Päätulokset
- Helsingissä laaditaan vuosittain väestöennuste kaupungin talouden, palveluiden ja maankäytön suunnittelua varten. Väestöennuste on keskeinen työkalu kaupungin tulevien palvelu- ja investointitarpeiden ennakoinnissa.
- Koko kaupungin tason sekä osa-aluetason väestöennusteen ennustetarkkuutta arvioitiin 1–8 vuoden ennustehorisonteissa vuosina 2017–2024 laadituista ennusteista.
- Koko kaupungin tason väestöennusteiden ennustetarkkuus 1–8 vuoden ennustehorisonteissa on ollut hyvä, mediaaniennustevirheen pysytellessä alle kahdessa prosentissa läpi tarkasteluhorisonttien.
- Myös osa-aluetasoisen väestöennusteen keskimääräinen ennustetarkkuus on ollut hyvä 1–8 vuoden ennustehorisonteissa, osa-alueiden mediaaniennustevirheen pysyessä selvästi alle kymmenssä prosentissa läpi tarkasteluhorisonttien.
- Osa-alueiden välillä on kuitenkin paljon vaihtelua ennustetarkkuudessa: joillakin osa-alueilla ennusteet ovat olleet hyvinkin epätarkkoja ja toisilla erittäin tarkkoja.
- Ennustevirheet kasvavat ennustehorisontin loitontuessa: pienimmät virheet ovat lähellä ennusteen tekohetkeä ja suurimmat kauimpana ennusteen tekohetkestä.
- Pienillä alueilla ja alueilla, joilla on paljon uudisrakentamista, ennusteet ovat epätarkimpia.
Aluksi
Helsingissä laaditaan joka vuosi sekä koko kaupungin tason väestöennuste että osa-aluetasoinen väestöennuste kaupungin talouden, palveluiden ja maankäytön suunnittelua varten. Väestöennuste kuvaa, miten väestön oletetaan kehittyvän tulevaisuudessa osa-alueittain ja ikäluokittain: esimerkiksi kuinka 60-vuotiaiden määrän ja osuuden väestöstä odotetaan kehittyvän koko kaupungin tasolla tai tietyllä osa-alueella seuraavan 20 vuoden aikana. Kaupunkitasoista ennustetta käytetään erityisesti talouden suunnittelun tukena, kun taas osa-alueittaista väestöennustetta käytetään muun muassa eri alueiden tulevien palvelutarpeiden havainnollistamiseen.
Ennusteiden hyödyllisyys kaupungin investointien ja palveluiden suunnittelussa – kuten tulevaisuuden koulu- ja päiväkotipaikkojen mitoittamisessa – riippuu kuitenkin vahvasti siitä, kuinka tarkasti ennusteet onnistuvat tulevan väestönkehityksen ennakoinnissa. Mikäli ennustetarkkuus on hyvä, ennusteet osuvat hyvin lähelle väkiluvun toteumaa. Tällöin myös niin sanotut ennustevirheet ovat pieniä, ja ennusteen perusteella tehdyt päätökset vastaavat hyvin toteutuneita palvelutarpeita.
Mutta miten hyvin Helsingin väestöennusteet ovat menneinä vuosina onnistuneet? Tässä kirjoituksessa tarkastellaan aiempien vuosien osa-aluetason väestöennusteiden sekä koko kaupungin tason ennusteiden onnistumista ennustevirheiden kautta. Tarkastelun aineistona on käytetty vuosina 2017–2023 julkaistuja ennusteita vuosille 2017–2024 sekä Tilastokeskuksen tilastoja väkiluvusta Helsingin osa-alueilla vuosina 2017–2024.
Miten väestöennusteen onnistumista voidaan mitata?
