Mitä lakialoitteille todella tapahtuu? – Kristian Vepsäläinen

Sarjan idea. Tässä osassa tapahtui jotain, mikä on itse sarjan opetus: aioimme rakentaa ennustemallin lakialoitteen läpimenolle, mutta data osoitti, että läpimeno on niin harvinaista, ettei mallia kannata rakentaa. Kun uusi tieto muuttaa kysymyksen, kysymys on vaihdettava — ei väännettävä dataa vastaamaan vanhaan.

Uutiskoukku: kysymys, joka piti vaihtaa

Alkuperäinen kysymys oli houkutteleva: mikä ennustaa, meneekö lakialoite läpi? Mutta kun katsoimme dataa, läpimenneitä oli häviävän vähän — niin vähän, ettei “ennustaminen” ollut mielekästä. Se ei ollut datan puute vaan löydös: valtaosa lakialoitteista ei etene minnekään. Joten oikea kysymys on: mitä niille sitten tapahtuu — ja miksi niitä tehdään?

Näytä koodi

library(tidyverse); library(here); library(qs2); library(ggdist); library(scales); library(patchwork)
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"), plot.subtitle = element_text(color="grey30"),
        panel.grid.minor = element_blank(), legend.position = "top"))

DATA <- here("data", "eduskunta")
init        <- qs2::qd_read(file.path(DATA, "vaski_init.qs"))
tulokset    <- qs2::qd_read(file.path(DATA, "aloite_tulokset.qs"))
mp          <- qs2::qs_read(file.path(DATA, "mp.qs"))
mp_years    <- qs2::qs_read(file.path(DATA, "mp_years.qs"))
ryhma_years <- qs2::qs_read(file.path(DATA, "ryhma_years.qs"))
#vaski_raw   <- qs2::qd_read(file.path(DATA, "vaski_raw.qs")) #Tarvitaan vain omalla koneella la_status-tuotantoon.
vaski_docs  <- qs2::qd_read(file.path(DATA, "vaski_docs.qs"))

Kolme kohtaloa: oma mietintö, maininta, raukeaminen

Lakialoitteella on käytännössä kolme mahdollista jälkeä. Se voi (1) saada oman valiokuntamietinnön (harvinaista), (2) tulla mainituksi jonkin mietinnön käsittelyssä — tyypillisesti hallituksen esityksen rinnalla — tai (3) raueta ilman jälkeä. Rakennamme nämä kolme luokkaa.

Näytä koodi

norm_tunnus <- function(x) str_remove_all(str_to_upper(x), "\\s") |> str_remove("VP$")

status_path <- file.path(DATA, "la_status.qs")
if (!file.exists(status_path)) {
  # Poimi kaikki LA-viittaukset valiokuntamietintöjen KOKO tekstistä
  poimi_la <- function(xml_str) {
    txt <- tryCatch(xml2::xml_text(xml2::read_xml(xml_str)), error = function(e) "")
    unique(norm_tunnus(str_extract_all(txt, "(?i)LA\\s?\\d+/\\d{4}")[[1]]))
  }
  mietinnot <- vaski_docs |> filter(str_detect(tyyppi, "VM$")) |>
    left_join(vaski_raw |> select(Id, XmlData), by = c("id" = "Id"))
  mainitut <- mietinnot$XmlData |> map(poimi_la) |> unlist() |> unique()
  qs2::qd_save(tibble(la_norm = mainitut), status_path)
}
mainitut <- qs2::qd_read(status_path)$la_norm

la <- init |> filter(tyyppi == "LA") |>
  mutate(n_allek = map_int(allekirjoittajat, length),
         tunnus_norm = norm_tunnus(tunnus)) |>
  left_join(tulokset |> select(id, oma_mietinto = eteni), by = "id") |>
  mutate(oma_mietinto = replace_na(as.logical(oma_mietinto), FALSE),
         kohtalo = case_when(
           oma_mietinto                    ~ "Sai oman mietinnön",
           tunnus_norm %in% mainitut       ~ "Mainittu mietinnössä",
           TRUE                            ~ "Rauennut / ei käsitelty") |>
           factor(levels = c("Sai oman mietinnön","Mainittu mietinnössä","Rauennut / ei käsitelty")))
stopifnot("LA-taulu tyhjä" = nrow(la) > 100)

jakauma <- la |> count(kohtalo) |> mutate(osuus = n/sum(n))
jakauma

# A tibble: 3 × 3
  kohtalo                     n  osuus
  <fct>                   <int>  <dbl>
1 Sai oman mietinnön         31 0.0188
2 Mainittu mietinnössä      419 0.254 
3 Rauennut / ei käsitelty  1197 0.727

