Tein kartan Suomen kuntien väkiluvun ja korkeakoulutusasteen välisestä korrelaatiosta. Aineistona käytin MapInfo kunnat 2013 tiedoston väkilukuaineistoa sekä terveyden ja hyvinvoinnin laitoksen sotkanet -sivuilta ladattua Korkea-asteen koulutuksen saaneet, % 15 vuotta täyttäneistä -aineistoa, jonka tilastovuodet ovat 1990-2013.

Käytin kummankin aineiston luokitteluun kvantiileja, sillä molemmissa aineistoissa oli vino jakauma. Jaoin kummankin aineiston kolmeen luokkaan, koska tavoitteenani oli valmistaa päällekkäisten teemojen koropleettikartta. Esitin väkiluvut väreillä ja korkeakoulutusasteen pisteillä.

Näiden muuttujien välillä on havaittavissa selkeä yhteys. Yli 10 000 asukkaan kuntien korkeakoulutusaste on enimmäkseen ylintä luokkaa ja jonkin verran keskimmäistä luokkaa. Näistä kunnista vain Lieksassa on alimman luokan korkeakoulutusaste. 5 000 – 10 000 asukkaan kunnissa on kaikkia koulutusasteluokkia. Alle 5000 asukkaan kunnista suurimmassa osassa on enimmäkseen alimman koulutusasteen luokkaa, jonkin verran keskimmäistä ja vain muutama ylintä luokkaa.

Tätä yhteyttä voi selittää korkeakoulujen sijoittuminen suurimpiin kuntiin ja korkeakoulutusta vaativien työpaikkojen samanlainen sijoittuminen. Toisaalta useat ihmiset käyvät koulussa tai töissä muualla kuin asuinkunnassaan.

Artikkeli

Toisen kurssikerran toisena tehtävänä oli lukea Anna Leonowiczin artikkeli ”Two variable choropleth maps as a useful tool for visualization of geographical relationship”.  Artikkeli kertoo kaksiteemaisista koropleettikartoista ja niiden käyttökelpoisuudesta verrattuna yksiteemaisiin koropleettikarttoihin. Toni Ruikkalaa lainaten: “Yksiteemaisissa kartoissa ilmiön alueellinen jakaantuminen on helposti havaittavissa, mutta syy-seuraussuhde on usein vaikeampi havaita kahden eri kartan välillä, kun taas kaksiteemaisessa koropleettikartassa syy-seuraus suhde tulee useimmiten helpommin esille.  Kausaliteetti saadaan siis tehokkaammin selville kahden-muuttujan koropleettikartassa.” (1) Lisäksi artikkelissa todetaan, että kaksiteemaisten karttojen luettavuusongelmat piilevät pitkälti graafisessa esittämisessä.

Kaksiteemainen koropleettikartta helpottaa kahden muuttujan välisen syy-seuraussuhteen hahmottamista, koska muuttujat on esitetty yhdessä eikä erikseen. Mikäli muuttujat olisi esitetty erikseen kahdella erillisellä kartalla, olisi niiden alueellinen jakautuminen helpompi hahmottaa, mutta kahden muuttujan päällekkäisyyksien havaitseminen olisi raskasta, kun pitäisi silmäillä vuorotellen kahta karttaa.

Luokkajakoa käsitellyt kappale oli jokseenkin vaikeasti ymmärrettävä, mutta sen liitteenä ollut kuva auttoi ymmärtämään prosessia paremmin. Kappaleen alkuosa liittyen luokkien määrään on helppo ymmärtää, mutta sen jälkeisen osan sanasto liittyen itse luokkien jakamiseen neljään tai yhdeksään luokkaan on sen verran raskasta, että sen ymmärtäminen vaatii useamman läpiluvun helpottavan kuvankin kanssa.

Artikkelin karttojen legendat ovat nelikulmioita, joiden sisällä on pienempiä värillisiä nelikulmioita, jotka kuvaavat eri luokkia. Tavallisemmin kartoissa käytetyt luokat on selitetty erillisillä värillisillä laatikoilla, jotka ovat ikään kuin listana. Näistä erilaisista nelikulmaisista legendoista on tarkoitus hahmottaa luokat. Kuvan kolme tapauksessa luokkia on 3×3=9 joista kahdeksaan osuu tapauksia. Ensimmäinen muuttuja kasvaa vasemmalta oikealle ja toinen alhaalta ylös, niin että muuttujien yhteisarvo on pienimmillään vasemmassa alakulmassa ja suurimmillaan oikeassa yläkulmassa. Muuttujien välinen vahvin korrelaatio liikkuu näiden kahden pisteen välissä.

Lukijan on ymmärrettävä ensiksi, että tämän tyylisellä kartalla on esitettynä kaksi eri muuttujaa, joiden suhdetta toisiinsa tarkastellaan. Toiseksi lukijan on osattava tulkita legendaa, mikä ei ole välttämättä helppoa, sillä monilla ei ole tämän tapaisista legendoista aiempaa kokemusta. Tämän jälkeen kartan lukeminen on helppoa.

MapInfo on kurssin aikana ohjannut vahvasti kartografista toteusta kartoissani, sillä eri karttaesitysvaihtoehdot ovat tietenkin rajatut. Toisaalta taitoni käyttää niitä ovat vieläkin rajatummat. Artikkelin kartan tapaisen esityksen voisi mahdollisesti laatia MapInfossa yhdistämällä kaksi tietokantaa, luomalla kolmannen sarakkeen, johon laskisi kahden ensimmäisen teeman korrelaation. Tämän kolmannen teeman voisi sitten jakaa yhdeksään luokkaan ja tehdä siitä teemakartan.

Lähteet

Ruikkalan PAK-blogi, Toni Ruikkala https://blogs.helsinki.fi/ruikkala/2015/01/26/20/