Applying Social Statistics An Introduction To

Quantitative Reasoning In Sociology Jay A

Weinstein download

https://ebookbell.com/product/applying-social-statistics-an-
introduction-to-quantitative-reasoning-in-sociology-jay-a-
weinstein-4688594

Explore and download more ebooks at ebookbell.com

Here are some recommended products that we believe you will be
interested in. You can click the link to download.

Applying Social Science The Role Of Social Research In Politics Policy

And Practice David Byrne

https://ebookbell.com/product/applying-social-science-the-role-of-
social-research-in-politics-policy-and-practice-david-byrne-51810786

Applying Social Policy To Criminal Justice Practice What Every

Practitioner Should Know Clive Sealey

https://ebookbell.com/product/applying-social-policy-to-criminal-
justice-practice-what-every-practitioner-should-know-clive-
sealey-52104676

Applying Social Psychology From Problems To Solutions 2nd Edition

Abraham P Buunk

https://ebookbell.com/product/applying-social-psychology-from-
problems-to-solutions-2nd-edition-abraham-p-buunk-22365542

Policy Analysis For Practice Applying Social Policy Paul Spicker

https://ebookbell.com/product/policy-analysis-for-practice-applying-
social-policy-paul-spicker-51809174
An Introduction To Applying Social Work Theories And Methods Barbra
Teater

https://ebookbell.com/product/an-introduction-to-applying-social-work-
theories-and-methods-barbra-teater-4155634

An Introduction To Applying Social Work Theories And Methods 2nd Ed

Teater

https://ebookbell.com/product/an-introduction-to-applying-social-work-
theories-and-methods-2nd-ed-teater-5673706

Organizational Change Through Individual Empowerment Applying Social

Psychology In Prisons And Policing 1st Edition Toch Phd

https://ebookbell.com/product/organizational-change-through-
individual-empowerment-applying-social-psychology-in-prisons-and-
policing-1st-edition-toch-phd-56240710

Web 20based Elearning Applying Social Informatics For Tertiary

Teaching Premier Reference Source 1st Mark J W Lee

https://ebookbell.com/product/web-20based-elearning-applying-social-
informatics-for-tertiary-teaching-premier-reference-source-1st-mark-j-
w-lee-1764658

Applying Critical Social Theories To Family Therapy Practice 1st

Edition Teresa Mcdowell Auth

https://ebookbell.com/product/applying-critical-social-theories-to-
family-therapy-practice-1st-edition-teresa-mcdowell-auth-5054206
Applying Social Statistics
This page intentionally left blank
Applying Social Statistics
An Introduction to Quantitative
Reasoning in Sociology

Jay Alan Weinstein

ROWMAN & LITTLEFIELD PUBLISHERS, INC.

Lanham • Boulder • New York • Toronto • Plymouth, UK
Published by Rowman & Littlefield Publishers, Inc.
A wholly owned subsidiary of The Rowman & Littlefield Publishing Group, Inc.
4501 Forbes Boulevard, Suite 200, Lanham, Maryland 20706
http://www.rowmanlittlefield.com

Estover Road, Plymouth PL6 7PY, United Kingdom

Copyright © 2010 by Rowman & Littlefield Publishers, Inc.

All rights reserved. No part of this book may be reproduced in any form or by
any electronic or mechanical means, including information storage and retrieval
systems, without written permission from the publisher, except by a reviewer
who may quote passages in a review.

British Library Cataloguing in Publication Information Available

Library of Congress Cataloging-in-Publication Data

Weinstein, Jay A., 1942-

Applying social statistics : an introduction to quantitative reasoning in
sociology / Jay Alan Weinstein.
p. cm.
Includes bibliographical references and index.
ISBN 978-0-7425-6373-5 (cloth : alk. paper) – ISBN 978-0-7425-6374-2 (pbk. :
alk. paper) – ISBN 978-1-4422-0313-6 (electronic)
1. Sociology–Statistics methods. 2. Sociology--Methodology. I. Title.
HM535.W45 2010
301.072’7—dc22
2009038558

™ The paper used in this publication meets the minimum requirements of

American National Standard for Information Sciences—Permanence of Paper
for Printed Library Materials, ANSI/NISO Z39.48-1992.

Printed in the United States of America

Contents

List of Boxes, Tables, and Figures xv

List of Symbols xxiii
Preface xxvii

1 Statistics and Sociology: Computation and Application 1

Statistics for Sociologists 2

The Origins of Sociology and Modern Statistics 2
Using Social Statistics with the Personal Computer 4
The Origins of Statistical Computing 4
The Fundamentals of Statistical Computing 5
Social Statistics in Application 5
The Limits of Statistical Sociology 7
Looking Ahead 7

Part I. An Overview of Applied Social Statistics 13

2 Statistics: What It Is and Why Sociologists Use It 15

What Is/Are Statistics? 16

The Place of Statistics in the Scientific Method 17
Hypotheses and Theories 17
Testing Our Expectations 20
Describing What We Observe: Units, Samples, and Variables 23
Units and Samples in Social Research 24
Variables in Social Research 26
Summary 27
Key Terms 27
vi Contents

Web Sites to Bookmark 28

Solution-Centered Applications 28

3 Measurement in Sociology: Quantity, Quality, and Social

Aggregates 31

Levels of Measurement 31
Nominal Level 33
Ordinal Level 33
Numerical (Quantitative) Variables 34
Interval versus Ratio Levels 34
Creating an Index with Numerical Variables 35
Comparing Levels of Measurement 36
Independent and Dependent Variables 38
Where Do Sociological Data Come From? 41
Collecting Data 42
Experimental Design 42
Surveys 46
Ethnographic Research 47
Secondary Data Analysis 47
Content Analysis 48
Sources of Secondary Data 50
Summary 51
Key Terms 51
Web Sites to Bookmark 52
Solution-Centered Applications 53

Part II. Tools and Techniques of Description 55

4 Frequency Distributions and Public Sociology 57

Univariate Frequency Distributions: Common Features 58

 Contents vii

The Structure of a Frequency Table 58

Proportions, Percentages, and Probabilities 61
Graphing Univariate Frequency Distributions 65
Bar Graphs and Histograms 66
Line Graphs or Frequency Polygons 68
Univariate Frequency Distributions: Ordinal and Numerical Variables 70
Order of Attributes 70
Cumulative Frequencies and Percentages 72
Grouping 76
Frequency Distributions with Two Variables 80
Bivariate Crosstabs 80
The Structure of the Crosstab 81
What the Crosstab Tells Us 82
Crosstabs and Association 84
Graphing Crosstabs 84
Percentages in the Crosstab 85
Summary 93
Key Terms 93
Web Sites to Bookmark 94
Solution-Centered Applications 94

5 Central Tendency in Microsociology 97

What Is Central Tendency? 97

Nominal Level and the Mode 98
The Median: The Value of the Middle Case 100
Numerical Variables and the Mean 102
The Relationship between Measures of Central Tendency 105
Deviations from the Mean 108
Key Terms 114
Web Sites to Bookmark 114
Solution-Centered and SPSS Applications 115
viii Contents

6 Dispersion and the Analysis of Social Deviance 117

The Range 118

Variance and Standard Deviation 120
Finding a More Complete Measure of Dispersion 120
The Standard Deviation: Rescaling the Variance 125
Standard Score: Deviation Divided by Standard Deviation 126
Calculating Standard Scores 126
Summary 135
Key Terms 135
Web Sites to Bookmark 135
Solution-Centered Applications (for Chapters 5 and 6) 136
Testing Your Skills: Practice Quizzes for Chapters 3–6 138

Part III. The Logic of Statistical Induction 145

7 Generalizations and Social Justice 147

Why Do We Sample? 147

Statistics, Parameters, and Generalization 156
Sampling Techniques 157
Non-probability Samples 159
Probability and Probability Samples 160
Other Kinds of Probability Samples 166
Systematic or List Sampling 166
Stratified Sampling 167
Multistage Cluster Sampling 168
Sampling Distributions 169
Theoretical Probability Distributions 169
Sampling Distributions as Theoretical Probability Distributions 175
Key Terms 184
 Contents ix

Web Sites to Bookmark 185

Solution-Centered Application 186

8 Induction: Using Sample Means in the

Study of Diversity 187

The Sampling Distribution of Means as Normal 188

Properties of the Normal Distribution 188
Estimation and Error 190
The Concept of Confidence Interval 191
Defining “Confidence Interval” 192
Finding the Margin of Error 193
Estimating Confidence Intervals When σ Is Not Used 199
Illustration When σ Is Not Known, for Any Sample Size 202
Illustration with a Small Sample 206
Summary 212
Key Terms 212
Web Sites to Bookmark 213
Solution-Centered Applications 213

9 Hypothesis Testing: The Foundation of

Sociological Theory 215

Stating Hypotheses 215

Decisions and Probabilities 217
The Critical Region and One and Two-Tailed Tests 219
The Critical Region for Two-Tailed Tests 220
One-Tailed Tests 221
An Illustration 221
Web Sites to Bookmark 225
Testing Your Skills: Practice Quizzes for Chapters 7–9 226
x Contents

Part IV. Bivariate Applications: Using Induction and Association in

Sociological Research 231

10 Two Sample t-Tests and an Application to the Study of Altruism 233

The t-Test of the Difference between Two Means 234

Calculated t as a Measure of Association 234
Two-Tailed versus One-Tailed Tests 235
Two-Tailed 235
One-Tailed 236
Two-Tailed Tests with Independent Subsamples 237
An Illustration of a Two-Tailed Independent-Sample Test 240
One-Tailed Tests with Independent Samples 242
An Illustration of a One-Tailed Independent-Sample Test 243
Before-and-After t-Test 245
Substituting for Degrees of Freedom and s x − x 245
1 2
Calculating sD 246
An Illustration of the Before-and-After Test 246
Summary 254
Key Terms 255
Web Sites to Bookmark 255
Solution-Centered Application 256

11 Comparing Three or More Samples in Small-Group Research 257

One-Way Analysis of Variance 257

The F Sampling Distribution 258
The Calculated F Ratio 259
The F Ratio as a Measure of Association 260
Decomposing the F Ratio 261
Calculating the F Ratio 262
An Illustration of ANOVA 263
 Contents xi

Post-Hoc Tests: Determining the Pair(s) Contributing to

a Significant F Ratio 266
Summary 274
Key Terms 275
Web Sites to Bookmark 275
Solution-Centered Application 276

12 Association and Induction in Qualitative Sociology:

From Private Problems to Public Issues 277

Two-Way (Bivariate) Chi-Square 277

Chi-Square as a Measure of Association 279
Using Chi-Square for Inductive Applications 284
Degrees of Freedom with Chi-Square 285
Testing Hypotheses with Chi-Square 287
Rank-Order Correlation 291
Rank-Order Correlation as a Measure of Association 291
Significance Tests with Rank-Order Correlation 294
Summary 295
Key Terms 295
Web Sites to Bookmark 295
Solution-Centered Applications 296

13 Correlation Description and Induction in Comparative Sociology 297

Data for Correlation and Regression: The Scatterplot 297

Creating the Scatterplot 302
The Best-Fitting Line: Slope 302
Determining the Slope 308
Nonlinear Correlation 309
The Best-Fitting Line: Shape 310
Correlation Description 312
xii Contents

Measuring Correlation with Pearson’s r 312

Calculating r 313
An Illustration 316
The Coefficients of Determination and Alienation 317
Summary of Correlation Description 320
Correlation Induction 321
Summary 323
Key Terms 324
Web Sites to Bookmark (for Chapters 13 and 14) 324

14 Regression Description and Induction in the

Sociological Study of Globalization 325

Regression Description 325

The Slope and y-Intercept 326
Slope 326
Intercept 327
Measuring the Slope and the y-Intercept 330
Calculating Slope and Intercept 332
Illustrating the Use of the Regression Line 333
Least Squares and Regression Error 335
Regression Induction 339
Testing the Significance of b 340
Analysis of Variance in Regression 343
An Illustration of Regression Induction 345
Summary 346
Key Terms 352
Solution-Centered Applications 352

Testing Your Skills: Practice Quizzes for Chapters 10–14 354

 Contents xiii

15 Supplemental Material Online at

http://www.rowmanlittlefield.com/RL/Books/WeinsteinStats/

The Role of Additional Variables in Frequency Distributions SUP-1

Confidence Intervals with Nominal- and Ordinal-Level Data SUP-7
Margin of Error and CIs Using the Sampling Distribution of
Proportions SUP-7
An Example from Political Polling SUP-10
Difference of Proportions SUP-12
The Procedure SUP-12
An Illustration SUP-14
Chi-Square with Three or More Variables SUP-16
Multivariate Correlation SUP-23
Partial Correlation SUP-24
Multiple Correlation SUP-26
Multiple Regression SUP-28
An Illustration SUP-35

Appendix A: Tables 359

Appendix B: Subscripts, Summation, and Scientific Notation 371
Appendix C: Answers to Selected Practice Quizzes 375
Appendix D: Formulas Used in This Book 381
Notes 387
References 397
Index 401
About the Author 417
This page intentionally left blank
Boxes, Tables, and Figures

Boxes
1.1 Participant Observation and Statistical Sociology William Foote Whyte 8
3.1 Quantity or Quality? 32
3.2 Likert Scale: Ordinal or Interval? 37
3.3 The Focus on Aggregates 45
3.4 Data Collection Using Content Analysis 49
4.1 Public Sociology and an Illustration Using Bivariate Crosstabs 89
5.1 Using Central Tendency in Microsociology 110
6.1 Deviance and Dispersion 130
7.1 Social Justice and Capital Punishment 149
8.1 Diversity and Induction Using Sample Means 207
9.1 Generalizing about Diversity with Hypothesis Testing 222
10.1 The Study of Altruism and an Application to the t-Test 248
11.1 Small Group Research and the Difference Means 269
12.1 From Private Problems to Public Issues 288
13.1 The World Bank Statement on Comparative International Data 298
14.1 The Sociology of Globalization 347

Tables
2.1 Units of observation in sociology 25
2.2 Sociological variables 26
3.1 SES index, first approach 36
4.1 Frequency illustration 1 59
4.2 Frequency illustration 2 59
4.3 Raw data on question to dorm residents about traveling home 60
4.4 Univariate frequency distribution based on table 4.3 61
4.5 Proportions table 62
4.6 Frequency distribution with a third column for percentages 63
4.7 Frequency distribution for the travel home variable with n = 28 64
4.8 Raw data for the variable “Year In school” for 15 students 70
4.9 Frequency distribution based on table 4.8 71
4.10 Cumulative frequencies 73

xv
xvi Boxes, Tables, and Figures

4.11 Number of trips for 15 students showing cumulative frequencies 74

4.12 Number of trips for 15 students showing cumulative percentages 76
4.13 Monthly incomes for 75 households 77
4.14 Ungrouped frequency distribution based on table 4.13 78
4.15 Grouped frequency distribution for incomes of 75 households 79
4.16 Trip and class data for the 15 students listed in table 4.3 82
4.17 Univariate frequency distribution for number of trips based on table 4.16 83
4.18 Univariate frequency distribution for class based on table 4.16 83
4.19 Crosstab based on table 4.16 83
4.20 Crosstab shown in table 4.19 with column percentages 86
4.21 Crosstab shown in table 4.19 with row percentages 87
4.22 Crosstab shown in table 4.19 with total percentages 88
4.23 Regions and poverty levels of the states and DC 92
4.24 Crosstab showing the association between region and poverty level 92
5.1 Mode table 98
5.2 Mode table 2 99
5.3 Median table 101
5.4 Length of residence for 75 households 101
5.5 Mean table 104
5.6 Changed frequency distribution 105
5.7 A negatively skewed distribution 106
5.8 A symmetrical distribution 107
5.9 A positively skewed distribution 107
5.10 Number of interactions for instructor KA 111
5.11 Mean interactions and evaluation ratings for 10 instructors 111
5.12 Mean interactions and combined means for the two groups 112
5.13 Raw scores and deviations for number of trips home, n = 15 113
6.1 Simple frequency distribution illustrating the sum of deviations 122
6.2 Worksheet for calculating variance for exam 1 123
6.3 Worksheet for calculating variance for alternative exam 124
6.4 Comparing raw scores, deviations, and z scores on exam 1 127
6.5 Comparing raw scores, deviations, and z scores on the alternative exam 128
6.6 Standard scores for monthly incomes of 75 households 129
6.7 Number of interactions and z scores for 10 instructors 132
1 Characteristics of U.S. colleges 139
2 Information about U.S. cities 140
3 Information about clinic patients 141
4 Information about 15 colleges and universities 142
7.1 Executions of white prisoners by state, 1991–2007 152
 Boxes, Tables, and Figures xvii

7.2 Comparison table 153

7.3 Racial and ethnic characteristics of inmates sentenced to be executed but still
alive on death row 155
7.4 The 36 possible outcomes of tossing two dice 170
7.5 Probabilities of the possible outcomes of tossing two dice 171
7.6 A model sampling distribution of means 177
7.7 Mean incomes of 40 random samples (n = 50) of households drawn from the
same population 180
7.8 Means and standard deviations of groups of sample means, taken 10, 20, 30,
and 40 at a time 180
8.1 Finding confidence intervals with σ known 196
8.2 Table of responses 206
8.3 Minority college and university enrollment for 10 states 209
8.4 Differences between diversity in higher education and general population
diversity 210
8.5 Diversity levels: raw scores and deviations 211
8.6 Table for Solution-Centered Application 3 214
9.1 Decision table: accepting and rejecting hypotheses 217
9.2 Decision based on calculated and table values 218
1 Selected countries and their continents 226
2 Twelve universities, states, and types 228
IV.1 Road map for Part IV 232
10.1 Length of residence table 240
10.2 Decision rule for one-tailed t-test 243
10.3 Length of residence table 244
10.4 Worksheet for sD 247
10.5 Independent-samples t-test: no cancer/cancer 252
10.6 t-test for equality of means: no cancer/cancer 252
10.7 Data on travel patterns for 15 students, before and after the new policy 253
10.8 “Before” and “after” measures of morale and productivity 256
11.1 Incomes and property values for ANOVA illustration 265
11.2 Descriptive statistics for data in table 11.1 265
11.3 ANOVA worksheet for data in table 11.1 266
11.4 t-tests on pairs of means for a post-hoc ANOVA determination 268
11.5 Conditions of small-group prejudice study 271
11.6 Data and calculations for t-tests 271
11.7 Data for ANOVA: individual differences between two scores 273
11.8 ANOVA results 274
11.9 “Diversity” scores for employees 276
xviii Boxes, Tables, and Figures

