Von lästigen Parastatistiken.
Ich weiß nicht, ob Sie es bemerkt haben, aber naturwissenschaftliche Fakultäten verwenden das Wort "Wissenschaft" nicht in ihrem Namen. Physik heißt "Fakultät für Physik", nicht "Physical Science". Die Fakultät für Chemie heißt "Fakultät für Chemie", nicht "für chemische Wissenschaften". Ingenieurwissenschaften hatten vielleicht nur in einigen alten Fakultäten das Wort "Ingenieurwissenschaft", aber jetzt haben sie es abgeschafft.
Seltsamerweise nehmen die weniger wissenschaftlichen Fakultäten das Wort "Wissenschaft". Kommunikationswissenschaften, Sozialwissenschaften, Erziehungswissenschaften etc.
Vielleicht ist es das, was sie dazu inspiriert, Methoden anzuwenden, die wissenschaftlich erscheinen oder aus der Wissenschaft stammen, mit Ergebnissen, die langsam peinlich werden, insbesondere wenn es um Statistiken geht.
Um es klar zu sagen, die verwendeten Techniken sind korrekt: Das Problem ist, dass ein sehr erfahrener Zimmermann, der sehr korrekte Techniken anwendet, kaum eine Chance hat, ein Computer-Motherboard zu reparieren. Ein Symptom dafür ist der Gebrauch, wenn nicht sogar der Missbrauch von Normalisierung und Korrelation bei multifaktoriellen Problemen.
Am langweiligsten sind sicherlich die Daten zum „Gender Gap“.
Wir reden also über Einkommen. Welche Faktoren tragen zur Einkommensbildung bei? Laut denjenigen, die über den Gender Gap sprechen, ist der Hauptfaktor das Geschlecht, da ihr "Maß" NUR in diesem Fall Sinn macht.
Das Problem ist, dass in Italien die Einkommensbildung in absteigender Reihenfolge von folgenden Faktoren abhängt:
- Schulbildung (kurz die einfache Qualifikation)
- Spezialisierung (in welcher Branche Sie tätig sind)
- Geografische Lage (Gehälter sind im Norden höher)
- Herkunftsfamilie (kurz Vorfahren der Eltern)
- Geschlecht
- Gesundheit (Behinderte haben Probleme)
- Körperlicher Aspekt.
- …
Diese Art von Hierarchie berechnet letztendlich nur, wie wichtig ein bestimmter Faktor ist. Und an diesem Punkt wird ein Entscheidungsbaum oder ein Dichotomizer oder ID5 erstellt, und es können interessante Überlegungen angestellt werden. Das bedeutet NICHT, dass das Geschlecht keine Rolle spielt, aber es ist kein Prädiktor.
Offensichtlich kommt jetzt das gelehrte Genie und sagt mir, „aber wir haben auf Augenhöhe mit allen anderen Faktoren gerechnet“, eine boine Art zu sagen, „wir haben uns normalisiert“. Und seien wir klar: Normalisierung und Saisonbereinigung sind legale und erlaubte Verfahren. Aber wenn Sie es in einem multifaktoriellen Problem tun, bei Faktoren, die mehr wiegen als Sie selbst, gibt es ein kleines Problem wissenschaftlicher Natur. Was bedeutet das?
Das heißt, wenn ich dir sage:
- X ist promovierter Wirtschaftswissenschaftler, engagiert sich in der Hochfinanz, lebt im Norden, stammt aus einer wohlhabenden Familie
- Y ist in der fünften Klasse, arbeitet im Bereich der Haushaltsreinigung, lebt im Süden, stammt aus einer armen Familie
Sie können "voraussagen", dass das Einkommen von X höher ist. Wenn ich dir stattdessen sage:
- H ist eine Frau.
- K ist ein Mann.
Mit nur diesen beiden Daten können Sie mir nicht sagen, wer von den beiden reicher ist.
Was passiert dann? Es kommt vor, dass die schwereren Faktoren viel bessere Prädiktoren sind. Und selbst wenn Sie normalisieren (Bravo! Bravo!), erhalten Sie nur, dass Ihre Prävalenz Ihnen NICHT sagt, was Sie sagen wollen: Um zu sagen, was Sie sagen wollen, müsste das Geschlecht der ERSTE unter den Prädiktoren von sein Einkommen.
