Hvordan veit man om ei forsamling representerer dem den hevder å representere? Ei vanlig tilnærming til dette spørsmålet er å forutsette at forsamlinga skal være et representativt utvalg av populasjonen som har valgt den. Det finnes nok noen mer eller mindre rimelige innvendinger mot at dette er rimelig å forvente. Jeg skal diskutere det litt seinere. Foreløpig vil jeg gå ut fra følgende: Om det er 10 % industriarbeidere, 50 % kvinner, 3 % leger og 20 % med etnisk minoritetsbakgrunn blant de stemmeberettiga, bør disse andelene være omtrent like i ei forsamling som skal representere dem.
Jeg har laga en enkel modell for å illustrere hvordan tilfeldige utslag påvirker dette i praksis. Modellen består av et MATLAB-skript som lager en populasjon på 10000 individer, der den gjennomsnittlige fordelinga av en del ulike variabler er som vist i tabellen under. Om du av en eller annen grunn skulle være interessert i å bruke skriptet, kan du finne ei lenke til det her (om du ikke har tilgang til temmelig dyre MATLAB, men likevel er superinteressert er det enkelt å portere skriptet til Octave, men i det minste hindrer bruken av funksjoner for å skrive til xls-filer det i å kjøre as is. Du kan laste ned Octave gratis her).
| Variabel | Kategori 1 | Kategori 2 | Kategori 3 | Kategori 4 | Kategori 5 | Kategori 6 |
|---|---|---|---|---|---|---|
| Kjønn | Mann | Kvinne | . | . | . | . |
| . | 50 % | 50 % | . | . | . | . |
| Alder | Formel | . | . | . | . | . |
| . | 17 + (0.8 * rand) | . | . | . | . | . |
| Geografi | Nordlendinger | Trøndere | Vestlendinger | Sørlendinger | Østlendinger | . |
| . | 15 % | 20 % | 25 % | 5 % | 35 % | . |
| IQ | Formel | . | . | . | . | . |
| . | 100 + 50 * (rand – 0.5) | . | . | . | . | . |
| Politisk syn | Kommunister | Sosialister | Sos. dem. | Sentrister | Konserv, | H.-PoPul |
| . | 2 % | 8 % | 35 % | 20 % | 20 % | 15 % |
| Hudfarge | Hvit | Mørk | . | . | . | . |
| . | 90 % (95 %) | 10 % (5 %) | . | . | . | . |
| Religion | Kristen | Muslim | Buddhist | Jøde | Hare Krishna | Ateist |
| . | ~66 % (flest hvite) | ~9 % (flest mørke) | 3 % | 1 % | 1 % | 20 % |
| Talegaver | Talefør | Middels | Mumler | . | . | . |
| . | 20 % | 30 % | 50 % | . | . | . |
| Utseende | Formel | . | . | . | . | . |
| . | round(rand*10) | . | . | . | . | . |
Valget av fordelinger i modellen er noe prega av latskap, ved at jeg enten har lagd «flate» fordelinger, der det er like sannsynlig å få toppskår på utseende og IQ som å være midt på treet, eller ved at f.eks. de politiske holdningene er en litt sminka versjon av dagens Norge. Noen av inndelingene er likevel overdrevet for lettere å kunne illustrere poenget. Det er viktig å presisere at jeg forutsetter at alle politiske holdninger, religiøse og geografiske tilknytninger, utseende, IQ osv. er uavhengige variable – med unntak av religionen, som antyda i tabellen. 70 % av «individene» i populasjonen blir enten kristne eller muslimer, avhengig av om de er mørke eller lyse, mens de resterende 30 % blir fordelt på religion uavhengig av hudfarge. Realismen i disse valgene kan nok diskuteres, men er ikke viktig for poenget.
Hvilke resultater får vi ut? På bakgrunn av populasjonen på 10 000 individer har jeg trukket utvalg av ulik størrelse. Fordi jeg har vært lat, har jeg brukt den første og beste metoden jeg kom på for å styre størrelse og sikre tilfeldighet i utvalgene. Det innebærer at utvalgene ikke har nøyaktig samme størrelse. Jeg har valgt å bruke inngangsdata som fører til utvalg på ca. 20, 50 og 170. Dette tilsvarer omtrent størrelsen på henholdsvis regjeringa/Oslos stortingsgruppe, statssekretærkorpset og Stortinget.
Det kommer såpass mange figurer ut av dette, at det blir håpløst å vise dem direkte i teksten. For å få et oversiktsbilde over noe av data, kan du åpne denne lenka i en ny fane. Hva viser resultatene? Vel, til å begynne med kan vi slå fast at sjøl med en «populasjon» på 10 000 innfører «tilfeldighetsformelen» noe variabilitet i data: Se f.eks. på kakediagrammene som viser kjønn og histogrammene over alder. Det går helt klart an å lese forutsetningene og premissene jeg har lagt til grunn ut av dem, men de er ikke perfekte.
