हत्या और कई प्रतिगमन के मिथक

द्वारा लिखित: टेड गोएर्ट्ज़ेल
मूल स्रोत: http://crab.rutgers.edu/~goertzel/mythsofmurder.htm

क्या आपको लगता है कि संयुक्त राज्य अमेरिका में हर बार एक कैदी को मार दिया जाता है, आठ भविष्य की हत्याओं का पता लगाया जाता है? क्या आपको लगता है कि नागरिकों की संख्या में 1% की बढ़ोतरी ने राज्य में होम्योपैथी की दर में 3.3% की कमी के परिणाम छुपाए हैं? क्या आपको लगता है कि 1990 के दशक में अपराध में 10-20% की गिरावट 1970 के दशक में गर्भपात में वृद्धि के कारण थी? या कि 1974 के बाद से हत्या की दर 250% तक बढ़ जाती अगर संयुक्त राज्य अमेरिका ने इतनी नई जेलों का निर्माण नहीं किया होता?

यदि आपको इनमें से किसी भी अध्ययन से गुमराह किया गया है, तो आप कबाड़ विज्ञान के खतरनाक रूप के आगे झुक सकते हैं: नीतिगत निष्कर्ष निकालने के लिए गणितीय मॉडल का उपयोग बिना अनुमानित पूर्वानुमान शक्ति के किया गया। ये अध्ययन सतही रूप से प्रभावशाली हैं। प्रतिष्ठित संस्थानों के प्रसिद्ध सामाजिक वैज्ञानिकों द्वारा लिखित, वे अक्सर सहकर्मी की समीक्षा की हुई वैज्ञानिक पत्रिकाओं में दिखाई देते हैं। जटिल सांख्यिकीय गणनाओं से भरा हुआ, वे सटीक संख्यात्मक “तथ्यों” का उत्पादन करते हैं जिनका उपयोग राजनीतिक तर्कों में बिंदुओं के रूप में किया जा सकता है। लेकिन ये “तथ्य” बुद्धिमान हैं। एक अध्ययन पर स्याही सूखने से पहले, एक और पूरी तरह से अलग “तथ्यों” के साथ दिखाई देता है। अपने वैज्ञानिक पहलू के बावजूद, ये मॉडल एक उपयोगी गणितीय मॉडल की मौलिक कसौटी पर खरे नहीं उतरते हैं: भविष्यवाणियों को बनाने की क्षमता जो मौका से बेहतर है।

जबकि अर्थशास्त्री इस पुरातन कला के प्राथमिक चिकित्सक हैं, समाजशास्त्री, अपराधी, और अन्य सामाजिक वैज्ञानिकों के पास इसके संस्करण भी हैं। इसे “अर्थमितीय मॉडलिंग”, “संरचनात्मक समीकरण मॉडलिंग” और “प्रक्षेपवक्र विश्लेषण” सहित विभिन्न नामों से जाना जाता है। ये सभी विधियाँ कार्यवाहियों को बीच में आने के लिए चर के बीच संबंध का उपयोग करने की अनुमति देती हैं। समस्या, जिस किसी ने भी एक सांख्यिकी पाठ्यक्रम लिया है, वह जानता है कि सहसंबंध कार्य-कारण नहीं है। दो चर के बीच संबंध अक्सर “सहज” होते हैं क्योंकि वे तीसरे चर के कारण होते हैं। अर्थमितीय मॉडलर “एकाधिक प्रतिगमन” नामक एक सांख्यिकीय तकनीक का उपयोग करके, अपने विश्लेषण में सभी प्रासंगिक चर शामिल करके इस समस्या को दूर करने का प्रयास करते हैं। अगर हमारे पास सभी कारण चर का सही उपाय है, तो यह काम करेगा। लेकिन डेटा कभी भी अच्छा नहीं होता है। सार्वजनिक नीति के सवालों के निश्चित जवाब पाने के लिए कई प्रतिगमन का उपयोग करने के बार-बार प्रयास विफल रहे हैं।

लेकिन कई सामाजिक वैज्ञानिक इस विफलता को स्वीकार करने से हिचकते हैं। उन्होंने प्रतिगमन मॉडलिंग सीखने और सीखने में वर्षों बिताए हैं, और वे प्रतिगमन तर्कों को बनाने के लिए प्रतिगमन का उपयोग करना जारी रखते हैं जो उनके डेटा द्वारा समर्थित नहीं हैं। मैं इन तर्कों को कई प्रतिगमन मिथक कहता हूं, और मैं उदाहरण के रूप में हत्या दर पर चार अध्ययनों का उपयोग करना चाहूंगा।

