miljöövervakningsdata
En uppföljande utvärdering
rapport 5941 • fEbruari 2009
En uppföljande utvärdering
Gunnar Brånvall & Bo Justusson Statistiska centralbyrån
Beställningar
Ordertel: 08-505 933 40 Orderfax: 08-505 933 99 E-post: natur@cm.se
Postadress: CM Gruppen AB, Box 110 93, 161 11 Bromma Internet: www.naturvardsverket.se/bokhandeln
Naturvårdsverket
Tel: 08-698 10 00, fax: 08-20 29 25 E-post: registrator@naturvardsverket.se Postadress: Naturvårdsverket, SE-106 48 Stockholm
Internet: www.naturvardsverket.se ISBN 978-91-620-5941-5.pdf ISSN 0282-7298 Elektronisk publikation © Naturvårdsverket 2009 Tryck: CM Gruppen AB Omslag: foto: Ali Taylor
Förord
I samband med Naturvårdsverkets forskningsprogram Bedömning av målupp-fyllelse under osäkerhet (2003 – 2008) har professor Anders Grimvall kritiserat kvaliteten på de vattenkemiska data som analyserats av Sveriges Lantbruksuni-versitet vid Institutionen för Miljöanalys (nuvarande Institutionen för Vatten och Miljö).
Syftet med denna utvärdering av Statistiska centralbyrån är att granska och analysera kritiken från A. Grimvall samt bemötandet från forskarna vid Institutio-nen för Miljöanalys med avseende på tillförlitligheten av vattenkemiska data för uppföljning av de nationella miljömålen.
Utföraren tar del av samtliga rapporter1 och gör ett underlag för relevansbe-dömning av innehållet. Det är värdefullt att peka på den kritik som bedöms viktig för Naturvårdsverkets verksamhet samt den som är irrelevant i sammanhanget. Av särskilt intresse är betydelsen av utpekade kvalitetsbrister i databasen. Vidare be-hövs en uppföljning av eventuella åtgärder med anledning av kritiken.
Rapportens huvuddel behandlar miljöövervakningsdata och dess tidsserie-analys. Den täcker de mer specifika synpunkterna på vattenkemiska data. Huvud-ansvarig för denna del är Gunnar Brånvall, Statistiska centralbyrån.
Vi har också velat vidga perspektivet en del och ta upp generella aspekter på tidsserier. Detta redovisas i Bilagorna 1, 2, 3. För dessa har Bo Justusson, Sta-tistiska centralbyrån, varit huvudansvarig.
Författarna svarar själva för rapportens innehåll. Ansvariga handläggare på Naturvårdsverket har varit Catarina Johansson och Ulrika Stensdotter Blomberg. Naturvårdsverket februari 2009
1
Syftar i första hand på nummer 1 – 4 i referenslistan. Referensen 6 om totalfosforanalyser är en bilaga till nummer 3, som vi valt att hänvisa till separat. I referens 5, Karl Wahlins avhandling, har vi funnit anledning att kommentera inte bara den utpekade paper II utan också paper IV om detektion av språngvisa förändringar.
Innehåll
SAMMANFATTNING 6 INLEDNING 8
ANALYS AV DATA 9
Totalkväve 9
Parallella mätningar med båda analysmetoderna 9
Misstänkt låga värden på TotN(ps) 10
Aktuellt läge för totalkväveanalyserna 11
Totalfosfor 11
Hur väl kan man mäta låga fosforhalter? 11
Diskussion av mätfelen 13
Fosfat 16
Kvoten TOC/COD 16
Arbete åt OSPAR Input 16
Granskning och kvalitetsdeklaration av databasen 16
Räkna om eller upplysa om storleksordning? 17
Om möjligheterna att förebygga missförstånd vid användning av statistik 17
Om samarbetet mellan datavärdar och andra forskare 18
Relevans för andra delar av miljöövervakningen 18
REFERENSER 19 BILAGOR 21
Bilaga 1. Allmänt om tidsserier 21
Syfte 21
Skapa 21
Granska och deklarera 21
Statistisk analys av tidsserier 22
Bilaga 2. Om Grimvall-Wahlins metod 24
Något om teorier för analys av tidsserier 24
Beskrivning av grundtankar i metoden 24
Massor av analyser (mass-signifikans-analys) 25
Att samla kunskap 26
Bilaga 3. Generella slutsatser och förslag 27
Sammanfattning
Efter studium av den dialog som förts under flera års tid om datakvaliteten i IMA:s (Institutionen för miljöanalys vid Sveriges lantbruksuniversitet) databas har vi kommit fram till att parternas åsikter, om vilka brister som förelegat i databasen, inte skiljer sig så mycket2.
• Parterna är överens om att ett 60-tal äldre koncentrationsuppgifter i data-basen gällande parametern Tot-N (persulfat) borde divideras med 2 eller strykas från databasen. Ingendera parten tillskriver dessa fel någon stor betydelse. De föreslagna åtgärderna i databasen är nu genomförda. • Parterna är också överens om att analysen av totalkväve med
persulfat-metoden givit osäkrare resultat än persulfat-metoden med Kjeldahlkväve. Det har klargjorts att felen troligen beror på kvalitetsbrister i den persulfatlösning som använts vid analyserna, men vissa bedömningsskillnader om var-aktigheten i kvalitetsbristen kvarstår.
• Parterna är också överens om att en systematisk överskattning på 1,2 – 3 μg/l torde föreligga i P-tot-mätningarna före juli 1996, då ett byte av analysinstrument gjordes. Grimvall påpekar att detta påverkar ut-värdering av fosfortrender: En till synes svagt nedåtgående trend kan vara orsakad av språnget.
Vi håller med Grimvall-Wahlin om att risk för missledande slutsatser föreligger i samband med tidsserier som helt baseras på persulfatmetoden. Eftersom denna analysmetod används mycket sällsynt i samband med nationella utvärderingar och internationell rapportering instämmer vi dock med SLU i att felen väsentligen torde sakna betydelse för de viktigaste tillämpningarna.
De påträffade mönstren i totalfosfor vid låga halter menar vi på ett intressant sätt pekar mot gränserna för både mätmetodiken och den statistiska metodiken. Grimvall-Wahlins beräkningar visar att små (1 -3 μg/l) förändringar i analysernas systematiska fel kan leda till uppkomsten av egendomliga mönster med toppar och dalar vid tillämpningen av deras utjämningsmetoder.
En följd av detta menar vi är att man tills vidare måste betrakta toppar och dalar av denna storleksordning som ”brus” av en lite ny karaktär, vilket givetvis behöver beaktas i trendanalysen. Vi tror att både datavärden och andra erfarna uttolkare av miljöövervakningsdata är väl medvetna om svårigheterna i trendanalys vid låga halter.
