9789140695499

Silje Bringsrud Fekjær

Att tolka och förstå statistik om brott

Innehåll

1. Vad bör man veta om statistik?

9

Vem behöver läsa statistik?

Bokens teman Bokens uppbyggnad

9 10 11

2. Statistik och brottslighet

13

Statistikens plats inom polisen Kritik av statistikens roll i polisens arbete Polisen och andra myndigheter som producenter av brottsstatistik

Brottsstatistik Kriminalitetens omfattning: Mörkertal och kontrollkurva Uppklaringsprocenten: Mått på framgång? Äpplen och päron: Att jämföra brottslighet Tolkningar av brottsstatistiken: Ökar våldet?

Våldtäktsvåg och rånvåg?

Godtyckliga siffror eller värdefull samhällsinformation?

3. Att beskriva samhället med siffror­ Skillnaden mellan kvantitativ och kvalitativ metod Generalisering: Att kunna säga något om många Bäst med både – och?

Några statistiska grundbegrepp Enhet, variabel och värde Kausalitet: Orsakssamband Skillnaden mellan kausalitet och determinism

13 14 16 17 18 18 19 21 22 22

25 25 26 26 27 27 28 29

Datakällor Enkätundersökningar Fördelar Begränsningar Bortfall: När människor inte svarar

Registerdata Missbruk av registeruppgifter?

Fördelar Begränsningar Datasäkerhet och tillgång till registeruppgifter

Experiment Fördelar Begränsningar

4. Att läsa statistik Konsten att läsa en tabell Vad bör vara med i tabellerna?

Konsten att läsa ett diagram Skalans betydelse i diagram

Konsten att läsa statistiska mått Centraltendens: Medelvärde och median

5. Vad bör vi vara uppmärksamma på när vi tolkar statistik?

Fallgrop 1: Sammanblandning av kausalitet och statistiskt samband Kausalitet eller statistiskt samband? Broken Windows och brottslighetens nivå Nationella prov: Bra skolor eller bra elever?

Samspelseffekt: När det inte fungerar likadant för alla

Fallgrop 2: Spuriösitet Spuriösitet – är effekten av beväpning skenbar?

Delvis spuriösa samband: Drogmissbruk och kriminalitet Indirekt effekt: När effekten tar en omväg

30 30 30 31 33 35 35 35 36 37 38 38 38

41 41 45 45 47 51 51

63 63 64 65 66 67 68 70 71

Fallgrop 3: Omvänd orsaksriktning ”Dataspel föder våld” – eller tvärtom?

När påverkan går åt båda hållen Familjesociala problem och beteendeproblem

Fallgrop 4: Urval Representativa urval: Mer än storlek Skeva urval – skeva resultat Att uttala sig på andras vägnar

Fallgrop 5: Små skillnader Signifikant = intressant?

Fallgrop 6: Inexakt framställning Frågor som är svåra att svara på Betydelsen av definitioner En annan tid, en annan plats?

När statistik blir politik Statistik som egenreklam

6. Hur undviker man f­ allgroparna?

72 72 73 74 74 75 77 78 79 80 81 82 83 84 85 86

89

Att bedöma och kvalitetssäkra s­ tatistik Lösning 1: Experiment Lösning 2: Kvasiexperiment Lösning 3: Ta hänsyn till att grupperna är olika Lösning 4: Data från flera tidpunkter Lösning 5: Fler källor Lösning 6: Fler metoder

89 89 90 91 93 94 95

7. Avslutning: Mellan sanning och förbannad lögn

97

Referenser 99 Tack

105

Register 107

2. Statistik och brottslighet Det är inte givet vilken typ av forskningsmetoder som helst bör användas när man forskar om brottslighet och polisverksamhet. Det finns forskning som visar att det hos en del poliser råder en stark skepsis mot att de ska styras utifrån statistik (Sem et al. 2013). Hur som helst: Ska man förstå kriminaliteten och hur polisen fungerar, kommer man inte förbi siffrorna. Brottsstatistiken möter också stor uppmärksamhet och stort intresse från polisens sida, även om den kan uppfattas som svår att tolka.

Statistikens plats inom polisen Statistiken har en viktig plats inom polisen i dag. Statistiken styr mycket av polisens operativa verksamhet, men utgör också en viktig bakgrund för utredare, analytiker och chefer. Databaserade analyser, till exempel av var och när det sker inbrott, kan bidra med nya insikter men också bekräfta de kunskaper som polisen redan har genom sin erfarenhet (Chainey et al. 2018).

