Le problème de l’agrégation en psychologie
Dans l’étude du comportement humain et des processus mentaux, le passage du singulier au collectif constitue l’un des défis méthodologiques les plus redoutables pour les sciences du comportement. Les problèmes d’agrégation désignent l’ensemble des distorsions mathématiques, conceptuelles et inférentielles qui surviennent lorsque des observations individuelles sont regroupées pour former des métriques collectives, ou inversement, lorsque des propriétés statistiques établies au niveau d’une population sont appliquées à un individu particulier. Loin de représenter un simple détail technique, ces biais d’échelle remettent en cause la validité même de nombreuses théories psychologiques fondamentales.
1. Définition concise
Le problème de l’agrégation renvoie à la difficulté méthodologique et théorique consistant à synthétiser des données, des scores psychométriques ou des processus psychologiques recueillis à un niveau d’analyse élémentaire sans dénaturer la réalité fonctionnelle sous-jacente. Il se caractérise par l’émergence d’artefacts statistiques dès lors que des données intra-individuelles sont moyennées entre plusieurs sujets ou que des variables individuelles sont combinées en un indice global réducteur.
Sur le plan épistémologique, ce phénomène souligne l’impossibilité fréquente de transposer directement les relations fonctionnelles observées au niveau macroscopique vers le niveau microscopique, et réciproquement. En psychologie cognitive, sociale et de la personnalité, les erreurs issues de l’agrégation conduisent régulièrement à postuler l’existence de structures causales universelles là où n’existent en réalité que des distributions hétérogènes ou des dynamiques idiosyncrasiques irréductibles.
Par conséquent, aborder les problèmes d’agrégation implique une analyse critique des unités de mesure, une distinction stricte entre variabilité inter-individuelle et variabilité intra-individuelle, ainsi qu’une vigilance constante quant aux illusions d’homogénéité produites par les opérations arithmétiques habituelles que sont la moyenne, la somme ou la corrélation globale.
2. Étymologie et origine linguistique
Le terme « agrégation » provient du substantif latin aggregatio, lui-même dérivé du verbe aggregare, formé du préfixe ad- (vers, auprès de) et de la racine grex, gregis (le troupeau, l’assemblée, la troupe). Littéralement, agréger signifie rassembler des éléments épars pour former un troupeau unifié ou amasser des composantes distinctes au sein d’une même entité cohérente.
Introduit initialement dans les sciences physiques et la philosophie naturelle pour décrire l’agglutination de particules matérielles, le concept a migré vers l’économie politique et les statistiques démographiques au XIXe siècle, notamment sous la plume d’auteurs désireux de quantifier les richesses ou les comportements de masse. Dans ces disciplines pionnières, l’agrégation désignait l’opération consistant à construire des grandeurs macroscopiques à partir de transactions ou d’actes individuels.
Son intégration dans le lexique des sciences psychologiques s’est consolidée au cours du XXe siècle, particulièrement lors de la controverse opposant l’approche nomothétique à l’approche idiographique, ainsi qu’à travers les débats psychométriques sur la fidélité des tests menés par des chercheurs comme Seymour Epstein et les théoriciens de la mesure comportementale.
3. Prononciation et forme grammaticale
En langue française, l’expression s’énonce phonétiquement sous la forme /pʁɔ.blɛm d‿a.ɡʁe.ɡa.sjɔ̃/ (« problème d’agrégation ») ou au pluriel /pʁɔ.blɛm d‿a.ɡʁe.ɡa.sjɔ̃/ (« problèmes d’agrégation »). Il s’agit d’un syntagme nominal masculin composé du nom commun « problème » et du complément du nom prépositionnel « d’agrégation », ce dernier étant un nom commun féminin invariable au pluriel dans ce contexte syntagmatique.
Dans la littérature scientifique francophone, le terme s’emploie principalement au pluriel lorsqu’il fait référence à la constellation d’erreurs méthodologiques et de paradoxes analytiques qui y sont associés (par exemple : les problèmes d’agrégation multi-niveaux). Il s’emploie en revanche au singulier lorsqu’il désigne le défi épistémologique abstrait ou la problématique formelle posée par la réduction d’échelle (par exemple : le problème de l’agrégation temporelle ou spatiale).
