Toinen kurssikerta

Toisella kurssikerralla harjoittelimme tekemään MapInfon avulla muun muassa pylväs- ja ympyrädiagrammikarttoja tilastoaineiston pohjalta sekä  laatimaan interpoloimalla luotuja grid-karttoja. Tutustuimme myös komiuloitteisten karttojen laatimiseen. Kotitehtävänä oli luoda teemakartta, jonka laatimisessa on käytetty monipuolisesti omaa osaamista.

Kuva 1. Väestön koulutustaso ja nuorten raskauksien määrä vuonna 2015, Uusimaa.

Päätin laittaa omaan karttaani (Kuva 1) kaksi eri teemaa päällekkäin koropleettikartaksi. Päätin rajata kartalla näkyvän alueen kattamaan vain Uudenmaan kunnat, sillä liian usean kunnan mahduttaminen kartalle olisi ollut vaikeaa, ja kartan luettavuus olisi kärsinyt. Valitsin karttaani aineistoksi väestön koulutustason (Suomen virallinen tilasto (SVT): Väestön koulutusrakenne), sekä nuorten naisten raskauksien määrän (Syntyneiden lasten rekisteri 2015 THL ja Raskaudenkeskeyttämisrekisteri 2015 THL). Väestön koulutustaso on indikaattori, joka mittaa väestön perusasteen jälkeisen koulutuksen keskimääräisen pituuden henkeä kohden. Esimerkiksi Helsingissä koulutustaso oli vuonna 2015 432, mikä tarkoittaa että Helsinkiläiset kävivät jatko-opintoja perusasteen jälkeen keskimäärin 4,3 vuotta. Nuorten raskauksien määrä taas kertoo alle 25-vuotiaiden naisten raskauksien lukumäärään tuhatta 15-24-vuotiasta naista kohden. Aineistossa on otettu huomioon alle 25-vuotiaille tehdyt raskaudenkeskeytykset sekä alle 25-vuotiaiden synnytykset. Alex Salminen (Salminen, 2017) teki oman kahden muuttujan karttansa myös Uudenmaan alueesta, käyttämällä väriä ja viivoitusta. Alex valitsi karttaansa viivoituksiksi samansuuntaiset mutta eri etäisyyksillä olevat viivat, joita on mielestäni hieman hankalaa erottaa toisistaan.

Ennen kartan laatimista minun oli ladattava molemmat aineistot Sotkanetistä, ja siirrettävä aineistot Excelin kautta MapInfoon. Analysoin molemmat aineistot myös histogrammilla, ja aineistot vaikuttivat silmämääräisesti olevan normaalisti jakautuneita. Päätin valita luokitteluksi kvantiilit eli tasamääräiset luokat. Jokaiseen luokkaan tulee siis yhtä monta havaintoa. Päätin myös pitää luokkamäärät pienenä, ja päädyin jakamaan molemmat aineistot kolmeen eri luokkaan. Valitsin kartalle liilan eri sävyt kuvaamaan alueen koulutustasoa, ja nuorten raskauksia merkkasin erilaisilla viivoituksilla. Minulla oli vaikeuksia päättää, kuvaanko korkean koulutusasteen kuntia tummalla vai vaalealla sävyllä, ja pitäisikö minun silloin merkitä myös nuorten raskauksien suuria lukumääriä tiheällä ruudukkoviivoituksella. Päädyin kuvaamaan alhaisemman koulutustason kuntia tummalla värisävyllä, ja korkeiden raskausmäärien kuntia tiheällä ruudukkoviivoituksella, sillä juuri nämä aineiston ääripäät olivat minulla mielenkiinnonkohteena. Tumma sävy tekeekin tietyt kunnat paremmin erottuviksi, ja siten parantaa kartan havainnollisuutta.

