द ग्रेट डिबेट: संपूर्ण औद्योगिक क्रांतीमध्ये जीवनमान

आर्थिक इतिहासात वादविवाद निर्माण करणारा एखादा विषय असेल, तो म्हणजे औद्योगिक क्रांती आणि जीवनमानावरील त्याचे परिणाम . आधुनिक भांडवलशाही विकासाच्या सुरुवातीच्या टप्प्यामुळे कामगारांच्या निव्यू डी व्हिए (व्होथ, 2004) मध्ये सुधारणा किंवा घट कशी झाली या मुद्द्याभोवती तीव्र शैक्षणिक वादविवाद विकसित झाले आहेत. हॉब्सबॉम म्हणून मार्क्सवादी इतिहासकारांनी असा युक्तिवाद केला की इंग्लंडमधील औद्योगिक क्रांतीच्या पहिल्या शतकात, कामगार वर्गाला त्यांच्या राहणीमानात कोणतीही सुधारणा दिसली नाही कारण मुख्यतः जास्त कामाचे तास, कारखान्यांमध्ये जास्त गर्दीमुळे विध्वंसक स्वच्छताविषयक परिस्थिती आणि भांडवल आणि श्रम यांच्यातील मोठ्या असमानता. . तथापि, काही आर्थिक इतिहासकारांनी औद्योगिक क्रांतीच्या सुरुवातीच्या काळात राहणीमानावरील परिणामांबद्दल अधिक आशावादी दृष्टिकोन ठेवला आहे आणि वास्तविक वेतनाच्या पातळीतील फरक मोजून आणि उत्पन्नाच्या पर्यायी निर्देशकांद्वारे कल्याणमधील बदलांचे मोजमाप करून त्यात सुधारणा दर्शविण्याचा प्रयत्न केला आहे. . 1970 च्या दशकापासून जीवनमानाचे मोजमाप म्हणून उत्पन्नावर शैक्षणिक क्षेत्रात जोरदार टीका केली जात आहे , मुख्यत: उत्पन्न हे केवळ कल्याणासाठीचे इनपुट आहे आणि स्वतःच उत्पादन नाही, त्याच्या घसरत चाललेल्या किरकोळ उपयोगितेमध्ये एक आवश्यक भूमिका आहे. पर्यायी निर्देशकांना अधिक प्रासंगिकता देणे. हवामानशास्त्रातील नावीन्य आणि आर्थिक इतिहासातील संशोधन तंत्रांचे रुपांतर त्याला केंद्रस्थानी आणले.1760-1830 या कालावधीसाठी सरासरी उंची 3.3 सेमीने वाढली, 167.4 सेमी वरून 170.7 सेमी पर्यंत, नंतर ती 165.3 सेमी पर्यंत घसरली, ज्यामुळे तो असा युक्तिवाद करतो की त्यावेळच्या जीवनमानाबद्दल ऐतिहासिकदृष्ट्या अर्थपूर्ण निष्कर्ष काढणे अशक्य आहे. उंचीच्या डेटावर सॅम्पलिंग बायसेस, सैन्याच्या नमुन्यांच्या संबंधात ट्रंकेशन समस्या किंवा सामान्य ऐतिहासिक डेटाची कमतरता कायम राहते, म्हणूनच त्याने एन्थ्रोपोमेट्रिक डेटामधून निश्चितपणे कोणताही ठोस निष्कर्ष सादर न करण्याचा निर्णय घेतला. सिनिरेला (2008) म्हणून इतर लेखकांना, संपूर्ण कालावधीत, मजुरीच्या दरांच्या संबंधात अन्नाच्या किमतीतील वाढत्या प्रवृत्तीशी सुसंगत राहून, संपूर्ण कालावधीत घटत चाललेली पोषण स्थिती आढळते. विश्‍लेषित कालावधीच्या पहिल्या सहामाहीत, विशेषतः 1750 ते 1800 पर्यंत, शेतमजुरांच्या वास्तविक मजुरीमध्ये घट होण्याबरोबरच खाद्यपदार्थांच्या किमतीत जोरदार वाढ होते. सिनिरेला (2008) इतर लेखकांना पर्यायी स्पष्टीकरण देते. त्याच्यासाठी, औद्योगिक क्रांतीच्या सुरुवातीच्या टप्प्यात ब्रिटिश लोकसंख्येची पोषण स्थिती निर्धारित करण्यात खुल्या मैदानांच्या संसदीय संलग्नकांनी अतिशय समर्पक भूमिका बजावली . वाढती लोकसंख्या आणि नागरीकरणाच्या प्रक्रियेसह अतिक्रमणांमुळे अन्नधान्याच्या किमतींची कुप्रसिद्ध फुगवटा वाढली, तसेच या वेढ्यांमुळे होणारे सामाईक हक्क आणि वाटप देखील नष्ट झाले, ज्याचा थेट परिणाम शेतीयोग्य जमिनीच्या मूल्यावर झाला.गव्हाच्या किमतींमध्ये वाढ करणे आणि या परिणामाचे भाषांतर करणे, ज्यामुळे शेतमजूर मजुरीवर अधिक अवलंबून असतात आणि अन्नाच्या किंमतीतील फरकांबद्दल अधिक संवेदनशील बनतात. अशा प्रकारे, आम्ही त्या वेळी निव्वळ पोषण स्थिती बिघडणे हे जमिनीच्या वेढ्यांचा अंतर्जात परिणाम म्हणून घेऊ शकतो. याशिवाय, कुटीर उद्योगाची घसरण हे पौष्टिक स्थिती बिघडण्यामागील कारण म्हणून निदर्शनास आणले आहे, ५०% पेक्षा जास्त लोकसंख्या शहरी केंद्रांमध्ये राहते, ज्याचा थेट अनुवाद अन्नाचा दर्जा, उच्च किमती आणि अत्यंत खालच्या पातळीत होतो. स्वच्छता; ते सर्व विकास आणि विकासाचा अपमान आहे. सिनिरेला (2008), त्यामुळे वरील सर्व पुराव्यांसह त्याने सादर केलेला उंचीचा कल औद्योगिक क्रांतीदरम्यान कामगार वर्गाच्या जीवनमानाबद्दलच्या निराशावादी दृष्टिकोनाला बळकटी देण्यास हातभार लावतो.

