30.11.2012 Views

2 ingrid me munck - Göteborgs universitet

2 ingrid me munck - Göteborgs universitet

2 ingrid me munck - Göteborgs universitet

SHOW MORE
SHOW LESS

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

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!