Combien de personnes pour influencer une population?

Mehdi Moussaid de "Fouloscopie" fait une vidéo pour présenter combien de personnes sont nécessaires pour influencer une population, et quels sont les moyens pour que cette influence soit la plus efficace possible.

Combien faut-il de personnes pour lancer UNE RÉVOLUTION ?

[EN] Sex Work, OnlyFans, Porn, Escorting, Dating, and Human Sexuality

Vidéo interview de "Lex Fridman" avec Aella (Aella is a sex researcher, writer, and sex worker.)
Sex Work, OnlyFans, Porn, Escorting, Dating, and Human Sexuality

OUTLINE:
0:00 - Introduction
1:57 - Uncertainty
9:34 - Sex, power, and death
22:03 - Free will
23:29 - Consciousness
33:24 - Childhood
46:22 - Dancing
59:38 - Casual sex
1:01:53 - Camming
1:16:48 - OnlyFans
1:27:02 - Dating
1:42:54 - Escorting
2:00:55 - Emotion vs reason
2:09:00 - Love
2:16:32 - Polyamory
2:25:26 - Monogamy
2:31:57 - Sex fetishes
2:49:25 - Dominance and submissiveness
2:59:06 - Psychedelics
3:18:18 - Romance
3:25:47 - Body count
3:35:34 - Porn
3:38:53 - Mortality
3:41:29 - AI
3:52:09 - Rationalist discourse
3:56:00 - Meaning of life

La MAJORITÉ a-t-elle toujours RAISON ?

 Mehdi Moussaid de "Fouloscopie" fait une vidéo sur les interactions de groupes lors de choix (sagesse des foules par exemple)

"Doit-on toujours s’appuyer sur la loi de la majorité ? Peut-on influencer le jugement collectif ? Pour répondre à ces questions, 100 abonnés de ma chaîne ont accepté de participer à une expérience sociale. Voici ce que l'on a découvert…"

 

 

[Série] La Psychologie évolutionniste (ou Psycho Évo ou Evopsy)

 Suite de vidéos par Stéphane Debove, de la chaine "Homo Fabulus", sur la psychologie évolutionniste.

La psychologie évolutionnaire, c’est quoi ? - PsychoEvo #1

Si vous deviez créer un programme de recherche pour étudier l’esprit humain, comment vous y prendriez-vous ? Présentation de la réflexion d’une poignée de chercheurs dans les années 80/90. Première vidéo d’une longue série !

00:00​ Intro

03:28​ Importance de l’évolution

06:53​ Deux révolutions scientifiques

14:46​ En résumé

16:00​ Vocabulaire

18:27​ Plan

 

Pourquoi achète-t-on des capotes ? - Psycho Évo #2 

Pourquoi on achète des contraceptifs, et accessoirement présentation de concepts importants en psycho évo. À moins que ce ne soit l’inverse.

 

00:00​ Introduction  

00:56​ Spécialisation fonctionnelle 

13:03​ Spécificité du domaine

37:28​ Importance de l’environnement 

43:21​ Environnement ancestral  

54:37​ Comportements inadaptés

 

 

 

 

Le nez a évolué pour porter des lunettes - Psycho Évo #3

Une vidéo sur un des sujets les plus chauds selon moi en biologie de l’évolution (chaud à la fois dans le sens de "débattu" et "difficile à traiter") : l’adaptation.

 

 

Vous avez un deuxième système immunitaire - psycho évo #4

Présentation du système immunitaire dont on ne parle jamais, mais qui est pourtant ô combien important !

00:00 Introduction
01:50 Analyse théorique
05:12 Pouvoir explicatif
14:57 Pouvoir prédictif
26:11 Résumé
30:00 Pas de méthodes spécifiques
33:32 Compatibilité avec la variabilité culturelle
40:20 Le futur de la recherche

 

Les logiciels que l’évolution a mis dans notre tête - psycho évo #5

 Notre psychologie n’est pas tombée du ciel ! Résultat de centaines de millions d’années d’évolution de systèmes nerveux, voyons comment un biologiste de l’évolution interprèterait chacun de ces « trucs » qui nous tournent en permanence dans la tête.

