Tutkimusaineistojen etäkäyttö ja tietosuoja 2015 -seminaari, 20.1.2015

1. Tilastollinen tietosuoja
tutkimustulosteissa
Annu Nissinen
20.1.2015

2. Tilastollinen tietosuoja ja tutkimustulokset
 Tilastolaissa (280/2004), 13 § : Tilastokeskuksen tilastotarkoituksiin
keräämien tietojen luovutus tutkimuskäyttöön
 Kyseisen pykälän perusteluissa todetaan seuraavaa:
Koska tieteellisen tutkimuksen lopputulokset ovat yleensä julkisia, tulisi niiden
julkaisemisen yhteydessä lisäksi aina erikseen varmistaa, ettei tutkimuksen
perustana olleita yksittäisiä tilastoyksiköitä olisi mahdollista tunnistaa
tutkimuksen julkisista lopputuloksista.
 Tietosuojan varmistaminen käytännössä?
 Tutkijan vastuu
 Tarkistusmenettely
20.1.2015 2Nissinen

3. Esityksen sisältö
Tutkimusaineistot etäkäytössä (Tilastokoulu), luku 3
 Salassapitovelvoite
 (Taulukkoaineistojen tietosuoja)
 Tutkimustulosteiden tietosuojavaatimukset
 Tarkistusmenettely
 Lisälukemista
20.1.2015 3Nissinen

4. Salassapitovelvoite
 Tutkimusaineiston käyttö edellyttää käyttölupaa
 Aineistoa saa käyttää ainoastaan käyttöluvan saanut henkilö ja vain
käyttölupapäätöksessä hyväksyttyyn tarkoitukseen
 Tutkimushanketta koskevan sopimuksen ja salassapitositoumuksen
allekirjoittaminen:
 Tutkija sitoutuu siihen, ettei ilmaise eikä käytä omaksi hyödyksi
tutkimuksen yhteydessä tietoonsa saamia, salassapidettäviksi
säädettyjä tietoja (tutkimusaineistoon sisältyvät yksikkötason
henkilö- ja yritystiedot).
 Aineistosta ei saa yrittää tunnistaa tietojen kohteita
 Vaitiolovelvollisuus on voimassa sopimuksen päätyttyäkin.
20.1.2015 4Nissinen

5. Tutkimustulosteiden tietosuojavaatimukset
 Salassapitovelvoitteen mukaan tutkijan on pidettävä huolta siitä, että
tutkimustuloksissa ei ole yksikkötason tietoja tai mahdollisuutta niiden
paljastumiseen.
 Tulosteiden suojaus etäkäyttöjärjestelmässä tarkoittaa käytännössä
sitä, että järjestelmästä ulos siirrettäviin (eli tarkastukseen lähetettäviin)
tulosteisiin ei kohdistu aineistossa esiintyvien henkilöiden tai yritysten
paljastumisriskiä.
 Tulosteiden sisällön suunnittelu tietosuojan kannalta
hyväksyttäväksi (esim. karkeiden luokitusten käyttö)
20.1.2015 5Nissinen

6. Tutkimustulosteiden tietosuojavaatimukset
Taulukkomuotoiset aineistot I
 Tilastokeskuksen linjaukset taulukkomuotoisten tietojen suojaamisesta
 Yritystiedot
 Solussa tai ryhmässä on oltava aina vähintään 3 (painottamatonta)
havaintoa
 Dominanssisäännön käyttö (1,75) tiettyjen aineistojen kohdalla
 Henkilötiedot
 Solukohtainen kynnysarvo 3
 Erityistä huomiota kiinnitettävä taulukoitavien muuttujien
arkaluonteisuuteen.
20.1.2015 6Nissinen

7. Tutkimustulosteiden tietosuojavaatimukset
Taulukkomuotoiset aineistot II
 Yhdistetyissä työntekijä–työnantaja-aineistoissa (esim. FLEED) on
suojattava sekä henkilö- että yritystaso
 kussakin taulukon solussa on oltava työntekijöitä vähintään
kolmesta eri yrityksestä.
 Taulukkomuotoisissa yritysaineistoissa esiintyviin
ammatinharjoittajatietoihin sovelletaan samoja suojauskäytäntöjä kuin
muihinkin yritystietoihin.
20.1.2015 7Nissinen

8. Tutkimustulosteiden tietosuojavaatimukset
Erilaiset jakaumatunnusluvut I
 Maksimi ja minimi
 liittyvät yleensä yhteen havaintoon
 Onko havainto mahdollista tunnistaa?
 Jakaumapisteet (pl. minimi ja maksimi)
 erikoistapaus taulukosta, jossa solufrekvenssejä vastaavat
jakaumapisteiden väliin jäävien havaintojen lukumäärät
 Kynnysarvo 3
 Moodi
 voidaan julkaista, mikäli (lähes) kaikki havainnot eivät saa samaa
arvoa.
20.1.2015 8Nissinen

