8.6 Selvstendig samfunnsøkonomisk prosjekt

Komplett prosjektmal med vurderingskriterier — binder sammen kapittel 4, 7 og 8 i et fullstendig selvstendig arbeid.

90 min

10 oppgaver

ProsjektrapportProblemstillingDatakilderVurderingskriterierFaglig integritet

Du leser den tradisjonelle versjonen

Din fremgang i kapitlet

0 / 10 oppgaver

Kapitlets plass i kurset

Bygger på

6.7Statistisk prosjektarbeid 7.3Ikke-lineær regresjon 8.5Digitale verktøy i modellering

Det store målet i S1

Dette kapittelet er ei arbeidsbok, ikkje ei lærebok. Her finn du malen for eit sjølvstendig prosjekt der du brukar det du har lært i kapittel 4 (økonomi), 7 (regresjon) og 8 (modellering) på eit samfunnsøkonomisk spørsmål du sjølv vel.

Prosjektet er profilmålet til faget. Det viser at du kan:

- formulere eit undersøkbart spørsmål
- finne, hente og forstå reelle data
- velje og bruke matematiske verktøy
- vurdere kvaliteten på modellane dine
- presentere funn ærleg og forståeleg

Eit godt prosjekttema er konkret, datatilgjengeleg og personleg interessant. Tre utgangspunkt:

1. Ei eiga forundring. «Kvifor ser eg så få ledige stillingar som lærar i Vestland?» «Kvifor er straum dyrare på Sørlandet?» Ekte spørsmål gir betre rapportar enn påtvinga.

2. Eit samfunnsfenomen. Bustadprisar, arbeidsløyse, prisvekst, lønsskilnader, klimakostnader, energipris, valutakurs.

3. Ein lokal samanheng. Rekneskapen til ei bedrift, prisane i nærbutikken, leigeprisar i byen din.

Sjekk før du startar:
- Finst det data tilgjengeleg? Kvar?
- Kor mange datapunkt får du? (Minst 6–8 blir tilrådd for regresjon)
- Er datasettet samfunnsøkonomisk relevant?
- Kan du fullføre på 2–4 veker?

Ein typisk S1-prosjektrapport følgjer denne strukturen (4–8 sider):

1. Samandrag (1 avsnitt). Kva spurde du om, kva fann du.

2. Innleiing og problemstilling (½ side). Bakgrunn, motivasjon, presis problemstilling, eventuell hypotese.

3. Data og metode (1–2 sider). Datakjelder med URL og nedlastingsdato, korleis du handsama dataene, kva verktøy og metodar du brukte.

4. Analyse og resultat (2–3 sider). Tabellar, grafar, berekningar. Skildra det du finn — lat dataene snakke.

5. Drøfting (1 side). Kva betyr funna? Kva avgrensingar har analysen? Korrelasjon vs. kausalitet? Konfunderande variablar?

6. Konklusjon (½ side). Direkte svar på problemstillinga, og kva som kan undersøkjast vidare.

7. Kjeldeliste. Datakjelder og eventuelle litteraturreferansar.

✏️Eksempelprosjekt: Bustadprisar og rente i Noreg 2014–2024

Skissér eit fullstendig prosjekt rundt samanhengen mellom styringsrenta og bustadprisane.

1. Samandrag: «Vi undersøkjer samanhengen mellom styringsrenta til Noregs Bank og bustadprisutviklinga i Noreg 2014–2024. Vi finn negativ korrelasjon (

r \approx -0{,}65

) — lågare rente er forbunde med høgare bustadprisar. Korrelasjonen er ikkje perfekt; andre faktorar som demografi, byggjekostnader og tillit til økonomien speler også inn.»

2. Innleiing: Bustad er ein av dei største utgiftene for hushald. Bustadprisane blir påverka av rentenivået fordi rente avgjer kva folk kan betene i lån. Spørsmål: Kor sterk er korrelasjonen mellom styringsrente og bustadprisindeks i Noreg 2014–2024?

