对色情使用研究的回顾：来自四个来源的方法和结果（2015）：犹他州在色情使用中不是1号

链接到文章 

对色情使用研究的回顾：来自四个来源的方法和结果。

网络心理学：网络空间心理社会研究杂志， 9（4），文章1。 DOI： 10.5817 / CP2015-4，4

抽象

关键词：色情，网络使用，数据，代表性

下载 PDF版本

介绍

虽然大多数研究人员会同意近几十年来色情制品变得越来越普遍，但准确衡量人口中色情制品的使用水平仍然是社会科学家的经验挑战。 用于访问色情内容的一系列技术随着时间的推移而发生变化，因此几乎不可能始终如一地衡量色情使用的相同指标。 高速互联网在过去十五年里逐渐渗透市场，实现了前所未有的可承受性，匿名性和易于访问的色情内容（Cooper，1998），促使色情使用明显普遍上升（Wright，2011）。 Hertlein和Stevenson（2010）还注意到宽带互联网色情特有的其他特征促进了该行业的发展：更接近物理世界，可接受性，模糊性以及一个人的“真实”和“应该”自我之间的适应性。

过去的色情使用测量方法严重依赖于调查数据（参见Buzzell，2005）。 然而，在线色情制品的电子性质越来越多地使得获得色情使用的可靠代理的一些替代方法成为可能，包括从订阅或在线搜索数据中收集的那些代理。 基于订阅或搜索数据使用客观测量的能力是有利的，因为基于调查的数据通常受到社会期望偏差的影响：受访者可能少报违反社会规范的活动（Fisher，1993）。 此外，订阅数据不依赖于个人对色情内容的看法; 关于色情使用的主观调查问题的自然限制。

最近的两项研究已经开发出有关在线色情内容使用的创新数据来源。 爱德曼（2009）使用来自前十名付费色情内容提供商的订阅数据来创建一个排名，其中各州使用最多的在线色情内容，并将这些与一些州级社会或宗教态度衡量标准相关联。 MacInnis和Hodson（2014）使用谷歌趋势搜索术语数据作为色情使用的代理，并检查州级色情使用与宗教信仰和保守主义措施之间的关系。 他们发现具有更多右倾意识形态态度的国家与色情相关的谷歌搜索率更高。

本文评估了过去研究中关于国家等级顺序以及国家级色情使用与各种州级社会措施之间关系的一些主张。 我们还提供了一个框架，未来的研究人员可以用它来评估未来州级或甚至县级数据集关于色情使用的代表性。 Edelman（2009）是访问单一付费色情内容提供商的订阅数据的先驱，这种对私人公司个人消费者数据的使用将成为收集难以衡量的行为数据的有用工具。 未来使用此类丰富数据的关键是确定单个公司的数据可以提供与全国代表性样本相同的见解的程度。

在本文中，我们扩展了这两个最近研究中使用的数据，并将其与另外两个数据源相结合。 由于我们在本文中使用的四个数据源中的每一个都可以衡量色情使用的水平，我们通过将每个来源与我们为其他来源获得的州级别排名进行比较来估计每个来源的有效性。

时间

我们的论文借鉴了四个数据来源，其中包括有关色情使用的州级差异的信息。 前两个数据源是具有全国代表性的样本，而后两个数据源是基于与特定色情内容提供商相关的付费订阅或页面浏览量。 在每个数据来源中，我们对色情使用的衡量标准是基于个人寻找色情内容而不是意外地观看色情内容的情况。

我们的第一个数据集基于新家庭结构调查（NFSS）中具有全国代表性的2,988受访者样本。 数据收集由知识网络（KN）进行，该研究公司具有生成高质量数据的记录。 知识网络通过电话和邮件调查随机招募其小组成员，如果需要，可为家庭提供互联网接入。 该面板的优点在于，它不限于当前的互联网用户或计算机所有者，并且不接受自选的志愿者。

NFSS包含一个问题，即被访者是否故意在过去一年中看过色情内容。 这类问题的优势在于可以通过个人用于访问的任何来源捕获色情内容。 还有其他具有全国代表性的样本，如一般社会调查，其中包括色情问题。 我们使用来自NFSS的数据，因为它可以被其他学者轻松访问，并包含公共可用形式的状态标识符。 相反，州标识符只能在一般社会调查的机密版本中获得。 对于本文中的分析，我们使用来自NFSS调查的四十六个州的集合，其中至少有50受访者。

