Om tolkning af trivariate analyser med Gamma

som ses fra Gamma-værdierne og tabellerne. Forestil jer, at I f.eks. finder følgende: 1) der er en
enkelt Gamma-værdi, der skiller sig markant ud fra de øvrige (lad os sige, at en Gamma-værdi
ligger på omkring 0,40, mens de øvrige ligger på omkring 0,20; 2) I forhold til de tilknyttede
standardfejl vurderer I, at det statistisk set ser ud til, at den ene Gamma er større end de øvrige i
populationen. Inden I konkluderer, at der så må være interaktion, bør I imidlertid rent logisk
(teoretisk eller via dagligdagsviden) kunne forstå eller forestille jer denne interaktion – dvs. de
mekanismer der ligger til grund for den. Hvis I ikke kan begribe interaktionen på denne facon, skal
statistikken tale et meget tydeligt sprog, inden I drager konklusionen om forskel/interaktion.
Forestil jer nu en anden situation. F.eks. at der ses et fint mønster med stigende lokale
Gamma-værdier med stigende værdi på kontrolvariablen, men samtidig at I ikke kan gennemskue
blot tilnærmelsesvist, om der statistisk set er forskel mellem nogen af disse lokale Gamma’er.
Forestil jer endvidere, at I har en teoretisk velbegrundet hypotese om netop sådan et mønster for
interaktionen. I sådan en situation ville man givet vis tage de empiriske resultater (altså tabellerne
og de lokale Gamma’er) som udtryk for en støtte af hypotesen, på trods af at statistikken måske ikke
helt kan bekræfte den. Det gælder altså i enhver situation, hvor statistikken ikke er meget
overbevisende, at man bør lade konklusionen ske på baggrund af substantielle overvejelser tillige.
Hvornår er den partielle Gamma statistisk signifikant forskellig fra nul i
populationen?
Hvis I via SPSS syntax får beregnet en partiel Gamma i forbindelse med kontrol af en
sammenhæng, bliver der ikke hertil knyttet signifikansberegning. Der findes en anden måde at
beregne partiel Gamma på, hvortil der kan beregnes signifikansniveau, men dette ligger ude over
pensum. Afgørelsen bliver i jeres tilfælde et ’slag på tasken’, og de informationer, som I har til
rådighed, og som kan gøre det til andet end et helt tilfældigt gæt, er den partielle Gamma’s størrelse
i forhold til den bivariate (eller ’Zero order Gamma’), signifikansniveauet for den bivariate, samt de
enkelte signifikansniveauer (p-værdier) for de lokale Gamma’er.
Hvis f.eks. samtlige lokale Gamma’er er statistisk signifikante, og hvis samtlige lokale
Gamma’er har samme fortegn, vil den partielle Gamma også være statistisk signifikant. Og hvis
f.eks. den bivariate Gamma er statistisk signifikant forskellig fra nul, samtidig med at den partielle
Gamma er af nogenlunde samme størrelsesorden som den bivariate, så vil man konkludere, at den
partielle Gamma er statistisk signifikant – også selvom en eller flere af de lokale Gamma’er ikke er
det.
Hvis den partielle Gamma derimod er markant forskellig fra den bivariate, samtidig
med at ikke alle de lokale Gamma’er er signifikante, må man vurdere på lidt anden vis, og
vurderingen bliver lidt mere usikker. Hvis f.eks. den partielle Gamma er nede på 0,10 eller mindre,
er der under alle omstændigheder tale om en meget svag sammenhæng, hvorfor man kan hæfte sig
ved det istedet for. Er den partielle Gamma imidlertid af en anseelig størrelse, f.eks. over 0,10, og
alligevel markant mindre end den bivariate, kan man prøve at kaste et samlet blik på de lokale
Gamma’ers signifikansniveauer. Her er det imidlertid meget vigtigt ikke at lade sig snyde. Antallet
af observationer i de enkelte del-tabeller er jo betydeligt mindre end i den samlede bivariate tabel,
2