Bu tədqiqat Dünya Xoşbəxtlik Hesabatının əsas dəyişənlərinin ölkələrdə müşahidə olunan xoşbəxtlik səviyyələri ilə necə birlikdə strukturlaşdığını qeyri-xətti analitik çərçivədə araşdırır. Qərar Ağacı Reqressiyası (Decision Tree Regression, DTR), fasiləsiz nəticə dəyişənini izahedici dəyişənlərdəki hədlərə görə ardıcıl şəkildə bölərək şərti nümunələri və müxtəlif müşahidə qruplarını görünən edən şərh oluna bilən maşın öyrənməsi metodudur. Tədqiqat DTR-ni Zəruri Şərt Analizi (Necessary Condition Analysis, NCA) ilə birləşdirərək yalnız hansı dəyişənlərin xoşbəxtliklə güclü şəkildə əlaqəli olduğunu deyil, daha yüksək xoşbəxtlik səviyyələrinin müşahidə oluna bilməsi üçün hansı dəyişənlərin müəyyən hədləri aşmasının zəruri ola biləcəyini də araşdırır.

Təhlil 2022–2024 Gallup World Poll / World Happiness Report məlumatlarına əsaslanır. Xoşbəxtlik Cantril Nərdivanı ilə; izahedici struktur isə adambaşına ÜDM, sosial dəstək, sağlam ömür gözləntisi, həyat seçimlərini etmək azadlığı, səxavət və qavranılan korrupsiya dəyişənləri ilə təmsil edilmişdir. Qərar ağacında sosial dəstək ilk və ən güclü struktur bölünmə dəyişənidir; ÜDM iki əsas ikinci-səviyyə budağını yaradır. Qərar ağacının əhəmiyyət ölçüsündə sosial dəstək %34,6, ÜDM %27,7 və sağlam ömür gözləntisi %19,8 payla ilk üç yerdədir.

NCA isə fərqli əhəmiyyət sıralaması ortaya qoyur. Sosial dəstək ən güclü zəruri-şərt təsirini göstərdiyi halda, həyat seçimlərini etmək azadlığı ikinci ən güclü darboğaz kimi üzə çıxır. Bu nəticə əhəmiyyətlidir; çünki azadlıq qərar ağacında yalnız %9,9 nisbi əhəmiyyətə malik olduğu halda NCA-da ÜDM və sağlam ömür gözləntisindən daha böyük zəruri-şərt təsir ölçüsü göstərir. Buna görə “bir dəyişən xoşbəxtliyi nə dərəcədə yaxşı ayırır?” sualı ilə “müəyyən xoşbəxtlik səviyyəsinə çatmaq üçün bu dəyişəndə minimum səviyyə tələb olunurmu?” sualı eyni deyil.

Nəticələr səbəbli siyasət təsiri kimi şərh edilməməlidir. Dünya Xoşbəxtlik Hesabatının dəyişənləri bir-biri ilə əlaqəli olduğundan NCA-dakı hədlər bir-birindən müstəqil səbəblər deyil. Cantril Nərdivanı bir maddəli özünə-hesabat ölçüsüdür və təhlil yalnız 2022–2024 dövrünü əhatə edir. Buna görə nəticələr müşahidə edilən ölkə məlumatlarındakı şərti strukturu və zəruri-şərt əlaqələrini təsvir edir; müəyyən siyasət dəyişikliyinin xoşbəxtliyi mexaniki şəkildə artıracağını sübut etmir.

Xoşbəxtlik ilə subyektiv rifah eyni anlayışdırmı?

Mənbə tədqiqat subyektiv rifahı daha geniş üst anlayış, xoşbəxtliyi isə onunla sıx əlaqəli, lakin daha dar qiymətləndirmə ifadəsi kimi nəzərdən keçirir. Empirik təhlildə “xoşbəxtlik” birbaşa emosional həzzin və ya ani müsbət duyğunun ölçüsü deyil; fərdlərin öz həyatlarının ümumi vəziyyətini qiymətləndirdikləri Cantril Nərdivanının ölkə səviyyəsindəki ortalamasından istifadə olunur.

