Nicolay Stien
04.12.2024
Stien, N. (2024, 04. desember). Gjennomsnitt, korrelasjon og misvisende forskningsnyheter. Metodeguiden. https://www.metodeguiden.com/post/gjennomsnitt-korrelasjon-og-misvisende-forskningsnyheter
Vi ser stadig påstander i media om "gjennomsnittlige nordmenn" eller en "typisk forbruker," men hva betyr egentlig disse begrepene? I tillegg kommer det ofte forskningsnyheter som påstår at “dette gjør deg lykkeligere” eller “denne maten er sunnest!” Hvordan kan vi navigere i mengden av forskningspåstander fra media og forstå hva som faktisk er troverdig? Dette innlegget tar en titt på noen faktorer vi kan undersøke for å bli mer kritiske lesere av forskningsnyheter.
Hva betyr gjennomsnitt egentlig?
Gjennomsnittet er et ofte rapportert og lett forståelig tall. Dersom vi summerer all inntekten til norske mennesker og deler på antall nordmenn, vil vi få et tall på gjennomsnittslønnen. Samtidig, hvis vi har mange mennesker med veldig lave inntekter og noen få med ekstremt høye inntekter, vil gjennomsnittet bli trukket oppover og kanskje gi et misvisende bilde av hva en typisk inntekt er. Et mer treffende mål kunne vært medianen, som representerer det midterste tallet når alle inntektene settes i rekkefølge. På denne måten kan man unngå at noen få høye eller lave verdier påvirker resultatet i stor grad.
Dette gjelder ikke bare inntekt. Et annet eksempel kan være at vi vil finne gjennomsnittsalderen til en gruppe på 10 personer der én av de er 89 år og alle de andre er mellom 20 og 30. I et slikt tilfelle kan vi risikere at gjennomsnittet blir 31 år, noe som faktisk ikke vil passe til noen av menneskene vi forsøker å beskrive. Medianen i det samme utvalget ville nødvendigvis ha vært et sted mellom 20 og 30, noe som bedre representerer menneskene vi forsøker å beskrive.
Risiko og sannsynlighet
Overskrifter som «[x matvare] reduserer risikoen for [y sykdom] med 50%» eller «Disse matvarene må du unngå» er ikke et uvanlig syn på ulike nettaviser og de kan ofte gi en feilaktig forståelse av risiko og sannsynlighet. En reduksjon på 50% vil ofte referere til tall fra «relativ risiko» eller «odds ratio», som kan være svært liten i absolutte tall. For eksempel kan en halvering av risikoen for en sjelden sykdom i virkeligheten bety en endring fra 2 tilfeller per 10 000 til 1 tilfelle per 10 000, noe som ikke nødvendigvis har stor betydning for folkehelsen. Sannsynligheten for å få sykdommen er svært lav i begge tilfeller og endringer som høres store ut i prosent kan være ubetydelige i faktisk risiko.
Korrelasjon og kausalitet
For noen år siden skapte en studie (Crichton, Elias & Alkerwi, 2016) overskrifter som "Sjokolade forbedrer hjernefunksjonen" og "Sjokolade kan beskytte mot aldersrelatert kognitiv nedgang." Disse overskriftene forteller oss at vi bør spise mer sjokolade for å påvirke hjernen vår på en positiv måte. Tar man en nærmere titt på forskningen derimot, viser studien kun en korrelasjon – ikke at sjokolade direkte forbedrer hjernen. Studien fant at personer som rapporterte hyppigere sjokoladespising scoret bedre på kognitive tester. Men dette betyr ikke at sjokoladen alene står bak disse resultatene. Deltakerne i studien som spiste mer sjokolade, hadde også sunnere kostholdsvaner og drakk mindre alkohol, faktorer som man vet kan påvirke kognitiv helse. Deltakerne ble også bedt om å selvrapportere kostholdet sitt, noe som kan være upålitelig da det er vanskelig å huske alt man spiser. Videre hadde studien liten oversikt over typen og mengden sjokolade deltakerne spiste. For å bevise en kausal sammenheng trengs det eksperimenter der deltakerne spiser spesifikke mengder sjokolade over et bestemt tidsrom, samt en gruppe mennesker som ikke spiser sjokolade slik at vi kan sammenligne gruppene. Kort sagt: studien kan ikke brukes som en unnskyldning for å spise mer sjokolade slik overskriftene påstår– vi trenger kontrollerte studier for å få et presist svar.
