VATT yhdistää paikkatietoa ja ekonometrisiä malleja

Valtion taloudellinen tutkimuskeskus (VATT) on ottanut tuntumaa paikkatiedon ja ekonometristen mallien yhdistämiseen. Jatkossa paikkatietoa on tarkoitus hyödyntää monenlaisissa tutkimuksissa.

Virikkeen paikkatiedon käyttämiseen VATT sai Julkisten palvelujen vaikuttavuus -yksikön tutkimusjohtajan Antti Moision mukaan pari vuotta sitten London School of Economicsista, jossa Esrin ArcGIS- ohjelmistoja käytetään intensiivisesti tutkimustyössä.

"He kävivät meillä pitämässä muutaman päivän kurssin siitä, miten he ovat paikkatietoa käyttäneet. Näimme, että sitä voitaisiin käyttää monenlaisissa tutkimuksissa, myös sellaisissa, joissa etäisyydet tai palvelupiirit eivät ole pääosassa, vaan ovat osa kokonaisuutta."

Taloustutkimuksen kannalta Moisio pitää Suomessa avauksena sitä, että paikkatietoa yhdistetään VATTissa ekonometrisiin malleihin.

"Tämä on ollut enemmänkin testailua tähän mennessä, mutta jatkossa paikkatiedon käyttö tulee olemaan yhä suurempi osa työtämme. Se merkitsee myös isompia investointeja ohjelmistoon, aineistoihin ja ihmisiin."

Kun uusia tutkimushankkeita mietitään, alkaa Moision mukaan olla jo osa rutiinia, että katsotaan myös paikkatiedon mahdollista osuutta hankkeessa.

"Jos tutkimuskysymykseen liittyy jokin maantieteellinen ominaisuus, siihen päästään nyt kiinni paljon helpommin ja todella tarkasti, jos aineistoja vaan on käytettävissä. Ennen se jäi aika karkealle kunta- tai postinumerotasolle", tutkija Oskari Harjunen puolestaan toteaa.

Kuntien määrä voisi pudota kolmannekseen

Ensimmäisiä kokeiluja ArcGISillä on VATTissa tehty kuntarakenteen uudistamiseen liittyvässä tutkimuksessa. Lisäksi sitä on jo käytetty asuntojen hintoja ja työmarkkinoita koskevissa tutkimuksissa.

Kuntarakennetutkimuksessa kokeiltiin Max-P-algoritmia käyttäen, kuinka monta ja minkälaisia kuntia Suomeen muodostuisi, jos kuntien asukasmäärä olisi vähintään 6 000, 10 000 tai 20 000.

Lisäkriteereinä kuntarakenteen optimoinnissa käytettiin yhdistyvien kuntien keskustojen välisen etäisyyden minimointia sekä kuntien samankaltaista kunnallisveroastetta ja valtuustojen puoluejakaumaa, joilla pyrittiin kuntaliitosten maantieteelliseen yhtenäisyyteen.

Kun asukasmäärä oli vähintään 20 000, algoritmi muodosti 111 kuntaa, kun ilman Ahvenanmaata kuntia oli viime vuonna 326 kappaletta.

Kahden kunnan liitoksia syntyi vähintään 20 000 asukasmäärällä 29, kolmen kunnan 22, neljän kunnan 16, viiden kunnan 10 sekä kuuden ja seitsemän kunnan yhteensä 10 kappaletta. Kuntien väestön mediaani lähes viisinkertaistui 27 776:een ja keskiarvo kolminkertaistui 47 533:een.

Myös asukasta kohti laskettavat verotulot nousivat asukasmäärän kasvaessa, koska pienen, usein köyhemmän kunnan ja isomman rikkaan kunnan liitos johtaa keskimääräisten verotulojen kasvuun. Tästä käytännössä seuraisi, että verotuloihin perustuvan valtionosuuksien tasajärjestelmän merkitys kuntien erojen tasaamisessa pienenisi.