3. Data og metode: SSB tabell 06035 (bustadprisindeks, månadleg), Noregs Bank styringsrente. Last ned som CSV. Rekn årleg snitt av rente. Slå saman i Excel.

4. Analyse: Spreiingsplott av (årleg snittrente, bustadprisindeks). Lineær regresjon i GeoGebra: $\hat{y} = -7{,}4r + 145$ . $R^2 \approx 0{,}42$ . $r \approx -0{,}65$ .

5. Drøfting:
- $R^2 = 0{,}42$ er moderat — rente forklarer ein del, men ikkje alt.
- Andre drivarar: tilbodsavgrensingar, demografi, finanskrisa 2008 låg før dataperioden, pandemien 2020–2022 gav låge renter og bustadprishopp.
- Korrelasjon er ikkje kausalitet, men her er det god teoretisk grunn til å tru at låg rente delvis forklarer høge prisar.

6. Konklusjon: Det er ein moderat negativ samanheng mellom rente og bustadprisar i Noreg 2014–2024. Bustadprisutviklinga heng saman med rentenivå, men er ikkje fullt ut avgjord av det. Vidare arbeid kan inkludere fleire variablar (folketal, bygging, løn).

7. Kjeldeliste: SSB.no/statbank/tabell/06035 (lese 15.04.2026), norges-bank.no/styringsrenten (lese 15.04.2026).

Marknad og prisar:
- Bustadprisar og rente
- Bensinpris og oljepris
- Straumpris og kraftproduksjon
- Matprisutvikling under inflasjon
- Valutakurs og eksport

Arbeidsmarknad:
- Løn etter utdanningsnivå
- Arbeidsløyse og BNP
- Yrkesval og kjønnsfordeling
- Innvandring og sysselsetjing

Demografi og samfunn:
- Folkevekst i fylke
- Samanheng utdanning og inntekt
- Helseutgifter og levealder
- Internasjonal samanlikning av BNP per capita

Bedriftsøkonomi:
- Lønsemd i ulike bransjar (BRREG)
- Vekst hos einskildbedrifter
- Samanlikning av nøkkeltal

Berekraft:
- CO₂-utslepp per innbyggjar og BNP
- Elbilandel og straumnettprisar
- Klimakostnader for landbruket

Kriterium	Låg	Middels	Høg
Problemstilling	Vag, vid	Klar, men generell	Presis, målbar, avgrensa
Datakjelder	Ikkje oppgitt	Oppgitt, men uklart	Oppgitt med URL og dato, kontrollerbar
Handsaming	Ikkje dokumentert	Skildra kort	Kvart val dokumentert med grunngiving
Metodebruk	Feil eller naiv	Rett, men overflatisk	Rett, drøfta, val av metode grunngitt
Bruk av matematikk	Lite/feil	Korrekt grunnleggjande	Korrekt og djuptgåande, derivasjon/regresjon brukt der det passar
Tolking	Berre skildring av tal	Tolkar, men ukritisk	Drøftar uvisse, konfundere, kausalitet
Kritisk vurdering	Manglar	Nemner avgrensingar	Drøftar avgrensingar og foreslår forbetringar
Presentasjon	Lite struktur	Akseptabel	Klar struktur, gode figurar, flytande tekst
Ærlegheit	Cherry-picking, skeiv framstilling	Stort sett ærleg	Diskuterer ope også resultata som ikkje passa hypotesen

Fagleg integritet

Det er freistande å «pynte» eit prosjekt ved å:

- skjule data som ikkje passar hypotesen
- velje variablar som gir høgast $R^2$
- presentere korrelasjon som kausalitet for å gjere rapporten meir dramatisk
- bruke akse-skala som overdriv effektar

Dette er ikkje fagleg arbeid — det er reklame. I yrkeslivet vil slik framferd gi konsekvensar. Som elev skal du øve på den motsette haldninga: vis det du fann, også når det er kjedeleg eller usikkert. Ein ærleg analyse med moderat $R^2$ er meir verdfull enn ein overdriven med høg $R^2$ .

