Tässä tutkimuksessa on tarkoituksena selvittää palvelun tehokkuutta ja ryhmien välisen työllis-tymisen todennäköisyyttä. Onko palvelu nettovaikutukseltaan positiivinen julkisen sektorin kannalta? Toimiiko ostopalvelutehokkaammin jollekin asiakasryhmälle ja voidaanko tunnistaa tiettyjä toimia, jotka tehostavat työllistymistä. Ryhmien tulokset analysoitiin logistista regres-siota käyttäen.
Suomessa vuonna 2017 maksettu keskimääräinen ansiosidonnainen päiväraha oli 63,77 eu-roa/päivä ja peruspäiväraha oli 32,01 eueu-roa/päivä (Kela, 2018). Tutkimukseen osallistuneista ansiopäivärahalla oli 47 %, joten tässä tutkimuksessa käytetty painotettu työttömyysetuus on 46,91 euroa/päivä. Julkisen sektorin tulonmenetys työttömyydestä johtuen on 21 500 euroa vuodessa, kun käytetään vuoden 2013 suomalaisten keskimääräistä palkkaa (Kari, 2016, 28).
Kun käytetään työssäolopäivien lukumääränä 250, niin yhden työssäolopäivän tulonmenetys on 86 euroa päivässä. Työttömyysetuuden maksusta ja julkisen sektorin tulonmenetyksestä seu-raava kustannus työttömyyspäivää kohden on 132,91 euroa. Julkisen sektorin kuluina tässä tut-kimuksessa ei huomioida mahdollisia vaikutuksia toimeentulo- tai asumistukeen.
3.1. Taustatiedot tutkittavista
Tähän tutkimukseen valikoitui tutkittavat, jotka aloittivat kyseessä olevassa ostopalvelussa elo-kuun 2017 ja maaliselo-kuun 2018 välisenä aikana. Lisäksi heistä piti olla käytettävissä joko hen-kilötunnus tai nimi, jolla heidät pystyi tunnistamaan TE-toimiston järjestelmästä. Tutkimuk-sesta on jätetty pois tutkittavat, jotka ovat menneet velvoitetyöhön, koska heidän työllistyminen ei pohjaudu TE-toimiston tai palveluntuottajan toimintaan, vaan lakiin (JTYPL 916/2012 12 luku). Muita rajaavia tekijöitä otoksessa ei ollut. Aikarajauksen perusteena oli, että palvelun-tuottajat olivat ehtineet elokuussa saamaan palvelunsa käyntiin. Maaliskuu valittiin aloituksen takarajaksi sillä perusteella, että asiakkaat ehtivät olemaan maksimiajan palvelussa ja raportoi-maan palvelunsa tuloksen ennen tämän tutkimuksen tekemistä.
Tutkittavia tässä tutkimuksessa oli 277 työtöntä työnhakijaa, jotka olivat saaneet valita itse yh-den viidestä palveluntuottajasta. Asiakasjakauma oli tuottajien välillä suhteellisen tasainen. Vä-hiten oli asiakkaita palveluntuottajalla numero 2, jolla oli 46 asiakasta. Eniten oli asiakkaita palveluntuottajalla numero 5, jolla oli 60 asiakasta.
Asiakkaiden ikäjakauma oli 32 vuodesta 64 vuoteen, keski-iän ollessa 55,5 vuotta. Asiakkaat jakautuvat kolmeen kategoriaan koulutustaustan mukaisesti. Ensimmäinen kategoria oli asiak-kaat joilla ei ole minkään tason ammatillista koulutusta tai se on tuntematon (N=50, 18,1 %).
Toisena kategoriana on toisen asteen ammatillisen koulutuksen suorittaneet (N= 140, 50,5 %) ja kolmas kategoria on korkeakoulututkinnon suorittaneet (N=87, 31,4%). Miehiä tutkittavista oli 131 (47,3 %) ja naisia 146 (52,7 %). Suomen kansalaisia oli 250 (90,3 %) ja ulkomaankan-salaisia 27 (9,7 %) tutkittavista. Tutkittavien jakautuminen TE-toimiston palvelulinjoille oli työnvälitys ja yrityspalvelulinjalle 111 (40,1 %), osaamisen kehittämisen palvelulinjalle 94 (33,9 %) ja tuetun työllistymisen palvelulinjalle 72 (26,0 %). Tutkittavat jakautuivat työttö-myysetuuden maksajan mukaan kahteen kategoriaan, työttömyyskassa (N= 130, 46,9 %) ja Kela (N= 147, 53,1 %).
