「」からのものがある場合0に割り当てられた10分割されたはしご、トップレベル10ポイントはあなたが得ることができる最も幸せな人生を表しています、一番下0ポイントはあなたが得ることができる最悪の人生を表しています。あなたは今どこにいると思いますか？ 「」
あなたは尋ねるかもしれません：最も幸せな人生は何ですか？
それは富を持つことの満足かもしれません、それは成功の喜びかもしれません、それはそれを与えた後の報酬かもしれません、それは収穫の誇りかもしれません、それは無関心なときの高貴かもしれません。幸せな生活への決まった答えは決してないようです。
しかし、国連が発行した「グローバルハピネスインデックスレポート」は、ハピネスは実際に定量化できると述べています。このレポートは、国民の幸福に関するさまざまな見解のデータを分析し、幸福指数を包括的に評価し、それに応じてランク付けします。主な要因は次のとおりです。一人当たりGDP（ GDP ）、健康的な期待寿命、生活水準、国民の幸福、人生の選択の自由、社会的完全性と寛大さの程度など、合計33サブアイテム。
今日、私たちはギャラップグローバルハピネスレポートに基づいています（ https://worldhappiness.report/ed/2020）ウェブサイト上の公開情報とJMPソフトウェアを組み合わせて、グローバルハピネスレポートで上位にランク付けされている国と、ハピネスインデックスに大きな影響を与える要因を確認します。
01データのインポートと並べ替えから始めます
まず、ギャラップグローバルハピネスレポートの特別ページを取得します（ https://worldhappiness.report/ed/2020/）元のデータ、少しの照合は2015-2020Excelになりますファイルはフォルダに保存されます。
次に、すべてのExcelファイルを一度にJMPにインポートし、データテーブルに統合します。元のデータテーブルのデータ行を完全に保持するだけでなく、JMPはデータソースを簡単に表示できるようにファイル名の行を自動的に生成します。
（（:backhand_index_pointing_right:JMP操作：ファイル->複数のファイルをインポート）
指定した行の必要なコンテンツの一部を抽出して、年情報行をすばやく生成します。
（（:backhand_index_pointing_right:JMP操作：行->再コード化）
データが完成したら、JMPで自由にデータを探索できます。
02データの視覚的探索的分析
JMPグラフィックジェネレーターは、データを包括的に探索するための優れたヘルパーであり、調査しているデータの基本的な分布、比較、傾向の方向、およびその他の情報を明確に表示できます。
2020その年に調査された各地域の平均幸福スコア
JMPグラフィックジェネレーターで簡単に描画すると、次の図に配布レポートが表示されます。
報告書は世界の国と地域を10の大きな地域に分けており、その中でサハラ以南のアフリカは39に達する国と地域が最も多く、平均幸福度が最も低い地域でもあります。北米とオーストラリアは平均幸福スコアが最も高い地域ですが、4つの国と地域のみです。
（（:backhand_index_pointing_right:JMP操作：描画->グラフィックジェネレーター->横並びの横棒グラフ、フローティング横棒グラフ）
2020トップランキング10過去数年間の各国の業績
レポートからわかるように、フィンランドは3年連続で1位、デンマークは2年連続で2位、スイスは数年連続で順位を落とした後、今年は3位に上昇しました。 2016年以降、ルクセンブルグは数年連続でランキングを上げ、初めてトップ10に入りました。
（（:backhand_index_pointing_right:JMP操作：描画->グラフィックジェネレーター->線画）
2020グローバルハピネスインデックスマップ
写真は千の言葉の価値があります！ 2020年の世界の幸福指数マップは、フィンランド、デンマーク、アイスランド、ノルウェーなどの北欧諸国の幸福指数が最も高く、アフリカ、特に中央アフリカと東アフリカの幸福指数が低く、アジアのアフガニスタンとインドの幸福指数が低いことを示しています。 。
