Innholdsfortegnelse
Hva er generalisering?
Å generalisere betyr at vi trekker allmenngyldige slutninger om noe basert på innsamlede data. Dataene kan f.eks. være samlet inn via en markedsundersøkelse. Innen statistikk og forskning brukes begrepet generalisering om:
- Prosessen hvor vi ved å se på og sammenligne enkelttilfeller kommer frem til allmenngyldige slutninger (allmenne regler eller lover).
- En påstand som hevder eksistensen av allmenngyldige eller unntaksløse sammenhenger mellom to eller flere begivenheter eller faktorer (variabler og variabelgrupper).
- Å uttale seg om en hel populasjon basert på data fra en tilfeldig trukket stikkprøve.
Empirisk generalisering
Empirisk generalisering er en statistisk metode for kvantitativ forskning der forskere bruker empiriske data for å støtte bredere konklusjoner om en populasjon basert på et utvalg. Denne formen for generalisering er den vanligste formen for generalisering.
Når bruker vi statistisk generalisering?
Statistisk generalisering bruker vi primært i to situasjoner:
- Estimering – når vi ønsker å angi hvor en verdi i en populasjon vil ligge med en grad av sikkerhet. Vi beregner her en margin eller et intervall (også kalt konfidensintervall) som vi med en bestemt grad av sikkerhet vet inneholder den sanne verdien.
- Hypotesetesting – når vi på bakgrunn av utvalgresultatene ønsker å teste en påstand om hvordan et forhold ser ut i populasjonen. Den vanligste formen for hypoteseprøving innebærer å teste hypoteser om det er sammenheng eller ikke mellom to variabler i populasjonen.
Hvorfor generaliserer vi resultatene fra et utvalg?
Grunnen til at vi benytter oss av generalisering skyldes at det er langt rimeligere og raskere å uttale seg om et fenomen med en kjent sannsynlighet har en verdi som ligger innenfor et kjent konfidensintervall enn å måtte intervjue eller studere alle i populasjonen (f.eks. alle i Norge). Generalisering av estimerte verdier er derfor noe enhver forsker, leder, økonom og markedsfører kommer regelmessig borti. Siden vi alle kommer borti generalisering er det viktig å vite hvordan vi generaliserer og hvilke potensielle feilkilder som ligger i resultatene.