एक पर्यायी केस ब्रिटनचे ते फ्लँडर्सचे आहे, ज्याचा डेबोरा ऑक्सले आणि इवाउट डेपॉव (2019) यांनी अभ्यास केला आहे, जसे मी आधी स्पष्ट केले आहे. फ्लेमिश अर्थव्यवस्थेवर (1846-1849 आणि 1853-1856) परिणाम करणाऱ्या दोन संकटांचे अस्तित्व कसे आहे, याचा अर्थ संकटाच्या वेळी तारुण्य गाठण्याच्या उंचीवर होणाऱ्या परिणामाची तपासणी करण्यासाठी कारागृहातील उंचीचा डेटा वापरला जाऊ शकतो, हे त्यांनी त्यांच्या पेपरमध्ये दाखवले आहे. प्रौढांच्या उंचीवर निव्वळ पोषण स्थितीच्या अपमानाच्या परिणामाचे अधिक अचूक माप आहे. च्या तुरुंगात सरासरी पुरुष उंची1800 च्या आसपास ब्रुग्स 167.5 सेमी होते, 1875 मध्ये समान होते, दोन वर्षांच्या दरम्यान सरासरी उंचीमध्ये घट झाली, मंदीच्या काळात लक्षणीय होती. 1840 च्या उत्तरार्धात जन्मलेल्या लोकांसाठी, त्यांच्या तारुण्य वर्षांमध्ये (दोन मंदीनंतरच्या कालावधीच्या अनुषंगाने) जीवनमान त्यांच्यासाठी अधिक चांगले असल्याचे दिसते, दरडोई जीडीपीमधील बदलांच्या अनुषंगाने या पिढीची सरासरी उंची वाढते. हे 1838 मध्ये जन्मलेल्या कैद्यांच्या अगदी विरुद्ध आहेत, जे 1846 मध्ये आठ वर्षांचे झाले आणि 1853 मध्ये पंधरा वर्षांचे झाले, पहिल्या संकटात चार वाढणारी वर्षे घालवली आणि दुसर्‍या संकटात पौगंडावस्थेत प्रवेश केला, हे मुख्य कारण आहे. दहा वर्षांनंतर जन्मलेल्या लोकांच्या तुलनेत वाढीचा घसरणारा ट्रेंड आहे.

