Harva tilasto kuvaa juuri sitä ja vain sitä, mitä tilastonkäyttäjät luulevat sen kuvaavan tai haluaisivat tilastolla kuvata. Tämä ei tarkoita sitä, että tilasto on virheellinen. Maailma on monimutkainen kokonaisuus ja tilaston käyttö vaatii lähes aina laajempaa tulkintaa. Käyttäjä pyrkii parhaansa mukaan varmistumaan, että muutokset tunnusluvuissa tosiaan johtuvat niistä seikoista, joista niiden oletetaan johtuvan.

Tilastojen käyttäjä voi helposti olettaa, että tilastot kuvaavat maailmaa täydellisesti tai lähes täydellisesti. Mitä vähemmän henkilö on perehtynyt kyseisen tilaston taustoihin, niin sitä sumeampi luottamus, halu tai tarve ihmisellä usein on uskoa tilastontuottajan kaikkivoipaisuuteen. Tähän ansaan lankeaa niin maallikko, kuin koulutettu ekonomistikin. Älkääkä ymmärtäkö väärin. En kritisoi suomalaisia tilastontuottajia asiakkaittensa hämäämisestä. Mitä enemmän olen käyttänyt kansainvälisiä tilastolähteitä, niin sitä enemmän olen oppinut Tilastokeskusta ja suomalaista tilastojärjestelmää arvostamaan.

Käytän tässä kahta esimerkkiä siitä, miten tilastoissa näkyvien muutosten tulkinta saattaa vaatia myös taustojen huomioimista. Tunnusluvun virheettömyyteen uskominen voi johtaa tulkitsijan harhaan. Työvoimakustannusten nousun ja laskun olettaisi johtuvan siitä, että työn hinta muuttuu. Tuottavuuskasvu taas johtuu siitä, että samassa ajassa pystytään tuottamaan enemmän arvonlisää. Epäolennaisilta tuntuvat asiat saattavat kuitenkin vaikuttaa mittaustuloksiin merkittävästi. Harha ei siis johdu siitä, että tilasto olisi laskettu väärin, vaan siitä, että mittariin vaikuttavat myös sellaiset asiat, joiden ei kuvittelisi vaikuttavan mitattavaan ilmiöön.

Vuosina 2016–2017 sekä tuottavuus, että työvoimakustannukset heilahtelivat merkittävästi. Tammi-maaliskuussa oltiin pakkasella ja huhti-kesäkuussa taas vahvassa kasvussa. Vaihtelu johtui tilastoitujen työtuntien määrän muutoksista. Vuosineljänneksien työpäivien määrä vaihteli huomattavasti erityisesti sen takia, että pääsiäinen oli vuonna 2016 maaliskuussa ja vuonna 2017 huhtikuussa. Maksetut palkat ja palkkiot kehittyivät kuitenkin melko tasaisesti. Etenkin kuukausipalkkaisilla arkipyhät eivät juuri vaikuta ansioihin.

Kalenterilla voi hetkellisesti olla suuri vaikutus

Teknisesti ottaen kuukausipalkkaisenkin työtunnin hinta vaihteli viime vuosina voimakkaasti, mutta se ei johtunut siitä, että kuukausipalkat olisivat muuttuneet merkittävästi vaan siitä, että arkipyhien takia toisessa kuussa samalla kuukausipalkalla tehtiin enemmän työpäiviä. Tilasto siis kuvaa teoreettista työvoimakustannusta aivan oikein, mutta se, miten ymmärrämme työvoimakustannukset, johtaa meidät tilastonkäyttäjät harhaan.

Vastaavasti tuottavuuden heilahtelut kuvaavat hetkellistä kehitystä aivan oikein. Monessa tehtävässä samat työt tehdään riippumatta siitä, osuuko kuukauteen enemmän tai vähemmän arkipyhiä. Näin ollen työllä tuotettu arvo ei vaihtele merkittävästi, toisen kuukauden aikana siihen vain on käytettävissä enemmän työaikaa kuin toisen. Tämän seurauksena tuottavuus heittelee.

Ekonomisti ajattelee, että tuottavuuskehitykseen vaikuttavat komponentit ovat tekninen kehitys, tuotantovälineet ja työpanoksen laatu. Todellisuudessa mitattuun tuottavuuteen vaikuttaa myös esimerkiksi kalenteri. Arkipyhien vaikutus valahtaisi mallinnuksessa luultavasti teknisen kehityksen komponenttiin, mutta tosiasiassa nämä asiat pitää vain tietää. Lyhyen aikavälin kehitykseen vaikuttaa paljon satunnaisia seikkoja.

Tuottavuuden ja työvoimakustannusten vuosimuutokset heittelivät vuosina 2016–2017 voimakkaasti. Vaihtelu johtui lähinnä kalenterista ja pääsiäisen ajankohdan muutoksista.

Tällainen kausivaihtelu, kalenterista johtuva vaihtelu ja satunnaisvaihtelu pyritään puhdistamaan tilastoista kausitasoitusmalleilla, jolloin työpäiväkorjattu ja/tai kausitasoitettu aikasarja antaa paremman kuvan kehityksen suunnasta. Mallit eivät kuitenkaan ole täydellisiä ja esimerkiksi tuottavuuden trendistä on viime vuosina saanut ajankohdasta riippuen varsin vaihtelevan kuvan.

Kausi ja satunnaisvaihtelusta puhdistettu trendi on heikoimmillaan tärkeimmässä kohtaa eli lähimenneisyyden tulkinnassa ja tulevaisuuden ennustamisessa. Tämä johtuu siitä, että kausitasoitusmalli ikään kuin olettaa vaikutussuhteiden ja kehityksen pysyvän samana.

Vielä helpommin mennään metsään, kun kausipuhdistettuja lukuja käytetään mallien ja ennusteiden raaka-aineina. Kausitasoitusmalli kun on mekaaninen. Se poistaa usein tärkeääkin informaatiota aikasarjasta ja tulokset voivat korjaantua voimakkaasti etenkin käännekohdissa. Kun tieto ennusteen pohjana olleesta menneisyydestä muuttuu, niin ennustettu tulevaisuus saattaa osoittautua olevan väärä ihan vain historian korjausten takia.

Matti Paavonen

Pääekonomisti

Paltan pääekonomisti Matti Paavonen on Helsingin yliopiston kansantaloustieteen laitokselta valmistunut ekonomisti (VTM). Paavosen tavoitteena on selittää talouden ja yhteiskunnan ilmiöitä kiinnostavassa ja ymmärrettävässä muodossa. Myös tiedon hyödyntäminen päätöksenteossa, digitalisaatio ja ennakointityö ovat lähellä Paavosen sydäntä.