Analysresultat i bilder

Surveyselskabet En graf siger mere end 1000 tal Köpenhamn 16 september 2013 Analysresultat i bilder Anders Wallgren & Britt Wallgren SCB, Örebro universitet ba.statistik@telia.com

Hur överför vi statistik till kunskaper? 1. Mikrodata

Pnr Födelseår Kön Födelse land DispInk90 ForvInk90 SyssStat90 DispInk91 ForvInk91 SyssStat91 D 1 1948 1 8 704 0 6 842 0 6 2 1981 2 1 1245 814 1 1364 19 1 3 1974 2 1 1051 0 6 1013 0 6 4 1985 2 10 975 633 1 1099 679 1 5 1978 2 1 767 151 5 760 151 5 6 1979 1 1 399 0 6 475 0 6 7 1974 1 1 1062 799 1 1366 892 1 8 1978 1 1 569 9 5 648 6 5 9 1983 1 1 655 0 6 702 0 6 10 1966 2 1 742 829 1 833 576 1 11 1985 1 1 895 1274 1 1027 1430 1 12 1935 1 1 577 0 6 668 0 6 13 1963 1 26 565 0 6 698 0 6 14 1972 2 1 762 238 1 1106 97 1 15 1980 1 1 1418 15 5 1967 16 5 16 1977 1 1 983 18 5 1063 10 5 17 1977 2 1 460 0 6 503 0 6 18 1968 2 1 626 0 6 685 0 6 19 1958 1 9 751 0 6 916 0 6 20 1979 1 1 642 0 6 778 0 6 21 1947 2 1 540 315 1 652 87 1 22 1982 2 1 946 0 6 859 0 6 23 1984 1 1 704 0 6 912 0 6 24 1970 1 1 207 208 1 210 167 1 25 1920 1 1 688 0 6 745 0 6 26 1924 1 1 731 0 6 762 0 6

Hur överför vi statistik till kunskaper? 1. Mikrodata 2. Tabeller som redovisar fakta

83 Folkmängd efter kön, civilstånd och ålder i ettårsklasser den 31 december 2004 Population by sex, civil status and age by single years Ålder Ogifta Gifta 1 Änklingar, änkor 2 Skilda 3 Hela Levande födda Age Single Married 1 Widowed 2 Divorced 2 antalet Live births Total Män Kvinnor Män Kvinnor Män Kvinnor Män Kvinnor År Antal Men Women Year Number 25 50 915 45 208 3 248 6 834 3 9 285 749 107 251 1979 96 255 26 48 639 42 364 4 191 8 225 4 14 394 959 104 790 1978 93 248 27 48 415 41 168 5 885 10 306 3 20 521 1 177 107 495 1977 96 057 28 47 885 39 710 7 630 12 892 8 29 731 1 490 110 375 1976 98 345 29 47 954 39 114 9 953 15 801 10 42 999 1 935 115 808 1975 103 632 30 47 621 37 973 13 094 19 387 17 48 1 260 2 500 121 900 1974 109 874 31 44 485 34 904 15 479 21 824 18 44 1 589 2 894 121 237 1973 109 663 32 42 606 32 990 18 205 24 225 14 74 1 953 3 500 123 567 1972 112 273 33 40 645 31 084 20 445 25 952 23 105 2 382 4 060 124 696 1971 114 484 34 36 995 28 175 21 455 26 906 28 104 2 934 4 640 121 237 1970 110 150 35 34 587 26 192 23 271 27 319 39 127 3 432 5 390 120 357 1969 107 622 36 34 601 26 354 25 407 29 275 37 166 4 106 6 328 126 274 1968 113 087 37 35 218 26 626 28 113 31 146 70 202 5 044 7 211 133 630 1967 121 360 38 34 238 25 600 29 170 32 154 83 221 5 772 7 927 135 165 1966 123 354 39 32 556 24 242 30 447 32 643 76 293 6 480 8 989 135 726 1965 122 806

