Kannattaako lakialoitetta tehdä? Läpimenon ennustaminen – Kristian Vepsäläinen

Uutiskoukku: aloite joka ei koskaan tullut laiksi

Kansanedustaja voi tehdä lakialoitteen kenen tahansa aiheesta. Valtaosa niistä ei etene mihinkään. Mikä erottaa harvat läpimenneet? Ja jos oppositioedustajan aloite olisikin ollut hallituspuolueen nimissä — olisiko lopputulos toinen?

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

Vastemuuttuja: eteneekö aloite?

Verifiointikohta — lopputulos

Aloitteen lopputulos (hyväksytty/hylätty/rauennut) ei ole aloitteessa itsessään, vaan siihen liittyvässä valiokuntamietinnössä (VM) tai täysistunnon päätöksessä. Vaski-prepissä on merkitty diagnostiikka (kohta A), joka näyttää mietinnön rakenteen. Aja se ja liitä tulos, niin viimeistelen lopputulos-poiminnan.

Kunnes lopputulos on kytketty, käytämme havaittavaa välitulosta: eteneekö aloite valiokuntakäsittelyyn ylipäätään (saako se mietinnön), mikä on jo merkityksellinen ero — valtaosa raukeaa ilman käsittelyä.

Näytä koodi

# Kytketään lopputulos, kun VM-rakenne on varmistettu (ks. prep, kohta A).
tulokset <- qs2::qd_read(file.path(DATA, "aloite_tulokset.qs"))  # id, lapimeni (0/1)
d <- init |> filter(tyyppi == "LA") |>
  mutate(n_allek = map_int(allekirjoittajat, length)) |>
  select(-vpvuosi) |>                                       # pois init:n vpvuosi -> ei .x/.y-konfliktia
  left_join(tulokset |> select(id, eteni, vpvuosi), by = "id") |>
  left_join(mp |> select(tekija = henkilo_nro, sukupuoli, ryhma_nyt), by = "tekija") |>
  drop_na(eteni, n_allek, vpvuosi) |>
  mutate(eteni = as.integer(eteni))

stopifnot("vpvuosi puuttuu d:stä" = "vpvuosi" %in% names(d),
          "Vaste vakio" = n_distinct(d$eteni) == 2)

Ennustemalli

Bayeslainen logistinen regressio: mikä ennustaa läpimenoa? Keskeisin selittäjä on todennäköisesti se, tuliko aloite hallitus- vai oppositioriviltä — mutta myös allekirjoittajien määrä ja aihe voivat vaikuttaa.

Näytä koodi

fit_path <- file.path(DATA, "osa9_lapimeno.qs")
if (!file.exists(fit_path)) {
  m <- brm(eteni ~ n_allek + (1 | vpvuosi),
           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)

Counterfactual: sama aloite, eri jättäjä

Tässä sarjan ydinajatus konkretisoituu: mallilla voi kysyä, mitä olisi tapahtunut saman aloitteen kohdalla, jos vain jättäjän asema poikkeaisi. Tämä on ennuste skenaariolle, ei väite todellisesta syystä.

Näytä koodi

profiili <- tibble(n_allek = median(d$n_allek))
skenaariot <- bind_rows(
  profiili |> mutate(asema = "Oppositio"),
  profiili |> mutate(asema = "Hallitus"))
pe <- posterior_epred(m, newdata = skenaariot, re_formula = NA)
cf <- tibble(oppositio = pe[,1], hallitus = pe[,2]) |> mutate(ero = hallitus - oppositio)

ggplot(cf, aes(ero)) +
  stat_halfeye(fill = pal[["oranssi"]], .width = c(.66,.95)) +
  geom_vline(xintercept = 0, linetype = "dashed", color = pal[["punainen"]]) +
  scale_x_continuous(labels = label_percent()) +
  labs(title = "Counterfactual: sama aloite hallitukselta vs. oppositiolta",
       subtitle = "Ero läpimenotodennäköisyydessä, muut tekijät vakioituna",
       x = "Ero prosenttiyksikköinä", y = NULL)

Ennuste, ei syy

Counterfactual perustuu mallin oletuksiin, ei satunnaistettuun kokeeseen. Se kertoo, mitä mallin mukaan olisi odotettavissa aseman poiketessa — ei sitä, että asema on todistetusti syy. Aineistossa asema kietoutuu moneen muuhun tekijään (aihe, ajoitus, hallituksen agenda), joita emme voi täysin erottaa. Sanon tämän etukäteen, koska juuri tässä analyysi useimmin liukuu ennusteesta perusteettomaan syyväitteeseen.

Mitä tämä tarkoittaa päättäjälle

Läpimeno on ennustettavissa, mutta ennuste ei ole ohje eikä syy.
Counterfactual on työkalu skenaarioiden vertailuun — sen arvo riippuu siitä, kuinka rehellisesti sen rajat kerrotaan.

Tehdäänkö teidän datallenne sama?

