Размещено на http://www.allbest.ru/

Пермский филиал федерального государственного автономного

образовательного учреждения высшего образования

«Национальный исследовательский университет

«Высшая школа экономики»

Факультет экономики, менеджмента и бизнес-информатики

МОДЕЛИРОВАНИЕ УРОВНЯ СЧАСТЬЯ ПО СТРАНАМ МИРА

Выпускная квалификационная работа

по направлению подготовки 38.03.05 Бизнес-информатика

образовательная программа «Бизнес-информатика»

Попонина Алёна Олеговна

Пермь, 2019 год

Аннотация

Автор работы - Попонина Алёна Олеговна, студентка 4 курса группы БИ-15-1 образовательной программы «Бизнес-информатика» Национального Исследовательского Университета «Высшая Школа Экономики», Пермский кампус.

Наименование работы - «Моделирование основных индикаторов уровня счастья населения стран мира» (“Modelling Country Population Happiness Level Indicators”).

Документ состоит из 50 страниц, 20 иллюстраций, 12 формул и 6 таблиц.

2019 год, кафедра информационных технологий в бизнесе, НИУ ВШЭ-Пермь.

В работе широко используется зарубежная литература, а также периодические издания, интернет-источники, посвящённые экономике счастья.

Во введении обоснована актуальность исследования, сформулирована цель работы и перечислены решаемые задачи.

В первой главе раскрываются основные понятия экономики счастья, приводится обзор литературы по моделированию уровня счастья.

Во второй главе подробно рассматриваются основные методы моделирования уровня счастья, приводится анализ основных программных продуктов построения эконометрической модели.

В третьей главе рассмотрены основные этапы моделирования: сбор данных, статистический анализ, построение различных моделей, а также выбор наилучшей.

В четвертой главе описывается процесс проектирования и реализации приложения для расчета прогнозного уровня счастья

В заключении работы подводятся итоги исследования, формируются окончательные выводы.

• Оглавление
• Введение
• Глава 1. Основные понятия и обзор существующих моделей экономики счастья
• 1.1 Основные понятия экономики счастья
• 1.2 Модели, основанные на экономических показателях
• 1.3 Модели, основанные на социологических и территориально-зависимых показателях
• 1.4 Модели, оценивающие влияние информационных технологий
• Выводы по первой главе
• Глава 2. Методы моделирования уровня счастья
• 2.1Теоретические основы эконометрического моделирования уровня счастья
• 2.2 Анализ существующих программных продуктов для эконометрического моделирования
• Глава 3. Построение модели для расчёта уровня счастья
• 3.1 Исходные данные для анализа и описательная статистика
• 3.2 Построение наилучшей модели
• 3.3 Тестирование модели
• Глава 4. Проектирование и разработка веб-приложения для прогнозирования уровня счастья
• 4.1 Анализ требований
• 4.2 Проектирование приложения
• 4.3 Разработка приложения
• 4.4 Тестирование приложения
• Заключение
• Библиографический список
• Приложение А. Описательная статистика переменных


Введение

счастье экономика моделирование

В современном мире человечество постоянно исследует уровень жизни и благосостояния. Долгое время для этого использовались всем известные экономические значения, например, валовый внутренний продукт (ВВП) на душу населения, или другие показатели. Они удобны тем, что их очень легко посчитать, существует строго определённая формула, по которой и необходимо производить все подсчёты. Однако такие простые методы в последнее время начинают устаревать, они не могут в действительности отразить то, как люди себя ощущают на рассматриваемой территории.

В связи с этим сейчас всё большее внимание уделяется такому субъективному и сложно измеримому показателю, как уровень счастья. Его главное предназначение заключается в том, чтобы отражать как на самом деле обстоят дела в той или иной стране, насколько довольны граждане, проживающие на рассматриваемой территории. Именно поэтому очень важно рассмотреть, какие же именно факторы оказывают значимое влияние на уровень счастья.

Проблема, которая непосредственно будет решаться при выполнении курсовой работы, заключается в том, что данный аспект жизни человека, а именно уровень счастья, крайне редко рассматривается в российских исследованиях. Важность этого показателя недооценивается из-за невозможности получить точные данные и его предполагаемой субъективности, так как нет определённой методики, которая даёт релевантные результаты. Несмотря на сложность сбора данных, сравнение уровня счастья может применяться, например, в сравнении уровня жизни в странах.

Таким образом, в современном мире, где собирается огромный объём статистики и рассчитываются множество различных показателей, очень важно уделять соответствующее внимание тому, насколько счастливо население, так как от их восприятия жизни зависят их действия, что в свою очередь отражается на общей картине региона или страны.

Основной целью в курсовой работе является анализ факторов влияния и построение наилучшей эконометрической модели, то есть необходимо рассмотреть, что именно влияет на уровень счастья населения в различных странах, также необходимо учесть некоторые особенности исследуемых территорий.

Стоит отметить, что на данный момент в России применение уровня счастья, как показателя уровня жизни и благосостояния, развито недостаточно, данная методика не является общепризнанной. Существует мало отечественных исследований, в которых идёт построение каких-либо моделей и приводится анализ влияющих на уровень счастья факторов. По этой причине при обзоре имеющихся моделей будут рассматриваться работы преимущественно зарубежных авторов.

Также понятия «уровень счастья» и «уровень удовлетворённости жизнью» в рамках данной курсовой работы будут применяться как абсолютно равные и взаимозаменяемые.

Не мало важным является тот факт, что сам процесс получения результатов об уровне счастья является сложным и достаточно спорным. Обычно данные собираются через применение специально созданных анкет или при личном общении с респондентом, поэтому полученные результаты можно считать субъективными, у каждого человека может быть разное представление о самом понятии «счастье». Однако по-другому уровень удовлетворённости жизнью никак нельзя измерить, поэтому необходимо работать с имеющимися результатами.