Jakauma ensin: valtaosa raukeaa

Näytä koodi

ggplot(jakauma, aes(x = osuus, y = fct_rev(kohtalo), fill = kohtalo)) +
  geom_col() +
  geom_text(aes(label = percent(osuus, .1)), hjust = -0.1, size = 3.6) +
  scale_x_continuous(labels = label_percent(), expand = expansion(c(0,.18))) +
  scale_fill_manual(values = unname(pal[c(2,5,1)]), guide = "none") +
  labs(title = "Lakialoitteen kolme kohtaloa",
       subtitle = "Osuus kaikista lakialoitteista", x = NULL, y = NULL)

Tässä on koko postauksen kärki yhtenä kuvana. Jos joku sanoisi “lakialoitteiden läpimenoprosentti on X”, se olisi pistearvo, joka piilottaa olennaisen: valtaosa ei etene lainkaan, ja “läpimeno” omana esityksenä on 1.9% luokkaa. Jakauma kertoo sen, minkä yksi luku kätkisi.

Kuka lakialoitteita tekee?

Jos aloitteet eivät juuri etene, miksi niitä tehdään paljon? Katsotaan tekijöitä. Rakennamme aseman (hallitus/oppositio) jättövuoden mukaan.

Näytä koodi

hallitus <- tribble(
  ~vuosi, ~hallituspuolueet,
  2015,c("Keskusta","Perussuomalaiset","Kokoomus"), 2016,c("Keskusta","Perussuomalaiset","Kokoomus"),
  2017,c("Keskusta","Sininen","Kokoomus"),          2018,c("Keskusta","Sininen","Kokoomus"),
  2019,c("Sosialidemokraattinen","Keskusta","Vihreä","Vasemmisto","Ruotsalainen"),
  2020,c("Sosialidemokraattinen","Keskusta","Vihreä","Vasemmisto","Ruotsalainen"),
  2021,c("Sosialidemokraattinen","Keskusta","Vihreä","Vasemmisto","Ruotsalainen"),
  2022,c("Sosialidemokraattinen","Keskusta","Vihreä","Vasemmisto","Ruotsalainen"),
  2023,c("Kokoomus","Perussuomalaiset","Ruotsalainen","Kristillisdemokraattinen"),
  2024,c("Kokoomus","Perussuomalaiset","Ruotsalainen","Kristillisdemokraattinen"),
  2025,c("Kokoomus","Perussuomalaiset","Ruotsalainen","Kristillisdemokraattinen"))

asema_taulu <- ryhma_years |> left_join(hallitus, by = "vuosi") |>
  mutate(on_hallitus = map2_lgl(ryhma, hallituspuolueet,
    \(r,h) if (is.null(h)) NA else any(str_detect(r, fixed(h, ignore_case = TRUE))))) |>
  filter(!is.na(on_hallitus)) |>
  group_by(tekija = henkilo_nro, vpvuosi = vuosi) |>
  summarise(on_hallitus = mean(on_hallitus) >= 0.5, .groups = "drop") |>
  transmute(tekija, vpvuosi, asema = if_else(on_hallitus, "Hallitus", "Oppositio"))

la_asema <- la |> left_join(asema_taulu, by = c("tekija","vpvuosi")) |> drop_na(asema)

# Volyymi ajassa aseman mukaan
vol <- la_asema |> count(vpvuosi, asema)
ggplot(vol, aes(vpvuosi, n, color = asema)) +
  geom_line(linewidth = 1) + geom_point() +
  scale_color_manual(values = unname(pal[c(4,1)])) +
  labs(title = "Lakialoitteet ovat pääosin opposition väline",
       subtitle = "Lakialoitteiden määrä jättäjän aseman mukaan",
       x = NULL, y = "Lakialoitteita", color = NULL)