12.1 Crosstab/contingency table 278

12.2 Crosstab (contingency table) with raw data (observed frequencies) 279
12.3 Contingency table with observed and expected frequencies 281
12.4 A 2 × 2 contingency table 285
12.5 The 2 × 2 contingency table with only the marginals 286
12.6 The 2 × 2 contingency table with one degree of freedom exercised 286
12.7 The 2 × 2 contingency table with all other cells determined once one degree of
freedom is exercised 286
12.8 Crosstab showing imputed responsibility for children’s performance 289
12.9 Rank ordering of 13 colleges on graduation rate and age 292
12.10 Calculations for rank-order correlation based on table 12.9 293
13.1 The four parts of correlation and regression 298
13.2 Population size and related variables, 1996–1998 299
13.3 Descriptive statistics for population size and the four other variables for the
sample in table 13.2 301
13.4 Raw data and calculations for finding the correlation coefficient between
hours spent studying and GPA, n = 10 317
13.5 r and r2 319
13.6 Bivariate correlation table 320
13.7 The four parts of correlation and regression II 320
13.8 Six null hypotheses 322
13.9 The four parts of correlation and regression III 323
14.1 Regression table for 66-nation sample 335
14.2 Regression equations and standard errors of estimates for 66 nations 338
14.3 The four parts of correlation and regression IV 339
14.4 Summary of regression between GNP and IMR 344
14.5 Analysis of variance for regression of GNP and IMR 344
14.6 Significance tests of regression for 66 nations 344
14.7 The four parts of correlation and regression, complete 346
14.8 Globalization indices 349
14.9 Globalization and development variables for selected countries 350
14.10 Bivariate regression equations for globalization variables 351
1 Minority membership and attitude toward new plant 355
2 College tuitions and minority enrollment 355
3 Faculty attitudes toward administrative changes 356
4 Raw data and calculations for finding the correlation coefficient between
minutes spent by students commuting to class (x) and number of times
students were late to their first class per semester (y), n = 12 357
 Boxes, Tables, and Figures xix

15.1 Seventy-five households, three variables (all chapter 15 tables available at

http://www.rowmanlittlefield.com/RL/Books/WeinsteinStats)
15.2 Crosstab for the variables Length of residence and Property value from table 15.1
15.3 Crosstab for the variables Class and Length of residence from table 15.1
15.4 Crosstab for the variables Class and Property values from table 15.1
15.5 Trivariate crosstab for the variables residence, class, and property values from
table 15.1
15.6 Year in school for 15 students
15.7 Crosstab for difference-of-proportions test (proportions in parentheses)
15.8 Capital punishment data for contingency tables
15.9 Contingency table for Index and Region
15.10 Observed and expected frequencies for Index and Region
15.11 Crosstab for Politics and Index, with expected frequencies for chi-square
calculations
15.12 Three-variable crosstab for Region, Politics, and Index
15.13 Chi-square calculations for Index, Region, and Politics
15.14 Coefficients used in partial correlation
15.15 Regression table data for regression analysis with two independent variables
15.16 ANOVA for multiple regression analysis
15.17 Multivariate regression equations for globalization variables
A.1 Normal distribution 359
A.2 Critical values of Student’s t distribution 361
A.3 F distribution 363
A.4 Critical points of the chi-square distribution 366
A.5 Distribution of Spearman’s r 368
A.6 Significance of r2 369

Figures
1.1 Adolphe Quetelet (1796–1874), founder of statistical sociology. 4
3.1 Sir Francis Bacon (1526–1651), the first modern philosopher of science. 33
3.2 Three types of multivariate relationships. 41
3.3 The experimental model. 43
4.1 Ordinary bar graph. 66
4.2 Ordinary histogram. 67
4.3 Anatomy of a histogram. 67
4.4 Histogram for number of trips. 68
4.5 Creating a line graph. 69
xx Boxes, Tables, and Figures

4.6 Line graph for number of trips. 69

4.7 Bar graph based on table 4.8. 71
4.8 Bar graph for cumulative number of trips. 74
4.9 Cumulative frequency polygon for number of trips cumulating (a) from low
to high and (b) from high to low. 75
4.10 Structure of a bivariate crosstab. 81
4.11 Bivariate bar graph using frequencies from table 4.19. 85
4.12 William Frey, a demographer at the Brookings Institution. 91
5.1 Mode bar graph. 99
5.2 Bimodal bar graph. 99
5.3 Line graph of length of residence for 72 households (in years). 102
5.4 A negatively skewed distribution. 108
5.5 A symmetrical distribution. 108
5.6 A positively skewed distribution. 109
6.1 Three frequency distributions comparing central tendency and
dispersion. 119
6.2 Scores on alternative exam to compare with exam 1, showing equal means
and ranges but unequal variances and standard deviations. 120
6.3 Distribution of z scores for number of interactions. 133
7.1 U.S. Supreme Court Justice William Brennan. 149
7.2 Common symbols for statistics and parameters. 157
7.3 The procedure of inductive logic. 158
7.4 Selecting units (colleges) from the population into the sample. 159
7.5 The addition rule of probability theory. 163
7.6 The converse rule of probability theory. 164
7.7 The multiplication rule of probability theory. 165
7.8 Theoretical probability distribution for a toss of two dice. 172
7.9 Comparison of theoretical and actual outcomes in 36 tosses of two
dice. 174
7.10 Comparing a sample mean to the sampling distribution in estimating the
population parameters. 176
7.11 Drawing several samples of size n from a single population. Units are
households and the variable is monthly income. 179
7.12 (a) Population distribution; (b–e) sampling distributions with different
sizes. 181
7.13 The normal distribution. 183
8.1 Population, sample, and sampling distribution. 189
8.2 The shape of the normal distribution. 190
8.3 95% and 99% confidence intervals. 198
 Boxes, Tables, and Figures xxi

8.4 Table t values. 203

8.5 Comparative CIs. 205
9.1 Body and tails of a sampling distribution indicating acceptance and rejection
regions. 219
9.2 A 95% confidence interval along the horizontal axis of a sampling
distribution 220
9.3 One-tailed test. 221
10.1 The sampling distribution of differences between two means, from samples of
sizes n1 and n2. 238
10.2 Sample scale items for altruism study. 250
11.1 (a) Much within-group dispersion and little between-group dispersion
(small Fcalculated); (b) little within-group dispersion and much between-group
dispersion (large Fcalculated). 261
12.1 C. Wright Mills (1916–1962) left an enduring legacy in sociology. 288
13.1 Rectangular coordinate system and quadrant I. 303
13.2 URB and IMR: the coordinates for Albania. 304
13.3 URB and IMR: the coordinates for Albania and Antigua and Barbuda. 304
13.4 URB and IMR: the coordinates for Albania, Antigua and Barbuda, and
Australia. 305
13.5 URB and IMR, the complete scatterplot: the coordinates for all
countries. 305
13.6 Scatterplot illustration. 306
13.7 Scatterplot illustration 2. 306
13.8 (a) Scatterplot with best-fitting line, positive correlation; (b) scatterplot with
best-fitting line, negative correlation. 307
13.9 The complete scatterplot: the coordinates for all countries with best-fitting
line. 308
13.10 The sample means fall on the best-fitting line. 309
13.11 A parabola, a curve used in nonlinear correlation. 309
13.12 An exponential curve, also used in nonlinear correlation. 310
13.13 Perfect correlations (A, direct; B, inverse) and a correlation that is neither
perfect nor 0 (C). 311
13.14 No correlation. 311
13.15 Scale of possible r values. 312
13.16 Scatterplot for study hours and GPA. 318
14.1 Regression diagram 1. 326
14.2 Illustration of slopes. 328
14.3 (a) Same y-intercept, different slopes; (b) same slope, different y-intercepts;
(c) different y-intercepts, different slopes. 329
xxii Boxes, Tables, and Figures

14.4 Regression diagram 2. 330

14.5 Regression line for study hours and GPA. 334
14.6 Regression line, equation, and residuals for study hours and GPA. 337
15.1 Bar graph for table 15.2, length of residence by property values. (all chapter 15
figures available at http://www.rowmanlittlefield.com/RL/Books/WeinsteinStats)
15.2 Bar graph for table 15.3, length of residence by social class.
15.3 Line graph for table 15.4, social class by property values.
15.4 Three-variables diagram for property values, social class, and length of
residence
15.5 Using the sampling distribution of proportions in political polling.
15.6 Red states and blue states, 2000.
15.7 Three-variables diagram for index, politics, and region.
15.8 Possible relationships among three variables.
15.9 Scatterplot and regression line for two independent variables in three
dimensions.
15.10 Three planes.
15.11 Scatterplot and regression lines for two independent variables in three planes.
A.1 The normal (z) distribution. 360
A.2 Student’s t distribution. 362
A.3 F distribution. 365
A.4 Chi-square distribution. 367
Symbols Used in This Book

n The number of units, or cases, in a sample.

f Frequency; the number of times a specific attribute occurs in a frequency
distribution.
f1, f2, . . . , fi, . . . , fn: the frequency for the first, second, . . . , general (ith), . . . ,
and last (nth) attribute (see Appendix B).
Σ Summation; take the sum of . . . .
n

∑ f : the sum of each of the quantities designated as f, from the first to the
i =1
i

last (nth).
n

In a frequency distribution, where fi is a given frequency, ∑ f = n (see

i =1
i
Appendix B).
p Proportion or probability.
p1, p1, . . . , pi , . . . , pn: the proportion or probability for the first, second, . . . ,
general (ith), . . . , and last (nth) attribute.
m The midpoint of an interval in a grouped frequency distribution.
m1, m2, . . . , mi, . . . , mn: the midpoint of the first, second, . . . , general, . . . ,
and last interval.
ll The lower limit of an interval in a grouped frequency distribution.
ll1, ll2, . . . , lli, . . . , lln: the lower limit of the first, second, . . . , general, . . . ,
and last interval.
ul The upper limit of an interval in a grouped frequency distribution.
ul1, ul2, . . . , uli, . . . , uln: the upper limit of the first, second, . . . , general, . . . ,
and last interval.
pct (or %) Percentage.
pct1, pct2, . . . , pcti, . . . , pctn: the percentage for the first, second, . . . , general,
. . . , and last attribute.
cf Cumulative frequency; the observed frequency for a given attribute plus all
of the frequencies for the attributes beneath it in a frequency distribution
table.
cf1, cf2, . . . , cfi, . . . , cfn: the cumulative frequency for the first, second, . . . ,
general, . . . , and last attribute.
col% Column percentage
row% Row percentage
total% Total percentage

xxiii
xxiv Symbols Used in This Book

c% Cumulative percentage
c%1, c%2, . . . , c%i, . . . , c%n: the cumulative percentage for the first, second,
. . . , general, . . . , and last attribute.
x An individual attribute (value, score, etc.) on a numerical variable.
x1, x2, . . . , xi, . . . , xn: the value of the attribute for the first, second, . . . ,
general, . . . , and last unit in a sample. Also, x1, x2, . . . , xi, . . . , xk: the first,
second, . . . , general, . . . , and last independent variable in a multiple
correlation or regression.
mode The attribute with the highest frequency.
mdn Median; the middle case in a frequency distribution.
x The sample mean.
(x − x) A deviation (from the mean).
(x1 − x), (x2 − x), . . . , (xi − x), . . . , (xn − x): -the value of the first, second, . . . ,
general, . . . , and last deviation.
R The range.
s2 The sample variance.
s The sample standard deviation.
z A standard score
z1, z2, . . . , zi, . . . , zn: the value of the first, second, . . . , general, . . . , and last
standard score.
q The probability that a given event will not occur (where p is the probability
that the event will occur).
q1, q2, . . . , qi, . . . , qn: the probability that the first, second, . . . , general, . . . ,
and last event will not occur.
µ The population mean.
σ2 The population variance.
σ The population standard deviation.
σp The standard deviation of a probability distribution.
σx_ The standard error of the mean.
CI Confidence interval.
ME Margin of error.
t t-score (Student’s t).
tcalculated Calculated t value.
ttable t value from table of t distribution (table A.2 in Appendix A).
d.f. Degrees of freedom.
dfbetween: degrees of freedom between groups.
dfwithin: degrees of freedom within groups.
dftotal: degrees of freedom total.
Hr Research hypothesis.
 Symbols Used in This Book xxv

H0 Null hypothesis.
σx_1−x_2 Estimated standard error of the difference between means.
F ratio The statistic used in analysis of variance.
Fcalculated: calculated F value.
Ftable: F value from table of the F distribution (table A.3 in Appendix A).
MS Mean square.
MSbetween: mean square between groups.
MSwithin: mean square within groups.
SS Sum of squares.
SSbetween: sum of squares between groups.
SSwithin: sum of squares within groups.
SStotal: sum of squares total.
sp Standard error of proportions.
π Population proportion.
sp −p1 2
Estimated standard error of the difference of proportions.
p* Combined sample proportion.
2
χ Chi-square.
χ2calculated: calculated chi-square.
χ2table: table value of chi-square (table A.4 in Appendix A).
fo Observed frequency.
fe Expected frequency.
rs Spearman’s rank-order correlation coefficient.
rscalc: calculated rank-order correlation coefficient.
rstable: table value of the rank-order correlation coefficient (table A.5 in
Appendix A).
r Pearsonian (bivariate, linear) correlation coefficient.
ρ Population correlation coefficient.
ρs: population rank-order correlation coefficient.
y Mean of the dependent variable in correlation and regression.
sy Standard deviation of the dependent variable in correlation and regression.
SP Sum of the products in correlation and regression.
SSx Sum of the squares (squared deviations) in x.
SSy Sum of the squares (squared deviations) in y.
r2 Coefficient of determination.
rcalculated:
2
calculated value of the coefficient of determination.
rtable:
2
table value of the coefficient of determination (table A.6 in Appendix A).
1 − r2 coefficient of alienation (non-determination).
rx1y . x2 Partial correlation coefficient: correlation between x1 and y controlling for x2.
Rx1,x2, y Multiple correlation coefficient: correlation between x1 and x2, together, and y.
xxvi Symbols Used in This Book

R2x1,x2, y Coefficient of multiple determination.

b The slope of the regression line
b1, b2, . . . , bi, . . . , bn: the value of the first, second, . . . , general, . . . , and last
slope in multiple regression.
a The y-intercept of the regression line.
ŷ Predicted value of the dependent variable in a regression equation.
e Residual (regression error).
SSerror Sum of squares error (in regression).
sy,x Standard error of the estimate.
Β (uppercase beta) The slope of the bivariate regression equation in the population.
sb The estimated standard error of b.
MSregression Mean square regression.
MSerror Mean square error.
SSregression Sum of squares regression.
SSerror Sum of squares error.
Preface

Students and instructors today who are looking for a good, useful textbook on elemen-
tary social statistics have a wide range of possible titles from which to choose. Some are
brief and others are long. Some are very serious and others are quite funny. Some are
entirely oriented to personal computer applications and software, such as IBM SPSS,
whereas others make little or no mention of computers at all. Yet none, to my knowl-
edge, is explicitly designed to assist in the application of sociological and related social
scientific concepts and principles. As an applied sociologist, and one who has for several
years been involved in promoting the cause of sociological practice, I have endeavored
here to satisfy this unmet need. This text, like most others in its field, is “about” social
statistics. However, as the brief discussion that follows emphasizes, it is first and fore-
most a book about how sociologists apply statistics.
The book is intended primarily for courses in introductory social statistics, offered
in departments of sociology, criminology/criminal justice, political science, social work,
and occasionally in geography and planning programs. These courses, which are typi-
cally listed at the sophomore level and above, have for the past few years been counted
as satisfying a university’s basic studies/general education requirement in mathematical
reasoning. This is the case at Eastern Michigan University, where I teach.
The range of disciplinary interests and the levels of preparation of students have
changed substantially over the past several years. Instructors can no longer assume that
they are addressing sociology majors exclusively, who need to be prepared for more
advanced (perhaps graduate-level) courses in research methods or statistical analysis
and who are likely to be using the material later in research projects. Rather, one must
seek to emphasize the basic and transdisciplinary aspects of statistical reasoning, and
to show how these principles can be applied to numerous problems in a wide variety of
contexts—to answer effectively the question “What’s it for?” In brief, the goal of instill-
ing expertise or virtuosity has been replaced by the aim of addressing practicality.
Thus, although this presentation is strongly committed to teaching sociology along
with the statistics, it does not neglect the need to make clear the importance of the two
main branches of statistical analysis. These are: (1) understanding and communicating
to others the meaning of our observations expressed quantitatively; and (2) general-
izing properly from our observations to related but unobserved phenomena, that is,
inductive reasoning.

xxvii
xxviii Preface

This change represents one of the two major discernible trends affecting the way
social statistics courses with an applied orientation are now being taught. The other is
the dramatic increase in computer literacy among students of all backgrounds. In fact,
I have learned that the students generally do not require instruction in the use of the
PC. Rather, they only need to be shown where to “point-and-click” to use SPSS or other
statistically related packages effectively. In addition, it is now possible to incorporate
into the course the use of actual online data sets from the U.S. Bureau of the Census
and other authoritative sources. Finally, there is now a considerable amount of material
about statistics, including several complete courses, on the Internet. Thus, an impor-
tant part of the instructor’s responsibilities today is to teach the student how to make
the transition, as effortlessly and as meaningfully as possible, from the textbook (and
lectures) to the vast world of related information on the web.