В данной работе будут рассмотрены различные методы оценки уровня счастья с помощью эконометрической модели в различных странах мира.

Объектом в данной работе является уровень счастья по странам мира.

Предмет исследования - факторы, влияющие на изменение уровня счастья в странах мира.

Целью работы является построение эконометрической модели зависимости уровня счастья от различных экономических, социально-демографических и других факторов и разработка приложения для оценки уровня счастья.

Для достижения поставленной цели необходимо решить несколько задач:

1. Проанализировать основные тенденции и модели и выявить особенности моделирования уровня счастья.

2. Выделить детерминанты, которые имеют значимое влияние на уровень счастья.

3. Построить модели для оценки уровня счастья, проверить их качество и проинтерпретировать результаты. Выбрать наилучшую модель.

4. Спроектировать приложение для оценки уровня счастья.

5. Реализовать приложение для оценки уровня счастья.

Для достижения поставленных задач будут использованы методы эконометрического моделирования такие как идентификация, верификация, спецификация и т.д., а также прикладной программный пакет «Gretl»; для разработки приложения - платформа веб-разработки WampServer, веб-интерфейс с открытым кодом phpMyAdmin, языки программирования PHP, HTML, CSS и SQL, а также язык для графического описания объектного моделирования - UML (Unified Modeling Language).

Информационной базой исследования являются открытые источники по социально-экономическим показателям. В качестве источников всех статистических данных выступают сайты «World Happiness Report», «World Population Review», «International Monetary Fund» и некоторые другие.



Глава 1. Основные понятия и обзор существующих моделей экономики счастья

В данной главе рассмотрены основные понятия, которые используются для построения эконометрической модели, а также определяется само значение уровня счастья. Далее произведён анализ статей, в которых авторы строят различные модели с зависимой переменной «уровень счастья». Также рассмотрены некоторые методы, использующиеся для их построения, а также алгоритм работы с данными.

1.1 Основные понятия экономики счастья

Экономика счастья - набирающее популярность направление экономической теории, занимающееся количественным и теоретическим изучением счастья, факторов влияния, качества жизни и других связанных понятий, которые обычно объединяют экономику и такие сферы, как, например, психология и социология.

Понятие уровня счастья является крайне неоднозначным и субъективным, каждый человек определяет его по-разному, в зависимости от своих жизненных приоритетов и целей. Так, например, в исследовании Filka Sekulova и Jeroen C.J.M. van den Bergh [1] под счастьем понимается многомерное понятие, основанное на демографических параметрах, эмоциональном благосостоянии, качестве социальной жизни и других факторах. В свою очередь George MacKerron и Susana Mourato [2] используют гедонистический подход к определению уровня благосостояния, который основан на ответах респондентов о настроении и испытываемых эмоциях.

Факторы влияния на уровень счастья также не имеют чёткого определения, их список ничем не ограничивается, поэтому определяются каждым аналитиком отдельно. Изначально почти всё внимание было направлено на исследование влияния общепризнанных экономических составляющих [3, 4], такие как внутренний валовый продукт и средний уровень дохода населения. В настоящее время спектр исследуемых факторов является очень разнообразным и затрагивает практически все сферы деятельности человека. В качестве составляющих личного счастья можно выделить вид и уровень загрязнённости окружающей среды, качество образования, чувство безопасности, ситуацию на рынке труда и другие.

Наиболее часто используемым методом для сбора данных, необходимых для построения моделей или других видов анализа в сфере работы с уровнем счастьем, является опрос. Респондентам предложено ответить на вопрос об их удовлетворённости жизнью в целом и предложена шкала для ответа, так в статье Eugenio Proto и Aldo Rustichini [5] используется десятибалльная шкала, где 1 - не удовлетворен,

а 10 - удовлетворён. Могут использоваться и другие шкалы, например, семибалльная, где 1 - полностью не удовлетворён, 7 - полностью удовлетворён [6].

Применяются и различные методы сбора информации. Filka Sekulova и Jeroen C.J.M. van den Bergh [1] производили сбор данных преимущественно через личное общение с респондентами, в то время как Faik Ardahan и -Mehmet Mert [7] использовали электронную версию опроса, который был отправлен всем членам велоспортивных и альпинистских клубов, а также для прохождения опроса случайным образом были выбраны люди, которые не занимаются никаким видом спорта на свежем воздухе.

1.2 Модели, основанные на экономических показателях

Существует множество эконометрических моделей для оценки уровня счастья, в основе которых лежат общеизвестные экономические показатели, наиболее часто применяются значения внутреннего валового продукта, а также средний доход населения. Например, обратим внимание на такой основополагающий экономический показатель как валовый внутренний продукт (ВВП), который на протяжении уже долгого времени используется для определения благосостояния стран. Такого рода анализ встречается в статьях Cristina Balaceanu и Diana Mihaela Apostol [3], а также Richard L. Brinkman и June E. Brinkman [4]. Некоторые исследователи применяют немного усовершенствованный показатель, например, ВВП, скорректированный на состояние экологии [8].

Влияние подушевого ВВП на уровень счастья является центральной темой в исследовании, проведённом Eugenio Proto и Aldo Rustichini [5]. В статье авторы анализировали данную взаимосвязь, не акцентируя внимание на функциональной форме модели, а также исключили возможное влияние территориально-зависимых факторов. В своей статье Eugenio Proto и Aldo Rustichini выявили, что вероятность выбора респондентом варианта ответа, соответствующего наивысшему уровню удовлетворенности жизни, более чем на 12% ниже в бедных странах с ВВП на душу населения менее 5000$, чем в странах, где ВВП на душу населения находится в районе 15000$. Более высокий уровень ВВП заставляет людей быть более амбициозными и ставить более высокие цели, что в свою очередь ведёт к более высокому уровню дохода.

Далее исследователи пришли к выводу, что, как очевидно, повышение уровня доходов оказывает положительное влияние на уровень удовлетворённости жизнью. Однако, уровень счастья достигает наивысшего значения при уровне среднего дохода населения равного 30000$, а дальнейшее увеличение среднего дохода имеет обратный эффект.

