コロナ前・中・後における幸せに大切なもの

バングラディッシュのモハマド・ダネーシュ科学技術大学のアミール先生の研究。

ワールドハピネスレポートでは、毎年キャントリルの梯子で幸福度を測って公開頂いています。

それに合わせて、6つの因子で、だいたい計算できるよ！と、幸福度の推測モデルもあります。

(日本は、その推測から結構ズレますが。)

で、その推測モデルを、複数のアルゴリズムを組み合わせて精度を上げたよ！

＆コロナ前・中・後での変化を見たという研究。

だからこうしたほうが良い！とかではないのですが、面白い研究です😊

ーー

で、その変化は↓だったそうです。

ーー

コロナ前（2018-2019）：

1. 一人当たりGDP: 0.33

2. 社会的支援: 0.30

3. 健康寿命: 0.28

4. 人生の選択の自由: 0.11

5. 寛容さ: 0.04

6. 汚職に対する認識: 0.03

コロナ中（2020-2021）：

1. 社会的支援: 0.34

2. 健康寿命: 0.30

3. 一人当たりGDP: 0.20

4. 人生の選択の自由: 0.09

5. 汚職に対する認識: 0.04

6. 寛容さ: 0.03

コロナ後（2022-2023）：

1. 一人当たりGDP: 0.40

2. 社会的支援: 0.26

3. 人生の選択の自由: 0.16

4. 健康寿命: 0.15

5. 汚職に対する認識: 0.04

6. 寛容さ: 0.04

※数値はSHAP値による重要度

※各因子が幸福度スコアに与える影響の大きさを表しており、合計が1になるように正規化されています。

特徴的な変化：

• 社会的支援の重要度がコロナ中に大きく上昇（0.30→0.34）し、その後低下（0.26）

• GDPの重要度がコロナ中に低下（0.33→0.20）し、その後大きく回復（0.40）

• 健康寿命の重要度は比較的安定しているが、コロナ後に低下

• 人生の選択の自由の重要度はコロナ後に上昇

• 寛容さと汚職に対する認識は、時期を通じて比較的低い重要度を維持

ーー

とのこと。

やっぱりコロナ中は、社会的支援とか健康が最も大切になってくる。

コロナを経ての変化としては、

人生の選択と自由の重要度が上がっているのが面白いですね。(0.11→0.16)

経済の安定(一人当たりGDP)も、コロナで重要度が下がったけど、経済の回復への関心とともにまた上がってきた。

まぁ国単位の予測モデルなので、バックリですが、面白いですね。

ーー

ちなみに、2023年の日本は、

一人当たりGDP：14位

健康寿命：1位

社会的支援：41位

人生の選択の自由：64位

寛容さ：142位

(政治や企業の)汚職に対する認識：27位

です。

人生の選択と自由は、かなーり高いと思うんだけどなぁ。

そして、寛容さ・・・

まぁ寄付金額から算出しているというのもありますが。。。

ーーー

※キャントリルの梯子

①人生の階段を想像してもらう

②最高の人生を10、最低の人生を0とする

③現在の自分の人生が階段のどの段階にあるか、0から10の間で評価

ーーー

世界的なパンデミックにおける説明可能なアンサンブル学習による幸福要因の探究

Exploring happiness factors with explainable ensemble learning in a global pandemic

PLOS One,2025/1/2

https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0313276

幸福とは、人間関係、達成、心の平穏から生じる満足感、喜び、達成感の状態であり、幸福感と積極性につながります。最大幸福の原理は、道徳は快楽によって決まると仮定し、個人が満足し苦しみから解放された社会を目指しています。幸福の要因はさまざまですが、いくつかは普遍的に認識されています。毎年発行される世界幸福度レポート（WHR）には、「一人当たりGDP」、「社会的支援」、「平均余命」、「人生を選択する自由」、「寛大さ」、「腐敗の認識」に関するデータが含まれています。この論文では、機械学習（ML）、ディープラーニング（DL）、アンサンブルMLおよびDLアルゴリズムを使用して幸福スコアを予測し、個々の変数が幸福指数に与える影響を調べます。また、COVID-19パンデミックが幸福の特徴に与える影響も示します。ブレンディングおよびスタッキング アンサンブル手法を使用して、2 つのアンサンブル ML および DL モデルを設計しました。ブレンディング RGMLL は、リッジ回帰 (RR)、勾配ブースティング (GB)、多層パーセプトロン (MLP)、長短期記憶 (LSTM)、線形回帰 (LR) を組み合わせたもので、スタッキング LRGR は、LR、ランダム フォレスト (RF)、GB、RR を組み合わせたものです。トレーニング済みモデルの中で、ブレンディング RGMLL は、R 2が 85%、MSE が 0.15、RMSE が 0.38 と、最も高い予測精度を示しています。説明可能な人工知能 (XAI) 手法を使用して、幸福指標の変化、変数の重要性、COVID-19 パンデミックが幸福に与える影響を明らかにします。この研究では、2018年から2023年までの156か国を対象としたWHRのオープンデータセットを利用しています。調査結果によると、「一人当たりGDP」は幸福度（HS）の最も重要な指標であり、「社会的支援」と「健康寿命」もパンデミック前後で重要な特徴です。しかし、パンデミック中は、「社会的支援」が最も重要な指標として浮上し、「健康寿命」と「一人当たりGDP」がそれに続きました。これは、社会的支援がパンデミック状況で最も重要な必需品であるためです。この研究の結果は、これらの特徴がHSの増加に与える影響を人々に理解させ、望まない状況で幸福を維持する方法に関するガイドラインを提供します。今後の研究では、より包括的な洞察を得るために、高度な方法を探求し、リアルタイムモニタリングを備えた他の関連特徴を含めます。