Viimeisellä kerralla oli vuoromme itse etsiä mieluisaa aineistoa joista tehdä MapInfon avulla karttaesitys.

Minun oli vaikea valita mistä etsisin aineistoa. Mikäli osaa etsiä internetistä löytää vaikka minkälaista tietoa. Arttu avitti meitä hieman antamalla muutaman linkin jonka takaa voisi löytää kiintoisaa tietoa. Olisin ensin halunnut esittää Euroopan maiden Gini-kertoimia (joka kertoo tulojen jakautumisesta väestön kesken) sekä vallitsevaa poliittista ryhmittymää vasen-oikea -akselilla, mutta totesin jo ennen kuin aloitin että on todella työlästä käydä läpi jokaisen maan nykyiset (ja aiemmat!) vaalitulokset ja vielä määrittää niiden paikka poliittisella akselilla. Hypoteesinahan minulla oli että oikeistolaisissa maissa tulot olisi epätasaisemmin jaettu.

Päädyin sen sijaan luulemaan että isot tuloerot näkyvät ihmisten terveydessä, ja sitä kautta elinikään. Etsin tietoa odotetusta elinajasta, kohderyhmänä 60-vuotiaat naiset, YK:n tietokannasta.

Gini-kertoimen etsiminen oli vaikeaa. Tietoa löytyi kyllä monesta paikasta, mutta samassa paikassa ei koskaan löytynyt tietoa kaikista haluamistani maista, joten jouduin yhdistämään tietoa kahdesta eri lähteestä. Suurin osa tiedoista löytyi EU:n nettitietokannasta, mutta joidenkin Itä-Euroopan maiden tiedot jouduin ottamaan Maailmanpankin tietokannasta. En ole sataprosenttisesti varma että molemmat lähteet käyttävät samaa laskutapaa, Valko-Venäjän ja Ukrainan Gini-kerroin kun on ainakin minun mielikuviin verrattuna hyvin alhainen. Venäjän ja Turkin kertoimet sen sijaan olivat reilusti aineistoni korkeimmat, mikä antoi minulle enemmän uskoa lähteiden verrattavuudesta.

Kuva 1. Euroopan maiden Gini-kertoimet vuonna 2013 verojen ja tulonsiirtojen jälkeen sekä 60-vuotiaiden naisten elinajan odote.

Kartasta voi tulkita että molemmat kertoimet ovat vahvasti alueellisesti jakautuneita. Gini-kerroin on korkein, eli tulot ovat tasaisimmin jakautuneita, Pohjoismaissa sekä Keski-Euroopan pienissä maissa ja Valko-Venäjällä ja Ukrainassa. Keski-Euroopan suuret maat kuuluvat toiseksi korkeimpaan luokkaan jossa Gini-kerroin on 30:nen molemmin puolin. Etelä-Euroopan ja Baltian maissa tulot ovat epätasaisemmin jakautuneet kuin muussa Euroopassa, ja Turkissa, Venäjällä ja Balkanilla tuloerot ovat suurimmat.

Elinajan odote taas on selvästi länsi-itä -suuntaisesti jakautunut: Länsi-Euroopassa eletään pidempään kuin Itä-Euroopassa. Syitä tähän voi olla yleisen terveydenhuollon kehittyneisyyserot ja elämäntyyli.

Eli hypoteesini ei pitänyt paikkaansa: tulojen jakautumisella ei ole suoraa korrelaatiota eliniän pituuteen vaan siihen vaikuttaakin jokin muu paljon vahvemmin.

Toisen kartan tein Ruotsin ulkomaalaisten määrästä ja Ruotsidemokraattien kannatuksesta viime vaaleissa. Ruotsidemokraatit ovat näyttäytyneet erittäin maahanmuttovastaisena puolueena ja hypoteesini oli että heidän kannatus olisi korkeinta niillä alueilla jossa asuu eniten ulkomaalaisia.

Kuva 2. Ulkomailla syntyneiden ja Ruotsidemokraattien kannatus Ruotsissa lääneittäin.Kartalle merkitty Ruotsin kolme suurinta kaupunkia punaisin pistein.

Kartasta näkee heti että väljästi asuttuun Pohjois-Ruotsiin maahanmuutto ei edes suhteellisina lukuina ole ollut kovinkaan suurta – eikä myöskään Ruotsidemokraattien kannatus. Sen sijaan eniten maahanmuuttajia asuu Tukholman ja Malmön, Ruotsin kahden suurimman kaupungin, seuduilla. Skånessa ja muussa Etelä-Ruotsissa Ruotsidemokraattien kannatus on suurimmillaan. Jokseenkin yllätyksenä minulle tuli että Tukholman läänissä puolueen kannatus on erityisen pieni (reilu 8 %), vaikka siellä asuu suuri osa maan ulkomaalaisista. Ehkäpä alueen väestö on muuta Etelä-Ruotsia liberaalimpi, tai ainakin suvaitsevaisempi.

