AIAA 13th Aerospace Sciences Meeting
Pasadena, Californie / 20-22 janvier 1975
Papier 75 de l'AIAA
Facteurs extrinsèques dans le reportage d'OVNIS
par
D. R. Saunders
The University of Chicago
Chicago, Illinois
Abstract
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; imutanément, 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.
Introduction
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.
Méthode et Procédures
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:
- X1 - Population du comté selon le tableau du recensement de 1950. Ceci a
été pris comme logarithme ä des fins de corrélation.
- X2 - Population du comté selon le tableau du recensement de 1960. Ceci a
été pris comme logarithme pour des besoins de corrélation. Les
données des recensement de 1950 et 1960 ont été incluses de sorte que la
différence (le rapport) entre elles devienne implicitement disponible à
l'analyse multiple de corrélation; la différence dans les logarithmes
peut être interprétée comme logarithme du taux de croissance de la
population d'un comté.
- X3 - Surface du comté en miles carrés. Ceci a été pris comme logarithme aux fins de la corrélation.
Comme résultat de la première étape de l'analyse, chacune de ces trois variables
prédictrice s'est avéré fournir des contributions statistiquement significatives et
indépendantes à la prévision de l'activité de rapport d'OVNIS. L'étude de Warren (15)
de la "contradiction de statut" et du reportage d'OVNI a été publiée à peu près
à ce moment, et a motivé le choix du prochain groupe de trois variables prédictrices.
- X4 - Proportion de population non-blanche selon le tableau du recensement de 1960 (2).
Aux fins de la corrélation, ceci a été transformé au logarithme de (1-p)/p; noter
que ceci allège non seulement les effets de bord aux deux extrémités de l'échelle
de proportion mais inverse également efficacement la direction de cette variable
de sorte que des nombres élevés soient associés à une proportion élevée
de population "blanche."
- X5 - Proportion de revenus de famille excédant 10.000 $/an selon le
tableau du recensement de 1960 (2). A des fins de corrélation, ceci
a été converti en logarithme de p/(1-p).
- X6 - Proportion de la population adulte (au-dessus de l'âge de 25 ans) avec au
moins une éducation de lycée, selon le tableau du recensement de 1960(2).
A des finsde la corrélation, ceci a été transformé au logarithme de p/(1-p).
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 lel'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 toute s 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 vriante 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 prédictrice 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:
Y1 - Simple rapports, basés dur 7411 événements de type 1 ou type 2.
Y2 - Rapports étranges, basés sur 9142 événements de type 3 ou type 4
ou n'ayant pas de code de type.
Y3 - Rapports de rencontres, basés sur 1254 événements codés type 5 ou type 6.
Y4 - Rapports d'interaction basés sur 315 evénements de type 7 ou 8 ou 9.
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.
Résultats
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.)
Discussion
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.
Évidemment, 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 sou-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
contributlon 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
yprête 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
st 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.
References
- 1. Bartlett, M.S.: The use of transformations. in: Biometrics 3, 39-52, 1947.
- 2. Bureau of the Census, US Department of Commerce: County and city data book, 1962. Washington: USGPO, 1962.
- 3. Bureau of the Census, US Department of Commerce: County and city data book, 1967. Washington: USGPO, 1967.
- 4. Gallup, George: Nine out of ten people heard of flying saucers. in: Public Opinion News Service. Princeton: August 15, 1947.
- 5. Gallup, George: More than 5 million Americans claim to have seen 'Flying Saucers.' in: Gallup Poll. Princeton: May 8, 1966.
- 6. Lee, Aldora: Public attitudes toward UFO phenomena. Chapter 7 in 'Scientific Study of Unidentified Flying Objects,' D.S. Gillmor, Ed. New York: Bantam, 1969.
- 7. Lenski, G.E.: Status crystallization: A non-vertical dimension of social status. in: American Sociological Review 19, 405-413, 1954
- 8. Poher, Claude: Etudes statistiques portant sur 1000 temoignages d'observation d'U.F.O. Toulouse: Author, 1972.
- 9. Saunders, D.R.: Moderator variables in prediction. in: Educational and Psychological Measurement 16, 209-222, 1956.
- 10. Saunders, D.R.: The UFOCAT Codebook. Boulder: Author, 1973.
- 11. Saunders, D.R.: The Meaning of Data. New York: Academic Press, 1975. In press
- 12. The Times (of London). Atlas of the World. Boston: Houghton-Mifflin, 1967.
- 13. Toulet, Francois: L'orthoténie n'est-elle qu'une hypothèse? in: Phénomènes Spatiaux 26, 3-11, 1970.
- 14. Vallee, Jacques: The pattern behind the UFO landings. in: Flying Saucer Review Special Issue 1, 8-27, 1966.
- 15. Warren, D.I.: Status inconsistency theory and flying saucer sightings. in: Science 170, 599-603, 1970
|
