11 Optimoinnin tulokset väestöryhmittäin ja tulonsiirto-
11.2 Alueellinen vaikutus
Seuraavassa jatketaan ohjelmien vaikutuksen kuvailua ulottaen se kotitalouden asuinpaikan taajamamaisuuteen ja sijaintiin maan eri osissa. On tärkeää nähdä, tuottavatko ohjelmat erityyppisissä kunnissa ja eri alueilla samankaltaisia positii-visia vaikutuksia väestön taloudelliseen hyvinvointiin.
Taulukossa 11.3 kuvataan toimeentulotukiohjelman vaikutusta kotitalouden asuinalueen taajama-asteen mukaan. Pääkaupunkiseudun köyhyys on lähtökoh-taisesti alempaa kuin muissa osissa maata, mitataanpa sitä sitten 50 %:n köyhyys-mittarilla tai CUPI-indeksillä. Toimeentulotukiohjelma poistaa viimeistään iteraa-tiovaiheessa 24 köyhyyden lähes kokonaan (jos se olisi kokonaan poissa, niin 0.0:n paikalla olisi tyhjää). CUPI-indeksi näyttää alenevan tehokkaammin kuin mediaa-nin 50 %:n osuuteen perustuva köyhyys; tämä johtuu siitä, että CUPI-indeksi mit-taa myös köyhyyden syvyyttä, johon ohjelma vaikutmit-taa tehokkaasti. Tämähän tuli esiin jo kokonaisvaikutusta tarkasteltaessa, nyt se näkyy alueellisesti.
Kaikkein suurinta köyhyys on maaseutumaisissa kunnissa, mutta sielläkin toi-meentulotukiohjelma puree tehokkaasti köyhyyteen: se alenee 6,2 %:sta 0,1 %:iin kotitalouksista. Kaiken kaikkiaan ohjelma 1 näyttää tasoittavan köyhyyseroja eri-tyyppisten kuntien välillä.
TauluKKo 11.3 Köyhyysasteet (mediaanituloon perustuva köyhyysmittaus ja CuPi-indek-siin perustuva) taajama-asteen mukaan toimeentulotukiohjelmassa
Toimeentulotukiohjelma pääkaupun-kiseutu
muut kau-punkimaiset kunnat
taajaan asu-tut kunnat
maaseutu-maiset kun-nat
Kaikki
iteraatio köyhyysraja 50 % mediaanista
0 1,6 5,3 3,7 6,2 4,5
9 0,6 1,3 1,2 2,7 1,4
16 0,5 0,5 0,4 0,8 0,5
24 0,0 0,1 0,1 0,1 0,1
iteraatio CUPI > 2.5
0 2,2 6,6 4,3 7,1 5,5
9 0,4 0,9 0,8 2,0 1,0
16 0,0 0,3 0,1 0,3 0,2
24 0,0 0,1 0,1 0,0 0,1
Mitä sitten tapahtuu perusturvaohjelman aikana? Siitä voimme saada tietoa tau-lukosta 11.4.
TauluKKo 11.4 Köyhyysasteet (mediaanituloon perustuva köyhyysmittaus ja CuPi-indek-siin perustuva) taajama-asteen mukaan perusturvaohjelmassa
Perusturvaohjelma pääkaupun-kiseutu
muut kau-punkimaiset kunnat
taajaan asu-tut kunnat
maaseutu-maiset kun-nat
Kaikki
iteraatio köyhyysraja 50 % mediaanista
0 1,6 5,3 3,7 6,2 4,5
9 0,8 3,4 2,4 3,6 2,8
16 0,8 3,1 1,4 2,9 2,4
24 0,6 2,7 1,3 2,8 2,1
30 0,5 2,2 1,1 2,8 1,8
iteraatio CUPI > 2.5
0 2,2 6,6 4,3 7,1 5,5
9 1,2 3,7 2,7 3,7 3,1
16 1,0 3,4 2,0 3,3 2,7
24 0,7 2,9 1,7 3,2 2,3
30 0,6 2,5 1,2 3,2 2,0
Perusturvaohjelma näyttäisi suhteellisesti ottaen tehoavan parhaiten pääkaupun-kiseudun ja taajaan asuttujen kuntien köyhyyteen, heikommin muihin kaupunkei-hin ja maaseutukuntiin. Ilmeisesti sekä työttömyyteen perustuvaa köyhyyttä että opiskelijaköyhyyttä on paljon näissä kunnissa, sillä niihinhän liittyviin tulo-ongel-miin perusturvaohjelma tuo lievitystä. Erityisen selvästi tämä ohjelmien erilaisuus näkyy maaseutumaisten kuntien iteraatioiden vaiheissa 16–30, joissa oli runsaas-ti opintotukeen tehtäviä korotuksia, ja maaseudulla on vähän korkeakouluopiske-lijoita, joita tuen nosto auttaisi.
