Bởi Ted Goertzel

Đại học Rutgers, Camden NJ 08102

Xuất bản trong The Inkeer Skeptical, Tập 26, Số 1, tháng 1/2 năm 2002, trang 19-23.

Bản dịch tiếng Tây Ban Nha là “El Modelo Econometrico Como Ciencia Basura”, trong Psicologia Politica, No 24 (Valencia, Tây Ban Nha).

Nếu bạn muốn có một phiên bản dài hơn, kỹ thuật hơn của bài báo này, ở định dạng Word, bấm vào đây.

Bạn có tin rằng mỗi lần một tù nhân bị hành quyết tại Hoa Kỳ, tám vụ giết người trong tương lai bị ngăn cản? Bạn có tin rằng sự gia tăng 1% số lượng công dân được cấp phép mang theo vũ khí giấu kín khiến tỷ lệ giết người của bang giảm 3,3%? Bạn có tin rằng 10 đến 20% sự suy giảm tội phạm trong những năm 1990 là do sự gia tăng phá thai trong những năm 1970? Hay là tỷ lệ giết người sẽ tăng 250% kể từ năm 1974 nếu Hoa Kỳ không xây nhiều nhà tù mới như vậy?

Nếu bạn bị lừa bởi bất kỳ nghiên cứu nào trong số những nghiên cứu này, bạn có thể đã rơi vào một hình thức khoa học tồi tệ nguy hiểm: việc sử dụng các mô hình toán học không có khả năng dự đoán được để đưa ra kết luận chính sách. Những nghiên cứu này rất ấn tượng. Được viết bởi các nhà khoa học xã hội có uy tín từ các tổ chức uy tín, họ thường xuất hiện trong các tạp chí khoa học được đánh giá ngang hàng. Với các phép tính thống kê phức tạp, chúng cung cấp các “sự kiện” chính xác có thể được sử dụng làm điểm của người tranh luận trong các đối số chính sách. Nhưng những “sự thật” này sẽ là ‘những người khôn ngoan. Trước khi mực khô trên một nghiên cứu, một mực khác xuất hiện với “sự thật” hoàn toàn khác. Mặc dù xuất hiện khoa học của họ, những mô hình này không đáp ứng các tiêu chí cơ bản cho một mô hình toán học hữu ích: khả năng đưa ra các dự đoán tốt hơn so với ngẫu nhiên.

Mặc dù các nhà kinh tế học là những học viên hàng đầu về nghệ thuật phức tạp này, các nhà xã hội học, các nhà tội phạm học và các nhà khoa học xã hội khác cũng có phiên bản của nó. Nó được gọi bằng nhiều tên khác nhau, bao gồm “mô hình hóa kinh tế”, “mô hình phương trình cấu trúc” và “phân tích đường dẫn”. Tất cả những điều này là cách sử dụng mối tương quan giữa các biến để đưa ra suy luận nhân quả. Vấn đề với điều này, như bất cứ ai đã có một khóa học trong thống kê biết, là mối tương quan không phải là nhân quả. Mối tương quan giữa hai biến thường là “giả” vì chúng được gây ra bởi một số biến thứ ba. Các nhà lập mô hình kinh tế học cố gắng khắc phục vấn đề này bằng cách bao gồm tất cả các biến có liên quan trong các phân tích của họ, sử dụng một kỹ thuật thống kê được gọi là “hồi quy nhiều lần”. Nếu người ta có các biện pháp hoàn hảo của tất cả các biến nhân quả, điều này sẽ hiệu quả. Nhưng dữ liệu không bao giờ đủ tốt. Những nỗ lực lặp đi lặp lại để sử dụng nhiều hồi quy để đạt được các câu trả lời dứt khoát cho các câu hỏi về chính sách công đã thất bại.

