Mitovi Ubojstva i Višestruke Regresije

Original page: http://crab.rutgers.edu/~goertzel/mythsofmurder.htm

Do Ted Goertzel

Vjerujete li da svaki put zatvorenik se izvršava u SAD-u, osam buduće ubojstva odvraćeni? Vjerujete li da je povećanje od 1% u broju građana licencirani nošenja skrivenog oružja uzrokuje 3,3 % pad u stopi države za ubojstvo? Vjerujete li da 10 do 20% pada kriminala u 1990 bio je uzrokovan porastom pobačaja u 1970? Ili da je stopa ubojstava bila bi veća za 250% od 1974. godine, ako Sjedinjene Države nisu izgradili toliko novih zatvora?

Ako ste bili zavedeni bilo koji od tih studija, možda su pali za opasan oblik junk znanosti: korištenje matematičkih modela bez pokazao sposobnost predviđanja izvući zaključke politike. Ove studije su površno impresivna. Napisao uglednih društvenih znanstvenika iz prestižnih institucija, često se pojavljuju u recenzirani znanstvenih časopisa. Ispunjen sa složenim statističkim proračunima, oni daju precizne numeričke „činjenice” koje se mogu koristiti kao debatanata točaka u politici argumenata. No, te „činjenice” su volja O”su pramenovi. „Činjenicama” Prije nego se tinta ne osuši na jednoj studiji, drugi se pojavljuje s potpuno različitim Unatoč znanstvenoj izgledu, ovi modeli ne ispunjavaju osnovni kriterij za koristan matematički model: mogućnost da se predviđanja koje su bolje od slučajnog odabira.

Iako ekonomisti su vodeći stručnjaci iz tog kompliciranih umjetnosti, sociolozi, kriminolozi i drugi sociolozi imaju verzije to kao dobro. To je poznat po raznim imenima, uključujući i „ekonometrijske modeliranje”, „modeliranja strukturnih jednadžbi” i „put analizu”. Sve su to načini pomoću korelacije između varijabli kako bi uzročne zaključke. Problem s ovim, kao i svatko tko je imao tečaj u statistici zna, je da korelacija nije uzročnost. Korelacija između dvije varijable su često „lažna”, jer su uzrokovane nekom trećem varijable. Ekonometrijski modelari pokušati riješiti ovaj problem, uključujući sve relevantne varijable u svojim analizama, koristeći statističku tehniku ​​nazvanu „višestruke regresije”. Ako je imao savršene mjere svih uzročnih varijabli u, to će raditi. No, podaci nikada nije dovoljno dobro. Ponovljeni napore da iskoristi višestruke regresije za postizanje konačne odgovore da su pitanja javne politike nije uspjelo.

No, mnogi društveni znanstvenici nerado priznati neuspjeh. Oni su posvetili godine za učenje i poučavanje regresije modeliranje, a oni i dalje koriste regresiju kako bi uzročne argumente koje nisu opravdane svojih podataka. Zovem te argumente mitove multiple regresije, a ja bih koristiti četiri studije o stopama ubojstava kao primjeri.

Mit jedan: više oružja, manje kriminala.

Ivan Lott, ekonomist sa Sveučilišta Yale, koristio ekonometrijski model tvrdi kako je „omogućava građanima da nose skriveno oružje odvraća nasilne zločine, bez povećanja slučajnog smrti”. Lott analiza uključena „izdaje” zakone koji zahtijevaju lokalne vlasti da izdaju skriveno oružje dopustiti da bilo koji poštuju zakon građanin koji se primjenjuje za jedan. Lott Procjenjuje se da je svako povećanje jedan posto u posjedovanju oružja u populaciji uzrokuje smanjenje od 3,3 % u stopama ubojstava. Lott i njegov koautor David Senf objavio prvu verziju svog studija na internetu u 1997. godini i na desetke tisuća ljudi ga preuzeli. To je bio predmet političkih foruma, novinski stupci i često vrlo sofisticirane rasprave na World Wide Webu. U knjizi s privlačan naslov više oružja, manje kriminala, Lott zadirkivao svoje kritičare.

