---
title: "Yritysten muuttoliike"
subtitle: "Kaupparekisteri paljastaa, mitkä kunnat voittavat ja mitkä häviävät yrityksiä — ja kuinka epävarmoja luvut oikeasti ovat"
date: 2026-08-03
categories: [avoin data, bayes, aluekehitys, julkishallinto, YTJ]
execute:
warning: false
message: false
---
```{r setup}
#| include: false
library(tidyverse)
library(here)
library(ggdist)
select <- dplyr::select
filter <- dplyr::filter
source(here("R","ytj", "theme_kristian.R"))
source(here("R","ytj", "yhdista_apu.R"))
theme_set(theme_kristian())
```
Kunnat kilpailevat yrityksistä. Elinkeinostrategioita kirjoitetaan, tontteja
kaavoitetaan ja yrityspalveluita rakennetaan sillä oletuksella, että yrityksiä
voi houkutella — ja että niitä voi menettää. Mutta kuinka paljon yrityksiä
todella liikkuu kuntien välillä, ja mihin suuntaan?
Kysymykseen on olemassa julkinen vastaus, jota harva katsoo. Kun yritys vaihtaa
kotipaikkaansa, se tekee siitä ilmoituksen kaupparekisteriin. Merkintälaji on
KOTI, ja niitä on aineistossa yli 250 000. Jokainen niistä on yksi yritys, joka
on siirtynyt kunnasta toiseen.
Tässä osassa rakennetaan yritysten muuttoliikkeen kartta — ja tehdään se
tavalla, joka on rehellinen sen suhteen, mitä emme tiedä. Sillä juuri
aluekehityksessä pienten kuntien luvut ovat niitä, joista tehdään suurimmat
johtopäätökset ja joissa epävarmuus on suurin.
## Mistä datassa on kyse?
::: {.callout-note}
Aineistona PRH:n rekisteröidyt ilmoitukset (7.11.2014 alkaen) ja perustiedot
(CC BY 4.0). Kotipaikan vaihto tunnistetaan KOTI-merkinnästä. **Tärkeä rajoite:**
rekisteri kertoo yrityksen nykyisen kotipaikan, ei sen koko historiaa. Voimme
siis nähdä, kuinka moni yritys on *vaihtanut* kotipaikkaa ja missä ne ovat *nyt*,
mutta emme rekonstruoida täydellistä muuttopolkua. Tämä rajoite sanotaan ääneen,
koska se määrittää, mihin kysymyksiin data voi vastata — ja mihin ei.
Lisäksi: kotipaikan vaihto on juridinen tapahtuma, ei välttämättä fyysinen muutto.
Yritys voi siirtää kotipaikkansa ilman että yksikään työpaikka liikkuu.
:::
```{r lataa}
perustiedot <- qs2::qs_read(here("data", "ytj", "ytj_perustiedot.qs"))
pitka <- qs2::qs_read(here("data", "ytj", "ilmoitukset_pitka.qs"))
stopifnot(
all(c("business_id","company_form_code","registration_date","location",
"trade_register_status") %in% names(perustiedot)),
all(c("business_id","nid","pvm","koodi") %in% names(pitka)),
"KOTI" %in% unique(pitka$koodi) # vahti: koodin on esiinnyttävä
)
oy <- perustiedot |>
filter(company_form_code == "16") |>
distinct(business_id, .keep_all = TRUE) |>
transmute(
business_id,
synty = as.Date(registration_date),
kunta = toupper(location),
elossa = trade_register_status == "1"
) |>
filter(!is.na(kunta), kunta != "")
stopifnot(nrow(oy) > 10000)
```
## Kuinka moni yritys ylipäätään muuttaa?
Ensimmäinen kysymys on mittakaava. Muuttaminen voi tuntua yleiseltä, koska
yksittäiset siirrot ylittävät uutiskynnyksen — mutta onko se sitä?
```{r muuttajat}
koti_yritykset <- pitka |>
filter(koodi == "KOTI") |>
group_by(business_id) |>
summarise(n_muutto = n_distinct(nid),
eka_muutto = min(pvm), .groups = "drop")
analyysi <- oy |>
left_join(koti_yritykset, by = "business_id") |>
mutate(n_muutto = coalesce(n_muutto, 0L),
muuttanut = n_muutto > 0)
osuus_muutti <- mean(analyysi$muuttanut)
osuus_moni <- mean(analyysi$n_muutto >= 2)
stopifnot(n_distinct(analyysi$muuttanut) == 2)
```
Osakeyhtiöistä **`r scales::percent(osuus_muutti, accuracy = 0.1)`** on vaihtanut
kotipaikkaansa vähintään kerran, ja
`r scales::percent(osuus_moni, accuracy = 0.1)` vähintään kahdesti. Muuttaminen ei
siis ole marginaalinen ilmiö, mutta se ei myöskään koske enemmistöä. Se on
vähemmistön käyttäytymistä — ja juuri siksi kiinnostavaa: kuka muuttaa?
