Yearly Archives: 2026

I denna artikel diskuterar vi den statistiska modell som Richard Lynn och Tatu Vanhanen använder i IQ and the Wealth of Nations (2002). Vanhanen avled 2015, Lynn åtta år senare. En tysk psykolog, David Becker, som är knuten till Chemnitz University of Technology, har tagit på sig uppgiften att förvalta författarnas databas och fortlöpande uppdatera den. I denna artikel använder vi oss av Beckers dataset. För BNP-data har uppgifter från Världsbanken och Madison använts..

Lynn/Vanhanens modell

Lynn/Vanhanens modell har tre utmärkande egenskaper:

• Den är bivariat. Den fråga som författarna ställer är: “Tenderar länder med högre nationell IQ att vara rikare?”.
• Analysen är på originalskalan. Lynn/Vanhanens modell besvarar frågan “Hur många dollar ökar BNP med när nationell IQ ökar med en poäng?”.
• Deras analyser är ögonblicksbilder. De studerar sambandet mellan nationell IQ och BNP per capita vid en specifik tidpunkt.

Modelljämförelse

Här är resultatet från fem av deras regressionsanalyser.

Spridningen är stor. Det skiljer hela 25 procent mellan högsta och lägsta värde. Det är uppenbart att årtal och nationsurval påverkar storleken på R2. I denna artikel ska vi fokusera på deras analys av 185 länder.

Källa: IQ and the Wealth of Nations.

Modellen förklarar 39 % av variationen i den beroende variabeln, BNP per capita år 1998. Vår modell skiljer sig på flera punkter från Lynn/Vanhanens.

• Perioden 1950-2019 är logtransformerad, genomsnittlig BNP per capita. Logaritmiska modeller använder procent i stället för absoluta tal. En BNP-ökning på fem procent i ett fattigt land är inte samma sak i ett rikt land där det kanske endast betecknar ordinär ekonomisk tillväxt. Övriga mätningar använder samma originalskala som Lynn/Vanhanen.
• Beckers uppdaterade IQ-data har använts.
• Till skillnad från Lynn/Vanhanen som mäter relationen nationell IQ och BNP per capita vid bestämda tidpunkter, har vi mätt sambandet för sju tioårsperioder och en 70-årsperiod.
• Antalet länder är 177 stycken. Åtta länder har utgått på grund av svårigheter att finna matchande IQ- eller BNP-data.

Under 1950-, 1960- och 1970-talen ligger R² runtomkring 11-13 procent. Kina, Taiwan och Sydkorea är tre exempel på länder som inte hade industrialiserats fullt ut under dessa år. De kognitiva skillnaderna fanns där, men deras ekonomiska konsekvenser hade ännu inte hunnit materialiseras.
På 1980 och 90-talet stärks sambandet markant. När hela perioden 1950-2020 summeras landar R² på 39 procent. Med andra ord: Vi får samma resultat som Lynn och Vanhanen erhöll i sin regressionsanalys av BNP per capita för 185 länder år 1998.
Detta påminner om den tes som Richard Herrnstein och Charles Murray driver i The Bell Curve: Ju mer teknologiskt avancerat och kunskapsintensivt ett samhälle blir, desto mer kommer kognitiv förmåga att påverka utbildning, yrkesframgång och inkomst.

Residualer och institutioner

Regressionslinjen predicerar ett lands förväntade BNP-nivå givet dess nationella IQ. Varför hamnar inte alla länder på regressionslinjen? Det beror, skriver Lynn/Vanhanen, på institutionella faktorer.
Den så kallade residualen är det numeriska uttrycket för skillnaden mellan den faktiska BNP-nivån och den predicerade BNP-nivån. En positiv residual antyder att landet är rikare än modellen förutspår, en negativ residual innebär att landet är fattigare än modellen förutspår.

The group of 18 large negative outliers in 1998 consists of Bulgaria, China, Hungary, Indonesia, Iraq, South Korea, Morocco, Peru, Philippines, Poland, Romania, Russia, Samoa (Western), Suriname, Taiwan, Thailand, Tonga, and Uruguay. Six of these countries are present or former socialist countries (Bulgaria, China, Hungary, Poland, Romania, and Russia). These countries have large negative residuals because their socialist, political, and economic systems hindered their economic development and kept these countries poorer than expected on the basis of their high national IQs.

Lynn Vanhanen skriver att Bulgarien, Kina, Ungern, Polen, Rumänien och Ryssland har negativa residualer på grund av socialistisk politik. De tolkar residualerna i institutionella termer. Men detta är inget som regressionsanalysen säger. Den säger inte att socialism leder till underutveckling eller att kapitalism skapar välfärd. Residualerna är i sig teoretiskt neutrala. Regressionsanalysen visar endast att länderna avviker från regressionslinjen, hur stora avvikelserna är, men inte vad det beror på.

Från bivariat till multivariat analys

Lynn/Vanhanens modell är bivariat. Den innehåller två variabler: nationell IQ och BNP per capita. Vi ska introducera två förändringar.

• Vi ska använda genomsnittlig logtransformerad BNP per capita för vårt urval av 177 länder under perioden 1950-1990.
• Vi ska jämföra Lynn/Vanhanens bivariata modell med en multivariat modell.

