MVEX01-14-11 Ofullständig justering

Ofta när man läser om (bisarra) samband, t ex det aktuella fyndet att vitlök i början av graviditeten och russin mot slutet minskar risken att föda för tidigt, vill man gärna tro att det finns en vettigare kausal riskfaktor som har samband med både för tidig födsel och matvanor, vilket då framkallar ett skenbart samband.
 
Om man t ex vill studera samband mellan alkohol och cancer bör man förstås ta in rökning i bilden för att undvika att dra slutsatser om alkoholkonsumtion som egentligen bara beror på dess samvariation med rökning.
 
I allmänhet har dock forskarna tänkt på en mängd sådana risker för sammanblandning genom att i den statistiska analysen tillföra dessa variabler till den statistiska modellen, även om detta inte framgår i knapphändiga rapporter i dagspressen. Problemet är dock att det är genuint svårt i praktiken att justera bort effekter av sammanblandningsfaktorer (eng confounders).  Detta beror bl a på att sambanden inte behöver vara så snällt linjära som de statistiska modeller man vanligtvis använder. Det är alltså fullt möjligt att man får en betydande kvarvarande effekt av ”bisarra” variabler, men sorglöst rapporterar att man har justerat för  ”possible confounders”.
 
Vi ska i det här projektet studera fenomenet vid användning av linjär eller logistisk regression genom att konstruera modeller som orsakar fenomenet utan att det för den skull det är uppenbart att man upptäcker problemet vid normal användning av statistiska standardmetoder. Vi ska också undersöka vad man kan göra för att minimera riskerna att drabbas av dessa snöpliga falska fynd.
 
 
Projektkod MVEX01-14-10
Gruppstorlek 3-4
Speciella förkunskapskrav Grundkurs i statistik.
Handledare Staffan Nilsson, staffan.nilsson@chalmers.se
Examinator Maria Roginskaya
Institution Matematiska vetenskaper
 

Publicerad: lö 26 okt 2013.