一、 研究動機與問題意識
本研究的出發點來自一個日常但耐人尋味的現象：在都市生活中，「靠近公園」經常被視為一種值得付費購買的生活品質。無論是房地產廣告中的「面公園第一排」、「步行可達河濱公園」，或是住宅市場對綠地景觀的高度重視，都暗示著城市綠意不只是景觀裝飾，而是一種被市場定價的生活資源。
因此，本研究一開始的預期是：如果人們願意花更多錢購買靠近公園的住宅，那麼居住地周邊是否擁有社區公園、運動公園或河濱公園，應該會與個人的快樂感有明顯關聯。換言之，都市綠地應該不只是空間設施，而可能是形塑主觀福祉的重要條件。
然而，主觀福祉並不只是由居住環境單獨決定。現代人的日常生活同時受到工作壓力、身體狀態與都市環境的共同牽引。一個人即使住在公園附近，如果每天工作不滿意、身體狀況不佳，也未必會因此感到快樂。相反地，一個人即使居住環境不完美，若健康狀況良好、工作狀態穩定，也可能維持較高的主觀福祉。
因此，本研究不把快樂感視為單一原因造成的結果，而是將其放進一張由健康、工作與城市綠意共同構成的生活地圖中。透過多重對應分析，本研究希望回答的不是「哪個變數單獨造成快樂」，而是「健康、工作滿意度、城市綠地與快樂感如何在同一個社會空間中彼此靠近或遠離」。
二、 資料來源、變數描述與清理
本研究之實證資料來源為中央研究院人文社會科學研究中心學術調查研究資料庫（SRDA）之學術調查計畫，資料集編號為 E10875。該調查之原始有效受訪樣本共計 1058 人。為了確保分析結果的精準性與推論效力，本研究在正式進入統計分析前，針對資料進行了嚴格的清洗與重新編碼。
在變數選擇方面，本研究提取了以下核心項目：主觀健康狀況（v6）、工作狀況滿意度（v8）、昨日主觀快樂感（v41），以及居住地方圓一公里內有無社區公園（v24m01）與運動公園（v24m07）等環境指標。在資料清理階段，本研究排除原始資料中屬於系統遺漏值、拒答或跳答之樣本（例如在 0 至 10 分的連續尺度中，排除大於 10 的異常編碼）。
點擊展開查看 R 原始程式碼
6 請問您認為自己目前的健康狀況好不好？ 【如果0代表非常不好，10代表非常好，從0到10之間，請您選一個最符合自己感受的數字】 (x) <numeric>
# total N=5706 valid N=5706 mean=2.15 sd=0.96
Value | Label | N | Raw % | Valid % | Cum. %
-----------------------------------------------
1 | 普通 | 2245 | 39.34 | 39.34 | 39.34
2 | 不好 | 372 | 6.52 | 6.52 | 45.86
3 | 很好 | 3089 | 54.14 | 54.14 | 100.00
<NA> | <NA> | 0 | 0.00 | <NA> | <NA>
點擊展開查看 R 原始程式碼
8 整體來說，您對您目前的工作狀況滿不滿意?（包含『有』或『無』的工作狀況） 【如果0代表非常不滿意，10代表非常滿意，從0到10之間，請您選一個最符合自己感受的數字】 (x) <numeric>
# total N=5706 valid N=5706 mean=2.09 sd=0.93
Value | Label | N | Raw % | Valid % | Cum. %
------------------------------------------------
1 | 普通 | 2229 | 39.06 | 39.06 | 39.06
2 | 不滿意 | 733 | 12.85 | 12.85 | 51.91
3 | 滿意 | 2744 | 48.09 | 48.09 | 100.00
<NA> | <NA> | 0 | 0.00 | <NA> | <NA>
點擊展開查看 R 原始程式碼
24 請問您住家方圓1公里內（走路約15分鐘）有沒有下列綠地?（可複選） (01) 社區公園、兒童遊戲場 (x) <numeric>
# total N=5706 valid N=5706 mean=1.80 sd=0.40
Value | Label | N | Raw % | Valid % | Cum. %
-----------------------------------------------
1 | 沒有 | 1133 | 19.86 | 19.86 | 19.86
2 | 有 | 4573 | 80.14 | 80.14 | 100.00
<NA> | <NA> | 0 | 0.00 | <NA> | <NA>
點擊展開查看 R 原始程式碼
24 請問您住家方圓1公里內（走路約15分鐘）有沒有下列綠地?（可複選） (07) 運動公園、河濱公園 (x) <numeric>
# total N=5706 valid N=5706 mean=1.35 sd=0.48
Value | Label | N | Raw % | Valid % | Cum. %
-----------------------------------------------
1 | 沒有 | 3721 | 65.21 | 65.21 | 65.21
2 | 有 | 1985 | 34.79 | 34.79 | 100.00
<NA> | <NA> | 0 | 0.00 | <NA> | <NA>
點擊展開查看 R 原始程式碼