Cantril Nərdivanı Bu Tədqiqatda Xoşbəxtliyi Necə Ölçür?

Cantril Nərdivanı insanların hazırkı həyatlarını 0 ilə 10 arasındakı bir nərdivanda qiymətləndirdiyi bir maddəli subyektiv həyat qiymətləndirməsi ölçüsüdür; 0 insan üçün mümkün olan ən pis həyatı, 10 isə mümkün olan ən yaxşı həyatı təmsil edir və tədqiqat fərdi cavabların ölkə səviyyəsindəki ortalamasını HAPPY dəyişəni kimi istifadə edir.

Bu ölçmənin mühüm xüsusiyyəti insanın yalnız müəyyən bir gündəki müsbət və ya mənfi duyğusunu deyil, həyatının ümumi vəziyyətinə dair koqnitiv qiymətləndirməsini tələb etməsidir. Buna görə tədqiqat Cantril Nərdivanını xoşbəxtliyin bütün psixoloji ölçülərinin tam ölçüsü kimi deyil, World Happiness Report çərçivəsində beynəlxalq müqayisəyə uyğun subyektiv həyat qiymətləndirməsi kimi istifadə edir.

World Happiness Report modelindəki altı izahedici dəyişən

Təsviri statistika

Dəyişənlərin müşahidə sayları eyni deyil. Tədqiqat çatışmayan dəyərləri hər analitik blok üçün ayrıca listwise deletion üsulu ilə çıxarır. Buna görə korrelyasiya, qərar ağacı və NCA kimi müxtəlif təhlillərdə istifadə edilə bilən müşahidə sayının eyni olması məcburi deyil və bu məqam xüsusi nəzərə alınmalıdır.

Tədqiqatın iki əsas məqsədi

Birinci tədqiqat məqsədi altı WHR dəyişəninin müxtəlif xoşbəxtlik səviyyələri ilə necə birlikdə strukturlaşdığını və qeyri-xətti qarşılıqlı təsirlərin qərar ağacında necə ortaya çıxdığını müəyyənləşdirməkdir. İkinci məqsəd isə həmin dəyişənlərdən hansılarının daha yüksək xoşbəxtlik səviyyələri üçün empirik zəruri şərtlər və ya darboğazlar yaratdığını NCA ilə araşdırmaqdır.

Qərar Ağacı Reqressiyası ilə Zəruri Şərt Analizi Arasındakı Fərq Nədir?

Qərar Ağacı Reqressiyası nümunəni izahedici dəyişənlərdəki hədlərə görə bölərək müxtəlif xoşbəxtlik rejimləri ilə əlaqəli şərti konfiqurasiyaları ortaya çıxararkən, Zəruri Şərt Analizi müəyyən xoşbəxtlik səviyyəsinin müşahidə oluna bilməsi üçün ayrı-ayrı dəyişənlərin aşmalı olduğu minimum və ya qavranılan korrupsiya kimi mənfi əlaqəli dəyişənlərdə altında qalmalı olduğu maksimum empirik hədləri araşdırır; bu iki metod fərqli elmi suallara cavab verdiyi üçün əhəmiyyət sıralamalarının eyni olması gözlənilmir.

DTR-nin əsas üstünlüyü qarşılıqlı təsir terminlərini tədqiqatçının əvvəlcədən ayrı-ayrılıqda müəyyən etməsini tələb etmədən məlumatdakı iyerarxik bölünmələri üzə çıxara bilməsidir. Məsələn, azadlığın xoşbəxtliklə əlaqəsi bütün ölkələr üçün eyni xətti əmsalla ifadə edilmək əvəzinə sosial dəstək və gəlir səviyyəsinin yaratdığı bir budaq daxilində fərqli həddə görünə bilər.

NCA isə “dəyişən artdıqca xoşbəxtlik orta hesabla nə qədər artır?” sualını vermir. Bunun əvəzinə “müəyyən səviyyədə xoşbəxtliyin müşahidə oluna bilməsi üçün bu dəyişəndə ən az hansı səviyyə lazımdır?” sualına fokuslanır. Bu zəruri-şərt məntiqi bir dəyişənin yetərsiz səviyyəsinin digər dəyişənlərdəki yüksək dəyərlərlə tam kompensasiya edilə bilməməsi ehtimalını görünən edir.

