oszczesciu.files.wordpress.com · web viewpraca ta poświęcona jest analizie zależności...

Studium magisterskie

Kierunek: Metody ilościowe i systemy informacyjne

Mateusz Sawka 46396

Struktura sieci społecznej a poczucie szczęścia

Praca magisterskanapisana w Instytucie Ekonometriipod kierunkiem naukowym dr hab. Jakuba Growca

Warszawa 2013

STRESZCZENIE

Praca ta poświęcona jest analizie zależności między strukturą sieci społecznej

człowieka a jego poczuciem szczęścia. Celem pracy jest określenie, czy pewne cechy sieci

społecznej mogą przyczyniać się do poczucia szczęścia. Badanie oparto na internetowej

ankiecie, w której respondenci pytani byli o swoje charakterystyki społeczno-demograficzne,

kwestie światopoglądowe i zwyczaje, oraz poczucie szczęścia. Dodatkowo, każdy

ankietowany dołączał plik opisujący sieć połączeń między jego znajomymi na portalu

facebook, na bazie którego wyliczone zostały podstawowe statystyki sieci. Na podstawie tych

danych opracowany został uporządkowany model logitowy, opisujący poczucie szczęścia

respondentów. Wyniki badania wskazują na zależność między poczuciem szczęścia a

gęstością sieci. Nie stwierdzono zależności między innymi miarami sieci a zmienną

objaśnianą.

3

SPIS TREŚCI

Wstęp....................................................................................................................9ROZDZIAŁ I. Szczęście oraz struktura sieci społecznej jako przedmiot badań naukowych: przegląd literatury...........................................................11

I.1 Definicje szczęścia..................................................................................11I.2 Sieć społeczna jako reprezentacja rzeczywistości jednostki...................13I.3 Wpływ interakcji z otoczeniem na postrzeganie szczęścia.....................14I.4 Wyniki wybranych badań empirycznych................................................15I.5 Przegląd wybranych badań dotyczących zależności między strukturą

sieci społecznej a poczuciem szczęścia...................................................17ROZDZIAŁ II. Dane....................................................................................19

II.1 Statystyki służące opisowi sieci wykorzystane w badaniu.....................19II.1.1 Rozmiar sieci (degree).....................................................................................20II.1.2 Rozpiętość sieci (diameter)..............................................................................20II.1.3 Liczba podgrup w sieci (number of components).............................................20II.1.4 Gęstość sieci (density)......................................................................................20II.1.5 Przeciętna długość najkrótszej ścieżki między dwoma kontaktami w sieci

(average shortest path)......................................................................................21II.1.6 Średni wskaźnik grupowania (average clustering coefficient)........................21

II.2 Sposób zbierania danych.........................................................................22II.3 Statystyki opisowe danych......................................................................22

II.3.1 Struktura demograficzna próby........................................................................22II.3.2 Statystyki ankiet...............................................................................................23II.3.3 Statystyki sieci..................................................................................................24

II.4 Zmienna objaśniana – poczucie szczęścia..............................................32ROZDZIAŁ III. Wyniki badania empirycznego........................................37

III.1 Uporządkowany model logitowy – opis formalny..................................37III.1.1 Specyfikacja modelu logitowego i uporządkowanego modelu

logitowego.........................................................................................................37III.1.2 Estymacja metodą największej wiarygodności...................................40

III.2 Wyniki estymacji modelu.......................................................................42III.2.1 Wyniki estymacji modelu...................................................................43III.2.2 Ocena jakości modelu.........................................................................44III.2.3 Interpretacja........................................................................................47III.2.4 Porównanie dopasowania i jakości modeli.........................................51

ROZDZIAŁ IV. Interpretacja wyników.....................................................55IV.1 Wpływ uwzględnienia zmiennych opisujących sieć na wyniki estymacji

55

4

IV.2 Wpływ zmiennych opisujących strukturę sieci na poczucie szczęścia...56IV.3 Wnioski...................................................................................................56

Zakończenie.......................................................................................................58Bibliografia........................................................................................................59Spis tabel............................................................................................................61Spis wykresów....................................................................................................62Spis załączników................................................................................................63

5

WSTĘP

Celem niniejszej pracy jest weryfikacja hipotezy mówiącej o istnieniu zależności

między strukturą sieci społecznej człowieka a jego poczuciem szczęścia. W tym miejscu

należy uzgodnić, co rozumiemy pod pojęciami zależności, sieci społecznych i poczucia

szczęścia.

Zależność rozumiemy tu jako związek przyczynowo-skutkowy, sprawdzamy więc

czy struktura sieci wpływać może w pewnym stopniu na poczucie szczęścia jednostki.

Pamiętać oczywiście należy o możliwości odwrotnej zależności – to osoby szczęśliwe mogą

tworzyć dookoła siebie sieć o pewnej strukturze, innej niż osoby nieszczęśliwe. Wychodzimy

jednak z założenia, że to wykorzystane w analizie zmienne są czynnikami wpływającymi na

poczucie szczęście, a nie odwrotnie.

Sieci kontaktów społecznych analizowane w pracy pochodzą z portalu facebook,

reprezentują połączenia między znajomymi każdego respondenta – informują o

znajomościach wśród znajomych ankietowanego. Nie uwzględniają ewentualnych zależności

pomiędzy sieciami poszczególnych respondentów.

Poczucie szczęścia uczestników badania mierzone było według ich subiektywnych

ocen. W ankiecie odpowiadali na pytanie o swoje ogólne poczucie szczęścia mając do wyboru

cztery opcje odpowiedzi: bardzo nieszczęśliwy(a), raczej nieszczęśliwy(a), raczej

szczęśliwy(a), raczej nieszczęśliwy(a). Podstawowa hipoteza pracy mówi o istnieniu zależności między strukturą sieci

kontaktów respondenta, w tym m. in. surową liczbą znajomych, a jego poczuciem szczęścia.

Na kolejnych stronach, wykorzystując ilościowe metody analizy danych, przedstawiono próbę

jej potwierdzenia.

Dane, na których opiera się analiza zgromadzone zostały za pomocą internetowej

ankiety, do której respondent dołączał plik opisujący sieć jego znajomych na portalu

facebook. Na jego podstawie wyliczona została liczba kontaktów i inne statystyki sieci, takie

jak np. gęstość czy rozpiętość. Ankieta zawierała również szereg pytań dotyczących sytuacji

demograficznej i innych cech indywidualnych, które wzorowano na polskiej wersji pytań z

badania World Values Survey.

6

Badanie opiera się na uporządkowanym modelu logitowym. Wybór tego modelu

wynika z charakteru zmiennej objaśnianej, poczucia szczęścia. Jest to zmienna o charakterze

kategorycznym, w ankiecie respondenci mieli do wyboru cztery opcje odpowiedzi na pytanie

o poczucie szczęścia. Między nimi występuje naturalny porządek – wyższe oceny szczęścia są

oczywiście bardziej pożądane.

Wyniki analizy sugerują istnienie zależności między gęstością sieci społecznej

respondenta a jego poczuciem szczęścia. W przypadku pozostałych analizowanych statystyk

sieci nie stwierdzono ich wpływu na poczucie szczęścia. W szczególności, badanie nie

wskazuje żadnej zależności między liczbą znajomych na portalu a poczuciem szczęścia.

Rozdział pierwszy odnosi się do literatury poświęconej badaniom nad szczęściem

oraz nad strukturami sieciowymi. W rozdziale drugim przedstawiony jest sposób zbierania

danych i opis próby oraz wyników ankiet, ze szczególnym uwzględnieniem danych

dotyczących sieci kontaktów respondentów. Rozdział trzeci poświęcony jest opisowi,

weryfikacji i interpretacji parametrów modelu, zawiera również formalny opis

wykorzystanych metod analitycznych. Rozdział czwarty poświęcony jest interpretacji

wyników badania. Pracę kończy rozdział podsumowujący.