00:00 Introduction
05:03 C’est quoi une émotion ?
08:00 Peur
11:07 Bonheur et tristesse
13:20 Colère
14:41 Amour
16:40 Morale
18:00 Honte
18:56 Sexe
23:00 Raisonnement
24:31 Art
32:09 Religion
36:36 Amitié
40:45 Mémoire
43:02 Conscience
45:42 Précisions importantes !

 

  

La culture est une construction biologique (et vice et versa) - psycho évo #6

Etes-vous un produit de vos gènes ou de votre environnement ? Se préoccuper de gènes et d’évolution, est-ce être déterministe et réductionniste ? Et la culture dans tout ça ? Dans cette vidéo je lève quelques malentendus en ce qui concerne la question des relations gènes / environnement, nature / culture, inné / acquis, etc.

 

00:00 Intro
01:01 Plan
02:31 « La psycho évo nie le rôle de l’environnement »
07:16 L’environnement pertinent est un produit de l’évolution
20:35 « Présent à la naissance »
25:29 « La psycho évo nie le rôle de l’apprentissage »
35:47 « La psycho évo nie la plasticité »
44:04 « La psycho évo nie le rôle de la culture »
01:04:33 « La psycho évo fait du déterminisme génétique »
01:13:51 « La psycho évo fait du réductionnisme »
01:20:58 « La psycho évo c’est de la sociobiologie »
01:27:03 Résumé

La psychologie évolutionnaire est une pseudoscience - psycho évo #7

Aujourd’hui on discute de méthodes, de philo des sciences, de niveau de preuve, de charge de la preuve.

 

00:00 Intro
01:22 La psycho évo spécule
19:44 Les quatre causes de Tinbergen
22:49 Les comportements ne se fossilisent pas
25:38 Pas de comptage des bébés
27:02 Pas d’étude des gènes
31:18 Limites de l’analyse design/fonction
41:10 L’importance des a priori
45:11 La psycho évo est trop adaptationniste
01:03:40 Les adaptations ne sont pas parfaites
01:08:01 L’environnement ancestral n’est pas connu
01:13:43 La psycho évo est WEIRD
01:18:28 La psycho évo est trop modulariste
01:25:05 La spécificité du domaine
01:29:52 La critique la plus pertinente pour moi
01:31:50 Résumé
01:36:50 Que répondent les critiques ?
01:43:12 Le succès empirique
01:49:46 Conclusion

Peut-on être de gauche et aimer la biologie du comportement humain ? - psycho évo #8

00:00 INTRO
06:34 PARTIE 1 : Pourquoi ces recherches dérangent
20:43 PARTIE 2 : Des recherches si dangereuses que ça ?  
21:46 « Biologique » ne veut pas dire impossible à changer  
31:30 « Biologique » ne veut pas dire non-responsable  
34:41 « Naturel » ne veut pas dire bon  
41:04 L’égalité en droits ne repose pas sur l’absence de différences  
52:34 La génétique ne change pas grand-chose en matière de lutte contre la discrimination  
58:30 Les biologistes (aussi) sont de gauche  
01:07:08 Les leçons de l’histoire sont ambigües
01:13:59 PARTIE 3 : Quand la biologie devient l’alliée du progrès social  
01:15:43 Mauvais arguments pour une bonne cause  
01:18:14 Renforcement des acquis sociaux – féminisme en particulier
01:31:01 Amélioration des politiques publiques  
01:44:00 Lutte contre l’idée de mérite  
01:48:30 Déculpabilisation  
01:54:41 Lutte contre certaines formes de totalitarisme  
02:03:38 Lutte contre le relativisme  
02:08:41 Vers des sociétés plus épanouies
02:18:49 RÉSUMÉ ET CONCLUSION

A suivre....

 

Les mécanismes du succès d'une oeuvre

 Mehdi Moussaid de "Fouloscopie" fait une vidéo sur les mécanismes du succès:
"Harry Potter, Star Wars ou Gangnam Style : pourquoi certains produits connaissent un énorme succès alors que d’autres sont complètement ignorés ? Quels sont les mécanismes du succès ?"

