對色情使用研究的回顧：來自四個來源的方法和結果（2015）：猶他州在色情使用中不是1號

鏈接到文章 

對色情使用研究的回顧：來自四個來源的方法和結果。

網絡心理學：網絡空間心理社會研究雜誌， 9（4），文章1。 DOI： 10.5817 / CP2015-4，4

抽象

關鍵詞：色情，網絡使用，數據，代表性

下載PDF

簡介

雖然大多數研究人員會同意近幾十年來色情製品變得越來越普遍，但準確衡量人口中色情製品的使用水平仍然是社會科學家的經驗挑戰。 用於訪問色情內容的一系列技術隨著時間的推移而發生變化，因此幾乎不可能始終如一地衡量色情使用的相同指標。 高速互聯網在過去十五年逐漸滲透市場，使得色情消費前所未有的可負擔性，匿名性和易用性（Cooper，1998），促使色情使用明顯普遍上升（Wright，2011）。 Hertlein和Stevenson（2010）還注意到寬帶互聯網色情特有的其他特徵促進了該行業的發展：更接近物理世界，可接受性，模糊性以及一個人的“真實”和“應該”自我之間的適應性。

過去的色情使用測量方法嚴重依賴於調查數據（參見Buzzell，2005）。 然而，在線色情製品的電子性質越來越多地使得獲得色情使用的可靠代理的許多替代方法成為可能，包括從訂閱或在線搜索數據中收集的代理。 基於訂閱或搜索數據使用客觀測量的能力是有利的，因為基於調查的數據通常受到社會期望偏差的影響：受訪者可能少報違反社會規範的活動（Fisher，1993）。 此外，訂閱數據不取決於個人對色情內容的看法; 關於色情使用的主觀調查問題的自然限制。

最近的兩項研究已經開發出有關在線色情內容使用的創新數據來源。 愛德曼（2009）使用來自前十名付費色情內容提供商的訂閱數據來創建一個排名，其中各州使用最多的在線色情內容，並將這些與一些州級社會或宗教態度衡量標準相關聯。 MacInnis和Hodson（2014）使用谷歌趨勢搜索詞數據作為色情使用的代理，並檢查州級色情使用與宗教信仰和保守主義措施之間的關係。 他們發現，具有更多右傾意識形態態度的國家與色情相關的谷歌搜索率更高。

本文評估了過去研究中關於國家等級順序以及國家級色情使用與各種國家級社會措施之間關係的一些主張。 我們還提供了一個框架，未來的研究人員可以用它來評估未來州級甚至縣級數據集關於色情使用的代表性。 Edelman（2009）是訪問單一付費色情內容提供商的訂閱數據的先驅，這種對私人公司個人消費者數據的使用將成為收集難以衡量的行為數據的有用工具。 未來使用此類豐富數據的關鍵是確定單個公司的數據可以提供與全國代表性樣本相同的見解的程度。

在本文中，我們擴展了這兩個最近研究中使用的數據，並將其與另外兩個數據源相結合。 由於我們在本文中使用的四個數據源中的每一個都可以衡量色情使用的水平，因此我們通過將每個來源與我們為其他來源獲得的州級別排名進行比較來估計每個來源的有效性。

數據

我們的論文借鑒了四個數據來源，其中包括有關色情使用的州級差異的信息。 前兩個數據源是具有全國代表性的樣本，而後兩個數據源是基於與特定色情內容提供商相關的付費訂閱或頁面瀏覽量。 在每個數據來源中，我們對色情使用的衡量標準是基於個人尋找色情內容而不是意外地觀看色情內容的情況。

我們的第一個數據集基於新家庭結構調查（NFSS）中具有全國代表性的2,988受訪者樣本。 數據收集由知識網絡（KN）進行，該研究公司具有生成高質量數據的記錄。 知識網絡通過電話和郵件調查隨機招募其小組成員，如果需要，可為家庭提供互聯網接入。 該面板的優點在於它不限於當前的互聯網用戶或計算機所有者，並且不接受自選的志願者。

NFSS包含一個問題，即被訪者是否故意在過去一年中看過色情內容。 這類問題的優勢在於可以通過個人用於訪問的任何來源捕獲色情內容。 還有其他具有全國代表性的樣本，如一般社會調查，其中包括色情問題。 我們使用來自NFSS的數據，因為它可以被其他學者輕鬆訪問，並包含公共可用形式的狀態標識符。 相反，州標識符只能在一般社會調查的機密版本中獲得。 對於本文中的分析，我們使用來自NFSS調查的四十六個州的集合，其中至少有50受訪者。

