Kontrollera för relevanta variabler

Här kommer ett inlägg som inte handlar om SPSS direkt, men som visar vikten av att kontrollera för relevanta variabler. På Dagens Samhälle är en av de mest lästa artiklarna ”Danderyd bäst på skola”. Man lyfter där fram Danderyd som en kommun som har uppnått väldigt goda resultat i skolan. I anslutning till detta presenterar man också en lista över ”Kostnad per betygspoäng”, där man tagit kostnaden per elev (exklusive lokaler) delat med snittbetyget i poäng. Ju lägre kostnad per poäng, desto bättre, är tanken.

Problemet är bara att vissa kommuner har mycket bättre förutsättningar än andra, i fråga om utbildning bland föräldrarna, och mer resurser bland annat. Man berör detta i artikeln:

”Danderyd är även den kommun som har landets högsta medelinkomst och störst andel högutbildade, men det är inte enda förklaringen till de goda skolresultaten, enligt Per-Arne Andersson, chef för avdelningen för lärande och arbetsmarknad på SKL.
– Det finns andra kommuner där föräldrarna har hög utbildning men som hamnar längre ner på listan, säger han till SvD.”

För att en lista av den här typen ska motivera en rubrik som ”Danderyd bäst på skola” bör man givetvis kontrollera för de relevanta bakomliggande variablerna. Därför gjorde jag en snabb regression med kostnad per betygspoäng som beroende variabel, och som oberoende variabler hade jag:

Befolkning (logaritmerad)
Befolkningstäthet (logaritmerad)
Medelålder
Arbetslöshet
Valdeltagande i senaste valet
Medelinkomst
Andel högutbildade i kommunen

Man får då fram en förväntad kostnad per betygspoäng. Residualerna från regressionen (den oförklarade skillnaden mellan förväntat värde och verkligt värde) ger då något som skulle kunna vara en kvalitetsfaktor. Kommuner som lyckats mycket bättre än vad man kunnat förvänta sig givet deras socioekonomiska förutsättningar borde då ha ganska bra skolor. I listan nedanför kan man se vad 289 kommuner (data fanns inte för Vindeln) har för KPB, förväntad KPB, skillnad, gammal placering, ny placering samt förändring i placering.

Vi ser då att Danderyd hamnar betydligt längre ner. De har låg KPB, men detta beror till stor del på att de har väldigt goda förutsättningar. Bästa kommun enligt ”resultat utifrån förutsättningar” är istället Perstorp. I kolumnen ”Förändring i placering” ser vi hur mycket bättre eller sämre kommunen hamnar i den nya listan, vilket ger ett mått på hur mycket kommunen gynnas eller missgynnas av den här typen av rapportering. Vi ser då att Haparanda och Övertorneå flyttar upp sig 195 och 194 platser, medan Nacka hamnar 156 platser längre ner.

Genom att inte kontrollera för möjliga bakomliggande variabler riskerar man att hela tiden visa att de rikaste kommunerna är bäst på allting, vilket väl inte är syftet med rankningar av den här typen.