A Note from Instructor to Instructor

Without question, the most pressing challenge for me in achieving my course objectives
in introductory social statistics—and I know this is shared with most other statistics
instructors today—is what I refer to as “anxiety management.” A large proportion of my
students, ranging from 50% to nearly 100% in any given semester, feel very insecure
about their math abilities. For some, I have learned, it is because they never studied
math in high school, or did very poorly in it, and have taken no college-level math
course prior to statistics. Others, who may actually have a fair grasp of algebra and
geometry, have nevertheless been frightened by teachers who themselves may have had
a poor grasp of or a dislike for the subject. In any case, I feel obliged to assure them all
that they can succeed in basic social statistics because, in effect, they know it all already
but have either forgotten or suppressed the skills and facts they need to do well.
As noted, there are many textbooks in elementary social statistics currently available,
some of them very good. Nevertheless, none of the approaches employed in these books
effectively addresses the needs and opportunities I have come to view as top priorities in
over three decades of teaching the course at several universities, to all sorts of students.
This is to say that in seeking a special orientation or a unique “take” on the subject, other
texts fail to address the importance of application and the intellectual diversity of the
intended audience. At the same time, in making the translation from the spoken to the
written word, they lose sight of the techniques that actually work in the classroom.
Moreover, many existing texts appear to stress the need to give a “complete” presen-
tation of the topics at hand. The result is that a considerable amount of space is given
over to esoteric issues that most students will never need to address, whereas the main
task—helping improve the student’s skills at quantitative description and induction—is
 Preface xxix

often underemphasized. In fact, no text of this type can be complete, nor should it
attempt to be. Some things that are considered important to authors or their peers will
always be left out. The challenge is to decide what to cut and what to include. And in
this regard, I reiterate that nothing should take precedence over the primary goal of
teaching mathematical reasoning or over the pedagogical methods that have proved to
be effective in the classroom. All of the material ordinarily included in an introductory
social statistics course is presented here in only 14 chapters. This economy of presenta-
tion has been accomplished by reorganizing the discussion in several minor ways. In
three instances, this is accomplished by covering topics usually treated as distinct varia-
tions on a common theme.

• Chapters 10 and 11 are presented as two closely related approaches to the difference
of means, for two and for three or more groups, respectively. This allows us to treat
one-way ANOVA as an extension of the difference-of-means t-test.
• Chapter 12 deals with two nonparametric measures of association (and related
inductive applications): chi-square and rank-order correlation.
• Chapters 13 and 14 consider bivariate correlation and regression as a single topic.

This strategy is possible, in part, because the topic of testing hypotheses, which applies
to all of the subsequent chapters, is treated separately in Chapter 9.

• An additional chapter, Chapter 15, is available online. It contains supplemental

material on (1) multivariate applications and (2) confidence intervals around pro-
portions and differences of proportions.

Because most academic semesters are 14 or 15 weeks long, this chapter organiza-
tion allows the instructor to vary the amount of time dedicated to various topics. For
example, one might proceed more deliberately at the very beginning and more quickly
at the very end of the course. In my experience, this seems to be more realistic than
attempting to cover one chapter per week regardless of the subject matter.
Nevertheless, Applying Social Statistics is hardly “watered down.” Rather, it chal-
lenges the student to “reach up” to the material—essentially the same as is covered
in other texts. They are encouraged to do so via the anxiety management approach
just mentioned. All along the way, the students are reminded that they have done this
before, that they know this concept, and that, based on what they know, this is evident,
and so on. It would be inaccurate to refer to this as a Socratic method, because that term
really applies to oral communication. However, the proposed text endeavors to come as
close as possible to such an approach, and it can easily be adapted to all styles of teach-
ing, from the purely Socratic to the one-way lecture-monologue.
xxx Preface

Special Features
As indicated in the title, this book is not meant to turn students into master statisticians.
Nor is it especially intended to expand one’s general mathematical horizons (although it
can do that). Rather, its purpose is to help the student learn how to apply social statistics
in any of several contexts. Each chapter of Applying Social Statistics ends with special
sections that address these needs. First is a set of new words introduced in the chapter.
In the text these terms are usually presented in italics, and in the “Key Terms” section
they are briefly defined. Of course, these terms are also indexed. The second special
section is “Web Sites to Bookmark.” Here the students are introduced to web sites, data
sources, and the like that relate to the subject of the chapter. One of these sections, in
Chapter 3, includes an annotated presentation of Internet sites (such as http://www.
census.gov) that provide free data to be used for the SPSS applications and exercises
that follow.
Each chapter includes a set of exercises (some using the Internet) on the major
principles, concepts, and techniques introduced in the text. These are referred to as
“Solution-Centered Applications,” a type of learning tool introduced in the late 1990s
by the leading applied sociologists Stephen Steele, AnneMarie Scarisbrick-Hauser, and
William Hauser. Many of these applications are based on the work of these and other
colleagues in the applied and clinical social science community. The exercises can be
used in a variety of ways, including by the instructor for quizzes and by the student for
self-study.
Each chapter also includes one or more brief essays that connect statistical concepts
and principles with a contemporary sociological theme or issue. Most of these “Statistics
for Sociologists” applications are featured in boxes, which are listed by chapter, along
with the tables and figures following the Table of Contents.
Finally, in the accompanying Study Guide an SPSS application for the major tech-
niques and principles in the text is included for most chapters of this book. Here students
learn how social statisticians actually manage the data and perform the calculations
they are learning, and it will give them hands-on experience with this leading statisti-
cal software package. The illustration for Chapter 2 involves creating a data set, and
many of the applications and illustrations in subsequent chapters employ this data set.
Unlike some texts that acknowledge the importance of SPSS, ours can be readily used
with other packages, such as the increasingly popular SAS, or without any computer
applications. This matter is essentially left to the instructor.
A main learning objective of this text is to help students understand how and why
social statistics is used. Yet its style and substance are based on the recognition that it
is of equal, or even greater, importance that students begin to learn how to apply these
principles and techniques themselves.
 Preface xxxi

The Data Sets

The SPSS applications and some of the other exercises in this book use three data
sets that can be downloaded from http://www.rowmanlittlefield.com/RL/Books/
WeinsteinStats. The first, “colleges.sav,” has been made available by the Institutional
Data Archive (IDA) on American Higher Education. It was created by Steven Brint and
his colleagues at the University of California, Riverside, with support from the National
Science Foundation, the Spencer Foundation, and Atlantic Philanthropies. Portions of
the IDA are used by permission. It consists of data on over 380 colleges and universities
in the United States. The second is the World Population Data Sheet, distributed by the
Population Reference Bureau, Inc., Washington, DC, and used with their permission.
It contains demographic information for over 200 countries. The third consists of U.S.
Census Bureau data on the 56 counties of California. All of these data sets are in SPSS
“.sav” format, and the variable view defines the variables. Depending on the needs of
the students and instructor, these data sets can also be used for homework assignments,
practice quizzes, and other applications.
This page intentionally left blank
 1

CHAPTER
Statistics and Sociology
Computation and Application

This book is designed to provide you with a set of tools that can and should be readily
applied to solve certain kinds of problems. Although there are several ways in which the
subject of social statistics might be introduced, we have selected the approach that is
the most practical. Obviously, this is not because it is the only way or even because it is
somehow the “best” way. Rather, it is because this approach will help you to see clearly
and immediately why and how you can benefit from learning the concepts, principles,
and techniques that are presented.
Even while you are taking your first course in statistics, you will be able to use what
you are learning here in other classes in which you are enrolled this semester. These
classes might be in sociology, in another one of the social science disciplines, or in
other fields. Knowledge of basic statistics will serve you well in more advanced courses
in social science and in graduate studies if you choose to go on after your bachelor’s
degree. Your research reports and term papers will reflect a more mature grasp of the
strengths and the limitations of the scientific method, and of what one can (or cannot)
“prove” with factual observations. On a more general level, your reasoning powers will
become more orderly and more disciplined than they might otherwise have been. Ulti-
mately, the lessons learned from a practical introduction to statistics such as this will
serve you well in getting a job in any of several professions and in doing good, effective
work after you are hired.
The “applying” part of the title of this book is reflected in several small ways and in
two major themes that run throughout the chapters that follow. One of these focuses
on how we use social statistics with the personal computer (PC). The second focuses
on how applied sociologists and other practicing social scientists apply statistics in their
assessment research, evaluation studies, community organizing, and various types of
consulting for governments, nonprofit organizations, and businesses. The next few
pages introduce these two themes and discuss how they are integrated with the basic
principles and techniques of social statistics.

1
2 Chapter 1: Statistics and Sociology

Statistics for Sociologists1

The Origins of Sociology and Modern Statistics
One could argue almost endlessly about who the founder of sociology was. A major
reason why this question is difficult to resolve is that sociology did not have one inven-
tor. Rather, several scholars in various parts of the world developed the elements of
the discipline over the course of centuries. However, if we had to select the person
most often identified as the first “true” sociologist, it would be Auguste Comte (born in
Montpellier, France, 1798, and died in Paris, 1857).
Comte is accorded this place in intellectual history partly because he invented the
term (sociologie in French). But his fame is also the result of the set of principles he sum-
marized, which have endured as the foundation of the field to this day. These are:

1. The scientific study of human relationships and the application of the results of
this study to improve the human condition are necessary components of contem-
porary society. As in any other scientific field, the truths of sociology must ulti-
mately be based on careful observation of relevant phenomena. What we observe
(see, hear, etc.), not what we deduce or wish was the case, forms the raw material
of sociological thinking. Following his teacher, Henri Saint-Simon, Comte referred
to this doctrine of “seeing is believing” as positivism—another of his concepts still
in use.
2. In contrast to psychology and biographical research, the focus of sociology is not
on individuals as such but on aggregates: relationships (e.g., friendships, buyers and
sellers), families and other groups, organizations, institutions, and societies. This is
not to deny the importance of individuals, for they obviously are the participants in
relationships, members of families, etc. However, specific friendships come and go,
family members die and new ones are born, organizations experience turnover, yet
the aggregate forms endure. In an important sense, there are no lone individuals in
this world: all of us are defined by and act within the framework of aggregates. Thus,
to understand humanity in an authentic scientific manner, we must understand the
aggregate level of behavior.
3. Human behavior and experience at the aggregate level are exceedingly complex
compared to the objects of study of other scientific fields. Numerous, sometimes
enormously many, variables affect how we relate to one another, from two-per-
son interactions (dyads) to international relations. Also, unlike the phenomena
studied by other sciences, humans in the aggregate set goals, act with intentions,
and make and execute plans—granted, often without much success and with
frequent unintended outcomes. This means that the social world is shaped by
a combination of physical, biological, psychological, and environmental forces,
 Statistics for Sociologists 3

but also by behavior motivated by the goal of affecting the shape of the social
world. This fact underlies Herbert Spencer’s invention of the term superorganic.
This concept indicates that the principles that govern sociocultural phenom-
ena include but also extend beyond the principles that govern other biological
phenomena.
4. As in other sciences, those who study superorganic matters need a common lan-
guage. This language must be universal in scope, it must avoid ambiguity, it must be
precise, and it must facilitate inductive as well as deductive thinking. In brief, this
common language must be mathematical.

If we ask what mathematical language deals most effectively (1) with truths based
on observation, (2) at the aggregate level, and (3) with highly complex phenomena,
the answer clearly is statistics. As Comte was living during an era of significant break-
throughs in mathematics, especially in probability theory and statistics, he viewed
these fields as the most appropriate tools for sociological discourse. In recognition
of this, he first called his new “positive science” social physics. However, he settled on
sociology because “social physics” had been popularized by the Belgian statistician
and sociologist Adolphe Quetelet (1796–1874; figure 1.1). As the Collier Encyclopedia
notes, Quetelet

developed many of the rules governing modern census taking and stimulated statistical activ-
ity in other countries. Applying statistics to social phenomena, he developed the concept of
the ‘average man’ and established the theoretical foundations for the use of statistics in social
physics or, as it is now known, sociology. Thus, he is considered by many to be the founder of
modern quantitative social science.

Comte and Quetelet are two of the best-known founders to appreciate the fact that
scientific sociology and statistics are closely related. However, in their age as in ours,
this observation has been made and demonstrated by many researchers (in both fields).
This book presents another illustration of the strong ties between statistics and sociol-
ogy. We are not merely applying statistics to sociological examples, although there is
much of this as well. Rather, we demonstrate that many of the key sociological issues
of today—public sociology, civil society, sexualities, social inequality—are also, at root,
statistical issues. That is, they are capable of formulation in statistical terms and they
can be better understood through the use of statistical techniques.
4 Chapter 1: Statistics and Sociology

Using Social Statistics with the Personal

Computer
When the digital computer began to be used for business and edu-
cational applications in the years following World War II, it became
clear to statisticians that a new era had dawned on their field. As you
will soon see, many of the formulas employed to calculate statistical
measures are quite simple in appearance, and they are also easy to
understand once they are explained. However, when the number of
units2 to which these formulas are applied is large (in some cases
even 10 or more is large), computation even with a good desktop
calculator could be long, tedious, and prone to error. The mainframe
FIGURE 1.1 Adolphe Quetelet
computer introduced in the postwar era was ideal for such number
(1796–1874), founder of statis-
tical sociology. Photo by Milton
crunching. The increased capacity to perform many repetitive cal-
Micallef, used with permission. culations relatively quickly allowed social statisticians to work with
larger and larger samples. In addition, it allowed them to test estab-
lished theories and principles that had been developed prior to the
computer era in experiments that used only a small and (what was then) a manageable
number of cases.

The Origins of Statistical Computing

The development of computer-oriented techniques of data analysis occurred in conjunc-
tion with the evolution of computer hardware. In the late 1950s, still during the main-
frame-only era, a few programming languages were created that were in some respects the
precursors of the codes used today. One of special interest to statisticians is FORTRAN
(for “FORmula TRANslator”). This language, invented in 1959, is well suited to handling
large databases and calculating all of the statistical measures discussed in this book: sums,
averages, correlations, frequency distributions, crosstabs, and the like.3 Several of FOR-
TRAN’s features led programmers to experiment with what we now term “packages.”
These are program-like languages that are compiled on a FORTRAN base (or a similar
language) but that allow the user to write commands and to input data directly. By far
the most widely used of these packages among sociologists and other social scientists
is IBM–SPSS, which was known until 2009 as SPSS (originally Statistical Package for
the Social Sciences), produced by SPSS, Inc., based in Chicago and having a web site at
http://www.spss.com. PASW began as mainframe software that quickly caught on among
computer-oriented social researchers because of its ease and its repertoire of commands
that fit well with the ongoing interests of users. Since the 1960s, it has served to teach
 Social Statistics in Application 5

uncounted hundreds of thousands of students (and many of their teachers) how to employ
the computer in quantitative research. (As of October 2009, SPSS, Inc., was acquired by
IBM, motivating the name change to PASW and a new advertising emphasis on the use of
the software to support business decision making.) By the late 1980s, statistical computer
applications, and SPSS in particular, had made the transition to the PC. SPSS-PC, now
known as IBM–SPSS and available for Microsoft Windows, Macintosh, and Linux, is a
powerful, easy-to-use package that has turned a task that once required a thick manual
and some ingenuity to decipher it into a point-and-click operation. The computer applica-
tions presented in this book are all geared to recent SPSS versions.

The Fundamentals of Statistical Computing

Most of the chapters of Applying Social Statistics include an IBM–SPSS application in
the Study Guide that accompanies this book, for a total of 11 in all. Each application
uses SPSS-PC, version 14.0 or later, and one or more of the data files included with the
software. Topics and the corresponding chapters are:

Chapter 2: Opening a Data File, Sampling, and Comparing Two Data Files
Chapter 3: Creating Your Own Data File
Chapter 4: FREQUENCY and CROSSTABS Commands
Chapter 6: Central Tendency and Variability
Chapter 7: Sampling and Sampling Distributions
Chapter 8: Finding and Using Confidence Intervals
Chapter 10: Two-Sample t-Tests
Chapter 11: ONE WAY Analysis of Variance
Chapter 12: Chi-square, Confidence Intervals and Differences of Proportions, and
Spearman’s Rank-Order Correlation
Chapter 13: Correlation
Chapter 14: Regression

Social Statistics in Application

Until the early 1980s, few people thought of majoring in sociology or related social
science disciplines as preparation for a nonacademic occupation. Rather, students and
instructors alike viewed a B.A. in sociology, political science, anthropology, etc., as
essentially a basic studies degree with no particular career focus. It was expected that a
6 Chapter 1: Statistics and Sociology

small minority of B.A. holders in these fields would continue with graduate studies and
eventually earn a Ph.D. This, in turn, would lead to a career of conducting research and
teaching at the college or university level. Most undergraduate majors would, however,
end up doing something that had no direct ties to sociology; the rest would find them-
selves teaching college-level sociology and perpetuating the pattern.
Since that time, much has changed. Increasingly many opportunities now exist
for graduates with a bachelor’s or master’s degree in sociology and related dis-
ciplines to apply outside of academe the skills they have acquired. Professional
organizations dedicated to promoting application have been created and are
actively involved in changing the teaching philosophies and the public images
of social science. Their goal is to make it clear that one can “do something” with
a degree in one of these fields other than teach it. Two of the most important
of these organizations are the Association for Applied and Clinical Sociology
(AACS) and the Sociological Practice Section of the American Sociological Asso-
ciation (SP-ASA).4 To emphasize how social statistics is used in solving real-world
problems, this book discusses the work of these and similar organizations and
their members at several points. In particular, each chapter includes one or two
case studies based on the publications of AACS that illustrate the chapter’s main
concepts or techniques in practice.
These studies and other aspects of this book that are application-focused will make
it clear that one of the most valuable skills that an undergraduate degree in sociology
or a related social science offers is the ability to understand statistical reports and to
perform basic statistical operations, especially with SPSS. Unlike many of the other
social science courses required for a degree, in fact unlike most other courses regardless
of the discipline, basic social statistics provides skills that can immediately be added to
one’s résumé and pay off on the job market. Although it remains difficult for a graduate
to find a job as a “sociologist,” or a “political scientist,” employers are very interested
in someone who can fit the requirements of a “statistical analyst,” a “statistical report
writer,” or an “SPSS statistical programmer.” Of course, neither this book nor any intro-
ductory statistics course can make one an expert in such fields. But they can give you
a considerable head start in becoming an expert on the job and/or with continuing
technical training.
By way of illustrating how social statistics can be used in practical contexts, each
chapter includes “Solution-Centered Applications” that accompany each of the main
principles and techniques introduced in the text. These are drawn from actual proj-
ects on which applied sociologists have worked during the past few years. They were
provided by some of the leading practitioners in the field: Robert A. Dentler, William
J. Hauser, AnnMarie Scarisbrick Hauser, Stephen F. Steele, Roger Straus, William
DuBois, R. Dean Wright, and Richard E. Stephens. The authors and titles of these
 Looking Ahead 7

books are listed at the end of this chapter, and full citations are included in the refer-
ence section following Chapter 15.5 You are expected to give some careful thought
to each of these projects, to carry each out with the statistical tools that are provided
in the text, and to write a brief report on each. As you work toward achieving these
goals, it will become obvious that social statistics is meant to be applied, and you will
better appreciate how it can provide a very useful set of skills for solving real-world
problems.