पहला मिथक: अधिक बंदूकें, कम अपराध

येल विश्वविद्यालय के एक अर्थशास्त्री जॉन लोट ने तर्क देने के लिए एक अर्थमितीय मॉडल का उपयोग किया कि “नागरिकों को छिपी हुई हथियार ले जाने की अनुमति आकस्मिक मृत्यु को बढ़ाए बिना हिंसक अपराध को रोकती है।” लोट का विश्लेषण उन कानूनों पर केंद्रित है जिनके लिए स्थानीय अधिकारियों को छुपा हथियार जारी करने की आवश्यकता होती है, जो किसी भी कानून का पालन करने वाले नागरिक को अनुमति देता है। लोट ने अनुमान लगाया कि जनसंख्या में बंदूक के स्वामित्व में हर 1% की वृद्धि का परिणाम एक ही है। लोट और उनके सह-लेखक, डेविड मस्टर्ड ने 1997 में इंटरनेट पर अपने अध्ययन का पहला संस्करण प्रकाशित किया और दसियों हज़ार इसे डाउनलोड कर चुके हैं। यह राजनीतिक मंचों, अखबार के स्तंभों और अक्सर वेब पर काफी परिष्कृत बहस का विषय रहा है। एक आकर्षक शीर्षक वाली किताब में, अधिक बंदूकें, कम अपराध, लोट ने अपने आलोचकों का मजाक उड़ाया, जिसमें उन्होंने विचारधारा को विज्ञान के आगे रखने का आरोप लगाया।

लॉट का काम सांख्यिकीय ओवरबिडिंग का एक उदाहरण है। उसके पास विषय का अध्ययन करने वाले लोगों की तुलना में अधिक डेटा और अधिक जटिल विश्लेषण है। यह मांग करता है कि जो कोई भी अपने तर्कों को चुनौती देना चाहता है, वह बहुत जटिल सांख्यिकीय बहस में डूब जाए, गणनाओं के आधार पर इतनी मुश्किल हो जाए कि उन्हें सामान्य डेस्कटॉप कंप्यूटरों के साथ नहीं किया जा सके। वह किसी को भी चुनौती देता है जो उसके डेटासेट को डाउनलोड करने और उसकी गणना को फिर से करने के लिए उसके साथ सहमत नहीं है, लेकिन अधिकांश सामाजिक वैज्ञानिक यह नहीं सोचते हैं कि बार-बार विफल होने वाले तरीकों का उपयोग करके अध्ययनों को दोहराने के लायक है। अधिकांश बंदूक नियंत्रण शोधकर्ताओं ने बस लोट और मस्टर्ड के दावों को खारिज कर दिया और अपने काम पर चले गए। दो अत्यधिक सम्मानित आपराधिक न्याय शोधकर्ता, फ्रैंक ज़िम्रिंग और गॉर्डन हॉकिन्स (1997) ने एक लेख लिखा जिसमें यह बताया गया:

मेसर्स के रूप में। लोट और मस्टर्ड, होमिसाईड के निर्धारकों के एक मॉडल के साथ, सांख्यिकीय अवशेषों का उत्पादन कर सकते हैं जो सुझाव देते हैं कि ‘कानूनों को जारी करना’ होमिसाइड को कम करेगा, हम उम्मीद करते हैं कि एक निर्धारित अर्थशास्त्री विभिन्न मॉडलों और विपरीत प्रभावों के साथ एक ही ऐतिहासिक अवधियों का इलाज कर सकता है। अर्थमितीय मॉडलिंग किसी भी धारी के सच्चे विश्वासियों के दिलों को गर्म करने के लिए सांख्यिकीय निष्कर्षों को सुविधाजनक बनाने की क्षमता में एक दोधारी तलवार है।