Kommun Kostnad per betyg Förväntad KPB Skillnad Gammal ranking Ny ranking Förändring i placering
Perstorp 255,9 329,3 -73,4 7 1 6
Årjäng 283,9 357,2 -73,2 34 2 32
Arvika 265,2 337,7 -72,4 11 3 8
Mora 287,4 343,2 -55,8 40 4 36
Åre 293,2 345,3 -52,1 59 5 54
Örkelljunga 278,2 329,9 -51,7 26 6 20
Essunga 271,2 322,1 -51,0 18 7 11
Bjurholm 304,7 354,5 -49,9 103 8 95
Malung-Sälen 292,8 341,6 -48,8 58 9 49
Tidaholm 275,6 318,6 -43,0 23 10 13
Skurup 272,6 315,0 -42,4 21 11 10
Tanum 297,6 338,8 -41,2 83 12 71
Partille 243,8 284,9 -41,0 1 13 -12
Växjö 270,2 311,1 -40,8 15 14 1
Arboga 281,4 322,1 -40,6 29 15 14
Tibro 282,9 323,5 -40,6 31 16 15
Skara 276,9 317,1 -40,1 24 17 7
Ovanåker 303,5 342,8 -39,3 100 18 82
Lysekil 280,5 319,8 -39,3 27 19 8
Stenungsund 263,6 301,2 -37,6 9 20 -11
Kinda 289,8 327,0 -37,2 47 21 26
Söderhamn 296,0 332,9 -36,8 70 22 48
Åtvidaberg 284,5 321,3 -36,8 35 23 12
Vara 287,3 322,9 -35,5 38 24 14
Hudiksvall 302,0 336,4 -34,4 96 25 71
Töreboda 302,5 336,8 -34,3 98 26 72
Höganäs 270,3 304,4 -34,1 16 27 -11
Kävlinge 255,2 289,1 -34,0 5 28 -23
Sunne 300,4 334,0 -33,6 91 29 62
Eksjö 291,0 324,5 -33,5 52 30 22
Övertorneå 347,1 380,4 -33,4 225 31 194
Munkfors 307,1 340,2 -33,1 109 32 77
Laxå 305,9 338,8 -32,9 106 33 73
Haparanda 347,9 379,9 -32,1 229 34 195
Hjo 292,7 324,7 -32,0 56 35 21
Trosa 271,9 303,6 -31,7 19 36 -17
Skellefteå 293,4 324,9 -31,5 61 37 24
Orsa 316,8 347,1 -30,3 143 38 105
Nordanstig 314,6 344,3 -29,7 134 39 95
Laholm 294,8 324,2 -29,4 65 40 25
Härryda 260,0 289,4 -29,4 8 41 -33
Grästorp 292,1 321,4 -29,3 53 42 11
Hammarö 265,7 294,7 -29,0 12 43 -31
Dals-Ed 320,0 348,5 -28,5 151 44 107
Pajala 348,0 376,0 -28,0 230 45 185
Mjölby 283,6 311,4 -27,8 33 46 -13
Kristinehamn 297,3 325,0 -27,7 81 47 34
Varberg 277,4 305,1 -27,7 25 48 -23
Vellinge 252,3 279,9 -27,6 3 49 -46
Båstad 290,9 318,6 -27,6 51 50 1
Norrtälje 287,4 314,5 -27,2 39 51 -12
Eslöv 283,6 310,4 -26,8 32 52 -20
Mariestad 296,8 323,0 -26,3 78 53 25
Hultsfred 312,2 338,2 -26,0 126 54 72
Nässjö 290,3 315,4 -25,1 50 55 -5
Ludvika 305,6 330,5 -24,9 105 56 49
Höör 295,1 319,3 -24,2 66 57 9
Östra Göinge 300,1 324,0 -23,9 90 58 32
Kristianstad 292,5 316,2 -23,7 55 59 -4
Ljungby 297,1 320,6 -23,5 80 60 20
Härjedalen 333,0 356,4 -23,4 196 61 135
Högsby 315,9 339,1 -23,3 140 62 78
Vetlanda 296,1 319,4 -23,2 72 63 9
Falköping 292,8 315,9 -23,1 57 64 -7
Karlstad 290,3 313,4 -23,1 49 65 -16
Dorotea 347,6 370,6 -23,0 227 66 161
Sotenäs 295,7 318,6 -22,9 68 67 1
Tranås 290,2 312,0 -21,8 48 68 -20
Falun 298,8 320,6 -21,8 87 69 18
Ängelholm 289,5 311,2 -21,7 45 70 -25
Götene 294,5 316,1 -21,6 64 71 -7
Gällivare 329,5 351,0 -21,5 180 72 108
Mullsjö 289,5 310,8 -21,3 44 73 -29
Knivsta 272,0 293,1 -21,1 20 74 -54
Gagnef 304,0 325,0 -21,0 102 75 27
Svenljunga 312,7 333,1 -20,4 129 76 53
Sjöbo 305,5 325,9 -20,4 104 77 27
Karlskoga 296,4 316,8 -20,4 75 78 -3
Bjuv 298,1 317,8 -19,7 86 79 7
Västerås 287,7 307,1 -19,3 42 80 -38
Danderyd 244,0 263,3 -19,3 2 81 -79
Leksand 310,0 329,1 -19,1 118 82 36
Mölndal 270,2 289,2 -19,0 14 83 -69
Osby 307,5 326,2 -18,7 111 84 27
Ljusdal 336,1 354,6 -18,5 199 85 114
Mönsterås 302,0 320,4 -18,4 95 86 9
Älvsbyn 321,1 339,4 -18,3 157 87 70
Ystad 300,8 318,7 -17,9 92 88 4
Värnamo 298,1 315,4 -17,3 85 89 -4
Lidingö 253,7 270,7 -17,0 4 90 -86
Västervik 313,0 330,0 -17,0 130 91 39
Vårgårda 297,0 313,8 -16,8 79 92 -13
Eskilstuna 306,5 323,0 -16,5 107 93 14
Sollefteå 337,0 353,0 -16,0 201 94 107
Öckerö 263,8 279,7 -15,9 10 95 -85
Helsingborg 287,6 303,5 -15,9 41 96 -55
Enköping 296,7 312,1 -15,5 77 97 -20
