Bu çalışma, Dünya Mutluluk Raporu’nun temel değişkenlerinin ülkelerde gözlenen mutluluk düzeyleriyle nasıl birlikte yapılandığını doğrusal olmayan bir analitik çerçevede inceliyor. Karar Ağacı Regresyonu (Decision Tree Regression, DTR), sürekli bir sonuç değişkenini açıklayıcı değişkenlerdeki eşiklere göre ardışık olarak bölerek koşullu örüntüleri ve farklı gözlem gruplarını görünür hale getiren yorumlanabilir bir makine öğrenmesi yöntemidir. Çalışma DTR’yi Gerekli Koşul Analizi (Necessary Condition Analysis, NCA) ile birleştirerek yalnız hangi değişkenlerin mutlulukla güçlü biçimde ilişkili olduğunu değil, daha yüksek mutluluk düzeylerinin gözlenebilmesi için hangi değişkenlerin belirli eşikleri aşmasının gerekebildiğini de araştırmaktadır.

Analiz 2022–2024 Gallup World Poll / World Happiness Report verilerine dayanmaktadır. Mutluluk Cantril Merdiveni ile; açıklayıcı yapı ise kişi başına GSYİH, sosyal destek, sağlıklı yaşam beklentisi, yaşam tercihlerini yapma özgürlüğü, cömertlik ve algılanan yolsuzluk değişkenleriyle temsil edilmiştir. Karar ağacında sosyal destek ilk ve en güçlü yapısal bölünme değişkenidir; GSYİH iki ana ikinci-seviye dalı oluşturmaktadır. Karar ağacı önem ölçümünde sosyal destek %34,6, GSYİH %27,7 ve sağlıklı yaşam beklentisi %19,8 payla ilk üç sıradadır.

NCA ise farklı bir önem sıralaması ortaya koymaktadır. Sosyal destek en güçlü gerekli-koşul etkisini gösterirken yaşam tercihlerini yapma özgürlüğü ikinci en güçlü darboğaz olarak ortaya çıkmaktadır. Bu sonuç önemlidir; çünkü özgürlük karar ağacında yalnız %9,9 göreli öneme sahipken NCA’da GSYİH ve sağlıklı yaşam beklentisinden daha büyük gerekli-koşul etki büyüklüğü göstermektedir. Dolayısıyla “bir değişken mutluluğu ne kadar iyi ayırıyor?” sorusu ile “belirli bir mutluluk düzeyine ulaşmak için bu değişkende minimum bir seviye gerekiyor mu?” sorusu aynı değildir.

Sonuçlar nedensel politika etkisi olarak yorumlanmamalıdır. Dünya Mutluluk Raporu değişkenleri birbirleriyle ilişkili olduğundan NCA’daki eşikler birbirinden bağımsız nedenler değildir. Cantril Merdiveni tek maddeli öz-bildirim ölçüsüdür ve analiz yalnız 2022–2024 dönemini kapsar. Bulgular bu nedenle gözlenen ülke verilerindeki koşullu yapı ve gerekli-koşul ilişkilerini tanımlar; belirli bir politika değişikliğinin mutluluğu mekanik olarak artıracağını kanıtlamaz.

Mutluluk ile öznel iyi oluş aynı kavram mı?

Kaynak çalışma öznel iyi oluşu daha geniş bir üst kavram, mutluluğu ise bununla yakından ilişkili fakat daha dar bir değerlendirme ifadesi olarak ele almaktadır. Ampirik analizde “mutluluk” doğrudan duygusal haz veya anlık olumlu duygu ölçümü değildir; bireylerin kendi yaşamlarının genel durumunu değerlendirdikleri Cantril Merdiveni’nin ülke düzeyindeki ortalaması kullanılır.

Cantril Merdiveni Bu Çalışmada Mutluluğu Nasıl Ölçüyor?

Cantril Merdiveni, kişilerin mevcut yaşamlarını 0 ile 10 arasındaki bir merdivende değerlendirdiği tek maddeli öznel yaşam değerlendirmesi ölçüsüdür; 0 kişi için mümkün olan en kötü yaşamı, 10 ise mümkün olan en iyi yaşamı temsil eder ve çalışma bireysel yanıtların ülke düzeyindeki ortalamasını HAPPY değişkeni olarak kullanır.

