İşbu taḥḳîḳ, Dünyâ Saʿâdet Raporu’nun esâs müteġayyirlerinin memleketlerde müşâhede olunan saʿâdet dereceleriyle ne sûretle müştereken teşekkül ettiğini gayr-i ḫaṭṭî bir taḥlîlî çerçevede tedḳîḳ eder. Karar Ağacı Regresyonu (Decision Tree Regression, DTR), mütemâdî bir netîce müteġayyirini îżâḥ edici müteġayyirlerdeki ḥadlere göre peyderpey taksîm ederek şarṭlı örüntüleri ve muḫtelif müşâhede zümrelerini görünür kılan, tefsîre elverişli bir machine learning usûlüdür. Taḥḳîḳ, DTR’yi Şarṭ-ı Lâzım Taḥlîli (Necessary Condition Analysis, NCA) ile cemʿ ederek yalnız hangi müteġayyirlerin saʿâdetle kuvvetli sûrette münâsebetli bulunduğunu değil, daha yüksek saʿâdet derecelerinin müşâhede olunabilmesi için hangi müteġayyirlerin muʿayyen ḥadleri aşmasının lâzım gelebileceğini dahi araştırır.

Taḥlîl 2022–2024 Gallup World Poll / World Happiness Report verilerine müsteniddir. Saʿâdet Cantril Merdiveni ile; îżâḥ edici yapı ise fert başına GSYİH, içtimâʿî muʿâvenet, ṣıḥḥatli ömür ümîdi, ḥayât tercihlerini yapma ḥürriyeti, seḫâvet ve idrâk olunan yolsuzluk müteġayyirleriyle temsil olunmuştur. Karar ağacında içtimâʿî muʿâvenet ilk ve en kuvvetli yapısal taksîm müteġayyiridir; GSYİH iki esâs ikinci-seviye şubeyi teşkîl eder. Karar ağacı ehemmiyet ölçüsünde içtimâʿî muʿâvenet %34,6, GSYİH %27,7 ve ṣıḥḥatli ömür ümîdi %19,8 hisse ile ilk üç sıradadır.

NCA ise muḫtelif bir ehemmiyet tertîbi ortaya koyar. İçtimâʿî muʿâvenet en kuvvetli şarṭ-ı lâzım tesirini gösterirken, ḥayât tercihlerini yapma ḥürriyeti ikinci en kuvvetli darboğaz olarak zuhûr eder. Bu netîce mühimdir; zîrâ ḥürriyet karar ağacında yalnız %9,9 nisbî ehemmiyete mâlik iken NCA’da GSYİH ve ṣıḥḥatli ömür ümîdinden daha büyük bir şarṭ-ı lâzım tesir mikdârı gösterir. Binâenaleyh “bir müteġayyir saʿâdeti ne derece iyi tefrîḳ ediyor?” suâli ile “muʿayyen bir saʿâdet derecesine erişmek için bu müteġayyirde asgarî bir seviye lâzım mıdır?” suâli aynı değildir.

Netîceler sebebî siyâset tesiri olarak tefsîr edilmemelidir. Dünyâ Saʿâdet Raporu müteġayyirleri birbirleriyle münâsebetli olduğundan NCA’daki ḥadler birbirinden müstaḳil sebepler değildir. Cantril Merdiveni tek maddelik şahsî beyân ölçüsüdür ve taḥlîl yalnız 2022–2024 devresini ihâta eder. Binâenaleyh bulgular müşâhede olunan memleket verilerindeki şarṭlı yapıyı ve şarṭ-ı lâzım münâsebetlerini tavsîf eder; muʿayyen bir siyâset tebeddülünün saʿâdeti mekanik sûrette artıracağını isbât etmez.

Saʿâdet ile sübjektif refâh aynı mefhûm mudur?

