约翰·冯·诺伊曼

这是我的新作品带回我的脑海的 大西洋 标题为“ Slate-pitch”： 共和党不是真正的反科学党。 文章中对创世论发表了一些评论，所以我想回顾一下有关这一方面的数据。 主要是思想上的货运 公众提出的标准科学问题。 为此，我使用了 一般社会调查。 为了限制人口统计学上的混淆，我将样本限制为2006-2012年回答的非西班牙裔白人（“筛选器：Race1（1）西班牙裔（1）”））。 另外，我将数据分为两类，即非大学和大学学历的类别（“ Degree（r：0-2; 3-4）”）。 然后，我研究了政党的认同和意识形态（“ Partyid”和“ Polviews（r：1-2; 3; 4; 5; 6-7）”）。

我感兴趣的事情之一是，一些人认为自我认同的保守派可以更好地动员起来，成为美国政治舞台上的一个集体单位。 为了测试这个命题，我经常在 一般社会调查。 例如，许多自由主义者似乎普遍认为，妇女比男子更倾向于支持堕胎权。 GSS数据并不能证明这一点。 没有性别差异。 直到您纠正意识形态。 事实证明，在自由主义者中，妇女更支持堕胎权……而在保守派中，男性更支持堕胎权！ 如果人们仅利用自己的意识形态子集进行交往，那么对性别与意识形态见解之间关系的理解就会大相径庭。

下面，我决定尝试根据智能功能，确定自由派和保守派之间在“热键”问题上的差异。 我用了 文字总和 对此进行探讨。 我将得分为0-5的人归为沉闷，将得分6-8的人归为沉闷，将得分为9和10的人归为聪明。 我还将样本限制在2000年及以后，并且仅限非西班牙裔白人。

我将不加评论地给您结果。

几年前，我抱怨没有人使用 一般社会调查 博客的网络界面，这种做法可能可以追溯到 归纳主义者 （是的，社会科学家一直在使用GSS，但他们使用GSS来发表论文，而不是博客文章）。 凯文·德拉姆（Kevin Drum） 注意到我在2008年下半年的哀叹，并保证他将来会重新访问GSS。 他没有。 很好，我有1万要做的事，但我没有做到。 但是，这仍然让我感到沮丧，因为人们可以表达他们不愿跟进的意见。 使用Web界面访问丰富的数据源，而这些数据源所需要的浏览器技能不超过1997年。

您可以使用GSS界面做很多事情，但是我认为做某事可能会有用 很简单 这样人们就可以看到它到底有多容易。 由于我关注的大多数人都是推特lean左派，因此我看到了很多与该部分人群有关的政治chat不休。 例如，有很多谈论 保守的白人男性及其对全球变暖的关注.

我们可以使用GSS进行更高精度的探索吗？ 我们可以。

首先，您需要找到适当的变量。 因此，转到搜索框，然后输入要查找的内容。 我输入“ warming”。 当您点击“ Go”按钮时，它将返回一个变量列表，我们可以在以后的查询中使用这些变量。 我个人的建议是保持查询简单和一个词，这不是Google。 通常，您会得到很多结果，但是至少它将为您提供选择。 通常，有很多重叠的变量，您想选择一个样本数量最大或最近被问到的变量。

这是我为“变暖”而得到的一些东西：

我想要最后一个变量。 如果单击它，则将其放入“选定”文本框中。 我点击“行”将其复制到适当的框中。 如果您将GSS与几个变量一起使用足够多，那么您就可以轻松了解它们，并且可以跳过此步骤。 以进化为例，例如，我知道“进化”是一种二分法反应，相对较近地进行了调查。

但是，您需要多个变量。 回到我最初的好奇心，我想“考虑”种族和性别之间的差异。 我碰巧知道存在一个“性别”变量，其中男性为1，女性为2。我也知道存在一个“种族”和“西班牙裔”变量，其中1是白人，而非西班牙裔。 我将“ Race”放入列框中，使其与行交叉。 我还将样本限制为非西班牙裔和男性。 因此，您看到我在“选择过滤器”框中输入了一些内容。 此时，您可以进行更多的微调，但让我们继续吧。

以下是上面查询的结果。 如您所见，它也是1997年的年份：

各种细节在这里都清楚。 您可以看到加权的样本量，问题的确切形式，当然还有行和列类组合的结果。

最后，让我们控制意识形态。 我碰巧知道POLVIEWS变量有XNUMX个响应类，从非常自由到非常保守。 我使用recombine选项将三个自由分类和三个保守分类结合在一起。 您可以在下面的“控件”框中看到它。 这意味着上面的查询现在将分为三类，一类是自由主义者，一类是温和派，一类是保守派。 这是对自由派和保守派的回应：

这里非白人的样本数量非常小， 但是最大的不同是白人男性之间的意识形态差异。 换句话说，我们说的是意识形态是因果关系的因素。 白人男性较为保守。 而且，保守派人士不太担心北极海豹可能受到全球变暖的威胁。

我在上面使用了很多玩具示例。 我只是想向您展示界面真正的简单性。

昨天我 承认我缺乏信任 在2008年金融危机之后。 我应该更加准确地澄清一下，我在信任方面的崩溃特别是针对精英和“专家”。 无论如何，我意识到 一般社会调查 有2010年可用的结果。 这意味着 从2008年到2010年，我可以检查一下公众信任和信心方面的任何变化！ 在这组图表的下方，有一个评估对银行和金融机构的信任度的图表。 变化的方向证实了我的具体含义。 但是，我的直觉似乎是错误的，因为美国社会已经朝着更普遍的不信任感退缩了。 这使我对我们的文化发展方向和未来更加理性地持悲观态度（我不能说我内心深处 情绪化 犬儒主义已被废除）。