Nhưng nhiều nhà khoa học xã hội không muốn thừa nhận thất bại. Họ có nhiều năm cống hiến để học và dạy mô hình hồi quy, và họ tiếp tục sử dụng hồi quy để lập luận nhân quả không được chứng minh bởi dữ liệu của họ. Tôi gọi những lập luận này là thần thoại của hồi quy nhiều lần, và tôi muốn sử dụng bốn nghiên cứu về tỷ lệ giết người làm ví dụ.

Chuyện hoang đường: Súng nhiều hơn, ít tội phạm hơn.

John Lott, một nhà kinh tế học tại Đại học Yale, đã sử dụng một mô hình kinh tế để tranh luận rằng “cho phép công dân mang theo vũ khí che dấu ngăn chặn tội phạm bạo lực, mà không làm tăng tử vong do tai nạn.” Phân tích của Lott liên quan đến “sẽ ban hành” các luật yêu cầu chính quyền địa phương cấp giấy phép vũ khí che giấu cho bất kỳ công dân tuân thủ luật nào áp dụng cho một luật. Lott ước tính rằng mỗi phần trăm tăng quyền sở hữu súng trong dân số sẽ làm giảm 3,3% tỷ lệ giết người. Lott và đồng tác giả của ông, David Mustard đã đăng phiên bản đầu tiên của nghiên cứu của họ trên Internet vào năm 1997 và hàng chục nghìn người đã tải xuống nó. Đó là chủ đề của các diễn đàn chính sách, các cột báo và các cuộc tranh luận khá phức tạp trên World Wide Web. Trong một cuốn sách với tiêu đề hấp dẫn hơn Guns, ít tội phạm, Lott chế nhạo các nhà phê bình của mình, cáo buộc họ đưa ý thức hệ trước khoa học.

Công việc của Lott là một ví dụ về thống kê một tay. Anh ấy có nhiều dữ liệu hơn và phân tích phức tạp hơn bất kỳ ai khác nghiên cứu chủ đề. Ông yêu cầu bất kỳ ai muốn thách thức lập luận của mình trở nên đắm mình trong một cuộc tranh luận thống kê rất phức tạp, dựa trên tính toán quá khó đến mức họ không thể làm được với các máy tính để bàn thông thường. Anh ấy thách thức bất cứ ai không đồng ý với anh ấy để tải xuống bộ dữ liệu của anh ấy và làm lại các tính toán của anh ấy, nhưng hầu hết các nhà khoa học xã hội không nghĩ rằng nó đáng để họ tái tạo nghiên cứu bằng các phương pháp đã thất bại nhiều lần. Hầu hết các nhà nghiên cứu kiểm soát súng chỉ đơn giản là gạt bỏ những tuyên bố của Lott và Mustard và tiếp tục công việc của họ. Hai nhà nghiên cứu tư pháp hình sự có uy tín cao, Frank Zimring và Gordon Hawkins (1997) đã viết một bài báo giải thích rằng:

Lott và Mustard có thể, với một mô hình của các yếu tố quyết định giết người, tạo ra số dư thống kê cho rằng luật ‘sẽ ban hành’ giảm sát nhân, chúng tôi hy vọng rằng một nhà kinh tế học xác định có thể điều trị cùng một giai đoạn lịch sử với các mô hình khác nhau và tác dụng ngược lại. Mô hình toán học kinh tế là một thanh kiếm hai lưỡi trong khả năng của nó để tạo điều kiện phát hiện thống kê để làm ấm trái tim của các tín hữu thực sự của bất kỳ sọc.

Zimring và Hawkins đã đúng. Trong vòng một năm, hai nhà kinh tế học xác định, Dan Black và Daniel Nagin (1998) đã xuất bản một nghiên cứu cho thấy rằng nếu họ thay đổi mô hình thống kê một chút hoặc áp dụng nó cho các phân đoạn dữ liệu khác nhau, kết quả của Lott và Mustard biến mất. Black và Nagin phát hiện ra rằng khi Florida được lấy ra khỏi mẫu có “không có tác động nào có thể phát hiện được của các luật phải mang theo về tỷ lệ giết người và hãm hiếp.” Họ kết luận rằng “suy luận dựa trên mô hình Lott và Mustard là không phù hợp, và kết quả của chúng không thể được sử dụng một cách có trách nhiệm để xây dựng chính sách công.”

