|
一、选手简介
1、选手介绍
-
- 团队名称：PsychCClub（心理学俱乐部）
- 队长介绍：
- 张航-帆软社区用户名Hang，目前就读于约克大学（加拿大）心理学系，个人感兴趣方向包括商业分析，数据分析，行为经济，希望与大家多多交流，多多学习！
- 成员介绍：
- 康存义-帆软社区用户名Cochrane，目前是北京师范大学珠海分校大二心理学系的学生，对心理语言学、文本挖掘、科学计量感兴趣，欢迎联系，期待与大家多多交流。
- 孙浩基-帆软社区用户名小孙今天学习了吗，目前就读于科罗拉多州立大学，理想是一直坚持学习，梦想是什么都懂一点儿～
- 团队组成：不同背景因为对心理学共同的热爱走到了一起，善于挖掘信息的成员推荐了比赛，善于管理的成员制定了比赛方案，善于数据分析、可视化的成员进行了数据处理，而有商业背景的成员对于选题、分析视角、结论阐释给出了重要支持。
2、参赛初衷
-
- 探索商业化工具加入进来的数据管理、可视化模式对于科学研究的积极作用。在产学研融合的背景下，尝试将商业能力、社会价值与科研成果进行结合，提升科学研究的工作效率和可持续性价值，挖掘商业的延伸价值。
- 工具较新颖，奖励很诱人，希望可以提升自己数据检索、清洗、分析、可视化的能力。
二、作品介绍
1、项目背景
-
- 2011年，不丹（Bhutan）在联合国大会上发出了“社会经济发展过程中，更加重视幸福和福祉”的提案，此后，联合国通过了将每年的3月20日作为世界幸福日的决议，并于2012年开始，每年发布《世界幸福指数报告》，倡议各国加大对本地区人民幸福程度的重视。2017年《世界幸福报告》指出，虽然中国在1990-2015的25年间人均收入快速增加，但人民幸福水平于1990-2005年间呈现逐渐下降的趋势，2005年后逐渐增长，恢复到1990年的幸福水平，报告指出中国人幸福水平并没有比25年前更高。随着中国人均GDP的快速增长，我国社会的主要矛盾已经从“人民日益增长的物质文化需要同落后的社会生产之间的矛盾”转化为 “人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾”，幸福这一指标在中国人民生活中的重要程度也并不断加大。
- 马斯洛需求层次理论指出，人具有缺失性和成长性两大类需求，在满足缺失性需求（如生理需求和安全需求）的基础上，人会致力于实现成长性需求（如爱与归属、尊重需求和自我实现），生理和安全的需要是追求幸福的基础保障，但又仅仅是充分条件，而非必要条件。影响幸福的因素众多，有关核心因素的讨论有待探索，并且，中国社会主要矛盾的转变也对幸福水平的提高提出了新要求。对世界相对幸福、相对不幸福国家或地区进行分类、差异分析，并与中国的各项指标之间进行对比，有利于探索出改善中国人民幸福水平的解决方案，因此以“世界幸福指数”作为我们团队比赛的选题。
2、数据来源
-
- 自选数据：
- 获取来源：采用世界幸福报告官网2015-2022年之间的数据（见图1）。由于2012年出版第一份报告无各国幸福相关数据，2013年的数据提供2005-2007年和2010-2012年的平均数据，而2014年未提供报告，因此选取的年份在2015-2022之间。
图1 世界幸福报告官网历年资料
-
- 进一步解释：并且，官方不同年份的主题各有侧重（见表1），如2022年和2021年讨论了疫情对幸福的影响，2020年讨论了中国城乡幸福差异，2019年讨论了移民的影响，2018年讨论了移民对幸福的影响，2017年讨论了挪威、中国、美国、非洲的幸福水平，且着重指出了就业对幸福的影响，2016年和2015年分别讨论了不平等和可持续发展两个主题。由于针对每年不同的主题，官方提供了当年特定主题的额外数据，因此本参赛报告只保留了2015-2022年之间官方纳入的基础变量，额外数据在此次分析中并不呈现。我们在Kaggle上找到了前人（Mathurin Ache）以年份为单位整理的2015-2022年的数据，及May Zan Nilar Thein在此基础上的进一步合并与清洗数据，我们以此为基础进一步处理，呈现可视化结果。
表1 官方报告不同年份的主题
-