ज़िम्रिंग और हॉकिन्स सही थे। एक वर्ष के भीतर, दो दृढ़ अर्थशास्त्री, डैन ब्लैक और डैनियल नागिन (1998) ने एक अध्ययन प्रकाशित किया, जिसमें कहा गया कि यदि उन्होंने सांख्यिकीय मॉडल को थोड़ा बदल दिया या इसे डेटा के विभिन्न खंडों में लागू किया, तो लोट और मस्टर्ड के निष्कर्ष गायब हो गए। ब्लैक और नागिन ने पाया कि जब फ्लोरिडा को नमूने से हटा दिया गया था, तो “हत्या और बलात्कार की दर को सहन करने के अधिकार पर कानून का कोई पता लगाने योग्य प्रभाव नहीं था।” उन्होंने निष्कर्ष निकाला कि “लोट और मस्टर्ड मॉडल पर आधारित अनुमान अनुचित है, और उनके परिणामों का उपयोग जिम्मेदारी से नीति निर्माण में नहीं किया जा सकता है।”

हालांकि, जॉन लोट ने अपने विश्लेषण को चुनौती दी और अपने स्वयं के प्रचार को जारी रखा। लॉट ने 1977 से 1992 तक प्रत्येक वर्ष के लिए यूएस काउंटियों में से प्रत्येक के लिए डेटा एकत्र किया था। समस्या यह है कि यूएस काउंटियां आकार और सामाजिक विशेषताओं में काफी भिन्न होती हैं। कुछ बड़े काउंटी, जिनमें महत्वपूर्ण शहर हैं, संयुक्त राज्य अमेरिका में हत्याओं का एक बहुत बड़ा प्रतिशत है। इनमें से कोई भी बहुत बड़ी काउंटियों में सिर्फ बंदूक नियंत्रण कानून नहीं हैं। इसका मतलब है कि लोट का विशाल डेटा सेट केवल उनके कार्य के लिए अनुपयुक्त था। इसके प्रमुख कारण चर में कोई भिन्नता नहीं थी – “कानून जारी करेगा” कानून – उन जगहों पर जहां अधिकांश हत्याएं हुईं।
उन्होंने अपनी पुस्तक या लेखों में इस सीमा का उल्लेख नहीं किया है। जब मैंने अपने डेटा की अपनी समीक्षा के दौरान प्रमुख शहरों में “जारी करेगा” कानूनों की अनुपस्थिति की खोज की, तो मैंने उससे इसके बारे में पूछा। उन्होंने सिर्फ इतना कहा कि उन्होंने अपने विश्लेषण में जनसंख्या के आकार को “नियंत्रित” किया था। लेकिन गणितीय विश्लेषण में सांख्यिकीय नियंत्रण की शुरूआत ने इस तथ्य की भरपाई नहीं की कि इसमें बड़े शहरों के लिए बस डेटा नहीं था, जहां होमिसाईड की समस्या सबसे तीव्र थी।

इस समस्या को उनके डेटा में खोजने में मुझे थोड़ा समय लगा क्योंकि मैं बंदूक नियंत्रण के मुद्दे से परिचित नहीं था। लेकिन ज़िम्रिंग और हॉकिन्स ने तुरंत इस मुद्दे को संबोधित किया क्योंकि वे जानते थे कि “राज्यों को जारी करना चाहिए” कानूनों को उन राज्यों में स्थापित किया गया था जहां राष्ट्रीय राइफल संघ मजबूत था, मुख्य रूप से दक्षिण, पश्चिम और ग्रामीण क्षेत्रों में। इन राज्यों में पहले से ही आग्नेयास्त्रों पर कुछ प्रतिबंध थे। उन्होंने नोट किया कि यह विधायी इतिहास “राज्यों में रुझानों की तुलना करने की हमारी क्षमता” को “अन्य राज्यों में रुझानों के साथ” जारी करने के लिए बाधित करता है। क्योंकि जिन राज्यों में कानून बदले गए हैं, वे उन राज्यों से स्थान और संविधान में भिन्न हैं, जिन्होंने विधायी श्रेणियों के बीच तुलनात्मक व्यवहार के साथ जनसांख्यिकीय और क्षेत्रीय प्रभावों को भ्रमित करने का जोखिम हमेशा उठाया है।