Väestön koulutustason ja nuorten raskauksien määrän välillä on kartan perusteella havaittavissa selvä korrelaatio. Kartalla ilmiö on sijoittunut kehämäisesti helsingin ympärille eli pääkaupunkiseudulla väestön koulutustaso on korkea ja vastaavasti nuorten raskauksien määrä pientä. Siirryttäessä Helsingistä kauemmaksi väestön koulutusvuosien määrä vähenee, ja vastaavasti nuorten raskauksien määrä kasvaa. Ilmiö on mielenkiintoinen, ja sitä voidaan pyrkiä selittämään monilla eri tavoilla.

Tärkein syy tälle ilmiölle lienee korkeakoulujen ja ylemmän asteen oppilaitosten ja niiden oman alan työpaikkojen sijoittuminen. Korkeakoulut sijaitsevat pääasiassa Helsingissä, Espoossa ja Vantaalla, ja nuoret muuttavatkin ympäryskunnista usein pääkaupunkiseudulle opiskelemaan. Paluumutto takaisin ulkopaikkakunnille on harvinaisempaa, ja monet nuoret jäävät myös perustamaan perhettä lähelle työ- ja opiskelualueitaan. Monet korkeasti koulutetut naiset perustavatkin perheen vasta opintojen päätyttyä, ja useat haluavat myös olla muutaman vuoden työelämässä ennen perheen perustamista. Tämän voisi kuvitella selittävän suurelta osin pääkaupunkiseudun koulutustasoa sekä nuorten raskauksien määrää.

Entä sitten kartalla tummemmat kunnat kuten esimerkiksi Lohja, Raasepori, Karkkila ja Lapinjärvi? Näissä kunnissa ei usein ole montaa korkeakoulua, mutta ammatillisia kouluja on usein laajempi kirjo. Monet paikkakunnalla asuvat nuoret saattavatkin mennä opiskelemaan ammatilliseen oppilaitokseen, ja siten päästä työelämään kiinni jo alle 20-vuotiaina. Säännölliset tulot ja elämän ”vakiintuminen” jo nuorena voi saada monet miettimään perheen perustamista selvästi aikaisemmin kuin korkeakoulua käyvät kaupunkilaiset. Osittain tummempien ja tiheästi ruuduitettujen kuntien tilannetta saattaa myös koulutusvuosien osalta selittää se, että näissä kunnissa asuu tyypillisesti suhteessa enemmän eläkeikäisiä kuin kaupunkimaisissa kunnissa. Eläkeläisten runsaslukuisuus voi vaikuttaa koulutustason lukuun siten, että monet suuret ikäluokat eivät ole välttämättä kouluttautuneet yhtä pitkään kuin esimerkiksi nykyiset kolmekymppiset. Kuntia verratessa on hyvä myös ottaa huomioon, että myös korkeakouluun pääseminen voi vaatia useampia yrityksiä, jolloin nuoret aloittavat opinnot korkeakoulussa myöhemmin ja myös valmistuvat myöhemmin. Korkeakoulun käyneiden voi olla varsinkin tänä päivänä vaikeampi löytää vakituista työpaikkaa, kun taas monille ammattitutkinnon suorittaneille on hyvin töitä tarjolla.

Nuorten raskauksien määrä -aineistossa on otettu huomioon myös raskaudenkeskeytyksien lukumäärä. Tämä vaikuttaa kartan tulkinnan luotettavuuteen, sillä mielenkiintonani oli ennemminkin selvittää koulutusasteen yhteyttä nuorten äitien lukumäärään. Aineistossa ei kuitenkaan ollut mahdollista erotella raskaudenkeskeytyksiä ja täyskestoisia raskauksia. Uskoisin kuitenkin, että raskaudenkeskeytyksien määrät eivät eroa huomattavasti kunnittain. Nuoria valistetaan ehkäisystä esimerkiksi kouluissa melko samalla tavalla, ja nuorilla ainakin pitäisi olla yhtäläiset mahdollisuudet ehkäisyn hankkimiseen. Tässä tietenkin myös tuloerot voisivat vaikuttaa. Jälkeenpäin karttaa tarkastellessani huomasin myös, että nuorten raskauksia kuvaavan muuttujan ylin luokka on turhan iso, ja keskimmäinen hyvin pieni. Minun olisi pitänyt tarkastella aineistoa tarkemmin, ja etsiä mahdollisesti joku järkevämpi luokitus.

