1. Inledning
”Det här gav mig helt nya perspektiv på vad statistik är och hur det fungerar!”
Så sade en av deltagarna i en av mina fisk-workshops. Under de snart två decennier som jag har arbetat som konsult med inriktning mot att använda statistik i arbetet med jämlikhet och social hållbarhet, är denna fisk-workshop en återkommande klassiker. Deltagarna arbetar med 236 små färgglada fiskar, som de skapar statistik av. Tillsammans synliggör vi hur statistik samtidigt lyfter fram och osynliggör: den synliggör förtryck, men förstärker gruppindelningar som bidrar till ojämlikhet. De insikter som deltagarna får i workshopen ger en fördjupad insikt i vad statistik är och hur det kan användas – och hur det inte kan användas. Nu har jag samlat tankar och insikter från dessa workshops och andra uppdrag som jag har haft, och från att följa utvecklingen inom statistikanvändning i jämlikhetsarbete, i den här boken.
Att mäta för att styra och utveckla verksamheter är ett omdiskuterat område idag. Debatten slits mellan att å ena sidan lyfta behovet av datadrivet arbete, mätbara mål och effektutvärderingar; och å andra sidan rädslan att mänsklighet, nyanser och erfarenheter ska gå förlorade när allt mer styrs av förenklade
siffror. Hur gör vi för att vara säkra på att den statistik vi tar fram och arbetar med faktiskt ger de svar vi behöver för att bidra till jämlikhet och social hållbarhet? I mitt arbete har jag sett både frustrationen över mätande som inte ger de svar som behövs; och kraften som finns i ett genomtänkt statistikarbete. Frågan för mig är inte om vi ska mäta eller inte, utan hur vi ska mäta, och vad vi gör med den statistik vi tar fram. Hur gör vi för att mäta rätt, inte bara mäta lätt?
Första upplagan av denna bok kom ut 2015. Sedan dess har mycket hänt både inom debatt och teori, och inom praktiskt arbete och metodutveckling.
Denna andra upplaga är därför kraftigt omarbetad, med tydligare hänvisningar till forskning och samhällsdebatt, och med fler exempel både från min egen verksamhet och från andras arbete.
Utvecklingen går snabbt och det är därför svårt att erbjuda färdiga lösningar för att arbeta med jämlikhet. Istället vill jag ge redskap och tankemodeller som kan stötta dig som på något sätt tar fram eller använder statistik för att främja jämlikhet och social hållbarhet. Jag vill ta ett helhetsgrepp om statistikprocessen och visa hur teorier om makt och jämlikhet, och kunskap om statistik, behöver följa med genom hela processen.
Ett av de områden där statistikanvändningen utvecklas snabbast idag är inom Artificiell Intelligens (AI). AI är helt uppbyggt av statistiska beräkningar och det är viktigt att förstå hur statistik fungerar för att kunna förhålla sig och ta vara på AI på bästa sätt. Det är dock ett område som förtjänar en helt egen bok. Jag kommer att nämna AI vid några tillfällen, men inte fördjupa analysen.
Bokens upplägg
Jag ser statistikprocessen som ett husbygge. Först behöver vi teoretisk kunskap om statistikprocessens arkitektur och om dess ingenjörskonst. Därför inleder jag boken med att ge en teoretisk grund att bygga på. Efter introduktionen (kapitel 1) introducerar jag teorier och begrepp om jämlikhet som underlättar att förstå vad det är vi mäter för något (kapitel 2). Kapitlet mynnar ut i tanken om ”kategoriseringens dilemma”, att gruppindelningar både kan användas för att synliggöra och förstärka förtryck. Detta är ett genomgående tema genom hela boken.
Tredje kapitlet (3) ger motsvarande grundförståelse för vad statistik är, själva ingenjörskonsten: att räkna, jämföra och söka samband. Jag introducerar
variabeltänkandet och går igenom vilka typer av statistik som finns. Jag går igenom lagar och introducerar viktiga etiska principer som bör följa med i statistikprocessen, inte minst med tanke på kategoriseringens dilemma. Slutligen ställer jag frågan: vad är egentligen jämlikhetsdata?
I de följande kapitlen börjar vi bygga. Först behöver vi en förståelse för vad det är vi ska bygga, material och förutsättningar. I kapitel 4 går jag igenom förberedelserna, hur komplexa och kvalitativa begrepp som etnicitet, funktionsförmåga eller hälsa kan göras mätbara i en operationaliseringsprocess. Därefter går jag igenom hur vi genomför själva bygget, alltså hur en undersökning går till, och ger praktiska råd och tips: Att använda andras statistik (kapitel 5), ta fram och sprida enkäter (kapitel 6) och andra mätmetoder (kapitel 7).
I kapitel 8 sätter jag fokus på tekniken i bygget, hur vi skapar ett hållfast byggmaterial. Frågan är: Vi har ett dataunderlag, vilka statistiska redskap kan vi använda för att bearbeta den? Jag diskuterar bland annat det vanliga medelvärdet, och för- och nackdelar med det. Men jag visar också att det finns fler statistiska verktyg att använda, som visar på till exempel värdenas spridning eller mer komplexa samband i regressions- och klusteranalyser.
Kapitel 9 handlar om byggets utsida, färg och form, alltså sammanställning och presentation av statistik. Hur vi kan använda både grafik och språk för att presentera statistik på ett tillgängligt sätt, och för att å ena sidan arbeta med hjärnans intuitiva förståelse, men å andra sidan inte förstärka fördomar och kategoriseringar.