- 字段描述：在确定了2015-2022年的报告、得到数据后，对涉及到的字段进行整理（见表2）。字段包括调查的国家、调查的年份、国家所在的地区、调查幸福指数的6个维度（经济水平、社会支持、健康、自由程度、政府信誉、慈善程度）、6维度汇总得到的总幸福指数、根据幸福指数得到的排名。
|
序号
|
字段（英）
|
字段（中）
|
字段类型
|
描述
|
|
1
|
Happiness Rank
|
幸福排名
|
Number
|
对国家（或地区）的幸福指数进行降序排序得到幸福排名。
|
|
2
|
Country
|
国家/地区
|
Varchar
|
调查国家/地区的名称
|
|
3
|
Region
|
区域
|
Varchar
|
调查国家/地区所在的区域划分
|
|
4
|
Happiness Score
|
幸福指数
|
Number
|
依据“盖洛普世界民意调查（Gallup World Poll，GWP）”的结果得到，该调查要求受访者以0（极差）-10（极好）对其生活质量进行评价，通常每年每个国家收集1000左右的样本，并根据人口进行权重赋值，取近3年的幸福指数的平均数作为当年的最终结果，由于并非所有国家每年都进行调查，取近三年被调查年数的均值。
|
|
5
|
Economy
(GDP per Capita)
|
经济水平
（人均国民生产总值）
|
Number
|
用购买力平价（Purchasing Power Parity，PPP) 对不同国家进行统一，缺乏当年数据则用往年数据进行预测。
|
|
6
|
Family
(Social Support)
|
家庭
（社会支持）
|
Number
|
由GWP测验中的“遇到困难，是否有亲戚或朋友可以随时帮助自己”这一是非题的均值得到。
|
|
7
|
Health
(Life Expectancy)
|
健康
（预期寿命）
|
Number
|
依据世界卫生组织（World Health Organization，WHO）往年的出生时健康预期寿命进行时间序列预测得到。
|
|
8
|
Freedom
|
自由程度
|
Number
|
由GWP测验中的“是否有选择自己生活方式的自由”这一是非题的均值得到。
|
|
9
|
Trust
(Government Corruption)
|
信任
（政府腐败程度）
|
Number
|
由GWP测验中的“政府是否普遍存在腐败”和“国企是否普遍存在腐败”两个是非题的均值得到。
|
|
10
|
Generosity
|
慈善程度
|
Number
|
由GWP测验中的“过去一个月是否有向慈善机构捐款”这一是非题的均值对人均国民生产总值的对数做回归，将结果的残差作为慈善程度的量化指标。
|
|
11
|
Year
|
年份
|
Date
|
范围在2015-2022年之间（含2015与2022）。
|
表2 数据字段含义
3、分析思路
根据MECE分析法、5W2H分析法，并进一步绘制思维导图，整理分析思路。
6大维度是幸福指数的体现，而幸福指数决定了幸福排名的次序，增加年份字段使得数据成为时序数据。因此，排名和时间是分析MECE的两大要素，6个水平（见表3）。
|
指标
|
含义
|
分类
|
|
排名
|
靠前程度
|
比较靠前
|
|
排名中等
|
|
比较靠后
|
|
时间
|
稳定程度
|
提升较快
|
|
较为稳定
|
|
下降较快
|
表3 MECE分析维度
根据6个维度，不同国家的排名、不同年份的变化，可以有多种模式的组合，进一步对不同类型国家对比，利用5W2H可以得到有价值的分析思路（见表4）。
|
维度
|
描述
|
|
What
|
通过排名靠前vs排名中等vs排名靠后、排名提升较快vs排名稳定vs排名下降较快的国家，看看之间有怎样的差异？并根据“排名”和“时间”的组合对国家幸福类型进行分类，也可以根据经济水平、社会支持、预期寿命、自由程度、政府腐败程度、慈善程度六大指标对国家幸福进行分类，看看又有怎样的异同？
|
|
Why
|
通过不同类型国家的对比，想想是什么原因导致了这样的差异？
|
|
Who
|
针对稳定靠前、稳定靠后、快速提升、快速下降的国家，选择典型代表，考虑其具有怎样的特点？
|
|
When
|
分析快速提升、快速下降的国家是在哪些年份发生了转折，是否具有年份上的共性，进一步思考导致发生的共同年份背后有怎样的因素？