Lähteet:

Koulutustasomittain 2015. Suomen virallinen tilasto (SVT): Väestön koulutusrakenne [verkkojulkaisu].
ISSN=1799-4586. Helsinki: Tilastokeskus [viitattu: 27.1.2017].

Raskaudenkeskeyttämisrekisteri 2015. Suomen virallinen tilasto, THL (Terveyden ja hyvinvoinnin laitos)

[https://www.thl.fi/fi/tilastot/tilastot-aiheittain/seksuaali-ja-lisaantymisterveys/raskaudenkeskeytykset/raskaudenkeskeytykset]

Syntyneiden lasten rekisteri 2015. Suomen virallinen tilasto, Perinataalitilasto – synnyttäjät, synnytykset ja vastasyntyneet.THL (Terveyden ja hyvinvoinnin laitos)

[https://www.thl.fi/fi/tilastot/tilastot-aiheittain/seksuaali-ja-lisaantymisterveys/synnyttajat-synnytykset-ja-vastasyntyneet/perinataalitilasto-synnyttajat-synnytykset-ja-vastasyntyneet]

Salminen, A. (2017). Viikko 2: Monenlaisia teemoja ja karttoja.

<https://blogs.helsinki.fi/alexsalm/2017/02/09/viikko-2-monenlaisia-teemoja-ja-karttoja/>

 

Ensimmäinen kurssikerta

Paikkatiedon hankinta, analyysi- ja kartografia -kurssin ensimmäisellä kurssikerralla tutustuimme MapInfo -nimisen paikkatieto-ohjelman perustoimintoihin. Sonja Koivisto kuvaa blogissaan osuvasti heti kurssin alkuun, miksi paikkatieto on tämän hetken kuuminta muotia: “Nykyään jopa yli puolen kaikesta maailman datasta arvioidaan olevan paikkatietoa. Tutkittavaa ja erilaisia mahdollisuuksia riittää siis aivan valtavasti.” (Koivisto, 2017). Kurssikerran tiedon pohjalta laadin kaksi erilaista teemakarttaa, joista toinen kuvaa eläkeikäisen väestön prosentuaalisia osuuksia koko Suomen mittaikaavassa, ja toinen muunkielisen väestön sijoittumista Helsingin sisällä. Molempia karttoja laatiessani analysoin ensin aineiston histogrammityökalulla, jotta pystyin silmämääräisesti arvioimaan, onko aineisto esimerkiksi normaalisti tai vinosti jakautunut.

Laadin ensin kartan, jossa näkyy yli 65-vuotiaiden prosentuaaliset osuudet Suomen eri kunnissa (Kuva 1). Ennen varsinaisen teemakartan laatimista analysoin paikkatietoaineiston histogramityökalulla (Kuva 3), ja arvelin silmämääräisesti aineiston olevan normaalisti jakautunut. Päätin valita luokitukseksi tasamääräisen luokituksen eli kvantiilit, jolloin aineiston havaintoja on yhtä paljon eri luokissa. Kartalla eri kuntien väliset erot ovat hyvin selkeitä ja paikoin dramaattisia. Laadin vertailun vuoksi samasta aiheesta myös teemakartan, jossa käytin luokitteluna keskihajontaa kvantiilien sijasta (kuva 2). Keskihajonnan perusteella luokitellussa teemakartassa kuntien väliset erot eivät olleet yhtä selkeitä, mutta eroavaisuuksia oli silti havaittavissa.