Tutkimusten tuloksia analysoidessa käytettiin tilannetta, joka oli tapahtunut ennen 30.11.2018.
Tämän jälkeisiä muutoksia tutkittavan tilanteessa ei huomioitu. Tutkittavien taustatiedot ja työllisyystilanne (työllistyi/ ei työllistynyt) on saatu TE-toimistossa käytössä olevasta Ura-tie-tojärjestelmästä. 277 tutkittavasta koko ajan työttömänä oli ollut 109 (39,4 %), vakituiseen tai yli 12 kuukautta kestävään työhön oli mennyt 53 (19,1 %), alle 12, mutta yli 3 kuukautta kes-tävässä määräaikaisessa työssä oli 55 (19,9 %) ja työllistämistä ediskes-tävässä toiminnassa oli 60 (21,7 %).
Palveluntuottajille maksettavat palkkiot perustuvat kiinteään ja tulokseen perustavaan osaan.
Jokaisesta asiakkaasta maksettava kiinteäpalkkio oli 300 €/asiakas ja maksimipalkkiona käyte-tään tässä tutkimuksessa keskiarvoa palveluntuottajien palkkijoista, joka on 1406€. Suurin maksimipalkkio oli 1500€ ja pienin oli 1350€. 100 % palkkiosta sai, jos asiakas meni vakitui-seen tai yli 12 kuukautta kestävään työhön, 3-12 kuukautta kestävästä työstä tuli 80 % ja työl-listymistä edistävään toimintaan menosta 30 % maksimipalkkiosta.
Työvoimahallinnon kustannukset tästä tutkimusryhmästä oli yhteensä 244 790€ keskimäärin yksi asiakas kustantaa noin 884€. Yhden työllistymisen hinnaksi tuli 2267€, kun lasketaan kaikki palvelun tuottajille maksetut palkkiot (244 790€), joka jaetaan työllistyneiden määrällä (108 henkilöä) (kts. taulukko 1). Kun käytetään työttömyyspäivän hintana 132,91 euroa/päivä, niin työllistymisen tulisi nopeutua vähintään 3,4 viikkoa, jotta ollaan nollatasolla, tämän jälkeen
alkaa julkisen sektorin säästö. Tässä tutkimuksessa ei ole huomioitu kustannuksina TE-toimis-ton omaa lisääntynyttä työpanosta, jota on syntynyt esimerkiksi palvelun hallinnoinnista ja pal-veluun ohjaamisesta.
Taulukko 1. Maksetut korvaukset palvelutuottajille
Asiakasmäärä Palkkio euroa Maksettu
Kiinteäosa 277 300 83100
Yli 12kk/vakituinen työ 53 1406 74518
3-12 kk työ 55 1124,8 61864
Työll. Edist. Toim. 60 421,8 25308
Työtön 109 0 0
Yhteensä euroa 244790
3.2. Logistinen regressio
Käyttäytymistieteissä usein käytetään joko regriossioanalyysejä tai varianssianalyysimenelte-miä. Regressioanalyysit antavat teoreettisen pohjan, mutta se vaatii myös analyyttistä tulosten tarkastelua, kuten muutkin tilastolliset menetelmät. Regressioanalyysi pohjautuu korrelaatioi-den tutkimiseen. Lineaarisessa regressiossa selittävät muuttujat voivat olla kategorisia, jos niille tehdään dummy-koodaus, mutta selitettävän muuttujan tulee olla jatkuva. (Nummenmaa, 2004, 297; 318)
Vaikka usein käyttäytymistieteissä mitatut tulokset ovat jatkuvia, niin tämä ei aina toteudu.
Näitä tilanteita varten tarvitaan analyysimenetelmiä, joilla voidaan tutkia laatu- ja järjestysas-teikollisia muuttujia. Logistisessa regressiossa ei oleteta, että muuttujien välinen yhteys olisi lineaarinen. Mallien väliset yhteydet voivat olla eksponentiaalisia, logaritmisia tai lineaarisia.
