「」から1つある場合0割り当てられた10分割はしご、上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、底を表しています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、それは支払っ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、国連が発表した「世界幸福度報告」は、幸福は実際に定量化できると語っています。このレポートは、国民総幸福量に関するさまざまな観点からデータを分析し、幸福度指数を包括的に評価し、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 ）、健康寿命、生活水準、国民の幸福、人生の選択の自由、社会の誠実さと寛大さなど、合計33サブアイテム。
本日は、ギャラップグローバルハピネスレポート（ https://worldhappiness.report/ed/2020）ウェブサイトの公開情報をJMPソフトウェアと組み合わせて、世界幸福度報告で上位にランクされている国と、幸福指数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整理から始めます
まず、ギャラップグローバルハピネスレポート専用ページを呼び出します（ https://worldhappiness.report/ed/2020/）、元のデータはExcel2015-2020に並べ替えられますフォルダにファイルします。
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）
指定された行の必要なコンテンツの一部を抽出し、年情報行をすばやく生成します。
（：backhand_index_pointing_right： JMP操作：line-> recode）
データを分類した後、JMPを使用してデータを自由に探索できます。
02データの視覚的探索的分析
JMPグラフジェネレーターは、データを包括的に探索するための優れたヘルパーです。これにより、調査しているデータの基本的な分布、比較、傾向、およびその他の情報を明確に表示できます。
2020調査した地域全体の平均幸福スコア
JMPグラフジェネレータを使用して簡単に描画すると、次の図に分布レポートが表示されます。
レポートは、世界の国と地域を10の主要な地域に分割し、そのうちサハラ以南のアフリカが最も多くの国と地域を持ち、39に達し、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トップイヤー10過去数年間に実施された国の
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が下がったにもかかわらず、今年は3位に上昇しました。 2016年以降、ルクセンブルク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->グラフジェネレータ->折れ線グラフ）
2020年次世界幸福度指数マップ
写真は千の言葉の価値があります！ 2020年の世界幸福度指数マップ全体を見ると、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が最も高い幸福度指数を持っています。アフリカ、特に中央アフリカと東アフリカの国々の幸福度指数は低く、アジアのアフガニスタンとインドの幸福度も比較的低いです。
（：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が次の順序であることが明確にわかります：GDP>健康寿命>社会扶助>人生の選択の自由>社会的完全性>寛大さ健康は人々の幸福の非常に重要な指標と見なされています。
（：backhand_index_pointing_right： JMP操作：分析->多変量メソッド->多変量）
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ー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適用し、幸福スコアを応答として、他の6行の情報を要因として、線形モデルを生成して、モデルの予測値と真の値を確認します。
生成された散布図と決定係数（0.76）を見ると、近似はかなり良好であるように見えます。効果の要約表から、モデル変数の重要性は、GDP、人生における自由な選択、社会扶助、健康寿命、社会的完全性、寛大さであることがわかります。
これを見ると、疑問があるかもしれません。以前の相関分析では、「健康寿命」と「社会扶助」が「人生の自由な選択」よりも幸福スコアと強い相関関係があることは明らかでした。予測モデルの結果が変わったのはなぜですか？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。
影響を与える要因をより客観的に表示し、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、元の重複から冗長な変数を削除し、新しい変数をできるだけ少なくして、これらの新しい変数が無関係であるだけでなく、情報を反映するという観点から元の情報を可能な限り保持することです。 。
線形モデルの最適化
下図の分析結果から、「GDP」「健康寿命」「社会扶助」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、90％以上を説明できます。前の6つの要因の情報により、データの次元削減を実現しながら、線形モデルへの相関の影響を軽減します。
幸福スコアを再度応答として使用し、新たに生成された4つの主成分データ行を因子と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した。
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の信頼区間[7.61752、7.9834]よりも小さくなっています。応答区間は[2.51-7.81]なので、改善効果は明らかではないようですが、応答範囲が千または万の場合はどうでしょうか。
データマイニング手法の試み
JMPは、ニューラルネットワーク、決定木、ランダムフォレスト、ブースティングツリー、サポートベクターマシン（一部の関数は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手法を提供し、モデル間で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、ブースト機能と組み合わせて、 R-squareを0.83に設定します。これは、モデルが幸福スコアのより良い予測を行うことができたことを意味します。
JMPの視覚的分析、データ探索、モデリング、およびデータマイニングの後、分析レポートが新たにリリースされます。
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。これも問題ではありません。
04素材シェア
視覚的なグラフィックレポートをJMPPublic/ JMP Liveに公開して、結果を一般公開または特定のグループの人々と簡単に共有できます。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
