Download the Full Version of textbook for Fast Typing at textbookfull.

com

Multivariate analysis for the behavioral sciences

2nd Edition Brian S. Everitt

https://textbookfull.com/product/multivariate-analysis-for-
the-behavioral-sciences-2nd-edition-brian-s-everitt/

OR CLICK BUTTON

DOWNLOAD NOW

Download More textbook Instantly Today - Get Yours Now at textbookfull.com

 Recommended digital products (PDF, EPUB, MOBI) that
you can download immediately if you are interested.

Multivariate Analysis for the Behavioral Sciences Kimmo

Vehkalahti

https://textbookfull.com/product/multivariate-analysis-for-the-
behavioral-sciences-kimmo-vehkalahti/

textboxfull.com

Applied Power Analysis for the Behavioral Sciences 2nd

Edition Christopher L. Aberson

https://textbookfull.com/product/applied-power-analysis-for-the-
behavioral-sciences-2nd-edition-christopher-l-aberson/

textboxfull.com

Research Methods for the Behavioral Sciences 2nd Edition

Gregory J. Privitera

https://textbookfull.com/product/research-methods-for-the-behavioral-
sciences-2nd-edition-gregory-j-privitera/

textboxfull.com

Statistics for the behavioral sciences Gravetter

https://textbookfull.com/product/statistics-for-the-behavioral-
sciences-gravetter/

textboxfull.com
Statistics for the Behavioral Sciences Frederick J.
Gravetter

https://textbookfull.com/product/statistics-for-the-behavioral-
sciences-frederick-j-gravetter/

textboxfull.com

Essential Statistics for the Behavioral Sciences Gregory

J. Privitera

https://textbookfull.com/product/essential-statistics-for-the-
behavioral-sciences-gregory-j-privitera/

textboxfull.com

Statistical Concepts for the Behavioral Sciences Harold O.

Kiess

https://textbookfull.com/product/statistical-concepts-for-the-
behavioral-sciences-harold-o-kiess/

textboxfull.com

Statistics for the Behavioral Sciences 4th Edition Susan

A. Nolan

https://textbookfull.com/product/statistics-for-the-behavioral-
sciences-4th-edition-susan-a-nolan/

textboxfull.com

Essentials of Statistics for the Behavioral Sciences

Frederick J. Gravetter

https://textbookfull.com/product/essentials-of-statistics-for-the-
behavioral-sciences-frederick-j-gravetter/

textboxfull.com
Multivariate Analysis
for the
Behavioral Sciences
Second Edition
 Chapman & Hall/CRC
Statistics in the Social and Behavioral Sciences Series
Series Editors
Jeff Gill Steven Heeringa
Washington University, USA University of Michigan, USA

Wim J. van der Linden Tom Snijders

Pacific Metrics, USA University of Groningen, The Netherlands

Aims and scope

Large and complex datasets are becoming prevalent in the social and behavioral sciences and
statistical methods are crucial for the analysis and interpretation of such data. This series aims
to capture new developments in statistical methodology with particular relevance to
applications in the social and behavioral sciences. It seeks to promote appropriate use of
statistical, econometric and psychometric methods in these applied sciences by publishing a
broad range of reference works, textbooks and handbooks.

The scope of the series is wide, including applications of statistical methodology in sociology,
psychology, economics, education, marketing research, political science, criminology, public
policy, demography, survey methodology and official statistics. The titles included in the series
are designed to appeal to applied statisticians, as well as students, researchers and
practitioners from the above disciplines. The inclusion of real examples and case studies is
therefore essential.

Recently Published Titles

Handbook of International Large-Scale Assessment: Background, Technical Issues,

and Methods of Data Analysis
Leslie Rutkowski, Matthias von Davier, and David Rutkowski
Generalized Linear Models for Categorical and Continuous Limited Dependent Variables
Michael Smithson and Edgar C. Merkle
Incomplete Categorical Data Design: Non-Randomized Response Techniques for
Sensitive Questions in Surveys
Guo-Liang Tian and Man-Lai Tang
Handbook of Item Response Theory, Volume One: Models
Wim J. van der Linden
Handbook of Item Response Theory, Volume Two: Statistical Tools
Wim J. van der Linden
Handbook of Item Response Theory, Volume Three: Applications
Wim J. van der Linden
Computerized Multistage Testing: Theory and Applications
Duanli Yan, Alina A. von Davier, and Charles Lewis
Multivariate Analysis for the Behavioral Sciences, Second Edition
Kimmo Vehkalahti and Brian S. Everitt

For more information about this series, please visit: https://www.crcpress.com/go/ssbs

Multivariate Analysis
for the
Behavioral Sciences
Second Edition

Kimmo Vehkalahti
Brian S. Everitt
First edition published as Multivariable Modeling and Multivariate Analysis for the Behavioral
Sciences.

CRC Press
Taylor & Francis Group
6000 Broken Sound Parkway NW, Suite 300
Boca Raton, FL 33487-2742

c 2019 by Taylor & Francis Group, LLC

CRC Press is an imprint of Taylor & Francis Group, an Informa business

No claim to original U.S. Government works

Printed on acid-free paper

International Standard Book Number-13: 978-0-8153-8515-8 (Hardback)

This book contains information obtained from authentic and highly regarded sources. Reasonable
efforts have been made to publish reliable data and information, but the author and publisher
cannot assume responsibility for the validity of all materials or the consequences of their use. The
authors and publishers have attempted to trace the copyright holders of all material reproduced
in this publication and apologize to copyright holders if permission to publish in this form has
not been obtained. If any copyright material has not been acknowledged please write and let us
know so we may rectify in any future reprint.

Except as permitted under U.S. Copyright Law, no part of this book may be reprinted, re-
produced, transmitted, or utilized in any form by any electronic, mechanical, or other means,
now known or hereafter invented, including photocopying, microfilming, and recording, or in any
information storage or retrieval system, without written permission from the publishers.

For permission to photocopy or use material electronically from this work, please access
www.copyright.com (http://www.copyright.com/) or contact the Copyright Clearance Center,
Inc. (CCC), 222 Rosewood Drive, Danvers, MA 01923, 978-750-8400. CCC is a not-for-profit
organization that provides licenses and registration for a variety of users. For organizations that
have been granted a photocopy license by the CCC, a separate system of payment has been
arranged.

Trademark Notice: Product or corporate names may be trademarks or registered trademarks,

and are used only for identification and explanation without intent to infringe.

Library of Congress Cataloging-in-Publication Data

Names: Everitt, Brian, author. | Vehkalahti, Kimmo, author.

Title: Multivariate analysis for the behavioral sciences / Kimmo Vehkalahti &
Brian S. Everitt
Other titles: Multivariable modeling and multivariate analysis for the
behavioral sciences
Description: Second edition. | Boca Raton, Florida : CRC Press [2019] |
Earlier edition published as: Multivariable modeling and multivariate
analysis for the behavioral sciences / [by] Brian S. Everitt. | Includes
bibliographical references and index.
Identifiers: LCCN 2018041904| ISBN 9780815385158 (hardback : alk. paper) | ISBN
9781351202275 (e-book)
Subjects: LCSH: Social sciences—Statistical methods. | Multivariate analysis.
Classification: LCC HA31.35 .E94 2019 | DDC 519.5/35—dc23
LC record available at https://lccn.loc.gov/2018041904

Visit the Taylor & Francis Web site at

http://www.taylorandfrancis.com

and the CRC Press Web site at

http://www.crcpress.com
Dedication

Brian dedicates the book to the memory of his parents,

Emily Lucy Everitt and Sidney William Everitt.

Kimmo dedicates the book to Sirpa, the love of his life.

Contents

Preface xiii
Preface to Multivariable Modeling and Multivariate Analysis
for the Behavioral Sciences xv
Authors xix
Acknowledgments xxi

1 Data, Measurement, and Models 1

1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Types of Study . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.1 Surveys . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.2 Experiments . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.3 Observational Studies . . . . . . . . . . . . . . . . . . 5
1.2.4 Quasi-Experiments . . . . . . . . . . . . . . . . . . . 6
1.3 Types of Measurement . . . . . . . . . . . . . . . . . . . . . 7
1.3.1 Nominal or Categorical Measurements . . . . . . . . 7
1.3.2 Ordinal Scale Measurements . . . . . . . . . . . . . . 8
1.3.3 Interval Scales . . . . . . . . . . . . . . . . . . . . . . 8
1.3.4 Ratio Scales . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.5 Response and Explanatory Variables . . . . . . . . . 10
1.4 Missing Values . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.5 The Role of Models in the Analysis of Data . . . . . . . . . 11
1.6 Determining Sample Size . . . . . . . . . . . . . . . . . . . 14
1.7 Significance Tests, p-Values, and Confidence Intervals . . . 16
1.8 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.9 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

2 Looking at Data 23
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2 Simple Graphics—Pie Charts, Bar Charts, Histograms,
and Boxplots . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.1 Categorical Data . . . . . . . . . . . . . . . . . . . . 24
2.2.2 Interval/Quasi-Interval Data . . . . . . . . . . . . . . 32
2.3 The Scatterplot and beyond . . . . . . . . . . . . . . . . . . 37
2.3.1 The Bubbleplot . . . . . . . . . . . . . . . . . . . . . 40
2.3.2 The Bivariate Boxplot . . . . . . . . . . . . . . . . . 42
2.4 Scatterplot Matrices . . . . . . . . . . . . . . . . . . . . . . 45

vii
viii Contents

2.5 Conditioning Plots and Trellis Graphics . . . . . . . . . . . 48

2.6 Graphical Deception . . . . . . . . . . . . . . . . . . . . . . 55
2.7 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.8 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60

3 Simple Linear and Locally Weighted Regression 63

3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.2 Simple Linear Regression . . . . . . . . . . . . . . . . . . . 64
3.2.1 Fitting the Simple Linear Regression Model to the
Pulse Rates and Heights Data . . . . . . . . . . . . . 66
3.2.2 An Example from Kinesiology . . . . . . . . . . . . . 67
3.3 Regression Diagnostics . . . . . . . . . . . . . . . . . . . . . 69
3.4 Locally Weighted Regression . . . . . . . . . . . . . . . . . 73
3.4.1 Scatterplot Smoothers . . . . . . . . . . . . . . . . . 75
3.5 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
3.6 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82