Logistisen regression mallit voivat olla kaksi- tai useampiluokkaisia. Regressioanalyyseissä oletetaan, että muuttujat eivät ole keskenään kolineaarisia. (Nummenmaa, 2004, 318-320)
Logistisen regression ideana on luoda matemaattinen malli, jossa selittävien muuttajien avulla ennustetaan selitettävän muuttujan vaihtelua. Usein analyysiä helpottaa se, että selitettävä muuttuja on mahdollista saada vain kaksi arvoa. Tällöin voidaan käyttää mallia, jossa riski-suhde (OR) on tapahtumien 0 ja 1 todennäköisyyksien osamäärä. Matemaattisesti: OR=P/(1-P). (Nummenmaa, 2004, 320)
Regressioanalyyseissä tarkastellaan mallin sopivuutta, selitysastetta ja ennustustarkkuutta ja selittäjien merkityksellisyyttä. Mallin sopivuutta tarkastellaan X² -testisuurella ja siihen liitty-vällä p-arvolla. Logistisen regression selitysastetta tarkastellaan niin sanotuilla pseudo R² -ker-toimilla, joista yleisin on Nagelkerke pseudo R², jolla voidaan tulkita, kuinka paljon selitettävän muuttujan vaihtelusta voidaan kuvata mallin avulla. Ennustustarkkuudella arvioidaan, kuinka hyvin malli sijoittaa havainnot oikeaan luokkaan. Selittäjän merkityksellisyydessä tarkastel-laan, poikkeaako regressiokerroin tilastollisesti merkityksellisesti nollasta. Logistisessa regres-siossa kertoimet ovat riskisuhteita. Usein käytetään riskisuhteiden muutoksia EXP(B). (Num-menmaa, 2004, 325–327)
3.3. Tulokset
Analysoinnin helpottamiseksi tutkittavien tulokset koodattiin kahteen luokkaan, 0= ei-työllis-tynyt ja 1= työllistyi. 0-luokkaan kuuluvat henkilöt, jotka olivat työttömiä tai pääsivät johonkin palveluun ja 1-luokassa on vakituiseen työhön tai määräaikaiseen yli kolme kuukautta kestä-neeseen työhön päässeet henkilöt. Tutkittavien jako työllistyneisiin ja ei-työllistyneisiin tehtiin sillä perusteella, että hankkeen tavoitteena oli löytää asiakkaille työpaikka. Toinen vaihtoehto olisi ollut jakaa asiakkaat joko työttömiin ja ei työttömiin, mutta koska kyseisen palvelun ta-voitteena ei ollut pelkkä työttömyyden katkaisu, niin tähän jakoon ei päädytty.
Tulokset analysoitiin logistisella regressiolla, joka tehtiin SPSS-ohjelmalla. Tavoitteena oli löy-tää, mitkä selittävät muuttujat vaikuttavat tilastollisesti merkitsevästi työllistymisen todennä-köisyyteen. Selittävinä tekijöinä käytettiin ikää, palveluntuottajaa, sukupuolta, koulutusta, työt-tömyysetuuden maksajaa, suomen/ulkomaan kansalaisuutta ja henkilön palvelulinjaa TE-toi-mistossa.
Mallin selitysasteeksi tuli käyttäen Nagelkerke pseudo R² =.246. Lisäksi Hosmer and Le-meshow testi osoittaa mallin toimivuutta (p=.671)
Taulukossa 2 kuvataan mallin ennustetarkkuudesta, eli siitä kuinka monta prosenttia havaintoa malli sijoittaa kuulumaan oikeaan luokkaan.
Taulukko 2. Mallin ennustetarkkuus
Mallin ennustetarkkuus on kohtuullisen hyvä 72,2 %. Varsinkin ei työllistyneiden osuuden malli ennustaa hyvin (81,7 %). Työllistyneiden osalta malli sijoittaa vain 57,4 % oikeaan luok-kaan.
Taulukko 3. Logistisen regressioanalyysin tulokset
Logistinen regressio
Logistisen regression analyysi työllistymistä selittävistä taustatekijöistä 277 työttömälle, jotka ovat saaneet työnvälityspalvelua ostopalveluna.
Selittävä
Tulokset koodattiin seuraavasti ei työllistyneet =0 ja työllistyneet =1. Se-littäjät koodattiin: Ikä on jatkuva muuttuja; Tuottajat on kategorinen muuttuja, jossa tuloksia verrattiin palveluntuottajaan 1; naiset =0, miehet
=1; Koulutus on kategorinen muuttuja, jossa tuloksia verrataan ilman ammatillista koulutusta oleviin; Työttömyysetuuden maksaja työttö-myyskassa =0 ja KELA =1; Kansalaisuudessa suomen kansalaiset =0 ja ulkomaankansalaiset =1; Palvelulinjat on kategorinen muuttuja, jossa tu-loksia verrattiin työnvälitys ja yrityspalvelun tuloksiin.
