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

Ted Goertzel
Rutgers University, Camden NJ 08102

Julkaistu skeptikkotutkija, Volume 26, nro 1, Tammikuu/Helmikuu 2002 s. 19-23.
Espanjan kääntäminen “El Modelon Econometrico Como Ciencia Basura,” in Psicologia Politica, nro 24 (Valencia, Espanja).

Jos haluat pidemmän, teknisempi versio tästä paperia, Word-muodossa täältä, klikkaa tästä.

Uskotko, että joka kerta kun vanki suoritetaan Yhdysvalloissa, kahdeksan tulevaa murhat hankaloittaa? Uskotko, että 1% lisäys kansalaisten määrä lupa kuljettaa kätkettyjen aseiden aiheuttaa 3,3%: n lasku valtion murhien määrä? Uskotko, että 10- 20%: n lasku rikoksen 1990-luvulla johtui kasvusta abortteja vuonna 1970? Tai että murhien määrä olisi kasvanut 250% vuodesta 1974, jos Yhdysvallat ei olisi rakennettu niin monia uusia vankiloita?

Jos olit harhaan mikään näistä tutkimuksista, ehkä ovat laskeneet jonkin haitallisin muoto roskatiede: käyttö matemaattisten mallien joilla ei ole osoitettu ennustavan kykyä tehdä poliittisia johtopäätöksiä. Nämä tutkimukset ovat pinnallisesti vaikuttavia. Kirjoittanut hyvämaineinen yhteiskuntatieteilijät arvostetun laitosten, ne esiintyvät usein vertaisarvioiduissa tieteellisissä aikakauslehdissä. Täytteenä monimutkaisia ​​tilastollisia laskelmia, ne antavat tarkat määrälliset “faktat”, joita voidaan käyttää keskustelijoita “pistettä politiikan argumentteja. Mutta nämä “faktat” ovat tulee o ‘wisps. Ennen muste on kuivunut yhdessä tutkimuksessa, toinen näkyy täysin erilainen “faktat”. Huolimatta tieteellinen ulkonäköä, nämä mallit eivät täytä perusedellytys hyödyllinen matemaattisen mallin: kyky tehdä ennusteita, jotka ovat parempia kuin sattuman.

Vaikka ekonomistit ovat johtavia harjoittajia tämän arcane taide, sosiologeja, kriminologit ja muut sosiaaliset tutkijat ovat versioita samoin. Se tunnetaan eri nimillä, mukaan lukien “ekonometrisiä mallinnus-“, “rakenneyhtälömallinnus” ja “polku analyysi”. Kaikki nämä ovat tapoja käyttää väliset korrelaatiot muuttujien tehdä syy päätelmiä. Ongelmana tässä, koska jokainen, joka on ollut kurssin tilastoja tietää, että korrelaatio ei ole syy-yhteyttä. Korrelaatiot kahden muuttujan ovat usein “vääriä”, koska ne johtuvat joidenkin kolmas vaihteleva. Econometric mallintajat yrittää voittaa tämän ongelman sisällyttämällä kaikki asiaankuuluvat muuttujat niiden analyysejä, käyttämällä tilastollista tekniikkaa nimeltä “useita regressio.” Jos yksi oli täydellinen toimenpiteet kaikkien syy muuttujat, tämä toimisi. Mutta tiedot eivät ole koskaan tarpeeksi hyvä. Toistuvat yritykset käyttää useita regression saavuttamiseksi lopullisia vastauksia yleiselle kysymyksiin ovat epäonnistuneet.

Mutta monet yhteiskuntatieteilijät ovat haluttomia myöntämään vika. Heillä on omistettu vuotta oppimisen ja opetuksen regressiomallinnus, ja ne edelleen käyttää regressio jotta syy-argumentteja, jotka eivät ole perusteltuja niiden tiedot. Kutsun näitä väitteitä myytit useiden regressio, ja haluaisin käyttää neljässä tutkimuksessa murhan hinnat esimerkkeinä.

Myytti yksi: enemmän aseita, vähemmän rikollisuutta.