4 Multiple Linear Regression 83

4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
4.2 An Example of Multiple Linear Regression . . . . . . . . . 85
4.3 Choosing the Most Parsimonious Model When Applying
Multiple Linear Regression . . . . . . . . . . . . . . . . . . 90
4.3.1 Automatic Model Selection . . . . . . . . . . . . . . . 95
4.3.2 Example of Application of the Backward Elimination 96
4.4 Regression Diagnostics . . . . . . . . . . . . . . . . . . . . . 98
4.5 Multiple Linear Regression and Analysis of Variance . . . . 102
4.5.1 Analyzing the Fecundity of Fruit Flies by Regression 102
4.5.2 Multiple Linear Regression for Experimental Designs 104
4.5.3 Analyzing a Balanced Design . . . . . . . . . . . . . 105
4.5.4 Analyzing an Unbalanced Design . . . . . . . . . . . 106
4.6 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
4.7 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110

5 Generalized Linear Models 113

5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
5.2 Binary Response Variables . . . . . . . . . . . . . . . . . . . 115
5.3 Response Variables That Are Counts . . . . . . . . . . . . . 117
5.3.1 Overdispersion and Quasi-Likelihood . . . . . . . . . 119
5.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
5.5 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121

6 Applying Logistic Regression 123

6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
6.2 Odds and Odds Ratios . . . . . . . . . . . . . . . . . . . . . 123
6.3 Applying Logistic Regression to the GHQ Data . . . . . . . 125
6.4 Selecting the Most Parsimonious Logistic Regression Model 130
Contents ix

6.5 Driving and Back Pain: A Matched Case–Control Study . . 134

6.6 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
6.7 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136

7 Survival Analysis 139

7.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
7.2 The Survival Function . . . . . . . . . . . . . . . . . . . . . 140
7.2.1 Age at First Sexual Intercourse for Women . . . . . . 142
7.3 The Hazard Function . . . . . . . . . . . . . . . . . . . . . 144
7.4 Cox’s Proportional Hazards Model . . . . . . . . . . . . . . 146
7.4.1 Retention of Heroin Addicts in Methadone Treatment 149
7.5 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
7.6 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153

8 Analysis of Longitudinal Data I: Graphical Displays and

Summary Measure Approach 155
8.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
8.2 Graphical Displays of Longitudinal Data . . . . . . . . . . . 157
8.3 Summary Measure Analysis of Longitudinal Data . . . . . . 159
8.3.1 Choosing Summary Measures . . . . . . . . . . . . . 160
8.3.2 Applying the Summary Measure Approach . . . . . . 162
8.3.3 Incorporating Pre-Treatment Outcome Values into the
Summary Measure Approach . . . . . . . . . . . . . 164
8.3.4 Dealing with Missing Values When Using the Sum-
mary Measure Approach . . . . . . . . . . . . . . . . 164
8.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
8.5 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167

9 Analysis of Longitudinal Data II: Linear Mixed Effects

Models for Normal Response Variables 169
9.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
9.2 Linear Mixed Effects Models for Repeated Measures Data . 170
9.3 How Do Rats Grow? . . . . . . . . . . . . . . . . . . . . . . 174
9.3.1 Fitting the Independence Model to the Rat Data . . 174
9.3.2 Fitting Linear Mixed Models to the Rat Data . . . . 176
9.4 Computerized Delivery of Cognitive Behavioral
Therapy—Beat the Blues . . . . . . . . . . . . . . . . . . . 181
9.5 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
9.6 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187

10 Analysis of Longitudinal Data III: Non-Normal Responses 189

10.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
10.2 Marginal Models and Conditional Models . . . . . . . . . . 190
10.2.1 Marginal Models . . . . . . . . . . . . . . . . . . . . 190
10.2.2 Conditional Models . . . . . . . . . . . . . . . . . . . 194
x Contents

10.3 Using Generalized Estimating Equations

to Fit Marginal Models . . . . . . . . . . . . . . . . . . . . 196
10.3.1 Beat the Blues Revisited . . . . . . . . . . . . . . . . 196
10.3.2 Respiratory Illness . . . . . . . . . . . . . . . . . . . 197
10.3.3 Epilepsy . . . . . . . . . . . . . . . . . . . . . . . . . 201
10.4 Using Generalized Linear Mixed Effects Models
to Fit Conditional Models . . . . . . . . . . . . . . . . . . . 203
10.4.1 Respiratory Illness . . . . . . . . . . . . . . . . . . . 203
10.4.2 Epilepsy . . . . . . . . . . . . . . . . . . . . . . . . . 204
10.5 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
10.6 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207

11 Missing Values 209

11.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
11.2 Missing Data Mechanisms . . . . . . . . . . . . . . . . . . . 210
11.3 Dealing with Missing Values . . . . . . . . . . . . . . . . . . 212
11.4 Imputing Missing Values . . . . . . . . . . . . . . . . . . . . 213
11.5 Analyzing Multiply Imputed Data . . . . . . . . . . . . . . 215
11.6 Example of the Application of Multiple Imputation . . . . . 216
11.6.1 Complete-Case Analysis . . . . . . . . . . . . . . . . 217
11.6.2 Mean Imputation . . . . . . . . . . . . . . . . . . . . 218
11.6.3 Multiple Imputation . . . . . . . . . . . . . . . . . . 219
11.7 Beat the Blues Revisited (Again) . . . . . . . . . . . . . . . 219
11.8 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
11.9 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222

12 Multivariate Data and Multivariate Analysis 225

12.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
12.2 The Initial Analysis of Multivariate Data . . . . . . . . . . 226
12.2.1 Summary Statistics for Multivariate Data . . . . . . 226
12.2.2 Graphical Descriptions of the Body
Measurement Data . . . . . . . . . . . . . . . . . . . 229
12.3 The Multivariate Normal Probability Density Function . . . 230
12.3.1 Assessing Multivariate Data for Normality . . . . . . 233
12.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
12.5 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237

13 Principal Components Analysis 239

13.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
13.2 Principal Components Analysis (PCA) . . . . . . . . . . . . 239
13.3 Finding the Sample Principal Components . . . . . . . . . . 241
13.4 Should Principal Components be Extracted from
the Covariance or the Correlation Matrix? . . . . . . . . . . 244
13.5 Principal Components of Bivariate Data
with Correlation Coefficient r . . . . . . . . . . . . . . . . . 246
Contents xi

13.6 Rescaling the Principal Components . . . . . . . . . . . . . 248

13.7 How the Principal Components Predict
the Observed Covariance Matrix . . . . . . . . . . . . . . . 248
13.8 Choosing the Number of Components . . . . . . . . . . . . 249
13.9 Calculating Principal Component Scores . . . . . . . . . . . 251
13.10 Some Examples of the Application of PCA . . . . . . . . . 252
13.10.1 Head Size of Brothers . . . . . . . . . . . . . . . . . 252
13.10.2 Crime Rates in the United States . . . . . . . . . . . 255
13.10.3 Drug Usage by American College Students . . . . . 260
13.11 Using PCA to Select a Subset of the Variables . . . . . . . 264
13.12 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265
13.13 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266

14 Multidimensional Scaling and Correspondence Analysis 267

14.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 267
14.2 Multidimensional Scaling . . . . . . . . . . . . . . . . . . . 269
14.2.1 Classical Multidimensional Scaling . . . . . . . . . . 270
14.2.2 Connection to Principal Components . . . . . . . . . 273
14.2.3 Road Distances in Finland . . . . . . . . . . . . . . . 274
14.2.4 Mapping Composers of Classical Music . . . . . . . . 278
14.2.5 Nonmetric Multidimensional Scaling . . . . . . . . . 280
14.2.6 Re-mapping Composers of Classical Music . . . . . . 281
14.3 Correspondence Analysis . . . . . . . . . . . . . . . . . . . 284
14.3.1 Simple Example of the Application
of Correspondence Analysis . . . . . . . . . . . . . . 286
14.3.2 Connections of Work Activities and Job Advantages 288
14.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
14.5 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292

15 Exploratory Factor Analysis 295

15.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 295
15.2 The Factor Analysis Model . . . . . . . . . . . . . . . . . . 296
15.3 Estimating the Parameters in the Factor Analysis Model . . 299
15.4 Determining the Number of Factors . . . . . . . . . . . . . 301
15.5 Fitting the Factor Analysis Model: An Example . . . . . . . 302
15.6 Rotation of Factors . . . . . . . . . . . . . . . . . . . . . . . 304
15.6.1 A Simple Example of Graphical Rotation . . . . . . . 306
15.6.2 Numerical Rotation Methods . . . . . . . . . . . . . 309
15.6.3 A Simple Example of Numerical Rotation . . . . . . 311
15.7 Estimating Factor Scores . . . . . . . . . . . . . . . . . . . 311
15.7.1 Analyzing the Crime Rates by Factor Analysis . . . . 312
15.8 Exploratory Factor Analysis and Principal Component
Analysis Compared . . . . . . . . . . . . . . . . . . . . . . . 315
15.9 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316
15.10 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317
xii Contents

16 Confirmatory Factor Analysis and Structural Equation

Models 319
16.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 319
16.2 Estimation, Identification, and Assessing the Fit for Confir-
matory Factor Analysis and Structural Equation Models . . 320
16.2.1 Estimation . . . . . . . . . . . . . . . . . . . . . . . . 320
16.2.2 Identification . . . . . . . . . . . . . . . . . . . . . . 321
16.2.3 Assessing the Fit . . . . . . . . . . . . . . . . . . . . 322
16.3 Examples of Confirmatory Factor Analysis . . . . . . . . . . 324
16.3.1 Ability and Aspiration . . . . . . . . . . . . . . . . . 325
16.3.2 Drug Usage among Students . . . . . . . . . . . . . . 327
16.4 Eight Factors of Systems Intelligence . . . . . . . . . . . . . 331
16.4.1 Testing the Factorial Validity of the SI Inventory . . 333
16.5 Structural Equation Models . . . . . . . . . . . . . . . . . . 335
16.5.1 Example of a Structural Equation Model . . . . . . . 335
16.6 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . 337
16.7 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 337

17 Cluster Analysis 341

17.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 341
17.2 Cluster Analysis . . . . . . . . . . . . . . . . . . . . . . . . 343
17.3 Agglomerative Hierarchical Clustering . . . . . . . . . . . . 344
17.3.1 Clustering Individuals Based on Body Measurements 347
17.3.2 Clustering Countries on the Basis of Life Expectancy 348
17.4 k-Means Clustering . . . . . . . . . . . . . . . . . . . . . . . 352
17.4.1 Clustering Crime Rates . . . . . . . . . . . . . . . . . 355
17.5 Model-Based Clustering . . . . . . . . . . . . . . . . . . . . 356
17.5.1 Clustering European Countries . . . . . . . . . . . . 359
17.6 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . 362
17.7 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 363