Используя полученные результаты, авторы предлагают объяснение парадокса Истерлина: уровень удовлетворённости жизнью растёт вместе с ВВП в бедных странах, но в богатых странах взаимосвязь рассматриваемых показателей несущественна. Также разрыв между желаемым и достигнутым доходом оказывает негативное влияние на то, насколько счастливым себя ощущает индивид. Таким образом, авторы приходят к выводу, что общее влияние экономических показателей неоднозначно.

Влияние подушевого ВВП на уровень счастья также рассматривается в статье Волобуевой Е.А., где она работает с данными за период 1995-2015 гг, а в качестве спецификации эконометрической модели индекса счастья был выбран полином третьей степени [9]. Для оценки качества модели используются тест на гомоскедастичность Голдфелда-Квандта, тест на автокорреляцию Дарбина-Уотсона, а также коэффициент детерминации. Автор объясняет, что снижение индекса счастья в период с 1995 по 2006 г. связано с кризисом 1998 г., а последующее увеличение обусловлено результатами проводимой реструктуризации экономики страны. Переломным моментом в характере изменений индекса счастья стал кризис 2008 г., после которого уровень счастья россиян увеличивался наряду с положительной динамикой ВВП.

В результате было выявлено, что есть взаимосвязь между экономической политикой, а, следовательно, и ВВП, с уровнем счастья, однако увеличение подушевого ВВП не всегда влечёт за собой и повышение уровня благосостояния, так как рассматриваемый индекс определятся гораздо большим количеством факторов. Также автор акцентирует внимание на важности индекса счастья, который определяется далеко не только экономическими факторами.

В качестве продолжения идеи о влиянии сравнения человеком своего дохода с другими показателями рассмотрим статью, в которой центральным аспектом является связь между сопоставлением своих доходов с другими и личным счастьем [10]. В исследование рассматриваются данные за период 1994-2009 гг. в рамках одной страны - Канады. Автором статьи была построена модель с применением упорядоченного пробит метода. Для проверки надёжности результатов в данном исследовании была проведена переоценка всех моделей с использованием другого состава контрольной группы.

Автор, Ehsan Latif, выявил, что при увеличение среднедушевого дохода контрольной группы уровень личного счастья снижается. Однако уровень счастья человека увеличивается, в случае если его доход становится больше по сравнению со средним доходом контрольной группы. Таким образом, можно сделать вывод, что средний доход контрольной группы оказывает существенное негативное влияние на личный уровень счастья отдельно взятого человека, и увеличение дифференциации доходов будет снижать показатель удовлетворённости жизни. Также очевидно, что увеличение доходов оказывает существенное положительное влияние на личный уровень счастья.

Теперь возьмём статью авторов Eugenio Proto и Aldo Rustichini, в которой авторы в качестве факторов влияния на индекс счастья рассматривают уровень дохода в совокупности с чертами характера [6]. Для сбора данных респондентам задавали вопрос: «Насколько вы удовлетворены или не удовлетворены своей жизнью в целом?», ответы были закодированы от 1 до 7, где 1 - полностью не удовлетворён, 7 - полностью удовлетворён. Для построения эконометрической модели использовались следующие черты характера: невротизм, экстраверсия, добросовестность, доброжелательность и открытость, а также учитывался пол респондента.

Авторы статьи анализировали черты характера для того, чтобы лучше понять взаимосвязь между доходом и удовлетворённостью жизнью. В ходе данного исследования было выявлено, что только невротизм оказывает сильное негативное влияние. Также анализ показал, что эффект невротизма, который определяет уровень чувствительности индивида к угрозам и наказаниям, оказывает влияние не только на сам уровень счастья, но и воздействует на взаимосвязь между доходом и уровнем удовлетворённости жизнью. Таким образом, человек с более высоким уровнем невротизма ощущает большую удовлетворённость от дополнительного дохода, если в среднем он не богат. Однако богатые невротичные личности склоны ощущать меньшую удовлетворённость от дополнительного дохода, чем обеспеченные люди без невротизма.

В следующей статье также рассматривается влияние снижения доходов на уровень счастья [1]. Стоит отметить, что исследование проводилось в условиях экономического кризиса, когда большинство слоёв населения потеряли определённую часть своих доходов. Filka Sekulova и Jeroen C.J.M van den Bergh, авторы статьи, на основе полученных результатов пришли к выводу, что, безусловно, снижение уровня доходов ведёт к снижению уровня счастья, но данный факт оказывает лишь временный эффект, то есть если доход стал ниже, по сравнению с предыдущим годом, то влияние будет значимым, если же сравнивать текущий доход и доход пятилетней давности, то это не будет оказывать существенного влияния на уровень счастья. Таким образом, долгосрочный эффект от снижения доходов стремится к нулю. Это может быть объяснено тем, что в условиях экономического кризиса многие сталкиваются со снижением дохода, поэтому человек, сравнивая свои доходы со знакомыми, осознаёт, что почти все испытывают аналогичные трудности, и просто приспосабливается к текущей ситуации.

Также в рамках данной статьи рассматривалось влияние приобретения таких дорогостоящих товаров, как автомобиль и мебель, на уровень удовлетворённости жизнью. По результатам анализа авторы статьи выявили, что такие затраты оказывают положительное влияние на уровень счастья, а та группа населения, которая совершает подобные покупки чаще чем один раз в 5 лет, является более счастливой.

1.3 Модели, основанные на социологических и территориально-зависимых показателях

Как отмечалось многими ранее упомянутыми авторами статей при анализе детерминантов уровня счастья нельзя ограничиваться рассмотрением только лишь экономических показателей, так как уровень удовлетворённости жизнью является многомерным показателем, который охватывает множество составляющих жизни человека.