शेवटी, आम्ही मान्य करू शकतो की मानववंशशास्त्रीय साहित्य ज्या मुख्य मुद्द्यांवर चर्चा करते ते आधुनिक आर्थिक विकासाची प्रक्रिया समजून घेण्यासाठी अत्यंत संबंधित आहेत आणि जीवनमानावर त्याचे परिणाम . तथापि, उंचीचे साहित्य मोठ्या प्रमाणावर स्त्रोतांवर अवलंबून आहे जे निवडक नमुन्याचे स्वरूप म्हणून गंभीर नमुना पूर्वाग्रह सादर करतात. म्हणून, जर आम्हाला "औद्योगीकरण कोडे" उलगडून दाखवायचे असेल, तर आम्हाला नमुना निवड प्रक्रियेच्या परिणामांची जाणीव असली पाहिजे आणि डेटाचे विश्लेषण करताना त्यांच्यासाठी सुधारणा यंत्रणा सादर केली पाहिजे. औद्योगिक क्रांतीचे परिणाम यावर चर्चाराहणीमानाचा दर्जा कदाचित अनेक दशके चालू राहील, मुख्यत्वे कारण त्यावेळी जीवनमान सुधारणे आणि बिघडणे या दोन्हीचे पुरावे आहेत. तथापि, अनेक अज्ञात गोष्टी साफ करण्यासाठी मानववंशशास्त्रीय पुरावे ठोसपणे हातभार लावू इच्छित असल्यास, संशोधकांनी हे लक्षात घेतले पाहिजे की नमुना निवड पूर्वाग्रह निष्कर्ष आणि व्याख्यांवर कसा परिणाम करतात.

संदर्भ:

-वोथ, एच.-जे. (2004). आर. फ्लॉड आणि पी. जॉन्सन, एड्स., द केंब्रिज इकॉनॉमिक हिस्ट्री ऑफ मॉडर्न ब्रिटन मध्ये “जीवनमान आणि शहरी पर्यावरण”. केंब्रिज, केंब्रिज युनिव्हर्सिटी प्रेस. 1: 268-294

-Ewout, D. आणि D. Oxley (2014). "टॉडलर्स, टीनेजर्स आणि टर्मिनल हाइट्स: पुरुष प्रौढ उंचीसाठी यौवनाचे महत्त्व, फ्लँडर्स, 1800-76." आर्थिक इतिहास पुनरावलोकन, 72, 3 (2019), पृ. 925-952.

-बोडेनहॉर्न, एच., टी.डब्ल्यू. गिन्नाने आणि टी.ए. मरोझ (2017). "नमुना-निवड पूर्वाग्रह आणि औद्योगिकीकरण कोडे." जर्नल ऑफ इकॉनॉमिक हिस्ट्री 77(1): 171-207.

-ऑक्सले आणि हॉरेल (2009), “मेजरिंग मिझरी: बॉडी मास, एजिंग अँड जेंडर असमानता इन व्हिक्टोरियन लंडन”, एक्सप्लोरेशन आर्थिक इतिहासात, 46 (1), pp.93-119

-Cinnirella, F. (2008). "आशावादी की निराशावादी? ब्रिटनमधील पौष्टिक स्थितीचा पुनर्विचार, 1740-1865.” 3संपूर्ण औद्योगिक क्रांतीदरम्यान तुम्ही श्रेणीला भेट देऊ शकता इतर .