|
|
Where
|
分析不同类型国家的地域分布，主要集中在世界的哪个区域？同一类型的国家是否在地理上具有一定相似性或距离上的相近性？
|
|
How
|
不同类型国家的具体6大维度又是有怎样的差异，具体国家的哪些措施导致了幸福排名的上升或下降？
|
|
How many
|
在世界范围内，幸福指数下降和幸福指数上升的国家比例是怎样的？
|
表4 5W2H分析维度
将MECE分析法和5W2H分析法整合起来，得到思维导图（见图2）
图2 分析思路思维导图
4、数据处理
-
- 获取数据的国家、区域字段为英文，无法在FineBI中制作国际地图，并且某些国家/地区、区域字段本文不一样，但代表的主体一样，需要对其合并。
- “1-2015-2022-raw.csv”为除了6大维度外，包含年度主题涉及到的额外维度的数据（见图3）。
图3 “1-2015-2022-raw.csv”表展示
-
- “2-2015-2022-cleaned.csv”剔除额外维度后的数据（见图4）。
图4 “2-2015-2022-raw.csv”表展示
-
- “3-2015-2022-cleaned.csv”由于kaggle提供的2022年数据中，小数点用逗号表示，如“2.88”表示为“2，88”。此csv为对其修改后的数据（见图5）。
图5 “3-2015-2022-raw.csv”表展示
-
- “4-2015-2022-cleaned.csv”对国家、区域字段进行翻译、对缺失字段进行人为替换，对概念重复字段进行合并（见图6）。
图6 “4-2015-2022-raw.csv”表展示
FineBI中，中国台湾、中国香港地区与中国大陆统一为中国，但在《世界幸福指数》调查中三者独立计算，因此将中国台湾、中国香港的数据删除；塞尔维亚和科索沃单独计算且FineBI无科索沃划分，因此删除科索沃数据。刚果（布）统一为刚果，刚果（金）统一为刚果民主共和国，老挝统一为老挝人民民主共和国，索马里兰地区统一为索马里，科索沃统一为塞尔维亚，象牙海岸统一为科特迪瓦，埃斯瓦蒂尼王国统一为斯威士兰。将区域划分中“-”的字段，根据别的年份对应国家字段的区域进行填充。
-
- 通过添加数据集方式上传名为“4-2015-2022-cleaned”的csv文件，将分类变量年份转化为日期类型（见图7）。
图7 字段类型转换
图8 最终数据表展示
5、可视化报告
5.1、可视化呈现
5.1.1、可视化思路及过程
可视化所选择的图表类型，根据帆软直播讲座课程中的这页PPT作为指导（见图9）。我们的世界幸福指数报告主要分为两大部分——世界幸福指数总体情况和中国幸福指数概况。首先对世界整体幸福指数及其6大子维度进行了可视化呈现，对每年的变化趋势进行分析，展示不同区域之间的差异；接着我们依据静态的2022年国家幸福水平和动态的2022年国家幸福水平环比增长率对纳入分析的国家进行分类，得到幸福水平排名最前10、中等10、最后10的共30个国家，及幸福水平增长最快10、最稳定10、下降最快10的共30个国家；之后，我们呈现中国幸福水平及6大子维度的年份数据及动态变化趋势，并将中国与之前分类过的排名前10、排名中等10、排名最后10、增长最快10、增长最稳定10、下降最快10的6大类国家进行比较，分析影响幸福水平排名和增长速率的核心因素，为提升中国甚至世界的幸福水平提供参考建议。最后，我们对分析报告进行了总结，讨论报告的不足及未来的分析方向。
图9 选择合适图表思路
5.1.2、世界幸福指数
（1）分组仪表盘
首先，我们呈现世界幸福指数总体情况，在创建仪表盘后，为了统一报告样式，先“进入仪表板”，选中星空样式（见图10）。
图10 仪表盘样式选择
将Year(年份)、Region（地区）依次放入维度处，Happiness score（幸福指数）及子属6各维度依次放入指标处，汇总方式调整为平均，得到幸福指数分组表，根据需要可以展开年份，得到每年各个地区的幸福始数情况（见图11）。
图11 年份、区域分组表制作
（2）6维度不同年份折线图
利用多系列折线图，展示世界幸福指数及6各维度的年份变化趋势，Happiness Score（幸福指数）由于数值较大，设定为右值轴（见图12）。
