Jason Greenberg
研究问题:从他们的本科生涯开始, 女性是否面临进入STEM相关领域的障碍或强烈反对进入STEM相关领域, 特别是科学和工程, due to their gender? 此外，美国境内的地区是否会影响这种性别差异?
不断变化的性别期望和社会对女性越来越平等的待遇，促使来自不同学科的研究人员开始分析，是什么原因导致了男女收入差距的持续存在. 许多因素影响工人的工资, including job industry, experience, inherent ability, lifestyle preferences, and performance. 这些预测因素中的许多都是主观的，难以衡量. 这次演讲不会集中解释男性收入中位数较高的原因, 而是将研究大学专业选择中的性别差异, 哪个是最终职业轨迹和收入的指标. 从2015年美国社区调查(American Community Survey)的本科专业数据中可以看出，对理工科专业的系统性性别偏好和对理工科专业的偏好是显而易见的. Moreover, 然而，在全国范围内，在州一级，科学和工程专业的男女人数之间存在着奇怪的差距, 科学和工程专业的男性学位持有者与女性学位持有者的相对比例表明，美国不同地区在本科阶段的科学领域面临着不同程度的性别差异.
library(ggplot2)
library(maps)
library(RColorBrewer)
上面的这些包是运行支持本文论证的图形所必需的。.
bachelors <- read.csv("bachelors.csv", header = TRUE, stringsAsFactors = FALSE)
dim(bachelors)
head(bachelors)
The "bachelors.csv”文件包含了2015年美国和波多黎各各个地理区域的男女学士学位持有者的信息. 由于这是本课程Problem Set 2使用的数据集，因此不需要进行主要的数据清理. 为了演示的目的, 只有各州的综合数据，而不是城市数据, rural, 或者使用城市特定数据.
desired_columns <- c(3, 4, 16, 28, 40, 52, 64)
desired_rows <- seq(2,53) #所有州，华盛顿特区和波多黎各
subsetTotal <- bachelors[desired_rows, desired_columns]
colnames(subsetTotal) <- c("State","Total", "SciEng", "SciEngRelated", "Business", "Education", "HumArts")
dim(subsetTotal)
subsetTotal
这个数据框展示了2015年以来所有50个州25岁及以上的人获得学士学位的总数, Washington DC, and Puerto Rico. 包括五类专业. 美国人口普查局美国社区调查将科学和工程相关专业定义为包括护理, architecture, 并获得数学教师教育学位, 而科学和工程类别包括生物学, chemistry, physics, mathematics, computer science, and social science degrees.
colnames(subsetTotal) <- c("State","Total", "SciEng", "SciEngRelated", "Business", "Education", "HumArts")
bandNames <- colnames(subsetTotal[,3:7])
par(mfrow = c(3,2))
par(mar = c(0,0,0,0))
for(j in 1:5){
hist(as.numeric(subsetTotal[,j+2])/as.numeric(subsetTotal[,2]),breaks = seq(0,0.7, by=0.05),ylim = c(0,50),
axes = FALSE, main = "", xlab = "", ylab = "", col = "grey")
box()
text(x = .33, y=40, label = bandNames[j])
}
在开始分析男女在大学专业选择中的性别和地域偏见之前, 看到所有观察点包括男性和女性的综合数字的专业分布是有帮助的. 上面的视觉效果包括五个直方图，分别代表了大学专业类型的各个类别. x轴表示该专业学位持有者的百分比，范围从0到70%，由“breaks = seq(0)”定义,0.7, by=0.05)" code, 而y轴则以状态数表示频率, which ranges from 0 to 50. 每个条形代表5%的存储范围. 使用“par”和forloop生成分组的直方图集, 单个直方图标题通过使用“colnames”函数连接到原始数据框“subsetTotal”列名. 对于这个非地区特定的国家主要数据，所有学位持有者超过25岁, 科学和工程专业在总学位中所占比例最高. 这体现在较高的中位数水平上, over 20 states, 大约占各州所有学位的30%，而且相对均衡, bell-curve shaped distribution. Meanwhile, 科学和工程相关领域的中位数较低, 30个州有5%到10%的学位持有者拥有这类学位, and education major degrees, 大约有20个州拥有10%到15%的此类学位, signifies lower popularity.