Hur överför vi statistik till kunskaper? 1. Mikrodata 2. Tabeller som redovisar fakta 3. Tabeller som visar mönster

Medellön efter utbildning och kön Tusentals kronor per månad Utbildning Kön n Kvinnor Män 6 Grundskola 19.2 22.3 5 Gymnasium 20.1 24.1 8 Högskola 26.3 34.8

Hur överför vi statistik till kunskaper? 1. Mikrodata 2. Tabeller som redovisar fakta 3. Tabeller som visar mönster 4. Diagram som visar mönster

Medellön efter utbildning och kön Tusentals kronor per månad Utbildning Kön n Kvinnor Män 6 Grundskola 19.2 22.3 5 Gymnasium 20.1 24.1 8 Högskola 26.3 34.8 Bild 5. Medellön efter kön och utbildning 2005 Tusentals kronor per månad 40 Män Kvinnor 30 20 10 0 Grundskola Gymnasium Högskola Utbildning

Medellön efter utbildning och kön Tusentals kronor per månad Utbildning Kön n Kvinnor Män 6 Grundskola 19.2 22.3 5 Gymnasium 20.1 24.1 8 Högskola 26.3 34.8 Bild 5. Medellön efter kön och utbildning 2005 Tusentals kronor per månad 40 Män Kvinnor 30 20 10 0 Grundskola Gymnasium Högskola Utbildning Detta är statistisk grafik mönster i data visualiseras Stillbilder: Diagram Rörliga bilder: Animeringar Syfte: Att överföra statistik till kunskaper Statistik metodik för detta? Statistisk kvalitet?

Hur överför vi statistik till kunskaper? Statistik metodik för detta? Det finns etablerad metodik men hur många känner till metodiken? Statistisk kvalitet?

Hur överför vi statistik till kunskaper? Statistik metodik för detta? Darrel Huff: Hur man ljuger med statistik Diagram viktigt, du får inte ljuga! Edward Tufte:The Visual Display of Quantitative Information Ingenting får störa, ta bort allt onödigt: Above all else show the data! William Cleveland: The Elements of Graphing Data Perception, vad uppfattar ögat? Trellis Displays (multivariat) Make the data stand out! Wallgren & Wallgren: Diagram statistikens bilder Bygger på Tuftes och Clevelands principer Datamaterialets (tabellens) struktur avgör val av diagramtyp

Hur överför vi statistik till kunskaper? Statistisk kvalitet? Datamaterialets Analysens Presentationens kvalitet kvalitet kvalitet

Hur överför vi statistik till kunskaper? Statistisk kvalitet? Datamaterialets Analysens Presentationens kvalitet kvalitet kvalitet Find patterns in data Distinguish between different patterns Cause and effect Control for disturbing factors Control for confounding variables Is it understandable? Is it interesting? Right kind of chart? Are the building blocks correct? Is the chart appealing?

Exempel:

Quality of Data Example 1: Report from Statistics Sweden: Are sales increasing? Sales are deacreasing! Real case: Planned investments in manufacturing 89/90 + 5 %! Millions per year 50 45 40 35 35 This was published 20 March 1990! Millions per quarter 13 50 45 11 40 35 9 30 30 1985 2003 1986 2004 2005 19871988 2006 1989 2007 1990 2008 2003 2004 2005 2006 2007 2008 30 7 2003 2004 2005 2006 2003 2004 2005 2006

Quality of Data Example 1: Yearly data don t describe changes within years increasing? Are sales increasing? Sales are deacreasing! Sales are deacreasing! Real case: Planned investments in manufacturing 89/90 + 5 %! year Millions per year 50 45 40 35 35 This was published 20 March 1990! Millions per quarter Millions per quarter This could have been published! 45 11 30 30 30 30 7 7 004 2005 1985 2003 2006 1986 2004 2007 2005 19871988 2008 2006 1989 2007 1990 2008 1985 2003 1986 2004 19871988 2005 2003 2006 20041989 2007 20051990 2008 2006 004 2005 2003 2006 2004 2007 2005 2008 2006 2007 2008 2003 2004 2005 2003 2006 2004 2007 2005 2008 2006 13 50 45 11 40 35 9 13 50 40 35 9