（（:backhand_index_pointing_right:JMP操作：描画->グラフィックジェネレーター->マップ機能、およびデータフィルタリング）
幸福スコアに関連する指標はどれですか？それはただの富ですかGDP ？
以下のJMPによって生成された多変量グラフから、幸福スコアとの相関関係は次のとおりであることがはっきりとわかります。GDP>健康的な期待>社会的支援>人生における自由な選択>社会的清潔>寛大さ。健康は幸福の非常に重要な指標と見なされます。
（（:backhand_index_pointing_right:JMP操作：分析->複数の方法->複数）
上記はいくつかの探索的データ分析の結果です。さらに、上記の主なパラメータと幸福スコアを使用して、定量的な統計モデルを確立してみましょう。
03データ予測モデリング
線形モデルの試み
JMPのフィッティングモデルプラットフォームを使用して、幸福スコアが応答として使用され、他の6行の情報が、モデルの予測値と真の値を表示する線形モデルの生成を試みるための要因として使用されます。
生成されたスキャッタプロットとR-squared（0.76）から判断すると、フィッティング効果は非常に良いようです。効果の要約表によると、モデル変数の重要性は、GDP、自由な生活の選択、社会的支援、健康的な期待、社会的完全性および寛大さの順になっています。
これを見ると、疑問があるかもしれません。以前に相関分析を行ったとき、「健康的な期待」と「社会的支援」は「生命の自由」よりも幸福スコアに関連していることが明らかでした。予測モデルに関して、なぜ結果が変わったのですか？これは、予測モデルには実際には潜在的な要因の共直線性の問題があり、要因の重要性と予測誤差の判断に影響を与える可能性があるためです。
影響要因を客観的に見てモデルを最適化するために、主成分分析を使用してさらに調査を試みます。ここでの主成分分析の重要性は、冗長な元の繰り返し変数を削除し、新しい変数をできるだけ少なく作成することです。これにより、これらの新しい変数はペアごとに無関係であるだけでなく、情報を反映する際に元の情報を可能な限り維持します。
線形モデルの最適化
下図の分析結果から、「GDP」「健康寿命」「社会的支援」は確かに幸福と強く相関していることが確認できます。新たに生成された4つの主成分データ行は、前の6つの要因の情報の90％以上を説明できます。 、線形モデルへの共直線性の影響を減らしながら、データの次元を減らすため。
幸福スコアで再度応答し、新しく生成された4つの主成分データ行を要素として使用して線形モデルを生成すると同時に、幸福スコアが7.8のときに予測を行います。
下の図からわかるように、新しいモデルの95％信頼区間は[7.62454、7.97546]であり、元のモデルの予測値[7.61752、7.9834]の信頼区間よりも小さくなっています。もちろん、応答間隔は[2.51-7.81]なので、改善効果は明らかではないようですが、応答範囲が1000または10,000の場合はどうでしょうか。
データ探索法の試み
JMPは、ニューラルネットワーク、決定ツリー、ランダムフォレスト、ブーストツリー、サポートベクターマシン（一部の機能はJMP Proでのみ使用可能）などのさまざまなデータマイニング方法を提供し、モデルを簡単に比較できます。
最も単純な単層3ノードニューラルネットワーク予測モデルを例にとると、検証セットの予測R二乗は0.77に達する可能性があります。ノード数を10にわずかに増やすと、プロモーション機能と組み合わせて、R二乗を0.83に増やすことができます。このモデルは、幸福スコアのより良い予測を行うことができます。
JMPの視覚的分析、データ探索、モデリング、およびデータ探索の後、分析レポートがリリースされました。
では、分析結果をすばやく共有するにはどうすればよいでしょうか。これは問題ではありません。
04データ共有する
ビジュアルグラフィックレポートをJMPPublic / JMP Liveに公開して、結果の公開共有や特定のグループの内部共有を簡単に実現できます。グローバルハピネスインデックスマップ共有リンク：
https://public.jmp.com/packages/World-Happiness-Report/js-p/PGGdhKqZWQy6Btpf05Nn8
