Le Dr David R. Saunders était professeur de psychologie à l'Université du Colorado et plus tard Associé aux Recherches à l'Industrial Relations Center de l'Université de Chicago.
Plus sur le Dr Saunders ici.
|
D'autres papiers scientifiques ici.
En utilisant la méthode d'analyse de corrélation multiples par étapes, cinq facteurs sont identifiés comme ayant des effets empiriquement démontrables sur la production de rapports d'OVNIS; simultanément, d'autres facteurs ont été écartés comme non pertinents. Afin de maximiser le nombre de rapports, il est pertinent de (a) rassembler un grand nombre de témoins de potentiel, (b) les instruire au moins au niveu lycée, (c) les publier là où ils peuvent être vus (d) leur donner un lieu pour les rapporter, et (e) fournir un ou plusieurs exemples de tels rapports. Les données sur ces seuls facteurs suffisent pour établir une corrélation multiple de 0,82 des nombres réels de rapports d'OVNIS produit dans des comtés des USA, et ils sont au minimum très près d'expliquer la fiabilité statistique de ce critère. Plusieurs hypothèses prédites par des modèles alternatifs du processus de rapport d'OVNIS sont affirmativement rejetées par les données rapportées ici.
Indépendamment de l'existence possible ds OVNIS eux-mêmes, c'est un fait indubitable que les rapports d'OVNIS existent. Au 15 août 1947, comme résultat d'une vague importante de rapports OVNIS ayant atteint un sommet en juillet de cette année là, Gallup (4) pouvait signaler que 90 pour cent du public américain avaient entendu parler des "soucoupes volantes." Et d'ici au printemps 1966, extrapolant à parir des nouvelles données d'observations, Gallup (5) a estimé que plus de 5 millions d'Américains prétendraient avoir vu une "soucoupe volante." Les données indépendantes recueillies par Lee (6) en 1968 suggèrent également l'existence de plusieurs millions de rapports d'OVNIS potentiels. De toute évidence, voir une soucoupe volante était un phénomène répandu.
Cependant la majeure partie de ces rapports potentiels est inaccessible. Les données de Lee indiquent que seulement environ un témoin sur dix tente même de faire rapport en premier lieu, soit auprès de la presse locale, des forces de la loi ou des militaires locaux. Ces destinataires, à leur tour, ont apparemment rejeté 80-90 pour cent de leurs dépositions d'OVNIS, et ont créé un enregistrement de données qui compte seulement environ 1 pour cent de la population originale estimée des rapports potentiels. Il semblerait déraisonable de supposer que ce reste de 1 pour cent soit un échantillon aléatoire de la population plus grande, mais c'est toujours un grand corpus de matériel qui peut être analysé sur ses propres mérites.
Une variété d'hypothèses spéculatives ont été avancées pour le comportement du reportage d'OVNI, et certaines de ces dernières ont reçu une grande diffusion sans avoir été réellement examiné par rapport aux données. Les objectifs prncipaux ici sont (1) de démontrer une manière par laquelle de telles vérifications peuvent être effectués et (2) de présenter les résultats substantiels qui en résultent.
La méthode de base employée dans cette étude est la corrélation par étapes multiple. La variable de critère a été la fréquence de rapports 'OVNIS enregistrée pour chacune d'une série d'unités démographiques bien définies. Cette fréquence totale a été également décomposée selon une classification rudimentaire des types de rapports. Les variables prédictrices étaient divers autres attributs mesurables d'unités démographiques, telles que la population, la région, etc... Les unités démographiques elles-mêmes étaient les comtés des Etats-Unis (*), qui ont été considérés comme un échantillon provenant d'une population statistique des comtés possibles.
(* le nombre exact de comtés identifiés change légèrement d'un recensement à l'autre. Les analyses qui suivent ont été basées sur 3053 comtés qui ont été définis avec constance en 1950 et 1960 et pour lesquels des données complètes ont pu être assemblées. Approximativement cinquante comtés, y compris tout l'Alaska, ont été exclus par ces critères.)
L'analyse principale dont les résultats seront discutés en détail a été abordée en plusieurs étapes. Dans la première étape, seulement trois valeur prédicrices ont été considérées, et celles-ci ont été examinés seulement par rapport à une mesure de critère basée sur une collection relativement limitée de rapports d'OVNIS. Puisque ces résultats étaient encourageants, des valeurs prédictrices additionnelles ont été développés successivement, jusqu'à ce qu'il y ait eu quatorze valeurs prédictrices en tout. En même temps, la collection de rapports d'OVNIS a été fortement agrandie, menant à une determinatian plus fiable de l'activité de reportage de chaque comté et, dans l'analyse finale, à une évaluation quatre fois pus fondée de cette activité.
