12月 162012
 
在星期五之后’S事件,附图是病毒性的。数字(如果正确)肯定暗示,但显然,风险的人口在国家之间变化广泛。我们需要的是与枪相关的杀人罪 可比较国家样本的速率。我走到了 布拉迪运动,它创建了图像,但不能轻易找到比较数据。接下来,我尝试了非常有用的 枪支政策项目。他们的网站拥有非常详细的国家概况,但遗憾的是没有准备好的表格,所以我花了一个懒惰的时间键入与枪有关的枪支,以及34个经合组织国家的占有率(每100人枪支)。

看着数据,我决定从样品中删除墨西哥:北方的情况像北方的情况一样,这是一个相对较少的枪支每年都足以杀死大约11000多人的人口超过11200万人。换句话说,每年约有10,000名墨西哥人在死亡中被枪杀。值得庆幸的是,其他经合组织成员在可比的困境中。

接下来,我创建了占有率分配的Boxplots,与枪支相关和总杀人率。

经合组织成员的占有率,全杀犬和与枪支相关的杀人率

经合组织成员的占有率,全杀犬和与枪支相关的杀人率

美国的尊重是明显的一切尊重。我对爱沙尼亚感到惊讶’高凶杀率。虽然这个国家’人口小于130万人,使随机波动可能产生影响,这一速度大约是中位数似乎过高的速度。

接下来,我指定了作为枪占有率的函数的枪凶杀次数的负二进制模型,控制人口受到射击死亡的风险。是的,我知道这是一个小,无随机的样本的狡猾:

Negative binomial regression                      Number of obs   =         33
                                                  LR chi2(1)      =       8.17
Dispersion     = mean                             Prob > chi2     =     0.0043
Log likelihood = -162.78208                       Pseudo R2       =     0.0245

------------------------------------------------------------------------------
gunhomicides |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
    possrate |   .0209951   .0083522     2.51   0.012      .004625    .0373652
       _cons |  -12.85624   .2292694   -56.07   0.000    -13.30559   -12.40688
ln(popula~n) |          1  (exposure)
-------------+----------------------------------------------------------------
    /lnalpha |  -.1823302    .228441                     -.6300664     .265406
-------------+----------------------------------------------------------------
       alpha |   .8333261   .1903659                      .5325565     1.30396
------------------------------------------------------------------------------
Likelihood-ratio test of alpha=0:  chibar2(01) = 2361.65 Prob>=chibar2 = 0.000

正如预期的那样,枪占有率提高了显着射击的风险。根据该模型,每100公民的每个额外枪都会增加 相对风险 exp(0.021)= 2%(小心:如果初始风险非常低,这意味着您仍然是安全的)。

然而,这些调查结果在很大程度上被美国拥有的高占有率和杀人率。如果它们被排除在样本之外,枪占有的效果远不太明显:

Negative binomial regression                      Number of obs   =         32
                                                  LR chi2(1)      =       0.09
Dispersion     = mean                             Prob > chi2     =     0.7660
Log likelihood = -151.9413                        Pseudo R2       =     0.0003

------------------------------------------------------------------------------
gunhomicides |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
    possrate |   .0043764   .0148325     0.30   0.768    -.0246948    .0334475
       _cons |  -12.61879    .298236   -42.31   0.000    -13.20332   -12.03426
ln(popula~n) |          1  (exposure)
-------------+----------------------------------------------------------------
    /lnalpha |  -.1926419   .2319586                     -.6472725    .2619886
-------------+----------------------------------------------------------------
       alpha |   .8247772   .1913142                      .5234716    1.299512
------------------------------------------------------------------------------
Likelihood-ratio test of alpha=0:  chibar2(01) = 2318.53 Prob>=chibar2 = 0.000

And yet, given the countries the number of gun homicides in the US is massively underestimated 
by the model:
枪占有/枪凶杀案W和W / O美国的负二项式模型

枪占有/枪凶杀案W和W / O美国的负二项式模型

枪支占有很容易与国家相当,但不仅仅是对潜在制度的完美衡量标准。作为比率,它不会捕获枪支的实际分配/可访问性,也没有挑选许可法律的差异或自动武器的可用性。从虚线可以看出,在美国外面的枪口仍然意味着更多的杀戮,但这种关系存在很多噪音。然而,有三个国家的占有率低于1.5的占有率非常低。不出所料,他们也有极低的枪杀人率。最终的非参数剧烈挑选这种关系:

枪占有/枪杀人的非参数模型

枪占有/枪杀人的非参数模型

所以呢’对美国的含义?如果该模型是真实的,美国将把其占有率降低到每100公民13.5的经合组织中位数,而该模型预测了1071枚枪杀人,而不是9,146实际情况(2009)。保存了8,075岁的生命。

但该模型不太健康,我们可能会更好地脱颖而出,非常朴素,非参数估计。如果美国变得不像美国的那样,更像是经合组织的其余部分,那么它的枪杀人率可能会归结为经合组织中位数。这将达到846人使用枪谋杀,不到目前数字的10%。当然,那些将被施加的人的一些人可能被其他方式杀死,但这可以说是更困难的。这只是凶杀案。如果您增加过失杀人,自杀和事故,似乎安全地认为,NRA /第二次修正文化每年至少有8,000个生命。

 

每年有多少人死亡"Second Amendment"?我的估计是8000+ 3

  One Response to “每年有多少人死亡“Second Amendment”?我的估计是8000+

  1. […]我最近在经合组织国家的枪支所有权和枪杀人区之间关系的后续行动,我已经滚动了我的数据集(从Gunpolicy.org发布的信息编译)和我的分析[…]

提到

 发表评论

你可以使用这些 HTML. 标签和属性: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>

本网站使用AkisMet减少垃圾邮件。 了解如何处理评论数据.