Tuy nhiên, John Lott đã tranh luận về phân tích của họ và tiếp tục quảng bá cho riêng mình. Lott đã thu thập dữ liệu cho mỗi quận của Mỹ cho mỗi năm từ năm 1977 đến năm 1992. Vấn đề với điều này là các quận của Mỹ thay đổi rất lớn về quy mô và đặc điểm xã hội. Một số lớn, có chứa các thành phố lớn, chiếm một tỷ lệ rất lớn các vụ giết người ở Hoa Kỳ. Khi điều đó xảy ra, không có quận nào trong số những hạt rất lớn này có “sẽ ban hành” luật kiểm soát súng. Điều này có nghĩa là bộ dữ liệu khổng lồ của Lott đơn giản là không phù hợp với nhiệm vụ của anh ta. Ông không có biến thể trong biến quan hệ nhân quả chính của mình – “sẽ ban hành” luật – ở những nơi xảy ra nhiều vụ giết người nhất.

Ông đã không đề cập đến giới hạn này trong cuốn sách hoặc bài viết của mình. Khi tôi phát hiện ra việc thiếu luật “sẽ ban hành” ở các thành phố lớn trong việc kiểm tra dữ liệu của riêng tôi, tôi đã hỏi anh ta về điều đó. Ông nhún vai nó, nói rằng ông đã “kiểm soát” cho kích thước dân số trong phân tích của mình. Nhưng việc giới thiệu một điều khiển thống kê trong phân tích toán học không bù đắp cho thực tế là anh ta không có dữ liệu cho các thành phố lớn nơi mà vấn đề giết người là cấp tính nhất.

Nó đã cho tôi một thời gian để tìm thấy vấn đề này trong dữ liệu của mình, vì tôi đã không quen thuộc với vấn đề kiểm soát súng. Nhưng Zimring và Hawkins đã không tham gia vào nó ngay lập tức bởi vì họ biết rằng luật “sẽ ban hành” được thiết lập ở các bang nơi Hiệp hội Súng trường Quốc gia mạnh mẽ, phần lớn ở miền Nam, miền Tây và khu vực nông thôn. Đây là những bang đã có vài hạn chế về súng. Họ quan sát thấy rằng lịch sử lập pháp này thất vọng “khả năng của chúng tôi để so sánh các xu hướng trong ‘sẽ đưa ra’ các trạng thái có xu hướng ở các tiểu bang khác. Bởi vì các quốc gia đã thay đổi luật pháp khác nhau về vị trí và hiến pháp từ các quốc gia không, so sánh giữa các loại lập pháp sẽ luôn luôn rủi ro gây nhầm lẫn nhân khẩu học và ảnh hưởng khu vực với tác động hành vi của các chế độ pháp lý khác nhau. ” Zimring và Hawkins tiếp tục quan sát thấy rằng:

Lott và Mustard, tất nhiên, nhận thức được vấn đề này. Giải pháp của họ, một kỹ thuật kinh tế tiêu chuẩn, là xây dựng một mô hình thống kê sẽ kiểm soát tất cả những khác biệt giữa Idaho và New York ảnh hưởng đến tỷ lệ giết người và tội phạm, ngoài luật “sẽ ban hành”. Nếu người ta có thể “xác định” những ảnh hưởng lớn về giết người, hãm hiếp, trộm cắp, và trộm cắp tự động trong mô hình của chúng ta, thì chúng ta có thể loại bỏ ảnh hưởng của những yếu tố này lên các xu hướng khác nhau. Lott và Mustard xây dựng các mô hình ước tính ảnh hưởng của dữ liệu nhân khẩu học, dữ liệu kinh tế và hình phạt về tội phạm khác nhau. Những mô hình này là cuối cùng trong nấu ăn nhà thống kê ở chỗ chúng được tạo ra cho dữ liệu này được thiết lập bởi các tác giả và chỉ được thử nghiệm trên dữ liệu sẽ được sử dụng trong việc đánh giá các tác động phải mang theo.

