Misvisende fremstillinger, tilfeldige og systematiske feil, feilkilder i undersøkelser og ærlig presentasjon av statistikk.
Statistisk analyse
«Det finnes tre typer løgn: løgn, forbannet løgn og statistikk.» Sitatet er kjent gjennom Mark Twain, som selv tilskrev det den britiske statsministeren Benjamin Disraeli. Det 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 tilfeldige og systematiske feil
- 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.
Håndplukking av data: 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.
Bildesymboler (piktogrammer): Gjøres et symbol dobbelt så bredt og dobbelt så høyt, blir flaten fire ganger så stor – selv om tallet bare er doblet.
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?
Høyde over aksestart:
A:
B:
, så stolpen for B ser fire ganger så høy ut som stolpen for A.
Faktisk forskjell: prosentpoeng
, så B har bare ca. 14 % høyere ledighet enn A.
Svar: Den avkuttede y-aksen får en forskjell på 0,6 prosentpoeng til å se dramatisk ut. Y-aksen bør starte på 0 %, eller avkuttingen må markeres tydelig (for eksempel med en bølgelinje). Sjekk alltid 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).
Beskriv hva som vises og hva som er misvisende.
Forklar hvilken teknikk som brukes for å villede.
Lag en mer ærlig fremstilling av de samme dataene.
Feilkilder kan gjøre resultatene upålitelige. Vi skiller mellom to typer feil:
Tilfeldig feil: Naturlig variasjon fordi vi bare spør et utvalg. Den minker når utvalget blir større.
Systematisk feil: Trekker resultatene i en bestemt retning. Større utvalg hjelper ikke – 12 000 svar på en nettavstemning er fortsatt et skjevt utvalg. Feilkildene under er systematiske feil.
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 ...?»
Bakenforliggende 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. Mer om korrelasjon og kausalitet i 3.4.
Selvseleksjon: Bare de som er spesielt engasjerte, svarer på undersøkelsen. Nettavstemninger er et typisk eksempel.
Lav svarprosent (frafall): Hvis få svarer, kan vi ikke stole på resultatene – de som svarer, skiller seg ofte fra dem som ikke svarer.
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:
- «Synes du ikke at ...» forventer et «ja»-svar.
- «Urettferdig» er et ladet ord som styrer oppfatningen.
- «Så lite» er en påstand i seg selv – spørsmålet forutsetter at lærere tjener lite.
Bedre formulering: «Hva synes du om norske lærerlønninger?» med svaralternativene «for lave», «passende» og «for høye».
Svar: Spørsmålet er ledende, så resultatet (87 %) sier mer om spørsmålet enn om hva folk faktisk mener.
En nettavis lager en avstemning: «Bør Norge satse mer på fornybar energi?» 92 % svarer ja. Hva er den viktigste feilkilden?
«Er du ikke enig i at skolen bør ha lengre friminutt?» Forklar hvorfor dette spørsmålet er dårlig, og skriv det om.
Hva er den beste måten å velge deltakere til en undersøkelse om treningsvaner i en kommune?
1. Hvem er avsender? Har de interesse av et bestemt resultat?
2. Hvor stort er utvalget? 30 personer sier lite om hele Norge.
3. Tilfeldig utvalg? Tilfeldig er best.
4. Ledende spørsmål? Gir skjeve svar.
5. Starter y-aksen på 0? Avkuttede akser overdriver forskjeller.
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 kvartilbredde
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 677 000 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?
(i 1 000 kr, regneark eller kalkulator)
Én person med 2 800 000 kr trekker gjennomsnittet langt over alle de andre inntektene.
Svar: Gjennomsnittet gir et feil bilde av en typisk inntekt. Rapporten bør oppgi medianen: «Medianinntekten er 445 000 kr (gjennomsnitt 677 000 kr)», nevne at spredningen er stor (standardavvik ca. 710 000 kr) og gjerne vise et boksplott der uteliggeren synes.
Vurder følgende påstander kritisk. Forklar hva som er problematisk med hver.
«9 av 10 tannleger anbefaler vår tannkrem.»
«Kriminaliteten doblet seg fra 2020 til 2021.» (Basert på 2 hendelser i 2020 og 4 i 2021.)
«Elevene våre scorer 10 % over landsgjennomsnittet.» (Skolen har bare 15 elever.)
Du skal gjennomføre en undersøkelse blant elevene på skolen din om skjermtid.
Formuler tre spørsmål som er nøytrale (ikke ledende).
Forklar hvordan du ville valgt ut elever for å få et representativt utvalg.
Nevn tre feilkilder som kan oppstå og forklar hvordan du ville redusert dem.
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.»
Identifiser minst tre potensielle feilkilder eller svakheter.
Hvilke bakenforliggende variabler kan spille inn?
Kan vi konkludere at nettbrett forårsaker dårligere resultater? Begrunn.
Hva ville gjort studien mer pålitelig?
Oppsummering
- Misvisende grafer bruker avkuttede akser, skjeve skalaer, oppblåste bildesymboler eller 3D-effekter
- Håndplukking av data er å velge ut data som støtter et bestemt synspunkt
- Tilfeldig feil minker med større utvalg; systematisk feil gjør det ikke
- Feilkilder: utvalgsskjevhet, ledende spørsmål, selvseleksjon, frafall, bakenforliggende variabler
- Lite utvalg gir stor tilfeldig usikkerhet
- Korrelasjon ≠ kausalitet – mer om dette i 3.4
- Ærlig statistikk: bruk riktig sentralmål, oppgi spredning, start y-aksen på 0, vis hele bildet
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.