Приступим к анализу влияния среды, окружающей человека. Авторы статьи, Блам И.Ю. и Мкртчян Г.М., анализирует влияние качества и загрязнённости окружающей среды на уровень удовлетворённости жизнью [11]. В данной работе применяется регрессионная модель: LSit = бi + в?xit + еit, где i - индекс респондента, t - время проведения опроса, LS - уровень удовлетворённости жизнью индивида i в период t, бi - специфические кросс-секционные компоненты, xit - значения К объясняющих переменных (социально-экономических характеристик и экологических переменных) в i-м наблюдении в периоде t. Для оценки состояния окружающей среды использовались как субъективные оценки, полученные при опросе респондентов, так и объективные показатели загрязнения, основанные на официальных данных Росстата. В частности, учитывались уровни загрязнения воды и воздуха, а также является ли респондент городским или сельским жителем. Таким образом, была подтверждена гипотеза о положительном влиянии улучшения качества окружающей среды на уровень счастья.

Также рассмотрим статью, в которой George MacKerrona и Susana Mourato рассматривают взаимосвязь между текущей субъективной оценкой благополучия и типом окружающей среды, в которой находится человек в данный момент [2]. В среднем можно утверждать, что участники исследования чувствуют себя значительно счастливее на свежем воздухе, окружённые дикой природой, чем в городе. Также более высокий уровень счастья наблюдается в регионах, где дождь и туман являются редкими явлениями, с относительно более высокой среднегодовой температурой и менее сильными ветрами. В данной статье также обращается внимание на то, что занятие спортом и другие виды физической активности выступают безусловно положительным фактором, влияющим на уровень счастья. Авторы связывают это в определённой мере с тем, что многими видами спорта люди занимаются на свежем воздухе, а, как уже было сказано ранее, это заставляет чувствовать себя более счастливым.

В продолжение анализа окружающей среды как фактора, влияющего на уровень счастья, рассмотрим статью, в которой авторы изучают какими свойствами должен обладать город, чтобы его можно было назвать «счастливым» [12]. Данная статья является актуальной в условиях современного мира, где большинство населения является городским, а не сельским. Плохая работа общественного транспорта, плохая доступность магазинов, недостаточное количество «зелёных» мест, загрязнённый воздух и неэффективная работа местных властей оказывают достаточно сильное негативное влияние на уровень удовлетворённости жизнью в городе. Удовлетворённость жизнью в городе зависит не только от жителей, но и от характеристик самого города. По результатам исследования в данной статье было признанно, что количество жителей, ощущающих себя в безопасности, является наиболее влиятельным фактором. В свою очередь работа органов здравоохранения, доступность спортивных объектов, уровень шума и загрязнённости города не оказывают значимого влияния на уровень удовлетворённости жизнью в городе.

Влияние физической активности на уровень удовлетворённости жизнью является центральным аспектом в статье Faik Ardahan и Mehmet Mert [7]. В рамках данного исследования было выявлено, что занятие спортом на свежем воздухе делают человека более счастливым, что может быть объяснено тем, что во время участия в такого рода деятельности человек ощущает свою свободу и становится более подготовленным к жизни в обществе. Авторы статьи обращают внимание на то, что разные виды спорта имеют различную силу влияния на уровень счастья, например, восхождение на горы имеет более сильный эффект чем велосипедный спорт или альпинизм.

Кроме того, в исследовании подтверждается идея о том, что замужние/женатые люди более счастливые, чем те, у которых нет пары. Можно предположить, что успешный брак мотивирует людей заниматься физической активностью и строить взаимоотношения с другими людьми. Также было обнаружено, что если вы женщина, занимаетесь спортом, имеете достаточно высокий доход, то в среднем вы более счастливые, чем другие.

Проанализируем ещё одну статью, в которой авторы уделяют внимание такому фактору, как семейный статус и рассчитывают его влияние на субъективный уровень счастья [13, 14]. В данном исследовании Арженовский С.В. использует модель упорядоченного выбора, а оценки параметров был получены с помощью наименьших квадратов. В рамках этой модели семейный статус принято считать экзогенной переменной. Таким образом, было выявлено, что в среднем уровень счастья респондента, состоящего в юридическом браке, является более высоким по сравнению с одинокими людьми. Также существует тенденция снижения уровня удовлетворённости жизнью по мере старения, и мужчины имеют более высокий уровень счастья по сравнению с женщинами во всех возрастных категориях.

Теперь обратим внимание на некоторые культурные различия, которые присущи жителям разных стран или даже регионов, если рассматривать такую большую и многонациональную страну как Россия. В своей статьи авторы, Maciej Stolarski, Dorota Jasielska и Marcin Zajenkowski, изучают как влияет средний IQ на уровень счастья в индивидуалистском и коллективистском типах общества [15]. Высокий интеллект помогает человеку достичь множество целей, которые ассоциируются с успехом, например, богатство и хорошее образование. Связь от обладания этими ценностями и повышением удовлетворённости жизнью характерна для индивидуалистских обществ. Поэтому корреляция между уровнем IQ и уровнем счастья в таких социумах является наиболее значимой и сильной. В свою очередь коллективистские общества отличаются тем, что связывают счастье с социальной принадлежностью, для их членов важно быть частью группы, соответственно личные достижения становятся не столь важными для достижения счастья, «мы», а не «я». Таким образом, в индивидуалистских обществах интеллект помогает достичь успеха в жизни, что также приводит к повышению уровня счастья, в коллективистских культурах же видение идеальной жизни имеет другой вид, счастье и удовлетворённость жизнью являются результатом ощущения себя частью общества, из чего следует, что уровень IQ в таких обществах является менее важным ресурсом, по крайней мере относительно удовлетворённости жизнью.