Grimvall påpekar att förändringarna av mätmetoder 1996 ger ett litet skutt nedåt av halter vilket behöver beaktas när man studerar genomsnitt (eller total-mängder) för hela Sverige. Se avsnittet Konsekvenser för utvärdering av miljö-målen för fosfor.
2
Åtminstone om man håller sig till de dokument vi uppdragits att granska. Mera vinklade beskrivningar kan man påträffa i pressmeddelanden och intervjuer.
Grimvall-Wahlins exempel, som ju är utvalda för att fokusera på upptäckten av kvalitetsproblem, pekar på behovet av kvalitetsdeklaration för databasens mikro-data. Det är önskvärt att i samband med beskrivningen av analysmetoder informera om olika aspekter av precisionen i analyserna. Vissa standardmått är Limit of Detection och Limit of Quantification. Men det finns också anledning att kom-plettera med viktiga kända svagheter hos analysmetoden liksom att ange miss-tankar om storleksordning och varaktighet för systematiska fel.
Datavärdens arbete med dessa problem har hittills dokumenterats i tekniska internrapporter som sedan vid behov förmedlats till kända användare. Behovet är stort och arbete pågår med att skapa mera lättillgängliga kvalitetsdeklarationer i nära anslutning till databasen.
Detta behov har – enligt vår åsikt med full rätt – påpekats av Grimvall-Wahlin.
Sammanfattningsvis bedömer vi båda parter i denna diskussion som mycket kompetenta och menar att sakargumenten är väl underbyggda och egentligen inte skiljer så mycket.
När det gäller de viktigaste användningarna av databasen vill vi instämma med SLU:s påpekande att man måste skilja mellan stort och smått. Urvalet av exempel i analysen är ju medvetet snett för att utveckla statistisk metodik för upptäckt av kvalitetsproblem. Tidningsrubriker som ”Opålitliga analyser av svenska vatten”3 finner vi missvisande.
En skillnad mellan parternas bedömning om stort och smått föreligger som nämnts ovan i bedömningen av konsekvenserna av det lilla systematiska språnget i fosforanalyserna.
Vi ser Grimvall-Wahlins arbete som ett värdefullt bidrag till den svåra proble-matiken om granskning och uttolkning av miljöövervakningsdata. Vi tror också att deras analys av samtidiga förändringar i grupper av tidsserier är ett intressant bidrag för kvalitetskontrollen. Vi instämmer också i att metodik för utvärdering av miljöövervakningsdata behöver få ökade resurser i takt med att datamängderna ökar. Så kallade ”peer reviews” kan säkert också vara nyttiga.
Vi menar också att diskussionen av totalfosfor belyser den problematik som dyker upp i samband med ämnen som förekommer i låga och ibland starkt varie-rande koncentrationer. Det blir allt viktigare att förstå dessa svårigheter när intres-set för miljögifter ökar.
Vi tror också att förbättrad och fördjupad kommunikation mellan datavärden och Linköpingsgruppen i framtiden kan bidra ytterligare till att förbättra miljööver-vakningen och uttolkningen av dess resultat.
Avslutningsvis menar vi att en i grunden nyttig kritisk debatt mellan forskare i pressen fått en starkt snedvriden vinkling.
3
Inledning
Professor Anders Grimvall i Linköping har under många år, med början i Tema Vatten, tillsammans med sina studenter utvecklat skarpsinnig statistisk metodik för analys av bland annat vattenkemiska data. Tillämpningarna har karaktäriserats av en noggrann, självständig och kritisk granskning av det empiriska materialet. Forskningen har resulterat i flera avhandlingar i matematisk statistik med relevans för uttolkningen av vattendata. Den vetenskapliga basen ligger inom ämnet mate-matisk statistik, men Grimvalls erfarenhet och kompetens inom biologi och miljö-kemi är också mycket stor.
På senare tid har forskning initierats och finansierats av Naturvårdsverket 2003 – 2008 i forskningsprogrammet ENGO (ENvironmental GOal achievement under uncertainty) med Anders Grimvall som programchef, som studerar osäkerhe-ter vid utvärdering av miljömål. Man har därvid utvecklat (och implemenosäkerhe-terat i EXCEL!) programvara för flera typer av statistisk analys, bland annat s.k. norma-liseringsprocedurer och utjämning av trendkurvor och ytor. Av statistiker kallas detta ofta ”bortfiltrering av brus”. Ett syfte med metodiken är att få fram utjämnade kurvor eller ytor som kan visa ”trender”, som då inte behöver vara linjära. En viktig poäng i det här sammanhanget är att man studerar många tidsserier samtidigt vilket möjliggör upptäckten av simultana förändringar i utvalda grupper av vatten-drag.
Inom svensk miljöövervakning anses de längsta och säkraste tidsserierna finnas just på det vattenkemiska området, där IMA (Institutionen för Miljöanalys) vid SLU sedan länge varit datavärd och också haft kontroll över provtagning och kemiska analyser. SLU har en lång tradition på detta område och var också den första datavärd som tillgängliggjorde sina grunddata på Internet. I nära anslutning till datavärdskapet bedrivs också forskning, som har sin vetenskapliga bas inom ämnena biologi, limnologi och miljökemi.
Vid tillämpningen av den nya ”brusfiltrereringstekniken” på vattenkemiska data från IMA kan man se vissa mönster, som man naturligtvis vill försöka tolka. Forskarna har i intervjuer sammanfattat sina resultat med ”De mönster vi ser av-speglar tyvärr ofta förändringar i mätteknik i stället för förändringar i den studerade verkligheten.” Dessa uttalanden kom i pressen så småningom att leda till rubriker i stil med ”Opålitliga resultat från den svenska miljöövervakningen”.
De påtalade bristerna har beskrivits av Karl Wahlin och Anders Grimvall i flera sammanhang under några års tid, bland annat i referenserna (1), (2) och (5).
De utpekade bristerna bemöttes av datavärden SLU i referens (4) med bilagan (5).
Vårt uppdrag från Naturvårdsverket, som ansvarig myndighet för Sveriges miljöövervakning, är att göra en självständig bedömning av denna debatt.
Analys av data
Totalkväve
Totalkväve har mätts med två olika metoder för kemisk analys. TotN(Kj) bygger på summering av Kjeldahl-kväve och nitrit/nitratkväve. TotN(ps) bygger på upp-lösning i persulfat och förefaller som en mindre pålitlig metod. Metoden byggande på Kjeldahlkväve föredras därför i samband med data till nationella utvärderingar och internationell rapportering.
