Humlums metodefeil

Ole Humlum, Kjell Stordahl og Jan-Erik Solheim (HSS) har nylig publisert artikkelen The phase relation between atmospheric carbon dioxide and global temperature. Der mer enn antyder de at økningen i global temperatur etter 1980 er årsaken til økningen i atmosfærisk CO2. Dette er en motsatt årsak-virkning sammenheng i forhold til konsensusen blant klimaforskerene. Konsensusen er at den økende konsentrasjonen av CO2 er menneskeskapt, og at den har forårsaket økning i global temperatur.

HSS fjerner først effekten av langtidstrender, og deretter bruker de resultatene til å vurdere langtidstrender. Dette er en metodefeil, for de kan ikke finne langtidstrender etter at effekten av dem er fjernet. Både metodikken og konklusjonene deres blir sterkt kritisert av mange kompetente klimaforskere, bl.a. av Rasmus Benestad på  Real Climate og Hans Olav Hygen på Klimarealisme. I dette blogginnlegget vil jeg med et tankeeksperiment demonstrere at metodikken til HSS er fullstendig uegnet til å analysere langsiktige trender.

Korrelasjonskoeffisienter og Anscombes kvartett, del 2

Et tidligere innlegg beskriver korrelasjon mellom 2 variabler, med hovedvekt på Pearsons korrelasjonskoeffisient. Innlegget beskriver også Anscombes kvartett, som er fire x y vektorer med helt forskjellige sammenhenger mellom x og y. Pearsons korrelasjonskoeffisient er den samme for de fire settene med x y vektorer, på tross av forskjellene. Pearsons korrelasjonskoeffisient er den vanligste, men Anscombes kvartett demonstrerer at også den har svakheter.

To rangkorrelasjonskoeffisienter er de vanligste alternativene til Pearson. Det avgjørende i beregningen av disse er den relative rangeringen av dataene, ikke datene selv. Eksempelvis er koeffisienten lik 1 hvis både x og y verdiene hele tiden stiger utover i vektorene sine, uavhengig av  hvor mye eller hvor lite de stiger fra en verdi til den neste. Rangkorrelasjonskoeffisienter er robuste mot slengere. Eksempelvis betyr det ingenting om den største x verdien er litt større enn den nest største eller veldig mye større. Rangkorrelasjonskoeffisientene er alltid mellom +1 og -1, akkurat som Pearson.

The Solar Cycle Model and the HadCRUT4 NH temperatures

In earlier blog posts I often used the HadCRUT3 temperature series when testing the Solar Cycle Model. I am asked whether the results would have been different if I had applied the new HadCRUT4 temperatures. The answer is no.  This is not surprising, because I have earlier seen that the NASA GISS NH temperatures also fit with the model approximately in the same way as the HadCRUT3 NH temperatures do.

I now show how the model predicts the temperature for Solar Cycle 21 and 24. In both cases I show an old plot based on the HadCRUT3 NH temperatures followed by a new plot based on the HadCRUT4 NH temperatures. I refer to an earlier blog post for explanation of the plots. Now I just comment on any differences between HadCRUT 3 and 4.

Solar Cycle Model, comparison of results

Jan-Erik Solheim, Kjell Stordahl and Ole Humlum (hereafter SSH) have recently published two articles about the relationship between the mean temperature in a solar cycle and the length of the previous solar cycle [1, 2]. I have discussed these articles in earlier blog posts, see [3]. I assume that the reader is familiar with this.

In this blog post I directly compare some of SSH's results with my results. I put special emphasis on the plots showing the predictions for solar cycle 23 and for the current cycle 24. I also comment on the robustness check that SSH use to test the model; a check that in my opinion fails.

Solar Cycle Model fails after mid-1970s

Updated 17  December 2012.

This web page is also available as a document in PDF format. Click here to view it in your browser or download it to your disc.

Abstract.

Jan-Erik Solheim, Kjell Stordahl and Ole Humlum (hereafter SSH) have recently published two articles about the relationship between the mean temperature in a solar cycle and the length of the previous solar cycle [1, 2]. For the northern hemisphere, they found a negative correlation between those two variables. A long solar cycle is followed by a solar cycle with a low temperature, and a short solar cycle is followed by a solar cycle with a high temperature. SSH call this the Previous Solar Cycle Length Model. For simplicity, in this note I refer to it as the Solar Cycle Model.

When a solar cycle has ended, its length is known, and the model can predict the mean temperature in the next solar cycle.

The temperatures fitted well with the Solar Cycle Model until the mid-1970s, but not later. The mean temperatures during the last solar cycles have been much higher than predicted by the Solar Cycle Model. The mean temperature so far in the current solar cycle 24, which has lasted for about 3.5 years, is much higher than the Solar Cycle Model predicts.

Solsyklusmodellen feiler etter midten av 1970-tallet

Jeg har i de foregående innleggene omtalt solsyklusmodellen til Jan-Erik Solheim, Kjell Stordahl og Ole Humlum (SSH). Jeg har sammenfattet og utvidet dette i notatet Solsyklusmodellen feiler etter midten av 1970-tallet. 

Notatet viser at temperaturene passet bra med solsyklusmodellen frem til midten av 1970-tallet, men ikke etter det. Temperaturene etter midten av 1970-tallet har vært mye høyere enn solsyklusmodellen predikterte for dem. Solsyklusmodellen kan derfor ikke brukes til å prediktere fremtidige temperaturer slik SSH hevder.

Noen bruker solsyklusmodellen som en av flere hypoteser for å motbevise og/eller så tvil om konsensuset blant verdens klimaforskere om at menneskeskapte drivhusgasser nå har blitt det dominerende klimapådrivet. Den inngår i argumentasjonen bak "It's the sun, stupid" og at det bare er de naturlige syklusene som er dominerende klimapådriv. Det er derfor viktig å dokumnetere at solsyklusmodellen har sviktet totalt etter midten av 1970-tallet, og at den ser ut til å svikte totalt også for inneværende solsyklus.

I resten av innlegget gjengir jeg noen avsnitt fra notatet Solsyklusmodellen feiler etter midten av 1970-tallet. Utfyllende kommentarer for å binde avsnittene sammen er skrevet i kursiv. Alt er begrunnet i notatets 22 sider, bl.a. i 10 figurer, og i flere tabeller med statistikkinformasjon.

Durbin-Watson test for autokorrelasjon

Jan-Erik Solheim, Kjell Stordahl og Ole Humlum (SSH) predikterer sterkt fallende temperatur i tiåret som vi er inne i nå [1, 2]. De bruker Durbin-Watson testen for å sjekke om prediksjonene svekkes av autokorrelasjon i dataene, noe de mener ikke skjer. De forrige innleggene mine er om prediksjonene til SSH, som jeg mener er ekstremt usannsynlige. Nå går jeg gjennom Durbin-Watson testen og SSH's buk av den. 


SSH slår seg til ro med OK verdier fra Durbin-Watson testen selvom enkle vurderinger av dataene tilsier at modellen deres ikke lenger fungerer. I innlegget som du leser nå viser jeg plot som visualiserer disse enkle vurderingene.

Innlegget er delt opp i 4 deler.

1.    Durbin-Watson testen og statistisk signifikant autokorrelasjon.
2.    Konsekvensen av autokorrelasjon for konfidensintervallet rundt en prediksjon.
3.    Durbin-Watson testen anvendt på en typisk temperaturserie.
4.    Durbin-Watson testen anvendt på Anscombes kvartett.