Forshaga 303,6 318,9 -15,3 101 98 3
Mark 296,0 310,9 -14,9 69 99 -30
Burlöv 287,2 301,7 -14,5 36 100 -64
Gnesta 302,4 316,8 -14,4 97 101 -4
Ronneby 308,3 322,5 -14,3 115 102 13
Trollhättan 295,4 309,5 -14,1 67 103 -36
Hörby 310,1 324,0 -13,9 120 104 16
Östhammar 307,0 320,8 -13,8 108 105 3
Timrå 310,0 323,6 -13,6 119 106 13
Lidköping 292,5 306,0 -13,5 54 107 -53
Färgelanda 323,2 336,1 -12,9 163 108 55
Älmhult 307,5 320,4 -12,9 110 109 1
Alingsås 293,4 306,1 -12,7 62 110 -48
Simrishamn 319,0 331,7 -12,7 148 111 37
Täby 255,4 267,8 -12,4 6 112 -106
Gnosjö 308,0 320,1 -12,2 112 113 -1
Lerum 273,5 285,5 -11,9 22 114 -92
Rättvik 337,4 348,6 -11,1 203 115 88
Strömstad 331,6 341,9 -10,3 193 116 77
Markaryd 323,1 333,4 -10,3 162 117 45
Nynäshamn 297,8 308,1 -10,3 84 118 -34
Munkedal 325,9 335,8 -10,0 171 119 52
Halmstad 299,4 309,2 -9,8 88 120 -32
Jokkmokk 358,1 367,3 -9,2 247 121 126
Lomma 269,9 279,0 -9,1 13 122 -109
Habo 289,7 298,6 -8,8 46 123 -77
Jönköping 293,4 302,0 -8,6 60 124 -64
Boxholm 314,8 323,4 -8,5 136 125 11
Lund 294,2 301,7 -7,5 63 126 -63
Klippan 325,1 332,3 -7,2 168 127 41
Bollnäs 331,7 338,9 -7,2 194 128 66
Alvesta 310,8 318,0 -7,1 124 129 -5
Herrljunga 311,2 318,1 -6,9 125 130 -5
Hagfors 338,9 345,7 -6,8 209 131 78
Uppsala 297,5 303,8 -6,4 82 132 -50
Vännäs 318,9 325,1 -6,3 147 133 14
Flen 320,3 326,5 -6,2 152 134 18
Örnsköldsvik 321,9 328,0 -6,1 159 135 24
Karlshamn 310,7 316,3 -5,6 123 136 -13
Karlsborg 321,7 327,2 -5,4 158 137 21
Tomelilla 329,7 334,7 -5,0 181 138 43
Borås 302,6 307,6 -5,0 99 139 -40
Ydre 324,2 329,1 -4,9 166 140 26
Hallstahammar 316,6 321,3 -4,8 141 141 0
Uddevalla 308,2 312,8 -4,6 114 142 -28
Vaggeryd 315,5 319,9 -4,4 138 143 -5
Ulricehamn 313,8 317,9 -4,2 131 144 -13
Kungsör 315,7 319,4 -3,7 139 145 -6
Robertsfors 334,0 337,6 -3,6 197 146 51
Säffle 330,7 334,2 -3,5 187 147 40
Tyresö 270,6 273,9 -3,4 17 148 -131
Luleå 314,1 317,4 -3,3 132 149 -17
Falkenberg 314,2 317,2 -3,0 133 150 -17
Filipstad 348,8 350,8 -2,0 232 151 81
Kalmar 310,5 312,3 -1,8 122 152 -30
Vaxholm 281,1 282,9 -1,7 28 153 -125
Borlänge 310,2 311,1 -1,0 121 154 -33
Vänersborg 312,4 313,3 -0,9 127 155 -28
Upplands-Bro 301,1 301,6 -0,5 93 156 -63
Olofström 330,9 330,7 0,2 189 157 32
Kungsbacka 287,2 286,9 0,3 37 158 -121
Ödeshög 330,3 329,8 0,6 185 159 26
Eda 358,9 357,6 1,2 252 160 92
Skövde 316,8 315,5 1,3 144 161 -17
Vimmerby 327,7 326,1 1,6 174 162 12
Kramfors 342,0 340,2 1,8 215 163 52
Södertälje 315,3 313,5 1,8 137 164 -27
Österåker 288,3 286,3 1,9 43 165 -122
Piteå 321,1 319,0 2,0 156 166 -10
Gävle 318,5 316,4 2,2 146 167 -21
Hässleholm 326,7 324,3 2,4 173 168 5
Tierp 330,1 326,7 3,4 184 169 15
Tingsryd 340,0 336,6 3,4 210 170 40
Gotland 329,1 325,5 3,7 179 171 8
Emmaboda 337,7 333,9 3,8 204 172 32
Mellerud 341,1 337,1 4,0 214 173 41
Nykvarn 296,4 292,2 4,2 74 174 -100
Gislaved 323,0 318,8 4,2 161 175 -14
Haninge 301,8 297,5 4,2 94 176 -82
Svalöv 324,7 320,3 4,4 167 177 -10
Askersund 330,0 325,4 4,6 183 178 5
Kumla 308,5 303,7 4,8 116 179 -63
Finspång 323,8 318,5 5,3 165 180 -15
Malå 351,5 345,9 5,5 236 181 55
Säter 328,9 323,3 5,6 178 182 -4
Ale 308,8 302,9 6,0 117 183 -66
Vadstena 326,1 320,0 6,1 172 184 -12
Fagersta 332,4 325,8 6,5 195 185 10
Nacka 282,6 275,6 7,0 30 186 -156
Kiruna 350,3 343,4 7,0 235 187 48
Grums 340,7 332,8 7,9 212 188 24
Värmdö 296,7 288,6 8,1 76 189 -113
Vallentuna 296,1 287,9 8,2 71 190 -119
Norrköping 319,4 311,1 8,3 149 191 -42
Kil 329,8 320,4 9,4 182 192 -10
Borgholm 343,9 334,4 9,4 219 193 26
Hällefors 358,6 349,1 9,5 251 194 57