John Lott, ekonomisti Yalen yliopistossa, käytetty ekonometrisen mallin väittävät, että “kansalaiset voivat kantaa kätkettyjen aseiden karkottaa väkivaltarikoksista, lisäämättä vahingossa kuolemia.” Lott analyysi mukana “antaa” lakeja, jotka vaativat paikalliset viranomaiset antamaan kätkettyjen aseiden sallia mitään lainkuuliainen kansalainen, joka koskee yhden. Lott arvioitu, että jokainen prosentin lisäys aseiden omistamiseen populaatiossa aiheuttaa 3,3%: n lasku tapon hinnat. Lott ja hänen toinen kirjoittaja, David Sinappi lähetetty ensimmäisen version niiden tutkimus Internetissä vuonna 1997 ja kymmeniä tuhansia ihmisiä ladata sitä. Se oli aiheena foorumeilla, lehtien palstoilla, ja usein varsin hienostunut keskusteluja World Wide Web. Kirjan kanssa tarttuva otsikko More Guns, Less Crime, Lott pilkkasi hänen kriitikot, syyttäen heitä asettaa ideologian ennen tiedettä.

Lott työ on esimerkki tilastollisen yhden upmanship. Hänellä on enemmän tietoa ja monimutkaisempi kysymys kuin kukaan muu tutkimalla aiheeseen. Hän vaatii, että kuka tahansa, joka haluaa haastaa hänen argumentteja tulla upotettu hyvin monimutkainen tilastollinen keskustelua, joka perustuu laskutoimituksia niin vaikeaa, että niitä ei voida tehdä tavallisella pöytätietokoneissa. Hän haastaa joku on eri mieltä hänen ladata hänen datasarja ja tehdä uudelleen hänen laskelmia, mutta useimmat sosiaaliset tutkijat eivät usko sen kannattaako niiden jäljittelemään tutkimukset käyttäen menetelmiä, jotka ovat toistuvasti epäonnistuneet. Useimmat ase valvonta tutkijat yksinkertaisesti harjata pois Lott ja sinappi väitteet ja jatkoi työssään. Kaksi arvostettu rikosoikeuden tutkijat, Frank Zimring ja Gordon Hawkins (1997) kirjoitti artikkelin selittää, että:

aivan kuten Herrat. Lott ja Sinappi voi, jossa on yksi malli tekijöitä henkirikoksen, tuottaa tilastotietoja jäännökset viittaa siihen, että “on annettava lait vähentää henkirikos, odotamme, että määrätietoinen econometrician voi tuottaa käsittelemällä sitä aikakausilta eri malleja ja päinvastaisia ​​vaikutuksia. Ekonometrisiä mallinnus- on kaksiteräinen miekka sen kykyä helpottaa tilastollinen havainnot lämmittää sydäntä tosiuskovia tahansa raita.

Zimring ja Hawkins olivat oikeassa. Vuoden sisällä, kaksi määritetty econometricians, Dan musta ja Daniel Nagin (1998) julkaistiin tutkimus, että jos he muuttivat tilastollisen mallin vähän, tai soveltaa sitä eri segmenttien tietojen Lott ja sinappi havainnot katosi. Musta ja Nagin todettu, että kun Florida poistettiin näytteestä ei ollut “mitään havaittavaa vaikutusta oikealta-carry lakeja määrä murhasta ja raiskauksesta.” He päättelivät, että “päättely perustuu Lott ja sinappi malli on sopimatonta, ja niiden tuloksia voida käyttää vastuullisesti muotoilla yleistä järjestystä.”

John Lott kuitenkin kiistänyt niiden analysointi ja jatkoi edistää omaa. Lott oli kerännyt tiedot kunkin Amerikan läänien vuosittain vuodesta 1977 vuoteen 1992. Ongelma tässä on, että Amerikan maakunnat vaihtelevat valtavasti kooltaan ja sosiaaliset erityispiirteet. Muutama suuret, jotka sisältävät suuria kaupunkeja, muodostavat erittäin suuren prosenttiosuuden murhat Yhdysvalloissa. Koska se tapahtuu, mikään näistä erittäin suuri maakunnat ovat “antaa” gun koskevia lakeja. Tämä tarkoittaa, että Lott massiivinen datasarja oli yksinkertaisesti sovi hänen tehtävänsä. Hänellä ei ollut vaihtelua hänen keskeinen syy muuttuja – “antaa” lakeja – siellä, missä eniten murhia tapahtui.

