В статье утверждается, что от интеллекта зависит доход отдельных людей и благосостояние народов и что национальные различия в интеллекте являются главным фактором, отвечающим за процветание и бедность наций. Рассматриваются некоторые другие корреляты интеллекта наций, а именно: математические и естественнонаучные способности, грамотность взрослого населения, продолжительность жизни и религиозные убеждения. Интеллект определяется как «общая когнитивная способность», проявляющаяся в умении, рассуждать, решать вербальные, математические и пространственные задачи, быстро обучаться, запоминать и усваивать большое количество знаний (Carroll, 1993). Интеллект измеряется тестами, впервые предложенными во Франции Альфредом Бине. Баллы по этим тестам переводятся в IQ (коэффициент интеллекта), распределение которого основывается на популяционном среднем в 100 баллов при стандартном отклонении равном 15.
Классические исследования, связывающие интеллект с доходом, были проведены К. Дженксом (Jencks, 1972). Он оценил корреляцию между интеллектом и доходом в Соединённых Штатах Америки равной 0.35 и утверждал, что связь имеет причинный характер, а именно различия в интеллекте вносят значимый вклад в различия доходов. Он также пришёл к заключению, что, так как интеллект имеет высокую наследственность, различия в доходах определяются генетическими факторами. Выводы К. Дженкса были подтверждены некоторыми последующими исследованиями, проведёнными в Соединённых Штатах Америки (см., например: Murray, 1998; Zax and Rees, 2002), а также в Швеции (Zetterberg, 2004) и Великобритании (Irwing, Lynn, 2006). В британском исследовании корреляции между интеллектом жителей страны, измеренным в 8 лет, и доходом в 43 года, для мужчин составила 0.37, а для женщин — 0.32. Объяснение положительной связи между интеллектом и доходом состоит в том, что люди с более высоким IQ более эффективно работают и обеспечивают более высокое качество товаров и услуг, чем люди с более низким IQ, и, следовательно, могут иметь больший доход.
Популяции — это совокупности отдельных людей, поэтому можно предположить, что положительная корреляция между интеллектом и доходами может быть также обнаружена и на этом уровне. Это было показано на примере географических регионов внутри стран. Интеллект людей из разных регионов часто различается, и были обнаружены положительные корреляции между средним интеллектом по популяции и доходом на душу населения для таких географических регионов, как Британия, Франция, Италия, Испания и Соединённые Штаты Америки. Результаты суммированы в таблице № 1. Все корреляции положительны и статистически значимы.
Таблица № 1. Корреляции между средним IQ по регионам и доходом на душу населения
![](data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAABBIAAAD3CAYAAACgnnfkAAAAAXNSR0IArs4c6QAAAARnQU1B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)
Первое из этих исследований, проведённое в середине ХХ веке, было посвящено различиям в IQ в 13 регионах Британских островов (Lynn, 1979). Обнаружено, что самый высокий интеллект демонстрируют жители лондонского округа (102.1), а самый низкий — жители Шотландии (97.3), Северной Ирландии (96.7) и Республики Ирландии (96.0). Эти региональные различия положительно коррелировали с доходом на душу населения на уровне 0.73. Они также положительно коррелировали с интеллектуальными достижениями, показателем которых было членство в Королевском Обществе, (r=0.94) и негативно — с детской смертностью (r = —0.78) (Lynn, 1979). Также интеллект коррелировал с внутренней миграцией в период с 1751 по 1951 год (r=0.67). Лондон оказался регионом, внутрь которого миграция происходила в наибольшей степени, а Шотландия, Северная Ирландия и Республика Ирландия — регионами, из которых население мигрировало больше всего. Предлагаемое объяснение данным фактам состоит в том, что существовала закономерность, согласно которой более интеллектуальная часть населения мигрировала из провинции в Лондон. Видимо, это могло иметь эффект увеличения среднего уровня IQ в Лондоне и в то же время уменьшение его в районах, оставленных мигрантами.
Данные о региональных различиях в интеллекте во Франции, относящиеся к середине 1950-х годов, сообщались М. Монмолленом (Montmollin, 1958). Показатели IQ были собраны с 257000 18-летних призывников и в результате были посчитаны средние показатели интеллекта для 90 департаментов континентальной Франции. Самые высокие баллы IQ набрали призывники из парижского округа, а самые низкие — с Корсики. Как и в случае с жителями Британских островов, было показано, что средний IQ по департаменту умеренно положительно коррелирует со средним доходом (r=0.61), с интеллектуальными достижениями, зафиксированными как членство во Французской Академии (0.29), и отрицательно — с детской смертностью (0.30) (Lynn, 1980). Также было показано, что средние показатели интеллекта по департаментам коррелируют с внутренней миграцией, происходившей в период с 1801 по 1954 год. (r=0.56), при этом парижский округ претерпел наибольший приток мигрантов. Таким образом, французские данные оказываются сходными с данными исследования Британских островов и получают ту же самую трактовку, которая заключается в том, что существует тенденция миграции более умных людей из провинций в столицу. Так же как и в Лондоне, средний уровень интеллекта в Париже оказался более высоким, в то время как в других регионах, оставленных мигрантами, он снизился.