Kritisk vurdering av statistikk og presentasjoner.
Statistisk analyse
«Det finst tre typar lygn: lygn, forbanna lygn og statistikk.» Sitatet blir tilskrive Mark Twain og minner oss om at statistikk kan brukast til å villeie like mykje som å opplyse.
I dette kapittelet skal du lære:
- Korleis statistikk kan framstillast misvisande
- Vanlege feilkjelder i undersøkingar
- Skilnaden mellom korrelasjon og kausalitet
- Korleis presentere statistikk på ein ærleg og rett måte
Statistikk kan framstillast misvisande på fleire måtar:
Avkutta y-akse: Når y-aksen ikkje startar på 0, ser skilnader mykje større ut enn dei er. Ein auke frå 100 til 105 kan sjå ut som ei dobling dersom aksen går frå 98 til 106.
Feil skala: Ujamne intervall på aksane forvrengjer biletet.
Cherry-picking: Velje ut data som støttar eit bestemt synspunkt og utelate resten. Til dømes: «Kriminaliteten auka frå 2019 til 2020» – utan å nemne at ho har gått ned kvart år i 20 år.
Misvisande samanlikningar: Samanlikne grupper som ikkje er samanliknbare, eller bruke ulike målestokkar.
3D-diagram: Gir ofte eit forvrengt bilete fordi perspektivet gjer det vanskeleg å lese av verdiar korrekt.
Ei avis viser eit stolpediagram over arbeidsløysa i to kommunar. Kommune A har 4,2 % løyse og kommune B har 4,8 % løyse. Y-aksen startar på 4,0 %. Kva er problemet?
Når y-aksen startar på 4,0 % i staden for 0 %, ser skilnaden mellom 4,2 % og 4,8 % dramatisk ut – stolpen for B ser nesten tre gonger så høg ut som stolpen for A.
I røynda er skilnaden berre 0,6 prosentpoeng – relativt liten.
Korrekt framstilling: Y-aksen bør starte på 0 %, eller det bør tydeleg markerast at aksen er avkutta (med bølgjelinje). Lesaren må alltid sjekke aksane.
Tommelfingerregel: Dersom nokon viser deg eit diagram – sjekk aksane først!
Eit selskap viser i årsrapporten at omsetninga auka frå 50 millionar til 52 millionar kroner. I diagrammet startar y-aksen på 49 millionar. Kva er effekten av dette?
Finn eit eksempel på misvisande statistikk i media (nettaviser, reklame, sosiale medium). a) Beskriv kva som blir vist og kva som er misvisande. b) Forklar kva teknikk som blir brukt for å villeie. c) Lag ei meir ærleg framstilling av dei same dataene.
Feilkjelder kan gjere resultata upålitelege:
Utvalsskeivskap: Utvalet er ikkje representativt for populasjonen. Eksempel: Å spørje folk på eit kjøpesenter om handlevanane deira gir eit skeivt utval – dei som aldri handlar der, er ikkje med.
Leiande spørsmål: Spørsmålet er formulert slik at det styrer svaret. «Er du ikkje einig i at ...?» gir andre svar enn «Kva meiner du om ...?»
Konfunderande variablar: Ein tredje faktor påverkar begge variablane vi undersøkjer. Eksempel: Barn som et frukost, gjer det betre på skulen – men kanskje handlar det om familieforhold, ikkje frukosten i seg sjølv.
Sjølvseleksjon: Berre dei som er spesielt engasjerte, svarar på undersøkinga. Nettavstemmingar er eit typisk eksempel.
Låg svarprosent: Dersom få svarar, kan vi ikkje stole på resultata.
Ein interesseorganisasjon gjennomfører ei undersøking med spørsmålet: «Synest du ikkje at det er urettferdig at lærarar tener så lite?» 87 % svarte ja. Kva er problemet?
Spørsmålet er leiande av fleire grunnar:
1. «Synest du ikkje at ...» forventar eit «ja»-svar
2. «Urettferdig» er eit lada ord som styrer oppfatninga
3. «Så lite» er ein påstand i seg sjølv – spørsmålet føreset at lærarar tener lite
Betre formulering: «Kva synest du om norske lærarlønner?» med valalternativ som «for låge», «passande», «for høge».
Konklusjon: Resultatet (87 %) seier meir om spørsmålet enn om den faktiske meininga til folk. Leiande spørsmål gir upålitelege data.
Ei nettavis lagar ei avstemming: «Bør Noreg satse meir på fornybar energi?» 92 % svarar ja. Kva er den viktigaste feilkjelda?
Kausalitet (årsakssamanheng) tyder at den eine variabelen faktisk forårsakar endringa i den andre.
Korrelasjon tyder IKKJE kausalitet!
Klassisk eksempel: Iskremsal og drukning korrelerer positivt – begge aukar om sommaren. Men is forårsakar ikkje drukning! Den konfunderande variabelen er sommarvarmen, som aukar både issal og bading.
For å påvise kausalitet treng vi:
1. Korrelasjon (samvariasjon)
2. Tidsrekkjefølgje (årsaka kjem før verknaden)
3. Utelukke alternative forklaringar (konfunderande variablar)
4. Gjerne eit kontrollert eksperiment
Ein studie viser at elevar som les meir, har betre karakterar. Kan vi konkludere med at lesing fører til betre karakterar?