图12 世界幸福指数及子属维度年份变化趋势
对世界整体幸福指数和6个子属维度根据年份绘制折线图，可以看出幸福指数（Happiness Score）呈现出缓慢增长的趋势，经济发展水平（Economy）在初期波动发展后，于近几年快速提升，人们的自由程度（Freedom）逐步提高，社会支持水平（Family）呈现出初期提升，中期维持，后期下降的趋势，并且社会慈善程度（Generosity）缓慢下降。进一步分析环比增长率，结果发现在2017年呈现负增长，这可能由于疫情对世界各国政府提出的重大挑战、进一步对经济造成影响有关。而政府信誉（Trust）水平相对稳定。
（3）幸福指数环比增长值和环比增长率
为了进一步呈现年度变化的精确趋势，利用自定义图表，计算得到Happiness Score（幸福指数）的环比增长率和环比增长值，分别以折线和柱状图呈现（见图13），其中环比增长率低于0的年份以红色呈现。
图13 世界幸福指数环比增长值（柱状图）和环比增长率（折线图）
呈现的柱状图和折线图可以看出2017年出现负增长，但具体原因需要通过进一步分析得到结论，此后开始恢复正增长。但在2020年后，幸福指数增长速度减缓，这可以归结为新冠疫情的影响。
（4）6个子维度环比增长率
得到幸福指数环比增长率柱状-折线综合图后，再对子属6个维度的环比增长率做可视化呈现（见图14），其中环比增长率低于0的折线用红色呈现。
图14 幸福6维度环比增长率
通过对幸福指数的6个子属维度进行环比增长率分析，可以看出各项指标波动增长，受到多种因素的影响。而与幸福指数2017负增长所对应的是，6个子维度中，健康水平和政府信誉在这一年呈现出负增长的趋势。
5.1.3、各地区幸福指数
（1）区域地图
由于2022年为最新幸福指数数据，作为制作世界区域地图的来源更具有代表性，将Country（国家）字段设定为地理角色，得到每个国家的经度和纬度（见图15）。
图15 国家字段转化经纬度数据
由于数据涵盖了2015-2022的8年调查，选取2022年的数据进行区域地图呈现，将Happiness score（幸福指数）字段进行“明细过滤”，选取2022年的数据（见图16）。
图16 2022年明细过滤
选择区域地图分析，将Country（经度）放于横轴，Country（维度）放于纵轴，图形属性模块，happiness Score放于的颜色字段，将颜色设置为“区域渐变”、“极光”，Country(国家)字段放入标签处，最终得到世界地图的呈现结果。可以看出北欧、北美、澳大利亚和新西兰地区幸福指数较高，亚洲、非洲地区幸福指数较低。世界幸福指数呈现出一定的地域差异（见图17）。
图17 世界幸福指数地图制作
（2）各地区不同年份幸福指数变化
世界幸福指数利用KPI指标卡，对地区和年份字段更好地可视化幸福指数（见图18）。
图18 各地区幸福指数年份变化趋势
为了直观呈现不同地区幸福指数随着年份变化的趋势，利用Kpi指标卡进行可视化呈现。可以看出独立国家联合体这一分组调查年份不全，存在缺失。澳大利亚和新西兰、北美、西欧长期处于较高的幸福水平。拉丁美洲和加勒比地区、东亚、中东和北非、中欧和东欧、东南亚长期处于中等的幸福水平，而南亚、非洲撒哈拉以南长期处于相对较低的幸福水平。进一步针对变化趋势做讨论，可以发现，幸福水平相对较高的西欧和幸福水平中等或相对较低的东亚、中欧和东欧、东南亚、非洲撒哈拉以南地区幸福指数呈现出逐渐提升的趋势。前者可能与西欧一贯的发展政策有关，具备发展幸福指数的经济基础，逐渐增强对人民幸福指数提升的重视程度。而后者可能与一带一路加强了沿线基础设施建设，改善了人民生活水平有关。并且在2020-2022年期间后者相比具有较为严格的防疫政策。而幸福水平相对较高的澳大利亚和新西兰、北美和幸福水平中等或较低的拉丁美洲和加勒比地区、中东和北非、南亚地区的幸福指数呈现出逐渐下降的趋势。这可能与疫情、战争的影响有关。
（3）6大维度在世界各个地区上的差异雷达图
得到了2022年世界幸福指数的区域地理分布情况，进一步根据《世界幸福指数》官网对国家的区域划分，结合幸福指数下属的6个子维度制作雷达图（见图19）。将6维度的指标通过明细过滤，得到2022年的数据，之后放到横轴，Region（区域）放于纵轴，图形属性模块的颜色默认为“指标名称”。