Desired_columnsMale <- c(8, 20, 32, 44, 56, 68) #men totals
Desired_rowsMale <- seq(2,53) #all states
SubsetMale <- bachelors[Desired_rowsMale, Desired_columnsMale]
colnames(SubsetMale) <- c("TotalMale", "SciEngMale", "SciEngRelatedMale", "BusinessMale",
"EducationMale", "HumArtsMale")
bandNames <- colnames(SubsetMale[,-1])
par(mfrow = c(3,2))
par(mar = c(0,0,0,0))
for(j in 1:5){
hist(as.numeric(SubsetMale[,j+1])/as.numeric(SubsetMale[,1]),breaks = seq(0,0.7, by=0.05),ylim = c(0,50),
axes = FALSE, main = "", xlab = "", ylab = "", col = "grey")
box()
text(x = .33, y=40, label = bandNames[j])
}
Desired_columnsFemale <- c(12, 24, 36, 48, 60, 72) #women totals
Desired_rowsFemale <- seq(2,53) #all states
SubsetFemale <- bachelors[Desired_rowsFemale, Desired_columnsFemale]
colnames(SubsetFemale) <- c("TotalFemale", "SciEngFemale", "SciEngRelatedFemale", "BusinessFemale",
"EducationFemale", "HumArtsFemale")
bandNames <- colnames(SubsetFemale[,-1])
par(mfrow = c(3,2))
par(mar = c(0,0,0,0))
for(j in 1:5){
hist(as.numeric(SubsetFemale[,j+1])/as.numeric(SubsetFemale[,1]),breaks = seq(0,0.7, by=0.05),ylim = c(0,50),
axes = FALSE, main = "", xlab = "", ylab = "", col = "grey")
box()
text(x = .33, y=40, label = bandNames[j])
}
这两组按性别划分的五个直方图有助于显示男性和女性在专业选择频率上的差异. 在上述原始的非性别直方图集中使用了相同的编码技术和结构. This time, 新的子集“subsetMale”和“subsetFemale”被用来代替“subsetTotal”,，其中数据来自原始Excel文件中的特定性别列. 分布中最显著的差异之一存在于理工科专业的直方图中. 男性科学技术人员的分布中心比女性科学技术人员的分布中心高约20%. 没有其他大学专业类型面临这样的性别差异. 进一步的统计分析将有助于澄清具有科学和工程学位的男性人数与具有科学和工程学位的女性人数之间关系的某些方面.
desired_columns <- c(3,4,8,12,16,20,24,28,32,36,40,44,48,52,56,60,64,68,72)
desired_rows <- seq(2,53) #all states
subset <- bachelors[desired_rows, desired_columns]
colnames(subset) <- c("State","Total","TotalMale","TotalFemale",
"SciEngTotal", "SciEngMale", "SciEngFemale",
"SciEngRelatedTotal", "SciEngRelatedMale", "SciEngRelatedFemale",
"BusinessTotal","BusinessMale","BusinessFemale",
"EducationTotal","EducationMale","EducationFemale",
"HumanitiesTotal","HumanitiesMale","HumanitiesFemale")
subset$percentMaleTotal <- as.numeric(subset$TotalMale)/as.numeric(subset$Total)*100
subset$percentFemaleTotal <- as.numeric(subset$TotalFemale)/as.numeric(subset$Total)*100
subset$percentOfMaleInSciEng <- as.numeric(subset$SciEngMale)/as.numeric(subset$SciEngTotal)*100 这对百分比之和为100%
subset$percentOfFemaleInSciEng <- as.numeric(subset$SciEngFemale)/as.numeric(subset$SciEngTotal)*100
subset$percentSciEngMale <- as.numeric(subset$SciEngMale)/as.numeric(subset$TotalMale)*100 #而这对没有直接的关系
subset$percentSciEngFemale <- as.numeric(subset$SciEngFemale)/as.numeric(subset$TotalFemale)*100
subset$percentSciEngRelatedMale <- as.numeric(subset$SciEngRelatedMale)/as.numeric(subset$TotalMale)*100
subset$percentSciEngRelatedFemale <- as.numeric(subset$SciEngRelatedFemale)/as.numeric(subset$TotalFemale)*100
subset$percentBusinessMale <- as.numeric(subset$BusinessMale)/as.numeric(subset$TotalMale)*100
