Hvor meget Putnam tog fejl

Robert Putnam, et af politologiens koryfæer, har næsten lige været i Danmark i forbindelse med Aarhus Universitets Matchpoint-konferencer. Flere var skuffede over Putnams forelæsning, men mange bruger ham stadig i adskillige politiske argumenter. Det gælder ikke mindst, når kommentatorer argumenterer for nationalkonservative mærkesager. Problemet er blot, at forskningen de senere år har dokumenteret, hvor bemærkelsesværdigt, Putnam tager fejl i sine kerneanalyser.

Putnams hovedargument siden hans bestseller Making Democracy Work har været, at forskellige i social kapital er centrale for at forstå, hvorfor nogle lande og regioner fungerer bedre end andre. Social kapital er et paraplykoncept, der dækker styrken af sociale normer, omfanget af frivillige netværk, og tillid til andre mennesker. Kernen i Putnams koncept er, at de tre elementer påvirker og forstærker hinanden: Sociale normer dannes og styrkes når folk møder hinanden i netværk og frivillige organisationer (f.eks. Putnams berømte kor), og når de lærer hinanden at kende, danner de tillid til hinanden og lærer dermed at stole på andre mennesker mere generelt. Eller det påstår Putnam da…

Men Putnams sag er smuldret de senere år. Eric Uslaner viste allerede i sin 2002-bog om The Moral Foundations of Trust, at frivillige netværk ikke skaber generel tillid. De skaber kun partikulær tillid, dvs. tillid til de mennesker man lærer at kende i netværket, men den udstrækkes ikke til andre. Kim Sønderskov (AU, Statskundskab) og jeg besluttede at se nærmere på Putnams social kapital-koncept. Artiklen, der snart publiceres i Social Indicators Research, konkluderer, at konceptet fra alle vinkler er dårlig samfundsvidenskab.

Helt grundlæggende er argumentet, at hvis konceptet har betydning, må det række ud over de tre elementer i det – normer, netværk og tillid. Med andre ord må de være forbundet så det ene påvirker det andet for at det giver mening. Det er også fuldstændigt nødvendigt for Putnams politiske anbefalinger, der hviler på at man kan påvirke samfundets normer og tillid.

Men Kim og jeg finder, at de tre elementer er statistisk ortogonale – med andre ord at de intet har med hinanden at gøre. I detaljerede amerikanske data finder vi endda, at netværksaktivitet må skilles i to typer som ikke har meget med hinanden at gøre. Der er således ingen empirisk støtte til Putnams koncept eller hans anbefalinger. Ligeledes må man stille spørgsmålstegn ved alle hans analyser, som hviler på indeks, der blander de tre elementer.

Når en af vores læsere for eksempel skrev forleden om, hvordan Putnam viste at indvandring og større etnisk diversitet underminerer den sociale kapital, har det faktisk ingen dårlige konsekvenser for landets udvikling. De gavnlige virkninger, som social kapital har på økonomisk og institutionel udvikling, er alle drevet af social tillid – dvs. tillid til andre mennesker man ikke kender – mens etnisk diversitet primært er korreleret med netværksaktivitet, men kun på det allermest lokale plan med tillid. Putnam skal naturligvis krediteres for at have sat en hel forskningslitteratur i gang, men han tog dramatisk fejl. Og skuffelsen over hans besøg burde primært være fordi han stadig nægter det.

5 thoughts on “Hvor meget Putnam tog fejl

  1. Martin

    Jeg har svært ved at se at unidimensionalitet nødvendigvis er afgørende for, at et koncept kan anvendes. Tænk bare på intelligens (eller ability) som jo anvendes i flæng, selvom det statistisk set ikke er unidimensionalt*.

    Du ved i øvrigt godt at jeres ortogonalitet er et resultat af forkert specifikation af målefejlene på item-niveau – ikke?

    *) Det er ikke et forsvar for alle mulige langhårede teorier; det er et faktum, der bl.a. underbygges af neuropsykologisk forskning, at der både ser ud til at være hukommelses- og beregningskomponenter i intelligens.

    Svar
    1. Kristian Balle

      Som jeg har forstået det er pointen, at der er flere dimensioner i intelligens men at de i større undersøgelser korrellerer kraftigt, dvs. udtrykker nogle almene neurologiske kapaciteter(eller hvad en psykolog nu vil kalde det).

      Problemet er, hvis Bjørnskov og Mannemar har ret, er jo, at man tilskriver begrebet “social kapital” en forklaringskraft i relation til andre variable når det i virkeligheden kun er tillidsdimensionen som er afgørende. Hvor en test af sproglig intelligens, matematisk intelligens, hukommelse og lignende hver især vil kunne forudsige f.eks. fremtidigt uddannelsesniveau eller indkomst niveau ganske ens (for en større population).

      Svar
      1. Martin

        Scores på forskellige intelligenstests korrelerer, men det betyder ikke at der findes en enkelt faktor (g, general intelligence), som forklarer det hele, SELVOM at en faktor-analyse af den ene eller den anden art vil finde en enkelt tung faktor. Det er simpelthen en egenskab ved faktoranalysen at den under visse betingelser for de manifeste variable finder én tung faktor, selvom der er flere bagvedliggende.

        Svar
  2. Christian Bjørnskov

    Martin: Det er netop derfor at man roterer faktorerne. Og vi finder resultaterne uanset om vi roterer ortogonalt med Varimax eller oblikt med f.eks. Oblimin. Det er også en egenskab ved vores resultater, at det kun er tillidskomponenten der har tydelige konsekvenser udover det rene individplan. Som Kristian skriver, er det ganske enkelt tilfældet, at den nyere forskning viser at social tillid har markant positive konsekvenser, mens f.eks. Coate, Heckelman og Wilson (som vi har omtalt før her på stedet) faktisk finder negative konsekvenser for netværks- og organisationsaktivitet. Når vi altså finder, at elementerne er tilnærmelsesvist ortogonale og har helt markant forskellige konsekvenser, er det svært at argumentere for at de alligevel danner et unidimensionelt koncept.

    Svar
    1. Martin

      Det afhjælper nu ikke på problemet. Prøv fx følgende (i Stata):

      set obs 1000
      set seed 1010
      gen x = uniform()
      gen y = uniform()
      drawnorm a b c d e, m(0 0 0 0 0) sd(0.25 0.25 0.25 0.25 0.25)
      gen A = runiform()*x+runiform()*y+a
      gen B = runiform()*x+runiform()*y+b
      gen C = runiform()*x+runiform()*y+c
      gen D = runiform()*x+runiform()*y+d
      gen E = runiform()*x+runiform()*y+e

      pca A B C D E

      Hverken oblimin eller varimax rekonstruerer de oprindelige latente variable. En principal factors analysis retainer i øvrigt kun én faktor, men heldigvis har den nogenlunde korrekte loadings.

      Svar

Leave a Reply to MartinCancel reply

This site uses Akismet to reduce spam. Learn how your comment data is processed.