 

Mouvement de foule : comment se propage la panique ?

Mehdi Moussaid de "Fouloscopie" fait une vidéo sur les mouvements de foules et la contamination de la peur.

*** QUELQUES PRÉCISIONS DE L'AUTEUR DE LA VIDEO*** 
 - Il est important de noter que le terme de “panique” n’est utilisé en science qu’à de rares occasions. En effet, dans la plupart des mouvements de foule les individus ne présentent pas de symptômes de panique au sens clinique du terme. Pendant une bousculade, comme à La Mecque ou lors de l’accident de la Love Parade en Allemagne, les gens ne sont généralement pas “paniqués”. De même, l’expression “achat panique”, est un abus de langage : Il n’y a en réalité qu’une toute petite minorité d’individus qui présentent effectivement des symptômes de “panique” les autres ne font que s’adapter à la situation. Dans mon domaine, l’expression de “panique collective” ne s’applique qu'au phénomène illustré en début de vidéo (sur la place de la République, à Turin, Toronto ou à Nice). Dans ce cas, la fuite des individus s’apparente effectivement à une forme de peur incontrôlée. Mais d’une manière générale, “la panique” est un mot qu’il faut utiliser avec précaution.

 - Ne confondez pas le “taux de transmission” et le R0 que l’on voit souvent en ce moment dans les médias. Le taux de transmission, comme je le dis dans la vidéo, désigne la probabilité qu’un comportement (ou un virus) se propage d’une personne à une autre lors d’un contact. Le R0 est un indicateur un peu différent qui mesure le nombre de personnes qui vont être infectées par un malade: R0 = taux de transmission x la fréquence de contacts x la durée de la phase contagieuse. Merci à Thibault Fiolet pour ses éclaircissements là-dessus. N’hésitez pas d’ailleurs à aller voir sa vidéo sur la modélisation en épidémiologie : https://youtu.be/NanMoM8l6Co 

 - J’aime bien m’amuser à développer des modèles mais n’oubliez pas une chose essentielle : un modèle, ce n’est pas *exactement* la réalité ! D’une part, il y a énormément de simplification. L’idée est d’essayer d’isoler un mécanisme mais il y a beaucoup de facteurs susceptibles de modifier le résultat. D’autre part, le modèle nécessite des paramètres (comme le taux de transmission) et on peut modifier le resultat final en changeant ces paramètres. Le modèle ne donne donc qu’une vision de ce qui est possible, en théorie. Il doit être validé par des données expérimentales pour pouvoir en tirer des conclusions solides. 

[EN] Pourquoi s’intéresser aux sciences humaines

Podcast de Julia Galef  "Rationally Speaking" sur les sciences humaines

"Universities all around the country are closing programs in the humanities, at least in part because of the increasing widespread attitude that higher education should be treated as a business, and that programs that bring in money in the form of high tuitions from students and external grants are to be prioritized. SUNY Albany, for example, announced in the Fall of 2010 that the departments of French, Italian, Classics, Russian and Theater Arts were being eliminated. So, what is the point of studying languages, literature, history or philosophy? Can we, and perhaps more importantly, should we quantify their value? Can we have universities that focus only on science and marketable skills?"


lien vers la page d'origine: ici




Quelques points relevés pendant l'épisode:

En quoi les sciences sont différentes des sciences humaines? 

Les sciences fondamentales apportent rarement des avancées technologiques intéressantes (apprendre la photosynthèse au collège ne sert à rien, etc).Ce qu'on y apprend n'est que de la culture générale scientifique : peu de méthodes.

Ce n'est pas différent d'apprendre l'histoire, ou une langue étrangère.

L'art et la littérature permettent d'apprendre via le storytelling.

Selon des tests les étudiants n'apprennent pas grand-chose pendant leurs études (même en sciences), et la littérature permet un apprentissage détourné.

Concernant l'enseignement de la littérature: écrire correctement est un entraînement, pour bien écrire, il est utile de faire de la littérature.