subset$percentBusinessFemale <- as.numeric(subset$BusinessFemale)/as.numeric(subset$TotalFemale)*100
subset$percentEducationMale <- as.numeric(subset$EducationMale)/as.numeric(subset$TotalMale)*100
subset$percentEducationFemale <- as.numeric(subset$EducationFemale)/as.numeric(subset$TotalFemale)*100
subset$percentHumanitiesMale <- as.numeric(subset$HumanitiesMale)/as.numeric(subset$TotalMale)*100
subset$percentHumanitiesFemale <- as.numeric(subset$HumanitiesFemale)/as.numeric(subset$TotalFemale)*100
subset$SciEngRatio <- subset$percentSciEngFemale/subset$percentSciEngMale
head(subset)
将男女各专业的学位持有者人数除以男女各专业的总学位持有者人数, 每个州学位持有者的百分比, major, and gender can be derived. 获得原始计数和相关数据对于更完整的分析很重要. 澄清上面第二对和第三对计算代码中的注释, “男性在科学领域的百分比”和“女性在科学领域的百分比”表示拥有科学和工程学位的男性和女性的百分比与两种性别学位持有者的总和相比. 这就是为什么这两个值之和为100%. Meanwhile, “percentSciEngMale”和“percentSciEngFemale”表示持有理工科学位的男性和女性与其他学位的比例, not the other gender, 这就是为什么这两个百分比加起来很可能不是100%. 这两种计算对于理解人与人之间的关系都很重要, women, and degree choice.
median(as.numeric(subset$TotalMale))
median(as.numeric(subset$TotalFemale))
median(as.numeric(subset$SciEngMale))
median(as.numeric(subset$SciEngFemale))
通过计算每个州男性和女性总学位持有者的中位数, 可以看出，在每个州，女性平均拥有更多的学位. 女性学位持有者与男性学位持有者的比例约为1.2 to 1.而女性理工科学位持有者与男性理工科学位持有者的比例约为1.0 to 1.59, 这表明即使总体上女性的平均水平更高, 平均而言，男性比女性拥有更多的科学和工程学位.
sum(as.numeric(subset$TotalMale))
sum(as.numeric(subset$TotalFemale))
sum(as.numeric(subset$SciEngMale))
sum(as.numeric(subset$SciEngFemale))
计算所有州计数之和的相同比率, 男女总比例约为1.1 to 1.，而理工科并行总比例约为1.0 to 1.5. Therefore, 对于国家中位数比率和总和比率, 一般来说，女性拥有更多的学位, 但男女理工科学位之间的相对差异更大，而且呈相反的关系.
median(subset$percentMaleTotal)
median(subset$percentFemaleTotal)
median(subset$percentOfMaleInSciEng )
median(subset$percentOfFemaleInSciEng)
median(subset$percentSciEngMale)
median(subset$percentSciEngFemale)
median(subset$percentSciEngMale)/median(subset$percentSciEngFemale)
median(subset$percentSciEngRelatedMale)/median(subset$percentSciEngRelatedFemale)
median(subset$percentBusinessMale)/median(subset$percentBusinessFemale)
median(subset$percentEducationMale)/median(subset$percentEducationFemale)
median(subset$percentHumanitiesMale)/median(subset$percentHumanitiesFemale)
从百分比计算来看，女性大约有52%.2015年，25岁以上的人占所有学士学位的5%. Yet they only held about 39.科学和工程学位的4%. 与刚才检查的比率一致, 男性比女性更倾向于进入科学和工程领域. On average, 42.在所有学位中，有3%是基于科学和工程的，而男性只有24%.平均1%的女性学位是科学和工程学位. 这些百分比的比率是1.75, 在所有的大学专业中，哪个是最大的, 商科专业排名第二，为1.46. 学位总数之间的差异, state averages, 各州的平均百分比都表明，女性不进入科学或工程领域是一种社会趋势. 2009年的一篇论文分析了对西北大学161名学生的调查，通过基于调查结果的计量经济模型确定，女性决定不进入特定专业的最重要原因与对课程乐趣的期望有关. 作者认为，男性和女性对特定院系课程期望的差异可能与社会中的性别歧视有关(Zafar 29)。. 1984年的一篇文章使用了1972年全国高中班级纵向研究的数据, 作者认为，“在高中最后一年，他们的偏好出现了实质性的差异, 为各种类型的工作以及随后在大学期间为劳动力市场做准备”(Daymont 414)。. Again, 一个基于调查答案的经济回归模型确定了哪些因素在造成性别差距的最主要因素中占最大比重. 如果学生对职业选择的偏好和印象影响大学专业的选择，从而影响职业道路和收入, 那么，2015年美国社区调查(American Community Survey)的数据进一步支持了这样一种观点，即性别差距甚至在学生完成学业之前就开始形成了.