7

ROZDZIAŁ I. Szczęście oraz struktura sieci społecznej

jako przedmiot badań naukowych: przegląd

literatury

I.1 Definicje szczęścia

Szczęście trudno jest zdefiniować, choć wiele osób twierdzi, że jest najważniejsze w

życiu. Arystoteles szczęścia upatrywał w działaniu zgodnie z naturą, Tomasz z Akwinu

szczęściem absolutnym nazywał kontakt z Bogiem, buddyści mawiają, że szczęście to

wyzbycie się pragnień. Nie ma ustalonej definicji szczęścia. Badania nauk społecznych, w

szczególności ekonomii, odwołują się zazwyczaj do indywidualnej oceny szczęścia,

określanej przez badanych na przyjętej skali; nie podają jednak jego definicji, zakładając, że

każdy wie czym ono jest. Niemożliwe tym samym w tego typu badaniach jest uchwycenie

rozbieżności w postrzeganiu szczęścia, a tym samym wyznaczenie uniwersalnej dla

wszystkich granicy między osobą raczej nieszczęśliwą, a raczej szczęśliwą.

Rozważając temat szczęścia warto odnieść się do dzieł filozofów, choćby ze względu

na fakt, iż to oni mają największy udział w badaniu tego zagadnienia. I tak, Tatarkiewicz

(1962) rozróżnia cztery definicje szczęścia, każdą odnoszącą się do nieco innego jego

aspektu.

1. Szczęście jako pomyślność lub powodzenie, jak na przykład „szczęście w kartach”,

czy „szczęście w interesach”. Tatarkiewicz nazywa je „szczęściem obiektywnym”.

W innych językach dla tego typu szczęścia zarezerwowane są często oddzielne

terminy, jak fortuna w łacinie czy luck w angielskim. Ta odmiana szczęścia jest

nieważna z punktu widzenia niniejszego badania, nie dotyczy bowiem odczuć

jednostki, tylko obserwacji pozytywnego biegu zdarzeń.

2. Drugi rodzaj szczęścia Tatarkiewicz opisuje jako subiektywne przeżycie, „stan

intensywnej radości, błogości czy upojenia”. Nazywa je szczęściem w znaczeniu

psychologicznym, podkreśla również że żaden z tych dwu rodzajów nie oznacza „tego

wielkiego dobra i naczelnego celu życiowego, za jaki szczęście uchodzi”.

8

3. Kolejna definicja szczęścia, stawia je na równi z opisywaną przez Greków

eudajmonią, czyli osiągnięciu najwyższych dóbr dostępnych człowiekowi.

Filozofowie nie byli zgodni do tego jakie to mają być dobra. Według jednych

moralne, w opinii innych - hedonistyczne. W tym rozumieniu szczęście-eudajmonia,

szczególnie w rozumieniu stoików, niekoniecznie oznaczać musiało coś przyjemnego,

ponieważ odczucie posiadania tych dóbr jest sprawą nieistotną.

4. Ostatni typ szczęścia wyróżniany przez Tatarkiewicza to „zadowolenie z życia

wziętego w całości”. Od szczęścia w drugim rozumieniu odróżnia je przede

wszystkim to, że dotyczy całego życia, a nie przeżycia.

Badania empiryczne, oparte na koncepcji poczucia szczęścia, mówią przede

wszystkim o dwóch typach szczęścia, odpowiadających drugiej i czwartej definicji (Helliwell,

Layard, Sachs, 2012). Dla drugiego pojęcia stosuje się obecnie często termin szczęście

afektywne (ang. affective happiness), co podkreśla chwilowy jego charakter wynikający z

krótkotrwałych odczuć, natomiast szczęście definiowane zgodnie z czwartym podejściem

nazywane bywa zadowoleniem z życia, lub szczęściem ewaluatywnym (ang. evaluative

happiness). To właśnie ten typ szczęścia najbardziej interesuje ekonomistów i tak też

rozumiemy je w tym badaniu.

Zdefiniowanie szczęścia jest tak popularnym przedsięwzięciem, ponieważ

sformułowanie dokładnej definicji umożliwiłoby podążanie za nią w celu jego osiągnięcia,

podając niejako „wzór na szczęście”. Ale jak pisze Tatarkiewicz:

„Dla zjawiska szczęścia można znaleźć inne jeszcze formuły, np. <<szczęście to

dodatni bilans życia>>. Ta formuła ma tę zaletę, że uwydatnia, iż chodzi w szczęściu

nie o wyłączność, lecz o przewagę przeżyć dodatnich; ale ma też wadę, że sugeruje, iż

można obliczyć szczęście, gdy tymczasem można go tylko doświadczyć.”

Nie możemy szczęścia obliczyć, ale na podstawie indywidualnych ocen szczęścia,

wykorzystując narzędzia matematyczne możemy próbować wskazać czynniki, które na nie

wpływają. Empiryczna definicja poczucia szczęścia, wykorzystywana w części empirycznej

pracy, zdefiniowana zostanie w rozdziale II.4.

9

I.2 Sieć społeczna jako reprezentacja rzeczywistości jednostki

Ostatnie lata to okres gwałtownego rozwoju portali internetowych tworzących

przestrzeń dla ludzkich interakcji, nazywanych mediami społecznościowymi.

Najpopularniejsze medium tego typu to portal facebook, na którym konta ma ponad miliard

użytkowników. Fenomen sukcesu portali społecznościowych jest przedmiotem wielu badań

ekonomicznych i socjologicznych (np. Schwartz i inni, 2013, Deloitte, 2012). Same media

społecznościowe natomiast mogą być olbrzymim źródłem informacji zarówno o

pojedynczych użytkownikach, jak również o sieciach kontaktów jakie tworzą. Wiele portali

społecznościowych stawia sobie za cel ułatwienie komunikacji i stworzenie możliwości

poznawania nowych osób. Specyfika facebooka polega na tym że przede wszystkim

wykorzystywany jest do pielęgnowania kontaktów z osobami znanymi ze świata

rzeczywistego, zatem możemy przypuszczać że stosunkowo wiernie obrazuje sieć

znajomych1.

W badaniu przyjęto założenie, że sieć znajomych na facebooku obrazuje sieć

rzeczywistych kontaktów społecznych respondenta. Nie odzwierciedla ich wiernie, ale

zachowuje większość powiązań i ogólny obraz sieci. Pośrednim potwierdzeniem tej tezy

może być część eksperymentu naukowców z University College London dotyczącego

zależności między wielkością sieci kontaktów w serwisach społecznościowych a strukturą

mózgu. Przeprowadzone przez nich badania wskazują na silną korelację między siecią

kontaktów online i w świecie rzeczywistym (Kanai i inni, 2011). Wyniki wspomnianego

badania oczywiście nie są dowodem na to, że wirtualna sieć kontaktów wiernie odzwierciedla

rzeczywistą sieć powiązań jednostki, są jednak mocną przesłanką ku stwierdzeniu, że oddaje

dobrze jej ogólny obraz.

I.3 Wpływ interakcji z otoczeniem na postrzeganie szczęścia

Koncepcja piramidy potrzeb Abrahama Maslowa określa i porządkuje ludzkie

potrzeby (Maslow, 1943). Jej twórca za najważniejsze uznaje potrzeby fizjologiczne, po

1 „Grono sprzyjało budowaniu relacji - facebook odzwierciedla je” –komentarz eksperta w dziedzinie mediów społecznościowych http://jacekgadzinowski.natemat.pl/61363,fakty-o-grono-net-i-polskim-social-media

10

http://jacekgadzinowski.natemat.pl/61363,fakty-o-grono-net-i-polskim-social-media

których zaspokojeniu człowiek dąży do zaspokojenia kolejnych – potrzeby bezpieczeństwa,

miłości i przynależności, szacunku i uznania oraz potrzeby samorealizacji. Teoria bazuje

między innymi na przekonaniu o społecznej naturze ludzi, co ma wyraz przede wszystkim w

potrzebach przynależności oraz szacunku i uznania. Nie da się tego osiągnąć bez interakcji z

innymi, a sieć znajomych jest przestrzenią, gdzie zaspokojenia tych potrzeb możemy

poszukiwać. Jeżeli piramida potrzeb opracowana przez Maslowa jest prawdziwa, tj. opisuje

rzeczywiste potrzeby, które większość ludzi odczuwa, znaczy to, że przynależność do grupy

społecznej jest niezbędna do zaspokojenia potrzeb, a tym samym do osiągnięcia szczęścia.