Först i kapitel 10, om att analysera statistik, kan vi sätta samman ett fullständigt hus! I analysen kläs siffrorna i en berättelse som gör den tillgänglig och intressant för en bredare krets. Frågor om vad, hur, varför och om vems berättelse som får höras blir centrala. Jag går igenom metoder som orsaks- och konsekvensanalys och ”What’s the problem represented to be”? för att underlätta arbetet.
I bokens sista kapitel, 11, flyttar jag fokus bort från själva statistiken till organisatoriska förutsättningar och metoder för att göra den användbar. Vilken infrastruktur behövs för att huset ska vara beboligt? Jag går igenom hur mål kan formuleras, hur statistik kan användas i styrning och i effektmätning och för opinionsbildning. Allt för att undvika att statistiken endast blir en rapport som blir liggande på en hylla någonstans.
I arbetet med jämlikhet, liksom i ett husbygge, är ofta många olika personer och funktioner inblandade. Ofta är det en funktion som ”beställer” en utredning, en annan som står för genomförandet och lämnar över ett material till en tredje som behöver det i sitt arbete, varpå en fjärde funktion utarbetar kommunikation om resultaten. Struktur och mandat att hantera resultatet kanske inte finns hos någon av dessa funktioner utan i till exempel en ledningsgrupp. Beroende på ditt uppdrag och din funktion i statistikprocessen kommer olika delar av boken att vara mer respektive mindre relevanta. En grundtanke med den här boken är att ge förutsättningar för ett gemensamt bygge, eftersom olika faserna är beroende av varandra. Det som händer under statistikframtagandet påverkar hur statistiken kan användas, och allt påverkas av syfte och förutsättningar för undersökningen. Etiska förhållningssätt, syfte och användningsområde går som en röd tråd från början till slut. Jag hoppas därför att boken kan hjälpa er att förstå varandras delar, och ge en bra grund för kommunikation och samarbete i ert arbete med statistik.
Men först, innan vi börjar vårt gemensamma statistikbygge, vill jag inleda med att berätta om ett exempel där statistik gjort nytta i mitt arbete för ökad jämlikhet.
Varför rapporterar så många tjejer på Åland
sexuella övergrepp?
Varför är det så många fler barn som säger sig ha utsatts för sexuellt våld på Åland jämfört med i Finland som helhet? Frågan ställdes av Ålands landskapsregering och jag och min kollega med förankring på Åland blev ombedda att besvara den. Statistiken kom från enkäten Hälsa i skolan som alla skolbarn i Finland besvarar vartannat år och där det ställs en rad bakgrundsfrågor om deras bakgrund, identitet och sociala grupptillhörigheter. Resultatet blev rapporten ”Utsatthetens bredd och djup”1. Genom att varva statistiska analyser med intervjuer och litteraturstudier kunde vi dra slutsatserna att:
1 Ahlzén m.fl. (2021).
• Ökningen handlar främst om vardagliga övergrepp: kommentarer, ovälkommen beröring och liknade, och det är oftast andra jämnåriga som utsätter. Det är främst flickor som utsätts, oavsett annan grupptillhörighet (eget/föräldrars ursprung, sexuell identitet, ekonomisk situation med mera). Dessutom var utsattheten förhöjd bland pojkar som på något sätt bröt mot maskulinitetsnormer, exempelvis genom att ha en normbrytande sexuell läggning eller en funktionsnedsättning.
• Att ökningen är större på Åland än i övriga Finland beror troligen på att #metoo-upproret fick större genomslag i Sverige än i Finland, och många ålänningar följer debatten i Sverige på nära håll. #metoo ökade medvetenheten om sexuella övergrepp, och med ökad medvetenhet följer ökad rapportering.
• Parallellt med de vardagliga övergreppen finns en liten grupp som utsätts för många och allvarliga övergrepp. Denna lilla grupp utsätts vid flera tillfällen, ofta av flera olika förövare och på olika platser. I denna grupp är könsskillnaden liten. Istället är det socioekonomiska faktorer som har störst betydelse för utsattheten.
Med hjälp av de här slutsatserna fick Ålands landskapsregering ett detaljerat underlag för att förstå hur utsattheten fungerade och tog sig uttryck i deras kontext, och med hjälp av denna förståelse kunde de hitta rätt åtgärder och rikta dem mot rätt målgrupper.
Exemplet visar på hur viktigt statistik är för att synliggöra och förstå ojämlikhet, utsatthet och förtryck. Statistik som synliggör olika grupptillhörigheter gör det möjligt att ringa in och nyansera problemet, och i förlängningen att insatser kan riktas mer effektivt till rätt målgrupp. Den stora ökningen av självrapporterad utsatthet i vardagen visade sig ju här till stor del vara något positivt: att fler unga definierar ett övergrepp som just ett övergrepp. Det behövdes fortfarande insatser, men övergreppen hade troligen inte ökat i den omfattning som siffrorna visade. Men vi kunde också se att det fanns en annan grupp som vi inte var medvetna om innan, som var mycket utsatt och som skulle behöva stora och riktade insatser. Slutligen ökade vår förståelse för utsatthetens mekanismer när vi såg vilka grupper som var utsatta: för vardagligt våld var det främst alla som
inte är normföljande män, men för multiutsatthet var det snarare sociala och ekonomiska faktorer som var avgörande.
Varför mäta jämlikhet?