Il a été anticipé, et cela a été vérifié dans l'analyse de la première étape, que les meilleurs résultats seraient obtenus en transformant les variables brutes de l'étude avant leur intercorrélation. Le modèle standard de régression multiple postule des contributions additives de chacune des variables indépendantes des valeurs prédictrices. Cependant, si ce modèle additif est appliqué aux logarithmes des variables brutes, l'effet doit correspondre à un modèle dans lequel chaque valeur prédictrice brute apporte réellement une contribution multiplicative. Un tel modèle multiplicatif a semblé conceptuellement approprié pour que les données soient analysées, et son utilisation a mené à des perfectionnements substantiels dans les corrélations d'ordre zéro. Pour davantage de discussion de cette question, voir Bartlett (1) ou n'importe quel manuel sur l'économétrie.
Les quatorze variables de prédiseur sont devenues disponibles dans cette étude dans l'ordre chronologique suivant:
Considéré séparément, chacun de ces six prédicteurs est franchement et positivement corrélé avec le critère de reportage d'OVNI. Cependant, quand ils ont été testé la première fois pour association, X1, X4, et X5 se sont tous avérés complètement redondants avec d'autres variables. X2 et X6 ont émergé comme étant les variables prédictrices principales, toutes deux avec des poids positifs. X3 a émergé en tant que variable prédictrice marginale, toujours statistiquement significative mais avec moins de poids qu'il n'en avait eu après l'analyse de la première étape. Les deux variables prédictrices suivantes ont été maintenant inclues avec l'espoir de forcer X3 au vers l'insignifiance, comme cela avait été déjà accompli pour X1.
X7 - Longitude du comté, mesurée en degrés à l'ouest de Greenwich. Spécifiquement, ceci a été pris comme coordonnée du siège du comté comme donné par l'atlas du Times of London World (10). Ceci a été corrélé sans aucune autre transformation.
X8 - Latitude du comté, mesurée n degrés au nord de l'équateur. Les commentaires pour X7 s'appliquent.
Toutes les deux nouvelles mesures ont rapporté des corrélations positives zéro-ordre avec le critère. Dans la corrélation multiple, X8 était complètement superflu, alors que X7 se comportait comme "forme parallèle" de X3 - tout en se recouvrant sensiblement, ni X3 ni X7 ne pouvait remplacer l'autre. Deux autres mesures géographiques simples à définir ont été ajoutés par la suite.
X9 - proximité avec de l'eau salée. Cette variable a été marquée 1 si le comté est à côté d'eau salée (un océan ou le Grand Lac Salé), et autrement 0.
X10 - proximité d'eau douce. Cette variable a été marquée 1 si le comté est à côté de (ou contient) un grand corps d'eau douce naturelle, et autrement 0.
Toutes les deux nouvelles mesures ont rapporté des corrélations positives zéro-ordre avec le critère, et chacune a fourni un petit, mais statistiquement significatif, incrément à la corrélation multiple. Ces résultats ont soutenu l'idée qu'une variable géographique importante existe, mais ont également indiqué que cette variable n'avait pas été encore trouvée. Les quatre mesures restantes ont été ajoutées à l'étude toutes en même temps, mais pour des raisons variables.
X11 - proportion de population au-dessus de l'âge de 65 ans, selon le tableau du recensement de 1960 (3). A des fins de la corrélation, ceci a été transformé au logarithme de (1-p)/p, inversant efficacement la variable. Ainsi, les corrélations positives peuvent montrer un effet de la jeunesse (de comparatif). Aucune mesure d'âge n'avait été incluse parmi les variables prédictrces précédentes.
X12 - proportion de population avec au moins cinq ans d'éducation, selon la table du recensement de 1960 (3). Ceci a été transformé au logarithme de p/(1-p). En raison de l'importance consistante de l'éducation à travers les étapes précédentes de l'analyse, il a semblé désirable explorer au moins une variante de plus de la mesure de l'éducation. Puisque les variables X6 et X12 sont corrélés seulement à 0,816, elles reflètent évidemment des aspects différents du processus éducatif.