Sur le plan lexical, on observe également des variantes techniques telles que « biais d’agrégation », « erreur d’agrégation » ou « paradoxe d’agrégation », lesquelles mettent l’accent sur les conséquences inférentielles erronées issues de calculs composites ou de changements de niveau d’observation.
4. Explication conceptuelle détaillée
Comprendre la profondeur des problèmes d’agrégation exige de déconstruire le postulat implicite selon lequel un ensemble posséderait nécessairement des propriétés identiques à celles de ses parties constitutives. En psychologie empirique, les chercheurs mesurent fréquemment des comportements, des temps de réaction, des réponses émotionnelles ou des attitudes chez un grand nombre d’individus, puis calculent des moyennes de groupe pour formuler des lois psychologiques. Or, cette démarche suppose tacitement que la moyenne collective représente fidèlement le fonctionnement psychologique interne de chaque participant, une hypothèse qui se révèle souvent fausse.
L’un des axes majeurs de ce dysfonctionnement réside dans la non-ergodicité des processus psychologiques, magistralement mise en lumière par Peter Molenaar. Un processus est dit ergodique lorsque les propriétés statistiques calculées sur un ensemble d’individus à un instant donné sont équivalentes aux propriétés statistiques calculées sur un seul individu observé de manière répétée à travers le temps. Or, le psychisme humain est fondamentalement non-ergodique : les corrélations inter-individuelles (entre personnes) ne coïncident pratiquement jamais avec les corrélations intra-individuelles (au sein d’une même personne dans le temps). Agréger les données d’un échantillon pour inférer une règle de cognition individuelle constitue donc un saut conceptuel invalide.
Un autre pan conceptuel concerne la compression de l’information. Lorsque plusieurs items hétérogènes d’un questionnaire sont sommés pour produire un score factoriel unique, l’opération détruit la structure fine des patrons de réponse. Deux individus affichant un score identique à un inventaire d’anxiété peuvent souffrir de constellations symptomatiques parfaitement disjointes : l’un peut présenter exclusivement une agitation motrice et des insomnies, tandis que l’autre manifeste une angoisse cognitive diffuse et des somatisations gastro-intestinales. L’agrégation mathématique crée une illusion de similarité clinique en masquant la diversité sémiologique.
Enfin, les problèmes d’agrégation se manifestent à travers les dynamiques de groupe et le jugement collectif. Lorsque des opinions individuelles sont agrégées pour formuler une décision collective, des paradoxes logiques surgissent, à l’instar des paradoxes de condensation où une majorité d’individus rationnels aboutit à un choix collectif incohérent ou diamétralement opposé aux valeurs fondamentales partagées. Le niveau agrégé développe ainsi ses propres contraintes systémiques, qui ne peuvent être comprises par la simple extrapolation linéaire des composantes de base.
5. Évolution historique
L’histoire de la théorisation des problèmes d’agrégation débute véritablement avec les travaux des sociologues et démographes de la fin du XIXe siècle. Émile Durkheim, dans ses réflexions sur le suicide, soulignait déjà la spécificité des faits sociaux par rapport aux psychologies individuelles, tout en risquant des généralisations hâtives. Cependant, c’est en 1950 que le statisticien William S. Robinson formalise une rupture épistémologique décisive en publiant sa démonstration mathématique de l’erreur écologique.
Robinson démontra qu’une corrélation mesurée entre deux variables au niveau d’une population ou d’un territoire géographique (par exemple, le taux d’alphabétisation et la proportion d’immigrés dans les États américains) pouvait être très forte et positive, alors même que la corrélation correspondante calculée au niveau individuel était faible, voire négative. Cet article séminal a jeté un discrédit durable sur les extrapolations hâtives entre niveaux d’agrégation dans l’ensemble des sciences sociales.
Durant les années 1970 et 1980, le débat a traversé la psychologie de la personnalité lors de la célèbre controverse personnes-situations déclenchée par Walter Mischel. Ce dernier soulignait la faible corrélation entre les traits de personnalité globaux et les comportements concrets observés dans des situations spécifiques. En réponse, Seymour Epstein a proposé le principe d’agrégation comportementale, démontrant que si un comportement unique est instable et peu prédictible, la moyenne de ces mêmes comportements observés sur de nombreuses occasions ou contextes révèle une stabilité temporelle remarquable et une corrélation élevée avec les traits psychométriques.