The Limits of Statistical Sociology

Statistics clearly plays a central role in sociology, especially in applied sociology. Yet it
cannot substitute for well-developed theory, careful data collection, and old-fashioned
hard work. A debate has been going on since the middle of the twentieth century
between sociologists who are strongly committed to quantitative methods and com-
puter application, on one side, and others who believe that such a commitment has led
the field astray. The latter faction has argued that statistics is in danger of becoming a
substitute for good sociology.
As with most other debates of this type, a middle ground does exist. It is not
always appropriate to conduct research with quantitative variables that are suscep-
tible to statistical analysis using SPSS or similar software. Whether such techniques
are applicable depends on the problem at hand, the specific groups and individuals
who are the subjects of the research, the availability of previously collected data, and
numerous other factors. At the same time, quantitative research in sociology does have
many advantages, including precision of findings and economy of presentation. Thus,
statistical applications have a place, and an important place. In some respects they are a
necessary part of the enterprise. But statistics is only one part of the enterprise. It may
often be necessary, but it is not a sufficient basis for doing good sociology.
In Box 1.1 is an excerpt from an essay by William Foote Whyte about the limits of
statistical, computer-assisted sociology. Whyte was a pioneer in participant observation
research, made famous by his study of a Boston neighborhood, Street Corner Society
(Whyte, 1955).

Looking Ahead
Now that we have outlined the main ways in which this is a first course in applied
statistics, the next step is to get down to the business of examining the kinds of things
you can expect to encounter as you learn. In this spirit, Chapter 2 turns to an overview
of the field that includes basic definitions, a discussion of the relationship between
statistics and the scientific method, and a close look at the processes of observation
8 Chapter 1: Statistics and Sociology

BOX 1.1 Statistics for Sociologists

Participant Observation and Statistical Sociology
WILLIAM FOOTE WHYTE

Until recently, it appeared to me that [participant-observer] research had gone out of

style, overwhelmed by questionnaires processed with all the sophisticated methods
made possible by modern technology. If I were to write a history of sociology from World
War II into the 1970s, I would be inclined to give it the title of “Captured by Computers.”
It seems to me that the computerization of sociology began during World War II with
the large-scale and impressive surveys leading to The American Soldier. Since that time,
computer technology has advanced with such extraordinary rapidity as to make pos-
sible statistical and mathematical analysis hardly dreamed of in earlier periods.
Many sociologists have become so impressed with the powers of the computer
as to lead them into planning research in terms of what the computer can do rather
than in terms of what needs to be learned to advance knowledge regarding human
society and social change. Let me hasten to add that I am not advocating abandon-
ment of the computer. In collaboration with others more competent in surveys and
statistical analysis, I have benefited greatly from the use of the computer. I am simply
arguing that surveys—the most commonly used method of data gathering for com-
puter processing—are not the only research method to be practiced by sociologists
and learned by students.
I see encouraging signs that increasing numbers of sociologists now share this
view. On the other hand, we should recognize that this is still distinctly a minority view.
I was depressed recently to hear that in the graduate program of one of our leading
departments of sociology, the standard way for a student to do a doctoral thesis did
not require any field work at all. The student just got hold of a tape from the Institute of
Social Research, the National Opinion Research Center, or some other research center,
figured out a set of hypotheses different from those involved in the original survey,
re-ran the tape through the local computer, reported the figures that came out, and
then went on to try to find some plausible explanations for the apparent support or
non-support of the hypotheses. To be sure, at this university students are not told that
it is against the rules to go out and get their own data, but those who insist upon “doing
it the hard way” are looked upon as rather peculiar types by their fellow students.
Apparently this is not a unique case. The chairman of a department at a major uni-
versity described to me his recent experience in recruiting a new assistant professor.
The department invited nine candidates from a number of departments to visit the
 Looking Ahead 9

campus and give a talk on their doctoral theses. The professor reported that eight of
the nine presented theses that conformed to the pattern I have described. When, in
the discussion following the presentation, professors asked questions about what was
going on in the field from which the numbers were produced, the candidates were
unable to answer. Furthermore, their reactions suggested that they considered such
questions illegitimate. They seemed to be saying, “If we have command of the num-
bers, what else can you ask of us?”
If this is to become the only way that sociological research is done, in the future
we can visualize a complete division of labor between those who gather the data and
those who design the research instrument, analyze the data, and publish the results.
In this research style, the professional skills of research design and analysis are concen-
trated among people who have little if any contact with the field they study, and the
field work is done generally by people without advanced training in sociology or any
other social science. In fact, as is well known, in sociology or any other social science.
In fact, as is well known, large survey organizations prefer to hire as data gatherers
housewives, school teachers, and others without advanced social science training.
This style of research also deprives the sociologist of the experience necessary for
effective performance in applied sociology or action research. It is a rare case indeed
in which a sociologist simply reports how the numbers came out and then finds prac-
titioners able to make practical use of the findings. Those who learn to interview and
observe in the field are also acquiring skills of social interaction that are transferable
in the action side of action research. The sociologist who can only interact with the
computer and with his academic colleagues will not be able to work effectively with
people in that “real world” beyond the Ivory Tower.
I expect increasing numbers of students to be attracted to field work, including par-
ticipant observation, but many will still be troubled by the question of the legitimacy of
such field methods. They will ask: “Are these methods scientific or artistic?” In my view,
both science and art are involved. The student must not only grasp intellectually the
nature of the skills required; he or she must also learn to perform those skills—which
is where art comes in, for we must assume that some people will become more skillful
than others.
At the same time, we are selling participant observation and related field methods
short if we view them simply as art. These methods rest upon a scientific foundation, . . .
Those who fail to recognize this scientific foundation may be misled by a com-
mon error in describing the interviewing we do, along with participant observation,
as nondirective or unstructured. If we are rigidly nondirective in the sense that we
simply encourage the respondent to talk and let the respondent completely determine
10 Chapter 1: Statistics and Sociology

the content of the talk, it is impossible to gather comparable data from a number of
informants.
It seems to me that “flexibly structured” is a more accurate characterization of what
we do with interviewing in the field. We do not pin the respondent down with a rigidly
pre-structured series of questions, but neither do we simply invite the respondent to
talk about whatever topic comes to mind in whatever way seems most comfortable to
the respondent.
With [this] research style . . . the structure emerges in the mind of the field worker
as he or she gains increasing familiarity with the people and problems in the field
of study. We begin in a highly unstructured fashion, recognizing that we won’t know
really what are the important questions to ask until we have learned the lay of the land
socially. As we see patterns emerging out of our data and out of our personal expe-
rience, we gradually build more structure into our field work. Increasingly, we focus
questions designed [to] support or deny the pattern we think we see emerging. Even as
we close in on this structure, we try to keep our minds open to the possibility that there
is some important element that we have overlooked, and therefore we encourage the
respondent to go beyond simple answers to our questions in ways that may point out
to us relationships among topics that we had not previously perceived.

Reprinted from The Journal of Applied Social Science: 1, 2: 1–3, with permission from The Association for
Applied and Clinical Sociology.
Professor Whyte was a pioneer in the method of participant observation, living four years in an
Italian community in Boston researching street gangs. He wrote over one hundred articles and 20 books,
including the classic Street Corner Society, 1943; Money and Motivation: An Analysis of Incentives in
Industry, 1977; Worker Participation and Ownership: Cooperative Strategies for Strengthening Local Econ-
omies, 1983; Making Mondragon: The Growth and Dynamics of the Worker Cooperative Complex (with
K. Whyte), 1988. He served as the president of the Society for Applied Anthropology in 1964 and also
of the American Sociological Association in 1981.
 Looking Ahead 11

and measurement. At times, we may find ourselves deeply involved in technical details,
which is to be expected in a course such as this. If this does occur and you find your-
self asking, “What is this all for?” it will help to remember the preceding overviews of
IBM–SPSS and applied social science. This might also be a good time to explore the
IBM–SPSS exercises and the solution-centered projects provided at the end of most of
the chapters. Although these aspects of the book may not always help to make every
detail perfectly clear, they will allow you to see the larger picture and to make better
sense of the place of the smaller details in it.
This page intentionally left blank
 I

T
R
An Overview of

A
Applied Social Statistics

P
This section discusses the contexts in which the tools and techniques of social statistics
are applied. The several topics covered here are meant to answer in advance many of the
questions that are likely to arise as the details of descriptive and inductive statistics are
introduced: What is statistics? Why is the field increasingly viewed as a necessary part
of an undergraduate education? What is its relationship to the scientific method? What
are the basic concepts in the field?
In addressing these concerns, the material is divided into two parts. The first, to
which Chapter 2 is devoted, is the more philosophically and methodologically oriented.
For many readers, this will be more of a review of principles presented in other courses,
including courses on the philosophy of science and social research methods, than the
presentation of entirely new ideas. Yet, even for those of you who are familiar with
concepts such as theory, sample, hypothesis, and variable, this is likely to be your first
encounter with the specific roles that these play in statistical applications.
Chapter 3 focuses on the fundamentals of scientific observation. Beginning with a
closer look at variables (the topic with which Chapter 2 ends), the discussion is guided
by three main sets of learning objectives: (1) to become familiar with the notion of
data and the related concept of information, (2) to understand how measurement is
applied to observations and data, and (3) to learn how data are collected. With these
goals achieved, the connections among the other concepts and techniques presented
throughout this book—up to and including those in the last chapter—should be clear
and easy to grasp.
A course in statistics, like a course in language or music, is highly cumulative. Every
idea builds on every other. It is true that if one falls behind in such a course, it is difficult
to catch up. Yet it is also true that if one does attain a good grasp of earlier material,
there are few “surprises” later on. Every new concept or principle is related to something
else learned earlier. It is with this in mind that the chapters in this section are meant to
be truly a foundation for what is to follow.
This page intentionally left blank
 2

CHAPTER
Statistics
What It Is and Why Sociologists Use It

You are about to embark on your first course in social statistics, and most likely your
first course in any kind of statistics. Based on that assumption, this chapter is designed
to provide you with an overview of the portion of the field covered in this book. As
mentioned in the introductory chapter, our primary interest is in application: how and
why the principles and techniques we discuss are used in research, in planning, in pro-
gram evaluation, and in many other contexts. This means that we will not be especially
concerned about methods for deriving the equations and formulas we use or with cer-
tain refinements of the techniques we introduce. Such an emphasis should not suggest
that these more technical matters are unimportant, for they are very important in the
larger scheme of things. But because a one-semester course cannot do everything, we
have decided to stress those aspects that will be immediately relevant to your future
studies in sociology, political science, and related fields and, most important, to every-
day life.
The applied spirit is reflected in this chapter, which consists of three main sections,
beginning with the more general topics and ending with the more specific ones. The
first section discusses the term statistics itself. Here we see that the term (and the field
itself) extends surprisingly far back into history. We also note that, even today, it has
not just one meaning but several.
The next section focuses on the role played by statistics in the scientific method, with
an emphasis on understanding the method as a type of inductive thinking. Induction,
the orderly process of going beyond what is immediately observed, is one of the two
major functions of statistics in science. It is sometimes referred to as “inferential” or
“decision-making” statistics.
We then conclude with a look at the other main function of statistics: description
—communicating to others what we observe. In this context, the key elements of
descriptive statistics are introduced and defined: units, samples, and variables. These
elements determine the specific fields and subject areas of statistical application, such

15
16 Chapter 2: Statistics: What It Is and Why Sociologists Use It

as engineering statistics, biostatistics, and—as in our case—social statistics. Although

every field employs the same basic procedures and rules, some use them to understand
physical forces, some are more concerned with life processes, and others with human
relationships. The examination of variables that begins in this latter section continues
in greater detail in Chapter 3.

What Is/Are Statistics?

Perhaps you have read or heard the word statistics, been reminded of the word status or
state, and wondered whether there is a connection. The answer is, yes; all three words
have the same Latin root, status, meaning “how affairs stand.” The name of the field that
today is known as statistics (which has the Greek endings -ist- and -ic) still refers to that
meaning as the science that informs us about the status of situations, phenomena, or
events of interest. According to Webster’s International Dictionary, 2nd ed., statistics is
“(1) a science dealing with the collection, analysis, presentation, and interpretation of
masses of numerical data.” That, I think, is a fair catalog of the things you will be learn-
ing about this semester: collection, analysis, presentation, and interpretation.
Of course, understanding the word state in its political sense, the connection might also
suggest that statisticians are especially concerned with government data.1 This is certainly
true to an extent, because the kinds of data collected by governments, such as census find-
ings, are especially appropriate for statistical treatment. In fact, we will collect and analyze
data from the United States and other national censuses at several points in the following
chapters. However, this connection is after the fact, so to speak; it is not part of the original
meaning of statistics, which is far broader and could apply to any kind of data.
You may also have wondered why the word statistics is always in plural form, like the
names of other sciences such as economics, physics, and mechanics. In all of these cases,
the plural is a carryover from Greek, in which physics (ta physika) originally meant “those
things that pertain to material nature” (physis). Then, you might have wondered, is there
such a thing as a statistic? Here, too, the answer is, yes. The word statistic in the singu-
lar (formed from the plural in what linguists call a “back formation”) refers to a single
piece of information, one that represents an observed characteristic. As we discuss below,
we call the data that we observe collectively a sample. Thus, a statistic is a measure of a
characteristic of a sample. In contrast, we also speak of a parameter, which is a character-
istic of a larger whole (which we generally do not observe) from which a sample is drawn:
a population or universe. Our dictionary makes this point as follows: A statistic is “(3b) a
quantity that describes a sample and is thus an estimate of a parameter of a population.”
One last point on word origins: Despite the opinions that are commonly circulated
on university campuses, there is absolutely no connection between the words statistics
and sadistics. Hopefully, you will be convinced of this by the time you finish this book.
 What Is/Are Statistics? 17

The Place of Statistics in the Scientific Method

We have all heard of the scientific method, and most of us have used it, for instance
in courses such as biology and physics. From such knowledge and experience we are
aware that it is a systematic way of establishing facts based on observation, and it can be
applied in many different contexts in a wide variety of disciplines. What may not be as
obvious is that, in applying the scientific method, statistical techniques and reasoning
play a major role, descriptively and inductively.
The scientific method has been the subject of much discussion among scientists,
philosophers, other researchers, and members of the general public. Numerous books
have been written about it (see, for example, Hoover and Donovan, 2004), and most
science textbooks feature an overview of it in earlier chapters. Yet, despite the large
volume of information that is available, the essence of the scientific method can be
easily stated in two words: testing hypotheses. Now, all we need to know is what “testing”
and “hypotheses” mean. Unfortunately this will require more than just two words.