Bu ölçümün önemli bir özelliği, kişinin yalnız belirli bir günkü olumlu veya olumsuz duygusunu değil, hayatının genel durumuna ilişkin bilişsel değerlendirmesini istemesidir. Bu nedenle çalışma Cantril Merdiveni’ni mutluluğun bütün psikolojik boyutlarının eksiksiz ölçümü olarak değil, World Happiness Report çerçevesindeki uluslararası karşılaştırılabilir öznel yaşam değerlendirmesi olarak kullanmaktadır.

World Happiness Report modelindeki altı açıklayıcı değişken

Tanımlayıcı istatistikler

Değişkenlerin gözlem sayıları aynı değildir. Çalışma eksik değerleri her analitik blok için ayrı biçimde listwise deletion yöntemiyle çıkarmaktadır. Bu nedenle korelasyon, karar ağacı ve NCA gibi farklı analizlerde kullanılabilir gözlem sayısının aynı olmak zorunda olmadığı özellikle dikkate alınmalıdır.

Araştırmanın iki temel hedefi

Birinci araştırma hedefi, altı WHR değişkeninin farklı mutluluk düzeyleriyle nasıl birlikte yapılandığını ve doğrusal olmayan etkileşimlerin karar ağacında nasıl ortaya çıktığını belirlemektir. İkinci hedef ise aynı değişkenlerden hangilerinin daha yüksek mutluluk düzeyleri için ampirik gerekli koşullar veya darboğazlar oluşturduğunu NCA ile incelemektir.

Karar Ağacı Regresyonu ile Gerekli Koşul Analizi Arasındaki Fark Nedir?

Karar Ağacı Regresyonu örneklemi açıklayıcı değişkenlerdeki eşiklere göre bölerek farklı mutluluk rejimleriyle ilişkili koşullu yapılandırmaları ortaya çıkarırken, Gerekli Koşul Analizi belirli bir mutluluk düzeyinin gözlenebilmesi için tek tek değişkenlerin aşması gereken minimum veya, algılanan yolsuzluk gibi negatif ilişkili değişkenlerde, altında kalması gereken maksimum ampirik eşikleri araştırır; bu iki yöntem farklı bilimsel sorulara cevap verdiği için önem sıralamalarının aynı olması beklenmez.

DTR’nin temel avantajı, etkileşim terimlerini araştırmacının önceden tek tek belirtmesini gerektirmeden veri içindeki hiyerarşik bölünmeleri ortaya çıkarabilmesidir. Örneğin özgürlüğün mutlulukla ilişkisi, bütün ülkeler için aynı doğrusal katsayıyla ifade edilmek yerine sosyal destek ve gelir düzeyinin oluşturduğu bir dalın içinde farklı bir eşikte görünür hale gelebilir.

NCA ise “değişken arttıkça mutluluk ortalama olarak ne kadar artıyor?” sorusunu sormaz. Bunun yerine “belirli düzeyde mutluluk gözlenebilmesi için bu değişkende en az hangi seviye gerekir?” sorusuna odaklanır. Bu gerekli-koşul mantığı, bir değişkenin yetersiz düzeyinin diğer değişkenlerdeki yüksek değerlerle tamamen telafi edilemeyebileceği olasılığını görünür kılar.

NCA neden nedensellik anlamına gelmiyor?

NCA’daki darboğazlar çalışmada iki değişkenli tavan ilişkileri üzerinden tahmin edilmektedir. GDP, SOCSUP, HEALTH ve FREE gibi göstergeler birbirleriyle orta veya yüksek düzeyde ilişkili olduğundan bir değişken için bulunan gerekli eşik, o değişkenin diğer bütün faktörlerden bağımsız nedensel etkisini kanıtlamaz. Çalışma bu sonuçları “gözlenen verilerdeki değişken-spesifik eşik ilişkileri” olarak yorumlamaktadır.

Çalışmanın Yöntemi ve Bulguları

Korelasyon analizi

Basit korelasyon düzeyinde sosyal destek en yüksek pozitif ilişkiye, algılanan yolsuzluk ise beklenen yönde negatif ilişkiye sahiptir. Cömertlik değişkeninin korelasyonu yalnız 0.068’dir ve H5 hipotezi bu basit korelasyon analizinde desteklenmemektedir.