X13 - le nombre de journaux distincts actuellement publiés dans le comté, tel que compté dans une compilation préparée à cette fin à partir de plusieurs sources. Aux fins de la corrélation, ceci a été pris comme logarithme de (N+1).
X14 - le nombre d'éditions de journaux actuellement publiées dans le comté par semaine, comme compté dans la même compilation a employé pour X13. Aux fins de la corrélation, ceci a été également pris comme logarithme de (N+1). Puisque les variables X13 et X14 sont corrélés seulement 0,856, elles mesurent apparemment différents aspects de la disponibilité de la couverture par les journaux.
Encore une fois, toutes les nouvelles corrélations positives rapportées indiquaient une corrélation zéro-ordre avec le critère du total des rapports d'OVNIS. La matrice complète des corrélations d'ordre zéro pour chacune des quatorze variables prédictrices est incluse dans le tableau 1. Cette table donne également les corrélations entre ces variables prédictrice et cinq variantes de la variable de critère; ceux-ci doivent maintenant être définis.
Y0 - Nombre total de rapports OVNIS. Toutes les variantes de la variable de critère sont basées sur le catalogue de rapports d'OVNIS UFOCAT, et ont été tirés d'une version de ce catalogue contenant 59237 entrées totales (10). Ce comptage total a inclus de nombreux rapports en double des mêmes événements, aussi bien que beaucoup de rapports d'événements s'éant produits en dehors des comtés utilisables des Etats-Unis. Donc, seulement 18122 entrées ont été utilisées pour produire des mesures de critère maintenant décrites. Quand ces 18122 rappors d'OVNIS ont été distribués parmi les 3053 comtés utilisables, le nombre de rapports par comté s'est étendu de 0 (de nombreux exemples) à 598 (comté de Montgomery, dans l'Ohio - le siège du projet Blue Book de l'U.S. Air Force). Aux fins de la corrélation, ces comptes ont été transformés au logarithme de (N+1).
Chacune des 18122 entrées utilisables d'UFOCAT est également classable quant à son "type d'événement," sur une échelle qui caractérise grossièrement l'"étrangeté" du rapport. Ces types peuvent être indiqués comme suit:
Type 0 - N'as pas été rapporté comme étant un OVNI.
Type 1 - Rapports d'objets sans mouvement.
Type 2 - Rapports d'objets avec mouvement constat.
Type 3 - Rapport impliquant un mouvement avec une discontinuité.
Type 4 - Rapports impliquant un mouvement avec des discontinuités multiples.
Type 5 - Reports d'objets entrant dans le cadre de référence du témoin
Type 6 - Rapports d'atterissage.
Type 7 - Rapports d'occupants.
Type 8 - Rapports de contact.
Type 9 - Rapports impliquant des effets à la suite de la rencontre.
Des définitions plus complètes de ces types de rapport sont données dans le guide des codes d'UFOCAT (10). Aux fins de cette étude, les rapports du type 0 ont été complètement exclus et les types restants ont été regroupés en quatre catégories plus larges, comme suit:
Aux fins de corrélation, chacune de ces mesures de sous-critères a été transformée au logarithme de (N+1).
Avant de prendre tous les logarithmes, il est vrai pour chaque comté que Y0 = Y1 + Y2 + Y3 + Y4. cependant, en examinant le fichier UFOCAT afin de produire ces données de critère, une restriction a été imposée de sorte que pas plus d'un événement par comté par sous Y0. Si plus d'une entrée qui par ailleur aurait été comptabilisable était trouvée dans le dossier, seulement celle avec le code le plus élevé pour ce type de rapport a été utilisée. Ce procédé présente une petite polarisation négative affectant les corrélations entre les Y. Ce procédé évite un plus grand problème associé aux différences dans les pratiques de reportage des différentes sources sur lesquelles est fondé UFOCAT, puisque certaines de ces sources font état et d'autres ne font pas état de manière séparées d'un groupes de rapports d'un même comté à une même date.
Les résultats principaux de cette étude sont contenus dans le tableau 2, qui énumère les variables prédictrices dans l'ordre de leur choix pour chacune des cinq recherches multiples possibles de corrélation. Chaque liste s'arrête avec la dernier variable prédictrice ayant une remarquabilité (*) dépassant 5 bits. Les valeurs énumérées pour ' le "r partiel" sont obtenues en gardant constante toutes les variables prédictrices précédemment choisie, mais le "r multiple" inclut la contribution de la variable prédictrice listé sur la même ligne.