Hypotheses and Theories

Nearly everyone who has ever used the term knows that a hypothesis2 is an educated guess.
Thus, when we hypothesize we are guessing about some event or phenomenon; we do not
know whether our statement is actually true. On the other hand, it is not a wild guess that
is made with absolutely no knowledge about the situation of interest. It is “educated” in the
sense that we believe we are right, based upon previously acquired information.
Suppose, for example, that you and a friend are playing a simple game in which
your friend puts a coin in a pocket, either the left or the right, in such a way that you
cannot see where it has been hidden. Then you try to state the outcome, with a reward
given if you turn out to be correct. If you have no idea about which pocket the friend
will use, you will select one of the possible outcomes—let’s suppose the left pocket—for
no particular reason. This is not so much a hypothesis as it is a “stab in the dark.” Now,
suppose instead that you have played this game before, and you have noted that your
friend, who is right handed, puts the coin in the right pocket far more often than in the
left one. Knowing this, you state the outcome that would seem to be part of the pattern:
that is, the right pocket. This is a hypothesis. It is still a guess, and you could be wrong;
but under the circumstances it is the most reasonable guess.
Although the example is highly simplified, it is exactly how hypotheses are formu-
lated in scientific research. They are statements scientists use to anticipate what they
believe would be the case in a particular situation, if things operate as they have in the
past. The previously acquired information that makes their guesses educated could come
from any number of sources. Ideally, however, such information comes from a carefully
accumulated and well-organized body of knowledge known as a scientific theory. Now
 Another Random Document on
Scribd Without Any Related Topics
tusschenbeide boos op den energieken, onvermoeiden, woeligen
Generaal. Waarom al die drukte en moeite?—vroegen wij elkander—
en die blinde alarmen? En dat paarden halen en opzadelen in het
holle van den nacht? Mijne oogen werden later geopend, om die
dingen te begrijpen. Onze veteraan-Generaal wist bij dure
ondervinding, wat een volks-commando beteekende! De
waakzaamheid van den Engel Gabriel, de energie van een Napoleon,
het geduld van een Job waren noodig, om zulk een ongelijksoortige
schare van boeren en dorpelingen eenigszins op een leger te doen
gelijken. De moederlijke bezorgdheid en lollerigheid en
bekommerdheid van een kakelende hen tegenover hare kleine
kiekens werd door den Generaal in die eerste dagen tegenover de
burgers uitgeoefend—omdat hij wist.... wat hij wist! Geen wonder
dat de man geen »Transvaalsche Jingo”, geen oorlogszuchtige was.
Geen wonder, dat hij voor toegeven tot het uiterste pleitte. Zijn
oogen waren open voor de feiten, voor de werkelijkheid der dingen.
Vandaar ook zijn gebrek aan zelfvertrouwen en hoop. De oorlog was
voor hem geen jachtpartij, geen buitmakerij, geen schietwedstrijd,
geen picnic voor groote kinderen. Waarachtig niet! De oorlog
eischte, volgens hem, de hoogste en volste inspanning van de beste
krachten van lichaam en geest in officiers en in manschappen,
alsmede de stiptste gehoorzaamheid aan alle bevelen. Helaas! vele
officieren deelden niet zijn gevoelen, en al deden zij het ook, dan
waren zij te zwak om zijn voorbeeld te volgen. Met blijdschap,
echter, wensch ik te constateeren, dat het woord en het voorbeeld
van den grijzen Commandant-Generaal een uitmuntende uitwerking
op onze commando's in die dagen hadden. Zijn oog was op elkeen,
en ieders oog was op hem gericht. Hij sprak de burgers overal bij
hunne posities in krachtige, welsprekende taal toe. Zijne woorden
trilden door elk hart, en hij werd alzoo in letterlijken en in zedelijken
zin: De Ziel en de Held van de Overwinning te Modderspruit en
Nicholson's Nek op 30 October behaald.
Vóór wij onze indrukken van het gevecht meêdeelen, zal een
woordje omtrent de Boeren-posities niet te onpas zijn. Ladysmith is
in een soort van natuurlijke Kom gelegen. Rondom de stad ziet men
aan bijna alle zijden hooge heuvelen en kopjes. Deze zijn echter op
een aanzienlijken afstand van de stad gelegen—zegge van vier tot
acht mijl. Ten noord-oosten ligt Pepworth's Hill, groot, breed,
tamelijk hoog en steil: een van de aanzienlijkste hoogten in ons
bezit. Zonder slag of stoot liet Generaal White deze belangrijke
stelling in onze handen vallen. Een kleine mijl van den heuvel in
oostelijke richting staat het woonhuis van den heer Pepworth een
Natalsche Parlementslid, eigenaar van de uitgestrekte plaats,
»Rietfontein”, waarop Pepworth's Hill gelegen is. De eerste batterij
der Transvaalsche Staatsartillerie was boven op dien heuvel, aan de
zijde naar Ladysmith ziende, in een halven cirkel gesteld. Behalve de
4 Fransche snelvuurders, de 2 Krupp's en de 2 Pom-pom's (vroeger
genoemd), werd het groote vestingkanon, dat bij Marshall's plaats
ook gebracht werd, daar in positie gesteld. Dit reusachtige
moordtuig was pas den avond voor den slag aldaar aangekomen,
maar eenige honderden sterke armen bij de kracht van twee-en-
twintig groote, ingevoerde muilen gevoegd, overwonnen alle
moeilijkheden. Ter inlichting van den nieuwsgierigen lezer zij gezegd:
dat er twee lange, sterke touwen aan den zwaren, ijzeren
kanonwagen vastgeknoopt werden, aan elken kant een, waaraan de
burgers in een lange rei trokken, terwijl de muilen in 't midden
zwoegden. Opmerkelijk is het ook: dat er geen pad voor de zware
kanonnen en caissons naar den top des heuvels bestond, maar een
menigte rappe handen, met pikken en graven gewapend, wisten er
spoedig een soort van weg te banen. Daar de heuvel als het ware
met groote ijzerklippen bevloerd was, zag het haastig gemaakte pad
er maar akelig en gevaarlijk uit. Toch—het beantwoordde aan zijn
doel. Zondag avond werd het groote Creusot erop getrokken, en in
de duisternis van den nacht werkte de heer Léon—een Fransche
deskundige, jaren te voren in Transvaalschen dienst genomen—
onverpoosd aan platform en beschutting ervoor. Tegen 4 uur den
volgenden morgen was de »Long Tom” gereed om zijn basstem te
doen hooren—tegen half vijf begon de kanonmuziek van
Modderspruit. Colonel Trichard, met Luitenant de Jager en 2de
Luitenant H. du Toit hebben bevel over al die vuurmonden.
 De Ermelo-burgers, toen slechts eenige honderden in getal, en het
Iersche Corps, ongeveer 120 sterk, werden op den grooten heuvel
tot dekking van de kanonnen geposteerd.
Een half mijl van Pepworth's heuvel, in zuidelijke richting, vlak bij
de spoorlijn uit Ladysmith naar Elandslaagte gaande, is er een
kleine, boschachtige verheffing. Daar stond Generaal Joubert met
zijn staf en een kleine lijfwacht van Heidelbergers gedurende den
slag. Vandaar uit spoedden zijne adjudanten links en rechts met
orders naar de verschillende officieren.
Als men den spoorweg overgaat en zich in een zuidoostelijke
richting begeeft, verder van Ladysmith, komt men in aanraking met
den bekenden Transvaalschen staatsman en patriot Generaal Schalk
Burger, met zoo wat vierhonderd Lijdenburgers. Van Oshoek (op de
grens van het verre Swazieland) is hij over Amsterdam, Piet Retief,
Vrijheid en Dundee naar Ladysmith gekomen, om ons te helpen. Het
was één van die snelle marschen, die de verbazing der wereld
wegdragen, waarvan de Boeren er zoo velen in den oorlog hebben
afgelegd. Met 3 Howitzers (Krupp, snelvuur, 12 cM., model '97, een
35 lb. projectiel 6400 meter ver werpend) en een hand-maxim is hij
net bijtijds aangekomen, om aan den slag deel te nemen, Majoor
Erasmus en Luitenant Malan zijn aan 't hoofd dier kleine batterij. Er
zijn geen hooge heuvelen waar Generaal Burger zich bevindt—
slechts een lange, lage rand van noord naar zuid loopend.
Naast aan de Lijdenburgers bevinden zich de Heidelbergers, ruim
1000 man sterk, met twee Krupp veldkanonnen (7½ cM., 12½ lb.
projectiel, model '95) onder den zorg van de tweede Luitenants
Groothaus en Oelofse. Ook zij hebben niet juist prominente
heuvelen, die in 't oog vallen. Inderdaad is het land aan de oostzijde
van Ladysmith, gelijk en open in vergelijking met de overige zijden.
Onze linkervleugel, eindelijk, bestaat uit Generaal Lukas Meijer's
commando—met Standertonners erbij gevoegd—nauwelijks 2000 in
tal. Majoor Wolmarans steunt hem met Kapitein Louw Pretorius. Het
terrein, dat zij bedekken is zeer heuvelachtig en sterk. Zij hebben 4
Krupp snelvuurders, 2 Fransche kanonnen (7½ cM., 19 lb. projectiel
8500 meter ver spuwend—evenals die op Pepworth) en een Pom-
pom, alsmede het maxim van de Engelschen achter Talana Kop
genomen. Eene afdeeling Duitschers, onder Luitenant von Quitzow
(zoo wat 60 in 't geheel) is ook bij Meijer's commando gevoegd.
Generaal Kock ligt met den dood te Ladysmith te worstelen.
Commandant Ben Viljoen is te Newcastle en elders, alle krachten
inspannend, om ons sterk commando Johannesburgers weer te
organiseeren.
Lombard's Kop en de hooge Bulwana Berg liggen tusschen Meijer's
mannen en Ladysmith. Ze zijn twee belangrijke punten, die nog in
het bezit der Engelschen zijn. De spoorweg naar het zuiden loopt
daar in de vallei van de Kliprivier—die door de stad gaat,—aan den
voet van Bulwana en de voorpunt van Lombard's Kop (ook wel »Gun
Hill” genoemd). Als Sir George zijne communicatie met Durban wil
open houden, mag hij die hoogten niet verliezen. Aan de overzijde
der breede vallei, zijn er hooge heuvelen en bergen, zooals de
bekende Plat Rand (of Wagon Hill), treuriger nagedachtenisse, maar
daaromtrent thans geen woord, want het heeft met den op handen
zijnden slag niets te doen.
Onze rechtervleugel strekte zich uit achter een heuvelenreeks, van
Pepworth's tot aan Surprise Hill, die zuiver noord van Ladysmith
stond, vlak voor de bekende Nicholson's Nek. Het groote Pretoria-
commando, van district en stad, ruim elf honderd man thans tellend,
onder Generaal Daniel Erasmus en diens broeder Stefanus (ageerend
Commandant) hield een deel der uitgestrekte positie, en de
Vrijstaters waren op Surprise Hill en vooral onder aan den voet van
den hoogen heuvel, later »Klein Majuba” genoemd, waarop de
Engelschen gevangen genomen werden. Daar, rechts van dien
heuvel en van Nicholson's Nek, als men het aangezicht
Ladysmithswaarts wendt, hadden de Heilbronners—zegge 500 man,
onder Commandant Steenkamp en zijne rechterhand Christiaan de
Wet—hun lager, met een klein klompje Kroonstadschen (Com. Nel)
de nabijheid. Dat waren de eenige Vrijstaters, die aan 't gevecht
deelnamen, de overige commando's meer west en zuid-west van
Ladysmith gelegerd zijnde. Grof geschut was er hoegenaamd niet
tusschen Pepworth's en Nicholson's Nek, maar onze rechtervleugel is
sterk wegens zijn heuvelen-forten. Van Generaal Meijer's
linkervleugel tot aan de Heilbronners vormden de Federalen een
halven cirkel van negen of tien mijl in omvang. Dan had onze
voorzichtige, slimme Commandant-Generaal nog eene andere kaart,
die hij desnoods kon uitspelen, namelijk een flinke, georganiseerde
reserve-kolonne scherpschutters. Hij had Commandant van Dam,
van de Johannesburg Rijdende Politie, met zijn 800 man naar
Ladysmith ontboden. Met ongelooflijken spoed was de wakkere
Commandant met zijne manschappen,—voorzien van paarden,
tenten, commissariaatwagens, voedsel, alles compleet en in eerste
klas orde—per spoor naar Elandslaagte gekomen. Van daar snelde
hij toen met eene vliegende colonne van ongeveer 400 man naar
Pepworth's Hill, alwaar hij laat Zondagavond aankwam. Toevallig had
ik nog de eer, den Commandant naar des Generaals tent te geleiden,
daar hij mij in de duisternis haastig toeriep: »Waar is de tent van
Generaal Joubert?” Hoe laat het was, voor de Politie dien nacht een
oog kon toedoen, kan men wel gissen.
Welk nuttig werk zij den volgenden morgen deden, zullen wij
weldra zien.
 XIV