या निबंधात मी मानववंशीय पुराव्याच्या आधारे औद्योगिक क्रांतीच्या सुरुवातीच्या काळात जीवनमानावरील काही अतिशय समर्पक कामांचे संक्षिप्त पुनरावलोकन, विश्लेषण आणि कधी कधी टीका करेन. पहिल्याने,मानववंशशास्त्रीय पुरावे जीवनमानाचे मोजमाप म्हणून सर्वमान्य आहेत का या प्रश्नाचे उत्तर देण्याचा मी प्रयत्न करेन, त्यातील काही त्रुटी आणि आर्थिक इतिहासकारांनी Cinnirella (2008), Oxley and Horrell (2009) किंवा Bodenhorn et al. (2017) ने या त्रुटींची पूर्तता करण्याचा प्रयत्न केला आहे आणि त्यांचे काही निष्कर्ष सादर केले आहेत, जे कधीकधी वेगळे होतात. शेवटी, मी हे सर्व संशोधन परिप्रेक्ष्यातून मांडेन आणि औद्योगिक क्रांतीच्या सुरुवातीच्या काळात राहणीमानाचा दर्जा असलेल्या ट्रेंडबद्दल या कामांमधून काही सामान्य निष्कर्ष काढता आले तर त्याचे विश्लेषण करेन.

प्रथम, सिनिरेला (2008) त्यावेळच्या जीवनमानाचे विश्लेषण करण्यासाठी वास्तविक वेतनातील ट्रेंडपेक्षा मानववंशशास्त्रीय पुरावे अधिक मौल्यवान आढळतात कारण मुख्यतः उत्पन्नाविषयी डेटाचा अभाव आणि त्यातील काही माहितीची अविश्वसनीयता. सिनिरेला (2008) एखाद्या व्यक्तीच्या संपूर्ण विकास कालावधीत त्याच्या निव्वळ पौष्टिक स्थितीचे मोजमाप असल्यामुळे, या विकासावर महामारी, युद्धे किंवा कामाचा ताण यांसारख्या बाह्य घटनांमुळे या विकासावर परिणाम होतो आणि अंतिम उंचीच्या डेटामध्ये परावर्तित होत असल्यामुळे उंचीला खूप प्रासंगिकता देते. तथापि, जीवनमानाचे विश्लेषण करण्यासाठी मानववंशीय पुराव्याचा वापर करताना आम्ही उत्पन्नाचा डेटा पूर्णपणे नाकारू शकत नाही, कारण उत्पन्न आणि उंची यांच्यातील संबंध अनेक पटीने सकारात्मक आणि नॉन-रेषीय असतात, शिवाय, उलगडणे कठीण असते, ज्यामुळे निवड करताना गंभीर नमुना-बायस होतो. विश्लेषण करण्यासाठी उंची डेटा.तथापि, काही प्रकरणांमध्ये, उत्पन्न आणि उंची डेटामधील संबंध अवैध केला जाऊ शकतो जेव्हा एखाद्या विशिष्ट महामारीचा प्रभाव किंवा अन्न गुणवत्तेतील सामान्य घसरणीचा परिणाम सर्व लोकसंख्येवर होतो, जसे सिनिरेला (2008) दाखवते. हे जितके आश्चर्यकारक वाटेल तितकेच, या वस्तुस्थितीमुळे उंची आणि उत्पन्न यांच्यातील व्यस्त संबंधाकडे निर्देश करणारे काही अभ्यास देखील झाले आहेत . यापैकी कोणताही निष्कर्ष निश्चित आणि अद्वितीय नसल्यामुळे, या गोंधळात टाकणाऱ्या पुराव्यामुळे "औद्योगिक वाढीचे कोडे" निर्माण झाले आहे, जेथे दरडोई उत्पन्न वाढत असतानाही, त्यावेळी अनेक युरोपीय देशांमध्ये सरासरी उंची कमी झाली. Bodenhorn, Guinnane आणि Mroz (2017) सारख्या इतर लेखकांनी हे कोडे सोडवण्याचा प्रयत्न केला आहे किंवा 1750-1850 मध्ये अनेक युरोपीय देशांच्या उंचीमध्ये स्पष्ट घट दर्शविणाऱ्या डेटाच्या विश्वासार्हतेवर प्रश्नचिन्ह उपस्थित करून किमान तार्किक सुसंगतता प्रदान केली आहे. कालखंड, ग्रेट ब्रिटन, स्वीडन आणि बहुतेक मध्य युरोपच्या बाबतीत आहे. या सर्व देशांमधील उंची डेटा संकलनातील योगायोग असा आहे की या सर्वांनी भरतीऐवजी स्वयंसेवक लष्करी रँककडून उंचीचा डेटा गोळा केला. स्वयंसेवक नमुन्यात असे नमूद केले जाते की उंचीसाठी मोजले गेलेले ते लोक आहेत ज्यांनी वैयक्तिकरित्या सैन्यात भरती होण्याचे निवडले आहे, ज्यामुळे विश्लेषण करताना गंभीर नमुना-पूर्वाग्रह होऊ शकतात. एक समस्या सैन्यात सामील होण्यासाठी प्रोत्साहन देते, कारण अर्थव्यवस्था विकसित होते आणि उत्पन्न वाढते,ऐतिहासिकदृष्ट्या, सैन्यात सामील होण्यास इच्छुक लोकसंख्येचा भाग लहान होतो, कारण लष्करी सेवा सर्वात उत्पादक लोकांसाठी कमी आकर्षक पर्याय बनते. तर, एक औचित्य Bodenhorn et al. (2017) स्वयंसेवकांनी तयार केलेल्या सैन्यासह देशांमधील उंची डेटाचे विश्लेषण करणार्‍या संशोधकांनी मांडलेल्या निष्कर्षांच्या विश्वासार्हतेवर प्रश्नचिन्ह उभे केले आहे की लष्करी उंची कमी झाली कारण प्रामुख्याने उंच लोक, ज्यांची आर्थिक आणि शैक्षणिक स्थिती त्या वेळी चांगली होती , सैन्यापेक्षा वेगळे करिअरचे मार्ग वाढत्या प्रमाणात निवडले. XVIII व्या शतकाच्या शेवटी ज्या राष्ट्रांनी भरती करून आपले पद भरले त्या राष्ट्रांमध्ये "उंचीचे कोडे" कमी वारंवार आढळतात या वस्तुस्थितीद्वारे हे समर्थित आहे, ज्यातून संशोधक अधिक वैविध्यपूर्ण आणि कमी उत्पन्न किंवा वर्ग पक्षपाती उंची डेटा मिळवू शकतात.<5