La méritocratie VS la chance

Monté de la chaine "Linguisticae" se demande si le mérite existe vraiment.

Origine sociale, cercle de connaissance, bon endroit au bon moment, chance, le mérite existe-t-il vraiment?

 

Sur le même sujet, en anglais mais en plus court, il y a également cette vidéo de "Veritasium":

 

[Série] La morale selon la psychologie évolutionnaire

Suite de vidéos par Stéphane Debove, de la chaine "Homo Fabulus", sur la morale.

Toutes les sources sont accessible dans les descriptions de ses pages YouTube.

[attention, l'auteur précise que ce qui est présenté est basé sur des recherches récentes et ne fait pas consensus]

La morale, ce truc bizarre

 "Début d'une série sur les origines de la morale sur Homo Fabulus ! Je pose ici les bases et vous explique pourquoi la morale, c'est bizarre, au cas où vous l'auriez pas remarqué."

Sommes-nous pré-câblés pour être moraux ?

"Un petit tour d'horizon des données qui font penser que la culture n'est pas seule maîtresse à bord pour déterminer nos jugements moraux !"

Pourquoi pas tous des bisounours ?

 "Comment un sens moral universel pourrait exister quand on observe tant de comportements immoraux chaque jour ? Un sens moral universel ne prédit-il pas que nous devrions tous être des bisounours ?"

À quoi "sert" la morale (pour un biologiste) ?

 "La morale ne devrait pas exister ! C'est en tout cas ce que semble nous dire la théorie de l'évolution dans sa plus simple version. Mais si la morale ne devrait pas exister, pourquoi existe-t-elle quand même ? HA HA LE PARADOXE !"

La morale, une histoire de coût d’opportunité (?)

"Aujourd’hui je vous explique la théorie de la morale sur laquelle j’ai bossé pendant ma thèse ! Vidéo plus longue que d’habitude et assez dense, mais ça n’avait aucun sens de la couper en plusieurs morceaux. J’espère que ça vous plaira !"

Est-ce mal de vouloir maximiser le bonheur ? Utilitarisme

"Présentation du big boss de la philosophie morale : l’utilitarisme. Vouloir maximiser le bonheur du plus grand nombre, c’est forcément bien, non ? Pas si vite..."

Les extraterrestres auront-ils une morale ? Réalisme moral

"Le jour où les premiers extraterrestres débarqueront sur Terre, pensez-vous qu’on pourra discuter de morale avec eux ? Quelles sont les chances pour qu’ils comprennent ce que ça veut dire ? Quelques éléments de réponse à cette question qui rejoint la question du réalisme moral en philosophie."

Le grand récap' - naturaliser la morale

"C’est la dernière ! Un grand récap de tout ce qu’on a vu sur la morale et le travail des doux rêveurs qui essaient de l’expliquer avec les lois naturelles."

Le biais d’auto-complaisance

 "horizon-gull" présente le “biais d’auto-complaisance”, où pourquoi on se met en avant lors d'une réussite, et on met en cause la chance lors d'un échec.

"Un Game Over dans un jeu, une mauvaise note à un examen, un échec suite à une action pourtant entreprise avec soin, et voilà que nous nous mettons parfois à invoquer des facteurs extérieurs qui auraient pu nous échapper et qui pourraient expliquer ce résultat indésirable: “J’ai raté, mais ce n’est pas faute, je n’ai pas eu de chance”..... Curieusement, dans des cas contraires telle qu’une réussite impromptue, voilà que nous renonçons à explorer ces causes explicatives extérieures, préférant souvent se faire soi-même le principal, voire unique, artisan d’un tel succès: “J’ai réussi, c’est grâce mes efforts, à mes compétences, rien à voir avec la chance”. Cette tendance que nous avons à invoquer les explications qui nous arrangent le plus a été nommée par les chercheurs le “biais d’autocomplaisance” ( self-serving bias en anglais). C'est ce biais que nous allons explorer dans cet épisode d'XP."

[EN] L'ignorance n'est pas le plus gros problème, savoir des choses qui sont fausses est pire.