(* La remarquabilié est l'information nette favorisant le rejet de l'hypothèse nulle. Le calcul de la remarquabilité tient compte des effets explicites de choix impliqués en basant la régression par étapes sur la meilleure variable prédictrice disponible à chaque étape, aussi bien que pour le choix implicite du signe de chaque corrélation partielle et pour la dimension de l'échantillon (11). Sur chaque ligne du tableau 2, la chance est de 2 contre 1 d'obtenir une si grande corrélation partielle par le seul hasard.)
1. La population, cru 1960, est la seule variable prédictrice à choisir dans toutes les cinq variables des solutions par étapes de régression, et dans tous les cas c'est la première variable prédictrice à choisir. Presque chaque rapport d'OVNI implique au moins un témoin. Il n'y a donc rien d'étonnant à ce que les comtés contenant plus de témoins potentiels ont produit plus de rapports. L'importance de cette corrélation est assurément augmentée par l'éventail des populations représentées dans notre échantillon de comtés, le rapport du plus grand au plus petit dépasant largement les 10.000 contre 1. Les données de population de 1960 fonctionnent mieux que les données de population de 1950 parce que 1960 est presque le point médian de la période dans laquelle la majeure partie des rapports d'OVNIS ont été produites, de 1947 à 1972. Quand la population 1960 est considérée constante, les corrélations partielles entre la population de 1950 et les critères sont uniformément négatives; ceci peut être interprété en tant que rapport positif entre le taux de croissance de la population et celui des rapports OVNIS, mais ceci sera annulé dès que les effets éducatifs seront expliqués.
2. L'éducation, mesurée en termes de proportion d'adultes qui ont été au lycée, est la deuxième variable prédictrice puissante trouvée dans cette étude; elle est choisie juste après la population dans quatre des cinq analyses, mais elle n'est pas choisie du tout pour aider à prévoir Y4. A chaque fois qu'elle est choisie son poids est positif, c.-à-d., plus de rapports par personnes sont produit par les comtés les mieux instruits. Le rôle différentiel de l'éducation pour prévoir le sous-citère est tout à fait intéressant. L'éducation semble être appropriée au maximum en relation avec Y2, qui est le sous-critère pour les rapports à distance les plus étranges. D'autre part, l'éducation est simplement peu importante par rapport à Y4, qui est le sous-critère pour les rapports rapprochés les plus étranges. Tous ces effets pourraient être prévus, cependant, à partir de la proposition simple que les OVNIS ont une réalité physique.
L'éducation, comme mesurée par la réusite en 5ème, ne contribue pas plus à ces analyses que ce qui résulte déjà mieux comme contribution de la réussie au 12ème niveau d'éducation. Evidemment, s'il y a n'importe quel effet de seuil associé à la contribution de l'éducation au reportage 'OVNI, le seuil n'est pas au-dessous du point de 12 ans d'éducation. Les volumes de recensement ne contiennent aucune donnée avec laquelle d'autres seuils possibles pourraient être explorés.
3. La surface est la troisième variable prédictrice en puissance qui a été trouvé dans cette étude, apparaissant dans quatre des cinq analyses: le sous-critère Y4 étan à nouveau l'exception. La contribution de la surface est toujours positive, c.-à-d., à n'importe quel niveau d'éducation particulier, plus de rapports par personnes sont produits par de plus grands comtés. Si on suppose que les OVNIS ont une réalité physique, ceci pourrait simplement signifier qu'il y en a plus attendant d'être vu dans de plus grands comtés. Une deuxième explication possible pour cette variable prédictrice est que la surface agit simplement en tant que mesure indirecte des conditions de vision; les grands comtés aux USA tendent à être associés à des secteurs de désert, où la visibilité est relativement bonne. Poher (8) a montré une corrélation avec les conditions de visibilité en France, mesurée avec le nombre d'heures de soleil par an, et les nombres de rapports d'OVNIS par département. La longitude, qui était une variable prédictrice signicative dans certaines de nos analyses préliminaires, et la proximité à l'eau salée, qui apparaît maintenant dans toutes les mêmes analyses que celles de la surface, peuvent également être interprétées en tant que mesures indirectes des conditions de visibilité.
