Eduskunnan hiljaiset – Kristian Vepsäläinen

Uutiskoukku: hiljainen kansanedustaja

Osassa 3 näimme, että puheaika keskittyy voimakkaasti. Toinen puoli samasta jakaumasta on kiinnostavampi: hiljainen häntä. Ketkä vaikenevat — ja tarkoittaako vaikeneminen passiivisuutta?

Näytä koodi

library(tidyverse); library(here); library(qs2); library(ggdist); library(scales); library(brms)
select <- dplyr::select; filter <- dplyr::filter
set.seed(20270418)
pal <- c(punainen="#e63946", turkoosi="#2a9d8f", oranssi="#f4a261",
         laivasto="#1d3557", sininen="#457b9d")
theme_set(theme_minimal(base_size = 13) +
  theme(plot.title = element_text(face="bold"), panel.grid.minor = element_blank()))
DATA <- here("data", "eduskunta")
paneeli <- qs2::qs_read(file.path(DATA, "paneeli.qs"))

Kuka on “hiljainen”?

Määrittely on tehtävä ennen analyysiä, ei sen jälkeen. Käytämme suhteellista rajaa: hiljaisia ovat ne edustajavuodet, jotka jäävät alimpaan neljännekseen kyseisenä vuonna. Näin määritelmä ei riipu siitä, oliko istuntovuosi vilkas vai hiljainen.

Näytä koodi

d <- paneeli |> group_by(vuosi) |>
  mutate(kvartiili = ntile(n_puheita, 4), hiljainen = as.integer(kvartiili == 1)) |>
  ungroup() |> filter(!is.na(ika), !is.na(sukupuoli))
stopifnot("Hiljaisia ei löydy" = mean(d$hiljainen) > 0.1)
mean(d$hiljainen)

[1] 0.25119

Ennustemalli: mikä ennustaa vaikenemista?

Käytämme bayeslaista logistista regressiota. Se antaa kunkin taustatekijän vaikutuksen todennäköisyytenä, uskottavuusvälein — ei pelkkänä tähtimerkkinä.

Näytä koodi

fit_path <- file.path(DATA, "osa5_logit.qs")
if (!file.exists(fit_path)) {
  m <- brm(hiljainen ~ sukupuoli + ika + (1 | vuosi),
           family = bernoulli(), data = d,
           chains = 4, iter = 2000, cores = 4, refresh = 0)
  qs2::qs_save(m, fit_path)
}
m <- qs2::qs_read(fit_path)
summary(m)

 Family: bernoulli 
  Links: mu = logit 
Formula: hiljainen ~ sukupuoli + ika + (1 | vuosi) 
   Data: d (Number of observations: 2731) 
  Draws: 4 chains, each with iter = 2000; warmup = 1000; thin = 1;
         total post-warmup draws = 4000

Multilevel Hyperparameters:
~vuosi (Number of levels: 12) 
              Estimate Est.Error l-95% CI u-95% CI Rhat Bulk_ESS Tail_ESS
sd(Intercept)     0.04      0.03     0.00     0.13 1.00     2619     1980

Regression Coefficients:
                Estimate Est.Error l-95% CI u-95% CI Rhat Bulk_ESS Tail_ESS
Intercept          -2.23      0.22    -2.67    -1.81 1.00     5666     3257
sukupuoliNainen     0.06      0.09    -0.12     0.24 1.00     5396     2902
ika                 0.02      0.00     0.01     0.03 1.00     5997     3238

Draws were sampled using sampling(NUTS). For each parameter, Bulk_ESS
and Tail_ESS are effective sample size measures, and Rhat is the potential
scale reduction factor on split chains (at convergence, Rhat = 1).