Comment peut-on résoudre les problèmes dans le monde si on n'est même pas capable d'avoir une bonne vision de ces problèmes?

Dans ces 2 vidéos (qui ont des parties communes) Hans Rosling et Ola Rosling présentent plein de statistiques méconnues sur le niveau de vie dans le monde, et montrent a quel point on est pire qu'ignorant: on sait des choses fausses

"Ce n’est pas tant ce que les gens ignorent qui cause des problèmes, c’est tout ce qu’ils savent et qui n’est pas vrai."

Fake news ou informations sélectives?

Cette deuxième vidéo est une conférence scénarisée qui reprend et regroupe les conférences habituelles de Hans Rosling (j'aime moins le format scénarisé, mais il a l'avantage de rassembler beaucoup d'informations de ses autres conférences)

Petite remarque, je trouve dommage ces comparaisons avec les singes, car selon le nombre de catégories choisies, on n'obtient pas les mêmes résultats.... Cependant le message global reste juste.

[EN] Relation entre les différences de genre selon le developpement économique et l'égalité des sexes.

Papier qui étudie si les différences de genres dans les préférences (risques, patience, altruisme, et réciprocité négative et positive) augmentent ou diminuent lorsque les personnes vivent dans un pays plus égalitariste. Dit autrement: Le fait de vivre dans un pays économiquement plus développé avec une égalité des sexes entraine-t-il une augmentation ou une diminution des écarts femmes-hommes des préférences.

site d'origine: ici

[EN] Différences de salaire femme/homme aux US: une influence des heures travaillées

Post de blog qui compare les salaires femme/homme aux Etat-Unis selon des critères de temps de travail et de statut familial afin d'identifier ce qui peut causer la différence de salaire selon le genre

Le site web d'origine est ici: https://visme.co/blog/wage-gap/

Ci-dessous une copie (avec une mise en page moins bonne) dans le cas où le site d'origine disparaîtrait

[Edit]: il semblerait que des résultats similaires existent en France selon cette page Wikipédia: ici

 --------

 Sur le même sujet, une vidéo d'"Heu?reka" en VF

 --------- 

(copie du blog / premier lien)

Is the Difference in Work Hours the Real Reason for the Gender Wage Gap? [Interactive Infographic]

Written by:
Federico Anzil

Every year, the Department of Labor issues a report on the pay gap between women and men.
Women earn a median of $30,000¹ per year, while men earn $40,000 per year. In other words, working women earn 75% of what men earn.
But this gap doesn’t take into account the fact that on average, men work more hours than women. According to U.S. census data, men spend an average of 41.0 hours per week at their jobs, while women work an average of 36.3 hours per week.
Many argue that gender discrimination explains a large part of the difference in earnings. Others argue that parenthood and gender roles usually affect women's earnings more than men.
To better understand the pay gap, we classified the respondents according to their marital and parenthood status². The gap is dramatically higher between married couples versus singles without children. For married parents, the gap is even greater.

Created with Visme

But we also found that married fathers work even more than other men, while married mothers work less than married women without kids.
We analyzed the pay gap across hundreds of U.S. occupations. According to our research, in most occupations, the main source of the pay gap lies in the difference between the number of hours spent at work by women and men, and marital status and parenthood explain almost all this difference in working times.
The different behavior of women and men³ has an impact on the gender wage gap. As we will see below, the decision of who does most of the work outside versus who stays at home influences the pay gap in two ways: it modifies the nominal income, but it also influences how much women and men earn per each hour worked⁴.

A few specific examples

Let's take a look at the most common occupation in the US: Managers. This occupation is representative of the overall trend we see in the United States.

Single male managers without kids earn a median of $60,000 per year, while single female managers without kids earn $58,000 per year. On average, single male managers work 43.7 hours per week, while single female managers work 42.3 hours per week.
This means that men earn 3.4% more but work 3.5% more hours per week.
But when we look at the pay gap between married couples, we see a different picture. Both female and male married managers do have a higher salary. But men earn much more than women.