```{r muuttojakauma}
jakauma <- analyysi |>
filter(muuttanut) |>
count(n_muutto) |>
mutate(n_muutto = pmin(n_muutto, 6))
ggplot(jakauma |> group_by(n_muutto) |> summarise(n = sum(n)),
aes(factor(n_muutto), n)) +
geom_col(fill = kvar_palette[["blue"]]) +
scale_x_discrete(labels = c("1","2","3","4","5","6+")) +
scale_y_continuous(labels = scales::comma) +
labs(title = "Kuinka monta kertaa muuttanut yritys muuttaa?",
subtitle = "Muuttaminen kasautuu: harva yritys muuttaa monta kertaa, mutta ne muuttavat toistuvasti",
x = "Kotipaikan vaihtoja", y = "Yrityksiä")
```
## Voittajat ja häviäjät — ja miksi nettoluku pettää
Nyt olennaiseen. Lasketaan kullekin kunnalle, kuinka moni sinne *päätynyt* yritys
on muuttanut (eli tullut jostain muualta) suhteessa kunnan yrityskantaan. Koska
rekisteri kertoo nykyisen kotipaikan, tämä kuvaa **muuttaneiden yritysten
keskittymistä**: mitkä kunnat ovat vetovoimaisia niiden yritysten silmissä, jotka
ylipäätään liikkuvat.
Tässä on ansa, johon aluekehityskeskustelu tyypillisesti astuu. Pienessä kunnassa
muutama muuttanut yritys tuottaa dramaattisen prosenttiluvun, joka on puhdasta
kohinaa. Siksi laskemme kullekin kunnalle **Beta-Binomi-posteriorin**: piste on
paras arvaus, jana on se, mitä emme tiedä.
```{r kunnat}
MIN_YRITYKSIA <- 100 # alle tämän kunnan luku on lähinnä kohinaa
kunta_post <- analyysi |>
filter(elossa) |>
group_by(kunta) |>
summarise(n = n(), k = sum(muuttanut), .groups = "drop") |>
filter(n >= MIN_YRITYKSIA) |>
mutate(
ka = (1 + k) / (2 + n),
lo = qbeta(0.025, 1 + k, 1 + n - k),
hi = qbeta(0.975, 1 + k, 1 + n - k)
)
stopifnot(nrow(kunta_post) > 10)
karki <- bind_rows(
kunta_post |> slice_max(ka, n = 10) |> mutate(ryhma = "Korkein osuus"),
kunta_post |> slice_min(ka, n = 10) |> mutate(ryhma = "Matalin osuus")
)
ggplot(karki, aes(ka, reorder(kunta, ka), color = ryhma)) +
geom_errorbarh(aes(xmin = lo, xmax = hi), height = 0.3) +
geom_point(aes(size = n)) +
geom_vline(xintercept = mean(analyysi$muuttanut[analyysi$elossa]),
linetype = "dashed", color = kvar_palette[["orange"]]) +
scale_color_manual(values = c(kvar_palette[["teal"]], kvar_palette[["red"]])) +
scale_x_continuous(labels = scales::percent) +
scale_size_area(max_size = 5, labels = scales::comma) +
labs(title = "Missä kunnissa yritykset ovat muuttajia?",
subtitle = sprintf("Kunnat, joissa vähintään %d elävää osakeyhtiötä. Jana = 95 %% väli.",
MIN_YRITYKSIA),
x = "Osuus yrityksistä, jotka ovat vaihtaneet kotipaikkaa",
y = NULL, color = NULL, size = "Yrityksiä")
```
::: {.callout-important}
## Miksi tässä ei ole kuntien "top 10 -listaa" ilman epävarmuutta
Jos olisin piirtänyt pelkät pisteet, saisit siistin listan voittajista ja
häviäjistä — ja se olisi harhaanjohtava. Katso janoja: pienemmillä kunnilla ne
ovat leveitä, ja monen kunnan välit menevät päällekkäin. Se tarkoittaa, että
niiden **järjestys ei ole luotettava**. Kunta, joka näyttää kymmenenneltä, voi
todellisuudessa olla kolmas tai kahdeskymmenes.
Tämä on koko sloganini ydin: maailma on jakauma. Kuntalistat, jotka esittävät
pistelukuja järjestyksessä, myyvät varmuutta, jota datassa ei ole.
