影响犯罪的因素是多方面的，刑罚只是其中之一。另外，政治的、经济的、法律的、行政的、文化的、教育的、道德的、宗教的等刑罚之外的因素也在很大程度上影响着犯罪率的升降，在刑罚效益函数关系式里已经对这些因素都加以考虑，已综合地被涵盖在参数c中。由于c是在b/q项对自变量标准化后才加入的一个增减量，故其大小不再受罪量及刑量的影响，只受非刑罚预防犯罪因素影响，对于不同的罪名，尤其是相同罪名不同罪量的这些影响因素都一样，各罪量的c值在理论上也都是一样。另一个参数b只与量化方法有关，各罪的b值自然也不存在差异。
因为式（1）及式（3）中共有三个未知的参数：某罪一个罪量的潜在犯罪总人次数或潜在发案总数a1、刑罪配比系数b、非刑罚预防犯罪因素的程度参数c。所以要取两个不同罪名的、刑罚量调整前后的数据，共有4对“刑罚量-发案数”数据，形成4个方程，组成一个四元方程组（多一个罪又多出一个未知数：另一罪量的潜在犯罪总人次数潜在发案总数a2），解这个四元方程组即可得出式（3）中的b、c的值。
设一年中在一国（或地区）内，甲罪的发案总数是50,000起（f1），该罪的典型罪量是30（q1），对该罪量的平均刑罚量为30（x1）；乙罪的发案总数是200,000起（f2），典型罪量是15（q2），对该罪量的平均刑罚量为15（x2）。次年严打，平均将甲罪的刑罚量加大50%（即x3为45），将甲罪的刑罚量加大100%（即x4为30）。通过一年的严打，第三年全年中上两罪的发案数分别降为40,000起（f3）、120,000起（f4）。将这些数据代入式（1）及式（3）形成4个四元方程，组成一个方程组，通过计算机解这个方程组得：a1=80,000、a2=320,000、b=0.6373、c=0.9559。甲乙两罪的刑罚效益随刑罚量变化的函数关系式分别就是：
注意在采用数据时，要先确定其意义域。如果刑量增大，发案数不降反升，则说明非刑罚影响犯罪的因素发生了明显的变化，这时研究刑罚效益显然是没有意义的，只有待非刑罚影响犯罪的因素稳定后再考查、求参数。另外在采用两种罪时，还要经过筛选，使四个“刑量/罪量”的比值（如上例的X1/q1、X3/q1、X2/q2、X4/q2四个比值）至少要有三个不相同。也就是说，如果这两种罪在刑罚调整前的“刑量/罪量”比值是一样的话，则不能再要相同的调整率，否则在调整后这两种罪的“刑量/罪量”比值仍然相同，实际上只得到了两个点而解不出方程组。
由于存在对案件的统计上的误差，再加之非刑罚预防犯罪因素的稳定性不高，以及对不同罪类影响程度也会不同（如经济类犯罪受当地的经济发展影响较大），从而会使各罪的参数之间的值不一样，又会引起以后所指导的刑罚量不平衡，表现在不同罪名相同罪量之间的刑量不一样。因此，最后还应当对所计算出的b、c值按各罪名发案数的权重加以平均。
三、最佳刑量点的追求
（一）最佳刑量的点
效益最佳（并不是效益最大）的点只有一个，它就是曲线向上最凸起的部位（图1中的C点）。从量效曲线图可以直观地发现，C点之前的效益不够大，C点之后的效益虽然略增大，但随着刑量的增大，效益增大得不明显，所以C点所对的横坐标的刑量值是最理想的选择。
整条曲线的中心点切线与E=1的交点横坐标就是该最佳刑量点。这一求法的思想基础是：假设量效曲线不是正态累积曲线，而是均匀分布的累积折线，该求法所得的点就是效益恰好达到100%的点。根据关系式（3）得出这一点的公式就是：