Läpimeno- ja hyväksyntämallit sekä counterfactual-skenaariot — rehellisin rajoin. kristianvepsalainen.com

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

--- title: "Kannattaako lakialoitetta tehdä? Läpimenon ennustaminen" subtitle: "Eduskunta jakaumana, osa 9: aloitteen kohtalo" description: > Valtaosa lakialoitteista ei etene laiksi. Mikä erottaa läpimenneet? Rakennamme ennustemallin ja counterfactualin — ja käsittelemme suoraan, mitä data voi ja ei voi kertoa syistä. date: 2026-08-27 author: "Kristian Vepsäläinen" categories: [eduskunta, avoin data, ennustemalli, counterfactual] format: html: toc: true toc-title: "Sisällys" code-fold: true code-summary: "Näytä koodi" execute: { warning: false, message: false, echo: true } --- ## Uutiskoukku: aloite joka ei koskaan tullut laiksi Kansanedustaja voi tehdä lakialoitteen kenen tahansa aiheesta. Valtaosa niistä ei etene mihinkään. Mikä erottaa harvat läpimenneet? Ja jos oppositioedustajan aloite olisikin ollut hallituspuolueen nimissä — olisiko lopputulos toinen? ```{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") init <- qs2::qd_read(file.path(DATA, "vaski_init.qs")) mp <- qs2::qs_read(file.path(DATA, "mp.qs")) ``` ## Vastemuuttuja: eteneekö aloite? ::: {.callout-important title="Verifiointikohta — lopputulos"} Aloitteen lopputulos (hyväksytty/hylätty/rauennut) **ei ole aloitteessa itsessään**, vaan siihen liittyvässä valiokuntamietinnössä (VM) tai täysistunnon päätöksessä. Vaski-prepissä on merkitty diagnostiikka (kohta A), joka näyttää mietinnön rakenteen. Aja se ja liitä tulos, niin viimeistelen `lopputulos`-poiminnan. Kunnes lopputulos on kytketty, käytämme **havaittavaa välitulosta**: eteneekö aloite valiokuntakäsittelyyn ylipäätään (saako se mietinnön), mikä on jo merkityksellinen ero — valtaosa raukeaa ilman käsittelyä. ::: ```{r vaste} #| eval: false # Kytketään lopputulos, kun VM-rakenne on varmistettu (ks. prep, kohta A). tulokset <- qs2::qd_read(file.path(DATA, "aloite_tulokset.qs")) # id, lapimeni (0/1) d <- init |> filter(tyyppi == "LA") |> mutate(n_allek = map_int(allekirjoittajat, length)) |> select(-vpvuosi) |> # pois init:n vpvuosi -> ei .x/.y-konfliktia left_join(tulokset |> select(id, eteni, vpvuosi), by = "id") |> left_join(mp |> select(tekija = henkilo_nro, sukupuoli, ryhma_nyt), by = "tekija") |> drop_na(eteni, n_allek, vpvuosi) |> mutate(eteni = as.integer(eteni)) stopifnot("vpvuosi puuttuu d:stä" = "vpvuosi" %in% names(d), "Vaste vakio" = n_distinct(d$eteni) == 2) ``` ## Ennustemalli Bayeslainen logistinen regressio: mikä ennustaa läpimenoa? Keskeisin selittäjä on todennäköisesti se, tuliko aloite hallitus- vai oppositioriviltä — mutta myös allekirjoittajien määrä ja aihe voivat vaikuttaa. ```{r malli} #| eval: false fit_path <- file.path(DATA, "osa9_lapimeno.qs") if (!file.exists(fit_path)) { m <- brm(eteni ~ n_allek + (1 | vpvuosi), family = bernoulli(), data = d, chains = 4, iter = 2000, cores = 4, refresh = 0) qs2::qs_save(m, fit_path) } m <- qs2::qs_read(fit_path) summary(m) ``` ## Counterfactual: sama aloite, eri jättäjä Tässä sarjan ydinajatus konkretisoituu: mallilla voi kysyä, mitä *olisi* tapahtunut saman aloitteen kohdalla, jos vain jättäjän asema poikkeaisi. Tämä on **ennuste skenaariolle**, ei väite todellisesta syystä. ```{r counterfactual} #| eval: false profiili <- tibble(n_allek = median(d$n_allek)) skenaariot <- bind_rows( profiili |> mutate(asema = "Oppositio"), profiili |> mutate(asema = "Hallitus")) pe <- posterior_epred(m, newdata = skenaariot, re_formula = NA) cf <- tibble(oppositio = pe[,1], hallitus = pe[,2]) |> mutate(ero = hallitus - oppositio) ggplot(cf, aes(ero)) + stat_halfeye(fill = pal[["oranssi"]], .width = c(.66,.95)) + geom_vline(xintercept = 0, linetype = "dashed", color = pal[["punainen"]]) + scale_x_continuous(labels = label_percent()) + labs(title = "Counterfactual: sama aloite hallitukselta vs. oppositiolta", subtitle = "Ero läpimenotodennäköisyydessä, muut tekijät vakioituna", x = "Ero prosenttiyksikköinä", y = NULL) ``` ::: {.callout-important title="Ennuste, ei syy"} Counterfactual perustuu mallin oletuksiin, ei satunnaistettuun kokeeseen. Se kertoo, mitä *mallin mukaan* olisi odotettavissa aseman poiketessa — ei sitä, että asema on todistetusti syy. Aineistossa asema kietoutuu moneen muuhun tekijään (aihe, ajoitus, hallituksen agenda), joita emme voi täysin erottaa. Sanon tämän etukäteen, koska juuri tässä analyysi useimmin liukuu ennusteesta perusteettomaan syyväitteeseen. ::: ## Mitä tämä tarkoittaa päättäjälle - **Läpimeno on ennustettavissa**, mutta ennuste ei ole ohje eikä syy. - **Counterfactual on työkalu skenaarioiden vertailuun** — sen arvo riippuu siitä, kuinka rehellisesti sen rajat kerrotaan. --- ::: {.callout-tip title="Tehdäänkö teidän datallenne sama?"} Läpimeno- ja hyväksyntämallit sekä counterfactual-skenaariot — rehellisin rajoin. **kristianvepsalainen.com** ::: *Datalähde: Eduskunnan avoin data, VaskiData (CC BY 4.0).*