2.7 Datavisualisering og tolkning

Tall som forteller -- og lyver

Statistikk handler ikke bare om å regne, men om å kommunisere funn tydelig og ærlig. Og her ligger en fare: det samme tallet kan presenteres så det opplyser, eller så det villeder. Først skal vi se på hvordan vi viser data riktig, og deretter hvordan vi avslører triksene.

Valg av diagramtype er avgjørende. Et histogram viser fordelingen av én kvantitativ variabel, som eksamensresultater. Et boksplott sammenligner fordelinger mellom grupper. Et punktdiagram (scatterplott) viser sammenhengen mellom to kvantitative variabler, som studietid mot karakter. Et stolpediagram sammenligner kategorier, et linjediagram viser utvikling over tid, og et kakediagram viser andeler av en helhet.

Boksplottet fortjener en ekstra forklaring, for det pakker mye informasjon i lite plass. Boksen dekker midtre 50 % av dataene -- fra første kvartil $Q_1$ til tredje kvartil $Q_3$ -- med en strek for medianen. «Værhårene» strekker seg til de ytterste verdiene innenfor $1{,}5 \cdot \text{IQR}$, og punkter utenfor markeres som uteliggere. Tre klasser med median 72, 68 og 75 kan dermed sammenlignes raskt: høyest median betyr best prestasjon, og minst boks (lavest IQR) betyr mest konsistente resultater. Et par grunnregler for godt design: start y-aksen ved 0 for stolpediagram, bruk lik skala når du sammenligner, og unngå 3D-effekter som forvrenger proporsjonene.

Triksene og paradoksene

Nå til den mørke kunsten -- hvordan statistikk villeder. Den vanligste teknikken er en manipulert y-akse. Starter du aksen ved 195 i stedet for 0, kan en salgsøkning fra 200 til 210 (bare 5 %) se ut som en tredobling. Stolpen blir tre ganger høyere, selv om forskjellen er bitteliten. En annen teknikk er kirsebærplukking -- man velger bare dataene som støtter påstanden, for eksempel en startdato på en graf som gir inntrykk av sterk vekst. En tredje er forveksling av korrelasjon og kausalitet, som vi har sett mange ganger. En fjerde er misbruk av prosenter: «risikoen øker med 100 %!» kan bety en økning fra 1 til 2 per 10 000 -- statistisk signifikant, men praktisk ubetydelig.

Et særlig snedig fenomen er Simpsons paradoks: en trend som gjelder i hver delgruppe kan snu når gruppene slås sammen. I et klassisk eksempel kan begge avdelinger på et universitet ha lik eller høyere opptaksprosent for kvinner, men totalt ser det ut som kvinner diskrimineres -- fordi kvinner i større grad søker den vanskelige avdelingen. Lærdommen er å alltid sjekke relevante delgrupper før du stoler på et samlet tall.

Den kanskje viktigste innsikten er skillet mellom statistisk og praktisk signifikans. Statistisk signifikans ($p < 0{,}05$) betyr bare at resultatet er usannsynlig å skyldes tilfeldigheter -- det sier ingenting om hvor stor eller viktig effekten er. Med et stort nok utvalg blir selv en triviell forskjell signifikant. Tenk på en studie med 100 000 deltakere som finner at et nytt opplegg øker poeng fra 50,0 til 50,3 med $p = 0{,}001$. Statistisk signifikant, ja -- praktisk meningsløst. For å måle den praktiske betydningen bruker vi effektstørrelse, som Cohens $\displaystyle d = \frac{\bar{x}_1 - \bar{x}_2}{s_p}$, der $d$ rundt 0,2 er liten, 0,5 middels og 0,8 stor effekt.

Den kritiske leseren

Som forsker og opplyst borger må du kunne vurdere statistiske påstander kritisk. Det finnes fem spørsmål du alltid bør stille. Er utvalget representativt? Et skjevt utvalg er upålitelig uansett hvor stort det er. Handler det om korrelasjon eller kausalitet? Bare randomiserte eksperimenter kan påvise årsak. Er det statistisk eller praktisk signifikant? En lav p-verdi gjør ikke funnet viktig. Finnes det konfunderende variabler som kan forklare en tilsynelatende sammenheng? Og kan resultatet repliseres? Ett enkelt funn er aldri nok.

La oss bruke disse på en typisk medieoverskrift: «Ny studie: folk som spiser sjokolade daglig lever 3 år lenger!» Den bygger på et spørreskjema til personer over 70. Her vrimler det av problemer. Studien er observasjonell, så den kan ikke vise kausalitet. Sjokoladespisere kan ha høyere inntekt eller sunnere livsstil -- konfunderende variabler. Og siden bare folk over 70 ble spurt, er utvalget allerede filtrert for overlevelse, en overlevelsesskjevhet. Den korrekte formuleringen ville vært at det finnes en sammenheng, ikke en årsak.

Når du selv rapporterer resultater, bør du ta med alt som trengs for en ærlig vurdering: beskrivende statistikk (gjennomsnitt, standardavvik, $n$), teststatistikk og frihetsgrader, eksakt p-verdi, effektstørrelse og konfidensintervall. En god rapportering ser slik ut: «Gruppe A ($M = 78{,}3$, $SD = 8{,}2$, $n = 45$) skåret signifikant høyere enn gruppe B ($M = 72{,}1$, $SD = 9{,}0$, $n = 42$), $t(85) = 3{,}36$, $p = 0{,}001$, $d = 0{,}72$, 95 % KI: $[2{,}5, 9{,}9]$.» Og husk publiseringsskjevhet: studier med signifikante funn publiseres langt oftere enn nullresultater, så den publiserte litteraturen overdriver gjerne effektene.

Oppsummering

Vi har sett at god datavisualisering krever riktig diagramvalg: punktdiagram for sammenhenger, histogram for fordelinger, boksplott for sammenligninger. Villedende statistikk bruker triks som manipulert y-akse, kirsebårplukking, forveksling av korrelasjon og kausalitet, og misbruk av prosenter. Simpsons paradoks minner oss om at trender kan snu når data slås sammen.

Det aller viktigste er skillet mellom statistisk signifikans ($p < 0{,}05$) og praktisk signifikans, som vi måler med effektstørrelse som Cohens $d$. God rapportering inkluderer beskrivende statistikk, teststatistikk, p-verdi, effektstørrelse og konfidensintervall. Og still alltid de fem kritiske spørsmålene: representativt utvalg, korrelasjon eller kausalitet, konfunderende variabler, praktisk betydning og replikerbarhet.