Onko lakialoite opposition työkalu? Tilastollinen testi

Testataan suoraan: tekevätkö oppositioedustajat enemmän lakialoitteita kuin hallitusedustajat? Rakennamme edustajavuositason aineiston (myös nollat mukana) ja vertaamme jakaumia. Lukumäärädata on vino, joten käytämme jakaumavapaata Wilcoxonin testiä ja efektikokona rank-biserialia.

Näytä koodi

la_per_hlo <- la |> count(tekija, vpvuosi, name = "n_la")
paneeli <- mp_years |> distinct(henkilo_nro, vuosi) |>
  filter(vuosi >= min(la$vpvuosi, na.rm = TRUE)) |>
  left_join(asema_taulu, by = c("henkilo_nro" = "tekija", "vuosi" = "vpvuosi")) |>
  left_join(la_per_hlo, by = c("henkilo_nro" = "tekija", "vuosi" = "vpvuosi")) |>
  mutate(n_la = replace_na(n_la, 0L)) |> drop_na(asema)

wt <- wilcox.test(n_la ~ asema, data = paneeli)
n_opp <- sum(paneeli$asema == "Oppositio"); n_hal <- sum(paneeli$asema == "Hallitus")
rank_biserial <- 1 - 2 * unname(wt$statistic) / (n_opp * n_hal)
paneeli |> group_by(asema) |>
  summarise(mediaani = median(n_la), keskiarvo = round(mean(n_la),2), n_edustajavuosia = n()) |>
  bind_cols(tibble(p = signif(wt$p.value,3), rank_biserial = round(rank_biserial,3)))

# A tibble: 2 × 6
  asema     mediaani keskiarvo n_edustajavuosia           p rank_biserial
  <chr>        <dbl>     <dbl>            <int>       <dbl>         <dbl>
1 Hallitus         0      0.12              490 0.000000539         0.103
2 Oppositio        0      0.34              697 0.000000539         0.103

Testin valinta

Vertaamme kahta ryhmää vinolla lukumäärämuuttujalla, jossa on paljon nollia, joten keskiarvovertailu (t-testi) olisi harhaanjohtava. Wilcoxon vertaa koko jakaumia, ja rank-biserial kertoo eron suuruuden. Nollat (edustajavuodet ilman yhtään aloitetta) ovat mukana — muuten mittaisimme väärää populaatiota.

Keskittymä: harva tekee monta

Näytä koodi

gini <- function(x){ x <- sort(x); n <- length(x); if (sum(x)==0) return(NA)
  sum((2*seq_len(n)-n-1)*x)/(n*sum(x)) }
per_tekija <- la |> count(tekija, name = "n_la")
lorenz <- per_tekija |> arrange(n_la) |>
  mutate(o_tekijat = row_number()/n(), o_aloitteet = cumsum(n_la)/sum(n_la))

ggplot(lorenz, aes(o_tekijat, o_aloitteet)) +
  geom_abline(linetype = "dashed", color = "grey60") +
  geom_area(fill = pal[["turkoosi"]], alpha = .3) +
  geom_line(color = pal[["turkoosi"]], linewidth = 1) +
  scale_x_continuous(labels = label_percent()) + scale_y_continuous(labels = label_percent()) +
  labs(title = paste0("Lakialoitteiden teko on keskittynyttä (Gini ",
                      round(gini(per_tekija$n_la),2), ")"),
       subtitle = "Lorenz-käyrä: harva edustaja tekee suuren osan aloitteista",
       x = "Osuus tekijöistä", y = "Osuus lakialoitteista")

Mitä tämä tarkoittaa — lakialoite signaalina

Kun yhdistää nämä: valtaosa lakialoitteista raukeaa, ne ovat pääosin opposition tekemiä, ja niiden teko on keskittynyt harvoille. Tästä piirtyy tulkinta, joka on sekä rehellinen että päättäjälle valaiseva: lakialoite toimii useammin poliittisena signaalina kuin väylänä lainsäädäntöön. Se on tapa nostaa aihe esiin, osoittaa kanta ja tuottaa julkinen dokumentti — ei realistinen reitti lakiin, koska lainsäädäntö kulkee lähes aina hallituksen esitysten kautta.