第二個數據源Google趨勢用作特定地理區域內輸入到Google的搜索量的時間序列索引。 這些數據已被證明可用於經濟和醫學領域，例如預測流感爆發（Carneiro＆Mylonakis，2009）和預測短期經濟指標，例如消費者信心或失業（Choi＆Varian，2012）。 Preis，Moat和Stanley（2013）使用Google趨勢量化交易行為，表明某些條件與股票價值的增加或減少有關。 同樣，可以通過使用Google趨勢搜索數據來檢查成人娛樂業，以便可以定量衡量其行業的重要特徵。

使用Google趨勢數據最重要的挑戰是選擇我們繪製數據的特定術語。 所選術語必須是色情使用的實際指標，以便我們的分析有用。 Ho和Watters（2004）分析了色情網站的結構趨勢。 作為分析的一部分，他們會創建一個經常出現在色情網站上的條款列表，這些條款經常無法出現在非色情網站上。 前四個詞是“色情”，“xxx”，“性別”和“f ***”。 使用搜索統計信息，我們發現這四個術語的搜索高度相關。 相比之下，“色情”一詞的搜索與這四個術語中的任何一個都不相關，並且是一個可能被尋求色情信息而不是訪問實際色情內容的人使用的術語。

“硬”和“軟”色情也有區別，“軟”通常指的是性質的媒體，但沒有描繪滲透。 之前列出的四個術語僅針對尋求硬內容的用戶繪製數據，但我們仍然認為這是一個有效的分析，原因有兩個。 許多觀眾認為軟色情不是色情內容，因此即使在包括電視和電影在內的主流媒體中也是如此。 其次，我們發現與搜索硬性色情術語相比，軟性色情術語的相對搜索量極少。 我們對2005-2013上的搜索詞“porn”和“裸女”進行了相對搜索。 對這兩個術語的搜索進行了規範化，使得最大搜索量採用值100，發生在術語“色情”中。 與標準化最大值相比，“裸女”的搜索量指數從未大於6。

Google趨勢中的數據並不表示某個地理區域中特定字詞的實際搜索次數。 通過將該項的搜索次數除以該區域中所有搜索的總數來對每個數據點進行標準化。 因此，對於人口和各州之間的搜索量差異來控制數據。 Google趨勢還可以在短時間內消除單個人的重複搜索，以防止單個人傾斜結果。

數據可在Google趨勢的州週級別獲得。 我們使用7月2013-July 2014年份的數據。 我們的觀察結果調整為1-100量表。 在我們的數據集中，在一周時間內對特定術語進行最高規範化搜索的狀態的讀數為100。 在每個術語上使用這些數據，我們構建了一個色情搜索索引，使用四個術語對每個州的每週數據進行加權求和。 我們更加重視“色情”和“性”，因為他們的相對搜索比“f ***”和“xxx”要大得多。 具體來說，我們使用過去一年中每個術語的平均相對權重。 然後，我們使用Google趨勢對各州的加權搜索量排名來對成人娛樂行業進行地理模擬。

使用Google趨勢數據而非網站特定訂閱數據的優勢之一是它包含有關搜索免費和付費成人娛樂的個人信息。 Doran（2008）指出，關於80-90％的色情網站訪問者只能訪問免費的色情內容，這表明對付費成人娛樂的分析可能會掩蓋一般的色情消費實際模式。

我們的第三個數據來源記錄了Edelman（2009）最近一項研究中使用的十大最大付費色情內容提供商之一的訂閱數量。 愛德曼對該數據集的分析是對文獻的一種新穎貢獻; 以前的色情使用研究只檢驗了調查數據。 使用的具體數據是與2006和2008之間的所有信用卡訂閱相關聯的郵政編碼。 這個特定的內容提供商擁有數百個網站，涵蓋廣泛的成人娛樂。 然而，Edelman（2009）承認，“很難確定這位賣家是否具有代表性。”

雖然此訂閱數據的來源是成人娛樂的頂級10賣家，但相對於我們在調查數據（如NFSS）中觀察到的色情使用模式，訂閱量非常低，其中47％的成年人在去年報告使用色情內容。 每個寬帶家庭訂閱最多的州是猶他州，每個5.47家庭都有1,000寬帶。 最低的州是蒙大拿州，每個擁有寬帶的1.92家庭都有1,000訂閱。 這些低利率表明，色情內容提供商的市場份額很小，因此很難知道來自一家提供商的數據是否能夠提供準確的跨州比較。 如前所述，絕大多數在線訪問色情內容的人只能訪問免費內容而不是使用付費網站，例如Edelman（Doran，2010）研究的網站。