Au tournant des années 2000, l’essor des méthodes de capture écologique momentanée (EMA) et de la modélisation multi-niveaux a provoqué une révolution méthodologique. Les travaux pionniers de Peter Molenaar en 2004 ont marqué un tournant paradigmatique en démontrant formellement que la quasi-totalité des structures factorielles établies en psychologie différentielle (comme le modèle des Big Five) souffrent du problème d’agrégation ergodique, poussant la discipline à réinvestir massivement l’analyse idiographique des séries temporelles.
6. Fondements théoriques
Sur le plan des modèles scientifiques, le problème de l’agrégation s’enracine d’abord dans la théorie des systèmes complexes et la notion d’émergence. Selon cette perspective, les systèmes vivants et psychologiques présentent des propriétés macroscopiques qui ne sont pas réductibles à la somme arithmétique de leurs éléments constituants. Dès lors, tenter d’agréger linéairement des sous-systèmes cognitifs ou affectifs sans prendre en compte les boucles de rétroaction non linéaires produit des modèles descriptifs biaisés.
En deuxième lieu, la théorie de la mesure et la psychométrie classique postulent souvent l’existence d’une variable latente commune responsable de la covariance entre items observés. Toutefois, ce modèle réflectif d’agrégation suppose une homogénéité stricte des causes, contestée par les modèles de réseaux psychologiques contemporains théorisés par Denny Borsboom. Dans l’approche en réseau, les troubles psychologiques ne sont pas l’expression agrégée d’une entité latente cachée (comme la dépression), mais un système dynamique d’interactions directes entre symptômes (l’insomnie cause la fatigue, qui induit l’anhédonie).
En troisième lieu, les fondements mathématiques de l’agrégation croisent la théorie du choix social et le théorème d’impossibilité de Kenneth Arrow. Ce cadre théorique démontre formellement qu’il est impossible de concevoir une procédure d’agrégation des préférences individuelles satisfaisant simultanément plusieurs critères élémentaires de rationalité et d’équité sans aboutir à une contradiction ou à une dictature. Transposé aux neurosciences cognitives et à la psychologie de la décision, ce résultat théorique explique pourquoi l’intégration de multiples signaux sensoriels ou décisionnels contradictoires au sein du cerveau obéit à des compromis sous-optimaux plutôt qu’à une agrégation bayésienne parfaite.
7. Composantes clés, typologies et dimensions
Les manifestations du problème de l’agrégation en sciences psychologiques s’articulent autour de plusieurs dimensions critiques qu’il convient de distinguer rigoureusement :
- L’erreur écologique (agrégation descendante) : Consiste à inférer une relation causale ou corrélationnelle chez un individu particulier à partir de données recueillies au niveau d’un groupe ou d’une population. Par exemple, supposer qu’un travailleur est stressé simplement parce qu’il appartient à une entreprise présentant un score moyen de stress organisationnel élevé.
- L’erreur atomistique ou individualiste (agrégation ascendante) : Inverse de l’erreur écologique, elle survient lorsqu’on généralise abusivement des dynamiques purement individuelles à l’échelle d’un collectif ou d’une institution, en ignorant les régulations contextuelles et systémiques.
- Le paradoxe de Simpson : Phénomène statistique spectaculaire dans lequel une tendance observée dans plusieurs sous-groupes disparaît complètement ou s’inverse de manière radicale lorsque les groupes sont combinés en un échantillon unique.
- L’agrégation temporelle et perte de résolution : Consiste à moyenner des processus dynamiques rapides (ex. fluctuations de l’humeur au cours d’une journée) sur des fenêtres temporelles trop larges (ex. moyenne mensuelle), masquant ainsi les patrons d’instabilité, de réactivité ou de cyclicité émotionnelle.
- L’agrégation transversale versus longitudinale (biais d’ergodicité) : Confusion méthodologique majeure consistant à interpréter une structure factorielle inter-individuelle (recueillie auprès de milliers de personnes à un instant t) comme reflétant l’architecture psychologique intra-individuelle d’un sujet évoluant dans le temps.
- L’agrégation psychométrique par sommation : Pratique consistant à condenser des réponses multidimensionnelles ou hétérogènes en un score composite total unique, diluant la spécificité clinique des composantes au profit d’une fausse échelle unidimensionnelle.