Ennustevirheellä tarkoitetaan ennusteen poikkeamaa väestön toteumasta tiettynä ajankohtana. Se voidaan laskea vähentämällä tietyn vuoden väestöennusteesta saman vuoden toteutunut väestö. Kun tämä luku vielä suhteutetaan toteutuneeseen väestöön, saadaan ennusteen prosentuaalinen poikkeama toteumasta. Näin laskettu suhteellinen ennustevirhe kuvaa kuitenkin vain yksittäisen ennusteen yksittäisen vuoden poikkeamaa. Ennustevirheiden kokonaisuuden ymmärtämiseksi tarvitaankin sellaisia lukuja, jotka kuvaavat ennusteen keskimääräistä onnistumista läpi useiden ennusteiden ja ennustevuosien. Näitä ovat erilaiset ennustevirheistä johdetut keskiluvut.
Ennustevirheiden keskiluvut lasketaan tyypillisesti eri ennustehorisontteihin, millä tarkoitetaan vuosia ennusteen tekohetkestä eteenpäin. Esimerkiksi vuonna 2017 julkaistun ennusteen ennustehorisontti näyttää seuraavalta: vuosi 2017 on vuosi y+1, vuosi 2018 on y+2, vuosi 2019 on y+3, ja niin edelleen. Eri vuosina laaditut ja eri vuosia koskevat ennusteet voidaan näin yhdistää keskimääräisen ennustevirheen tarkastelua varten. Ennustehorisontit ovat varsinaisia ennustevuosia toimivampi tarkastelutapa, sillä ennusteilla on tapana olla sitä epätarkempia, mitä kauemmas ennusteen tekohetkestä tulevaisuuteen katsotaan (esim. Smith 1987).
Yksi tyypillisimmistä tavoista tarkastella keskimääräistä ennustetarkkuutta on ennustevirheiden itseisarvojen keskiarvo eli mean absolute percentage error (Rayer 2007, Swanson ym. 2011). Tämä menetelmä kuvaa ennusteen osumatarkkuutta riippumatta virheen suunnasta eli siitä, oliko kyseessä yliarvio vai aliarvio. Lukuun vaikuttavat kuitenkin paljon yksittäisten vuosien ja alueiden suuret ennustevirheet. Vaihtoehtoisina tapoina on ehdotettu ennustevirheiden itseisarvojen mediaania, joka jättää huomiotta ääriarvot (esim. Rayer 2007), sekä väestömäärillä painotettua versiota ennustevirheiden itseisarvojen keskiarvosta.
Keskimääräinen ennustevirhe (mean percentage error, MPE) lasketaan ottamalla keskiarvo ennustevirheistä eri ennustehorisonteissa ilman, että ennustevirheistä otetaan ensin itseisarvo. Näin saatu luku kuvaa keskimääräistä ennusteharhaa eli sitä, tuottaako ennustemalli systemaattisesti liian suuria tai liian pieniä ennusteita. Mikäli ennusteet yhtä usein sekä alittaisivat että ylittäisivät toteuman, asettuisi tämä luku nollan tienoille. Mikäli ennusteet taas olisivat tyypillisesti joko yliarvioita tai aliarvioita, olisi tämä luku positiivinen tai vastaavasti negatiivinen läpi ennustehorisonttien.
Tässä kirjoituksessa ennustevirheitä tarkastellaan sekä koko kaupungin tasolla että osa-aluetasolla. Osa-aluetason sekä koko kaupungin tason ennustevirheitä tarkastellaan ennustevirheiden itseisarvojen mediaanin kautta 1–8 vuoden ennustehorisonteissa. Yksittäisten osa-alueiden ennustevirheitä eri ennustehorisonteissa tarkastellaan ennustevirheiden itseisarvojen keskiarvojen kautta. Lisäksi teemme pienen katsauksen koko kaupungin tason ennusteharhaan keskimääräisen ennustevirheen kautta sekä perehdymme siihen, mitkä osa-alueet korostuvat suurimpien ennustevirheiden osalta.