Lott và Mustard đã so sánh xu hướng ở Idaho và West Virginia và Mississippi với các xu hướng ở Washington, DC và thành phố New York. Điều thực sự xảy ra là có vụ nổ vụ giết người liên quan đến crack ở các thành phố lớn ở miền đông trong những năm 1980 và đầu những năm 1990. Toàn bộ lập luận của Lott đã đưa ra một tuyên bố rằng phần lớn các bang nông thôn và phương Tây “sẽ ban hành” đã tha thứ cho dịch giết người liên quan đến crack vì luật “sẽ ban hành” của họ. Điều này sẽ không bao giờ được thực hiện nghiêm túc nếu nó không bị che khuất bởi một mê cung phương trình.

Chuyện hoang đường thứ hai: Ngụy trang nhiều người hơn làm giảm tội phạm

Các trường hợp Lott và Mustard là đặc biệt chỉ trong số lượng công chúng chú ý nó nhận được. Nó là khá phổ biến, thậm chí điển hình, cho các nghiên cứu đối thủ được công bố bằng cách sử dụng phương pháp kinh tế để đạt được kết luận ngược lại về cùng một vấn đề. Thường thì không có gì sai trái với một trong hai phân tích. Họ chỉ sử dụng các bộ dữ liệu hơi khác nhau hoặc các kỹ thuật khác nhau để đạt được các kết quả khác nhau. Dường như các nhà mô hình hồi quy có thể đạt được bất kỳ kết quả nào họ muốn mà không vi phạm các quy tắc phân tích hồi quy theo bất kỳ cách nào. Trong một tuyên bố thẳng thắn đặc biệt về sự thất vọng với tình trạng này, hai nhà tội phạm có uy tín cao, Thomas Marvell và Carlisle Moody (1997: 221), đã báo cáo về việc tiếp nhận một nghiên cứu họ đã làm về ảnh hưởng của việc bỏ tù về tỷ lệ giết người. Họ báo cáo rằng họ:

lưu hành rộng rãi [của họ] phát hiện, cùng với các dữ liệu được sử dụng, cho các đồng nghiệp chuyên phân tích định lượng. Phản ứng thường xuyên nhất là họ từ chối không tin vào kết quả cho dù phân tích thống kê có tốt tới mức nào không. Đằng sau sự tranh luận đó là khái niệm, thường được thảo luận một cách không chính thức nhưng ít khi được công bố, các nhà khoa học xã hội có thể thu được bất kỳ kết quả mong muốn nào bằng cách thao tác các thủ tục được sử dụng. Trên thực tế, sự đa dạng của các ước tính liên quan đến tác động của quần thể tù được lấy làm bằng chứng tốt về tính dễ uốn của nghiên cứu. Hàm ý, ngay cả trong số nhiều người thường xuyên xuất bản các nghiên cứu định lượng, là dù phân tích kỹ lưỡng như thế nào, kết quả cũng không đáng tin cậy trừ khi chúng phù hợp với kỳ vọng trước. Một kỷ luật nghiên cứu không thể thành công trong một khuôn khổ như vậy.

Để công đức vĩ đại của họ, Marvell và Moody thẳng thắn thừa nhận các vấn đề với hồi quy nhiều lần, và đưa ra một số gợi ý để cải thiện. Thật không may, một số nhà kinh tế học trở nên đắm mình trong các mô hình của họ rằng họ mất dấu theo cách họ tùy ý. Họ đến để tin rằng mô hình của họ là thực tế hơn, hợp lệ hơn, thực tế lộn xộn, ngoan cố, “không được kiểm soát” mà họ dự định giải thích.