Sama sieć, a dokładniej jej członkowie wpływają również na szczęście jednostki.

Fowler i Christakis (2009) opisują badania oparte na danych dotyczących wielu aspektów

życia mieszkańców miejscowości Framingham w USA. To co czyni je wyjątkowym, to

długość okresu gromadzenia danych (sięgający 1948 roku) i przede wszystkim dostępność

informacji na temat znajomości w badanej grupie – Framingham to małe miasto, a w badaniu

uczestniczy ponad 5000 osób, co umożliwia określenie znajomości między nimi. Dzięki temu

możliwa była analiza zależności poczucia szczęścia wśród grup znajomych. Wyniki tego

badania wskazują na to że szczęście jest zaraźliwe – w sieci występowały wyraźne skupiska

osób szczęśliwych i nieszczęśliwych. Co więcej, fakt że badanie opiera się na danych

panelowych pozwolił stwierdzić, że grupy takie tworzą się w wyniku rozprzestrzeniania się

szczęścia (czy też nieszczęścia), a nie tylko poprzez zawieranie znajomości przez ludzi

„podobnie szczęśliwych”. Ponadto, badanie wskazuje na dużą wagę geograficznej bliskości w

procesie rozprzestrzeniania się szczęścia – proces zachodzi głównie w przypadku blisko

mieszkających osób.

Teoria Maslowa wskazuje na dużą wagę interakcji z otoczeniem w procesie

zaspokajania potrzeb, który ma wpływ na samopoczucie jednostki, tym samym pośrednio, na

jej szczęście. Wyniki badania mieszkańców Framingham dowodzą, że szczęście może się

rozprzestrzeniać w sieci społecznej na najbliższych znajomych. W kolejnych rozdziałach

przeanalizowana zostanie hipoteza mówiąca o wpływie samej struktury sieci na poczucie

szczęścia.

11

I.4 Wyniki wybranych badań empirycznych

Syntezę badań empirycznych dotyczących determinant poczucia szczęścia z punktu

widzenia ekonomisty prezentują Helliwell, Layard, i Sachs (2012). Autorzy dzielą źródła

poczucia szczęścia na dwie grupy – czynniki indywidualne (osobiste, charakterystyczne dla

jednostki) i czynniki zewnętrzne. Pośród czynników zewnętrznych wyróżniają:

Dochody

Pracę

Społeczność i rządy

Wartości i religię

Czynniki indywidualne dzielą natomiast na:

Zdowie psychiczne

Zdrowie fizyczne

Doświadczenia związane z rodziną

Edukację

Płeć i wiek

Badania psychologów potwierdzają, że wyżej wymienione czynniki mają wpływ na

poczucie szczęścia. Podkreślają oni również wagę trudniejszych do zmierzenia czy w ogóle

opisania cech, takich jak osobowość, cele, czy zdolności adaptacji (Diener i inni, 1999).

Z ciekawszych wyników badań wymienić należy:

Dochody

Jeżeli chodzi o zależność między dochodami a szczęściem, to liczne badania

potwierdzają zależność między dochodem a poczuciem szczęścia – bogatsi członkowie

społeczeństwa są z reguły szczęśliwsi od biednych. Bardziej problematyczna jest kwestia

bogacenia się narodów i wpływu tego faktu na obserwowane poczucie szczęścia obywateli –

nazywana jest ona paradoksem Easterlina. Easterlin (1974) na podstawie wyników badań

empirycznych stwierdził, że powyżej pewnego poziomu, wzrost PKB nie prowadzi do

12

większego średniego poczucia szczęścia w społeczeństwie. Niemniej, istnieją badania

dowodzące niesłuszności tej teorii (DiTella i inni, 1998, Stevenson, Wolfers, 2008).

Praca

Praca nie jest tożsama z dochodami, mimo że zazwyczaj bezpośrednio się z nimi

łączy. Może wpływać na poczucie szczęścia przede wszystkim ze względu na budowane w

niej relacje oraz nadawanie życiu znaczenia. Niektóre badania wskazują, że waga tej cechy

wzrosła wśród kobiet wraz ze wzrostem równouprawnienia i otworzeniem się możliwości

zawodowych (Blanchflower i Oswald, 2004).

Religia

Badania dowodzą, że religijność pozytywnie wpływa na odczuwane szczęście. Co

ciekawe, zależność ta widoczna jest kiedy religijność mierzona jest nie stosunkiem do religii

(np. w pytaniu Jak ważna jest dla Ciebie religia w skali 1-5?) a działaniami, np.

częstotliwością modlitwy lub uczęszczania w nabożeństwach (Diener i inni, 1999).

Zdrowie

Badania wskazują, że zależność między zdrowiem a poczuciem szczęścia widoczny

jest przede wszystkim, gdy jego stan oceniany jest przez badanych. Kiedy zdrowie oceniane

jest przez lekarza lub badacza na podstawie pytań o poszczególne aspekty zdrowotności,

zależność znacznie się osłabia (Diener i inni, 1999).

Płeć i wiek

Wpływ wieku na poczucie szczęścia nie jest jasny – niektóre badania wskazują na

U-kształtną zależność (Blanchflower i Oswald, 2004), wskazując czwartą dekadę życia jako

najmniej szczęśliwą, inne nie potwierdzają tej zależności. Co do wpływu płci na poczucie

szczęścia również nie ma zgody. Badania wskazujące na wyższe oceny szczęścia u kobiet

dotyczą głównie krajów rozwiniętych, podczas gdy zależność w krajach rozwijających się jest

niezauważalna, bądź w ogóle odwrotna. Warto mieć na uwadze również fakt, iż depresja i

inne podobne choroby częściej dotykają kobiety niż mężczyzn.

13

Rodzina

Istnieją liczne analizy wskazujące na pozytywny wpływ małżeństwa na poczucie

szczęścia. Ludzie po ślubie są szczęśliwsi nie tylko niż rozwiedzeni czy owdowiali, ale

również niż single. Na zależność tę wpływa silnie kultura kraju i jego układ społeczny (za

Diener i inni, 1999).

Na koniec warto zwrócić uwagę na fakt rosnącej popularności badań ekonomistów

nad tematem szczęścia. Przyjmując, że to nie wartość zgromadzonych bogactw jest ważna dla

jednostki, ale subiektywnie ocenione poczucie szczęścia, taki stan rzeczy nie powinien

dziwić. Jest to bardziej humanistyczne podejście, odrzucające pieniądz jako uniwersalny

miernik wszystkiego, skupiające się na odczuciach podstawowych członków systemu

gospodarczego – ludzi. Badania nad szczęściem mogą być źródłem wiedzy dla twórców

polityki gospodarczej, a przegląd ekonomicznych zastosowań badań nad szczęściem

publikacji opisują Frey i Stutzer (2002).

I.5 Przegląd wybranych badań dotyczących zależności między

strukturą sieci społecznej a poczuciem szczęścia

Zależność między strukturą sieci społecznej a poczuciem szczęścia była

przedmiotem wielu badań naukowych, zarówno z punktu widzenia jednostki, jak i

społeczeństwa jako całości. Na najwyższym poziomie ogólności można stwierdzić, iż

generalnie, osoby spędzające więcej czasu z ludźmi są szczęśliwsze, niż te stroniące od

towarzystwa (Diener, Seligman, 2002).

