Kuka allekirjoittaa kenen aloitteen? Eduskunnan yhteistyöverkostot – Kristian Vepsäläinen

Uutiskoukku: kuka tekee yhteistyötä kenen kanssa?

Puolue on ilmeisin jakolinja eduskunnassa. Mutta aloitteiden allekirjoitukset paljastavat toisen kartan: kuka on valmis laittamaan nimensä kenenkin aloitteeseen. Se ei aina noudata puoluerajoja.

Näytä koodi

library(tidyverse); library(here); library(qs2); library(scales)
library(igraph); library(ggraph); library(tidygraph)
select <- dplyr::select; filter <- dplyr::filter   # igraph/MASS-maskaus pois
set.seed(20270418)
pal <- c(punainen="#e63946", turkoosi="#2a9d8f", oranssi="#f4a261",
         laivasto="#1d3557", sininen="#457b9d")
# Yhteisövärit: tarpeeksi sävyjä, generoidaan paletista (ei "insufficient values")
yhteiso_varit <- function(n) grDevices::colorRampPalette(unname(pal))(n)
theme_set(theme_minimal(base_size = 13) + theme(plot.title = element_text(face="bold")))

DATA <- here("data", "eduskunta")
init <- qs2::qd_read(file.path(DATA, "vaski_init.qs"))
mp   <- qs2::qs_read(file.path(DATA, "mp.qs"))

KAUSI_ALKU <- 2023L   # rajaus yhteen vaalikauteen -> luettava verkosto
KYNNYS     <- 5L      # säilytä vain parit, jotka esiintyvät vähintään näin usein
MAX_ALLEK  <- 20L     # massa-aloitteet pois: ne ovat ryhmäkuria, eivät yhteistyötä

Verkoston rakentaminen

Yhteistyön yksikkö on yhteinen allekirjoitus: kaksi edustajaa yhdistyy, kun he allekirjoittavat saman aloitteen. Kolme tietoista rajausta pitävät verkoston luettavana ja mittaavat aitoa yhteistyötä, eivät rakenteellisia artefakteja:

Yksi vaalikausi (2023–2027): ~200 edustajaa tuhansien sijaan, jolloin rakenne erottuu eikä hukkaannu “hairballiin”.
Massa-aloitteet pois (yli 20 allekirjoittajaa): kymmenien nimien aloitteet ovat ryhmäkuria, ja ne loisivat keinotekoisia klikkejä.
Kynnys yhteyksille: säilytämme vain parit, jotka toistuvat — satunnainen yksi yhteinen aloite ei ole yhteistyötä.

Näytä koodi

allek <- init |> filter(tyyppi %in% c("LA","TPA"), vpvuosi >= KAUSI_ALKU) |>
  select(id, allekirjoittajat) |>
  mutate(n_allek = map_int(allekirjoittajat, length)) |>
  filter(n_allek >= 2, n_allek <= MAX_ALLEK) |>
  select(id, allekirjoittajat) |> unnest(allekirjoittajat) |>
  filter(!is.na(allekirjoittajat)) |> rename(henkilo_nro = allekirjoittajat)
stopifnot("Allekirjoituksia ei löytynyt kaudelta" = nrow(allek) > 100)

# Parit per aloite -> painotetut reunat
parit <- allek |> group_by(id) |>
  summarise(p = list(as_tibble(t(combn(sort(unique(henkilo_nro)), 2))) |>
                       set_names(c("a","b"))), .groups = "drop") |>
  unnest(p)
reunat <- parit |> count(a, b, name = "paino") |> filter(paino >= KYNNYS)
stopifnot("Kynnyksen jälkeen ei reunoja — laske KYNNYS" = nrow(reunat) > 0)