:::
## Ennustaako muuttaminen jotain? Bayesilainen malli
Onko muuttaminen sattumaa vai ennustettavissa? Rakennan **bayesilaisen logistisen
regression**, joka ennustaa muuttamisen todennäköisyyden yrityksen iän ja
kotikunnan koon perusteella. Malli valittiin, koska se antaa vaikutuksille koko
jakauman — päättäjä näkee, kuinka varmoja voimme olla — eikä pistelukua.
```{r malli}
malli_path <- here("data", "ytj", "kotipaikka_malli.qs")
if (!file.exists(malli_path)) {
set.seed(20260728)
kunta_koko <- analyysi |> count(kunta, name = "kunnan_yritykset")
mdata <- analyysi |>
filter(elossa) |>
left_join(kunta_koko, by = "kunta") |>
mutate(
ika = as.numeric(difftime(max(pitka$pvm), synty, units = "days")) / 365.25,
log_kunta = log10(kunnan_yritykset),
muuttanut_i = as.integer(muuttanut)
) |>
filter(ika >= 0, is.finite(log_kunta))
mdata <- mdata |> slice_sample(n = min(nrow(mdata), 25000L))
fit <- rstanarm::stan_glm(
muuttanut_i ~ ika + log_kunta,
data = mdata, family = binomial(),
prior = rstanarm::normal(0, 2.5),
prior_intercept = rstanarm::normal(0, 5),
chains = 4, iter = 2000, seed = 20260728, refresh = 0
)
qs2::qs_save(list(fit = fit, mdata = mdata), malli_path)
} else {
.o <- qs2::qs_read(malli_path); fit <- .o$fit; mdata <- .o$mdata
}
```
### Counterfactual: neljä yritystä, neljä todennäköisyyttä
Konkretisoin mallin vertaamalla neljää rakennettua yritystä. Kysymys on
counterfactual: *jos yritys olisi tämän ikäinen ja tämän kokoisessa kunnassa,
kuinka todennäköisesti se olisi vaihtanut kotipaikkaa?*
```{r counterfactual}
q_ika <- quantile(mdata$ika, c(0.25, 0.75))
q_kunta <- quantile(mdata$log_kunta, c(0.1, 0.9))
profiilit <- tibble(
profiili = c("Nuori, pieni kunta", "Nuori, suuri kaupunki",
"Vanha, pieni kunta", "Vanha, suuri kaupunki"),
ika = rep(as.numeric(q_ika), each = 2),
log_kunta = rep(as.numeric(q_kunta), times = 2)
)
pe <- rstanarm::posterior_epred(fit, newdata = profiilit)
cf <- as_tibble(pe) |> set_names(profiilit$profiili) |>
pivot_longer(everything(), names_to = "profiili", values_to = "todnak") |>
mutate(profiili = factor(profiili, levels = profiilit$profiili))
ggplot(cf, aes(todnak, profiili, fill = profiili)) +
stat_halfeye(.width = c(0.66, 0.95), slab_alpha = 0.7, show.legend = FALSE) +
scale_fill_manual(values = c(kvar_palette[["teal"]], kvar_palette[["blue"]],
kvar_palette[["orange"]], kvar_palette[["red"]])) +
scale_x_continuous(labels = scales::percent) +
labs(title = "Kuka vaihtaa kotipaikkaa?",
subtitle = "Posteriorin ennustejakauma iän ja kunnan koon mukaan",
x = "Todennäköisyys, että yritys on vaihtanut kotipaikkaa", y = NULL)
```
## Mitä tämä tarkoittaa päättäjälle?
Yritysten muuttoliike on todellinen mutta vähemmistön ilmiö, ja se kasautuu:
sama yritys muuttaa usein uudestaan. Kunnan elinkeinopolitiikan kannalta tämä
tarkoittaa, että houkuteltava joukko on pienempi kuin yleensä oletetaan — mutta
se joukko on tunnistettavissa.
Tärkein viesti on kuitenkin menetelmällinen. Aluekehityksessä tehdään jatkuvasti
päätöksiä pienten kuntien pienistä luvuista, ja ne luvut esitetään lähes aina
pistearvoina järjestyslistoilla. Tämän analyysin epävarmuusvälit näyttävät, että
suuri osa noista järjestyksistä on kohinaa. Kunta ei ole "Suomen 7. paras" — se on
kunta, jonka todellinen sijoitus on jossain hyvin leveällä välillä.
Kun päätöksiä tehdään miljoonilla, kannattaa tietää kumpaa katsoo: pistettä vai
jakaumaa.
---
*Tämä analyysi on osa avoimen datan sarjaani. Autan kuntia, hyvinvointialueita ja
julkishallintoa tekemään avoimesta datasta päätöksiä, jotka kestävät epävarmuuden.
[kristianvepsalainen.com](https://www.kristianvepsalainen.com).*