Under de första åren på 2020-talet har behovet av att arbeta systematiskt med ojämlikhet blivit allt tydligare. Pandemin blev ett tydligt exempel på de konsekvenser som ojämlika livsvillkor kan ge. Smittan spreds mest i grupper som bodde trångt, inte kunde arbeta hemifrån och var hänvisade till kollektivtrafik för att röra sig längre sträckor. Gängkriminaliteten i våra förorter har satt fingret på konsekvenserna av ekonomisk och social boendesegregation. Att personer med rötter utanför Europa drabbas hårdare än andra av båda dessa exempel kan ses som ett utslag av strukturell rasism. På motsvarande sätt lyfts att mäns våld mot kvinnor är ett strukturellt problem med rötter i ojämställdhet i samhället överlag, liksom att könsrelaterat våld också drabbar exempelvis homo- och bisexuella och transpersoner. Funktionsrättsrörelsen lyfter hur dålig tillgänglighet leder till både lidande och samhällsekonomiska konsekvenser, inte minst när barn med neuropsykiatriska funktionsnedsättningar inte når skolans kunskapsmål. Frågor som direkt eller indirekt rör jämlikhet är närvarande överallt i samhällsdebatten. Allt detta vet vi för att någon har jämfört statistik för olika grupper.
Statistik som verktyg i jämlikhetsarbetet
En av de stora fördelarna med statistik är att den gör strukturer synliga även för den som inte är insatt i teorier om makt, förtryck och diskriminering. Väl framtagen statistik kan sammanfatta maktstrukturer på ett tillgängligt sätt. Det gör det svårt att avfärda åtgärder som onödiga. Statistik kan alltså fungera medvetandehöjande både på samhälls-, organisations- och individnivå.
Samtidigt saknas statistik för många samhällsgrupper som lever i stor utsatthet, förtryck och marginalisering. Vi känner till pandemins och boendesegregationens konsekvenser för personer i ekonomisk utsatthet och med utrikes bakgrund, eftersom ekonomisk situation och bakgrund och är faktorer som vi faktiskt har redskap för att mäta – om än ibland trubbiga. Andra grupper är svårare att mäta
systematiskt, och de förblir därför ofta osynliga. Vi vet till exempel inte om hbtqi-personer drabbades av pandemin i högre eller lägre grad än genomsnittsbefolkningen. Vi kan resonera och komma fram till kvalificerade och trovärdiga antaganden, men vi kan inte säkert veta, för vi saknar data.
I arbetslivet uppmärksammas diskriminering och trakasserier som en arbetsmiljöfråga, en fråga om ”employer branding” och i förlängningen också en kostnadsfråga. När undersökningar visar att grupper som utsätts för diskriminering i samhället också i större utsträckning drabbas av kränkningar och trakasserier på arbetsplatsen inser allt fler behovet av att kartlägga hur det ser ut i den egna organisationen.
Förutom att höja medvetenheten om frågor som är viktiga kan statistik också användas för att ta fram fakta inför ett beslut. Fördjupade analyser av statistik kan ge nyanserade och rättvisande bilder som underlättar beslutsfattande och policyutveckling. Det gäller i synnerhet i offentlig sektor där beslut ofta får långsiktiga konsekvenser för samhällsutvecklingen. I många fall har offentliga beslut också stora konsekvenser för människors livsvillkor: till exempel inom stadsplanering, skolans och vårdens villkor eller lagars utformning.
Statistik kan också användas som underlag för dialog mellan olika delar av en organisation, för att kommunicera nuläge och behov och för att synliggöra förutsättningarna för de olika verksamheterna. De erfarenheter som gjorts inom fältet jämställdhet, där olikheter mellan kvinnor och män kunnat synliggöras systematiskt med hjälp av könsuppdelad statistik, är en inspiration även inom arbetet för likvärdiga livsvillkor och inkludering utifrån andra grupptillhörigheter.
Förändringar i regelverk de senaste åren har medfört ett ökat behov av att mäta jämlikhet. Exempel på detta är en förändrad diskrimineringslagstiftning med krav på kartläggning och EU-direktiv om hållbarhetsrapportering (Corporate Sustainability Reporting Directive, CSRD). Internationella standards upprättas och utvecklingen av både teorier och metoder går allt snabbare.
Det talas om att arbeta ”datadrivet” och om att ”mäta effekter” av olika insatser på kort och lång sikt, att ”utvärdera” och arbeta ”evidensbaserat”. Företag och offentliga institutioner upprättar hållbarhetsredovisningar där den sociala hållbarheten omfattar diskriminering och ojämlikhet. Gemensamt för dessa är att vilja synliggöra och följa hur det egna arbetet utvecklas utifrån ett jämlikhets-
perspektiv. Sammantaget sker en utveckling där både företag och samhällsinstitutioner har kommit att uppmärksamma behovet av att synliggöra ojämlikhet med hjälp av statistik.
Att ta fram kunskap om ojämlikhet och diskriminering, och att ha processer för att ta tillvara på den kunskapen, är alltså viktiga verktyg för att skapa jämlika livsvillkor för människor oavsett på vilken arena vi verkar. I det arbetet fyller statistiken en oerhört viktig roll, genom att sammanfatta och kommunicera på ett jämförelsevis tillgängligt sätt.
Statistikens huvudsakliga uppgifter i arbetet för jämlikhet:
• Att öka medvetenhet om ojämlikhet och i förlängningen att öka viljan att arbeta emot ojämlikhet i olika sammanhang.
• Att kommunicera fakta om ojämlikhet för att hitta rätt åtgärder.