Dokładniejszy opis struktury sieci społecznej opiera się często na pojęciu kapitału

społecznego, a właściwie dwóch jego typów – pomostowego (bridging) i wiążącego

(bonding) zdefiniowanych przez Putnama (2000). Kapitał wiążący odpowiada za siłę więzów

wewnątrz jednej grupy społecznej, podczas gdy pomostowy opisuje połączenia między

członkami różnych grup. Putnam twierdzi, że kapitał pomostowy wzmacnia demokrację,

wolności obywatelskie i równouprawnienie płci – czynniki te sprzyjają większemu poczuciu

szczęścia. Ponadto, Granovetter (1973) wskazywał na przydatność słabszych powiązań

społecznych, kojarzonych z kapitałem pomostowym, w poszukiwaniu lepszej pracy. Burt

14

(2005) pisze o pozytywnym oddziaływaniu kapitału pomostowego na zarobki, kreatywność i

szczęście. Z drugiej strony kapitał wiążący, jeżeli przeważa nad kapitałem pomostowym

może mieć negatywne skutki dla społeczeństwa jako całości, ale wiązać się z dużymi

korzyściami dla członków grupy społecznej (Beugelsdijk, Smulders, 2003). Więzy rodzinne,

składające się na kapitał wiążący, generalnie są silniejsze w szczęśliwszych społeczeństwach

(Alesina, Giuliano, 2010). Wpływ kapitału społecznego na poczucie szczęścia nie jest jednak

w pełni określony, a sprawę komplikuje fakt, iż struktura sieci społecznej może być

endogeniczna dla poczucia szczęścia (Growiec i Growiec, 2013). Chistakis i Fowler (2009)

oprócz wskazania “zaraźliwości” szczęścia, dowodzą również, że osoby szczęśliwe znajdują

się bliżej centrum sieci społecznej, podczas gdy osoby deklarujące niższe poczucie szczęścia

na grafie sieci znajdziemy raczej na peryferiach. To cenna uwaga z punktu widzenia tej pracy,

ponieważ ich badania opierały się na dużej, rzeczywistej sieci połączeń społecznych ludzi w

małym mieście, podczas gdy wiele z wyżej wymienionych badań używa różnych

przekształceń do określenia siły kapitału wiążącego i pomostowego.

15

ROZDZIAŁ II.Dane

Rozdział ten poświęcony jest opisowi danych, na których opiera się niniejsza analiza. W

pierwszej części opisane zostały miary struktury sieci, które wyliczone zostały na podstawie

sieci kontaktów uczestników badania. Drugi podrozdział przedstawia dokładnie proces

gromadzenia danych ankietowych. W trzeciej części rozdziału zaprezentowane są statystyki

opisowe zmiennych objaśniających próby na podstawie której przeprowadzono analizę.

Rozdział kończy dokładny opis zmiennej objaśnianej.

II.1 Statystyki służące opisowi sieci wykorzystane w badaniu

Wybrane statystyki służące opisowi sieci opisane są wg podręczników Goyala

(2007), Jacksona (2004) i Wattsa (1971). Przyjęte oznaczenia:

Zbiór N = {1,..,n} oznacza zbiór wierzchołków (węzłów) składających się na sieć. W

kontekście pracy rozpatrywany będzie jako zbiór znajomych na portalu społecznościowym

facebook.

Graf (N, g) składa się ze zbioru wierzchołków N = {1,..,n} i macierzy g, o

wymiarach n x n i wartościach ze zbioru liczb rzeczywistych. Macierz ta, zwana macierzą

sąsiedztwa, opisuje relacje między węzłami i oraz j - czy połączenie między nimi występuje,

czy też nie. Elementy macierzy g mogą wyrażać intensywność (wagę) i kierunek zależności

między wierzchołkami. Jeżeli macierz jest symetryczna, tj. gij = gji, to graf jest nieskierowany

i reprezentuje jedynie informacje dotyczące istnienia relacji między wierzchołkami i oraz j.

Jeżeli natomiast elementy macierzy przyjmują więcej niż dwie wartości (zazwyczaj

przyjmowane są wartości 0 i 1), to macierz niesie ze sobą informacje na temat intensywności

zależności.

W pracy wykorzystane są grafy nieskierowane, bez wag. Są obrazem struktury sieci

znajomych respondentów i reprezentują jedynie powiązania pomiędzy znajomymi każdego z

respondentów z osobna. Jeżeli dwoje znajomych respondenta ankiety, oznaczonych i, j, jest

znajomymi na facebooku, wówczas gij=1, w przeciwnym razie gij=0.

16

II.1.1 Rozmiar sieci (degree)

Zmienna ta opisuje wielkość sieci, czyli liczbę węzłów (wierzchołków) które na nią

się składają. Innymi słowy, jest to liczebność zbioru wierzchołków N. W tym przypadku –

jest to liczba znajomych respondenta na portalu facebook.

II.1.2 Rozpiętość sieci (diameter)

Jest to najdłuższa, spośród najkrótszych ścieżek między dwoma węzłami w sieci.

Ścieżka (ang. path) to dowolna sekwencja unikalnych węzłów połączonych krawędziami,

która łączy dwa węzły. W kontekście pracy zmienna jest miarą opisu rozpiętości sieci

społecznej respondenta, mówi jak bardzo oddalone są od siebie poszczególne grupy do

których należy.

II.1.3 Liczba podgrup w sieci (number of components)

Liczba niezależnych względem siebie grup składających się na sieć. Respondent

tworzy jedyne bezpośrednie powiązanie pomiędzy członkami tych podgrup. W kontekście

pracy, zmienna ta opisuje różnorodność kontaktów respondenta, przynależność do różnych

grup społecznych.

II.1.4 Gęstość sieci (density)

Jest to odsetek połączeń w stosunku do możliwej ich liczby. Zmienna ta różnicuje

respondentów pod względem zależności między ich znajomymi. Jeżeli wielu z nich zna się

wzajemnie i ma to wyraz w znajomościach na facebooku, zmienna przyjmować będzie

wyższe wartości.

II.1.5 Przeciętna długość najkrótszej ścieżki między dwoma kontaktami w

sieci (average shortest path)

Jest to średnia długość najkrótszej ścieżki, wyliczona na podstawie wszystkich par

kontaktów (węzłów) w sieci i najkrótszych możliwych ścieżek między nimi. Wartość ta, w

przeciwieństwie do rozpiętości sieci, odnosi się do wszystkich najkrótszych ścieżek, a nie

tylko najdłuższej z nich.

17

Należy w tym miejscu po raz kolejny podkreślić, iż analizowana sieć kontaktów

respondenta X nie zawiera samego respondenta X. W przeciwnym wypadku ta miara byłaby

równa 1 lub 2 (1 dla znających się osób, 2 w przeciwnym przypadku).

II.1.6 Średni wskaźnik grupowania (average clustering coefficient)

Wartość ta jest średnią z lokalnych wskaźników grupowania γv, wyliczonych dla

każdego z wierzchołków w sieci. Lokalna wersja wskaźnika określa stopień w jakim

wierzchołki będące w sąsiedztwie wierzchołka v połączone są ze sobą. Niech Γ(v) oznacza

sąsiedztwo wierzchołka v, to znaczy zbiór wszystkich wierzchołków z nim połączonych.

Lokalny wskaźnik grupowania wyraża się wzorem:

(1) γv=

|E ( Γv )|

(k v

2 ) ,

gdzie |E ( Γ v )| to liczba połączeń w sąsiedztwie wierzchołka v, natomiast (kv

2 ) to liczba

wszystkich możliwych połączeń w tym sąsiedztwie. Przekładając to na kontekst sieci

kontaktów, określa w jakim stopniu znają się między sobą znajomi danej osoby. Średni

wskaźnik grupowania wyraża się wzorem

(2) γ=1n∑v=1

n

γ v .