Vi veit at det er ein korrelasjon mellom lesing og gode karakterar. Men vi kan ikkje utan vidare konkludere med kausalitet fordi:
Moglege konfunderande variablar:
- Motiverte elevar les kanskje meir og jobbar hardare med skulearbeidet
- Foreldre som oppmodar til lesing, følgjer kanskje òg opp skulearbeidet meir
- Elevar med gode evner finn det kanskje lettare å lese og får gode karakterar
Mogleg omvendt kausalitet: Kanskje elevar som gjer det bra på skulen, får betre sjølvtillit og dermed les meir?
Konklusjon: Vi kan seie at lesing og gode karakterar heng saman, men vi kan ikkje påstå at det eine forårsakar det andre utan grundigare forsking (t.d. kontrollerte eksperiment).
For kvart par av variablar nedanfor: Forklar om det er korrelasjon, kausalitet, eller begge delar. Nemn eventuelle konfunderande variablar.
a) Talet på brannmenn på staden og skadeomfanget ved ein brann.
b) Røyking og lungekreft.
c) Skostorleik og leseferdigheit hos barn.
d) Talet på timar med trening per veke og kvilepuls.
Ein studie viser at land med høgare sjokoladeforbruk per innbyggjar har fleire nobelprisvinnarar. Kva er den mest sannsynlege forklaringa?
Når du presenterer statistikk, bør du:
1. La y-aksen starte på 0 (eller tydeleg markere avkutting)
2. Vise heile biletet – ikkje plukke ut periodar som støttar eitt synspunkt
3. Oppgi storleiken på utvalet og korleis det blei valt
4. Bruke rett sentralmål – median ved skeive data, gjennomsnitt ved symmetriske
5. Oppgi spreiing – ikkje berre gjennomsnitt, men òg standardavvik eller IQR
6. Skilje mellom korrelasjon og kausalitet
7. Oppgi feilmarginar – spesielt ved spørjeundersøkingar
8. Bruke klare og ærlege overskrifter som ikkje overdriv funna
Ein rapport seier: «Gjennomsnittsinntekta i kommunen er 650 000 kr.» Inntektene er: 350, 380, 400, 420, 440, 450, 480, 500, 550, 2 800 (i 1 000 kr). Kva er problemet, og korleis bør det framstillast?
Problem: Gjennomsnittet (677 000 kr) blir trekt kraftig opp av éin person med svært høg inntekt (2 800 000 kr). Det gir eit feil bilete av ei «typisk» inntekt.
Betre framstilling:
- Medianen = (440 + 450) / 2 = 445 000 kr – gir eit betre bilete av typisk inntekt
- Oppgi begge: «Medianinntekta er 445 000 kr (gjennomsnitt 677 000 kr)»
- Nemn at spreiinga er stor (standardavvik ≈ 720 000 kr) og at éin uteliggjar dreg gjennomsnittet opp
- Vis gjerne eit boksplott som tydeleg viser uteliggjaren
Konklusjon: Rapporten bør bruke medianen og forklare at gjennomsnittet er påverka av uteliggjarar.
Vurder følgjande påstandar kritisk. Forklar kva som er problematisk med kvar:
a) «9 av 10 tannlegar tilrår tannkremen vår.»
b) «Kriminaliteten dobla seg frå 2020 til 2021.» (Basert på 2 hendingar i 2020 og 4 i 2021.)
c) «Elevane våre scorar 10 % over landsgjennomsnittet.» (Skulen har berre 15 elevar.)
Oppsummering
- Misvisande grafar bruker avkutta aksar, skeive skalaar eller 3D-effektar
- Cherry-picking er å velje ut data som støttar eit bestemt synspunkt
- Feilkjelder: utvalsskeivskap, leiande spørsmål, sjølvseleksjon, konfunderande variablar
- Korrelasjon ≠ kausalitet – samvariasjon tyder ikkje årsakssamanheng
- Konfunderande variablar kan forklare tilsynelatande samanhengar
- For å vise kausalitet treng ein korrelasjon, tidsrekkjefølgje og utelukking av alternativ
- Ærleg statistikk: bruk rett sentralmål, oppgi spreiing, start y-aksen på 0, vis heile biletet
Du skal gjennomføre ei undersøking blant elevane på skulen din om skjermtid. a) Formuler tre spørsmål som er nøytrale (ikkje leiande). b) Forklar korleis du ville valt ut elevar for å få eit representativt utval. c) Nemn tre feilkjelder som kan oppstå og forklar korleis du ville redusert dei. d) Kva sentralmål og spreiingsmål ville du brukt for å presentere resultata?
Les følgjande påstand og analyser han kritisk:
«Ein ny studie viser at elevar som bruker nettbrett i undervisninga scorar 15 % lågare på prøver enn elevar som bruker papir og blyant. Studien blei gjennomført av Foreininga for Tradisjonell Undervisning og inkluderte 200 elevar frå to ulike skular.»
a) Identifiser minst tre potensielle feilkjelder eller veikskapar. b) Kva konfunderande variablar kan spele inn? c) Kan vi konkludere at nettbrett forårsakar dårlegare resultat? Grunngi. d) Kva ville gjort studien meir påliteleg?
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.