• Att följa upp, utvärdera och lära av de insatser som görs.
• Att säkerställa efterlevnad av regler och riktlinjer både i lagstiftning och standarder, exempelvis diskrimineringslagen och CSRD.
Ett redskap för demokrati
Behovet av kunskap om vad statistik är och hur det fungerar ökar också med den ökande användningen av AI i både arbetsliv och privatliv. AI fungerar med hjälp av statistiska beräkningar, algoritmer, som genererar slutsatser med hjälp av sannolikhetsteori. I fallet generativ AI utformas texter, bilder och annat utifrån statistiska principer. Därför behöver vi kunskap om statistik för att kunna förstå och värdera det material vi får av AI.
Slutligen fyller kunskap om att mäta jämlikhet en större funktion i samhället idag. Arbetet med jämlikhet, mångfald, jämställdhet och inkludering hotas av politiska krafter. Ofta använder sig denna rörelse av desinformation för att sprida sina åsikter. Det sker både i form av felaktiga fakta, och i mer subtila former, som att välja ut de fakta som passar den egna världsbilden, och därmed ge en skev bild av undersökningars resultat. Professorn och akademiledamoten Åsa Wikforss beskriver i sin och brodern Mårten Wikforss bok ”Därför demokrati” hur viktigt det är med kunskap för att demokratin ska fungera: Kunskap är en förutsättning för att medborgare i ett samhälle ska kunna fatta informerade be-
slut. Med kunskap kan politiska förslag utvärderas och prövas mot åsikter och intressen. Om beslutsunderlaget är felaktigt finns inte en chans för medborgarna att bedöma vilka beslut som skulle få vilka konsekvenser, och medborgarna får därför sämre möjlighet att fatta beslut som stämmer överens med deras åsikter.
När desinformation tar över är detta alltså ett direkt hot mot människors möjlighet att påverka samhällsutvecklingen och förverkliga sina visioner.2
En slutsats av detta är att vi bör undvika attityden att ”all fakta som talar för vår sak är rätt”. Vi som vill öka jämlikheten i samhället får inte själva hänfalla till samma typ av desinformation som våra motståndare använder, eller falla tillbaka på anekdoter, förhoppningar eller lösryckta fakta tagna ur sitt sammanhang.
Istället måste arbetet för jämlikhet bygga på vetenskap, kunskap och aggregerad erfarenhet. Forskare talar om ”statistisk litteracitet”3: förmågan att förstå, tolka och använda statistik på ett korrekt sätt. Jag hoppas att denna bok kan ge ett bidrag till detta, som i sin tur stärker vårt gemensamma arbete för ett samhälle på lika villkor för alla människor.
Mätande i övermått?
Under de senaste åren har mätandet som sådant diskuterats. En motor i debatten har varit Jonna Bornemarks bok ”Det omätbaras renässans”4. I den beskriver hon hur mätandet drivit samhället till en situation där det mätbara går före och det verkligt kvalitativa osynliggörs och underordnas, tillsammans med människorna som är bärare av det. Boken illustreras vackert av filmen ”Det omätbara” som kom 2024, och där vi får möta de människor vars arbete inte på ett enkelt sätt låter sig fångas av statistik.
I offentlig sektor pågår debatten om New Public Management där kvantitativt mätande är en bärande princip i styrningen. Tillitsdelegationen beskrev 2019 detta som ”administrationsdrivande” och ett ”utvärderingsmonster”5. Kritiken mot mätandet i offentlig styrning kan sammanfattas med att det skapar onödig administration, och samtidigt missar målet eftersom verklig kvalitet i
2 Wikforss m.fl. (2021), sid. 33-85.
3 t.ex. Lantblom (2023).
4 Bornemark (2018).
5 Regeringskansliet (2019), sid. 30-31.
exempelvis barnomsorg och äldreomsorg inte låter sig fångas i enkla, statistiska parametrar.
Kritiken mot mätandet inom New Public Management riktas också mot arbetet med jämställdhetsintegrering i offentlig sektor. Ekonomen Eva Wittboms avhandling om jämställdhetsintegrering i Trafikverket6 visade hur jämställdhetsintegreringen i Trafikverket hade reducerats till att räkna antal kvinnor och män på olika positioner och annat som lätt kan mätas. Det innebar att det transformativa arbetet uteblev, den manliga/maskulina normen ifrågasattes inte och i hög grad fortsatte det mesta som tidigare. Anledningen till att det blev så var ett styrsystem som helt utgick från mätbarhet. Forskaren Kristina Lindholm resonerar liknande i boken Jämställdhet i Verksamhetsutveckling, när hon skriver att:
”Det finns en risk att man söker efter resultat som är lätt att mäta, som kanske inte ens är kopplade till jämställdhetsmål eller där resultaten inte har analyserats ur ett genusperspektiv (…) Bristen på kunskap om genusperspektiv riskerar även att bli utvecklingshämmande, då det kan finnas blinda områden som ännu inte kartlagts och som kan behöva mätas i framtiden.”7
Motsvarande kritik lyfts utifrån andra maktordningar än kön: inkludering på arbetsplatsen får inte reduceras till en fråga om representation. Representation får inte heller bli en form av tokenism8 – alltså att vissa grupper är representerade för att visa upp en fin fasad medan de faktiska problemen med exempelvis rasism osynliggörs.
