Методология и источники данных

Все цифры на этом сайте взяты из официальных реестров рождений или данных национальных статистических ведомств. Мы очищаем каждый источник, приводим их к единой шкале и объединяем формы каждого имени на разных языках.

1. Сбор данных

Мы используем только официальные открытые данные: национальные статистические ведомства (INSEE, ONS, CSO, Statbel, BFS…), органы регистрации актов гражданского состояния (SSA, RENAPER, провинциальные регистраторы) и региональные порталы открытых данных. У каждого источника свой порог: имена, которые дали менее 3 или 5 раз за год, не публикуются, поэтому очень редких имён нет нигде. Некоторые страны публикуют только топ-50 или топ-100 — для них мы показываем лишь места в рейтинге, но не доли. В таблице ниже перечислены все источники, годы, издатели и лицензии.

2. Единая шкала для всех стран

Абсолютные числа нельзя сравнивать между страной с населением 330 миллионов и страной с населением 5 миллионов, поэтому графики показывают число рождений на 100 000 новорождённых (оба пола вместе) для каждой страны и каждого года. Знаменатель — сумма рождений в опубликованных списках: она близка к общему числу рождений, но немного меньше его.

В аргентинском реестре все имена ребёнка записаны одной строкой («María Florencia»), поэтому мы учитываем только первое имя. Если в реестре нет поля «пол», пол имени определяется по другим реестрам на том же языке.

3. Написания, имена и семейства

Мы работаем на трёх уровнях:

• Написание: Élodie и Elodie или Александр и Aleksandr — одно и то же имя, записанное по-разному. Диакритика, регистр и алфавит не учитываются, а все варианты написания видны на странице имени.
• Имя: написание плюс пол. Jean во Франции — мужское имя, а в США чаще женское, поэтому это два разных имени.
• Семейство: формы одного имени на разных языках. Victoria (английский, испанский), Victoire (французский), Vittoria (итальянский) и Viktoriya (русский) составляют одно семейство с одной главной страницей.

4. Как объединяются имена

Мы опираемся на четыре вида доказательств, от самых надёжных к менее надёжным. На странице каждого семейства указано, на чём основана каждая связь.

1. Проверено вручную: составленный нами список примерно из 200 семейств на разных языках (John = Jean = Juan = Giovanni = João = Иван…). Два таких семейства никогда не объединяются автоматически.
2. Сверено с лингвистическими источниками: если наши правила не дают уверенного ответа (Marcel / Marcelo, Laure / Laura, Eva / Evie), пара проверяется по этимологическим справочникам и получает оценку одно имя, родственные или разные.
3. Варианты написания: формы, которые звучат одинаково после нормализации орфографии (ph/f, th/t, y/i, удвоенные буквы), начинаются с одной буквы и относятся к одному полу: Sofia / Sophia, Matteo / Mateo.
4. Wikidata: открытые связи «считается тем же, что и». Они используются только для того, чтобы присоединить отдельное имя к семейству, если обе формы похожи. Сама по себе Wikidata связывает слишком много (Kyle ~ Caleb), поэтому ей никогда не разрешается объединять два уже существующих семейства.

Уменьшительные и производные имена, живущие собственной жизнью (Jack, Sean, Ian от John; Isabelle от Elizabeth; Evie от Eva), получают свою страницу и показываются как родственные имена. Мужские и женские формы (Victor / Victoria) тоже связаны между собой.

5. Статистика

• Длина имени: среднее число букв с учётом числа рождений.
• Разнообразие: доля рождений, приходящаяся на десять самых частых имён; сколько имён нужно, чтобы охватить половину рождений; эффективное число имён (1/Σp²).
• Звучание: доля рождений, у которых имя оканчивается на -a, -o, -n или на звук «и», рифмуется с Aiden, содержит Y, K или Z и так далее.
• Сближение: косинусное сходство распределений семейств имён в двух странах. Поскольку семейства объединяют разные языки, Victoire в Париже и Victoria в Лондоне считаются одним и тем же выбором.
• Похожая судьба: имена, чьи кривые популярности за последние 60 лет в одной и той же стране коррелируют сильнее всего.

6. Ограничения

В текущем файле INSEE французские данные округлены до числа, кратного 5, а SSA не публикует имена, которые дали менее 5 раз. Реестры различаются тем, что именно они фиксируют: год регистрации или год рождения, сохраняется ли диакритика, разделяются ли имена через дефис. Небольшое население даёт шумные кривые. Объединение имён на разных языках всегда требует экспертного суждения: если вам кажется, что какая-то связь ошибочна, напишите нам, и мы перепроверим доказательства.

Источники данных