Statistiske begreber (R², regression)

Geografi · 10. klasse · Kommunikation

Statistiske begreber for geografi

Geografi er datadrevet — du arbejder med tabeller, tidsserier, sammenligninger. Statistisk forståelse er nødvendig for at undgå fejl og kommunikere troværdigt.

Centrale begreber

Gennemsnit (middelværdi)

• Sum af alle værdier ÷ antal
• Følsom for outliers

Median

• Midt-værdien når sorteret
• Mere robust end gennemsnit
• Bruges fx for lønninger (få høje løn-modtagere skævvrider gennemsnittet)

Standardafvigelse

• Hvor "spredt" er data?
• Lille SD = data tæt om gennemsnittet
• Stor SD = stor variation

Percentiler

• 50%-percentilen = medianen
• 90%-percentilen = grænsen hvor 90% af data ligger under
• Bruges fx i økonomisk ulighed

Regression — lineær sammenhæng

Y = a + b·X

• a = skæring (Y når X = 0)
• b = hældning (hvor meget Y stiger pr. enhed X)

Eksempel: Sammenhæng mellem indkomst og forventet levetid:

• Levetid = 65 + 0,000003 × BNP-pr-indb
• Hver $10.000 ekstra BNP → 0,03 år ekstra levetid

R² (forklaringsgrad)

R² = mellem 0 og 1. Hvor stor andel af variationen i Y forklares af X?

• R² = 0: ingen sammenhæng
• R² = 0,5: X forklarer 50% af variationen
• R² = 0,9: X forklarer 90% (meget stærk)
• R² = 1: perfekt sammenhæng (sjældent i virkeligheden)

Geografisk eksempel: BNP vs. forventet levetid har R² ≈ 0,7 — stærk men ikke perfekt sammenhæng.

Korrelation

Korrelation måler styrken af sammenhæng mellem 2 variable: -1 til +1.

• +1 = perfekt positiv (X stiger → Y stiger)
• 0 = ingen sammenhæng
• -1 = perfekt negativ (X stiger → Y falder)

KORRELATION ≠ KAUSALITET!

Det vigtigste statistiske princip:

Eksempel: Iskremsalg og drukneulykker er korrelerede. Men iskrem forårsager ikke drukneulykker — den konfunderende variabel er sommertemperatur.

Geografi-eksempler på korrelation uden kausalitet:

• Lande med flere storker har flere fødsler (begge korrelerer med rurale-områder)
• Andel af storedigede har korrelation med BNP (begge stiger med tid)

Konfidensintervaller

Når vi siger "Danmarks BNP-vækst i 2024 var 1,5% ± 0,3%" — det er et konfidensinterval.

• 95% CI betyder: vi er 95% sikre på at den sande værdi ligger i intervallet
• Bredt interval = stor usikkerhed
• Smalt interval = mere præcis

P-værdi (signifikans)

P < 0,05 = statistisk signifikant

• Sandsynligheden for at observere så ekstreme resultater hvis der ikke er nogen sammenhæng
• Lav P → resultatet er sandsynligvis ægte
• Høj P → kunne være tilfældigt

Excel-værktøjer

• =GENNEMSNIT() = mean
• =MEDIAN() = median
• =STDAFV.S() = standardafvigelse
• =KORRELATION() = korrelation
• =PEARSON() = også korrelation
• Indsæt → Diagram → Tilføj trendlinje → Vis R² = lineær regression

Pas på dette

Lyver IKKE med statistik. Vælg klassedeling, akse-skala, etc., for at vise data fair. Tegn manipulerede grafer er en form for uærlighed.

Læringsmål

• Beregne gennemsnit, median, standardafvigelse
• Forstå og fortolke R² i regression
• Skelne mellem korrelation og kausalitet
• Identificere konfunderende variable
• Bruge Excel til simple statistiske analyser
• Læse statistiske resultater kritisk

Projekt: Lav en regression-analyse

Vælg to geografiske variable du tror hænger sammen (fx BNP-pr-indb. vs. forventet levetid; eller CO₂-udledning vs. BNP). Hent data fra Verdensbanken for fx 30 lande.

Indsæt i Excel:

1. Lav et scatterplot (X-Y-diagram)

2. Tilføj trendlinje (lineær)

3. Vis R²-værdi

4. Tolk: hvor stærk sammenhæng?

5. Diskutér: er det kausal eller bare korrelation?

Diskussions-opgave: "Lande med flere McDonald's har højere BNP." Sandt? Hvad er korrelationen, hvad er kausaliteten?

Cool faldgruber: Læs "How to Lie with Statistics" af Darrell Huff (1954, stadig relevant). Lærer at se igennem manipulerede statistikker.

Brobygning: Statistik er fundament i samfundsvidenskab, økonomi, datajournalistik, alt naturvidenskabeligt.