Kurssikerta 7

Tänään viimeisellä kurssikerralla saimme vapaat kädet siihen mitä aineistoa käytämme ja minkälaisen työn teemme.

Olen aikaisemmassa blogitekstissäni kirjoittanut siitä, kuinka minulla on hankaluuksia QGIS:in käytössä: opettajaa seuratessa työskentely sujuu mainiosti, mutta itsenäisesti tekeminen on hankalaa. En muista mitä työkaluja minun pitäisi käyttää.

Päätin tänään tehdä kartan (kuva 1), joka kertoo pääkaupunkiseudun alueiden työttömyysasteen ja alimpaan tuloluokkaan kuuluvien ihmisten määrän prosentteina. Tein aluejaon postinumeroalueittain. Tein suhteellisen simppelin kartan juuri siksi, koska QGIS:in käyttö on minulle hankalaa. Vaikka kartan laatiminen oli simppeli prosessi, kohtasin siinä ongelmia ja laatimisesas meni yli 2 tuntia.

Aineiston keruu sujui näin:

1. Latasin Paavo-tietokannasta Suomen aluejakokartan postinumeroittain

2. Latasin Paavo-tietokannasta pääkaupunkialueen työttömyysasteen postinumeroittain

3. Latasin Paavo-tietokannasta asukasluvut sekä alimpaan tuloluokkiin kuuluvien määrän, jotka sitten jaoin keskenään saadakseen prosenttimäärän  alimpaan tuloluokkaan kuuluvista.

Tehtävän suorittamisessa koitui hankaluuksia. Tietokannasta saatavia CSV-tiedostoja oli muokattava, jotta sain arvot käyttöön QGIS:issä. Itse kartan laatimisessä käytin mm. Join-työkalua, sekä Open Field Calculatoria.

Kuva 1. Pääkaupunkiseudun alimpaan tuloluokkaan kuuluvat sekä työttömyysaste postinumeroaluejaolla (Tilastokeskus)

Kuvasta 1 voidaan havaita, että työttömyysasteen ja alimpaan tuloluokkaan kuuluvien välillä ei ole suoraa korrelaatiota. Esimerkiksi Vuosaaren alueella työttömyysaste on todella korkea (17,4%) mutta alimpaan tuloluokkaan kuuluvia on vain 1,7-6,4%.

Tämä havainto jäi minua ihmetyttämään.  Työttömien suurella määrällä luulisi olevan vaikutus siihen, kuinka monta prosenttia alueen asukkaista kuuluu alimpaan tuloluokkaan. Onko niin, että työttömiä ei lasketa mihinkään tuloluokkaan? Yritin etsiä tästä tietoa, mutta en löytänyt.

En ole täysin tyytyväinen karttaani (kuva 1). Luokittelin alimpaan tuloluokkaan kuuluvat eri värisävyillä ja merkkasin yöttömyysasteen numeroittain. Alueita on kuitenkin lähemmäs 200, joten kuva täytyy avata todella suureksi lukeakseen numerot. Numerot ei myöskään anna nopeasti kuvaa siitä, onko työttömyysasteen ja alimpaan tuloluokkaan kuuluvien välillä yhteys. Karttaa täytyy tarkastella yksi alue kerrallaan huomatakseen onko arvojen välillä yhteys. Positiivisena puolena kuitenkin se, että numeroiden avuilla tarkka tarkastelu on mahdollista.

Viimeinen kurssikerta on taputeltu!

Kurssista jäi ihan hyvät fiilikset. Kurssin toteutustapa oli mielestäni hyvä. Blogiteksteihin on helppo palata ja palauttaa muistiin asioita, joita on kurssin aikana tehnyt. Opin sen, miten tietokantoja voi hyödyntää ja visualisoida QGIS-ohjelmalla. Taitoni eivät kuitenkaan ole niin hyvät, että osaisin vaivatta käyttää QGIS-ohjelmaa. Opin oleelliset perusasiat, mikä on mielestäni tärkeintä.

 

Lähteet:

Tilastokeskus. (20.2.2023). Paavo – tilastoja postinumeroalueittain. https://www.stat.fi/tup/paavo/index.html (Viitattu 28.2.2023)