Glücksranking für OECD-Mitgliedsländer
Kennen Sie den World Happiness Report? Jedes Jahr werden Probanden in jedem Land gebeten, ihr eigenes Glück auf einer Skala von 0 bis 10 einzuschätzen, und die Ergebnisse werden in einem Jahresbericht veröffentlicht.
Den aktuellen Bericht 2022 finden Sie unter folgendem Link.
Weltglücksbericht 2022
In dieser dreiteiligen Serie werden wir das Glücksniveau jedes Landes analysieren. Glück und verschiedene Elemente, die dazu beitragen, können als Daten für jedes Land erhalten werden.Die Entdeckung eines Landes und seine Faktorenanalyse usw. ist eine Methode der multivariaten Analyse. Hauptkomponentenanalyse "Und" Clusteranalyse " herausfinden.
In diesem Teil 1, Wir werden das Glücksniveau in jedem Land visualisieren, die Faktoren, die zum Glücksniveau beitragen, durch Hauptkomponentenanalyse als multivariate Daten betrachten, die Hauptkomponentenladungen von Items und die Hauptkomponentenwerte jedes Landes berechnen und ihre Beziehungen untersuchen.
Der Bericht enthält Zufriedenheitsrankings für 146 Länder. Organisation für wirtschaftliche Zusammenarbeit und Entwicklung ), mit Ausnahme der Türkei, deren Glücksranking niedriger ist als in anderen Ländern, werden 37 Länder anvisiert. Länder, die Mitglieder der OECD sind, können als wirtschaftlich entwickelte Länder bezeichnet werden, ziehen Sie also bitte die Analyse von Industrieländern als Ziel in Betracht.
Zunächst zeigen wir das Glücksniveau des Ziellandes (je höher der Wert, desto glücklicher) auf einer Weltkarte. Dem Bericht zufolge scheint dies das durchschnittliche Glücksniveau in der Dreijahresumfrage von 2019 bis 2021 zu sein (Luxemburg ist jedoch nur das Glücksniveau für 2019).
Der obige Bericht zeigt ein Balkendiagramm mit absteigenden Zufriedenheitsstufen wie folgt: Hier listen wir den Glücksrang und den Ländernamen unter den 146 Zielländern auf. (Zum Beispiel zeigt „31.Italy“ an, dass Italien auf Platz 31 der Zufriedenheit steht.)
Europäische Länder dominieren die Rangliste. Auf der anderen Seite ist Japans Ranking 54 Es ist niedrig unter den Reihen und entwickelten Ländern.
Dieses Balkendiagramm besteht aus den folgenden sechs Elementen, die zum Glück beitragen, und Restelementen, die sich nicht damit erklären lassen.
Das BIP pro Kopf : Das BIP pro Kopf
Sozialhilfe : Angemessenheit der sozialen Unterstützung
Gesunde Lebenserwartung : Gesunde Lebenserwartung
Freiheit, Lebensentscheidungen zu treffen : Freiheit der Lebensentscheidungen
Großzügigkeit: Toleranz gegenüber anderen Unternehmen
Wahrnehmungen von Korruption : Vertrauen in das Land
Dem Bericht zufolge wurde eine Regressionsanalyse mit Glück als objektiver Variable und den obigen sechs Elementen als erklärende Variable durchgeführt, und der Beitrag jeder erklärenden Variable wurde aus der erhaltenen Modellformel erhalten. Es wird angegeben, dass diese sechs erklärenden Variablen etwa 75 % des bereinigten Beitragssatzes des Regressionsmodells erklären können, also drei Viertel (3/4) des Glücksniveaus.
Glück, das nicht durch diese sechs Items erklärt werden kann, wird als sogenanntes Residuum betrachtet. aus diesem Grund,
Wohn : Zufriedenheit, die nicht durch die obigen Items erklärt werden kann (erklärende Variablen)
Ich gehe davon aus
Hauptkomponentenanalyse
Nachfolgend finden Sie einen Bericht (Summary Plots) der Hauptkomponentenanalyse von 7 Items (kontinuierliche Variablen), einschließlich der oben genannten Items, die zu Zufriedenheit und Residuen für die 37 analysierten Länder beitragen. Das Diagramm auf der rechten Seite des Berichts ist das Belastungsdiagramm, und das mittlere Diagramm ist das Bewertungsdiagramm.
Kurzbericht
Ladefläche
Es zeichnet die Korrelation zwischen jeder Hauptkomponente und der Variablen auf. Ein Diagramm der Variablen ermöglicht es Ihnen, die Gesamtkorrelation der Variablen auszulesen.