Åmål 347,6 337,7 9,9 228 195 33
Hylte 337,9 328,0 10,0 205 196 9
Uppvidinge 347,2 337,0 10,3 226 197 29
Karlskrona 320,4 309,5 10,9 153 198 -45
Umeå 322,6 311,4 11,1 160 199 -39
Bollebygd 319,7 308,2 11,5 150 200 -50
Huddinge 300,0 288,2 11,8 89 201 -112
Nyköping 325,6 313,7 11,9 170 202 -32
Gullspång 344,8 332,8 12,0 221 203 18
Östersund 337,2 324,5 12,7 202 204 -2
Sölvesborg 331,2 318,2 13,0 191 205 -14
Hedemora 343,6 330,3 13,3 217 206 11
Lessebo 340,7 327,2 13,5 213 207 6
Valdemarsvik 344,3 330,5 13,8 220 208 12
Kalix 353,2 339,3 13,9 240 209 31
Sävsjö 336,4 322,5 13,9 200 210 -10
Trelleborg 323,7 309,3 14,4 164 211 -47
Tjörn 316,8 302,2 14,6 142 212 -70
Söderköping 330,9 315,8 15,2 190 213 -23
Ekerö 296,4 280,1 16,2 73 214 -141
Vansbro 358,3 341,7 16,7 249 215 34
Ljusnarsberg 370,6 353,6 17,0 261 216 45
Surahammar 343,7 326,6 17,1 218 217 1
Upplands Väsby 312,5 294,7 17,8 128 218 -90
Linköping 320,8 302,9 17,9 155 219 -64
Nybro 345,8 327,7 18,0 224 220 4
Mörbylånga 337,9 319,9 18,0 206 221 -15
Strängnäs 330,4 310,7 19,6 186 222 -36
Krokom 361,8 342,0 19,9 253 223 30
Hallsberg 338,7 317,8 20,9 208 224 -16
Lindesberg 352,1 329,8 22,3 237 225 12
Kungälv 314,8 292,3 22,5 135 226 -91
Ånge 370,8 347,5 23,3 262 227 35
Norsjö 376,7 353,3 23,4 268 228 40
Örebro 331,3 307,8 23,4 192 229 -37
Lekeberg 342,9 319,4 23,5 216 230 -14
Botkyrka 330,8 307,3 23,5 188 231 -43
Köping 348,6 324,6 24,0 231 232 -1
Sandviken 345,4 321,4 24,0 223 233 -10
Svedala 317,8 293,7 24,1 145 234 -89
Smedjebacken 353,8 329,3 24,5 242 235 7
Avesta 345,3 320,6 24,7 222 236 -14
Lycksele 372,5 347,0 25,4 264 237 27
Sigtuna 327,9 302,0 25,9 176 238 -62
Oskarshamn 340,6 314,6 25,9 211 239 -28
Boden 357,6 331,4 26,2 245 240 5
Ockelbo 372,5 346,1 26,4 263 241 22
Aneby 350,3 322,5 27,8 234 242 -8
Norberg 363,4 335,0 28,4 254 243 11
Storuman 391,4 362,8 28,5 276 244 32
Torsby 379,5 350,2 29,3 269 245 24
Göteborg 325,4 295,0 30,4 169 246 -77
Åsele 396,8 365,4 31,4 278 247 31
Sala 356,6 325,1 31,5 244 248 -4
Skinnskatteberg 375,6 342,0 33,6 266 249 17
Sollentuna 308,0 274,3 33,7 113 250 -137
Motala 349,6 315,1 34,5 233 251 -18
Lilla Edet 354,1 319,4 34,7 243 252 -9
Solna 320,7 285,2 35,5 154 253 -99
Åstorp 353,4 317,6 35,8 241 254 -13
Härnösand 368,0 331,8 36,2 258 255 3
Tranemo 352,8 315,8 37,0 239 256 -17
Bengtsfors 384,1 346,9 37,1 273 257 16
Heby 367,7 329,0 38,7 257 258 -1
Vingåker 358,6 317,8 40,8 250 259 -9
Bromölla 357,7 315,0 42,7 246 260 -14
Salem 328,0 285,0 43,0 177 261 -84
Ragunda 402,5 359,1 43,4 279 262 17
Nora 374,0 330,1 43,9 265 263 2
Berg 402,5 358,3 44,2 280 264 16
Arvidsjaur 395,6 351,3 44,3 277 265 12
Bräcke 404,7 358,8 45,9 282 266 16
Torsås 382,3 335,1 47,1 271 267 4
Järfälla 327,8 280,3 47,5 175 268 -93
Sorsele 422,6 374,8 47,8 285 269 16
Orust 364,2 315,8 48,3 255 270 -15
Staffanstorp 335,2 286,6 48,6 198 271 -73
Strömsund 412,8 361,8 51,0 284 272 12
Landskrona 364,5 313,2 51,3 256 273 -17
Sundsvall 370,2 318,7 51,5 259 274 -15
Älvdalen 412,8 361,1 51,6 283 275 8
Hofors 385,4 333,3 52,0 274 276 -2
Degerfors 376,1 322,3 53,7 267 277 -10
Älvkarleby 370,5 315,9 54,6 260 278 -18
Katrineholm 379,8 318,9 61,0 270 279 -9
Stockholm 338,1 275,1 63,0 207 280 -73
Storfors 403,7 338,2 65,5 281 281 0
Överkalix 433,9 366,9 66,9 286 282 4
Sundbyberg 352,1 283,8 68,3 238 283 -45
Arjeplog 440,3 370,1 70,2 287 284 3
Håbo 358,2 287,5 70,7 248 285 -37
Oxelösund 383,0 307,6 75,4 272 286 -14
Malmö 386,7 301,2 85,5 275 287 -12
Vilhelmina 442,1 354,9 87,2 288 288 0
Nordmaling 466,6 337,0 129,6 289 289 0