Näytä koodi

# Ennustettu vaikenemisen todennäköisyys iän ja sukupuolen mukaan
nd <- expand_grid(sukupuoli = unique(d$sukupuoli), ika = seq(30, 75, 5))
pe <- posterior_epred(m, newdata = nd, re_formula = NA)
pred <- nd |> mutate(
  keski = colMeans(pe),
  lo = apply(pe, 2, quantile, .025), hi = apply(pe, 2, quantile, .975))

ggplot(pred, aes(ika, keski, color = sukupuoli, fill = sukupuoli)) +
  geom_ribbon(aes(ymin = lo, ymax = hi), alpha = .2, color = NA) +
  geom_line(linewidth = 1) +
  scale_y_continuous(labels = label_percent()) +
  scale_color_manual(values = unname(pal[c(5,1)])) +
  scale_fill_manual(values = unname(pal[c(5,1)])) +
  labs(title = "Kuka vaikenee? Ennustettu todennäköisyys uskottavuusvälein",
       x = "Ikä", y = "P(kuuluu hiljaisimpaan neljännekseen)", color = NULL, fill = NULL)

Tärkein käänne: hiljaisuus ≠ passiivisuus

Täysistuntopuhe on vain yksi vaikuttamisen kanava. Kansanedustaja voi tehdä kirjallisia kysymyksiä ja aloitteita puhumatta salissa sanaakaan. Ennen kuin kutsumme ketään passiiviseksi, katsotaan koko aktiivisuusprofiili.

Näytä koodi

# !! LAAJENNUS: VaskiData sisältää kirjalliset kysymykset ja aloitteet.
# Lisää data-prepiin haku ja liitä tähän henkilo_nro:lla.

filepath <- file.path(DATA, "aktiivisuus.qs")
if(!file.exists(filepath)){
  # ---------- Kirjalliset kysymykset & aloitteet (VaskiData) ----------
vaski_raw <- cache("vaski_raw", hae_taulu("VaskiData"))

relevantit <- vaski_raw |>
  mutate(tyyppi = str_extract(Eduskuntatunnus, "^[A-Za-zÄÖ]+")) |>
  filter(tyyppi %in% c("KK", "TPA", "LA", "TAA"))
stopifnot("Relevantteja asiakirjoja ei löytynyt" = nrow(relevantit) > 1000)

poimi_tekija <- function(xml_str) {
  doc <- tryCatch(read_xml(xml_str), error = function(e) return(NULL))
  if (is.null(doc)) return(tibble(tekija = NA_character_, vpvuosi = NA_integer_))
  ln <- function(x) paste0(".//*[local-name()='", x, "']")
  ident <- xml_find_first(doc, ln("RakenneAsiakirja"))
  h <- xml_find_first(ident, paste0(ln("IdentifiointiOsa"), "//*[local-name()='Henkilo']"))
  tibble(
    tekija  = xml_attr(h, "muuTunnus"),
    vpvuosi = suppressWarnings(as.integer(xml_text(
      xml_find_first(doc, paste0(ln("RakenneAsiakirja"), "//*[local-name()='ValtiopaivavuosiTeksti']")))))
  )
}

aktiivisuus <- relevantit |>
  mutate(tiedot = map(XmlData, poimi_tekija)) |>
  unnest(tiedot) |>
  filter(!is.na(tekija)) |>
  transmute(henkilo_nro = tekija,
            vuosi = coalesce(vpvuosi, as.integer(str_extract(Eduskuntatunnus, "\\d{4}"))),
            tyyppi) |>
  filter(!is.na(vuosi)) |>
  count(henkilo_nro, vuosi, tyyppi) |>
  pivot_wider(names_from = tyyppi, values_from = n, values_fill = 0) |>
  rename(n_kysymykset = any_of("KK")) |>
  mutate(n_aloitteet = rowSums(across(any_of(c("TPA","LA","TAA")))))