4. Si nous considérons X13 et X14 comme étant toutes les deux des mesures de la disponibilité de la couverture par les journaux pour un rapport OVNI, nous pouvons observer que l'une ou l'autre apparaît effectivment dans quatre des cinq analyses. Là encore, les poids sont toujours positifs, et l'interprétation générale est facile. La grande majorité des rapports d'OVNIS qui ont été rassemblés par UFOCAT ont été à l'origine publiés dans les journaux, quoique la source immédiate d'UFOCAT pour un rapport soit généralemnt une certaine publication secondaire ou tertiaire. Ainsi, nous pourrions facilement arguer du fait que les contributions de X13 et de X14 sont simplement des artefacts du processus employé pour rassembler les données du critère. Ce serait vrai, mais l'argument s'applique en réalité également à toutes les mesures utilisées dans cette étude; c'est pourquoi nous nous référons à elles collectivement en tant que "facteurs extrinsèques dans le reportage d'OVNIS."
La validité différentielle de X13 et de X14 est intéressante, et fournit une autre indication de ce que l'évaluation du critère est significative. Le pattern des relations suggère que les rapports classés ici comme étant de types 1 à 4 sont traités par la presse comme des éléments de "remplissage journalistique", qui peuvent être publiés ou non selon la disponibilité de place dans le journal. Plus il y a d'éditions dans un comté, plus de telles places ont des chances d'être disponibles. D'autre part, les rapports classés ici comme de types 5 à 9 sont des "news" dans le sens journalistique; de la place peut toujours être trouvée pour ces rapports, mais ils seront d'abord mieux soumis à une vérification éditoriale plus soigneuse, de sorte que leur probabilité de publication réelle soit principalement une fonction du nombre de rédacteurs qui ont une occasion indépendante de dire oui. Le dernier effet est particulièrement convenable pour les types 7 et 9, qui sont à la base du sous-critère Y4.
5. Seul deux autres variables prédictrices apparaissent quelque part dans le tableau 2. Ce sont le revenu et la race et elles apparaissent seulement avec une signification marginale et seulement en liaison avec Y0, Y1, et Y2 - les sous-critères basés sur les plus grandes quantités de données. Il semble très probable que ces mesures agissent en tant que produits de substitution indirects pour une ou plusieurs autres variables non incluses dans l'étude. Peut-être que la chose la plus importante à noter est que quelle que soit la contribution que ces variables peuvent apporter, elles doivent de toute façon être toujours positives, c.-à-d., c'est la partie "bonne" de chacune de ces variables qui contribue à un accroissement des reportages OVNI. Nulle part dans cette étude, nous ne trouvons ne serait-ce qu'un paramètre négatif indirect au sujet du reportage d'OVNIS. Nulle part dans cette étude nous ne trouvons la moindre variable assez amoindrissante pour la remarquabilité pour que cela justifie que l'on y prête la moindre attention.
6. La plus grande corrélation multiple a rapporté dans le tableau 2 est 0,806 pour la prévision de Y0. La plus grande corrélation multiple disponible au tableau 1 est 0,819, qui peut être obtenue pour la prévision de Y2 quand Y1 est inclus en tant que première variable prédictrice. Cette dernière rivalise seulement avec 0,774, qui est disponible pour la prédiction de Y2 à partir des seules variables prédictrices extrinsèques. De même, Y3 et Y4 sont mieux prévues par Y2 seul qu'ils ne le sont par n'importe quelle combinaison des variables prédictrices extrinsèques - pour Y3, 0,589 (tableau 1) est plus grand que 0,548 (tableau 2), et pour Y4, 0,360 (tableau 1) est plus grand que 0,330 (tableau 2). Chacune de ces différences est une indication de ce qu'il y a plus de fiabilité dans le critère que ce que nous avons expliqué avec les variables prédictrices. Les importances de ces différences suggèrent que ces une ou même deux sources importantes de désaccord restent à découvrir; alternativement, il peut y a un nombre beaucoup plus grand de variables prédictrices manquantes individuellement moins importantes.