Koko kaupungin tason väestöennusteiden ennustevirheet ovat olleet pieniä kahdeksan vuoden ennustehorisontissa
Koko kaupungin tasolla laaditut väestöennusteet ovat onnistuneet ennakoimaan Helsingin väestönkehitystä varsin tarkasti. Kuvassa 2 on esitetty väestöennusteiden ennustevirheiden vaihteluväli koko kaupungin tasolla 1–8 vuoden ennustehorisonteissa. Aineistona on käytetty vuosina 2017–2024 julkaistuja koko kaupungin väestöennusteita. Kuviossa alin, sininen katkoviiva näyttää suurimman negatiivisen ennustevirheen jokaiselle ennustehorisontille. Tämä käyrä edustaa siis ennusteiden suurinta prosentuaalista aliarviota kussakin ennustehorisontissa. Ylin, oranssi katkoviiva taas kuvaa suurinta positiivista ennustevirhettä eli suurinta yliarviota kussakin ennustehorisontissa.
Oranssi yhtenäinen viiva kuvaa keskimääräistä ennustevirhettä, joka on laskettu ottamalla keskiarvo kunkin ennustehorisontin prosentuaalisista ennustevirheistä. Tämä käyrä kuvaa ennusteiden ennusteharhaa eli sitä, yli- vai aliarvioivatko ennusteet systemaattisesti väestönkehityksen. Kuvasta näemme, että ennusteharha on hyvin pieni: ennustevirheen keskiarvo nimittäin pysyy selvästi alle kahdessa prosentissa läpi tarkasteltavan horisontin. Ennustehorisonteissa 1–3 systemaattinen yliarvio on erittäin pientä, alle 0,5 prosenttia, ja tämän jälkeen se kasvaa hieman nousten 1,5 prosentin tienoille.
Kaiken kaikkiaan vuodesta 2017 eteenpäin tehdyt väestöennusteet ovat siis systemaattisesti hyvin lievästi yliarvioineet väestökehityksen volyymin. On myös huomattava, että tarkastelujaksoon sisältyy hyvin poikkeuksellisia vuosia, kuten koronapandemian alkuvuosi 2020, jolloin Helsingin väestönkasvu oli poikkeuksellisen hidasta (Mäki ym. 2021). Tämä kasvattaa osaltaan ennusteharhaa ennen vuotta 2020 laadittujen ennusteiden osalta, kasvattaen ennustevirheen keskiarvoja horisontista y+4 horisonttiin y+7.
Osa-aluetason ennustevirheet ovat koko kaupungin ennustevirheitä suurempia
Siirtyminen koko kaupungin tasolta pienempiin alueyksiköihin heikentää ennusteiden tarkkuutta selvästi. Tästä huolimatta myös osa-aluetasolla ennustevirheiden tyypillinen taso jää varsin maltilliseksi läpi tarkasteltavien ennustehorisonttien.
Kuvassa 3 on esitetty ennustevirheiden itseisarvojen mediaani kahdeksassa ennustehorisontissa ja neljällä aluetasolla: alin käyrä kuvaa koko kaupungin tason ennustevirhettä, toisiksi alin suurpiiritason ennustevirhettä, toisiksi ylin peruspiiritason ennustevirhettä ja ylin käyrä osa-aluetason ennustevirhettä. Ennustevirheiden itseisarvojen mediaani kuvaa ennustetarkkuutta riippumatta virheen suunnasta eli siitä, onko kyseessä yli- vai aliarvio. Esimerkiksi kahden prosentin mediaaniennustevirhe horisontissa y+2 tarkoittaa sitä, että ennusteet ovat keskimäärin poikenneet toteumasta kyseisessä ennustehorisontissa kahden prosentin verran.
Kuten kuvaajasta voi nähdä, koko kaupungin tason ennustetarkkuus on ollut kahdeksan vuoden ennustehorisontissa erinomainen: ennustevirheiden itseisarvojen mediaani pysyy alle kahden prosentin läpi tarkastelujakson. Esimerkiksi Ruotsin suurimpien kuntien väestöennusteet ovat olleet keskimäärin samalla mittarilla tarkasteltuna hieman epätarkempia, ennustevirheiden itseisarvojen mediaanin noustessa lähelle kolmea prosenttia ennustehorisontissa y+8 (Amcoff ym. 2025). Kuvaajasta näemme myös, että mediaaniennustevirhe kasvaa kahdessa ulottuvuudessa: mitä kauemmas ennustehorisonteissa mennään, sitä suurempi ennustevirhe, sekä mitä pienempi alueyksikkö, sitä suurempi ennustevirhe. Ennustevirhe kasvaa siis käänteisesti suhteessa alueen kokoon ja suorasti suhteessa ennustehorisontin pituuteen. On hyvin tyypillistä, että väestöennusteet käyttäytyvät juuri näin: ennustetarkkuus on suurimmillaan suurissa alueyksiköissä ja horisontin ollessa lähellä ennusteen laatimisajankohtaa (esim. Smith 1987).