Vaiheissa 0–9 on paljon työttömyysturvan korotuksia ja tämä myös näkyy melko tehokkaana köyhyyden vähenemisenä molemmilla mittareilla. Pääkaupun-kiseudun köyhyys puolittui iteraatiovaiheeseen 9 mennessä, mutta hyvin saman-suuruisesti tapahtuu kaikentyyppisissä kunnissa. Työttömyyteen tehtävät paran-nukset siis vaikuttavat tasaisesti koko taajamamuuttujalla.
Asuminen on kalleinta pääkaupunginseudulla ja kaupungeissa. Asumistuen korotusten vaikutuksen voisi olettaa vaikuttavan juuri näillä alueilla. Perusturva-ohjelman iteraatiovaiheessa 11 tehtiin asumistuen omavastuutaulukkoon 10 pro-sentin alennus. Sen vaikutusta ei taulukosta 11.4 voida havaita. Sen sijaan liite-taulukosta 11.1 voimme nähdä, että tämän tulonsiirtoparametrin muutoksen johdosta köyhien ryhmästä siirtyi pois 2 609 kotitaloutta (prosenttiyksikköinä
tä-mä tarkoittaa 0,155:tä %). Kuitenkin liitetaulukon 11.1 analysointi taajama-asteen mukaan paljasti, että taajaan asutuissa kunnissa asumistuen muutos aiheutti suu-rimman pudotuksen köyhät-luokassa (0,247 prosenttiyksikköä) ja pääkaupunki-seudulla muutosta ei syntynyt. Maaseutumaisissa kunnissa alennusta syntyi 0,12 prosenttiyksikköä. Jos vakioidaan alueen köyhyyden lähtötaso, niin asumistuen muutoksen köyhyysvaikutus oli keskimäärin 12 % ja taajaan asutuissa kunnissa peräti 26 %, joten mistään merkityksettömästä muutoksesta tuossa iteroinnin vai-heessa ei ollut kyse.
Katsotaan seuraavaksi, mitä tapahtuu lääneittäin, ensiksi taulukossa 11.5 toi-meentulotukiohjelman suhteen. Uudenmaan lähtökohtaisesti alhainen köyhyys hupenee nopeasti vaiheeseen 9 mennessä, sitten se hidastuu ja vaiheen 16 jälkeen taas nopeutuu kadoten lopulta lähes tyystin. Ahvenanmaalta köyhyys katoaa nope-asti kokonaan. Heikoiten köyhyys näyttäisi häviävän Itä-Suomesta, mutta sielläkin päästään reippaasti alle 1 prosentin köyhyysasteeseen iteraatiovaiheessa 24, mikä on melko suuri pudotus, kun verrataan sitä lähtökohtaan. Kaiken kaikkiaan toi-meentulotukiohjelma on alueellisesti melko tasa-arvoinen ohjelma hävittäessään köyhyyttä tehokkaasti kautta Suomen.
TauluKKo 11.5 Köyhyysasteet (köyhyysrajana 50 % mediaanista) suuralueittainen toi-meentulotukiohjelman aikana, iteraatiovaiheissa 0, 9, 16 ja 24
Toimeentulotukiohjelma
*Suuralue, NUTS2
Iteraatio
0 9 16 24
Uusimaa 1,7 0,6 0,4 0,0
Etelä-Suomi 4,7 1,1 0,3 0,0
Itä-Suomi 7,3 2,9 1,3 0,3
Väli-Suomi 5,8 2,1 0,6 0,1
Pohjois-Suomi 6,2 2,2 0,8 0,0
Ahvenanmaa 2,1 0,9
Kaikki 4,5 1,4 0,5 0,1
Mitä tapahtuu alueellisesti sitten työttömyyteen, asumistukeen, eläkkeisiin ja opin-totukeen keskittyvässä perusturvaohjelmassa? Siitä kertoo taulukko 11.6.
