5.3 Statistiske undersøkelser

Kan du stole på statistikken?

"80% av tannleger anbefaler vår tannkrem." "En ny studie viser at videospill gjør barn aggressive." "Meningsmålingen viser dødt løp mellom partiene."

Vi bombarderes med statistikk fra alle kanter -- i nyheter, reklame og sosiale medier. Men kan vi stole på tallene? For å svare på det, må vi forstå hvordan statistiske undersøkelser fungerer, hvilke feller som finnes, og hvordan tall kan villede.

La oss starte med de grunnleggende begrepene. Populasjonen er hele gruppen vi ønsker å si noe om -- for eksempel alle elever i Norge. Utvalget er den delen vi faktisk undersøker. En representativ utvalg gjenspeiler populasjonen godt. Variabler er det vi måler: kvantitative variabler som høyde og inntekt kan måles med tall, mens kvalitative variabler som kjønn og favorittfarge beskriver egenskaper.

Utvalgsmetoder -- hvem spor vi?

Hvordan du velger hvem du spør, er helt avgjørende for om resultatene er til å stole på.

Tilfeldig utvalg (randomisert): Alle i populasjonen har lik sannsynlighet for å bli valgt. Dette er gullstandarden fordi det gir representative utvalg.

Stratifisert utvalg: Populasjonen deles i grupper (strata), og tilfeldig utvalg trekkes fra hver gruppe. Sikrer at viktige undergrupper er representert -- for eksempel like mange fra hvert klassetrinn.

Bekvemmelighetsutvalg: Man spør de som er lettest tilgjengelige. En forsker som undersøker treningsvaner ved å spore folk på et treningssenter, får et skjevt bilde -- de som er der trener allerede mer enn gjennomsnittet!

Selvseleksjon: Folk velger selv å delta, som i nettavstemninger. Bare de mest engasjerte svarer, noe som gir skjeve resultater.

Et skjevt utvalg gjenspeiler ikke populasjonen og kan gi villedende konklusjoner. Tenk alltid: hvem er det som IKKE blir representert?

Feilkilder -- hva kan gå galt?

Selv med godt utvalg kan mye gå galt. Her er de vanligste feilkildene:

Ledende spørsmål: "Er du enig i at vi bør bruke mer penger på miljøvern for å redde planeten?" Formuleringen "redde planeten" er positivt ladet og påvirker svaret. Et bedre spørsmål: "Bør staten øke miljøbudsjettet, selv om det betyr kutt andre steder?"

Sosial ønskelighet: Folk svarer det som er "sosialt akseptabelt". Spør du folk ansikt til ansikt om alkoholvaner, underrapporterer mange -- de vil ikke fremstå som stordrikkere.

Frafall: Noen velger å ikke svare. Hvis bare 30% svarer på en undersøkelse, kan de 70% som ikke svarte ha helt andre meninger. Dette kan være systematisk: kanskje de mest misfornøyde ikke gidder å svare.

Målefeil: Unøyaktige målinger eller at folk estimerer feil. Hvis du spør folk hvor mye de bruker på sosiale medier, overestimerer eller underestimerer mange.

Analyse av data -- sentralmål og spredning

Når dataene er samlet inn, må vi analysere dem. De tre viktigste sentralmålene er:

Gjennomsnitt ($\bar{x}$): Summen av alle verdier delt på antall. For karakterene 2, 3, 3, 4, 4, 4, 5, 5, 6: $\displaystyle \bar{x} = \frac{36}{9} = 4$.

Median: Den midterste verdien når data er sortert. Med 9 verdier er det den 5. verdien: median = 4. For alder på 8 fotballspillere (22, 24, 25, 25, 26, 27, 29, 35): median = $\displaystyle \frac{25+26}{2} = 25{,}5$.

Typetall (modus): Den vanligste verdien. I karaktereksempelet er typetallet 4 (forekommer 3 ganger).

Når bruker vi hva? Gjennomsnitt fungerer best for symmetriske fordelinger. Median er bedre når det finnes ekstremverdier -- for eksempel drar verdien 35 gjennomsnittet opp for fotballspillerne. Typetall brukes for kvalitative data (favorittfarge: blå).

Spredningsmål forteller hvor spredte dataene er. Variasjonsbredden er forskjellen mellom største og minste verdi: $R = x_{max} - x_{min}$. Standardavviket måler gjennomsnittlig avstand fra gjennomsnittet -- lavt betyr jevnt, høyt betyr stor spredning.

Kritisk vurdering -- vær skeptisk!

Når du leser om undersøkelser i media, still alltid disse spørsmålene:

1. Hvem utførte undersøkelsen? En tannkremreklame som sier "80% av tannleger anbefaler" -- hvem spurte, og kunne tannlegene anbefale flere merker?
2. Hvordan ble utvalget gjort? Representativt eller skjevt?
3. Hvor stort var utvalget? Større utvalg gir sikrere resultater.
4. Hvordan var spørsmålene formulert? Ledende eller nøtrale?
5. Hva var svarprosenten? Lavt = mulig systematisk frafall.
6. Korrelasjon er IKKE kausalitet! At to ting henger sammen betyr ikke at den ene forårsaker den andre.

Det siste punktet er så viktig at det fortjener et eksempel: Iskremsalg og drukningsulykker korrelerer. Betyr det at iskrem forårsaker drukning? Selvfølgelig ikke! Begge påvirkes av varmt vær.

Når en studie viser at "barn som spiser frokost gjør det bedre på skolen", kan vi ikke konkludere med at frokost gjør barn smartere. Familier som serverer frokost kan ha andre ressurser og vaner som også påvirker skoleprestasjoner.

En meningsmåling med 500 svar og feilmargin $\pm 4\%$ betyr at det sanne resultatet i befolkningen sannsynligvis ligger innenfor $\pm 4$ prosentpoeng av det målte. Hvis 52% sier ja, ligger det sanne svaret mellom 48% og 56%.

Oppsummering

- Populasjon er hele gruppen vi vil si noe om. Utvalget er den delen vi faktisk undersøker. Utvalget må være representativt.

- Utvalgsmetoder: Tilfeldig utvalg (best), stratifisert (sikrer undergrupper), bekvemmelighetsutvalg (ofte skjevt), selvseleksjon (skjevt).

- Feilkilder: Ledende spørsmål, sosial ønskelighet, systematisk frafall, målefeil.

- Sentralmål: Gjennomsnitt (symmetrisk fordeling), median (ved ekstremverdier), typetall (kvalitative data).

- Spredningsmål: Variasjonsbredde ($x_{max} - x_{min}$) og standardavvik (gjennomsnittlig avstand fra gjennomsnittet).

- Kritisk vurdering: Hvem utførte undersøkelsen? Representativt utvalg? Stor nok? Ledende spørsmål? Svarprosent? Korrelasjon er IKKE kausalitet!

Neste gang du leser om en undersøkelse i media, stopp opp og still de kritiske spørsmålene. Tallene forteller ikke alltid hele sannheten.