I neste omgang kan vi slå fast at utvalg på 160-200 individer er tilstrekkelig store til at det er mulig å kjenne igjen mønstrene fra populasjonen. Alle kategoriene, sjøl de som bare er representert med 1 %, er med. Gitt flere kjøringer, ville det nok dukke opp eksempler der jøder eller hare krishna falt ut, men det er helt usannsynlig at en kategori som utgjør 5 % av populasjonen overhodet ikke er representert i et utvalg på 160 individer. For å være nøyaktig, er sannsynligheten 0,273 promille, eller ca 3 til 10 000. Forskjellen på dette og de 20 % sannsynlighet for manglende representasjon for en kategori som utgjør 1 % av populasjonen er enorm, sjøl om 20 % fortsatt er ganske lav sannsynlighet.
Dette betyr at hvis vi legger til grunn et «naivt» syn på representasjon, der ei representativ forsamling er identisk med et representativt utvalg av populasjonen den skal representere, så ville det automatisk være noe galt om ei gruppe som utgjorde 5 % av befolkninga ikke var representert på f.eks. Stortinget, der det er 169 seter.
Går vi et steg videre og ser på de små utvalgene, ser vi derimot at tilfeldigheter raskt kan føre til temmelig store avvik fra populasjonen, f.eks. i figur 1 b), der det på ingen måte er mulig å rekonstruere aldersfordelinga i populasjonen fra den splitta aldersfordelinga i utvalget. På noen områder er likevel utvalget i «forsøk» 1 svært representativt, sjøl om det på tross av det underforståtte politiske temaet er oppsiktsvekkende taleført i og med at vi ikke har innført en seleksjonsmekanisme for taleføre.
Dette bringer oss videre til neste nyanse: I virkeligheten finnes det jo helt åpenbart seleksjonsmekanismer, og taleførhet er en av dem. Med den modellen jeg har brukt ville det ikke gi noe utslag om vi innførte seleksjon på taleførhet, fordi denne variabelene ikke korrelerer med noen av de andre. Den eneste variabelen jeg har innført som korrelerer med noen andre er religion, der kristen tilhørighet korrelerer med hvit hud og tilhørighet til islam korrelerer med mørk hud. Dette er kanskje et dårlig valg, pedagogisk sett, i og med at det spiller rett inn i en av de objektivt sett farligste diskursene i dagens Norge. Til overmål bør vel religiøs tilhørighet ikke spille noen rolle for politikere i et forsøksvis sekulært samfunn som Norge?
Men sjøl om religiøs representativitet kanskje kommer langt ned på lista over forhold vi vil prioritere, ligger det muligens et pedagogisk poeng her likevel: Den nære forbindelsen mange vil oppleve mellom ulik hudfarge og ulik religion – hvor unyansert den enn måtte være – gjør det kanskje lettere å akseptere at andre, kanskje mer representasjonsverdige variable kan være korrelerte med hudfarge. Jeg bør kanskje legge til at det er viktig å huske forskjellen på korrelasjon og årsaksforhold her.
Slike variable kan f.eks. være erfaringer og holdninger knytta til det å ha grenseoverskridende familiebånd, som ikke nødvendigvis kommer krystallklart til uttrykk i ideologi. Det kan også være snakk om legitime, om enn kontroversielle, syn på utenriks-, familie-, religions- eller for den saks skyld skattepolitikk, som ingen partier ønsker å målbære. Noen lite kontroversielle eksempel kan være synet på familiens ansvar for eldre og viktigheten av morsmålsopplæring. Når partiene likevel velger å nominere kandidater med mørk hudfarge, ville det sjølsagt ikke være noen garanti for at de heller ville ønske å målbære dem. Det er likevel ikke til hinder for at det kan være snakk om et problem når det gjelder representasjon.
Før man innvender at det primære målet med politisk representasjon er å gi uttrykk for politiske standpunkt, slik de kommer til uttrykk gjennom ulike partiers ideologi, bør man kanskje reflektere over hvordan det tilfeldige utvalget av om lag ei regjerings størrelse i figur 2 c) eller 11 c) ville blitt opfatta (se hovedoversikta). Den svært bevisste seleksjonen av statsråder med utgangspunkt i geografisk spredning er, sammen med vektlegginga av kjønn, et uttrykk for at man i norsk politikk langt på vei anerkjenner i alle fall noen aspekter av det «naive» synet på representasjon.
Når det kan se ut til at innvandrere fra Latin-Amerika, Asia og Afrika – folk som gjerne ikke har et nordeuropeisk utseende – er underrepresenterte i landets høyeste politiske organer, behøver det ikke å være et resultat av vond vilje noe sted. Systematisk underrepresentasjon kan handle om mange ulike seleksjonsmekanismer, slik det bl.a. blir drøfta i denne FAFO-rapporten.
Et spørsmål som melder seg, er om man bør vurdere å kompensere for slike mekanismer på ulike måter. Både den «naive» forståelsen av representasjon og muligheten for korrelerte standpunkter som ikke fanges opp av partiene kan tale for det.