Parallella mätningar med båda analysmetoderna
Mätningarna med de två metoderna bör givetvis ge starkt korrelerade resultat, vilket betyder att en plottning av värdena bör ligga kring linjen TotN(ps) = TotN(Kj).
I (Ref 2) visas dock följande diagram:
Som synes ligger ett 60-tal av värdena – av över 7 000 - i stället längs linjen TotN(ps) = 2*TotN(Kj). Grimvall-Wahlin drar slutsatsen att de avvikande värdena var dubbelt så stora som de borde vara på grund av fel i utspädning eller beräk-ningar i samband med persulfatmetoden.
I SLU:s bemötande (Ref 3), sidan 8, diskuteras dessa värden. Man har gått igenom datamaterialet och funnit att 59 av dessa fall härrör från tiden före ackredi-teringen och sannolikt beror på ett beräkningsfel i samband med utspädningen av
persulfatet. Man föreslår att dessa äldre värden korrigeras i databasen och att de övriga 6 avvikande värdena stryks i databasen.
Vid samtal med Lars Sonesten, sektionschef för data och modeller på Insti-tutionen för Miljöanalys, SLU, 18/11 har vi inhämtat att utredningen bekräftade misstankarna om de äldre värdena och att dessa nu har korrigerats. De 6 nyare avvikande värdena har strukits från databasen. I samband med granskningen av de äldre värdena påträffades även andra misstänkt höga persulfatmätningar för vilka parallella Kjeldahlanalyser saknades. Även dessa värden har rättats i databasen.
Wahlin-Grimvall bedömer felet som mindre allvarligt i samband med trend-analys (Ref 5), s. 121.
Misstänkt låga värden på TotN(ps)
Wahlin-Grimvall 2008 (Ref 2) visar också följande figur över trenderna för kväve-halterna i vattendrag som mynnar i Västerhavet:
Som synes visar mätningarna med (den pålitliga metoden) TotN(Kj) att ingen för-ändring skett, medan TotN(ps) tyder på en kraftig nedgång i totalkvävet efter år 2000. I bemötandet konstaterar SLU att man observerade orimligt låga analys-värden för persulfatmätningar 2003 - 2005 och upptäckte att det använda persul-fatet var av dålig kvalitet i den meningen att det inte förmådde oxidera allt orga-niskt material.
Dessa mätfel betecknas som allvarliga av Wahlin-Grimvall. Som framgår av figuren leder de ju till en kraftigt missledande trendanalys om man baserar sig på analyser med denna metod.
Konsekvenserna av denna kvalitetsbrist för internationell rapportering och ut-värdering av miljömål är dock ytterst marginella eftersom totalkvävet där baseras nästan enbart på Kjeldahlanalyserna.
Aktuellt läge för totalkväveanalyserna
Vid samtal med Lars Sonesten 18/11 fick vi reda på följande: Persulfatmetoden är besvärlig på så sätt att nyinköpt persulfat kan ha otillfredsställande oxiderande för-måga på organiska substanser i naturliga vatten utan att det upptäcks vid labora-torietest. Metoden har därför fasats ut.
Den pålitliga metoden baserad på Kjeldahlkväve har dock nackdelar i fråga om arbetsmiljön. Det pågår därför prov med en ny metod som bygger på förbränning av det organiska materialet, följt av spektralanalys.
Totalfosfor
Hur väl kan man mäta låga fosforhalter?
I den femgradiga klassindelning av fosforhalter i naturliga vatten som används i Sverige är gränsen för den lägsta klassen, kallad ”mycket låga fosforhalter”, 12,5 μg/l. Nedanstående två bilder är hämtade ur Fosforrapporten (Ref 6). De visar resultaten av kontrollmätningar före och efter apparatbyte på lösningar med den kända halten 10.0 mikrogram/l.:
Som synes finns en avsevärd variation i mätresultaten. I nedanstående tabell från rapporten har medelvärden och variationskoefficienter beräknats för olika tids-intervall.
SPRIDNINGEN I MÄTRESULTATEN
Även om spridningen tycks ha varierat något förefaller det som om standardav-vikelsen i mätresultaten ligger kring 1,5 μg/l. För prover från naturliga vatten med partikulärt fosfor tillkommer en extra osäkerhet pga. provhantering, vilket påpekats både av Sonesten (6), sidan 5 och muntligt av Grimvall (8).
Det betyder att man för en enskild mätning vid halten 10 mikrogram/l måste räkna med en 95-procentig felmarginal på över 3 mikrogram/l.
SYSTEMATISKA FEL I MÄTNINGARNA
Vi konstaterar också att medelnivån på mätningarna i fosfatfosforlösningen under perioden 1991 - juni 1996, dvs. före apparatbytet, låg 1,2 μg/l över den sanna nivån och under den efterföljande perioden 0,6 under. Medelvärdena i den andra P-kon-trollösningen var av liknande storleksordning.
I fosforrapportens sammanfattning drar man slutsatsen att det torde ha förelegat en systematisk överskattning av fosforhalterna före 1996 med 1,2 mikrogram/l. Man anger också en felmarginal på 0,2 μg/l.
Det framgår också av fosforrapporten 6 att man ungefär samtidigt gjorde ett metodbyte i provhanteringen, nämligen övergång från kvicksilverkonservering till syrakonservering. Studier av parallellprover gjordes vars resultat beskrivs i på sidorna 7 – 8. Resultaten var inte entydiga men parallellbestämningarna i Vänern som redovisas i Tabell 2 på sidan 8 kan ändå tyda på en systematisk förändring av storleksordning 1 μg/l som drar åt samma håll som apparatbytet.
Diskussion av mätfelen
Ingenting kan mätas utan fel och ingen mätmetod kan helt sakna systematiskt fel. Vi konstaterar också - i likhet med SLU - att man i samband med mätningar över flera decennier nu och då är tvungen att modifiera analysteknik. Trots alla an-strängningar kan det då lätt uppstå ett mindre språng i tidsserien vars storlek mot-svaras av förändringen i det systematiska felet. Genom analyser på kontrollösning med känd halt kan man se till att denna kurva aldrig avlägsnar sig långt från 0-linjen. Dock kommer den vid metodbyten (i vid mening) att nödvändigtvis upp-visa vissa språng upp och ner, vars storleksordning det är viktigt att känna till vid tolkningen av data. Av figurerna att döma verkar det lätt hänt att skutten i kurvan över systematiska fel hamnar i storleksordningen 2 μg/l. Utöver dessa språng i orsakade av förändringar i analysteknik kan det förekomma språng orsakade av metodbyten i provhanteringen.