Jeżeli γ = 1 oznacza to, że sieć znajomych respondenta jest pełna, tj. każdy zna każdego. Im

wskaźnik jest mniejszy, tym mniejsza skłonność węzłów do tworzenia grup.

II.2 Sposób zbierania danych

Dane do badania zgromadzone zostały za pomocą internetowej ankiety, złożonej z

40 pytań. Wzorowane były one na pytaniach stawianych respondentom w Diagnozie

Społecznej oraz World Values Survey. Pełny tekst ankiety znajduje się w załączniku numer 1.

Ankieta, rozprowadzana głównie za pomocą mediów społecznościowych przeprowadzona

była w dniach 30.05 – 6.06 2013. Respondenci po odpowiedzi na pytania proszeni byli o

załączenie pliku .gml wygenerowanego za pomocą aplikacji NetVizz, który listował

18

połączenia pomiędzy ich znajomymi na portalu facebook. Na podstawie pliku obliczono

wyżej opisane statystyki sieci znajomych każdego z respondentów, wykorzystując do tego

program Gephi. Jest to aplikacja służąca przede wszystkim wizualizacji struktur sieciowych,

umożliwia jednak również obliczanie statystyk analizowanych sieci. Spośród 163 zebranych

wypełnionych kwestionariuszy odrzucono 8 z powodu załączenia błędnego pliku.

Spośród 155 ankiet z poprawnie dołączonym plikiem .gml odrzucono kolejnych 11

plików – tych, gdzie sieć liczyła mniej niż 100 węzłów. Jest to arbitralna decyzja, wynikająca

z przekonania, że osoby które mają mniej niż 100 znajomych na portalu facebook nie starają

się powielać w Internecie wszystkich znajomości z życia codziennego, tym samym grono ich

znajomych na facebooku nie odzwierciedla wiernie rzeczywistej sieci kontaktów jaką tworzą.

II.3 Statystyki opisowe danych

II.3.1 Struktura demograficzna próby

Uczestnikami badania byli przede wszystkim studenci z dużych miast. 85 spośród

144 ankietowanych to kobiety, co stanowi 59% próby. Najliczniejsza grupa wiekowa, osoby

od 20 do 24 roku życia stanowi aż 2/3 próby. Prawie 40% respondentów to studenci,

bezrobotni stanowią jedynie 1% próby. Spośród 61% pracujących osób 31% jest

zatrudnionych na pełen etat, 15% pracuje w niepełnym wymiarze godzinowym, kolejne 15%

pracuje na własny rachunek. Dokładniejsze dane zaprezentowane zostały na wykresie 1.

19

Wykres 1. Struktura demograficzna próby, podział w zależności od miejsca zamieszkania, wieku i sytuacji zawodowej

Źródło: Opracowanie własne

II.3.2 Statystyki ankiet

Pełne wyniki ankiet zaprezentowane są w załączniku. Pobieżnie opisane zostaną

tylko główne spostrzeżenia i ciekawsze obserwacje.

Rozkład oceny zadowolenia z poziomu dochodów jest bardzo zbliżony do rozkładu

oceny satysfakcji z życia (wykresy poniżej)

Większość respondentów lokuje swoje poglądy w centrum politycznej sceny, odsetek

osób o upodobaniach lewicowych jest niewiele większy niż tych, które deklarują

prawicowe poglądy

50% respondentów chodzi do kościoła raz na rok lub rzadziej, z drugiej połowy 15%

chodzi do kościoła jedynie w główne święta. 23% osób uczęszcza w nabożeństwie raz

na tydzień lub częściej.

55% ankietowanych często zastanawia się nad sensem życia, jedynie 2% nie robi tego

nigdy

20

Większość respondentów poświęca czas na aktywność fizyczną, jedynie 10% nie robi

tego w ogóle, 22% ćwiczy 5 lub więcej godzin w tygodniu

42% ankietowanych to single (osoby nie znajdujące się w stałym związku), 39% żyje

w stałym związku bez ślubu, po ślubie jest 15% ankietowanych. Rozwiedzeni i będący

w separacji stanowią około 4% próby

3% respondentów ma wykształcenie średnie, 15% licencjackie, prawie 60%

magisterskie. Blisko 25% ankietowanych ukończyło bądź planuje studia doktoranckie

lub podyplomowe.

Wykres 2. Rozkład i dystrybuanta oceny zadowolenia z dochodów

1 2 3 4 5 6 7 8 9 100.00%

5.00%

10.00%

15.00%

20.00%

0.00%20.00%40.00%60.00%80.00%100.00%


Wykres 3. Rozkład i dystrybuanta oceny satysfakcji z życia

1 2 3 4 5 6 7 8 90.00%

5.00%

10.00%

15.00%

20.00%

0.00%

20.00%

40.00%

60.00%

80.00%

100.00%


II.3.3 Statystyki sieci

Każdy respondent był proszony o udostępnienie pliku z opisem sieci połączeń

między swoimi znajomymi na portalu facebook. Sieć każdego użytkownika traktowana była

jako oddzielna, analiza nie uwzględnia ewentualnych połączeń między uczestnikami badania.

Statystyki opisowe wybranych miar sieci, analizowanych w badaniu streszcza poniższa

tabela. Jedyne dostępne dane do których można je przyrównać pochodzą z analiz Larsa

21

Backstroma i innych pracowników firmy facebook (Backstrom i inni, 2012; Ugander, Karrer,

Backstrom, Marlow, 2011). Dotyczą one jednak nie analizy sieci poszczególnych

użytkowników, a globalnej sieci połączeń wszystkich użytkowników portalu, których liczba

w marcu 2013 przekroczyła 1 110 000 000. To ponad 15% ludzkości.

Tabela 1. Statystyki opisowe miar sieci

degree diameter density components avg_clust clust avg_path avg_degree

Średnia 382,87 7,52 0,07 11,25 0,59 0,56 2,91 24,25

Mediana 344,00 7,00 0,07 9,00 0,59 0,56 2,84 22,54

Odch. Std. 189,03 2,00 0,03 9,94 0,07 0,07 0,54 10,89

Kurtoza 3,19 11,59 2,60 7,67 0,05 0,46 11,08 0,86

Skośność 1,33 2,41 1,19 2,44 - 0,13 - 0,43 2,23 0,81

Zakres 1 124,00 16,00 0,18 59,00 0,40 0,39 4,74 57,07

Minimum 104,00 4,00 0,01 1,00 0,39 0,34 1,57 3,42

Maksimum 1 228,00 20,00 0,20 60,00 0,79 0,73 6,31 60,49


Średnia liczba znajomych w analizowanym zbiorze to 382 osoby. To liczba o wiele

wyższa niż średnia dla wszystkich użytkowników portalu, która wg danych z 2012 roku

wynosiła 190. To sukcesywnie rosnąca liczba od 2007 roku wzrosła prawie dwukrotnie. Fakt

iż średnia tej zmiennej w analizowanym zbiorze jest dużo wyższa niż dla całej sieci może

wynikać z istnienia wielu mało aktywnych użytkowników portalu w skali globalnej. Osoby

biorące udział w ankiecie są raczej aktywnymi użytkownikami. Ponadto odfiltrowana została

grupa osób o najniższej liczbie znajomych, o czym wspomniano w podrozdziale II.2.

Wykres 4. Histogram liczby znajomych (degree)

Wykres 9 prezentuje histogram i dystrybuantę empiryczną liczby znajomych

ankietowanych. Łatwo można zaobserwować, że prawie 50% respondentów ma od 200 do

399 znajomych, ponad 60% ankietowanych ma poniżej 400 znajomych. Dwójka

respondentów (1,3%) może szczycić się internetowym kontaktem z grupa ponad 1000 osób.