Menbaʿ taḥḳîḳ, sübjektif refâhı daha geniş bir üst mefhûm, saʿâdeti ise bununla yakından münâsebetli fakat daha dar bir değerlendirme ifâdesi olarak ele alır. Ampirik taḥlîlde “saʿâdet” doğrudan hissî haz veya ânî müsbet duygu ölçüsü değildir; ferdlerin kendi ḥayâtlarının umûmî hâlini değerlendirdikleri Cantril Merdiveni’nin memleket seviyesindeki ortalaması kullanılır.

Cantril Merdiveni Bu Taḥḳîḳte Saʿâdeti Nasıl Ölçer?

Cantril Merdiveni, şahısların hâliḥâzır ḥayâtlarını 0 ile 10 arasındaki bir merdivende değerlendirdikleri tek maddelik sübjektif ḥayât değerlendirmesi ölçüsüdür; 0 şahıs için mümkin olan en fenâ ḥayâtı, 10 ise mümkin olan en iyi ḥayâtı temsil eder ve taḥḳîḳ ferdî cevapların memleket seviyesindeki ortalamasını HAPPY müteġayyiri olarak kullanır.

Bu ölçünün mühim bir ḫuṣûṣiyeti, şahsın yalnız muʿayyen bir gündeki müsbet veya menfî duygusunu değil, ḥayâtının umûmî hâline dâir zihnî değerlendirmesini istemesidir. Bu sebeple taḥḳîḳ Cantril Merdiveni’ni saʿâdetin bütün psikolojik buʿudlarının noksansız ölçüsü olarak değil, World Happiness Report çerçevesindeki beynelmilel mukayeseye elverişli sübjektif ḥayât değerlendirmesi olarak kullanır.

World Happiness Report modelindeki altı îżâḥ edici müteġayyir

Tavsîfî istatistikler

Müteġayyirlerin müşâhede adedleri aynı değildir. Taḥḳîḳ, eksik ḳıymetleri her taḥlîlî blok için ayrı sûrette listwise deletion usûlüyle çıkarır. Bu sebeple korelasyon, karar ağacı ve NCA gibi muḫtelif taḥlîllerde kullanılabilir müşâhede adedinin aynı olması zarûrî değildir; bu cihet bilḫâṣṣa nazar-ı dikkate alınmalıdır.

Taḥḳîḳin iki esâs hedefi

Birinci taḥḳîḳ hedefi, altı WHR müteġayyirinin muḫtelif saʿâdet dereceleriyle nasıl müştereken teşekkül ettiğini ve gayr-i ḫaṭṭî etkileşimlerin karar ağacında ne sûretle zuhûr ettiğini taʿyîn etmektir. İkinci hedef ise aynı müteġayyirlerden hangilerinin daha yüksek saʿâdet dereceleri için ampirik şarṭ-ı lâzımlar veya darboğazlar teşkîl ettiğini NCA ile tedḳîḳ etmektir.

Karar Ağacı Regresyonu ile Şarṭ-ı Lâzım Taḥlîli Arasındaki Farḳ Nedir?

Karar Ağacı Regresyonu numûneyi îżâḥ edici müteġayyirlerdeki ḥadlere göre taksîm ederek muḫtelif saʿâdet rejimleriyle münâsebetli şarṭlı tertîbâtı meydana çıkarırken, Şarṭ-ı Lâzım Taḥlîli muʿayyen bir saʿâdet derecesinin müşâhede olunabilmesi için tek tek müteġayyirlerin aşması lâzım gelen asgarî veya idrâk olunan yolsuzluk gibi menfî münâsebetli müteġayyirlerde altında kalması lâzım gelen âzamî ampirik ḥadleri araştırır; bu iki usûl muḫtelif ilmî suâllere cevap verdiği için ehemmiyet tertîblerinin aynı olması beklenmez.

DTR’nin esâs meziyeti, etkileşim terimlerini araştırıcının evvelden tek tek beyân etmesini îcâb ettirmeden veri dâhilindeki hiyerarşik taksîmleri meydana çıkarabilmesidir. Meselâ ḥürriyetin saʿâdetle münâsebeti, bütün memleketler için aynı ḫaṭṭî katsayıyla ifâde edilmek yerine içtimâʿî muʿâvenet ve gelir seviyesinin teşkîl ettiği bir şube dâhilinde muḫtelif bir ḥadde görünür hâle gelebilir.

