"I only believe in statistics that I doctored myself"
Winston Churchill

Statisztika az egész világ. Röpködnek a számok nap mint nap, hol az infláció- és a GDP-adatok, hol a nagy cégek negyedéves eladási jelentései, hol a pártok támogatottságáról szóló felmérések. Általában fel sem kapjuk rá a fejünket, annyit látunk belőlük. Hanem aztán a héten egy felmérés eredményéből mégis szenzáció lett.

Én ezt nem értem. Na nem az eredményét - az ugyanúgy nem érdekel, mint a többi hasonszőrű felmérésé. Egyszerűen nem hiszek az igazságtartalmukban, alább ki is fejtem majd, miért. Én azt nem értem, hogy miért tud ebből szenzáció válni. A felmérésből szerintem nem az derül ki, amit a cikk ír, hogy "a felsőoktatásban tanuló biztos pártválasztó hallgatók 33 százaléka szavazna a Jobbikra", hanem az, hogy az 1700 megkérdezett hallgatóból mintegy 570 szavazna a Jobbikra. 570 szavazó igazán nem sok egy olyan országban, ahol nyolcmilliónál is többen jogosultak szavazásra.

Nos, akkor kezdjük. Először is, a felmérés NEM reprezentatív, a szó statisztikai értelmében sem. Az a felmérést szokás reprezentatívnak nevezni, amely reprezentatív minta alapján készült. Azaz a megkérdezettek között megközelítőleg ugyanolyan a nők és a férfiak aránya, a fiatalok, középkorúak és idősek aránya, a városiak és falusiak aránya, mint a társadalom egészében. Ilyet összeállítani nem könnyű, nem is szoktak mesterségesen megpróbálkozni vele, hanem helyettesítik homogén közösséggel. Tehát egy gyárban dolgozókat kérdeznek meg, mert ott nincs túl nagy torzulás nem és kor szerint. Vagy egy iskola/egyetem tanulóit, bár ott kor alapján csak egy csoportot fedünk le, de nemek szerint azért úgy helyén van, meg ugye városiak és vidékiek is vannak vegyesen.

A fenti felmérés viszont nem így készült. Az aktivfiatalok.hu weboldalon leírják az adatfelvétel módszertanát. Facebookon kértek meg egyetemeket, hogy továbbítsák diákjaiknak, és lehetőleg a diákok is továbbítsák. Egyáltalán nem biztos, hogy csak hallgatók töltötték ki, és ezt állítom különösen annak fényében, hogy a Jobbik elsöprő népszerűségét mutatta ki a felmérés. A Jobbik szimpatizánsai nagyon agresszíven agitálnak az interneten. Egyszer e-mailen kapcsolatba kerültem valakivel, akiről csak úgy tudtam meg, hogy jobbikos, hogy automatikusan felkerültem a címlistájára, és naponta több jobbikos propaganda-anyagot kaptam tőle, melyeket több tucat címre továbbított. Ez simán előfordulhatott ezzel a kérdőívvel is. Nem nagy kunszt, ha rákérdez a kérdőív arra, hogy hány éves vagy, és melyik egyetem melyik szakára jársz, simán be lehet írni valami hazugságot. A kutatók maguk is beismerik, hogy ez így nem sikerült túl jól, ezért kiegészítették egy kis személyes megkérdezéssel. Szerintem így még ugyanúgy nem felel meg a reprezentativitás feltételének, de meg lehet magyarázni. Lapozzunk.