options(scipen=2000000) #将200万以下数字的科学记数法转换为常规小数
summary(lm(as.numeric(subset$SciEngFemale) ~ as.numeric(subset$SciEngMale)))
上面的代码输出了一个线性回归摘要，该线性回归摘要是男性持有的科学和工程学位的原始计数，作用于每个州女性持有的科学和工程学位的原始计数, DC, and Puerto Rico. 然后对其他四种专业类型执行相同的汇总输出. 重要的汇总统计数据进一步分析了支持女性如何系统地避免主修科学或工程专业的证据.
summary(lm(as.numeric(subset$SciEngRelatedFemale) ~ as.numeric(subset$SciEngRelatedMale)))
summary(lm(as.numeric(subset$BusinessFemale) ~ as.numeric(subset$BusinessMale)))
summary(lm(as.numeric(subset$EducationFemale) ~ as.numeric(subset$EducationMale)))
summary(lm(as.numeric(subset$HumanitiesFemale) ~ as.numeric(subset$HumanitiesMale)))
每个专业的女性学位持有者数量对男性学位持有者数量的依赖关系在五个专业中都是正的. 看看学士学位持有者的原始数据，这个结果并不令人惊讶. 男女学位数量的增加意味着，在一个州，一种性别的学位持有者较多，另一种性别的学位持有者也相对较多. 而斜率最小的是理工科专业关系，为0.67，其他斜率为0.80, 1.40, 2.33, and 3.36. 基于每个回归的p值可忽略地接近于零, 回归系数均具有统计学显著性.
ggplot(subset, aes(as.numeric(SciEngMale), as.numeric(SciEngFemale))) +
geom_point()+
#scale_x_continuous(name=“男性理科学位持有者总数”，限制=c(0,150000)) +
#scale_y_continuous(name=“女性理科学位持有者总数”，限制=c(0,150000))+
labs(x= “全国男性理科学历总人数”) +
labs(y = 《买球平台》)+ ylim(0,2000000)+
labs(title= “男女理科学位持有者的关系”) +
stat_smooth(method = lm, se = FALSE, color = "black") +
geom_vline(xintercept = 134349, linetype="dotted", colour="red")+
geom_hline(yintercept = 84527, linetype="dotted", colour="red")+
geom_vline(xintercept = 0)+
geom_hline(yintercept = 0)+
annotate("text", label = "r^2 == 0.9895", parse = TRUE,x= 1400000, y = 1500000) +
annotate("text", label = "slope = 0.676634", x= 1475000, y = 1250000)
#qplot(as.numeric(SciEngMale), as.numeric(SciEngFemale)， data =子集，color = I(“深蓝色”)，
# xlab =“男理科总人数”，ylab =“女理科总人数”，
# main = "理科男女总人数关系")+ geom_smooth(method = "lm"), se = FALSE)
#qplot上面ggplot的版本
上面的ggplot可视化地表示了之前运行的五个回归系列中的第一个线性回归. x轴代表50个州中25岁及以上的男性科学或工程学士学位持有者的总数, DC, and Puerto Rico. y轴代表女性的相同数据. 拥有科学或工程专业学位的男性中位数为134人,349, 而女性的平均年龄是84岁,527. 虚线准星截距表示这一点. Also, r平方值表明，几乎99%的女性科学和工程学位持有者的变化是由男性科学或工程学位持有者数量的变化造成的. 对于只有一个自变量的回归，这个值高得令人难以置信, 但是看看其他的r平方值在其他大学主要类别的回归, 可以看出，存在类似的高值. 在数据失真的可能性之外, 这表明，2015年一个州某一特定专业的男性学位持有者数量是一个非常精确的指标，可以预测该专业的女性学位持有者数量.