图19 2022年各地区幸福指数子维度雷达图
（4）各地区2022年6个幸福维度堆积图
同各大地区2022年雷达图，进一步制作2022年6个维度的堆积柱状图（见图20）。
图20 2022年各地区幸福指数子维度堆积图
针对幸福指数下属的6个子维度进行可视化呈现（见图21）。绘制堆积柱状图和折线雷达图，结果可以发现，北美、西欧、澳大利亚和新西兰在各个维度上均相对较高，东亚、中欧和东欧、中东和北非、东南亚、拉丁美洲和加勒比地区在各个维度上均相对中等，其中，东南亚、拉丁美洲和加勒比地区在自由维度上较好于其他几个中等幸福水平地区，东南亚在慈善维度上也具有较高的水平，南亚和非洲撒哈拉以南具在各个维度上均具有较低的水平。进一步利用分区柱形图，体现不同年份不同地区的幸福指数6大维度情况。
（5）各地区在6维度不同年份的柱状图
图21 各地区多年份幸福指数子维度柱状图
通过对不同年份、不同地区的6个幸福指数子维度进行可视化展示，可以看出经济水平上，各个地区呈现出相对稳定增长的趋势，北美、西欧、澳大利亚和新西兰经济较为发达，东亚、中欧和东欧、中东和北非水平中等，拉丁美洲和加勒比地区、南亚、非洲撒哈拉以南较低；社会支持维度上，南亚、非洲撒哈拉以南较低，各个地区呈现波动中上升的趋势；自由维度上，东南亚、拉丁美洲和加勒比地区长期高于中等或低幸福水平的东亚、中欧和东欧、中东和北非、南亚、非洲以南；澳大利亚和新西兰长期保持着极高的政府信誉、健康水平，不过近年可能因为疫情的影响，同北美、西欧一样略有下降。
（6）不同国家幸福水平分层
进一步以2022年Happiness Score（幸福指数）字段为大小依据，生成国家气泡图和词云（见图22和图23）。
图22 纳入国家气泡图
图23 纳入国家词云图
在众多国家中，有幸福指数较高的国家，有幸福指出相对中等的国家，也有相对较低的国家。首先利用聚合气泡图和词云，对纳入的国家绘制可视化图像，直观体现不同幸福层次的国家。
（7）不同幸福排名国家玫瑰图
进一步对处于前10、后10和中等10的30个国家，分别绘制玫瑰图，可见三个层级的国家幸福水平具有较大差异，高幸福指数国家在7.2-7.82之间，中等程度国家的幸福指数在5.53-5.77之间，较低幸福程度的国家幸福指数在2.4-5.77之间。
使用玫瑰图展示国家幸福指数，并通过Country（国家）的“过滤条件”，选出Happiness Score最大的10个，标签展示在外侧（见图24）。
图24 2022年世界幸福排名前10个国家
根据排名，得到处于中间位置的10个国家的最大值和最小值(其中包括中国)，在FineBI的国家字段中进行过滤，得到幸福指数玫瑰图（见图25）。
图25 2022年世界幸福排名中等10个国家
同前10国家的方式，得到Happiness Score最低的10个国家，根据分数升序展示（见图26）。
图26 2022年世界幸福排名最后10个国家
（8）不同幸福发展速度国家玫瑰图
同样，对处于幸福指数增长最快的10个国家、增长稳定的10个国家和下降最快的10个国家，分别绘制玫瑰图，可见三个层级的国家幸福水平变化也有较大差异，快速发展的国家环比增长率在14.75%-4.68%之间，发展速度稳定的国家速率几乎为0%，只有冰岛作为幸福指数排名长期靠前的国家，速率为0.13%，指数快速下降的国家速率在-4.79%到-35.37%之间。
筛选2022年环比增长率最高的10个国家，绘制对应的玫瑰图（见图27），可以看出也门的幸福水平迅速提升，其他9个国家环比增长率均高于4%，可以进一步分析挖掘其提升的因素。
图27 2022年世界幸福指数环比增长率最大10个国家
筛选幸福指数2022年最稳定的10个国家，由于呈现的多个国家2022年环比增长率为0%，因此不依据环比增长率设定半径大小，得到响应的玫瑰图（见图28）。
图28 2022年世界幸福指数环比增长率最稳定10个国家
筛选2022年环比增长率最低的10个国家（刚果民主共和国由于缺少2021年数据，被排除），绘制对应的玫瑰图（见图29），可以看出黎巴嫩的幸福水平迅速下降，其他9个国家环比增长率均低于0%。
图29 2022年世界幸福指数环比增长率最小10个国家
5.1.4、中国幸福指数分析
