Fortsättning på temakartor

Kombinationskartor

Under den andra lektionen fortsatte vi användningen av programmet Mapinfo. Den här gången gick vi igenom olika typers temakartor, från olika kombinationskartor till 3D modeller, och deras användningsområden. Vi lärde oss också hur man tar in sin egen information till programmet, vilket var mycket välkomnande. För utförande av uppgiften fick vi fria händer, det skulle vara en temakarta som kombinerar två fenomen och där man använder all den kunskap man har över färgval och klassificering. Denna gång gjorde jag en bi-variabel koropletkarta.

En bi-variabel koropletkarta är en sorts temakarta där man kombinerar två olika variabler som överlappar varandra. Som tema för kartan valde jag andelen svenskspråkigas betydelse på inkomsternas storlek i Nylands kommuner. Noll hypotesen var att svenskspråkiga minskar antalet låginkomsttagare i kommunen, detta bygger på fördomen att finlandssvenskar är rika snobbar (Wistrand 2013), vilket jag försöker motbevisa. Hade från början tänkt göra en kombinationskarta där jag motsätta andelen svenskspråkiga och Gini-koefficienten, som är ”det vanligaste nyckeltalet som beskriver inkomstskillnader” (Statistikcentralen). Men då skillnaderna för kommunerna var så små var det svårt att ske visuellt skillnad mellan symbolernas storlek, även om jag justerade deras storlek enligt kvadratroten. Därför ändrade temat till andel låginkomsttagare och därmed kombineras två koropletkartor temakartor till en bi-variabel koropletkarta (Bild 1). Andelen svenskspråkiga anges med färgytor och låginkomsttagarna med raster. Då jag valde färg och rasterytorna var jag noga med att färgen inte var för mörk, så de ovanförliggande rasterytan kommer fram, tycker att jag även lyckades skapa en tillräcklig skillnad mellan rasterna. Tydliga färgval och rasterytor förbättrar läsbarheten och informationen man får ut av kartan.

Bild 1. Andel svenskspråkiga och låginkomsttagare i Nylands Kommuner år 2012 (Sotkanet).

Informationen som använts för kartan togs från Statistik och indikatorbanken för Institutet för hälsa och välfärd (Sotkanet), datan överfördes sedan till Excel och därifrån till Mapinfo. Kedjan att ta in ny information till programmet och anpassa denna med den existerande informationen är rätt komplex och kunde i mitt tycke göras mycket lättare. Att ta in egna värden för att göra en visuell representation av dessa borde väl vara en central del av programmet. Gjorde också för denna karta två stycken histogram för att kolla spridningen av de numeriska värdena. Spridningen visade sig vara var oregelbunden för båda materialen och därför valde jag att gå med naturliga brytpunkter för bägge karta. På grund av att vi visar två olika fenomen på samma karta är max antalet klasser tre, då kartan annars får för många olika kombinationer.

Andelen svenskar är störst i kustkommunerna, detta är inte i sig förvånande, och minskar radikalt då man går inåt landet. Man måste dock vara uppmärksam då man läser kartan, det handlar om procent andelar och på detta sätt kan kartan vara missvisande t.ex. Helsingfors stora antal svenskspråkiga kommer inte fram på kartan då det även bor så många andra personer här. På kartan kommer inte heller fram variationen inom området och skulle man endast gå efter kartan kunde man tro att invånarna i Helsingfors är fattigare än de omgivande kommunerna. Men egentligen består en stor andel av Helsingfors invånare av högutbildade höginkomsttagare (Rönnberg).

Materialen visade sig vara rätt svåra att jämföra, även om man ser en korrelation i vissa kommuner (Grankulla) är förhållandena helt annat i andra (t.ex. Lovisa). Materialet antar att det är de svenskspråkiga som påverkar andelen låginkomsttagare, men i verkligheten består ju största delen av befolkningen av finnar och vi vet inte hur fördelat. I detta fall skulle Gini-koefficienten varit bättre. Man kan ändå dra vissa parareller t.ex. i Grankulla, Kyrkslätt och Sibbo visar samband med noll hypotesen ”högre andel svenskspråkiga mindre andel låginkomsttagare ” med då det också finns stora undantag bland annat de mycket svenskspråkiga kommunerna har en medelhög eller hög andel låginkomsttagare, alltså visar det att hypotesen är falsk.  Korrelation och vad som egentligen orsakar ett fenomen behöver inte ha ett samband dvs. Kausalitetsförhållande. Andra orsaker till spridningen kan vara att de mycket svenskspråkiga kommunerna Lovisa och Ekenäs ligger utanför huvudstadsregionens tillväxtområde där en stor del har en lägre grads utbildning och arbetar inom lägre betalda sektorer av ekonomin. Behöver alltså mer kunskap och forskning inom ämnet före man kan dra några slutsatser. Dessutom baserar sig hypotesen på vanföreställningar, men jag ville undersöka om det fanns något grund i påståendet.

