@locin:
"Wenn die Zahlen nicht genau stimmen, meldet euch. Aber ungefähr sind sie richtig, und das reicht für die Thesen."
Als ausgebildeter Wissenschaftler weiß ich, dass solche Zahlen NIE richtig sind. Irgendwo sind immer Schnitzer in solchen Forschungsdesigns.
Was in Deinem Beispiel sofort auffällt ist, dass unterschiedliche Populationen bzw. Grundgesamtheiten miteinander verglichen werden. Du vergleichst Gefängnisinsassen mit der Gesamtheit aller Einwohner, obwohl sich diese beiden Gruppen (z.B. in der Anzahl der Mitglieder, in der aktuellen Lebenssituation usw.) voneinander unterscheiden.
Gefängnisinsassen sind z.B. immer zu hause anzutreffen (und damit befragbar), was für viele Menschen der Gesamtbevölkerung nicht gilt. In der Gesamtbevölkerung triffst Du arbeitslose Atheisten eher zu hause an, als religiöse Berufstätige und hast prompt einen Selektionsfehler in deinen Daten.
Ausserdem ist der zahlenmäßige Unterschied zwischen diesen beiden Gruppen so hoch, dass es zwangsläufig zu Rechenfehlern kommen muss.
Effekte der sogenannten "sozialen Wünschbarkeit" funken auch noch rein, weil (in den USA noch mehr als hier) Strafgefangene oft angeben, plötzlich religiös geworden zu sein, um leichtere Haftbedingungen zu bekommen oder evtl. früher begnadigt zu werden.
Last but not least hast Du hier das Problem, dass mit Korrelationen argumentiert wird und nicht mit Kausalität. Ein Beispiel: In Gegenden, in denen es viele Störche gibt, kommen auch viele Kinder zur Welt (und umgekehrt). Das liegt daran, dass in ländlichen Gegenden mehr Störche leben und Kinder geboren werden, als in Städten. Würde man hier mit der Korrelation argumentieren, würde dabei herauskommen, dass Kinder von Störchen gebracht werden.
Noch weiter vereinfacht: Der Mond ist rund, ein Käse ist rund, also ist der Mond ein Käse.
Es werden also Äpfel mit Birnen verglichen, was ein falsches Ergebnis erzeugen muss.