NCA ise “müteġayyir arttıkça saʿâdet ortalama olarak ne kadar artıyor?” suâlini sormaz. Bunun yerine “muʿayyen derecede saʿâdet müşâhede olunabilmesi için bu müteġayyirde en az hangi seviye lâzımdır?” suâline teveccüh eder. Bu şarṭ-ı lâzım manṭıḳı, bir müteġayyirin kifâyetsiz seviyesinin diğer müteġayyirlerdeki yüksek ḳıymetlerle tamâmen telâfî edilemeyebilmesi ihtimâlini görünür kılar.

NCA niçin sebebiyet maʿnâsına gelmez?

NCA’daki darboğazlar taḥḳîḳte iki müteġayyirli ceiling münâsebetleri üzerinden taḫmîn olunur. GDP, SOCSUP, HEALTH ve FREE gibi göstergeler birbirleriyle orta veya yüksek derecede münâsebetli olduğundan bir müteġayyir için bulunan lâzım ḥadd, o müteġayyirin diğer bütün âmillerden müstaḳil sebebî tesirini isbât etmez. Taḥḳîḳ bu netîceleri “müşâhede olunan verilerdeki müteġayyire mahsûs ḥadd münâsebetleri” olarak tefsîr eder.

Taḥḳîḳin Usûlü ve Netîceleri

Korelasyon taḥlîli

Basît korelasyon seviyesinde içtimâʿî muʿâvenet en yüksek müsbet münâsebete, idrâk olunan yolsuzluk ise muntazar cihette menfî münâsebete mâliktir. Seḫâvet müteġayyirinin korelasyonu yalnız 0.068’dir ve H5 faraziyesi bu basît korelasyon taḥlîlinde desteklenmez.

Bununla beraber seḫâvet daha sonra karar ağacında üç defʿa ana split müteġayyiri olarak görünür. Bu hâl taḥḳîḳin mühim metodolojik mesajlarından biridir: düşük ḫaṭṭî korelasyon, bir müteġayyirin muʿayyen alt zümrelerde veya diğer müteġayyirlerin muʿayyen seviyelerinde şarṭlı bir rol oynamayacağı maʿnâsına gelmez.

Karar ağacı nasıl intihâb edildi?

Karar ağacının esâs maksadı yalnız taḫmîn muvaffakiyetini âzamîleştirmek değil, tefsîre elverişli bir yapı elde etmektir. Bu sebeple terminal düğüm büyüklüğü ve toplam terminal düğüm adedi tahdîd edilmiştir.

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 terkîbler toplam 252 aday ağaç tevlîd etmiştir. Model intihâbı 5 katlı cross-validation ile icrâ edilmiş; evvelâ en yüksek ortalama doğrulama \(R^2\), ardından düşük RMSE ve MAE tercîh edilmiştir. Tefsîr kabiliyeti için terminal düğüm adedi 12 veya altında tutulmuştur.

Bu netîcelerin mühim ḥaddi, ayrı ve tamâmen müstaḳil bir hold-out test seti bulunmamasıdır. Menbaʿ performans değerlendirmesini cross-validation ve yeniden numûneleme esaslı sağlamlık kontrolleri üzerinden yapar.

Karar Ağacında Saʿâdeti En Kuvvetli Sûrette Hangi Müteġayyirler Yapılandırır?

İçtimâʿî muʿâvenet karar ağacının kök taksîmini teşkîl ederek en kuvvetli yapısal müteġayyir olarak zuhûr eder, GSYİH ise iki ana şubenin ikinci seviyesindeki taksîmleri taʿyîn eder; daha derin seviyelerde seḫâvet, ḥürriyet, idrâk olunan yolsuzluk ve yeniden içtimâʿî muʿâvenet muʿayyen memleket zümrelerinin tefrîḳine katkı sağlar.

