前言

2018年已經接近尾聲，今年的你，過得快樂嗎?

本報告根據去年(2017年)世界快樂指數報告作為題材，分析各國在各項六大因素的差異以及相互關係。

世界快樂報告

聯合國「永續發展解決方案」從2012年開始，每年公布「世界快樂報告」排名，了衡量快樂之可持續發展方案，在網路出版的國際調查報告。 影響快樂度最重要的6個因素為：人均GDP、預期健康壽命、社會支援、捐獻佔所得的比重、選擇人生的自由和對政府與企業的貪腐程度。

報告中代碼所代表項目如下 :

代碼 項目
Country 國家
HapRank 排名
HapScore 快樂指數
avgGDP 人均GDP
Socialsup 社會支援
Health 預期健康壽命
Freedom 選擇人生的自由
Generosity 捐獻佔所得的比重
TrustG 政府與企業的貪腐程度 
library(readr)
library(dplyr)
library(ggplot2)
library(plotly)
## import data
happiness <- read_csv("C:/Users/user/Desktop/1023/happiness.csv")
happiness<-happiness%>% 
  select(Country,Happiness.Rank,Happiness.Score,Economy..GDP.per.Capita.,Family,Health..Life.Expectancy.,Freedom,Generosity,Trust..Government.Corruption.) 

colnames(happiness) <- c("Country","HapRank","HapScore","avgGDP","Socialsup",
                         "Health","Freedom","Generosity","TrustG") 
str(happiness)
## Classes 'tbl_df', 'tbl' and 'data.frame':    155 obs. of  9 variables:
##  $ Country   : chr  "Norway" "Denmark" "Iceland" "Switzerland" ...
##  $ HapRank   : int  1 2 3 4 5 6 7 8 9 10 ...
##  $ HapScore  : num  7.54 7.52 7.5 7.49 7.47 ...
##  $ avgGDP    : num  1.62 1.48 1.48 1.56 1.44 ...
##  $ Socialsup : num  1.53 1.55 1.61 1.52 1.54 ...
##  $ Health    : num  0.797 0.793 0.834 0.858 0.809 ...
##  $ Freedom   : num  0.635 0.626 0.627 0.62 0.618 ...
##  $ Generosity: num  0.362 0.355 0.476 0.291 0.245 ...
##  $ TrustG    : num  0.316 0.401 0.154 0.367 0.383 ...
##  - attr(*, "spec")=List of 2
##   ..$ cols   :List of 12
##   .. ..$ Country                      : list()
##   .. .. ..- attr(*, "class")= chr  "collector_character" "collector"
##   .. ..$ Happiness.Rank               : list()
##   .. .. ..- attr(*, "class")= chr  "collector_integer" "collector"
##   .. ..$ Happiness.Score              : list()
##   .. .. ..- attr(*, "class")= chr  "collector_double" "collector"
##   .. ..$ Whisker.high                 : list()
##   .. .. ..- attr(*, "class")= chr  "collector_double" "collector"
##   .. ..$ Whisker.low                  : list()
##   .. .. ..- attr(*, "class")= chr  "collector_double" "collector"
##   .. ..$ Economy..GDP.per.Capita.     : list()
##   .. .. ..- attr(*, "class")= chr  "collector_double" "collector"
##   .. ..$ Family                       : list()
##   .. .. ..- attr(*, "class")= chr  "collector_double" "collector"
##   .. ..$ Health..Life.Expectancy.     : list()
##   .. .. ..- attr(*, "class")= chr  "collector_double" "collector"
##   .. ..$ Freedom                      : list()
##   .. .. ..- attr(*, "class")= chr  "collector_double" "collector"
##   .. ..$ Generosity                   : list()
##   .. .. ..- attr(*, "class")= chr  "collector_double" "collector"
##   .. ..$ Trust..Government.Corruption.: list()
##   .. .. ..- attr(*, "class")= chr  "collector_double" "collector"
##   .. ..$ Dystopia.Residual            : list()
##   .. .. ..- attr(*, "class")= chr  "collector_double" "collector"
##   ..$ default: list()
##   .. ..- attr(*, "class")= chr  "collector_guess" "collector"
##   ..- attr(*, "class")= chr "col_spec"
summary(happiness)
##    Country             HapRank         HapScore         avgGDP      
##  Length:155         Min.   :  1.0   Min.   :2.693   Min.   :0.0000  
##  Class :character   1st Qu.: 39.5   1st Qu.:4.505   1st Qu.:0.6634  
##  Mode  :character   Median : 78.0   Median :5.279   Median :1.0646  
##                     Mean   : 78.0   Mean   :5.354   Mean   :0.9847  
##                     3rd Qu.:116.5   3rd Qu.:6.101   3rd Qu.:1.3180  
##                     Max.   :155.0   Max.   :7.537   Max.   :1.8708  
##    Socialsup         Health          Freedom         Generosity    
##  Min.   :0.000   Min.   :0.0000   Min.   :0.0000   Min.   :0.0000  
##  1st Qu.:1.043   1st Qu.:0.3699   1st Qu.:0.3037   1st Qu.:0.1541  
##  Median :1.254   Median :0.6060   Median :0.4375   Median :0.2315  
##  Mean   :1.189   Mean   :0.5513   Mean   :0.4088   Mean   :0.2469  
##  3rd Qu.:1.414   3rd Qu.:0.7230   3rd Qu.:0.5166   3rd Qu.:0.3238  
##  Max.   :1.611   Max.   :0.9495   Max.   :0.6582   Max.   :0.8381  
##      TrustG       
##  Min.   :0.00000  
##  1st Qu.:0.05727  
##  Median :0.08985  
##  Mean   :0.12312  
##  3rd Qu.:0.15330  
##  Max.   :0.46431