Bununla birlikte cömertlik daha sonra karar ağacında üç kez ana split değişkeni olarak görünmektedir. Bu durum çalışmanın önemli metodolojik mesajlarından biridir: düşük doğrusal korelasyon, bir değişkenin belirli alt gruplarda veya diğer değişkenlerin belirli seviyelerinde koşullu bir rol oynamayacağı anlamına gelmez.

Karar ağacı nasıl seçildi?

Karar ağacının temel amacı yalnız tahmin başarısını maksimize etmek değil, yorumlanabilir bir yapı elde etmektir. Bu nedenle terminal düğüm büyüklüğü ve toplam terminal düğüm sayısı sınırlandırılmıştır.

Hiperparametre ızgarası:

• 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 kombinasyonlar toplam 252 aday ağaç üretmiştir. Model seçimi 5 katlı çapraz doğrulamayla gerçekleştirilmiş; öncelikle en yüksek ortalama doğrulama \(R^2\), ardından düşük RMSE ve MAE tercih edilmiştir. Yorumlanabilirlik için terminal düğüm sayısı 12 veya altında tutulmuştur.

Bu sonuçların önemli sınırı, ayrı ve tamamen bağımsız bir hold-out test seti bulunmamasıdır. Kaynak performans değerlendirmesini çapraz doğrulama ve yeniden örnekleme tabanlı sağlamlık kontrolleri üzerinden yapmaktadır.

Karar Ağacında Mutluluğu En Güçlü Şekilde Hangi Değişkenler Yapılandırıyor?

Sosyal destek karar ağacının kök bölünmesini oluşturarak en güçlü yapısal değişken olarak ortaya çıkmakta, GSYİH ise iki ana dalın ikinci seviyesindeki bölünmeleri belirlemektedir; daha derin seviyelerde cömertlik, özgürlük, algılanan yolsuzluk ve yeniden sosyal destek belirli ülke gruplarının ayrıştırılmasına katkı sağlamaktadır.

Kök düğümdeki `SOCSUP = 0.71` eşiği, ağacın ilk olarak ülkeleri sosyal destek düzeyine göre ayırdığını gösterir. Bu eşik “0.71’in üzerine çıkılırsa mutluluk kesin artar” şeklinde nedensel yorumlanmamalıdır; ağacın bu örneklemde hatayı azaltmak için seçtiği veri bölünme noktasıdır.

Değişken önem sıralaması

Her iki yöntem sosyal destek ve GSYİH’yı ilk iki sıraya yerleştirmektedir. HEALTH karar ağacında ana split olarak görünmese bile %19,8 önem taşımaktadır; kaynak bunu surrogate split’ler ve diğer değişkenlerle örtüşen bilgi üzerinden açıklamaktadır.

Kaynak metinde bu noktada HEALTH’in mutlulukla “düşük korelasyona” sahip olduğu şeklinde bir ifade bulunmaktadır. Ancak aynı çalışmanın korelasyon matrisi `r = 0.670` göstermektedir. Bu nedenle doğru okuma, HEALTH’in korelasyonunun düşük olması değil, yüksek korelasyona rağmen ana bölünmelerde görünmemesidir.

Karar ağacı sonuçlarının sağlamlığı

En iyi 10 yorumlanabilir ağaç spesifikasyonunda çapraz doğrulama \(R^2\) değerleri 0.698–0.702 ve RMSE değerleri 0.644–0.647 arasında değişmektedir. Bütün bu ağaçlarda üst yapı aynıdır: kök split SOCSUP, iki ikinci-seviye split ise GDP’dir.

500 tekrarlı bootstrap analizinde SOCSUP örneklerin %96,8’inde kök split olarak yeniden ortaya çıkmıştır. GDP ikinci seviyede %72,7 oranında baskın değişkendir. Bootstrap out-of-bag ortalamaları `RMSE = 0.6573`, `MAE = 0.4964` ve `R² = 0.6905`; ortalama terminal düğüm sayısı `10.204` olarak raporlanmıştır.