# Vain solmut, joilla jää reuna; puolue väritietona
kaytetyt <- unique(c(reunat$a, reunat$b))
solmut <- tibble(henkilo_nro = kaytetyt) |>
  left_join(mp |> select(henkilo_nro, nimi, ryhma_nyt), by = "henkilo_nro") |>
#korjataan kaksi nimiea oikeisiin puolueisiin
  mutate(ryhma_nyt = case_when(henkilo_nro == 1387 ~ 'Vihreä eduskuntaryhmä',
                               henkilo_nro == 1400 ~ 'Vasemmistoliiton eduskuntaryhmä',
                               T ~ ryhma_nyt))

g <- tbl_graph(nodes = solmut, edges = reunat |> rename(from = a, to = b),
               directed = FALSE) |>
  activate(nodes) |>
  mutate(yhteiso = as.factor(group_louvain(weights = paino)),
         aste = centrality_degree(weights = paino))

Verkosto ja yhteisöt

Etsimme tiiviit ryhmittymät yhteisödetektiolla (Louvain) ja väritämme solmut yhteisön mukaan — se on tarina. Puolue jää lisätiedoksi seuraavaan kuvaan. Käytämme painotettua Kamada–Kawai-asettelua, joka erottelee ryppäät paremmin kuin tiheälle verkolle tukkoinen voimasuunnattu asettelu.

Näytä koodi

n_yht <- nlevels(pull(g, yhteiso) )
ggraph(g, layout = "kk", weights = paino) +
  geom_edge_link(aes(width = paino), alpha = .10, color = "grey55") +
  geom_node_point(aes(color = yhteiso, size = aste)) +
  scale_edge_width(range = c(.1, 1.5), guide = "none") +
  scale_size(range = c(1.5, 8), guide = "none") +
  scale_color_manual(values = yhteiso_varit(n_yht), guide = "none") +
  labs(title = "Eduskunnan allekirjoitusverkosto (2023–2027)",
       subtitle = "Väri = tiivis yhteistyöryhmä (Louvain), koko = kytkeytyneisyys") +
  theme_graph()

Näytä koodi

# Sama verkosto, väri puolueen mukaan — vertaa: noudattavatko yhteisöt puoluerajoja?
n_pue <- n_distinct(pull(g, ryhma_nyt))
ggraph(g, layout = "kk", weights = paino) +
  geom_edge_link(alpha = .08, color = "grey60") +
  geom_node_point(aes(color = ryhma_nyt, size = aste)) +
  scale_size(range = c(1.5, 8), guide = "none") +
  scale_color_manual(values = yhteiso_varit(n_pue), na.value = "grey70") +
  labs(title = "Sama verkosto puolueväreillä",
       subtitle = "Jos yhteisöt eivät seuraa värejä, yhteistyö ylittää puoluerajat",
       color = NULL) +
  theme_graph()

Kuinka puoluerajaista yhteistyö on? Nollamalli

Onko puoluerajat ylittäviä yhteyksiä enemmän vai vähemmän kuin sattumalta odottaisi? Vertaamme havaittua osuutta permutaatio-nollamalliin, jossa puolueleimat sekoitetaan satunnaisesti.

Näytä koodi

e <- reunat |>
  left_join(mp |> select(henkilo_nro, ra = ryhma_nyt), by = c("a"="henkilo_nro")) |>
  left_join(mp |> select(henkilo_nro, rb = ryhma_nyt), by = c("b"="henkilo_nro")) |>
  filter(!is.na(ra), !is.na(rb))
havaittu <- mean(e$ra != e$rb)

puolueet <- mp |> filter(henkilo_nro %in% c(e$a, e$b)) |> distinct(henkilo_nro, ryhma_nyt)
perm <- replicate(1000, {
  sek <- puolueet |> mutate(r = sample(ryhma_nyt))
  e2 <- e |> left_join(sek |> select(henkilo_nro, ra2 = r), by = c("a"="henkilo_nro")) |>
    left_join(sek |> select(henkilo_nro, rb2 = r), by = c("b"="henkilo_nro"))
  mean(e2$ra2 != e2$rb2)
})
tibble(havaittu_ylitys = round(havaittu,3),
       nollamalli_ka = round(mean(perm),3),
       p = round(mean(perm <= havaittu),3),
       tulkinta = if_else(havaittu < mean(perm),
                          "Vähemmän puoluerajan ylityksiä kuin sattumalta (yhteistyö puolueen sisäistä)",
                          "Enemmän puoluerajan ylityksiä kuin sattumalta"))

