" S'il y en a un de 0 Assigné à dix Échelle divisée, niveau supérieur dix Les points représentent la vie la plus heureuse que vous puissiez avoir, le fond 0 Les points représentent la pire vie que vous puissiez avoir. Où pensez-vous que vous êtes maintenant? "
Vous pouvez demander: Quelle est la vie la plus heureuse?
Cela peut être la satisfaction d'avoir la richesse, cela peut être la joie du succès, cela peut être la récompense après l'avoir donnée, cela peut être l'orgueil de la récolte, cela peut être la noblesse quand elle est indifférente. Il ne semble jamais y avoir de réponse fixe à une vie heureuse.
Mais le "Global Happiness Index Report" publié par les Nations Unies nous dit que le bonheur peut en fait être quantifié. Ce rapport analyse les données en fonction de différents points de vue sur le bonheur national, évalue de manière exhaustive l'indice de bonheur et le classe en conséquence. Les principaux facteurs comprennent PIB par habitant ( PIB ), espérance de vie en bonne santé, niveau de vie, bonheur national, liberté de choix de vie, degré d'intégrité sociale et de générosité, etc., total 33 Sous-éléments.
Aujourd'hui, nous nous basons sur le rapport Gallup Global Happiness ( https://worldhappiness.report/ed/2020) Les informations publiques sur le site Web, combinées au logiciel JMP pour voir quels pays se classent mieux dans le rapport mondial sur le bonheur, et quels facteurs ont un plus grand impact sur l'indice de bonheur.
01 Commencez par l'importation et le tri des données
Tout d'abord, récupérez la page spéciale du rapport Gallup Global Happiness ( https://worldhappiness.report/ed/2020/) les données d'origine, un peu de collation sera l'Excel 2015-2020 Le fichier est enregistré dans un dossier.
Deuxièmement, importez tous les fichiers Excel dans JMP à la fois et intégrez-les dans une table de données. En plus de conserver complètement les lignes de données dans la table de données d'origine, JMP générera également automatiquement des lignes de nom de fichier pour une visualisation facile des sources de données.
(:backhand_index_pointing_right:Opération JMP: fichier -> importer plusieurs fichiers)
Extrayez une partie du contenu requis de la ligne spécifiée pour générer rapidement la ligne d'informations sur l'année.
(:backhand_index_pointing_right:Opération JMP: ligne -> recoder)
Après avoir terminé les données, nous pouvons explorer librement les données avec JMP.
02 Analyse exploratoire visuelle des données
Le générateur de graphiques JMP est une bonne aide pour l'exploration complète des données, il vous permet de visualiser clairement la distribution de base, la comparaison, la direction des tendances et d'autres informations des données que vous étudiez.
2020 Score de bonheur moyen de chaque région enquêtée dans l'année
Après un simple dessin via le générateur graphique JMP, nous pouvons voir le rapport de distribution dans la figure ci-dessous.
Le rapport divise les pays et régions du monde en 10 grandes régions, parmi lesquelles l'Afrique subsaharienne compte le plus de pays et de régions, atteignant 39, et c'est aussi la région où le bonheur moyen est le plus bas. L'Amérique du Nord et l'Australie sont les régions avec les scores de bonheur moyens les plus élevés, mais seulement 4 pays et régions.
(:backhand_index_pointing_right:Opération JMP: dessin -> générateur de graphiques -> graphique à barres horizontales côte à côte, graphique à barres horizontales flottantes)
2020 Meilleur classement dix Des performances des pays les années précédentes
Il ressort du rapport que la Finlande a été classée première pendant trois années consécutives, le Danemark a été classé deuxième pendant deux années consécutives et la Suisse a grimpé à la troisième place cette année après que son classement ait baissé pendant plusieurs années consécutives. À partir de 2016, le Luxembourg a progressé dans les classements pendant plusieurs années consécutives, entrant pour la première fois dans le top 10.
(:backhand_index_pointing_right:Opération JMP: dessin -> générateur de graphiques -> dessin au trait)
2020 Carte de l'indice mondial du bonheur
Une image vaut mieux que mille mots! La carte de l'indice de bonheur mondial pour 2020 montre que les pays nordiques ont l'indice de bonheur le plus élevé, comme la Finlande, le Danemark, l'Islande et la Norvège; l'Afrique, en particulier l'Afrique centrale et orientale, a un indice de bonheur plus faible, et l'Afghanistan et l'Inde d'Asie ont des indices de bonheur inférieurs. .
(:backhand_index_pointing_right:Opération JMP: dessin -> générateur de graphiques -> fonction de carte et filtrage des données)
Quels indicateurs sont plus liés au score de bonheur? Est-ce juste de la richesse PIB ?
