Kritisk vurdering av statistikk og presentasjoner.
Statistisk analyse
«Det finnes tre typer løgn: løgn, forbannet løgn og statistikk.» Sitatet tilskrives Mark Twain og minner oss om at statistikk kan brukes til å villede like mye som å opplyse.
I dette kapittelet skal du lære:
- Hvordan statistikk kan fremstilles misvisende
- Vanlige feilkilder i undersøkelser
- Forskjellen mellom korrelasjon og kausalitet
- Hvordan presentere statistikk på en ærlig og riktig måte
Statistikk kan fremstilles misvisende på flere måter:
Avkuttet y-akse: Når y-aksen ikke starter på 0, ser forskjeller mye større ut enn de er. En økning fra 100 til 105 kan se ut som en dobling hvis aksen går fra 98 til 106.
Feil skala: Ujevne intervaller på aksene forvrenger bildet.
Cherry-picking: Velge ut data som støtter et bestemt synspunkt og utelate resten. For eksempel: «Kriminaliteten økte fra 2019 til 2020» – uten å nevne at den har gått ned hvert år i 20 år.
Misvisende sammenligninger: Sammenligne grupper som ikke er sammenlignbare, eller bruke ulike målestokker.
3D-diagrammer: Gir ofte et forvrengt bilde fordi perspektivet gjør det vanskelig å lese av verdier korrekt.
En avis viser et stolpediagram over arbeidsledigheten i to kommuner. Kommune A har 4,2 % ledighet og kommune B har 4,8 % ledighet. Y-aksen starter på 4,0 %. Hva er problemet?
Når y-aksen starter på 4,0 % i stedet for 0 %, ser forskjellen mellom 4,2 % og 4,8 % dramatisk ut – stolpen for B ser nesten tre ganger så høy ut som stolpen for A.
I virkeligheten er forskjellen bare 0,6 prosentpoeng – relativt liten.
Korrekt fremstilling: Y-aksen bør starte på 0 %, eller det bør tydelig markeres at aksen er avkuttet (med bølgelinje). Leseren må alltid sjekke aksene.
Tommelfingerregel: Hvis noen viser deg et diagram – sjekk aksene først!
Et selskap viser i årsrapporten at omsetningen økte fra 50 millioner til 52 millioner kroner. I diagrammet starter y-aksen på 49 millioner. Hva er effekten av dette?
Finn et eksempel på misvisende statistikk i mediene (nettaviser, reklame, sosiale medier). a) Beskriv hva som vises og hva som er misvisende. b) Forklar hvilken teknikk som brukes for å villede. c) Lag en mer ærlig fremstilling av de samme dataene.
Feilkilder kan gjøre resultatene upålitelige:
Utvalgsskjevhet: Utvalget er ikke representativt for populasjonen. Eksempel: Å spørre folk på et kjøpesenter om handlevanene deres gir et skjevt utvalg – de som aldri handler der, er ikke med.
Ledende spørsmål: Spørsmålet er formulert slik at det styrer svaret. «Er du ikke enig i at ...?» gir andre svar enn «Hva mener du om ...?»
Konfunderende variabler: En tredje faktor påvirker begge variablene vi undersøker. Eksempel: Barn som spiser frokost, gjør det bedre på skolen – men kanskje handler det om familieforhold, ikke frokosten i seg selv.
Selvseleksjon: Bare de som er spesielt engasjerte, svarer på undersøkelsen. Nettavstemninger er et typisk eksempel.
Lav svarprosent: Hvis få svarer, kan vi ikke stole på resultatene.
En interesseorganisasjon gjennomfører en undersøkelse med spørsmålet: «Synes du ikke at det er urettferdig at lærere tjener så lite?» 87 % svarte ja. Hva er problemet?
Spørsmålet er ledende av flere grunner:
1. «Synes du ikke at ...» forventer et «ja»-svar
2. «Urettferdig» er et ladet ord som styrer oppfatningen
3. «Så lite» er en påstand i seg selv – spørsmålet forutsetter at lærere tjener lite
Bedre formulering: «Hva synes du om norske lærerlønninger?» med valgalternativer som «for lave», «passende», «for høye».
Konklusjon: Resultatet (87 %) sier mer om spørsmålet enn om folks faktiske mening. Ledende spørsmål gir upålitelige data.
En nettavis lager en avstemning: «Bør Norge satse mer på fornybar energi?» 92 % svarer ja. Hva er den viktigste feilkilden?
Kausalitet (årsakssammenheng) betyr at den ene variabelen faktisk forårsaker endringen i den andre.
Korrelasjon betyr IKKE kausalitet!
Klassisk eksempel: Iskremssalg og drukning korrelerer positivt – begge øker om sommeren. Men is forårsaker ikke drukning! Den konfunderende variabelen er sommervarmen, som øker både issalg og bading.
For å påvise kausalitet trenger vi:
1. Korrelasjon (samvariasjon)
2. Tidsrekkefølge (årsaken kommer før virkningen)
3. Utelukke alternative forklaringer (konfunderende variabler)
4. Gjerne et kontrollert eksperiment
En studie viser at elever som leser mer, har bedre karakterer. Kan vi konkludere med at lesing fører til bedre karakterer?
