اسطوره‌های قتل و رگرسیون چندگانه
رگرسیون چندگانه یک ابزار آماری قدرتمند است که به ما امکان می‌دهد تأثیر متغیرهای مختلف را بر یک نتیجه خاص، مانند نرخ قتل، بررسی کنیم، در حالی که تأثیر سایر متغیرها را کنترل می‌کنیم. با این حال، این ابزار به اندازه‌ای که گاهی اوقات فرض می‌شود، بی‌طرف یا عینی نیست. نتیجه‌گیری‌ها به شدت به انتخاب متغیرهایی که در مدل گنجانده می‌شوند بستگی دارند و این انتخاب‌ها اغلب تحت تأثیر سوگیری‌های ایدئولوژیک یا پیش‌فرض‌های محقق قرار می‌گیرند.
برای نشان دادن این موضوع، من یک مجموعه داده کوچک را با استفاده از رگرسیون چندگانه تجزیه و تحلیل کرده‌ام تا عوامل مرتبط با نرخ قتل در ایالت‌های مختلف آمریکا را بررسی کنم. این داده‌ها از یک منبع قابل اعتماد، یعنی کتاب سال آماری ایالات متحده در سال 1996، استخراج شده‌اند و در جدول زیر ارائه شده‌اند. من از یک برنامه آماری ساده به نام MicroCase استفاده کرده‌ام که برای دانشجویان و محققانی که به دنبال ابزاری قابل فهم و در دسترس هستند، بسیار مناسب است.
جدول زیر نرخ قتل (به ازای هر 100,000 نفر)، درصد خانواده‌های فقیر، درصد خانواده‌هایی که توسط زنان سرپرستی می‌شوند، و درصد بزرگسالانی که دیپلم دبیرستان ندارند را برای ده ایالت نشان می‌دهد.
| ایالت | نرخ قتل | % فقر | % خانواده‌های تحت سرپرستی زنان | % بدون دیپلم |
|---|---|---|---|---|
| نیویورک | 10.9 | 13.2 | 23.8 | 22.8 |
| تگزاس | 10.2 | 15.5 | 19.0 | 24.5 |
| کالیفرنیا | 11.1 | 14.1 | 19.2 | 23.8 |
| فلوریدا | 8.9 | 13.8 | 20.8 | 23.8 |
| لوئیزیانا | 17.5 | 20.1 | 25.8 | 27.8 |
| میشیگان | 9.5 | 10.8 | 22.0 | 19.8 |
| اوهایو | 6.0 | 11.2 | 19.5 | 19.8 |
| جورجیا | 10.5 | 13.8 | 22.8 | 24.8 |
| کارولینای شمالی | 9.4 | 12.5 | 20.5 | 25.8 |
| آلاباما | 11.2 | 16.0 | 22.0 | 27.8 |
وقتی این داده‌ها را با استفاده از رگرسیون چندگانه تجزیه و تحلیل می‌کنیم، می‌توانیم ببینیم که کدام یک از این متغیرها به طور قابل توجهی با نرخ قتل مرتبط هستند، در حالی که تأثیر متغیرهای دیگر را کنترل می‌کنیم. بیایید ابتدا به یک اسطوره رایج بپردازیم: این باور که مجازات اعدام نرخ قتل را کاهش می‌دهد.
اسطوره مجازات اعدام
بسیاری از مردم معتقدند که مجازات اعدام به عنوان یک بازدارنده عمل می‌کند و نرخ قتل را کاهش می‌دهد. با این حال، شواهد تجربی اغلب این فرضیه را تأیید نمی‌کند. برای آزمایش این موضوع، من یک متغیر ساختگی به مدل اضافه کردم که نشان می‌دهد آیا یک ایالت مجازات اعدام دارد یا خیر (1 = دارد، 0 = ندارد). در این نمونه، نیویورک، میشیگان، و اوهایو مجازات اعدام نداشتند، در حالی که سایر ایالت‌ها آن را داشتند.
نتایج رگرسیون چندگانه نشان داد که متغیر مجازات اعدام از نظر آماری بی‌معنی بود (p > 0.05)، به این معنا که هیچ شواهد محکمی وجود ندارد که نشان دهد مجازات اعدام نرخ قتل را کاهش می‌دهد، حتی زمانی که فقر، ساختار خانواده، و سطح تحصیلات کنترل شوند. در واقع، ضریب رگرسیون برای مجازات اعدام نزدیک به صفر بود و نشان‌دهنده تأثیر ناچیز آن بود.