Il ressort clairement du graphique multivarié généré par JMP ci-dessous que la corrélation avec les scores de bonheur est: PIB> espérance de vie en bonne santé> assistance sociale> libre choix dans la vie> propreté sociale> générosité, afin que nous puissions la comprendre comme richesse et La santé est considérée comme un indicateur très important du bonheur.
(:backhand_index_pointing_right:Opération JMP: analyse -> plusieurs méthodes -> plusieurs)
Ce qui précède sont les résultats d'une analyse exploratoire des données.Essayons encore d'établir un modèle statistique quantitatif en utilisant les principaux paramètres et scores de bonheur mentionnés ci-dessus.
03 Modélisation prédictive des données
Tentative de modèle linéaire
En utilisant la plate-forme de modèle d'adaptation de JMP, le score de bonheur est utilisé comme réponse, et les 6 autres lignes d'informations sont utilisées comme facteurs pour essayer de générer un modèle linéaire pour afficher les valeurs prévues et vraies du modèle.
À en juger par le nuage de points généré et le R-carré (0,76), l'effet d'ajustement semble être très bon. Selon le tableau récapitulatif des effets, l'importance des variables du modèle est dans l'ordre: PIB, libre choix de vie, aide sociale, espérance de vie en bonne santé, degré d'intégrité sociale et de générosité.
Lorsque vous voyez cela, vous pouvez vous poser des questions: Lors de l'analyse de corrélation avant, il était clair que «l'espérance de vie en bonne santé» et «l'aide sociale» sont plus corrélées aux scores de bonheur que «la liberté de vie». Pourquoi le résultat a-t-il changé en ce qui concerne le modèle de prédiction? Cela est dû au fait que le modèle de prédiction a en fait le problème de la colinéarité des facteurs sous-jacents, ce qui peut affecter le jugement de l'importance des facteurs et de l'erreur de prédiction.
Afin de visualiser les facteurs d'impact de manière plus objective et d'optimiser le modèle, nous essayons d'utiliser l'analyse en composantes principales pour explorer davantage. L'importance de l'analyse en composantes principales ici est de supprimer les variables originales répétées redondantes et de créer le moins de nouvelles variables possible, de sorte que ces nouvelles variables ne soient pas seulement non liées par paires, mais conservent également les informations d'origine autant que possible pour refléter les informations.
Optimisation des modèles linéaires
D'après les résultats de l'analyse de la figure ci-dessous, il peut être confirmé que le «PIB», «l'espérance de vie en bonne santé» et «l'aide sociale» sont en effet fortement corrélés au bonheur. Les 4 lignes de données en composantes principales nouvellement générées peuvent expliquer plus de 90% des informations des 6 facteurs précédents , Afin de réduire la dimensionnalité des données tout en réduisant l'impact de la colinéarité sur les modèles linéaires.
Le score de bonheur est à nouveau utilisé comme réponse, et les 4 lignes de données de composantes principales nouvellement générées sont utilisées comme facteurs pour générer un modèle linéaire, et le score de bonheur est de 7,8 pour la prédiction.
Comme vous pouvez le voir sur la figure ci-dessous, l'intervalle de confiance à 95% du nouveau modèle est [7,62454, 7,97546], ce qui est plus petit que l'intervalle de confiance de la valeur prédite du modèle d'origine [7,61752, 7,9834]. Bien sûr, comme l'intervalle de réponse est [2,51-7,81], donc Il semble que l'effet d'amélioration n'est pas évident, mais que se passe-t-il si l'intervalle de réponse est de 1 000 ou 10 000?
Tentative de méthode d'exploration des données
JMP fournit une variété de méthodes d'exploration de données telles que les réseaux neuronaux, les arbres de décision, les forêts aléatoires, les arbres boostés et prend en charge les machines vectorielles (certaines fonctions ne sont disponibles que dans JMP Pro), et peut facilement comparer des modèles.
En prenant comme exemple le modèle de prédiction de réseau neuronal à 3 nœuds monocouche le plus simple, le R-carré prédit de l'ensemble de vérification peut atteindre 0,77. Une légère augmentation du nombre de nœuds à 10, combinée à la fonction de promotion, peut augmenter le R-carré à 0,83, ce qui signifie Ce modèle peut faire de meilleures prédictions des scores de bonheur.
Après l'analyse visuelle, l'exploration des données, la modélisation et l'exploration des données de JMP, notre rapport d'analyse a été publié.
Alors, comment partager rapidement les résultats d'analyse? Ce n'est pas un problème.
04 Les données Partagez-le
Vous pouvez publier le rapport graphique visuel sur JMP Public / JMP Live pour réaliser facilement le partage public des résultats ou le partage interne de groupes spécifiques de personnes. Lien de partage de la carte Global Happiness Index:
https://public.jmp.com/packages/World-Happiness-Report/js-p/PGGdhKqZWQy6Btpf05Nn8