1. For vid problemstilling. «Korleis heng økonomi saman?» kan ikkje svarast på.

2. For lite data. $n = 4$ er for lite til at nokon regresjon er meiningsfull.

3. Verktøy utan forståing. Klikkar i GeoGebra og rapporterer $R^2$ utan å sjekke residualar eller vurdere modelltype.

4. Ekstrapolering. Føreseie BNP i 2050 basert på data 2015–2024. Modellen kan ikkje vite kva som skjer om 25 år.

5. Korrelasjon = kausalitet. «Vi fann at fleire lærarar gir betre PISA-resultat ( $r = 0{,}3$ ). Derfor må vi tilsetje fleire lærarar.» Dette krev fleire skritt.

6. Mangel på kjelder. «Ifølgje SSB...» — utan å seie kva tabell, når han vart lesen, og kva som vart brukt.

7. Ingen avgrensingar nemnde. Ein seriøs rapport seier også kva analysen ikkje kan svare på.

Veke 1:
- Vel tema (1 time)
- Skriv problemstilling og les bakgrunn (2 timar)
- Last ned data, sjekk kvalitet (3 timar)
- Skriv første utkast av innleiinga (1 time)

Veke 2:
- Handsam og analyser dataene (4 timar)
- Lag grafar og tabellar (2 timar)
- Tilpass modellar, sjekk residualar (3 timar)

Veke 3:
- Skriv resultat og drøfting (4 timar)
- Korrekturles og forbetre (2 timar)
- Lever (sjekkliste i kapittel 6.7)

Totalt: ca. 22 timar arbeid. Juster etter omfanget på prosjektet.

📝Oppgave 1

Vel eitt av desse tre temaa og formuler ei presis problemstilling:

- Løn etter utdanning
- Straumpris og temperatur
- Bustadpris og fylke

📝Oppgave 2

For temaet du valde i oppgåve 1: identifiser to moglege konfunderande variablar og skildra korleis dei kan forvrengje analysen din.

📝Oppgave 3

Lag ein datatabell med 6 fiktive observasjonar for ditt valde tema. Tilpass ein lineær modell og kommenter residualane.

📝Oppgave 4

Drøftingsoppgåve: Kvifor er kompetansemålet «planlegge og gjennomføre eit sjølvstendig arbeid med reelle datasett knytte til samfunnsøkonomiske tema og forhold, og analysere og presentere funn» truleg det viktigaste i S1-faget? Grunngi ut frå arbeidsliv, samfunn og personleg utvikling.

📝Oppgave 5

Sluttoppgåve (samleoppgåve): Skriv ein kort prosjektplan for eit eige sjølvstendig arbeid. Inkluder: problemstilling, datakjelder, metode, tidsplan, og kva verktøy du vil bruke. Vis planen til ein medelev og be om tilbakemelding.

Oppsummering

I dette kapittelet har du lært:

- Prosjektfasane: Problemstilling → datainnsamling (t.d. SSB) → modellering og analyse → presentasjon → kritisk vurdering.
- Godt prosjektdesign: Presis problemstilling, definerte variablar, truverdige kjelder og dokumentert metode.
- Analyse: Regresjon, korrelasjon og indeksregulering blir brukte på reelle samfunnsøkonomiske data — og korrelasjon må ikkje forvekslast med kausalitet.
- Fagleg integritet: Oppgi kjelder, ikkje juster data for å «få det til å stemme», og ver open om uvisse og avgrensingar.

Nøkkelomgrep

Omgrep	Forklaring
Problemstilling	Presist, undersøkbart spørsmål
Datakjelde	T.d. SSB, Noregs Bank
Kritisk vurdering	Drøfting av gyldigheit og uvisse
Fagleg integritet	Ærleg og etterprøvbar framstilling

Viktige formlar

- Prosentvis endring:

\dfrac{\text{ny} - \text{gammal}}{\text{gammal}} \cdot 100\,\%

- Realverdi

=

nominell verdi

\cdot \dfrac{100}{\text{KPI}}

Repetisjonsoppgåver

Din fremgang

0deloppgaver0 / 5 oppgaver

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.