summary(lm(subset$percentSciEngFemale ~ subset$percentSciEngMale))
ggplot(subset, aes(percentSciEngMale, percentSciEngFemale)) +
geom_point()+
labs(x= “按国家分男性理科学历”) + xlim(32.5,52.5)+
labs(y = “各州持有理科学位的女性比例”)+ ylim(15.25,35.25)+
labs(title= 《买球平台》) +
stat_smooth(method = lm, se = FALSE, color = "black")
看看每个州主修科学和工程的学位持有者的百分比, as opposed to the raw counts, 可以看到一个相对一对一的斜率，正如在上面的回归中计算的，其值约为0.99. 这种关系乍一看可能与对原始计数的解释相冲突, 但由于观测值的差异, 这个斜率实际上进一步支持了这样一种观点，即从事科学和工程的女性人数明显低于男性. 理工科学士学位持有者的比例每增加一个百分点, 拥有理工科专业学位的女性比例预计也将增加1%. However, 女性的百分比值范围, as seen by the y-axis, 是否都比两种性别中位数州百分比值相差18%左右, 男性的中位数是42.3% for men and 24.1% for women. Importantly, 这一关系表明，拥有理科学位的男女比例较高的州，其相似度要高于拥有理科学位的男女比例较低的州, 由于更高的分子和分母值意味着分数更接近于1的值. 这将在稍后通过取这两个变量的比率并将状态值映射到choropleth中更加直观.
初始化州经纬度数据和创建地形图将有助于更好地了解这些发现的区域含义.
states <- map_data("state")
head(states)
dim(states)
head(subset)
names(subset) <- tolower(names(subset))
subset$region <- tolower(subset$state)
head(subset)
上面的代码通过用小写标题重命名列来修改原始的“子集”数据，并添加名为“region”的最后一列，状态数据作为每个条目与给定的状态共享.
choro_df <- merge(states, subset, by = "region") #合并(df1, df2 =“列向量”)
head(choro_df)
在创建匹配两个数据框架的列之后, 它们可以用“merge”命令合并，然后按order列排序.
以下两幅地图分别题为“持有科学/工程专业的女性学位”和“持有科学/工程专业的男性学位”，显示较早前进行的原始统计回归分析的结果. 拥有科学和工程学位的男性较多的州，拥有科学和工程学位的女性也较多. 每个人旁边的图例将表明两性之间在学位数量上的相对差距. In a regional context, 因为科学和工程学位之间有很强的直接联系, the maps look very similar.
choro <- choro_df[order(choro_df$order),] #order by "order" column
head(choro)
choro$breaks <- cut(as.numeric(choro$sciengfemale),breaks = seq(0,1400000, by = 100000), include.lowest = TRUE,
labels = c("0-100,000","100,001-200,000","200,001-300,000","300,001-400,000","400,001-500,000",
"500,001-600,000","600,001-700,000","700,001-800,000","800,001-900,000","900,001-1,000,000",
"1,000,001-1,100,000","1,100,001-1,200,000","1,200,001-1,300,000","1,300,001-1,400,000"))
#choro$breaks <- cut(as.数字(choro$sciengfemale)，break = seq(0,1500000, by = 250000)，包括.lowest = TRUE,
# labels = c("0-250,000"，"250,000-500,000"，"250,000-500,000"， "250,000-500,000"，
# "500,000-750,000","750,000-1,000,000","1,000,000-1,250,000"))
qplot(long, lat, data = choro, group = group, fill = breaks, geom = "polygon",
main = “主修科学或工程的女性学位持有人”) +
scale_fill_brewer(name = "Number of Degrees", palette = "Reds")
以上是女性的原始学位计数图, break separation units of 100,000 were used, 而断裂分离单位为200,000 were used for the men. 即使间隔不同，所有状态的趋势都有大约1.男性的科学学位是女性的5倍，这一点可以从颜色的相似性中看出.