第二个数据源Google趋势用作特定地理区域内输入到Google的搜索量的时间序列索引。 这些数据已被证明可用于经济和医学领域，例如预测流感爆发（Carneiro＆Mylonakis，2009）和预测短期经济指标，例如消费者信心或失业（Choi＆Varian，2012）。 Preis，Moat和Stanley（2013）使用Google趋势量化交易行为，表明某些条件与股票价值的增加或减少有关。 同样，可以通过使用Google趋势搜索数据来检查成人娱乐业，以便可以定量衡量其行业的重要特征。

使用Google趋势数据最重要的挑战是选择我们绘制数据的特定术语。 所选术语必须是色情使用的实际指标，以便我们的分析有用。 Ho和Watters（2004）分析了色情网站的结构趋势。 作为他们分析的一部分，他们创建了一个经常出现在色情网站上的条款列表，这些条款经常无法出现在非色情网站上。 前四个词是“色情”，“xxx”，“性别”和“f ***”。 使用搜索统计数据，我们发现这四个术语的搜索高度相关。 相比之下，对“色情”一词的搜索与这四个术语中的任何一个都不相关，并且是一个可能被寻求色情信息而不是访问实际色情内容的人使用的术语。

“硬”和“软”色情也有区别，“软”一般指的是有性的媒体，但没有描绘渗透。 之前列出的四个术语仅针对寻求硬内容的用户绘制数据，但我们仍然认为这是一个有效的分析，原因有两个。 许多观众认为软色情不是色情内容，因此即使在包括电视和电影在内的主流媒体上也是如此。 其次，我们发现与搜索硬性色情术语相比，软性色情术语的相对搜索量极少。 我们对2005-2013上的搜索词“porn”和“裸女”进行了相对搜索。 对这两个术语的搜索进行了规范化，使得最大搜索量采用值100，发生在术语“色情”中。 与标准化最大值相比，“裸女”的搜索量指数从未大于6。

Google趋势中的数据并不表示某个地理区域中特定字词的实际搜索次数。 通过将该术语的搜索次数除以该区域中所有搜索的总次数来对每个数据点进行归一化。 因此，对于人口和各州之间的搜索量差异来控制数据。 Google趋势还可以在短时间内消除单个人的重复搜索，以防止单个人倾斜结果。

数据可在Google趋势的州周级别获得。 我们使用7月2013-July 2014的数据。 我们的观察结果调整为1-100量表。 在我们的数据集中，在一周时间内对特定术语进行最高规范化搜索的状态具有100的读数。 在每个术语上使用这些数据，我们构建了一个色情搜索索引，使用四个术语对每个州的每周数据进行加权求和。 我们更加重视“色情”和“性”，因为他们的相对搜索比“f ***”和“xxx”要大得多。 具体来说，我们使用过去一年中每个术语的平均相对权重。 然后，我们使用谷歌趋势的状态加权搜索量排名来对成人娱乐行业进行地理模拟。

使用Google趋势数据而非网站特定订阅数据的优势之一是它包含有关搜索免费和付费成人娱乐的个人信息。 Doran（2008）指出，关于80-90％的色情网站访问者只能访问免费的色情内容，这表明对付费成人娱乐的分析可能会掩盖一般的色情消费实际模式。

我们的第三个数据来源记录了Edelman（2009）最近一项研究中使用的十大最大付费色情内容提供商之一的订阅数量。 爱德曼对该数据集的分析是对文献的一种新颖贡献; 以前的色情使用研究只检验了调查数据。 使用的具体数据是与2006和2008之间的所有信用卡订阅相关联的邮政编码。 这个特定的内容提供商拥有数百个网站，涵盖广泛的成人娱乐。 然而，Edelman（2009）承认，“很难确定这位卖家是否具有代表性。”

虽然此订阅数据的来源是成人娱乐的顶级10卖家，但相对于我们在调查数据中观察到的色情使用模式，订阅量非常低，例如NFSS，其中47％的成年人在去年报告使用色情内容。 每个宽带家庭订阅最多的州是犹他州，每个5.47家庭都有1,000宽带。 最低的州是蒙大拿州，每个拥有宽带的1.92家庭都有1,000订阅。 这些低利率表明，色情内容提供商的市场份额很小，因此很难知道来自一家提供商的数据是否可以提供准确的跨州比较。 如前所述，绝大多数在线访问色情内容的人只能访问免费内容而不是使用付费网站，例如Edelman（Doran，2010）研究的网站。