औद्योगिक क्रांतीच्या सुरुवातीच्या काळातील मानववंशीय पुरावे हाताळताना डेटा निवड समस्या कारागृहाच्या नमुन्यांमधून मिळविलेल्या डेटामध्ये देखील आढळतात, कारण ते त्या वेळी गरीब आणि कामगार वर्गाचे जास्त प्रतिनिधित्व करतात, अननिरीक्षण केलेल्या वैशिष्ट्यांमुळे त्यांना गुन्हेगारी कृतीसाठी अधिक प्रवण बनवले (बॉडर्नहॉर्न एट अल., 2017). उपलब्ध डेटामधून उंचीचा एक सामान्य ट्रेंड मिळवण्याचा प्रयत्न करताना ही समस्या आहे, कारण त्या वेळेसाठी कोणतीही सामान्य उंची रजिस्टर नाही आणि उपलब्ध असलेल्या नोंदी गंभीर नमुना-पूर्वाग्रहांमध्ये येतात.तथापि, या डेटावरून आम्ही त्या गटांसाठी काही निष्कर्ष काढू शकतो ज्यांचे या नमुन्यांमध्ये (सैन्य आणि तुरुंग) कुख्यात प्रतिनिधित्व केले गेले होते: गरीब कामगार वर्ग. बोडेनहॉर्न इ. (2017) दाखवा की औद्योगीकरण "कोडे" युनायटेड स्टेट्समध्ये देखील आहे, जेथे 1750 ते 1850 पर्यंत कमी होत जाणारी उंचीची पद्धत गोंधळात टाकणारी आहे कारण ती त्या वेळी सूचित केलेल्या पारंपारिक निर्देशकांच्या उलट प्रतिक्रिया देते, जी अमेरिकन अर्थव्यवस्था होती. आर्थिक वाढ आणि सरासरी उंची यांच्यातील आश्चर्यकारक व्यस्त संबंधांसह, इंग्लंडमध्ये अनुभवलेल्या परिस्थितीप्रमाणेच वेगाने वाढ आणि विकास होत होता.