choro$breaks <- cut(as.numeric(choro$sciengmale),breaks = seq(0,2200000, by = 200000), include.lowest = TRUE,
labels = c("0-200,000","200,001-400,000","400,001-600,000","600,001-800,000","800,001-1,000,000",
"1,000,001-1,200,000","1,200,001-1,400,000","1,400,001-1,600,000","1,600,001-1,800,000","1,800,001-2,000,000",
"2,000,001-2,200,000"))
qplot(long, lat, data = choro, group = group, fill = breaks, geom = "polygon",
main = 男学士，主修理工科) +
scale_fill_brewer(name = "Number of Degrees", palette = "Blues")
虽然原始数据表明，男女在科学领域的学位数量没有地区差异, 看看每个州理科或工科学位的比例，就会得出不同的结论. Comparing the two, 在这个国家的一些地区，从事科学研究的男性多于女性，反之亦然. 有些州两者的比例确实很高, like California and New York, 但在怀俄明州和佛罗里达州等其他州，男性的比例较高，女性的比例相对较低. 除了地区差异, 这些地图确实进一步证明，从事科学研究的男性多于女性. 女性获得学位的比例要低得多, 正如前面所示，拥有科学和工程学位的男性和女性的中位数百分比.
choro$breaks <- cut(choro$percentsciengfemale,breaks = seq(15,45, by = 5), include.lowest = TRUE,
labels = c("15%-20%","20%-25%","25%-30%",
"30%-35%","35%-40%","40%-45%"))
qplot(long, lat, data = choro, group = group, fill = breaks, geom = "polygon",
main = “持有理工科专业学位的女性比例”) +
scale_fill_brewer(name = "Degree Rates", palette = "Reds")
choro$breaks <- cut(choro$percentsciengmale,breaks = seq(30,55, by = 5), include.lowest = TRUE,
labels = c("30%-35%","35%-40%","40%-45%",
"45%-50%","50%-55%"))
qplot(long, lat, data = choro, group = group, fill = breaks, geom = "polygon",
main = 持有理工科专业学位的男性比例) +
scale_fill_brewer(name = "Degree Rates", palette = "Blues")
将拥有理工科学位的女性占其他学位的比例与拥有理工科学位的男性占比进行比较, we can see from just one, rather than two, 绘制地区如何影响男性和女性获得科学和工程学位的相对比率. 颜色较深的州表示女性比例较高，但该比例永远不会达到1. 总的趋势是，东西海岸的比率高于全国其他地区. 不像前两幅地图显示了非常相似的区域模式, 这张比例图清楚地显示了全国不同地区大学专业性别偏见的不同程度.
choro$breaks <- cut(choro$percentsciengfemale/choro$percentsciengmale,breaks = seq(0.35,0.85,by = 0.05), include.lowest = TRUE,
labels = c("0.35-0.40","0.40-0.45","0.45-0.50","0.50-0.55",
"0.55-0.60","0.60-0.65","0.65-0.70","0.70-0.75","0.75-0.80","0.80-0.85"))
#choro$breaks = cut(choro$percentsciengfemale/choro$percentsciengmale, 6)
qplot(long, lat, data = choro, group = group, fill = breaks, geom = "polygon",
main = “理工科专业男女比例”) +
scale_fill_brewer(name = "Ratio of Percents",
palette = "Purples")
desired_columns <- c(3,4,8,12,16,20,24,28,32,36,40,44,48,52,56,60,64,68,72) #重新输入原始的“子集”数据帧，没有被choropleth合并改变
desired_rows <- seq(2,53) #all states
subset <- bachelors[desired_rows, desired_columns]
colnames(subset) <- c("State","Total","TotalMale","TotalFemale",
"SciEngTotal", "SciEngMale", "SciEngFemale",
"SciEngRelatedTotal", "SciEngRelatedMale", "SciEngRelatedFemale",
"BusinessTotal","BusinessMale","BusinessFemale",
"EducationTotal","EducationMale","EducationFemale",