Brottsstatistiken har tolkats som ett mått på resultat som visar polisens lyckade insats när brottsligheten sjunker. Om det är polisens förtjänst att brottsligheten sjunker, kan man hävda att den då också har gjort sig förtjänt av ökade anslag. Brottsstatistiken har dock även använts som ett argument för ökade anslag när brottsligheten ökar: Polisen behöver mer pengar för att bekämpa den ökande kriminaliteten. Det verkar finnas en historisk skillnad. Tidigare hade polisen ett intresse av att beskriva ökande brottslighet som ett argument för mer resurser till polisen. Efter införandet av New Public Management kom en ny tolkning av brottsstatistiken som ett resultat av polisens 13

Att tolka och förstå statistik om brott insats. Därmed blev minskad kriminalitet ett tecken på en lyckad insats av poli­sen, och därmed ett argument för ökade resurser (Lomell 2011). Här finns en paradox: Minskad brottslighet tillskrivs polisen, medan en ökning tillskrivs faktorer utanför polisens kontroll. Resultatet blir i båda fallen ett argument för ökade anslag.

Siffror och statistik är ett ledningsverktyg som är avgörande för vad som ska prioriteras inom polisen. När det gäller den svenska polisen har studier beskrivit vad som av forskarna uppfattas som ett intensivt sökande efter mätbara mål och prestationer, något som också kritiserats för att leda till så kallad ”pinnjakt” 1 (Sarnecki 2010; Björk 2014).

Detta är dock inte något unikt för Sverige och de nordiska länderna. Även inom exempelvis den brittiska polisen har studier beskrivit en redovisnings- och granskningsinriktad organisationskultur, vilket också har lett till en ökande administration inom polisen (Forsell & Ivarsson Westerberg 2014). Det senare har beskrivits inte minst beträffande den svenska polisen, något som Björk (2014) benämner som ”det administrations-digitala komplexet”. När det gäller den administrativa tillväxten finns likheter med andra offentliga myndigheter, som skolan och sjukvården, där man även inom dessa organisationer har uppfattat en ökning av de administrativa delarna av arbetet (Ivarsson Westerberg 2004; Forsell & Ivarsson Westerberg 2014).

Kritik av statistikens roll i polisens arbete Tonvikten på siffror och statistik i polisen har kritiserats från flera håll, inte bara i Norge och Sverige. Dahl och Lomell (2009) hävdar att de argument som underbyggs av statistik är de som kommer fram inom 1 ”Pinnjakt” syftar på det kvantitativa målsystem inom den svenska polisen där varje ärende registrerades som en ”pinne” i statistiken oavsett allvarlighetsgrad. Det ledde till att statistiken kunde förbättras genom att handläggningen av enklare brott prioriterades. Efter den svenska polisens omorganisation 2015 har det sagts att denna typ av fokus på själva antalet ärenden, snarare än innehållet, ska upphöra. Dock har det även efter omorganisationen förts fram kritik i massmedierna om att ”pinnjakt” fortfarande förekommer inom polisen (se t.ex. Expressen 2018).

14

2. Statistik och brottslighet polisen och i den kriminalpolitiska offentligheten. När videoövervakning och DNA-registrering infördes i Norge var det bland annat mot bakgrund av siffror som visade att detta skulle verka förebyggande och öka chanserna till uppklaring av brott. När det sedan visade sig att dessa siffror inte stämde, hittade man nya argument för åtgärderna. Även de nya argumenten byggde på statistik. Till exempel fästes nu inte längre uppmärksamheten på att DNA ökade uppklaringsprocenten, utan på att antalet personer i DNA-registret ökade. Dahl och Lomells analys visar statistikens genomslagskraft, men utgör också en tydlig varning för att låta sig styras av felaktiga siffror som återges i medierna.

Polisens egna anställda har också kritiserat statistikens centrala roll i polisarbetet. Kvalitativa intervjuer har visat att chefer inom poli­ sen kan uppleva att strävan efter att försköna statistiken och uppnå måltal kan gå ut över det som de anställda själva upplever som viktigast att prioritera (Sem et al. 2013). De lokala cheferna vill prioritera samarbete och det som de själva uppfattar som polisens samhällsuppdrag. Dessa mål upplever de inte återspeglas i måltalen. I en studie av polisers brottsutredningar menade en del poliser att de administrativa uppgifterna tar mycket tid som annars kunde ägnats åt att lösa brott (Björk 2014).

