Fordeler og ulemper ved tabellanalyse Tabeller på vei ut?

Temaer i presentasjonen:
• Utviklingen for surveyanalyse – et personlig tilbakeblikk
• To ulike formål: Kausal- og prediksjons-analyse
• Opplegg for kausalanalyse ved hjelp av krysstabeller
• Tabellanalysens begrensninger
• Regresjonsanalyse som alternativ
• Lineær versus logistisk regresjon
• Alternativ: Indekser og “Propensity score”
Problemer med multippel regresjon
Noen advarende stemmer:
Harvard-statistikeren Donald B. Rubin: ”Standard modeling software can
automatically handle many regressor variables and produce results,
although they can be remarkably misleading. With many confounding
covariates, however, the issues of lack of adequate overlap and reliance on
untrustworthy modelbased extrapolations are even more serious than with
only one confounding covariate.” (Rubin 1997: 759).
”When an estimate is derived using a regression model, especially one with
many regressors, it may become difficult to judge how much the estimate
reflects the data and how much it reflects the model. To investigate the
source of results, we recommend one compare model-based results to the
corresponding tabular (categorical-analysis) results.” (Rothman &
Greenland 1998: 407).
Alternativer som kan gjøre problemet med mange variabler og begrenset antall
enheter mindre i en tabellanalyse: indekser og tilbøyelighets-skåre
(propensity-score).
Rothman, K.J. & Greenland, S. (eds.) 1998. Moderen Epidemiology. Second edition. Philadelphia: Lippincott-
Raven Publishers.
Rubin, D.R. 1997. Estimating causal effects from large data sets using propensity scores. Annals of internal
medicine, 127, 757-763.
20