9. Tutkimustulosteiden tietosuojavaatimukset
Erilaiset jakaumatunnusluvut II
 Keskiarvo, muut suhdeluvut ja jakaumatunnuslukujen korkeammat
momentit (esim. varianssi)
 voidaan julkaista, mikäli niiden laskennassa on käytetty vähintään
kolmea havaintoa.
20.1.2015 9Nissinen

10. Tutkimustulosteiden tietosuojavaatimukset
Muut numeeriset tulostetyypit
 Indeksipisteluvut, korrelaatiokertoimet ja testisuureet (t, F, X², yms.)
 voidaan yleensä julkaista, mikäli laskennassa on käytetty tarpeeksi
(vähintään 10) havaintoja.
 Regressiomalli
 voidaan julkaista, mikäli mallin taustalla on riittävästi havaintoja ja
malli ei kuvaa aikasarjaa yhteen yritykseen/henkilöön perustuvista
havainnoista. Mallin yksittäisiä kertoimia voidaan yleensä aina
julkaista.
20.1.2015 10Nissinen

11. Tutkimustulosteiden tietosuojavaatimukset
Kuvat
 Aineistoista piirretyt kuvat ovat sallittuja, jos yksittäinen kuvapiste ei voi
paljastaa sen taustalla olevaa yksittäistä havaintoa.
 Pylväsdiagrammit
 Kussakin luokassa on riittävästi havaintoja (vrt. taulukko)
 Jakaumakuvat
 Sisältääkö paljastavia ääriarvoja tai poikkeavia havaintoja?
 Tasoitetut tai riittävän karkealla asteikolla esitetyt jakaumat,
histogrammit ja kertymäfunktiot sallittuja
 Hajontakuvat
 Yksittäinen havainto = yksittäinen piste → potentiaalinen
paljastuminen
 Erityishuomio outlierien esiintymiseen!
20.1.2015 11Nissinen

12. Tarkistusmenettely I
 Tarkistusmenettelyllä halutaan varmistaa tietosuojan toteutuminen
tutkijan aineistosta tuottamissa tulosteissa
 Tutkijan tulee huolehtia, että tarkastukseen lähetettävät tulosteet
täyttävät vaaditut tietosuojavaatimukset.
 Tulosteiden tulee olla selkeästi tulkittavia.
 Tulosteiden keskeinen sisältö ja käytetyt muuttujat tulee olla
tarkastajan ymmärrettävissä.
 Taulukoissa solukohtaisten havaintojen lukumäärän tulee olla
näkyvissä, kuten myös estimaattien ja tunnuslukujen laskennassa
käytettyjen havaintojen lukumäärät.
20.1.2015 12Nissinen

13. Tarkistusmenettely II
 Tarkastaja ei voi päästää tarkastuksesta läpi tulostetta
 jonka sisältö on liian epäselvä tai puutteellisesti dokumentoitu
 joka on liian laaja tietosuojan toteutumisen arvioimiseksi (esim. log-
tiedostoista lähetettävä tarkistukseen vain välttämättömät ja
julkaistavaksi tarkoitetut tiedot)
 joka sisältää yksikkötason tietoja (järjestelmästä saa ulos vain
aggregoituja tietoja)
 Kaikkien tarkistukseen vietävien tiedostojen tulee täyttää samat
kriteerit kuin julkaistaviksi tarkoitettujen taulukoiden ja kuvioiden
20.1.2015 13Nissinen

14. Lisälukemista I
 Tutkijapalveluiden ohjeet ja säännöt
http://www.tilastokeskus.fi/tup/mikroaineistot/tutkijapalvelun_saannot.pdf
 Säännöt ja ohjeet ovat sitovia kaikille tutkimushankekohtaisen tai
SISU-mikrosimulointimallin käyttöä koskevan sopimuksen
allekirjoittaneille tutkijoille
 Tutkimusaineistot etäkäytössä –tilastokoulu verkossa (avataan pian!)
20.1.2015 14Nissinen

15. Lisälukemista II
 Guidelines for the checking of output based on microdata research
(2009)
http://neon.vb.cbs.nl/casc/..%5Ccasc%5CESSnet%5CGuidelinesForOu
tputChecking_Dec2009.pdf
 Hundepool, Anco; Domingo-Ferrer, Josep; Franconi, Luisa; Giessing,
Sarah; Schulte Nordholt, Eric; Spicer, Keith & de Wolf, Peter-Paul
(2012). Statistical Disclosure Control. Wiley.
20.1.2015 15Nissinen