Kök düğümdeki `SOCSUP = 0.71` ḥaddi, ağacın evvelâ memleketleri içtimâʿî muʿâvenet seviyesine göre tefrîḳ ettiğini gösterir. Bu ḥadd “0.71’in üzerine çıkılırsa saʿâdet mutlaḳ sûrette artar” diye sebebî tefsîr olunmamalıdır; ağacın bu numûnede ḫaṭâyı azaltmak için seçtiği veri taksîm noktasıdır.

Müteġayyir ehemmiyet tertîbi

Her iki usûl içtimâʿî muʿâvenet ile GSYİH’yı ilk iki sıraya vazʿ eder. HEALTH karar ağacında ana split olarak görünmese dahi %19,8 ehemmiyet taşır; menbaʿ bunu surrogate split’ler ve diğer müteġayyirlerle örtüşen maʿlûmât üzerinden îżâḥ eder.

Menbaʿ metninde bu noktada HEALTH’in saʿâdetle “low” korelasyona mâlik olduğu yolunda bir ifâde vardır. Fakat aynı taḥḳîḳin korelasyon matrisi `r = 0.670` göstermektedir. Bu sebeple doğru kıraat, HEALTH korelasyonunun düşük olması değil, yüksek korelasyona rağmen ana taksîmlerde görünmemesidir.

Karar ağacı netîcelerinin sağlamlığı

En iyi 10 tefsîre elverişli ağaç spesifikasyonunda cross-validation \(R^2\) ḳıymetleri 0.698–0.702 ve RMSE ḳıymetleri 0.644–0.647 arasında tebeddül eder. Bu ağaçların cümlesinde üst yapı aynıdır: kök split SOCSUP, iki ikinci-seviye split ise GDP’dir.

500 tekrarlı bootstrap taḥlîlinde SOCSUP numûnelerin %96,8’inde kök split olarak yeniden zuhûr etmiştir. GDP ikinci seviyede %72,7 nisbetinde gâlib müteġayyirdir. Bootstrap out-of-bag ortalamaları `RMSE = 0.6573`, `MAE = 0.4964` ve `R² = 0.6905`; ortalama terminal düğüm adedi `10.204` olarak rapor edilmiştir.

Random forest yalnız hâricî sağlamlık kontrolü olarak kullanılmıştır. Tercîh olunan random forest tertîbi `mtry = 4`, `splitrule = extratrees`, `min.node.size = 3` ḳıymetlerini kullanmış ve 5 katlı cross-validation’da `RMSE = 0.4880`, `R² = 0.8294`, `MAE = 0.3705` vermiştir. Random forest daha yüksek taḫmîn performansı gösterse de taḥḳîḳ onu ana tefsîr modeli olarak kullanmamış; karar ağacını görselleştirme ve ḥadd tefsîrleri için muhâfaza etmiştir.

On muḫtelif yapısal saʿâdet rejimi

İntihâb olunan karar ağacı 10 terminal düğüm teşkîl eder. Memleketlerin 2022–2024 devresindeki îżâḥ edici müteġayyir ortalamaları ağacın kaidelerine tatbîḳ edilerek her memleket bu düğümlerden birine taʿyîn edilmiştir.

Menbaʿ, düşük saʿâdet düğümlerinde içtimâʿî muʿâvenet, gelir ve ṣıḥḥat ḳıymetlerinin daha ziyâde düşük bulunduğunu; en yüksek saʿâdet düğümünde ise içtimâʿî muʿâvenet, gelir, ṣıḥḥat ve ḥürriyetin beraber yüksek seviyelerde bulunduğunu gösterir. Bu coğrafî kümeler “bir bölge tabîʿatı îcâbı daha saʿâdetlidir” diye tefsîr edilmemelidir; düğümler yalnız seçilen WHR müteġayyirlerinin müşâhede olunan terkîblerine göre teşekkül eden yapısal zümrelerdir.

