殴打重复项目（Spouse Assault Replication Program，SARP）。完成实验的有五地：内布拉斯加州奥马哈、北卡罗来纳州夏洛特、威斯康星州密尔沃基、科罗拉多州科罗拉多斯普林斯和佛罗里达州戴德县（迈阿密）；1986 至 1990 年间 NIJ 为每个项目提供约 75 万美元，另有一地（亚特兰大）获资助但未完成。NIJ 要求各地都随机比较逮捕与非逮捕处置，并同时收集警方记录和受害者访谈，其余设计由各地自定：只有奥马哈沿用了原来的三种处置；夏洛特把逮捕与现场开传票比较，密尔沃基随机分配 3 小时和 12 小时两种关押时长，科罗拉多斯普林斯加入了警局即时辅导和现场签发的紧急保护令，戴德县比较了有无后续警察辅导。纳入标准也不同，例如科罗拉多斯普林斯 59% 的案件是没有身体接触证据的骚扰类案件。
各地结果并不一致。Sherman 1992 年对六个实验（含明尼阿波利斯）的汇总是：明尼阿波利斯、戴德县和科罗拉多斯普林斯显示出逮捕的威慑效应；奥马哈、夏洛特和密尔沃基的警方记录则显示，被逮捕者在 6 至 12 个月的随访中反而更多再犯，而这种“升级效应”只出现在警方记录中，受害者访谈里没有。他还报告了一个反复出现的交互作用：有工作的嫌疑人被逮捕后更少再犯，没有工作的嫌疑人被逮捕后更常再犯。研究者事先提出过这一假设，但随机分配并未按就业状况分层，Sherman 也承认这类亚组比较带有相关与因果难以区分的问题。
不一致的来源可以从设计中找到线索。第一，各地拿来与逮捕比较的处置不同，而逮捕效应本来就是相对于对照处置而言的效应。第二，纳入的案件类型、婚姻比例和人群构成差别很大。第三，受害者访谈应答率高低悬殊，Sherman 指出，在应答率低于六成的夏洛特、戴德县和科罗拉多斯普林斯，访谈样本可能与全样本差别很大，这也可能是警方记录与访谈结论分歧的原因之一。第四，每个实验都报告多种结局指标和随访期，Sherman 承认几乎每个重复实验内部都出现了相互冲突的结果；NIJ 简报也指出，各地在案件选择、纳入规则、统计分析和结局测量上的差异，使早期的综合比较难以得出清楚结论。
为把这些结果放到同一把尺子上，Maxwell、Garner 与 Fagan 在 NIJ 和美国疾病控制与预防中心支持下合并了五地数据：统一只保留男性对女性伴侣施暴、且嫌疑人首次进入实验的 4,032 例，按随机分配的处置（而非实际处置）比较逮捕组与全部非逮捕组，并控制站点和嫌疑人特征。2001 年 7 月发布的 NIJ 研究简报显示，按受害者访谈，典型案例中逮捕组约 36% 再次施暴，非逮捕组约 48%，再犯频率也少约 30%，差异显著；按警方记录，逮捕组的各项再犯指标只减少约 4% 至 10%，均不显著。逮捕效应在五地之间没有显著差别，也没有发现逮捕增加后续暴力的证据。合并数据中，实际处置与分配不符的不到 7%，其中九成是分配为非逮捕却实施了逮捕。
合并分析的作者同时强调，这一威慑效应幅度不大，不如嫌疑人的既往逮捕记录和年龄对再犯的预测作用强；无论是否被逮捕，过半嫌疑人在随访期内都没有再对原受害者犯罪，而少数人不论接受哪种处置都持续施暴。他们认为，结果只对优先逮捕政策提供有限支持，强制逮捕的收益与成本仍需评估。从明尼阿波利斯报告的再犯约减半，到五地合并后温和而一致的威慑，作者认为后者更可信，理由是纳入标准和结局定义统一、控制了站点与嫌疑人差异、随访期更长、样本更大，并且始终拿逮捕与全部非逮捕处置比较。