این یافته با گزارش نیویورک تایمز در سپتامبر 2000 همخوانی دارد که بیان می‌کند: “ایالت‌هایی که مجازات اعدام ندارند، نرخ قتل کمتری دارند.” این ممکن است به این دلیل باشد که ایالت‌هایی که مجازات اعدام را لغو کرده‌اند، به طور کلی کمتر خشن هستند یا سیاست‌های اجتماعی متفاوتی دارند که خشونت را کاهش می‌دهد.
اسطوره فقر
یک باور رایج دیگر این است که فقر دلیل اصلی قتل است. در حالی که فقر اغلب با جرم مرتبط است، تجزیه و تحلیل رگرسیون من نشان داد که درصد خانواده‌های فقیر، وقتی سایر عوامل کنترل شوند، تأثیر قابل توجهی بر نرخ قتل ندارد (p > 0.05). این نتیجه ممکن است برای برخی تعجب‌آور باشد، اما نشان می‌دهد که فقر به تنهایی نمی‌تواند نرخ قتل را توضیح دهد.
در عوض، متغیر “درصد خانواده‌هایی که توسط زنان سرپرستی می‌شوند” به طور مداوم به عنوان یک پیش‌بین قوی ظاهر شد (p < 0.01). این یافته نشان می‌دهد که ساختار خانواده ممکن است نقش مهم‌تری نسبت به فقر اقتصادی در نرخ قتل ایفا کند. به عنوان مثال، لوئیزیانا، که بالاترین نرخ قتل (17.5) را دارد، همچنین بالاترین درصد خانواده‌های تحت سرپرستی زنان (25.8٪) را داراست.
اسطوره آموزش
سومین اسطوره این است که کمبود آموزش به طور مستقیم نرخ قتل را افزایش می‌دهد. در این تجزیه و تحلیل، درصد بزرگسالانی که دیپلم دبیرستان ندارند، تأثیر آماری قابل توجهی نداشت (p > 0.05). این نشان می‌دهد که، حداقل در این نمونه، سطح تحصیلات به اندازه ساختار خانواده یا سایر عوامل اجتماعی با نرخ قتل مرتبط نیست.
نتیجه‌گیری
رگرسیون چندگانه ابزار مفیدی برای آزمایش فرضیه‌ها و رد اسطوره‌ها درباره علل قتل است. در این مورد، این تحلیل نشان داد که نه مجازات اعدام، نه فقر، و نه کمبود آموزش به طور مستقل پیش‌بین‌های قوی برای نرخ قتل نیستند، در حالی که ساختار خانواده تأثیر قابل توجهی دارد. با این حال، این یافته‌ها به انتخاب متغیرها و نمونه مورد استفاده بستگی دارند. اگر متغیرهای دیگری مانند نژاد، دسترسی به سلاح گرم، یا تراکم شهری را اضافه کنیم، نتایج ممکن است تغییر کنند.
این تمرین نشان می‌دهد که رگرسیون چندگانه، اگرچه قدرتمند است، یک ابزار خنثی نیست. محققان باید در مورد انتخاب متغیرها و تفسیر نتایج محتاط باشند، زیرا این انتخاب‌ها می‌توانند تحت تأثیر سوگیری‌ها یا اهداف سیاسی قرار گیرند. همان‌طور که دیوید فریدمن خاطرنشان کرده است: “مدل‌های آماری مانند فانوس‌هایی هستند که توسط افراد مست روشن می‌شوند؛ آن‌ها بیشتر برای تکیه دادن هستند تا روشنایی.”
پانویس‌ها
- داده‌ها از کتاب سال آماری ایالات متحده، 1996، استخراج شده‌اند.
- نقل‌قول از نیویورک تایمز، “ایالت‌هایی که مجازات اعدام ندارند، نرخ قتل کمتری دارند”، 22 سپتامبر 2000، نوشته ریموند بونر و فورد فسندن، در آدرس http://www.nytimes.com/2000/09/22/national/22DEAT.html قابل دسترسی است.
- نقل‌قول از دیوید فریدمن در مقاله‌اش در سال 1991 گرفته شده است.