NCA niyə səbəbiyyət demək deyil?

NCA-dakı darboğazlar tədqiqatda iki dəyişənli tavan əlaqələri əsasında qiymətləndirilir. GDP, SOCSUP, HEALTH və FREE kimi göstəricilər bir-biri ilə orta və ya yüksək səviyyədə əlaqəli olduğundan bir dəyişən üçün tapılan zəruri hədd həmin dəyişənin bütün digər amillərdən müstəqil səbəbli təsirini sübut etmir. Tədqiqat bu nəticələri “müşahidə olunan məlumatlardakı dəyişən-spesifik hədd əlaqələri” kimi şərh edir.

Tədqiqatın Metodu və Nəticələri

Korrelyasiya təhlili

Sadə korrelyasiya səviyyəsində sosial dəstək ən yüksək müsbət əlaqəyə, qavranılan korrupsiya isə gözlənilən istiqamətdə mənfi əlaqəyə malikdir. Səxavət dəyişəninin korrelyasiyası yalnız 0.068-dir və H5 hipotezi bu sadə korrelyasiya təhlilində dəstəklənmir.

Bununla belə, səxavət daha sonra qərar ağacında üç dəfə əsas split dəyişəni kimi görünür. Bu hal tədqiqatın mühüm metodoloji mesajlarından biridir: aşağı xətti korrelyasiya dəyişənin müəyyən alt qruplarda və ya digər dəyişənlərin müəyyən səviyyələrində şərti rol oynamayacağı mənasına gəlmir.

Qərar ağacı necə seçildi?

Qərar ağacının əsas məqsədi yalnız proqnoz uğurunu maksimumlaşdırmaq deyil, şərh edilə bilən struktur əldə etməkdir. Buna görə terminal düyün ölçüsü və ümumi terminal düyün sayı məhdudlaşdırılmışdır.

Hiperparametr şəbəkəsi:

• cp ∈ {0.0025, 0.0050, 0.0075, 0.0100, 0.0125, 0.0150, 0.0200}
• maxdepth ∈ {3, 4, 5, 6}
• minsplit ∈ {60, 80, 100}
• minbucket ∈ {25, 30, 35}

Bu kombinasiyalar cəmi 252 namizəd ağac yaratmışdır. Model seçimi 5 qatlı çarpaz doğrulama ilə həyata keçirilmiş; əvvəlcə ən yüksək orta doğrulama \(R^2\), sonra aşağı RMSE və MAE üstün tutulmuşdur. Şərh edilə bilmə üçün terminal düyün sayı 12 və ya daha az saxlanılmışdır.

Bu nəticələrin mühüm məhdudiyyəti ayrıca və tam müstəqil hold-out test dəstinin olmamasıdır. Mənbə performans qiymətləndirməsini çarpaz doğrulama və yenidən nümunələmə əsaslı möhkəmlik yoxlamaları üzərindən aparır.

Qərar Ağacında Xoşbəxtliyi Ən Güclü Şəkildə Hansı Dəyişənlər Strukturlaşdırır?

Sosial dəstək qərar ağacının kök bölünməsini yaradaraq ən güclü struktur dəyişəni kimi ortaya çıxır, ÜDM isə iki əsas budağın ikinci səviyyəsindəki bölünmələri müəyyənləşdirir; daha dərin səviyyələrdə səxavət, azadlıq, qavranılan korrupsiya və yenidən sosial dəstək müəyyən ölkə qruplarının ayrılmasına töhfə verir.

Kök düyündəki `SOCSUP = 0.71` həddi ağacın ilk olaraq ölkələri sosial dəstək səviyyəsinə görə ayırdığını göstərir. Bu hədd “0.71-dən yuxarı çıxılarsa xoşbəxtlik mütləq artar” şəklində səbəbli şərh edilməməlidir; bu, ağacın həmin nümunədə xətanı azaltmaq üçün seçdiyi məlumat bölünmə nöqtəsidir.

