Data och att presentera data Frelsning 1 kvantitativ

Data och att presentera data Föreläsning 1, kvantitativ metod C-kurs Ekonomisk historia HT 2017

Kvantitativ metod i Ekonomisk Historia • Växt sedan 1970 -talet i och med ett antal inflytelserika publikationer • Användning av ekonometriska metoder, men skiljer sig oftast (men inte alltid) från Nationalekonomi • Kontroversiellt i vissa fall – men man kan fråga sig hur mycket som skiljer sig från kvalitativ metod?

Vad man kan förvänta sig av kursen • Att man bättre ska kunna förstå och tillgodogöra sig kvantitativ metod och dess användning i ekonomisk historia • Att man ska bli medveten om centrala problem inom kvantitativ metod och möjliga lösningar till problemen • Att man själv praktiskt ska kunna utföra kvantitativ metod och veta varför vi gör som vi gör

Data och beskrivande statistik i Ekonomisk Historia • Grunden för kvantitativ metod – utan korrekt och bra data kan vi inte arbeta • Historisk data kan vara problematisk på flera sätt – hur hanterar man problem? • Ofta använder vi oss av tidsseriedata, vilket får betydelse för hantering och presentation av data

Olika typer av data/variabler Typ Beskrivning Exempel Nominal* Ger endast kvalitativ information Ordinal Ranking eller ordning är viktigt Intervall Distans mellan två värden Namn, yrken, länder, etc Social status, ekonomisk klass, betyg, etc. Datum, temperatur, lönesteg, skattenivå, etc. Förhållandet mellan två värden Bnp/capita, skatt/tull (i %) Kvot

Olika sätt att presentera data • Stapeldiagram • Cirkeldiagram • Linjediagram • Ytdiagram

Stapeldiagram – Tre bankers utlåning per typ av säkerhet 1880 Bankutlåning 1880 4500000 4000000 3500000 3000000 2500000 2000000 1500000 1000000 500000 te än R Wermlands enskilda Kopparbergs enskilda rg en Bo re v ul db ro r Sk Va tie r Ak ne r bä ra nd e ob lig at io en d eg st bä te te än R Skånes enskilda om rg en Bo re v Sk ul db ro r Va tie r Ak r ne io at lig ra nd e Fa st Fa ob eg en d om rg en Bo re v ul db ro r Sk Va tie r Ak io at lig ob bä ra nd e Fa st eg en d om ne r 0

Cirkeldiagram – Utlåningsformer i % av total Fast egendom Räntebärande obligationer Aktier Varor Skuldbrev 5% 15% 42% 16% 15% 6% Borgen

Spirits Beer Wine 1906 1904 1902 1900 1898 1896 1894 1892 1890 1888 1886 1884 1882 1880 1878 1876 1874 1872 1870 1868 1866 1864 1862 1860 1858 1856 1854 1852 1850 1848 1846 1844 1842 1840 1838 1836 1834 1832 1830 Linjediagram - Sveriges alkoholimport 1830 -1906 12 10 8 6 4 2 0

18 3 18 0 3 18 2 3 18 4 3 18 6 3 18 8 4 18 0 4 18 2 4 18 4 4 18 6 4 18 8 5 18 0 5 18 2 5 18 4 5 18 6 58 18 6 18 0 6 18 2 6 18 4 6 18 6 6 18 8 7 18 0 7 18 2 7 18 4 7 18 6 7 18 8 8 18 0 8 18 2 8 18 4 8 18 6 8 18 8 9 18 0 9 18 2 9 18 4 9 18 6 9 19 8 0 19 0 02 19 0 19 4 06 Ytdiagram – Sveriges alkoholimport 1830 -1906 i % av tot 100. 0 90. 0 80. 0 70. 0 60. 0 50. 0 40. 0 30. 0 20. 0 10. 0 Wine Spirits Beer

Olika typer av spridningsmått • Medelvärde • Median • Typvärde

Medelvärde • Exempel: 3, 4, 4, 5, 7, 9, 11, 71 12, 1 i medelvärde (summan av alla värden delat med antal värden) • Fördel: Använder alla värden, samt stor användbarhet som spridningsmått • Nackdel: Känsligt för extremvärden

Att känna till – olika medelvärden • Aritmetiskt medelvärde – det ”vanliga” medelvärdet • Geometriskt medelvärde – blir oftast mindre än det aritmetiska (använder produkten av talen, sedan roten ur av resultatet) • Finns även andra: kvadratiska, kubiskt, harmoniskt, generaliserat, glidande

Median • Exempel: 3, 4, 4, 5, 7, 9, 11, 71 5 (den ”mittersta” observationen i serien) • Fördel: Immunt mot extremvärden • Nackdel: Mindre användbart som spridningsmått och i statistiska test

Typvärde • Exempel: 3, 4, 4, 5, 7, 9, 11, 71 4 (det vanligast förekommande värdet i serien) • Fördel: Representerar den mest typiska observationen • Exkluderar andra observationer, missar information

Övning 1 - Spridningsmått • Gör passande graf över data på strafflängd (Hudson, s. 61) • Analysera medelvärde, median och typvärde • Diskutera resultat

Variansmått • Viktigt för att komplettera spridningsmått (medelvärde, etc. ) • Dataserier med samma medelvärde kan se mycket olika ut (se exempel, s. 94 i Hudson) • Två varianter: varians och standardavvikelse (se exempel i Hudson, s. 95)

Övning 2 – Varians och standardavvikelse • Varians: genomsnittet av avvikelsen från medelvärdet (all värdens avvikelse från medelvärdet delat med antalet värden i serien) • Standardavvikelse: roten av variansen (variansen är SD upphöjt i två) • Använd data på fängelsestraff (från förra övningen) och räkna ut varians samt standardavvikelse

Variationskoefficient (CV) • Räknas ut som en kvot mellan standardavvikelse och medelvärdet • Fördel: Går att jämföra olika seriers avvikelse från medelvärdet, särskilt när serierna har olika värden (pris i kronor jämfört med pris i pund) • s/X*100 (procent)

Exempel på variationskoefficient (CV) A CV B 75, 8 C 96, 0 2, 8

Variationskoefficient över tid (regional BNP för Sverige 1860 -2000) 35. 0 30. 0 25. 0 20. 0 15. 0 10. 0 5. 0 0. 0 1860 1870 1880 1890 1900 1910 1920 1930 1940 1950 1960 1970 1980 1990 2000

Till nästa gång • Läs: Hudson kapitel 3 -5 (fram till avsnitt 5. 7, s. 122) • Gå igenom dagens genomgång och övningar • Fundera över eventuella frågor inför fortsättningen