Quality of Data Example 2: Quality of different sources Murder/manslaughter in Sweden 1975-2005 Number of persons/cases per 100 000 inhabitants 1. Reported 2. Persons found guilty 3. Persons killed 2.5 2.5 2.5 2.0 2.0 2.0 1.5 1.5 1.5 1.0 1.0 1.0 0.5 0.5 0.5 0.0 0.0 75 80 85 90 95 00 05 75 80 85 90 95 00 05 0.0 75 80 85 90 95 00 05

Quality of Data Example 2: Quality of different sources Murder/manslaughter in Sweden 1975-2005 Number of persons/cases per 100 000 inhabitants 1. Reported 2. Persons found guilty 3. Persons killed 2.5 2.5 2.5 2.0 1.5 X 2.0 1.5 X 2.0 1.5 1.0 1.0 1.0 0.5 0.5 0.5 0.0 0.0 75 80 85 90 95 00 05 75 80 85 90 95 00 05 0.0 75 80 85 90 95 00 05

Quality of Analysis Example 3: Employed persons in Sweden 45-54 years old, thousands Employed persons in Sweden 45-54 years old, in thousands 1 100 95 1 000 90 900 85 800 87 88 89 90 91 92 93 94 95 96 97 98 99 00 01 02 03 04 05 06 07 08 09 10 80 87 88 89 90 91 92 93 94 95 96 97 98 99 00 01 02 03 04 05 06 07 08 09 10

Quality of Analysis Example 3: Number of persons depends on the size of the population a disturbing factor here! Employed persons in Sweden 45-54 years old, thousands Employed persons in Sweden 45-54 years old, in thousands 1 100 Employment ratio among persons 45-54 years old, % Employment ratio among persons 45-54 years old, % 95 1 000 90 900 85 800 87 88 89 90 91 92 93 94 95 96 97 98 99 00 01 02 03 04 05 06 07 08 09 10 80 87 88 89 90 91 92 93 94 95 96 97 98 99 00 00 01 01 02 02 03 03 04 04 05 05 06 06 07 07 08 08 09 09 10 10

68 65 Example 4: Quality of Analysis Chart 32. Negative long-term trends become positive when rates are age standardised 32a. Employment rates, population 15-74 years 32b. Employment rates 15-75 years, age standardised 68 65 67 66 65 64 64 63 62 61 63 60 01 02 03 04 05 06 07 08 09 10 11 12 01 02 03 04 05 06 07 08 09 10 11 12 32c. Labour force rates, population 15-74 years 32d. Labour force rates 15-75 years, age standardised 73 70 72 71 70 69 69 68 67 66

How do we turn statistics into knowledge? Quality of Quality of Quality of Data Analysis Presentation We think that the Analysis part of the chain is the weakest! There are plenty of good data There are many good IT-tools for presentation But we lack good analysis!

Bild 22a. Diagram i vanlig skala Världens befolkning, miljoner 10 000 010000 000 Bild 22c. Indexdiagram Världens befolkning, index 1950=100 900 900 8 000 000 16000 000 000 4 000 000 100 2 000 000 Världen Världen Asien Asien Afrika Afrika Amerika Amerika Europa Europa Oceanien Oceanien 700 700 500 500 300 300 Afrika Afrika Asien Asien Oceanien Oceanien Världen Världen Amerika Amerika Europa Europa 10 0 1950 1950 1970 1970 1990 1990 2010 2010 2030 2030 2050 2050 100 100 1950 1970 1990 2010 2030 2050 1950 1970 1990 2010 2030 2050 Bild 24c. Linjediagram med andelar Andel av världens befolkning, procent 70 10 60 8 50 6 40 304 20 2 10 0 1950 1970 1990 2010 2030 2050 Världen Asien Asien Afrika Afrika Amerika Europa Oceanien Oceanien Gör flera diagram för samma datamaterial: Det kan finnas flera mönster att illustrera Mer och bättre analys!