GENERALISERING AV FELMODELLEN
Ur denna synpunkt vore det naturligt att tänka sig felen som summan av de vanliga okorrelerade felen med medelvärde 0 och en styckvis konstant stokastisk process som tar språng i samband med metodbyten. Den modell som studeras i rapporten IV i avhandlingen (5) kan tolkas på detta sätt.
ETT EXEMPEL FRÅN RAPPORTEN IV I WAHLINS AVHANDLING
Nedanstående figur (från Ref 5) visar trendytorna för mätningarna av fosfor i Vä-nern baserade på modellantagandet att de kemiska analyserna saknar systematiskt fel.
Om vi i stället antar att det i samband med apparatbytet och den förändrade prov-hanteringen kan ha skett en förändring i det systematiska felet får trendytorna följande utseende:
Metoden skattade också språnget till 3,1 +/- 0,9 mikrogram/l, vilket är mer än den uppskattning som gjordes i fosforrapporten, men ändå av liknande storleksordning.
Vi är benägna att tolka kontrasten mellan de två figurerna på följande sätt: De mönster som man kan tycka sig se i figur 2 är orsakade av ”brus” (i vid mening, inkluderande ändringar i systematisk felnivå). Vår slutliga tolkning av fosfor-trenden i Vänern blir att halten tycks ha varit ungefär oförändrad under den stude-rade tidsperioden på den låga nivån 5 - 8 mikrogram/l. Med hänsyn till miss-tankarna mot Analyser I tror vi knappast att nivån legat i den översta delen av detta intervall.
I ett följande exempel analyseras fyra norrlandsälvar med något högre fosfor-halter. Även i detta fall leder antagandet om en möjlig förändring av det syste-matiska felet till en radikalt annorlunda bild av fosfortrenden. Slutsatsen i detta fall blir att trenden tycks vara en sakta avtagande fosforhalt i dessa floder.
SLUTSATSER
Modellantagandet i Grimvall-Wahlins metodik att det systematiska felet i mätning-arna är noll tycks vara mycket känsligt. Detta verkar ha två följder. För det första möjliggör teorin att kvantifiera språngvisa förändringar i mätningarnas syste-matiska fel. För det andra förefaller det som om mönster i form av toppar och dalar som är tillräckligt små kan betraktas som ”brus” (i vid mening).
För uttolkaren av trendanalysen blir det då viktigt att ha tillgång till metadata över tidpunkter och storleksordningar för tänkbara förändringar i de systematiska felen. Dock är dessa förändringar notoriskt svåra att kvantifiera, vilket visas av fosforexemplet.
KONSEKVENSER FÖR UTVÄRDERING AV MILJÖMÅLEN FÖR FOSFOR
Ett miljömål är att minska Sveriges fosfortransporter till havet med 30 %. Medel-halten av totalfosfor i svenska vattendrag ligger kring 15 μg/l. Det betyder att ett systematiskt fel i storleksordningen 1 - 3 mikrogram/l skulle kunna orsaka ett fel i beräkningen av fosfortransporten på upp till 20%, vilket är mer än halva miljö-målet.
Emellertid tror vi inte att följderna för åtgärdsprogram av ett sådant fel blir så stora. Att medelhalten i Sveriges floder blir så låg som 15 μg/l beror på att så mycket vatten transporteras via de näringsfattiga norrlandsälvarna. Åtgärder sätter man knappast in i dessa älvar utan i de näringsrika vattnen. För utvärdering av åtgärdernas effekt utnyttjar man då mätningar i dessa vattendrag.
Anders Grimvall nämnde att han i en tidigare studie på genomsnittlig fosforhalt i vattendrag kommit fram till en svagt nedåtgående trend, men efter upptäckten av språnget orsakat av ändringar i mätmetoder, så har han ändrat sin slutsats till att genomsnittet är tämligen konstant över tiden. Vilket visar på vikten av att informa-tion om mätsprånget finns lätt tillgänglig.
Vi håller med Grimvall-Wahlin om att svårigheten att mäta låga fosforhalter ställer särskilda problem vid utvärderingen av miljömålen. Per telefon har Grimvall också framfört synpunkten att förbättringar i precisionen på fosformätningarna
borde kunna underlätta i de modellberäkningar för fosfor som på senare år fått ett växande intresse.
KAN MAN FÖRBÄTTRA MÄTMETODIKEN FÖR FOSFOR?
Det vore värdefullt att se om fosformätmetoden kan förbättras. Alla stegen (insam-ling, konservering, uttagande av mätpreparat och mätning på labb) har inverkan på mätprecisionen.
Fosfat
Vi går inte igenom detta exempel. Vi tror att problematiken är lik den för total-fosfor vid låga halter.
Kvoten TOC/COD
Wahlin 2008 (Ref 5) skattar en nivåhöjning 1997 på 0,062 +/- 2*0,0038 samt en lika stor sänkning i januari 1998 (papper IV, sid. 16-17).
SLU hittar ingen bra förklaring till den tillfälliga sänkningen av kvoten 1997.
Det eventuella felet bedöms av SLU som betydelselöst i praktiskt miljöarbete. Vi tror inte att dessa variabler är lika känsliga som närsalterna i samband med internationell rapportering.
Arbete åt OSPAR Input
Grimvall & Wahlin 2007 (Ref 1) kan uppdelas i två avsnitt. I det första avsnittet jämförs verktyget RTREND för tidsserieanalys på vattenområdet med det egentill-verkade verktyget MULTI-TREND varvid det visar sig att det egna verktyget fun-gerar bättre, i alla fall på svenska data.
I det andra avsnittet ges exempel på att de beräknade trenderna ibland visar för-ändringar i metodiken för kemiska analyser snarare än förför-ändringar i den studerade verkligheten. Väsentligen är det samma exempel och samma bedömningar som i Wahlin & Grimvall 2008 (Ref 2).
Granskning och kvalitetsdeklaration av
data-basen
Grimvall-Wahlin pekar på vissa tekniker för granskning av stora mängder data som borde komma till ökad användning inom miljöövervakningen för att upptäcka kva-litetsproblem. En enkel metod är att beräkna kvoter eller differenser av besläktade variabler i kombination med plottningar.
För att i efterhand upptäcka plötsliga förändringar orsakade av metodbyten rekommenderar man den egna tekniken att flödesnormalisera och att analysera flera tidsserier samtidigt.
Vi är benägna att hålla med Grimvall-Wahlin att den som vill använda tids-serierna från IMA:s databas behöver metadata om kvaliteten. Sådan information
finns också hos datavärden, exempelvis i form av rapporter liknande totalfosfor-rapporten Ref 6.
