[论文解读] Happy places or happy people? A multi-level modelling approach to the analysis of happiness and well-being

Dimitris Ballas, Mark Tranmer|arXiv (Cornell University)|Aug 7, 2008

Psychological Well-being and Life Satisfaction参考文献 83被引用 7

一句话总结

本研究利用多层次建模方法，基于英国家庭面板调查（British Household Panel Survey）的数据，分离个体、家庭和区域层面因素对幸福感的影响。研究发现，个人特征与地方环境背景均显著影响幸福感，控制个体与家庭因素后，某些地区仍持续与更高或更低的幸福感水平相关。

ABSTRACT

This paper aims to enhance our understanding of substantive questions regarding self-reported happiness and well-being through the specification and use of multi-level models. To date, there have been numerous quantitative research studies of the happiness of individuals, based on single-level regression models, where typically a happiness index is related to a set of explanatory variables. There are also several single-level studies comparing aggregate happiness levels between countries. Nevertheless, there have been very few studies that attempt to simultaneously take into account variations in happiness and well-being at several different levels, such as individual, household, and area. Here, multilevel models are used with data from the British Household Panel Survey to assess the nature and extent of variations in happiness and well-being to determine the relative importance of the area (district, region), household and individual characteristics on these outcomes. Moreover, having taken into account the characteristics at these different levels in the multilevel models, the paper shows how it is possible to identify any areas that are associated with especially positive or negative feelings of happiness and well-being.

研究动机与目标

• 探究个体、家庭和区域层面因素如何共同影响自我报告的幸福感与整体福祉。
• 确定幸福感的差异是否主要由个人特征决定，或由居住地的社会经济与环境背景驱动。
• 在控制个体与家庭层面差异后，识别出幸福感系统性偏高或偏低的特定地理区域。
• 通过从单层次模型转向多层次建模框架，推动福祉研究的方法论进展。
• 通过识别与个体层面预测因子无关的空间幸福感模式，为区域科学做出贡献。

提出的方法

• 采用多层次（分层）线性模型分析嵌套数据结构：个体嵌套于家庭，家庭又嵌套于地理区域（区级与区域级）。
• 使用随机截距模型以考虑家庭与区域层面的未观测异质性。
• 将个体层面变量（如年龄、性别、收入、健康状况）和家庭层面变量（如家庭结构、人均收入）作为固定效应纳入模型。
• 利用区域层面变量（如失业率、贫困指数、城乡分类）评估情境效应。
• 采用限制性最大似然估计（REML）以改善模型拟合度与方差分量估计。
• 进行残差分析，识别出幸福感预测值显著偏高或偏低的区域，表明其为‘幸福之地’或‘不幸福之地’。

实验结果

研究问题

• RQ1 个体层面特征在多大程度上解释了自我报告幸福感的变异？
• RQ2 家庭层面因素（如家庭结构与收入）在多大程度上解释了幸福感的额外变异？
• RQ3 在控制个体与家庭特征后，幸福感在区域层面的变异程度如何？
• RQ4 哪些地理区域在个体与家庭特征基础上仍持续表现出高于或低于预期的幸福感水平？
• RQ5 能否在不依赖居住者个人特征的前提下识别出‘幸福之地’，从而表明环境背景对幸福感存在影响？

主要发现

• 在控制个体与家庭特征后，区域层面仍存在显著的幸福感变异，表明地方特定因素独立发挥作用。
• 某些区级单位持续表现出高于或低于基于个体与家庭特征预测的幸福感水平，表明存在‘幸福’或‘不幸福’之地。
• 区域层面特征（如区域贫困程度与失业率）即使在控制个人收入与健康状况后，仍显著预测幸福感。
• 模型的随机效应部分显示，幸福感总方差中有一部分不可忽视的比例可归因于居住区域。
• 本研究识别出若干在幸福感残差上具有统计显著正向或负向偏差的区域与区级单位，凸显了福祉异常值的空间聚类。
• 结果表明，与单层次模型相比，多层次建模能更细致地揭示幸福感的内在机制，后者可能混淆个体与情境效应。