Miksi Suomi on maailman onnellisin – tilastollinen selitys

Maailman onnellisin valtio-tutkimuksen läpikäyntiä

Author

Kristian Vepsäläinen

Published

March 19, 2026

Johdanto

World Happiness Report nostaa Suomen toistuvasti maailman kärkeen.
Keskustelu kääntyy nopeasti siihen, miksi tulos ei voi pitää paikkaansa.

Yleisimmät perustelut ovat:

“Ei minulta kysytty”
“Tunnen monia, jotka eivät ole onnellisia”
“Suomessa on paljon ongelmia”

Nämä argumentit eivät ole tilastollisesti relevantteja.
Tässä kirjoituksessa puretaan, mitä tutkimus mittaa, miten se tehdään ja miksi otanta riittää.

Mitä tutkimus mittaa

Tutkimus ei mittaa hetkellistä tunnetta.
Se mittaa elämäntyytyväisyyttä asteikolla 0–10.

Kyse on kokonaisarviosta:

elinolosuhteista
turvallisuudesta
terveydestä
mahdollisuuksista

Tämä tekee mittarista ajassa melko vakaan.
Se ei reagoi yhtä herkästi yksittäisiin tapahtumiin kuin mielialamittarit.

Mistä data tulee

Aineisto perustuu kansainväliseen kyselyyn, jossa:

otos on noin 1000 henkilöä per maa
otanta on satunnainen
kohdejoukko on yli 15-vuotiaat

Suomen väestö (15+) on noin 4,7 miljoonaa.
Tästä poimitaan edustava otos.

Keskeinen kysymys kuuluu:

Riittääkö tämä?

Miksi otanta riittää

Tilastollinen päättely perustuu siihen, että satunnainen otos edustaa populaatiota.

Virhemarginaali voidaan approksimoida:

$\pm 1.96 \cdot \sqrt{\frac{p(1-p)}{n}}$

Kun $n = 1000$, virhe on tyypillisesti noin ±3 prosenttiyksikköä.

Populaation koko ei juuri vaikuta tähän.
Ratkaisevaa on otoksen koko.

Simulaatio: kuinka hyvin otos toimii

Simuloidaan tilanne, jossa:

populaation koko: 4 700 000 (Suomen yli 15-vuotiaat)
todellinen keskiarvo: 7.5
hajonta: 1.2

Poimitaan toistuvasti 1000 hengen otoksia ja tarkastellaan, miten hyvin ne osuvat oikeaan keskiarvoon.

Tulkinta

Keskiarvoksi saadaan 7.500014 ja keskiharjonnaksi 0.0375414. Otosten keskiarvot keskittyvät tiukasti todellisen arvon ympärille. Vaihtelu on pientä.

Tämä on keskeinen syy siihen, miksi 1000 havaintoa riittää.

Kyse on todennäköisyyslaskennasta.

Todennäköisyys päästä mukaan tutkimukseen ei ole yksi luku

Todennäköisyys riippuu siitä, kuinka monta vuotta henkilöllä on jäljellä.
Siksi kyse ei ole yhdestä luvusta, vaan jakaumasta. Tehdään siis asiasta mallinnus.

Mallinnus: eri-ikäiset suomalaiset

Oletetaan:

kohdejoukko: yli 15-vuotiaat suomalaiset
väestö: 4 700 000
otos: 1000 henkilöä vuodessa

Yhden vuoden valintatodennäköisyys:

$p = \frac{1000}{4\,700\,000}$

Todennäköisyys tulla valituksi ainakin kerran riippuu jäljellä olevista vuosista $T$:

$1 - (1 - p)^T$

Simulaatio: jakauma eri ikäisille

Simuloidaan yksinkertainen väestö:

ikä välillä 15–90
jokaiselle lasketaan jäljellä olevat vuodet (oletetaan maksimi-ikä 90)

    Min.  1st Qu.   Median     Mean  3rd Qu.     Max. 
0.000000 0.004035 0.007842 0.007947 0.012056 0.015832

Jakauma

Mitä tulos kertoo Suomesta?

Suomen korkea sijoitus liittyy rakenteellisiin tekijöihin:

korkea luottamus yhteiskuntaan
toimivat instituutiot
sosiaalinen turva
suhteellisen tasainen tulonjako

Keskeinen havainto:

Suomi ei ole äärimmäisen onnellinen yksilötasolla, vaan tasaisen hyvinvoiva populaatiotasolla.