Hän ei maininnut tätä rajoitusta kirjassaan tai artikkeleita. Kun huomasin, ettei “antaa” lakeja suurkaupunkien omassa tutkimaan hänen datan, kysyin hänelle siitä. Hän kohautti pois, sanomalla, että hän oli “ohjata” väestön koko hänen analyysi. Mutta käyttöön tilastollisen valvonnan matemaattinen analyysi ei tehdä varten, että hänellä ei ole mitään tietoja suurimmissa kaupungeissa jossa henkirikoksen ongelma oli suurin.

Kesti jonkin aikaa löytää tähän ongelmaan hänen tietoja, koska en ollut perehtynyt ase valvonta kysymys. Mutta Zimring ja Hawkins panostettiin se heti, koska he tiesivät, että “antaa” lait vireille valtioissa, joissa National Rifle Association oli voimakas, paljolti etelässä, lännen ja maaseutualueilla. Nämä olivat todetaan, että jo vähän rajoituksia aseita. He havaitsivat, että tämä syntyhistoria turhauttaa “kykyämme vertailla suuntauksia” antaa “valtioiden kanssa suuntauksia muissa valtioissa. Koska todetaan, että muuttunut lainsäädäntö ovat erilaisia ​​sijainti ja perustuslaki siitä todetaan, että ei, vertailuihin lainsäädännöllisiä luokkia on aina riski sekava demografiset ja alueelliset vaikutteita käyttäytymiseen vaikuttavat erilaisten oikeudellisten järjestelmien. ” Zimring ja Hawkins totesi lisäksi, että:

Lott ja Mustard ovat tietenkin tietoinen tästä ongelmasta. Heidän ratkaisu, vakio ekonometrisen tekniikka, on rakentaa tilastollinen malli, joka ohjaa kaikkien erot Idaho ja New Yorkissa, jotka vaikuttavat homicide ja rikollisuus, muut kuin “antaa” lakeja. Jos jokin voi “määrittää” suurten vaikutteita henkirikokset, raiskaukset, varkaus, ja auto varkaus mallissamme, niin voimme poistaa vaikutuksen näiden tekijöiden eri suuntauksia. Lott ja sinappi rakentaa malleja, jotka arvioivat vaikutukset väestötietoja, taloudellisia tietoja, ja rikollinen rangaistus eri rikoksista. Nämä mallit ovat äärimmäisen tilastollisen kotiruokaa, että ne on luotu tätä datasarjan nämä kirjoittajat ja testataan vain ne tiedot, jotka käytetään arvioinnissa oikealta kuljettaa vaikutuksiin.

Lott ja Mustard oli vertailla suuntauksia Idaho ja Länsi-Virginia ja Mississippi kanssa suuntauksia Washington DC ja New Yorkissa. Mitä todella tapahtui oli se, että siellä oli räjähdys crack liittyvien henkirikosten suurissa Itä kaupungeissa 1980-luvulla ja 1990-luvun alussa. Lott koko väite tuli alas saatavaa, suurelta osin maaseudulla ja western “antaa” toteaa säästyivät crack liittyviä tapon epidemia, koska heidän “antaa” lakeja. Tämä ei olisi koskaan otettu vakavasti, jos se ei olisi hämärtävät sokkelo yhtälöitä.

Myytti kaksi: vangitseminen enemmän ihmisiä leikkaa rikollisuus.