Dəyişənlərin əhəmiyyət sıralaması

Hər iki metod sosial dəstək və ÜDM-i ilk iki sıraya yerləşdirir. HEALTH qərar ağacında əsas split kimi görünməsə belə %19,8 əhəmiyyət daşıyır; mənbə bunu surrogate split-lər və digər dəyişənlərlə üst-üstə düşən informasiya ilə izah edir.

Mənbə mətndə bu nöqtədə HEALTH-in xoşbəxtliklə “aşağı korrelyasiyaya” malik olduğu şəklində ifadə var. Lakin eyni tədqiqatın korrelyasiya matrisi `r = 0.670` göstərir. Buna görə düzgün oxunuş HEALTH-in korrelyasiyasının aşağı olması deyil, yüksək korrelyasiyaya baxmayaraq əsas bölünmələrdə görünməməsidir.

Qərar ağacı nəticələrinin möhkəmliyi

Ən yaxşı 10 şərh edilə bilən ağac spesifikasiyasında çarpaz doğrulama \(R^2\) dəyərləri 0.698–0.702, RMSE dəyərləri isə 0.644–0.647 arasında dəyişir. Bu ağacların hamısında üst struktur eynidir: kök split SOCSUP, iki ikinci-səviyyə split isə GDP-dir.

500 təkrarlı bootstrap təhlilində SOCSUP nümunələrin %96,8-ində kök split kimi yenidən ortaya çıxmışdır. GDP ikinci səviyyədə %72,7 nisbətində dominant dəyişəndir. Bootstrap out-of-bag ortalamaları `RMSE = 0.6573`, `MAE = 0.4964` və `R² = 0.6905`; orta terminal düyün sayı `10.204` olaraq bildirilmişdir.

Random forest yalnız xarici möhkəmlik yoxlaması kimi istifadə edilmişdir. Üstün tutulan random forest quruluşu `mtry = 4`, `splitrule = extratrees`, `min.node.size = 3` dəyərlərindən istifadə etmiş və 5 qatlı çarpaz doğrulamada `RMSE = 0.4880`, `R² = 0.8294`, `MAE = 0.3705` nəticələri vermişdir. Random forest daha yüksək proqnoz performansı göstərsə də, tədqiqat onu əsas şərh modeli kimi istifadə etməmiş; qərar ağacını vizuallaşdırma və hədlərin şərhi üçün saxlamışdır.

On fərqli struktur xoşbəxtlik rejimi

Seçilən qərar ağacı 10 terminal düyün yaradır. Ölkələrin 2022–2024 dövründəki izahedici dəyişən ortalamaları ağacın qaydalarına tətbiq edilərək hər ölkə bu düyünlərdən birinə təyin edilmişdir.

Mənbə aşağı xoşbəxtlik düyünlərində aşağı sosial dəstək, gəlir və sağlamlıq dəyərlərinin daha geniş yayıldığını; ən yüksək xoşbəxtlik düyünündə isə sosial dəstək, gəlir, sağlamlıq və azadlığın birlikdə yüksək səviyyələrdə olduğunu göstərir. Bu coğrafi klasterlər “bir region təbiətinə görə daha xoşbəxtdir” kimi şərh edilməməlidir; düyünlər yalnız seçilmiş WHR dəyişənlərinin müşahidə olunan kombinasiyalarına görə yaranmış struktur qruplardır.

Zəruri Şərt Analizi necə quruldu?

NCA-da HAPPY açıqlanan dəyişəndir. GDP, SOCSUP, HEALTH, FREE və GENER müsbət əlaqəli şərtlər; CORRUP isə mənfi əlaqəli şərt kimi götürülmüşdür.

Zəruri şərt təsir ölçüləri iki ayrı tavan metodu ilə qiymətləndirilmişdir:

• CE-FDH: Ceiling Envelopment-Free Disposal Hull.
• CR-FDH: Ceiling Regression-Free Disposal Hull; kvantil reqressiyasında \(\tau = 0.95\).