Som förutskickat Bringmark et al 2007 (Ref 3, s. 1) har en liknande rapport framställts om totalkväve. Den ansågs dock i första omgången alltför hårt produ-centinriktad och är under omarbetning för att bli mera lättförståelig för dataanvän-daren.
I nära anslutning till databasen finns en dokumentation om analysmetoder som vi dock finner alltför kortfattad. Exempelvis saknas där standarduppgifter som LOD (Limit of Detection) och LOQ (Limit of Quantification).
Högst önskvärt vore att komplettera denna information med en kort beskriv-ning om enskilda analysmetoders svagheter samt uppgifter om storleksordbeskriv-ning och tidsperiod för misstänkta systematiska fel enligt egen eller andras erfarenhet.
Vid intervjun med Lars Sonesten (Ref. 7) framkom att arbete i denna anda på-går.
Räkna om eller upplysa om storleksordning?
Tillfrågad om sin syn på detta menade Anders Grimvall att NASA:s hantering av problemet är föredömlig. Man publicerar där både rådata och alternativa, justerade data framställda av kvalificerade användare. I anslutning till databasen förs en dialog med användarna.
Samtidigt kan det förstås bli förvirrande att publicera för mycket alternativa data, i synnerhet när osäkerhet råder om hur justeringarna bör göras. Vi kan här ta fosforanalyserna som exempel. Även om man i fallet med fosformätningarna skulle bestämma sig för bedömningen om ett skutt nedåt på 3 μg/l i juli 1996, så är det oklart hur omräkningen ska gå till. Om man tror att allt berodde på att Analyser II är mycket bättre än Analyser I så subtraherar man 3 från halter analyserade före juli 1996. Men om man tror att instrumentbytet orsakade ett skutt på 1,2 och att resten berodde på utfasningen av kvicksilver i provhanteringen (som skedde ungefär sam-tidigt), så kanske man vill fördela skuttet så att man subtraherar 1,2 från värdena före 1996 och adderar 1,8 till värdena efter.
Oavsett inställningen till alternativa dataserier låter det som en god idé att på datavärdarnas hemsida publicera kvalitetssynpunkter från användarna.
Om möjligheterna att förebygga missförstånd
vid användning av statistik
En statistikproducent upptäcker ständigt misstänkta fel i sina datamaterial och strävan är naturligtvis att undersöka och rätta dessa före publicering av statistik samt att kvalitetsdeklarera den publicerade statistiken. Av tidsskäl tvingas man i regel då att prioritera de ”viktigaste” misstänkta felen, dvs. de som har störst in-verkan på statistiken. Likväl upptäcks fel även efter publiceringen av statistik. SCB:s policy är att i samband med ”stora fel” publicera nya rättade versioner av statistiken. I vissa sammanhang ingår redan i planeringen att den första versionen av statistiken blir mera osäker och då kallas ”preliminär” inför publiceringen av en ”slutlig” version av statistiken.
En grundläggande fråga är naturligtvis hur man skiljer på ”stora” och ”små” fel. Svaret måste naturligtvis bero på tillämpningen; det viktiga är att användaren inte blir missledd, speciellt att viktiga beslut inte grundas på missledande data-underlag.
Dessa problem föreligger naturligtvis också inom miljöövervakningen och frågan ställs om de ofullkomligheter som ovan diskuterats är att betrakta som ”stora” eller ”små” fel. Enligt vår egen erfarenhet bedömer vi dem som ”små”, åtminstone i den meningen att de knappast bör föranleda några rättelser i interna-tionella rapporteringar. Vårt intryck av de skrifter vi läst är ju också att det i sak-frågorna råder små skillnader mellan parternas åsikter om felens betydelse och lämpliga åtgärder för rättelse.
Om samarbetet mellan datavärdar och andra
forskare
Forskningens uppgift är att förhålla sig kritisk till erhållen kunskap och samtidigt bidra till sanna och nyttiga verklighetsbeskrivningar. Vi anser att den kritiska aspekten är mycket viktig och bör förmedlas till resten av samhället, t.ex. Natur-vårdsverket.
Vi tror att det skulle vara nyttigt för båda parter med ett förbättrat samarbete mellan datavärdarna och andra forskare, och att detta kräver vissa resurser på båda sidor. Vi tror exempelvis att man kan behöva anordna kurser för att börja använda metodik utvecklad inom ENGO-projektet. Kanske skulle Linköpings universitet kunna engageras i förbättrad statistisk metodik för kalibrering av kemiska analys-metoder.
Vi har sett exempel på att kemiska mätningar av låga halter är svårt, liksom tolkningen av tidsserier över sådana mätningar. I framtiden kan denna typ av svårigheter få ökad betydelse i samband med EU:s vattendirektiv.
Relevans för andra delar av
miljöövervak-ningen
Grimvall-Wahlins arbete visar enligt vår mening att kvalitetsproblem föreligger även hos en så skicklig och erfaren datavärd som SLU och att dessa behöver be-aktas både i utvärdering av miljömål och i planering av framtida miljöövervakning.
Det finns anledning att förmoda att andra miljöövervakningsdata kan dras med värre problem. Vi vill peka på att Grimvall-Wahlins metodik kan anpassas till många andra områden, vilket förstås kräver sakkunskap om deras analysmetodik liksom om störande parametrar som kan behöva kompenseras för. Vi tror att det skulle vara värdefullt om Grimvall-Wahlin får möjlighet att bidra till sådant arbete.
Referenser
1. Anders Grimvall & Karl Wahlin 2007. The Swedish Trend Analysis Re-port for OSPAR INPUT 23 – 25 January 2007. RapRe-port.
2. Karl Wahlin & Anders Grimvall 2008. Uncertainty in water quality data and its implication for trend detection: lessons from Swedish environ-mental data. Environenviron-mental science & Policy 11 (2008) 115 – 124. 3. Ewa Bringmark m fl 2007. Angående kritik av kvaliteten på
miljööver-vakningens vattenanalyser på SLU i relation till miljömålsuppföljningen. Dnr SLU ma 15/07 1.9
4. SLU/IMA:s vattendatabas på http://www.ma.slu.se.
5. Karl Wahlin 2008. Roadmap for Trend Detection and Assessment of Data Quality, Linköping Studies in Statistics No 10, doktorsavhandling
6. Lars Sonesten & S Engblom 2001 Totalfosforanalyser vid Institutionen för miljöanalys 1965 – 2000 http://publikationer.slu.se/Filer/TotP.pdf 7. Telefonmöte med Lars Sonesten 2008-11-18
BILAGOR
Bilaga 1. Allmänt om tidsserier
I denna bilaga redovisar vi en del allmänna erfarenheter från Statistiska centralby-råns (SCB) arbete med tidsserier och jämför med Naturvårdsverkets (NV) miljö-övervakning.
