Mycket och lite information

Mängden information kan också påverka hur du tolkar informationen.

Eftersom det är svårt att tolka information så är en lösningen på det problemet att förenkla så mycket som möjligt. Det går att utesluta onödig information eller att bara visa en av flera möjliga variabler. I vissa sammanhang kan detta vara en pedagogisk åtgärd för att fokusera på det viktiga i statistiken.

Embed from Getty Images

Enkla budskap kräver mindre eftertanke för läsaren och kan därför vara effektiva – både som goda pedagogiska exempel och som manipulation.

Ett sätt att förenkla statistik är att visualisera den.

Men det är skillnad på att läsa och att förstå statistik. Det är skillnad på vad statistiken påstår och hur dessa påståenden ska tolkas.

Förenkla statistiken

Denna visualisering är svår att läsa, eftersom den är så rörig:

Du kan göra den enklare genom att fokusera på en variabel:

Och ännu enklare blir det om du tar bort onödig information:

Det problem som nu uppstår är att även om denna visualisering är lätt att läsa, så blir det svår att förstå eftersom du inte har något att jämföra med. Av den anledningen kanske denna variant är bättre:

Försvåra statistiken

Och som du säkert förstår kan du använda detta för att försvåra läsningen, kanske eftersom du vill dölja något i statistiken. Använd liknande färger, så att det blir svårt att läsa visualiseringen! Då använder du den första visualiseringen:

Då kommer dina läsare lättare att köpa dina tolkningar av statistiken – eftersom de inte orkar eller kan tolka den själv.

Art- eller gradskillnad?

Om det går tillräckligt långt i förenklingen så kan det bli en fråga om det är en art- eller gradskillnad. Då kan du – kanske av misstag – göra en artskillnad av en gradskillnad.

Låt mig ta ett exempel som Hans Rosling använt sig av, nämligen skillnaden mellan mäns och kvinnors mattekunskaper. Om vi tittar på statistiken ser vi en markant skillnad mellan män och kvinnor.

Men som du vet, så kan visualiseringar ställa till det när Y-axeln inte börjar vid 0. Statistiken framträder på följande sätt om vi korrigerar Y-axeln:

Nu ser det inte ut att vara någon stor skillnad. Män är cirka 6 % bättre på matte än kvinnor. Men det är skillnad på män och kvinnor – i alla fall när det gäller matte! Och det verkar vara en skillnad som är mer eller mindre konstant under de 60 år som dessa mätningar gjorts.

Men om vi tittar på hur hur spridningen av resultaten fördelar sig för män och kvinnor så framträder följande bild:

Nu tycks män och kvinnor överlappa varandra nästan fullständigt. Utifrån denna bild skulle det vara märkligt att dra slutsatsen att män och kvinnor skiljer sig åt på ett avgörande sätt när det gäller matte.

Det som de första två visualiseringarna visar är medelvärden för gruppen, vilket skapar en artskillnad, när det istället är frågan om en gradskillnad.

Öva på mycket och lite information

Pröva själv – Tolka statistik – Övning 17

Karta över Tolka statistik