20.4.2016 Mikroaineistojen uudet mahdollisuudet, Tilastokeskus

1. Vanhojen aineistojen aarreaitta
Hannu Karhunen,
Jyväskylän yliopiston kauppakorkeakoulu
hannu.a.karhunen@jyu.fi
Tilastokeskus, 20.4.2016

2. Tässä esityksessä
1. Taustaa
2. Tietojen tallennushistoria
3. Esimerkkejä mahdollisista aineistoista ja vanhojen aineistojen
palauttamisesta
4. Lopuksi: Mitä aineistojen kehittämiseksi voitaisiin tehdä?
19.4.2016 Hannu Karhunen (hannu.a.karhunen@jyu.fi)2

3. 1. Taustaa
 Jyväskylän yliopiston kauppakorkeakoulu (JSBE) aloitti tutkimusaineistojen
kehittämisen vuoden 2015 alussa
 Epätietoisuutta siitä, että mitä yksilötason aineistoja on säilytetty
 Pelkona, että jos nyt ei toimita, niin vanhoja tietoja ei voida myöhemmin palauttaa
 Tarkoitus kartoittaa ja mahdollisesti palauttaa vanhoja sähköisessä muodossa
olevia aineistoja tutkimuskäyttöön (käytettävissä myös tilastoissa)
 Aineistojen kokoaminen ”moduulimuotoon”
 Tiedon jakaminen tilastoihin ja ulos tutkijoille tärkeää. Aineistot tulevat lopulta
kaikkien tutkijoiden käyttöön
 Käytännössä JSBE alkoi rahoittamaan määräaikaista virkasuhdetta, sillä
tietojen arkaluontoisuuden takia henkilön tulee olla Tilastokeskuksen työntekijä
 Datoissa henkilötunnuksia, henkilöiden nimiä, yritystunnuksia jne.
19.4.2016 Hannu Karhunen (hannu.a.karhunen@jyu.fi)3

4.  Myös vanhat aineistot ovat tärkeitä, sillä monilla reformeilla voi olla
kauaskantoisia vaikutuksia.
Esimerkki 1: Yliopistokoulutuksen alueellisen laajentumisen vaikutus koulutuksen periytyvyyteen.
 Kirjoilla missä pääaineessa?
 Isovanhempien, vanhempien ja
lasten koulutus.
 Millä alueilla henkilöt asuivat
ennen reformia?
 Minkä kunnan lukioista henkilöt
valmistuivat reformin aikoihin?
19.4.2016 Hannu Karhunen (hannu.a.karhunen@jyu.fi)4
Lähde: Karhunen ja Suhonen (2016).

5. 19.4.20165
0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1,00
Osuushenkilöistäjoiltapuuttuuäidinid
SYNTYMÄVUOSI
Lapsi-äiti linkityksen epäonnistuminen syntymäkohorteittain
(Varhaisin linkitys on tehty VL70 perhetiedon perusteella)
Esimerkki 2: Aineistoissa on vielä monia ratkaisemattomia ongelmia

6. 19.4.20166
2. Tietojen tallennushistoria
 Tilastokeskuksen vanhat tiedostot on tallennettu ajan kuluessa uuteen
muotoon tallennusmenetelmien muuttuessa
 Esimerkiksi 1970-luvulla tallennettiin reikäkortteja urakalla magneettinauhalle
 ks. ”Reikäkorttimaailmasta verkkoaikaan eli TI 1970-2000” (Juha Merimaa, 2000)
 Koontitiedostot (alkaen noin vuodesta 1995)
 Palautus verkkoasemalle  kuvaukset saadaan valmiilla SAS-makrolla
 Suhteellisen yksinkertaista ja nopeaa
 Ennen koontitiedostoja tehdyt historiatiedostot on myös tallennettu
sähköiseen muotoon
 Puhekielessä monta nimeä, mm. ”historiakasetit”, ”kelatiedostot”, ”nauhat”. Itse
käytän nimeä historiatiedostot.
 Tiedostoja vaihtelevasti 1960-luvun lopulta alkaen
Hannu Karhunen (hannu.a.karhunen@jyu.fi)

7.  Historiatiedostojen palautus SAS-tiedostoksi mahdollista mikäli aineistosta
löytyy kuvaus
 Tarvitaan tiedoston jaksonpituus ja muuttujapositiot
 Tilastokeskuksen vanhojen aineistojen kuvaukset on tallennettu
kuvatiedostoina ns. HIMA-kansioon; osa käsinkirjoitettua tekstiä
 Tietoa on hävinnyt henkilöiden mukana, mutta pääosin aineistoista
näyttäisi löytyvän kuvaukset (täydentäviä kuvauksia on löytynyt myös
arkistohuoneista)
 Aineistoista ei ole valitettavasti olemassa valmista luetteloa
 Käytännössä tiedostoja pitää palauttaa olemassa olevien kuvauksien
perusteella ja tarkistaa kuvauksen vastaavuudet aineistoon muuttuja
kerrallaan
 Aikaa ja luovuutta vaativaa puuhaa: kuvauksien muuttujapositiot eivät aina
täsmää aineistossa oleviin eli automaattisista SAS-makroista ei ole aina
apua
19.4.20167 Hannu Karhunen (hannu.a.karhunen@jyu.fi)

