Quality of Government instituutin vuoden 2020 aineistot

Göteborgin yliopiston Quality of Government instituutti julkisti kuun vaihteessa uudet datansa. Datat ovat kattavia kokoelmia erilaisista maatason indikaattoreista. Päivitin samaan syssyyn ylläpitämäni R-paketin rqog, jonka avulla voit käyttää datoja R:ssä. Paketin voit asentaan Github:sta devtools-paketin avulla komennolla devtools::install_github("ropengov/rqog").

Paketin avulla pääset käsiksi kolmeen datakokonaisuuteen basic, standard ja oecd, joista kaikista on sekä poikkileikkausaineisto (cross-sectional) että aikasarja-aineisto (time-series). Eri datoissa on eri määrä indikaattoreita.

library(rqog)
library(dplyr)
library(glue)
library(ggplot2)
library(tidyr)
library(geofacet)
library(knitr)

tribble(
~data, ~indikaattoreita,
"basic poikkileikkaus",length(unique(rqog::meta_basic_cs_2020$code)),
"basic aikasarja",length(unique(rqog::meta_basic_ts_2020$code)),

"standard poikkileikkaus",length(unique(rqog::meta_std_cs_2020$code)),
"standard aikasarja",length(unique(rqog::meta_std_ts_2020$code)),

"oecd poikkileikkaus",length(unique(rqog::meta_oecd_cs_2020$code)),
"oecd aikasarja",length(unique(rqog::meta_oecd_ts_2020$code))
) %>% knitr::kable()

data	indikaattoreita
basic poikkileikkaus	373
basic aikasarja	287
standard poikkileikkaus	1758
standard aikasarja	2086
oecd poikkileikkaus	961
oecd aikasarja	965

oecd-datan aikasarjassa on siis peräti 965 eri indikaattorin aikasarjaa OECD-maista. Datojen avulla voi tarkastella monia kysymyksiä kuten vaikkapa Hesarissa tänään laajasti käsiteltyä syntyvyyttä ja keskitytään EU-maihin.

Aluksi etsitään sopivat indikaattorit rqog-paketin mukana tulevasta datasta meta_oecd_ts_2020.

meta_std_ts_2020 %>% 
  filter(grepl("Fertility|birth", name, ignore.case = TRUE))

# A tibble: 25 × 5
   code              name                                   value label class  
   <chr>             <chr>                                  <dbl> <chr> <chr>  
 1 eu_demfrate2      "Fertility rate, total"                   NA <NA>  numeric
 2 eu_demlbirthlf    "Live births - females"                   NA <NA>  numeric
 3 eu_demlbirthlm    "Live births - males"                     NA <NA>  numeric
 4 eu_demlbirthlt    "Live births - total"                     NA <NA>  numeric
 5 eu_demmawc        "Mean age of woman at childbirth"         NA <NA>  numeric
 6 oecd_fertility_t1 "Total fertility rates"                   NA <NA>  numeric
 7 oecd_lifeexpy_g1  " Life expectancy at birth: total"        NA <NA>  numeric
 8 oecd_lifeexpy_g2a " Life expectancy at birth: women"        NA <NA>  numeric
 9 oecd_lifeexpy_g2b " Life expectancy at birth: men"          NA <NA>  numeric
10 wdi_birth         "Birth rate, crude (per 1,000 people)"    NA <NA>  numeric
# ℹ 15 more rows

Aineistosta löytyy kolme eri hedelmällisyysasteen indikaattoria: EU:n eu_demfrate2 (Fertility rate, total), OECD:n oecd_fertility_t1 (Total fertility rates) ja Maailmanpankin wdi_fertility (Fertility rate, total (births per woman)). Tarkastellaan ensin millaiset aikasarjat näistä on ja ovat ne lähellä toisiaan.

# Haetaan data
std_ts <- rqog::read_qog(which_data = "std", 
                          year = "2020", 
                          data_type = "time-series") %>% 
  # nimetään maita uudelleen
  mutate(cname = ifelse(grepl("France", cname), "France", 
                        ifelse(grepl("Cyprus", cname), "Cyprus", cname)))

# Valitaan avainmuuttujat: maanimi, vuosi ja indikaattorit
dat <- std_ts %>% 
  filter(year >= 1980) %>% 
  select(cname,year,oecd_fertility_t1,wdi_fertility,eu_demfrate2) %>% 
  pivot_longer(names_to = "indikaattori", values_to = "arvo", 3:5) %>% 
  # filtteroidaan maat geofacet::eu_grid1-datan pohjalta
  filter(cname %in% geofacet::eu_grid1$name)

ggplot(dat, aes(x = year, y = arvo, color = indikaattori, group = indikaattori)) +
  geom_path(alpha = .4) + 
  ggrepel::geom_text_repel(data = dat %>% 
              na.omit() %>% 
              group_by(cname,indikaattori) %>% 
              filter(year == max(year, na.rm = TRUE)) %>% 
              ungroup(), 
            aes(label = year), show.legend = FALSE, size = 3) +
  facet_geo(~cname, grid = geofacet::eu_grid1) +
  labs(title = "EU:n, OECD:n ja Maailmanpankin hedelmällisyysaste-indikaattori EU-maissa 1980 alkaen", 
       color = NULL,
       caption = "Data: Quality of Government Instititute 2020")