Kuvaus, ei arvostelu

Tämä ei tarkoita, että lakialoitteet olisivat turhia tai tekijänsä epärehellisiä. Signalointi on osa demokraattista prosessia: aihe voi myöhemmin päätyä hallituksen esitykseksi, ja aloite on osa sitä keskustelua. Kuvaamme järjestelmän toimintaa, emme arvota edustajien motiiveja.

Minne ennustaminen kuuluu

Jos haluaa ennustaa lainsäädännön läpimenoa, oikea kohde ei ole lakialoite vaan hallituksen esitys (HE): ne etenevät, niistä äänestetään, ja niissä on todellista vaihtelua. Se on luonteva seuraava askel — ja siihen liittyy henkilötason äänestysdata, jota käsittelemme myöhemmin.

Uutiskoukku takaisin

Kannattaako lakialoitetta tehdä? Jos mittarina on laiksi tuleminen, vastaus on lähes aina ei. Mutta se ei ole koko tarina — aloite on signaali, ja signaloinnilla on oma arvonsa. Tärkeintä on, ettei “läpimenoprosentti” yhtenä lukuna piilota tätä todellisuutta.

Tehdäänkö teidän datallenne sama?

Kun oletettu mittari osoittautuu vääräksi, oikean kysymyksen löytäminen on puolet työstä. Rakennan analytiikkaa, joka kertoo mitä data oikeasti tukee — ei mitä haluttaisiin sen sanovan. kristianvepsalainen.com

Kiitos lukijalle kommenteista, jotka terävöittivät tätä osaa. Datalähde: Eduskunnan avoin data, VaskiData (CC BY 4.0). Hallituskokoonpanot koodattu käsin.