Далее рассмотрим более подробно влияние уровня интеллекта на неравномерное распределение счастья. Для этого обратимся к статье Boris Nikolaev и Raufhon Salahodjaev, в которой они обращаются как раз к этой теме [16]. По мере работы авторы построили модель, для улучшения качества которой применялись стандартные ошибки Уайта для избавления от гетероскедастичности, также была введена фиктивная переменная, а для оценки модели использовался коэффициент детерминации (R²). В результате было обнаружено, что чем выше средний уровень IQ, тем выше показатель неравномерного распределения счастья. Также экономическое развитие может немного сгладить дифференциацию, но это также будет зависеть и от уровня IQ.

1.4 Модели, оценивающие влияние информационных технологий

Недавние исследования показали, что в развитых странах большинство людей регулярно пользуются интернетом [17]. Для молодых людей интернет является основным средством массовой информации, и давно превзошел телевидение по времени, затраченному в течение недели.

В своей статье Thierry Pйnard, Nicolas Poussing и Raphaлl Suire анализируют влияние использования интернета на уровень счастья [18]. Исследование проводилось в рамках одной страны - Люксембург, на основе данных организации «Европейский обзор ценностей». Авторы выяснили, что интернет пользователи являются более удовлетворёнными жизнью, чем те, которые вообще не являются интернет пользователями. Кроме того, положительное влияние использования интернета является более значительным для молодых людей, а также для тех, кто недоволен своим уровнем дохода.

В 2013 году вышла статья Adi Cilik Pierewan и Gindo Tampubolon, в которой рассматривалось влияние использования интернетом на уровень счастья во время экономического кризиса в Европе, начавшегося в 2007 году [19]. Исследования показали, что до экономического кризиса использование интернета не имело значимого влияния на уровень удовлетворенности жизнью, в отличии от периода, непосредственно связанного с экономическим кризисом.

В рамках статьи было выявлено, что использование интернета оказывает положительное влияние на уровень счастья человека, если он оказался безработным. Также стоит отметить, что чем больше людей являются интернет пользователями в регионе, тем выше будет уровень счастья в данном регионе. Таким образом, использование интернета и распространение подключения к интернету оказывает положительное влияние на уровень удовлетворённости жизнью особенно в период экономического кризиса.

С развитием информационных технологий процент населения Земли, у которых есть мобильный телефон с доступом в интернет, постоянно растёт. Одновременно с этим всё больше распространяется общение через социальные сети. Большинство исследований подчёркивают преимущества общения с помощью мобильного телефона. Однако интернет пользователи всё чаще сталкиваются с агрессивным поведением других пользователей в социальных сетях.

Данный вопросы является центральным в статье Judy Drennan, Mark R. Brown и Gillian Sullivan Mort [20]. Авторы выяснили, что практически все ученики старших классов сталкивались с агрессивным поведением в сети. Кроме того, травля в интернете оказывает негативное влияние на самооценку пользователя, что в свою очередь снижает уровень счастья. Также стоит отметить, что индивиды женского пола более восприимчивы к агрессивному поведению других пользователей в интернете и, как следствие, это оказывает более значимое негативное влияние на их уровень счастья

Выводы по первой главе

Таким образом, в данном обзоре были определены факторы, влияющие на уровень счастья, из самых различных сфер: экономические, экологические, социальные и другие. Данный факт способствует наиболее полному и разностороннему взгляду на изучение параметров, которые необходимо в последующем включить в эконометрическую модель.

Выводы по проведённому обзору:

· высокие экономические показатели (например, ВВП) страны или региона увеличивают уровень счастья;

· повышение уровня дохода оказывает положительное влияние на уровень удовлетворённости жизнью, а снижение - отрицательное;

· пребывание на природе и физическая активность повышают уровень счастья;

· неблагоприятные погодные условия, столкновение с экстремальными климатическими событиями, загрязнённость окружающей среды оказывают негативное влияние на уровень удовлетворённости жизнью;

· наиболее важной характеристикой «счастливого» места жительства является его безопасность;

· высокий интеллект человека не только увеличивает дифференциацию распределения уровня удовлетворённости жизнью, но и является важным ресурсом для достижения счастья только в индивидуалистских обществах;

· интернет пользователи имеют более высокий уровень счастья, чем люди, не имеющие доступа к интернету;

· травля в интернете оказывает значимое негативное влияние на самооценку интернет пользователей, что в свою очередь ведёт к снижению уровня удовлетворённости жизнью.



Глава 2. Методы моделирования уровня счастья

В главе рассмотрены основные понятия, сопряжённые с темой данного исследования, эконометрические методы, используемые для анализа детерминант уровня счастья, а также приведено описание программных продуктов, которые применяются для моделирования, и обосновывается выбор одного из них.

2.1 Теоретические основы эконометрического моделирования уровня счастья

В рамках данного исследования будут использоваться панельные данные, то есть данные различных показателей нескольких стран за несколько лет. Построение эконометрической модели на основе панельных данных позволяет рассматривать влияние различных детерминантов в динамике.

Панельные данные являются совокупностью временных рядов и пространственных данных, так как являются статистическими данными за определённый промежуток времени разных географических единиц [21].

Обобщённая модель панельного анализа имеет следующий вид:

(2.1)

где - зависимая переменная,

- независимая переменная,

- номер субъекта,

- момент времени,

- измеряет частное влияние на ,

- количество субъектов,

- последний момент времени.

Для непосредственного построения эконометрической моделирования может быть использована модель пула c , которая имеет вид:

(2.2)

где - зависимая переменная,

- независимая переменная,

- номер субъекта,

- момент времени,

- измеряет частное влияние на ,

- количество субъектов,

- последний момент времени.

Данная модель основана на предположение, что и для любых . Таким образом, ошибки независимы и распределены одинаково, а является экзогенной переменной. Исходя из этого, модель является линейной регрессией, и для получения эффективных необходимо использовать метод наименьших квадратов (МНК).

При анализе панельных данных также можно применит модель с фиксированными переменными, которая имеет следующий вид:

(2.3)

то есть

	(2.4)

где , если и в противном случае,

- неизвестные фиксированные параметры.