Loppupohdintoja

Vaikka aluksi petyin kun en “saanut” piirtää karttaa itse ja tehdä siitä oma tietokanta alusta asti, olen kyllä tyytyväinen, ja ehkä jokseenkin huojentunut, siitä että valmista tai puoli-valmista paikkatietoaineistoa on aika hyvin saatavilla netistä. Esimerkiksi löysin Ruotsin tilastokeskuksesta MapInfo .tab-muotoisen aineiston Ruotsin lääneistä.

Tiedon haussa havahduin kunnolla siihen että vaikka tietoa on olemassa paljon, voi kuitenkin olla että tietoa lötyy vain osasta kaikista alueista, eikä eri lähteissä oleva tieto välttämättä ole verrattavissa. Yllättävän huonosti joissakin paikoissa löytyy aineiston sisällön selventävää selitystä, esimerkkinä Gini-kerroin josta ei Maailmanpankin sivuilla lukenut lainkaan josko tilastotiedot olivat ennen vai jälkeen veroja ja tulonsiirtoja.

Aineiston hakemisessa minulla oli vähän sama ongelma kuin Tiia Salmisella: vaikea löytää mitään fiksua vaikka internet on täynnä kaikkea. Siksi onkin tärkeätä että kursseilla näytetään ja tutustutaan mahdollisimman moneen eri tahoon jolta löytyy tilasto- tai paikkatietoa internetistä. Ihan vain tulevaisuutta ajatellen.

Vaikein asia tätä tehtävää tehdessä oli itse asiassa päällekkäisten koropleettikarttojen teko. Yritin esittää toisen muuttujan pylväsdiagrammein ja erikokoisina pisteinä, mutta niiden erot eivät tulleet tarpeeksi hyvin esille. Siksi päädyin molemmissa kartoissa esittämään toisen muuttujan eri rasterein koska en enää keksinyt muuta parempaa. Mutta ihan hyvin ratkaisuni näyttää toimivan.

Tiedän että päällekkäisissä kartoissa saisi olla korkeintaan 3×3=9 luokkaa luettavuuden säilymiseksi, mutta valitsin kuitenkin käyttää neljää luokkaa alemmissa kartoissa jotka näkyy värein. Mielestäni sekin ratkaisu toimii hyvin, erityisesti kun toisesta muuttujasta yksi luokka esitetään ilman mitään rasteria. Tällä tavalla kartta on myös hieman monipuolisempi ja tiedoltaan rikkaampi.

Nyt kurssin päätyttyä tuntuu siltä että kurssilla käytetyt MapInfon toiminnot ovat aika hyvin hanskassa, mutta tiedostaen että vielä löytyy paljon jännää opittavaa mistä en ehkä vielä edes tiedäkään. Onneksi seuraavassa periodissa jatkamme GIS:in kanssa työskentelyä!

 

LÄHTEET

Eurostat (2015) Gini coefficient of equivalised disposable income <http://ec.europa.eu/eurostat/web/income-and-living-conditions/data/database> Luettu 26.2.2015

Maailmanpankki (2015) Gini-index (World Bank estimate) <http://data.worldbank.org/indicator/SI.POV.GINI> Luettu 27.2.2015

Salminen, T (2015) Kurssikerta 7: Tilastoja Afrikasta <https://blogs.helsinki.fi/tiisalmi/2015/02/24/kurssikerta-7-tilastoja-afrikasta/> Luettu 12.3.2015.

Statistiska centralbyrån (2015a) Allmänna val, valresultat <http://www.scb.se/sv_/Hitta-statistik/Statistik-efter-amne/Demokrati/Allmanna-val/Allmanna-val-valresultat/> Luettu 27.2.2015

Statistiska centralbyrån (2015b) Befolkningsstatistik <http://www.scb.se/sv_/Hitta-statistik/Statistik-efter-amne/Befolkning/Befolkningens-sammansattning/Befolkningsstatistik/> Luettu 27.2.2015

Statistiska centralbyrån (2015c) Digitala gränser <http://www.scb.se/sv_/Hitta-statistik/Regional-statistik-och-kartor/Regionala-indelningar/Digitala-granser/> Luettu 27.2.2015

United Nations Statistics Division (2015) Social Indicators, Table 2a – Life expectancy <http://unstats.un.org/unsd/demographic/products/socind/> Luettu 26.2.2015