Random forest yalnız dış sağlamlık kontrolü olarak kullanılmıştır. Tercih edilen random forest yapılandırması `mtry = 4`, `splitrule = extratrees`, `min.node.size = 3` değerlerini kullanmış ve 5 katlı çapraz doğrulamada `RMSE = 0.4880`, `R² = 0.8294`, `MAE = 0.3705` üretmiştir. Random forest daha yüksek tahmin performansı gösterse de çalışma onu ana yorumlama modeli olarak kullanmamış; karar ağacını görselleştirme ve eşik yorumları için korumuştur.

On farklı yapısal mutluluk rejimi

Seçilen karar ağacı 10 terminal düğüm oluşturmaktadır. Ülkelerin 2022–2024 dönemindeki açıklayıcı değişken ortalamaları ağacın kurallarına uygulanarak her ülke bu düğümlerden birine atanmıştır.

Kaynak, düşük mutluluk düğümlerinde düşük sosyal destek, gelir ve sağlık değerlerinin daha yaygın olduğunu; en yüksek mutluluk düğümünde ise sosyal destek, gelir, sağlık ve özgürlüğün birlikte yüksek seviyelerde bulunduğunu göstermektedir. Bu coğrafi kümeler “bir bölge doğası gereği daha mutlu” şeklinde yorumlanmamalıdır; düğümler yalnız seçilen WHR değişkenlerinin gözlenen kombinasyonlarına göre oluşan yapısal gruplardır.

Gerekli Koşul Analizi nasıl kuruldu?

NCA’da HAPPY açıklanan değişkendir. GDP, SOCSUP, HEALTH, FREE ve GENER pozitif ilişkili koşullar; CORRUP ise negatif ilişkili koşul olarak ele alınmıştır.

Gerekli koşul etki büyüklükleri iki ayrı tavan yöntemiyle tahmin edilmiştir:

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

Anlamlılık için 1000 tekrarlı permutation testi ve %5 anlamlılık düzeyi kullanılmıştır. Bottleneck tablosu yalnız CE-FDH yöntemiyle ve değişkenlerin özgün birimleri kullanılarak oluşturulmuştur.

NCA etki büyüklükleri

SOCSUP her iki yöntemde de `d > 0.3` ile büyük gerekli-koşul etkisine sahiptir. GDP, HEALTH ve FREE `0.1 < d < 0.3` aralığında orta büyüklükte etkilere sahiptir. GENER ve CORRUP için p-değerleri anlamlı olsa bile etki büyüklükleri `d < 0.1` olduğundan kaynak bunları güçlü pratik darboğazlar olarak değerlendirmemektedir.

Karar Ağacında Önemli Olmak ile NCA’da Gerekli Koşul Olmak Aynı Şey midir?

Hayır. Karar ağacı önemi bir değişkenin örneklemi mutluluk düzeyleri açısından ne ölçüde etkili biçimde böldüğünü ve tahmin hatasını azalttığını gösterirken NCA etki büyüklüğü, belirli yüksek mutluluk düzeylerinin gözlenebilmesi için o değişkenin ne ölçüde bağlayıcı bir eşik oluşturduğunu ölçer; bu nedenle FREE karar ağacında dördüncü sıradayken NCA’da sosyal desteğin ardından ikinci en güçlü darboğaz olabilir.

Üç analitik yaklaşımın sıralamaları birbirleriyle yüksek fakat kusursuz olmayan uyum göstermektedir. Kaynağın rank karşılaştırmasında Pearson korelasyon sıralaması ile karar ağacı önem sıralaması arasındaki Spearman ilişki `0.943`, Pearson sıralaması ile NCA arasındaki ilişki `0.829`, karar ağacı ile NCA arasındaki ilişki ise `0.771` olarak verilmiştir.

Yüksek Mutluluk Düzeyleri İçin NCA Hangi Darboğazları Gösteriyor?

CE-FDH bottleneck sonuçları sosyal destek ve özgürlüğün daha düşük mutluluk eşiklerinden itibaren bağlayıcı hale geldiğini, sağlıklı yaşam beklentisinin yaklaşık %60, GSYİH’nın yaklaşık %70 mutluluk seviyesinden itibaren gerekli eşik olarak ortaya çıktığını ve algılanan yolsuzluğun ancak gözlenen mutluluk dağılımının en üst bölümünde güçlü bir kısıt oluşturmaya başladığını göstermektedir.