औद्योगीकरणाच्या कोडेचे काही स्पष्टीकरण अधिक लक्ष देऊन प्राप्त केले जाऊ शकते. मूलभूत घटकांकडे. उदाहरणार्थ, अन्नपदार्थांच्या सापेक्ष किमतीत वाढ झाल्यामुळे त्यांच्या उपलब्धतेत घट झाल्यामुळे लोकसंख्येच्या निव्वळ पौष्टिक स्थितीत घट झाली. त्याशिवाय, अल्पावधीत औद्योगिकीकरणाचा थेट परिणाम, जसे की सर्वज्ञात आहे, शहरांच्या गर्दीमुळे आणि कामगार राहत असलेल्या कारखान्यांमध्ये आणि घरांच्या इमारतींमधील वायुवीजन समस्यांमुळे रोगांमध्ये वाढ आणि मूलभूत स्वच्छताविषयक परिस्थिती बिघडत गेली. याचा सरासरी उंचीच्या मापनावर नकारात्मक परिणाम होतो, कारण स्वच्छताविषयक परिस्थिती आणि अन्नाच्या उच्च सापेक्ष किमतींचा गरीब कामगारांच्या उंचीवर जास्त नकारात्मक प्रभाव पडतो.मध्यम आणि उच्च वर्गाच्या उंचीवर आर्थिक वाढीचा सकारात्मक किरकोळ प्रभाव. त्यामुळे, रचना प्रभावामुळे, दरडोई वाढत्या उत्पन्नाकडे दुर्लक्ष करून, सरासरी उंचीचा कल त्या वेळी निर्णायकपणे खाली गेला . डेटाचे बारकाईने निरीक्षण करून, रोजगारानुसार उंचीच्या ट्रेंडचे विश्लेषण करताना उंचीची तफावत कशी दोलायमान होते हे आपण समजू शकतो. उदाहरणार्थ, त्यावेळी उद्योगात कामाच्या तीव्रतेमुळे, तरुण कारखान्यातील कामगारांच्या सरासरी उंचीला शेतकरी किंवा व्हाईट-कॉलर कामगारांपेक्षा खूप जास्त त्रास सहन करावा लागला, जे उंची डेटाचे निराकरण करण्यासाठी आणि विश्लेषण करताना काही पूर्वाग्रह दूर करण्याचा आणखी एक संकेत असू शकतो. ते आम्हाला त्यावेळचे अधिक भक्कम आणि कदाचित अधिक निर्णायक मानववंशीय पुरावे प्रदान करत आहे.

