Vad PISA-resultaten verkligen visar

25 januari, 2012 kl. 21:07 | Publicerat i Education & School | 14 kommentarer

14 kommentarer

  1. Utmärkt Illustration!

    Sverige, Finland, Japan på samma nivå.

  2. Ja, vilket visar att även om lönen är viktig, så är den inte allt. Arbetsvillkor betyder också mycket. Men framför allt visar regressionen att det föreligger en positiv relation mellan lön och elevprestationer. Höj lärarlönerna!

    • Eh? Det kan man förstås ha flera argument för (jag kan också tycka det), men detta är ju verkligen inget argument. Till att börja med; sambandet ser extremt svagt ut. Plocka bort ex. Mexiko och Israel och du skulle snarare få ett negativt samband mellan lön och resultat.

      Oaktat det, så kan du givetvis inte dra några orsakssamband utifrån denna korrelation heller (även om sambandet vore starkt). Du har nog ”abstraherat för mycket och bortsett från komplexiteter från verkligheten” här.

      • ”Plocka bort ” vad du vill – visa vad du vill! Data mining i all ära, men så går det ju så klart inte till om man är en seriös forskare. Och som vi redan tidigare konstaterat är sambandet STATISTISKT mycket svagt , ja. Och ingen har väl heller på allvar hävdat att sambandet skulle ha en enkel kausal tolkning. Vad flera (inklusive yours truly) hävdat är däremot att relationen , om något, ger en fingervisning om att låga löner möjligen/troligen kan ha en menlig inverkan på elevresultat. Så abstraktions- och komplexitetsresonemangen tycker jag nog vi sparar till en annan gång, när de är mer adekvata än för denna medvetet simpla ”back of the envelope”-regression.

        • (1) Blogposten är inte seriös forskning (eller forskning öht), så jag tycker vi lämnar den diskussion därhän både om min kommentar och din bloggpost.
          (2) Handlar inte om data mining i sig, utan om att det inte finns någon robusthet i det påstådda sambandet om det försvinner då en enda observation plockas bort. Givet data så är det en relevant kommentar som visar på nonsens i detta ”samband”. Så nej, detta i sig ger inte en fingervisning om någonting.

          • Bloggposter är inga vetenskapliga tidskrifter, det är vi överens om (och något som jag tror de flesta läsare av bloggar är djupt tacksamma för). Låt mig bara när det gäller robusthet tillägga att det tyvärr vad avser dylika skattningsmetoder genomgående är så att det krävs feltermer som är både symmmetriska och oberoende av regressorerna om de strikt ska kunna tillämpas. När det gäller nonsensregressioner (som först uppmärksammades av G U Yule redan år 1926 – i en vetenskaplig tidkrift) tror jag vi sparar även den diskussionen till något framtida matematisk-statistiskt seminarium.

  3. Fast R2 måste väl vara ganska låg? Det är ju knappast något starkt samband. Skulle vi bara titta på västeuropeisk länder så tror jag sambandet skulle försvinna.

    Men visst bör lärarlönerna höjas ändå.

  4. Vill också påpeka att det inte stämmer att lönerna är lika i Sverige och Finland. I Finland har man en anspråkslös undervisningsplikt. Lärarna väljer mellan en lätt arbetsbörda och övertid. Många lärare har tjänster på 120 och 130% utan att ha lika mycket undervisning och arbetstid som svenska lärare. I Finland har man också en rad fasta lönetillägg för extra utbildning, arbete i glesbygd, extra sysslor som institutionsansvar och för skicklighet i yrket. Dessutom är löneutvecklingen mycket bättre så slutlönen är betydligt högre i Finland än i Sverige. Sammantaget skulle jag tjäna mer och jobba mindre som lärare i Finland än jag gör i Sverige.

  5. Ojoj, kan man be om en R^2 och signifikans från noll?

    • Visst kan man det (och föga överraskande – vad kan man vänta sig när en så komplex faktor som kunskapsresultat ska ”förklaras” med en enda faktor – är de låga)
      Model 1: OLS, using observations 6-35 (n = 30)
      Dependent variable: PISA

      coefficient std. error t-ratio p-value
      ————————————————————-
      const 480,655 13,1075 36,67 3,26e-025
      Lararlon 0,000651731 0,000443724 1,469 0,1530

      Mean dependent var 498,8667 S.D. dependent var 23,74104
      Sum squared resid 15176,19 S.E. of regression 23,28104
      R-squared 0,071535 Adjusted R-squared 0,038376
      F(1, 28) 2,157308 P-value(F) 0,153039
      Log-likelihood -135,9624 Akaike criterion 275,9249
      Schwarz criterion 278,7273 Hannan-Quinn 276,8214

      • Men eftersom parametern inte är signifikant så kan man ju inte tolka det som att det finns något påvisat positivt samband!

        • Nja, nu är det ju så att det finns en hel bunt med ekonometriker som tycker att man kan kasta signifikanstest i papperskorgen (se t ex den sedan ett par år pågående debatten mellan McCloskey och Hoover/Perez). Jag delar inte den uppfattningen, och jag talar om ”fingervisning” och inte om att något är ”påvisat” eller ”bevisat” med en hastigt nedkastad ”back of the envelope”-regression.

          • Du skrev ”Men framför allt visar regressionen att det föreligger en positiv relation mellan lön och elevprestationer” vilket inte är sant. Vad jag vet så finns det inga tyngre/kunnigare (eller vad du nu skulle vilja kalla dem) som skulle förespråka att vi ska börja tolka insignifikanta resultat…

            • Ja, men resultaten visar på det ÄVEN om signifikansen i ”visandet” är svag.
              [Nu tror jag inte vi kommer längre i den här diskussionen, marginalavkastningen närmar sig snabbt noll … Så låt oss sätta punkt för den här gången.]


Sorry, the comment form is closed at this time.

Blogga med WordPress.com.
Entries och kommentarer feeds.