Toisin sanoen jakauma on kapea.

Mitä tulos ei kerro

Tutkimus ei implikoi, että:

kaikki suomalaiset ovat onnellisia
ongelmia ei ole
yksilön kokemus olisi väärä

Populaatiotason keskiarvo ja yksilön kokemus voivat poiketa toisistaan ilman ristiriitaa.

Menetelmän rajoitteet

Analyysi perustuu regressiomalleihin, joissa selittäjinä ovat mm.:

tulotaso
terveys
sosiaalinen tuki

Rajoitteet:

Lineaarisuus on yksinkertaistus
Kulttuurierot vastaustavoissa voivat vaikuttaa
Subjektiivinen mittari ei ole objektiivinen hyvinvointi

Tästä huolimatta malli selittää suuren osan vaihtelusta maiden välillä.

Yhteenveto

Keskeiset johtopäätökset:

Otanta ei vaadi kaikkien vastaamista
1000 havaintoa riittää populaatiotason arvioon
Yksittäinen kokemus ei kumoa keskiarvoa
Suomi sijoittuu kärkeen rakenteellisten tekijöiden vuoksi

Tilastotiede ei kuvaa yksilöä. Se kuvaa jakaumaa.

Juuri siksi se toimii. Tätä on tilastotiede.

Kaipaatko analyysiä tai onko sinulla projekti, jonka haluat toteuttaa? Ota yhteyttä kristian.vepsalainen@proton.me . Olen käytettävissäsi.