Lott ja sinappi tapaus oli poikkeuksellinen ainoastaan ​​määrän julkista huomiota se sai. Se on melko yleinen, jopa tyypillistä, kilpailevien tutkimuksia julkaistaan ​​taloustieteellisiä menetelmiä päästä vastapäätä johtopäätöksiä samasta asiasta. Usein ei ole mitään todistettavasti vikaa joko analyysien. He yksinkertaisesti käyttää hieman eri tietokokonaisuuksien tai erilaisia ​​tekniikoita saavuttaa erilaisia ​​tuloksia. Näyttää siltä, ​​regressio mallintajissa voi saavuttaa mitään tulosta he haluavat loukkaamatta sääntöjä regressioanalyysin millään tavalla. Yhdessä poikkeuksellisen vilpitöntä ilmoitusta turhautumista tätä tilannetta, kaksi arvostettu kriminologit, Thomas Marvell ja Carlisle Moody (1997: 221), ilmoitetaan vastaanotosta tutkimuksen he tekivät vaikutuksen vankeuteen tapon hinnat. He ilmoittivat, että ne:

laajalevikkisessä [heidän] havainnot, yhdessä käytettyjen tietojen, kollegoille, jotka ovat erikoistuneet kvantitatiivisen analyysin. Yleisin vastaus on, että he kieltäytyvät uskomasta tulokset Hyvätkään tilastollinen analyysi. Takana että väite on käsite, usein keskusteltu epävirallisesti mutta harvoin julkaistu, että sosiaalinen tutkijat voivat saada mitään tulosta haluttu manipuloimalla menettelyistä. Itse asiassa erilaisia ​​arvioita, jotka koskevat vaikutuksia sekä vankilassa pidetään hyvää näyttöä muokattavuus tutkimuksen. Seuraus, jopa monien jotka julkaisevat säännöllisesti kvantitatiivisia tutkimuksia, että riippumatta siitä, kuinka perusteellinen analyysi, tulokset eivät ole uskottavia, jos ne täyttävät etukäteen odotuksia. Tutkimus kuria ei voi onnistua tällaisen kehyksen.

Heidän suuri ansio, Marvell ja Moody rehellisesti myönsi ongelmat useita regressio, ja teki joitakin parannusehdotuksia. Valitettavasti jotkut econometricians tullut niin uppoutunut mallejaan että ne menettävät seurata, kuinka mielivaltainen he ovat. He alkavat uskoa, että niiden mallit ovat todellisia, enemmän pätevä, kuin sotkuinen, vastahakoinen, “hallitsematon” todellisuuden niiden väitetään selittää.

Myytti kolme: suorittaminen Ihmiset leikkaa rikollisuus

Vuonna 1975 The American Economic Review julkaisi artikkelin, jonka johtava ekonomisti, Isaac Ehrlich of Michiganin yliopistosta, joka arvioi, että jokaista suoritusta luopumaan kahdeksan henkirikokset. Ennen Ehrlich, tunnetuin asiantuntija tehokkuudesta kuolemanrangaistuksen oli Thorsten Sellen, jotka olivat käyttäneet paljon yksinkertaisempi analyysimenetelmä. Sellen valmistettu vertailevia kaavioita kehityksestä eri valtioissa. Hän löysi vain vähän tai ei lainkaan eroa valtioiden kanssa tai ilman kuolemanrangaistusta, joten hän totesi, että kuolemanrangaistus ei ollut eroa. Ehrlich, vuonna teko tilastollisen yhden upmanship, väitti, että hänen analyysinsä oli pätevä, koska se kontrolloi kaikkia tekijöitä, jotka vaikuttavat tapon hinnat.

Jo ennen sen julkaisemista, Ehrlich työ oli mainitseman Solicitor General Yhdysvaltojen amicus curiae lyhyt jätetty Yhdysvaltain korkein oikeus puolustukseen kuolemanrangaistuksen. Onneksi oikeus päätti olla nojautua Ehrlichin näyttöä, koska sitä ei ole vahvistettu muiden tutkijoiden. Tämä oli viisas, koska vuoden tai kaksi muuta tutkijat julkaisivat yhtä hienostunut ekonometristä analyysit osoittavat, että kuolemanrangaistus ei ollut ehkäisevää vaikutusta.