Vi vet at det er en korrelasjon mellom lesing og gode karakterer. Men vi kan ikke uten videre konkludere med kausalitet fordi:
Mulige konfunderende variabler:
- Motiverte elever leser kanskje mer og jobber hardere med skolearbeidet
- Foreldre som oppfordrer til lesing, følger kanskje også opp skolearbeidet mer
- Elever med gode evner finner det kanskje lettere å lese og får gode karakterer
Mulig omvendt kausalitet: Kanskje elever som gjør det bra på skolen, får bedre selvtillit og dermed leser mer?
Konklusjon: Vi kan si at lesing og gode karakterer henger sammen, men vi kan ikke påstå at det ene forårsaker det andre uten mer grundig forskning (f.eks. kontrollerte eksperimenter).
For hvert par av variabler nedenfor: Forklar om det er korrelasjon, kausalitet, eller begge deler. Nevn eventuelle konfunderende variabler.
a) Antall brannmenn på stedet og skadeomfanget ved en brann.
b) Røyking og lungekreft.
c) Skostørrelse og leseferdighet hos barn.
d) Antall timer med trening per uke og hvilepuls.
En studie viser at land med høyere sjokoladeforbruk per innbygger har flere nobelprisvinnere. Hva er den mest sannsynlige forklaringen?
Når du presenterer statistikk, bør du:
1. La y-aksen starte på 0 (eller tydelig markere avkutting)
2. Vise hele bildet – ikke plukke ut perioder som støtter ett synspunkt
3. Oppgi utvalgets størrelse og hvordan det ble valgt
4. Bruke riktig sentralmål – median ved skjeve data, gjennomsnitt ved symmetriske
5. Oppgi spredning – ikke bare gjennomsnitt, men også standardavvik eller IQR
6. Skille mellom korrelasjon og kausalitet
7. Oppgi feilmarginer – spesielt ved spørreundersøkelser
8. Bruke klare og ærlige overskrifter som ikke overdriver funnene
En rapport sier: «Gjennomsnittsinntekten i kommunen er 650 000 kr.» Inntektene er: 350, 380, 400, 420, 440, 450, 480, 500, 550, 2 800 (i 1 000 kr). Hva er problemet, og hvordan bør det fremstilles?
Problem: Gjennomsnittet (677 000 kr) trekkes kraftig opp av én person med svært høy inntekt (2 800 000 kr). Det gir et feil bilde av en «typisk» inntekt.
Bedre fremstilling:
- Medianen = (440 + 450) / 2 = 445 000 kr – gir et bedre bilde av typisk inntekt
- Oppgi begge: «Medianinntekten er 445 000 kr (gjennomsnitt 677 000 kr)»
- Nevn at spredningen er stor (standardavvik ≈ 720 000 kr) og at én uteligger trekker gjennomsnittet opp
- Vis gjerne et boksplott som tydelig viser uteliggeren
Konklusjon: Rapporten bør bruke medianen og forklare at gjennomsnittet er påvirket av uteliggere.
Vurder følgende påstander kritisk. Forklar hva som er problematisk med hver:
a) «9 av 10 tannleger anbefaler vår tannkrem.»
b) «Kriminaliteten doblet seg fra 2020 til 2021.» (Basert på 2 hendelser i 2020 og 4 i 2021.)
c) «Elevene våre scorer 10 % over landsgjennomsnittet.» (Skolen har bare 15 elever.)
Oppsummering
- Misvisende grafer bruker avkuttede akser, skjeve skalaer eller 3D-effekter
- Cherry-picking er å velge ut data som støtter et bestemt synspunkt
- Feilkilder: utvalgsskjevhet, ledende spørsmål, selvseleksjon, konfunderende variabler
- Korrelasjon ≠ kausalitet – samvariasjon betyr ikke årsakssammenheng
- Konfunderende variabler kan forklare tilsynelatende sammenhenger
- For å vise kausalitet trenger man korrelasjon, tidsrekkefølge og utelukkelse av alternativer
- Ærlig statistikk: bruk riktig sentralmål, oppgi spredning, start y-aksen på 0, vis hele bildet
Du skal gjennomføre en undersøkelse blant elevene på skolen din om skjermtid. a) Formuler tre spørsmål som er nøytrale (ikke ledende). b) Forklar hvordan du ville valgt ut elever for å få et representativt utvalg. c) Nevn tre feilkilder som kan oppstå og forklar hvordan du ville redusert dem. d) Hvilke sentralmål og spredningsmål ville du brukt for å presentere resultatene?
Les følgende påstand og analyser den kritisk:
«En ny studie viser at elever som bruker nettbrett i undervisningen scorer 15 % lavere på prøver enn elever som bruker papir og blyant. Studien ble gjennomført av Foreningen for Tradisjonell Undervisning og inkluderte 200 elever fra to ulike skoler.»
a) Identifiser minst tre potensielle feilkilder eller svakheter. b) Hvilke konfunderende variabler kan spille inn? c) Kan vi konkludere at nettbrett forårsaker dårligere resultater? Begrunn. d) Hva ville gjort studien mer pålitelig?
Dette kapitlet er skrevet av Anthropics toppmodeller (Claude Opus og Claude Fable) og er foreløpig ikke manuelt gjennomgått — kvalitetskontrollen gjøres av uavhengige KI-agenter, og innmeldte feil rettes fortløpende. Funnet en feil? Meld fra, så retter vi den. Les mer om hvordan innholdet lages.