Väestöennuste on kaupungin keskeinen suunnittelutyökalu. Väestöennustetta käytetään muun muassa kaupungin palveluverkon suunnittelussa, talousarviossa ja strategian tukena.
Väestöennustetta tarvitaan, koska kaikki väestötieto koskee jo mennyttä aikaa, mutta kaupungin toiminnan suunnittelussa vain tulevalla on merkitystä. Väestön ennakoitu muutos ja sen alueellinen jakautuminen vaikuttavat muun muassa siihen, minne leikkipuistoja kannattaa rakentaa, kuinka paljon koululuokkia tarvitaan ja miten ympärivuotisen hoivan palvelut tulisi mitoittaa.
Tämän kirjoituksen pääviesti on, että väestöä on mahdotonta ennustaa täsmällisesti niin kuin mitä tahansa ihmisiin liittyvää. Väestöennusteen epävarmuuden suuruudesta voidaan kuitenkin laatia arvio.
Väestöennusteen lähtökohta on ajantasaisin väestörakenne
Väestöksi kutsutaan tietyllä alueella ja tiettynä aikana vakituisesti asuvien ihmisten summaa. Väestöennuste on puolestaan arvio tulevaisuudessa elävien ihmisten määrästä sekä ikä- ja sukupuolirakenteesta. Väestöennuste on väestötieteen sinfonia, jossa yhdistyvät väestödynamiikan kolme osatekijää: syntyvyys, kuolevuus ja muuttoliike.
Väestöennusteen lähtökohta on väestökirjanpito, jossa tulevan vuoden väestö saadaan vähentämällä edellisen vuoden väestöstä arvio vuoden aikana kuolevien ja pois muuttavien määristä sekä lisäämällä siihen arvio vuoden aikana syntyvistä ja kaupunkiin muuttavista. Väestöennusteet laaditaan lähes poikkeuksetta kohorttikomponenttimenetelmän pohjalle. Menetelmässä väestökirjanpitoa pidetään iän (kohortin) ja väestönmuutostapahtuman (komponentin) mukaan. Menetelmä on yli sata vuotta vanha, yksinkertainen ja hyväksi todettu.
Ennusteen kohde on väestörakenne eli väestön jakautuminen iän ja sukupuolen mukaan. Väestörakennetta kuvataan väestöpyramidilla (kuvassa 1). Pyramidin oikealla puolella ovat miehet ja vasemmalla naiset. Pystyakselilla esitetään ikäryhmät. Mikäli pyramidi on leveäpohjainen ja ylöspäin kapeneva, väestö on ikärakenteeltaan nuorta. Mikäli taas vanhempiin ikäryhmiin painottuva, väestö on ikääntyvä.
Väestörakenne kuljetetaan ikäkohtaisten väestömuutoslukujen läpi
Kohorttikomponenttimenetelmässä väestörakenne kuljetetaan ennustevuosi kerrallaan ikäkohtaisten väestönmuutostekijöiden eli syntyvyys-, kuolleisuus- ja muuttolukujen läpi. Samalla jokainen ikäluokka vanhenee yhdellä vuodella. Prosessi toistetaan ennustejakson viimeiseen vuoteen asti. Näin saadaan ennuste väestörakenteesta jokaiselle ennustevuodelle.
Syntyvyys arvioidaan ikäkohtaisista hedelmällisyysluvuista, jotka kerrotaan vastaavan ikäisten naisten määrällä ja summataan yhteen (kuvan 1 syntyvyys). Hedelmällisyysluvut kuvaavat kuinka monta lasta valitun ikäisen naisen odotetaan saavan vuoden aikana. Ikäkohtaiset hedelmällisyysluvut esitetään kuvan kohdassa 1. Syntyneet lapset jaetaan poikiin ja tyttöihin, ja lisätään väestöpyramidin pohjalle.
Kuolemat arvioidaan kertomalla väestörakenne kuolemanvaaraluvuilla. Kuolemanvaaraluvut kuvaavat kunkin ikäryhmän todennäköisyyttä kuolla kyseisessä iässä. Ne johdetaan ikäkohtaisista kuolevuusluvuista eli kuolleet suhteessa kyseisen ikäiseen väestöön (kuvan 1 kuolevuus).
Muuttoliike voidaan huomioida tulo- ja lähtömuuton kokonaismäärinä, jotka jaetaan ikäkohtaisesti tulo- ja lähtömuuttajiin. Vaihtoehtoisesti muuttoliikettä voidaan käsitellä ikäkohtaisilla muuttotodennäköisyysluvuilla.
Väestörakenne tunnetaan Suomessa poikkeuksellisen tarkasti kattavan väestötietojärjestelmän ansiosta. Lähtöväestörakennetta ei tarvitse erikseen arvioida, toisin kuin monissa muissa maissa. Väestöennusteen laatijan tehtäväksi jää arvioida tulevaisuuden ikäkohtaiset hedelmällisyys-, kuolemanvaara- sekä muuttoliikeluvut.