Male married managers without kids earn a median of $90,000, while female married managers without kids earn a median of $62,000. A pay gap of 31%. In other words, women earn $0.69 for each dollar earned by their male counterparts.
A large part of this gap is explained by the number of hours spent at work. Men tend to work more after they marry. The average weekly working hours of males increase 4.3%, while women keep working the same quantity of hours per week. This explains a part of the gap increase.
But the time spent at work does not explain all of the gender pay gap. Married men managers without kids also earn more for each hour at work: they earn $38.40 per hour while married women without kids earn only $28.70. That means that for each hour spent at their jobs, male married managers without kids earn about 34% more than women. As we will see in detail below, the different hourly rate is related to job market trends.
We can see the same pattern across occupations like school teachers, secretaries, nurses, customer service representatives, and a lot of other professions: a small pay gap for singles without kids and a larger pay gap for married people.

Exceptions to the overall trend

We have seen that, for the most common occupations, there is almost no absolute pay gap for singles without kids, and this gap could be explained by the difference in time spent at work. But there are some occupations that do show a gap for this group of people.
Notable examples are drivers, retail salespersons, supervisors and janitors. Interestingly, we can see the same general pattern in these occupations: the uncontrolled gap increases dramatically for married couples, even if they do not have kids.

Created with Visme

The same general pattern repeats itself in occupations where single women without kids earn more than their male counterparts. Some of them are secretaries, customer service representatives, cooks, stock clerks, office clerks and receptionists.

In all of these occupations, the pay gap in favor of women reverts if they marry: married men still earn more than married women.

More time at work also means higher wages

Now, let’s look closely at the different hourly wages paid to women and men. The data shows that there is a persistent difference in the hourly rate earned by women and men, specially for married women and men. But the data also shows that men work more than women.
After taking a closer look at the data, we found a relationship between the hourly wage and the time spent at work. The average hourly pay increases as the number of hours worked per week increases. This is true for both sexes.
In the following chart, we plotted the hourly pay for women and men. To isolate the effect of marriage and parenthood, we took into account only singles without kids.

In the next chart, we can see the average number of hours worked for each group:

For the relevant range of hours worked per week, the average hourly pay increases as the time spent at work increases.
Because men tend to work more hours than women, especially if they are married, and even more if they are married parents, this could explain a large portion of the pay gap.
Also, the previous chart shows that on average, single women without kids are getting paid more than men for every hour spent at work. This could mean that if women worked the same amount of hours as men do, and other conditions remained the same, there would be no pay gap for this group⁵.

What about age and experience?

It is important to note that age and job experience are also relevant factors in the gender gap debate. To isolate the possible effects that age and job experience may have in the pay gap for each of the different groups, we plotted the weighted average of working hours per age for single women and men without kids.

Created with Visme

For singles without kids, there is a very small gap at every age. But for married couples, there is a significant gap in working hours at every age.

If we take into account how the hourly wage varies as men and women get older, the hourly wage of men increases more than the hourly wage of women. The same pattern can be seen in all three groups.

The charts above demonstrate that job experience is correlated with the time spent at work through the years. As years pass, men accumulate more practice and training than women. The job market pays more if the worker has more experience. In other words, the gap widens as men acquire more experience than women⁶.

So what's the real cause of the gender wage gap?

In this article, we found that one of the main sources of the gender pay gap is the fact that, on average, women and men devote a different number of hours to their jobs, specially after marriage and parenthood.
The literature on gender pay gap is very extensive. Different papers focus on diverse causes to explain it. Two of the most mentioned reasons are gender discrimination and motherhood and gender roles.
Gender discrimination against women occurs if a woman is paid less than a man for doing the same job.
If we consider that the quantity of hours devoted to a job determines whether we consider a job to be the same as another, the data doesn’t support the idea of gender discrimination at the aggregate level.
The hourly pay rate for married women is lower than for married men on average, but a probable explanation is because the job market pays less per hour if the number of hours worked decreases, and married women tend to work less. The same pattern can be seen in almost every occupation.
Also, men tend to devote more time to work, thus acquire more experience as years pass by, and the job market pays more if the worker has more experience.
This doesn’t mean that gender discrimination doesn’t exist. Our analysis just shows that, at the aggregate level, most of the gap is not explained by gender discrimination.
Regarding the second aspect of the pay gap, societal ideas of gender roles influence the behavior of women and men. Also, biological factors related to parenthood do play a role in the creation of differences in preferences. Namely, women get pregnant and women breastfeed. These differences between sexes could be a plausible explanation of why women tend to spend more time at home versus their couples, especially after marriage and parenthood⁷.
To conclude and to recap, we can say that, according to our analysis, job market forces and gender preferences in relation to marital status and parenthood could explain almost all of the pay gap. Most of the gap is not the result of gender discrimination.