Har samhället fokuserat för mycket på mätande? Borde vi minska på mätandet och istället fokusera på kvalitativa sätt att utvärdera och följa upp? Enligt mig är frågan inte om vi ska mäta utan hur vi ska mäta. Snarare än att sluta mäta behöver vi sätta ett större fokus på dels vad som mäts, dels vad som händer med den statistik som tas fram. Vi behöver sluta mäta ”för mätandets skull” och framförallt komplettera mätandet med andra metoder som lyfter andra
6 Wittbom (2009).
7 Lindholm (2011), sid. 120-121.
8 Moss Kanter (1977); Länsstyrelsen i Stockholm (2019), sid. 26.
aspekter av verkligheten. Stora delar av kritiken mot mätande handlar om just avsaknaden av sammanhang för den statistik som tas fram: viktiga aspekter av verkligheten går förlorade, makten utmanas inte, fokus förskjuts bort från det som verkligen är viktigt. Vi behöver fortsatt mäta, trots allt är det ett oerhört effektivt sätt att skapa och kommunicera ögonblicksbilder av verkligheten. Men vi behöver mäta mer medvetet, och vi behöver ha en plan för hur våra kvantitativa resultat ska tolkas, analyseras och slutligen användas i ett transformativt arbete. Vi behöver synliggöra vem som har makten över mätandet, och i vems intresse mätandet görs. Detta är den tanke jag kommer att arbeta utifrån i denna bok.
2. Teori och begrepp om statistik
För att kunna räkna med jämlikhet på ett bra sätt behövs först ett ramverk och en begreppsapparat för att förstå vad statistik är och hur den fungerar. Begreppet ”statistisk litteracitet” betyder, som nämns i inledningen, ungefär statistisk läskunnighet, och omfattar förmågan att förstå och ta till sig statistik. Begreppet omfattar ”både färdigheter gällande beräkningar och begrepp samt förmågan att tolka data utifrån kritiskt tänkande och kommunikation”9 Grundläggande statistisk litteracitet hjälper oss att förstå och granska statistik, och är nödvändig om vi ska kunna producera egen statistik på ett bra sätt.
I det här kapitlet ges först en introduktion till statistiskt tänkande med funderingar kring vad statistik är. Därefter följer en genomgång av olika statistiska källor, både typer av statistik och var statistik kan hittas. Slutligen redogörs för de lagar, regler och etiska principer som styr hur vi får och bör använda statistik om människor i Sverige och Europa.
9 Lantblom (2023), sid. 70.
Introduktion till statistiskt tänkande
Ofta framställs statistik som självklara fakta som speglar verkligheten. Lika ofta upprepas varianter av Mark Twains citat av den tidigare brittiske premiärministern Disraeli: ”det finns tre sorters lögner: lögn, förbannad lögn och statistik”. Båda inställningarna är samtidigt korrekta och felaktiga. Genom att redovisa statistiska resultat kan vi synliggöra strukturer i omvärlden bortom våra personliga erfarenheter. Samtidigt ger statistik en förenklad bild. Just detta är dess styrka: genom att belysa en viss fråga med statistik lyfts den fram ur bakgrundsbruset och synliggörs med skarpa konturer. Till exempel är statistik om hbtqi-personers utsatthet för våld i nära relation till stor nytta i en samhällsdiskussion som ofta utgår ifrån att våld i nära relation är en kvinna som utsätts av en man. Men förenklingen innebär också en svaghet. I statistik som lyfter gruppen hbtqipersoners utsatthet för sexuellt våld visas sällan den stora variationen inom gruppen, såsom att bisexuella och transpersoner är mer utsatta än homosexuella män.10 I statistik över enbart hbtqi-personer syns inte heller alla övriga faktorer som kan påverka utsattheten: förutom att vara hbtqi-person kan utsatthet påverkas av ålder, bostadsort, levnadsvanor, erfarenheter i barndomen och mycket annat. Statistiken saknar också den personliga berättelsen, som levandegör och skapar förståelse för det som mäts.
Statistik är alltså ett utsnitt av verkligheten. Den kan liknas vid att göra en svartvit serieteckning av ett fotografi: konturerna syns tydligare, men på bekostnad av färger och nyanser. Statistik säger något om nuläget, men vad den säger beror på vad statistikproducenten vill att siffrorna ska säga och hur de tolkas. Statistik kan också antingen vara väl eller illa framtagen. Statistik kan användas för att lyfta fram tidigare dolda sidor av verkligheten men den kan samtidigt dölja något annat. Därför är det viktigt att läsare av statistik tänker medvetet och kritiskt kring de siffror som presenteras. Det är också viktigt att den som tar fram statistik tänker igenom och är tydlig i hur undersökningen är utformad, för att underlätta en sådan granskning.
10 Jämställdhetsmyndigheten (2025), sid. 36.
Statistik är att räkna
”Hemma hos oss är det mannen som diskar!” och liknande påståenden används ibland för att avfärda diskussioner om ojämställdhet i heterosexuella parförhållanden. Många som arbetar för jämställdhet upplever det som frustrerande. Även om det stämmer i den personens fall säger det väldigt lite om hur det sammanlagda hushållsarbetet fördelas i det hemmet. Det säger inte heller något om hur disken fördelas mellan könen i Sverige som helhet. Därför är uppgiften om vem som diskar hemma hos en specifik individ helt ointressant för alla andra än den personen och hens familj. Att försöka bevisa något genom enstaka berättelser eller observationer kallas anekdotisk bevisföring och är motsatsen till statistik. Det enda som bevisas är att det existerar familjer där kvinnor inte är ansvariga för disken.