Osa-aluetason ennustevirheiden itseisarvojen mediaanien laskemista varten osa-alueista karsittiin pois ne, joilla asui tarkastelujakson aikana keskimäärin alle 50 ihmistä vuosittain. Kyseisiin osa-alueisiin kuuluu joukko asumattomia osa-alueita (Kuten esimerkiksi Mustavuori, Maunulanpuisto ja Hanasaari) sekä hyvin pieniä osa-alueita: Lapinlahti, Haltiala, Tattariharju, Tattarisuo, Mustikkamaa-Korkeasaari, Vartiosaari, Itäsaaret, Roihupelto, Nordsjön kartano, Uutela, Niinisaari ja Salmenkallio. Nämä osa-alueet poistettiin, sillä prosentuaaliset ennustevirheet muodostuvat suhteettoman suuriksi pienillä alueilla, mikäli väestö vähenee tai kasvaa edes muutamalla hengellä arvioitua enemmän.
Osa-alueiden ennustevirheisiin voi perehtyä myös tarkastelemalla niiden itseisarvojen keskiarvoja jakaumaperusteisesti eri ennustehorisonteissa. Jakauma kuvaa osa-alueiden todellisia ennustevirheitä huomattavasti yksittäisiä keskilukuja tarkemmin. Kuvissa 4–6 on esitetty ennustevirheiden jakaumia kolmessa eri ennustehorisontissa: vuosina y+1 (kuva 4), y+4 (kuva 5) sekä y+8 (kuva 6). Yksi pylväsyksikkö kuviossa vastaa yhtä osa-aluetta, ja sen sijainti vaaka-akselilla kuvaa kyseisen osa-alueen keskimääräistä ennustevirhettä otsikon mukaisessa ennustehorisontissa. Keskimääräinen ennustevirhe toimii yksittäisten osa-alueiden virheiden tarkastelussa mediaania paremmin, sillä keskiarvo sisäistää maksimaalisesti informaatiota kyseisen osa-alueen ennustevirheen vaihtelusta tietyssä ennustehorisontissa.
Osa-alueiden ennustevirheiden keskiarvojen jakaumista näemme, että 1–4 vuoden ennustehorisontissa virheiden massa on keskittynyt 0–6 prosentin välille, tyypillisimmän virheen ollessa 1–3 prosentin luokkaa. Ennustehorisontin kasvaessa kahdeksaan vuoteen virheet hajaantuvat ja tyypillisin virhe asettuu 1–9 prosentin välille, suurempien ennustevirheiden joukon kasvaessa myös huomattavasti. Kaikissa horisonteissa jakauma on vahvasti oikealle vino, eli toisin sanoen pitkä, suurien ennustevirheiden häntä määrittää jakauman muotoa. Tästä syystä mediaani on keskiarvoa kuvaavampi luku kaikki osa-alueet kattavaa keskimääräistä ennustevirhettä kuvattaessa – keskiarvoon nimittäin vaikuttavat voimakkaasti yksittäisten osa-alueiden suuret ennustevirheet jo ennustehorisontissa y+1.