EU-27 Euro området Belgien Bulgarien Tjeckien Danmark Tyskland Estland Irland Grekland Spanien Frankrike Italien Cypern Lettland Litauen Luxemburg Ungern Malta Nederländerna Österrike Polen Portugal Rumänien Slovenien Slovakien Finland Sverige Diagram utan budskap Diagram med budskap Bygger på Eurostatdiagram OBS: Faktarubrik Bild 17. Andel arbetslösa 2006 för olika åldersgrupper Procent 35 30 25 20 15 10 5 0 15-24 år 25-74 år

Diagram utan budskap Diagram med budskap OBS: Budskapsrubrik Polen Polen Slovakien Slovakien Tyskland Tyskland Kroatien Kroatien Frankrike Frankrike Bulgarien Bulgarien Grekland Grekland Spanien Spanien Belgien Belgien Turkiet Turkiet Portugal Portugal Ungern Ungern Finland Finland Tjeckien Tjeckien Lettland Lettland Rumänien Rumänien Italien Italien Litauen Litauen Estland Estland Sverige ---------- Sverige ---------- Slovenien Slovenien Malta Malta Österrike Österrike Luxemburg Luxemburg Cypern Cypern Storbritannien Storbritannien Irland Irland Nederländerna 25-74 år Nederländerna Danmark Danmark Norge 15-24 år Norge 0 10 20 30 40 25-74 år 15-24 år 0 10 20 30 40 20 18 16 14 12 10 8 6 4 2 0 Sverige

Tre arbetsmoment när man skapar diagram: 1. Arbetet med att välja och analysera data Hitta intressanta mönster, diagrammets budskap 2. Val av diagramtyp Datamaterialets struktur avgör 3. Arbetet med att utforma diagrammets byggstenar de linjer, ytor och texter som bygger upp ett diagram

Datamaterialets struktur avgör diagramtyp: Tidsseriedata Tvärsnittsdata Geografiska Bild 1. Linjediagram Arbetslösa efter kön, 1000-tal 250 Män 200 150 100 50 0 Kvinnor 80 85 90 95 00 05 80 85 90 95 00 05 Bild 7b 7e. Befolkningen 25 64 år efter utbildningsnivå 7b. Stående staplar 7c. Liggande staplar 60 Procent 60 Eftergymnasial Eftergymnasial 40 Gymnasial 40 Gymnasial 20 Förgymnasial 20 Förgymnasial 0 0 0 20 40 60 Låg Medel Hög 20 40 60 Procent Låg Medel Hög 7d. Cirkeldiagram 7e. Knoppdiagram Hög 35% Låg 18% Eftergymnasial Eftrergymnasial Gymnasial Gymnasial Förgymnasial Förgymnasial Envägsindelad annan tabell del 2 län med minskning Befolkningsminskning 2000-2001, promille större än 6,0 (2) 3,0 till 5,99 (5) 0,0 till 2,99 (5) gninkö )9( Medel 47% 0 20 40 60 20 40 60 Procent

Procent Diagrammets byggstenar: Att utforma de linjer, ytor och texter som bygger upp ett diagram Bild 7. Andel arbetslösa män av arbetskraften inom olika åldersklasser, 1993 2006. 25.00 20.00 15.00 10.00 5.00 Män 16-24 år Män 25-54 år Män 55-64 år 0.00 1993 1995 1997 1999 2001 2003 2005 År Bild 8. Andel arbetslösa män efter ålder Procent 25 16-24 år 25-54 år 20 55-64 år 15 10 10 5 0 93 94 95 96 97 98 99 00 01 02 03 04 05 06

