Sovellus sisältää erilaisia Pron jäsenkunnan palkanmuodostukseen liittyviä tilastomalleja, joilla selitetään ja ennustetaan ko. ilmiötä. Varsinaisten "palkkalaskureiden" lisäksi sovelluksessa on esimerkiksi palkkausjärjestelmiä analysoivia malleja. Vaihtoehtoiset mallit valitaan kohdasta "Vaihda mallia".
Vaihda kuvan vaaka-akselin (x) numeerista muuttujaa:
|
|
Kullekin selitettävälle asialle (esim. palkka) tuotetaan mallipohjainen ennuste eri taustatekijöiden (kuvan alapuolen valikot) valituilla arvoilla. Graafi kertoo xy-koordinaatistossa mallin ennusteen kuvaan erikseen valitun selitettävän muuttujan mukaan. Valikoissa oletusarvot ovat yleensä mallin pohjalla olevan datan tilastomuuttujien keskiarvo tai sitten luokittelumuuttujissa luokkanimen mukaan aakkosjärjestyksessä ensimmäinen.
Itse selitettävät kokonaisuudet valitaan kohdasta "Vaihda mallia". Graafista voi havaita, miten selitettävä asia vaihtelee graafin vaaka-akselin tekijän mukaan. Lisäksi voit asettaa oman esimerkiksi palkkatavoitearvon tai nykyisen palkkatason, joka ilmenee kuvassa vaakaviivana (oma tieto). Kuvan oikealla puolella on hieman sanallista analyysia vertailuarvon ja ennusteen välillä.
Kuvassa vaaka-akselin muuttujia voidaan vaihtaa, muuttujan vaikutusmuoto ei välttämättä ole kovinkaan yksityiskohtainen (esim. vain karkea suora viiva). Osa taustamuuttujista saattaa olla ennalta kiinnitetty tiettyyn arvoon (esimerkiksi ajankohta). Graafin oikeassa laidassa on esitetty laskurin keskeisimmät arvot. Graafin voi tulostaa esim. .png-muodossa (kuva-alueen oikean yläkulman valikosta).
Mallin yksittäisen tekijän vaikutusta tulkittaessa on tärkeää ymmärtää, että malliajattelussa selitettävän asian (esim. kuukausitulot) tilastollinen vaihtelua jaetaan mallin kaikkien tekijöiden kesken (mahdollisesti monimutkaisella funktiomuodolla). Tämä ns. vakiointi pyrkii tuomaan paremmin esiin kunkin tekijän ominaisvaikutuksen. On mahdollista, että jonkun tekijän vaikutus voimistuu ja toisen taas pienentyy, mutta taustalle jäävälläkin muuttujalla voi olla oma tärkeä taustavakiointitehtävä. Vakioinnilla pyritään ehkäisemään väärää päättelyä, joka johtuu siitä, että monimuotoisempaa ilmiötä yritetään selittää liian yksinkertaisesti (esim. yhden tekijän avulla, tekijät vuorollaan erillään toisistaan).
Aineisto pohjautuu tilastollisiin kyselytutkimuksiin, osa mittareista voidaan mieltää enemmän objektiivisina ( asuinalue, työaika, palkkaus, tehtäväasema,...), osa taas perustuu subjektiivisiin kokemuksiin tai totuuksiin suhteessa lomakkeessa esitettyihin väitteisiin, kuten johtamisen tai palkkausjärjestelmien laatu. Ns. summaindeksit voivat olla sekoitus sekä objektiivisia että subjektiivisia mittareita. Kaikkiin kyselyn mittareihin liittyy väistämättä käsite- ja teknistä (esim. muistaminen) mittausvirhettä.
Mittarin koostumusta on kuvatta ?-merkin alla. Ilmiön tulkinnassa on tärkeää huomioida, mitä asioita on kysytty (esim. palkkausjärjestelmän laadun mittarissa). Työmarkkinatutkimuksen kyselylomakkeet löytyvät tutkimuksen vanhoilta www-sivuilta.
Sovellus perustuu Pron työmarkkinatutkimusdataan, jota on analysoitu tilastollisilla selitysmalleilla (regressiomallit). Dataa tiivistetään joukkoon parametreja (vaikutuskertoimet). Sovelluksessa nähdyt ennusteet tuotetan mallin parametrien avulla. Ennuste kuvaa aineiston ja mallin perusteella luultavampaa keskiarvoa kullekin taustamuuttujan yhdistelmälle.
Malli antaa monipuolisemman mahdollisuuden analysoida dataa kuin perustilastot, kuten "Sektorianalyysi" ja "Pron avainmittareiden aikasarjat", joissa selittävänä tekijänä on aika ja mahdollisesti jokin toinen tekijä. Malliajattelua on hyvä totutella em. perustilastoilla.
Malliajattelussa keskeinen ero raakatilastoihin on ns. muuttujien vakiointi (puhdistaminen, kontrollointi, eristäminen). Yksittäisen selittävän tekijän (esim. sukupuoli) vaikutuksesta selitettävään muuttujan (esim. palkka) on "poistettu" mallin muiden tekijöiden vaikutukset. Kokonaisselitystä siis jaetaan useammalle tekijälle (sukupuoli, ikä, työpaikan koko,...), ilmiöstä muodostetaan syvällisempi analyysi ja synteesi.
? = Lisää informaatiota tilastosta (liikuta kohdistin ? -merkin päälle).
Termejä:
avg = average (mean) = keskiarvo