Syfte
Syftet med tidsserier är att följa utveckling över tiden. Ibland har nivån störst intresse (t.ex. arbetslöshet), ibland är det senaste förändring som är viktigast (t.ex. inflation mätt som förändring av konsumentprisnivå). I de flesta fall finns även stort intresse för den långsiktiga utvecklingen och då särskilt hur olika variabler samvarierar.
För NV:s miljöövervakning är det den långsiktiga utvecklingen som dominerar. Därför är jämförbarhet över tiden mycket viktig.
Skapa
För att få bra jämförbarhet över tiden bör den statistikansvariga myndigheten vara konservativ, dvs. man ska inte ändra sina insamlings- och beräkningsmetoder i onödan. Hos SCB inträffar oönskade förändringar i tidsserier av bl.a. följande orsaker:
a) ändrade regionala indelningar (t.ex. kommuner som delas eller slås samman, avrinningsområden med olika sammanslagningar)
b) ändrade klassifikationer (t.ex. ändrade näringsgrensindelningar - ny SNI är under införande)
c) ändrade mätmetoder (t.ex. EU-anpassning av arbetskraftsundersökningar gör att intervjufrågor ställs på annat sätt)
d) ändrade beräkningar (t.ex. kan procenttal beräknas med olika variabler i nämnaren - ex. åldersgrupp 20-64 år ändras till 16-74 år)
e) ändrad utförare av undersökning (ny statistikansvarig myndighet eller byte av utförare vid upphandling)
Orsaker till förändringar kan vara nya internationella bestämmelser eller önskemål om att få en förbättrad insamlingsmetod (varje chef med självaktning vill ju "för-bättra" sin undersökning, varvid jämförbarhet över tiden ibland inte prioriteras).
NV har i sin miljöövervakning varit mån om att behålla utförare, mätplatser och mätmetoder. Byte av laboratorier och kemiska analysmetoder är exempel på förändringar.
Granska och deklarera
För att få bra tidsserier behövs löpande granskning av data. SCB granskar både insamlade blanketter/enkäter (mikrogranskning), och slutresultat i tabeller
(makrogranskning). När man har stora datavolymer så måste man använda datorprogram för granskning. De bygger på att man letar efter misstänkta avvikel-ser, t.ex. extremt stora värden eller stora värden i relation tillstorleksmått (t.ex. värden i relation till företagsstorlek). Man vill här gärna jämföra med föregående års värden eller se på en längre tidsserie, men det går inte alltid.
Statistikansvarig organisation ska deklarera de förändringar som man känner till och uppskatta deras inverkan på resultaten. Detta är ofta svårt och kräver över-lapp av mätningar med gammal respektive ny metodik, och ofta omfattande beräk-ningar (t.ex. har de förändringar som genomförts i arbetskraftundersökberäk-ningarna gjort det svårt att göra säsongrensningar bl.a. beroende på för kort överlapp mellan gammal och ny metodik).
För användarna är det viktigt att kunna få reda på förändringar och deras in-verkan. Men användarna måste också själva kontrollera att de data man analyserar statistiskt håller för analysen, dvs. denne ska ha metoder för att granska data.
Kort uttryckt: Tidsserier är svåra att hantera och man måste vara beredd på att det kan finnas osäkerhet och mätfel i data.
Statistisk analys av tidsserier
Statistisk analys av data sker dels inom SCB (t.ex. i statistiska meddelanden och pressmeddelanden), dels hos användarna i samhället (t.ex. myndigheter som ställer samman SCB-statistik med sina egna verksamhetsdata). Här bör också påpekas att ordet "analys" kan ha många olika innebörder: allt från att lyfta fram enstaka siffror till att göra en orsak/verkan analys. Hos NV finns ju även betydelsen kemisk analys.
Den som genomför statistisk analys måste skaffa sig god kännedom om de data man använder. För tidsserier är det viktigt att granska datas jämförbarhet över tiden. Användare av SCB:s statistik bör t.ex. kontrollera (samma punktordning som ovan):
a) har regionförändring skett (t.ex. Knivsta kommun har brutits ut ur Uppsala kommun) och då göra omräkning av data på lämpligt sätt (SCB gör ofta inte omräkningar för kommunförändringar).
b) har klassifikationen ändrats och finns en omräkningstabell framtagen, eller kan man gå upp eller ner en nivå och klara omräkning.
c) har mätmetoder ändrats (vilket bör framgå av kvalitetsdeklaration eller metadata) och i så fall se om detta gett tidsseriehopp.
d) har beräkningar ändrats, och kan man gå tillbaks till grundserier och göra en ny enhetlig beräkning.
e) har utförare av undersökningen förändrats, och då får man ofta hämta in data från olika håll och konvertera och lägga samman.
Uppenbart är att det finns många olika orsaker till att det blir osäkerhet och sys-tematiska avvikelser i tidsserier. Detta ger en motivation för att ta fram generella metoder för att undersöka om något konstigt hänt. Det är just detta som rapporten "Roadmap for Trend Detection and Assessment of Data Quality" handlar om. Den
siktar framförallt på att upptäcka tidsseriehopp, dvs. en plötslig förändring vid någon (i förväg okänd) tidpunkt.
När man vid en granskning av data upptäcker något konstigt är det viktigt att ta reda på vad orsaken kan vara. Man får då leta i kvalitetsdeklarationer och metadata. I SCB:s metadata finns ofta ett antal felkällor angivna, men det är ofta svårt att från metadata begripa hur det kan påverka de slutliga mätningarna. Användarna måste själva fördjupa sig i data och det är ofta lämpligt att ta kontakt med de på SCB som nu är ansvariga för undersökningen, ty dessa är ofta väl insatta i problemen och kan ge tips om statistisk analys och även bistå med omräkningar från originaldata om detta blir nödvändigt.
Sammanfattningsvis så behöver en användare av tidsserier sätta sig in i data och undersöka deras kvalitet relativt de önskemål man har, och vid avancerade analyser måste man ofta ta kontakt med ansvariga för datainsamlingen.
Bilaga 2. Om Grimvall-Wahlins metod
I denna bilaga försöker vi ge en enklare beskrivning av Wahlin-Grimvalls metod genom att se hur den byggts upp steg för steg.