Under #metoo-upproret runt 2017 lyftes mängder av berättelser om sexuell utsatthet från människor runt om i världen. Tidigare kände alla till att sexuellt våld förekommer och de flesta var ense om att det var illa. I uppropet skapade mängden av berättelser en insikt i hur stort problemet var, och det skapade rörelsens kraft. Bilden av vad sexuella övergrepp är gick från att vara något otäckt som kanske kunde inträffa några av oss, till att vara en gemensam erfarenhet hos stora grupper i befolkningen. Mängden berättelser gjorde att även de som inte själva utsatts insåg hur utbrett det sexuella våldet är, och att något måste göras. Det var den gemensamma, aggregerade kunskapen som skapade kraften i #metoo-upproret.
All aggregerad kunskap kan inte förmedlas genom tusentals berättelser, som under #metoo-upproret. Aggregerad kunskap kan tillgängliggöras genom att sammanfattas i siffror: 6,3 procent av kvinnorna och 1 procent av männen rapporterade att de utsatts för sexualbrott 202311. Det är när vi sammanfattar aggregerad kunskap i siffror som vi framställer statistik. Det som skiljer ut statistik från andra undersökningsmetoder är räknandet. Det kan vara stora undersökningar som omfattar många människor och långa tidsserier, som till exempel opinionsundersökningar och väljarbarometrar, brottsstatistik och arbetslöshetsstatistik. Men statistik kan också tas fram genom att någon ställer sig i en gatukorsning och räknar hur många gula bilar som kör förbi inom loppet av en timme …
11 Brottsförebyggande rådet (20250620).
Räknandet, kvantifieringen är det centrala. Steget från berättelser till statistik tas i samma stund som vi börjar uttala oss om ”hur många”.
Att räkna ger möjlighet att säga hur mycket eller hur många av något. Det hjälper till att synliggöra strukturer, förändringar och skillnader mellan exempelvis olika grupper utöver det enskilda fallet. Därför kan bra statistik vara ett utmärkt redskap i jämlikhetsarbete.
Statistik är att jämföra
Låt oss säga att en person står i en gatukorsning och räknar gula bilar. En torsdag körde 13 gula bilar förbi under en timme. Vad säger det? Inget mer än just att 13 gula bilar körde förbi … En ensam siffra är för det mesta ganska intetsägande.
Siffror får innebörd och betydelse genom att jämföras med andra siffror. Hur många gula bilar körde förbi i andra änden av staden? Det säger något om hur vanliga gula bilar är i olika delar av staden. Hur många bilar körde förbi förra året? Det säger något om hur förekomsten av gula bilar förändras. Hur många bilar i andra färger körde förbi? Det säger något om andelen gula bilar i bilparken.
Det är jämförelsen som fyller siffran med ett meningsfullt innehåll.
Bland personer med funktionsnedsättning är andelen sysselsatta 52 procent12. Att den är låg kan vi säga eftersom sysselsättningen i befolkningen som helhet är 81 procent13. Jämförelsen mellan gruppen med funktionsnedsättning och befolkningen som helhet visar hur mycket svårare det är för personer med funktionsnedsättning att komma in på arbetsmarknaden. Även utan jämförelsetalet kan många uppfatta 52 procent som en låg sysselsättning. Det beror på att vi jämför med ett ideal som säger att så många som möjligt ska ha en sysselsättning. Idealet är inte formulerat som siffror, men bidrar ändå med en jämförelsepunkt.
Jämförelser kan göras med vad som helst som bedöms vara relevant. Jämförelserna påverkar också vilket budskap som statistiken förmedlar. Vanligast är att jämföra över tid, mellan grupper och mellan platser, eller som i exemplet ovan med en föreställning eller ett ideal. Ofta görs flera jämförelser samtidigt, vilket ger mer information och större möjligheter att ge en nyanserad bild av verkligheten.
12 Statistiska centralbyrån (2023), sid. 8.
13 Statistiska centralbyrån (2023), sid. 8.
Statistik är att söka samband
Att jämföra saker med varandra, till exempel att jämföra antalet gula bilar på olika platser eller självrapporterad kränkande behandling i olika grupper, handlar i grunden om att söka samband. Väldigt mycket statistikproduktion handlar om att förstå hur saker hänger samman: Vilket samband finns mellan gula bilar och gatukorsning; och vilket samband finns mellan funktionsförmåga och sysselsättning?
Att söka samband görs med hjälp av variabler. En variabel är helt enkelt en av de saker vi studerar, som varierar inom den grupp som undersöks. ”Antal gula bilar” är en variabel och ”gatukorsning” en annan. ”Sysselselsättning” är en variabel, ”funktionsförmåga” en annan.
En variabel kan vara beroende eller oberoende. Den oberoende variabeln är den som inte påverkas av de andra variablerna, se figur 1. I exemplet med de gula bilarna är ”gatukorsning” den oberoende variabeln. Det spelar ingen roll hur många gula bilar som kommer i de båda korsningarna, korsningen är densamma. Antalet ”gula bilar” är den beroende variabeln, den som förändrar sig utifrån vilken gatukorsning du står i. På motsvarande sätt är ”funktionsförmåga” den oberoende variabeln, den som inte förändras, medan ”sysselsättning” är den beroende variabeln, som varierar beroende på ”grupptillhörighet”. Detta kan uttryckas som att den oberoende variabeln förklarar den beroende. Antalet gula bilar förklaras av gatukorsning. ”sysselsättning” förklaras av ”funktionsförmåga”.
