Sisällys:
Tämä raportti sisältää STTK:n henkilöstön edustajien eli HEDien HED-barometrin kyselydatan (2009, 2011, 2013, 2015, 2017, 2019 ja 2021) vuonna 2021 tehdyt spesiaalianalyysit. Tutkimuksen pääkohteiksi valittiin HEDien toimintapanostukset (työnkuva) ja toimintaolosuhteet sekä etätyöolosuhteet. Tutkimus jäsentää vastausaineistossa olevaa HED-järjestelmän monimutkaisuutta ja eri tekijöiden välisiä riippuvuuksia tiedonkäyttäjälle toivottavasti käyttökelpoisempaan muotoon. Tutkimusote on klassinen tilastollinen tutkimus, jossa käytetään koeteltuja standardeja tilastollisia monimuuttujamenetelmiä.
HED-kysely on monipuolinen ja systemaattinen tiedonkeruu henkilöstön edustajien työn toteutuneesta luonteesta ja siinä keskeisesti vaikuttavista toimintaympäristön osatekijöistä, kuten henkilöstön, työnantajan ja liiton tuki HED-tehtävässä onnistumiselle. Vastauksista kertyvä aineisto tarjoaa tieteellistä faktapohjaa yhteiskunnalliseen keskusteluun ja tuo näkyväksi ay-liikkeen toimintaympäristöön liittyviä perusmerkityksiä. STTK:n asiantuntijoille HED-barometri tuottaa kokonaisvaltaista ymmärrystä työpaikkojen ja toimialojen kehittämis- ja ay-vaikuttamistyöhön.
Vuoden 2019 HED-barometrin yhteydestä kehitettiin digitaalinen työkalu STTK:laisten liittojen asiantuntijoiden käyttöön. Tästä syystä tässä barometrissa ei käydä kyselyn tuloksia aiemman käytännön mukaisesti. Aineiston muuttujat tilastollisina aikasarjoina löytyvät netissä olevan HED-barometrin tilastosovelluksen kautta, jolla liittojen tiedonkäyttäjät voivat tarkastella koko aineiston lisäksi oman liiton tai liittoa läheisten toimialojen HEDien vastauksia ja myös verrata omiensa vastauksia muiden liittojen HEDien vastauksiin ja mahdollisesti kartoittaa hyviä käytäntöjä muualta.
Vuoden 2021 analyysit paneutuvat HEDien ydinasioihin, itse työtoimintaan, toteutuneeseen HED-työnkuvaan ja tehtävissä vaikuttaviin taustaolosuhteisiin. Mitkä työtekijät vaikuttavat toisiinsa ja millä painolla? Miten töiden yksityiskohtien paljous niputtuu toisiinsa, kenties hyödyllisiin "paketteihin", joita voidaan myös kouluttaa samassa kokonaisuudessa? Entä mitkä olosuhdetekijät estävät tai myötävaikuttavat hyvän HED-arjen syntymiseen?
Raportti sisältää osin varsin laajoja tilastollisia graafeja ja taulukoita. Informaation luonteen takia raportti on aiemmasta poiketen tehty selaimella luettavaan web-formaattiin. Lukija voi hyödyntää kaikkia nettiselaimen ominaisuuksia, mm. kuvien ja tekstien suurentamista zoomaustoiminnolla (tyypillisesti näppäinyhdistelmä "Ctrl +/-"). Raportissa ei ole sivunumerointia, mutta yksittäisen osion voi jakaa vaikkapa sähköpostilla klikkaamalla sisällysluettelosta ao. osion ja kopioimalla selaimen osoiteriville syntyvän # -jatkuisen pidemmän linkin. Raportin sisällä liikkumista on helpotettu "palaa raportin alkuun" -navigointilinkeillä. On suositeltavaa tutustua raporttiin isommalta näytöltä.
Analyysien sanalliset tulkinnat ja johtopäätökset on kirjoitettu auki mahdollisimman kansantajuisesti sinapinkeltaiselle pohjalle. Halutessasi voit selata vain sanalliset tulkinnat ilman datataulukoita ja -graafeja. Pääasialliset tilastomenetelmät on kuvattu tilastomenetelmän siniharmaassa kuvauslaatikossa.
5/2021 HED-raportin työryhmä: Petri Palmu, tilastolliset analyysit & raportti Erkki Auvinen
Avainkäsitteitä: HED-systeemin toiminnan ja toimintaolosuhteiden jäsentäminen ja mittaaminen, paikallinen sopiminen, etätyöolosuhteet, tilastollinen faktorianalyysi (FA) ja tilastollinen rakenneyhtälömalli (SEM).
Raportissa käytettyjä lyhenteitä: HP/H = HEDien toimintapanokset (HedPanokset), O = HEDien toimintaolosuhteet, PS = paikallinen sopiminen, LM = luottamusmies, TSV = työsuojeluvaltuutettu.