Lott rad je primjer statističke jedne upmanship. On ima više podataka i složeniju analizu nego bilo tko drugi proučava temu. On zahtijeva da svatko tko želi osporiti njegovi argumenti postaju uronjen u vrlo složene statističke rasprave, na temelju izračuna tako teškim da se ne može učiniti s običnim stolnim računalima. On izaziva svakoga tko se ne slaže s njim preuzeti svoje podatke set i ponoviti svoje izračune, ali većina društveni znanstvenici ne mislim da je vrijedan svoje vrijeme za ponoviti studije koristeći metode koje su u više navrata nije uspio. Većina istraživača kontrolu pištolj jednostavno brushed off Lott i senf tvrdnje i otišao sa svojim radom. Dva visoko cijenjen kaznenopravnog istraživači, Frank Zimring i Gordon Hawkins (1997) napisao članak s objašnjenjem da:

baš kao gospoda Lott i gorušice može, s jednim modelom determinanti ubojstva, izradu statističkih reziduala ukazuju da je „izdaje” zakoni smanjiti ubojstvo, očekujemo da se utvrdi econometrician može proizvesti liječenje istih povijesnih razdoblja s različitim modelima i suprotni učinak. Ekonometrijski modeliranje je dvosjekli mač u svojoj sposobnosti da se olakšala statističke rezultate zagrijati srca pravih vjernika bilo trakom.Zimring i Hawkins bili u pravu. U roku od godinu, dvije utvrđene econometricians, Dan Crno i Daniel Nagin (1998) objavio je studiju koja pokazuje da li su promijenili statističkom modelu malo, ili ga primijeniti na različite segmente podataka Lott i senfa otkrića nestala. Crno Nagin otkrili da kada Florida je uklonjen iz uzorka bilo je „ne mogu otkriti utjecaj zakona pravo za nošenje na stopu ubojstva i silovanja”. Oni su zaključili da je „zaključak na temelju Lott i senf modela je neprimjereno, i njihovi rezultati ne mogu se koristiti odgovorno za formuliranje javnih politika.”

Ivan Lott, međutim, osporava njihovu analizu i nastavio promovirati svoje. Lott je prikupio podatke za svaku od američkih županija za svaku godinu od 1977. do 1992. godine problem s tim je da je američki županije strahovito variraju u veličini i socijalnim karakteristikama. Nekoliko velikih one sadrže velike gradove čine vrlo velikom postotku ubojstava u Sjedinjenim Državama. Naime, niti jedan od tih vrlo velike županija imaju „izdaje” zakone o kontroli naoružanja. To znači da Lott je masivni set podataka je jednostavno neprikladan za svoj zadatak. Nije imao varijaciju u svom ključnom uzročne varijable – „izdaje” zakone – u mjestima gdje je došlo većina ubojstava.

Nije spomenuo ovo ograničenje u svojoj knjizi ili članke. Kad sam otkrio nedostatak „izdaje” zakone u većim gradovima u svom pregledu svojih podataka, pitao sam ga o tome. On je to odbacio, rekavši da je „pod kontrolom” za veličinu populacije u svojoj analizi. No, uvođenje statističkih kontrolu u matematičku analizu ne čine zbog činjenice da je on jednostavno nije imao podatke za većim gradovima gdje je problem ubojstva bio najveći.

Trebalo mi je neko vrijeme da ovaj problem u svojim podacima, budući da nije bio upoznat s pitanjem kontrole oružja. Ali Zimring i Hawkins usredotočili na to odmah, jer su znali da je „izdat” zakoni su pokrenuti u državama gdje National Rifle Association bio snažan, uglavnom na jugu, zapadu i u ruralnim područjima. To su države koje su već imale nekoliko ograničenja na oružje. Primijetili su da je to zakonski povijest frustrira „naša sposobnost za usporedbu trendova u‘izdaje’država s trendovima u drugim državama. Budući da države koja je promijenila zakon su različite u mjestu i ustav iz država koje nisu, usporedbe preko zakonodavne kategorije će uvijek riskirati zbunjujuće demografske i regionalne utjecaje s utjecajem ponašanja različitih pravnih režima „Zimring i Hawkins je pritom primijetio da.:

Lott i Senf su, naravno, svjesni ovog problema. Njihovo rješenje, standardni ekonometrijske tehnike, je izgraditi statistički model koji će kontrolirati sve razlike između Idaho i New Yorku koji utječu na stope ubojstava i kriminala, osim na „poteku” zakonima. Ako netko može „odrediti” glavne utjecaje na ubojstva, silovanja, provala, i auto krađe u našem modelu, onda možemo eliminirati utjecaj tih faktora na različitim trendovima. Lott i Senf izgraditi modele koji procijeniti učinke demografskih podataka, gospodarskih podataka i kažnjavanja na razne prekršaje. Ovi modeli su konačni u statističke kuće kuhanje u koje su stvorene za ovaj skup podataka od strane ovih autora, a samo testiran na podacima koji će se koristiti u procjeni utjecaja pravim za nošenje.Lott i Senf su usporedbom kretanja u Idaho i Zapadnoj Virginiji i Mississippiju s trendovima u Washingtonu i New Yorku. Što se zapravo dogodilo je da je došlo do eksplozije pukotina u vezi ubojstava u glavnim istočnim gradovima u 1980-ih i ranih 1990-ih. Cijeli Lott argument je došao do tvrdnje da je u velikoj mjeri ruralnog i zapadni „izdaje” države bili pošteđeni ubojstva epidemije crack vezane zbog njihovih „poteku” zakonima. To nikada ne bi bio uzeti ozbiljno, ako nije zaklonjen labirint jednadžbi.