8. Exemples et cas illustratifs
Un premier cas classique concerne l’évaluation de la relation entre anxiété et performance académique. Supposons une cohorte d’étudiants répartis en plusieurs filières d’études. Au sein de chaque filière prise isolément, les étudiants les plus anxieux obtiennent des notes inférieures à leurs pairs en raison de l’interférence cognitive générée par l’angoisse lors des examens (corrélation intra-groupe négative). Cependant, la filière la plus sélective et difficile regroupe à la fois les étudiants ayant le niveau intellectuel moyen le plus élevé et le niveau d’anxiété de pression le plus fort. Si un chercheur agrège tous les étudiants dans un modèle de régression global sans contrôler la filière, il observe une corrélation positive entre anxiété et réussite, illustrant parfaitement le paradoxe de Simpson dû à une mauvaise échelle d’analyse.
Un second exemple probant provient de l’étude de l’estime de soi et du bien-être subjectif. Si l’on mesure de manière transversale ces variables sur 1 000 participants, on observe une corrélation positive robuste : les personnes ayant une plus haute estime d’elles-mêmes rapportent généralement plus de bonheur. Toutefois, si l’on suit un seul individu au fil du temps via des mesures répétées quotidiennes, l’agrégation temporelle de l’échantillon peut masquer une réalité inverse : pour cet individu particulier, des épisodes de quête éperdue d’estime de soi peuvent coïncider avec des phases de grande détresse affective et de rumination narcissique, générant une dynamique temporelle négative invisible dans les données de masse.
Dans le domaine organisationnel, considérons une entreprise qui évalue l’efficacité d’un programme de bien-être au travail. Le rapport d’évaluation agrégé conclut à une amélioration globale de 15 % de la satisfaction des employés. Cependant, une désagrégation des données révèle que cette moyenne résulte d’une augmentation spectaculaire de 60 % de la satisfaction chez les cadres supérieurs, alors que les ouvriers et employés de première ligne ont en réalité vu leur satisfaction chuter de 10 % en raison de charges de travail accrues. L’agrégation globale a neutralisé et masqué une injustice structurelle majeure.
9. Mesure et évaluation
La détection et la correction des problèmes d’agrégation nécessitent des instruments statistiques et psychométriques sophistiqués. La première étape méthodologique repose sur le calcul des coefficients de corrélation intra-classe (notamment l’ICC(1) et l’ICC(2)), qui permettent de quantifier la proportion de variance attribuable à l’appartenance aux groupes par rapport à la variance individuelle totale. Ces coefficients indiquent aux chercheurs si l’agrégation de données individuelles pour caractériser un groupe est statistiquement légitime ou scientifiquement trompeuse.
Pour traiter adéquatement ces données imbriquées, la communauté scientifique a recours à la modélisation multi-niveaux (également appelée modèles hiérarchiques linéaires). Ces algorithmes permettent de décomposer simultanément les effets s’exerçant au niveau 1 (individuel, micro) et au niveau 2 (organisationnel, macro), évitant ainsi de confondre les pentes intra-groupes et les pentes inter-groupes.
Dans le domaine de l’évaluation intra-individuelle continue, les chercheurs utilisent l’analyse des séries temporelles univariées et multivariées, les modèles autorégressifs vectoriels (VAR) et les modèles d’équations structurelles dynamiques (DSEM). Ces approches permettent de calculer les dynamiques propres à chaque sujet individuel avant d’envisager toute tentative prudente de méta-analyse ou de regroupement en sous-types homogènes (par des méthodes de clustering comme GIMME – Group Iterative Multiple Model Estimation).
10. Applications et portée pratique
En psychologie clinique et en psychopathologie, la prise de conscience des biais d’agrégation transforme radicalement le diagnostic et la thérapie. Les classifications catégorielles traditionnelles comme le DSM agrègent des dizaines de symptômes sous des étiquettes diagnostiques monolithiques. En abandonnant ces agrégats artificiels au profit d’analyses fonctionnelles individualisées ou de profils de réseaux de symptômes, le clinicien peut cibler le symptôme « passerelle » spécifique d’un patient donné (par exemple, cibler l’insomnie plutôt que d’administrer une thérapie générique pour une « dépression majeure » agrégée).
En psychologie du travail et des organisations, la gestion des équipes bénéficie directement de cette distinction. Les diagnostics de climat organisationnel ou de sécurité psychologique évitent désormais de se baser sur une moyenne générale d’entreprise qui camoufle les disparités entre départements. Identifier les poches de dysfonctionnement exige de désagréger systématiquement les scores par unités de travail, sous peine d’investir des ressources dans des interventions globales inadaptées aux besoins locaux.