7. Sur la base d'un examen de la vague française d'atterrissages de 1954, Vallée (14) a proposé que ce qu'il appelle les rapports du type I soient les plus communs dans les régions de basse densité de population, et que c'est un signe d'intelligence de la part des OVNIS. Le type I sur l'échelle de Vallée est presque identique aux types 5-9 sur notre échelle d'étrangeté; en fait, les cas français considérés par Vallee en tant que support de son hypothèse sont principalement les types 6 et 7. Si la densité de population est la population par unité de superficie, alors l'hypothèse de Vallée prévoit un poids négatif pour la population et/ou un poids positif pour la surface dans les conditions de la présente étude. L'aspect population de cette prévision est fortement rejeté par nos résultats, mais l'aspect surface ne peut pas être clairement rejeté. Cependant, si la surface aux USA agit vraiment en tant que mesure indirecte des conditions d'observation, alors elle disparaîtra de l'analyse de régression par étape dès qu'une mesure proportionnée des conditions d'observation sera fournie; dans un tel événement l'aspect surface de l'hypothèse de Vallee sera également rejeté.
En raison de l'hétérogénéité relativement faible associé aux populations ou aux surface des départements français (en laissant Paris et ses banlieues hors de considération), par rapport aux populations et aux surfaces des comtés des USA, il ne semble pas probablement de toute façon que l'hypothèse de Vallee puisse espérer fournir une explication suffisante pour la distribution observée des rapports français en 1954. Même si la surface est maintenu en tant que variable prédictrice principale, son poids n'est pas assez grand pour assurer le travail. Notant que X13 rivalise X2 dans sa validité d'ordre-zéro pour Y4, et que cela apporte une contribution indépendante démontrable à la prévision de Y3 et de Y4, il est raisonnable de suspecter que X11 puisse être l'agent crucial menant aux données interprétées par Vallee comme effet de densité de population. Cette explication exigerait simplement que le nombre de rédacteurs de journal par personne ou par kilomètre carré soit sensiblement plus haut en France rurale qu'en France métropolitaine.
Il peut être observé, naturellement, que l'incapacité de soutenir l'hypothèse de Vallee de la basse densité de population est une fonction de l'utilisation d'une grille géographique relativement brute (comtés entiers). Puisque nous ne connaissons aucun rapport d'un OVNI qui aurait atterri sur le point précis où une personne se tenait, il pourrait être discuté de la limite dans laquelle tous les atterrissages sont à des endroits ayant une densité de population zéro. Le problème intéressant, alors, est de déterminer la façon dont un principe de Vallee à grande échelle peut encore être soutenu.
8. Sur la base d'une réinterprétation des données du sondage Gallup, Warren (15) a proposé que "l'inconsistence de statut", un concept qu'il attribue à Lenski (7), soit directement à l'oeuvre dans la production de rapports d'OVNIS. La chose qui est peut-être la plus étrange à propos du papier de Warren sur ce sujet est qu'il est totalement dépourvu de la moindre tenative d'aborder leur signification par la statistique, bien qu'il soit associé à un laboratoire et publié dans un journal qui est habituellement sophisitiqué en matière de statistiques. Quand cette déficience est corrigée, il devient apparent que les données de Warren ne justifie pas sa thèse plus que ne le ferait un tableau de nombres pris au hasards. Il n'y a rien dans les données publiées par Warren qui pourrait motiver une théorie sur le reportage d'OVNIS aussi compliquée que sa théorie d'inconsistence de statut. Les ramifications non scientifiques qui en découlent n'ont pas besoin d'être explorées ici.
Néanmoins, c'est au moins un exercice méthodologique intéressant que de rechercher des effets dans les données réelles qui pourraient être attribuées à l'inconsistence de statut. Réduite à ses bases, la théorie de Warren argue du fait que les effets d'interaction qui correspondent aux combinaisons des variables présentes X4, X5, et X6, sont les principaux responsable des rapports d'OVNIS. Nous avons déjà vu que X6 (l'éducation) joue un rôle prédictif important en soi, tandis que X4 (la race) et X5 (le revenu) apportent peu ou pas de contribution indépendante. Nous pouvons rechercher les effets d'interaction simplement en entant d'utiliser les produit-limites X4X5, X4X6, X5X6 et X4X5X6 en tant que variable prédictrices additionnelles dans la corrélation multiple; l'inconsistence de statut sera confirmée si un poids significatif negatif devait apparaître pour l'un quelconque de ces produits limites de variables prédictrices. En effet, l'inconistence de statut propose que X4, X5, et X6 agissent comme variables de modératrices (9) l'une pour l'autre, avec des rapports particuliers quan à leur signe.