Lomell (2010) har pekat på flera möjliga olyckliga konsekvenser av att styra polisen enligt statistiken. Det kan bland annat leda till ”tunnelseende”, där snabba resultat prioriteras framför långsiktiga satsningar. Det finns också en risk för att statistiken manipuleras. Det kan ske både genom så kallad kreativ bokföring och genom medveten felregistrering, som att notera kontroller som aldrig har genomförts. Är det verkligen så att de flesta chefer och/eller anställda inom polisen är negativa till statistikens roll, och att betoningen av statistikens betydelse skapar olyckliga konsekvenser som ”tunnelseende”, ”närsynthet” och ”kreativ bokföring”? Det finns inte mycket forskning kring detta. Det finns behov av mer studier för att undersöka i vilken utsträckning uppfattningarna som exempelvis Sem et al. (2013) finner är representativa bland polisanställda generellt, och hur det egentligen ser ut i praktiken inom polisen i dag. Oavsett vilka uppfattningar man har om användningen av statistik i polisen, råder det inget tvivel om 15

Att tolka och förstå statistik om brott

median Figur 4.8 Median.

fördelning (Johannessen et al. 2010, s. 282). Om vi ställer upp polisstudenterna på led, med den kortaste i början och den längste i slutet, är medianen längden på den student som står i mitten. Fördelen med detta mått är att det inte påverkas av extremvärden, som några få väldigt långa polisstudenter.

Spridning: Standardavvikelse Måtten på centraltendens säger oss alltså var tyngdpunkten i en fördelning ligger. Men ofta behöver vi mer information än så. Mått på spridning är användbara för att de säger oss om det är så att alla klumpar ihop sig runt mitten, eller om det råder stora skillnader. Det finns fler mått på spridning, men standardavvikelse är det som oftast används. Standardavvikelsen talar om för oss hur stor spridningen är runt

Figur 4.9 Liten spridning, låg standardavvikelse.

52

4. Att läsa statistik

Figur 4.10 Stor spridning, hög standardavvikelse.

medel­värdet (Johannessen et al. 2010, s. 288). Är det så att alla i kursen med polisstudenter är ungefär lika långa, eller råder det stora skillnader i längd mellan studenterna? I en klass med jämnlånga studenter blir standardavvikelsen liten (t.ex. 1 centimeter), men i en klass där det är större längdskillnader mellan studenterna blir standardavvikelsen större (t.ex. 5 centimeter).

Hur hög ska standardavvikelsen vara för att vi ska säga att det råder stor spridning? Det beror på vad vi mäter. Om vi mäter längd i centimeter och standardavvikelsen är 10, betyder det att det finns ganska stora skillnader i längd i gruppen. Vissa är klart längre än andra. Det är alltså stor spridning och hög standardavvikelse. Om vi däremot mäter årsinkomst i kronor och standardavvikelsen är 10, betyder det att det råder små löneskillnader – de flesta tjänar ungefär lika mycket.

Då tolkas standardavvikelsen som låg och spridningen som liten, även om standardavvikelsen är den samma som när vi mätte längd (10).

Storleken på standardavvikelsen måste alltså bedömas i förhållande till det som mäts.

Måttens betydelse: Hur länge måste man vänta på cancerbehandling?

Olika statistiska mått kan ge olika bilder av samma fenomen, även om båda måtten är riktiga. Det är därför viktigt att vara uppmärksam på vilka mått som används när man bedömer ett rön. Detta har betydelse när vi ska säga något om hur länge man måste vänta på cancer­ 53

Att tolka och förstå statistik om brott behandling på olika sjukhus. Vi kan till exempel tänka oss tre patienter som har väntat på cancerbehandling i 12, 14 och 69 dagar. Medianen är då det mellersta värdet: 14 dagar. Men medelvärdet är 32 dagar ((12 + 14 + 69): 3). Använder vi medelvärdet får vi alltså intryck av att väntetiden är mycket längre. Det är skillnad på att vänta två veckor på cancerbehandling (median = 14) och över en månad (medelvärde = 32 dagar).

Både median och medelvärde är erkända mått på centraltendens.

Som vi ser kan de emellertid ge väldigt olika resultat. En fördel med att använda medelvärdet är att det är ett mått som de flesta kan förstå.

Medianen är dock, som vi har sett, mindre påverkad av extremvärden.

Använder man medelvärdet som mått på väntetiden, kommer enskilda personer som har tvingats vänta mycket länge att kraftigt dra upp medelvärdet, även om det är få som har upplevt detta. Särskilt kan det ha betydelse när man tittar på väntetiden för små sjukhus. När medierna publicerar medelvärdet för väntetid för sjukhus som bara har behandlat fem patienter för en speciell form av cancer, kommer ett enda fall där patienten har behövt vänta mycket länge att ge stort utslag på siffrorna (NRK 2011). Därmed kan ett eller två fall som kanske har varit undantagsfall prägla det helhetsintryck man får av sjukhuset.