24 請問您住家方圓1公里內（走路約15分鐘）有沒有下列綠地?（可複選） (08) 都沒有 (x) <numeric>
# total N=5706 valid N=5706 mean=1.05 sd=0.22
Value | Label | N | Raw % | Valid % | Cum. %
-----------------------------------------------
1 | 沒有 | 5417 | 94.94 | 94.94 | 94.94
2 | 有 | 289 | 5.06 | 5.06 | 100.00
<NA> | <NA> | 0 | 0.00 | <NA> | <NA>
點擊展開查看 R 原始程式碼
30 請問這項最常做的運動或體能活動，您維持了多久的時間？ (x) <numeric>
# total N=5706 valid N=4746 mean=1.62 sd=0.69
Value | Label | N | Raw % | Valid % | Cum. %
-----------------------------------------------------------
1 | 1年以內 | 2381 | 41.73 | 50.17 | 50.17
2 | 超過1年至10年以內 | 1797 | 31.49 | 37.86 | 88.03
3 | 10年以上 | 568 | 9.95 | 11.97 | 100.00
<NA> | <NA> | 960 | 16.82 | <NA> | <NA>
點擊展開查看 R 原始程式碼
41 請問您昨天覺得快樂嗎？ 0 分表示昨天完全不覺得快樂，10 分表示昨天整天都覺得快樂，從 0 分到 10 分之間，您會給幾分？ 【指昨天覺得快樂的持續性而非強度。】 (x) <numeric>
# total N=5706 valid N=5706 mean=2.18 sd=0.93
Value | Label | N | Raw % | Valid % | Cum. %
------------------------------------------------
1 | 普通 | 2037 | 35.70 | 35.70 | 35.70
2 | 不快樂 | 612 | 10.73 | 10.73 | 46.42
3 | 快樂 | 3057 | 53.58 | 53.58 | 100.00
<NA> | <NA> | 0 | 0.00 | <NA> | <NA>
變數重新編碼結果說明
由次數分配表可以看出，本研究所選取的核心變數皆已成功轉換為適合 MCA 分析的類別變數。主觀健康狀況方面，受訪者以「很好」最多，共 3089 人，占 54.14%；其次為「普通」，共 2245 人，占 39.34%；「不好」者相對較少，共 372 人，占 6.52%。這顯示多數受訪者對自身健康狀況的評價偏向正面。
工作滿意度方面，「滿意」者共有 2744 人，占 48.09%；「普通」者共有 2229 人，占 39.06%；「不滿意」者共有 733 人，占 12.85%。整體而言，受訪者對目前工作狀況的評價亦偏向中高程度，但仍有一成以上受訪者對工作狀況感到不滿意。
在居住環境的綠地資源方面，住家方圓一公里內有社區公園或兒童遊戲場者共有 4573 人，占 80.14%，顯示社區公園是相對普及的都市綠地設施。相較之下，有運動公園或河濱公園者共有 1985 人，占 34.79%，比例明顯較低，表示較大型或具運動功能的綠地設施分布較不普遍。
此外，「都沒有」綠地設施者共有 289 人，占 5.06%，比例雖低，但仍代表一小部分受訪者居住環境中的綠地資源相對缺乏。運動或體能活動維持時間方面，樣本中有 960 筆遺漏值，表示此題可能僅限有從事相關活動者作答，因此後續 MCA 分析會透過 na.omit() 排除缺漏樣本。
昨日快樂感方面，「快樂」者共有 3057 人，占 53.58%；「普通」者共有 2037 人，占 35.70%；「不快樂」者共有 612 人，占 10.73%。整體而言，受訪者昨日快樂感與健康、工作滿意度呈現相似分布，皆以正向或中間評價為主。
點擊展開查看 R 原始程式碼
<- data %>% :: select (health = V1R,work_satisfaction = V2R,community_park = V3R,sports_park = V4R,green_facility = V5R,residence_years = V6R,happiness = V7R%>% mutate (across (everything (), as.factor)) %>% na.omit ()summary (mca_data)
health work_satisfaction community_park sports_park green_facility
1:1769 1:1819 1: 893 1:3008 1:4528
2: 245 2: 529 2:3853 2:1738 2: 218
3:2732 3:2398
residence_years happiness
1:2381 1:1624
2:1797 2: 440
3: 568 3:2682
三、文獻與理論對話
主觀福祉研究提醒我們，生活品質不能只用所得、GDP 或客觀物質條件衡量。Diener、Suh、Lucas 與 Smith（1999）指出，主觀福祉包含生活滿意、正向情緒與負向情緒等面向，因此個人如何評價自己的健康、工作與日常快樂，都是理解生活品質的重要入口。
在工作面向上，工作滿意度不只是職場態度，也和個人的健康與心理狀態密切相關。Faragher、Cass 與 Cooper（2005）的後設分析指出，工作滿意度與員工健康之間存在系統性關聯。這意味著，工作不滿意不只是勞動市場中的問題，也可能進一步進入個人的身體感受與日常情緒。
在都市環境面向上，綠地經常被視為促進健康與心理福祉的重要公共資源。White 等人（2013）指出，居住在較綠的都市區域與較高的心理福祉有關。公園、河濱與開放空間不只是休閒設施，也可能透過運動、散步、社交、放鬆與降低壓力等途徑，成為城市生活中的福祉基礎設施。
不過，本研究的重點不是預先假定公園一定會讓人快樂，而是透過 MCA 觀察：在實際資料中，綠地、健康、工作滿意度與快樂感究竟如何排列？公園是否真的靠近快樂？還是快樂其實更靠近其他生活條件？
四、分析方法：用 MCA 繪製生活樣態地圖
本研究採用多重對應分析。相較於傳統迴歸模型常問「某個自變數是否影響某個依變數」，MCA 更像是在繪製一張類別變數的社會空間地圖。它將不同類別放在同一個幾何空間中，讓研究者觀察哪些類別彼此接近，哪些類別彼此遠離。
在這張地圖中，如果「工作滿意」、「健康很好」與「快樂」彼此靠近，代表這些狀態比較常共同出現在相似受訪者身上。如果「沒有公園」與「不快樂」沒有特別靠近，則表示都市綠地和快樂感之間可能不是直接相連，而是透過其他生活條件間接發生關係。
因此，本研究使用 MCA 的目的不是建立線性因果模型，而是用資料說故事：看見主觀福祉如何在健康、工作與城市環境之間被組織出來。
MCA 分析資料說明
本研究將重新編碼後的七個類別變數納入 MCA 分析資料中，包括主觀健康狀況、工作滿意度、社區公園、運動公園、綠地缺乏情形、運動維持年數，以及昨日快樂感。
其中，主觀健康、工作滿意度、社區公園、運動公園與綠地缺乏情形被視為主要分析變數，用來建構 MCA 的多變量空間。運動維持年數與昨日快樂感則作為補充類別變數，投影到已建立的空間中。這樣的設定可以避免快樂感直接影響座標軸的形成，同時又能觀察快樂感與其他生活條件之間的空間接近關係。
在排除遺漏值後，MCA 分析樣本以完整回答者為主。由 summary(mca_data) 可知，各變數類別皆具有足夠樣本數，適合進行多重對應分析。
點擊展開查看 R 原始程式碼
<- MCA (quali.sup = c (6 , 7 ),graph = FALSE
點擊展開查看 R 原始程式碼
summary (MCAres, ncp = 2 , nbelements = 10 )
Call:
MCA(X = mca_data, quali.sup = c(6, 7), graph = FALSE)
Eigenvalues
Dim.1 Dim.2 Dim.3 Dim.4 Dim.5 Dim.6 Dim.7
Variance 0.311 0.289 0.243 0.185 0.156 0.109 0.108
% of var. 22.187 20.656 17.343 13.216 11.157 7.752 7.689
Cumulative % of var. 22.187 42.843 60.186 73.402 84.559 92.311 100.000
Individuals (the 10 first)
Dim.1 ctr cos2 Dim.2 ctr cos2
1 | 0.314 0.007 0.056 | -0.136 0.001 0.011 |
2 | 0.871 0.052 0.461 | 0.196 0.003 0.023 |
3 | -0.057 0.000 0.005 | -0.023 0.000 0.001 |
4 | -0.133 0.001 0.017 | 0.559 0.023 0.295 |
5 | -0.369 0.009 0.156 | 0.076 0.000 0.007 |
6 | 0.342 0.008 0.039 | 0.247 0.004 0.021 |
7 | 0.179 0.002 0.038 | 0.460 0.015 0.255 |
8 | 0.179 0.002 0.038 | 0.460 0.015 0.255 |
9 | 0.871 0.052 0.461 | 0.196 0.003 0.023 |
10 | -0.379 0.010 0.154 | 0.128 0.001 0.017 |
Categories (the 10 first)
Dim.1 ctr cos2 v.test Dim.2 ctr cos2
health_1 | 0.368 3.255 0.081 19.555 | 0.674 11.696 0.270
health_2 | 0.558 1.035 0.017 8.968 | 2.103 15.786 0.241
health_3 | -0.288 3.085 0.113 -23.146 | -0.625 15.538 0.529
work_satisfaction_1 | 0.340 2.861 0.072 18.489 | 0.455 5.496 0.129
work_satisfaction_2 | 0.390 1.092 0.019 9.517 | 1.626 20.374 0.332
work_satisfaction_3 | -0.344 3.857 0.121 -23.970 | -0.704 17.321 0.506
community_park_1 | 1.567 29.758 0.569 51.974 | -0.576 4.320 0.077
community_park_2 | -0.363 6.897 0.569 -51.974 | 0.134 1.001 0.077
sports_park_1 | 0.318 4.131 0.175 28.833 | -0.098 0.417 0.016
sports_park_2 | -0.551 7.150 0.175 -28.833 | 0.169 0.722 0.016
v.test
health_1 35.767 |
health_2 33.794 |
health_3 -50.121 |
work_satisfaction_1 24.727 |
work_satisfaction_2 39.663 |
work_satisfaction_3 -49.011 |
community_park_1 -19.108 |
community_park_2 19.108 |
sports_park_1 -8.838 |
sports_park_2 8.838 |
Categorical variables (eta2)
Dim.1 Dim.2
health | 0.115 0.622 |
work_satisfaction | 0.121 0.625 |
community_park | 0.569 0.077 |
sports_park | 0.175 0.016 |
green_facility | 0.573 0.106 |
Supplementary categories
Dim.1 cos2 v.test Dim.2 cos2 v.test
residence_years_1 | 0.118 0.014 8.140 | 0.099 0.010 6.855 |
residence_years_2 | -0.106 0.007 -5.684 | -0.087 0.005 -4.656 |
residence_years_3 | -0.159 0.003 -4.044 | -0.142 0.003 -3.602 |
happiness_1 | 0.273 0.039 13.550 | 0.381 0.076 18.947 |
happiness_2 | 0.459 0.022 10.115 | 1.182 0.143 26.033 |
happiness_3 | -0.241 0.075 -18.886 | -0.425 0.235 -33.363 |
Supplementary categorical variables (eta2)
Dim.1 Dim.2
residence_years | 0.014 0.010 |
happiness | 0.078 0.281 |
MCA 整體結果解讀
MCA 結果顯示，第一維度的特徵值為 0.311，解釋 22.19% 的變異；第二維度的特徵值為 0.289，解釋 20.66% 的變異。前兩個維度合計可解釋 42.84% 的總變異。相較於一般 MCA 分析常見的低解釋率，本研究前兩個維度已能呈現相當清楚的類別區分結構。
從類別座標與貢獻度來看，第一維度主要受到社區公園、綠地缺乏情形與運動公園影響。這表示第一維度可被解釋為「都市綠意與居住環境資源」軸線。位於此維度正向端的類別，主要包括缺乏綠地、沒有社區公園、沒有運動公園等；位於負向端的類別，則包括有社區公園、有運動公園與非綠地缺乏者。
第二維度則主要受到主觀健康與工作滿意度影響。健康狀況不好與工作不滿意位於正向端，而健康很好與工作滿意則位於負向端。因此，第二維度可被解釋為「個人身心與勞動福祉」軸線。此結果顯示，健康與工作滿意度在受訪者的主觀福祉結構中具有高度區辨力。
點擊展開查看 R 原始程式碼
eigenvalue percentage of variance cumulative percentage of variance
dim 1 0.3106182 22.187018 22.18702
dim 2 0.2891887 20.656338 42.84336
dim 3 0.2428003 17.342878 60.18623
dim 4 0.1850270 13.216214 73.40245
dim 5 0.1561951 11.156794 84.55924
dim 6 0.1085315 7.752253 92.31149
dim 7 0.1076391 7.688506 100.00000
點擊展開查看 R 原始程式碼
barplot ($ eig[, 2 ],main = "MCA Eigenvalues" ,xlab = "Dimension" ,ylab = "Percentage of explained inertia" ,names.arg = 1 : nrow (MCAres$ eig)
特徵值與解釋變異量分析
特徵值表顯示，第一維度解釋 22.19% 的變異，第二維度解釋 20.66% 的變異，第三維度解釋 17.34% 的變異。前三個維度累積解釋率達 60.19%，表示本研究選取的類別變數具有相當明確的結構。
由長條圖可看出，前兩個維度是最主要的解釋軸線，因此後續圖形分析將以前兩個維度為核心。第一維度較偏向環境資源差異，第二維度則較偏向健康與工作滿意度差異。這樣的結果符合本研究的問題意識：個體主觀福祉並非只由單一因素決定，而是由工作狀態、健康感受與居住環境共同構成。
點擊展開查看 R 原始程式碼
plot (label = c ("var" , "quali.sup" ),autoLab = "y" ,cex = 0.8 ,main = "MCA of Well-being, Work Satisfaction and Urban Green Space"
MCA 類別空間圖分析
MCA 類別空間圖呈現各類別之間的相對位置。圖上距離較近的類別，表示它們較常出現在相似的受訪者身上；距離較遠的類別，則表示其背後受訪者特徵較不相同。
從結果可知，「健康很好」、「工作滿意」與「快樂」位於相近方向，顯示健康評價較佳與工作滿意度較高者，較可能具有較高的主觀快樂感。相對地，「健康不好」、「工作不滿意」與「不快樂」彼此接近，表示身心狀況較差與工作評價較低者，較容易落在低快樂感的空間位置。
另一方面，社區公園、運動公園與綠地缺乏情形主要區分了居住環境資源的差異。缺乏綠地或沒有公園的類別與有公園的類別在圖上呈現明顯區隔，表示都市綠地設施確實構成受訪者生活條件中的一項重要分類軸線。
點擊展開查看 R 原始程式碼
plot (invisible = c ("ind" , "quali.sup" ),autoLab = "y" ,cex = 0.8 ,main = "Active Categories"
主要類別變數分析
主要類別圖排除了個體點與補充變數，使我們能更清楚觀察核心變數如何建構 MCA 空間。第一維度主要由「社區公園」、「運動公園」與「綠地缺乏情形」所構成。其中，「沒有社區公園」、「沒有運動公園」與「都沒有綠地」傾向位於同一側；「有社區公園」、「有運動公園」則位於相反方向。
第二維度則主要由健康與工作滿意度所構成。「健康不好」與「工作不滿意」位於正向端，「健康很好」與「工作滿意」位於負向端。這說明受訪者的健康感受與工作滿意度具有高度一致性，兩者共同構成個人主觀福祉的重要基礎。
因此，MCA 結果顯示，本研究資料中至少存在兩條重要軸線：第一是居住環境中的綠地資源差異，第二是個人的健康與工作滿意度差異。
點擊展開查看 R 原始程式碼
plot (invisible = c ("ind" , "var" ),autoLab = "y" ,cex = 0.8 ,main = "Supplementary Categories"
補充變數分析：居住年數與快樂感
補充類別變數不參與 MCA 維度的建構，但會被投影到既有空間中，因此可用來輔助解釋主要變數與結果變數之間的關聯。
從補充變數結果來看，昨日快樂感與第二維度的關聯較強。dimdesc() 結果中，快樂感在第二維度的 eta2 為 0.281，明顯高於其在第一維度的 0.078。這表示快樂感主要與健康狀況及工作滿意度所構成的軸線相關。
具體而言，「快樂」傾向靠近「健康很好」與「工作滿意」；「不快樂」則靠近「健康不好」與「工作不滿意」。這說明主觀快樂感與個人的健康評價、工作狀態之間具有明顯的對應關係。
相較之下，居住年數與前兩個維度的關聯較弱。其 eta2 分別為 0.014 與 0.010，表示居住年數雖然在統計上達顯著，但對整體空間結構的解釋力有限。
點擊展開查看 R 原始程式碼
plot (invisible = "ind" ,autoLab = "y" ,cex = 0.8 ,selectMod = "cos2 10" ,main = "Categories with High Representation"
點擊展開查看 R 原始程式碼
plot (invisible = "ind" ,autoLab = "y" ,cex = 0.8 ,selectMod = "contrib 20" ,main = "Categories with High Contribution"
高貢獻類別分析
高貢獻類別圖可用來判斷哪些類別最能定義 MCA 維度。從分析結果可知，第一維度中貢獻最高的類別主要來自綠地相關變數，包括社區公園、運動公園與綠地缺乏情形。這說明第一維度的主要意義是區分受訪者居住環境中是否具有充足的綠地資源。
第二維度中貢獻較高的類別則主要來自主觀健康與工作滿意度。特別是「健康不好」、「健康很好」、「工作不滿意」與「工作滿意」等類別，對第二維度具有明顯貢獻。因此，第二維度可視為個人身心狀態與勞動滿意度的綜合軸線。
此結果支持本研究的核心觀點：主觀福祉並非單純來自個人心理感受，而是與工作條件、健康狀況及環境資源共同交織。
點擊展開查看 R 原始程式碼
plot (choix = "var" ,xlim = c (0 , 1 ),ylim = c (0 , 1 ),main = "Variables and Dimensions"
變數與維度關係分析
變數圖顯示，各變數與 MCA 前兩個維度之間的關聯強度。第一維度與綠地相關變數的關聯最強，其中 green_facility、community_park 與 sports_park 在第一維度上具有較高 eta2。這代表第一維度主要反映居住地周邊公共綠地資源的差異。
第二維度則與 health 與 work_satisfaction 關聯最強。兩者在第二維度上的 eta2 皆超過 0.62，表示健康與工作滿意度是構成第二維度的核心變數。此外，補充變數 happiness 在第二維度上的 eta2 為 0.281，顯示快樂感雖然未參與維度建構，但與健康及工作滿意度所形成的福祉軸線高度相關。
因此，第一維度可命名為「都市綠意環境軸」，第二維度可命名為「身心健康與工作福祉軸」。
點擊展開查看 R 原始程式碼
$`Dim 1`
Link between the variable and the categorical variable (1-way anova)
=============================================
R2 p.value
community_park 0.56929386 0.000000e+00
green_facility 0.57275665 0.000000e+00
sports_park 0.17520950 1.020421e-200
work_satisfaction 0.12129642 6.641150e-134
health 0.11453482 5.214150e-126
happiness 0.07770975 4.825607e-84
residence_years 0.01422458 1.755867e-15
Link between variable and the categories of the categorical variables
================================================================
Estimate p.value
green_facility=green_facility_2 1.00742990 0.000000e+00
community_park=community_park_1 0.53796527 0.000000e+00
sports_park=sports_park_1 0.24211753 1.020421e-200
health=health_1 0.08676073 1.137729e-88
work_satisfaction=work_satisfaction_1 0.11800757 4.058973e-79
happiness=happiness_1 0.06068016 1.298075e-42
happiness=happiness_2 0.16469651 2.731212e-24
work_satisfaction=work_satisfaction_2 0.14564937 1.162691e-21
health=health_2 0.19251225 2.160601e-19
residence_years=residence_years_1 0.09298059 3.152688e-16
residence_years=residence_years_3 -0.06140539 5.182467e-05
residence_years=residence_years_2 -0.03157520 1.246416e-08
happiness=happiness_3 -0.22537667 1.332808e-82
health=health_3 -0.27927298 1.333646e-125
work_satisfaction=work_satisfaction_3 -0.26365693 3.671036e-135
sports_park=sports_park_2 -0.24211753 1.020421e-200
green_facility=green_facility_1 -1.00742990 0.000000e+00
community_park=community_park_2 -0.53796527 0.000000e+00
$`Dim 2`
Link between the variable and the categorical variable (1-way anova)
=============================================
R2 p.value
health 0.62204716 0.000000e+00
work_satisfaction 0.62450945 0.000000e+00
happiness 0.28137739 0.000000e+00
green_facility 0.10597749 1.409292e-117
community_park 0.07694751 1.369862e-84
sports_park 0.01646206 7.093048e-19
residence_years 0.01017986 2.895585e-11
Link between variable and the categories of the categorical variables
================================================================
Estimate p.value
work_satisfaction=work_satisfaction_2 0.6274134653 0.000000e+00
health=health_2 0.7451144579 5.371600e-286
happiness=happiness_2 0.4316585400 5.250837e-161
green_facility=green_facility_1 0.4181323633 1.409292e-117
community_park=community_park_2 0.1908360706 1.369862e-84
happiness=happiness_1 0.0009599591 3.789037e-83
sports_park=sports_park_2 0.0716088428 7.093048e-19
residence_years=residence_years_1 0.0764964683 6.389215e-12
residence_years=residence_years_3 -0.0530991263 3.136430e-04
residence_years=residence_years_2 -0.0233973420 3.157995e-06
sports_park=sports_park_1 -0.0716088428 7.093048e-19
community_park=community_park_1 -0.1908360706 1.369862e-84
green_facility=green_facility_2 -0.4181323633 1.409292e-117
work_satisfaction=work_satisfaction_1 -0.0019671775 2.519265e-144
happiness=happiness_3 -0.4326184990 9.567112e-278
work_satisfaction=work_satisfaction_3 -0.6254462878 0.000000e+00
health=health_3 -0.7216509716 0.000000e+00
health=health_1 -0.0234634863 0.000000e+00
$`Dim 3`
Link between the variable and the categorical variable (1-way anova)
=============================================
R2 p.value
health 0.604292479 0.000000e+00
work_satisfaction 0.591500466 0.000000e+00
happiness 0.118154883 3.146832e-130
green_facility 0.009691458 1.070142e-11
community_park 0.005611098 2.387064e-07
sports_park 0.002905940 2.028613e-04
residence_years 0.002270536 4.558793e-03
Link between variable and the categories of the categorical variables
================================================================
Estimate p.value
work_satisfaction=work_satisfaction_2 0.60937344 0.000000e+00
health=health_2 0.96434544 0.000000e+00
happiness=happiness_2 0.32374390 1.119418e-79
green_facility=green_facility_2 0.11586051 1.070142e-11
community_park=community_park_1 0.04721946 2.387064e-07
sports_park=sports_park_1 0.02756778 2.028613e-04
residence_years=residence_years_3 0.03023771 2.939028e-02
residence_years=residence_years_1 -0.03402609 2.013682e-03
sports_park=sports_park_2 -0.02756778 2.028613e-04
community_park=community_park_2 -0.04721946 2.387064e-07
green_facility=green_facility_1 -0.11586051 1.070142e-11
happiness=happiness_3 -0.04790106 3.516017e-12
happiness=happiness_1 -0.27584284 5.161824e-80
health=health_3 -0.24390560 1.582818e-81
work_satisfaction=work_satisfaction_3 -0.02612196 2.258928e-94
work_satisfaction=work_satisfaction_1 -0.58325148 0.000000e+00
health=health_1 -0.72043983 0.000000e+00
五、描述統計：正向福祉與綠地不均的並存
從描述統計來看，受訪者整體的健康評價與快樂感偏向正面。主觀健康方面，「很好」者占 54.14%，「普通」占 39.34%，「不好」占 6.52%。工作滿意度方面，「滿意」者占 48.09%，「普通」占 39.06%，「不滿意」占 12.85%。昨日快樂感方面，「快樂」者占 53.58%，「普通」占 35.70%，「不快樂」占 10.73%。
這些結果顯示，多數受訪者在健康、工作與快樂感上並非處於極端負面狀態，而是集中在普通至正向評價之間。
然而，綠地資源的分布呈現另一種故事。住家附近有社區公園或兒童遊戲場者占 80.14%，顯示社區型綠地相對普遍。但有運動公園或河濱公園者僅占 34.79%，表示大型或運動型綠地的可近性明顯較低。也就是說，城市綠地不是單一概念；「附近有小型社區公園」和「附近有大型運動或河濱空間」其實代表不同層次的環境資源。
六、MCA 結果：兩條生活軸線
MCA 結果顯示，第一維度解釋 22.19% 的變異，第二維度解釋 20.66% 的變異，前兩個維度合計解釋 42.84%。對 MCA 來說，這表示前兩個維度已經能呈現相當清楚的類別結構。
第一維度可以被命名為「都市綠意環境軸」。這條軸線主要由社區公園、運動公園與綠地缺乏情形所構成。一端聚集著沒有社區公園、沒有運動公園與缺乏綠地資源的類別；另一端則靠近有社區公園、有運動公園與非綠地缺乏者。這表示城市綠地確實在資料中形成一條清楚的生活環境分界線。
第二維度則可以被命名為「身心健康與工作福祉軸」。這條軸線主要由主觀健康與工作滿意度所構成。一端靠近健康不好、工作不滿意與不快樂；另一端靠近健康很好、工作滿意與快樂。這表示快樂感並不是孤立存在，而是緊密嵌入健康感受與工作狀態之中。
七、意外發現：公園很重要，但快樂更靠近工作與健康
本研究最有意思的地方，在於原本的預期和 MCA 結果之間出現了落差。研究開始時，我原本預期都市綠地會是快樂感最主要的鄰近條件。畢竟在房地產市場中，「近公園」、「面公園」與「鄰近河濱」經常被視為高生活品質的象徵，人們甚至願意支付更高房價來換取這種環境資源。
如果這個市場想像完全成立，那麼在 MCA 空間中，「有公園」應該會非常靠近「快樂」。然而，結果顯示，公園與綠地確實形成重要的環境軸線，卻不是最直接貼近快樂感的軸線。快樂感作為補充變數，反而更明顯地投影到由健康與工作滿意度所構成的第二維度上。
這個結果提供了一個反直覺但很有啟發性的發現：人們可能願意花很多錢購買靠近公園的住宅，但真正更直接牽動日常快樂感的，未必是公園本身，而是每天的身體感受與工作狀態。公園像是一種生活品質的背景條件，而健康與工作滿意度則更像是主觀福祉的直接鄰近條件。
這並不是否定都市綠地的重要性。相反地，MCA 顯示綠地非常重要，因為它明確區分了不同的生活環境。但綠地的重要性可能不是立即轉換為快樂，而是透過提供運動、散步、休息、社交與心理調節的機會，間接支持健康與福祉。
換言之，公園提供的是「快樂的可能條件」，但健康與工作滿意度才是「快樂的直接鄰近條件」。
八、研究意涵：主觀福祉不是個人內心的孤島
本研究的 MCA 故事提醒我們，主觀福祉不是一個單純內在的心理變數，也不是只由城市硬體設施直接決定。快樂更像是多種生活條件共同排列後，在某個位置上浮現的結果。
從政策角度來看，如果要提升民眾快樂感，只增加公園可能還不夠。都市綠地提供的是重要的生活基礎設施，但若個人長期處於工作不滿意、健康不佳或壓力較高的狀態，即使附近有公園，也未必能直接感到快樂。
因此，公共政策應同時處理三個層面。第一，持續強化都市綠地與公共開放空間，尤其是運動公園與河濱公園等較大型綠地的可近性。第二，改善工作品質與勞動條件，降低工作不滿意所帶來的身心耗損。第三，推動健康促進政策，使民眾不只是擁有外在環境資源，也能真正維持較好的身體與心理狀態。
九、研究小結
總結而言，本研究透過 MCA 將健康、工作滿意度、城市綠意與快樂感放在同一張生活樣態地圖中。結果顯示，資料中出現兩條主要軸線：第一條是「都市綠意環境軸」，區分受訪者住家周邊是否具有公園與綠地資源；第二條是「身心健康與工作福祉軸」，區分受訪者的健康狀況、工作滿意度與快樂感。
本研究原本預期，因為公園在房地產市場中具有高度價值，都市綠地應該會與快樂感高度貼近。然而 MCA 顯示，快樂感最直接靠近的是健康與工作滿意度，而非單純的公園有無。這個結果使我們能提出一個更細緻的假設：都市綠地是主觀福祉的重要背景條件，但日常快樂感更直接地嵌入個人的健康感受與工作經驗之中。
因此，主觀福祉不是個人內心的孤島，而是身體、工作與城市環境共同編織出的生活位置。
十、參考文獻
Diener, E., Suh, E. M., Lucas, R. E., & Smith, H. L. (1999). Subjective well-being: Three decades of progress. Psychological Bulletin, 125 (2), 276–302.
Faragher, E. B., Cass, M., & Cooper, C. L. (2005). The relationship between job satisfaction and health: A meta-analysis. Occupational and Environmental Medicine, 62 (2), 105–112.
White, M. P., Alcock, I., Wheeler, B. W., & Depledge, M. H. (2013). Would you be happier living in a greener urban area? A fixed-effects analysis of panel data. Psychological Science, 24 (6), 920–928.