Kuva: Vastaajamäärät HED-tyypin mukaan vuosittain.
Alla olevat tilastokuvat kokoavat erilaisia mittareita, jotka tämän raportin analyysien perusteella on todettu poikkeuksellisen merkittäviksi. Mittareissa keskiarvojen asteikko on 1-5, jossa yli 4 arvot ovat korkeita ja alle 2 tarkoittaa alhaista tasoa.
Yhteensä 3 x 2 = 6 kuvaa: H) HED-toiminnan taso ja O) HED-toimintaolosuhteet (2) jaettuna HED-asemamuuttujan (LM,TSV,LM+TSV) mukaan (3).
Kuva (H): Toimintapanosten tasoa luottamusmiehillä (LM).
Kuva (O): Toimintaolosuhteiden tasoa luottamusmiehillä (LM).
Kuva (H): Toimintapanosten tasoa työsuojeluvaltuutetuilla (TSV).
Kuva (O): Toimintaolosuhteiden tasoa työsuojeluvaltuutetuilla (TSV).
Kuva (H): Toimintapanosten tasoa kaksoisroolissa (LM+TSV).
Kuva (O): Toimintaolosuhteiden tasoa kaksoisroolissa (LM+TSV).
HED-kyselyn eräänlainen peruskivijalka on HEDien työn arjen mittaaminen. Mittariston rakentamisessa on osin hyödynnetty Engeströmin toiminnan teoriaa. Mittarit kuvastavat toimintapanosten määrää ja laatua HEDien tehtäväalueissa. Kaikille vastaajille (LM+TSV) kysymykset ovat samat, joten esimerkiksi LM-profiili paljastuu tilastotunnuslukujen vertailun kautta (suhteessa TSV-profiiliin). Toimintamittareille ei ole asetettu hyvän rajan tavoitearvoja. Jäsenliitot voivat toki asettaa omille mittareille tavoiterajoja. Työmäärän arvioinnissa hyödyllinen lisämittari on kysymys toteutuneista HED-viikkotyötunneista.
HED-kyselyn toinen puoli käsittää mittareita, jotka kuvaavat HEDien toimintaa mahdollistavia työpaikan ja ay-järjestelmän luomia olosuhteita. Näiden olosuhteiden vaikutus HED-työn painottumiseen on tärkeä kysymys. Toisaalta HED-työllä myös pyritään vaikuttamaan siihen, että esimerkiksi työpaikan johtaminen sujuu paremmin. Näille hyvinvoinnin olosuhdemittareille on luontevaa asettaa myös tavoitearvoja. Esimerkiksi 1-5 vastausasteikolla olevan tyytyväisyysmittarin keskiarvo tulisi olla vähintään tasolla 4/5. HEDien taustaolosuhteiksi voi myös mieltää HED-edustettavien toimihenkilöiden henkilömäärä työpaikoilla ja ylipäänsä työpaikan koko.
Kolmannen muuttujaryhmän muodostavat erilaiset taustamuuttujat, kuten HED-status, ikä, sukupuoli, toimiala ja asuinalue. Kokonaiskuvan HED-datan laajuudesta saat parhaiten selville raportin lopun muuttujalistasta.
STTK:n vanhat HED-aineistot koottiin vuonna 2019 yhdeksi tietokannaksi. Tällä pyritään turvaamaan aineiston eheys, jatkuvuus ja mahdollistamaan monipuolinen hyötykäyttö. Vuodesta 2019 lähtien keskeinen osa aineiston tilastomittareita on ollut kenen tahansa liiton asiantuntijan saatavilla myös HED-barometrin web-työkalun kautta. Tilastosovelluksen käyttöä on vuonna 2019 koulutettu datasta kiinnostuneille liittojen asiantuntijoille.
Datan ylläpito on varsin työläs prosessi, erityisesti aineiston yhteismitallisuuden säilyttäminen vaatii huolellisuutta erityisesti kyselylomakkeen päivittämisessä. Taustamuuttujien, kuten liittojen ajantasainen luokitus ja vertailukelpoisuus myös taaksepäin on tärkeä osa vastausaineiston esikäsittelyä. On enemmän kuin tavallista, että datasta aina löytyy jotain mystisiä ongelmia. Jos lukija huomaa epäilyttäviä tunnuslukuja tms., niin asiasta kannattaa ilmoittaa STTK:lle (erkki.auvinen@sttk.fi).
Taulukko: Vastaajamäärät STTK:n jäsenliittokohtaisesti eri vuosina. Luokituksessa liittojen fuusiot jne. on otettu huomioon. Vanhat liitot ovat luokiteltu uusien alle.