Şarṭ-ı Lâzım Taḥlîli nasıl kurulmuştur?

NCA’da HAPPY îżâḥ olunan müteġayyirdir. GDP, SOCSUP, HEALTH, FREE ve GENER müsbet münâsebetli şarṭlar; CORRUP ise menfî münâsebetli şarṭ olarak ele alınmıştır.

Şarṭ-ı lâzım tesir mikdârları iki ayrı ceiling usûlüyle taḫmîn edilmiştir:

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

İstatistikî ehemmiyet için 1000 tekrarlı permutation testi ve %5 ehemmiyet seviyesi kullanılmıştır. Bottleneck cedveli yalnız CE-FDH usûlüyle ve müteġayyirlerin aslî birimleri kullanılarak teşkîl edilmiştir.

NCA tesir mikdârları

SOCSUP her iki usûlde de `d > 0.3` ile büyük şarṭ-ı lâzım tesirine mâliktir. GDP, HEALTH ve FREE `0.1 < d < 0.3` aralığında orta mikdârda tesirlere mâliktir. GENER ve CORRUP için p-ḳıymetleri istatistikî bakımdan ehemmiyetli olsa dahi tesir mikdârları `d < 0.1` olduğundan menbaʿ bunları kuvvetli amelî darboğazlar olarak değerlendirmez.

Karar Ağacında Mühim Olmak ile NCA’da Şarṭ-ı Lâzım Olmak Aynı Şey midir?

Hayır. Karar ağacı ehemmiyeti bir müteġayyirin numûneyi saʿâdet dereceleri bakımından ne ölçüde müessir sûrette taksîm ettiğini ve taḫmîn ḫaṭâsını azalttığını gösterirken NCA tesir mikdârı, muʿayyen yüksek saʿâdet derecelerinin müşâhede olunabilmesi için o müteġayyirin ne derece bağlayıcı bir ḥadd teşkîl ettiğini ölçer; bu sebeple FREE karar ağacında dördüncü sıradayken NCA’da içtimâʿî muʿâvenetin ardından ikinci en kuvvetli darboğaz olabilir.

Üç taḥlîlî yaklaşımın tertîbleri birbirleriyle yüksek fakat kâmil olmayan muvâfakat gösterir. Menbaʿın rank mukayesesinde Pearson korelasyon tertîbi ile karar ağacı ehemmiyet tertîbi arasındaki Spearman münâsebeti `0.943`, Pearson tertîbi ile NCA arasındaki münâsebet `0.829`, karar ağacı ile NCA arasındaki münâsebet ise `0.771` olarak verilmiştir.

Yüksek Saʿâdet Dereceleri İçin NCA Hangi Darboğazları Gösterir?

CE-FDH bottleneck netîceleri, içtimâʿî muʿâvenet ve ḥürriyetin daha düşük saʿâdet ḥadlerinden iʿtibâren bağlayıcı hâle geldiğini, ṣıḥḥatli ömür ümîdinin takrîben %60, GSYİH’nın takrîben %70 saʿâdet seviyesinden iʿtibâren lâzım ḥadd olarak zuhûr ettiğini ve idrâk olunan yolsuzluğun ancak müşâhede olunan saʿâdet tevzîʿinin en üst kısmında kuvvetli bir tahdîd teşkîl etmeye başladığını gösterir.

Cedveldeki GDP, SOCSUP, HEALTH, FREE ve GENER ḳıymetleri müsbet münâsebetli şarṭlar için asgarî ḥadlerdir. CORRUP menfî münâsebetli olduğu için ḳıymet âzamî kabul olunabilir ḥadddir; meselâ `HAPPY = 7.13` seviyesinde CORRUP ḳıymetinin `0.686` veya altında olması şarṭ-ı lâzım sınırı olarak rapor edilmiştir.