De Slag van Modderspruit en Nicholson's Nek

Maandag morgen vroeg werd ik door het donderend knallen van
een kanonschot gewekt. De Generaal had mij en den Kapitein dien
morgen niet wakker geschreeuwd, en daar wij zoo te zeggen ons
eigen bazen waren, sliepen wij door, na de andere burgers reeds
lang op de been waren. Boem! dreunde het van Pepworth's heuvel
door de heldere morgenlucht. Het was Luitenant de Jager, die aldus
het bal opende.
De Engelschen waren den vorigen nacht reeds uitgetrokken in
dichte drommen voetvolk en ruiterij, gesteund door zes batterijen
veldkanonnen, en vele maxims. Zij sliepen onder de lage, maar toch
dichte doornboomen op het plein 2) tusschen Commandant
Weilbach's en Generaal Burger's posities in de stad. Hun Centrum
was ruim drie mijl van Pepworth's heuvel verwijderd, maar krachtige
oogen ontdekten de zwarte streepen zoodra het licht werd, en
Kolonel Trichard tastte den vijand met geweld aan.
't Was een dag, dien ik nimmer zal vergeten, daar ik in 't midden
van den kogelregen verkeerde en het mijn eerste ondervinding van
dien aard was. Te Dundee kon ik bij onze Creusot's recht op staan
kijken, waar onze bommen vielen, daar de Engelsche veldkanonnen
niet bij machte waren onze hoogte te bereiken. Op Pepworth's ging
het heel anders! Om andere zwakke medezondaars tot hulp en
bemoediging te zijn, zal ik mijne gewaarwordingen breedvoerig
mededeelen.
Boem—boem—boem—dreunde het op den heuvel. Haastig trok ik
mijn baatje (jas) en stevels aan—meer werd er niet 's avonds
uitgedaan—wierp mijn bandelier om den schouder, nam mijn roer in
de hand en stopte een paar handen vol beschuit in den zak. Ik was
erg zenuwachtig, maar vergat toch niet een klein fleschje whisky—
dat ik van huis nam, met het voornemen om het slechts voor
gewonden te gebruiken—uit mijn portmanteau te halen. Het klinkt
wat ongeloofelijk voor dorstige naturen: dat fleschje was nog
volmaakt vol, zoo als het in mijn huis te Pretoria door mijne vrouw
was gevuld! Maar wij moeten ons haasten. Er wordt gevochten van
daag. Ik loop zoo snel ik kan, den heuvel op, naar onze kanonnen.
Werktuigelijk, instinctmatig beweeg ik mij naar dien ijzeren cirkel
van vlammende vuurmonden. Achter onze kanonnen nu is er een
groote holte op den heuveltop, waarin de caissons en trolleys, de
»Jameson kar” en eenige tenten schuilen. Daarheen begeef ik mij.
Eer ik bij mijne kar aankwam, echter, zag ik dat er een hagelbui van
kogels en bomscherven op die plaats neersloeg. Onze kanonnen
voerden een tweegevecht met drie batterijen (18 stuks) Armstrongs,
die den heuvel met bommen beploegden en bezaaiden. Waarheen
nu? Ik wilde zien, weten, ondervinden. Maar 't is drommels onveilig
daar bij dien vuurcirkel, boven en vóór mij. Daar kom ik nooit, hoor!
Als het mij geboden werd, dan misschien; maar nu? Foei! Waar berg
ik mij?
Hoe kan ik het helsche rumoer beschrijven? Waar vind ik woorden
voor al de geluiden van dien morgen? In 't begin kon ik de
ontploffingen tellen, maar spoedig werd het vuren, heen en weêr,
zóó hevig, zoo woest, zoo kwaadaardig, dat mijn hoofd dreigde te
bersten, en mijne ingewanden als een vulkaan rommelden. Ik kreeg
een akelige hoofdpijn en.... ook maagkrampen, die gelukkig spoedig
verdwenen. De hoofdpijn bleef mij echter den ganschen dag bij.
Goethe vergelijkt het geluid van bommen bij »het gonzen van
tollen en het fluiten van vogelen,” maar sedert zijn tijd heeft men
zooveel nieuwe ontploffingsmiddelen en soorten granaten en
granaat-kartetsen en wat niet al uitgevonden, dat men nu moet
spreken van »Brobdignagiaansche tollen” en »Mammothvogelen,” zal
men aan een hedendaagsch artilleriegevecht recht doen
wedervaren. Het gefluit dier looden vogeltjes in de lucht dringt tot
merg en been. De onzichtbare ijzeren tollen gonzen zoo vreeselijk
boven uw hoofd, dat hooren en zien vergaan.
 Hoe snel de granaten ook de lucht doorklieven, gij kunt ze hooren
aankomen, al nader en nader. Het duurt slechts eenige seconden,
maar gij hoort het duidelijk: nader, al nader, bij u—Heere! help—gij
houdt den adem op—phutt! valt het monster voor uwe voeten in den
grond. Whir—r-r-r-r-r-sh-sh-sh-shu! ploft er een tweede achter u
neer. Jing-g-g-g-e-e-e-e-e-paf! barst er een derde aan uwe
rechterhand. De granaat-kartetsen zijn nog verschrikkelijker. Zij
ontploffen eerst boven uw hoofd, storten dan met een geweldig
gedruisch hun half-emmer looden kogels op de aarde uit. Gelukkig is
de afstand zóó groot, dat het den kanonniers zelden gelukt om die
moorddadige bommen op het juiste moment te doen ontploffen.
Hunne berekeningen zijn natuurlijk naar gissing, en de kogelregen
komt òf te vroeg òf te laat af. De gewone granaten zijn dus het
gevaarlijkst, daar zij rechtuit op hun man afgaan en gewoonlijk
zware wonden, zoo niet den dood veroorzaken. Zoo'n bomscherf in 't
lijf is geen speldenprik, hoor. Daardoor werden Luitenant H. du Toit
en Apotheker Townshend onder meer dien dag zwaar getroffen, en
onze onverschrokkene Dr. Hohls gedood.
Ik dwaal en draai er eenige minuten doelloos rond, niet wetende
waarheen ik mij wenden zal. Naar den bovenrand des heuvels wil ik
niet. Er is wel veel te zien, maar 't is mij te gevaarlijk. Ik ben geen
artillerist. Ik ben slechts een nieuwsgierige burger. Den heuvel te
verlaten zou het veiligste zijn, maar daartoe ben ik te eergevoelig en
te nieuwsgierig. Al vallende en opstaande, links en rechts
springende, waggelend als een dronken man, kom ik ongemerkt
nader aan een groepje burgers, die een weinig rechts van onze
kanonnen op de helling van den heuvel rondspringen. Midden van
het gevaar van een vreeselijken dood, die mij elk oogenblik treffen
kan, merk ik toch als in een droom op, hoe zij elkander zonder opzet
naäpen. Als de een valt, vallen allen; hoest er een, dan volgen allen
zijn voorbeeld; springt een rechts of links, allen doen desgelijks.
Allen zijn even gek, even dronken, even aardig, als zoo vele poppen
door een onzichtbaren draadtrekker beheerscht. In dit
marionettenspel, echter, zijn de menschen aan het verkeerde eind
van de vertooning!—een feit, dat veel humor aan het tooneel voegt,
als men er op terugblikt, maar dat heel tragisch kan uitvallen, als
men zelf aan 't dansen is.
Toen Saul onder de profeten kwam, begon hij, even als zij, te
profeteeren. Zoo gaat het elk een, die zich bij een groepje menschen
van daag voegt: hij volgt onwillekeurig hun voorbeeld. Zoo ging het
ook mij: ik word met mijn medeburgers door de onzichtbare, maar al
te hoorbare vogeltjes en tollen heen en weer geslingerd,
omvergeworpen, gemesmeriseerd, betooverd, beheerscht. Wij zijn
aan een gedwongen orkest bezig. Ons Satanische kapelmeester
geeft ons een gedurige afwisseling van deuntjes en wij volgen
gedwee zijne grillen na. Wee ons! Wee ons! Ha! Ha! lachen de
vogeltjes in de lucht. Dreigend zongen de tollen ons tegemoet. Al de
baren en golven van een boosaardigen oceaan zijn over ons
gekomen.
Hoe het kwam, weet ik niet, maar hier ben ik achter een laag
muurtje van losse steenen. Het zijn ruwe steenen, op den heuvel
opgeraapt, en losjes op elkander gestapeld. Er zijn er zoo wat
vijftien man met mij achter die bouwvallige beschutting. Wij liggen
zoo plat als mogelijk. Gelukkig de man, die van daag het schraalst
en tegelijk het kortst is. Gezegend de onbekende wilde, die dit
muurtje lang geleden bouwde...... om ons het leven op dezen dag te
redden. Mijn hoofd bonst geweldig; de maag is geheel ledig. De
onmisbare slok koffie werd ons heden morgen niet gegund.
Goddank! het schijnt hier tamelijk veilig te wezen.
Ietwat later zegt een uit onzen groep: »Kerels, komt, laat ons wat
lager af naar dat kraaltje gaan. Hier zijn wij in de lijn van het
hevigste vuur. Hier wordt het al te gevaarlijk.”
Wij aarzelen, want 't is een waagstuk om die vijftig treden af te
leggen. De bomscherven en kogels warrelen er rond als dun stof.
»Ik loop!”—riep onze leidsman uit, en wij volgen hem. Kraak!—
plat liggen wij allen. Shut!—wij springen als bokken rond. Whirr!—
wij zijn aan den grond genageld. Pauze!—wij zijn achter het kraaltje,
veilig, ongedeerd, dankbaar, hijgend. Maar foei, wat een warmte, en
't is nog zoo vroeg. Geen woord wordt er voor eenige minuten
gerept. Wij liggen plat op den grond,—de beenen, echter, zoo veel
mogelijk optrekkende. Zoo'n bom kan gemakkelijk een voet
verbrijzelen. Het kanonvuur van den vijand wordt zóó verschrikkelijk,
dat het ons den adem wegneemt. Mij dacht, ons laatste ure was
geslagen. Of liever, ik kon niet eens denken. Ik gevoelde slechts, en
dat wel eene vreeze, zooals mij nog nooit overkomen was. 't Is de
eenvoudige, ronde waarheid, lezer, dat de voornaamste uitwerking
van kanonnen de zenuwen geldt, en dus onthutst, ontsteld, verwijfd,
bang maakt. Een hevig kanonvuur uit een achttien of meer stukken
tegelijk verschrikt het stoutste hart. Voor het eerst gehoord, maakt
het eenvoudig de meeste menschen lafaards—voor korteren of
langeren tijd. Een meer doeltreffend middel dan dat, om een
commando of regiment te demoraliseeren, valt moeielijk te noemen.
En toch—gelukkig dat het zoo is—zelfs daaraan raken de meesten
later gewoon. De vuurproef à la canon is ontzettend zwaar om met
eere te doorstaan, maar elken keer gaat het een weinig
gemakkelijker zulks te doen. Een »ik en weet niet wat”, zooals vader
Cats het zoo lief uitdrukt, wordt telkenmale bij het karakter gevoegd.
Elk bombardement, met een weinigje zelfrespect doorgemaakt,
voegt wat ijzer bij het bloed en mannelijkheid bij de persoonlijkheid.
Laat ons echter naar den kraalmuur terug gaan. Daar ging het mij
zoo: in 't begin enkel benauwdheid, algeheele ontzenuwing en
lichamelijk bankroet. De oogen zelfs zijn toegenepen!—Een paar
minuten duurt deze verlamming voort, totdat de rede zich langzaam
begint te doen gelden. Wat is er toch gaande? Wat gebeurt er om
ons?—vroeg ik mijzelven af. Het kost inspanning, maar ik open mijne
oogen en kijk voorzichtig op. Het eerst werp ik het oog op mijn
mede-burgers, en tot mijne verbazing bemerk ik, dat ook de helft
van hen de oogen nog dicht gesloten houden! Die enkele
waarneming doet mij veel goed. »Ik ben bang, zeer bang; maar toch
niet de bangste!”—zeg ik tegen mijzelven. Alzoo krijg ik een vasten
bodem in mijn binnenste, hoe gering ook, om mijn zelfrespect op te
bouwen. Ik heb dus een klein vonkje moeds, of ik ben in elk geval
niet zoo bang als de helft mijner vrienden hier bij mij. Dat troost!
Dat geeft hoop! De eerste sport in de ladder is gewonnen.
 De tweede stap werd dus gemakkelijk gemaakt. Waarom niet
omdraaien en rondkijken? Ik doe zulks en aanschouw de arme
paarden, daar onder op de helling van den heuvel, geen vijftig
treden van ons. Zij grazen daar op het weinigje gras, dat er tusschen
de steenen schuilt. Plotseling zakt er een ter aarde, zonder een
geluid te geven. Hij ligt zwaar gewond op den grond. Een tweede
wordt in het been getroffen en loopt er hinkende rond. Een derde
krijgt een heupschot. Een vierde wordt in den rug door een
bomscherf getroffen. Sommige wonden zijn onzichtbaar, anderen
gapend, bloedig, afgrijselijk. De overblijvenden grazen onverschillig
voort.
Al rondziende, wordt het mij duidelijk, dat bijna al de bommen te
hoog gaan, om ons te kwetsen. Vandaar dat er zoo veel paarden
daaronder getroffen worden. Er is veel troost in deze ontdekking en
de moed stijgt wat hooger—of liever, de vrees vermindert nog wat.
Ja, dat 's beter uitgedrukt. Lezer, vrees en moed zijn, voor de
meeste menschen, zeer dicht bij elkander. Ze zijn de twee zijden van
hetzelfde muntstuk, of, beter gezegd, de lagere en hoogere sporten
van dezelfde ladder. Frederik de Groote vluchtte van zijn eerste
slagveld! Daar stond hij op de laagste sport, die een soldaat kan
bereiken. Langzamerhand echter werd hij le plus brave des braves
van zijn tijd. Daar bereikte hij de hoogste sport van de ladder.
Geduld, vriend, bijt maar gedurig op je onderlip, houdt je hoogmoed
met beide handen vast, en gebruik je gezond verstand onder alle
omstandigheden in een gevecht en eindelijk wordt ge een held, al
begint ge ze als een lafaard.
Dien dag, den eersten dag van dien aard voor mij, bracht ik het
echter niet heel ver op de ladder. Toch won ik een paar sporten,
Gode zij dank! alhoewel ik mij schaam, dat ik het niet verder bracht.
Langzamerhand beginnen wij wat moed te scheppen en rond te
zien, maar geen woord wordt er gewisseld. Toen bekroop mij de
begeerte om een gesprekje te voeren. Het was niet juist een
begeerte, maar ik wilde zien, of het mij en anderen niet mogelijk in
onzen benarden toestand kon helpen.
 »Kerels!”—riep ik uit, »waarom houdt jullie de oogen dicht? Hoe
rekent jullie, als die Engelschen ons hier stormloopen?” Die de
oogen open hebben lachen—niet luid, maar zacht en ik vat moed.
Alle beetjes helpen! Het geluid van mijne stem heeft mij ook goed
gedaan. Als ik toch maar voor ééne minuut dat oorverdoovend
gedruisch kon vergeten en de altoos tegenwoordige vrees voor een
plotseling en akelig uiteinde hier op den heuvel kan overwinnen!
Neen! daar valt niet aan te denken. Als wij eens zelf aan 't schieten
konden gaan met onze Mausers, dan mocht het wel gebeuren. Zoo
zeggen de menschen. Ons helpt het echter niet: wij krijgen geene
kans het geweer te gebruiken. Als schapen worden wij ter slachting
geleid, zonder een geluid te kunnen geven.
»Dominé!”—begon ik weêr. Er lag een vriend van mij, die
predikant was, ook bij ons; hij had hoofd en schouders onder een
groote klip gestoken. Gelukkige man! ik benijdde hem die lekkere
klip. Maar onder ons, lezer!—wat ziet hij er toch aardig uit, met zijn
»achterkant” omhoog!
»Dominé! Hoe gaat het?”
»Né, goed!”—was het diep antwoord van onder de klip.
»Het gaat maar zwaar om onder zulke omstandigheden het geloof
te behouden, nê?”
Stilte. Een paar kerels kijken mij echter aan, en knipoogen
ondeugend. Wij gaan vooruit, hoor? Het begint te beteren. Als dit
ellendige geraas toch maar wil afbreken. Ach! de zee zwijgt nooit.
De baren bruischen; de golven klotsen; het dondert steeds tegen de
rotsen voort. O! dat ik wéér een man ware! Een man zonder vrees!
Een man, die den dood kalm in 't aangezicht staart en zelfs uittart:
Bah! hoe koezen wij hier achter de klippen. Hoe zwak en ellendig
gevoelen wij ons. Hoe laf zien wij eruit. Sommigen hebben de oogen
nog toe! Foei!
Ik begin weer!
»Dominé! Hoe gaat het?”
»Nog goed,” komt het onderaardsche geluid, te voorschijn.
 »'t Is gemakkelijker om van den preekstoel te zeggen: 'menschen!
vertrouwt op God!', dan om het hier te doen, nê?” Pauze!—»Ja,
kerels!” vervolg ik, »zoo'n dag laat 'n mensch gevoelen, hoe nietig
en nietsbeteekenend hij is. Eenig oogenblik kan een granaat-kartets
op ons barsten. Eenig oogenblik! En dan?—Wel, al wat wij doen
kunnen is om die heele affaire maar aan God over te laten. Wij zijn
ware nullen—pure nullen, hoor!”
Het gesprek wil niet vlotten. De dood is te zichtbaar, te tastbaar, te
nabij ons: Wij kunnen niet praten, nog minder lachen. 't Is alsof er
begraven wordt.
Wat is dat?—Iemand steunt hier achter ons in de kraal. »Een Ier is
gewond”—zegt iemand—»wie heeft iets te drinken voor hem?” Met
blijdschap geef ik den spreker een flinken »dop” uit mijn ongerepte
veldflesch voor den Ier! Gelukkig is de wond niet gevaarlijk—slechts
eene wond in de hand—en wij hooren den Ier niet meer kreunen.
Het gevaar komt al nader. De Ier is binnen in het kraaltje,
waartegen wij aanleunen. Nu komt er weêr een kogel uit een
granaat-kartets tegen mijn zijmaat aangevlogen. Zijn linkerbeen is
vast tegen mijn rechterheup geperst. »Eina!” schreeuwt hij, terwijl
hij de hand op het been legt. Hij is doodelijk verschrikt, maar vindt
spoedig uit, dat de kracht van den kogel reeds verspild was, toen hij
er door getroffen werd. Ik raap den kogel op en geef hem dien, met
een gevoel van verlichting. Het kon zoo anders zijn geweest!
Het vijandig vuur neemt erg toe. Het wordt hier, waar wij zijn,
bepaald gevaarlijk. Een ernstig gevoel maakt zich van mij meester.
Ik gevoel mij als een populier blad, trillend in den wind, elk
oogenblik in gevaar om weggerukt te worden van den boom des
levens. Ai mij! Wat is de mensch met al zijn hoogmoed en idealen
toch klein! Zijn leven hangt aan een draad. Hij is niets! »We are such
stuff; as dreams are made of”.
Intusschen was er een nieuw geluid op onze ooren gevallen. De
lezer moet weten, dat het nog vroeg in den morgen is—geen uur na
het eerste schot viel. Een uur geeft soms een leeftijd van indrukken
en sensatie. Daar, rechts van ons, heel ver, wordt er met het geweer
geschoten! Wat mocht dit beduiden? Wij, kunnen geen enkel
mensch zien—'t is goed twee mijlen van hier—en ook is het
vechtterrein (Nicholson's Nek: Klein Majuba) niet van hier goed
zichtbaar. Hoort!
Têk—têk—têk.... têk—têk.... têk—têk—têk—têk—têk—têk—têk ad
infinitum. Het geluid is zeer gemakkelijk van alle anderen te
onderscheiden, behalve van Maximschoten. Soms knallen er eene
reeks geweerschoten zóó snel op elkaar volgend, dat men in twijfel
verkeert, of ze wel door geweer of maxim veroorzaakt zijn—wij