Virheiden jakaumasta voidaan kuitenkin nähdä, että tyypillisen osa-alueen kohdalla ennustetarkkuus on varsin hyvä läpi tarkasteluhorisonttien, vaikka osumatarkkuus heikkeneekin merkittävästi ennustehorisontin loitontuessa. Vielä ennustehorisontissa y+8 osa-aluetason mediaaniennustevirhe on vain kuusi prosenttia ja ennustehorisontissa y+4 vain kolme prosenttia, eli tyypillisen osa-alueen kohdalla virheet ovat hyvinkin maltillisia kahdeksan vuoden horisontissa. Eräässä ennustevirheitä käsittelevässä tutkimuksessa kymmenen prosentin ennustevirhettä on pidetty hyväksyttävänä poikkeamana (Wilson ym. 2018). Hyväksyttävän ennustevirheen raja riippuu kuitenkin ennusteen käyttötarkoituksesta ja sitä tuleekin harkita käyttötapauskohtaisesti. Osalla osa-alueista suhteelliset ennustevirheet ovat kuitenkin huomattavankin suuria. Seuraavaksi perehdymme siihen, millainen joukko suurien ennustevirheiden osa-alueista muodostuu.
Ennustevirheet ovat suurimpia pienillä alueilla ja alueilla, joilla uuden rakennuskannan osuus on suuri
Vaikka osa-aluetason ennustetarkkuus on keskimäärin hyvä, ennustevirheet eivät jakaudu tasaisesti eri osa-alueiden välillä. Suurimmat ennustevirheet keskittyvät erityisesti pienille alueille sekä alueille, joiden väestönkehitys on voimakkaasti riippuvainen uudisrakentamisesta.
Alla olevissa hajontakuvioissa (kuvat 7–9) on esitetty osa-alueiden ennustevirheiden itseisarvojen keskiarvoja (pystyakseli) suhteessa alueen asukaslukuun vuonna 2024 (vaaka-akseli). Osa-aluetta kuvaavan pallon koko määrittyy sen mukaan, kuinka suuri osuus alueen asuntokannasta on valmistunut vuonna 2010 tai sen jälkeen. Kun osa-alueiden ennustevirheitä tarkastellaan näin suhteessa alueen kokoon ja alueen uuden asuntokannan osuuteen, nähdään, että suuret, itseisarvoltaan yli 20 prosentin keskimääräiset ennustevirheet keskittyvät lähes yksinomaan pienille, alle 5 000 asukkaan osa-alueille. Lisäksi suurien ennustevirheiden osa-alueet ovat pääasiassa sellaisia, joilla vuonna 2010 ja sen jälkeen valmistuneen asuntokannan osuus koko asuntokannasta lähestyy sataa prosenttia (suurin pallon koko).
Ennustehorisontissa y+1 ennustevirheet ovat suurimmaksi osaksi hyvin pieniä, mutta Keski-Pasila, Pohjois-Pasila, Honkasuo ja Sompasaari erottuvat joukosta yli 15 prosentin ennustevirheillään. Ennustehorisontissa y+4 edellä mainitut saavat seurakseen myös Kruunuvuorenrannan. Näistä alueista jokainen on vielä vuonna 2024 ollut alle 5000 asukkaan osa-alueita, ja 2010 ja sen jälkeen rakennetun asuntokannan osuus on vuonna 2024 ollut kaikissa yli 90 prosenttia.
Ennustehorisontissa y+8 osa-alueiden joukko hajaantuu selvästi ennustevirheiden kasvaessa kautta linjan. Suurimmat prosentuaaliset ennustevirheet keskittyvät kuitenkin edelleen pienille, pääosin alle 4 000 henkilön osa-alueille. Suurimpien ennustevirheiden alueet, joilla uudisasuntokannan osuus on pieni (esim. Hernesaari, Karhusaari ja Malmin lentokenttä) taas ovat pieniä alueita, joilla suunnitellut tiivistysrakentamishankkeet ovat viivästyneet odotettua enemmän.
Tiivistäen voidaan siis todeta, että Helsingin osa-alueilla ennustevirheet ovat suurimpia pienillä alueilla ja alueilla, joilla uuden asuntokannan osuus on erittäin suuri. Vaikka asuntotuotantoennuste toimii komponenttina alueittaisen väestöennusteen laadinnassa (Sinkko 2024), uuden asuntokannan osalta väestön kehityksen tarkka ennustaminen on erityisen vaikeaa. Tämä johtuu siitä, että esimerkiksi suhdanteet, muuttoliikkeen heilahtelut sekä mahdolliset rakentamiseen tulevat viivästykset vaikuttavat asuntojen lopulliseen valmistumisaikatauluun sekä siihen, kuinka nopeasti uudet asunnot saavat asukkaita. Kuvista 7–9 voidaan kuitenkin nähdä, että 1–4 vuoden ennustehorisonteissa osa-aluetasoinen väestöennuste on myös uudisalueilla varsin tarkka, ennustevirheen ollessa suurimmalla osalla uudisalueista selvästi alle 20 prosentin luokkaa.