Methodology

Data Source

We used IPUMS USA to extract the data of the American Community Survey 2017.
Some characteristics of this sample are:
- 1-in-100 national random sample of the population.
- The data include persons in group quarters.
- This is a weighted sample.
- The smallest identifiable geographic unit is the PUMA, containing at least 100,000 persons. PUMAs do not cross state boundaries.
The ACS is the largest household survey that the Census Bureau administers.
The number of cases in this data set is 3,190,040.
We selected the following variables:
- NCHILD Number of own children in the household
- YNGCH Age of youngest own child in household
- SEX Sex
- AGE Age
- MARST Marital status
- OCC Occupation
- UHRSWORK Usual hours worked per week
- INCWAGE Wage and salary income
- PERWT Person weight

Description of the Variables

PERWT
PERWT indicates how many persons in the U.S. population are represented by a given person in an IPUMS sample.
PERWT should be used when conducting a person-level analysis of any IPUMS sample.
NCHILD
NCHILD counts the number of own children (of any age or marital status) residing with each individual. NCHILD includes step-children and adopted children as well as biological children. Persons with no children present are coded "0."
YNGCH
YNGCH reports the age of the youngest own child (if any) residing with each individual, regardless of the child's age or marital status. The highest legitimate age for YNGCH is 98. YNGCH includes step-children and adopted children as well as biological children. Persons with no own children present are coded 99.
SEX
SEX reports whether the person was male or female.
AGE
AGE reports the person's age in years as of the last birthday.
MARST
MARST gives each person's current marital status.
OCC
OCC reports the person's primary occupation, coded into a contemporary census classification scheme. Generally, the primary occupation is the one from which the person earns the most money; if respondents were not sure about this, they were to report the one at which they spent the most time. Unemployed persons were to give their most recent occupation. For persons listing more than one occupation, the samples use the first one listed.
Codenames can be obtained from this url:
https://usa.ipums.org/usa/volii/occ_acs.shtml
UHRSWORK
UHRSWORK reports the number of hours per week that the respondent usually worked, if the person worked during the previous year. The census inquiry relates to the previous calendar year, while the ACS and the PRCS uses the previous 12 months as the reference period.
UHRSWORK is a 2-digit numeric variable that reports the number of hours per week that the respondent usually worked, if the person worked during the previous year. The census inquiry relates to the previous calendar year, while the ACS and the PRCS uses the previous 12 months as the reference period. UHRSWORK specific variable codes for missing, edited, or unidentified observations, observations not applicable (N/A), observations not in universe (NIU), top and bottom value coding, etc. are provided below if applicable by Census year (and data sample if specified).
UHRSWORK Specific Variable Codes
00 = N/A
99 = 99 hours (Top Code)
INCWAGE
INCWAGE reports each respondent's total pre-tax wage and salary income - that is, money received as an employee - for the previous year. The censuses collected information on income received from these sources during the previous calendar year; for the ACS and the PRCS, the reference period was the past 12 months. Sources of income in INCWAGE include wages, salaries, commissions, cash bonuses, tips, and other money income received from an employer. Payments-in-kind or reimbursements for business expenses are not included. See the comparability discussion below for further information.
Amounts are expressed in contemporary dollars, and users studying change over time must adjust for inflation (See INCTOT for Consumer Price Index adjustment factors). The exception is the ACS/PRCS multi-year files, where all dollar amounts have been standardized to dollars as valued in the final year of data included in the file (e.g., 2007 dollars for the 2005-2007 3-year file). Additionally, more detail may be available than exists in the original ACS samples.
User Note: ACS respondents are surveyed throughout the year, and amounts do not reflect calendar year dollars. While the Census Bureau provides an adjustment factor (available in ADJUST), this is an imperfect solution. See the ACS income variables note for further details.
INCWAGE is a 7-digit numeric code reporting each respondent's total pre-tax wage and salary income - that is, money received as an employee - for the previous year. INCWAGE specific variable codes for missing, edited, or unidentified observations, observations not applicable (N/A), observations not in universe (NIU), top and bottom value coding, etc. are provided below by Census year (and data sample if specified).
User Note: Amounts are expressed in contemporary dollars, and users studying change over time must adjust for inflation.
INCWAGE Specific Variable Codes
999999 = N/A
999998 = Missing