लोट और सरसों इस समस्या से अवगत हैं। एक मानक अर्थमितीय तकनीक, उनका समाधान, एक सांख्यिकीय मॉडल का निर्माण करना है जो कि इडाहो और न्यूयॉर्क शहर के बीच किसी भी मतभेद के लिए नियंत्रण करेगा जो कि “आत्महत्या के मुद्दे” के अलावा, हत्या और अपराध दर को प्रभावित करेगा। यदि हम अपने मॉडल में होमिसाइड्स, रैप्स, बर्ग्लरी और ऑटो चोरी पर मुख्य प्रभावों को “निर्दिष्ट” कर सकते हैं, तो हम विभिन्न रुझानों पर इन कारकों के प्रभाव को समाप्त कर सकते हैं। लोट और मस्टर्ड विभिन्न अपराधों पर जनसांख्यिकी, अर्थशास्त्र और आपराधिक दंड के प्रभावों का अनुमान लगाते हैं। ये मॉडल सांख्यिकीय होम कुकिंग में अंतिम हैं क्योंकि वे इन लेखकों द्वारा इस डेटासेट के लिए बनाए गए हैं और केवल उन आंकड़ों पर परीक्षण किए गए हैं जो पहनने के अधिकार के प्रभावों का आकलन करने में उपयोग किए जाएंगे।

लोट और मस्टर्ड ने वाशिंगटन, न्यूयॉर्क के इडाहो, वेस्ट वर्जीनिया और मिसिसिपी के रुझानों की तुलना की। वास्तव में, 1980 के दशक और 1990 के शुरुआती दिनों में प्रमुख पूर्वी शहरों में दरार से संबंधित गृहणियों में एक विस्फोट हुआ था। लोट का सारा तर्क इस दावे को उबलता है कि “मुद्दा” मुख्य रूप से ग्रामीण और पश्चिमी देशों में फैला हुआ है। उनके “धन्यवाद जारी” कानूनों के लिए धन्यवाद करने के लिए लिंक किए गए समलैंगिक। इस दावे को कभी भी गंभीरता से नहीं लिया जाता अगर इसे समीकरणों के चक्रव्यूह से नहीं निकाला जाता।

मिथक 2: अधिक लोगों को जेल में डालना अपराध को कम करता है

जनता की राय में ध्यान आकर्षित करने के लिए लोट और मस्टर्ड प्रकरण केवल असाधारण था। यह काफी सामान्य है, यदि विशिष्ट नहीं है, तो एक ही प्रश्न पर विपरीत निष्कर्ष तक पहुंचने के लिए आर्थिक तरीकों का उपयोग करके प्रतिद्वंद्वी अध्ययन प्रकाशित किया जाना है। अक्सर इन विश्लेषणों में कुछ भी गलत नहीं होता है। वे अलग परिणाम प्राप्त करने के लिए बस थोड़ा अलग डेटा सेट या विभिन्न तकनीकों का उपयोग करते हैं। ऐसा लगता है कि प्रतिगमन मॉडलर किसी भी तरह से प्रतिगमन विश्लेषण के नियमों को तोड़ने के बिना वे सभी परिणाम प्राप्त कर सकते हैं जो वे चाहते हैं। इस राज्य के मामलों में हताशा के एक असाधारण मुखर बयान में, दो सम्मानित अपराधियों, थॉमस मारवेल और कार्लिसल मूडी (1997: 221) ने एक अध्ययन प्राप्त करने की सूचना दी, जो उन्होंने हत्या की दरों पर कारावास के प्रभाव पर आयोजित किए थे। उन्होंने कहा कि वे:

व्यापक रूप से प्रचारित [उनके] निष्कर्ष, साथ ही उपयोग किए गए डेटा, अपने सहयोगियों के लिए जो मात्रात्मक विश्लेषण के विशेषज्ञ हैं। सबसे आम प्रतिक्रिया यह है कि वे परिणामों पर विश्वास करने से इनकार करते हैं, चाहे सांख्यिकीय विश्लेषण कितना अच्छा हो। इस दावे के पीछे यह विचार निहित है, अक्सर अनौपचारिक रूप से चर्चा की जाती है, लेकिन शायद ही कभी प्रकाशित किया जाता है, कि सामाजिक वैज्ञानिक उपयोग की जाने वाली प्रक्रियाओं में हेरफेर करके किसी भी वांछित परिणाम प्राप्त कर सकते हैं। वास्तव में, जेल की आबादी के प्रभाव के बारे में विभिन्न प्रकार के अनुमानों को अनुसंधान की निंदनीयता का अच्छा सबूत माना जाता है। निहितार्थ, उन लोगों के बीच भी जो नियमित रूप से मात्रात्मक अध्ययन प्रकाशित करते हैं, यह है कि कोई भी विश्लेषण कितना कठोर है, परिणाम केवल विश्वसनीय हैं यदि वे पूर्व अपेक्षाओं को पूरा करते हैं। एक शोध अनुशासन ऐसी सेटिंग में सफल नहीं हो सकता।

