Kvalitetsbegrepp och riktlinjer för kvalitets - Statistiska centralbyrån
Kvalitetsbegrepp och riktlinjer för kvalitets - Statistiska centralbyrån
Kvalitetsbegrepp och riktlinjer för kvalitets - Statistiska centralbyrån
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
8<br />
2.2 Osäkerhetskällor<br />
Åtminstone som en <strong>för</strong>sta approximation, med pedagogiska <strong>för</strong>tjänster, kan en total<br />
avvikelsen ses som en summa av partiella avvikelser, vilka emanerar från olika<br />
felkällor. Härvid skall dock framhållas dels att de partiella avvikelserna kan motverka<br />
varandra (genom att ha olika tecken) dels att uppdelningen på möjliga felkällor<br />
ibland kan vara något skönsmässig.<br />
2.2.1 Urval<br />
Kvalitetskomponenten avser den del av totala avvikelsen som beror på att statistiken<br />
är baserad på observationer på endast ett urval av objekt. Osäkerhetsmarginaler<br />
kan ofta anges i form av konfidensintervall.<br />
2.2.2 Ramtäckning<br />
Kvalitetskomponenten avser den del av totala avvikelsen som beror på skillnad<br />
mellan rampopulation <strong>och</strong> målpopulation.<br />
2.2.3 Mätning<br />
Kvalitetskomponenten avser den del av totala avvikelsen som beror på mätfel.<br />
2.2.4 Svarsbortfall<br />
Svarsbortfall, vanligen <strong>för</strong>kortat till bortfall, uppstår när värden på en eller flera<br />
observationsvariabler inte kan inhämtas. Termen skall uppfattas i den vida mening<br />
som indikeras av engelskans "missing value". Den omfattar t.ex. att uppgifter saknas,<br />
där<strong>för</strong> att de av en eller annan anledning inte kunde över<strong>för</strong>as från ett administrativt<br />
register. Om man <strong>för</strong> ett objekt inte erhåller några användbara uppgifter<br />
<strong>för</strong>eligger objektbortfall. Om användbara uppgifter inhämtats <strong>för</strong> vissa, men inte<br />
alla observationsvariabler <strong>för</strong>eligger partiellt bortfall (<strong>för</strong> variabler utan värden).<br />
Kvalitetskomponenten avser den del av totala avvikelsen som beror på bortfall.<br />
2.2.5 Bearbetning<br />
Kvalitetskomponenten avser den del av totala avvikelsen som beror på ofullkomligheter<br />
i bearbetningen, vilken omfattar databeredning (dataregistrering, kodning<br />
<strong>och</strong> granskning/rättning) <strong>och</strong> numeriska skattningsberäkningar. Själva skattnings<strong>för</strong>farandet<br />
hänger nära samman med urval, <strong>och</strong> det är oftast naturligast att <strong>för</strong>a<br />
samman dessa till en aspekt "urval <strong>och</strong> skattning/estimation".<br />
2.2.6 Modellantaganden<br />
Avser den del av den totala avvikelsen som beror på att statistiken är baserad på<br />
modellantaganden som inte är perfekt uppfyllda.<br />
Val av urvals- <strong>och</strong> skattnings<strong>för</strong>farande baseras ofta på modellantaganden, som<br />
spelar roll <strong>för</strong> skattningarnas precision men inte deras väntevärdesriktighet. För<br />
störningar på grund av täcknings - <strong>och</strong> mätningsbrister samt bortfall görs också ofta<br />
antaganden, som används <strong>för</strong> justeringar i skattningssteget. Nyssnämnda typer av<br />
modellantaganden hän<strong>för</strong>s till den aktuella osäkerhetskällan. Denna <strong>kvalitets</strong>komponent<br />
avser modellantaganden utöver dem som gäller urval, ramtäckning, mätning<br />
<strong>och</strong> bortfall. Exempel är framskrivningsmodeller, modeller <strong>för</strong> att ”<strong>för</strong>dela ned”<br />
statistik från stora till små redovisningsgrupper <strong>och</strong> modeller <strong>för</strong> att skatta ej<br />
undersökta delar av populationen.<br />
2.3 Redovisning av osäkerhetsmått<br />
Avser om konfidensintervall eller annat osäkerhetsmått redovisas.<br />
Kommentarer om osäkerhetsmått<br />
I planerings- <strong>och</strong> beslutssammanhang används statistik ofta så att man i en <strong>för</strong>sta omgång<br />
resonerar under premissen att statistikvärdena anger korrekta värden på målstorheterna.<br />
Många användare är dock medvetna om att de kan komma till mer eller mindre<br />
missvisande slutsatser genom att bortse från osäkerheten. Om de sedan vill bedöma