Mit dva: zatvaranjem više ljudi Cuts kriminala

Lott i Senf je slučaj bio izuzetna samo u visini pozornost javnosti je primio. To je sasvim uobičajeno, čak i tipično za suparnika studije koja će biti objavljena korištenjem ekonometrijske metode do suprotne zaključke o istom pitanju. Često postoji ništa dokazivo u redu s bilo kojim od analize. Oni jednostavno upotrijebiti neznatno različite skupove podataka ili različite tehnike kako bi se postigla različite rezultate. Čini se kao da regresije modelari može postići bilo kakav rezultat žele, bez kršenja pravila regresijske analize na bilo koji način. U jednom iznimno iskrenim izjavi frustracije s ovim stanjem, dvije visoko cijenjen kriminologa, Thomas Marvell i Carlisle Moody (1997: 221), izvijestio je o prijemu studije su učinili učinka zatvora na stope ubojstava. Oni su izvijestili da su:

naširoko cirkulira [svoje] nalazi, zajedno s podacima koji se koriste, na kolege koji su specijalizirani za kvantitativne analize. Najčešći odgovor je da oni ne vjeruju u rezultate, bez obzira koliko je dobar statistička analiza. Iza toga tvrdnja je pojam, često se raspravlja neformalno, ali rijetko objavljuju, da društveni znanstvenici mogu dobiti bilo koji rezultat željeni manipulirajući postupaka koji se koriste. U stvari, širok izbor procjena o utjecaju zatvorske populacije uzima kao dobar dokaz o savitljivosti istraživanja. Implikacija, čak i među mnogima koji redovito objavljuju kvantitativne studije, je da bez obzira na to koliko temeljita analiza, rezultati nisu vjerodostojne, osim ako su u skladu s prethodnim očekivanjima. Znanstvene discipline ne može uspjeti u takvom okviru.Na njihovu veliku zaslugu, Marvell i Moody iskreno priznao probleme s multiplom regresijom, i napravio neke prijedloge za poboljšanje. Nažalost, neki econometricians tako postati uronjen u svoje modele da izgubite pojam o tome kako proizvoljna su. Oni dolaze da vjeruju da su njihovi modeli su pravi, više vrijedi, nego neuredan, neposlušan „nekontroliranog” stvarnosti oni tvrde da objasni.

Mit tri: Izvršne Ljudi Cuts kriminala

Godine 1975. Američka Ekonomski pregled objavio članak vodeći ekonomist, Isaac Ehrlich sa Sveučilišta u Michiganu, koji je procijenjen da je svaka izvedba odvratilo osam ubojstava. Prije Ehrlich, najpoznatiji stručnjak na učinkovitost smrtne kazne bio je Thorsten Sellen, koji su koristili mnogo jednostavniji način analize. Sellen pripremio grafikone uspoređujući trendove u različitim državama. On je pronašao malu ili nikakvu razliku između stanja sa ili bez smrtne kazne, pa je zaključio da je smrtna kazna ne čini razliku. Ehrlich, u činu statističke jedne upmanship, tvrdi da je njegova analiza je više vrijedi jer je pod kontrolom za sve čimbenike koji utječu na stope ubojstava.

Čak i prije nego što je objavljen, Ehrlich rad je naveo odvjetnik tajniku SAD-u amicus curiae podnio Vrhovnom sudu SAD-a u obrani smrtnu kaznu. Srećom, odlučeno je da se ne oslanjaju na Ehrlichovog dokaza jer nije bila potvrđena od strane drugih istraživača. To je bio mudar, jer je u roku od godinu ili dvije druge istraživača objavljenih jednako sofisticirana ekonometrijske analize pokazuju da je smrtna kazna nije imala preventivni učinak.