अपने महान श्रेय के लिए, मार्वेल और मूडी ने स्पष्ट रूप से कई प्रतिगमन के साथ समस्याओं को स्वीकार किया और सुधार के लिए कुछ सुझाव दिए। दुर्भाग्य से, कुछ अर्थशास्त्री अपने मॉडलों में इतने डूबे हुए हैं कि वे अपनी मनमानी खो देते हैं। वे मानते हैं कि उनके मॉडल गन्दा, पुनर्गणना और “नियंत्रण से बाहर” वास्तविकता की तुलना में अधिक वास्तविक, अधिक वैध हैं, जो वे समझाने का दावा करते हैं।

मिथक थ्री: एक्जिक्यूटिंग पीपल कम क्राइम

1975 में, अमेरिकन इकोनॉमिक रिव्यू ने मिशिगन विश्वविद्यालय के एक प्रमुख अर्थशास्त्री, आइजैक एर्लिच द्वारा एक लेख प्रकाशित किया था, जिसने अनुमान लगाया था कि प्रत्येक निष्पादन में आठ हत्याएं होती हैं। एर्लिच से पहले, मौत की सजा की प्रभावशीलता पर सबसे प्रसिद्ध विशेषज्ञ थोरस्टेन सेलन थे, जिन्होंने विश्लेषण का बहुत सरल तरीका इस्तेमाल किया था। अलग-अलग राज्यों में रुझानों की तुलना करते हुए तैयार चार्ट्स बेचे। उन्होंने मृत्यु दंड के साथ और बिना राज्यों के बीच बहुत कम या कोई अंतर नहीं पाया, और इसलिए निष्कर्ष निकाला कि मृत्युदंड से कोई फर्क नहीं पड़ा। एहरलिच , सांख्यिकीय एक अप-अपिंग के एक अधिनियम में, दावा किया कि उनका विश्लेषण अधिक मान्य था क्योंकि यह उन सभी कारकों के लिए नियंत्रित था जो हत्या दर को प्रभावित करते हैं।

इसके प्रकाशन से पहले ही, अहर्लिच के काम का हवाला संयुक्त राज्य अमेरिका के सॉलिसिटर जनरल ने मौत की सजा के बचाव में संयुक्त राज्य के सुप्रीम कोर्ट में दायर एक संक्षिप्त क्यूरिया संक्षिप्त में दिया था। सौभाग्य से, अदालत ने एहरलिच के साक्ष्य पर भरोसा नहीं करने का फैसला किया क्योंकि इसकी पुष्टि अन्य शोधकर्ताओं ने नहीं की थी। यह एक बुद्धिमान कदम था, क्योंकि एक साल के भीतर या दो अन्य शोधकर्ताओं ने समान रूप से परिष्कृत अर्थमितीय विश्लेषण प्रकाशित किए थे जिसमें दिखाया गया था कि मृत्युदंड का कोई हानिकारक प्रभाव नहीं था।

एर्लिच के काम पर विवाद इतना महत्वपूर्ण था कि राष्ट्रीय अनुसंधान परिषद ने इसकी समीक्षा के लिए विशेषज्ञों का एक समूह बुलाया। बहुत सावधानी से विचार करने के बाद, पैनल ने फैसला किया कि समस्या केवल एर्लिच के मॉडल के साथ नहीं थी, बल्कि आपराधिक न्याय नीति पर विवादों को हल करने के लिए अर्थमितीय तरीकों का उपयोग करने के विचार के साथ भी थी। वे (मैनस्की, 1978: 422) ने निष्कर्ष निकाला कि:

क्योंकि इस तरह के विश्लेषण के लिए डेटा उपलब्ध होने की संभावनाएं हैं और क्योंकि आपराधिक व्यवहार इतना जटिल हो सकता है, इसलिए किसी को निवारक नीतियों के व्यवहार प्रभावों पर किसी भी विवाद के लिए झूठ बोलने वाले एक निश्चित व्यवहार अध्ययन के उद्भव की उम्मीद नहीं करनी चाहिए।

