3.5 Prognose og modellering

«4 av 5 tannleger anbefaler…»

Du har sett reklamen: «4 av 5 tannleger anbefaler vår tannkrem.» Det høres overbevisende ut – helt til du begynner å stille spørsmål. Hvor mange tannleger ble egentlig spurt? Fem? Hva ble de spurt om – var tannkremen den beste, eller bare «en av flere de kunne anbefale»? Og fikk de betalt for å svare?

Statistikk brukes overalt: i nyheter, reklame, politikk og forskning. Tall virker objektive og troverdige, men bak hvert tall ligger det valg – hvem som ble spurt, hvordan spørsmålet ble stilt, og hvordan resultatet presenteres. Hvert av disse valgene kan skjevvri konklusjonen, med eller uten hensikt. I denne fortellingen lærer du å gjenkjenne de vanligste feilkildene, slik at du kan skille god statistikk fra tallmagi.

Hvem ble egentlig spurt?

Den første feilkilden ligger i selve utvalget. Når vi vil vite hva en hel befolkning mener, spør vi et utvalg – og da må utvalget ligne på befolkningen. Et slikt utvalg kalles representativt.

Men først må vi skille mellom to typer feil. Tilfeldig feil er naturlig variasjon som oppstår fordi vi bare spør noen få – den minsker når utvalget blir større. Systematisk feil, også kalt bias, er noe helt annet: den trekker resultatene i en bestemt retning, og her hjelper det ikke å spørre flere. Tusen skjeve svar er like skjeve som hundre.

Se på dette eksempelet: en nettavis legger ut en spørreundersøkelse på nettsiden sin, og hele $12\,000$ personer svarer. Imponerende? Nei – for hvem er det som svarer på slike undersøkelser? De som allerede leser akkurat den avisen, og blant dem særlig de med sterke meninger om temaet. Dette kalles selvseleksjon, og det gir et utvalg som ikke ligner på befolkningen, uansett hvor stort det er.

Hvordan bør man gjøre det i stedet? Vil du undersøke treningsvanene i en kommune, er det fristende å spørre folk på treningssenteret – men da treffer du bare dem som allerede trener. Å legge ut på Facebook gir selvseleksjon. Det beste er et tilfeldig utvalg fra folkeregisteret, der alle innbyggere har samme sjanse til å bli trukket ut. I tillegg må du følge med på frafallet: hvis bare en liten andel av de spurte faktisk svarer, kan de som svarte, skille seg systematisk fra dem som lot være.

Spørsmål som dytter, og diagrammer som lyver

Selv med et perfekt utvalg kan undersøkelsen ødelegges av selve spørsmålet. Sammenlign disse to: «Er du ikke enig i at skolen bør ha lengre friminutt?» og «Hva mener du om lengden på friminuttene?» Det første er et ledende spørsmål – formuleringen «er du ikke enig» antyder hva du bør svare, og resultatene blir deretter. Gode undersøkelser bruker nøytrale formuleringer og balanserte svaralternativer.

Så kommer presentasjonen – og her skjer kanskje de fleste hverdagssyndene. Tenk deg en avis som viser et stolpediagram over to skolers resultater: $95{,}2\,\%$ og $96{,}1\,\%$. Hvis $y$-aksen starter på $95$ i stedet for $0$, ser den ene stolpen dobbelt så høy ut som den andre – for en forskjell på bare $0{,}9$ prosentpoeng! Trikset kalles avkortet y-akse, og det forstørrer små forskjeller visuelt. Diagrammet viser riktige tall, men øyet ditt blir lurt likevel.

Et regneeksempel: et selskaps omsetning økte fra $50$ til $52$ millioner kroner. Den faktiske veksten er $\displaystyle \frac{52 - 50}{50} \cdot 100\,\% = 4\,\%$ – men med en y-akse som starter på $49$ millioner, ser søylen ut som en eksplosjon.

Derfor: bygg deg en sjekkliste. Hvem ble spurt, og hvordan ble utvalget trukket? Hvor mange svarte? Hvordan var spørsmålene formulert? Og er diagrammene ærlige – starter aksene på null, og er skalaen jevn? Den som har betalt for undersøkelsen, er forresten også verdt et blikk. «4 av 5 tannleger» klarer sjelden alle punktene på lista.

Oppsummering

Vi startet med en tannkremreklame og endte med et kritisk blikk på all statistikk. Feilkildene kommer i to hovedtyper: tilfeldig feil, som er naturlig variasjon og minsker med større utvalg, og systematisk feil, som trekker resultatene i én bestemt retning – og som ikke forsvinner uansett hvor mange du spør. Skjeve utvalg gjennom selvseleksjon, undersøkelser på feil sted og stort frafall gir systematiske skjevheter; det beste botemiddelet er et tilfeldig, representativt utvalg, for eksempel trukket fra folkeregisteret.

Deretter kommer spørsmålene og presentasjonen: ledende spørsmål dytter svarene i én retning, og avkortede y-akser forstørrer små forskjeller – som da en økning på $4\,\%$ så ut som en eksplosjon. Når du møter statistikk, bruk sjekklisten: Hvem ble spurt, og hvordan? Hvor mange svarte? Hvordan lød spørsmålene? Er diagrammene ærlige? Statistikk er et fantastisk verktøy for å forstå verden – men bare når du vet hvordan tallene ble til.