18 Grouped Multivariate Data 365

18.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 365
18.2 Two-Group Multivariate Data . . . . . . . . . . . . . . . . . 366
18.2.1 Hotelling’s T 2 Test . . . . . . . . . . . . . . . . . . . 366
18.2.2 Fisher’s Linear Discriminant Function . . . . . . . . 369
18.3 More Than Two Groups . . . . . . . . . . . . . . . . . . . . 374
18.3.1 Multivariate Analysis of Variance (MANOVA) . . . . 374
18.3.2 Classification Functions . . . . . . . . . . . . . . . . . 378
18.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . 382
18.5 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 382

References 385

Index 401
Preface

In some respects this book is a second edition of Multivariable Modeling and

Multivariate Analysis for the Behavioral Sciences but in others it is largely
a new book with new chapters on missing values and the analysis of longi-
tudinal data where the response variable can not be assumed to be normally
distributed. The book also includes a wider account of generalized linear mod-
els as well as a new chapter on multidimensional scaling and correspondence
analysis and separate chapters on exploratory and confirmatory factor analy-
sis; in the latter there is also new coverage of structural equation models. A
number of interesting, new examples and exercises have been added in several
chapters.
The original lengthy title tried to explain that the book covered situations
where the variables of interest consisted of a response variable and explana-
tory variables and where interest lies in finding suitable models relating the
response to the explanatory variables, hence multivariable modeling, in addi-
tion to techniques that can be applied to what has historically been termed
multivariate data where there is no division of the variables and the aim is to
find a parsimonious description of the structure of the data. The current book
contains extended coverage of both situations but has been given a somewhat
shorter title, Multivariate Analysis for the Behavioral Sciences, because both
types of data mentioned can be represented symbolically by an n × q matrix
X containing the q variable values for n number of units (often subjects) in
the data set. Chapters 3–11 will describe methods for dealing with data when
one of the q variables is a response and the others explanatory, while the re-
maining chapters deal with methods for the analysis of data sets where there
is no such division of the variables. We hope this makes it clear that this book
covers accounts of a wider range of statistical methodology than covered in
the conventional ‘multivariate analysis’ textbook.
The ‘we’ opening the last sentence above brings us to the most important
change between this book and that mentioned in the first line of this Preface,
namely the arrival of a co-author Dr. Kimmo Vehkalahti. It is Kimmo who
is responsible for many of the changes and most of the new material in this
book compared with the original on which it is based.
Most chapters include ‘technical detail’ sections which briefly describe the
theory behind the methods of concern in the chapter. These sections often
require a familiarity with some relatively advanced mathematics, for exam-
ple, matrix algebra, for their understanding (see Puntanen et al., 2011, 2013).
Readers without the necessary grounding in maths can largely ignore such sec-

xiii
xiv Preface

tions and instead concentrate on the examples given to help them understand
the practical implications of the methods.
There are exercises at the end of each chapter, some of which are ‘starred’
(*) to indicate that they are more challenging and could perhaps be used as
the basis of student projects. Data sets for most exercises are not given in the
text but are available on the associated web sites (see later) where they are
identified by the relevant exercise number. For the starred exercises the web
sites also contain pointers to the appropriate analysis.
The web site for the book is www.crcpress.com and in addition the book
has a GitHub repository (https://github.com/KimmoVehkalahti/MABS) for
distributing the complete data sets and the R code for reproducing the exam-
ples and for answering the exercises; consequently this allows us to abbreviate
the listings of most data sets in the text.
We hope that this book will be found useful in a number of different ways,
including:

• As the main part of a formal statistics course for advanced undergraduates

and postgraduates in all areas of the behavioral sciences,
• As a supplement to an existing course,
• For self-study,
• For researchers in the behavioral sciences undertaking statistical analyses
on their data,
• For statisticians teaching statistics to psychologists and others,
• For statisticians using R when teaching intermediate statistics courses
both in the behavioral sciences and in other areas.

Brian S. Everitt
Dulwich, London

Kimmo Vehkalahti
Vuosaari, Helsinki
Preface to Multivariable Modeling
and Multivariate Analysis for the
Behavioral Sciences

The Encyclopedia of Statistics in Behavioral Science (Everitt and Howell,

2005) opens with the following paragraph:
Forty years ago there was hardly a field called “behavioral science.” In
fact, psychology largely was the behavioral sciences, with some help
from group theory in sociology and decision making in economics. Now,
of course, psychology has expanded and developed in a myriad of ways,
to the point where behavioral science is often the most useful term.
Physiological psychology has become neuroscience, covering areas not
previously part of psychology. Decision-making has become decision
science, involving people from economics, marketing, and other disci-
plines. Learning theory has become cognitive science, again exploring
problems that were not even considered 40 years ago. And develop-
ments in computing have brought forth a host of new techniques that
were not possible in the days of manual and electronic calculators.
With all these changes, there have been corresponding changes in the
appropriate statistical methodologies.
Despite the changes mentioned in the last sentence of this quotation, many
statistical books aimed at psychologists and others working in the behavioral
sciences continue to cover primarily simple hypothesis testing, using a variety
of parametric and nonparametric significance tests, simple linear regression,
and analysis of variance. Such statistical methodology remains important in
introductory courses, but represents only the first step in equipping behavioral
science students with enough statistical tools to help them on their way to
success in their later careers. The aim of this book is to encourage students
and others to learn a little more about statistics and, equally important, how
to apply statistical methods in a sensible fashion. It is hoped that the following
features of the text will help it reach its target:
• The central theme is that statistics is about solving problems; data relevant
to these problems are collected and analyzed to provide useful answers. To
this end, the book contains a large number of real data sets arising from
real problems. Numerical examples of the type that involve the skiing
activities of belly dancers and politicians are avoided as far as possible.

xv
xvi Preface to Multivariable Modeling and Multivariate Analysis

• Mathematical details of methods are confined to numbered and separated

Technical Sections. For the mathematically challenged, the most difficult
of these displays can, at least as a last resort, be ignored. But the study of
the relevant mathematical material (which on occasion will include the use
of vectors and matrices) will undoubtedly help in the reader’s appreciation
of the corresponding technique.
• Although many statistical methods require considerable amounts of arith-
metic for their application, the burden of actually performing the neces-
sary calculations has been almost entirely removed by the development
and wide availability of powerful and relatively cheap personal computers
and associated statistical software packages. It is assumed, therefore, that
all students will be using such tools when undertaking their own analyses.
Consequently, arithmetic details are noticeable largely by their absence,
although a little arithmetic is included where it is considered helpful in
explaining a technique.
• There are many challenging data sets both in the text and in the exercises
provided at the end of each chapter. All data sets, both in the body of
the text and in the exercises, are given on the Web site associated with
the book, as are the answers to all the exercises. (Because the major-
ity of data sets used in the book are available on the book’s Web site
(http://www.crcpress.com/product/isbn/9781439807699), tables of data
in the text only give a small subset of each data set.)

As mentioned in the penultimate bullet point above, the text assumes that
readers will be using one or another of the many available statistical software
packages for data analysis. This raises the thorny question for the author of
what information should be provided in the text about software. Would, for
example, screen dumps from SPSS be useful, or listings of STATA code? Per-
haps, but neither are included here. Instead, all the computer code used to
analyze the many examples to be found in the text is given on the book’s
Web site, and this code is in the R language, where R is a software system for
statistical computing, data analysis, and graphics. This may appear a strange
choice for a book aimed at behavioral scientists, but the rationale behind the
choice is first that the author uses R in preference to other statistical soft-
ware, second that R can be used to produce many interesting and informative
graphics that are difficult if not impossible to produce with other software,
third that R is free and can be easily downloaded by students, and fourth, R
has a very active user community and recently developed statistical methods
become available far more quickly than they do with other packages. The only
downside with R is that it takes a little more time to learn than say using
“point-and-click” SPSS. The initial extra effort, however, is rapidly rewarded.
A useful book for learning more about R is Everitt and Hothorn (2009).
The material covered in the book assumes the reader is familiar with the
topics covered in introductory statistics courses, for example, population, sam-
Preface to Multivariable Modeling and Multivariate Analysis xvii

ple, variable, parameter, significance test, p-value, confidence interval, correla-

tion, simple regression, and analysis of variance. The book is primarily about
methods for analyzing data but some comments are made in Chapter 1 about
the various types of study that behavioral researchers may use and their de-
sign. And it is in Chapter 1 that the distinction between multivariable and
multivariate—both of which appear in the book’s title—will be explained.
It is hoped that the text will be useful in a number of different ways,
including:

• As the main part of a formal statistics course for advanced undergraduates

and postgraduates in all areas of the behavioral sciences.
• As a supplement to an existing course.
• For self-study.
• For researchers in the behavioral sciences undertaking statistical analyses
on their data.
• For statisticians teaching statistics to psychologists and others.
• For statisticians using R when teaching intermediate statistics courses
both in the behavioral sciences and in other areas.

B. S. Everitt
Dulwich, U.K.
Authors

Kimmo Vehkalahti is a fellow of the Teachers’ Academy, University of

Helsinki, Finland. He has been a part of the faculty of Social Sciences for
over 25 years, currently as senior lecturer of the Social Data Science in the
Centre for Research Methods. He is author of a Finnish textbook on measure-
ment and survey methods. The present book is his first international textbook
on statistics. His research and teaching activities are related to open data
science, multivariate analysis, and introductory statistics. His spare time is
divided (unequally) between jogging and trail running, reading, watching ice
hockey, holidays with his wife, and singing tenor in choir.