--- title: "Mitä lakialoitteille todella tapahtuu?" subtitle: "Eduskunta jakaumana, osa 9: aloitteen kohtalo" description: > Lähdimme ennustamaan, mikä saa lakialoitteen läpi. Data pakotti vaihtamaan kysymyksen: lähes yksikään ei etene omana esityksenään. Tämä osa kertoo, mitä lakialoitteille oikeasti tapahtuu — ja miksi ne ovat useammin signaali kuin väylä lakiin. date: 2026-08-27 author: "Kristian Vepsäläinen" categories: [eduskunta, avoin data, jakaumat, lakialoitteet] format: html: toc: true toc-title: "Sisällys" code-fold: true code-summary: "Näytä koodi" execute: { warning: false, message: false, echo: true } --- > **Sarjan idea.** Tässä osassa tapahtui jotain, mikä on itse sarjan opetus: > aioimme rakentaa ennustemallin lakialoitteen läpimenolle, mutta data osoitti, > että läpimeno on niin harvinaista, ettei mallia kannata rakentaa. Kun uusi tieto > muuttaa kysymyksen, kysymys on vaihdettava — ei väännettävä dataa vastaamaan > vanhaan. ## Uutiskoukku: kysymys, joka piti vaihtaa Alkuperäinen kysymys oli houkutteleva: *mikä ennustaa, meneekö lakialoite läpi?* Mutta kun katsoimme dataa, läpimenneitä oli häviävän vähän — niin vähän, ettei "ennustaminen" ollut mielekästä. Se ei ollut datan puute vaan **löydös**: valtaosa lakialoitteista ei etene minnekään. Joten oikea kysymys on: *mitä niille sitten tapahtuu — ja miksi niitä tehdään?* ```{r setup} #| cache: false library(tidyverse); library(here); library(qs2); library(ggdist); library(scales); library(patchwork) 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"), plot.subtitle = element_text(color="grey30"), panel.grid.minor = element_blank(), legend.position = "top")) DATA <- here("data", "eduskunta") init <- qs2::qd_read(file.path(DATA, "vaski_init.qs")) tulokset <- qs2::qd_read(file.path(DATA, "aloite_tulokset.qs")) mp <- qs2::qs_read(file.path(DATA, "mp.qs")) mp_years <- qs2::qs_read(file.path(DATA, "mp_years.qs")) ryhma_years <- qs2::qs_read(file.path(DATA, "ryhma_years.qs")) #vaski_raw <- qs2::qd_read(file.path(DATA, "vaski_raw.qs")) #Tarvitaan vain omalla koneella la_status-tuotantoon. vaski_docs <- qs2::qd_read(file.path(DATA, "vaski_docs.qs")) ``` ## Kolme kohtaloa: oma mietintö, maininta, raukeaminen Lakialoitteella on käytännössä kolme mahdollista jälkeä. Se voi (1) saada **oman valiokuntamietinnön** (harvinaista), (2) tulla **mainituksi** jonkin mietinnön käsittelyssä — tyypillisesti hallituksen esityksen rinnalla — tai (3) **raueta** ilman jälkeä. Rakennamme nämä kolme luokkaa. ```{r kohtalot} #| cache: false norm_tunnus <- function(x) str_remove_all(str_to_upper(x), "\\s") |> str_remove("VP$") status_path <- file.path(DATA, "la_status.qs") if (!file.exists(status_path)) { # Poimi kaikki LA-viittaukset valiokuntamietintöjen KOKO tekstistä poimi_la <- function(xml_str) { txt <- tryCatch(xml2::xml_text(xml2::read_xml(xml_str)), error = function(e) "") unique(norm_tunnus(str_extract_all(txt, "(?i)LA\\s?\\d+/\\d{4}")[[1]])) } mietinnot <- vaski_docs |> filter(str_detect(tyyppi, "VM$")) |> left_join(vaski_raw |> select(Id, XmlData), by = c("id" = "Id")) mainitut <- mietinnot$XmlData |> map(poimi_la) |> unlist() |> unique() qs2::qd_save(tibble(la_norm = mainitut), status_path) } mainitut <- qs2::qd_read(status_path)$la_norm la <- init |> filter(tyyppi == "LA") |> mutate(n_allek = map_int(allekirjoittajat, length), tunnus_norm = norm_tunnus(tunnus)) |> left_join(tulokset |> select(id, oma_mietinto = eteni), by = "id") |> mutate(oma_mietinto = replace_na(as.logical(oma_mietinto), FALSE), kohtalo = case_when( oma_mietinto ~ "Sai oman mietinnön", tunnus_norm %in% mainitut ~ "Mainittu