दुसरीकडे, मापनातील गंभीर त्रुटींकडे निर्देश करून औद्योगिकीकरणाच्या कोडेला पर्यायी स्पष्टीकरण दिले जाते . Ewout Depauw आणि Deborah Oxley (2019), त्यांच्या पेपरमध्ये टॉडलर्स, टीनएजर्स आणि टर्मिनल हाइट्स: पुरुष प्रौढ उंचीसाठी यौवनाचे महत्त्व, फ्लँडर्स, 1800-76, तर्क आहे की प्रौढ व्यक्ती पूर्णपणे कॅप्चर करत नाही जन्माच्या वेळी राहणीमानाचा दर्जा, परंतु पौगंडावस्थेतील वाढीच्या वर्षांमध्ये राहणीमानाच्या स्थितीचे संकेत देण्यामध्ये ते अधिक चांगले आहे, कारण हा कालावधी टर्मिनल उंचीवर सर्वात प्रभावशाली आहे, विशेषत: 11 ते 18 वयोगटातील. Depauw आणि Oxley (2019) गर्भाच्या उत्पत्तीच्या गृहीतकाला विरोध करतात, जे तर्क करतात ते पोषणगर्भधारणेदरम्यान स्थिती ही अशी आहे जी विकासावर मोठ्या प्रमाणात परिणाम करते आणि परिणामी प्रौढांच्या टर्मिनल उंचीवर प्रतिबिंबित होते. तथापि, त्यांचा असा विश्वास आहे की पुरावे रोगाचे वातावरण, पौष्टिक सेवन आणि केंद्रीय यौवन वाढीच्या वर्षांमध्ये स्वच्छताविषयक परिस्थिती दर्शवितात, जे लहान मुलांच्या राहणीमानापेक्षा टर्मिनल उंचीच्या मापनांवर अधिक स्पष्टपणे प्रतिबिंबित होतात. तारुण्य हा टर्मिनल उंची निर्धारित करण्यासाठी एक आवश्यक कालावधी आहे, कारण हा वाढीचा कालावधी आहे, याचा अर्थ असा की जर बालपणात पौष्टिकतेमुळे किंवा आरोग्याच्या अपमानामुळे वाढ विस्कळीत झाली असेल, तर यौवनावस्थेत राहणीमान सुधारल्यास गमावलेली वाढ किमान अंशतः पुनर्प्राप्त केली जाऊ शकते. वर्षे, XVIII व्या शतकाच्या उत्तरार्धात आणि XIX व्या शतकाच्या सुरुवातीस किशोरवयीन मुले विशेषतः वाढीसाठी सामाजिक-आर्थिक परिस्थितीसाठी संवेदनशील असतात, कारण त्यांना महिला किशोरवयीन मुलांपेक्षा जास्त कॅलरीची आवश्यकता होती (Depauw and Oxley, 2019). वेगवेगळ्या वयोगटातील अंतिम उंचीचा संपूर्ण वाढीच्या कालावधीत वेगवेगळ्या क्षणी आर्थिक आणि आरोग्य परिस्थितीच्या संपर्काशी कसा संबंध असू शकतो या दृष्टीने वेगवेगळ्या प्रकारे डेटा मालिका आयोजित करून, त्या वेळी उंची आणि राहणीमान मोजण्यात लेखकांच्या नाविन्याचे हे मुख्य कारण आहे. . ते ब्रुग्सच्या तुरुंगातून डेटा संकलित करून याचा अभ्यास करतात, तुरुंगाच्या नोंदींमध्ये आधीच स्पष्ट केलेले पूर्वाग्रह असूनही, याला योग्य अभ्यास स्रोत म्हणून न्याय्य ठरवून, असा युक्तिवाद केला की कैद्यांचेविशिष्ट गट प्रामुख्याने गरीब कामगार वर्गाच्या परिस्थितीचे प्रतिबिंबित करतो. वाढीवर आरोग्य आणि कल्याणकारी परिणामांचे दीर्घकालीन परिणाम प्राप्त करण्यासाठी आणि या परिणामांवर परिणाम होण्यापासून तात्पुरता आर्थिक धक्का रोखण्यासाठी, Depauw and Oxley (2017) सामाजिक आर्थिक परिस्थितींशी अधिक सामान्यीकृत कनेक्शन दूर करण्यासाठी किमती आणि मृत्यू दरांमधील वार्षिक फरक वापरा .

या निबंधाद्वारे, मी अद्याप विविध लेखकांचे निकाल आणि संख्यात्मक निष्कर्ष सादर केलेले नाहीत, कारण ते काहीवेळा औद्योगिक क्रांतीच्या वेळी जीवनमानाची भिन्न चित्रे वेगळे करतात आणि सादर करतात. हे परिणाम आमच्या विश्लेषणासाठी वैध नाहीत, जर आम्ही थांबलो नाही आणि त्यांच्या वेगवेगळ्या पद्धती समजून घेण्याचा आणि समजून घेण्याच्या प्रयत्नात थोडा वेळ लावला नाही आणि एकूणच, त्यांची विशिष्ट कार्यपद्धती वापरण्याची कारणे आणि त्यांनी सादर केलेल्या त्रुटी. एकदा हे समजल्यानंतर, आता आपण या निबंधाच्या संदर्भग्रंथात संकलित केलेल्या लेखकांनी सादर केलेल्या परिणामांचे विश्लेषण करण्यावर, कमीत कमी अंशतः लक्ष केंद्रित करू शकतो, ट्रेंड संदर्भामध्ये ठेवू शकतो आणि जीवनमानाचा एकच आणि ठोस निष्कर्ष मिळविण्याची जटिलता आणि जवळजवळ अशक्यतेचे निरीक्षण करू शकतो. त्या वेळी तथापि, या विविध अभ्यासांचा हेतू हा कधीच नव्हता, परंतु कार्यपद्धतींचा सामना करणे आणि आर्थिक इतिहासाच्या परिमाणात्मक विश्लेषणामध्ये प्रगती करणे.

परिणाम बघून, Voth (2004) असे आढळून आले की