GENER müteġayyirindeki menfî ḥadlerin “menfî iʿâne mikdârı” maʿnâsına gelmediği bilḫâṣṣa zikrolunmalıdır. Seḫâvet müteġayyiri, iʿâne cevabının fert başına GSYİH üzerindeki regresyonundan elde olunan residual olarak taʿrîf edildiğinden menfî ḳıymetler, memleketin gelir seviyesine göre beklenen iʿâne meylinin altında kalmasını ifâde eder.

İçtimâʿî muʿâvenet ile ḥürriyetin muḫtelif rolleri

İçtimâʿî muʿâvenet hem karar ağacında hem NCA’da gâlib müteġayyirdir. Ağacın ilk taksîmini teşkîl eder, nisbî ehemmiyet tertîbinde %34,6 ile birincidir ve NCA’da en yüksek şarṭ-ı lâzım tesir mikdârına mâliktir.

Ḥürriyet ise daha muḫtelif bir profil arz eder. Karar ağacında %9,9 ile dördüncü sırada bulunurken NCA’da ikinci en yüksek şarṭ-ı lâzım tesir mikdârını gösterir. Bu netîce, bir müteġayyirin bütün numûneyi iyi tefrîḳ etmemesine rağmen yüksek saʿâdet dereceleri için kritik bir alt ḥadd teşkîl edebileceğini gösterir.

Ṣıḥḥatin karar ağacındaki görünmeyen fakat mühim rolü

HEALTH ana karar ağacı düğümlerinde primary split olarak görünmez. Buna rağmen karar ağacı müteġayyir ehemmiyetinin %19,8’ini teşkîl eder ve üçüncü sıradadır. Bunun sebebi, müteġayyir ehemmiyet hesabının yalnız primary split’leri değil, surrogate split’ler vâsıtasıyla sağlanan ḫaṭâ azalmasını da hesaba katmasıdır.

HEALTH ayrıca GDP ile `0.688`, SOCSUP ile `0.639` korelasyona mâliktir. Binâenaleyh ṣıḥḥatin taşıdığı maʿlûmâtın bir kısmı daha üst seviyede seçilen iḳtiṣâdî ve içtimâʿî müteġayyirlerle örtüşebilir.

Taḥḳîḳin desteklediği netîceler

• İçtimâʿî muʿâvenet ve fert başına GSYİH, saʿâdet farklarını yapılandıran en mühim iki karar ağacı müteġayyiridir.
• İçtimâʿî muʿâvenet karar ağacının kök split’idir ve bootstrap numûnelerinin büyük ekseriyetinde bu mevkiʿi muhâfaza eder.
• Ḫaṭṭî korelasyonu hemen hemen sıfır olan seḫâvet, bazı daha derin karar ağacı şubelerinde şarṭlı ehemmiyet gösterebilir.
• İçtimâʿî muʿâvenet NCA’da en kuvvetli şarṭ-ı lâzım tesirine mâliktir.
• Ḥürriyet NCA’da GSYİH ve ṣıḥḥatten daha büyük bir şarṭ-ı lâzım tesir mikdârı gösterir.
• Daha yüksek saʿâdet hedefleri için lâzım gelen içtimâʿî muʿâvenet, gelir, ṣıḥḥat ve ḥürriyet ḥadleri umûmen yükselir.
• İdrâk olunan yolsuzluk kuvvetli bir darboğaz olarak esâsen tevzîʿin en yüksek saʿâdet seviyelerinde görünür.
• Random forest ve bootstrap netîceleri, içtimâʿî muʿâvenet ve GSYİH’nın ehemmiyet tertîbindeki üst mevkiʿinin tek bir karar ağacı spesifikasyonuna bağlı olmadığını destekler.