Kuva: Vastaajamäärät jäsenliitoittain ja vuosittain, sama informaatio kuin yllä taulukossa. Kuva näkyy vain nettiversiossa. Vie kohdistin kuvan päälle, niin näet tarkemmat luvut.
Faktorianalyysilla suurempi määrä joukko yksittäisiä tilastollisen datan mittareita yhdistetään vähälukuisemmiksi "faktoreiksi" tai yhdisteulottuvuuksiksi (factor image). Faktorikuvassa olennaista on riittävä teoreettinen rakennevalidius (faktorit pitää tulkita ja nimetä) sekä tilastollinen mittausluotettavuus (reliabiliteetti). Mikä tärkeää, faktorianalyysillä "raaputetaan pois" kyselytutkimuksissa aina läsnä olevaa mittausvirhettä. Mittausvirheet yleensä heikentävät korrelaatiopäätelmiä, lisäävät dataan turhaa "roskaa".
Faktorianalyysilla dataan voidaan tuottaa uusia mittareita. Näitä summamuuttujia kutsutaan faktoripistemäärämuuttujiksi (factor scores). Uusia summamuuttujia voidaan käyttää tilastoanalyyseissa normaaliin tapaan. Valitettavasti faktoripistemäärämuuttujilla ei yleensä enää ole alkuperäistä mitta-asteikkoa (esim. 1-5). Summamuuttujat on keskistetty ja standardisoitu nollan ympärille. Jakauman ääripäässä pistemäärien arvot ovat suunnilleen -3 ja 3. Normaalijakauman tavoin suurin osa faktoripistemääristä on yleensä nollan lähistöllä.
Faktorianalyysin perimmäisenä tarkoituksena on pelkistää alkuperäisessä datassa olevaa tilastollista informaatiota. Parhaimmillaan faktorit lopulta kertovat tutkittavasta ilmiöstä enemmän kuin joukko "irrallaan olevia" raakamittareita. Faktorianalyysien kenties kaikkein suurin hyöty on siinä, että uudet faktorimittarit voidaan tehdä toisistaan melko tilastollisesti korreloimattomiksi, toisiinsa nähden "ortogonaalisiksi" (kohtisuoriksi). Alkuperäiset kysymykset taas ovat usein tilastollisesti moninaisesti korreloituneita, joka aiheuttaa (graafeihin) päällekkäisen informaation toistoa ja vaikeuttaa suurempia kokonaisuuksia "maalailevia" kausaalianalyyseja ("metsän näkeminen puilta vaikeutuu").
Faktorianalyysi voidaan lyhyesti kuvata ao. kaltaisena prosessina: Joukko alkuperäisiä raakamittareita (suuri määrä) → [faktorointi] → faktorilatausten rakennekuva → [faktoripistemäärien tuottaminen] → summamuuttujat (pieni määrä)
HED-aineisto sisältää suuren määrän erilaisia henkilöstön edustajan työtä ja toimintaolosuhteita mittaavia tilastomuuttujia. Tyypillisesti tietyt yksittäiset kysymykset liittyvät käsitteellisesti johonkin laajempaan osakokonaisuuteen, kenties muodostavat kokonaisia dynaamisia ilmiöitä. Näin myös vastauksissa näkyy tilastollinen korrelaatio kahden tai useamman muuttujan välillä. On hyvä, että kysymyspatteristossa on riittävän yksityiskohtaisia kysymyksiä. Tutkimuksen tehtävä on jalostaa raakadataa sellaiseen muotoon, että muuttujien välille luodaan kohdeilmiön eli HED-systeemin kannalta loogisia relaatioita. Faktorianalyysi on tässä raportissa yksi keskeinen menetelmä, jolla HED-dataa ryhmitellään tiiviimpään muotoon.
Lähes kaikki HED-datan raakamittarit ovat nähtävissä HED-barometrin tilastosovelluksesta, joka tarjoaa STTK:n asiantuntijoille ja päättäjille oivan välineen tutkia monipuolisesti HED-dataa alkuperäisten mittareiden tasolla.
Henkilöstön edustajien työtehtäviin käytettyä panosta (HP) kysytään laajalla joukolla erilaisia mittareita, joiden ajatellaan peittävän HED-tehtävän olennaiset piirteet. Yksittäisistä alkuperäisistä mittareista tehdään uusia faktoripistemäärämuuttujia faktorianalyysin avulla. Faktorianalyysin tulosten tulkinnassa keskeinen väline on alla kuvana ja taulukkona esitetty faktorianalyysin latausmatriisi, joka kertoo alkuperäisten muuttujien kiinnittymiset uusiin faktoriulottuvuuksiin.