Əhəmiyyətlilik üçün 1000 təkrarlı permutation testi və %5 əhəmiyyətlilik səviyyəsindən istifadə edilmişdir. Bottleneck cədvəli yalnız CE-FDH metodu ilə və dəyişənlərin orijinal vahidlərindən istifadə edilərək yaradılmışdır.

NCA təsir ölçüləri

SOCSUP hər iki metodda da `d > 0.3` ilə böyük zəruri-şərt təsirinə malikdir. GDP, HEALTH və FREE `0.1 < d < 0.3` intervalında orta ölçülü təsirlərə malikdir. GENER və CORRUP üçün p-dəyərləri əhəmiyyətli olsa belə təsir ölçüləri `d < 0.1` olduğundan mənbə onları güclü praktik darboğazlar kimi qiymətləndirmir.

Qərar Ağacında Əhəmiyyətli Olmaq ilə NCA-da Zəruri Şərt Olmaq Eyni Şeydirmi?

Xeyr. Qərar ağacı əhəmiyyəti bir dəyişənin nümunəni xoşbəxtlik səviyyələri baxımından nə dərəcədə effektiv böldüyünü və proqnoz xətasını azaltdığını göstərdiyi halda NCA təsir ölçüsü müəyyən yüksək xoşbəxtlik səviyyələrinin müşahidə oluna bilməsi üçün həmin dəyişənin nə dərəcədə məcburedici hədd yaratdığını ölçür; buna görə FREE qərar ağacında dördüncü sırada olduğu halda NCA-da sosial dəstəkdən sonra ikinci ən güclü darboğaz ola bilər.

Üç analitik yanaşmanın sıralamaları bir-biri ilə yüksək, lakin qüsursuz olmayan uyğunluq göstərir. Mənbənin rank müqayisəsində Pearson korrelyasiya sıralaması ilə qərar ağacı əhəmiyyət sıralaması arasındakı Spearman əlaqəsi `0.943`, Pearson sıralaması ilə NCA arasındakı əlaqə `0.829`, qərar ağacı ilə NCA arasındakı əlaqə isə `0.771` olaraq verilmişdir.

Yüksək Xoşbəxtlik Səviyyələri Üçün NCA Hansı Darboğazları Göstərir?

CE-FDH bottleneck nəticələri sosial dəstək və azadlığın daha aşağı xoşbəxtlik hədlərindən etibarən məcburedici hala gəldiyini, sağlam ömür gözləntisinin təxminən %60, ÜDM-in isə təxminən %70 xoşbəxtlik səviyyəsindən etibarən zəruri hədd kimi ortaya çıxdığını və qavranılan korrupsiyanın yalnız müşahidə olunan xoşbəxtlik paylanmasının ən yuxarı hissəsində güclü məhdudiyyət yaratmağa başladığını göstərir.

Cədvəldəki GDP, SOCSUP, HEALTH, FREE və GENER dəyərləri müsbət əlaqəli şərtlər üçün minimum hədlərdir. CORRUP mənfi əlaqəli olduğuna görə dəyər maksimum qəbul edilə bilən həddir; məsələn, `HAPPY = 7.13` səviyyəsində CORRUP dəyərinin `0.686` və ya aşağı olması zəruri-şərt sərhədi kimi bildirilmişdir.

GENER dəyişənindəki mənfi hədlərin “mənfi ianə məbləği” demək olmadığı xüsusi vurğulanmalıdır. Səxavət dəyişəni ianə cavabının adambaşına ÜDM üzərində reqressiyasından əldə edilən qalıq kimi müəyyən edildiyindən mənfi dəyərlər ölkənin gəlir səviyyəsinə görə gözlənilən ianə meylindən aşağı qalmasını ifadə edir.

Sosial dəstək ilə azadlığın fərqli rolları

Sosial dəstək həm qərar ağacında, həm də NCA-da dominant dəyişəndir. Ağacın ilk bölünməsini yaradır, nisbi əhəmiyyət sıralamasında %34,6 ilə birincidir və NCA-da ən yüksək zəruri-şərt təsir ölçüsünə malikdir.

