5.4 Kritisk analyse

Kan tall lyve?

Du scroller gjennom feeden og stopper ved et innlegg: «Salget EKSPLODERER -- se diagrammet!» Grafen viser en søyle som rager fire ganger høyere enn naboen. Lenger ned i feeden: «75 % av nordmenn trener minst tre ganger i uken.» Og en annonse lokker: «Gjennomsnittslønn ca. 500 000 kr!»

Tall og diagrammer virker objektive -- de ser ut som ren fakta. Men måten de presenteres på, kan villede. Aviser, reklame og sosiale medier bruker statistikk for å overbevise, og noen ganger er fremstillingen misvisende, med eller uten hensikt. Ingen av de tre påstandene over er regnet feil. Likevel lyver de alle, på hver sin måte.

I dette kapittelet skal du lære å avsløre misvisende diagrammer, vurdere om et utvalg er representativt, og gjennomskue villedende bruk av gjennomsnitt og median. Kort sagt: du skal bli en statistikk-detektiv.

Diagrammet som overdriver

La oss undersøke det «eksploderende» salget. Diagrammet sammenligner to butikker: A solgte for $92\,000$ kr og B for $98\,000$ kr. Men andreaksen i diagrammet starter ikke på null -- den starter på $90\,000$ kr.

Hva gjør det med søylene? Over aksestarten stikker A opp $92\,000 - 90\,000 = 2\,000$, mens B stikker opp $98\,000 - 90\,000 = 8\,000$. Søylen til B ser dermed $\displaystyle \frac{8\,000}{2\,000} = 4$ ganger så høy ut som søylen til A!

Den reelle forskjellen? $\displaystyle \frac{98\,000 - 92\,000}{92\,000} = \frac{6\,000}{92\,000} \approx 6{,}5\,\%$. En forskjell på seks og en halv prosent er forkledd som en firedobling -- bare ved å kutte aksen.

Et diagram er misvisende når det visuelle inntrykket ikke stemmer med tallene. Den kuttede andreaksen er det vanligste trikset, men det finnes flere: manipulert skala med ujevne intervaller langs aksene, og feil figurbruk der arealer eller 3D-effekter overdriver forskjeller -- dobler du både høyden og bredden på en figur, blir arealet fire ganger så stort, selv om verdien bare er doblet.

Detektivregel nummer én: se alltid på hvor aksene starter, før du ser på søylene.

Hvem har de egentlig spurt?

Neste sak: «75 % av nordmenn trener minst tre ganger i uken.» Tallet kommer fra en treningsblogg som spurte leserne sine, og $1\,800$ av $2\,400$ svarte ja. Regnestykket stemmer: $\displaystyle \frac{1\,800}{2\,400} = 75\,\%$. Så hva er problemet?

Problemet er hvem som ble spurt. En undersøkelse er bare pålitelig hvis utvalget er representativt for gruppen man vil si noe om -- utvalget må ligne på hele gruppen. De som leser en treningsblogg, trener åpenbart langt mer enn gjennomsnittsnordmannen. Utvalget er skjevt.

Og det stopper ikke der. Hvem gidder å svare på en spørreundersøkelse om trening? Mest de som er engasjerte i trening. Dette kalles selvseleksjon: bare de ivrigste deltar, og resultatet skjevvris enda mer. Konklusjonen «75 % av nordmenn» er ugyldig -- tallet gjelder i beste fall bloggens mest engasjerte lesere.

Det finnes flere feilkilder å se opp for. For lite utvalg: spør du bare ti personer, får tilfeldigheter enorm betydning -- én person utgjør $10$ prosentpoeng! Og ledende spørsmål: «Er du enig i at skolen bør slutte senere, slik at ungdom får nok søvn?» dytter svareren mot ja.

Detektivregel nummer to: spør alltid hvem som er spurt, hvor mange -- og hvordan spørsmålet ble stilt.

Tallet som er sant, men likevel lurer deg

Siste sak: stillingsannonsen med «Gjennomsnittslønn ca. 500 000 kr». I bedriften jobber det ti personer: ni ansatte tjener $420\,000$ kr hver, og lederen tjener $1\,200\,000$ kr. La oss kontrollregne:

$$\bar{x} = \frac{9 \cdot 420\,000 + 1\,200\,000}{10} = \frac{4\,980\,000}{10} = 498\,000 \text{ kr}$$

Tallet stemmer altså. Men hva kan en ny ansatt faktisk forvente? Medianen -- den midterste verdien -- er $420\,000$ kr, og det er det $9$ av $10$ ansatte tjener. Lederens lønn er en ekstremverdi som drar gjennomsnittet opp med nesten $80\,000$ kr. Annonsen er teknisk korrekt, men gir et misvisende inntrykk. Medianen ville vært ærligere.

Dette er et generelt mønster: den som presenterer tall, kan velge det sentralmålet som passer budskapet best. Gjennomsnittet dras opp av noen få høye verdier; medianen viser den «typiske» verdien. Spør alltid: hvilket sentralmål er brukt -- og hvorfor akkurat det?

Til slutt, den kanskje viktigste fellen av alle: korrelasjon er ikke årsak. At to størrelser følger hverandre, betyr ikke at den ene forårsaker den andre. Klassikeren: iskremsalg og drukningsulykker stiger samtidig hver sommer. Fører iskrem til drukning? Selvsagt ikke -- begge skyldes en tredje, bakenforliggende faktor: sommervarmen. Når du ser påstanden «X fører til Y», spør alltid: kan det finnes en bakenforliggende årsak som forklarer begge?

Oppsummering

Tre påstander fra feeden -- alle med korrekte tall, alle villedende. Nå har du verktøyene til å avsløre dem.

Det «eksploderende» salget var et misvisende diagram: en kuttet andreakse fikk en forskjell på $6{,}5\,\%$ til å se ut som en firedobling. Sjekk alltid hvor aksene starter, om skalaen er jevn, og om figurer og 3D-effekter overdriver.

Treningstallet bygde på et skjevt utvalg med selvseleksjon: bloggens ivrigste lesere kan ikke representere «nordmenn». En undersøkelse er bare gyldig når utvalget er representativt -- og stort nok, med nøytralt formulerte spørsmål.

Lønnsannonsen valgte sentralmål strategisk: lederens ekstremverdi dro gjennomsnittet opp til $498\,000$ kr, mens medianen på $420\,000$ kr viste den typiske lønnen. Spør alltid hvilket mål som er brukt, og hvorfor.

Og husk detektivens gylne regel: korrelasjon er ikke årsak -- bak en samvariasjon kan det skjule seg en bakenforliggende faktor, slik sommervarmen forklarte både iskremsalg og drukningsulykker.

Sjekklisten din: Hvor starter aksene? Hvem er spurt, og hvor mange? Hvilket sentralmål er brukt? Kan sammenhengen ha en annen forklaring? Med de fire spørsmålene i lomma er du langt vanskeligere å lure.