Taḥḳîḳin desteklemediği netîceler

• Taḥḳîḳ, içtimâʿî muʿâvenetin veya ḥürriyetin artırılmasının saʿâdeti muʿayyen bir mikdarda sebebî sûrette artıracağını isbât etmez.
• NCA’daki asgarî ḳıymetler siyâset hedefi veya tavsiye olunan doz değildir.
• Karar ağacı split ḥadleri evrensel psikolojik kanunlar değildir; 2022–2024 numûnesinden elde olunan veri taksîm noktalarıdır.
• Bir memleketin muʿayyen terminal düğümde bulunması, kültürünün veya ahâlîsinin değişmez bir saʿâdet ḫaṣṣası olduğu maʿnâsına gelmez.
• Random forest’ın daha yüksek taḫmîn performansı, karar ağacındaki ḥadlerin veya NCA’daki darboğazların sebebiyetini tasdîḳ etmez.
• Cantril Merdiveni hissî refâh, ḥayât maksadı, saha-mahsûs ḥayât memnûniyeti ve kültürel saʿâdet telakkîlerinin cümlesini ölçmez.
• 2022–2024 netîceleri uzun müddet boyunca değişmeden kalacak küresel saʿâdet münâsebetlerini isbât etmez.

Esâs tahdîdler

Birinci tahdîd karar ağacının numûnelemeye hassâsiyetidir. Verideki küçük tebeddülât ağaç yapısını değiştirebilir. Taḥḳîḳ bu meseleyi en iyi alternatif ağaçların mukayesesi, 500 tekrarlı bootstrap ve random forest sağlamlık kontrolüyle azaltmaya çalışmıştır; üst seviyedeki içtimâʿî muʿâvenet–GSYİH yapısı kuvvetle muhâfaza olunmuştur.

İkinci tahdîd, tefsîr kabiliyeti ile taḫmîn kuvveti arasındaki muvâzenedir. Ağacın terminal düğüm adedinin tahdîd edilmesi yapıyı anlaşılır tutar, lâkin daha karmaşık bir modelin yakalayabileceği bazı alt örüntüleri bilerek hâricde bırakabilir.

Üçüncü tahdîd NCA müteġayyirlerinin müstaḳil olmamasıdır. WHR göstergelerinin bir kısmı beraber hareket ettiği için tek tek NCA darboğazları müstaḳil sebebî âmiller olarak tefsîr olunamaz.

Dördüncü tahdîd saʿâdetin Cantril Merdiveni ile tek maddede ölçülmesidir. Ölçü zihnî ḥayât değerlendirmesini yakalarken hissî refâhı, maʿnâyı, maksadı ve ḥayâtın muḫtelif sahalarındaki memnûniyeti tam olarak ihâta etmez. Memleketler arası kültürel cevap tarzları da mukayeselere tesir edebilir.

Beşinci tahdîd GENER müteġayyirinin doğrudan müşâhede olunan sâf bir seḫâvet ölçüsü olmaması ve gelir üzerine regresyondan elde olunan residual olarak kurulmasıdır. Bu yapı measurement noise’u artırabilir ve ağacın alt şubelerindeki seḫâvet split’lerinin tefsîrinde dikkat gerektirir.

Altıncı tahdîd zaman aralığıdır. 2022–2024 devresi kısadır ve pandemi sonrası içtimâʿî ve iḳtiṣâdî intibâḳ süreçlerini kısmen aksettirebilir. Bu sebeple müşâhede olunan ḥadler veya memleket zümreleri uzun müddetli değişmez münâsebetler olarak görülmemelidir.

İlerideki taḥḳîḳler

Menbaʿ daha uzun zaman serilerinin, pandemi evveli ve sonrası mukayeselerin, alternatif saʿâdet ve seḫâvet ölçülerinin, çok buʿudlu refâh göstergelerinin ve kültür, müʾesseseler veya ʿadem-i müsâvât gibi ilâve îżâḥ edici müteġayyirlerin değerlendirilmesini teklif eder.

Ayrıca şarṭ-ı lâzım manṭıḳını, kifâyet/konfigürasyon manṭıḳını ve sebebî tanımlamayı aynı taḥḳîḳ programında daha açık sûrette birleştiren hibrit tasarımlar ileride mühim bir metodolojik istikâmet olarak değerlendirilir.