W szczególności ta liczba, jak i pozostałe statystyki sieci mogą zawierać mały błąd

22


wynikający z faktu, iż niektóre profile na

facebooku nie należą do ludzi, lecz zespołów

muzycznych czy firm (mimo istnienia innej

funkcji dla tego typu użytkowników).

W dalszej części rozdziału zaprezentowane zostaną histogramy wraz z dystrybuantami

pozostałych analizowanych zmiennych, oraz

wykresy punktowe, które zestawiają opisywaną

zmienną (oś y) z liczbą znajomych respondenta

(oś x).


Wykres 6. Zestawienie gęstości sieci z liczbą znajomych respondentów

0 200 400 600 800 1000 1200 14000

0.05

0.1

0.15

0.2

0.25density

Liczba znajomych


23

0,01

-0,0

2

0,02

-0,0

3

0,03

-0,0

4

0,04

-0,0

5

0,05

-0,0

6

0,06

-0,0

7

0,07

-0,0

8

0,08

-0,0

9

0,09

-0,1

0,1-

0,11

0,11

-0,1

2

0,12

-0,1

3

0,13

-0,1

4

0,15

-0,1

6

0,18

-0,1

9

0,19

-0,2

05

1015202530

0.0

0.2

0.4

0.6

0.8

1.0

100-199

200-299

300-399

400-499

500-599

600-699

700-799

800-899

1100-1199

1200-129905

10152025303540

0

0.2

0.4

0.6

0.8

1

Wykres 5. Histogram i dystrybuanta gęstości sieci

Gęstość sieci, tj. stosunek potencjalnej liczby połączeń miedzy znajomymi do

ogólnej ich liczby waha się od 0,01 do 0,20. Dla ponad 2/3 ankietowanych odsetek ten nie

przekracza 8%. Gęstość sieci maleje wraz ze wzrostem liczby znajomych. Wartości dla

grafów poszczególnych użytkowników są oczywiście kilka rzędów wielkości wyższe niż dla

całego portalu, gdzie liczba potencjalnych połączeń jest nieporównanie większa.


Wykres 8. Zestawienie liczby niezależnych podgrup w sieci z liczbą znajomych respondentów

0 200 400 600 800 1000 1200 14000

10203040506070

components

Liczba znajomych


Liczba niezależnych podgrup w sieciach większości ankietowanych nie przekracza

10 (60% przypadków). Maksimum tej zmiennej to 60, co oznacza, że ankietowana osoba

miała 60 podgrup wśród swoich znajomych kompletnie niezależnych od siebie. 60 to dosyć

duża liczba w tym przypadku – można w dużym uproszczeniu interpretować to jako obracanie

się w 60 różnych środowiskach. W dużym uproszczeniu, ponieważ dwójka znajomych

24

1-10 11-20 21-30 31-40 41-50 51-600

102030405060708090

100

0.00.10.20.30.40.50.60.70.80.91.0

Wykres 7. Histogram i dystrybuanta liczby niezależnych podgrup sieci

respondenta może się znać w rzeczywistości, a nie być „zaprzyjaźnionym” na facebooku,

jednocześnie będąc w sieci ankietowanego.


Wykres 10. Zestawienie wskaźnika grupowania z liczbą znajomych respondentów

0 200 400 600 800 1000 1200 14000

0.10.20.30.40.50.60.70.8

clustering coefficient

Liczba znajomych


Wskaźnik grupowania możemy rozumieć jako odpowiedź na pytanie: jaki odsetek

moich znajomych zna się ze sobą? Interpretację ułatwi przyrównanie go do skrajnych

przypadków. W grafie w formie gwiazdy, z jednym centralnym węzłem i pozostałymi

25

0,3-0,35 0,35-0,4 0,4-0,45 0,45-0,5 0,5-0,55 0,55-0,6 0,6-0,65 0,65-0,7 0,7-0,7505

101520253035404550

0.0

0.2

0.4

0.6

0.8

1.0

Wykres 9.Wskaźnik grupowania - histogram i dystrybuanta

połączonymi jedynie z nim wskaźnik ten przyjmuje wartość 0, natomiast w przypadku grafu,

gdzie wszystkie węzły są ze sobą połączone jest równy 1.

W analizowanym przypadku średnia i mediana wskaźnika wynoszą 0,56, a wartości

wskaźnika mieszczą się w przedziale <0,39;0,79>. Oznacza to, że dla znacznej części

przypadków w próbie, większość znajomych respondenta się zna.

Wykres 11. Średnia odległość między parą znajomych w sieci



Średnia długość ścieżki między dwoma losowymi znajomymi respondenta to 2,91.

To znacznie mniejsza liczba niż hipotetyczna długość ścieżki między dwoma losowymi

26

1,5-2 2-2,5 2,5-3 3-3,5 3,5-4 4-4,5 4,5-5 6-6,50

10

20

30

40

50

60

70

80

0.0

0.2

0.4

0.6

0.8

1.0

0 200 400 600 800 1000 1200 140001234567

avg_path

Liczba znajomych

Wykres 12. Zestawienie przeciętnej długości ścieżki z liczbą znajomych respondentów

osobami na świecie, spopularyzowana przez Stanleya Milgrama. Przeprowadzony przez niego

eksperyment (Travers, Milgram, 1969) polegał na wręczeniu przypadkowym osobom

zaadresowanych listów i zleceniu przekazania ich osobom, które w ich mniemaniu, byłyby w

stanie przekazać je adresatom, bądź osobom które ich znają. Na podstawie badania Milgram

stwierdził, że między dwoma dowolnymi osobami istnieje ścieżka złożona z przeciętnie

sześciu osób, prowadząca od osoby A do osoby B. Uzyskana liczba jest również znacznie

mniejsza niż średnia ścieżka między dowolnymi użytkownikami facebooka, szacowana na

4,74 (Backstrom i inni, 2012). Różnica między średnią długością ścieżki w sieci wokół jednej

osoby, a wartością tej statystyki dla całego facebooka nie powinna dziwić – wynika ona z

diametralnej różnicy rozmiarów obu sieci. Fakt, że różnica między tymi wartościami jest

niewielka również nie jest czymś zaskakującym – to właśnie jest efekt małego świata, opisany

przez Milgrama. Wykres 12 pokazuje, że przeciętna długość ścieżki wcale nie wzrasta wraz

ze wzrostem liczby znajomych. To podstawowa cecha sieci nazywanych w małymi światami,

odróżniająca je od sieci losowych (Watts, Strogatz, 1998).


27

4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 2005

10152025303540

0.0

0.2

0.4

0.6

0.8

1.0

Wykres 13. Rozpiętość sieci - histogram i dystrybuanta

Wykres 14. Zestawienie rozpiętości sieci z liczbą znajomych respondentów


Rozpiętość sieci w 80% przypadków nie przekracza 8 - oznacza to że w obrębie sieci

najdłuższa, spośród najkrótszych ścieżek między dwoma znajomymi liczy 8 krawędzi. Liczba

ta nie wskazuje większej zależności z rozmiarem sieci (współczynnik korelacji 0,18).


28

0 200 400 600 800 1000 1200 14000

5

10

15

20

25diameter

1-6

6-11

11-1

6

16-2

1

21-2

6

26-3

1

31-3

6

36-4

1

41-4

6

46-5

1

51-5

6

56-6

1

05

101520253035

00.10.20.30.40.50.60.70.80.91

Wykres 15. Przeciętna liczba wspólnych znajomych - rozkład gęstości i dystrybuanta

Wykres 16. Zestawienie przeciętnej liczby wspólnych znajomych z liczbą znajomych respondentów

0 200 400 600 800 1000 1200 14000

10203040506070

avg_degree


Średnia liczba wspólnych znajomych respondenta i jego znajomych to 24 osoby.