我们的第四个数据来源是Pornhub.com的页面浏览数据，Pornhub.com是当时美国第三大成人娱乐在线主机。 我们使用Pornhub数据的大小以及数据的可用性。 Pornhub公布了2013年度人均页面浏览量，并按州分别报告了这些数据。 Pornhub数据在性质上与Edelman的数据类似，因为它是提供者方面的色情使用客观衡量标准。 但是，数据记录页面视图而不是订阅者; 直觉上，这些数据将揭示人均重度使用的模式以及人口中的扩散模式。 该数据还具有包括付费和非付费使用的相对优势。

评估新数据源的代表性

大数据革命开始大大开放可用于衡量和研究行为的数据源类型，例如色情使用。 Edelman（2009）使用的订阅数据代表了大型数据集的类型，这些数据集将越来越多地供学者研究。 使用此类专有数据的重要第一步是评估来自单个提供商的数据代表一般人群的程度。 在本节中，我们提供了一个评估数据集代表性的框架，将其与从另一个已知具有全国代表性的数据中观察到的模式进行比较，或者将其与可能代表真实情况的其他数据源的组合进行比较。潜在的行为模式。

在表1中，我们根据四个来源中的每一个列出了色情使用的前十个和后十个州：订阅数据，Pornhub，NFSS和Google趋势。 密西西比州是一个在所有四个数据集中排名前四位的色情国家，爱达荷州在大多数措施中始终排在任何州的最低水平。 相比之下，阿肯色州和犹他州等其他州在一些措施中排名前十，但在其他措施中排在后十位。 这些结果表明，根据单一数据来源确定哪个州似乎拥有最高的色情使用率可能会有点问题。

表1。 基于四种不同数据源控制的状态排序
用于宽带互联网接入。

在表2小组A中，我们使用来自每个来源的色情使用的实际测量而不是表1中从这些测量报告的序数排序来估计每个数据源之间的相关性。 到目前为止，付费订阅数据与其他三个来源的关联最弱，甚至与NFSS调查数据负相关。 付费订阅数据与-0.0358与NFSS，0.076与Google趋势以及0.0066与Pornhub的相关性。 这些相关性都没有统计学意义; 相应的t统计量都小于0.6（对应于大于.3的方向p值）。 相比之下，其他三个排名显示相对显着的相关性。 谷歌趋势和Pornhub的相关性为.487，NFSS和谷歌趋势的相关性为.655和Pornhub，而NFSS的相关性为.551。 所有这些相关性在统计上都是显着的，其中包括Google趋势和3.78的Pornhub之间，以及5.68的NFSS和Google趋势之间以及4.28的Pornhub和NFSS之间的t统计量。 所有这些都对应于小于.0004的方向p值。

在面板B中，我们使用从每个数据源创建的序数排名来报告相关性。 NFSS，Google趋势和Pornhub之间的相关性具有与A组相似的相关系数和显着性，同样Google趋势和付费订阅之间的相关性也相似。 该小组值得注意，因为在使用序数排名时，付费订阅数据与Pornhub和NFSS调查数据更好地相关，但相关性仍然无关紧要。 这两个小组允许我们得出类似的结论，但是付费订阅数据的较大系数值得注意，尽管它们是微不足道的并且明显弱于其他来源之间的相关性。 我们认为使用色情使用的实际衡量标准而不是序数排名的相关性最能代表行业，因为它解释了色情使用的实际差异，而不仅仅是各州的具体排序。

表2。 四个数据源之间的相关性。

三个非付费订阅数据源之间的显着相关性，尽管他们衡量的变量不同（搜索量，页面浏览量和色情观众的比例），这表明他们正在衡量各州色情使用变化的真实基本模式; 与Edelman（2009）使用的订阅数据无关的一个。

对使用的数据源的估计的敏感性

为了说明说明不同数据源之间州色情内容率差异的重要性，我们复制了一项最近的研究结果，该研究发现，更多宗教和更保守的州更有可能在Google上搜索色情内容（MacInnis和Hodson，2014年）。 我们使用本文中介绍的其他数据源，检查该论文的结论是否适用于其他色情使用量度。 复制的结果在表3中给出。我们通过减去平均值并除以标准差来标准化色情使用，宗教信仰和保守主义措施，以便在不同的色情使用措施之间进行比较（此方法等同于转换每项措施都分为Z得分）。

表3。 国家级宗教信仰或保守主义与每个度量标准之间的相关性
色情使用。

在最初的研究中，MacInnis和Hodson（2014）根据Google趋势数据分别针对性别，色情和XXX等特定搜索字词给出了结果，类似于我们在Google趋势指标中使用的字词。 表3第一行的结果表明，在大多数情况下，当我们使用Google趋势数据时，我们也发现宗教信仰和保守主义之间存在统计上显着的关系。 但是，表3中的其他行表明，当使用任何其他三个数据源时，我们会得到更弱的统计关系。 这些结果表明，如果MacInnis和Hodson（2014）使用了其他三个数据源中的任何一个，他们可能会在他们的论文中得出一个不同的结论，即他们正在研究的关系的强度。