• kuva suurempana

EU:n ja OECD:n aikasarjat jatkuvat molemmat vuoteen 2017 useimmissa maissa. OECD:n aikasarja ei käsitä kaikkia EU-maita, joten valitaan tarkasteltavaksi indikaattoriksi EU:n eu_demfrate2. Taulukossa EU-maat on asetettu suuruusjärjestyksene vuoden 2017 arvon mukaan

dat2 <- dat %>% 
  na.omit() %>% 
  filter(indikaattori == "eu_demfrate2")
dat2 %>% 
  group_by(cname) %>% 
  filter(year == max(year, na.rm = TRUE)) %>% 
  ungroup() %>% 
  arrange(desc(arvo)) %>% 
  select(cname,arvo) %>% 
  setNames(c("maa","kokonaishedelmällisyysaste")) %>% 
      print(n = 100)

# A tibble: 28 × 2
   maa            kokonaishedelmällisyysaste
   <chr>                               <dbl>
 1 France                               1.9 
 2 Sweden                               1.78
 3 Ireland                              1.77
 4 Denmark                              1.75
 5 United Kingdom                       1.74
 6 Romania                              1.71
 7 Czech Republic                       1.69
 8 Latvia                               1.69
 9 Belgium                              1.65
10 Lithuania                            1.63
11 Netherlands                          1.62
12 Slovenia                             1.62
13 Estonia                              1.59
14 Germany                              1.57
15 Bulgaria                             1.56
16 Hungary                              1.54
17 Austria                              1.52
18 Slovakia                             1.52
19 Finland                              1.49
20 Poland                               1.48
21 Croatia                              1.42
22 Luxembourg                           1.39
23 Portugal                             1.38
24 Greece                               1.35
25 Cyprus                               1.32
26 Italy                                1.32
27 Spain                                1.31
28 Malta                                1.26

Lääkkeiksi ‘vauvakatoon’ Hesarin jutussa nimetään perhe-etuuksien parantaminen sekä työelämän perheystävällisyyden lisääminen. Työllisyysteen liittyviä muuttujia hakutermillä employment löytyy standard-datasta kaikkiaa 256. Valitaan niistä kahden muuttujan analyyseihin seuraavat kaksi muuttujaa:

1. eu_empy2554f: Employment rates: 25-34 Years, Female (percentage of active population)
2. eu_empy2554m: Employment rates: 25-34 Years, Male (percentage of active population)

Hatarana teoreettisena ajatuksena ilman lähdeviitteitä pidetäköön sitä, että nuorten miesten matala työllisyysaste olisi yhteydessä matalaan syntyvyyteen, samoin kuin nuorten naisten korkea työllisyysaste.

dat <- std_ts %>% 
  select(cname,year,eu_empy2554f,eu_empy2554m,eu_demfrate2) %>% 
  filter(cname %in% geofacet::eu_grid1$name) %>% 
  rename(`2. miesten (25-34 vuotta) työllisyysaste (%)` = eu_empy2554m,
         `1. naisten (25-34 vuotta) työllisyysaste (%)` = eu_empy2554f) %>% 
  na.omit() %>% 
  pivot_longer(names_to = "indikaattori", values_to = "arvo", 3:4)

minmax_data <- bind_rows(
  dat %>% na.omit() %>% group_by(cname) %>%
    filter(year == max(year, na.rm = TRUE)),
  dat %>% na.omit() %>% group_by(cname) %>%
    filter(year == min(year, na.rm = TRUE))
) %>% ungroup()

ggplot(dat, aes(x = arvo, y = eu_demfrate2, color = indikaattori,  group = indikaattori)) +
  geom_point(alpha = .5, shape = 21, size = 1.5) + 
  geom_path(alpha = .5) +
  geom_point(data = minmax_data) +
  ggrepel::geom_label_repel(data = minmax_data,
            aes(label = year), show.legend = FALSE, size = 2.5,
            label.padding = unit(.5, "mm"), alpha = .6) +
  facet_geo(~cname, grid = geofacet::eu_grid1, scales = "free") +
  labs(title = "Nuorten miesten ja naisten työllisyysasteen yhteys kokonaishedelmällisyysasteeseen 1996-2017", 
       caption = "Data: Quality of Government Instititute 2020", 
       y = "kokonaishedelmälisyysaste",
       color = NULL)

• kuva suurempana

Jätetään tulkinta lukijalle. Todennäköisesti sekä kysymystä että analyysiä on syytä tarkentaa.