In diesem Beispiel können wir sehen, dass „BIP“ und „Wahrnehmung von Korruption“ stark korrelieren und dass „Soziale Unterstützung“, „Freiheit, Entscheidungen im Leben zu treffen“ und „Großzügigkeit“ stark korrelieren. Da es außerdem keine Variablen in der Nähe von „Gesunde Lebenserwartung“ oder „Residual“ gibt, können wir sehen, dass die Korrelation mit anderen Variablen nicht sehr hoch ist. Es ist hilfreich, dies in Verbindung mit dem Scatterplot-Matrix-Bericht unten zu betrachten.
Streudiagramm-Matrix
Partiturdiagramm
Es zeichnet die Werte auf, die durch Einsetzen der Werte jeder Variablen in die erhaltene lineare Kombinationsformel der Hauptkomponenten erhalten wurden. Sie können jede Probe (in diesem Beispiel "Land") charakterisieren. Nahe beieinander liegende Stichproben im Scoreplot haben ähnliche Eigenschaften, daher wird es für Stichprobengruppierungszwecke verwendet.
Auch hier sind die Handlungspunkte mit Zufriedenheitswerten gefärbt. (Blau ⇒ Grün ⇒ Rot) Die Länder auf der rechten Seite des Diagramms haben hohe Zufriedenheitswerte, und die Länder auf der linken Seite haben niedrige Zufriedenheitswerte.
Interpretation der Hauptkomponentenachsen
Normalerweise sehen wir uns das Belastungsdiagramm und das Bewertungsdiagramm an, um zu interpretieren, was jede Hauptkomponentenachse bedeutet.
Zu diesem Zeitpunkt wurden das Belastungsdiagramm und das Bewertungsdiagramm überlagert Biplot Es kann einfacher zu interpretieren sein, wenn man sich auf bezieht.
Biplot
Die erste Hauptkomponente auf der horizontalen Achse ist Happiness-Score (höhere Werte in positiver Richtung weisen auf höheres Glück hin) Sie können es sich denken. Diagrammpunkte (Länder) sind nach ihrer Zufriedenheitsbewertung eingefärbt, sodass Sie sehen können, dass die Zufriedenheitsbewertungen auf der rechten Seite des Diagramms höher und auf der linken Seite niedriger sind. Diese Achse erklärt 44,9 % der Variation in den Daten.
Die zweite Hauptkomponente, die vertikale Achse, ist schwer zu interpretieren. Die gesunde Lebenserwartung und das Residuum sind dem Ursprung entgegengesetzt, aber da das Residuum schwierig zu interpretieren ist, interpretieren wir es als Angabe der Höhe der gesunden Lebenserwartung. Die Länder am unteren Rand der Grafik (Japan und Südkorea) haben einen starken Zusammenhang mit einer gesunden Lebenserwartung (ein hohes Maß an Glück wird einer gesunden Lebenserwartung zugeschrieben). Diese Achse erklärt 17,9 % der Variation in den Daten.
Die Hauptkomponentenanalyse ist eine Technik zur Erklärung multivariater Daten mit einer kleinen Anzahl von Komponenten. In diesem Beispiel haben wir die 7-dimensionalen Daten auf 2 Dimensionen reduziert, was 62,9 % der Variation in den Daten erklärt.
Die Leser sollten auch die Position ihres eigenen Landes im Biplot überprüfen und versuchen, die Ergebnisse zu interpretieren.
Warum sind im nächsten Teil 2 die Länder außerhalb der Wahrscheinlichkeitsellipse im Scoreplot (Japan, Südkorea und Mexiko) ausgefallen? Betrachten wir die wunderbaren Funktionen von JMP.
Ergänzung: Richtlinie zur Bestimmung der Anzahl der Hauptbestandteile
Aus dem unten stehenden Eigenwertbericht können wir ersehen, dass die ersten beiden Komponenten ungefähr 62,9 % der Variation erklären. Der Screeplot ist eine Richtlinie zur Bestimmung der Anzahl der Hauptkomponenten. Wir betrachten hier die ersten beiden Komponenten (1. Hauptkomponente, 2. Hauptkomponente), wobei der Eigenwert 1 oder größer als Richtwert ist.
(*Tatsächlich hat die dritte Hauptkomponente einen hohen Beitrag zum Restposten, daher ist es schwierig, die Ergebnisse zu interpretieren.)