Kuva: Yllä oleva faktorianalyysin latausmatriisikuva havainnollistaa visuaalisesti, miten pystyriveillä olevat alkuperäiset HED-toimintapanosmittarit (HP) ryhmittyvät ja tiivistyvät sarakkeiden faktoriulottuvuuksiksi. Yksittäiset faktorit ovat sarakkeilla ja niille on annettu hyvin lyhyt (hieman koodihenkinen) nimi. Lyhytnimen lisäksi faktoria on hyvä avata pidemmällä sanallisella tulkinnalla (ks. esimerkkitulkinnat alla taulukon yhteydessä).
Taulukko: HEDien toimintapanosten faktorianalyysin latausmatriisi, jossa on esitetty vain itseisarvoltaan > 0.25 lataukset. Faktorimallin kuvaa vastaavasti taulukon sarakkeilla on uudet faktorimittarit, joiden sisältökoostumus syntyy riveillä olevien alkuperäisten kysymysten latautumisesta kullekin faktorisarakkeelle. Alkuperäiset kysymykset edustavat kutakin faktoria sen mukaan, mitä voimakkaampia taulukon solujen lataukset ovat. (Itseisarvoltaan) alle 0.3 latauksilla varustetut alkuperäiset kysymykset sopivat huonosti kyseiseen faktoriin. Faktoreilla on tyypillisesti "kärkimuuttujat", suurimman latauksen omaavat. Taulukosta voidaan lukea, että faktori: "HP TESVES PAIKAL SOP" on selkeästi etenkin luottamusmiesten ydintehtäväalue, työehdot ja siihen liittyvä kehittämis-, neuvottelu- ja valvontatoiminta. Taulukossa faktori: "HP TYOHYVINVOINTIKOHTEET" taas on työsuojeluvaltuutettujen toiminta-aluetta.
Taulukko: HEDien toimintapanostusten (HP) faktorianalyysilla tehtyjen summamuuttujien keskiarvot tutkimusvuosittain. Summamuuttujat ovat nollakeskistettyjä eli niiden yleiskeskiarvo koko aineistossa on suunnilleen nolla (0). Summamuuttujia voi verrata ajassa, poikkeamat nollasta ovat ns. standardipoikkeamia (esim. luku +/- 1.0 on jo huomattavan suuri poikkeama, etenkin koko HED-datan vuosikeskiarvoissa). Pienemmätkin poikkeamat ovat luultavasti tilastollisesti merkitseviä, koska faktorianalyysilla tehdyillä summamuuttujilla on yksittäisiä muuttujia suurempi tilastollinen voima. NaN = tieto puuttuu. Faktorianalyysin summamuuttujien NaN-arvoja selittää yhden tai useamman alkuperäisen kysymyksen puuttuminen ao. vuoden barometrin lomakkeesta.
HEDien toimintaolosuhteita on datassa kuvattu mm. alla olevan kuvan kysymyksillä. Näistä yksittäisistä mittarista rakennetaan vähälukuisempi määrä summamuuttujia faktorianalyysin avulla. Faktoreille annetaan alkuperäisten muuttujien "faktorilatausten" ja muun tiedon avulla lyhyt nimi, jolla yritetään kuvata faktorin perusajatus mahdollisimman hyvin.
Kuva: HEDien toimintaolosuhteiden faktorianalyysi. Alkuperäisten kysymysten lataukset eri faktoriulottuvuuksiin. Faktorianalyysi tuottaa 6 faktoria tai summamuuttujaa alkuperäisten kysymysten keskinäisten korrelaatioden pohjalta. Kuvassa pylväät ilmaisevat alkuperäisten muuttujien voimakkuutta olla muodostamassa tiettyä faktoria. Esimerkiksi henkilöstömäärän riittävyyttä kuvaava 1. sarake muodostuu vahvemmin henkilöstömäärän riittävyydestä ja varahenkilöstöjärjestelyistä sekä vaimeammin työn ja työaikojen sovittamisesta työntekijöiden elämäntilanteiden mukaisesti.
Taulukko: HEDien toimintaolosuhteiden faktorianalyysin latausmatriisi, jossa on esitetty vain itseisarvoltaan > 0.25 lataukset. Taulukosta nähdään esim. että organisaation yleistä hyvinvoinnin tilaa kuvaava faktori "ORG HYVINVOINNIN TYYTYV YLEISTILA" koostuu tiedonkulusta, esimieskoulutuksesta, ongelmatilanteisiin nopeasta puuttumiseta, työyhteisöllisyydestä, oikeudenmukaisuudesta jne. Faktori "TUKI HENKILOSTO AY TARKEYS" taas selittyy henkilöstön ay-tietoudella, osallistumisella työpaikan kehittämiseen, tuella HEDeille jne. Tulkintamielessä kaikki faktorit ovat varsin mielekkäitä ja ymmärrettäviä käsitteitä.
