Citation de kheylestin

Citation de kheymrad
on prend une étude bidon contesté par la communauté scientifique, et on se sent scientifique

go: Montrez moi des quartiers noirs, riches, où les gamins deviennent tous des délinquants à cause de leurs gènes de noirs

https://socialequity.duke[...]il-wealthy-black-children

http://www.nola.com/polit[...]ack_kids_more_likely.html

Les noirs riches commettent plus de crime que les bancs pauvre

Tout en ne représentant que 12% de la société américaine

Le marxichiasse en PLS

Kposowa, Breault et Harrison en 1995 ont analysé la variation de la criminalité dans 2 078 comtés américains. Comme on peut le voir ci-dessous (les coefficients bêta normalisés sont sous la colonne «bêta»), le pourcentage de la population noire est une variable explicative plus forte que la pauvreté, l’inégalité des revenus (gini) et le chômage, pour expliquer les différences entre la propriété et les crimes violents : http://www.jstor.org/stab[...]=1#page_scan_tab_contents

Land, McCall et Cohen, en 1990, dans Structural Covariates of homicidal rates : are there any invariances across time and space ? ( http://myweb.fsu.edu/bstu[...]mccall_cohen-ajs-1995.pdf

) ont recueilli des données sur les taux d’homicides dans les villes, les zones statistiques métropolitaines standard (SMSA) et les états pour les années 1960, 1970 et 1980. Chaque année, ils incluaient les 50 états et toutes les villes et SMSA inclus dans le recensement. Ils ont ensuite examiné comment les 11 variables suivantes prédisaient la variation de la criminalité entre ces zones : taille de la population, densité de population, pourcentage de personnes noires, pourcentage entre 15 et 29 ans, pourcentage de divorcés, pourcentage d’enfants sans deux parents, revenu familial médian, l’inégalité des revenus, le taux de chômage, et si la ville / SMSA / État était ou non dans le sud.

Toutes ces variables ont été entrées dans un modèle de régression unique, ce qui signifie que la taille estimée de l’effet pour chaque variable tenait toutes les 10 autres variables constantes. Cette analyse a donc produit 9 modèles totaux expliquant la variation de la criminalité dans les villes, les SMSA et les états, sur une période de trois décennies.

Dans ces 9 modèles, la race était un meilleur prédicteur de l’homicide que le chômage, la pauvreté et le revenu médian, dans 7 ou 78% des cas, et un meilleur prédicteur que l’inégalité du revenu dans 8 ou 89% des cas. Ainsi, au cours de trois décennies synthétisant de très grands ensembles de données, la race était un meilleur prédicteur des taux d’homicides que les variables économiques.

En d’autres termes : plus une zone géographique compte d’individus noirs, et plus cette dernière tend à être criminogène, même en contrôlant les effets de la pauvreté, du chômage et des inégalités.