Den första regressionsanalysen är bivariat. Nationell IQ är oberoende variabel, genomsnittlig, logtransformerad BNP per capita 1950-1990 är beroende variabel:

Vi ser här att resultatet från Lynn/Vanhanens regressionsanalys står sig. I nästa regression som också den är bivariat är genomsnittlig, logtransformerad BNP 1950-1990 beroende variabel och kontinent oberoende variabel:

Den tredje modellen är multivariat. Nationell IQ och kontinent är oberoende variabler, genomsnittlig, logtransformerad BNP per capita 1950-1990 är beroende variabel:

Om IQ och kontinent verkligen mäter olika saker, hade vi förväntat oss större skillnader. Dessa små skillnader antyder att de två variablerna överlappar. Med andra ord: När IQ används som förklaringsvariabel fångas även en stor del av den information som samvarierar med kontinent. Hur stor är denna överlappning?

0,38447+0,44992-0,50161= 0,33

Ungefär 33 procentenheter av den förklarade variansen är gemensam för de två explanatoriska variablerna i dessa modeller. Vad består de resterande 67 procenten av? De består av:

• IQ:s unika effekt på BNP
• Kontinents unika effekt på BNP
• Oförklarad variation

IQ, region och kontinent

Varianskomponenterna blir:

• IQ unik effekt: 0,50161- 0,44992= 5,2 %
• Kontinent unik effekt: 0,50161- 0,38447= 11,7 %

De återstående 49,8 % är den variation som modellen inte förklarar. Betyder det att IQ faktiskt har en unik effekt på 5,2 %? Nej, det gör det inte. I vår modell uppskattas IQ:s unika bidrag till BNP per capita till 5,2 %. Det är alltså inte uteslutet att man med en annan modell skulle nå ett annat resultat. Resultatet är modelldeterminerat. Inte heller kan modellen avgöra hur överlappningen på 33,3 procent är fördelad mellan IQ och kontinent.

Kontinent eller region?

I vår första mätning har vi delat in världen i sex kontinenter och beräknat genomsnittlig kontinental BNP per capita. Genomsnittlig kontinental IQ är här vår oberoende variabel. Som beroende variabel har vi genomsnittlig logtransformerad, kontinental BNP per capita för perioden 2000-2020. Resultat:

Denna modell förklarar 70 procent av variationen i BNP-variabeln. Det är ett starkt samband.

I vår andra mätning är de sex kontinenterna indelade i 15 regioner. Genomsnittlig region-IQ är oberoende variabel och logtransformerad, genomsnittlig BNP per capita för de 15 regionerna perioden 2000-2020 används som beroende variabel. Resultat:

När Lynn/Vanhanen analyserade sambandet mellan nationell IQ och BNP per capita år 1998 för 185 länder fick de ett R2 på 0,39. När vi använder genomsnittlig region-IQ som oberoende variabel och logtransformerad BNP per capita för perioden 2000-2020 som beroende variabel får vi 0,36. Trots att modellerna inte är identiska är skillnaden mellan dem liten.

Vad drar vi för slutsatser av detta?

Vår mätning på kontinentnivå gav oss ett R2 på 70 %. Det starka sambandet bör tolkas försiktigt eftersom N är mycket lågt. Vi har endast sex kontinenter, vilket gör analysen känslig för enskilda datapunkter.
Mer intressant är regionanalysen då resultatet på 0,36 ligger nära Lynn/Vanhanens 0,39. Resultatet antyder att en betydande del av sambandet mellan IQ och BNP per capita existerar på regional nivå. När 177 nationer aggregeras till 15 regioner minskar förklaringskraften endast marginellt. Detta talar för att sambandet inte enbart är ett resultat av variation mellan enskilda nationer utan också återspeglar bredare geografiska mönster.

Summering

Lynn/Vanhanen hävdar i IQ and the Wealth of Nations att nationell IQ förklarar 39 procent av variationen i BNP per capita. Användning av logtransformerade BNP-data, Beckers uppdaterade IQ-set och mätning av längre tidsperioder rubbar inte denna observation. Lynn/Vanhanens regressionsanalys omfattar 185 länder. Om vi ersätter nationsstaten som grundläggande analysenhet med geografisk region, är skillnaden endast tre procent. Även här förefaller Lynn/Vanhanens mätningsresultat stå sig.
Ett problem existerar dock. Frågan är hur vi ska tolka Lynn/Vanhanens tes att nationell IQ förklarar 39 procent av variationen i BNP per capita. Som vi har sett finns det anledning att misstänka att en stor del av sambandet mellan nationell IQ och BNP per capita har en geografisk-regional grund. Om IQ och region är sammanflätade på detta sätt kan en bivariat analys av den typ som Lynn och Vanhanen gjort inte resultera i konklusiva slutsatser av typen “Nationell IQ förklarar x procentenheter av y”. En möjlighet är därför att acceptera denna osäkerhet och att i stället för att säga att nationell IQ förklarar 39 procent av variationen i BNP, tolka korrelationen som den totala prediktiva styrkan hos nationell IQ inklusive de regionala mönster som nationell IQ samvarierar med.