Taulukon 11.6 mukaan perusturvaohjelma vaikuttaa parhaiten Uudenmaan köyhyyteen ja heikoiten Itä-Suomen ja Väli-Suomen köyhyyteen. Myös Pohjois-Suomen ja Etelä-Pohjois-Suomen köyhyys vähenee keskimääräistä enemmän. Iteraati-oon 16 mennessä köyhyys on lähes puolittunut suuressa osassa maata, suurimman poikkeuksen tekee Itä-Suomi, jossa köyhyys on alentunut vain 63 prosenttiin läh-tökohdastaan. Iteraatioon 16 mennessä työttömyyspäivärahan ja kansaneläkkeen korotukset on tehty ja sen jälkeen vuoroon tulee opintotuen korotukset (ks. tau-lukko 10.3 sivulla 119).
TauluKKo 11.6 Köyhyysasteet (köyhyysrajana 50 % mediaanista) suuralueittainen perus-turvaohjelman aikana, iteraatiovaiheissa 0, 9, 16, 24 ja 30
Perusturvaohjelma
*Suuralue, NUTS2
Iteraatio
0 9 16 24 30
Uusimaa 1,7 0,9 0,7 0,5 0,4
Etelä-Suomi 4,7 2,7 2,2 2,0 1,9
Itä-Suomi 7,3 5,3 4,6 4,3 3,5
Väli-Suomi 5,8 3,8 3,3 2,9 2,6
Pohjois-Suomi 6,2 3,9 3,3 3,0 2,1
Ahvenanmaa 2,1 2,1 2,1 2,1 2,1
Kaikki 4,5 2,8 2,4 2,1 1,8
Kuriositeettina voidaan huomata, että Ahvenanmaan köyhyys ei alene perusturva-ohjelman ansiosta lainkaan. Aivan samoin käy CUPI-indeksiä käytettäessä. Tämän täytyy tietenkin johtua Ahvenanmaan pienestä osuudesta otoksessa; köyhiä työt-tömiä ja opiskelijoita otoksessa ei ilmeisesti ole tai ainakaan nämä parannukset ei-vät heitä köyhyydestä päästä. Jälkimmäinen osoittautui pitävän paikkansa, sillä ky-se oli kahdesta yhden hengen kotitaloudesta, joista toinen on Tulonjakoaineiston päämiehen toimintaa kuvaavan muuttujan mukaan pitkäaikaistyötön ja toinen opiskelija; syystä tai toisesta kummankin käytettävissä oleva tulo pysyi vakiona ko-ko ohjelman ajan. Opiskelijan ko-kohdalla syy oli opintotuen ja opintotukikuukausien puuttuminen, työttömälle malli laski noin 4 000 € ansiosidonnaista työttömyyspäi-värahaa, mikä on saman verran kuin aineistossakin. Asian lähempi tutkinta osoitti, että kyse on tapauksesta, jossa lähtötietojen puutteellisuuden takia malli siirtää ai-neistossa olevan arvon mallin tuottamaksi, eli malli ei laskenut ko. henkilön työttö-myysturvaa työttömyyspäivärahaparametrin kautta ja siksi parametrin korotus ei vaikuttanut ko. henkilön saamaan työttömyysturvaan. Toimeentulotukiohjelmas-sa nämä molemmat tapaukset nousivat kauniisti pois köyhyydestä, opiskelija ite-raation vaiheessa 8 ja työtön vaiheessa 14. Tämä kuriositeetti palautui Tulonjakoai-neistossa olevaksi virheeksi, joka johtunee paljolti siitä, että eri rekistereissä olevat tiedot eivät aina ole yhtäpitäviä. Tämä aineiston epätäydellisyys on syytä pitää mie-lessä, jos ajojen tuloksissa on jotain epäluonnollista ja epäloogista.