# Linkitystarkistus: osuuko tekijätunnus MP-dataan?
osuvuus <- mean(aktiivisuus$henkilo_nro %in% mp$henkilo_nro)
stopifnot("Tekijätunnus ei linkity MP-dataan — muuTunnus ei olekaan henkilo_nro" = osuvuus > 0.8)
message("Aktiivisuus linkittyy MP-dataan: ", scales::percent(osuvuus))

qs2::qd_save(aktiivisuus, file.path(DATA, "aktiivisuus.qs"))
}

akt <- qs2::qd_read(filepath)   # henkilo_nro, vuosi, n_kysymykset, n_aloitteet

prof <- d |> left_join(akt, by = c("henkilo_nro","vuosi")) |>
  mutate(across(c(n_kysymykset, n_aloitteet), \(x) replace_na(x, 0)))

# Testataan: ovatko salissa hiljaiset myös kirjallisesti hiljaisia?
wt <- wilcox.test(n_kysymykset ~ hiljainen, data = prof)
r_rb <- 1 - 2*unname(wt$statistic) /
  (sum(prof$hiljainen==0) * sum(prof$hiljainen==1))

ggplot(prof, aes(x = n_kysymykset, y = factor(hiljainen, labels = c("Puhuu","Hiljainen")))) +
  stat_halfeye(fill = pal[["oranssi"]]) +
  labs(title = "Vaikenevatko hiljaiset myös kirjallisesti?",
       subtitle = "Jos jakaumat menevät päällekkäin, hiljaisuus ei ole passiivisuutta",
       x = "Kirjallisia kysymyksiä vuodessa", y = NULL)

Testin valinta

Vertaamme kahta ryhmää vinolla lukumäärämuuttujalla, joten käytämme jakaumavapaata Wilcoxonin rank-sum -testiä ja raportoimme efektikoon (rank-biserial), emme pelkkää p-arvoa. Efektikoko kertoo, onko ero merkittävä, ei vain merkitsevä.

Mitä tämä tarkoittaa päättäjälle

Vaikeneminen on ennustettavissa taustatekijöistä — mutta vaikutukset kannattaa lukea uskottavuusvälein, ei tähtinä.
Yksi mittari ei riitä. Jos arvioisimme edustajia pelkällä puheenvuorolaskurilla, tekisimme juuri sen virheen, jota vastaan tämä sarja varoittaa: yksi pistearvo yhdestä kanavasta.

Tehdäänkö teidän datallenne sama?

Monilähteinen aktiivisuusprofiili yksittäisen KPI:n sijaan — kristianvepsalainen.com

Datalähde: Eduskunnan avoin data (CC BY 4.0).