Kaupungistuminen eli urbanisaatio on globaali ilmiö, ja Suomessa kaupungistuminen on ollut hyvin voimakasta varsinkin viimeisten vuosikymmenten aikana. Maaseutu tyhjenee nuorten ja työssäkäyvien muuttaessa kaupunkeihin muun muassa työn ja opiskelun perässä, ja maalle jäävät asumaan pääasiassa eläkeläiset. Periferia eli syrjäalueilla tämä väestörakenteen yksipuolistuminen vaikeuttaakin esimerkiksi kunnallisten palveluiden kuten terveydenhuollon järjestämistä, sillä veronmaksajia on hyvin vähän suhteessa elätettävään väestöön. Kahdessa ensimmäisessä kartassa onkin hyvin näkyvissä tämä yhteys tyhjenevien ja muuttotappiollisten kuntien sekä ikääntyvän väestön prosentuaalisen osuuden välillä. Kartoilla tyypillisesti suurten kaupunkien läheisissä kunnissa kuten Tampereella, Turussa ja Helsingissä yli 65-vuotiaiden osuudet ovat pieniä.

Kuva 1. Yli 65-vuotiaiden prosentuaalinen osuus Suomen kunnissa. Kvantiililuokitus.
Kuva 2. Sama teema keskihajontaluokitusta käyttäen.
Kuva 3. Histogrammi yli 65-vuotiaiden prosentuaalisista osuuksista Suomen kunnissa.

Toinen teemakarttani kuvaa muunkielisten alueellista sijoittumista Helsingissä (Kuva 4). Päätin valita aineistoksi prosentuaaliset osuudet, sillä mielestäni ne kuvaavat alueen luonnetta absoluuttisia määriä paremmin. Ennen kartan laatimista analysoin aineiston jälleen histogrammissa (Kuva 5). Aineisto on epämääräisesti tai vinosti jakautunut, ja päätin valita aineiston luokittelutavaksi luonnolliset luokkavälit. Päätin myös käyttää ehdotetun viiden luokan sijasta kuutta luokkaa. Kuudella luokalla eri alueiden mosaiikkimainen kokonaisuus tuli mielestäni paremmin näkyville, eivätkä eri alueiden erot olleet niin dramaattisia. Päätin ottaa myös nollan saaneet arvot mukaan luokitteluun.

Kartalla on selvästi näkyvissä muunkielisen väestön prosenttiosuuksien erot itä- ja länsi-Helsingin välillä. Itä-Helsingissä  muunkielisiä on paikoin jopa lähelle 50%, kun taas länsi-Helsingissä prosenttiosuudet ovat yleisimmin 2-10 prosentin välillä. Pohjois-Helsingissä on myös paikoin alueita, joilla muunkielisten osuus on suurempi. Luokittelussa ylin luokkaväli on todella suuri (18,7-50%), ja tämä osittain saattaa antaa väärää kuvaa joistain alueista.

Kurssikerralla opimme vasta perusteet MapInfon käytössä, ja karttoja tehdessäni huomasinkin minulle heräävän monia kysymyksiä. Esimerkiksi muunkielisten alueellista sijoittumista kuvaavassa teemakartassa jotkut alueiden nimet ovat näkyvissä ja jotkut eivät, ja tämän opimme toivottavasti säätämään seuraaviin karttoihin. Minulle jäi myös epäselväksi, olisinko pystynyt kyseisessä teemakartassa asettamaan vain maa-alueet näkyviin. Nyt teemakartan alueella rantaviivaa ei pysty näkemään, ja tämä haittaa kartan luettavuutta ja selkeyttä.

Kuva 4. Muunkielisten prosentuaaliset osuudet Helsingissä alueittain. Luonnolliset luokkavälit.

 

 

Kuva 5. Histogrammi muunkielisten prosentuaalisista osuuksista Helsingissä

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

LÄHTEET

Koivisto, S. (2017). Mapinfon alkeet.

<https://blogs.helsinki.fi/kosokoso/2017/01/23/mapinfon-alkeet/>