Menbaʿ ve Usûl Ḳaydı

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

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

Mesʾûl müʾellif: Jorge de Andrés-Sánchez.

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

Mecmûʿa: Economies.

Nâşir: MDPI, Basel, Switzerland.

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

DOI: 10.3390/economies14050172.

Resmî DOI: 10.3390/economies14050172.

Neşr süreci: Alınma 31 Mart 2026; taṣḥîḥ 29 Nisan 2026; ḳabûl 6 Mayıs 2026; neşr 11 Mayıs 2026.

Menbaʿ nevʿi: Hakemli ilmî taḥḳîḳ makalesi.

Ruhṣat: Creative Commons Attribution (CC BY).

Veri devresi: 2022–2024.

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

Esâs netîce müteġayyiri: Cantril Merdiveni ile ölçülen memleket seviyesindeki ortalama sübjektif ḥayât değerlendirmesi.

Îżâḥ edici müteġayyirler: fert başına GSYİH, içtimâʿî muʿâvenet, ṣıḥḥatli ömür ümîdi, ḥayât tercihlerinde ḥürriyet, seḫâvet ve idrâk olunan yolsuzluk.

Esâs usûl: 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 taḥlîli.

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

Tekrarlanabilirlik: Annotated R scriptleri ve kullanılan paket/sürüm maʿlûmâtının Supplementary Materials ve çalışmayla münâsebetli GitHub deposunda umûma açık olduğu bildirilmiştir.

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

Aḫlâḳî beyân: Institutional Review Board Statement ve Informed Consent Statement “Not applicable” olarak verilmiştir.

Veri erişilebilirliği: Menbaʿ, verilerin World Happiness Report veri paylaşım sistemi üzerinden erişilebilir olduğunu ve erişim târîḫinin 25 Şubat 2026 olduğunu bildirir.

AI kullanımı beyânı: Müʾellifler ChatGPT 5.5’in makalenin lisânî kalitesini iyileştirmek maksadıyla kullanıldığını açıkça bildirmişlerdir.

Menfaat çatışması: Müʾellifler menfaat çatışması bildirmemişlerdir.

Müʾellif katkıları: Conceptualization, metodoloji, yazılım, validation, formal taḥlîl, taḥḳîḳ, resources, data curation, visualization, nezâret, proje idâresi ve mâlî desteğin temîni iki müʾellif tarafından müştereken yürütülmüştür. Aṣlî taslak Teresa Torres-Coronas; gözden geçirme ve tahrîr Jorge de Andrés-Sánchez tarafından rapor edilmiştir.

Menbaʿ içi teknik ḳayd: Menbaʿ metin HEALTH müteġayyirinin primary split olarak görünmemesini îżâḥ ederken bir yerde saʿâdetle korelasyonunu “low” olarak vasıflandırır; aynı makalenin Pearson cedvelinde HEALTH–HAPPY korelasyonu 0.670’dır. Verianla rakamlı cedveli esâs alarak bu korelasyonu düşük diye vasıflandırmaz.

Metodolojik tefsîr ḥaddi: DTR ḥadleri, müteġayyir ehemmiyetleri ve NCA bottleneck ḳıymetleri 2022–2024 numûnesindeki istatistikî yapıyı temsil eder. Bunlar müstaḳil sebebî tesir taḫmînleri veya evrensel siyâset ḥadleri değildir.

Görseli yeniden çizme münâsebeti: Yüksek. Karar ağacının üst yapısı, müteġayyir ehemmiyet mukayesesi ve bottleneck cedveli aslî Verianla grafik ve şemalarıyla yeniden inşâ edilebilir.

Verianla Live / Live Figure münâsebeti: Münâsiptir. Karar ağacının split tertîbi, variable-importance hiyerarşisi ve NCA ḥadlerinin adım adım görünür hâle getirilmesi sâbit menbaʿ ḳıymetleriyle icrâ edilebilir; kullanıcıya yeni ilmî netîce hesâb ettirilmemelidir.