आज ज्यादातर विशेषज्ञों का मानना ​​है कि सेलन सही था, कि हत्या की दरों पर मृत्युदंड का कोई असर नहीं होता है। लेकिन एर्लीच आश्वस्त नहीं था। वह अब अपने रोल मॉडल की वैधता में एक सच्चा अकेला विश्वास है। हाल ही में एक साक्षात्कार (बॉनर एंड फेसेन्ड्रेन, 2000) में, उन्होंने जोर देकर कहा कि “बेरोजगारी, आय असमानता, आशंकित होने की संभावना और मृत्युदंड की अपील करने की इच्छा जैसे विविधताओं को ध्यान में रखते हुए, इसका एक महत्वपूर्ण निराशाजनक प्रभाव है”।

मिथक फोर: 1990 के दशक में वैध गर्भपात के कारण अपराध घट गया

1999 में, जॉन डोनोह्यू और स्टीवन लेविट ने एक अध्ययन प्रकाशित किया जो मूल रूप से बताता है कि 1990 के दशक में हत्याओं की संख्या में तेज गिरावट आई। उन्होंने तर्क दिया कि 1973 में संयुक्त राज्य के सुप्रीम कोर्ट द्वारा गर्भपात को वैध बनाने में कमी आई है। अनचाहे बच्चों का जन्म, जिनके बारे में कहा जाता है कि एक संख्या में अपराधी अपराधी बन गए हैं। इस तर्क के साथ समस्या यह है कि गर्भपात का वैधीकरण एक ऐतिहासिक एक बार की घटना थी और एक बार की घटनाएं वैध प्रतिगमन विश्लेषण के लिए पर्याप्त डेटा प्रदान नहीं करती हैं। यह सच है कि गर्भपात को कुछ राज्यों में पहले की तुलना में वैध किया गया था, और डोनोह्यू और लेविट इस तथ्य का उपयोग करते हैं। लेकिन ये सभी राज्य समान ऐतिहासिक प्रक्रियाओं से गुजर रहे थे, और कई अन्य चीजें समान ऐतिहासिक अवधि के दौरान हो रही थीं, जो हत्या की दर को प्रभावित करती थीं। एक वैध प्रतिगमन विश्लेषण को इन सभी को ध्यान में रखना चाहिए और विविध प्रकारों के तहत परीक्षण करना चाहिए। मौजूदा डेटा इसकी अनुमति नहीं देता है, इसलिए विश्लेषण के लिए चुने गए डेटा के आधार पर एक प्रतिगमन विश्लेषण के परिणाम अलग-अलग होंगे।

इस मामले में, डोनोह्यू और लेविट ने उन वर्षों में उतार-चढ़ाव की अनदेखी करते हुए, बारह साल की अवधि में बदलाव पर ध्यान केंद्रित करने का फैसला किया। ऐसा करने के दौरान, जैसा कि जेम्स फॉक्स (2000: 303) ने बताया है, “उन्होंने इस अवधि के दौरान अपराध में अधिकांश बदलावों को याद किया – 1980 के दशक के उत्तरार्ध के क्रैक युग के दौरान ऊपर की ओर प्रवृत्ति। और बाद के वर्षों में सुधार। दरार। यह समुद्र के ज्वार पर चंद्रमा के चरणों के प्रभावों का अध्ययन करने जैसा है, लेकिन केवल सापेक्ष आंकड़ों की रिकॉर्डिंग है। कम ज्वार की अवधि के दौरान “।

जब मैंने यह लेख लिखा, तो मैंने एक वाक्य शामिल किया, “जल्द ही एक और प्रतिगमन विश्लेषक शायद एक ही डेटा को फिर से जोड़ देगा और विभिन्न निष्कर्षों पर आएगा”। कुछ दिनों बाद, मेरी पत्नी ने मुझे इस तरह के अध्ययन के बारे में एक अखबार का लेख सौंपा। लेखक और कोई नहीं, येल के जॉन लोट के अलावा, एडिलेड विश्वविद्यालय के जॉन व्हिटले थे। उन्होंने समान संख्याओं की गणना की और निष्कर्ष निकाला कि “वैध गर्भपात ने हत्या की दरों में लगभग 0.5-7% की वृद्धि की है” (लोट और पूरी तरह से, 2001)।