Taulukko: HEDien toimintaolosuhteiden faktorianalyysilla tehtyjen summamuuttujien keskiarvot tutkimusvuosittain. Summamuuttujat on keskistetty siten, että kunkin faktoripistemäärämuuttujan keskiarvo koko aineistossa on suunnilleen nolla (0). Taulukossa mielenkiinto kohdistuu ajallisiin poikkeamiin (nollasta).
Alla voit vielä katsoa yhteenvetona, miten alkuperäiset kysymykset sisällytettiin em. kahden faktorianalyysin summamuuttujiin:
Taulukko: Faktoriulottuvuudet ja niihin liittyvät alkuperäiset muuttujat (korkeammat lataukset). FAKTORI -sarakkeessa muuttujien alkukirjaimet H/HP = HED-toimintapanosmittarit ja O = HEDien toimintaolosuhteet. Uudet hyvin lyhyet nimet (HNEU,...) viittaavat seuraavan (pää)osion SEM-analyysin muuttujanimiin.Paikallisen sopimisen olosuhteiden mittarit koskevat eri sopimiskohteiden vaikeusastetta, yleisesti erilaisia osaamistarpeita/tekijöiden tärkeyttä, tiettyjä toimintapanoksia ja toiminaolosuhteita. Mallinnuksessa käytetyt alkuperäiset kysymykset käyvät ilmi alla olevasta listasta. Paikallista sopimista yritetään hahmottaa hieman laajemmassa kehikossa, kuten muuttujien sisällöstä voi nähdä.
Varsinaisessa faktorianalyysissa yllä olevista alkuperäisistä muuttujista muodostetaan uusia ulottuvuuksia. Uudet ulottuvuudet ovat alla olevassa kuvassa omina sarakkeina.
Taulukko: Paikallisen sopimisen olosuhteiden faktorianalyysin latausmatriisi, jossa on esitetty vain itseisarvoltaan > 0.25 lataukset. Taulukossa 1. sarakkeen alkuperäiset muuttujat muodostavat muilla sarakkeilla olevia faktorimittareita (summamuuttujat) soluissa olevien "faktorilatausarvojen" mukaan. Esimerkiksi sarakenimi "PAIKAL SOP TOIMIVUUS PALKKATIETOSAANTI" sisältää informaatiota paikallisen sopimisen mahdollisuuksien järkevästä käytöstä, edellityksistä paikalliselle sopimiselle, HEDien panostuksen määrästä paikalliseen sopimisen ja riittävien palkkatietojen saamisesta työnantajalta. Seuraavassa vaiheessa tuotettava em. faktorin summamuuttuja muodostuu matemaattisesti eniten näistä korkean latauksen alkuperäisistä riveillä olevista muuttujista. Tämä on faktorianalyysin keskeinen prosessi, yhdistää keskenään korreloivat alkuperäiset muuttujat saman ylemmän tason faktorin alle ja tuottaa uusia hienostuneempia latauksilla painotettuja summamuuttujia.
Taulukko: Paikallisen sopimisen faktorianalyysin summamuuttujien keskiarvot tutkimusvuosittain. Summamuuttujien keskiarvo koko aineistossa on suunnilleen nolla (0).
Tämä osio on raportin pisimmälle vietyä riippuvuussuhteiden analyysia***. SEM = Structural Equation Model (rakenneyhtälömalli). HED-SEM = STTK:n HEDien työtä mallintava rakenneyhtälömalli.
Raportissa ollaan edetty datan jalostuksessa tekemällä alkuperäisistä muuttujista pienempi määrä summamuuttujia (faktorianalyysi). Faktorit sinänsä jo ovat mielenkiintoisia, mutta esimerkiksi HEDien työpanosten ja toimintaolosuhteiden faktoreille ei vielä ole luotu syyseurausyhteyttä. Syyseurausmallinnusten tulokset esitellään tässä osiossa.
Ilmiön syvempi ymmärrys vaatii, että voidaan sanoa myös asioiden välisistä syyseurausvaikutussuhteista. Vaikutussuhteiden tunteminen lisää kohdesysteemin kontrolloitavuutta ja parantaa tulevaisuuden ennakointia. Systeemin vikoja on helpompi korjata, jos tunnetaan todennäköisimmät vian aiheuttajat. Tämä osio on kunnianhimoinen pyrkimys ainakin osittaiseen kausaalisuhteiden mallintamiseen. Valitettavasti toistaiseksi data ei taivu työpaikkatason aikasarjoiksi, joka datapohja olisi paras lähtökohta ajassa seuraavien muutosvaikutusten tunnistamiseen.