--- title: "Miksi Suomi on maailman onnellisin – tilastollinen selitys" author: "Kristian Vepsäläinen" date: 2026-03-19 description: "Maailman onnellisin valtio-tutkimuksen läpikäyntiä" draft: false toc: true reading-time: true slug: inflaation data --- ## Johdanto World Happiness Report nostaa Suomen toistuvasti maailman kärkeen. Keskustelu kääntyy nopeasti siihen, miksi tulos ei voi pitää paikkaansa. Yleisimmät perustelut ovat: - “Ei minulta kysytty” - “Tunnen monia, jotka eivät ole onnellisia” - “Suomessa on paljon ongelmia” Nämä argumentit eivät ole tilastollisesti relevantteja. Tässä kirjoituksessa puretaan, mitä tutkimus mittaa, miten se tehdään ja miksi otanta riittää. --- ## Mitä tutkimus mittaa Tutkimus ei mittaa hetkellistä tunnetta. Se mittaa elämäntyytyväisyyttä asteikolla 0–10. Kyse on kokonaisarviosta: - elinolosuhteista - turvallisuudesta - terveydestä - mahdollisuuksista Tämä tekee mittarista ajassa melko vakaan. Se ei reagoi yhtä herkästi yksittäisiin tapahtumiin kuin mielialamittarit. --- ## Mistä data tulee Aineisto perustuu kansainväliseen kyselyyn, jossa: - otos on noin 1000 henkilöä per maa - otanta on satunnainen - kohdejoukko on yli 15-vuotiaat Suomen väestö (15+) on noin 4,7 miljoonaa. Tästä poimitaan edustava otos. Keskeinen kysymys kuuluu: > Riittääkö tämä? --- ## Miksi otanta riittää Tilastollinen päättely perustuu siihen, että satunnainen otos edustaa populaatiota. Virhemarginaali voidaan approksimoida: $\pm 1.96 \cdot \sqrt{\frac{p(1-p)}{n}}$ Kun $n = 1000$, virhe on tyypillisesti noin ±3 prosenttiyksikköä. Populaation koko ei juuri vaikuta tähän. Ratkaisevaa on otoksen koko. --- ## Simulaatio: kuinka hyvin otos toimii Simuloidaan tilanne, jossa: - populaation koko: 4 700 000 (Suomen yli 15-vuotiaat) - todellinen keskiarvo: 7.5 - hajonta: 1.2 Poimitaan toistuvasti 1000 hengen otoksia ja tarkastellaan, miten hyvin ne osuvat oikeaan keskiarvoon. ```{r} set.seed(123) N <- 4700000 true_mean <- 7.5 true_sd <- 1.2 # simuloidaan populaatio normaalijakaumasta population <- rnorm(N, mean = true_mean, sd = true_sd) # otetaan 1000 otoksen keskiarvoja sample_means <- replicate(1000, { mean(sample(population, 1000)) }) ``` ## Tulkinta Keskiarvoksi saadaan `r mean(sample_means)` ja keskiharjonnaksi `r sd(sample_means)`. Otosten keskiarvot keskittyvät tiukasti todellisen arvon ympärille. Vaihtelu on pientä. Tämä on keskeinen syy siihen, miksi 1000 havaintoa riittää. Kyse on todennäköisyyslaskennasta. ## Todennäköisyys päästä mukaan tutkimukseen ei ole yksi luku Todennäköisyys riippuu siitä, kuinka monta vuotta henkilöllä on jäljellä. Siksi kyse ei ole yhdestä luvusta, vaan jakaumasta. Tehdään siis asiasta mallinnus. ## Mallinnus: eri-ikäiset suomalaiset Oletetaan: - kohdejoukko: yli 15-vuotiaat suomalaiset - väestö: 4 700 000 - otos: 1000 henkilöä vuodessa Yhden vuoden valintatodennäköisyys: $p = \frac{1000}{4\,700\,000}$ Todennäköisyys tulla valituksi ainakin kerran riippuu jäljellä olevista vuosista $T$: $1 - (1 - p)^T$ --- ## Simulaatio: jakauma eri ikäisille Simuloidaan yksinkertainen väestö: - ikä välillä 15–90 - jokaiselle lasketaan jäljellä olevat vuodet (oletetaan maksimi-ikä 90) ```{r} set.seed(123) N <- 100000 ages <- sample(15:90, N, replace = TRUE) remaining_years <- pmax(0, 90 - ages) p <- 1000 / 4700000 prob <- 1 - (1 - p)^remaining_years summary(prob) ``` ## Jakauma ```{r} library(tidyverse) df <- data.frame( age = ages, prob = prob ) df %>% # mutate(age_group = cut(age, breaks = seq(15, 90, by = 5))) %>% group_by(age) %>% summarise(prob = mean(prob)) %>% ggplot(aes(x = age, y = prob, group = 1)) + geom_line(color = "#E74C3C", linewidth = 1.2) + geom_point(color = "#2C3E50") + labs( title = "Todennäköisyys päätyä kyselyyn elämän aikana", subtitle = "Todennäköisyys pienenee systemaattisesti iän myötä", x = "Ikä", y = "Todennäköisyys" ) + theme_minimal(base_size = 14) + theme(axis.text.x = element_text(angle = 45, hjust = 1)) ``` ## Mitä tulos kertoo Suomesta? Suomen korkea sijoitus liittyy rakenteellisiin tekijöihin: * korkea luottamus yhteiskuntaan * toimivat instituutiot * sosiaalinen turva * suhteellisen tasainen tulonjako Keskeinen havainto: Suomi ei ole äärimmäisen onnellinen yksilötasolla, vaan tasaisen hyvinvoiva populaatiotasolla. Toisin sanoen jakauma on kapea. ## Mitä tulos ei kerro Tutkimus ei implikoi, että: * kaikki suomalaiset ovat onnellisia * ongelmia ei ole * yksilön kokemus olisi väärä Populaatiotason keskiarvo ja yksilön kokemus voivat poiketa toisistaan ilman ristiriitaa. ## Menetelmän rajoitteet Analyysi perustuu *regressiomalleihin*, joissa selittäjinä ovat mm.: * tulotaso * terveys * sosiaalinen tuki Rajoitteet: * Lineaarisuus on yksinkertaistus * Kulttuurierot vastaustavoissa voivat vaikuttaa * Subjektiivinen mittari ei ole objektiivinen hyvinvointi Tästä huolimatta malli selittää suuren osan vaihtelusta maiden välillä. ## Yhteenveto Keskeiset johtopäätökset: * Otanta ei vaadi kaikkien vastaamista * 1000 havaintoa riittää populaatiotason arvioon * Yksittäinen kokemus ei kumoa keskiarvoa * Suomi sijoittuu kärkeen rakenteellisten tekijöiden vuoksi Tilastotiede ei kuvaa yksilöä. Se kuvaa jakaumaa. Juuri siksi se toimii. Tätä on tilastotiede. Kaipaatko analyysiä tai onko sinulla projekti, jonka haluat toteuttaa? Ota yhteyttä kristian.vepsalainen@proton.me . Olen käytettävissäsi.