Figur 1. Den oberoende variabeln påverkar den beroende variabeln.
Att tänka utifrån variabler är grundläggande i de flesta statistiska analyser. Att definiera variablerna och hur de hänger samman med varandra är en viktig del
i arbetet med att ställa upp hypoteser om det som ska undersökas. En hypotes är ett antagande om hur olika variabler hänger samman, vad som förklarar vad. När vi säger att grupptillhörighet spelar roll för hur ofta någon utsätts för kränkande behandling formulerar vi hypotesen att grupptillhörighet förklarar graden av kränkande behandling, åtminstone delvis.
När det gäller samhällsfrågor är det inte alltid självklart vilken variabel som är oberoende respektive beroende. Det finns gott om ”hönan och ägget-situationer” där olika variabler förstärker varandra och det är svårt att säga vad som kom först. Forskning visar exempelvis att när utomeuropeiska invandrare börjar flytta till ett bostadsområde, så börjar vita personer flytta därifrån redan när några få procent av befolkningen inte är vit14. När andelen vita minskar, så vill också fler vita lämna området. Det uppstår en spiral där det är svårt att urskilja om det är områdets status eller andelen vita boende, som är beroende respektive oberoende variabel. Men även i sådana fall är det viktigt att klargöra dessa mekanismer, att tala om just detta, att de båda variablerna är beroende av varandra i en ond (eller god) cirkel, som illustreras i figur 2. Det hjälper till att skapa ett resonemang om hur och varför detta sker, som sedan kan användas för att utforma åtgärder.
Figur 2. Ibland är det svårt att urskilja vilken variabel som är oberoende respektive beroende. Ibland är det inte de två variabler vi studerar som påverkar varandra utan en tredje bakomliggande variabel, se figur 3. I exemplet om bostadssegregationen kan en bakomliggande variabel vara ekonomisk ojämlikhet. Ojämlikheten påverkar områdens status, där ”fina” områden bebos av personer med bättre
14 Höjer (2015).
ekonomi och tvärtom. Den ekonomiska ojämlikheten gör också att vissa grupper, med en överrepresentation av personer med utomeuropeisk bakgrund, har betydligt sämre ekonomi än andra. Ekonomisk ojämlikhet påverkar alltså både områdets status och var personer med utomeuropeisk bakgrund bor.
Figur 3. En bakomliggande variabel påverkar båda de variabler som undersöks, men de påverkar inte (nödvändigtvis) varandra.
Det kan också finnas mellanliggande variabler, alltså faktorer som förklarar varför det ena leder till det andra, som i figur 4. I exemplet ovan är ekonomisk ojämlikhet en bakomliggande variabel till var människor bor. Den mellanliggande variabeln blir då ”val av bostadsområde”. Valmöjligheterna styrs i hög grad av individens ekonomiska situation. Samtidigt är det en egen variabel, även om den är svårmätbar, eftersom valet också påverkas av en rad andra faktorer som inte har med ekonomi att göra.
Figur 4. En mellanliggande variabel utvecklar och förtydligar sambandet mellan den oberoende och beroende variabeln.
Att på detta sätt försöka synliggöra variablerna och deras relation till varandra ger en bättre och mer nyanserad förståelse för det som studeras. Alla variabler går inte alltid att mäta. Men att tänka på detta sätt är en förutsättning både för att kunna ställa upp hypoteser och undersöka dem, och för att i ett senare skede kunna analysera resultaten av en undersökning. Att tänka och uttrycka sig i termer av variabler tydliggör vad statistik är och hur den kan användas och det blir lättare att förstå vad statistiken visar (och inte visar). Det ger också möjlighet att synliggöra om det alls finns ett orsakssamband och hur det i så fall ser ut, eller om det enbart rör sig om en samvariation som beror på något helt annat, exempelvis slumpen. Jag återkommer till detta senare i boken.
Statistiska källor
Statistik kan tas fram på många olika sätt. De två vanligaste sätten är att använda register eller enkäter. Alla statistikkällor har för- och nackdelar och i många fall är möjligheterna att välja begränsade. Det går till exempel inte välja registerstatistik för att undersöka variabler som inte får eller kan registreras. Hur statistiken har tagits fram påverkar vilka slutsatser vi kan dra av siffrorna och hur säkra vi kan vara på resultaten. Det är därför viktigt att vara medveten om vad som utmärker olika typer av statistik och vad man behöver vara uppmärksam på med olika typer av statistik.
Register
Registerstatistik är statistik som skapats genom registrering av människor eller fenomen i databaser. De skapas ofta i administrativa syften, till exempel för att ha tillgång till kontaktuppgifter till kunder, brukare eller medlemmar,
för att veta vilka tjänster som efterfrågas och annat som kan behövas för att planera och utveckla en verksamhet. Hur register får upprättas, förvaras och användas regleras av lagar och förordningar. Detta återkommer jag till i ett senare avsnitt.