Rakenneyhtälömalli eli SEM (structural equation model) on klassinen monimuuttujamenetelmä, jolla voidaan tutkia useiden muuttujien monimutkaisia verkostomaisia vaikutusyhteyksiä. Mallin rakenne esitetään visuaalisesti mallin eri muuttujien vaikutuksia mittaavana nuolikaaviona. Mallissa voi olla mukana nk. sisäsyntyisiä muuttujia, jotka keskenään luovat "toisiansa" ja sitten ulkosyntyisiä, jotka tuovat vaikutuksia sisäsyntyisiin tekijöihin "ulkoapäin".
SEMissä usein käytetään datana faktorianalyysin avulla tehtyjä summamuuttujia. Lisäksi mallikehikossa voi olla aivan tavallisia (raaka)mittareita. Kaikki mallin tekijät pitää olla numeerisia tai luokittelumuuttujat esim. sukupuoli tai toimiala koodattu numeeriksi 1/0-indikaattorimuuttujiksi.
Potentiaalisia vaikutusyhteyksiä on todella paljon, varsinaisten kiinnostavien vaikutuskertoimien (parametrien) määrä kasvaa noin potenssiin 2 suhteessa muuttujien määrään. Lopullista mallia usein hiotaan käsityönä eikä turhia parametreja estimoida.
Sama tekijä Y voi olla monessa mallissa selittävänä tekijänä (Y->) ja toisaalta Y olla itse selitettävänä kohteena (Y<-). Tällä tavoin yksi tekijä Y osallistuu koko systeemin selittämiseen verkostomaisesti (mahdollisesti osin epäsuorasti).
SEM = Structural Equation Model (rakenneyhtälömalli). HED-SEM = STTK:n HEDien työtä mallintava rakenneyhtälömalli.
Tässä osassa analysoidaan H) HEDien toimintapanosten, O) HEDien toimintaolosuhteiden ja eräinen muiden vaikutustekijöiden X (sukupuoli, ikä, toimiala, hed-rooli, työtuntipanos, ...) yhteyttä toisiinsa tilastollisella moniyhtälömallilla (SEM). Mallirakennelmassa H (=hedtoimintapanokset) ja O (=olosuhteet) luovat sisäisen molemminsuuntaisen vaikutusverkoston, kun taas kolmas ryhmä taustatekijöitä (X) on ns. ulkosyntyisiä, niiden vaihtelua ei selitetä muilla muuttujilla (taustatekijät selittävät muita). Eli vaikutusnuolilla kuvattuna em. 3 ryhmän tekijöiden potentiaaliset vaikutusyhteydet voivat olla:
H -> O O -> H X -> H X -> O , jossa H = HP = HEDpanostukset, O = olosuhteet ja X = muut taustatekijät.Mallikehikossa HEDien olosuhteet voivat muokata työtehtäviin panostusta ja toisaalta toimintapanostukset voivat vaikutaa HEDien kokemiin toimintaolosuhteisiin. HED-tyyppi (LM/TSV) taas vaikuttaa yksisuuntaisesti työtehtävien sisältöön. Kiinnostava taustatekijä X on työtuntimäärä, se voi vaikuttaa ylipäänsä siihen, mitä HED-tehtäviä on ajallisesti mahdollista suorittaa, mutta myös eri tehtävien keskinäiseen "kilpailuun" rajallisesta kokonaisajasta. Aikatrendi (TIME) antaa suuntaa, mihin toimintaolot ja työtehtävien painotukset muuttuvat keskimäärin eri vuosina.
Malli pyrkii tuomaan esiin toimintapanos- ja olosuhdetekijäiden (H,O) välistä "muna vai kana" -yhteyttä (vai ja/tai?). Alla esitetyt vaikutusyhteydet ovat enemmän kuin tavalliset korrelaatiot, mutta yritykset nostaa korrelaatiot kausaalipäätelmiksi ovat enemmän taustateoriaan tai "maalaisjärkeen" perustuvaa tulkintakerrosta. On joka tapauksessa ehdottoman tärkeää pyrkiä tuottamaan monta astetta syvempiä parametreja, joissa epävarmat yhteydet on suodatettu pois ja mallia on käsityönä viilattu tilastollisesti ja sisällöllisesti järkevään muotoon.
Alla taulukossa nähdään SEM-analyysin muuttujien keskiarvot tutkimusvuosittain. Muuttujat ovat skaalattu mallintamisen kannalta sopiviin mittayksiköihin, faktorianalyysien summamuuttujilla yleensä nollakeskiseen asteikkoon. Mallin vaikutuskertoimien kannalta muuttujien mittayksiköt eivät ole niin olennaisia, koska kaikki standardisoidaan tiettyyn yhteismitalliseen asteikkoon.