Samtidigt kan man fråga sig om det ändå inte är riktigt att enskilda fall ger stora utslag på måttet man använder i frågor som dessa. Enskilda fall med lång väntetid kan få stora konsekvenser, både för att det är påfrestande att behöva vänta, och för att lång väntetid i värsta fall kan leda till att patienter dör.

Idealet vore kanske att uppge både median och medelvärde, som tillsammans säger mycket om hur länge man måste vänta på behandling. Ännu bättre information får vi om vi dessutom uppger standardavvikelsen: Är det så att alla väntar ungefär lika länge, eller råder det stora skillnader i väntetid? Här måste man göra en avvägning. Om det viktigaste är att få fram så mycket och så exakt information som möjligt, är det en fördel att använda fler statistiska mått. Å andra sidan är det svårt att förmedla statistiska mått som många inte känner till, som median och standardavvikelse.

54

4. Att läsa statistik Korrelationsmått: Pearsons r I många undersökningar försöker man komma fram till om det finns ett samband mellan två fenomen, och eventuellt hur starkt detta samband är. Är det till exempel så att de som själva har varit föremål för socialtjänstens åtgärder oftare fångar myndighetens intresse när de själva får barn? Klarar elever som använder mycket tid till att göra läxor sig mycket bättre i skolan? För att mäta samband finns det olika statistiska mått som kallas för korrelationsmått.8 Det mått som oftast används är Pearsons r.

En fördel med Pearsons r är att det är ett så kallat normerat värde: Det varierar mellan fasta gränser. Pearsons r är alltid en siffra mellan –1 och +1. Om Pearsons r är lika med 0, betyder det att det inte finns något samband. Positiva värden (högre än noll) betyder att det finns ett positivt samband: Det finns en tendens till att höga värden på den ena variabeln sammanfaller med höga värden på den andra variabeln (två fenomen har en tendens till att uppträda samtidigt, eller att de som är sådana också oftare är så beskaffade). Värden under noll innebär att det finns ett negativt samband: Det finns en tendens till att högre värden på den ena variabeln sammanfaller med låga värden på den andra variabeln (det ena fenomenet inträffar mera sällan när det andra är närvarande, eller de som är sådana är mera sällan så beskaffade).

Tänk dig att vi skulle ta reda på om det finns ett samband mellan skonummer och längd. Om det inte fanns något statistiskt samband, skulle Pearsons r vara 0. Då skulle det inte finnas någon tendens till att längre människor har högt skonummer, och inte heller lågt sko­ nummer. Den som är två meter lång skulle ha lika stor chans att använda skonummer 36 som den som är 1,60 lång.

Om det råder ett perfekt positivt samband, innebär det att när det ena fenomenet förekommer, gör det andra alltid också det – det ena 8 Korrelation är ett annat ord för samvariation eller samband. Det betyder att vissa värden på en variabel har en tendens till att uppträda tillsammans med vissa värden på en annan variabel. Som vi ska se i exemplet: De som är längre har en tendens till att också ha högre skonummer.

55

Att tolka och förstå statistik om brott Silje Bringsrud Fekjær Ökar eller minskar brottsligheten? Leder beväpning av polisen till att polismän oftare skadar och dödar civila? Blir barn våldsamma av att spela våldsamma dataspel? Frågor som dessa är viktiga, både för polisen och för samhället i övrigt. För att hitta svaren tar många statistiken till hjälp. Siffror framställs ofta som objektiv sanning men utan kunskap om grundläggande statistiska principer är det lätt att dra felaktiga slutsatser.

ATT TOLKA OCH FÖRSTÅ STATISTIK innehåller inga statistiska formler och ingen matematik. I stället visar författaren med relevanta exempel från forskning och media hur man kan tolka, förstå och värdera statistik på ett korrekt sätt. Boken handlar om hur kvantitativ metod och statistik kan användas för att skaffa information om samhället, samt hur statistik kan både användas och missbrukas i polisens arbete och i debatten om brottslighet.

En ökad kunskap om både användningen och missbruket av statistik är till nytta för poliser, kriminologer, kriminalvårdspersonal och andra som studerar eller yrkesarbetar med frågor som rör brottslighet.

Författaren, Silje Bringsrud Fekjær, är sociolog och professor, verksam vid Senter for profesjonsstudier i Oslo och Akershus.

Fackgranskning: Joakim Thelander, universitetslektor i kriminologi vid Högskolan Kristianstad Översättning: Hans Dalén

ISBN 978-91-40-69549-9

9 789140 695499