I IQ and the Wealth of Nations (2002) analyserade psykologen Richard Lynn och statsvetaren Tatu Vanhanen relationen mellan intelligens och ekonomisk utveckling. I denna och en påföljande artikel ska vi granska några av de argument som framförs i boken i ljuset av reviderad IQ-statistik.
Gener eller kultur?
Lynn och Vanhanens argument är inte genetiskt. De säger inte att genetiska faktorer förklarar alla skillnader i intelligens mellan individer eller att genetiska skillnader enkom leder till skillnader till ekonomisk produktivitet. Inte heller säger de att ekonomi eller kultur gör det. De hävdar att nationella skillnader i genomsnittlig IQ korrelerar med ekonomisk utveckling oavsett orsak. Det är en korrelationell modell som är förenlig med genetiska och sociologiska tolkningar.
Metod
Den använda metoden är linjär regressionsanalys. Vi har använt statistikprogrammet Jamovi. Regressionerna replikerades därefter i Excel med bivariat regression för kontroll av koefficienter och modellresultat. BNP per capita analyserades både i rå form och som log10-transformerad variabel.
Reviderad datauppsättning
Vanhanen gick ur tiden 2015 och Lynn avled 2023. En tysk psykolog, David Becker, som är knuten till Chemnitz University of Technology har tagit på sig uppgiften att förvalta författarnas databas och fortlöpande korrigera eventuella fel i den. Hur står sig Lynn/Vanhanens analys när vi gör om den med Beckers uppdaterade IQ-data?
I tre fall av fyra har Beckers revidering medfört försvagade korrelationer mellan nationell IQ och BNP per capita. En analys av 24 länder år 1820 baserad på Beckers uppdaterade dataset är dessutom inte statistiskt signifikant.
Sammanfattningsvis: Det finns ett tydligt och signifikant samband mellan nationell IQ och BNP per capita, men det är något svagare efter Beckers revidering av Lynn/Vanhanens IQ-data.
Log10-analys
Lynn/Vanhanens analys är en rå, bivariat regressionsanalys av data. Det är viktigt att hålla detta i minnet. I en sådan modell är varje extra IQ-poäng associerad med x antal extra dollar 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.
Vi ser här att log-analysen stärker sambandet mellan nationell IQ och BNP per capita. Råa analyser av den typ som Lynn/Vanhanen gör är känsliga för extremvärden. Logtransformeringar av data komprimerar dem. Därför används log-modeller vid studier av makroekonomiska variabler. I nedanstående diagram ser vi resultatet av en regressionsanalys av 81 länder utan logtransformering:
Efter en log-transformering av data ser diagrammet ut på följande sätt:
IQ förklarar inte allt
Olikheter i nationell IQ förklarar inte alla skillnader i BNP.
Kina ligger långt under trendlinjen trots en relativt hög nationell IQ. År 1998 var Kina fortfarande i hög grad ett centralplanerat, kommunistiskt samhälle. Zimbabwe har hög BNP per capita trots en jämförelsevis låg nationell IQ på 74 eftersom landet fortfarande kunde utnyttja de strukturer som britterna lämnade efter sig efter frigörelsen. Qatar har en nationell IQ på 80, men hamnar högt uppe på BNP-skalan på grund av naturrikedomar.
Bristfälliga data
Ett problem som man stöter på när man försöker mäta relationen mellan IQ och BNP per capita är att det ofta saknas data. Lynn/Vanhanens regression är till exempel inte möjlig att helt reproducera med Beckers material eftersom Beckers reviderade dataset inte är lika omfattande som Lynn/Vanhanens. I sådana situationer finns två möjligheter.
- Man kan komplettera den saknade informationen från andra källor.
- Man kan plocka bort poster som inte är kompletta.
Vi ska testa båda strategierna. Först genomför vi en analys där Beckers dataset kompletteras med BNP-värden från Lynn och Vanhanen så att urvalet omfattar samma 185 länder som i originalstudien. Därefter genomförs en analys där samtliga ofullständiga observationer exkluderas, vilket reducerar urvalet till 177 länder.
Påverkar bortfallet sambandsstyrkan? Nej, bortfallet består av små länder med begränsad BNP. Vi ser det också i log-analysen. Multiple R förblir oförändrat med eller utan komplettering.
Femtioårsperspektiv
Lynn/Vanhanen analyserar förhållandet mellan nationell IQ och BNP per capita vid specifika tidpunkter. Vi ska därför göra två mätningar som har ett femtioårsperspektiv. Närmare bestämt: Vi ska mäta sambandet nationell IQ enligt Becker och BNP per capita 1950-1990.
Vår första mätning använder nationell IQ enligt Becker som oberoende variabel och ett genomsnitt av BNP 1950-1990 som beroende variabel:
Modellen förklarar 19% av variationen i BNP per capita. Varje extra IQ-poäng är associerad med en BNP per capita-ökning på 4481 dollar. Sambandet är statistiskt signifikant.
Vår andra analys är logaritmisk, dvs. den använder den av statistiker föredragna metoden vid analys av ekonomiska data.
Vi får nu ett måttligt, men starkare samband mellan nationell IQ och BNP per capita: 0.61. En ökning med en standardavvikelse i IQ är associerad med 0.61 standardavvikelser högre log-BNP. Vår modell förklarar 37 % av variationen i den logtransformerade BNP-variabeln. Det innebär att i vår log-modell är en extra IQ-poäng associerad med en predicerad BNP-ökning på 12 procent, vilket är ganska mycket. Relationen är statistiskt signifikant. Detta antyder att Lynn & Vanhanens råa, bivariata regressionsmodell sannolikt underskattar sambandets styrka och att log-transformering fångar relationen bättre.
Slutord
David Beckers reviderade dataset har försvagat korrelationen mellan nationell IQ och ekonomisk utveckling. Men den slutsatsen gäller endast råa, bivariata regressionsmodeller. När BNP i stället analyseras i ett femtioårsperspektiv med Beckers reviderade IQ-data och logtransformerade BNP-värden reduceras skillnaden mellan Lynn/Vanhanens analys och denna analys till ungefär en procentenhet.