bedoelen natuurlijk de hand-maxims, die Lee-Metford-, of Martini
Henri-, of Mauser-patronen uitbraken—bij de el.
De tongen beginnen eindelijk los te gaan. Wij wisselen gedachten
omtrent de beteekenis van dat schieten. Een ding is ons duidelijk:
het gevecht komt niet nader, daar er geen helder, fijn, »ping-ping”
geluid de lucht doorklieft. De kogels komen dus niet naar ons toe,
maar men is aan 't vechten ergens achter de heuvelen, waar de
Pretorianen en Vrijstaters zich bevinden. Vooreerst zijn wij er buiten.
Later, natuurlijk, kan de aanval ook tot ons naderen. Wij turen door
onze kijkers, maar 't is te vergeefs. Er is niets te zien—dank zij den
uitvinder van rookeloos kruit! Arme oorlogscorrespondenten! Arme
photografen! Arme kunstschilders! Arme schrijvers! Prenten zonder
rook!—verbeeld u reis!—Het ergste van al is nog dit: dat van de
Britsche zijde gezien, er nog al wat rook soms te teekenen valt.
Onze Long Toms, bijvoorbeeld, maken niet slechts een vuur-, maar
ook een rook-kolom van enorme proporties. De Vrijstaatsche Krupps
en Armstrongs gebruiken ook het ouderwetsche, donkere, rookende
kruit. Welk eene kans voor mijne confrères thans in Ladysmith! Hoe
dankbaar is een George W. Steevens, bijvoorbeeld, voor ons
rookgevende kanonnen en Martini Henri's! De talentvolle man moest
echter de totale mislukking van dezen dag met bitterheid des
geestes aanschouwen, en later te Ladysmith aan de koorts
bezwijken.
De onzekerheid omtrent wat er achter en voor ons gebeurt, is zeer
onaangenaam, maar onze schuilplaats willen wij niet uit eigene
beweging verlaten. Het artilleriegevecht breekt nimmer af, noch van
onze, noch van Britsche zijde. Om de vijf minuten brult onze Long
Tom met een geweldige dreuning. Zijne bommen zijn op de stad
gericht. Zij moeten ontsteltenis en vrees te weeg brengen, den
vijand demoraliseeren en verwarren. Als een diepe diapasons-
pedaalklank trilt zijne stem door het kanonorkest duidelijk boven alle
andere vuurmonden hoorbaar. Als een verre donderslag ploffen zijne
zware bommen in de stad neder. Aan de beangste vrouwen en
kinderen, de zieken en gewonden, de stervenden (waaronder
Generaal Kock) denken wij vandaag niet. Er wordt thans gevochten!
Têk—têk—têk—têk—têk.... têk—têk! (rechts)—Boem—m—m—Whirr-
r-r-r-r-r—Sh—s-s-s-s-shut—tjing—ng-ng—phut—kraak—phiz—pâks—
pocks—plof (boven en achter, op zijde en voor u)! Inspanning
genoeg voor alle zintuigen, niet waar?
't Wordt half acht. De hitte brandt sterker en sterker. 't Gaat een
schroeiende zomerdag worden. En daarbij geen ontbijt, geen koffie,
niets—dat's te erg. Ik deel een paar klinkers uit mijn zak aan
eenigen, die dichtbij zijn, uit. Dat helpt ook. De andere kerels
hadden niets bij zich. Wij zijn nog maar jong op 't gebied van
oorlogvoeren.
»Wat is dat?”—roept iemand luide uit. »Daar op dien berg voor
ons?”
Wij kijken, en ziet! waarlijk, daar daalt een lange, donkere streep
ruiters langzaam den berg af. Zij komen in onze richting! De zon
schijnt op hen en we zien lichtflikkeringen nu en dan, die ons aan
Lanciers doen denken. Na Elandslaagte hadden wij een groote vrees
voor die kerels. Heeft de vijand misschien onzen rechtervleugel
teruggeslagen? Rijdt hij mogelijk heelemaal om onze stellingen?
Gaan die mannen ons in den rug aantasten? De heuvel, of liever
berg, waarlangs zij afdalen, is ongeveer twee mijlen van hier in een
noordoostelijke richting, schijnt het. Wij hebben geene commando's
daar, zoover wij weten! Wat kan het toch beduiden? Voor het
oogenblik vergeten wij de bomscherven en kartetsmuziek. Aller
aandacht is op dien berg gevestigd. Elke veldkijker staart die
paardenruiters aan. De spanning is groot, want 't is geen kleinigheid,
om van achteren nu ook te worden bestookt. De aanval, van voren
komend, is erg genoeg voor vleesch en bloed.
»'t Zijn onze menschen!” zegt er een eindelijk, die een eersteklas
»Zeiss”-veldkijker had. »Kijk, zij draaien rechts! Zij gaan onze
menschen helpen, die met klein-geweers vechten!”
En zoo bleek het ook later: het waren de Johannesburgers onder
Commandant van Dam, de reservecolonne door Generaal Joubert
vroeg dien morgen reeds op dien hoogen heuvel gestationeerd, om,
desvereischt, op eenige punt in de vechtlinie te kunnen toeschieten.
De blinkende voorwerpen waren de tinnen bekertjes, die de Boeren
aan hun zadels vastgemaakt hadden, om water meê te scheppen.
Van zijn hoog standpunt kon Commandant van Dam precies weten,
van welke zijde hij den vijand bij Nicholson's Nek moest bekruipen.
Het duurde ook niet lang, of het têk-têk-têk der Mausers steeg in
kracht en geweld, totdat wij niets dan Maxims meenden te hooren:
têk-têk-têk-têk-têk-têk-têk-têk-têk—têk-têk-têk-têk-têk-têk-têk-têk-
têk-têk-têk-têk-têk-têk-têk! Ai mij! dat was muziek voor onze
bekommerde harten! 't Geleek precies op een aanhoudend getimmer
van duizenden hamers op honderden ijzeren daken, gedragen door
de diepe zee-bas der kanonnen. Mij dacht, de oude Thôr was weer
op aarde bezig met zijn geduchten hamer te spelen. 't Was een
concert, den Heidenschen God waardig.
Plotseling werd ik weer aan ons persoonlijk gevaar herinnerd door
een groot stuk ijzer, een stuk van een bom, dat met een gonzend
geluid geen duim van mijn rechtervoet ter aarde viel. Een koude
rilling voer mij door de leden. Dat was een nauwe ontkoming, hoor.
Bijna een voet kwijt! Dat ijzer moet bewaard worden, ter herinnering
aan dezen dag—als ik er door kom. Wanneer komt er een einde aan
het onnatuurlijk gedonder en getimmer, getjingel en gesis, gefluit en
gekras? Wij worden al meer gedemoraliseerd en gedegradeerd en
verwijfd—hoe langer wij hier blijven.
Wat te doen? Schieten kunnen en mogen wij niet. Dezen heuvel
verlaten? dat durven wij ook niet: èn onze plicht èn ons zelfbehoud
roepen ons toe: »hier blijven!” Hier zijn wij gesteld, om een
mogelijken aanval op ons geschut af te slaan. Gaan wij van hier
weg, worden wij best mogelijk, zoo als gindsche rossen, ter aarde
geworpen. Zoo gaan er uren van zenuwachtige opgewondenheid
voorbij, zonder dat wij iets te doen, of te eten, of te drinken krijgen.
Eindelijk komt er eene gelegenheid voor ons, om iets te doen. Zoo
wat 11 uur verschijnt er een jonge artillerist op het tooneel. Hij was
een opgeschoten jongen van zoo wat 17 jaar. Hij kwam uit de
richting van de holte (achter de kanonnen op den heuveltop)
aanrennen, en, ons ziende, riep hij:—
»Burgers! Komt en helpt ons om ammunitie voor de kanonnen op
te dragen. Gauw! Gauw!”
De Hemel helpe ons! Bommen die helling opdragen? Zware
granaten die hoogte uit torschen? Recht tegen de Engelsche
bommen in loopen? Woep—scheren zij daar over onze kanonnen en
den heuvelrand elke seconde. Paf—plompen zij daar rondom u neêr.
Ik wist er alles van, doordien ik vroeg dien morgen daar verdwaald
raakte.
»Loop slaap! Jongen!”—schreeuwt er een van ons. »Go to
Jericho”—mompelt een andere. Niemand verroert zich.
Hoe kalm en rechtop staat zoo'n jongen toch. Waar komt hij
eraan? Hij vreest geen bom of kogel, hoor! 't Is een flinke rakker. Hij
wenkt ons met de hand:
»Komt! Kerels. Daar is hulp noodig! Die ammunitie is op daar bô
bij die kanonne. Die burgers moet kom help!”
Door bloote schaamte gedreven, spring ik op. »Volgt mij!
Burgers!”—roep ik uit: »Komt, laat ons gaan helpen.”
Geen vin verroert zich.
Ik sta nog over eind, maar met vreeze en beving. Mijn hart zit me
in de keel, hoor!
»Komt dan! Broers! Komt gaat saam met die kerel.”—Probeer ik
nog eens.
 Twee man springen op. Daar staan wij nu met ons drieën,
elkander aantekijken, en vooral onze vrienden, die blijven liggen,
aanstarend.
»Komt! Laat ons gaan!”—roepen wij nog eens uit. 't Is te vergeefs.
Zij zijn vastgenageld aan den grond, vastgelijmd aan de steenen.
De andere twee zonken ook spoedig weer neêr, en een hunner
bromt:—»Ons is te min om iets uitterichten; als jullie kerels niet
gaat, dan ga ik ook niet.”
Daar sta ik den jongen held aantekijken, die zoo wat dertig treden
van ons af is, besluiteloos, weifelend, zwak. De moed zijpelt me door
de hand- en voet-vingers heen! Ik gevoel mij als door een magneet
ter aarde getrokken, want het raast en krast, bonst en sist, kraakt en
gonst maar altijd door. Het gevaar is verdriedubbeld, als men zoo
staan blijft.
Een blik op den jongen Transvaler redt mij. De hoogmoed komt
mij ter hulpe. Weêr gaan liggen? Neen, waarachtig niet..... voor het
aangezicht van dien kleinen jongen. Die schande is te groot. Ik stap
recht op naar hem af, en daar staan wij de kerels toe te schreeuwen,
om ons te volgen.
Paf!—hier bij ons valt er een bom! Kraak!—vlak boven ons breekt
er een granaat-kartets. Plof!—wij springen beide op zij. Ik tuimel op
den grond, terwijl de vuureter een kalmen glimlach plooit. Nog niet
gewond! Dat 's goed—maar.... bommen dragen in een bom-regen?
Onmogelijk! Dat niet!
Terug dan?—Nimmer. Een idée schiet mij te binnen. Ik had
terloops vernomen, dat Veldkornet Breijtenbach van Ermelo »om den
draai” van den heuvel, niet ver van ons met zijne manschappen was.
»Kom! Ik zal jou naar een Veldkornet brengen.”—Daarop loop ik
snel den hoek om, door den Artillerist gevolgd. Allerlei capriolen
worden door mij op weg uitgevoerd, maar de jonge snuiter stapt
maar even koel en kalm door alle gevaren heen. Zoo zijn onze jonge
Artilleristen.
 »Daar 's de Veldkornet!”—wijs ik hem aan.... en verdwijn te met
van het verschrikkelijk terrein eens en voor altijd. Ik loop den heuvel
af naar een punt, alwaar ik een klomp burgers in der haast had
opgemerkt. Zij waren daar op een kleine verheffing—een lager
terras, deel van Pepworth's heuvel uitmakend—bij een muurtje van
steenen bijeen, buiten de lijn van het kanonvuur.
Daar vond ik mijn vriend, ex-Commandant Smuts van Ermelo en
vele andere vrienden. Wij hadden een prachtig uitzicht in volmaakte
veiligheid op het slagveld. Onze kanonnen waren links, ver boven
ons hoofd—de Engelschen vuurden slechts op de kanonnen—
vandaar onze gerustheid te midden van den kogelstorm. Wij waren
als 't ware in de holligheid onder en achter een Niagara-Waterval
verscholen. Heerlijke rust, verademing, verlossing van doodsgevaar!
Hoe heb ik de uren, welke ik daar mocht doorbrengen, eer de slag
was afgeloopen, genoten! Op den muur staande, met mijn
verrekijker voor de oogen, trachtte ik uittevorschen wat er gaande
was.
Daar onder de doornboomen zie ik de zwarte strepen, die
geregeld bliksem uitschieten. Dat zijn de achttien Engelsche veld-
kanonnen, die het ons zoo warm op Pepworth's heuvel maakten.
Geen rook, slechts vuurtongen zijn er zichtbaar. En dan het gefluit
en geklap, gekraak en gejank in de lucht of tegen den heuvel aan.
Onze Artilleristen hadden het bitter zwaar dien dag, maar zij
gedroegen zich als mannen. Rechts, verreweg, ratelden de Lee
Metfords en Mausers onafgebroken voort, te Nicholson's Nek en op
de »Kleine Majuba”. Noch ruiterij, noch voetvolk kon ik in 't begin
ontwaren; slechts kanonvuur links, slechts geweervuur rechts. Hoog
boven de stad hing er een balon-captif, onbeweeglijk, geheimzinnig,
spookachtig, met een kleine parachute eronder aan vastgehecht. Het
ding deed denken aan een groot, allesdoordringend oog, dat bezig is
al onze posities, plannen en toestanden uittevinden.
Mijne medeburgers roepen mij toe, van den muur aftestijgen, om
de aandacht niet op ons trekken, maar ik heb te weinig gezien (en te
veel gevoeld) dien morgen. Thans wil ik zien, wat er te zien valt.
Hitte, dorst, hoofdpijn, honger—alles is vergeten, terwijl ik als van
den veiligen lichttoren van een lichthuis den onstuimigen oceaan
gadesla.
't Is bij twaalven. Er zijn donkere massa's zich in de richting van
Generaal Meijer's posities bewegende. 't Is zoo ver, dat ik slechts
met moeite kan uitmaken, wat er gaande is. Het zijn ruiters en ook
kanonnen. Zij zijn van het Engelsche centrum, naar het schijnt,
daarheen gezonden. Een goed teeken! Zijn Meijer's mannen te sterk
voor hun rechtervleugel? Wie weet? Zij gaan hun rechtervleugel
versterken, lijkt het. Bij Jupiter! Hoe slaan de stofwolkjes tusschen
hunne gelederen op! En boven hun hoofd zijn er kleine, ronde, witte
wolkjes. Ha! Majoor Wolmarans is aan 't woord. Hij neemt wraak
voor Talana Kop. »Go it, old chap!” Nog eens: »druk op, kerel! Kap
hullie om!” Snel rukken de kanonnen vooruit. Dikker worden de
stofwolkjes en veelvuldiger de cirkeltjes in de lucht. »Tast toe!
Majoor! Tast toe!”
»Hoera! Zij komen weer terug! De poging is verijdeld. De aanval is
teruggeslagen. Zie! de paardenruiters gaan in vollen galop in de
richting van Ladysmith.” Duidelijk zien wij nu de lange rijen ruiters.
Zij zijn verslagen! Zij nemen de wijk!
»Maar wat is dat ding, daar in den weg achtergelaten?”—'t Zijn
affuiten, met kanonnen en al natuurlijk. De vluchtenden lieten ze
achter. De kanonpaarden zijn gewis doodgeschoten. Dat's weer buit
voor ons.
Neen! niet zoo gauw. Een klein klompje ruiters jaagt terug. Zij
gaan het stuk halen! Bravo! Zij pakken het beet. De paarden zijn
voorgehaakt.... hier komen zij met het kanon aan.... onder een
regen van bommen en kogels. Bravo! Daar hebben zij eer van!
Toen kwam het laatste tooneel. Als door een tooverslag was de
vlakte daar dicht bij de Engelsche batterijen met voetvolk
besprenkeld. Waar kwamen zij vandaan? Mogelijk lagen zij
verscholen achter een heuveltje, of onder de boomen, klaar om
Pepworth's heuvel te bestormen. Mogelijk hadden zij zich reeds
vroeg in den slag uitgeput in den mislukten aanval op Generaal
Burgers' positie. Later vernam ik, dat onze menschen het daar in ons
centrum voor een korten tijd zeer zwaar hadden en hun voorste
positie moesten opgeven. De Howitzers en Krupps deden, echter,
van twee kanten zulk goed werk, dat het Engelsche centrum geene
vordering kon maken. De Engelsche rechtervleugel kreeg het nog
heeter. Van heuvel tot heuvel dreef Generaal Meijer's mannen ze
dien morgen terug, totdat zij Lombard's Kop en Gun Hill en Bulwana
zelfs opgaven—en naar Ladysmith vluchtten. Ook daar deden onze
kanonnen prachtig werk; terwijl de burgers er ook uitmuntend de
kopjes bestormden.
Thans zag ik het voetvolk hard loopen. Sauve qui peut scheen nu
de orde van den dag. Zij waren niet in gelid, of bij hoopen te zien.
Gescheiden, apart, elk voor zich zelf, renden zij daar over het plein.
Er moet een paniek daar onder hen zijn, te oordeelen uit de
verwarring die er heerscht. Zij dwalen rond als schapen zonder een
herder.
Pom—pom.... pom—pom—pom.... pom—pom—pom—pom—pom
—pom—pom! Voor het eerst in Natal wordt ons groote Maxim van
Pepworth's heuvel gehoord. 't Is een onvergetelijk oogenblik. Het
ding kraakt geweldig hard en draait er 2 lb. kogels los bij de honderd
in minder dan eene minuut. Zijn bommetjes kan hij 4,500 yards ver
schieten! 't Is een monster, dat den Engelschen groote vrees
inboezemt, en de chaos in het plein zoo mogelijk verergert. Overal
waar de soldaten loopen slaan er kleine stofvlekken uit den grond
op. De aarde is gestippeld met die vale plekjes—zoo dik valt de Pom
—Pom-regen. Foei! die kerels rekken d'r beenen. Men zou zweren,
dat er een groote picnic-partij door een hagelstorm verrast werd!
Intusschen zijn onze andere kanonnen niet stil. Zij donderen
voort, kwaadaardiger dan immer. Maar de Engelsche batterijen
gedragen zich ook flink. Zij moeten den aftocht van het leger
dekken, en ik moet erkennen dat zij vuur en ijzer, lood en staal
spuwen tot het laatste toe. Meer dan een onzer stukken krijgt het
zoo heet, dat het voor een tijdje moet zwijgen. Long Tom acht
»voorzichtigheid de moeder van de porseleinkast”, en blijft liever
voor eene wijle dood stil achter zijn fort gedoken. Terwijl de eene
batterij de paarden voorhaakt en in vollen galop terugvliegt, schieten
de overigen uit alle macht. Zoo retireeren zij batterij na batterij,
elkander ondersteunende totdat allen buiten onze gezichteinder zijn.
Lang voor dit geschied is echter, zijn de voetgangers, die er
heelhuids van door gekomen zijn, ook achter de heuveltjes die
rondom de stad zijn, verdwenen. Weldra is er slechts een groote,
lange, roode stofwolk in de richting van Ladysmith zich uitspreidend,
die ons ten teeken dient, dat Sir George White te Modderspruit
totaal verslagen is.
Nog erger ging het hem bij Nicholson's Nek. Daar gingen Majoor
Carleton's 1200 man in den nacht op een hoogen heuvel schuiling
zoeken, om den volgenden morgen door de Heilbronners en een
paar dozijn Kroonstadters van de westzijde, en later door de
Johannesburgsche Politie van de noord- en oostzijde te worden
bestormd. Tegen het einde hadden de Pretorianen ook eene kans
om wat »meêtespreken.” Enfin, na een hardnekkig gevecht en zware
verliezen, gaven de Gloucesters en Dublin Fusiliers zich tegen één
uur over. Aldus vielen er over de duizend prisoniers en eenige
veldkanonnen en hand-maxims in onze handen.
Daar deze de eerste groote slag was, door de Boeren gewonnen,
heeft hij een geweldigen indruk op geheel de beschaafde wereld
gemaakt, en mag men wel op Pepworth's Heuvel de fiere woorden
van den grooten Emerson toepassen:—