Kiista Ehrlich työ oli niin tärkeää, että National Research Council koolle sininen nauha asiantuntijapaneeli tarkistaa sen. Sen jälkeen hyvin perusteellinen tarkastelu, paneeli päätti, että ongelma ei ollut vain Ehrlich malli, mutta ajatus käyttää ekonometrisiä menetelmiä ratkaista ristiriidoista rikosoikeuden politiikkaa. He (Manski 1978: 422) todettiin, että:

koska tiedot voivat olla saatavilla tällainen analyysi on rajoituksia ja koska rikollinen käyttäytyminen voi olla niin monimutkaista, syntyminen lopullisen käyttäytymisen tutkimus valehtelee lepäämään kaikki kiistaa vaikutuksia käyttäytymiseen ehkäisevän politiikan ei pitäisi odottaa.

Useimmat asiantuntijat uskovat nyt, että Sellen oli oikeassa, että kuolemanrangaistus ei ole osoitettu olevan vaikutusta murha hinnat. Mutta Ehrlich ei ole vakuuttunut. Hän on nyt yksinäinen tosi uskovainen pätevyyttä hänen mallinsa. Eräässä haastattelussa (Bonner ja Fessendren, 2000) hän vaati “jos muunnelmia, kuten työttömyys, tuloerot, todennäköisyys pelko ja halu käyttää kuolemanrangaistusta kirjataan, kuolemanrangaistus osoittaa merkittävästi estämällä vaikutus.”

Myytti neljä: abortti laillistettiin aiheutti rikoksen pudota 1990-luvulla.

Vuonna 1999 John Donohue ja Steven Levitt julkaissut tutkimuksen, jossa uusi selitys jyrkkä lasku murha hinnat 1990-luvulla. He väittivät, että abortin laillistamista, joka US korkein oikeus vuonna 1973 vähensi syntymän toivottujen lasten, suhteettoman paljon heistä olisi kasvanut jopa olla rikollisia. Ongelmana tässä argumentti on, että abortin laillistamista oli kertaluonteinen historiallinen tapahtuma ja kertaluonteisia tapahtumia ei tarjoa tarpeeksi tietoja kelvollista regressioanalyysillä. On totta, että abortti laillistettiin aikaisemmin joissakin valtioissa kuin toiset, ja Donohue sekä Levitt hyödyntää tätä tosiasiaa. Mutta kaikki nämä valtiot olivat menossa läpi saman historialliset prosessit, ja monet muut asiat tapahtuu samana kautena että toteutettu murha hinnat. Kelvollinen regressioanalyysi olisi kaapata kaikki nämä asiat, ja testata niitä monenlaisissa vaihtelua. Olemassa olevat tiedot eivät salli, että niin tulokset regressioanalyysi vaihtelee riippuen siitä, mihin valitaan analyysiä.

Tällöin Donohue ja Levitt päätti keskittyä siirtyä kahdentoista vuoden aikajänteellä, välittämättä vaihtelut näissä vuotta. Tekemällä tämän, James Fox (2000: 303) totesi, “he jäivät useimpien muutosten rikoksen tänä aikana – nouseva suuntaus 1980-luvun lopulla crack aikakauden ja laskeva korjaus jälkeisessä crack vuotta. Tämä on jotain tutkimalla vaikutuksia kuun vaiheet valtameren vuorovesi vaan ainoastaan ​​tiedon tallentamisen jaksoiksi laskuveden aikaan. ”

Kun olin kirjallisesti tämän artikkelin, olen sisältyi lause, jossa todetaan “pian toinen regressio analyytikko luultavasti analysoitava uudelleen samoja tietoja ja saavuttaa erilaisia ​​johtopäätöksiä.” Muutamaa päivää myöhemmin, vaimoni ojensi minulle sanomalehden tarinan juuri tällainen tutkimus. Tekijä ei ollut kukaan muu kuin John Lott Yalen yhdessä John Whitley yliopiston Adelaide. Ne crunched samat numerot ja päätteli, että “abortin laillistamista kasvoi murha hinnat noin 0,5 7 prosenttiin” (Lott ja Whitely, 2001).