Edellinen havainto on hyvä arvaus tulevasta kehityksestä
Yksinkertaisimmassa ennusteessa hedelmällisyys-, kuolemanvaara- ja muuttoluvut johdetaan edellisen tai edellisten vuosien havainnoista ja pidetään muuttumattomina ennustehorisontin loppuun asti.
Tämä niin sanottu jäädytysmalli on hyvä lähtökohta väestöennusteelle. Sitä voidaan kuitenkin parantaa huomioimalla kuolemanvaaran todennäköinen pieneneminen tulevaisuudessa, kun lääketiede kehittyy, pitkän aikavälin kansanterveystoimet vaikuttavat ja elintaso nousee. Muuttoliikkeessä voi esiintyä yksittäisiä poikkeusvuosia, joiden taso ei välttämättä kuvaa tulevaa kehitystä. Tällaiset havainnot voidaan jättää huomioimatta muuttoliikkeen tulevaa tasoa arvioitaessa. Syntyvyyden kehityksen suuntaa on vaikea ennakoida. Viimeisen havainto on usein perusteltu oletus.
Väestöennusteessa monimutkaisempi malli ei takaa tarkempaa ennustetta. Ennusteeseen ei pääsääntöisesti huomioida muita tekijöitä kuten talouden suhdanteita tai koulutustason muutosta koska niiden ennustaminen on vaikeampaa eikä ole selvää, että niiden huomioiminen parantaisi ennustetarkkuutta (Keilman, 2020).
Väestöennusteen laatiminen pienille alueille on haastavaa
Pienillä alueilla yksittäisten syntymien, kuolemien ja muuttojen merkitys on väestöennustetta laadittaessa suuri. Jos osa-alueella ei synny yhtään lasta edellisenä vuonna, ei voida olettaa tulevaisuuden syntyvyyden tason olevan nolla. Pienillä alueilla yksittäisen vuoden havainnoista ei voida suoraan päätellä tulevaa kehitystä (Wilson ym., 2022).
Pienten alueiden ongelman ratkaisemiseksi tarvitaan mielikuvitusta. Havaittujen väestönmuutoslukujen ajatellaan olevan otoksia kuvitteellisesta taustalla olevasta prosessista. Jos sama vuosi voitaisiin toistaa loputtomasti palaamalla ajassa taaksepäin, havaintojen keskiarvo vastaisi tätä taustalla olevaa tasoa. Ennusteessa on hyödyllistä arvioida ensin taustalla oleva taso, sillä se on parempi arvaus tulevasta kehityksestä kuin yksittäisen vuoden toteuma. Taustalla olevaa tasoa voidaan arvioida alueryhmittelyllä niin, ettei pieniä alueita ole, tai monitasomalleilla, joissa pienten alueiden arvioita tasoitetaan muiden alueiden, ikäryhmien ja aikaisempien vuosien tietoja hyväksi käyttäen (Alexander ym., 2017; Wilson ym., 2022).
Väestöennuste ei toteudu tarkasti…
Väestön ennustaminen on mahdollista, koska ihmisen elämänkaari on pitkä ja noudattaa säännönmukaisuuksia.
Vanhenemme yhtä matkaa kalenterivuosien kanssa ja kuoleman riski kasvaa vääjäämättä ikääntyessä. Muuttoliike painottuu nuoriin aikuisiin ja syntyvyys rajautuu hedelmällisyysikäiseen väestöön. Väestönmuutoskomponentit harvoin muuttuvat nopeasti. Silti väestöennusteet eivät koskaan osu täsmälleen oikeaan.
Väestöennusteiden tarkkuus heikkenee pidemmällä aikavälillä. Ennustettu väestökehitys ei toteudu, jos syntyneitä, kuolleita tai muuttaneita on enemmän tai vähemmän kuin odotettiin eivätkä nämä poikkeamat kompensoi toisiaan. Väestöennusteen epävarmuus on suurempaa silloin kun ennustetaan väestöä, joka ei ole vielä syntynyt.
...mutta epävarmuuden suuruudesta voidaan antaa arvio
Tyypillisesti väestöennusteet tuottavan yhden, todennäköisimpänä pidetyn arvion tulevasta väestökehityksestä. Väestöennusteiden epävarmuus huomioidaan narratiivisesti; ennusteiden selitteissä korostetaan epävarmuutta yleisellä tasolla, sekä epävarmuuden lähteitä ja eroja väestöryhmien ja ennustevuosien välillä. Lisäksi ennusteraportteihin sisällytetään joskus vaihtoehtoisia väestöennusteita esimerkiksi nopeasta tai hitaasta kasvusta, mutta näillä laskelmilla ei ole selkeää tulkintaa.