如您所见，2008年至2010年之间并没有太大变化。对于“您能信任人民”这个广泛的问题，我还决定在1972-1991年和两年的时间里通过政治意识形态，教育和情报加以分解。 1992年-2010年。 智力和教育方面存在明显差异（智力和教育程度较低的人更不信任），但意识形态方面则没有。

在条形图之后，还有每年的另一条折线图，它们显示了从1972年到2010年对一系列机构（包括金融机构）的信心。有趣的是，您可以看到由于世界大事件而引起的短期波动，这种波动很快就会退回到趋势线。

长时间阅读 Ian 评论：

与“美国公众”进行比较并不真正合适–甚至在您正在考虑学术职业的游泳池中，您也需要拥有大学学位。 如果记忆发挥作用的话，这个人口比整个人口要自由得多。 比较现实的做法是与拥有研究生学位的人数进行比较。

大约约20％的美国人自称为“自由主义者”，约40％的人自称为保守派。 这 一般社会调查 有一个变量POLVIEWS，该变量要求个人将自己分配到从“极端自由派”到“极端保守派”的政治位置，例如：

1 =极端自由
2 =自由
3 =稍微宽松
4 =中等
5 =稍微保守
6 =保守
7 =非常保守

换句话说， 整数越高，个人越保守。 GSS有一个变量Education，它记录了达到的最高水平。 它分为高中，学士和研究生学位三个班级（我假设那些没有完成高中毕业的人会因为他们没有受过教育而被忽略掉？）。 此外，它还有一个10个单词的词汇测试WORDSUM，其中有一个 与一般智力的相关系数为0.71。 我在0-4间隔上合并了它们（他们在测试中得到0到4个正确的答案），并将它们标记为“暗淡”。 5-8我标记为“平均值。 最后，我将9和10 I标记为智能（在总数据集中，约20％处于呆板状态，平均65％处于正常状态，而15％处于智能状态）。 将样本约束到2000年及以后，我制作了以下图表：

e

约9％的样本具有大学学历，而25％的拥有大学学历。 因此，您实际上并没有看到中等的学历。 在研究生教育水平上，自认自由主义者的比例显然有增加的趋势，但最大的显着趋势是在较聪明或受过教育的人群中自我描述的“中庸人”的崩溃。 我有时会怀疑，政治适度的虚空性是否是为什么“中间派”一词在既不自由也不保守的社会经济地位较高的人中流行的原因之一。

长期以来，读者都知道有关温和派迟钝的事实，但我想重申一下。 如果保持一致，这很有趣。 就其价值而言，我认为我自己的政治观点正在变得更加温和。 但是，请勿将因果关系与混淆混淆！

我之前已经提到过这一点，但是我认为再次重复将很有用。 我的许多与社会科学相关的帖子都使用Berkeley的网络界面与 一般社会调查。 人们经常在评论中询问我有关变量的详细信息，或者对方法进行更明确的阐述。 首先，这是一个博客，而不是我发表学术论文的场所。 与GSS相关的大多数帖子都是“快速而肮脏的”，并鼓励读者进一步探索。 不幸的是，后续行动很少发生。 可以推测原因，但事实就是如此。 不过，我想我会很快重复一遍如何以基本方式使用GSS。

首先，这是URL：
http://sda.berkeley.edu/cgi-bin/hsda?harcsda+gss08

这是1972年至2008年的数据库。您将看到一个类似这样的屏幕：

页面混乱，但是基本上在右侧是您要交叉或比较的行和列变量的输入位置。 左侧允许您浏览变量。 搜索和选择非常简单，而您可以在左下角的菜单中浏览变量列表。 最简单的方法是查看针对特定类别A，B和C的X，Y和Z的频率（例如，受教育程度与性别之间的关系）。 但是您可以做更多的事情，如果选择“分析”，则在左上角有更多选项：

我一直在研究平均值。 有时平均值很明显，因为变量是定量的。 但是，如果您谈论的是二分法响应，那么它会以数字方式“重新编码”（例如，0对1），因此，请记住，均值只是底层数据的表示形式。 也有相关性和回归性。 使用GSS可以做很多事情，但是分析中变得越复杂或越详细，就越不适合“快速而肮脏”。 我一直在回避提出回归，因为要做到这一点，您必须要小心，如果您丢掉一堆beta，人们将不会复制您的分析，并且可能会在模型中投入过多的库存。 （而且，仅通过操作变量集就可以轻松获得使用变量获得的beta）。

这是一个简单的查询示例：

WORDSUM将输出WORDSUM词汇测试中0分中得分为1、2、10等的样本中的％。 我想对照获得的最高学历来核对它。 我决定将那些没有高中文凭的人，那些具有高中文凭的人和一些大学合并为一类，并标记为“没有大学”。 接下来，我将那些与学士学位和研究生学位相结合的类别。 然后我控制了男性和女性，因此它将为每个控件两次输出行和列变量。 最后，我将数据集限制在1999年以后至今（本次调查为2008年）接受调查的非西班牙裔白人中。

这是男性的结果：