Taulukko: SEM-mallin mittareiden keskiarvot eri tutkimusvuosina. Muuttujat on taulukossa olosuhteita mittaavat summamuuttujat (X), HED-toiminnan aktiivisuuden mittarit (H) ja SEM-mallin taustatekijät. Kaikki muuttujat ovat numeerisia, esimerkiksi teollisuus-toimiala on 1/0-muuttuja sen mukaan, onko vastaaja teollisuudesta. Faktorianalyysilla tehdyt summamuuttujat ovat keskistettyjä, niiden yleiskeskiarvo aineistossa on suunnilleen nolla (0). Aikatrendiä kuvaava TIME-muuttuja on vuosilaskuri ensimmäisestä tutkimusvuodesta 2009 (=1). HED-SEMissä summamuuttujilla on uudet tosilyhyet nimet, kuten OHV, OHLOS,... , mallin visualisoinnin helpottamiseksi.
Käyttöohje vaikutusyhteyksien käyttöliittymään:
Alla mallin rakennetta voi tutkia vuorovaikutteisella käyttöliittymällä, joka toimii vain nettiversiona. Säädä alla olevista liukukytkimistä kuvan korkeutta ja leveyttä sopivaksi. Voit myös pienentää tai suurentaa selaimen pikselitarkkuutta (Ctrl +/-). Kaaviokuvan verkostoa voi pienentää tai suurentaa tietokoneesta riippuen hiiren rullalla tai esimerkiksi läppärin kursorin ohjauslevyllä (suurennos tapahtuu ohjauslevyllä "vetämällä" sivusuuntaan ja pienennös päinvastaiseen suuntaan). Lisäksi kaavion sisällä voit vetää yksittäisiä verkoston solmuja (tekijöitä) eri paikkaan kaaviossa. Aktivoimalla verkoston yksittäinen nimetty tekijä näet muuttujan vaikutuksen suhteessa muihin. Muuttujien voimakkaat vaikutukset on ilmaistu tummemmalla punaisella tai sinisellä. Punainen tarkoittaa positiivista korrelaatiota ja sininen tarkoittaa negatiivista korrelaatiota. Koko "häkkyrän" siirtäminen eri kohtaan tapahtuu painamalla hiiren tms. näppäimellä verkoston päällä ja raahaamalla verkostoa toiseen paikaan. Kannattaa väännellä ja käännellä häkkyrää, niin huomaa parhaiten, miten verkostoa voi käyttää.
|
|
Ohje: Kuvissa esiintyvien faktorimuuttujien lyhyiden nimien takana olevaa tarkempaa sisältöä voit tarkastella tämän osion lopun faktorimuuttujien listauksesta. Lyhytnimet kannattaa rauhassa omaksua ja opetella tutuiksi, näin analyysien seuraaminen ja tulosten käyttäminen tulee sujuvaksi.
Kuva: Vaaka-akselilla on rakenneyhtälömallin kunkin tekijän "korrelaatioarvo" sen mukaan, miten paljon mallin muut muuttujat vaikuttavat siihen. Pystyakselilla taas on kunkin tekijän vaikutusvoima mallin muihin tekijöihin. Voimakkuutta on mitattu yllä olevien suluissa olevien kertoimien itseisarvon summalla. Mitta ei kerro yksityiskohtaisemmin vaikutusyhteyden suunnasta (+/-). Tarkemmat vaikutusyhteydet on luettava ylempänä nuolikuvasta.
Ne muuttujat, jotka ovat enemmän kallellaan vasemmalle suhteessa kuvan vinoa lävistäjää, ovat keskimäärin enemmän vaikutusten antajia (->) kuin vaikutusten ottajia (<-). Mallin peruslogiikasta johtuen esim. LM (luottamushenkilö vs. TSV+kaksoisrooli) toimii vain vaikuttajana (->), siksi se sijaitsee vaakasuunnassa koordinaattipisteessä 0. Tietyllä tavalla tärkeimmät muuttujat ovat oikeassa yläkulmassa, ne virittävät eniten vaikutusyhtälöitä sekä vaikutusten ottajina että antajina. Esitysteknisistä syistä kuvan muuttujat ovat lyhytniminä, alempana on lista lyhytnimet - keskipitkät nimet, jossa voit tarkistaa lyhytnimen tarkempaa sisältöä. Mikäli haluat palata aivan faktorianalyysin alkuperäisiin muuttujiin, niin sisällön näet aiemmin esitellystä faktorianalyysiosion kuvista ja taulukoista.
Käyttöohje alla olevan matriisikuvan lukemiseen:
Raportin tärkeintä mallisysteemiä voi myös katsoa matriisikuvana. Alla olevassa kuvassa on helpompi havaita, mitkä tekijät eivät vaikuta toisiinsa (valkoiset solut). Yhden tekijän vaikutuksen muihin tekijöihin voi käydä järjestelmällisesti läpi katsomalla esim. OLII: TUKI_LIITTO (liiton tuki HED-toimintaan) tekijän vaikutukset sarakesuuntaan (kaikki sarakkeet ko. riviltä, eli rivi i - kaikki sarakkeet). Jos taas haluaa nähdä, miten paljon tietty tekijä on ollut muiden vaikutusten kohteena, niin asia selviää katsomalla kaikki rivit alaspäin tietyltä sarakkeelta (eli sarake j - kaikki rivit).