Tablodaki GDP, SOCSUP, HEALTH, FREE ve GENER değerleri olumlu ilişkili koşullar için minimum eşiklerdir. CORRUP negatif ilişkili olduğu için değer maksimum kabul edilebilir eşiktir; örneğin `HAPPY = 7.13` düzeyinde CORRUP değerinin `0.686` veya altında olması gerekli-koşul sınırı olarak raporlanmıştır.

GENER değişkenindeki negatif eşiklerin “negatif bağış miktarı” anlamına gelmediği özellikle belirtilmelidir. Cömertlik değişkeni, bağış yanıtının kişi başına GSYİH üzerindeki regresyonundan elde edilen artık olarak tanımlandığından negatif değerler, ülkenin gelir düzeyine göre beklenen bağış eğiliminin altında kalmasını ifade eder.

Sosyal destek ile özgürlüğün farklı rolleri

Sosyal destek hem karar ağacında hem NCA’da baskın değişkendir. Ağacın ilk bölünmesini oluşturur, göreli önem sıralamasında %34,6 ile birincidir ve NCA’da en yüksek gerekli-koşul etki büyüklüğüne sahiptir.

Özgürlük ise daha farklı bir profil sergiler. Karar ağacında %9,9 ile dördüncü sırada yer alırken NCA’da ikinci en yüksek gerekli-koşul etki büyüklüğünü göstermektedir. Bu sonuç, bir değişkenin bütün örneklemi iyi ayırmamasına rağmen yüksek mutluluk düzeyleri için kritik bir alt sınır oluşturabileceğini göstermektedir.

Sağlığın karar ağacındaki görünmeyen fakat önemli rolü

HEALTH ana karar ağacı düğümlerinde primary split olarak görünmemektedir. Buna rağmen karar ağacı değişken öneminin %19,8’ini oluşturur ve üçüncü sıradadır. Bunun nedeni, değişken önem hesabının yalnız primary split’leri değil surrogate split’ler üzerinden sağlanan hata azalmasını da hesaba katmasıdır.

HEALTH ayrıca GDP ile `0.688`, SOCSUP ile `0.639` korelasyona sahiptir. Dolayısıyla sağlığın taşıdığı bilginin bir bölümü daha üst seviyede seçilen ekonomik ve sosyal değişkenlerle örtüşebilir.

Çalışmanın desteklediği sonuçlar

• Sosyal destek ve kişi başına GSYİH mutluluk farklılıklarını yapılandıran en önemli iki karar ağacı değişkenidir.
• Sosyal destek karar ağacının kök split’idir ve bootstrap örneklerinin büyük çoğunluğunda bu konumu korur.
• Doğrusal korelasyonu neredeyse sıfır olan cömertlik, bazı daha derin karar ağacı dallarında koşullu önem gösterebilir.
• Sosyal destek NCA’da en güçlü gerekli-koşul etkisine sahiptir.
• Özgürlük NCA’da GSYİH ve sağlıktan daha büyük bir gerekli-koşul etki büyüklüğü göstermektedir.
• Daha yüksek mutluluk hedefleri için gereken sosyal destek, gelir, sağlık ve özgürlük eşikleri genel olarak yükselmektedir.
• Algılanan yolsuzluk güçlü bir darboğaz olarak esas olarak dağılımın en yüksek mutluluk seviyelerinde görünmektedir.
• Random forest ve bootstrap sonuçları sosyal destek ve GSYİH’nın önem sıralamasındaki üst konumunun tek bir karar ağacı spesifikasyonuna bağlı olmadığını desteklemektedir.