Chuyện hoang đường thứ ba: Thi hành nhân dân cắt giảm tội phạm

Năm 1975, Tạp chí Kinh tế Mỹ đã xuất bản một bài báo của một nhà kinh tế hàng đầu, Isaac Ehrlich thuộc Đại học Michigan, người đã ước tính rằng mỗi cuộc hành quyết đã ngăn cản tám vụ giết người. Trước Ehrlich, chuyên gia nổi tiếng nhất về hiệu quả xử phạt vốn là Thorsten Sellen, người đã sử dụng một phương pháp phân tích đơn giản hơn nhiều. Bán đồ thị chuẩn bị so sánh xu hướng ở các tiểu bang khác nhau. Ông thấy ít hoặc không có sự khác biệt giữa các bang có hoặc không có án tử hình, vì vậy ông kết luận rằng án tử hình không có sự khác biệt. Ehrlich, trong một hành động thống kê một tay, tuyên bố rằng phân tích của ông là hợp lệ hơn bởi vì nó kiểm soát cho tất cả các yếu tố ảnh hưởng đến tỷ lệ giết người.

Ngay cả trước khi nó được xuất bản, tác phẩm của Ehrlich đã được trích dẫn bởi Tổng luật sư Hoa Kỳ trong một bản tóm tắt của bố cục amicus nộp cho Tòa án tối cao Hoa Kỳ để bảo vệ án tử hình. May mắn thay, Tòa án đã quyết định không dựa vào bằng chứng của Ehrlich vì nó đã không được xác nhận bởi các nhà nghiên cứu khác. Điều này là khôn ngoan, bởi vì trong vòng một hoặc hai năm các nhà nghiên cứu khác đã công bố các phân tích kinh tế phức tạp như nhau cho thấy rằng án tử hình không có tác dụng ngăn chặn.

Cuộc tranh cãi về công việc của Ehrlich là rất quan trọng mà Hội đồng Nghiên cứu Quốc gia triệu tập một bảng băng màu xanh của các chuyên gia để xem xét nó. Sau khi xem xét kỹ lưỡng, bảng điều khiển quyết định rằng vấn đề không chỉ với mô hình của Ehrlich, mà còn với ý tưởng sử dụng các phương pháp kinh tế để giải quyết các tranh cãi về chính sách hình sự. Họ (Manski, 1978: 422) kết luận rằng:

bởi vì dữ liệu có thể có sẵn để phân tích như vậy có những hạn chế và vì hành vi tội phạm có thể phức tạp đến vậy nên sự xuất hiện của một nghiên cứu hành vi dứt khoát nằm để phần còn lại tất cả các tranh cãi về tác động hành vi của các chính sách ngăn chặn.

Hầu hết các chuyên gia bây giờ tin rằng Sellen đã đúng, rằng hình phạt vốn không có hiệu lực có thể chứng minh về tỷ lệ giết người. Nhưng Ehrlich đã không được thuyết phục. Ông bây giờ là một người tin tưởng thực sự cô đơn trong tính hợp lệ của mô hình của mình. Trong một cuộc phỏng vấn gần đây (Bonner và Fessendren, 2000), ông nhấn mạnh “nếu các biến thể như thất nghiệp, bất bình đẳng thu nhập, khả năng e ngại và sẵn sàng sử dụng án tử hình được tính, hình phạt tử hình cho thấy hiệu quả ngăn chặn đáng kể.”

poof

Chuyện hoang đường thứ tư: Phá thai hợp pháp đã gây ra sự sụt giảm tội phạm trong những năm 1990.