Brian S. Everitt is professor emeritus, King’s College, London, UK. He

worked at the Institute of Psychiatry, University of London for over 35 years,
finally as head of the Biostatistics and Computing Department and profes-
sor of behavioural statistics. He is author or co-author of over 70 books on
statistics and approximately 100 papers and other articles, and was a section
editor for the Encyclopedia of Biostatistics, published by Wiley. In retirement,
he divides his time between working as editor-in-chief of Statistical Methods
in Medical Research, playing tennis, watching cricket, long walking holidays
with his wife, and playing classical guitar in private.

xix
Acknowledgments

Kimmo would like to thank the faculty of Social Sciences at the University
of Helsinki for granting him a six-month sabbatical without which this book
could not have been written. Three months of this sabbatical were spent at the
Universitat Pompeu Fabra in Barcelona at the kind invitation and hospitality
of Professor Michael Greenacre. The hard work needed to get to grips with
R and LATEX was greatly aided by the sharing of an office (and coffee breaks)
with Michael at Campus de la Ciutadella. Gràcies!
Kimmo’s thanks are also given to Maria Anna Donati, Ulla Palotie, Juha
Törmänen, Raimo Hämäläinen, Esa Saarinen, and Seppo Mustonen, all of
whom gave their permission to use their interesting data sets in this book;
he has the warmest memories of staying in the beautiful home of the lovely
Firenze family. Grazie Caterina Primi, Michele e Luisa!
Thanks are given to Dr. Deepayan Sarkar, the author of Lattice: Multi-
variate Data Visualization with R, and Springer, the publishers of the book,
for permission to use Figures 2.8, 2.9, 4.5, 4.6, 4.7, and 5.16 in Chapter 2 of
this book.
Brian and Kimmo thank each other for an extremely smooth collaboration
that allowed this book to be completed on time whilst allowing them to become
and remain good friends; they also agree that sincere thanks are given to
Rob Calver of Taylor & Francis, who has been, as always, supportive and
encouraging during the writing of the book.

xxi
1
Data, Measurement, and Models

1.1 Introduction
Statistics is a general intellectual method that applies wherever data,
variation, and chance appear. It is a fundamental method because data,
variation and chance are omnipresent in modern life. It is an indepen-
dent discipline with its own core ideas, rather than, for example, a
branch of mathematics . . . Statistics offers general, fundamental and
independent ways of thinking.

Journal of the American Statistical Association

Quintessentially, statistics is about solving problems; data (measurements or

observations) relevant to these problems are collected, and statistical analyses
are used to provide useful answers. But the path from data collection to anal-
ysis and interpretation is often not straightforward. Most real-life applications
of statistical methodology have one or more nonstandard features, meaning
in practice that there are few routine statistical questions, although there are
questionable statistical routines. Many statistical pitfalls lie in wait for the
unwary. Indeed, statistics is perhaps more open to misuse than most other
subjects, particularly by the nonstatistician with access to powerful statistical
software. The misleading average, the graph with “fiddled axes,” the inappro-
priate p-value, and the linear regression fitted to nonlinear data are just four
examples of horror stories that are part of statistical folklore.
Statisticians often complain that many of those working in the behavioral
sciences put undue faith in significance tests, use complex methods of analysis
when the data merit only a relatively simple approach, and sometimes abuse
the statistical techniques they are employing. Statisticians become upset (and
perhaps feel a little insecure) when their advice to, say, “plot a few simple
graphs,” is ignored in favor of a multivariate analysis of covariance or similar
statistical extravagance.
However, if statisticians are at times horrified by the way in which be-
havioral scientists apply statistical techniques, behavioral scientists may be
no less horrified by many statisticians’ apparent lack of awareness of what
stresses behavioral research can place on an investigator. A statistician may,
for example, demand a balanced design with 30 subjects in each cell so as to

1
2 Multivariate Analysis for the Behavioral Sciences

achieve some appropriate power for the analysis. But it is not the statistician
who is faced with the frustration caused by a last-minute phone call from a
subject who cannot take part in an experiment that has taken several hours
to arrange. Again, the statistician advising on a longitudinal study may call
for more effort in carrying out follow-up interviews so that the study avoids
statistical problems produced by the presence of missing data. It is, however,
the behavioral researcher who must continue to persuade people to talk about
potentially distressing aspects of their lives, who must confront possibly dan-
gerous respondents, or who arrives at a given (and often remote) address to
conduct an interview, only to find that the person is not at home. Many statis-
ticians often do not appear to appreciate the complex stories behind each data
point in many behavioral studies. One way of improving the possible commu-
nication problems between behavioral scientist and statistician is for each
to learn more about the language of the other. There is already available a
plethora of, for example, “Statistics for Psychologists” books, but sadly, (as
far as we know) no “Psychology for Statisticians” equivalent. Perhaps there
should be?
Having outlined briefly a few caveats about the possible misuse of statistics
and the equally possible conflict between statistician and behavioral scientist,
it is time to move on to consider some of the basics of behavioral science
studies and their implications for statistical analysis.

1.2 Types of Study

It is said that, when Gertrude Stein lay dying, she roused briefly and asked her
assembled friends, “Well, what’s the answer?” They remained uncomfortably
quiet, at which she sighed, “In that case, what’s the question?”
Research in the behavioral science, as in science in general, is about search-
ing for the answers to particular questions of interest. Do politicians have
higher IQs than university lecturers? Do men have faster reaction times than
women? Should phobic patients be treated by psychotherapy or by a behav-
ioral treatment such as flooding? Do children who are abused have more prob-
lems later in life than children who are not abused? Do children of divorced
parents suffer more marital breakdowns themselves than children from more
stable family backgrounds?
In more general terms, scientific research involves a sequence of asking and
answering questions about the nature of relationships among variables (e.g.,
How does A affect B? Do A and B vary together? Is A significantly different
from B? and so on). Scientific research is carried out at many levels that
differ in the types of question asked and therefore in the procedures used to
answer them. Thus, the choice of which methods to use in research is largely
determined by the kinds of questions that are asked.
Data, Measurement, and Models 3

Of the many types of investigation used in behavioral research, the most

common are perhaps the following:

• Surveys
• Experiments
• Observational studies
• Quasi-experiments

Some brief comments about each of these four types are given below; a more
detailed account is available in the papers by Stretch, Raulin, and Graziano,
and by Dane, all of which appear in the second volume of the excellent Com-
panion Encyclopedia of Psychology (see Colman, 1994).

1.2.1 Surveys
Survey methods are based on the simple discovery that “asking questions is a
remarkably efficient way to obtain information from and about people” (Schu-
man and Kalton, 1985, p. 635). Surveys involve an exchange of information
between researcher and respondent; the researcher identifies topics of interest,
and the respondent provides knowledge or opinion about these topics. Depend-
ing upon the length and content of the survey as well as the facilities available,
this exchange can be accomplished via written questionnaires, in-person in-
terviews, or telephone conversations; and, in the 21st century, surveys via the
Internet are increasingly common.
Surveys conducted by behavioral scientists are usually designed to elicit
information about the respondents’ opinions, beliefs, attitudes, and values.
Perhaps one of the most famous surveys of the 20th century was that con-
ducted by Alfred Charles Kinsey, a student of human sexual behavior in the
1940s and 1950s. The first Kinsey report, Sexual Behavior in the Human Male,
appeared in 1948 (see Kinsey et al., 1948), and the second, Sexual Behavior
in the Human Female, in 1953 (see Kinsey et al., 1953). It is no exaggeration
to say that both reports caused a sensation, and the first quickly became a
bestseller.
Surveys are often a flexible and powerful approach to gathering information
of interest, but careful consideration needs to be given to several aspects of
the survey if the information is to be accurate, particularly when dealing
with a sensitive topic. Having a representative sample, having a large-enough
sample, minimizing nonresponse, and ensuring that the questions asked elicit
accurate responses are just a few of the issues that the researcher thinking of
carrying out a survey needs to consider. Readers are referred to Bradburn et
al. (2004) and Tourangeau et al. (2000) for a broad coverage of practical advice
for questionnaire construction and Laaksonen (2018), Groves et al. (2009), de
Leeuw et al. (2008) and Lehtonen and Pahkinen (2004) for detailed accounts
of survey sampling and survey methodology.
4 Multivariate Analysis for the Behavioral Sciences

Examples of data collected in surveys and their analysis are given in several
later chapters.

1.2.2 Experiments
According to Sir Ronald Fisher, perhaps the greatest statistician of the 20th
century, “experiments are only experience carefully planned in advance and
designed to form a secure basis of new knowledge.” The essential feature of an
experiment is the large degree of control in the hands of the experimenters,
and in designed experiments the goal is to allow inferences to be drawn about
the effects of an intervention of interest that are logically compelled by the
data and hence allow assessment of a causal relationship. In many cases the
“intervention” will be some form of therapy in which case the experiment is
usually called a clinical trial.
In an experiment, the researcher controls the manner in which subjects are
allocated to the different levels of the experimental factors. In a comparison of
a new treatment with one used previously, for example, the researcher would
have control over the scheme for allocating subjects to the two treatments.
The manner in which this control is exercised is of vital importance if the
results of the experiment are to lead to a largely unambiguous assessment of
the effect of treatment. The objective in allocation is that the groups to be
compared should be alike in all respects except the intervention (treatment)
received. Comparable groups prior to the intervention ensure that differences
in outcomes after the intervention reflect effects of the intervention in an
unbiased fashion. Let us begin by considering two flawed allocation procedures
that are unlikely to achieve the desired degree of similarity of the two groups.

• Perhaps the first subjects to volunteer to take part in the experiment

should all be given the new treatment, for example, and the later ones
the old treatment? The two groups formed in this way may differ in level
of motivation and so subsequently in performance. Observed treatment
differences would be confounded with differences produced by the alloca-
tion procedure. Alternatively, early volunteers might be more seriously ill,
those desperate to find a new remedy that works, and again, this might
lead to a bias in the measured difference between the two treatments.
• So what about putting alternate subjects into each group? The objection to
this is that the experimenter will know who is receiving what treatment
and may be tempted to “tinker” with the scheme to ensure that those
patients who are most ill receive the new treatment.

So, how should we form the groups that will be used to assess an experi-
mental intervention? The answer is deceptively simple—use randomization.
The group to which a participant in the experiment is allocated is decided
by chance. It could be arranged by flipping a coin each time a new eligi-
ble patient arrives, and allocating the patient to the new treatment if the
Data, Measurement, and Models 5

result is a head, or to the old treatment if a tail appears. In practice, of

course, a more sophisticated randomization procedure will be used. The es-
sential feature, however, is randomization, rather than the mechanism used to
achieve it. Randomization was introduced into scientific experiments far more
recently, when in 1926 Fisher randomly assigned individual blocks or plots of
land in agricultural experiments to receive particular types of “treatment”—
different amounts of fertilizer. The primary benefit that randomization has
is the chance (and therefore impartial) assignment of extraneous influences
among the groups to be compared, and it offers this control over such influ-
ences whether or not they are known by the experimenter to exist. Note that
randomization does not claim to render the two samples equal with regard to
these influences; if, however, the same procedure was applied to repeated sam-
ples from the population, equality would be achieved in the long run. Thus,
randomization ensures a lack of bias, whereas other methods of assignment
may not. In a properly conducted, randomized, experiment the interpretation
of an observed group difference is largely unambiguous; its cause is very likely
to be the different treatments or conditions received by the groups.
Several of the data sets introduced and analyzed in later chapters arise
from experimental studies, often clinical trials.