随着中国人均GDP的快速增长，我国社会的主要矛盾已经从“人民日益增长的物质文化需要同落后的社会生产之间的矛盾”转化为 “人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾”，幸福这一指标在中国人民生活中的重要程度也并不断加大。
（1）中国幸福指数及6维度折线图
利用多系列折线图，呈现2015-2022年中国幸福指数和6大子维度增长趋势（见图30）。
图30 中国幸福指数及子维度年份变化趋势
可以看出人民的幸福水平在2015-2020年之间保持稳定状态，自2020年后具有很大的提高，这可能与中国2020年实现全面小康、在疫情大背景下与国外鲜明对比导致的。经济水平维度上，中国2021至2022之间极大提升；人们的自由程度、政府信誉、慈善程度均呈现出缓慢增长的趋势，而社会支持维度，与全球大背景一样，均在2020年疫情后有所下降，并且人们的健康水平受到疫情的影响，同样略有下降。
（2）中国幸福指数环比增长值和环比率
通过自定义图表，计算出幸福指数的环比增长值和环比增长率，利用柱状图和折线图结合呈现，将环比增长率低于0%、环比增长值小于0的年份数据设置为红色渐变突出显示，得到环比增长值和环比增长率图（见图31）。
图31 中国幸福指数环比增长值和环比增长率
更加直观地体现出幸福指数的变化趋势，根据幸福指数字段，计算出环比增长值和环比增长率，呈现其柱状图和折线图。可以看出2018-2020年出现负增长，但具体原因需要通过进一步分析得到结论，此后开始恢复正增长。并且，与世界整体增长速度2020年后下缓不一样的是，中国在2020年后幸福指数快速进步，这可能是因为在疫情背景下，中国政府的治理措施与国外体现出了鲜明对比。
（3）中国幸福指数及6维度环比增长率
通过自定义图表，计算出各个维度的环比增长率，利用折线呈现，将环比增长率低于0%的年份数据设置为红色渐变突出显示，得到环比增长率图（见图32）。
图32 中国幸福6维度环比增长率
在呈现幸福指数环比增长率后，进一步对幸福指数的6个子属维度进行环比增长率分析。可以看出各项指标波动增长，受到多种因素的影响。而与幸福指数2018-2020年负增长所对应的是，6个子维度中，经济和社会支持在18年负增长，社会支持和自由程度在19年负增长，经济和健康在20年负增长。
（4）中国与不同排名国家幸福指数比较
在玫瑰图的呈现中，得到了幸福指数排名前10、中等10和后10的30个国家，我们用中国在各个维度上的分数，分别与这三类国家进行对比，探讨幸福的重要影响因素。
首先，利用迷你图展示，根据每个字段数值的大小设定标签、气泡的大小（见图33）。
图33 世界幸福前10国家与中国在各维度上的比较
在2022年，与高幸福水平国家相比，中国具有较低的慈善程度和政府信誉（与以色列持平），在经济、社会支持、自由、健康维度上略低。不过对比纳入的10个高幸福国家水平，可以发现丹麦、以色列、卢森堡、瑞士、芬兰具有较低的慈善程度，以色列、冰岛、卢森堡具有相对较低的政府信誉，在自由维度上，中国甚至高于高幸福水平国家以色列。从中可以看出幸福水平主要受到经济、社会支持、健康因素的影响，受到自由、慈善程度、政府信誉的次要影响。
然后，对世界排名中等10个国家进行比较（其中包含中国），利用气泡图呈现，最终得到迷你图（见图34）。
图34 世界幸福中等10国家在各维度上的比较
与幸福水平的中等10个国家相比（10个中等幸福国家中国包含在内），中国的经济水平、社会支持、自由程度、政府信誉处于平均水平之上，社会慈善程度略低。而6大维度对比可以发现，同处于中等幸福的10个国家表现出不同的模式，中国、多米尼加共和国的社会慈善程度相对较低，但其他各项指数均相对较高；厄瓜多尔、玻利维亚、秘鲁、蒙古在政府信誉、慈善程度上相对较低，经济水平上略低于平均水平，其他指标上处于平均水平。波斯尼亚和黑塞哥维耶、黑山的自由程度处于10个国家的最低水平，而马来西亚各个指标较为均衡。
最后，将中国与幸福排名最后10个国家进行比较，用气泡呈现，得到迷你图（见图35）。
图35 世界幸福后10国家与中国在各维度上的比较