I Sverige har vi en, i ett globalt perspektiv, unik tillgång till offentliga register av hög kvalitet. Offentliga register är därför en pålitlig källa vilket jag återkommer till i avsnittet ”Statens statistikproduktion och den officiella statistiken” senare i detta kapitel. Register som är producerade av andra aktörer kan variera i kvalitet. Det finns register med mycket god kvalitet, men också sådana där insamlingsmetoden är osäker och innehållet alltså inte går att lita på. Ofta är register skapade i andra syften än statistikhantering, till exempel för att kunna skicka varor till kunder. Det kan påverka både vilken data som samlas in och kvaliteten på den. Registret över bilägande är till exempel missvisande för att kartlägga tillgång till bil: bilen står enbart registrerad på en person, men används ofta av fler personer i hushållet. På motsvarande sätt kan ett telefonabonnemang användas av till exempel partner eller barn till den som står registrerad på abonnemanget. I båda fallen beror detta på att registren visar vem som är ansvarig och betalningsansvarig, inte vem som är användare. En stor nackdel med register är att det sällan går att påverka vad de innehåller. Även när registren håller hög kvalitet är det inte säkert att de mäter exakt det som behövs i en viss undersökning. SCB:s register över inkomster omfattar till exempel bara registrerade, beskattade, vita inkomster. BRÅ:s (Brottsförebyggande rådets) registerdata över anmälda brott omfattar just anmälningar, inte dömda brottslingar eller faktiska brott som begåtts. Betygsregister mäter betyg, inte elevernas kunskaper. I många fall går det inte att hitta register som omfattar exakt den information som behövs för undersökningen. I stället behöver den som gör undersökningen vara medveten om vad som inte finns med i registerdatan, och resonera om hur det påverkar resultatet. Ibland går det att jämföra med andra källor eller undersökningar som stöd för att tolka resultatet. Ett bra exempel på sådant arbete är BRÅ:s statistik kring misshandel i rapporten ”Brottsutvecklingen i Sverige fram till år 2015”15. De konstaterar att antalet anmälda fall av misshandel har ökat. Därefter jämför de dessa siffror
15 Wallin (2016), sid. 72 ff.
Räkna med jämlikhet – handbok i att mäta, analysera och använda statistik i praktiskt jämlikhetsarbete
Är det möjligt att fånga makt i siffror? Och hur gör vi för att mäta rätt, inte bara mäta lätt?
med frågeundersökningar, dels till skolungdomar och dels till brottsoffer, samt med uppgifter från sjukvården. Utifrån detta konstaterar de att ökningen av misshandelsanmälningar troligen inte beror på ökad frekvens av misshandel, utan på att samhället tar våld på större allvar och att fler därför anmäler det de utsatts för.
I en tid där datadrivet beslutsfattande och mätbara mål hyllas, men kritiken mot ”mätsamhället” växer, ger Räkna med jämlikhet vägledning i att använda statistik på ett konstruktivt sätt. Att mäta genomtänkt och medvetet öppnar vägar till förändring!
I Räkna med jämlikhet får du kunskap, verktyg och illustrerande exempel, som hjälper dig att formulera frågeställningar, genomföra undersökningen och att analysera och använda statistiken.
Boken lyfter bland annat frågor som:
• Vad är jämlikhetsdata, och vilka möjligheter och utmaningar innebär arbetet med statistik som speglar ojämlikhet, makt och diskriminering?
En fördel med register, särskilt offentliga, är att det ofta går att få tag i i långa tidsserier, till exempel över brottsutveckling, arbetslöshet eller inkomster. Det händer dock att sättet att mäta förändras över tid. Exempelvis kan det röra sig om hur data samlats in till registren, eller förändringar i definitioner av olika begrepp. Ett exempel på detta är arbetslöshetsstatistiken. Sedan 2007 använder Sverige den internationella definitionen av arbetslöshet som omfattar alla mellan 15–74 år. Tidigare omfattade den svenska statistiken gruppen 16–64 år. Före 2007 omfattade statistiken inte heller aktivt arbetssökande studerande, vilket den gör nu.16 Det innebär att det ofta är svårt att jämföra arbetslöshetsstatistik före och efter 2007.
• Vilka lagar, regler och etiska principer bör vägleda vårt arbete med statistik?
Enkäter
• Hur ser vi till att vår statistik kommer till användning i praktiskt förändringsarbete?
Räkna med jämlikhet är en praktisk handbok för dig som arbetar med jämlikhet och social hållbarhet, och som vill utveckla ditt arbete med hjälp av statistik.
Många frågor om jämlikhet kan vi inte besvara med hjälp av register. Frågor om upplevelser och mående, om livsstil och levnadsvanor tillhör privatlivet och samlas inte i register. Detta dels för att det vore integritetskränkande, dels för att det är praktiskt omöjligt att registrera sådant som förändras ofta, såsom hur vi mår eller vad vi har upplevt det senaste året (exempelvis när det gäller kränkningar och trakasserier). Dessutom, som jag återkommer till bland annat i avsnittet om GPDR, är det inte heller tillåtet att registrera alla typer av uppgifter, däribland många grupptillhörigheter som kan vara viktiga i ett jämlikhetsarbete.
I de fallen är enkäter en bra metod för att samla in data.
CHRISTINA AHLZÉN , Medida, arbetar sedan 2008 med utredning och analys för att främja jämlikhet, jämställdhet, inkludering och social hållbarhet. Läs mer om Christina på www.medida.se.
Enkätundersökningar kan också ställa frågor om sådant som finns i register, för att synliggöra samband med sådant som inte finns i register. Exempelvis kompletterar SCB registerdata om arbetsmarknaden med en stor enkätundersökning, arbetskraftsundersökningen (AKU). Där kan de mäta arbetslöshet på andra sätt än den registrerade. De kan också söka samband med exempelvis trivsel och utsatthet för diskriminering på arbetsplatsen. Båda variablerna fångar
16 Johansson, Lena (2007).