"HumanitiesTotal","HumanitiesMale","HumanitiesFemale")
subset$percentSciEngMale <- as.numeric(subset$SciEngMale)/as.numeric(subset$TotalMale)*100 #而这对没有直接的关系
subset$percentSciEngFemale <- as.numeric(subset$SciEngFemale)/as.numeric(subset$TotalFemale)*100
subset$SciEngRatio <- subset$percentSciEngFemale/subset$percentSciEngMale
head(subset)
sort(as.numeric(subset$SciEngMale), decreasing = TRUE)[1:10]
subset[which(subset$SciEngMale == "2040615"), "State"]
subset[which(subset$SciEngMale == "1074765"), "State"]
subset[which(subset$SciEngMale == "912146"), "State"]
sort(as.numeric(subset$SciEngFemale), decreasing = TRUE)[1:10]
subset[which(subset$SciEngFemale == "1386950"), "State"]
subset[which(subset$SciEngFemale == "711283"), "State"]
subset[which(subset$SciEngFemale == "645017"), "State"]
通过对拥有最高科学学位的州进行分类, 使用“which”函数可以识别这些计数属于哪些状态. 加州拥有最多的男女理工科专业学位持有者. 纽约州和得克萨斯州的这两项指标也排在第二位.
sort(as.numeric(subset$percentSciEngMale), decreasing = TRUE)[1:10]
subset[which(subset$percentSciEngMale == "51.9724320009824"), "State"]
subset[which(subset$percentSciEngMale == "50.63696225976"), "State"]
subset[which(subset$percentSciEngMale == "49.9569814248343"), "State"]
sort(as.numeric(subset$percentSciEngFemale), decreasing = TRUE)[1:10]
subset[which(subset$percentSciEngFemale == "41.6149338278437"), "State"]
subset[which(subset$percentSciEngFemale == "33.1419517414361"), "State"]
subset[which(subset$percentSciEngFemale == "32.9437484466618"), "State"]
华盛顿特区拥有科学和工程学位的男女比例最高. 华盛顿州和马里兰州的男性人口高度集中, 而马萨诸塞州和弗吉尼亚州的女性比例较高.
subset[which(subset$percentSciEngMale > 46), "State"]
subset[which(as.numeric(subset$SciEngMale) > 410000), "State"]
order(subset$percentSciEngMale)[42:52]
order(as.numeric(subset$SciEngMale))[42:52]
subset[which(subset$percentSciEngFemale > 29), "State"]
subset[which(as.numeric(subset$SciEngFemale) > 290000), "State"]
order(subset$percentSciEngFemale)[42:52]
order(as.numeric(subset$SciEngFemale))[42:52]
order(subset$SciEngRatio)[42:52]
通过“which”和“order”函数查看州名及其行条目号, 科学和工程专业男女学生最集中的州并不一定与学位人数最多的州相匹配. Likewise, 男女比例较高的州并不一定与女性比例最高的州相匹配. 这些数字表明，尽管在全国范围内，男女理科和工科学位的比例似乎相对稳定，为3:2, 在州一级，从事科学工作的男女比例几乎不一致. 因此，科学领域的性别差异程度取决于国家的地区. 注意，“which”命令按字母顺序列出了各州, 而order命令则以升序列出所需单位的状态, 这就是为什么使用42到52的行计数来索引最大值的原因.
summary(lm(log(as.numeric(subset$SciEngRatio)) ~ log(as.numeric(subset$SciEngTotal))))
上述回归表明，比例图与每个州的理工科学位总数不存在强相关关系. 这是一个值得关注的领域，因为科学和工程专业学位数图和比例图看起来很相似. 如果比例图只是表明，拥有更多科学和工程学位的州，女性在科学领域的比例高于男性在科学领域的比例, 这可能只是表明，更多的学位持有者意味着更公平的比例. 对两个因变量取对数, 理工科专业的性别比例, 自变量是每个状态的总度数, 确定总学位数的百分比变化对比率百分比变化的影响. 否则，单位差异将产生无意义的统计数据. Having a slope of just 0.03825表明，一个州的学位数量与主修科学和工程的男女比例的性别偏见程度之间几乎没有关系. 一个州的学位数量每增加1%，只会增加3个.1% change on the ratio.
