Undersøgelse af sammenhængen mellem kropsopfattelse og indkomst

Hvad startede som en afslappet middagssamtale mellem to meget forskellige forskere i 2016 - den ene en dataforsker og ingeniør, den anden en ekspert i økonomiske modeller - er siden blevet til en tidsskriftsartikel, der kvantificerer virkningerne af "skønhedspræmien, "forestillingen om, at de, der er mere fysisk attraktive, har en tendens til at have en større indkomst.

Forskerholdets ingeniør er Stephen Baek, en lektor i datavidenskab ved University of Virginia, mens økonometikeren er Suyong Song, en lektor i økonomi og finans ved University of Iowa. Fem år siden, de to fandt ud af, at deres forskningsinteresser overlappede mere, end de først var klar over, forårsager en uventet idé.

Baek begyndte sit samarbejde med Song som forsker ved Iowa, før han kom til UVA School of Data Science-fakultetet i august 2021. I sit tidligere arbejde, Baek analyserede og modellerede menneskelige kropsformer til tekniske applikationer såsom produktdesign, virtuel mode, tøjdesign og ergonomi. Sang, på den anden side, bragt ekspertise til at studere økonomiske modeller, der lider af måle- og rapporteringsfejl.

Sammenlignet med tidligere publikationer om skønhedspræmien, Baek og Songs forskningsmetoder er nye, på grund af arten af ​​deres datasæt, hentet fra det civile amerikanske og europæiske overfladeantropometriske ressourceprojekt i 2002, eller CÆSAR. Ud over selvrapporterede højde- og vægtmål - som er blevet brugt i tidligere undersøgelser - indsamlede projektet også 3D kropsscannede data, omfattende information om demografisk og familieindkomst, samt målebånd og kaliber kropsmål fra næsten 2, 400 civile. Med disse data, de to forskere kunne give en rigere historie om fysisk udseende og socioøkonomiske variabler.

"Problemet med tidligere værker var, at folk forenklede parametrene for at beskrive kropsform, " sagde Baek. "De traditionelle processer til at bestemme fysisk udseende, såsom statur, vægt og BMI, er ufuldkomne processer, og derfor ikke i stand til at fange alle dimensioner af menneskelig kropsform."

Ved at bruge en ny maskinlæringsalgoritme kaldet en "grafisk autoencoder" eller "dyb maskinlæring, "3D-scanningerne blev indtastet for at kode geometriske træk af menneskelig kropsform. Efter at maskinen blev introduceret til tusindvis af individuelle scanninger, Algoritmen reducerede dataenes dimensionalitet – fra nogle få hundredetusinder af punkter ned til nogle få vigtige funktioner – som karakteriserer hver menneskelig kropsform ved hjælp af numeriske værdier. Baek og Song visualiserede derefter funktionerne for at bestemme, hvilke kropsdele algoritmen refererede til og estimerede deres relationer med socioøkonomiske variabler. Ved at bruge denne videnskabelige tilgang, årsagsvirkningerne af fysisk udseende kunne kvantificeres.

For mandlige og kvindelige delprøver, statur og fedme var begge vigtige træk, mens hofte-til-talje-forhold var en yderligere unik egenskab i kvinders fysiske fremtoning. De empiriske resultater viste, at større statur hos mænd var korreleret til højere familieindkomst, mens større fedme hos kvinder var korreleret til lavere familieindkomst.

Ud over deres resultater vedrørende skønhedspræmien, Songs ekspertise inden for økonomiske modeller tilføjede endnu et lag til deres resultater:den negative rolle, som undersøgelse og målefejl spiller i undersøgelser, der bruger kropsmålinger. Ifølge hans beregninger - muliggjort af det faktum, at 2002-dataene også inkluderede selvrapporterede kropsmålinger - fandt Song, at rapporteringsfejl i høj grad korrelerede med sand vægt og højde. Gennemsnitlig, lettere vægtede personer havde en tendens til at overrapportere deres vægt, hvorimod tungere individer havde en tendens til at underrapportere. Resultaterne viste, at undersøgelsesfejl vedrørende disse målinger er betydelige, og at tidligere undersøgelser, der bruger selvrapporterede undersøgelsesdata sandsynligvis lider på grund af det. Song forklarede, at når der køres regressionsmodeller, hvor økonomiske variable lider af undersøgelses- eller målefejl, skønnet bliver partisk, sløre det korrekte forhold.

"For at løse problemet med fejl, mange økonomer antager, at disse fejl er ubetydelige, eller at de i gennemsnit er nul, " sagde Song. "Men, vores undersøgelse viste, at de ikke er ubetydelige, og at de ikke er nul i gennemsnit, men viste snarere, at de er korreleret med sand højde eller vægt, hvilket alarmerer mange undersøgelser ved hjælp af undersøgelsesdata."

I første omgang, Song forventede en målgruppe af økonomer og statistikere, men med disse resultater, har siden indset emnets bredere indvirkning på felter som teknik, computer videnskab, biologi og samfundsvidenskab.

Tre år efter den første indsendelse, forskningspapiret, "Kropsform betyder noget:Beviser fra maskinlæring om forhold mellem kropsform og indkomst, " blev offentliggjort i tidsskriftet med åben adgang, PLOS One .

Med øget omtale, Baek og Song håber ikke kun at præsentere omfanget af fejl i tidligere kropsformstudier, der var baseret på selvrapporterede undersøgelsesdata, men også for at skabe opmærksomhed om spørgsmålet om skønhedspræmier.