torsdag 28 november 2013

Reflektioner kring trygghetsmätning i Malmö

Jag har haft lite fullt upp med annat och därför inte haft chansen att blogga på ett tag. Men ett och annat som kan vara intressant att kommentera har trots allt hänt, inte minst har Malmö stad gått ut med ett pressmeddelande om Malmö OMrådesundersSökning (MOMS). Pressmeddelandet fokuserade på att 7 av 10 Malmöbor uppger sig vara trygga i sitt bostadsområde, vilket i sammanhanget betyder att de inte känner sig otrygga ute i bostadsområdet på kvällen samt inte anger att det finns specifika personer eller platser i bostadsområdet som de är rädda för eller undviker. När jag twittrade om det fick jag mothugg från somliga som var skeptiska till om det kan stämma eller till och med menade att undersökningen är friserad.

 Jag tänkte i sammanhanget att det kan vara intressant att säga några ord om undersökningen och vad den faktiskt kan visa. Jag vill dock poängtera att jag inte är involverad i skrivandet av den rapport om undersökningen som snart kommer, det är framför allt lektor Anna-Karin Ivert samt adjunkt Alberto Chrysoulakis som arbetar med den, och jag har bara sammanställt lite kartor till rapporten. Det hindrar dock inte att jag kan föra en del mer allmänna resonemang om undersökningen.


MOMS är en stor trygghetsmätning, som framför allt skiljer sig från de trygghetsmätningar som polisen gör i Skåne och stora delar av Sverige genom att den 1) innehåller betydligt fler frågor vilket medför bättre möjligheter för analys och 2) gör ett försök att mäta resultat inom betydligt mindre geografiska enheter. Enkäten skickades ut till 7965 slumpmässigt utvalda personer i åldrarna 18-85 och fick till slut 4195 svar vilket ger en svarsfrekvens på ca 53%. Svarsfrekvensen är generellt lägre i områden med högre nivåer av fattigdom och liknande, vilket var väntat och har hanterats genom att dessa områden översamplats (fler personer har alltså fått enkäten där). Dessutom är det lite fler kvinnor än män som besvarat enkäten samt för många äldre och för få yngre. Trots dessa problem utgör den statistiska basen med 4195 respondenter ett synnerligen starkt underlag för att säga något om vad Malmöbor generellt upplever. Att det finns folk på twitter som menar att dessa 4195 Malmöbor har fel är alltså inget att ta på allvar.

Däremot är osäkerheten betydligt större när det gäller enskilda delområden, och det kan vara värt att ta upp för diskussion. Särskilt med tanke på att det i media blivit ett stort fokus på enskilda områden med hög otrygghet (Sydsvenskan) (SR). De kartor jag producerat för presskonferensen och andra presentationer är generellt färgkodade från rött till grönt, där mörkgrönt signalerar bra värden, rött signalerar sämre värden, och gult är någonstans i mitten. Dessa intervall är baserade på standardavvikelser , där varje färgkod motsvarar en standardavvikelse, och gult alltså motsvarar mellan minus 0.5 och plus 0.5 standardavvikelser från genomsnittet. Jag tar här en karta över "oro att utsättas för brott" som exempel, för fler exempel se presentationsmaterial från presskonferensen.



 Här är det viktigt att notera att skillnaden mellan gul och orange alltså i teorin kan vara väldigt nära 0, vilket i princip alltid är fallet när det gäller en hypotetisk skillnad mellan två angränsande kategorier. Ett hypotetiskt område som ligger på 0.50 blir gult medan ett hypotetiskt område som ligger på 0.51 blir orange. Skillnaden mellan gul och orange är alltså rent teoretiskt som minst (nästan) 0, som mest 2 (från -0.49 till +1.50) och i genomsnitt 1 standardavvikelse.Även om vi beaktar den genomsnittliga skillnaden på 1 standardavvikelse så är det i sammanhanget inte jättemycket. Det beror på att värdet för respektive område är baserat på de boende i det området, i genomsnitt ca 40 respondenter, vilket medför en stor statistisk osäkerhet. Jag har inte tillgång till rådatan för att beräkna sannolikheter, men vi kan konstatera att det är troligt att det i vissa fall är slumpen snarare än faktiska skillnader som ger utslag på färgkodningen av kartan.

Om vi istället fokuserar på skillnaden mellan ett område kodat som rött (eller mörkgrönt) och ett område kodat som gult blir det hela dock lite tydligare. Här är (den teoretiska) skillnaden som minst 1 standardavvikelse (0.5 till 1.51), i genomsnitt ca 2 standardavvikelser (0 till 2), och i extremfall kan den nå högre än 3 standardavvikelser från genomsnittet (-0.49 till mer än +2.5). Det är fortfarande teoretiskt möjligt att ett sådant samband är orsakat av slumpen, men det är betydligt mindre sannolikt. Det är därför bra att media generellt fokuserat på områden där det statistiskt sett inte är så troligt att det är en slumpmässig variation som orsakat resultatet. I sammanhanget kan det däremot ses som olyckligt att Sydsenskan publicerat en (väldigt snygg) karta , eftersom en sådan karta lätt kan leda folk till att dra slutsatser som är statistiskt osäkra. Samtidigt är dock artikeln, där Anna-Karin Ivert citeras, ganska nyanserad och fokuserar framför allt på de skillnader som troligen får betraktas som faktiska skillnader. Det artikeln också gör bra är att lyfta fram det mer generella sambandet - att stora delar av Malmö i princip inte har någon otrygghet alls medan det i ett fåtal områden istället finns en väldigt utbredd otrygghet.

Utan att föregripa den kommande rapporten kan det konstateras att de områden där otryggheten är hög karaktäriseras av att de som besvarat enkäten anger en relativt låg tillit och informell social kontroll samt en relativt hög problemnivå, något som Sveriges radio på ett förtjänstfullt sätt tog upp i sin nyhet om undersökningen. Själva rapporten kommer ut i december någon gång, och då räknar jag med att blogga mer om det hela.

Tillägg: Det slog mig att det kanske är en bra idé att säga något om hur kartorna bör tolkas om man nödvändigtvis vill tolka enskilda områden. Ett förslag är då att titta på skillnaden inte mot närmsta kategorin, men mot två eller tre kategorier bort. Det är sannolikt en skillnad mot något som är två kategorier bort (i genomsnitt 2 standardavvikelser), och mycket sannolikt en skillnad mot något som är tre kategorier bort (i genomsnitt tre standardavvikelser).
Exempel 1: Ett orange område på kartan är sannolikt inte ett tryggt område (ljusgrönt) och det är mycket sannolikt att det inte är ett väldigt tryggt område (mörkgrönt).
Exempel 2: Ett gult område är sannolikt varken ett väldigt otryggt (rött) eller ett väldigt tryggt (mörkgrönt) område.


1 kommentar:

  1. Ska diskutera denna fråga på en föreläsning för våra masterstudenter om forskningsmetod för områdesbaserade studier och har då utgått från min data från Hyllie som exempel. I exemplet visar jag att ett normalt mikro-grannskap (N=44 respondenter) i Hyllie har ett konfidensinterval (95%) som motsvarar +/-1 standardavvikelse på områdesnivå. Nu vet jag såklart inte hur motsvarande siffror är i MOMS, men OM det är något liknande så innebär det att ovan nämnda rekommendationer för tolkning fungerar ganska bra. Ett gult område som ligger precis i mitten är sannolikt i intervallet halvvägs in i orange till halvvägs in i ljusgrönt. Ett gult område som ligger nära orange är sannolikt i intervallet långt in i orange till längst bort i gult. Etc.

    SvaraRadera