Artikel 1, Bi-variabla koropletkartor

Vi fick även en annan uppgift för denna vecka, nämligen att analysera och reflektera över artikeln ”Two variable choropleth maps as a useful tool for visualization of geograpical relationship” skriven av Anna Leonowiczin. Artikeln kommer lämpligt in och behandlar det vi gick igenom på lektionen, dvs. Koropletkartor med två variabler. Leonowiczin har en positiv inställning till dubbel koropletkartor och menar att dessa borde användas i större grad.

Artikeln baserar sig på en undersökning där man jämförde positiva och negativa egenskaper av vanliga koropletkartor och bi-variabla koropletkartor. Enligt undersökningen är det svårt att jämföra två skilda kartor och få en korrekt uppfattning om spridning och förhållande mellan dessa, det är här bi-variabla koropletkartor kommer in. Även om dessa kartor inte är lika tydliga att beskriva ett fenomens spatiala spridning lämpar sig bi-variabla koropletkartor mycket bra till att samtidigt beskriva förhållandet mellan två variabler. Så här långt håller jag med, men då Leonowiczin hävdar att endast information över spatial spridning är lätt att förstå då man läser vanliga koropletkartor tycker jag att man kan göra en bredare analys över fenomenet på kartan, så länge den är bra gjord.

Artikeln tycker jag förövrigt att är bra och informativ och var användbar då jag gjorde bi-koropletkartan (bild 1). Här behandlas bland annat frågan om antal klasser, som är skäl att hålla låga för att hålla läsbarheten, som negativa exempel tas temakartor med fyra olika klasser dvs. 16 olika kombinationer. För tolkning och skapandet av sådana kartor krävs det kunskap och vana. Artikeln behandlar även färgval och jag anser att kartor med två variabler och olika färgkombinationer lätt blir svår tolkade även om det finns en beskrivande legend. Istället för att blått och gult blir grönt, tycker jag att en kombination av raster och färg får informationen att framgå tydligare på en karta. Dessa legender och bi-koropletkartor är som Tuure Takala säger i sin blogg rätt ovanliga och det krävs kunskap i att tolka och skapa denna typ av kartor så att man själv kunde använda sig av denna metod för egna arbeten.

Artikeln kompletterade lektionens innehåll och behandlade ämnet djupare.  Jag håller med Leonowiczin om att läsarens kunskaper och uppfattning är starkt begränsar användningen av bi-variabla koropletkartor. Kartläggaren har också en stor betydelse över kartans riktighet och läsbarhet t.ex. för många olika klasser, inkompatibla variabler som kombineras och andelar som ger en missvisande bild över verkligheten. Det är alltså lätt att göra svårtolkade och felaktiga kartor men även korrekta kan vara svåra att förstå och man måste vara uppmärksam då man gör olika slutsatser. Även om man ser en korrelation på kartan behöver det inte innebära att det är frågan om ett kausalitetsförhållande. Efter denna lektion har vi igen lite mer kunskap och ett bredare urval av representations metod, beroende på kartans användningsområde och typ.

Källor:

Leonowicz, A (2006). Two-variable choropleth maps as a useful tool for visualization of geographical relationship. Geografija. 42:1, 33–37.

Rönnberg O. (2015). Oskarin PAK-blogi. <https://blogs.helsinki.fi/oskaronn/ > 28.1.2015.

Sotkanet. Tilasto- ja indikaattoripankki. Kunnan yleinen pienituloisuusaste, 2012. <http://uusi.sotkanet.fi/portal/page/portal/etusivu> 23.1.2015.

Statistikcentralen. Begrepp och definitioner, Ginikoefficient. <http://www.stat.fi/meta/kas/gini_kerroin_sv.html> 29.1.2015.

Takala T. (2015). Takalan PAK-Blogi. <https://blogs.helsinki.fi/tevtakal/> 28.1.2015.

Wistrand K. (2013). En folklorist ser på finlandssvenskarna. http://humanismkunskap.org/2013/05/11/en-folklorist-ser-pa-finlandssvenskarna/ 29.1.2015

Leave a Reply

Your email address will not be published. Required fields are marked *