--- title: "Eduskunnan hiljaiset" subtitle: "Eduskunta jakaumana, osa 5: keitä ovat ne, jotka eivät puhu?" description: > Osa kansanedustajista ei juuri käytä täysistuntopuheenvuoroja. Ketkä he ovat — ja ovatko he oikeasti passiivisia? Ennustemalli ja monilähdeaineisto antavat yllättävän vastauksen. date: 2026-07-30 author: "Kristian Vepsäläinen" categories: [eduskunta, avoin data, ennustemalli, logistinen regressio] format: html: toc: true toc-title: "Sisällys" code-fold: true code-summary: "Näytä koodi" execute: { warning: false, message: false, echo: true } --- ## Uutiskoukku: hiljainen kansanedustaja Osassa 3 näimme, että puheaika keskittyy voimakkaasti. Toinen puoli samasta jakaumasta on kiinnostavampi: **hiljainen häntä**. Ketkä vaikenevat — ja tarkoittaako vaikeneminen passiivisuutta? ```{r setup} #| cache: false library(tidyverse); library(here); library(qs2); library(ggdist); library(scales); library(brms) select <- dplyr::select; filter <- dplyr::filter set.seed(20270418) pal <- c(punainen="#e63946", turkoosi="#2a9d8f", oranssi="#f4a261", laivasto="#1d3557", sininen="#457b9d") theme_set(theme_minimal(base_size = 13) + theme(plot.title = element_text(face="bold"), panel.grid.minor = element_blank())) DATA <- here("data", "eduskunta") paneeli <- qs2::qs_read(file.path(DATA, "paneeli.qs")) ``` ## Kuka on "hiljainen"? Määrittely on tehtävä ennen analyysiä, ei sen jälkeen. Käytämme suhteellista rajaa: hiljaisia ovat ne edustajavuodet, jotka jäävät **alimpaan neljännekseen** kyseisenä vuonna. Näin määritelmä ei riipu siitä, oliko istuntovuosi vilkas vai hiljainen. ```{r maarittely} d <- paneeli |> group_by(vuosi) |> mutate(kvartiili = ntile(n_puheita, 4), hiljainen = as.integer(kvartiili == 1)) |> ungroup() |> filter(!is.na(ika), !is.na(sukupuoli)) stopifnot("Hiljaisia ei löydy" = mean(d$hiljainen) > 0.1) mean(d$hiljainen) ``` ## Ennustemalli: mikä ennustaa vaikenemista? Käytämme **bayeslaista logistista regressiota**. Se antaa kunkin taustatekijän vaikutuksen todennäköisyytenä, uskottavuusvälein — ei pelkkänä tähtimerkkinä. ```{r malli} #| cache: false fit_path <- file.path(DATA, "osa5_logit.qs") if (!file.exists(fit_path)) { m <- brm(hiljainen ~ sukupuoli + ika + (1 | vuosi), family = bernoulli(), data = d, chains = 4, iter = 2000, cores = 4, refresh = 0) qs2::qs_save(m, fit_path) } m <- qs2::qs_read(fit_path) summary(m) ``` ```{r efektit} # Ennustettu vaikenemisen todennäköisyys iän ja sukupuolen mukaan nd <- expand_grid(sukupuoli = unique(d$sukupuoli), ika = seq(30, 75, 5)) pe <- posterior_epred(m, newdata = nd, re_formula = NA) pred <- nd |> mutate( keski = colMeans(pe), lo = apply(pe, 2, quantile, .025), hi = apply(pe, 2, quantile, .975)) ggplot(pred, aes(ika, keski, color = sukupuoli, fill = sukupuoli)) + geom_ribbon(aes(ymin = lo, ymax = hi), alpha = .2, color = NA) + geom_line(linewidth = 1) + scale_y_continuous(labels = label_percent()) + scale_color_manual(values = unname(pal[c(5,1)])) + scale_fill_manual(values = unname(pal[c(5,1)])) + labs(title = "Kuka vaikenee? Ennustettu todennäköisyys uskottavuusvälein", x = "Ikä", y = "P(kuuluu hiljaisimpaan neljännekseen)", color = NULL, fill = NULL) ``` ## Tärkein käänne: hiljaisuus ≠ passiivisuus Täysistuntopuhe on vain yksi vaikuttamisen kanava. Kansanedustaja voi tehdä **kirjallisia kysymyksiä** ja **aloitteita** puhumatta salissa sanaakaan. Ennen kuin kutsumme ketään passiiviseksi, katsotaan koko aktiivisuusprofiili. ```{r monilahde} #| eval: false # !! LAAJENNUS: VaskiData sisältää