परिणाम इतने भिन्न क्यों हैं? लेखकों के प्रत्येक सेट ने अपर्याप्त डेटा सेट को मॉडल करने के लिए बस एक अलग तरीका चुना। इकोनोमेट्रिक्स ऐतिहासिक तथ्य से एक वैध सामान्य कानून नहीं बना सकता है कि गर्भपात को 1970 के दशक में वैध बनाया गया था और 1990 के दशक में अपराध में गिरावट आई थी। इसमें कम से कम कुछ दर्जन ऐतिहासिक अनुभव होंगे।

निष्कर्ष

सांख्यिकीय मॉडलिंग का लिटमस टेस्ट भविष्यवाणी है। भविष्यवाणी सही नहीं है। यदि कोई मॉडल यादृच्छिक अनुमानों की तुलना में बहुत बेहतर भविष्यवाणी कर सकता है, तो यह उपयोगी है। उदाहरण के लिए, यदि कोई मॉडल यादृच्छिक अनुमानों की तुलना में स्टॉक की कीमतों का थोड़ा भी बेहतर अनुमान लगा सकता है, तो यह उसके मालिकों को बहुत अमीर बना देगा। इसलिए स्टॉक प्राइस मॉडल के परीक्षण और मूल्यांकन में बहुत प्रयास किए गए हैं। दुर्भाग्य से, शोधकर्ता जो सामाजिक नीतियों का मूल्यांकन करने के लिए अर्थमितीय तकनीकों का उपयोग करते हैं, वे शायद ही कभी अपने मॉडलों को पूर्वानुमान परीक्षणों के अधीन करते हैं। उनका बहाना यह है कि परिणाम ज्ञात होने में बहुत लंबा समय लगता है। आपको शेयर की कीमतों के साथ हर कुछ मिनट में गरीबी, गर्भपात या हत्या का नया डेटा नहीं मिलता है। लेकिन शोधकर्ता दूसरे तरीके से पूर्वानुमानित परीक्षण कर सकते हैं। वे एक क्षेत्राधिकार या समय अवधि के डेटा से एक मॉडल का निर्माण कर सकते हैं, और फिर इसका उपयोग अन्य समय या स्थानों से डेटा की भविष्यवाणी करने के लिए कर सकते हैं। लेकिन ज्यादातर शोधकर्ता बस नहीं करते हैं, या यदि वे करते हैं, तो मॉडल विफल हो जाते हैं और परिणाम कभी प्रकाशित नहीं होते हैं।

सार्वजनिक नीति के मुद्दों पर अर्थशास्त्रीय अध्ययन प्रकाशित करने वाले पत्रिकाओं को अक्सर भविष्य कहनेवाला परीक्षण की आवश्यकता नहीं होती है, जिससे पता चलता है कि संपादकों और समीक्षकों को अपने क्षेत्र के लिए कम उम्मीदें हैं। इसलिए शोधकर्ता निश्चित अवधि के लिए डेटा लेते हैं और अपने मॉडल को परिष्कृत और समायोजित करना जारी रखते हैं, जब तक कि वे पहले से मौजूद रुझानों को “समझा” नहीं सकते। ऐसा करने के लिए हमेशा एक से अधिक तरीके होते हैं, और आधुनिक कंप्यूटरों के साथ ऐसा करना मुश्किल नहीं है जब तक कि आप कुछ ऐसा न पाएं जो आपको मेल खाता हो। इस बिंदु पर, शोधकर्ता बंद हो जाता है, अपने निष्कर्षों को लिखता है, और प्रकाशन के लिए दस्तावेज़ भेजता है। बाद में, एक अन्य शोधकर्ता एक अलग परिणाम प्राप्त करने के लिए मॉडल को समायोजित कर सकता है। यह वैज्ञानिक पत्रिकाओं के पन्नों को भरता है, और हर कोई यह ध्यान नहीं देने का दिखावा करता है कि कोई प्रगति नहीं हो रही है। लेकिन हम आज की तुलना में हत्या की दरों का एक वैध अर्थमितीय मॉडल होने के करीब नहीं हैं, जब इसहाक एर्लिच ने 1975 में पहला मॉडल जारी किया था।