3 thoughts on “Kontrollera för relevanta variabler

  1. Hej!

    Jag har tänk undersöka huruvida immigration påverkar ett lands (specifikt Greklands) ekonomi negativt/positivt. Jag har inte hittat någon användbar variabel för migration, så den får jag skapa själv. Seda skulle jag behöva hjälp med en bra beroendevariabel, jag tror inte att BNP är något bra mått, eftersom jag tror att effekten av migration kommer vara försumbar.

    Tacksam för all hjälp jag kan få!

  2. Ping: Okritiska undersökningar om utbildningens betydelse | P-O:s reflektioner

  3. Hej. Om jag vill göra en liknande undersökning som denna men med infrastrukturens kostnad per invånare istället vilken regressionsmetod använder jag då? Multipel? Hur kan jag göra så jag ser varje kommun för sig i spss? jag får bara den samlade datan för samtliga kommuner. jag ser alltså inte som du en uppställning över alla kommuner när jag utför regressionen. För att förtydliga: Jag vill kolla hur stor den förväntade kostnaden för infrastrukturen per invånare jämfört med den verkliga kostnaden.

Kommentera

Fyll i dina uppgifter nedan eller klicka på en ikon för att logga in:

WordPress.com Logo

Du kommenterar med ditt WordPress.com-konto. Logga ut / Ändra )

Twitter-bild

Du kommenterar med ditt Twitter-konto. Logga ut / Ändra )

Facebook-foto

Du kommenterar med ditt Facebook-konto. Logga ut / Ändra )

Google+ photo

Du kommenterar med ditt Google+-konto. Logga ut / Ändra )

Ansluter till %s