Azadlıq isə daha fərqli profil göstərir. Qərar ağacında %9,9 ilə dördüncü sırada yer aldığı halda NCA-da ikinci ən yüksək zəruri-şərt təsir ölçüsünü göstərir. Bu nəticə bir dəyişənin bütün nümunəni yaxşı ayırmamasına baxmayaraq yüksək xoşbəxtlik səviyyələri üçün kritik aşağı sərhəd yarada biləcəyini göstərir.

Sağlamlığın qərar ağacında görünməyən, lakin mühüm rolu

HEALTH əsas qərar ağacı düyünlərində primary split kimi görünmür. Buna baxmayaraq qərar ağacı dəyişən əhəmiyyətinin %19,8-ni təşkil edir və üçüncü yerdədir. Bunun səbəbi dəyişən əhəmiyyəti hesabının yalnız primary split-ləri deyil, surrogate split-lər vasitəsilə əldə olunan xəta azalmasını da nəzərə almasıdır.

HEALTH həmçinin GDP ilə `0.688`, SOCSUP ilə `0.639` korrelyasiyaya malikdir. Buna görə sağlamlığın daşıdığı informasiyanın bir hissəsi daha yuxarı səviyyədə seçilən iqtisadi və sosial dəyişənlərlə üst-üstə düşə bilər.

Tədqiqatın dəstəklədiyi nəticələr

• Sosial dəstək və adambaşına ÜDM xoşbəxtlik fərqlərini strukturlaşdıran ən mühüm iki qərar ağacı dəyişənidir.
• Sosial dəstək qərar ağacının kök split-idir və bootstrap nümunələrinin böyük əksəriyyətində bu mövqeyi qoruyur.
• Xətti korrelyasiyası demək olar ki, sıfır olan səxavət bəzi daha dərin qərar ağacı budaqlarında şərti əhəmiyyət göstərə bilər.
• Sosial dəstək NCA-da ən güclü zəruri-şərt təsirinə malikdir.
• Azadlıq NCA-da ÜDM və sağlamlıqdan daha böyük zəruri-şərt təsir ölçüsü göstərir.
• Daha yüksək xoşbəxtlik hədəfləri üçün tələb olunan sosial dəstək, gəlir, sağlamlıq və azadlıq hədləri ümumən yüksəlir.
• Qavranılan korrupsiya güclü darboğaz kimi əsasən paylanmanın ən yüksək xoşbəxtlik səviyyələrində görünür.
• Random forest və bootstrap nəticələri sosial dəstək və ÜDM-in əhəmiyyət sıralamasındakı yuxarı mövqeyinin tək bir qərar ağacı spesifikasiyasından asılı olmadığını dəstəkləyir.

Tədqiqatın dəstəkləmədiyi nəticələr

• Tədqiqat sosial dəstəyin və ya azadlığın artırılmasının xoşbəxtliyi müəyyən miqdarda səbəbli şəkildə artıracağını sübut etmir.
• NCA-dakı minimum dəyərlər siyasət hədəfi və ya təyin edilmiş doza deyil.
• Qərar ağacı split hədləri universal psixoloji qanunlar deyil; 2022–2024 nümunəsindən əldə edilən məlumat bölünmə nöqtələridir.
• Bir ölkənin müəyyən terminal düyündə yerləşməsi onun mədəniyyətinin və ya xalqının dəyişməz xoşbəxtlik xüsusiyyəti olduğu mənasına gəlmir.
• Random forest-ın daha yüksək proqnoz performansı qərar ağacındakı hədlərin və ya NCA-dakı darboğazların səbəbiyyətini təsdiqləmir.
• Cantril Nərdivanı emosional rifahı, həyat məqsədini, sahə-spesifik həyat məmnunluğunu və mədəni xoşbəxtlik anlayışlarının hamısını ölçmür.
• 2022–2024 nəticələri uzun müddət dəyişməz qalacaq qlobal xoşbəxtlik əlaqələrini sübut etmir.

Əsas məhdudiyyətlər

Birinci məhdudiyyət qərar ağacının nümunələmə həssaslığıdır. Məlumatdakı kiçik dəyişikliklər ağac strukturunu dəyişə bilər. Tədqiqat bu problemi ən yaxşı alternativ ağacların müqayisəsi, 500 təkrarlı bootstrap və random forest möhkəmlik yoxlaması ilə azaltmağa çalışmışdır; yuxarı səviyyədəki sosial dəstək–ÜDM strukturu güclü şəkildə qorunmuşdur.