Kontroverza preko Ehrlichovog rada je toliko važno da National Research Council sazvao plavu vrpcu panel stručnjaka da ga pregleda. Nakon vrlo temeljit pregled, ploča je odlučila da problem nije bio samo s Ehrlichovog model, ali s idejom korištenje ekonometrijskih metoda za rješavanje kontroverze preko politike kaznenog pravosuđa. Oni (Manski, 1978: 422) zaključuje da:

jer su podaci koji bi mogli biti na raspolaganju za takve analize imaju ograničenja i zbog toga kazneno ponašanje može biti tako složeno, pojava konačnog ponašanja studije leži na počinak sve kontroverze o učincima ponašanja zastrašivanja politika ne treba očekivati.Većina stručnjaka sada vjeruje da Sellen bio u pravu, da je smrtna kazna nema dokazivi učinak na stope ubojstava. Ali Ehrlich nije uvjerio. On je sada usamljen pravi vjernik u valjanost svog modela. U nedavnom intervjuu (Bonner i Fessendren, 2000) on je inzistirao: „ako su varijacije kao što su nezaposlenost, nejednakost dohotka, vjerojatnost straha i spremnost korištenja smrtnu kaznu činili, smrtna kazna pokazuje značajan odvraćanja učinak”.

Mit četiri: legalizacije pobačaja uzrokovan zločina kap u 1990.

Godine 1999., John Donohue i Steven Levitt objavio studiju s novim objašnjenje oštar pad stope ubojstava u 1990. Tvrdili su da legalizacija pobačaja od strane Vrhovnog suda SAD-a u 1973. dovelo je do smanjenja rađanja neželjene djece, nesrazmjerno velik broj kojih bi narasla do biti kriminalci. Problem s ovim argumentom je da legalizacija pobačaja bila jednokratna povijesni događaj i jednokratni događaji ne pružaju dovoljno podataka za valjanu regresijske analize. Istina je da je pobačaj je ranije legalizirana u nekim državama od drugih, a Donohue i Levitt iskoristiti ovu činjenicu. No, sva ta stanja su išli kroz iste povijesne procese, i mnoge druge stvari su se događa u istom povijesnom razdoblju koji uzrokuje stope ubojstava. Valjana regresijska analiza bi trebala snimiti sve te stvari, i testirati ih u širokom rasponu varijacija. Postojeći podaci ne dopuštaju da, pa su rezultati regresijske analize će varirati ovisno o tome koji se podaci odabrani za analizu.

U tom slučaju, Donohue i Levitt odlučio da se usredotoči na promjene tijekom vremenskog razdoblja od dvanaest godina, ignorirajući fluktuacije unutar tih godina. Na taj način, kako je James Fox (2000: 303) istaknuo, „oni propustili većinu promjena u zločinu u tom periodu – trend tijekom kasnih 1980-ih ispucati ere i korekcija u post-pukotina godina. To je nešto kao proučavanje učinaka faze Mjeseca na oceanske plime, ali samo snimanje podataka za razdoblje od oseke”.

Kada sam pisao ovaj članak, uključio sam rečenicu u kojoj se navodi: „Uskoro još jedna regresija analitičar će vjerojatno reanalyze iste podatke i doći do različitih zaključaka”. Nekoliko dana kasnije, moja supruga mi je pružio priču novinama o samo takve studije. Autor je bio nitko drugi nego Ivan Lott Yale, zajedno s Johnom Whitley Sveučilišta u Adelaideu. Oni crunched iste brojeve i zaključio da „legalizira pobačaj povećane stope ubojstava za oko 0,5 do 7 posto” (Lott i Whitely, 2001).

Zašto takvi izrazito različite rezultate? Svaki set autora jednostavno odabrali drugačiji način modeliranja neadekvatnu tijelo podataka. Ekonometrija ne mogu napraviti valjani opći zakon iz povijesne činjenice da je pobačaj ozakonjen u 1970 i kriminal ušao u 1990. Mi bi potrebno najmanje nekoliko desetaka takvih povijesnih iskustava za valjani statistički test.

Zaključci.