# A tibble: 1 × 4
  havaittu_ylitys nollamalli_ka     p tulkinta                                  
            <dbl>         <dbl> <dbl> <chr>                                     
1           0.135         0.797     0 Vähemmän puoluerajan ylityksiä kuin sattu…

Miksi nollamalli?

Pelkkä puoluerajan ylittävien yhteyksien osuus ei kerro mitään ilman vertailukohtaa — se riippuu puolueiden koosta ja aloitteiden määrästä. Permutaatio-nollamalli antaa sen, mitä sattumalta odottaisi, jolloin havaittu luku saa merkityksen.

Mitä tämä tarkoittaa päättäjälle

Yhteistyö on verkosto, ei puoluelista. Allekirjoitukset paljastavat rakenteen, jota puoluejako ei näytä — mutta vasta oikein rajattuna.
Rajaus on osa analyysia. Massa-aloitteet ja koko historia tuottaisivat tukkoisen möykyn; yksi kausi ja kynnys tekevät rakenteen näkyväksi.
Verkkomittari vaatii nollamallin. Ilman satunnaisvertailua “30 % ylittää puoluerajan” on luku ilman merkitystä.

Tehdäänkö teidän datallenne sama?

Verkostoanalyysi ja yhteisödetektio — asiakkaista, toimijoista tai riskeistä — oikein rajattuna ja nollamallilla validoituna. kristianvepsalainen.com

Datalähde: Eduskunnan avoin data, VaskiData (CC BY 4.0).

