2 ingrid me munck - Göteborgs universitet
2 ingrid me munck - Göteborgs universitet
2 ingrid me munck - Göteborgs universitet
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
6 INGRID M. E. MUNCK<br />
empirisk information som bör spegla verksamheten i sitt samhälleliga<br />
sammanhang. Den avses också utgöra underlag inför ett eventuellt beslut,<br />
vilket är en skillnad gentemot forskningen, som ju <strong>me</strong>ra allmänt har till syfte<br />
att öka kunskapen på området och där<strong>me</strong>d ställer högre krav på en<br />
förklarande analys. För enkelhetens skull talas i framställningen nedan om<br />
”insatser” tänkta som de delar av verksamheten som kan vara föremål för<br />
särskilt intresse exempelvis ett åtgärdsprogram, hjälp<strong>me</strong>del, ett arbetssätt<br />
eller en handlingsregel.<br />
Kärnfrågan i en utvärdering är att studera sambandet <strong>me</strong>llan insats och<br />
resultat sedan hänsyn tagits till utgångsläget, bakgrundsfaktorer och de<br />
kontextuella förutsättningarna, omvärlden (Figur 1).<br />
Figur 1. Enkel modell för effektanalys.<br />
Det klassiska statistiska proble<strong>me</strong>t är att renodla effekterna av insatsen från<br />
andra faktorer i utgångsläget och bakgrunden. Det kan åstadkommas <strong>me</strong>d<br />
experi<strong>me</strong>ntell design om det går att slumpmässigt ge olika behandlingar<br />
(insatser) till olika individer. Modellen i Figur 1 förenklas då eftersom<br />
slumpen ser till att det i statistisk <strong>me</strong>ning inte finns något samband <strong>me</strong>llan<br />
utgångsläge och bakgrund i förhållande till insats. Effekthypotesen, sambandet<br />
<strong>me</strong>llan behandling och resultat, kan statistiskt testas exempelvis <strong>me</strong>d<br />
variansanalys, en prövning som inte kräver information om bakgrund eller<br />
utgångsläge.<br />
Det finns också <strong>me</strong>toder, multivariata statistiska modeller (regressionsoch<br />
logitmodeller är de vanligaste), som svarar mot den <strong>me</strong>r realistiska<br />
situationen där insatsen väljs på andra grunder än slumpen. För att<br />
effekthypotesen då skall kunna testas statistiskt måste för resultatet viktiga<br />
faktorer i bakgrund eller utgångsläge observeras och explicit ingå i den<br />
statistiska modellen. Det gäller de faktorer som styrt eller påverkat valet av<br />
insats och där<strong>me</strong>d kan ha en störande inverkan. Effekterna av insatsen kan<br />
renodlas genom att sådana sammanblandande, störande (confounding)<br />
faktorer beaktas, vilket innebär en statistisk omräkning som går ut på att<br />
åstadkomma jämförbarhet <strong>me</strong>llan insatserna <strong>me</strong>d avseende på dessa<br />
variabler, ”allt annat lika-principen”. I statistiskt språkbruk säger vi att