kirjalliset kysymykset ja aloitteet. # Lisää data-prepiin haku ja liitä tähän henkilo_nro:lla. filepath <- file.path(DATA, "aktiivisuus.qs") if(!file.exists(filepath)){ # ---------- Kirjalliset kysymykset & aloitteet (VaskiData) ---------- vaski_raw <- cache("vaski_raw", hae_taulu("VaskiData")) relevantit <- vaski_raw |> mutate(tyyppi = str_extract(Eduskuntatunnus, "^[A-Za-zÄÖ]+")) |> filter(tyyppi %in% c("KK", "TPA", "LA", "TAA")) stopifnot("Relevantteja asiakirjoja ei löytynyt" = nrow(relevantit) > 1000) poimi_tekija <- function(xml_str) { doc <- tryCatch(read_xml(xml_str), error = function(e) return(NULL)) if (is.null(doc)) return(tibble(tekija = NA_character_, vpvuosi = NA_integer_)) ln <- function(x) paste0(".//*[local-name()='", x, "']") ident <- xml_find_first(doc, ln("RakenneAsiakirja")) h <- xml_find_first(ident, paste0(ln("IdentifiointiOsa"), "//*[local-name()='Henkilo']")) tibble( tekija = xml_attr(h, "muuTunnus"), vpvuosi = suppressWarnings(as.integer(xml_text( xml_find_first(doc, paste0(ln("RakenneAsiakirja"), "//*[local-name()='ValtiopaivavuosiTeksti']"))))) ) } aktiivisuus <- relevantit |> mutate(tiedot = map(XmlData, poimi_tekija)) |> unnest(tiedot) |> filter(!is.na(tekija)) |> transmute(henkilo_nro = tekija, vuosi = coalesce(vpvuosi, as.integer(str_extract(Eduskuntatunnus, "\\d{4}"))), tyyppi) |> filter(!is.na(vuosi)) |> count(henkilo_nro, vuosi, tyyppi) |> pivot_wider(names_from = tyyppi, values_from = n, values_fill = 0) |> rename(n_kysymykset = any_of("KK")) |> mutate(n_aloitteet = rowSums(across(any_of(c("TPA","LA","TAA"))))) # Linkitystarkistus: osuuko tekijätunnus MP-dataan? osuvuus <- mean(aktiivisuus$henkilo_nro %in% mp$henkilo_nro) stopifnot("Tekijätunnus ei linkity MP-dataan — muuTunnus ei olekaan henkilo_nro" = osuvuus > 0.8) message("Aktiivisuus linkittyy MP-dataan: ", scales::percent(osuvuus)) qs2::qd_save(aktiivisuus, file.path(DATA, "aktiivisuus.qs")) } akt <- qs2::qd_read(filepath) # henkilo_nro, vuosi, n_kysymykset, n_aloitteet prof <- d |> left_join(akt, by = c("henkilo_nro","vuosi")) |> mutate(across(c(n_kysymykset, n_aloitteet), \(x) replace_na(x, 0))) # Testataan: ovatko salissa hiljaiset myös kirjallisesti hiljaisia? wt <- wilcox.test(n_kysymykset ~ hiljainen, data = prof) r_rb <- 1 - 2*unname(wt$statistic) / (sum(prof$hiljainen==0) * sum(prof$hiljainen==1)) ggplot(prof, aes(x = n_kysymykset, y = factor(hiljainen, labels = c("Puhuu","Hiljainen")))) + stat_halfeye(fill = pal[["oranssi"]]) + labs(title = "Vaikenevatko hiljaiset myös kirjallisesti?", subtitle = "Jos jakaumat menevät päällekkäin, hiljaisuus ei ole passiivisuutta", x = "Kirjallisia kysymyksiä vuodessa", y = NULL) ``` ::: {.callout-note title="Testin valinta"} Vertaamme kahta ryhmää vinolla lukumäärämuuttujalla, joten käytämme jakaumavapaata Wilcoxonin rank-sum -testiä ja raportoimme efektikoon (rank-biserial), emme pelkkää p-arvoa. Efektikoko kertoo, onko ero *merkittävä*, ei vain *merkitsevä*. ::: ## Mitä tämä tarkoittaa päättäjälle - **Vaikeneminen on ennustettavissa** taustatekijöistä — mutta vaikutukset kannattaa lukea uskottavuusvälein, ei tähtinä. - **Yksi mittari ei riitä.** Jos arvioisimme edustajia pelkällä puheenvuorolaskurilla, tekisimme juuri sen virheen, jota vastaan tämä sarja varoittaa: yksi pistearvo yhdestä kanavasta. --- ::: {.callout-tip title="Tehdäänkö teidän datallenne sama?"} Monilähteinen aktiivisuusprofiili yksittäisen KPI:n sijaan — **kristianvepsalainen.com** ::: *Datalähde: Eduskunnan avoin data (CC BY 4.0).*