Tilastollisesti merkitseviä työllistymiseen vaikuttavia taustatekijöitä tässä mallissa on vain ikä (p=.001), työttömyysetuuden maksaja (p=.013) ja palvelulinjat verrattaessa työnvälitys ja yri-tyspalvelun asiakkaisiin (Osaamisen kehittämisen palvelulinja p=.001 ja tuetun työllistymisen palvelulinja p=.015). Muut tekijät eivät ole tässä mallissa tilastollisesti merkitseviä (kts. tau-lukko 3) Koska palveluntuottajien välillä ei ole tilastollista eroa työllistymisessä, niin tutkimuk-sessa ei enää lähdetty tekemään tarkempaa analyysiä tuottajien käyttämistä menetelmistä.
Tämän tutkimuksen logistisen regression tulosten perusteella. Iän kasvaessa työllistymisen riski pienenee (p=.001). Mikäli työttömällä on maksajana Kela, niin työllistymisen riski on pienempi (p=.013). Verrattaessa palvelulinjan vaikutusta työllistymisen riskiin, niin osaamisen kehittä-misen ja tuetun työllistykehittä-misen palvelulinjojen asiakkaiden työllistykehittä-misen todennäköisyys on suurempi kuin työnvälitys ja yrityspalvelulinjan asiakkailla.
Työttömyysetuuden maksajan vaikutusta voi selittää se, että osa työttömyysetuutta saavista henkilöistä on voinut menettää oikeuden ansiosidonnaiseen päivärahaan, koska heille on jo maksettu sitä maksimimäärä. Usein työttömyyden pitkittyessä myös työllistyminen on haasta-vampaa. Kansalaisuuden vaikutus näyttää työllistymisen riskin suunnan (maahanmuuttajien riski on pienempi), kuten voidaan olettaa, mutta otoksessa maahanmuuttajien pienen määrän vuoksi tulos ei ole tilastollisesti merkitsevä (p=.236). Jossain määrin yllättävänä voidaan pitää, ettei tuloksissa koulutuksella ole tilastollisesti merkitsevää vaikutusta työllistymiseen.
3.4. Työllistymisen nopeus
Niiden selittävien tekijöiden perusteella, joista saatiin tilastollisesti merkitsevä tulos, valittiin samat tekijät TE-toimiston asiakkaista. TE-toimiston tulokset saatiin Työ- ja elinkeinoministe-riön Työnvälitystilastosta (2019). Työnvälitystilastosta ei ollut mahdollista erotella työttö-myysetuusmaksajan mukaan, joten se on jätetty vertailusta pois.
Tutkittavista työllistyi tarkastelujakson aikana 108 (39 %) ja ei työllistyneitä oli 169 (61 %).
Keskimääräinen työllistymisnopeus tutkittavilla oli 92 viikkoa työttömyyden alkamisesta. Tu-losten vertailun vuoksi tuloksiin ei huomioida työllistymisiä, jotka tapahtuivat ennen 52 työt-tömyysviikkoa. Koska TE-toimiston asiakkaiden vertailuryhmään ei ole otettu työllistymisiä, jotka on tapahtunut ennen 52 työttömyysviikkoa. Tällöin jää pois palvelussa olleista 20 henki-löä, jotka työllistyivät ennen 52 työttömyysviikkoa. Niiden tutkittavien osalta, jotka työllistyi-vät 52 työttömyysviikon jälkeen, työllistymisen nopeuden keskiarvo oli 102 viikkoa. 52 viikon rajaus, johtuu siitä, että palvelun kohderyhmänä olivat asiakkaat, jotka olivat olleet yli vuoden työttömänä. TE-toimisto ohjasi palveluun vain niitä joiden työttömyys oli kestänyt alle vuoden, jos arvioitiin, että henkilön työttömyys tulee pitkittymään. Vastaavan verrokkiryhmän luomi-nen Työnvälitystilastosta ei ole mahdollista.
Työllistymisen nopeutta verrataan saman alueen TE-toimiston kaikkiin asiakkaisiin, josta oli tehty palveluntuottajille ohjausta, joiden työttömyys oli kestänyt 1-4 vuotta. Tähän on valittu kuukausiksi syys-, loka ja marraskuu 2018, jotta saadaan vähennettyä kuukausien välistä vaih-telua. Koska tutkimuksen tekeminen on aloitettu syksyllä 2018, ei ollut mahdollista luoda TE-toimiston asiakkaista verrokkiryhmää, vaan tuloksissa joudutaan käyttämään koko kriteerit täyttävää asiakasmäärää. Verrokkiryhmän rakentaminen olisi pitänyt aloittaa jo keväällä 2018, jotta sen tulokset olisi saatu marraskuuhun 2018 mennessä.