Miksi näin selvästi erilaisia ​​tuloksia? Kunkin sarjan tekijöiden yksinkertaisesti valittujen eri tavalla mallintaa riittämätön aineistolla. Econometrics voi tehdä voimassa yleinen laki ulos historiallinen tosiasia, että abortti laillistettiin vuonna 1970 ja rikoksen laski 1990-luvulla. Tarvittaisiin ainakin muutamia kymmeniä tällaisia ​​historiallisia kokemuksia tilastollisen testin.

Johtopäätökset.

Happo testi tilastollinen mallinnus on ennuste. Prediction ei tarvitse olla täydellinen. Jos malli voi ennustaa huomattavasti parempi kuin satunnainen arvailu, on hyödyllistä. Esimerkiksi jos malli voisi ennustaa osakekurssien jopa hieman parempi kuin satunnainen arvailu, se tekisi sen omistajat hyvin varakas. Niin paljon on panostettu testataan ja arvioidaan malleja osakekursseja. Valitettavasti tutkijat käyttävät ekonometrisiä menetelmiä arvioida sosiaalipolitiikkaan hyvin harvoin altistaa niiden malleja ennakoivaa testejä. Heidän tekosyy on, että se kestää liian kauan tulosten tunnetuksi. Et saa uutta tietoa köyhyydestä, abortin tai tappo muutaman minuutin välein kun teet osakekursseja. Mutta tutkijat voivat tehdä ennustavan testausta muilla tavoin. Ne voivat kehittää malli käyttämällä tietoja yhdestä toimivalta tai ajanjakso, sitten käyttää sitä ennustaa tietoja muulloin tai paikoissa. Mutta useimmat tutkijat eivät yksinkertaisesti tee tätä, tai jos he tekevät malleista epäonnistuvat ja tulokset koskaan julkaistu.

Lehdet, jotka julkaisevat ekonometrisiä tutkimuksia julkisen politiikan kysymyksiä ei useinkaan tarvita ennakoivan testauksen, joka osoittaa, että toimittajat ja arvioijat ovat alhaiset odotukset heidän kenttiä. Joten tutkijat ottaa tiedot kiinteän ajan ja pitää hienosäätöä ja säätämällä niiden malli, kunnes he voivat “selittää” suuntauksia, jotka ovat jo tapahtunut. On aina useita tapoja tehdä tämä, ja modernit tietokoneiden se ei ole kovin vaikea pitää yrittää kunnes löydät jotain, joka sopii. Siinä vaiheessa, tutkija pysähtyy, kirjoittaa havaintoja, ja lähettää paperi pois julkaistavaksi. Myöhemmin toinen tutkija voi mukauttaa mallin saamiseksi eri tuloksen. Tämä täyttää sivuja tieteellisissä aikakauslehdissä, ja jokainen teeskentelee olla huomaamatta, että vähän tai ei lainkaan edistystä on tapahtunut. Mutta emme ole lähempänä, joiden voimassa oleva taloudellinen malli murhasta hinnat tänään kuin olimme kun Isaac Ehrlich julkaisi ensimmäisen mallin vuonna 1975.

Tiedeyhteisö ei ole hyvä menettelyjä tunnustaa epäonnistumisen laajalti käytetty tutkimusmenetelmä. Menetelmät, jotka on ankkuroitu jatko ohjelmia johtavien yliopistojen ja julkaistu arvostetuissa lehdissä yleensä jatkua. Monet maallikot olettavat, että jos tutkimus on julkaistu vertaistarkistettu lehdessä, se on voimassa. Tapaukset olemme tutkineet osoittavat, että näin ei aina ole. Vertaisarviointi vakuuttaa, että vakiintuneita käytäntöjä on noudatettu, mutta se on hieman apua, kun nämä käytännöt itse ovat viallisia.