Käytetty algoritmi osoittautui Harjusen mukaan käyttökelpoiseksi työkaluksi kuntaliitoksia suunniteltaessa. Siihen kuitenkin liittyy myös ongelmia muun muassa siksi, että ei ole olemassa yleisesti hyväksyttyjä kriteereitä, jotka kuntaliitoksia muodostettaessa olisi otettava huomioon.

Paikkatieto on Antti Moision (vas.) ja Oskari Harjusen mukaan hyvä apuväline myös taloustutkimuslaitokselle, koska paikkatietoa voidaan yhdistää taloustutkimuksessa käytettäviin ekonometrisiin malleihin.

 

Matka terveysasemalle ei välttämättä pitene

Kuntarakennetutkimuksessa tarkasteltiin myös, miten kuntaliitokset vaikuttaisivat terveysasemien saavutettavuuteen. Esimerkkialueena käytettiin Keski-Suomen maakuntaa, jossa oli viime vuonna 23 kuntaa. Vähintään 20 000 asukkaan väestö vähentäisi määrän kuuteen kuntaan.

Jos kaikki terveysasemat jatkaisivat toimintaansa kuntaliitosten jälkeen, vähintään 20 000 asukkaan kuntakoko lyhentäisi noin 11 200 henkilön matka-aikaa terveyskeskukseen, koska he voisivat käydä aiemmin eri kunnan alueella, vaikkakin heitä lähempänä, sijainneella terveysasemalla.

Tutkimuksessa tarkasteltiin myös tilannetta, jossa uuden rakenteen kaikista kuudesta kunnasta poistetaan yksi terveysasema. ArcGIS-ohjelmiston Location Allocation -työvälineen avulla lakkautettavat terveysasemat voitiin valita niin, että väestön keskimääräinen etäisyys jäljelle jääneisiin asemiin on mahdollisimman pieni.

Alkuperäisellä kuntajaolla ja terveysasemien sijainnilla alle 10 minuutin matka-ajan päässä terveysasemasta asui Keski-Suomen väestöstä 55 prosenttia ja uudessa kuntajaossa 52 prosenttia. Alle 20 minuutin päässä asui alun perin 88 ja uudessa kuntajaossa 86 prosenttia. Alle 30 minuutin matka-ajalla vastaavat luvut olivat 96 ja 95 prosenttia.

Eri vaihtoehtojen vertaileminen toimii

Kuntarakennetutkimuksen tarkoituksena ei ollut suinkaan tuottaa VATTin ehdotusta Suomen uudeksi kuntarakenteeksi, vaan kokeilla paikkatietovälineiden soveltuvuutta kuntarakenteen suunnitteluun.

"Meidän tutkimuksessamme käytettyjen muuttujien lisäksi on paljon muitakin asioita, jotka pitäisi ottaa huomioon tällaisessa optimoinnissa ja sisällyttää paikkatietoalgoritmiin", Moisio sanoo.

Paikkatieto kuitenkin osoittautui hänen mukaansa erittäin hyväksi apuvälineeksi muun muassa kuntarakenteen uudistamisen kaltaiseen kysymykseen, mutta pelkästään sen avulla asioita ei voida ratkaista.

Ongelmana on myös se, että esimerkiksi nykyistä suurempien kuntien mittakaavaeduista kunnallisten palveluiden tuotannossa ei ole riittävästi tutkittua tietoa, jota rakenneuudistuksessa voitaisiin käyttää.

Esimerkiksi terveysasemien, koulujen, päiväkotien ja kirjastojen sijainnin optimointia ja lakkautusten vaikutusten arviointia voidaan kuitenkin aivan hyvin tehdä olemassa olevien tietojen pohjalta.

"Kun vertaillaan erilaisia vaihtoehtoja, paikkatieto-ohjelmistolla tehtävät tarkastelut toimivat erittäin hyvin", Harjunen toteaa.

(Artikkelin pidempi versio julkaistu Esri Finland -asiakaslehden numerossa 2/2011)