Något om teorier för analys av tidsserier
Teorier för analys av tidsserier finns inom flera forskningsområden t.ex. a) statistik - ofta med inriktning mot prognoser av ekonomiska tidsserier b) signalteori - som bl.a. handlar om att detektera nyttiga signaler då det finns
ett brus som stör
c) styr- och reglerteori - där man vill skatta hur ett objekt (säg en supertanker) rör sig och göra en prognos om hur det kommer att röra sig och sedan be-räkna bästa metod för att få objektet att flytta sig dit man vill
d) många naturvetenskaper utvecklar sina egna metoder för tidsserier, t.ex. meteorologi för vädervariabler, hydrologi för flöden i nätverk osv.
Den föreslagna metoden har som d att upptäcka hopp i tidsserier och dra bort dessa innan en genomsnittlig trend beräknas. Detta liknar detektion av pulser eller kanter i signalteori.
Beskrivning av grundtankar i metoden
Syftet med analys av tidsserier är ofta att hitta en sammanfattande beskrivning av hur data uppför sig. En vanligt förekommande term är trend. Den enklaste trend-modellen är att data uppför sig med linjär ökning (eller minskning) med en adderad slumpmässig variation. Det är vad man räknar på i grundläggande regressions-analys. Tekniskt kan det beskrivas med att man ansätter en grundmodell yi= a + b*xi + ei för i=1,…,n
Här står x står för tid, och e för en slumpterm, a beror av genomsnitt för data och b är lutningen på en anpassad linje. Man har sedan mätningar av y för olika tid-punkter x och kan beräkna de värden på a och b som ger minsta kvadratiska (eller absoluta) avvikelse i y-led.
Om man misstänker att det kan finnas ett hopp i tidsserien men inte vet när det inträffat så kan man ansätta en modell med ett hopp:
yi = c + ei före tiden X och yi = d + ei vid tiden X och efteråt
Värden för c och d kan skattas genom att man beräknar avvikelser i y-led för olika värden på X och tar det som ger minst total avvikelse. Detta är grundmodellen för kantdetektion i signalteori.
yi = a + b*xi + c + ei före tiden X och yi = a + b*xi + d + ei vid och efter X
Man kan även här skatta a, b, c, d och X genom att se vilka värden som ger minst kvadratisk avvikelse.
Den föreslagna metoden liknar den sistnämnda men avviker i hur man beräknar bästa värden på parametrarna. Man har valt en metod som är mindre känslig för stora enstaka avvikelser. Ett välkänt liknande resultat är att minimering av absolut avvikelse ger median som skattning av ett enkelt genomsnittsvärde:
Minimum över m av
Σ
abs( xi - m )fås för m = medianen av xi
Anm. abs( xi - m ) innebär att man räknar ut skillnaden mellan xi och m och ändrar minusvärden till plus.
Vid kvadratisk avvikelse
Σ
( xi - m )2fås minimum för m = medelvärdet av xi .
I rapporten använder man en teknik som ligger mitt emellan dessa två. Verkar rim-lig i detta sammanhang. Man hanterar också flera tidsserier samtidigt, och utjämnar variationer över korta tider (naturens brus).
TEST AV TREND
I rapporten har man använt ett så kallat Mann-Kendall test. Det bygger på idén att om man vill se om en tidsserie x1,…,xn har en tendens att gå uppåt och gör att senare värden i serien ofta vara större än de tidigare. Man beräknar helt enkelt antal fall där ett senare värde är större än ett tidigare.
Σ
1(om xi > xk)Där summa tas först över alla tidpunkter k, och sedan över de i-värden som är större än k. Mann-Kendall testet är känt sedan 1950-talet, och är ett så kallat icke-parametriskt test (dvs. förutsätter inte en viss sannolikhetsfördelning).
Massor av analyser (mass-signifikans-analys)
Granskning av många dataserier innebär att man med traditionell 95% säkerhet för signifikans får rätt många falska larm (5%). Det är därför viktigt att gå vidare när man upptäcker avvikelser och leta fram orsaken till avvikelsen t.ex. genom att se om det skett byte av kemisk analysmetod. Ett annat sätt att säkerställa förändringar är att se om avvikelser finns samtidigt i flera serier (en metod som används i rapporten).
Någon generell regel för hur man ska hantera massor av analyser finns inte. Det får bli ett kunskapsuppbyggande med hypoteser som publiceras och som man sedan går vidare och studerar, dvs. ett iterativt sätt att bedriva forskning.
Att samla kunskap
Forskning och analyser kan liknas vid kunskapsbyggande. Det är förstås viktigt att kunskapen samlas. Det gäller både metadata med kvalitetsdeklarationer och sam-ling av resultat och misstankar om avvikelser i tidsserier eller hypoteser om gene-rella trender.
Naturvårdsverket som samordnande myndighet bör de till att ha bra publicering och tillgänglighet av både grunddata, kvalitetsdeklarationer, avvikelserapporter och slutsatser.
SCB har idag inte någon sådan samling av alla fakta kring SCB:s statistik. Vi försöker att i metadata (kvalitetsdeklarationer) både beskriva hur data samlats in och hur statistikresultaten tagits fram. Där ingår då kommentarer om kända av-vikelser. Men att samla slutsatser från alla användare är långt över vad SCB skulle klara och är väl heller inte SCB:s ansvar. Det är varje analytiker som måste ansvara för sin statistiska analys och slutsatser.
Det är inte särskilt många användare som ger sig in i analyser av miljödata, vilket gör att NV skulle kunna ha en brevlåda för kommentarer och en rapport-förteckning för rapporter hos välrenommerade institutioner som arbetar med NV-data.
Bilaga 3. Generella slutsatser och förslag
Långa tidsserier är alltid svåra att hantera
Detta gäller både vid insamling och vid statistisk analys, och både inom samhälls-vetenskaper (t.ex. SCB) och natursamhälls-vetenskaper (t.ex. NV och Tema Vatten). De kräver hög kompetens hos både insamlare och användare och i aktuella fallet har både insamlare och användare hög kompetens.
Tidsserieanalys inkluderar datagranskning
Den som vill göra statistisk analys av långa tidsserier måste försäkra sig om att data har egenskaper som krävs för den egna analysen. Användaren hämtar sin informa-tion dels från den dokumentainforma-tion som finns för insamling och sammanställning, dels måste användaren själv kontrollera data.
Avhandlingens syfte var att doktorera i matematisk statistik och att bidra till vetenskapernas utveckling
Avhandlingen av Karl Wahlin har som syfte att testa olika metoder för att både granska datas kvalitet och göra trenduppskattningar. Vad vi kan se är de föreslagna metoderna effektiva. Man har kunnat upptäcka en del problem i data, som i några fall var kända hos datavärden och i några fall inte kända.