快樂指數直方圖

分數區間5-6的國家數最多，整體趨於常態分配。

hist(happiness$HapScore)

快樂指數六大因素箱型圖

由圖可知，各國間的人均GDP分布最廣，顯示全球財富不均現象。 p.s.因為技術問題，有三條箱型圖的類別名稱沒有顯示，由下而上依序為avgGDP, Socialsup, Health, Freedom, Generosity,TrustG。

happiness%>%
  select(avgGDP, Socialsup, Health, Freedom, Generosity,TrustG) %>% 
  boxplot(horizontal = TRUE)

相關分析

人均GDP與快樂分數有最高的正相關性，其次是預期健康壽命和社會支援。 另外， 捐獻佔所得的比重和人均GDP之間的相關系數趨於0。

## correlation
happiness %>% select(HapScore, avgGDP, Socialsup,TrustG,Generosity,Freedom,Health) %>% cor() %>% knitr::kable()
HapScore avgGDP Socialsup TrustG Generosity Freedom Health
HapScore 1.0000000 0.8124688 0.7527367 0.4290797 0.1552558 0.5701372 0.7819506
avgGDP 0.8124688 1.0000000 0.6882963 0.3509441 -0.0190113 0.3698734 0.8430766
Socialsup 0.7527367 0.6882963 1.0000000 0.2318414 0.0516926 0.4249658 0.6120801
TrustG 0.4290797 0.3509441 0.2318414 1.0000000 0.2941595 0.4991828 0.2797520
Generosity 0.1552558 -0.0190113 0.0516926 0.2941595 1.0000000 0.3160827 0.0631915
Freedom 0.5701372 0.3698734 0.4249658 0.4991828 0.3160827 1.0000000 0.3498268
Health 0.7819506 0.8430766 0.6120801 0.2797520 0.0631915 0.3498268 1.0000000 
library(corrplot)
happiness %>% select(HapScore, avgGDP, Socialsup,TrustG,Generosity,Freedom,Health) %>% cor(use="na.or.complete") %>% corrplot()

探討快樂指數與各項因素間的關係

快樂指數-人均GDP 散佈圖

由下圖可以發現，人均GDP最富裕(超過1.5)的幾個國家，如:卡達、新加坡、科威特，卻不是最快樂的。 普遍來說，最貧窮的幾個國家，也是快樂指數最低的。 但是，資料中第二貧困的國家-Somalia(所馬利亞)的快樂指數卻遠遠高於其他人均GDP相仿國家。

plot_ly(happiness, x = ~avgGDP, y = ~HapScore,
        # Hover text:
        text = ~paste("Country: ", Country))

快樂指數-預期健康壽命 散佈圖

單看預期健康壽命的密度圖可以發現兩個高峰，分別在約0.3、0.65兩處，顯示國家的預期健康壽命約分為兩塊。 第二張圖可以看出國家預期壽命較高的群體，快樂指數涵蓋4-7以上；另一部分預期壽命較短的國家快樂指數範圍基本上在5以下。

plot(density(happiness$Health))

plot_ly(happiness, x = ~Health, y = ~HapScore,
        # Hover text:
        text = ~paste("Country: ", Country))

探討各項因素之間的關係

人均GDP-預期健康壽命 散佈圖

從下圖表可看出人均GDP和預期健康壽命呈現正相關。 但是國家南非、奈及利亞、安哥拉的預期健康壽命遠低於平均線。

plot_ly(happiness, x = ~avgGDP, y = ~Health,
        # Hover text:
        text = ~paste("Country: ", Country))
ggplot(happiness, aes(x=avgGDP, y=Health)) + 
  geom_point(size=1 ,alpha=1)+
  stat_smooth()

人均GDP-捐獻佔所得的比重 plotly散佈圖

由下圖來看，捐獻佔所得的比重和人均GDP並沒有呈現明顯的相關性。 資料之中，Myanmar(緬甸)的捐獻佔所得的比重高於其他國家許多，原因值得進一步探討。 另外，捐獻佔所得的比重第二、三、四名家分別為印尼、泰國和馬爾他，這些國家的人均GDP皆屬在中下水準。

plot_ly(happiness, x = ~avgGDP, y = ~Generosity,
  # Hover text:
  text = ~paste("Country: ", Country),
  color = ~HapScore)

結論 :

1.六個影響快樂指數的變數之中，國家的人均國內生產毛額的最大及最小值差距最大，顯現出國家間的貧富落差。另外在政府與企業的貪腐程度上的離群值也能夠進一步探討。

2.六個影響快樂指數的變數之中，國家的人均GDP和該國的快樂分數有最高的相關，其次是預期健康壽命和社會支援，最不相關的是捐獻佔所得的比重。以上結果顯示出財富和健康對於人們來說，是過得快樂或不快樂的重要因素之一。

3.儘管財富是影響快樂的重要因素，但並非越富有就越快樂。而索馬利亞的案例，也值得深入探討，是什麼原因讓索馬利亞人儘管貧窮卻快樂。

4.從探討結果做進一步推測，預期健康壽命若低於某一水準，可能會導致快樂指數也低於水平、甚至墊底。

5.人均GDP和捐獻佔所得的比重並沒有很強的相關性，但是異常突出的最大值值得探討。

——————————————————————–
本報告資料來源 : https://www.kaggle.com