Toisella kurssikerralla jatkoimme teemakarttojen laatimista. Tällä kertaa kävimme läpi erilaisten teemakarttojen laatimisen teknisiä yksityiskohtia ja teimme jopa kolmannella ulottuvuudella varustetun kartan Suomen väkiluvusta.

Pääpaino oli kahden eri tekijän näyttämistä samalla kartalla. Tämän voi tehdä joko kartogrammilla, jossa alla on koropleettikartta ja tämän päällä esim. pylväs- tai ympyrädiagrammi. Diagrammin sijasta voi myös kuvata haluttua ilmiötä jollakin skaalatulla symbolilla, esimerkiksi muuttoliikettä tikku-ukoilla. Toinen vaihtoehto on näyttää yksi ilmiö eri värisävyillä ja toinen ilmiö viiva- tai pisterastereilla.

Esittelyn ja harjoituksen jälkeen oli meidän vuoromme tehdä oma vapaavalintainen teemakartta jossa verrataan kahta eri tekijää. Minä näytän Uudenmaan kuntien korkea-asteen tutkinnon suorittaneiden osuuden verratuna valtionveron alaisiin tuloihin.

Korkea-asteen tutkinnon suorittaneiden aineisto jakautui aika lailla epämääräisen tasaisesti. 30 prosenttiyksikön kohdalla tilastossa näkyy erityinen piikki, ja tätä suurempia arvoja on enää muutama. Valtionveron alaisien tulojen aineisto on normaalijakautunutta, poikkeuksena yksi havainto, Kauniainen, jossa veron alaiset tulot ovat muita kuntia merkittävästi suuremmat.

Päädyin käyttämään kvantiililuokitusta molemmista ilmiöistä siitä syystä että kaikissa luokissa silloin on suunnilleen yhtä monta kuntaa. Muilla mahdollisilla vaihtoehdoilla aina johonkin luokkaan olisi jäänyt vain 1-3 kuntaa, jolloin yhtäältä niiden erilaisuus verratuna muihin kuntiin olisi korostunut entisestään, mutta toisaalta muiden kuntien välinen vaihtelu olisi jäänyt huomaamattomammaksi.

Kun näytämme kahta koropleettikarttaa päällekkäin voimme luettavuuden säilyttämisen takia käyttää korkeintaan kolmea luokkaa kartta kohden. Tällöin yhdistetyllä kartalla voi olla yhteensä yhdeksän eri luokitusta (3×3).

Minä näytän korkea-asteen tutkinnon suorittaneiden osuuden eri vihreän sävyillä, joista tummin kuvaa korkeakoulutetuinta luokkaa. Valtionveron alaiset tulot tulonsaajaa kohtaan näytän pisterasterein jolloin korkeimman tulon kunnat on merkitty tiheimmillä pisteillä. Matalimpien tulojen kunnat jätin täysin pisterasteritta, tavoitteena luokkien erottelun helpottuminen ja siten kartan helpompi luettavuus (kuva 1).

Jostakin syystä täällä blogissa tiheintä pisterasteria ei erota, joten karttaa kannatta klikata ja katsoa suurempana…

Kuva 1. Korkea-asteen tutkinnon suorittaneiden osuus 15 vuotta täyttäneestä väestöstä sekä valtionveron alaiset tulot tulonsaajaa kohtaan Uudenmaan kunnissa. Suluissa olevat luvut kertovat kyseiseen luokkaan kuuluvien kuntien lukumäärän.

Hypoteesini ennen kartan tekoa oli että siellä, missä on paljon korkeakoulutettuja, myös tulot ovat korkeampia kuin alueilla joissa väestö on alemmin koulutettua.’

Ja näinhän se todellisuus onkin. Aika loogistakin se on – tulot kasvavat koulutusasteen kasvaessa (kuva 2).

Kuva 2. Kotitalouden vuositulot viitehenkilön (kotitalouden jäsen jonka henkilökohtaiset tulot ovat suurimmat) koulutusasteen mukaan (Suomen virallinen tilasto).

Korkeakoulutettujen, ja siten varakkaampien, alueellinen jako on merkittävä Uudellamaalla. Yksinkertaistetusti voi sanoa että korkeakoulutus ja tulotaso muodostavat kehämallin: mitä kauemmas pääkaupunkiseudusta tullaan, sitä suuremmalla todennäköisyydellä sekä korkeakoulutettujen että veronalaisten tulojen määrä on matala.

Kahdeksan korkeakoulutetuinta kuntaa ovat Inkoo, Siuntio, Kirkkonummi, Espoo, Kauniainen, Helsinki, Tuusula ja Järvenpää. Näistä kaikki paitsi Helsinki ja Järvenpää kuuluvat ylimmän tulotason (valtionveronalaiset tulot) kuntiin. Tähän ryhmään kuuluu näiden lisäksi Nurmijärvi.