Und nicht nur das: Sie verweigern sich die Möglichkeit, sich die Lösungen vorzustellen. Wenn Sie die Analyse machen und zu dem Schluss kommen, dass Frauen weniger verdienen (aber Sie haben sich normalisiert! Schmiede der Helden!), können Sie nur ein Gesetz machen, das die Löhne erhöht. Aber Sie haben das Problem noch nicht einmal angesprochen: Diese Hierarchie der Prädiktoren sagt mir, dass die Lösung nicht nur in der Bildung von Frauen, sondern in der Spezialisierung von Frauen besteht: Sie müssen studieren, und sie müssen die richtigen Dinge studieren, die zu hohen Gehältern führen.
Soll ich sagen, dass es keinen Gender Gap gibt? Nein. Ich sage, dass es hauptsächlich von anderen Faktoren abhängt, die in irgendeiner Weise mit dem Geschlecht zusammenhängen.
Tatsächlich handelt es sich um eine multifaktorielle Frage.
Eine weitere Analyse dieser Art betrifft das imaginäre Problem transsexueller Menschen im Sport. Ich spreche von einem imaginären Problem, denn wenn wir die Anzahl der transsexuellen Olympiasieger nehmen, lautet die Antwort, dass es NULL Mal vorkommt. Wenn wir zu den nationalen Meistern gehen, die transsexuell sind, finden wir immer noch NULL auf dem Podium.
Ein Phänomen, das nicht auftritt, ist kein Phänomen. Es ist eine Fantasie.
Aber nehmen wir auch an, dass die Welt voller Transsexueller ist, die gegen Frauen spielen wollen. Was sind Erfolgsfaktoren im Sport? Es kommt auf die Sportart an.
In einigen Sportarten ist die Größe viel relevanter als das Geschlecht. Basketball. Bei manchen Sportarten ist es in einigen Bereichen von Vorteil, Afrikaner zu sein, weil die Beine im Durchschnitt länger sind. In anderen olympischen Sportarten wie Eiskunstlauf ist das Geschlecht für die Leistung fast irrelevant.
Wenn wir alles auf einen Faktor reduzieren und Sport zu etwas Monofaktorischem machen, können wir dann sagen, dass Transsexuelle immer im Vorteil sind? Ähm ..
Würden Sie also Alex Tilinca gegen Frauen antreten lassen, weil sie eine Vagina und XX-Chromosomen hat? Die Antwort liegt auf der Hand: Es kommt darauf an. Es hätte wahrscheinlich einen Vorteil beim Werfen des Pucks, aber wie ich auf den anderen Fotos sehen kann, ist es für Basketball zu niedrig. Ich kann Ihnen nicht sagen, wie er auf Schlittschuhen steht, aber im griechisch-römischen Kampf hätte er sicher einen Vorteil.
Aber wenn Sie nicht denken und sich fragen "warum nicht", lautet die Antwort, dass Sie die wichtigsten Sexmuskeln in Betracht ziehen, um einen Wettbewerb zu gewinnen. Wenn Sie dachten, dass biologischer Sex wichtig ist, würden Sie Alex nicht bitten, mit Männern zu konkurrieren.
Die Tatsache, dass es in der olympischen Welt wichtigere körperliche Merkmale dieser Art gibt, bedeutet, dass wir uns das falsche Problem stellen. Anstelle von männlich / weiblich sollten wir einen Muskelkraftindex zur Kategorisierung verwenden.
Und … über den Altersfaktor haben wir ja schon gesprochen, oder?
Ich meine, am Ende trennen wir Männer und Frauen, weil wir denken, dass Männer einen Vorteil haben, aber wir verjagen nicht diejenigen, die bei einem Hindernisparcours mit hohen Beinen auftauchen, wie es afrikanische Athleten tun: Beinlänge Körper wiegt mehr, jedenfalls wiegt er: wollen wir Afrikaner von anderen trennen? Machen wir eine Meisterschaft nur für die Chinesen? Dabei ist der durchschnittliche Leistungsunterschied zwischen Afrikanern und Chinesen beim Laufen noch größer als der zwischen Männern und Frauen.
Diese Tendenz, multifaktorielle Probleme auf einen einzigen Faktor zu reduzieren, ist langweilig. Es langweilt mich nur zu sehen, dass immer die gleichen Fehler gemacht werden.
Alles, was von mehreren Faktoren abhängt, KANN NICHT analysiert werden, indem man es auf nur einen reduziert. Auch nicht normalisiert. Es gibt Entscheidungsbäume, Clustering und viele andere Dinge.
Punkt.