Çalışmanın desteklemediği sonuçlar

• Çalışma sosyal desteğin veya özgürlüğün artırılmasının mutluluğu belirli bir miktarda nedensel olarak artıracağını kanıtlamaz.
• NCA’daki minimum değerler politika hedefi veya reçete edilmiş doz değildir.
• Karar ağacı split eşikleri evrensel psikolojik yasalar değildir; 2022–2024 örnekleminden elde edilen veri bölünme noktalarıdır.
• Bir ülkenin belirli terminal düğümde bulunması kültürünün veya halkının değişmez bir mutluluk özelliği olduğu anlamına gelmez.
• Random forest’ın daha yüksek tahmin performansı karar ağacındaki eşiklerin veya NCA’daki darboğazların nedenselliğini doğrulamaz.
• Cantril Merdiveni duygusal iyi oluş, yaşam amacı, alan-spesifik yaşam memnuniyeti ve kültürel mutluluk anlayışlarının tamamını ölçmez.
• 2022–2024 sonuçları uzun dönem boyunca değişmeden kalacak küresel mutluluk ilişkilerini kanıtlamaz.

Temel sınırlılıklar

İlk sınırlılık karar ağacının örnekleme duyarlılığıdır. Küçük veri değişiklikleri ağaç yapısını değiştirebilir. Çalışma bu sorunu en iyi alternatif ağaçların karşılaştırılması, 500 tekrarlı bootstrap ve random forest sağlamlık kontrolüyle azaltmaya çalışmıştır; üst seviyedeki sosyal destek–GSYİH yapısı güçlü biçimde korunmuştur.

İkinci sınırlılık yorumlanabilirlik ile tahmin gücü arasındaki dengedir. Ağacın terminal düğüm sayısının sınırlandırılması yapıyı anlaşılır tutar, fakat daha karmaşık bir modelin yakalayabileceği bazı alt örüntüleri bilinçli biçimde dışarıda bırakabilir.

Üçüncü sınırlılık NCA değişkenlerinin bağımsız olmamasıdır. WHR göstergelerinin bir bölümü birlikte hareket ettiği için tek tek NCA darboğazları bağımsız nedensel faktörler olarak yorumlanamaz.

Dördüncü sınırlılık mutluluğun Cantril Merdiveni ile tek maddede ölçülmesidir. Ölçüm bilişsel yaşam değerlendirmesini yakalarken duygusal iyi oluş, anlam, amaç ve yaşamın farklı alanlarındaki memnuniyeti tam olarak kapsamaz. Ülkeler arası kültürel yanıt stilleri de karşılaştırmaları etkileyebilir.

Beşinci sınırlılık GENER değişkeninin doğrudan gözlenen saf bir cömertlik ölçüsü olmaması ve gelir üzerine regresyondan elde edilen artık olarak kurulmasıdır. Bu yapı ölçüm gürültüsünü artırabilir ve ağacın alt dallarındaki cömertlik split’lerinin yorumunda dikkat gerektirir.

Altıncı sınırlılık zaman aralığıdır. 2022–2024 dönemi kısadır ve pandemi sonrası toplumsal ve ekonomik uyum süreçlerini kısmen yansıtabilir. Bu nedenle gözlenen eşikler veya ülke grupları uzun dönemli değişmez ilişkiler olarak görülmemelidir.

Gelecek araştırmalar

Kaynak daha uzun zaman serilerinin, pandemi öncesi ve sonrası karşılaştırmaların, alternatif mutluluk ve cömertlik ölçümlerinin, çok boyutlu iyi oluş göstergelerinin ve kültür, kurumlar veya eşitsizlik gibi ek açıklayıcı değişkenlerin değerlendirilmesini önermektedir.

Ayrıca gerekli koşul mantığı, yeterlilik/konfigürasyon mantığı ve nedensel tanımlamayı aynı araştırma programında daha açık biçimde birleştiren hibrit tasarımlar gelecekteki önemli bir metodolojik yön olarak değerlendirilmektedir.

Kaynak ve Yöntem Notu

Özgün çalışma: Explaining Global Happiness: Evidence from Decision Trees and Necessary Condition Analysis

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

Sorumlu yazar: Jorge de Andrés-Sánchez.

Kurumlar: Social and Business Research Laboratory, Department of Business Management, Universitat Rovira i Virgili, Tarragona ve Reus, İspanya.

Dergi: Economies.

Yayınevi: MDPI, Basel, Switzerland.

Bibliyografik kayıt: Economies 2026, 14(5), 172.

DOI: 10.3390/economies14050172.