Alimpiin luokkiin kuuluvat kunnat sijaitsevat kaikki Uudenmaan reuna-alueilla, etenkin Itä-Uusimaalla.

Minkä takia koulutus ja varallisuus on maantieteellisesti näin epätasaisesti jakautunutta? Yksinkertaisin selitys jonka keksin on että työpaikat ovat keskittyneet pääkaupunkiseudulle (tämän vahvistan vielä tekemällä karttaesityksen siitä), jossa myös useimmat maakunnan korkeakouluista sijaitsee. Ja yleisesti ottaen halutaan asua lähellä työpaikkaansa, joten matalammin koulutetut jäävät suureen enemmistöön kauempana pääkaupunkiseudun työpaikkaryppäästä.

Jos katsomme viime kurssikerralla laatimaani koropleettikarttaa työttömyysasteesta Suomen kunnissa huomaamme että työttömyys on hieman korkeampaa Uudenmaan reuna-alueilla kuin pääkaupunkiseudun ympäristössä. En toki voi vahvistaa että tällä olisi yhteys alueen matalampaan koulutusasteeseen ja tulotasoon.

Jussi Jurvala on verrannut korkeakoulutusasteen ja kuntien väkiluvun välistä korrelaatiota. Hän toteaa että “[y]li 10 000 asukkaan kuntien korkeakoulutusaste on enimmäkseen ylintä luokkaa ja jonkin verran keskimmäistä luokkaa – – – Alle 5000 asukkaan kunnista suurimmassa osassa on enimmäkseen alimman koulutusasteen luokkaa”. Hänen luokkajakonsa eroaa toki minun luokituksesta – hänen esityksessä melkein kaikki Uudenmaan kunnat kuuluvat ylimmän korkeakoulutusasteen luokkaan. Voi toki olettaa että väkiluvulla ja korkeakoulutusasteella olisi korrelaatio myös Uudellamaalla.

Kun vertaan omaa karttaani Tuure Takalan karttaan, jossa hän esittää korkeakoulutettujen ja työssäkäyvien määrän suhdetta. Huomaan että eniten töissäkäyviä on etenkin niissä kunnissa joissa verotulot tulonsaajaa kohtaan ovat suurimmat, esim. Siuntio, Kirkkonummi, Nurmijärvi ja Tuusula. Näissä kunnissa myös koulutusaste on korkea. Työssäkäyvien osuus on toki korkea myös Mäntsälässä ja Pornaisissa, missä korkeakoulutettujen ja veronalaisten tulojen määrä on selvästi matalampi – eli näillä muuttujilla ei ole selvää syy-seuraussuhdetta.

Mitä minä opin?

Oli hyödyllistä joutua miettimään miten kahden eri muuttujan välistä suhdetta kannatta esittää kartalla. Minä jäin miettimään erityisen pitkään luokittelua: pitäisikö minun jollakin tavalla luokitella molemmat muuttujat toisiinsa “synkronoituneina”? Totesin lopulta että eihän mitään semmoista oikeastaan ole, mutta näin tärkeänä että jos minulla yhdestä asiasta on kvantiililuokitus, eli yhtä monta havaintoa jokaisessa luokassa, niin minä johdan lukijaa vähiten harhaan jos myös toisesta muuttujasta on samanlainen luokitus.

Toinen kohta jossa jouduin miettimään oli rasterin valinta sille aineistolle jota en näyttänyt eri värisävyillä. Kuten edellä mainitsin totesin että on hyvä että alin luokka on täysin ilman rasteria luettavuuden parantamiseksi. Toiseksi kuin minulla oli vain kaksi muuta luokkaa oli helppo valita että korkein luokka oli huomattavan tiheillä pisteillä merkattu, niin että se erottuu keskimmäisestä luokasta. Mikäli luokkia olisi useampi voisi pohtia jospa olisi motivoitua käyttää kahta erilaista rasteria, mutta en tiedä kuinka helppoa olisi saada erottumaan selvästi niiden hierarkia.

Muuten tämän kurssikerran tehtävässä ei mielestäni ollut mitään ihmeellisyyksiä. On toki tullut selväksi että MapInfo ei ole se ohjelma mitä pitää käyttää mikäli haluaa olla kreatiivinen. En oikein ymmärrä miksi yksinkertaisten asioiden tekemiseen täytyy kulkea niin monen mutkan kautta. Esimerkiksi tietokannasta tiedon kopiointi esimerkiksi histogrammia varten. Miksi tietoa jonka haluaa ei voi vain maalata niin kuin Excelissä?

 

LÄHTEET

Jurvala, J (2015). Jurvala’s blog: Kuntien väkiluku ja korkeakoulutusaste. Luettu 25.1.2015

Suomen virallinen tilasto (verkkojulkaisu). Tulonjakotilasto. Tilastokeskus, Helsinki. Luettu 25.1.2015.

Takala, T (2015). Takalan PAK-blogi: 2. kurssikerta. Luettu 27.1.2015