Vuonna 1991 David Freedman, erottaa sosiologi University of California at Berkeleyn ja kirjoittanut oppikirjoja kvantitatiivisia tutkimusmenetelmiä, ravisteli perustan regressiomallinnus kun hän rehellisesti totesi “En usko, että regressio voi kuljettaa paljon taakan syy argumentti. myöskään regressioyhtälöitä, sinänsä anna paljon apua kontrolloiden sekoittavia muuttujia “(Freedman, 1991: 292). Freedman artikkeli herättänyt lukuisia voimakkaita reaktioita. Richard Berk (1991: 315) totesi, että Freedman väite “on erittäin vaikeaa useimmille määrällisiä sosiologit hyväksyä. Se menee sydämeen niiden empiirisen yritys ja näin, laittaa koko ammatillisen uran vaarassa.”

Kohdatessaan kriitikot, jotka haluavat jotain todisteita, että he voivat ennustaa trendejä, regressio mallintajissa usein turvautua tilastollisen yhden upmanship. He tekevät väitteitä niin monimutkainen, että vain muut korkeasti koulutetut regressio analyytikot voi ymmärtää, saati kumota, niitä. Usein tämä tekniikka toimii. Mahdolliset kriitikot yksinkertaisesti luopua turhautumista. The Philadelphia Inquirer David Boldt (1999), kuultuaan John Lott puhua kätkettyjen aseiden ja henkirikokset hinnat, ja tarkkailun muiden asiantuntijoiden, valitti, että “yrittää selvittää akateemisen argumentit on lähes turha vaiva. Voit hukkua riita t -tilasto, osoitinmuuttujia ja “Poisson” vs. “pienimmän neliösumman” data-analyysi menetelmiä. ”

Boldt oli oikea epäillä, että hän oli houkutellaan tyhmään missio. On itse asiassa ole merkittäviä havaintoja sosiologian tai kriminologian, joita ei voida tiedoksi toimittajille ja päätöksentekijöille, joilla ei ole jatkotutkintoja ekonometrian. On aika myöntää, että keisarilla ei ole vaatteita. Kun esitetään ekonometrisen mallin, kuluttajien pitäisi vaatia todisteita siitä, että se voi ennustaa kuvaaviin tietoihin kuin luomiseen käytetyt tiedot sitä. Mallit, jotka eivät tässä testissä ovat roskatiede, ei väliä kuinka monimutkainen analyysi.

VIITTEET

Berk, Richard.A. 1991. Toward a methodology for mere mortals,” Sociological Methodology 21: 315-324.
Boldt, David. 1999. “Study evidence on guns,” Philadelphia Inquirer, December 14. Downloaded on May17, 2000 from: http://www.phillynews.com/inquirer/99/Dec/14/opinion/BOLDT14.htm.
Black, Dan. and Daniel Nagin 1998. Do right-to-carry laws deter violent crime? Journal of Legal Studies 27: 209-219.
Bonner, Raymond and Ford Fessendren. 2000. States with no death penalty share lower homicide rates,” New York Times, September 22. Downloaded from: http://www.nytimes.com/2000/09/22/national/22DEAT.html.
Donohue, John and Steven Levitt. 1999. Legalized Abortion and Crime. Stanford University Law School. Downloaded in August, 2000 from: http://papers.ssrn.com/paper.taf?ABSTRACT_ID=174508.
Fox, James. 2000. Demographics and U.S. homicide, In A. Blumstein and J. Wallman (eds.), The Crime Drop in America, Cambridge University Press, New York, pp. 288-317.
Freedman, David 1991. Statistical models and shoe leather. Sociological Methodology 21: 291-313.
Lott, John. 2000. More Guns, Less Crime: Understanding Crime and Gun Control Laws. University of Chicago Press, second edition with additional analyses.
Lott, John. and John Whitley. 2001. Abortion and crime: Unwanted children and out-of-wedlock births,” Yale Law & Economics Research Paper No. 254. Downloaded on July 9, 2001 from: http://papers.ssrn.com/sol3/papers.cfm?abstract_id=270126.
Marvell, Thomas and Carlisle Moody, C. 1997. The impact of prison growth on homicide. Homicide Studies 1: 205-233.
Zimring, Frank and Gordon Hawkins. 1997. Concealed handguns: the counterfeit deterrent, The Responsive Community 7: 46-60.