वैज्ञानिक समुदाय के पास व्यापक रूप से प्रयुक्त अनुसंधान पद्धति की विफलता को पहचानने के लिए अच्छी प्रक्रियाएं नहीं हैं। प्रमुख विश्वविद्यालयों के स्नातक कार्यक्रमों में प्रतिष्ठित और प्रतिष्ठित पत्रिकाओं में प्रकाशित होने वाले तरीके जारी रखने के लिए हैं। कई लेपर्सन यह मानते हैं कि अगर एक अध्ययन एक सहकर्मी की समीक्षा की गई पत्रिका में प्रकाशित हुआ है, तो यह मान्य है। जिन मामलों की हमने जांच की है, वे बताते हैं कि यह हमेशा ऐसा नहीं होता है। सहकर्मी समीक्षा यह सुनिश्चित करती है कि स्थापित प्रथाओं का पालन किया गया है, लेकिन यह कम उपयोग का है जब वे अभ्यास स्वयं विफल हो रहे हैं।

1991 में, बर्कले में कैलिफोर्निया विश्वविद्यालय के एक प्रतिष्ठित समाजशास्त्री डेविड फ्रीडमैन और मात्रात्मक शोध विधियों पर पाठ्यपुस्तकों के लेखक ने, प्रतिगमन रूप से प्रतिगमन मॉडलिंग की नींव को हिलाकर रख दिया: “मुझे नहीं लगता कि प्रतिगमन बोझ का अधिक भार उठा सकता है। तर्क वितर्क। प्रतिगमन चर को नियंत्रित करने के लिए प्रतिगमन समीकरण भी बहुत उपयोगी नहीं हैं “(फ्रीडमैन, 1991: 292)। फ्रीडमैन के लेख ने कई मजबूत प्रतिक्रियाओं को प्राप्त किया। रिचर्ड बर्क (1991: 315) ने देखा कि फ्रीडमैन का तर्क “अधिकांश मात्रात्मक समाजशास्त्रियों के लिए स्वीकार करना बहुत मुश्किल होगा। यह उनके अनुभवजन्य उद्यम के दिल में जाता है और ऐसा करने में पूरे पेशेवर करियर को खतरा होता है।”

जब उन आलोचकों का सामना करना पड़ता है जो रुझानों की भविष्यवाणी करने की अपनी क्षमता का प्रमाण चाहते हैं, तो प्रतिगमन मॉडलर्स अक्सर सांख्यिकीय एक-अप-डाउन पर वापस आते हैं। वे तर्क इतने जटिल हैं कि केवल अन्य उच्च प्रशिक्षित प्रतिगमन विश्लेषक ही उन्हें समझ सकते हैं, अकेले उनका खंडन करते हैं। यह तकनीक अक्सर काम करती है। संभावित आलोचक हताशा में हार मान लेते हैं। फिलाडेल्फिया इंक्वायरर के डेविड बोल्ड (1999), जॉन लोट ने छिपे हुए हथियारों और हत्या की दरों के बारे में बात करने के बाद, और अन्य विशेषज्ञों के साथ जाँच करने के बाद, अफसोस जताया कि “शैक्षणिक तर्कों को उजागर करने की कोशिश लगभग एक जंगली सवारी है”। आप टी आँकड़ों, डमी वैरिएबल्स, और “पॉइसन” बनाम “कम से कम वर्गों” डेटा विश्लेषण विधियों पर बहस में फंस सकते हैं।

बोल्ड को यह संदेह करना सही था कि वह एक पागल मिशन के लिए तैयार था। वास्तव में, समाजशास्त्र या अपराधशास्त्र में कोई महत्वपूर्ण निष्कर्ष नहीं है जो कि उन पत्रकारों और नीति निर्माताओं को सूचित नहीं किया जा सकता जिनके पास अर्थमिति में स्नातक की डिग्री नहीं है। यह स्वीकार करने का समय है कि सम्राट के पास कपड़े नहीं हैं। जब एक अर्थमितीय मॉडल के साथ प्रस्तुत किया जाता है, तो उपभोक्ताओं को इस बात पर जोर देना चाहिए कि वे इसे बनाने के लिए उपयोग किए जाने वाले डेटा के अलावा अन्य रुझानों की भविष्यवाणी कर सकते हैं। इस परीक्षण में विफल रहने वाले मॉडल सस्ते पर विज्ञान हैं, भले ही विश्लेषण कितना जटिल हो।