--- title: "Kuka allekirjoittaa kenen aloitteen? Eduskunnan yhteistyöverkostot" subtitle: "Eduskunta jakaumana, osa 11: allekirjoitusverkosto" description: > Lakialoitteilla on usein useita allekirjoittajia. Kun katsomme, ketkä allekirjoittavat toistensa aloitteita yhden vaalikauden aikana, syntyy verkosto, joka paljastaa puoluerajat ylittävän yhteistyön ja tiiviit ryhmittymät. date: 2026-09-10 author: "Kristian Vepsäläinen" categories: [eduskunta, avoin data, verkostoanalyysi, igraph] format: html: toc: true toc-title: "Sisällys" code-fold: true code-summary: "Näytä koodi" execute: { warning: false, message: false, echo: true } --- ## Uutiskoukku: kuka tekee yhteistyötä kenen kanssa? Puolue on ilmeisin jakolinja eduskunnassa. Mutta aloitteiden allekirjoitukset paljastavat toisen kartan: kuka on valmis laittamaan nimensä kenenkin aloitteeseen. Se ei aina noudata puoluerajoja. ```{r setup} #| cache: false library(tidyverse); library(here); library(qs2); library(scales) library(igraph); library(ggraph); library(tidygraph) select <- dplyr::select; filter <- dplyr::filter # igraph/MASS-maskaus pois set.seed(20270418) pal <- c(punainen="#e63946", turkoosi="#2a9d8f", oranssi="#f4a261", laivasto="#1d3557", sininen="#457b9d") # Yhteisövärit: tarpeeksi sävyjä, generoidaan paletista (ei "insufficient values") yhteiso_varit <- function(n) grDevices::colorRampPalette(unname(pal))(n) theme_set(theme_minimal(base_size = 13) + theme(plot.title = element_text(face="bold"))) DATA <- here("data", "eduskunta") init <- qs2::qd_read(file.path(DATA, "vaski_init.qs")) mp <- qs2::qs_read(file.path(DATA, "mp.qs")) KAUSI_ALKU <- 2023L # rajaus yhteen vaalikauteen -> luettava verkosto KYNNYS <- 5L # säilytä vain parit, jotka esiintyvät vähintään näin usein MAX_ALLEK <- 20L # massa-aloitteet pois: ne ovat ryhmäkuria, eivät yhteistyötä ``` ## Verkoston rakentaminen Yhteistyön yksikkö on **yhteinen allekirjoitus**: kaksi edustajaa yhdistyy, kun he allekirjoittavat saman aloitteen. Kolme tietoista rajausta pitävät verkoston luettavana ja mittaavat aitoa yhteistyötä, eivät rakenteellisia artefakteja: - **Yksi vaalikausi** (2023–2027): ~200 edustajaa tuhansien sijaan, jolloin rakenne erottuu eikä hukkaannu "hairballiin". - **Massa-aloitteet pois** (yli `r 20` allekirjoittajaa): kymmenien nimien aloitteet ovat ryhmäkuria, ja ne loisivat keinotekoisia klikkejä. - **Kynnys yhteyksille**: säilytämme vain parit, jotka toistuvat — satunnainen yksi yhteinen aloite ei ole yhteistyötä. ```{r verkosto} allek <- init |> filter(tyyppi %in% c("LA","TPA"), vpvuosi >= KAUSI_ALKU) |> select(id, allekirjoittajat) |> mutate(n_allek = map_int(allekirjoittajat, length)) |> filter(n_allek >= 2, n_allek <= MAX_ALLEK) |> select(id, allekirjoittajat) |> unnest(allekirjoittajat) |> filter(!is.na(allekirjoittajat)) |> rename(henkilo_nro = allekirjoittajat) stopifnot("Allekirjoituksia ei löytynyt kaudelta" = nrow(allek) > 100) # Parit per aloite -> painotetut reunat parit <- allek |> group_by(id) |> summarise(p = list(as_tibble(t(combn(sort(unique(henkilo_nro)), 2))) |> set_names(c("a","b"))), .groups = "drop") |> unnest(p) reunat <- parit |> count(a, b, name = "paino") |> filter(paino >= KYNNYS) stopifnot("Kynnyksen jälkeen ei reunoja — laske KYNNYS" = nrow(reunat) > 0) # Vain solmut, joilla jää reuna; puolue väritietona kaytetyt <- unique(c(reunat$a, reunat$b)) solmut <- tibble(henkilo_nro = kaytetyt) |> left_join(mp |> select(henkilo_nro, nimi, ryhma_nyt), by = "henkilo_nro") |> #korjataan kaksi nimiea oikeisiin puolueisiin mutate(ryhma_nyt = case_when(henkilo_nro == 1387 ~ 'Vihreä eduskuntaryhmä', henkilo_nro == 1400 ~ 'Vasemmistoliiton eduskuntaryhmä', T ~ ryhma_nyt)) g <- tbl_graph(nodes = solmut, edges = reunat |> rename(from = a, to = b), directed = FALSE) |> activate(nodes) |> mutate(yhteiso = as.factor(group_louvain(weights = paino)), aste = centrality_degree(weights = paino)) ``` ## Verkosto ja yhteisöt Etsimme tiiviit ryhmittymät **yhteisödetektiolla** (Louvain) ja väritämme solmut yhteisön mukaan — se on tarina. Puolue jää lisätiedoksi seuraavaan kuvaan. Käytämme painotettua Kamada–Kawai-asettelua, joka erottelee ryppäät paremmin kuin tiheälle verkolle tukkoinen voimasuunnattu asettelu. ```{r yhteisot} n_yht <- nlevels(pull(g, yhteiso) ) ggraph(g, layout = "kk", weights = paino) + geom_edge_link(aes(width = paino), alpha = .10, color = "grey55") + geom_node_point(aes(color = yhteiso, size = aste)) + scale_edge_width(range = c(.1, 1.5), guide = "none") + scale_size(range = c(1.5, 8), guide = "none") + scale_color_manual(values = yhteiso_varit(n_yht), guide = "none") + labs(title = "Eduskunnan allekirjoitusverkosto (2023–2027)", subtitle = "Väri = tiivis yhteistyöryhmä (Louvain), koko = kytkeytyneisyys") + theme_graph() ``` ```{r puolueet} # Sama verkosto, väri puolueen mukaan — vertaa: noudattavatko yhteisöt puoluerajoja? n_pue <- n_distinct(pull(g, ryhma_nyt)) ggraph(g, layout = "kk", weights = paino) + geom_edge_link(alpha = .08, color = "grey60") + geom_node_point(aes(color = ryhma_nyt, size = aste)) + scale_size(range = c(1.5, 8), guide = "none") + scale_color_manual(values = yhteiso_varit(n_pue), na.value = "grey70") + labs(title = "Sama verkosto puolueväreillä", subtitle = "Jos yhteisöt eivät seuraa värejä, yhteistyö ylittää puoluerajat", color = NULL) + theme_graph() ``` ## Kuinka puoluerajaista yhteistyö on? Nollamalli Onko puoluerajat ylittäviä yhteyksiä **enemmän vai vähemmän** kuin sattumalta odottaisi? Vertaamme havaittua osuutta permutaatio-nollamalliin, jossa puolueleimat sekoitetaan satunnaisesti. ```{r nollamalli} e <- reunat |> left_join(mp |> select(henkilo_nro, ra = ryhma_nyt), by = c("a"="henkilo_nro")) |> left_join(mp |> select(henkilo_nro, rb = ryhma_nyt), by = c("b"="henkilo_nro")) |> filter(!is.na(ra), !is.na(rb)) havaittu <- mean(e$ra != e$rb) puolueet <- mp |> filter(henkilo_nro %in% c(e$a, e$b)) |> distinct(henkilo_nro, ryhma_nyt) perm <- replicate(1000, { sek <- puolueet |> mutate(r = sample(ryhma_nyt)) e2 <- e |> left_join(sek |> select(henkilo_nro, ra2 = r), by = c("a"="henkilo_nro")) |> left_join(sek |> select(henkilo_nro, rb2 = r), by = c("b"="henkilo_nro")) mean(e2$ra2 != e2$rb2) }) tibble(havaittu_ylitys = round(havaittu,3), nollamalli_ka = round(mean(perm),3), p = round(mean(perm <= havaittu),3), tulkinta = if_else(havaittu < mean(perm), "Vähemmän puoluerajan ylityksiä kuin sattumalta (yhteistyö puolueen sisäistä)", "Enemmän puoluerajan ylityksiä kuin sattumalta")) ``` ::: {.callout-note title="Miksi nollamalli?"} Pelkkä puoluerajan ylittävien yhteyksien osuus ei kerro mitään ilman vertailukohtaa — se riippuu puolueiden koosta ja aloitteiden määrästä. Permutaatio-nollamalli antaa sen, mitä *sattumalta* odottaisi, jolloin havaittu luku saa merkityksen. ::: ## Mitä tämä tarkoittaa päättäjälle - **Yhteistyö on verkosto, ei puoluelista.** Allekirjoitukset paljastavat rakenteen, jota puoluejako ei näytä — mutta vasta oikein rajattuna. - **Rajaus on osa analyysia.** Massa-aloitteet ja koko historia tuottaisivat tukkoisen möykyn; yksi kausi ja kynnys tekevät rakenteen näkyväksi. - **Verkkomittari vaatii nollamallin.** Ilman satunnaisvertailua "30 % ylittää puoluerajan" on luku ilman merkitystä. --- ::: {.callout-tip title="Tehdäänkö teidän datallenne sama?"} Verkostoanalyysi ja yhteisödetektio — asiakkaista, toimijoista tai riskeistä — oikein rajattuna ja nollamallilla validoituna. **kristianvepsalainen.com** ::: *Datalähde: Eduskunnan avoin data, VaskiData (CC BY 4.0).*