Dans le champ des politiques publiques et de l’éducation, les systèmes d’évaluation scolaire fondés sur les résultats moyens des établissements subissent souvent le biais d’agrégation. Évaluer la compétence d’une équipe pédagogique d’après les scores moyens de ses élèves sans désagréger l’impact de l’origine socio-économique individuelle conduit à punir des écoles situées dans des zones défavorisées qui accomplissent pourtant une valeur ajoutée éducative exceptionnelle au niveau de chaque élève pris individuellement.
11. Recherche et données empiriques
Les investigations empiriques contemporaines démontrent de façon accablante la prévalence des distorsions induites par l’agrégation. Dans une étude devenue célèbre, Fisher, Medaglia et Jeronimus (2018) ont réexaminé six ensembles de données psychologiques majeurs couvrant des domaines variés tels que les symptômes dépressifs, l’affectivité et les comportements de santé. Leurs analyses ont révélé que les structures de corrélation intra-individuelles différaient radicalement des structures inter-individuelles agrégées pour plus de 90 % des participants, apportant une preuve empirique massive de l’absence d’ergodicité en psychologie.
Dans le domaine de l’évaluation cognitive, des travaux systématiques sur l’effet « Stroop » ont démontré que l’agrégation des temps de réaction par le calcul de la moyenne arithmétique occulte la nature exacte de l’interférence cognitive. Les modèles d’ex-Gaussienne révèlent que l’effet ne provient pas d’un ralentissement uniforme de tous les essais (ce que suggère la moyenne agrégée), mais d’une fréquence accrue d’essais extrêmement lents correspondant à des défaillances attentionnelles transitoires.
Par ailleurs, la méta-analyse conduite par Curran et Bauer sur les trajectoires de développement infantile a prouvé que moyenner des courbes d’apprentissage individuelles produit une courbe collective douce et continue qui ne correspond à la réalité d’aucun enfant. Alors que le développement individuel progresse souvent par paliers abrupts et régressions temporaires conformément aux théories piagétiennes, l’agrégation inter-individuelle lisse mathématiquement ces discontinuités fondamentales, créant l’illusion trompeuse d’une maturation linéaire.
12. Considérations culturelles et transculturelles
Les études transculturelles représentent sans doute le terrain où les problèmes d’agrégation causent les préjudices conceptuels les plus sévères. Le cas emblématique de l’individualisme et du collectivisme, popularisé par Geert Hofstede et Harry Triandis, en offre une parfaite démonstration. Lorsque les chercheurs agrègent les réponses des citoyens pour attribuer un score national de collectivisme à un pays, ils commettent une erreur écologique majeure s’ils déduisent que chaque individu de ce pays possède des schémas cognitifs collectivistes.
Des recherches empiriques rigoureuses ont démontré que la variabilité intra-culturelle (les différences entre individus au sein d’une même culture) est systématiquement supérieure à la variabilité inter-culturelle (les différences entre les moyennes des nations). Agréger les populations par des frontières géopolitiques crée des stéréotypes scientifiques artificiels qui masquent l’hétérogénéité des sous-cultures, des classes sociales, des identités régionales et des profils individuels.
De surcroît, le problème de l’invariance de mesure transparaît lors de l’agrégation transculturelle : un même item de questionnaire (par exemple, exprimer de la tristesse) peut avoir des connotations normatives diamétralement opposées selon les sociétés. Agréger ces items dans un indice global universel sans s’assurer au préalable de l’invariance métrique et scalaire équivaut à comparer des grandeurs mathématiquement incommensurables.
13. Critiques, débats et limites
Si la critique de l’agrégation outrancière fait consensus, la position inverse — le rejet pur et simple de toute forme d’agrégation — fait l’objet de vives controverses épistémologiques. Les défenseurs du principe d’agrégation de Seymour Epstein rappellent avec justesse qu’un comportement isolé souffre d’une erreur de mesure considérable due à des facteurs contextuels aléatoires. Selon la théorie classique des tests, agréger plusieurs observations est indispensable pour réduire le bruit de mesure et faire émerger la « variance vraie » d’un construit psychologique stable.