mietinnössä", TRUE ~ "Rauennut / ei käsitelty") |> factor(levels = c("Sai oman mietinnön","Mainittu mietinnössä","Rauennut / ei käsitelty"))) stopifnot("LA-taulu tyhjä" = nrow(la) > 100) jakauma <- la |> count(kohtalo) |> mutate(osuus = n/sum(n)) jakauma ``` ## Jakauma ensin: valtaosa raukeaa ```{r jakauma-kuva} ggplot(jakauma, aes(x = osuus, y = fct_rev(kohtalo), fill = kohtalo)) + geom_col() + geom_text(aes(label = percent(osuus, .1)), hjust = -0.1, size = 3.6) + scale_x_continuous(labels = label_percent(), expand = expansion(c(0,.18))) + scale_fill_manual(values = unname(pal[c(2,5,1)]), guide = "none") + labs(title = "Lakialoitteen kolme kohtaloa", subtitle = "Osuus kaikista lakialoitteista", x = NULL, y = NULL) ``` Tässä on koko postauksen kärki yhtenä kuvana. Jos joku sanoisi "lakialoitteiden läpimenoprosentti on X", se olisi pistearvo, joka piilottaa olennaisen: **valtaosa ei etene lainkaan**, ja "läpimeno" omana esityksenä on `r scales::percent(jakauma$osuus[jakauma$kohtalo == "Sai oman mietinnön"], 0.1)` luokkaa. Jakauma kertoo sen, minkä yksi luku kätkisi. ## Kuka lakialoitteita tekee? Jos aloitteet eivät juuri etene, miksi niitä tehdään paljon? Katsotaan tekijöitä. Rakennamme aseman (hallitus/oppositio) jättövuoden mukaan. ```{r asema} hallitus <- tribble( ~vuosi, ~hallituspuolueet, 2015,c("Keskusta","Perussuomalaiset","Kokoomus"), 2016,c("Keskusta","Perussuomalaiset","Kokoomus"), 2017,c("Keskusta","Sininen","Kokoomus"), 2018,c("Keskusta","Sininen","Kokoomus"), 2019,c("Sosialidemokraattinen","Keskusta","Vihreä","Vasemmisto","Ruotsalainen"), 2020,c("Sosialidemokraattinen","Keskusta","Vihreä","Vasemmisto","Ruotsalainen"), 2021,c("Sosialidemokraattinen","Keskusta","Vihreä","Vasemmisto","Ruotsalainen"), 2022,c("Sosialidemokraattinen","Keskusta","Vihreä","Vasemmisto","Ruotsalainen"), 2023,c("Kokoomus","Perussuomalaiset","Ruotsalainen","Kristillisdemokraattinen"), 2024,c("Kokoomus","Perussuomalaiset","Ruotsalainen","Kristillisdemokraattinen"), 2025,c("Kokoomus","Perussuomalaiset","Ruotsalainen","Kristillisdemokraattinen")) asema_taulu <- ryhma_years |> left_join(hallitus, by = "vuosi") |> mutate(on_hallitus = map2_lgl(ryhma, hallituspuolueet, \(r,h) if (is.null(h)) NA else any(str_detect(r, fixed(h, ignore_case = TRUE))))) |> filter(!is.na(on_hallitus)) |> group_by(tekija = henkilo_nro, vpvuosi = vuosi) |> summarise(on_hallitus = mean(on_hallitus) >= 0.5, .groups = "drop") |> transmute(tekija, vpvuosi, asema = if_else(on_hallitus, "Hallitus", "Oppositio")) la_asema <- la |> left_join(asema_taulu, by = c("tekija","vpvuosi")) |> drop_na(asema) # Volyymi ajassa aseman mukaan vol <- la_asema |> count(vpvuosi, asema) ggplot(vol, aes(vpvuosi, n, color = asema)) + geom_line(linewidth = 1) + geom_point() + scale_color_manual(values = unname(pal[c(4,1)])) + labs(title = "Lakialoitteet ovat pääosin opposition väline", subtitle = "Lakialoitteiden määrä jättäjän aseman mukaan", x = NULL, y = "Lakialoitteita", color = NULL) ``` ## Onko lakialoite opposition työkalu? Tilastollinen testi Testataan suoraan: tekevätkö oppositioedustajat enemmän lakialoitteita kuin hallitusedustajat? Rakennamme edustajavuositason aineiston (myös nollat mukana) ja vertaamme jakaumia. Lukumäärädata on vino, joten käytämme jakaumavapaata Wilcoxonin testiä ja efektikokona rank-biserialia. ```{r testi} la_per_hlo <- la |> count(tekija, vpvuosi, name = "n_la") paneeli <- mp_years |> distinct(henkilo_nro, vuosi) |> filter(vuosi >= min(la$vpvuosi, na.rm = TRUE)) |> left_join(asema_taulu, by = c("henkilo_nro" = "tekija", "vuosi" = "vpvuosi")) |> left_join(la_per_hlo, by = c("henkilo_nro" = "tekija", "vuosi" = "vpvuosi")) |> mutate(n_la = replace_na(n_la, 0L)) |> drop_na(asema) wt <- wilcox.test(n_la ~ asema, data = paneeli) n_opp <- sum(paneeli$asema == "Oppositio"); n_hal <- sum(paneeli$asema == "Hallitus") rank_biserial <- 1 - 2 * unname(wt$statistic) / (n_opp * n_hal) paneeli |> group_by(asema) |> summarise(mediaani = median(n_la), keskiarvo = round(mean(n_la),2), n_edustajavuosia = n()) |> bind_cols(tibble(p = signif(wt$p.value,3), rank_biserial = round(rank_biserial,3))) ``` ::: {.callout-note title="Testin valinta"} Vertaamme kahta ryhmää vinolla lukumäärämuuttujalla, jossa on paljon nollia, joten keskiarvovertailu (t-testi) olisi harhaanjohtava. Wilcoxon vertaa koko jakaumia, ja rank-biserial kertoo eron suuruuden. Nollat (edustajavuodet ilman yhtään aloitetta) ovat mukana — muuten mittaisimme väärää populaatiota. ::: ## Keskittymä: harva tekee monta ```{r gini} gini <- function(x){ x <- sort(x); n <- length(x); if (sum(x)==0) return(NA) sum((2*seq_len(n)-n-1)*x)/(n*sum(x)) } per_tekija <- la |> count(tekija, name = "n_la") lorenz <- per_tekija |> arrange(n_la) |> mutate(o_tekijat = row_number()/n(), o_aloitteet = cumsum(n_la)/sum(n_la)) ggplot(lorenz, aes(o_tekijat, o_aloitteet)) + geom_abline(linetype = "dashed", color = "grey60") + geom_area(fill = pal[["turkoosi"]], alpha = .3) + geom_line(color = pal[["turkoosi"]], linewidth = 1) + scale_x_continuous(labels = label_percent()) + scale_y_continuous(labels = label_percent()) + labs(title = paste0("Lakialoitteiden teko on keskittynyttä (Gini ", round(gini(per_tekija$n_la),2), ")"), subtitle = "Lorenz-käyrä: harva edustaja tekee suuren osan aloitteista", x = "Osuus tekijöistä", y = "Osuus lakialoitteista") ``` ## Mitä tämä tarkoittaa — lakialoite signaalina Kun yhdistää nämä: valtaosa lakialoitteista raukeaa, ne ovat pääosin opposition tekemiä, ja niiden teko on keskittynyt harvoille. Tästä piirtyy tulkinta, joka on sekä rehellinen että päättäjälle valaiseva: **lakialoite toimii useammin poliittisena signaalina kuin väylänä lainsäädäntöön.** Se on tapa nostaa aihe esiin, osoittaa kanta ja tuottaa julkinen dokumentti — ei realistinen reitti lakiin, koska lainsäädäntö kulkee lähes aina hallituksen esitysten kautta. ::: {.callout-important title="Kuvaus, ei arvostelu"} Tämä ei tarkoita, että lakialoitteet olisivat turhia tai tekijänsä epärehellisiä. Signalointi on osa demokraattista prosessia: aihe voi myöhemmin päätyä hallituksen esitykseksi, ja aloite on osa sitä keskustelua. Kuvaamme järjestelmän toimintaa, emme arvota edustajien motiiveja. ::: ## Minne ennustaminen kuuluu Jos haluaa ennustaa lainsäädännön läpimenoa, oikea kohde ei ole lakialoite vaan **hallituksen esitys (HE)**: ne etenevät, niistä äänestetään, ja niissä on todellista vaihtelua. Se on luonteva seuraava askel — ja siihen liittyy henkilötason äänestysdata, jota käsittelemme myöhemmin. ## Uutiskoukku takaisin Kannattaako lakialoitetta tehdä? Jos mittarina on laiksi tuleminen, vastaus on lähes aina ei. Mutta se ei ole koko tarina — aloite on signaali, ja signaloinnilla on oma arvonsa. Tärkeintä on, ettei "läpimenoprosentti" yhtenä lukuna piilota tätä todellisuutta. --- ::: {.callout-tip title="Tehdäänkö teidän datallenne sama?"} Kun oletettu mittari osoittautuu vääräksi, oikean kysymyksen löytäminen on puolet työstä. Rakennan analytiikkaa, joka kertoo mitä data oikeasti tukee — ei mitä haluttaisiin sen sanovan. **kristianvepsalainen.com** ::: *Kiitos lukijalle kommenteista, jotka terävöittivät tätä osaa. Datalähde: Eduskunnan avoin data, VaskiData (CC BY 4.0). Hallituskokoonpanot koodattu käsin.*