Năm 1999, John Donohue và Steven Levitt đã phát hành một nghiên cứu với một lời giải thích mới về sự sụt giảm mạnh về tỷ lệ giết người trong những năm 1990. Họ lập luận rằng việc hợp pháp hóa phá thai của Tòa án Tối cao Hoa Kỳ năm 1973 đã làm giảm sự ra đời của trẻ em không mong muốn, một số lượng không cân xứng sẽ trở thành tội phạm. Vấn đề với lập luận này là việc hợp pháp hoá phá thai là một sự kiện lịch sử một lần và các sự kiện một lần không cung cấp đủ dữ liệu cho một phân tích hồi quy hợp lệ. Đúng là phá thai đã được hợp pháp hoá trước đó ở một số tiểu bang hơn những người khác, và Donohue và Levitt sử dụng thực tế này. Nhưng tất cả các tiểu bang này đều trải qua các quá trình lịch sử tương tự, và nhiều thứ khác đã xảy ra trong cùng thời kỳ lịch sử đã ảnh hưởng đến tỷ lệ giết người. Một phân tích hồi quy hợp lệ sẽ phải nắm bắt tất cả những điều này, và kiểm tra chúng theo một loạt các biến thể. Dữ liệu hiện có không cho phép điều đó, do đó kết quả phân tích hồi quy sẽ thay đổi tùy thuộc vào dữ liệu nào được chọn để phân tích.

Trong trường hợp này, Donohue và Levitt đã chọn tập trung vào sự thay đổi trong khoảng thời gian mười hai năm, bỏ qua những biến động trong những năm đó. Bằng cách này, như James Fox (2000: 303) đã chỉ ra, “họ đã bỏ lỡ hầu hết các thay đổi trong tội phạm trong giai đoạn này – xu hướng tăng trong thời kỳ cuối thập niên 1980 và sự điều chỉnh giảm trong những năm sau crack. một cái gì đó giống như nghiên cứu ảnh hưởng của các giai đoạn mặt trăng trên thủy triều nhưng chỉ ghi lại dữ liệu trong các giai đoạn thủy triều thấp. “

Khi tôi viết bài này, tôi đã đưa ra một câu nói “sớm một nhà phân tích hồi quy khác có thể sẽ phân tích lại cùng một dữ liệu và đạt được các kết luận khác nhau.” Vài ngày sau, vợ tôi đưa cho tôi một câu chuyện về một nghiên cứu như vậy. Tác giả không ai khác ngoài John Lott của Yale, cùng với John Whitley thuộc Đại học Adelaide. Họ crunched cùng một số và kết luận rằng “hợp pháp hóa phá thai tăng tỷ lệ giết người khoảng khoảng 0,5 đến 7 phần trăm” (Lott và Whitely, 2001).

Tại sao các kết quả khác nhau rõ rệt như vậy? Mỗi bộ tác giả chỉ đơn giản là chọn một cách khác để mô hình hóa một cơ thể dữ liệu không đầy đủ. Kinh tế học không thể đưa ra một luật chung hợp lệ trong thực tế lịch sử rằng phá thai đã được hợp pháp hóa vào những năm 1970 và tội phạm đã đi xuống vào những năm 1990. Chúng ta sẽ cần ít nhất vài chục kinh nghiệm lịch sử như vậy để kiểm tra thống kê hợp lệ.

Kết luận.

Thử nghiệm axit trong mô hình thống kê là dự đoán. Dự đoán không phải là hoàn hảo. Nếu một mô hình có thể dự đoán tốt hơn đáng kể so với dự đoán ngẫu nhiên, nó rất hữu ích. Ví dụ, nếu một mô hình có thể dự đoán giá cổ phiếu thậm chí tốt hơn một chút so với đoán ngẫu nhiên, nó sẽ làm cho chủ sở hữu của nó rất giàu có. Vì vậy, rất nhiều nỗ lực đã đi vào thử nghiệm và đánh giá các mô hình giá cổ phiếu. Thật không may, các nhà nghiên cứu sử dụng các kỹ thuật kinh tế để đánh giá các chính sách xã hội rất hiếm khi đề cập đến các mô hình của họ để kiểm tra dự đoán. Lý do của họ là phải mất quá lâu để các kết quả được biết đến. Bạn không nhận được dữ liệu mới về đói nghèo, phá thai hoặc giết người mỗi vài phút khi bạn thực hiện với giá cổ phiếu. Nhưng các nhà nghiên cứu có thể làm xét nghiệm tiên đoán theo những cách khác. Họ có thể phát triển một mô hình sử dụng dữ liệu từ một khu vực tài phán hoặc khoảng thời gian, sau đó sử dụng mô hình đó để dự đoán dữ liệu từ các thời điểm hoặc địa điểm khác. Nhưng hầu hết các nhà nghiên cứu chỉ đơn giản là không làm điều này, hoặc nếu họ làm các mô hình thất bại và kết quả không bao giờ được công bố.