Данная модель также основана на предположение, что и для любых , тогда - экзогенная переменная. Для оценки параметров с фиксированными переменными также может быть применена оценка МНК, которая имеет вид:

	(2.5)

где - оценка параметра.

В модели с фиксированными эффектами получаемые выводы - условные по отношению к значениям эффектов в выборке. Такой подход лучше всего подходит для тех случаев, когда в качестве субъектов исследования выступают страны или другие достаточно крупные единицы [22].

Для построения эконометрической модели на основе панельных данных также применяется модель со случайными эффектами, которая имеет вид:

	(2.6)

где константа,

- случайная ошибка, для которых выполняется условие .

Данная модель основа на предположениях, что:

1. Ошибки независимы и распределены одинаково.

2. Последовательность значения представляет случайную выборку из распределения .

3. Переменная является экзогенной.

Каждая эконометрическая модель проходит процесс верификации, для чего используются следующие показатели:

1. Коэффициент детерминации - R², является основной мерой качества модели и определяет долю дисперсии зависимой переменной, объясняемую множественной функцией регрессии. Принимает значение от 0 до 1, чем ближе R² к единице, тем выше качество подгонки зависимой переменной с помощью выбранной регрессионной модели и тем более точная аппроксимация поведения зависимой переменной от изменения независимых. Рассчитывается по формуле 7.

	(2.7)

где - остаточная сумма квадратов,

- объяснённая сумма квадратов,

- общая сумма квадратов.

2. Скорректированный коэффициент детерминации - R²adj, является более корректным по сравнению с обычным коэффициентом детерминации, так как при добавлении в модель объясняющих переменных (даже несущественных) обычный коэффициент детерминации всегда увеличивается, а скорректированный - нет. Рассчитывается по формуле 8.

	(2.8)

где - количество неизвестных параметров.

3. Between R² - коэффициент детерминации, оценивающий качество аппроксимации данных моделью с случайными эффектами.

4. Within R² - аналог скорректированного коэффициента детерминации, применяющийся для модели с фиксированными эффектами, оценивающий качество подгонки данных моделью. Коэффициент рассчитывается так, чтобы наиболее полно объяснять именно внутригрупповую дисперсию.

5. Информационный критерий Акайке - AIC, является «штрафующим» за увеличение количества объясняющих переменных. Применяется для выбора между несколькими альтернативными моделями, чем меньше значение, тем лучше модель. Критерий оценивает полноту описания данных моделью, причём количество параметров должно быть наименьшим. Рассчитывается по формуле 9.

	(2.9)

где - количество объясняющих переменных.

6. Информационный критерий Шварца - SIC, также является «штрафующим» за увеличение количества объясняющих переменных и применяется только для выбора наилучшей модели среди ряда альтернативных, чем меньше значение, тем лучше модель. Данный критерий более строго относится к необоснованному усложнению модели путём добавления параметров. Рассчитывается по формуле 10.

	(2.10)

Для выбора наилучшей модели на следующем этапе необходимо провести тестирование с применением различных тестов [23]:

1. Критерий Хаусмана применяется для выбора между моделью с случайными эффектами и модели с фиксированными переменными с учетом рассматриваемых данных. В рамках данного теста нулевая гипотеза соответствует выражению: E(a_i|x_it)=0, в то время как H₁: E(a_i|x_it)?0. При подтверждении нулевой гипотезы оценка модели с случайными эффектами являются более адекватными по сравнению с моделью с фиксированными эффектами., то есть необходимо склонить выбор в пользу модели с случайными эффектами. Также для подтверждения нулевой гипотезы разности не должны показывать значительное систематическое расхождение.

2. Критерий Бройша-Пагана - статистический критерий, который используется для проверки предположения о том, можно ли модель с случайными эффектами привести к pooled-модели, то есть H₀: . При подтверждении нулевой гипотезы можно сделать вывод о том, что в модели отсутствуют индивидуальные эффекты и использование модели с случайными эффектами является нецелесообразным, то есть необходимо выбрать pooled модель.

3. Критерий Вальда, основанный на статистике Wald=qF, где F - F-статистика для проверки гипотезы, q - количество линейных ограничений на параметры. Критерий Вальда позволяет проверить гипотезу о равенстве нулю индивидуальных эффектов. Нулевая гипотеза гласит о том, что pooled модель является более адекватной. Таким образом, при подтверждении нулевой гипотезы необходимо склониться в пользу pooled модели.

4. Анализ мультиколлинеарности. Мультиколлинеарностью называют линейную взаимосвязь двух или нескольких объясняющих переменных, что является проблемой при построении модели. Проверка модели на мультиколлинеарность происходит в два этапа, сначала происходит построение корреляционной матрицы, а потом по формуле 11 производится расчёт показателя Variance Inflation Factor (VIF) для каждой переменной, и если он больше 10, то скорее всего в модели есть мультиколлинеарность. Данный метод также называется методом инфляционных факторов.

	(2.11)

где - коэффициент детерминации j-го уравнения регрессии.

5. Проверка нормальности регрессионных остатков, для чего при достаточно большом объёме выборки можно использовать критерий Жарка-Бера.

2.2 Анализ существующих программных продуктов для эконометрического моделирования

На следующем этапе работы необходимо выбрать определённый программный продукт, который будет использоваться для построения эконометрической модели. Для этого нужно рассмотреть различные пакеты программ, предназначенные для работы с данными и статистикой, выделить их плюсы и минусы, определиться с необходимым функционалом. Изначально были выбраны 6 прикладных программных продуктов:

1. GNU Regression, Econometrics and Time-series Library или Gretl;

2. Statistical Package for the Social Sciences или SPSS Statistics;

3. Stata;

4. Econometric Views или EViews;

5. STATISTICA;

6. Prognoz Platform.

Далее каждый из пакетов для моделирования будет рассмотрен более подробно, будет произведён анализ, а в итоге будет составлена сводная таблица, включающая главные преимущества и недостатки каждого из программных продуктов, на основание которой будет сделан выбор среды для моделирования.