我們的第四個數據來源是Pornhub.com的頁面瀏覽數據，Pornhub.com是當時美國第三大成人娛樂在線主機。 我們使用Pornhub數據的大小以及數據的可用性。 Pornhub公佈了2013年度人均頁面瀏覽量，並按州分別報告了這些數據。 Pornhub數據在性質上與Edelman的數據類似，因為它是提供者方面的色情使用客觀衡量標準。 但是，數據記錄頁面視圖而不是訂閱者; 直覺上，這些數據將揭示人均重度使用的模式以及人口中的擴散模式。 該數據還具有包括付費和非付費使用的相對優勢。

評估新數據源的代表性

大數據革命開始大大開放可用於衡量和研究行為的數據源類型，例如色情使用。 Edelman（2009）使用的訂閱數據代表了大型數據集的類型，這些數據集將越來越多地供學者研究。 使用此類專有數據的重要第一步是評估來自單個提供商的數據代表一般人群的程度。 在本節中，我們提供了一個評估數據集代表性的框架，將其與從另一個已知具有全國代表性的數據中觀察到的模式進行比較，或者將其與可能代表真實情況的其他數據源的組合進行比較。潛在的行為模式。

在表1中，我們根據四個來源中的每一個列出了色情使用的前十個和後十個州：訂閱數據，Pornhub，NFSS和Google趨勢。 密西西比州是一個在所有四個數據集中排名前四位的色情使用州，愛達荷州在大多數措施中始終排在任何州的最低水平。 相比之下，其他州如阿肯色州和猶他州在一些措施中排名前十，但在其他措施中排名倒數第十。 這些結果表明，基於單一數據來源確定哪個州的色情使用率最高可能有點問題。

表1。 基於四種不同數據源控制的狀態排序
用於寬帶互聯網接入。

在表2小組A中，我們使用來自每個來源的色情使用的實際測量而不是表1中從這些測量報告的序數排序來估計每個數據源之間的相關性。 到目前為止，付費訂閱數據與其他三個來源的關聯性最弱，甚至與NFSS調查數據負相關。 付費訂閱數據與-SNUMX與NFSS，0.0358與Google趨勢以及0.076與Pornhub的相關性。 這些相關性都沒有統計學意義; 相應的t統計量均小於0.0066（對應於大於.0.6的方向p值）。 相比之下，其他三個排名顯示相對顯著的相關性。 谷歌趨勢和Pornhub的相關性為.3，NFSS和谷歌趨勢的相關性為.487和Pornhub，而NFSS的相關性為.655。 所有這些相關性在統計上都是顯著的，其中包括Google趨勢和551的Pornhub之間的t統計量，以及3.78的NFSS和谷歌趨勢之間以及5.68的Pornhub和NFSS之間的t統計量。 所有這些都對應於小於.4.28的方向p值。

在面板B中，我們使用從每個數據源創建的序數排名來報告相關性。 NFSS，Google趨勢和Pornhub之間的相關性具有與A組相似的相關係數和顯著性，同樣Google趨勢和付費訂閱之間的相關性也相似。 該小組值得注意，因為在使用序數排名時，付費訂閱數據與Pornhub和NFSS調查數據更好地相關，但相關性仍然無關緊要。 這兩個小組允許我們得出類似的結論，但是付費訂閱數據的較大係數值得注意，儘管它們是微不足道的並且明顯弱於其他來源之間的相關性。 我們認為使用色情使用的實際衡量標準而不是順序排名的相關性最能代表行業，因為它解釋了色情使用的實際差異，而不僅僅是各州的具體排序。

表2。 四種數據源之間的相關性。

三個非付費訂閱數據來源之間的顯著相關性，儘管他們衡量的變量不同（搜索量，頁面瀏覽量和色情觀眾的比例），這表明他們正在衡量各州色情使用變異的真實基本模式; 與Edelman（2009）使用的訂閱數據無關的一個。

對使用的數據源的估計的敏感性

為了說明說明不同數據源之間州色情內容率差異的重要性，我們複製了一項最近的研究結果，該研究發現，更多宗教和更保守的州更有可能在Google上搜索色情內容（MacInnis和Hodson，2014年）。 我們使用本文中介紹的其他數據源，檢查該論文的結論是否適用於其他色情使用量度。 複製的結果在表3中給出。我們通過減去平均值並除以標準差來標準化色情使用，宗教信仰和保守主義措施，以便在不同的色情使用措施之間進行比較（此方法等同於轉換每項措施都分為Z得分）。