MacInnis和Hodson（2014）发现州级宗教信仰与州级色情制品使用之间存在统计学上的显着关系这一事实很有趣，因为过去使用个人级别数据进行的研究发现，定期参加教堂活动的人使用色情制品的可能性要小得多（ Doran＆Price，2014； Patterson＆Price，2012； Stack，Wasserman和Kearns，2004）。 在教育与宗教之间的关系（Glaeser＆Sacerdote，2008年）和收入与政治归属之间的关系（Glaeser＆Sacerdote，2007年）中也发现了这种类型的模式，其中群体层面的关系与个人层面的相反。 XNUMX）。

讨论

上面考虑的每个数据来源都捕获了在线色情行业的不同横截面视图，每个数据源对于对国家一般色情使用水平感兴趣的研究人员都存在重大漏洞。 例如，由于社会期望偏见和受试者的错误记忆，NFSS调查数据可能会少报色情消费。 Google趋势数据无法捕获通过Google搜索以外的方式访问的任何色情内容。 Pornhub和付费订阅数据的代表性可能有限; 它们只针对行业中的一家公司来衡量使用情况。

当在研究中使用来自任何来源的数据时，必须在导致这些结果的数据的上下文中呈现结果。 当个人错误地将某个数据源解释为代表整个色情行业时会出现问题。 存在许多其他设置，其中类似的非代表性数据可能被错误地过度概括。 研究人员和个人必须意识到他们的发现的外部有效性，而媒体和读者必须小心，不要过度概括结果。

我们也认识到数据来源的局限性在于他们在不同的历史时刻捕捉色情行业; Google趋势（2013-2014），付费订阅（2006-2008），Pornhub（2013）和NFSS（2012）。 付费订阅数据是在其他来源之前大约6-7年收集的。 这种时差可能会影响我们的结果，但是数据来源整体趋势是这样的，我们认为我们的研究结果是准确的。 2006-2013在各州相对使用色情内容的重大转变需要我们认为不太可能出现这种偏见。

当试图对某些形式的活动的个人排序时，必须查看多个来源（如果可用）以便对比结果。 如果排序相似，则可以更容易地假设其准确性。 如果它们不同，就有机会更多地了解这个问题。 在我们的特定情况下，可能会出现差异，因为来源捕获了不同类型的色情内容。

过去有关色情制品使用的研究已经触及到它可能影响重要的兴趣领域的程度，例如离婚，幸福，工人生产力和性暴力（Bergen＆Bogle，2000； Doran＆Price，2014； Patterson＆Price，2012； Young ＆Case，2004）。 进行此类研究时，数据必须来自可靠且可概括的来源。 任何此类影响的结果和发现也必须根据个体的年龄，性别和性认同来考虑-本文未考虑的因素（Sevcikova＆Daneback，2014； Stoops，2015； Traeen＆Daneback，2013 ; Tripodi等人，2015年）。 在此类研究机会中，国家使用色情制品可能会在分析中发挥作用。 给定本文的结果，必须在此类回归中充分考虑此类变量的数据源，并且必须在数据源的上下文中解释结果。

结论

特定公司提供的数据有可能为公共问题提供重要的见解。 一个主要的挑战是确定单个公司的数据，甚至是非常大的公司的数据何时可以提供代表整个人口的见解。 假设各州的色情相对比率与2006-2013没有重大变化，我们的论文结果表明，在某些情况下，来自单个公司的信息可能会对特定行为的地理模式产生误导性描述。 这对于色情使用尤为重要，因为在线访问色情内容的大多数人只能访问免费内容而不是使用付费网站（Doran，2008）。

本文的结果借鉴了四个关于色情使用的不同数据来源，其中两个涉及具有全国代表性的数据（Google Trends和NFSS）。 我们发现三个数据来源之间存在显着的相关性，这表明它们都反映了各州色情使用中类似的潜在模式。 与付费订阅数据相比，获得相当多媒体关注的一个来源实际上与其他来源相关性较差。 我们还表明，跨数据源的选择可能会影响研究得出的结论，并表明未来的研究包括在检查对于特定行为进行理想测量时难以解决的问题时跨数据源的敏感性测试。

参考资料