与幸福水平的较低的10个国家相比，中国经济水平、社会支持、自由程度、健康水平均处在相对较高的水平，而社会慈善程度、政府信誉相对较低。对比其他较低幸福国家，可以发现博茨瓦纳与中国的模式较为接近，同样具有相对较高的经济、社会支持、自由程度，但健康程度较低，这体现出健康水平是博茨瓦纳这类低幸福国家提升的核心因素。部分国家在慈善程度评分上高于中国（如卢旺达、坦桑尼亚、塞拉利昂、津巴布韦、赞比亚、马拉维），在政府信誉维度上（如坦桑尼亚、马拉维）高于中国，这同样可以与幸福排名前10、中等10国家的比较结果相呼应，即政府信誉和社会慈善程度为影响幸福指数的次要因素。而经济水平、社会支持、自由、健康作为核心因素，中国均高于幸福水平最低的10个国家。
（5）中国与不同增长速度国家幸福指数比较
之前针对国家的静态排名进行了可视化分析，接着利用幸福指数的环比增长率，呈现幸福水平的增长趋势。结合玫瑰图中所呈现的幸福指数增长最快的、最稳定的、下降最快的国家，我们用中国各维度上的分数，与这三个层级的国家进行比较，探讨影响幸福指数提高的影响因素。
首先，通过对增长最快的10个国家进行比较（10个最快国家中包含中国），得到利用气泡呈现的迷你图（见图36）。
图36 世界幸福指数增长最快10国家在各维度上的比较
与幸福水平增长最快的9个国家相比（10个增长最快的国家包含中国在内），中国慈善程度、社会支持水平、经济水平、政府信誉快速增长，自由程度、健康水平也有一定的进步。不同国家呈现出各有特色的发展模式，也门提升程度最大，依靠健康水平、自由程度、社会支持，利比里亚依靠健康水平、快速进步的经济，土库曼斯坦依靠社会支持、健康水平，白俄罗斯依靠政府信誉和社会支持，科摩罗依靠健康水平，罗马尼亚依靠社会支持，莫桑比克依靠快速发展的经济水平，阿尔及利亚依靠社会支持和自由程度，马来西亚的幸福水平快速进步依靠其政府信誉维度。虽然不同国家呈现了各有特色的发展模式，但一致的是，幸福指数的快速增长，都与经济基础离不开关系，这10个国家的经济水平环比增长率在39.29%-222.22%之间。而除了中国之外的9个国家，慈善水平的环比增长率呈现出负增长。
接着，将中国与幸福指数最稳定的10个国家进行比较，用气泡呈现，得到迷你图（见图37）。
图37 中国与世界幸福指数增长最稳定10国家在各维度上的比较
将中国与幸福指数增长最稳定的10个国家进行比较，可以发现增长最稳定的10个国家中，冰岛作为长期排名靠前的高幸福水平国家，提升空间相对较小，维持着较低的环比增长率。而除冰岛之外的9个国家，幸福指数增长率均为0%。在子维度增长较快的国家中，如多哥和阿塞拜疆，由于环比增长率计算的是2022年的结果，而幸福指数是通过对近三年的结果进行平均，因此像多哥这样2020年到2021年之间指数下降的国家，其增长速率拉低了2022年的环比增长率。而其他指数稳定的国家中，慈善程度均呈现出负增长的特点，其他维度大多有一定的发展。中国与这些稳定国家相比，自由程度、慈善程度、健康水平和政府信誉都有较好的发展。
最后，将中国与幸福指数下降最快的10个国家进行比较，用气泡呈现，得到迷你图（见图38）。
图38 中国与世界幸福指数下降最快10国家在各维度上的比较
将中国与下降速率最快的10个国家进行比较，可以发现各国在经济水平、健康水平、上均呈现出正增长的特点，除了马里和黎巴嫩之外的国家在政府信誉上也体现出正增长。但在社会支持、自由程度上，部分国家出现了负增长，社会慈善程度在所有下降速率最快的国家中都为负。但由于结果受到往年数据的影响，难以解释下降最快的10个国家和发展最为稳定的10个国家都呈现出的慈善程度下降的特点。需要进一步地讨论。
5.2、最终布局
在绘制完每个模块后，对组件标题背景色进行设置、对仪表盘最后进行布局调整。公开链接为：https://bisolutions.fanruan.com/webroot/decision/link/skVm，仪表板见图39。
图39 最终仪表板
5.3、分析结果总结
-
- 《世界幸福指数》的调查数据来源由于每个国家调查1000名左右的民众，对整个国家（尤其是中国最为世界人口最多的国家）并非具有充足的代表性；测验的调查除了经济水平这个字段根据国家实际数据获得、健康字段根据世界卫生组织（World Health Organization，WHO）对本国健康人群预期寿命的结果得到，其他4个幸福指数子属维度均通过盖洛普世界民意调查（Gallup World Poll，GWP）产生，并且每个维度所测量的题项并不多，这增大了主观判断导致的偏差（由于幸福本身就是一个主观概念则更需要慎重看待），并且由西方开发的民意调查测验在迁移到东方国家会有一定程度的“水土不服”。虽然“幸福”这一抽象概念，较难进行测量，需要通过可操作性定义，通过具有较好的信效度工具进行数据收集，对应到具体的数据点上，进一步展开分析。在这个过程中的每个环节都可能会产生影响结论可靠性的因素，因此综合多方面的因素，本报告的结果在限定条件下提供参考。并且，未来可以对数据进行进一步探索性挖掘，利用聚类、回归等方式得到有趣的结果。
- 马斯洛需求层次理论指出，人具有缺失性和成长性两大类需求，在满足缺失性需求（如生理需求和安全需求）的基础上，人会致力于实现成长性需求（如爱与归属、尊重需求和自我实现），生理和安全的需要是追求幸福的基础保障，但又仅仅是充分条件，而非必要条件。影响幸福的因素众多，有关核心因素的讨论有待探索，并且，中国社会主要矛盾的转变也对幸福水平的提高提出了新要求。对世界相对幸福、相对不幸福国家或地区进行分类、差异分析，并与中国的各项指标之间进行对比，有利于探索出改善中国人民幸福水平的解决方案。2011年，不丹（Bhutan）在联合国大会上发出了“社会经济发展过程中，更加重视幸福和福祉”的提案，此后，联合国通过了将每年的3月20日作为世界幸福日的决议，并于2012年开始，每年发布《世界幸福指数报告》，倡议各国加大对本地区人民幸福程度的重视。2017年《世界幸福报告》指出，虽然中国在1990-2015的25年间人均收入快速增加，但人民幸福水平于1990-2005年间呈现逐渐下降的趋势，2005年后逐渐增长，恢复到1990年的幸福水平，报告指出中国人幸福水平并没有比25年前更高。
- 本报告纵向角度结合中国历年的幸福数据，横向结合了幸福排名前10、排名中等的9个国家、排名末位的10个国家的数据，进行对比分析，结果表明经济水平、自由程度、社会支持和健康水平是影响幸福指数的关键因素，在提升《世界幸福指数》排名上，中国可以加大政府信誉、慈善程度这两个维度上的分数。但是，地域角度上，《世界幸福指数》并非完全适合中国的实际情况，并且普适性的结论落实到具体的某个人上，也依然具有较大的主观感受差异，一味追求指数、排名的提高也并不是最优策略；时间维度上，疫情也同样极大地改变了世界的各个方面。我们需要完善中国幸福指数测量工具、结合其他多项指标的相关数据进行分析，探索提升中国人民幸福水平，更好地满足国人的物质、文化需求。
三、参赛总结
1、FineBI工具
-
- FineBI是一个较为友好的低代码（Low-Code）平台。可以满足代码水平不高的用户，借助工具提供的可视化模板、开放的技术交流学习社群，以相对便捷的方式制作仪表盘，生成商业报告。
- FineBI除了工具本身简单便捷，官方也提供了大量对新手友好的快速入门教程、案例，节约了上手FineBI工具的入门时间。开放活跃的社群许多用户积极提问，专业用户、官方助手及时提供解答，大家相互交流学习，成长提升。
- FineBI工具中，官方开发了许多强大的功能模块，也可以和EXCEL对接（FineBI插件），但好像在与其他编程软件的交互使用上，灵活性较弱，如果在未来实现Python、R等编程语言的融合，为具有一定编程基础的用户提供完善自己商业分析特殊需求的途径，那就更好了。
2、参赛总结
-
- 不同背景的人发挥各自的优势，有利于高效解决现实面临的问题。同时，不同成员的过往经历对于理解他人的想法、理解学科之间的既有代沟也提出了挑战，需要加强合作成员之间的交流、协调任务的分工，以现实问题为导向，积极解决问题。
- 学科交叉是目前的重要趋势，除了不同学科背景的成员相互合作，对于个体来说，也需要抛弃自身学科标签的束缚，即现实问题需要具备怎样的解决问题的能力，便快速学习掌握，运用到实践中，而不是以学科壁垒为借口，放弃了更多有趣的可能道路。
- 幸福是几乎每一个人从生到死的追求——让自己幸福，让周围的人幸福，让世界幸福……“爱”让幸福发生，“智慧”让幸福传递与延续，借助获得的具体数据点，通过数据分析工具对幸福进行挖掘探索，丰富我们对幸福、对自己、对世界的认识，这便是数据分析比赛的乐趣。
| 
