Felkällor och felmarginal

Om man inte tar hänsyn till ovanstående när man gör urvalet riskerar man att det inte blir representativt . Då kan det bli ett skevt urval, ett urvalsfel, vilket kan leda till ett missvisande resultat.

Vid en undersökning måste man räkna med ett visst svarsbortfall. Det finns nämligen oftast ett antal efterfrågade svar som uteblir. Bortfall är alltid ett problem vid statistiska undersökningar. Det kan nämligen resultera i att urvalet inte längre är representativt för hela populationen. Därför är det viktigt att man har koll på bortfallet när man analyserar resultatet, eftersom ju större bortfall undersökningen har, desto mer osäkert kan studiens resultat vara.

För att skapa en större tillförlitlighet gör man därför bortfallsundersökningar och beräkningar av felmarginalen. Där efter räknar man om resultatet för att få en mer sanningsenlig bild av verkligheten.

Ju fler individer eller enheter som deltar i undersökningen, ju bättre resultat. Man måste alltså fråga tillräckligt många personer, för att få en så lite felmarginal som möjligt i en opinionsmätning. Frågar man få finns det en risk för att resultatet inte är representativa för hela populationen. Bäst vore givetvis att undersöka hela populationen, men det finns det oftast inte resurser till.

Några av de felkällor man bör tänka på vid analysen av undersökningen är svarsbortfallet, felaktigt i fyllda formulär, otydligt formulerade frågor och andra olika mätfel som bidrar till ett urvalsfel, alltså att undersöknings resultat i stickprovet inte motsvarar resultatet för hela populationen. För att ändå kunna använda stickprovsundersökningar kan man göra följande.

Med hjälp av följande formel försöker man säkerställa att en undersökning är tillförlitlig.

Felmarginalen  $f$ƒ  anges i procentenheter. Och man antar att det verkliga resultatet bör landa någonstans i intervallet resultatet plus minus felmarginalen. Alltså  $\pm f$±ƒ  .

På grund av olika faktorer och slumpen händer det ändå att beräkningen av felmarginalen är fel. Men denna formel anses åtminstone ge korrekt svar i  $95$95 av $100$100 fall. Ett så kallat  $95\%$95% -igt konfidensintervall.

Om ett resultat av en undersökning landar i intervallet för felmarginalen anses undersökningen vara statistiskt säkerställd.

I fem fall av hundra är felmarginalen för liten och det sanna värdet ligger utanför intervallet.

Statistisk signifikans är ett mått på hur sannolikt det är att tillfälligheter gett det uppfattade sambanden. Genom olika mindre testgrupper kan man värdera och vikta sannolikheten för att utfallen är slumpmässiga eller sanningsenliga och på så vi fast slå en statistisk signifikans.

Att räkna ut såna sannolikheter, så kallade signifikansvärden, är lite klurigt och inget vi lär vi oss i denna kurs. Men det kan ändå vara bra att känna till vad det är.