Taulukko 4. TE-toimiston ja palveluntuottajien työllistymisnopeuden vertailu
TE-toimisto N KA/vko Tuottajat N KA/vko Ero
Kaikki 1390 96 Kaikki 85 102 6
Työttömyyden kesto 1-2v 920 74 1-2v 51 78 4
2-3v 354 113 2-3v 26 122 9
3-4v 116 179 3-4v 6 178 -1
Ikä 30-49 618 94 30-49 5 115 21
50-54 206 99 50-54 35 102 3
55-64 406 104 55-64 45 101 -3
Palvelulinja Työnvälitys. 525 93 Työnvälitys 49 91 -2
Osaamisen 553 97 Osaamisen 23 110 13
Tuetun työl 200 100 Tuetun työl 13 131 31
Kun verrataan kaikkien TE-toimiston asiakkaiden työllistymisnopeutta palveluntuottajien pal-veluita saaneiden työllistymisnopeuteen niin keskimäärin pelkkiä TE-toimiston palpal-veluita saa-neet työllistyvät kuusi viikkoa nopeammin. Työttömyyden keston perustella jaettuna työllisty-minen on nopeampaa TE-toimiston asiakkailla niin 1-2 vuotta ja 2-3 vuotta työttömänä olleissa.
3-4 vuotta työttömänä olleilla palveluntuottajan palveluita saaneet työllistyivät viikon nopeam-min. 3-4 vuotta työttömänä olleissa palveluntuottajan palveluita saaneilla työllistymisiä oli vain kuusi, joten yhden työllistymisen vaikutus keskiarvoon on suuri, joten siitä ei voi suuria johto-päätöksiä tehdä (kts. taulukko 4).
Iän perusteella jaettuna työllistyminen on nopeampaa TE-toimiston asiakkailla sekä 30–49- ja 50–54-vuotiaissa. Tosin palveluntuottajilla 30–49-vuotiaiden ryhmässä oli työllistymisiä vain viisi. 55–65-vuotiaissa palveltuottajan palveluita saaneet työllistyivät kolme viikkoa nopeam-min.
Työnvälitys ja yrityspalvelun palvelunlinjan asiakkaiden työllistyminen on keskimäärin kaksi viikkoa nopeampaa kuin TE-toimiston asiakkaiden. Osaamisen kehittämisen ja tuetun työllis-tymisen palvelunlinjojen TE-toimiston asiakkaat työllistyvät keskimäärin nopeammin.
3.5. Palvelun tuottavuus
Nollataso julkisen sektorin kannalta saavutetaan, jos työllistyminen nopeutuu palveluntuotta-jien palveluilla vähintään 3,4 viikolla. Ainoa asiakasryhmä, joka saavutti vähintään nollatason työllistymisen nopeudessa on 55–64-vuotiaat, joiden työllistyminen nopeutui kolmella viikolla.
Muuten nekin ryhmät, joissa työllistyminen nopeutui, niin nopeutuminen jäi keskimäärin alle kolmen viikon. Pääsääntöisesti TE-toimiston on maksanut tämän tutkimuksen perusteella hei-kommasta tuloksesta, kun se tuottaa omalla työllään. Tässä tutkimuksessa käytetyillä tiedoilla tämä ostopalvelu ei ole julkiselle taloudelle kannattava.
Keskiarvovertailulla ei voida tehdä yksittäisiä asiakkaita koskevia johtopäätöksiä. Mikäli TE-toimisto on ohjannut palveluntuottajille asiakkaita, joista TE-toimisto on kokenut, että palvelun-tuottaja pystyy auttamaan paremmin tutkittavaa työllistymään, niin palvelu voi olla nettovaiku-tukseltaan positiivinen. Koska käytössä ei ollut satunnaistettua otantaa, ei voida tässä tutkimuk-sessa arvioida työllistymisprosenttien eroja TE-toimiston ja palveluntuottajien välillä.
Tuottavuusvertailussa tässä tutkimuksessa ei otettu huomioon julkisen sektorin palvelusta joh-tuvaa lisätyötä, kuten kilpailuttamista, hallinnointia ja asiakasohjausta. Tämä seikka tulisi ottaa huomioon, kun arvioidaan tuottavuuseroja.