Kiselina Test u statističkoj modeliranje je predviđanje. Predviđanja ne mora biti savršen. Ako se model može predvidjeti znatno bolje od slučajnog pogađanja, to je korisno. Na primjer, ako se model može predvidjeti cijene dionica i znatno bolje od slučajnog pogađanja, to bi njegovi vlasnici vrlo bogat. Dakle, mnogo truda je otišao u testiranje i evaluaciju modela cijene dionica. Nažalost, znanstvenici koji koriste ekonometrijske tehnike za procjenu socijalne politike vrlo rijetko podvrgnuti svoje modele za predviđanje testovima. Njihov izgovor je da to traje predugo za ishod biti poznat. Vi ne dobiti nove podatke o siromaštvu, pobačaja ili ubojstva svakih nekoliko minuta kao što učiniti s cijenama dionica. No, znanstvenici mogu učiniti prediktivnog testiranja na druge načine. Oni mogu razviti model na temelju podataka iz jedne nadležnosti ili vremensko razdoblje, zatim ga koristiti za predviđanje podatke iz drugih vremena ili mjesta. No, većina istraživača jednostavno ne to učiniti, ili ako se modeli ne uspiju, a rezultati nikada nisu objavljeni.

Časopisi koji objavljuju ekonometrijske studije javnosti, često ne zahtijevaju prediktivnog testiranja, što pokazuje da su urednici i recenzenti imaju niska očekivanja za njihovim poljima. Dakle, znanstvenici uzeti podatke za određeno vremensko razdoblje i držati fino ugađanje i podešavanje njihov IT model dok se ne mogu „objasniti” trendove koji su već dogodilo, Uvijek postoji više načina za to, a sa modernim računalima to nije strašno teško zadržati smjer dok ne nađete nešto što odgovara. U tom trenutku, istraživač zaustavlja, piše se nalaze i šalje papir off za objavljivanje. Kasnije, drugi istraživač može prilagoditi model dobiti drugačiji rezultat. To ispunjava stranice znanstvenim časopisima, a svi se pretvara da ne primjećuje da je malo ili je napravio nikakav napredak. No, mi smo ništa bliže imaju valjanu ekonometrijski model stope ubojstava danas nego što smo bili kad je Isaac Ehrlich objavljen prvi model u 1975.

Znanstvena zajednica nema dobre postupke za priznavanje neuspjeh naširoko koristi za istraživanje metodom. Metode koje su ukorijenjene u diplomski studij na vodećim sveučilištima i objavljenih u prestižnim časopisima imaju tendenciju da se ovjekovječio. Mnogi laici pretpostavljaju da ako Studija je objavljena u časopisu recenzirani je, to vrijedi. Slučajevi koje smo proučavali pokazuju da to nije uvijek slučaj. Peer review uvjerava da uhodane prakse su slijedili, ali to je malo pomoći kada ti sami postupci su u kvaru.

Godine 1991., David Freedman, ugledni sociolog na Sveučilištu Berkeley u Kaliforniji i autor udžbenika na kvantitativnih istraživačkih metoda, zatresao temelje regresije modeliranje kada je iskreno rekao: „Ne mislim da je regresija može nositi puno tereta u uzročni argument. Niti jednadžbe regresije, sami po sebi, dati puno pomoći u kontroli za brkanje varijabli” (Freedman, 1991: 292). Freedman je članak izazvao niz snažnih reakcija. Richard Berk (1991: 315) je primijetio da Freedman argument „će biti vrlo teško za većinu kvantitativnih sociolozi prihvatiti. To ide u srce svoje empirijske poduzeća i na taj način, stavlja cijele profesionalne karijere u opasnosti”.

Suočen s kritičarima koji žele neki dokaz da se može predvidjeti trendove, regresijski modelari često oslanjaju na statističke jedne upmanship. Oni čine argumenti toliko složen da je samo druga visoko obučenih regresije analitičari mogu razumjeti, a kamoli pobiti ih. Često ova tehnika radi. Potencijalni kritičari jednostavno odustati u frustracija. Philadelphia Inquirer-a David Boldt (1999), nakon što je čuo Ivan Lott govoriti o skrivenim oružjem i stope ubojstava, i provjera s drugim stručnjacima, uzdisao da „pokušava riješiti akademske argumente gotovo bezumnikov zadatak. Možete se utopiti u sporovima t-statistike, dummy varijabli i „Poisson” metode analize podataka „najmanjih kvadrata” vs..

Boldt bile su točne sumnjati da je on bio namamio u budalu misije. Tu su, u stvari, nema bitnih otkrića u sociologiji ili kriminalistike koji se ne mogu izraziti novinarima i političarima koji nemaju diplomski stupnjeva u ekonometrije. Vrijeme je da priznaju da je car nema odjeće. Suočen s ekonometrijske modelu, potrošači bi trebali inzistirati na dokazima da se može predvidjeti trendove u podacima, osim podataka koji se koriste za to napravitiModeli koji ne ovaj test su bezvrijedne znanost, bez obzira koliko je kompleksna analiza.