8. 3. Esimerkkejä mahdollisista aineistoista ja vanhojen
aineistojen palauttamisesta käytännössä
 Kuvaan seuraavaksi muutamia aineistoja, joiden kanssa olen työskennellyt
tai jotka olen jo palauttanut SAS-muotoon
 Esittelyn ei ole tarkoitus antaa kattavaa kuvaa kaikista mahdollisista
aineistoista
 Keskityn nyt lähinnä henkilötason koulutusaineistojen esittelyyn
19.4.20168 Hannu Karhunen (hannu.a.karhunen@jyu.fi)

9. Toisen asteen
yhteisvalinta-
tiedostot 1985-
Tietoja yliopistojen
hakijarekisteristä
1992-
(Osittainen Harek)
Ylioppilaskirjoitukset
1967-
(ks. esim. 2)
Kansakoulun/oppikoulun
/peruskoulun
vuositiedostot
alkaen 1968
Ammatillisten
oppilaitosten linjatiedot
alkaen 1971
Oppilaitostason tietojaHenkilötason tietoja
Korkeakoulujen
opiskelijarekisteri
1968- (ks. esim. 1)
Lukioiden vuositilastot
alkaen 1969
Siniset moduulit ovat valmiita tai lähes valmiita
Hannu Karhunen (hannu.a.karhunen@jyu.fi)
Tavoitteena oli moduulimuoto ja tietojen linkitettävyys yli ajan
Opintojentuki 2002-
Opettajien
työsuhdejaksotiedot
2010-luvulta
Oppilaitosrekisteri
1971-

10. Esimerkki 1: Korkeakoulujen opiskelijarekisteri 1968-
19.4.201610 Hannu Karhunen (hannu.a.karhunen@jyu.fi)

11. Esimerkki 2: Ylioppilastutkintolautakunnan tiedostot 1967-
 Tilastokeskuksen historiatiedostoista löytyy vain hajanaisia
vuositiedostoja ylioppilaskirjoituksista
 Tilastokeskuksen kuvauksista löytyi kuitenkin yksi yhden sivun
tiedostokuvaus vuoden 1971 ylioppilaista ja ylioppilaskirjoituksien
tuloksista
 Yhteydenotto Ylioppilastutkintolautakunnan toimistoon paljasti, että vanhat
vuositiedostot ovat tallessa sähköisessä muodossa vuodesta 1967 alkaen.
Vanhemmista vuositiedostoista ei heillä kuitenkaan ollut olemassa
muuttujakuvauksia.
 Tilastokeskuksesta löytyneen kuvauksen avulla oli mahdollista
selvittää vanhojen tiedostojen muuttujapositiot
 Yhteistyön tuloksena tutkimuskäyttöön saatiin palautettua yksityiskohtainen
aineisto ylioppilaskirjoituksiin osallistuneista henkilöistä 1967-1989
 Tavoitteena saada tutkijakäyttöön päivittyvä YTL-moduuli (tähän liittyvät
neuvottelut YTL:n kanssa vielä kesken)
19.4.201611 Hannu Karhunen (hannu.a.karhunen@jyu.fi)

12. Säilynyt muuttujakuvaus YTL:n tiedostoista
19.4.2016 Etunimi Sukunimi12

13. Esimerkki 3: Väestölaskenta 1960 (VL60)
 Tornihuhun mukaan VL60 tuhoutui vesivahingossa
 On kuitenkin todennäköisempää, että VL60:n lomakkeet löytyvät
Hämeenlinnan maakunta-arkistosta. VL50 on myös siellä.
 Ennen kuin reikäkorttikoneet poistuivat käytöstä, niin VL60:n
reikäkortit ajettiin sähköiseen muotoon. Tietääkseni tätä aineistoa ei
ole aikaisemmin käytetty tutkimuksessa (harva edes tietää
sähköisestä versiosta)
 Rajoite: Aineistossa ei ole henkilöille nimiä ja tähän aikaan ei ollut
vielä henkilötunnusta  Datan yhdistäminen myöhempiin VL-
tiedostoihin likipitäen mahdotonta
19.4.201613 Hannu Karhunen (hannu.a.karhunen@jyu.fi)

14. 19.4.201614
Väestölaskenta 1960

15. 4. Lopuksi: Mitä vanhojen aineistojen kehittämiseksi
voitaisiin tehdä?
 Tilastokeskuksen resurssit ovat rajalliset
 Läpikäytävää materiaalia on varsin paljon ja on vaikeaa arvioida mitkä
aineistot ovat tutkimuksellisesti tärkeitä
 Vanhojen aineistojen kuvaukset pitäisi saada näkyviin Tilastokeskuksen
ulkopuolelle
 Palautukset ja aineistojen käsittely ulkopuolisen rahoituksen voimin
 Ehdotuksia?
19.4.2016 Hannu Karhunen (hannu.a.karhunen@jyu.fi)15

16. KIITOS!
19.4.2016 Hannu Karhunen (hannu.a.karhunen@jyu.fi)16