Here once the embattled farmers stood,

And fired the shot, heard round the world.

2) Vlakte.
 XV

Na den Slag
Toen het toornig brullen der Britsche kanonnen ophield, snelde ik
naar de plaats, waar de »Jameson Kar” en de caissons waren. Tot
mijne verbazing, vond ik, dat geen caisson ontploft was, alhoewel er
één door een granaat getroffen werd en de nabijzijnde tenten door
vele kogels doorboord waren. Veiligheidshalve, echter, werden de
ammunitiewagens dien dag onder den heuvel gebracht, alsmede de
tenten en rijtuigen. Dicht bij de kar was er een kaffer kraal van losse
steenen, alwaar ik Luitenant Henri du Toit vond. Hij was zwaar bij
zijn kanon gewond en lag onder een soort afdak, van een paar
zinken platen gevormd, te kreunen. Hij opent zijne oogen en herkent
mij. Ik vraag hem, of hij wat whisky hebben wil. Hij knikt
bevestigend en krijgt een goede teug uit mijn flesch. Of het hem
goed deed? Hij was bleek, erg bleek, en had veel pijn. Toen hij
weggedragen werd naar ons veldhospitaal (het woonhuis van den
heer Pepworth), gaf ik hem nog een zoopje meê. 't Was wel der
moeite waard, het kostbare vocht al den weg van Pretoria hierheen
te brengen, en mijzelven onder weg te verloochenen.... om
zoodanigen velddienst ermeê te kunnen verrichten.
De jonge artillerist, die naast hem lag, was buiten hoop. Zijn
voorhoofd werd door een bom getroffen—een akeliger wond heb ik
nooit gezien. Daar lag de dappere jongen, als een doode. Men dacht
het niet noodig, hem te verwijderen. Waarom den armen,
bewusteloozen stervende nog plagen? En toch.... vond men
werkelijk nog leven in hem den volgenden morgen! Het geweten en
hart van meer dan een werden door deze gruwzame ontdekking
pijnlijk getroffen, maar wij willen het hopen, dat de jongeling niet
dien nacht tot zijn bewustzijn gekomen is, om zich daar op dien
akeligen heuvel eenzaam en verlaten in de ure zijner uiterste pijnen
te bevinden.
Dr. Hohls lag in een tent dichtbij: hij was ter ziele, de sterke man,
gehuld in den purperen mantel van een edelen dood. In het
vervullen van een nobele, zelfopofferende daad, in 't verplegen van
een gewonde, ontsliep hij. Kan men een beter uiteinde begeeren?
Aan zijn zijde hijgt een sterkgebouwde Ier pijnlijk om adem. Zijn
laatste snik is nabij. Het Iersche corps deed flink werk dien dag: zij
hielpen ammunitie voor de kanonnen aandragen en brachten
verscheidene offers voor ons land en volk. Boven op Pepworth's
Heuvel is er een eenvoudig houten kruisje geplant, de plaats
aanduidend, waar twee Ieren begraven zijn. Colonel Blake, die aan
het hoofd van hun corps stond, werd door een bomscherf in den
bovenarm getroffen en moest lange maanden daarna zijn arm door
een draagband ondersteunen.
Bij een onzer Krupp's komend, waar het vuur dien dag zeer heftig
was, vond ik een korporaal bij zijn stuk zittend, afgemat, uitgeput,
bleek.... met een kleine opening in den rug van zijn opperkleed,
waardoor er een straaltje bloed vloeide. Hij was gewond, licht
gewond; maar bekreunde zich niet in 't minst daarover. »Komaan, o
Stoïcijn van Pepworth's heuvel! een borreltje zal u geen kwaad doen.
Drink! vriend! Drink diep en lang!—Gezondheid!” Het mooiste van
dien kerel is, dat hij een held was zonder het zelf te weten. Hij had
eenvoudig zijn kanon bediend tot het einde toe: daartoe werd hij
opgeleid, daarvoor was hij hier. Per ongeluk raakte hem een kogel,
maar dat doet niets aan zijn gewone plichtsvervulling toe. Hij blijve
dus naamloos, want zoo zou hij het zelf willen hebben.
Overal rond op den heuvel lagen er doode en gewonde paarden
en de steenen waren bont en blauw van de duizenden kogeltjes, die
er neergeslagen waren.
Terwijl wij er zoo rondliepen, elkander ondervragend en
gelukwenschend, werd onze kalmte plotseling opnieuw gestoord.
Een ontzettende knal werd er gehoord, en kort daarop ontplofte
een lyddiet-granaat niet verre van ons op den heuvel. Kolonel
Trichard, de Staatsprocureur en eenige anderen waren bijna »onder
stof!” Een tweede volgde kort op de hielen van het eerste schot. Zij
werden allen op Long Tom gemunt. Het waren ontzaggelijke
bommen, een schrikwekkend gedruisch makend en groote gaten in
de aarde ploegend. Zij veroorzaakten groote ontsteltenis op den
heuvel. Generaals en Commandanten waren daar, gezellig koutende,
maar elk een moest nu schuiling zoeken. Niemand werd geraakt,
maar meer dan een had een nauwe ontkoming dien dag. De
projectielen maakten een helsch geluid en groote rotsen werden
door ze verpletterd of gespleten. Later eerst vernamen wij, dat zij
van de geweldige scheepskanonnen van de »Powerful” kwamen. Die
geduchte zeemonsters waren haastig te Durban geland en per spoor
naar Ladysmith gezonden, alwaar zij tijdens den slag werden
opgesteld en om 2 uur hun krachtige stemmen deden hooren. (Er
waren er niet minder dan 6: 2 groote 4.7 stukken en 4
twaalfponders met 288 matrozen.) Zij hebben ontegenzeggelijk goed
werk voor de belegerden van toen af aan tot het einde van het beleg
gedaan. Dat hadden wij aan ons verzuim in het vernielen van den
spoorweg naar het zuiden te danken. In 't licht der latere
geschiedenis van den oorlog, is het bijna onbegrijpelijk, dat de
Vrijstaters zoo uiterst voorzichtig in deze te werk gingen.
Tegen drie uur in den namiddag eerst, had ik het genot met
Kolonel Trichard en Kapitein Bosman een kopje koffie bij den grooten
wagen van den Kolonel, aan den voet van Pepworth's, te drinken, en
een uur later ons eerste maal te nuttigen. De Kapitein had zich dien
dag zeer onderscheiden in het dragen van ammunitie en van
gewonden, en de Kolonel werd door een krachteloozen kogel in de
dij getroffen. Commandant Grobler van de Ermeloërs had een nauwe
ontkoming: een bomkogel wondde zijn paard een paar duim achter
den zadel, terwijl de Commandant op den heuvel reed. Onze dooden
dien dag telden geen 20 in 't geheel over het gansche vechtterrein,
onze gewonden bij de 60. Er was groote drukte dien avond in het
groote woonhuis van den heer Pepworth, en ook in andere
boerenwoningen dicht bij Ladysmith, die als hospitalen gebezigd
werden. Generaal Kock stierf dien dag, niet wetende, wat de uitslag
van den strijd was. Men zegt, dat het verschrikkelijk kanongebulder
zijn dood verhaast heeft. Over het Britsche verlies zeg ik liever niets,
daar ik hun dooden en gewonden niet heb kunnen tellen, en niet de
gewoonte van Engelsche schrijvers wil opvolgen, door losweg allerlei
groote cijfers omtrent het verlies der tegenpartij op te disschen.
(Volgens Conan Doyle was ons verlies omtrent 300 dooden en
gewonden.)
Tegen zonsondergang kwamen de prisoniers aangestapt. Zij waren
vermoeid van de groote hitte en den langen strijd van dien dag. Ter
eere onzer Boeren zij het gezegd, dat de schare van toeschouwers
geen geluid liet hooren, toen de lange rij gevangenen hen
passeerden. Zwijgend, zelfs medelijdend werden zij aangestaard;
maar geen spot- of schimptaal, geen gejuich werd er vernomen.
Daar ik zelf onder de menigte toeschouwers stond, kan ik als
ooggetuige in deze optreden. Gedurig hoorde ik een onzer Boeren
zeggen:
»Arme kerels! Zij hebben er geen schuld aan den oorlog. Zij
kunnen het niet helpen, dat zij tegen ons vechten. Zij moeten
slechts gehoorzamen.”
Een wonderlijk volk is het Boeren-volk! Op hen vooral zijn de
woorden van John Dryden toepasselijk: »Men are but children of a
larger growth”. Zij worden gauw weêr goed jegens hunne vijanden.
Zij vergeten spoedig met wien zij oorlog voeren. Zij haten niet, gelijk
de Europeesche volkeren elkander haten.
Hoort wat George W. Steevens van hen op »Klein Majuba” vertelt:
—»De Boeren hadden hunne wraak voor Dundee en Elandslaagte in
den oorlog. Nu namen zij die, bij de volle maat.... in vriendelijkheid.
Onze gewonden werden naar Ladysmith gezonden; water werd hun
door de Boeren uit hun eigen bottels gegeven; dekens van hun
eigen zadels losgegespt; muilen voor hospitaalwerk verschaft” enz.
Den volgenden dag (zoo werd mij verteld), zijnde er een
wapenstilstand voor dat doel door Sir George White gevraagd,
woonden een aantal Boeren de begrafenis der Britsche soldaten op
het slagveld van Modderspruit bij, en zongen er een van onze
plechtige Hollandsche Psalmen bij het geopend graf. Te zamen
bogen Boer en Brit daar het hoofd voor den onzichtbaren Heer der
gansche schepping, allen rassenhaat vergetend, alle wraak op zijde
stellend. Al zingende werden zij gastvrij van geest en hart, en verlost
van alle kleinheid en bekrompenheid.—En toch? Is patriotisme ook
niet eene beperking des geestes? Is nationaliteitsgevoel niet een
edele bekrompenheid? Zoo is het. Daarom blijven zij steeds Boeren,
Hollandsche Afrikaners, een apart volk, »een eigenaardige natie, met
heur eigendommelijk karakter, en onder alle omstandigheden en
onder elke vlag.”
Een komische gebeurtenis in verband met den Modderspruitslag
mag wel vermeld worden. Onze koffieketel, die op 't vuur stond bij
den wagen onder Pepworth's heuvel, werd heel netjes door een
Engelschen bom of liever door een bomscherf omvergeworpen, met
koffie en al natuurlijk. De ketel had een respectabele en eervolle
deuk; en onze kok zei droogjes: »Na dit, dacht ik het veiliger,
vandaag liever geen koffie te maken.”
Een ander geval is nog treffender. Zoowat een maand na den slag
bevond ik mij voor de tweede maal op »Klein Majuba”, toen een
jongeling er een Engelsch 10 shilling-stuk uit het stof opraapte. Het
muntstuk was in den vorm van een »Heil's Leger Hoedje” gebogen,
en lag bij eenige ledige Lee Metford patronen. Na zorgvuldig
onderzoek, was het de algemeene opinie, dat het geldstuk door een
Mauserkogel in den zak van een soldaat getroffen werd. Een klein
teeken aan den rand van het kleine geldstuk wees duidelijk aan,
waar de kogel ervan afgegleden was. Afgegleden! Waarheen? Ai, dat
is de vraag. In de lucht, of in het lijf van den eigenaar? Of in het lijf
van een makker? Wij willen hopen, dat dat 10 shilling-stuk den
gelukkigen bezitter ervan gered heeft. Gaarne zouden wij de
volledige en ware geschiedenis van dat fraai gebogen goudstukje
vernemen. 't Is waarlijk eene curiositeit van den grooten oorlog, die
men den tegenwoordigen bezitter (een Johannesburger) wel mag
benijden.
Het mooiste incident uit den slag heb ik, echter, uit den mond van
Majoor Wolmarans in zijne tent achter Bulwana vernomen. Zijne
kanonnen waren op den kruin van een heuvel gesteld (verhaalde hij
mij met opgewektheid), die met kreupelhout (boschjes) bedekt was.
Tusschen hem en de Engelsche batterijen op den rechtervleugel was
er een tweede heuvel, lager dan zijne positie, waarover hij zijne
bommen deed vliegen. De Engelsche kanonnen repliceerden, maar
tot zijne verbazing vielen hunne schoten allen op den voorsten
heuvel. Dus ging hij in volmaakte veiligheid voort zijne granaten en
granaat-kartetsen op den vijand uittestorten. De uitwerking erg
teleurstellend en demoraliseerend voor de Britsche kanonniers, die
alle pogingen tevergeefs aanwendden, om den juisten afstand te
vinden. Zij waren zoo dicht bij elkaar, dat de Majoor voor langen tijd
dit vreemd verschijnsel niet begrijpen kon. Later werd hem alles
duidelijk, vervolgde hij, toen hij het terrein waarop de Engelschen
waren, persoonlijk bezocht. De heuvel, die vóór zijne positie was,
scheen deel uit te maken van den achtersten heuvel. Beide heuvels
hadden precies denzelfden vorm; beide waren met dezelfde boschjes
begroeid; zij geleken op één heuvel van de plaats, waar de
Engelsche kanonnen waren. Geen wonder dus, dat de vijandelijke
bommen allen te kort vielen. Zij werden allen tegen een stommen
heuvel gericht: een kordaatstuk aan den woesten aanval van den
heldhaftigen Ajax op eene kudde schapen herinnerend! Wie kan
zeggen, hoe veel dit zoogenaamde toeval tot de totale nederlaag
van den Britschen rechtervleugel heeft bijgedragen.
Dat Generaal Joubert met recht blij en trotsch was over het
gedrag zijner manschappen en den uitslag des strijds, behoeft niet
gezegd te worden. De vreemde attache's schudden wel hunne
hoofden, zeggende: »Waarom zijn de Engelschen niet in de flanken
bij hun terugtocht aangevallen? Waarom niet de stad dien namiddag
nog ingenomen?”—maar zij vergaten, dat onze commando's uit
gewone burgers en niet uit gehuurde troepen bestonden. Tot zulke
dingen zijn onze menschen niet in staat: dat heeft de oorlog gedurig
bewezen. Zij waren maar te blij, om wat rust en voedsel en koffie
weer te krijgen, na de ontzaggelijke hitte en vermoeienis en de
gevaren van dien dag. Morgen, of overmorgen, zouden zij verdere
plannen maken; vandaag niet. »Elke dag heeft genoeg aan zijn zelfs
kwaad.”
Dan, Talana Heuvel en Elandslaagte waren nog versch in het
geheugen. Was het te Modderspruit met ons verkeerd afgeloopen,
dan was de oorlog spoedig tot een roemloos einde voor de
Republieken gekomen. Want ziet! Het plan van Sir George White
was: Pepworth's Heuvel als met eene reuzen-schroef vast te knellen.
Zijn rechtervleugel moest door onze gelederen (tusschen Lombards
Kop en Generaal Burger's positie) breken, terwijl zijn centrum alle
onze krachten ter zelfverdediging eischten. Intusschen zou Colonel
Carleton om onzen rechtervleugel werken, of dien terugdrijven, en
alzoo Pepworth's Heuvel tusschen de twee groote, lange, ijzeren
armen van de schroef gekomen zijn. Onze beste stukken waren daar.
Ons groote Long Tom was daar. Het verlies van dien heuvel zou
ontzaggelijk demoraliseerend voor de federalen zijn geweest. Het
grootste Boerenleger was thans om Ladysmith—ongeveer 7000 man
—Sir George had een 12,000 man ter zijner beschikking. Volgens het
algemeen oordeel der beschaafde wereld, moest hij ons met wortel
en tak dien dag hebben uitgeroeid. In plaats van dat te doen, echter,
moest hij met pak en zak Ladysmith binnenvluchten en ruim 1000
prisoniers met eenige bergkanonnen en maxims in onze handen
laten.
Generaal Joubert vond dat genoeg, vooreerst. Hij was tevreden.
Hij was gelukkig. Hij dankte God voor eene groote verlossing. Nooit
heb ik den grijzen Staatsman, Patriot en Krijgsman—met

Een hoofd vol kreuken, een geweten zonder

rimpel

zoo stralend van vreugde als dien avond gezien. 't Was zijne victorie,
par excellence, roemrijker dan Laing's Nek, of zelfs Majuba!
 »De Artillerie heeft zich goed gehouden en verdient allen lof”—
seinde de Commandant-Generaal dien dag naar President Kruger.
Zoo was het ook. Tot hiertoe hadden de boeren smalend en
schouderophalend over de Artilleristen gesproken. Tot hiertoe
hadden zij met verachting op kanon en maxim neergezien, terwijl zij
al hun geloof »in God en hun Mauser” vestigden. Op 30 October
vond er eene openbaring voor hunne oogen plaats. Zij stonden
verstomd over de koele, bedaarde dapperheid en het goed mikken
en treffen onzer kanonniers. Van toen af aan hadden zij den mond
steeds vol van den lof der flinke Artillerie-kerels. Modderspruit was
inderdaad eene apotheosis voor de vroeger miskende Artilleristen en
de Artillerie.
Nog iets: ook de Johannesburgsche Politie gedroeg zich bijzonder
knap dien dag. Hun Commandant werd in de heup gewond, maar
bleef op het slagveld bevelen gevende. Een Luitenant liet het leven
bij Nicholson's Nek. Nog 13 man werd er uit hun gering getal
gewond. Nu, de Heidelbergers en de Heilbronners b. v. telden ook
even veel gewonden dien avond; maar de Politie kwam van verren
afstand, in gelid, in volmaakte orde, man voor man op zijn plek,—om
zich in het strijdperk te werpen. Dat was het kenmerkende van hun
werk. »Geen klauw bleef er achter!” Er was orde, tucht,
gehoorzaamheid in dat corps. Geen willekeur, geen persoonlijke
grillen, geen individuëele dapperheid of lafhartigheid kon onder hen
alles redden—of ook wel alles verongelukken. Generaal Joubert was
met recht tevreden met zijn burgers, maar vooral trotsch op zijn
reservecolonne.
Hoe vele »achterblijvers” waren niet te Talana Heuvel? Hoe veel
verwarring was er niet te Elandslaagte? Goddank! te Modderspruit
ging het veel beter. De Republikeinen bedekten zich niet slechts met
roem, maar zij wonnen vooral in zelfrespect en zelfvertrouwen. Ons
prestige, ons moraal was volkomen gered: Colenso en Spionkop
werden mogelijk!
Welcome to our website – the perfect destination for book lovers and
knowledge seekers. We believe that every book holds a new world,
offering opportunities for learning, discovery, and personal growth.
That’s why we are dedicated to bringing you a diverse collection of
books, ranging from classic literature and specialized publications to
self-development guides and children's books.

More than just a book-buying platform, we strive to be a bridge

connecting you with timeless cultural and intellectual values. With an
elegant, user-friendly interface and a smart search system, you can
quickly find the books that best suit your interests. Additionally,
our special promotions and home delivery services help you save time
and fully enjoy the joy of reading.

Join us on a journey of knowledge exploration, passion nurturing, and

personal growth every day!

ebookbell.com