Certains théoriciens soutiennent également que pousser le rejet de l’agrégation jusqu’à un idiographisme absolu paralyserait la science psychologique, l’empêchant de formuler des politiques de santé publique ou des programmes éducatifs généralisables. Si chaque être humain constitue un système dynamique entièrement unique et incommensurable, la possibilité même d’établir une nosologie clinique ou des lois comportementales communes disparaît.
Le débat contemporain ne porte donc plus sur la nécessité d’agréger, mais sur la validité des méthodes de condensation utilisées. Les critiques dénoncent particulièrement les solutions de facilité qui consistent à utiliser des moyennes non pondérées et des tests statistiques paramétriques standard sur des données multiniveaux sans vérifier les hypothèses d’ergodicité, réclamant une transition méthodologique urgente vers des modèles computationnels individualisés regroupés ultérieurement de façon ascendante rigoureuse.
14. Termes connexes et distinctions
Pour clarifier l’espace conceptuel des problèmes d’agrégation, il est essentiel d’examiner ses relations avec les notions voisines du vocabulaire méthodologique :
- Erreur écologique vs Problème d’agrégation : L’erreur écologique est un type spécifique d’inférence fallacieuse descendante (déduire le micro depuis le macro), tandis que le problème d’agrégation est un terme générique englobant à la fois les distorsions descendantes, ascendantes, temporelles et psychométriques.
- Paradoxe de Simpson vs Biais d’agrégation : Le paradoxe de Simpson est une anomalie mathématique formelle où une corrélation s’inverse par fusion de groupes ; le biais d’agrégation inclut ce paradoxe mais couvre également la perte de variance, le lissage artificiel et l’inadéquation fonctionnelle des scores composites.
- Modèle nomothétique vs Approche idiographique : L’approche nomothétique s’appuie massivement sur l’agrégation d’échantillons pour identifier des lois générales valables en moyenne, tandis que l’approche idiographique étudie la dynamique interne unique de l’individu isolé, refusant l’agrégation prématurée.
- Ergodicité vs Stationnarité : La stationnarité implique que les paramètres d’une série temporelle ne varient pas dans le temps ; l’ergodicité exige en plus que la moyenne temporelle d’un individu soit identique à la moyenne transversale d’un groupe à un instant précis.
- Indice composite vs Variable latente : Un indice composite est le résultat direct de l’agrégation arithmétique de variables observées (modèle formatif), alors qu’une variable latente est postulée comme une entité théorique causant les covariances observées entre items (modèle réflectif).
15. Synthèse et points clés
Le problème de l’agrégation représente l’une des questions méthodologiques les plus cruciales de la recherche contemporaine en psychologie. Il met en garde contre l’illusion trompeuse selon laquelle le tout posséderait la même dynamique que les parties qui le composent. En agrégeant de manière acritique des scores ou des participants, les chercheurs risquent de produire des artefacts théoriques, de confondre les échelles d’analyse et d’extrapoler des conclusions erronées à l’échelle de la personne individuelle.
Pour surmonter ces écueils, la psychologie du XXIe siècle doit abandonner la confiance aveugle accordée aux moyennes transversales et adopter des méthodologies adaptées : modélisation hiérarchique multiniveaux, capture écologique momentanée, études longitudinales intensives et modélisation en réseau. Seule une articulation rigoureuse entre observation idiographique et modélisation synthétique permettra à la discipline de construire des connaissances à la fois généralisables et cliniquement fidèles à la complexité de chaque être humain.
Références
- Epstein, S. (1979). The stability of behavior: I. On predicting most of the people much of the time. Journal of Personality and Social Psychology, 37(7), 1097–1126. https://doi.org/10.1037/0022-3514.37.7.1097
- Fisher, A. J., Medaglia, J. D., & Jeronimus, B. F. (2018). Lack of group-to-individual generalizability is a threat to human subjects research. Proceedings of the National Academy of Sciences, 115(27), E6106–E6115. https://doi.org/10.1073/pnas.1711978115
- Molenaar, P. C. (2004). A manifesto on psychology as idiographic science: Bringing the person back into scientific psychology, this time forever. Measurement: Interdisciplinary Research and Perspectives, 2(4), 201–218. https://doi.org/10.1207/s15366359mea0204_1
- Robinson, W. S. (1950). Ecological correlations and the behavior of individuals. American Sociological Review, 15(3), 351–357. https://doi.org/10.2307/2087176