Liczba ta rośnie wraz ze zwiększaniem się liczby węzłów w sieci (współczynnik korelacji

0,56). Zależność ta może wynikać z faktu, iż osoby które mają dużą liczbę znajomych, należą

do (licznych) grup społecznych, wewnątrz których wiele osób zna się wzajemnie.

II.4 Zmienna objaśniana – poczucie szczęścia

Zmienną objaśnianą w modelu jest deklarowane szczęście respondenta. Pierwsze

pytanie w ankiecie brzmiało:

Czy ogólnie rzecz biorąc, uważa Pan(i), że jest:

Bardzo szczęśliwy(a) Raczej szczęśliwy(a) Raczej nieszczęśliwy(a) Bardzo nieszczęśliwy(a)

Na samym końcu ankiety respondenci byli natomiast proszeni o odpowiedź na pytanie:

Ogólnie rzecz biorąc, w jakim stopniu, jest Pan(i) ostatnio zadowolony(a) ze swojego życia? Proszę ocenić na skali od 1 do 10, gdzie 1 oznacza, że jest Pan(i) całkowicie niezadowolony(a), 10 – całkowicie zadowolony(a) *

Taka forma pytań o poczucie szczęścia i zadowolenie z życia wykorzystywana jest w World

Values Survey od kilkudziesięciu lat. Odpowiedzi na oba pytania są silnie skorelowane, ale

nie zawsze są zbliżone – zdarzają się przypadki osób nieszczęśliwych ale zadowolonych z

życia, zdarzają się również przypadki odwrotne. Nie potraktowano takich odpowiedzi jak

29

błędów (którymi mogą być), ponieważ taka sytuacja jest możliwa w rzeczywistości. Pytanie o

poczucie szczęścia ludzie interpretują raczej jako pytanie o ich samopoczucie w danym

momencie, lub ostatnich kilku dniach, podczas gdy pytanie o zadowolenie z życia rozumiane

jest raczej jako refleksja nad ogółem wszystkich doświadczeń i przeżyć respondenta (Gamble,

Gärling, 2012). Osoba nieszczęśliwa (na przykład ze względu na zawód miłosny bądź śmierć

kogoś bliskiego) może być mimo zadowolona z życia ze względu na wspaniałe przeżycia w

przeszłości. Tak samo osoba bardzo szczęśliwa, może z życia być niezadowolona, choćby

przez błędy młodości. Tabela 1 zestawia odpowiedzi na oba pytania.

Tabela 2. Zależności między odpowiedziami na pytania o poczucie szczęście i satysfakcję z życia, liczebności podgrup

Ocena zadowolenia z życia

1 2 3 4 5 6 7 8 9 10 Suma

Ocena poziomu szczęścia

Bardzo nieszczęśliwy(a) 1 1 1 3

Raczej nieszczęśliwy(a)

1 1 5 3 2 1 13

Raczej Szczęśliwy(a)

1 2 6 20 24 17 10 3 83

Bardzo Szczęśliwy(a) 1 1 12 15 16 45

Suma 2 0 2 8 9 22 26 30 26 19 144


30

Rozkład odpowiedzi na pytanie o zadowolenie z życia jest bardzo zbliżony do

rozkładu tej zmiennej prezentowanego w wynikach European Social Survey i Gallup World

Poll, przytaczanych w World Happiness Report. Poniższe wykresy przedstawiają rozkład tej

zmiennej w niniejszym badaniu i analizie ESS i GWP. Należy zwrócić uwagę na fakt iż

badania te opierają się na 11 stopniowej skali, a nie 10 stopniowej. Nie powoduje to jedna

różnic w ocenie zależności i graficznej interpretacji. Warto podkreślić, że analiza GWP opiera

się na tzw. drabinie Cantrila – skali, w której kolejne szczeble drabiny określają wyższy

poziom zadowolenia z życia a respondenci mają wybrać szczebel na którym siebie widzą.

ESS stawia pytanie nieomalże identyczne z WVS.

Wykres 17 Rozkład zmiennej Zadowolenie z życia w Europie, wg danych Instytutu Gallupa

Źródło: World Happiness Report

31

Wykres 18 Rozkład zmiennej Zadowolenie z życia w Europie wg danych European Social Survey

Źródło: World Happiness Report

Wykres 19 Rozkład zmiennej Ocena poziomu zadowolenia z życia wśród 144 ankietowanych

1 2 3 4 5 6 7 8 9 100.00%

5.00%

10.00%

15.00%

20.00%

25.00%


Rozkład zmiennej wśród ankietowanych osób jest zbliżony do rozkładów w wyżej

wymienionych badaniach. Jest nieco bardziej spłaszczony, co wynika ze względnie małej

liczby respondentów. Tak jak w przytoczonych badaniach daje się zauważyć gruby ogon z

lewej strony – więcej osób wybiera odpowiedź najniższą niż przedostatnią w danej skali.

Podobieństwo rozkładu odpowiedzi wśród ankietowanych z wynikami analiz

międzynarodowych instytucji potwierdza heterogeniczność próby, która mimo małego

zróżnicowania demograficznego prezentuje całe spektrum zadowolenia z życia i oceny

poczucia szczęścia.

W dalszej części badania skupiono się na modelowaniu poczucia szczęścia wśród

badanych. Ze względu na bardzo niską liczebność grupy osób, które określiły się jako bardzo

32

nieszczęśliwe, w procesie modelowania połączono tę grupę z grupą wyższą, w które

udzielano odpowiedzi raczej nieszczęśliwy(a). Rozkład zmodyfikowanej zmiennej, na której

opiera się badanie prezentuje poniższy wykres. Warto dodać w tym miejscu, że skale badania

poczucia szczęścia są różne w zależności od badania. W Word Values Survey, na której

wzorowane jest niniejsze badanie są to cztery poziomy, w European Social Survey

wykorzystywana jest skala 11-stopniowa (tak jak w pytaniach o zadowolenie z życia), ale np.

badania Uniwersytetu w Chicago, General Social Survey, przeprowadzane w latach 1972-

1994 opierały się na 3 odpowiedziach na pytanie: Ogólnie rzecz biorąc, ostatnimi czasy jesteś

bardzo szczęśliwy, całkiem szczęśliwy, czy niezbyt szczęśliwy?“. Dlatego też uznano że taka

modyfikacja nie wpłynie negatywnie na wyniki badania.

Wykres 20 Rozkład zmiennej objaśnianej - poczucia szczęścia - w wersji oryginalnej i zmodyfikowanej

Bardzo nieszczęśliwy(a)

Raczej nieszczęśliwy(a)

Raczej szczęśliwy(a)

Bardzo szczęśliwy(a)

0

10

20

30

40

50

60

70

80

SzczęścieSzczęście - modyfikacja


33

Rozdział IV.Wyniki badania empirycznego

Rozdział ten poświęcony jest opisowi metody modelowania wykorzystanej w badaniu oraz

prezentacji i interpretacji wyników opracowanego modelu. W części pierwszej rozdziału

zaprezentowano specyfikację modelu logitowego i uporządkowanego modelu logitowego.

Dalej przytoczono opis metody estymacji parametrów w analizie – metody największej

wiarygodności. Druga część rozdziału zajmuje się prezentacją uzyskanych wyników, oceną

jakości modelu i interpretacją uzyskanych parametrów. W ostatnim podrozdziale

zaprezentowany model porównany został z alternatywnymi wersjami, w tym, modelami

uwzględniającymi jedynie zmienne opisujące sieci znajomych badanych.

