Statistisk konsultation

Vår grundregel för medförfattarskap är att om statistikern på "ett väsentligt sätt" bidrar med råd, planering eller analys så är medförfattarskap motiverat. Statistikern bidrar i så fall med statistiska avsnitt i publikationen och är därmed också delansvarig för innehållet.

Tolkningen är subjektiv och avgörs från fall till fall, men ett första möte innebär aldrig en obligation att dela författarskap.

Stora språkmodeller (Large language models, LLM) kan vara till hjälp vid statistisk analys om du har en tydlig forskningsfråga och förstår detaljerna i din studiedesign och ditt datamaterial väl. Till exempel kan de hjälpa dig att skapa informativa figurer och diagram, korrigera syntax eller generera idéer om hur du kan gå vidare med en analys.

Om du däremot är osäker på vad du ska göra med dina data är det mycket riskabelt att låta LLM:er själva välja modeller och analys. Några vanliga problem är:

• LLM:er granskar och validerar inte ditt datamaterial. Studiedesign och antaganden måste därför kommuniceras tydligt. Till exempel:
  
  
  • Typ av variabler. En LLM kan föreslå att analysera en binär responsvariabel med en ANOVA i stället för att använda logistisk regression, eftersom de bara ser att responsvariabeln är numerisk. På samma sätt känner LLM inte alltid igen kategoriska variabler ifall dessa kodats som numeriska, om det inte explicit anges.
  • Experimentell design. För blockförsök kan LMM:er föreslå separata analyser istället för att inkorporera blocken i samma modell. LLM:er förbiser ofta splitplot-försök för att istället analysera dessa med en ”vanlig” faktoranalys. På liknande sätt identifierar LLM:er sällan klustrade, hierarkiska eller upprepade mätningar korrekt.
    
    
  • Stickprov. LLM:er kan inte hantera vissa koder för saknade värden  och kan ha svårt att välja korrekta modeller för små stickprov. 
    
    
•  LLM:er anger ofta föreslagna modeller i loopar eller funktioner för att skapa snygga tabeller med skattningar och p-värden. Detta kan göra det svårt att validera modellerna, eftersom de enskilda modellerna inte är lättillgängliga.

Kom även ihåg att du som forskare alltid har fullt ansvar för att din analys är korrekt och att du måste garantera att användningen av AI-verktyg följer institutionella riktlinjer, sekretessavtal och dataskyddsregler. Känsliga eller opublicerade data bör inte delas med externa system om det inte är tillåtet.

Om du kontaktar Statistik@SLU för rådgivning, informera oss gärna om du har använt LLM:er och i vilket syfte. Vi diskuterar gärna resultat från LLM:er, men vi förutsätter att du själv har försökt förstå och utvärdera resultaten innan mötet. Om du är osäker på om du kan lita på resultaten eller inte förstår dem, är det ofta enklare att diskutera utan att ta hänsyn till dem.

Vid många rådgivningstillfällen ligger fokus på att tydliggöra forskningsfrågan, strukturera datamängden på ett lämpligt sätt, bestämma rimlig stickprovsstorlek och statistisk styrka samt utforska lämpliga analysmetoder med hänsyn till antaganden och begränsningar. Vi uppmuntrar att du förbereder dig genom att göra grundläggande explorativa analyser, såsom beskrivande tabeller och enkla figurer.

Centrum för statistik erbjuder inte statistikstöd till studenter på grund- och avancerad nivå, men på S- och LTV-fakulteten organiseras statistisk rådgivning vid examensarbeten utanför centret. Studenter som behöver statistikstöd i samband med uppsatsskrivande kan kontakta Adam Flöhr (för LTV-fakulteten) eller Hilda Edlund (för S-fakulteten).