Kurssikerta 7. Loppuhuipennus

Tällä kertaa hommat alkoivat jo tiistai aamuna, sillä kurssikertaa varten piti etsiä itsenäisesti haluamastaan alueesta kartta ja tarvittavat tilastot. Tarkoituksena oli saada kerättyä aineisto, jonka pohjalta voisi sitten kurssikerran aikana laatia monimuuttujaisen kartan.

Lähdin etsimään tietoa ensin Afrikasta, mutta ongelmia ilmeni suurissa määrin jo heti aluksi, joten päädyin Etelä-Amerikkaan. Jotta alueiden luokittelu karttaa varten on järkevää, esitettävänä kannattaa kuitenkin olla noin 20-30 aluetta. Laajensin siis vielä hieman aluettani Väli-Amerikalla. Tietoa karttaani varten lähdin ensiksi etsimään sähköpostiin saamistamme linkeistä, mutta en löytänyt niistä sopivaa tietoa alueestani. Googlen avulla löytyi kuitenkin erilaisia tilastosivustoja, josta lopulta löysin mielenkiintoisia tilastoja.

Tiedon löytäminen ei siis yleisesti ollut kovin haastavaa, mutta tuoreen tiedon löytäminen olikin vaikeampaa. Jotain tietoa saattoi löytyä vuodelta 2015, mutta kaikkien maiden kohdalta sitä ei löytynyt. Eri alueiden tiedot olisivat siis olleet eri vuosilta, jolloin vertailu ei olisi enää ollut yhtä mielekästä. Myös vieraat kielet, portugali ja espanja, rajasivat käytettävissä olevien sivustojen määrää, sillä en niitä ymmärrä. En tainnutkaan olla ainoa, joka törmäsi kieliongelmaan. Myös Nea Heikkilä kirjoittaa kieliongelmien vaikuttaneen alueen ja tilastojen valintaan.

Tietoa etsiessä piti myös muistaa, että koropleettikartalla täytyy esittää suhteutettua tietoa. Sekin hieman rajoitti valittavissa olevien tilastojen määrää. Lopulta päädyin valitsemaan koropleettikartalla esitettäväksi BKT:n asukasta kohden. Koska pylväsdiagrammeissa voi esittää myös absoluuttista tietoa, päätyivät eliniänodote ja terveysmenojen osuus BKT:stä teemakarttani toiseksi ja kolmanneksi muuttujaksi. Jo tilastoja etsiessä täytyikin miettiä, miten asiat kartalla aikoo esittää. Ympyrädiagrammia varten olisi täytynyt hankkia suhteellista tietoa, pylväsdiagrammeihin taas kävi absoluuttinenkin.

Kartan työstäminen alkoi Excelistä, jossa tein tietokannat valmiiksi jo kotona. Se helpottikin paljon, ja tunnilla jäi enemmän aikaa yksityiskohtien hiomiseen. Kuten alkukurssin postauksista ehkä muistattekin, juuri yksityiskohdat ovat monimuuttujaisia karttoja tehdessä tärkeitä. Jos luokkien värisävyt ovat liian samanlaisia, diagrammit päällekkäin tai väärän kokoisia, kartan lukeminen vaikeutuu. Värisävyjä tulikin hiottua useampaan otteeseen, jonka lisäksi kokeilin erilaisia tapoja kuvata muuttujia. Rasterointi olisi ollut yksi mahdollinen tapa, mutta en henkilökohtaisesti pidä siitä ja se on usein hankalasti tulkittavissa. Kokeilin myös ihmis-symbolien toimivuutta eliniänodotetta kuvaamaan, mutta kartta näytti enemmänkin väentiheyskartalta sillä pienien valtioiden alueella Väli-Amerikassa symbolit muodostivat enemmänkin valtavan ihmisrykelmän. Tästä olisi voinut syntyä virhetulkintoja väentiheydestä, joten päädyin valitsemaan jo tiedonkeruuvaiheessa suunnittelemani pylväsdiagrammit.

Lisäksi, kuten kaikissa teemakartoissa, piti kiinnittää huomiota luokittelun toimivuuteen. Tarkistin histogrammityökalun avulla, mikä luokittelutapa sopisi aineistolle parhaiten. Päädyin valitsemaan kvantiilit, koska siten aineisto jakautui varsin tasaisesti eri luokkiin. Karttakin näyttää paremmalta, kun mitään väriä ei ole liikaa, ja mikä tärkeintä, alueiden väliset erot tulevat esille realistisesti.

Kuva 1. Kartta BKT:n, eliniänodotteen ja terveysmenojen osuuden suhteista. Lähteet: The World Bank 2014*, FAO 2012&2011 ja Natural Earth.

Valmiissa kartassa koropleettipohjalla on kuvattuna näkyy siis BKT asukasta kohden ja pylväsdiagrammeissa eliniänodote ja terveysmenojen osuus BKT:sta. Kartasta voi huomata, että asukaskohtainen BKT vaihtelee alueella jonkin verran. Kartan ja BKT:n perusteella köyhimpiä valtioita alueella on sekä Etelä- että Väli-Amerikassa, mm. Bolivia, Honduras ja Nicaragua. Pelkkien varallisuuserojen lisäksi kartasta on mielestäni havaittavissa myös ns. entisten kehitysmaiden kehitystä kohti keskiluokkaisia maita. Esimerkiksi Perun, Ecuadorin ja Kolumbian BKT:t ovat huomattavasti korkeampia kuin alueen alhaisimmat arvot. Jos asiaa tarkastelisi muutoksena ajassa, voisi varmasti havaita kehitystä parempaan. Pitää kuitenkin muistaa BKT:n rajallisuus valtion vaurautta ja hyvinvointia mitatessa. Raha voi esimerkiksi jakautua maassa vain harvoille rikkaille, vaikka BKT henkeä kohden olisikin suuri.