1.2.3 Observational Studies

Suppose a researcher is interested in investigating how smoking cigarettes
affects a person’s systolic blood pressure. Using the experimental approach
described earlier, people would have to be allocated at random to two groups,
the members of one group being asked to smoke some quantity of cigarettes
per day, and the members of the other group required not to smoke at all.
Clearly, no ethical committee would approve of such a study. So, what can be
done? An approach that would get ethical approval is to measure the systolic
blood pressure of naturally occurring groups of individuals who smoke, and
those who do not, and then compare the results. This would then be what is
known as an observational study, defined by Cochran (1965) as follows:
An empiric comparison of “treated” and “control” groups in which the
objective is to elucidate cause-and-effect relationships but where it is
not possible to use controlled experimentation, in the sense of being
able to impose the procedures or treatments whose effects it is desired
to discover, or to assign patients at random to different procedures.
Many observational studies involve recording data on the members of naturally
occurring groups, generally over a period of time, and comparing the rate
at which a particular event of interest occurs in the different groups (such
studies are often referred to as prospective). If, for example, an investigator
was interested in the health effects of a natural disaster such as an earthquake,
those who experienced the earthquake could be compared, on some outcome
variable of interest, with a group of people who did not.
6 Multivariate Analysis for the Behavioral Sciences

Another commonly used type of observational study is the case-control

investigation. Here, a group of people (the cases) all having a particular char-
acteristic (a certain disease perhaps) are compared with a group of people
who do not have the characteristic (the controls), in terms of their past expo-
sure to some event or risk factor. The cases and controls are usually matched
one-to-one for possible confounding variables. An example of such a study is
reported in Lehman et al. (1987). Here the researchers collected data follow-
ing the sudden death of a spouse or a child in a car crash. They matched 80
bereaved spouses and parents to 80 controls drawn from 7582 individuals who
came to renew their driver’s license. Specifically, they matched for gender, age,
family income before crash, education level, and number and ages of children.
The types of analyses suitable for observational studies are often the same
as those used for experimental studies. Unlike experiments, however, the lack
of control over the groups to be compared in an observational study makes
the interpretation of any difference between the groups detected in the study
open to a variety of interpretations. In the smoking and systolic blood pressure
study, for example, any difference found between the blood pressures of the
two groups would be open to three possible interpretations:
• Smoking causes a change in systolic blood pressure.
• Level of blood pressure has a tendency to encourage or discourage smoking.
• Some unidentified factors play a part in determining both the level of
blood pressure and whether or not a person smokes.
In the design of an observational study, an attempt is made to reconstruct
some of the structure and strengths of an experiment. But the possible am-
biguity in interpretation of the results from an observational study, however
well designed, means that the observational approach is not as powerful as a
designed experiment. A detailed account of observational studies is given in
Rosenbaum (2002).

1.2.4 Quasi-Experiments
Quasi-experimental designs resemble experiments proper but are weak on
some of the characteristics. In particular (and as in the observational study),
the ability to manipulate the groups to be compared is not under the inves-
tigator’s control. But, unlike the observational study, the quasi-experiment
involves the intervention of the investigator in the sense that he or she applies
a variety of different “treatments” to naturally occurring groups. In investi-
gating the effectiveness of three different methods of teaching mathematics to
15 year olds, for example, a method might be given to all the members of a
particular class in a school. The three classes that receive the different teach-
ing methods would be selected to be similar to each other on most relevant
variables, and the methods would be assigned to classes on a chance basis.
For more details of quasi-experiments see Shadish et al. (2002).
Discovering Diverse Content Through
Random Scribd Documents
vaiti, vaikkakin hänellä oli sentnerin paino omallatunnollaan.

"Uskotko sinä, että olen viaton?" kysyi Schorn sitte.

"Kyllä", vastasi agitaattori lujasti ja varmasti eikä mikään oikeuden

enkeli tullut ja reväissyt tällä hetkellä naamiota hänen kasvoiltaan.

"Pidä kaikki kunnossa, Gustav", sanoi tuomittu jälleen, kuten

ennen niin usein. "Suutele vaimoani ja lapsiani minun nimessäni ja
sano heille, että ajatuksissani olen aina heidän luonansa. Olet nyt
herra talossa, isännöi hyvin, vuosi menee, ja minä luotan ikuiseen
tuomariin. Päivä tuo totuuden esille."

Hän halusi kuulla jotakin valtiopäivävaalin kulusta, mutta he eivät

olleet kahden kesken.

Hän sanoi vain, edellyttäen Rassmannin ymmärtävän.

"Ja asiasi käy hyvin?"

"Oivallisesti, huomenna tulee ratkaisu", kuului valheellinen

vastaus.

"Tämän vien parhaana lohdutuksena mukaani", sanoi Schorn

viimeiseksi sanakseen. —

Rassmann oli tosiaankin herra talossa, hänellä oli valtikka

kokonaan käsissään. Hän ei ollut enää ainoastaan unelmissaan
tämän pienen paratiisin omistaja, hän oli sitä valveilla, täydellä
tajullaan. Jokainen askel, jokainen toimenpide, mihin hän ryhtyi,
vahvisti häntä siinä tietoisuudessa.

Mutta hänen isännöimisensä!

 Rassmann ei ymmärtänyt mitään liikeasioista: se oli ensi kivi
raunioon. Liiketuttavat huomasivat sen parhaiten; seuraus siitä oli,
että he vähitellen rajottivat tilauksiaan, vaikkakaan eivät niitä
kokonaan lakkauttaneet myötätuntoisuudesta rouva Schornin
onnettomuutta kohtaan. Lisäksi tuli, ettei Rassmann voinut omin
käsin ryhtyä työhön, mutta esiintyi sitä mahtavampana kisällejä
kohtaan. Ennen olivat he työpajassaan harvoin suuttuneet, nyt ei
kulunut ainoakaan viikkoa, ettei joku työntekijöistä olisi mieluummin
muuttanut kuin enää jäänyt epävarmuuteen.

Seuraus siitä oli, että ne työt, jotka vielä saatiin, lyötiin laimin
eivätkä valmistuneet oikeaan aikaan.

Niin poistui tilaaja toisensa jälkeen; ja lopuksi oli puusepän työssä

ainoastaan yksi mies eikä hänelläkään työtä riittämään. Sorvaustyö
oli jo aikoja sitten lakannut, kun Schorn, tämän ammatin ainoa etevä
edustaja kaupungissa, oli poissa ammattitaitoineen.

Niin jäi pääasialliseksi tulolähteeksi puotiliike.

Mutta ikäänkuin olisi Schornin tuomion jälkeen kohdannut kirous

koko taloa, niin kohdistuivat koko talon ikävät ilmiöt myös valmiiden
tavarain kauppaan. Ostajat vähenivät vähenemistään, ja nekin, jotka
tulivat, tulivat enemmän uteliaisuuttaan tyydyttääkseen. Mihin Hanna
katsoikin, ei hän kohdannut avointa, vapaata katsetta, ei henkilöä,
jolle olisi voinut uskoa luottamuksensa. Lopulta jäi hänelle vain
Rassmann, joka osasi hänen surulliset kasvonsa kirkastaa.

"Kaikki tulee jälleen paremmaksi", sanoi tämä vain jotakin

sanoakseen. "Koskeeko syyllisyys sitte tosiaankin meitä molempia?
Emmekö koeta parastamme? Pää pystyyn, Hanna, olenhan minä
luonanne."
 Oi, niin, ystävä oli hänen luonaan. Sen huomasi hän
uudistuneesta hellyydestä, jolla tämä hänet hulvasi. Ja jokaisessa
sellaisessa tilaisuudessa halasi tämä ystävä hiljaa, mutta
järjestelmällisesti vanhaan puuhaansa: hän koetti vaimon rinnassa
tukahduttaa jokaisen ajatuksen miestään kohtaan.

"Hanna", sanoi hän sitte, "mitä siitä sitte tulee, kun Vilhelm palaa?
Vannon teille, että olen teidän totinen ystävänne, mutta juuri siksi
täytyy minun katsoa tulevaisuuteen teidän puolestanne. Miehenne
on ainaiseksi kunniaton mies, ja vaikkei tänään kukaan voi sälyttää
hänen rikostaan teidän eikä lastenne hartioille, niin tehdään se
silloin, kun hän on jälleen luonanne, Hanna, teidän täytyy —"

Nuori vaimo hypähti pystyyn ikäänkuin hänen eteensä olisi astunut

valoisa olento, joka varotti häntä tähän hurmahenkeen nähden;
mutta seuraavana hetkenä tunsi hän jälleen olevansa Rassmannin
vallassa.

Hän sanoi tosin: "Mutta taivaan tähden, mitä teillä on oikein

mielessänne, Gustav!" — mutta heti osasi Rassmann viedä
ajatukset eteenpäin.

"Hanna", alotti hän uudelleen, "kommunismin lakien mukaan ei

teidän tarvitse enää elää miehenne kanssa yhdessä. Tahdotteko
silloin iät kaiket käydä kuritushuonevangin rouvasta? Vilhelm on itse
sanonut minulle, ettei hän enää vapaaksi päästyään tahdo koskaan
käydä miehestänne. Ette tee mitään rikosta, vaikkakin hänestä
eroatte — nyt vasta olette sopimattomat toisillenne. — Ettekö näe
joka päivä, kuinka luonnottomat ja sietämättömät nykyiset olosuhteet
ovat? Oletteko te tehnyt kenellekään mitään pahaa? Oletteko te
vastuunalainen miehenne teoista? Ette. Ja kuitenkin karttavat teitä
kaikki, vetääntyvät pois luotanne. Jokainen on valmis teitä
loukkaamaan, sälyttämään häpeän niskoillenne, tärvelemään
perintönne, saattamaan teidät häviöön."

Tämän käsitti rouva Schorn. Hänen povessaan aaltoili, ja hän

sanoi nyreissään:

"Niin, Gustav, olette oikeassa, en ole tehnyt kenellekään mitään,

mutta minua halveksitaan, ja kaikki on mieheni syy. Mutta minä teen
samoin: vastaan halveksimalla."

Tämä oli vain hetkellistä katkeruutta; mutta kuinka Rassmann

ottikaan heti tämän nuoren rouvan mielialan täydestä! Kuinka
ymmärsi hän suloisesti imarrella, näytellä uhrautuvaisuutta, vaimon
mieltä yhä hullaannuttaa!

Mutta milloin kaupungissa puhuttiin Schornin talosta, puhuttiin siitä

kuin pahennuksen pesästä. Äidit ja isät katsoivat samalla huolissaan
ympärilleen, olivatko heidän tyttärensä saapuvilla.