Các tạp chí xuất bản các nghiên cứu kinh tế về các vấn đề chính sách công thường không yêu cầu thử nghiệm dự đoán, cho thấy các biên tập viên và người đánh giá có kỳ vọng thấp đối với các lĩnh vực của họ. Vì vậy, các nhà nghiên cứu lấy dữ liệu trong một khoảng thời gian cố định và giữ tinh chỉnh và điều chỉnh mô hình của nó cho đến khi họ có thể “giải thích” các xu hướng đã xảy ra. Luôn luôn có một số cách để làm điều này, và với máy tính hiện đại nó không phải là khó khăn khủng khiếp để tiếp tục cố gắng cho đến khi bạn tìm thấy một cái gì đó phù hợp. Tại thời điểm đó, các nhà nghiên cứu dừng lại, viết lên các phát hiện, và gửi giấy ra để xuất bản. Sau đó, một nhà nghiên cứu khác có thể điều chỉnh mô hình để thu được kết quả khác. Điều này điền vào các trang của các tạp chí học thuật, và tất cả mọi người giả vờ không nhận thấy rằng ít hoặc không có tiến bộ đang được thực hiện. Nhưng chúng ta không gần gũi hơn với việc có một mô hình kinh tế hợp lý về tỷ lệ giết người ngày nay hơn là khi Isaac Ehrlich xuất bản mô hình đầu tiên vào năm 1975.

Cộng đồng khoa học không có thủ tục tốt để thừa nhận sự thất bại của một phương pháp nghiên cứu được sử dụng rộng rãi. Các phương pháp được cố thủ trong các chương trình sau đại học tại các trường đại học hàng đầu và được xuất bản trên các tạp chí uy tín có xu hướng được duy trì. Nhiều giáo dân cho rằng nếu một nghiên cứu đã được xuất bản trong một tạp chí được xem xét ngang hàng thì nó là hợp lệ. Các trường hợp chúng tôi đã kiểm tra cho thấy rằng điều này không phải luôn luôn như vậy. Đánh giá ngang hàng đảm bảo rằng các thực hành đã được thiết lập đã được tuân theo, nhưng đó là một chút giúp đỡ khi những thực hành đó bị lỗi.

Năm 1991, David Freedman, một nhà xã hội học nổi tiếng tại Đại học California ở Berkeley và là tác giả của sách giáo khoa về phương pháp nghiên cứu định lượng, đã làm rung chuyển nền tảng của mô hình hồi quy khi ông thẳng thắn tuyên bố “Tôi không nghĩ rằng hồi quy có thể mang nhiều gánh nặng cũng không làm phương trình hồi quy, tự mình, giúp đỡ nhiều trong việc kiểm soát các biến gây nhiễu ”(Freedman, 1991: 292). Bài báo của Freedman đã gây ra một số phản ứng mạnh mẽ. Richard Berk (1991: 315) quan sát rằng lập luận của Freedman “sẽ rất khó khăn cho hầu hết các nhà xã hội học định lượng để chấp nhận. Nó đi vào trái tim của doanh nghiệp thực nghiệm của họ và làm như vậy, đặt toàn bộ nghề nghiệp chuyên nghiệp vào tình trạng nguy hiểm.”