Hva kan vi som lesere gjøre?
Når forskningsnyheter presenteres i media blir de ofte forenklet for å fange lesernes interesse. Dessverre fører det noen ganger til at overskrifter er mer dramatiske enn det forskningen kan støtte. Her følger noen anbefalinger for hvordan vi som lesere av forskningsnyheter kan være mer kritiske og unngå å bli lurt av «click-bait».
1. Se etter størrelsen på studien
Jo flere deltakere, jo bedre grunnlag for generalisering. Hvis en studie bare har undersøkt 15 personer kan resultatene være interessante, men de er sannsynligvis ikke representative for en hel befolkning.
2. Sjekk for gjennomsnitt og variasjon
Finner studien et gjennomsnitt som er realistisk, eller blir tallene dratt opp eller ned av noen ekstreme verdier? Se etter om forskningen bruker medianer eller interkvartilområder for å gi et mer presist bilde enn det gjennomsnitt alene kan gjøre.
3. Sammenheng eller årsak?
Mange forskningsnyheter glemmer å skille mellom korrelasjon og kausalitet. Bare fordi to ting oppstår samtidig, betyr det ikke at den ene forårsaker den andre. Se etter ord som “forbundet med” i stedet for “fører til.”
4. Er funnene store nok til å ha betydning?
Hvis en studie finner en “signifikant forskjell,” betyr det bare at forskjellen sannsynligvis ikke er tilfeldig – ikke at den nødvendigvis er stor eller meningsfull. Ofte er forskjellen så liten at den ikke har noen praktisk betydning.
5. Relativt til hva?
Studier beskriver ofte tall som odds ratio eller relativ risiko. Disse beskriver, kort fortalt, hva risikoen for noe er i en gruppe, sammenlignet med en annen gruppe. En 50% større risiko gjenspeiler ikke nødvendigvis en høy risiko dersom risikoen er lav i gruppen som sammenlignes.
6. Finn originalstudien om mulig
Hvis du virkelig vil forstå en forskningsnyhet, kan det være nyttig å finne selve studien. Her kan du lese mer om metodene og vurderingene bak tallene, som ofte nyanserer eller modererer det mediene har framhevet. Forskerne selv vil som regel oppgi både svakheter med studien og unngå en feilaktig presentasjon slik media ofte gi oss.
Oppsummering
Gjennomsnitt kan være noe misvisende og forskningsnyheter overdriver ofte hva vi kan lære av en studie. Ved å forstå forskjellene mellom ting som gjennomsnitt og median, vite hvordan korrelasjon og kausalitet fungerer, og ved å være bevisst på studiers omfang og betydning, kan vi bli bedre til å tolke forskningspåstander og se forbi de mest dramatiske overskriftene. Neste gang du ser en artikkel om at «kaffe kan forlenge livet ditt» eller at «gjennomsnittsnordmannen bruker X antall timer av dagen på sosiale medier», husk å spørre deg selv – er dette virkelig representativt? Og har studien faktisk undersøkt dette slik nyheten skriver? På den måten blir du en mer kritisk og informert leser av forskningsnyheter.
Referanser
Crichton, G. E., Elias, M. F., & Alkerwi, A. (2016). Chocolate intake is associated with better cognitive function: The Maine-Syracuse Longitudinal Study. Appetite, 100, 126-132. https://doi.org/10.1016/j.appet.2016.02.010