Kuva: HED-SEMin muuttujien vaikutukset matriisikuvana. Matriisin riveillä olevat tekijät vaikuttavat sarakkeilla oleviin tekijöihin kuvan väriasteikolla. Punainen tarkoittaa positiivista korrelaatiota ja sininen negatiivista. Valkoiset solut ovat nollakertoimia, muuttujilla ei myöskään ole korrelaatiota itseensä. Eli esimerkiksi kuvassa rivillä HSUU: HP_SUUNNITELMAT... ja sarakkeella HSUU risteyskohta on välttämättä nolla. Rivin alaosassa olevat taustamuuttujat esiintyvät mallissa vain selittäjänä/vaikuttajana (->), joten näitä tekijöitä ei ole matriisin sarakkeilla. Matriisia tulkittaessa on hyvä muistaa, että jokainen vaikutuskerroin on mallisysteemin muilla tekijöillä vakioitu osittaisvaikutus. Esimerkiksi HED-työhön käytetyn työajan (h/vko) vaikutus on kontrolloitu jokaisessa vaikutusmallissa, jossa mukana on HEDien toimintapanosmittareita.
Ohje: Kuvissa esiintyvien faktorimuuttujien lyhyiden nimien takana olevaa tarkempaa sisältöä voit tarkastella tämän osion lopun faktorimuuttujien listauksesta. Lyhytnimet kannattaa rauhassa omaksua ja opetella tutuiksi, näin analyysien seuraaminen ja tulosten käyttäminen tulee sujuvaksi.
Mallisysteemin faktorianalyysin muuttujien tarkempi sisältö on nähtävissä alla:
Taulukko: Faktoriulottuvuudet ja niihin liittyvät alkuperäiset muuttujat (korkeammat lataukset). FAKTORI -sarakkeessa muuttujien alkukirjaimet H/HP = HED-toimintapanosmittarit ja O = HEDien toimintaolosuhteet.Etätyöosiossa tutkitaan HEDien näkemystä siitä, miten hyvin etätyöolosuhteet on järjestetty oman työpaikan toimhenkilötyön näkökulmasta. Mielenkiinto kohdistuu myös siihen, vaikuttaako toteutunut etätyön yleisyys (%) etätyöolosuhteiden toimivuuteen (1/0).
Taulukko: Etätyöolosuhteita ja etätyön yleisyyden mittareita ajassa. Etätyöolosuhteet ovat [0,1]-asteikolla eli 0=0% ja 1=100%.
Alla on tilastollisen mallinnuksen tulokset visuaalisesti.
Kuva: Etätöiden %-osuuden (vaaka-akseli) vaikutus etätyöolosuhteisiin (pystyakselit). Kuvissa vihreät pystyviivat kuvaavat etätyöosuuden alinta neljännestä, keskiarvoa ja ylintä neljännestä. Sininen käyrä kuvaa etätyöosuuden ja tietyn etätyöolosuhdemittarin välistä suhdetta. Harmaa nauha mittaa vaikutusyhteyden tilastollista epätarkkuutta. Kiinnitä huomiota pystyasteikon [0,1] tason muuttumiseen. Mitä enemmän pystyakselin arvot muuttuvat etätyömäärän mukaan, sitä enemmän etätyöosuus vaikuttaa kyseiseen etätyöolosuhdetekijään. Vaakasuora viiva tarkoittaa, ettei kahden muuttujan välillä ole korrelaatiota.
Seuraavissa taulukoissa alkuperäiset mittarit on järjestetty pystysuunnassa mahdollisimman hyvin niiden faktorianalyysien latausrakenteiden mukaisiin nippuihin.
HEDien toimintapanosten raakamittarit:
Taulukko: HEDien toimintapanostusten (HP) faktorianalyysin mittausmallin alkuperäiset muuttujien keskiarvot tutkimusvuosittain niiden mittaasteikolla (1-5) mittausmallin mukaisesti järjestettynä.
HEDien toimintaolosuhteiden raakamittarit:
Taulukko: HEDien toimintaolosuhteiden alkuperäiset mittarit keskiarvoineen faktorianalyysin lataustaulukon mukaan järjestettynä. Raakamittareiden arvo-asteikko on 1-5.
Paikallisen sopimisen raakamittarit:
Taulukko: Paikallisen sopimisen faktorianalyysin mittausmallin alkuperäiset muuttujien ajalliset keskiarvot niiden mitta-asteikolla (1-5) mittausmallin mukaisesti järjestettynä.