Kun tarkastelee myös pylväsdiagrammeja, voi huomata, että etenkin terveysmenoihin laitettu osuus BKT:sta vaihtelee maiden välillä suuresti. Korkeampi asukaskohtainen BKT ei myöskään aina tarkoita suurempaa panostusta terveyteen. Esimerkiksi Venezuelassa osuus on pieni, vaikka BKT on alueen suurinta luokkaa. Osa köyhemmistä maista taas panostaa terveyteen paljonkin. Eliniänodotteella ja terveysmenojen osuudella taas näyttää kartan mukaan olevan hieman yhteyttä. Esimerkiksi Boliviassa ja Guyanassa sekä eliniänodote että terveysmenojen osuus ovat pieniä. Menojen kasvaessa myös elinikä näyttää hieman nousevan. BKT ja elinikä näyttävät myös vaikuttavan toisiinsa. Korkeamman BKT:n maissa myös eliniänodote on yleisesti korkeampi.

Saman suuntaisia päätelmiä näyttää tehneen myös Henri Järvisalo (2014). Hän tutki BKT:n ja terveiden elinvuosien määrien suhdetta toisiinsa Euroopassa. Hän havaitsi, että ”valtion asukaskohtainen bruttokansantuote korreloi positiivisesti valtion kansalaisten keskimääräisen terveiden elinvuosien määrän kanssa”. Terveiden vuosien määrä vaikuttaa taas suoraan elinikään ja siten eliniänodotteeseen, joten tutkimustuloksemme ovat saman kaltaisia vaikka eri puolilta maailmaa ovatkin. Mielestäni Järvisalo on esittänyt tilastot hienosti kartassaan. Ne pylväsdiagrammien arvot, jotka jäävät alle EU:n keskiarvon, on värjätty eri värillä. Se antaa lukijalle heti lisää informaatiota, ja tekee kartasta erilaisen.

Omat pylväsdiagrammini taas eivät ole yhtä onnistuneita, etenkään eliniänodotteen osalta. Toivoisin, että erot maiden välillä näkyisivät selvemmin, sillä nyt lukija saa olla hyvin tarkkana tulkitessaan eliniänodotteita. Tietokannasta käy nimittäin ilmi, että eroja alueella tosiaan on. Oma osaamiseni ei tällä kertaa kuitenkaan parempaan riittänyt, sillä useista yrityksistä huolimatta en saanut diagrammeja toimimaan haluamallani tavalla. Parhaiten pylväät olisivat, jos kummallekin muuttujalle olisi voinut erikseen määrittää korkeuden tietyn arvon kohdalla. Näin pylväät olisivat saman suuruiset, jos sekä eliniänodote että terveysmenojen osuus olisivat samalla tasolla. Korrelaation asioiden välillä olisi voinut lukea helpommin. En tosin tiedä olisiko tästä ollut käytännössä apua. Olisin kuitenkin halunnut kokeilla sitä.

Muuten olen karttaan varsin tyytyväinen, ja se on mielestäni ehkä onnistunein kurssilla tekemistäni kartoista. Jotain kehitystä on siis tapahtunut! Tämän kerran paras oivallus oli ehdottomasti se, että kartan voi tuoda viimeisteltäväksi vielä Corel Draw -ohjelmaan. Siellä on helpompi hienosäätää kartan visuaalista ilmettä ja selkeyttä. Etenkin näin monimuuttujaista karttaa tehdessä on hyvä päästä viimeistelemään kartan ilmettä, jotta luettavuus säilyy hyvänä runsaasta tietomäärästä huolimatta.

Kokonaisuudessaan olen kurssiin oikein tyytyväinen. Karttoja sai jälleen tehdä runsaasti, ja ennen kaikkea, tutustuin aivan uuteen paikkatieto-ohjelmaan. Myös paikkatieto ja siihen liittyvät kyselyt ja analyysit käsitteineen tulivat tutummaksi. Nea Heikkilä tiivistikin blogissaan asian hyvin:

”MapInfo ainakin on tullut, jos ei nyt ystäväksi, niin ainakin tuttavaksi.”

Sama pätee minun kohdallani, opittavaa löytyy vielä.

Lähteet:

Food and Agriculture Organizaion of the Uniten Nations (FAO), Statistical yearbook 2014, Latin America and the Caribbean food and agriculture

<http://www.fao.org/3/a-i3592e.pdf> Luettu 1.3.2016

Heikkilä Nea, Viimeistä viedään 2016

<https://blogs.helsinki.fi/neaheikk/2016/03/02/7-viimeinen-blogikirjoitus/> Luettu 2.3.2016

Järvisalo Henri, Korkki kiinni 2014

<https://blogs.helsinki.fi/hpjarvis/2014/03/10/korkki-kiinni/> Luettu 2.3.2016

Natural Earth, Cultural vectors; Admin-0-countries

<http://www.naturalearthdata.com/downloads/50m-cultural-vectors/>

The World Bank, World development indicators 2014*