Resmî DOI: 10.3390/economies14050172.

Yayın süreci: Alınma 31 Mart 2026; revizyon 29 Nisan 2026; kabul 6 Mayıs 2026; yayın 11 Mayıs 2026.

Kaynak türü: Hakemli bilimsel araştırma makalesi.

Lisans: Creative Commons Attribution (CC BY).

Veri dönemi: 2022–2024.

Temel veri çerçevesi: Gallup World Poll / World Happiness Report.

Temel sonuç değişkeni: Cantril Merdiveni ile ölçülen ülke düzeyi ortalama öznel yaşam değerlendirmesi.

Açıklayıcı değişkenler: kişi başına GSYİH, sosyal destek, sağlıklı yaşam beklentisi, yaşam tercihlerinde özgürlük, cömertlik ve algılanan yolsuzluk.

Temel yöntem: Pearson korelasyonu; Decision Tree Regression; 5-fold cross-validation; 252 ağaç hiperparametre spesifikasyonu; bootstrap stability analysis; random forest sağlamlık kontrolü; Necessary Condition Analysis; CE-FDH ve CR-FDH; 1000 tekrarlı permutation testi; CE-FDH bottleneck analizi.

Yazılım: R 4.4.2. Çalışmada caret, rpart, rpart.plot, dplyr, ranger ve NCA paketleri kullanılmaktadır. Resampling prosedürleri için sabit random seed’ler kullanılmıştır.

Yeniden üretilebilirlik: Annotated R scriptleri ve kullanılan paket/sürüm bilgileri Supplementary Materials ve çalışmayla ilişkili GitHub deposunda kamuya açık olarak bildirilmiştir.

Finansman: Telefónica ve Universitat Rovira i Virgili ile Universitat de Barcelona bünyesindeki Telefónica Chair on Smart Cities; proje numarası 42.DB.00.18.00.

Etik beyan: Institutional Review Board Statement ve Informed Consent Statement “Not applicable” olarak verilmiştir.

Veri erişilebilirliği: Kaynak, verilerin World Happiness Report veri paylaşım sistemi üzerinden erişilebilir olduğunu ve erişim tarihinin 25 Şubat 2026 olduğunu bildirmektedir.

AI kullanım açıklaması: Yazarlar ChatGPT 5.5’in makalenin dilsel kalitesini iyileştirmek amacıyla kullanıldığını açıkça bildirmiştir.

Çıkar çatışması: Yazarlar çıkar çatışması bildirmemiştir.

Yazar katkıları: Kavramsallaştırma, metodoloji, yazılım, doğrulama, formal analiz, araştırma, kaynaklar, veri kürasyonu, görselleştirme, gözetim, proje yönetimi ve finansman edinimi iki yazar tarafından ortak yürütülmüştür. Özgün taslak Teresa Torres-Coronas; gözden geçirme ve düzenleme Jorge de Andrés-Sánchez tarafından raporlanmıştır.

Kaynak-içi teknik not: Kaynak metin HEALTH değişkeninin primary split olarak görünmemesini açıklarken bir yerde mutlulukla korelasyonunu “low” olarak nitelendirmektedir; aynı makalenin Pearson tablosunda HEALTH–HAPPY korelasyonu 0.670’dır. Verianla sayısal tabloyu esas alarak bu korelasyonu düşük olarak nitelendirmemektedir.

Yöntemsel yorum sınırı: DTR eşikleri, değişken önemleri ve NCA bottleneck değerleri 2022–2024 örneklemindeki istatistiksel yapıyı temsil eder. Bunlar bağımsız nedensel etki tahminleri veya evrensel politika eşikleri değildir.

Görsel yeniden çizim uygunluğu: Yüksek. Karar ağacının üst yapısı, değişken önem karşılaştırması ve bottleneck tablosu özgün Verianla grafik ve şemalarıyla yeniden oluşturulabilir.

Verianla Live / Live Figure uygunluğu: Uygun. Karar ağacının split sırası, variable-importance hiyerarşisi ve NCA eşiklerinin adım adım görünür hale getirilmesi sabit kaynak değerleriyle gerçekleştirilebilir; kullanıcıya yeni bilimsel sonuç hesaplatılmamalıdır.