Kontakt eller inte - beror av syftet!
Man kan notera att forskaren inte tagit extra kontakt med datahållaren, vilket för metodstudien är bara bra. Om syftet istället hade varit att ta fram nationell statistik för offentlig publicering så borde man rimligen ha haft mer kontakt med data-värden (vilket delvis var syftet med forskningsprogrammet ENGO).
Hur ska NV ta tillvara erfarenheter från forskningsrapporten
En första aspekt är att se över hur dokumentation, redovisning och eventuell om-räkning av tidsserier ska göras. Det verkar vara lite svårt att hitta de rapporter som finns (inte helt ovanligt i statistikvärlden).
- Bättre länkning från databaser till dokumentationer och rapporter
(Detta finns på SCB i form av "Beskrivningar av statistik" och "Dokumentation av undersökningar" (ej helt klart än) ).
- Policy att viktigaste osäkerhetskällor lyfts fram (dvs. inte bara finns långt ner i variabeldokumentationer). Något som vi på SCB gärna vill göra, men ännu inte klarat!
- Policy för revidering av tidsserier då felkälla klarlagts (inom sötvattendata ändrar man i publicerade serier då felorsaken klarlagts, och vid tveksamhet om felorsak sätts parentes kring siffervärden).
Internet har blivit kanal för dataleveranser
En generell utveckling för statistik på Internet är att man gått från att använda Internet som en informationsplats till att bli en standardmetod för dataleveranser även till avancerade användare. Dessa behöver tillgång till bra dokumentation, metadata, väsentliga kommentarer etc. Det blir nämligen allt vanligare att man hämtar ner data utan att ta kontakt med dataleverantör. Om personkontakt rekom-menderas så bör det anges. Att förlita sig mycket på personkontakter är dock risk-abelt genom att anställda inte stannar lika länge på sina jobb som tidigare.
Fortsatt forskning inom området
Det finns inte många institutioner eller forskare som klarar att göra avancerade statistiska analyser av tidsserier (även SCB har brist på personal som klarar tids-serieanalys). Dessa bör därför rimligen uppmuntras.
Det är självklart en viktig uppgift för NV att varje år besluta om hur man ska fördela sina forskningsmedel. SCB kan bara konstatera att NV har en möjlig forsk-ningsresurs hos Tema Vatten, som det vore synd att inte dra nytta av. Som alltid vid forskningsanslag måste man göra en avvägning mellan olika finansieringsvägar och tillgängliga resurser.
NV är statistikansvarig myndighet (SAM)
Man kan inte delegera ansvar. Man kan delegera utförande och statistisk analys men en SAM måste kunna bedöma de resultat som kommer fram. NV bör tänka igenom hur mycket kvalificerad statistisk kompetens man behöver.
Det finns ackreditering av laboratorier vilket används i miljöövervakningen, men det finns inte motsvarande ackreditering av dokumentation och statistisk analys, varför NV här självt får svara för uppföljningen.
Organisation för utökad makrogranskning av den typ som Wahlin gjort kan ske på olika sätt. Enligt representanter för Naturvårdsverket är en metod att förelägga utförarna att genomföra sådana kontroller. Det skulle kunna ske genom införande av rutiner (inläggning i löpande datasystem) vilket ger en fortlöpande kvalitets-kontroll.
NV borde nog anställa en expert på tidsserier
NV ansvarar för mycket stor mängd tidsserier (en av de största samlingarna som finns i Sverige!) fördelat på flera datavärdar och med många statistiska analyser och presentationer. Det är därför rimligt att NV har egen expertis för uppföljning av allt som görs i området tidsserier.
Programvara för datakontroll
Det är önskvärt att programmen för datakontroll som tagits fram vid Tema Vatten görs tillgängliga för alla användare och att de förses med bra handböcker på Inter-net, vilket lär vara genomfört. (Även vi på SCB har behov av att kunna rekom-mendera program för våra användare). Det är ganska svåra program att hantera, varför även kurser behövs och även hjälp med att komma igång på egna data.
För att införa datakontroller enligt Wahlins metod hos utförarna behövs nog både utbildning och stöd vid införandet. Man kan tänka sig att NV har en konsult som bistår utförarna att lägga in dessa kontroller i sina system.
Nyttigt att flera forskare studerar data
Det är nyttigt att låta olika oberoende analytiker se på ens data. Att man kommer fram till något olika resultat är inget att bli förvånad över. Alla vi talat med verkar lidelsefullt engagerade i sina data och analyser.
Samtalstonen i universitetsvärlden verkar vara i stil med att
"om professor A säger att professor B:s arbete är helt felaktigt och att A istället gjort den korrekta analysen som alla bör följa, och A borde få ett stort anslag och eget forskningsinstitut",
så ska det tolkas som
"att professor A finner B:s analyser intressanta och har lyckats hitta en del nya analyser som kompletterar och vidgar dem, men tycker det är lite orättvist att B får höga anslag och A vill gärna få en del av dessa".
Statliga myndigheter brukade förr uttrycka sig med understatements (dock har man på senare år lämnat detta ty de förstås inte längre) och skulle kanske ha uttryckt sig i stil med:
"vi inom myndigheten A har genom tillmötesgående från B fått möjlighet att analysera B:s data. Vi inom A har funnit att det möjligen kan finnas skäl för en i viss mening annorlunda tolkning än den som gjorts av B."
När man menar ungefär följande:
"myndigheten B har gjort en helt felaktig analys, och vi inom A anser att vår analys är den enda rätta."
miljöövervakningsdata
En uppföljande utvärdering
Statistiska Centralbyrån (SCB) har granskat och analy-serat kritik av miljöövervakningsdata från professor A. Grimvall, Linköpings universitet, samt bemötandet från forskarna vid Institutionen för Miljöanalys, SLU, med avseende på tillförlitligheten av vattenkemiska data för uppföljning av de nationella miljömålen.
Kritiken grundar sig på omfattande statistisk bear-betning av miljöövervakningsdata. Analyserna är gjorda inom forskningsprogrammet Bedömning av måluppfyllelse under osäkerhet som finansierats av Naturvårdsverket och där A. Grimvall var programchef.
SCB:s bedömning är att båda parter i denna diskus-sion är mycket kompetenta och menar att sakargumenten är väl underbyggda och egentligen inte skiljer så mycket. I rapporten påpekas också att behovet av metodik för utvärdering av miljöövervakningsdata växer i takt med att datamängderna ökar.
iSbn 978-91-620-5941-5 iSSn 0282-7298
