Hvorfor er det så vanskelig å forklare nedgangen i antall drepte i trafikken?

Transkript

1 Hvorfor er det så vanskelig å forklare nedgangen i antall drepte i trafikken? Trafikdage på Aalborg universitet 2016 Rune Elvik

2 600 Antall drepte i trafikken i Norge Side 2

3 Hva forklarer nedgangen i antall drepte? Det er et spørsmål vi skulle ønske at vi hadde et godt svar på Det har vi dessverre ikke Det er ikke lett å gi et forskningsmessig godt begrunnet svar på spørsmålet Formålet med denne presentasjonen er å forklare hvorfor det er slik Side 3

4 Hva er problemene? Det finnes veldig mange mulige forklaringsvariabler: Vi har 45 år, men Mer enn 45 tenkelige forklaringsvariabler Noen av forklaringsvariablene varierer heller lite eller sakte: Utskiftning av kjøretøyparken Befolkningens aldersfordeling Noen av forklaringsvariablene er høyt korrelerte med tid og med hverandre: Eksempler vil bli gitt Det mangler data om mange forklaringsvariabler: Fart, promillekjøring, mye annen atferd Variabler som registreres har målefeil eller kjedebrudd: Lengde av motorveger; trafikkarbeid; forseelser Side 4

5 Et datasett til illustrasjon Antall drepte (17 år) Forklaringsvariabler (15 i alt): År (omgjort til tellevariabel 1, 2, 17) Trafikkarbeid (millioner kjøretøykilometer) Andel tunge kjøretøy (prosent av trafikkarbeid) Andel moped og motorsykkel (prosent av trafikkarbeid) Beltebruk blant bilførere (spredtbygd strøk) Andel av trafikkarbeidet utført av biler med ESC Andel av trafikkarbeidet med biler med fem EuroNCAP-stjerner Andel av trafikkarbeidet med biler med nødbremseassistent Arbeidsledighet i prosent av arbeidsstyrken Andel av 18-årskull med førerkort Kontrollerte førere per million kjøretøykilometer Side 5

6 Datasett til illustrasjon, fortsettelse Forklaringsvariabler (fortsettelse): Forenklede forelegg per million kjøretøykilometer Promilleførere per førere stanset av Utrykningspolitiet Kilometer veg med midtrekkverk Årlig nedbørmengde i prosent av normal mengde Andre variabler som gjerne skulle vært med: Fartsutvikling (sammenlignbare data bare etter 2006) Piggdekkbruk (sammenlignbare data bare etter 2004) Andel tunge kjøretøy med godkjente bremser (bare etter 2004) Andel av trafikkarbeidet på motorveg (bare etter 2005) Andel av trafikkarbeidet fordelt på fartsgrenser Barnehagedekning Og så videre, og så videre Side 6

7 Korrelasjoner skaper problemer Yrcount Millkm Heavyshare Mcshare Beltuse ShareESC Sharefive Sharebrake Unemploy Youngdrive Checkmill Ticketmill UP-rus Kmmidt Precip Fatals Yrcount Millkm Heavyshare McShare Beltuse ShareESC Sharefive Sharebrake Unemploy Youngdrive Checkmill Ticketmill UP-rus Kmmidt Precip Side 7

8 De mest lovende variabler Andel tunge kjøretøy (positiv: økt andel = flere drepte) Arbeidsledighet (negativ: flere ledige = færre drepte) Andel av 18-årskull med førerkort (positiv: flere med førerkort = flere drepte) Forenklede forelegg per million kjøretøykilometer (negativ: flere forelegg = færre drepte) Promilleførere per kontrollerte av UP (positiv: flere med promille = flere drepte) Andel av normalnedbør (negativ: mer nedbør = færre drepte) Side 8

9 Antall drepte 400 Antall drepte i trafikken og modell til forklaring av utviklingen År Data Modell Side 9

10 Er dette en god modell? Kjennetegn ved gode ulykkesmodeller (som forklarer utvikling over tid): Forventningsrette prediksjoner (predikerer ikke systematisk for lavt eller for høyt antall drepte) Høy (men ikke for høy) forklaringsgrad Ikke autokorrelerte restledd (fanger opp systematisk variasjon over tid) Normalfordelte restledd (har ikke avvikende datapunkter som ikke kan forklares) Homoskedastiske restledd (jevn restleddsvariasjon i hele datasettet) Signifikante koeffisienter med «riktig» fortegn (manglende signifikans kan indikere kollinearitet) Side 10

11 Estimerte koeffisienter Side 11

12 Dekomponering av varians All varians (100 %) Systematisk (92,7 %) Tilfeldig (7,3 %) Forklart av modell (83,1 %) Uforklart (16,9 %) Side 12

13 Er en bedre modell mulig? Modellen forklarte ikke all systematisk variasjon Det kan være plass til en eller to variabler til Ikke alle fortegn på koeffisientene var riktige Mange viktige variabler er utelatt Modellen ble forsøksvis utvidet med to variabler: Andel med elektronisk stabilitetskontroll Kilometer veg med midtrekkverk Disse variablene er imidlertid høyt korrelerte Kun elektronisk stabilitetskontroll inngikk i den nye modellen Side 13

14 Koeffisienter to modeller Panel A: Model 1 Panel B: Model 2 Variables and terms Estimate Standard error P-value Estimate Standard error P-value Constant term Share of heavy vehicles Unemployment Young drivers at Drivers cited per million vehicle km Drivers testing positive for alcohol Precipitation as percent of normal Share of cars with electronic stability control Over-dispersion parameter Percent of systematic variation explained Side 14

15 Når man bytter ut en variabel Endres fortegnet på alle variabler som er felles i de to modellene Det er dermed ikke mulig å gi noen meningsfull tolkning av resultatene Modellene ser formelt bra ut, men har et meningsløst innhold Variabler som er korrelerte med hverandre gir opphav til meningsløse resultater: Økt bruk av bilbelte har redusert antall drepte fotgjengere og syklister Side 15

16 Lærdom Man kan lage modeller som i det minste stort sett oppfyller formelle krav til gode modeller De estimerte koeffisientene kan likevel være mer eller mindre meningsløse Et viktig krav til en god modell må være at den gir rimelige resultater i lys av det vi ellers vet Vi vet, for eksempel at antall drepte i bil er redusert Det er rimelig å tro at økt bruk av bilbelter og elektronisk stabilitetskontroll har bidratt til dette En modell som tyder på det motsatte mangler troverdighet Side 16