Đối mặt với các nhà phê bình muốn có một số bằng chứng cho thấy họ có thể dự đoán xu hướng, các nhà lập mô hình hồi quy thường rơi vào thống kê một tay. Họ làm cho các lập luận phức tạp đến nỗi chỉ có các nhà phân tích hồi quy được đào tạo cao mới có thể hiểu được, hãy để một mình bác bỏ, họ. Thường thì kỹ thuật này hoạt động. Các nhà phê bình tiềm năng chỉ đơn giản là từ bỏ trong thất vọng. David Boldt của Philadelphia Inquirer (1999), sau khi nghe John Lott nói về vũ khí giấu kín và tỷ lệ giết người, và kiểm tra với các chuyên gia khác, than thở rằng “cố gắng phân loại các lý lẽ học thuật gần như là một chuyện ngu ngốc. Bạn có thể chết đuối trong tranh chấp về -statistics, các biến giả và phương pháp phân tích dữ liệu ‘Poisson’ so với ‘hình vuông nhỏ nhất’. “

Boldt đúng khi nghi ngờ rằng anh ta bị lôi kéo vào nhiệm vụ của một kẻ ngốc. Trên thực tế, không có phát hiện quan trọng nào trong xã hội học hay tội phạm học không thể truyền đạt cho các nhà báo và các nhà hoạch định chính sách, những người thiếu bằng sau đại học về toán kinh tế. Đã đến lúc phải thừa nhận rằng hoàng đế không có quần áo. Khi trình bày với một mô hình kinh tế, người tiêu dùng nên nhấn mạnh vào bằng chứng rằng nó có thể dự đoán xu hướng trong dữ liệu khác với dữ liệu được sử dụng để tạo ra nó. Các mô hình thất bại trong thử nghiệm này là khoa học rác, bất kể phân tích phức tạp như thế nào.

TÀI LIỆU THAM KHẢO

  • Berk, Richard.A. 1991. Hướng tới phương pháp luận cho những người sinh tử, “Phương pháp Xã hội học 21: 315-324.
  • Boldt, David. 1999. “Nghiên cứu bằng chứng về súng,” Philadelphia Inquirer, ngày 14 tháng 12. Tải xuống vào ngày 17 tháng 5 năm 2000 từ: http://www.phillynews.com/inquirer/99/Dec/14/opinion/BOLDT14.htm.
  • Đen, Dan. và Daniel Nagin năm 1998. Làm đúng luật để mang tội phạm bạo lực? Tạp chí Nghiên cứu Pháp lý 27: 209-219.
  • Bonner, Raymond và Ford Fessendren. 2000. Các quốc gia không có tỷ lệ tử hình giết người thấp hơn, “New York Times, ngày 22 tháng 9. Tải xuống từ: http://www.nytimes.com/2000/09/22/national/22DEAT.html.
  • Donohue, John và Steven Levitt. 1999. Phá thai hợp pháp và tội phạm. Trường Luật Đại học Stanford. Được tải xuống vào tháng 8 năm 2000 từ: http://papers.ssrn.com/paper.taf?ABSTRACT_ID=174508.
  • Fox, James. 2000. Nhân khẩu học và giết người Mỹ, Trong A. Blumstein và J. Wallman (biên soạn), Giọt tội phạm ở Mỹ, Nhà in Đại học Cambridge, New York, trang 288-317.
  • Freedman, David 1991. Các mô hình thống kê và da giày. Phương pháp xã hội học 21: 291-313.
  • Lott, John. 2000. Nhiều loại súng hơn, ít tội phạm hơn: Hiểu các luật kiểm soát tội phạm và súng. Đại học Chicago Press, ấn bản thứ hai với các phân tích bổ sung.
  • Lott, John. và John Whitley. 2001. Phá thai và tội phạm: Trẻ em không mong muốn và sinh con ngoài giá thú, “Tài liệu nghiên cứu kinh tế và luật Yale số 254. Tải xuống vào ngày 9 tháng 7 năm 2001 từ: http://papers.ssrn.com/sol3/papers.cfm ? abstract_id = 270126.
  • Marvell, Thomas và Carlisle Moody, C. 1997. Tác động của việc tăng trưởng tù lên giết người. Nghiên cứu giết người 1: 205-233.
  • Zimring, Frank và Gordon Hawkins. 1997. Súng ngắn che giấu: sự ngăn chặn giả mạo, Cộng đồng Responsive 7: 46-60.

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