İkinci məhdudiyyət şərh edilə bilmə ilə proqnoz gücü arasındakı tarazlıqdır. Ağacın terminal düyün sayının məhdudlaşdırılması strukturu anlaşılan saxlayır, lakin daha mürəkkəb modelin tuta biləcəyi bəzi alt nümunələri şüurlu şəkildə kənarda qoya bilər.

Üçüncü məhdudiyyət NCA dəyişənlərinin müstəqil olmamasıdır. WHR göstəricilərinin bir hissəsi birlikdə hərəkət etdiyinə görə ayrı-ayrı NCA darboğazları müstəqil səbəbli amillər kimi şərh edilə bilməz.

Dördüncü məhdudiyyət xoşbəxtliyin Cantril Nərdivanı ilə bir maddədə ölçülməsidir. Ölçmə koqnitiv həyat qiymətləndirməsini tutsa da, emosional rifahı, məna və məqsədi, eləcə də həyatın müxtəlif sahələrindəki məmnunluğu tam əhatə etmir. Ölkələrarası mədəni cavab üslubları da müqayisələrə təsir göstərə bilər.

Beşinci məhdudiyyət GENER dəyişəninin birbaşa müşahidə edilən saf səxavət ölçüsü olmaması və gəlir üzərində reqressiyadan əldə edilən qalıq kimi qurulmasıdır. Bu struktur ölçmə səs-küyünü artıra bilər və ağacın aşağı budaqlarındakı səxavət split-lərinin şərhində diqqət tələb edir.

Altıncı məhdudiyyət zaman aralığıdır. 2022–2024 dövrü qısadır və pandemiyadan sonrakı sosial və iqtisadi uyğunlaşma proseslərini qismən əks etdirə bilər. Buna görə müşahidə olunan hədlər və ya ölkə qrupları uzunmüddətli dəyişməz əlaqələr kimi görülməməlidir.

Gələcək tədqiqatlar

Mənbə daha uzun zaman sıralarının, pandemiyadan əvvəl və sonrakı müqayisələrin, alternativ xoşbəxtlik və səxavət ölçülərinin, çoxölçülü rifah göstəricilərinin və mədəniyyət, institutlar və ya bərabərsizlik kimi əlavə izahedici dəyişənlərin qiymətləndirilməsini təklif edir.

Bundan əlavə, zəruri şərt məntiqini, yetərlilik/konfiqurasiya məntiqini və səbəbli identifikasiyanı eyni tədqiqat proqramında daha açıq şəkildə birləşdirən hibrid dizaynlar gələcək üçün mühüm metodoloji istiqamət kimi qiymətləndirilir.

Mənbə və Metod Qeydi

Orijinal tədqiqat: Explaining Global Happiness: Evidence from Decision Trees and Necessary Condition Analysis

Müəlliflər: Teresa Torres-Coronas; Jorge de Andrés-Sánchez.

Məsul müəllif: Jorge de Andrés-Sánchez.

Qurumlar: Social and Business Research Laboratory, Department of Business Management, Universitat Rovira i Virgili, Tarragona və Reus, İspaniya.

Jurnal: Economies.

Nəşriyyat: MDPI, Basel, Switzerland.

Biblioqrafik qeyd: Economies 2026, 14(5), 172.

DOI: 10.3390/economies14050172.

Rəsmi DOI: 10.3390/economies14050172.

Nəşr prosesi: Alınıb 31 Mart 2026; reviziya 29 Aprel 2026; qəbul 6 May 2026; nəşr 11 May 2026.

Mənbə növü: Resenziyalı elmi tədqiqat məqaləsi.

Lisenziya: Creative Commons Attribution (CC BY).

Məlumat dövrü: 2022–2024.

Əsas məlumat çərçivəsi: Gallup World Poll / World Happiness Report.