"Onko sitä enää pidettävä säällisenä rouvana", sanottiin sitte, "joka

ei häpeä asua vieraan miehen kanssa saman katon alla, vaikka
kaikki tietävät että hän on naimisissa ja hänen miehensä
kuritushuoneessa?"… "Voiko sellaista vaimoa enää pitää arvossa?
Voiko sellaisen olennon kanssa enää olla tekemisissä?"… Ja sitte
seurasivat vanhat puheenparret sosialistisesta yhteiskunnasta…
Niinhän oli aina, villi avioliitto oli aina ollut sosialistin toive; tässä se
taas nähtiin selvästi j.n.e.

Niin kuluivat kaksi ensimäistä kuukautta, Schornin ollessa poissa.

Juttelu rouva Schornista ja hänen rakastajastaan, kuten Rassmannia
yleensä nimitettiin, kulki entistä uraansa, yhteyttä heidän kanssaan
vältettiin samalla tarkkuudella kuin ennenkin. Liike meni yhä
enemmän alaspäin. Rassmann koetti saada ulkona olevat saatavat
perityksi niin pian kuin mahdollista, se oli hänen pääasiallinen
työskentelynsä.

Talvi oli saapunut kaikessa ankaruudessaan, ja pureva pakkanen

kutsui houkuttelevammin kuin koskaan viivähtämään kapakassa.
Rassmann tunsi eräänä päivänä vanhan kaipauksensa sinne.
Hänellä ei ollut mitään tehtävää, päivät olivat niin lyhyet, että maksoi
tuskin nousta vuoteestaan — mikä oli silloin parempaa kuin viettää
iltansa kapakassa ja pitää suurta suuta.

Nyt vasta voi agitaattori oikein lyödä täyteen rahakukkaroonsa, nyt

vasta tahtoi hän kaikille näyttää, mitä hän oikeastaan oli, ja vaikkapa
kunnialliset ihmiset kääntyivätkin hänestä pois, kuten ihmisestä, joka
petti oman ystävänsä — niin oli sentään aina elukoita, jotka
kumarsivat rahan kilinälle kuten ennenkin ja kohottivat hattuaan.
Ainakaan ravintolan isännällä ei ollut mitään syytä kieltää
kunnioitustaan vanhalta vieraaltaan, jota hänen oli kiittäminen niin
monesta kirkkaasta taalarista.

Lopulta, kun Rassmannin oli uudelleen onnistunut koota joukko

syöpäläisiä ympärilleen, istui hän juopottelemassa aamusta iltaan
kuten ennenkin.

Hannalle osasi hän selittää sellaisen elämänsä sanomalla, että

hänen täytyi koettaa houkutella vanhat liiketuttavat takaisin.

Sellainen elämä luonnollisesti maksoi rahaa! Ja liikkeen tulot

vähenivät päivästä päivään. Mutta Rassmann ei koskaan huolehtinut
huomisesta; nyt vielä vähemmin kuin ennen; Kultaisessa leijonassa
kuuli hän eräänä iltana jutun, että herra Antonius Pätzoldtilla, joka
nyt oli kokonaan vajonnut viinapulloon, olisi seuraavana päivänä
ryöstö, jonka jälkeen hänen "salonkinsa" todennäköisesti sulettaisiin.

Tämä juttu olikin totta.

Marat toisen liike oli mennyt alaspäin vielä nopeammin kuin

Schornin. Kaksi hänen entistä apulaistaan olivat sijottuneet lähistöön
ja vakavuudellaan vieneet entisen esimiehensä vieraat aivan hänen
nenänsä edestä. Hän oli alituiseen juovuksissa ja alkoi kohta riidellä
jokaisen uuden apulaisensa kanssa, niin ettei kukaan enää tahtonut
tulla hänelle työhön. Häneltä itseltään eivät kansalaiset taasen
tahtoneet palvelusta, sillä silloin olivat he vaarassa joutua jonakin
onnetonna minuuttina pienen kähertäjän uhriksi sitä enemmän, kun
tämä hirmuinen mies silloin tällöin humalapäissään päästeli
suustaan epäiltäviä sanoja, jotka puhuivat joukkotelotuksista,
giljotiinista ja vallankumouksellisista tuomioistuimista.

Niin kävi että tilavassa salongissa pistäytyi ainoastaan sattumalta

joku vieras, joka ei kuitenkaan "kuningasmielisten" mielestä "kaalia
rasvottanut".

Niin tuli sitten ratkaisu. Vuokraansa ei aviopari ollut maksanut jo

neljännesvuoteen. Kaikkialle oli heillä velkoja, leipurille, teurastajalle,
kauppiaalle, yksinpä saippuankeittäjällekin; vaikkei oikeastaan
ollutkaan mitään saippuoitavaa.

Kaikki ahdistivat, kaikki olivat jo jättäneet saamisensa

oikeudellisesti haettavaksi. Oli odotettavissa, että jonakin päivänä
ulosottomies täyttäisi samalla kertaa velvollisuutensa kaikkia
valittajia kohtaan.
 Ahdingossaan pieni kähertäjä mietti omia tuumiaan samalla
heittäen tuhoavia katseita kadun ylitse Schornin taloon.

Rassmann oli jo usein ihmetellyt, että hänen entinen

kapakkatoverinsa väistyi tykkänään hänen tieltään. Agitaattori oli
usein salaa toivonut päästä Pätzoldtin kera entisiin suhteihin,
ollakseen varma hänen ystävyydestään kaikkien tapausten varalta.
Mutta juoppoa tuskin enää sai nähdäkään.

Ja kuitenkin olivat Pätzoldtin ajatukset aina Rassmannin luona, ja

ne suunnitelmat, joita hän salassa takoi, olivat kerran saattavat
agitaattorin hänen käsiinsä.

Ja tuumiaan hauteessaan haki hän vanhaan tapaansa

lohdutustaan pullosta.

Niinpä niin — hänellä olikin syytä huumata omaatuntoaan. Eikö

hän ollut nähnyt, kuinka Rassmann varkauspäivänä oli hypännyt
ikkunasta?

"Jos tämä porvari sen tietäisi", olisi silloin kuullut pienen

kähertäjän usein puhuvan, "mitä hän tarjoisikaan jos minä pitäisin
suuni kiinni —"

Tämä oli se Marat toisen suunnitelma. Hän oli usein ajatellut tätä
kiristyskoetta, nähdessään kuinka puotikassa pysyi yhä tyhjänä ja
velat lisääntyivät, mutta ensin tahtoi hän nähdä saiko agitaattori
tosiaankin valtikan käsiinsä.

Ja nyt oli aika tullut, nyt oli hätä kynnyksellä, nyt oli joko taivuttava
tai taituttava. Nyt sai tämä porvari vetää kassansa esiin, kuten hän
kerran oli imenyt Schornia kaikella hienostuneella viekkaudellaan.
 "Kuritushuoneeseen tulee hän sentään kyllin aikaiseen", täten
koetti herra Pätzoldt puolustaa attentaattiaan, jonka hän oikeastaan
teki Schornin omaisuutta vastaan.

Kultaisen leijonan eräässä nurkassa nähtiin pitkistä ajoista jälleen

Rassmannin ja hänen entisen ystävänsä istuvan yhdessä.

Mitä herra Antonius Pätzoldt kertoi, siitä ei ollut kellään aavistusta,

ainoastaan sen olisi saattanut huomata, että agitaattori näytti
kalpealta kuin seinä ja joka kerta, kun pieni kähertäjä oli
ampumaisillaan yli maalin, kuiskutti hänelle: "Ei niin kovaan, ei niin
kovaan. Voivathan muut kuulla kaiken. Saatte kyllä, mitä tahdotte."

Sinä iltana ei Rassmann jäänyt kauvaksi ravintolaan. Hän hiipi

ulos, aivankuin kummituksia istuisi hänen niskallaan.

Sepäs vielä puuttui, että häneltä nyt riistettäisiin ihanat päivät! Nyt
kun hän puhetaiteellaan oli saanut asiat niin pitkälle, että hänen
lemmittynsä oli taipuvainen ennen pitkää myymään talon ja tavarat,
lähteäksensä hänen kanssansa Ameriikkaan. Ja tämän kurjan
kääpiön täytyi kaikkialle tulla hänen tielleen. Mutta hänen turpansa
täytyi tukkia, sitte sai toistaiseksi olla rauhassa.

Niiden parin päivän kuluessa, jotka Pätzoldt oli agitaattorille

myöntänyt rahan hankkimista vasten, esitti myöskin Schornin
liikeystävä kolmikuukautisen viidensadan taalarin vekselinsä.

Rassmannille ei tullut tämä vekseli odottamatta, mutta hän pyysi

neljän kolmatta tunnin lykkäystä. Ne hänelle myönnettiin.

Niin paljo rahaa? Mistä ne olivat otettavat?

 "Meidän täytyy ottaa kiinnityslaina taloamme vastaan, Hanna",
sanoi hän, "ja sitte koetettava myydä talo niin hyvin kuin mahdollista
—"

Rouva Schorn sanoi vaan pari sanaa, käskien hänen tehdä miten
hyväksi katsoo. Hän jätti jo kotiystävälle vapaat kädet.

Niin päätettiin ottaa kiinnityslaina. Seuraavana päivänä löytyi

kaupungista rahamies, joka suostui antamaan tuhat taalaria
ensimäistä kiinnitystä vastaan.

Suuri vekseli lunastettiin, Pätzoldtin lurjus tyydytettiin.

Nyt oli jälleen elämää Marat toisen kodissa. Kuningasmielinen tuli

jälleen miehelleen hyväksi, lapset saivat leivoksia syödäkseen ja
herra Antonius Pätzoldt otti päivän kunniaksi kaksinkertaisen
annoksen kuminaviinaa.

Oi, että hänelle onnistuisi tämä ensimäinen kepposensa, sitä ei

hän ollut uskonut itsekään. Eikö tässä ollut oivallinen lähde, jota
saattoi käyttää useamminkin hyväkseen.

Herra Antonius Pätzoldt tuli pian siihen. Partaveistään tarvitsi hän

yhä vähemmän. Hän eli humussa ja sumussa.

Marat toiselta ei rahapula enää koskaan loppunut, ja aina kävi hän

Rassmannin kimppuun. Milloin vaati hän pienempiä, milloin
suurempia summia. Ja vaikkakin Rassmann raivoissaan puri
huultansa — Pätzoldtin uhkaukset saivat hänet lannistumaan ja —
maksamaan edelleen.