Data Preparation

We used Python to import and filter the data. Python is a general-purpose programming language. The libraries Pandas and Numpy libraries were used to import and filter the data.
We removed observations less than 16 years old, unemployed who never worked, not in labor force who last worked more than 5 years ago.
We removed observations that reported N/A or missing wage or salary income.
We removed observations with a code of 0 hours worked
To isolate any possible effect caused by marked differences between women and men when they reach older ages, we took into account only people younger than 70 years old.
To calculate the hourly wage, we used the value 52.143 to calculate how many weeks are in a year. We calculated the number of hours worked per year for each observation, multiplying UHRSWORK ( the number of hours per week that the respondent usually worked, if the person worked during the previous year) by this value.
To arrive at the hourly wage, we divided the wage and salary income for the previous year (INCWAGE) by the number of hours worked per year.
To consider if a person is a parent, we took into account if there is an own child residing with each individual and the age of the youngest child. For this study, we chose the age of 18 as the limit to consider if a person is a parent.
We classified observation according to their marital and parenthood status (according to our definition of parent).

• If an observation is single and no parent, we assigned it to the group “singles no children”
• If an observation is married and no parent, we assigned it to the group “married no children”
• If an observation is married and parent, we assigned it to the group “married with children”

After all this cases had been removed, our sample consisted in 1,509,403 observations.

Descriptive Statistics

To calculate the statistics, we used R and Python. R is a programming language for statistical computing. We used the R library dplyr to create subsets of the sample.
We calculated the weighted statistics for:

• wage and salary income
• hours worked
• hourly wage

For the wage and salary income, we chose the median as the descriptive statistic. Because the mean can be influenced by extreme scores. That means that a small number of high wages could significantly affect the mean, but not the median.
The hourly wage also represent the median.
In the case of the hours worked we chose the mean because there is a natural limit on the worked hours per week, so extreme values cannot be present (the top code for UHRSWORK is 99).
For the occupations, we also merged the dataset with the occupations names. Occupation names can be found at:
https://usa.ipums.org/usa/volii/occ_acs.shtml

Notes

1. 
   
   Median pre-tax wage and salary income. Only working people younger than 70. Not filtering out any outlier, for the rest of the article we filtered out cases that we consider abnormal and not representative. See the methodology section for more information.
2. 
   
   To isolate the effect of parenthood and marital status, we took into account only three groups: Not married without children, married without children and married with children. Further research could also take into account more categories, like single parents.
3. 
   
   Different choices can be agreed upon and voluntary decisions of both members of the couple, although influenced by sociological aspects and gender roles.
4. 
   
   To calculate the hourly pay, we used the average number of hours per week that the respondent usually worked.
5. 
   
   Or a small gap in favor of women.
6. 
   
   Also, not plotted here, the difference in worked hours slightly increases as men and women get older.
7. 
   
   These can be agreed and voluntary decisions of both member of the couple, although, influenced by sociological aspects and gender roles.
8. 
   
   Steven Ruggles, Sarah Flood, Ronald Goeken, Josiah Grover, Erin Meyer, Jose Pacas, and Matthew Sobek. IPUMS USA: Version 8.0 [dataset]. Minneapolis, MN: IPUMS, 2018. https://doi.org/10.18128/D010.V8.0