Quand les produit-limites indiqués ont été calculés et testés comme variables prédictrices, aucune amélioration significative de corrélations multiples associées à un poids négatif n'a été produite pour aucune de ces cinq variantes de critère. Cependant, le produit-limite X5X6 a apporté un poids positif dans chacune des cinq analyses et a été soutenu par non moins que 17,0 bits de remarquabilité (dans la prévision de Y1); ainsi, c'est la cohérence de statut en ce qui concerne le revenu et l'éducation qui peut être une variable prédicrice positive signicative.
Encore une fois: on eut discuter de ce que la théorie de contradiction de statut est censée s'appliquer aux individus et pas nécessairement aux moyennes pour des comtés entiers. Pour cette raison, ce test de la théorie n'était pas très crucial. Néanmoins, il reste vrai qu'il n'y a aucun soutien empirique de cette théorie au niveau du comté ou au niveau individuel.
9. Basant également son raisonnement sur la vague française d'OVNIS de 1954, Toulet (13) a proposé un modèle épidémiologique pour expliquer les nombres de rapports rapportés par les divers départements. La caractéristique importante de ce modèle est que le reportage est supposé avoir été facilité par l'existence d'autres rapports; le mécanisme exact de la facilitation proposé par Toulet est un dispositif secondaire. Tandis que son analyse utilise certaines suppositions pour faire des simplifications, Toulet apporte des informations supplémentaires qui sont incompatibles avec l'hypothèse plus simple que des rapports sont produits indépendamment.
Il est possible d'analyser les données de cette étude d'une manière qui montre un effet autocatalytique similaire. Ceci a été réalisé en fournissant les termes de puissance, X au carré [= X2X2] et X au cube [= X2X2X2], comme variables prédictrices possibles avec les quatorze autres mesures extrinsèques. Etant donné le choix entre X2, X au carré, et X au cube, l'algorithme par étapes choisit invariablement X au cube comme étant la meilleure variable prédictrice unique de rapports OVNIS; ensuite, X2 et X au carré soit n'apparaissent pas, soit apparaissent plus tard avec des poids négatifs (de filtre). X au cube est suffisemment meilleur que X2 pour expliquer environ la moitié de la fiabilité précédemment imprévisible du critère, ce qui a été discuté dans le paragraphe 6. Egalement, quand X au cube est employé à la place de X2, même l'utilité marginale de X4 et X5, qui a été discutée dans le paragraphe 5, disparaît. L'effet net est un coefficient sensiblement plus élevé de corrélation multiple basé sur un plus petit nombre de variables prédictrices extrinsèques. Cependant, les corrélations multiples qui étaient disponibles en incluant d'autres sous-critères comme variabless prédictrices ne sont pas augmentés par X2E3; le plafond est toujours 0,82.
Les effets juste décrits sont fortement remarquables, et fournissent des preuves contraignante d'une dépendance curviligne du reportage d'OVNIS par rapport à la population; le nombre de rapports est une fonction franchement accélérée de la population, qui est en accord avec la facilitation de certains rapports par d'autres rapports. Il reste plus d'une manière de conceptualiser ce modèle. Toulet, qui a emprunté son modèle mathématique au domaine de la santé publique, écrit comme s'il discutait de processus contagieux d'une maladie mentale. Peut-être est-ce le cas. Alternativement, peut-être nous observons simplement l'hésitation d'un témoin d'OVNI a rapporter son expérience tant qu'un autre témoin ne s'est pas "mouillé." Ou peut-être observons-nous un effet d'un échantillonage non aléatoire dans lequel le même témoin est probablement plus prêt à rédiger un rapport s'il a déjà rédigé un rapport auparavant. Ces possibilités ne peuvent pas être discriminées de par les données actuelles.
10. Un facteur évidemment important que cette étude n'a ni contrôlé ni évalué est l'effet des groupes locaux d'enquêteur sur les OVNIS. L'exemple le plus extrême de cet effet est fourni par le comté de Montgomery, Ohio, où la présence locale bien connue du projet Blue Book a ramené de plusieurs fois plus que le nombre de rapports d'OVNIS qui serait normalement prévu pour un tel comté. L'effet d'une telle entreprise locale sera d'augmenter les corrélations entre les subcritères sans augmenter leur prévisibilité extrinsèque. Il semble tout à fait possible que cet effet est d'une importance suffisante pour expliquer la fiabilité imprévisible restante des critères utilisés dans cette étude.