Rassmann tunsi yhä suurempaa halua talon myymiseen, mutta

niin usein kuin Hanna suostuikin, ei löytynyt sopivaa ostajaa.
Onnettomuus kasaantui onnettomuuden päälle. Pieni Villy tuli äkki
sairaaksi ja kuoli muutaman viikon jälkeen. Tämä oli hirvein suru
rouva Schornille. Ensi kertaa pitkistä ajoista tunsi hän pienokaisen
kirstun ääressä, kuinka häneltä puuttui mies, jonka lemmikki Villy oli.
Rassmann ei huolehtinut hautajaisista, hän istui mieluummin
"Kultaisessa leijonassa".

Jättiläissuuren, uhkaavan nyrkin tavoin nousi äkkiä nuoren vaimon

mieleen ajatus, mitä hänen miehensä sanoisikaan, kun palaisi
rangaistuslaitoksesta ja näkisi miten kaikki oli mennyt alaspäin. Ja
hän — eikö hän ollut hyvällä tiellä unhottaa miehensä?

Mutta hurmahenki Rassmann seisoi jälleen hänen takanaan ja

kuiskutti: "Kuka on kaikkeen syypää? Miehenne — hän on tullut
rikokselliseksi, hän ei ole enää teidän arvoisenne."

Ja sitte ahdisti häntä hurja pelko ajatellessaan hetkeä, jona hänen

miehensä palaisi — kulmikas, mutta rehellinen Schorn, jonka sydän
oli täynnä altista rakkautta ja lapsellista uhrautuvaisuutta.

Kun hän sellaisena seisoisi hänen edessään ja sanoisi:

"Hannaseni, oletko pysynyt minulle uskollisena?" — mitä olisikaan
hänellä silloin vastattavaa? Nuori vaimo vapisi. "Mieluummin paeta
maailman ääreen", tuumi hän sitte.

Rassmannia vastaan ei hänen oma mielipiteensä enää merkinnyt

mitään — hän oli myynyt tälle sielunsa kuin paholaiselle. Agitaattori
hallitsi kuin isäntä. Samalla jatkoi hän vanhoja tapojaan, istui
aamusta iltaan kapakassa. Ja yhä oli hänellä rinnallaan
verenimijänsä, herra Antonius Pätzoldt.
 Saapui päivä, jolloin täytyi ottaa toinen kiinnitys, ainoastaan
saadakseen rahaa välttämättömiin menoihin ja Marat toisen
tyydyttämiseen. Lisäksi tuli, ettei puotiin tahdottu saada luotolla
valmiita tavaroita myytäväksi, vaan entisistäkin laskuista vaativat
saamamiehet suoritusta.

Kaikilta tahoilta ahdistivat velkojat, ja oli lähellä se mahdollisuus,

että talo myytäisiin julkisella pakkohuutokaupalla, jollei viime
hetkessä saataisi ostajaa omasta alotteesta.

Rassmann ponnisteli ponnistelemistaan, hän ilmotti

sanomalehdissä kerta toisensa jälkeen — ei ilmestynyt ketään, joka
olisi maksanut vaaditun summan. Aika kului, Schornin vapautuksen
päivä oli tuleva — ja yhä olivat olot ennallaan. Rassmann selvisi
enää humalastaan yhtä vähän kuin pieni parturikaan; hän joi vain
itsensä huomatakseen.

Hänen täytyi miettiä rohkeimpia suunnitelmia saadakseen käteistä

rahaa;
vähitellen oli hän myynyt rouva Schornin tietämättä enimmät
työkalut.
Jos hän liikutteli kapakassa suuria rahoja, kävi herra Antonius
Pätzoldt kimppuun vaatien puolet.

"Mikä on minun, on sinun", tuli nyt näiden juopporenttujen kesken

täyteen voimaan.

He jakoivat rehellisesti; mutta kuten kaksi varasta, joista toinen ei

luota toiseen.
XVII

Istunut kuritushuoneessa, istunut syyttömästi kuritushuoneessa —

kuinka pian se on sanottu, ja kuinka vaikea sitä on ymmärtää!

Orja, joka tuntee ajajansa ruoskaniskut selässään, hän kestää

kivun murisematta, sillä hän tietää olevansa orja ja taipuu
kohtaloonsa. Maankulkuri, joka maantieltä otetaan kiinni ja viedään
korjuuseen, seuraa vastustelematta, sillä hän tietää, että hän on
siellä ulkona hyödytön ja hän tyytyy siihen. Vieläpä äitikin, köyhä äiti,
joka nälkäisenä harhailee kadulla, kerjäten leipää lapsilleen, ja
jokaisella toisella ovella saa kirouksia almun sijaan — hänkin kantaa
osansa hymyillen, sillä hän tietää kärsivänsä lastensa puolesta. He
kaikki kärsivät vakuutettuina, ettei heillä ole oikeutta murinaan; mutta
mies tuolla, joka vilusta väristen ja sateesta valuen huhtikuun
hämärässä astuu kuraista maantietä, joka vie X:ään, hän vain ei
tiedä miksi hän vuosikauden on kantanut pahantekijän polttomerkkiä,
miksi hänen tukkansa on leikattu lyhyeksi, miksi on hänet puettu
vanginpukuun.

Tämä mies on Vilhelm Schorn.

 Kurja, mitään sanomaton sana on tämä "miksi", kun sen huutaa
maailmaan koko sielunsa tuskalla ja kaiku on ainoa vastaus. Niin,
tämä kysymys se sai Schornin öisin puristamaan kätensä nyrkkiin,
kunnes hän unhotti rukoilemisen ja nousi omaa jumalaansa vastaan.
Sitte itki hän, kunnes kyyneleet kuivuivat, ja miksi, miksi? —

Päivästä päivään oli hän toivonut sanomaa, että todellinen

syyllinen olisi ilmottautunut, ja hän oli vapaa ja edelleen sama
verraton mestari Schorn, joka kohotti kunniallisen nimensä kaiken
muun ylitse — mutta tunnit, päivät, kuukaudet olivat kuluneet — hän
oli yhä numeroitu rangaistusvanki: ilman oikeutta kunnioitukseen ja
pääsemiseen ulkopuolella olevain nauravain ihmisten rinnalle.

Mutta vapautuksen päivä oli tullut, päivä, jona hän vapaana

miehenä sai oleskella vapaiden ihmisten seurassa, keinuttaa
lapsiaan polvellaan kuten ennenkin, itkeä kyllikseen vaimonsa ja
ystävänsä rinnalla.

Mutta eikö hän yhä kantanut kunniattomuuden merkkiä?

Ei, ei — vaikkapa kaikki ihmiset pitäisivät häntä syyllisenä, niin ei

varmaan hänen vaimonsa. Eikö Rassmann ollut pitänyt häntä
viatonna? Ja ajattelisiko hänen vaimonsa toisin? Oi, jo ajatuskin, että
se voisi olla mahdollista, näytti hänestä rangaistavalta.

"Oi, Hanna, oi, Gustav, oi, Villy, oi, Liisu!"

Niin ylimaailmallisen huokaavasti kuin Schorn lausui nämä

rakkaidensa nimet ristissä käsin yön tummaa taivasta kohden ei
konsanaan ole kaikunut kaihonhuuto kurjuuden ruoskimasta ja
kuitenkin toivon läpitunkemasta ihmissielusta.
 Oi, lämmin huone kotona, uskollinen ystävä, rakastava vaimo,
nauravat lapset, oi kuinka tämä kaikki viittoikaan häntä vastaan
iloisia tulotervehdyksiä.

Sade pieksi Schornia vasten kasvoja, huhtikuun inha tuuli vinkui

hänen päänsä ympärillä — hän ei niitä huomannut. Hän olisi nyt
voinut kulkea kuinka pitkälle tahansa, tiesihän hän, että hänellä oli
jälleen päämäärä. Hän ei palattuaan tahtonut enää kauvemmaksi
jäädä kaupunkiin. Vaimonsa, lastensa ja ystävänsä kera tahtoi hän
etsiä uuden kotiseudun, missä häntä ei tunnettu, ei tiedetty mitään
hänen entisyydestään.

Rassmann oli varmaan pitänyt liikkeen kunnossa, olihan hän

siihen jo aika hyvin perehtynyt ja oli niin nokkela ja varustettu
monenlaisilla tiedoilla.

Ja sitten valtiopäivävaali — oikein, hänet oli aikoja sitte täydytty

valita edusmieheksi. Oi, mitä suuria asioita olikaan täytynyt tapahtua
näinä hirveinä kahtenatoista kuukautena. Varmasti oli silloin niin
paljo kerrottavaa, juteltavaa ja kyseltävää, että pahat muistot pian
häipyivät menneisyyteen. Oi, kuinka he ottaisivat hänet vastaan, kun
ovi aukenisi ja hän astuisi sisään. —

Schorn kuuli jo hengessä vaimonsa riemuhuudon, lastensa

ilakoimisen, ystävänsä sydämellisen tervehdyksen. Eikö hän toki
ollut heitä kaikkia valmistanut tuloonsa, kirjottamalla heille muutamia
päiviä sitte.

Olisipa hän vain tiennyt, ettei Rassmann ollut kirjettä Hannalle

lainkaan näyttänyt, vaan kironnut ja toivonut hänen ainaiseksi
häipyvän!
 Niin astuessaan tietään hengessään maalaillen näitä suloisia
kuvia tunsi Schorn jo lämmittävän hengähdyksen, joka herätti hänet
uuteen elämään ja kannusti hänen voimiaan. Sadekin lakkasi ja ilma
tuli puhtaammaksi ja läpinäkyvämmäksi. Loitompaa pilkkui jo valoja
näkyviin. Schornilla oli jo päämääränsä, vanha kotinsa, silmiensä
edessä. Tuolla näki raatihuoneen tornin ikäänkuin äänettömän
tunnusmerkin, lähellä sitä kohosi kirkon torni taivasta kohden;
ensimäinen katu kaupungin puistikosta, jonka pensaat ja puut
ojentelivat paljaita, vettävaluvia oksiaan häntä vastaan, oli jo se,
jonka varrella hänen talonsa, hänen vanha paratiisinsa sijaitsi.

Oi, kuinka sykkikään hänen sydämensä, kuinka hänen verensä

melkein pysähtyi autuaasta hämmennyksestä!

Kadulta ei hän tahtonut astua taloon, ei, kuten varas tahtoi hän
hiipiä puutarhan aitovartta pitkin, kaikkien näkemättä, tuntematta,
ensin seistä kotvan aikaa mykkänä, kädet ristissä kotiaan katsellen;
rukoilla Jumalalta rohkeutta seuraavaa hetkeä varten.

Schorn näki jo maantien loppuvan edessään, hän oli jo kulkenut

tullihuoneen ohitse ja aikoi kulkea puistomaan lävitse, kun hän kuuli
muutamasta haudasta vasemmalta ihmisäänen; kuului siltä kuin
puhuisi jokin juopunut sekamelskaa.