分析区域的文献并不多, college major choice, 和性别在同一背景下. However, 考虑到这些偏好是女性不选择工程学等专业的一个重要因素, 结合这次报告的结果的下一步是将区域影响纳入叙述，声称该国某些地区为妇女创造了对科学有更积极印象的环境. 在他的纽约联邦储备银行工作人员报告中, Basit Zafar通过前面提到的计量经济模型发现，“工程领域60%的性别差距是由于偏好的差异。, 而30%是由于女性和男性在多大程度上认为他们会喜欢学习工程”(扎法尔4)。. 对于为什么学生选择一个专业而不是另一个专业，还有其他的解释，包括强调专业选择和政治意识形态之间的联系. 2006年的一篇论文发现，“自由主义学生更有可能选择非科学专业”(波特，2006)。. 这一解释似乎与研究结果背道而驰，即在典型的更自由的美国沿海地区，男性和女性的理科学位占总学位的比例都很高. However, 波特和乌姆巴赫的论文中使用的调查只测试了一所非常挑剔的文理学院，并且承认结果不能外推到来自不同类型学校的更大样本的学生. Similarly, 本文研究的2015年数据是性别关系的单一快照, major, and region. 进一步的时间分析应该被考虑，以确定科学和工程专业选择中性别不平衡的变化景观.
性别差距分析的复杂性超出了数据的限制. 选定的检查范围本质上改变了可能解释的范围. 一项研究不仅考察了性别还考察了社会经济地位(SES), 马教授发现，“社会经济地位背景较低的女性和男性一样，更有可能选择利润丰厚的大学专业。 “有利可图的大学专业选择在潜在地提升学生及其家庭的社会经济地位方面的作用超过了传统的性别角色社会化，后者导致了男性和女性所面向的不同职业道路”(228 Ma)。. 在一篇买球平台公民身份的论文中, 作者发现“更倾向于注册SEM[科学], 工程和数学]领域对外国出生人口的影响，并且与公民相比，注册社会科学的倾向较低”(Nores 138)。. 为了完全分解大学专业选择中性别差异的所有可能影响, 所有可能的变量都必须包括在分析中.
尽管计算出的空间地图和比例表明，全国不同地区在大学专业选择方面存在不同程度的性别偏见, 证明地理原因的能力不在本报告的范围之内. However, if government policies, educational backgrounds, 或者文化差异与地域有关, 然后进行的分析可能是一个起点，以确定为什么全国不同层次的女性在本科职业生涯中系统性地选择不进入科学或工程领域. 此外，大学生不一定来自他们学习的同一个州. 因此，州偏见可能表明特定州学术机构的质量差异，而不是任何性别平等差异. 更好的学校可能有更多的资源用于科学和工程研究. 根据美国人口普查局美国社区调查的数据，可以肯定的是，确实存在一个原因，为什么女性没有以与男性相同的速度进入科学和工程领域，至少在地区和性别差异程度之间存在间接关系.
Bibliography
Daymont, Thomas N., and Paul J. Andrisani. 《买球平台》.《买球平台》第19期，第1期. 3 (1984): 408-28. doi:10.2307/145880.
Ma, Yingyi. "Family Socioeconomic Status, Parental Involvement, 以及大学专业选择——性别, Race/Ethnic, and Nativity Patterns.《买球平台》第52卷，第2期. 2 (2009): 211-34. doi:10.1525/sop.2009.52.2.211.
Nores, Milagros. 公民身份对大学专业选择的影响.《买球平台》(2010):125-41. http://www.jstor.org/stable/40607409.
Porter, Stephen R., and Paul D. Umbach. 《买球平台》.《买球平台》第47期. 4 (2006): 429-49. doi:10.1007/s11162-005-9002-3
United States Census Bureau. (2015). 美国社区调查[单身汉].csv]. Retrieved from http://factfinder.census.gov/faces/nav/jsf/pages/index.xhtml
Zafar, Basit. 《买球平台》.电子学报(2013):1-50. doi:10.2139/ssrn.1348219.