Parhaassa työiässä olevien työllisyyden ja työtulojen kehitys Suomessa vuoden 2008 finanssikriisin jälkeen
Bibliographic record
Abstract
Vuoden 2008 finanssikriisi oli yksi modernin taloushistorian merkittävimmistä käännekohdista, joka vaikutti myös Suomen talouteen. Kriisi välittyi Suomeen ulkoisena kysyntäsokkina. Tämän tutkielman tarkoituksena on tarkastella, miten finanssikriisi vaikutti parhaassa työiässä olevien työllisyyden ja työtulojen kehitykseen Suomessa. Tutkimuksessa selvitetään erityisesti, jättikö taantuma pysyviä arpia eli hystereesiä paikallisiin työmarkkinoihin ja miten alueellinen sopeutuminen eteni kriisin jälkeisinä vuosina. Teoreettinen viitekehys nojaa Blanchardin ja Katzin (1992) alueellisen sopeutumisen malliin, jossa työvoiman liikkuvuuden oletetaan tasaavan työmarkkinoiden alueellisia eroja. Lisäksi työssä käsitellään Minskyn rahoitusmarkkinoiden epävakaisuushypoteesia sekä työttömyyden arpeutumisilmiötä. Tutkimuksessa sovelletaan Yaganin (2019) menetelmää, jossa Suomen kunnat jaetaan kahteen vertailuryhmään, suuren ja lievän sokin alueisiin, perustuen siihen, kuinka paljon alueen toteutunut työllisyyskehitys poikkesi historiallisesta trendistä kriisivuosina. Empiirinen osa hyödyntää Tilastokeskuksen laajaa henkilötason FOLK-rekisteriaineistoa vuosilta 1987–2017. Tulokset osoittavat, että finanssikriisi oli Suomessa epäsymmetrinen sokki, joka iski voimakkaimmin vientiteollisuudesta riippuvaisiin paikkakuntiin. Toisin kuin teoreettinen malli ennustaa, työvoima ei siirtynyt pois korkean työttömyyssokin alueilta, vaan väestö jatkoi kasvuaan suurissa kaupungeissa. Työllisyysaste romahti suuren sokin alueilla eikä palautunut entiselleen tarkastelujakson aikana. Reaalitulojen kasvu pysähtyi, ja vaikka alueiden väliset tuloerot kaventuivat, suuren sokin alueiden sisäiset tuloerot kasvoivat. Vuoden 2008 finanssikriisi jätti pysyvän jäljen Suomen työmarkkinoihin. Alueellista sopeutumista ohjasivat pitkän aikavälin trendit, kuten kaupungistuminen ja perhesiteiden vaikutus liikkuvuuteen. Tulokset tukevat näkemystä, jonka mukaan syvät taantumat voivat alentaa työllisyysastetta pitkällä aikavälillä. Jatkotutkimuksessa aihetta olisi perusteltua syventää hyödyntämällä ekonometrisia regressiomalleja, jotta yksilötason taustamuuttujat voitaisiin vakioida tarkemmin.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.046 | 0.010 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".