表3。 國家級宗教信仰或保守主義與每個度量標準之間的相關性
色情使用。

在最初的研究中，MacInnis和Hodson（2014）根據Google趨勢數據分別針對特定搜索字詞（如性別，色情和XXX）提供了結果，類似於我們在Google趨勢指標中使用的字詞。 表3第一行的結果表明，在大多數情況下，當我們使用Google趨勢數據時，我們也發現宗教信仰和保守主義之間存在統計上顯著的關係。 但是，表3中的其他行表明，當使用任何其他三個數據源時，我們會得到更弱的統計關係。 這些結果表明，如果MacInnis和Hodson（2014）使用了其他三個數據源中的任何一個，他們可能會在他們的論文中得出一個不同的結論，即他們正在研究的關係的強度。

MacInnis和Hodson（2014）發現州級宗教信仰與州級色情製品使用之間存在統計學上的顯著關係這一事實很有趣，因為過去使用個人級別數據進行的研究發現，定期參加教堂活動的人使用色情製品的可能性要小得多（ Doran＆Price，2014； Patterson＆Price，2012； Stack，Wasserman和Kearns，2004）。 在教育與宗教之間的關係（Glaeser＆Sacerdote，2008）以及收入與政治歸屬之間的關係（Glaeser＆Sacerdote，2007， XNUMX）。

討論區

上面考慮的每個數據來源都捕獲了在線色情行業的不同橫截面視圖，每個數據源對於對各州一般色情使用水平感興趣的研究人員都有重要的漏洞。 例如，由於社會期望偏見和受試者的錯誤記憶，NFSS調查數據可能少報色情消費。 Google趨勢數據無法捕獲通過Google搜索以外的方式訪問的任何色情內容。 Pornhub和付費訂閱數據的代表性可能有限; 它們只針對行業中的一家公司進行衡量。

當在研究中使用來自任何來源的數據時，必須在導致這些結果的數據的上下文中呈現結果。 當個人錯誤地將某個數據源解釋為代表整個色情行業時會出現問題。 存在許多其他設置，其中類似的非代表性數據可能被錯誤地過度概括。 研究人員和個人必須意識到他們的發現的外部有效性，而媒體和讀者必須小心，不要過度概括結果。

我們也認識到數據來源的局限性，因為它們在不同的歷史時刻捕捉了色情行業; Google趨勢（2013-2014），付費訂閱（2006-2008），Pornhub（2013）和NFSS（2012）。 付費訂閱數據是在其他來源之前大約6-7年收集的。 這種時差可能會影響我們的結果，但是數據來源整體趨勢是這樣的，我們認為我們的研究結果是準確的。 2006-2013在各州相對使用色情內容的重大轉變需要我們認為不太可能出現這種偏見。

當試圖對某些形式的活動的個人排序時，必須查看多個來源（如果可用）以便對比結果。 如果排序相似，則可以更容易地假設其準確性。 如果它們不同，就有機會更多地了解這個問題。 在我們的特定情況下，可能會出現差異，因為來源捕獲了不同類型的色情內容。

過去有關色情製品使用的研究已經觸及到它可能影響重要的興趣領域的程度，例如離婚，幸福，工人生產力和性暴力（Bergen＆Bogle，2000； Doran＆Price，2014； Patterson＆Price，2012； Young ＆Case，2004）。 進行此類研究時，數據必須來自可靠且可概括的來源。 任何此類影響的結果和發現也必鬚根據個體的年齡，性別和性認同來考慮-本文未考慮的因素（Sevcikova＆Daneback，2014； Stoops，2015； Traeen＆Daneback，2013 ; Tripodi等人，2015年）。 在此類研究機會中，國家使用色情製品可能會在分析中發揮作用。 給定本文的結果，必須在此類回歸中充分考慮此類變量的數據源，並且必須在數據源的上下文中解釋結果。

結論

特定公司提供的數據有可能為公共問題提供重要的見解。 一個主要的挑戰是確定單個公司的數據，甚至是非常大的公司的數據何時可以提供代表整個人口的見解。 假設各州的色情相對比率與2006-2013沒有重大變化，我們的論文結果表明，在某些情況下，來自單一公司的信息可能會對特定行為的地理模式產生誤導性描述。 這對於色情使用尤其重要，因為在線訪問色情內容的大多數人只能訪問免費內容而不是使用付費網站（Doran，2008）。

本文的結果利用了四個關於色情使用的不同數據來源，其中兩個涉及具有全國代表性的數據（Google Trends和NFSS）。 我們發現三個數據來源之間存在顯著的相關性，這表明它們都反映了各州色情使用中類似的潛在模式。 與付費訂閱數據相比，獲得相當多媒體關注的一個來源實際上與其他來源相關性較差。 我們還表明，跨數據源的選擇可以影響研究得出的結論，並表明未來的研究包括在檢查對於獲得特定行為的理想測量而難以解決的問題時跨數據源的敏感性測試。

參考