Mint mondtam, a reprezentatív felmérésekben sem hiszek. Az egyik, amivel nem tudok mit kezdeni, az a hibahatár. A nagy statisztikai cégek, mint a Medián meg a Kopint-Tárki 3%-os hibahatárt szoktak megadni, ezek az Aktív Fiatalok valamivel pontosabbat céloztak meg, ők 2,4%-ot állapítottak meg. Szerintem ±2,4 százalékpontba nem fér bele az összes előfordulható hiba. Aki nem válaszol, azt általában ki is hagyják az adathalmazból, vagy csak mellékesen megjegyzik, hogy x% nem tudja, nem válaszolt. De aki válaszol ugyan, csak szándékosan hazudik, azt nem lehet kiszűrni. A minta szándékolatlan torzulását utólag nem lehet szűrni. Ha 1500 főt akartál megkérdezni, 760 nőt és 740 férfit, aztán utólag látva az 1500 kérdőívet, hogy 800 nő lett és 700 férfi, nem kezdheted el addig random kiszórogatni a nők kérdőíveit, amíg el nem éred a kívánt arányt. És azt sem lehet kiszűrni, ha véletlenül éppen olyan munkahelyen végeztük a felmérést, ahol valamilyen okból kifolyólag felülreprezentáltak valamelyik párt szavazói, mert, teszem azt, a szakszervezetnek MSZP-s elnöke van, akit véletlenül éppen nagyon szeretnek a dolgozók, és nagy hatással van rájuk. Vagy mondjuk a cigánysoron aránytalanul sok vagy aránytalanul kevés mintát vettél. Etnikumra amúgy sem kérdezhetünk rá, pedig ez azért hatással lehet például a Jobbiknak mért adatokra. Az adatbevitel és a feldolgozás során is előfordulhatnak hibák, ugyanakkor ezeket többszöri ellenőrzéssel ki lehet szűrni.

Eddig még jófej voltam, és feltételeztem, hogy nincs részrehajlás. Pedig ezt nehéz elkerülni. Egyes cégek egyes pártokat rendre magasabban, más pártokat rendre alacsonyabban mérnek, más cégek fordítva. A külön megrendelésre elkészült felmérésekben még erőteljesebben megjelenhet a megrendelő elvárása. A kérdés megfogalmazása már önmagában is befolyásolhatja a választ a pszichológusok szerint.

Ezek csak a legnagyobb hibák, millió apró hiba csúszhat még be. Ezeket szerintem nem lehet egy három százalékpontos sávba betuszkolni. De még ha be lehet is, akkor is mi van? Az újságban nem úgy jelenik meg a felmérés ismertetése, hogy "a Fideszt a biztos pártválasztók 25±3%-a, az MSZP-t 9-15%-a stb. választaná", hanem úgy, hogy a Fidesz 25%-on áll, az MSZP meg 12-n. A hibahatárt mellékes információként tüntetik fel, pedig, ha egy pártot 6-7%-ra mérnek, az nagyon nem mindegy, hogy esetleg 9-10%, ami bizonyos körülmények között egy komoly frakciót jelenthet a parlamentben, vagy 3-4%, ami a bejutási küszöb alatt van. A teljes választókorú népességet reprezentáló felmérés nyolcmilliós sokaságra következtet 1000-1500 fő megkérdezéséből. A nyolcmillió 3%-a 240.000. 240.000 fő ide vagy oda, az nem mindegy, azon súlyos parlamenti mandátumok múlhatnak.

Bár eddig úgy tűnhetett, én nem kárhoztatom a statisztikát en bloc. A statisztika nagyon hasznos lehet, ha arra használják, amire alkalmas. Az, hogy megkérdezünk 1500 embert, hogy kire szavaznának egy esetleges hétvégi választáson, nem alkalmas arra, hogy megmondjuk, mi lenne a hétvégi választás eredménye, ha tényleg megrendezésre kerülne. Tessék csak összevetni a választási években az egy-két héttel a választás előtt készített felméréseket a választások tényleges végeredményével. Alkalmas viszont arra, hogy a frissen megjelent százalékokat összevessük az ugyanilyen módszerrel végzett fél évvel, egy évvel, két évvel stb. végzett kutatások eredményével, és megpróbáljuk megtippelni a változások okait. Ha erre használjuk, az dicséretes. De kispártok szimpatizánsaként azzal villogni, hogy 5% fölé mértek minket, bejutunk a parlamentbe, hurrá - az szánalmas. Az Aktív Fiatalok felmérésének sincs önmagában értelme - akkor lesz értelme, ha ugyanezt a kutatást megismétlik fél év, egy év múlva is. Mert nem a százalékok a lényegesek, hanem a körülbelüli nagyságok, arányok, illetve azok megoszlása kor, nem, lakóhely és egyebek szerint, valamint az időbeli változásuk. Ez az, amiből komoly tanulságokat lehet leszűrni. A többi csak bűvészkedés a számokkal.