IV.1.1 Specyfikacja modelu logitowego i uporządkowanego modelu

logitowego

Ustalenie, które cechy, spośród opisanych w ankiecie, wpływają na poczucie

szczęścia respondenta, oparto na interpretacji wyników estymacji uporządkowanych modeli

logitowych. Modele takie stanowią z kolei naturalne rozszerzenie modeli logitowych, które

wykorzystuje się przede wszystkim w analizie zmiennych binarnych, gdzie objaśniana

zmienna często oznacza fakt posiadania jakiejś cechy bądź nie, zakup produktu, czy

rezygnację z dalszego wykonywania usługi. Modelowana zmienna jest natomiast ciągła, w

związku z czym interpretuje się ją jako skłonność do posiadania cechy, zakupu, czy

rezygnacji. Zmienną taką nazywa się zmienną ukrytą ponieważ w rzeczywistości nie możemy

jej zaobserwować ani zmierzyć – odnotować możemy za to np. fakt zakupu. Obserwowana

zmienna (y) przyjmuje więc wartości 0 lub 1.

34

Model logitowy uporządkowany (opis za Maddala, 2006, Gruszczyński 2012) opiera

się na założeniu, że analizowany model regresji zmiennej ukrytej jest postaci

(3) y i¿=x ' i β+ui,

gdzie:

y i¿ to nieobserwowana zmienna ukryta,

xi to wektor obserwacji wartości zmiennych dla i-tej obserwacji,

β❑ to wektor parametrów strukturalnych modelu,

ui to błąd szacunku dla i-tej obserwacji.

W przypadku modelu logitowego, obserwowalna zmienna objaśniana y może przyjmować

dwie wartości – y = 0, gdy cecha nie występuje, lub y = 1 jeżeli występuje. Zakładając, ze

prawdopodobieństwo P(y i=1)=pi❑ , a

P ( y i=0)=1−pi❑a rozk ł ad zmiennej marozkład Bernoulliego, to funkcja

prawdopodobieństwa ma rozkład:

(4) f ( y i)= piy i(1− pi) p1− y i

W modelu logitowym pi traktujemy jako funkcję zmiennych objaśniających X, tworzących

wektor xi, zatem

(5) pi❑=F ( x i

' β ),

gdzie β to wektor parametrów funkcji. W modelu logitowym funkcja powyższa jest

dystrybuantą rozkładu logistycznego:

(6) pi❑=F ( x i

' β )=Λ (x i' β )=

exp ( x i' β )

1+exp( x i' β )

= 11+exp (−x i

' β)

Przyjmując Zi❑=xi

' β oraz pi❑=F (Z i

❑) ,funkcję odwrotną do F możemy przekształcić do

uproszczonej postaci

(7) x i' β=F❑

−1 ( pi )=lnp i

1−pi

35

Dzięki czemu możemy modelować pi jako liniową funkcję zmiennych X.

W uporządkowanym modelu logitowym modelowana ukryta zmienna może

przyjmować więcej niż dwie wartości (w przypadku bieżącego badania będą to 3 wartości w

przypadku zmiennej objaśnianej poczucie szczęścia lub 10 poziomów w przypadku zmiennej

zadowolenie z życia), które możemy uporządkować od najniższego do najwyższego.

Modelowaną zmienną nieobserwowalną y* przekształca się do postaci pierwotnej zmiennej,

dzieląc zakres wartości y* na J przedziałów. Do wyznaczenia granic między tymi

przedziałami potrzeba J+1 wartości. Wektor tych wartości, zwanych punktami odcięcia

(ponieważ tną zakres wartości zmiennej na mniejsze przedziały) oznaczamy jako k . Kiedy

zmienna nieobserwowana przyjmuje wartość z j-tego przedziału, czyli między kj-1 a kj, to

zmienna objaśniana y przyjmuje wartość j. Zapisujemy to jako

(8) y i¿= j ↔ k j−1< y i

¿≤ k j

Wartości wektora k to kolejne parametry które muszą być oszacowane – nie są znane,

ponieważ nie obserwujemy zmiennej y❑¿ . Zmienna ta, jako może przyjmować dowolne

rzeczywiste wartości, zatem możemy założyć, że:

(9) k 0=−∞ oraz k j=+∞

co zmniejsza liczbę parametrów koniecznych do oszacowania o 2. Wstępną specyfikację

modelu uzyskujemy zapisując:

y i=1 ↔−∞< y i¿≤ k1

(10) y i=2 ↔ k1< y i¿≤ k2

…

y i=J ↔kJ −1< y i¿≤+∞

W takiej postaci specyfikacja zawiera wciąż zmienną ukrytą y*, którą wyeliminować możemy

następującymi przekształceniami, zgodnie z wyżej wymienionymi wzorami:

k j−1< y i¿≤ k j

(11) k j−1< x 'i β+ui≤ k j

k j−1−x ' i β<ui ≤ k j−x ' i β

36

Otrzymujemy dzięki temu postać modelu bez ukrytej zmiennej y*, tylko wartości zmiennych

objaśnianych, które obserwujemy oraz oszacowane parametry:

y i=1↔−∞<u i≤ k1−x 'i β

(12) y i=2 ↔ k1−x ' i β<ui ≤ k2−x 'i β

…

y i=J ↔kJ −1−x 'i β<ui≤+∞

Warto zauważyć, że opisany wyżej model nie uwzględnia stałej w wektorze zmiennych

objaśniających, ponieważ wiązałoby się to z nieidentyfikowalnością modelu. Wynika to z

faktu iż w powyższe równania można byłoby wtedy zapisać w postaci:

(13) k j−1−x ' i β−β0<u i≤ k j−x ' i β−β0

w której nie byłoby możliwe oszacowanie odrębnie parametrów k j oraz β0.

W tym miejscu należy wspomnieć również o ograniczeniach związanych z

wnioskowaniem w takiej analizie. Przede wszystkim istnieje problem identyfikacji i kierunku

wnioskowania. Wartości zmiennych objaśniających w badanym modelu mogą być w istocie

wynikać z poziomu poczucia szczęścia, a nie je tłumaczyć. Przykładowo - to nie większe

dochody sprzyjają większemu poczuciu szczęścia, ale szczęśliwe osoby generują większe

dochody. Ponadto badanie opiera się na internetowej ankiecie, w której odpowiedź na wiele

pytań zależy od indywidualnych miar i wartości. Tych indywidualnych cech nie sposób

uwzględnić w modelu, co powinna uwzględniać interpretacja wyników estymacji.

IV.1.2 Estymacja metodą największej wiarygodności

Wyprowadzenie estymatorów opiera się na metodzie największej wiarygodności

(przytoczony niżej opis metody pochodzi z podręcznika Gruszczyńskiego, 2012). W tym celu

ustalamy najpierw wartość funkcji wiarygodności dla poszczególnych obserwacji, która jest

funkcją nieznanych parametrów i zmiennych objaśniających. Oznaczmy

prawdopodobieństwo przyjęcia wartości j przez zmienną y (spośród J poziomów) jako pij,

oraz wskaźnik d ij określający, czy zmienna w próbie rzeczywiście przyjęła wartość j.

37

(14) pij = P(yi=j)

(15) d ij={ 1, gdy y i= j0 ,w pozosta ł ych przypadkach

Prawdopodobieństwo, że zmienna objaśniana przyjmie tę wartość co w próbie to

wiarygodność pojedynczej obserwacji, którą zapiszemy jako Li(yi|xi) = pij, gdy yi=j.

Wykorzystując wskaźnik d ij możemy uniknąć wykorzystania sformułować warunkowych we

wzorze na wiarygodność obserwacji:

(16) Li(yi|xi) = pi 1di 1 pi 2

d i2 … p ijdij=∏

j=1

J

pijdij

Gdy yi = k, dla j≠kd ijjest równe zeru, a wyrażenie pijdij równa się 1. Natomiast d ij=1, zatem

pijdij=pij

❑. Tym samym dochodzimy do faktu, iż Li(yi|xi) = pik, gdy yi=k.

O ile wskaźniki d ij wyznaczamy w oparciu o próbę, to nie obserwujemy prawdopodobieństw

pij❑. Konieczne tym samym jest ustalenie formuły na te wartości, zależną od wartości

zmiennych objaśniających X i parametrów im przypisanych. