一、 研究動機與問題意識
在當代政治經濟學與公共政策的研究脈絡中，國民的主觀福祉（Subjective Well-being）已逐漸取代單一的國內生產毛額（GDP），成為評估社會發展與政策成候的核心指標。現代人在高度競爭的勞動市場與都市化環境中，面臨著顯著的工作壓力與身心耗損。個體的快樂感與主觀健康狀況，不僅受到其微觀經濟條件（如工作狀況）的制約，也深受其巨觀生活環境（如都市綠地公共建設）的空間配置所影響。
因此，本研究旨在探索影響台灣民眾主觀福祉的決定因素。我們將核心關懷聚焦於兩個面向：第一，工作滿意度作為勞動參與的核心回饋，如何映射至個人的日常快樂感？第二，居住周遭的都市綠色基礎設施（如社區公園、運動公園）之有無，是否能發揮空間上的調節作用，為個體的身心健康與福祉帶來顯著的外溢效應？透過多變量空間的實證釐清，本研究期望能為都市規劃與勞動福祉政策提供具備數據支持的政策建議。
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
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
維度描述與整體解釋
dimdesc() 的結果進一步驗證了前述圖形判讀。第一維度中，與維度關聯最強的變數為 green_facility、community_park 與 sports_park，其 R² 分別約為 0.573、0.569 與 0.175。這表示第一維度主要由都市綠地資源的有無所構成。正向端較接近綠地缺乏、沒有社區公園與沒有運動公園；負向端則較接近有社區公園、有運動公園與非綠地缺乏者。
第二維度中，與維度關聯最強的變數為 work_satisfaction 與 health，其 R² 分別約為 0.625 與 0.622。這表示第二維度主要反映個人的健康狀態與工作滿意度。正向端集中於健康不好、工作不滿意與不快樂；負向端則集中於健康很好、工作滿意與快樂。
補充變數方面，happiness 與第二維度的關聯明顯高於第一維度，說明昨日快樂感主要受到身心健康與工作滿意度軸線的解釋。換言之，快樂感在本研究中更接近個人主觀健康與勞動滿意度的結果，而不是單純由綠地設施有無所直接決定。
整體而言，本研究的 MCA 結果指出，影響主觀福祉的因素可分為兩個主要面向：第一是外在居住環境中的都市綠意資源，第二是個人內在與勞動狀態相關的健康及工作滿意度。其中，快樂感與第二面向的關聯最為明顯，表示提升民眾主觀福祉時，除了改善城市綠地環境之外，也應重視工作條件與健康促進政策。
三、研究小結
透過多重對應分析，本研究發現台灣民眾的主觀福祉可被理解為由「都市綠意環境」與「身心健康及工作福祉」兩條軸線共同構成。第一維度主要反映居住地周邊是否具有社區公園、運動公園或其他綠地資源；第二維度則主要反映受訪者的主觀健康狀況與工作滿意度。
值得注意的是，昨日快樂感作為補充變數，主要與第二維度具有較強關聯。這表示在本資料中，快樂感更直接地對應到健康狀況與工作滿意度，而非單純由居住地周邊是否有公園所決定。不過，綠地資源仍然在第一維度中扮演重要角色，顯示城市環境條件是區分生活樣態的重要因素。
因此，本研究認為，若公共政策目標在於提升民眾主觀福祉，應同時從兩個方向著手：其一是改善工作條件、提升勞動滿意度並促進身心健康；其二是持續強化都市綠色基礎設施，使社區公園、運動公園與可近性的公共綠地能更均衡地分布於民眾日常生活圈中。