Exempel 1: Exempel 2: Förvärsvarbetande efter näringsgren 2011, antal Sverige Danmark A jordbruk, skogsbruk och fiske 100 264 69 952 B+C tillverkning och utvinning 603 069 298 057 D+E energiförsörjning; miljöverksamhet 45 781 22 345 F byggverksamhet 314 122 150 218 G handel 554 367 417 459 H transport och magasinering 226 164 130 020 I hotell- och restaurangverksamhet 140 698 83 576 J information och kommunikation 171 191 98 417 K finans- och försäkringsverksamhet 90 068 82 434 L fastighetsverksamhet 69 156 44 099 M+N företagstjänster 504 528 267 456 O offentlig förvaltning och försvar 252 282 146 321 P utbildning 466 846 219 325 Q vård och omsorg; sociala tjänster 719 155 513 664 R+S+T+U kulturella och personliga tjänster m.m. 195 368 117 841 00 okänd verksamhet 52 541 14 911 Summa förvärvsarbetande 4 505 600 2 676 095 Genomsnittlig månadslön 2009, SKR Män KvinnorTotalt FORTJENESTE PR. PRÆSTERET TIME, DKR, 2009 Mænd Kvinder M og kv Samtliga utbildningsnivåer 30126 25655 27880 UDDANNELSER I ALT 283.57 246.27 266.22 Förgymnasial utbildning kortare än 9 år 24510 20948 23038 10 GRUNDSKOLE 220.63 198.8 211.45 Förgymnasial utbildning 9 (10) år 25236 22104 23963 20 ALMENGYMNASIAL UDDANNELSER 268.03 213.86 240.71 Gymnasial utbildning 26892 23288 25146 25 ERHVERVSGYMNASIAL UDDANNELSER 255.07 220.66 238.9 Eftergymnasial utbildning kortare än två år 34212 26623 31205 35 ERHVERVSUDDANNELSER 268.35 232.69 252.87 Eftergymnasial utbildning två år eller längre 36618 29069 32145 40 KORTE VIDEREGÅENDE UDDANNELSER 298.48 258.37 282.02 Forskarutbildning 48021 40634 45307 50 MELLEMLANGE VIDEREGÅENDE UDDANNELSER 344.36 272.33 298.89 60 BACHELOR 317.57 258.36 285.54 65 LANGE VIDEREGÅENDE UDDANNELSER 405.05 345.23 379.3 70 FORSKERUDDANNELSER 423.75 398.24 415.29

Bild 1. Näringslivets struktur i Danmark och Sverige, andel av sysselsatta 2011 Handel Vård och omsorg Finans, försäkring Jordbruk, skogsbruk, fiske Fastighetsverksamhet Kulturella, personliga tjänster Hotell, restaurang Information, kommunikation Offentlig förvaltning, försvar Energi, miljö Transport, magasinering Företagstjänster Byggverksamhet Utbildning Tillverkning, utvinning Branscher som är större i Danmark Överst i Bild 1: Handel, vård, finans och jordbruk Danmark Sverige 0 5 10 15 20 Branscher som är större i Sverige Underst i Bild 1: Tillverkningsindustri, utbildning, byggverksamhet och företagstjänster

Bild 2. Relativlöner i Sverige och Danmark Genomsnittlön i respektive land 2009 = 100 Sverige Danmark 180 180 160 160 Forskarutbildning 140 140 120 120 100 100 Högskola 2+ år Högskola < 2 år 80 80 Gymnasium Grundskola 60 Män Kvinnor 60 Mænd Kvinder Löneskillnaderna mellan könen är som regel större i Sverige bland högskoleutbildade. Löneskillnaderna mellan könen är som regel mindre i Danmark med två undantag: bland gymnasieutbildade och bland högskoleutbildade med mellanlång utbildning. Bland dessa är löneskillnaderna mellan könen stora.