Epävarmuutta on mahdollista arvioida täsmällisemmin. Väestöennusteiden epävarmuus huomioidaan stokastisilla väestöennustemalleilla eli ennusteilla, jotka sisältävät todennäköisyyksiin perustuvan ennustevälin (Hyndman & Booth, 2008). Malleilla laaditaan joukko väestömuutostekijöiden simulaatiopolkuja, joissa huomioidaan tulevan kehityksen epävarmuus. Näitä simulaatioita esitetään kuviossa 2 alla. Väestöennuste laaditaan yhdistämällä väestötapahtumien simulaatiot, jolloin simulaatioiden parvi muodostaa väestöennusteen ennustejakauman.
Jos simulaatiopolut pysyvät lähellä toisiaan, ennusteen epävarmuus on pientä. Jos ne hajaantuvat, epävarmuus on suurta. Simulaatioiden perusteella voidaan muodostaa ennustevälit ja arvioida minkä tahansa väestökehityksen skenaarion todennäköisyyksiä.
Stokastiset väestöennusteet eivät ole uusi keksintö (Alho & Spencer, 2005). Esimerkiksi YK:n väestöennuste on stokastinen (Alkama ym., 2015). Stokastisten väestöennusteiden laatiminen on entistä vaivattomampaa, sillä niihin on olemassa luotettavia tilasto-ohjelmia (Sevcikova ym., 2026) ja oppaita ohjelmien soveltamiseen suomalaisille väestöaineistoille (Ševčíková & Hiilamo, 2026). Stokastiset väestöennusteet voidaan myös kalibroida vastaamaan nykyisiä ennusteita siten, että nykyisille ennusteille saadaan arvio epävarmuudesta.
Väestöennusteet päivitetään vuosittain, koska toteutunut väestönkehitys poikkeaa aina jossain määrin ennusteesta ja oletukset tulevasta kehityksestä tarkentuvat uuden tiedon myötä. Pelkkä lähtöoletusten päivittäminen ei kuitenkaan aina riitä, sillä myös ennustemenetelmät kehittyvät, tutkimustieto lisääntyy ja tiedon käyttäjien tarpeet muuttuvat. Siksi ennustemallia on tarpeen uudistaa säännöllisesti. Helsingin kaupunki kehittää parhaillaan uutta väestöennustemallia, jossa väestökehitykseen liittyvä epävarmuus huomioidaan nykyistä paremmin ja joka vastaa entistä paremmin kaupungin tietotarpeisiin.
Aapo Hiilamo toimii erikoistutkijana Helsingin kaupunginkansliassa kaupunkitietopalvelut-yksikössä.
Lähteet
Alexander, M., Zagheni, E., & Barbieri, M. (2017). A Flexible Bayesian Model for Estimating Subnational Mortality. Demography, 54(6), 2025–2041. https://doi.org/10.1007/s13524-017-0618-7(Linkki johtaa ulkoiseen palveluun)
Alho, J. M., & Spencer, B. D. (Toim.). (2005). Approaches to Forecasting Demographic Rates. Teoksessa Statistical Demography and Forecasting (s. 198–225). Springer. https://doi.org/10.1007/0-387-28392-7_7(Linkki johtaa ulkoiseen palveluun)
Alkama, L., GERLAND, P., RAFTERY, A., & WILMOTH, J. (2015). The United Nations Probabilistic Population Projections: An Introduction to Demographic Forecasting with Uncertainty. Foresight (Colchester, Vt.), 2015(37), 19–24.
Hyndman, R. J., & Booth, H. (2008). Stochastic population forecasts using functional data models for mortality, fertility and migration. International Journal of Forecasting, 24(3), 323–342. https://doi.org/10.1016/j.ijforecast.2008.02.009(Linkki johtaa ulkoiseen palveluun)
Keilman, N. (2020). Uncertainty in Population Forecasts for the Twenty-First Century. Annual Review of Resource Economics, 12, 449–470. https://doi.org/10.1146/annurev-resource-110319-114841(Linkki johtaa ulkoiseen palveluun)
Ševčíková, H., & Hiilamo, A. (2026). Subnational Probabilistic Population Projections. 2026. https://bayespop.csss.washington.edu/bayesPop/vignettes/population-projections.html(Linkki johtaa ulkoiseen palveluun)
Sevcikova, H., Raftery, A., & Buettner, T. (2026). bayesPop: Probabilistic Population Projection (Versio 12.0-1) [Ohjelmisto]. https://cran.r-project.org/web/packages/bayesPop/index.html(Linkki johtaa ulkoiseen palveluun)
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. https://doi.org/10.1007/s11113-021-09671-6(Linkki johtaa ulkoiseen palveluun)