Mutta sitte näytti siltä kuin mies ähkyisi pääsemättä paikaltaan.

Schorn meni paikalle. Hän näki pienen, huolestuneelta näyttävän

miehen, joka, istuen puoleksi kuraisessa haudassa, puoleksi nojaten
muutamaan poppeliin, edelleen koetti nousta pystyyn, mutta aina
kaatui takaisin. Samalla hän viittilöi käsillään ja puhui kaikenlaista,
ikäänkuin hänen edessään seisoisi joku, jonka kanssa hän oli
joutunut riitaan.
 Schorn tunsi Pätzoldtin. Hän oli ravassa ylhäältä alas ja näytti
perin juopuneelta.

"Se ei ollut huonosti", kuuli hän Marat toisen puhuvan yksikseen.

"Mokoma lurjus sanoo, ettei hänellä muka ole enää rahaa, että kaikki
on luistanut tiehensä. Tämä roisto näyttelee nyt suurta porvaria ja —
minun kotiväkeni — no, minun puolestani, he voivat nähdä nälkää.
Minulla ei ole enää, mitään!!" huusi herra Pätzoldt sitte äkkiä
äänekkäästi yöhön, ikäänkuin hänellä olisi tuhansia piruja
manattavana.

Sitte jatkoi hän delirium tremens-monologiaan: "Mutta minä olen

— minä olen kuitenkin nähnyt, kuinka hän — hän silloin hyppäsi
ikkunasta, kun Schorn-parka oli Ehlertillä työssä — — niin, niin, olen
sen kuitenkin nähnyt", huudahti pieni mies raivoissaan, heristäen
nyrkkiään. "Niin, niin, sanon minä! Hän se oikeastaan oli varas, tämä
Rassmann, hän toimitti Schornin kuritushuoneeseen, hänen
vaimonsa, hänen talonsa tähden — niin sanon minä, ja jos minua
vielä niin kovin mulkoilette — olkaa hiljaa, sanon minä, kansalainen,
kuuletteko? — Konventti on koolla — sanon, hänet täytyy viedä
giljotiinille! Tämä petturi, tämä porvari nimeltään Rassmann on
saattanut Schorn-paran perikatoon."

Herra Antonius Pätzoldt koetti nousta jälleen; samalla alkoi hän

laulaa lallattaa jotakin laulua. Sitte kaatui hän jälleen takaperin ja
sanoi uudelleen, kuten tyytyisi kohtaloonsa: "No, se ei ole pahoin —
odottakoon — mutta hän ei tahtonut antaa enää rahaa, no, minun
puolestani ‒ ‒ he voivat kuolla nälkään, sanon minä! Kellä on mitään
sitä vastaan väittämistä?! Vaietkaa vain, ymmärrättekö, älkää vain
puhuko mitään!"

Hän päästi päänsä vaipumaan ja murisi yksikseen.

 Schorn oli kuullut joka tavun.

Hän ei voinut uskoa, mitä oli kuullut, tai —? Hän ei voinut selvästi
ajatella, hänen ohimoissaan kihisi ja kiehui.

Mutta koura, joka seuraavana hetkenä tarttui Marat toiseen, oli

raudanluja. "Sinä valehtelet, kautta Jumalan, sinä valehtelet,
rappiolle joutunut mies", tiuskui Schorn ja nosti istuvan jaloilleen.

"Kuka — mitä—?" enempää juopunut ei voinut saada suustaan,

sillä tuskin oli silmännyt seisovaa kasvoihin, kun hän päästi suustaan
sekavan, valittavan huudon.

Sitte vikisi hän kuin olisi purskahtamaisillaan itkuun. Seuraavassa

hengenvedossa lankesi hän maahan Schornin eleen ja höpisi
edelleen: "Kyllä hän se oli, herra Schorn — minä — näin hänen
hyppäävän ikkunasta, hän on minulle jälkeenpäin tunnustanut
kaiken. Hän yksin on varas. Niin, niin, olen oikeassa! Hän on
keinottelija — koko kaupunki puhuu siitä — hän elää villissä
avioliitossa —"

Schorn sai äkkiä tempauksen, jotta hän kaatui pitkäkseen

maahan.

Schorn teki vääristyneine piirteineen kummituksen vaikutuksen.

Hänen jokainen hermonsa vapisi.

Mutta Pätzoldt jatkoi juopuneen tapaan:

"Varmasti — sanon minä, se on totta — teillä ei ole mitään

sanottavaa — kaikki on ollut huijausta, valtiopäivävaali, kirjojen osto,
kaikki, — kellä on sanottavaa sitä vastaan?! Rosa on saanut kaiken,
viisisataa taalaria myös, tiedän sen — hän on oikea porvari, kuten
kaikki muut."

Mitä Schorn vielä kuuli, se oli pöyristävää. Kymmenen kertaa oli

Schorn kohottanut kätensä tuhotakseen elukan edessään yhdellä
iskulla, mutta inho pidätti hänet siitä.

Hän ei voinut sitä uskoa, ei, ei ikinä!

"Valehtelija, selviä ensin —" Näin sanoen kääntyi hän ja poistui;

mutta hän horjui pehmeässä maassa sinne ja tänne.

Kadun kulmatalon edessä, juuri kuin hänen piti poiketa avonaiselle

pellolle, jäi hän hetkiseksi seisomaan. Tässä oli muutamalle taululle
kiinnitetty ilmoitus, jonka hän luki lyhdyn valossa: "Huomenna,
perjantaina, aamupäivällä 10 aikaan myydään julkisella
huutokaupalla Schornin avioparin talo siihen kuuluvine
irtaimistoineen täkäläisellä raatihuoneella, huone n:ro 4…"

Schorn ei voinut lukea pitemmälle. Kirjaimet tanssivat hänen

silmiensä edessä, kaikki meni hänessä mullinmallin. Hänestä tuntui
kuin se kivinen jättiläiskuva, johon hänen kotinsa häpeä liittyi, olisi
hänen muserrettava jättiläisvoimin.

Niin, nyt uskoi hän kaiken, mitä hulttio maantiellä oli hänelle
kertonut.

Schorn näytti äkkiä muuttuneelta toiseksi olennoksi.

Suomukset, jotka tähän asti olivat sokaisseet hänen silmänsä,

olivat pudonneet.

Kello löi juuri 8, kun hän seisoi talonsa edessä.

 Pilvet olivat hajonneet ja kuu tuli kirkkaana näkyviin. Kaikkialla
näki hän taloissa valoa, omassaankin. Hän hyppäsi yli aidan,
oikeastaan tietämättä, mitä aikoi tehdä. Hän kulki puutarhan lävitse
eteiseen. Katuovi oli avoinna. Ovella oli sama ilmotus kuin
nurkallakin. Hän meni takaisin pihaan ja katsoi työpajaan. Mikäli hän
saattoi nähdä oli se tyhjä. Hän vihelsi hiljaa Amille, koiralle — hän ei
saanut mitään vastausta. Hän hiipi portaita ylös, avasi oven
käytävään, kenenkään häiritsemättä. Hän meni lastenkamariin —
kirkkaassa kuutamossa näki hän kaksi tyhjää kehtoa. Olihan
Pätzoldt hänelle sanonut, että myös Liisu, suloinen valkotukka Liisu,
oli seurannut pikku veikkoaan iäisyyteen.

Syvästi liikutettuna jäi Schorn seisomaan molempain

pikkuvuoteiden eteen.

Silloin säikäytti hänet viereisestä huoneesta kuuluva heleä nauru.

Schorn kuunteli painaen korvansa ovea vasten.

"Hanna" — "Gustav" — "sinä" ja "sinä" kuuli hän.

Hän sysäsi oven auki. Kuului kaksinkertainen kauhun huuto.

Schorn ei ollut enää ihminen.

Hänen vaimonsa toverin sylissä —?

Tuokioksi hän jähmettyi paikoilleen. Sitte ei hän enää tiennyt mitä

teki. Mihin hän katsoikin, näki hän sumua, joka kietoi hänen
mielensä.

Hän teki hyppäyksen. Ja hän ulvahti kamalasti tuskasta.

 "Vapaus, tasa-arvoisuus — roisto!!" huusi hän, ja tämä sulki
silmänsä.

Ja kädet irtautuivat jälleen ja kouristuivat toisen kerran — tällä

kertaa hänen oman vaimonsa kurkkuun, vaimonsa, joka oli vaipunut
polvilleen vavisten ja ristissä käsin, kuin armoa rukoillen.

Mutta Schorn ei nähnyt enää mitään. "Takaisin

kuritushuoneeseen!" kaikui hänen mielessään. "Siellä on todellinen
yhdenvertaisuus."

Kuinka olikaan hän kerran sanonut? "Asia näyttää läheltä katsoen

toiselta kuin ainoastaan ajatellessa!" Tässä oli ollut hänen ainoa
filosofiansa.

*****

"Murhaaja, apuun!" kajahti alhaalta kadulta.

"Schorn on murhannut vaimonsa!" kuului toinen ääni.

"Kaksoismurha se on!" puuttui taasen toinen ääni sekaan. Ikkunat
kilisivät, ovet narisivat, nuoria ja vanhoja riensi paikalle. Poliisi
lähestyi, miehiä kaikenlaisissa aseissa. Kaikki ympäröivät taloa,
mutta kukaan ei uskaltanut tulla lähelle. Silloin ovi sysättiin auki ja
muuan mies astui ulos vaalein kasvoin, paita revittynä auki rinnalta.
Hän puristi rintaansa kuin olisi pakahtumaisillaan.

Hän näytti mieheltä, joka on tehnyt tilin elämänsä kanssa.

Kaikki astuivat takaperin ja pakenivat.

Schorn ojensi kätensä. "Sitokaa minut, olen murhaaja. Olen,

kuristanut vaimoni ja ystäväni — älkää peljätkö."
Welcome to our website – the ideal destination for book lovers and
knowledge seekers. With a mission to inspire endlessly, we offer a
vast collection of books, ranging from classic literary works to
specialized publications, self-development books, and children's
literature. Each book is a new journey of discovery, expanding
knowledge and enriching the soul of the reade

Our website is not just a platform for buying books, but a bridge
connecting readers to the timeless values of culture and wisdom. With
an elegant, user-friendly interface and an intelligent search system,
we are committed to providing a quick and convenient shopping
experience. Additionally, our special promotions and home delivery
services ensure that you save time and fully enjoy the joy of reading.

Let us accompany you on the journey of exploring knowledge and

personal growth!

textbookfull.com