Lopuksi
Väestöennusteet ovat väistämättä voimakkaita yksinkertaistuksia äärimmäisen monimutkaisesta ilmiöstä. Väestönkehitykseen vaikuttavat niin alueelliset, taloudelliset kuin kulttuurillisetkin ilmiöt, joiden ajoitusta, voimakkuutta ja yhteisvaikutuksia on mahdotonta ennakoida täsmällisesti. Tämä korostuu erityisesti väkimäärältään pienillä alueilla, joilla jo yhden asuntorakennushankkeen viivästyminen voi heijastua voimakkaasti väestönkehitykseen. Ennustevirheet ovatkin tyypillisesti sitä suurempia, mitä pienempää osaa väestöstä ennuste koskee, kun taas aluekoon kasvaessa satunnaisuus ja paikalliset vaihtelut tasoittuvat ja ennustetarkkuus paranee.
Väestöennusteet eivät osu juuri koskaan aivan oikeaan, mutta tarkastelun perusteella Helsingin viime vuosien väestöennusteet ovat osuneet hyvin lähelle. Ennustevirheistä huolimatta väestöennusteet ovat kaupungille välttämätöntä tietopohjaa suunnittelun ja varautumisen tueksi. Helsingin väestöennusteiden arvo ei perustukaan täydelliseen osumatarkkuuteen, vaan niiden kykyyn havainnollistaa tulevaisuuden mahdollisia ja todennäköisiä kehityssuuntia päätöksentekoa varten.
Hertta Sydänlammi toimii tutkijana Helsingin kaupunginkansliassa kaupunkitietopalvelut-yksikössä.
Lähteet
Amcoff, J., Niedomysl, T., & Phylactou, S. (2025). Navigating Demographic Uncertainty: Evaluating the Accuracy of Population Projections in Sweden’s Major Municipalities. Population Research and Policy Review, 44(6), 60.
Mäki, N., Sinkko, H. (2021). Helsingin väestö vuodenvaihteessa 2020/2021 ja väestönmuutokset vuonna 2020. Tilastoja 2021. Helsinki: Helsingin kaupunginkanslia. Saatavilla: https://kaupunkitieto.hel.fi/fi/helsingin-vaesto-vuodenvaihteessa-20202021-ja-vaestonmuutokset-vuonna-2020-0 Viitattu: 22.12.2025.
Rayer, S. (2007). Population forecast accuracy: does the choice of summary measure of error matter?. Population Research and Policy Review, 26(2), 163-184.
Sinkko, H. (2024). Helsingin ja Helsingin seudun väestöennuste 2023–2060 – Ennuste alueittain 2023–2038. Tilastoja 2024: 6. Helsinki: Helsingin kaupunginkanslia. Saatavilla: https://www.hel.fi/static/kanslia/Kaupunkitieto/24_10_24_Tilastoja_6.pdf(Linkki johtaa ulkoiseen palveluun) . Viitattu: 10.12.2025.
Smith, S. K. (1987). Tests of forecast accuracy and bias for county population projections. Journal of the American Statistical Association, 82(400), 991-1003.
Swanson, D. A., Tayman, J., & Bryan, T. M. (2011). MAPE-R: a rescaled measure of accuracy for cross-sectional subnational population forecasts. Journal of Population Research, 28(2), 225-243.
Wilson, T., Brokensha, H., Rowe, F., & Simpson, L. (2018). Insights from the evaluation of past local area population forecasts. Population Research and Policy Review, 37(1), 137-155.
Wilson, T., Grossman, I., Alexander, M., Rees, P., & Temple, J. (2022). Methods for small area population forecasts: State-of-the-art and research needs. Population Research and Policy Review, 41(3), 865-898.