1. Gretl - кроссплатформенный программный пакет для эконометрического анализа, разработанный с помощью языков Си [24]. Является бесплатной и общедоступной программой, первоначальный выпуск которой был произведен в 2000 году. Разработчики постоянно выпускают новые версии, совершенствуя Gretl и устраняя сбои в работе. Программный продукт выпускается на 20 языках, в том числе и на русском, что значительно упрощает работу пользователя. В Gretl предусмотрена работа с различными данными, в том числе временными рядами, а также включены различные методы для построения моделей и большое количество тестов для анализа её качества. В качестве недостатка можно выделить отсутствие русскоязычной документации по использованию программного продукта.

2. SPSS Statistics - программное обеспечение, выпущенное компанией IBM, для статистической обработки данных [25]. Данный продукт считается лидером на рынке статистических пакетов. SPSS Statictics предоставляет возможность использовать различные методы анализа, строить графики и диаграммы, также присутствует функционал для обмена и публикации результатов исследования. В качестве дополнения к стандартному модулю пользователь может подключать дополнительные для расширения функционала программного продукта. Однако данный статистический пакет предоставляет бесплатный доступ только на первые 14 дней пользования. Также не мало важным является тот факт, что изначально он был предназначен для исследований сфере социальных наук.

3. Stata - многоцелевое статистическое программное обеспечение разработанное в 1985 году StataCorp [26]. Данный программный продукт применяется во всех сферах исследований и работы с данными, например, экономика, социология, политика и другие. Совместимо с операционными системами Windows, macOS и Linux. Тем не менее особенностью данной программы является управление через командную строку, что увеличивает сложность освоения пользования. Также бесплатная версия для студентов теперь недоступна, то есть для использования необходимо покупать лицензию.

4. EViews - статистический программный продукт, применяющийся в основном для эконометрического анализа временных рядов [27]. Совместим только с операционной системы Windows. EViews имеет большое количество настроек и функций, что по началу может создать определённые сложности. Ещё одним недостатком является отсутствие бесплатной версии.

5. STATISTICA - продвинутый аналитический пакет, предоставляющий функционал для анализа и управления данными, работы со статистикой, машинного обучения и визуализации данных [28]. Для расширения возможностей присутствует возможность интеграции с языком R. STATISTICA и справочное руководство к ней полностью переведены на русский язык. Программный продукт был разработан в 1984 году, а последняя версия Statistica 13.0 была выпущена в сентябре 2015 года. Совместима только с операционной версией Windows, а также отсутствует бесплатная версия.

6. Prognoz Platform - программный продукт для анализа статистических данных и последующего прогнозирования [29]. Программа в основном предназначена для работы бизнес-аналитиков и последующего создания информационных систем. Имеется возможность бесплатного пользования. Однако, ориентированность программы является не совсем подходящей для эконометрического моделирования.

В таблице 2.1 представлена краткая сравнительное описание каждого из рассматриваемых программных продуктов.



Таблица 2.1 Сравнительная таблица программных продуктов

Программный продукт	Русскоязычный интерфейс	Наличие бесплатной версии	Совместимость с ОС	Наличие подходящего функционала	Удобство и простота использования
Gretl	+	+	Windows, macOS, Linux	+	+
SPSS Statistics	-	+ (14 дней)	Windows, macOS, Linux	-	+
Stata	+	-	Windows, macOS, Linux	+	-
EViews	+	-	Windows	+	-
STATISTICA	+	-	Windows	+	+
Prognoz Platform	+	+	Windows, Linux	-	+

Таким образом, принимая во внимание особенности данного исследования, наиболее подходящим программным продуктом для последующего эконометрического моделирования является пакет «Gretl».



Глава 3. Построение модели для расчёта уровня счастья

В данной главе проведён анализ исходных данных и построение эконометрических моделей, среди которых на основе различных тестов выбрана наилучшая. С помощью выбранной наилучшей модели спрогнозирован уровень счастья.

3.1 Исходные данные для анализа и описательная статистика

Для анализа были выбраны 105 странам мира, по которым были собраны данные за 8 лет в период 2010-2017 гг. В качестве источников были использованы сайты «World Happiness Report», «Gallup» и «World Health Organization».

В данной работе в качестве зависимой переменной выступает уровень счастья в странах мира, а вектор независимых переменных состоит из следующих факторов:

· ВВП на душу населения;

· социальная поддержка или наличие кого-то, на кого можно рассчитывать в трудные времена - среднее значение по результатам опроса на вопрос: «если бы вы попали в беду, есть ли у вас родственники или друзья, на которых вы можете рассчитывать, несмотря ни на что?» с ответами 0 (нет) и 1 (да);

· ожидаемая продолжительность жизни;

· свобода принятия жизненных решений - среднее значение по результатам опроса на вопрос: «удовлетворены ли вы уровнем свободы принятия жизненных решений?» с ответами 0 (нет) и 1 (да);

· уровень щедрости населения - среднее значение по результатам опроса на вопрос: «участвовали ли вы в благотворительности за последний месяц?» с ответами 0 (нет) и 1 (да);

· восприятие коррупции - среднее значение по результатам опроса на два вопроса: «вы считаете, что правительстве распространена коррупция?» и «вы считаете, что в сфере бизнеса распространена коррупция?» с ответами 0 (нет) и 1 (да);

· уровень доверия правительству - среднее значение по результатам опроса на вопросы: «вы доверяете военным властям?», «вы доверяете судебной системе?», «вы доверяете правительству?» и «вы доверяете результатам выборов?» с ответами 0 (нет) и 1 (да);

· коэффициент Джини - показатель для оценки степени расслоения общества по отношению к доходу. Принимает значения от 0 до 1, где 1 свидетельствует о максимальной степени расслоения общества, то есть практически все доходы сконцентрированы в руках малых групп.