Əsas nəticə dəyişəni: Cantril Nərdivanı ilə ölçülən ölkə səviyyəsində orta subyektiv həyat qiymətləndirməsi.

İzahedici dəyişənlər: adambaşına ÜDM, sosial dəstək, sağlam ömür gözləntisi, həyat seçimlərində azadlıq, səxavət və qavranılan korrupsiya.

Əsas metod: Pearson korrelyasiyası; Decision Tree Regression; 5-fold cross-validation; 252 ağac hiperparametr spesifikasiyası; bootstrap stability analysis; random forest möhkəmlik yoxlaması; Necessary Condition Analysis; CE-FDH və CR-FDH; 1000 təkrarlı permutation testi; CE-FDH bottleneck təhlili.

Proqram təminatı: R 4.4.2. Tədqiqatda caret, rpart, rpart.plot, dplyr, ranger və NCA paketlərindən istifadə olunur. Resampling prosedurları üçün sabit random seed-lərdən istifadə edilmişdir.

Təkrar istehsal oluna bilmə: Annotated R skriptləri və istifadə olunan paket/versiya məlumatlarının Supplementary Materials-da və tədqiqatla əlaqəli GitHub repozitoriyasında ictimaiyyətə açıq olduğu bildirilmişdir.

Maliyyələşdirmə: Telefónica və Universitat Rovira i Virgili ilə Universitat de Barcelona nəzdindəki Telefónica Chair on Smart Cities; layihə nömrəsi 42.DB.00.18.00.

Etik bəyanat: Institutional Review Board Statement və Informed Consent Statement “Not applicable” olaraq verilmişdir.

Məlumatların əlçatanlığı: Mənbə məlumatların World Happiness Report məlumat paylaşma sistemi vasitəsilə əlçatan olduğunu və giriş tarixinin 25 Fevral 2026 olduğunu bildirir.

AI istifadə açıqlaması: Müəlliflər ChatGPT 5.5-in məqalənin dil keyfiyyətini yaxşılaşdırmaq məqsədilə istifadə edildiyini açıq şəkildə bildirmişlər.

Maraqlar toqquşması: Müəlliflər maraqlar toqquşması bildirməmişlər.

Müəllif töhfələri: Konseptuallaşdırma, metodologiya, proqram təminatı, doğrulama, formal təhlil, tədqiqat, resurslar, məlumatların kurasiyası, vizuallaşdırma, nəzarət, layihənin idarə olunması və maliyyələşmənin əldə edilməsi iki müəllif tərəfindən birgə həyata keçirilmişdir. Orijinal layihə Teresa Torres-Coronas; nəzərdən keçirmə və redaktə Jorge de Andrés-Sánchez tərəfindən bildirilmişdir.

Mənbədaxili texniki qeyd: Mənbə mətn HEALTH dəyişəninin primary split kimi görünməməsini izah edərkən bir yerdə onun xoşbəxtliklə korrelyasiyasını “low” kimi xarakterizə edir; eyni məqalənin Pearson cədvəlində HEALTH–HAPPY korrelyasiyası 0.670-dir. Verianla ədədi cədvəli əsas götürərək bu korrelyasiyanı aşağı kimi xarakterizə etmir.

Metodoloji şərh sərhədi: DTR hədləri, dəyişən əhəmiyyətləri və NCA bottleneck dəyərləri 2022–2024 nümunəsindəki statistik strukturu təmsil edir. Bunlar müstəqil səbəbli təsir qiymətləndirmələri və ya universal siyasət hədləri deyil.

Vizualın yenidən çəkilməsi uyğunluğu: Yüksək. Qərar ağacının üst strukturu, dəyişən əhəmiyyəti müqayisəsi və bottleneck cədvəli orijinal Verianla qrafik və sxemləri ilə yenidən yaradıla bilər.

Verianla Live / Live Figure uyğunluğu: Uyğundur. Qərar ağacının split sırası, variable-importance iyerarxiyası və NCA hədlərinin addım-addım görünən hala gətirilməsi sabit mənbə dəyərləri ilə həyata keçirilə bilər; istifadəçiyə yeni elmi nəticə hesablatdırılmamalıdır.