Таблица 3.1 Описание переменных

Наименование	Обозначение	Единицы измерения	Минимальное значение	Максимальное значение
Эндогенные переменные
Уровень счастья	HL	Условные единицы	2,66	7,79
Экзогенные переменные
ВВП на душу населения	GDPpc	Международные доллары	801,61	95 342,5
Социальная поддержка	SS	Условные единицы	0,48	0,99
Ожидаемая продолжительность жизни	HLE	Лет	43,32	75,32
Свобода принятия жизненных решений	FtMLC	Условные единицы	0,3	0,99
Уровень щедрости населения	Gen	Условные единицы	-0,32	0,54
Восприятие коррупции	PoC	Условные единицы	0,17	0,98
Уровень доверия правительству	CiNG	Условные единицы	0,08	0,98
Коэффициент Джини	Gini	Условные единицы	0,24	0,76

Панельные данные являются несбалансированными, так как для некоторых объектов отсутствуют наблюдения по нескольким показателям в разные временные периоды.

На следующем шаге необходимо провести анализ переменных в отдельности за каждый год, вычислив для каждой из них среднее значение, стандартное отклонение, коэффициент асимметрии и эксцесс. Данная описательная статистика переменных приведена в таблице 3.2, а более подробная информация по каждому детерминанту представлена в приложении А.

Таблица 3.2 Описательная статистика переменных

Переменная	Среднее значение	Стандартное отклонение	Асимметрия	Эксцесс
HL	5,57	1,075	-0,01	-0,818
GDPpc	12 048,38	1,068	-0,398	-0,763
SS	0,83	0,103	-0,98	0,547
HLE	64,07	6,779	-0,818	0,086
FtMLC	0,74	0,144	-0,505	-0,485
Gen	-0,01	0,161	0,726	0,202
PoC	0,76	0,176	-1,431	1,574
CiNG	0,45	0,182	0,394	-0,434
Gini	0,43	0,093	0,784	0,431

По приведённой в таблице 3.2 описательной статистике можно сделать следующие выводы:

· в среднем уровень счастья в странах мира находится на уровне почти 5,6 условных единиц, значение асимметрии совсем немного меньше 0, что говорит о незначительной левосторонней асимметрии, и можно утверждать, что распределение симметрично относительно математического ожидания, также значение эксцесса меньше 0, что говорит о несоответствии нормальному распределению, вершина более сглаженная;

· в среднем ВВП на душу населения равно 12 048,38 долларов США;

· в среднем уровень социальной поддержки по всем рассматриваемым странам мира находится на уровне 0,83 условных единиц;

· средняя продолжительность жизни равна 64,07 лет;

· средний уровень финансового благосостояния - 41709 $;

· в среднем население стран удовлетворено свободой принятия жизненных решений на 0,74 условных единицы;

· в среднем уровень щедрости населения находится на уровне -0,01 условных единиц;

· уровень восприятия коррупции в среднем равен 0,76 условных единиц;

· в среднем уровень доверия правительства находится на уровне 0,45 условных единиц;

· коэффициент Джини в среднем составляет 0,43 условных единицы.

Далее проведем корреляционный анализ данных, для этого воспользуемся встроенной функцией в статистическом пакете «Gretl» для построения heat-графика корреляции, с помощью которого наглядно визуализируются коэффициенты корреляции (см. рис. 3.1).

Рисунок 3.1. Корреляционный анализ

На heat-графике представлены коэффициенты корреляции для всех переменных, красный оттенок говорит о сильной прямой взаимосвязи, бледные оттенки и белый цвет - об отсутствии взаимосвязи, а синий оттенок - о сильной обратной взаимосвязи. Стоит отметить, что между такими показателями, как ВВП на душу населения, социальная поддержка и ожидаемая продолжительность жизни присутствует сильная прямая взаимосвязь.

3.2 Построение наилучшей модели

Проведя подробный анализ всех переменных, можно приступить непосредственно к построению моделей и выбору наилучшей. Для начала необходимо построить различные вариации pooled модели и, основываясь на коэффициенте детерминации, скорректированном коэффициенте детерминации, информационных критериях Акайке и Шварца, выбрать наилучшую [30].

В качестве первоначальной модели была построена модель с зависимой HL, которая включает в себя константу (const), а также все описанные ранее объясняющие переменные в неизменном виде. Результат моделирования представлен на рисунке 3.2.

Рисунок 3.2. Pooled модель 1

Стоит отметить, что значимость объясняющих переменных в программном продукте «Gretl» обозначается звёздочками в самом правом столбике. Так переменная с тремя звёздочками значима на 1% уровне, а две и одна звёздочка сигнализируют о значимости на 5% и 10% уровне значимости, соответственно.

Далее была изменена спецификация модели, что позволяет уменьшить ассиметрию распределения величин, однако логарифмирование абсолютно всех переменных является некорректным с точки зрения экономической интерпретации, именно поэтому логарифмированию была подвержена только переменная GDPpc. Полученная модель представлена на рисунке 3.3.

Рисунок 3.3. Pooled модель 2

В модели 2 переменная все переменные оказались значимыми на 1% уровне значимости по сравнению с моделью 1, а немного увеличился и стал равным 0,77, что соответствует «хорошей» модели. Также информационные критерии Акайке и Шварца незначительно уменьшились.

В модель были включены все переменные, и по результатам моделирования все переменные являются значимыми, а значит тесты на избыточные или отсутствующие переменные проводить излишне. Таким образом, модель 2 является наилучшей pooled-моделью.

Далее необходимо на основе используемых в наилучшей pooled модели переменных и спецификации построить модель с фиксированными эффектами (см. рис 3.4).

Рисунок 3.4. Модель с фиксированными переменными

Далее с аналогичным набором параметров построим модель с случайными эффектами (рис. 3.5).

Рисунок 3.5. Модель с случайными эффектами

...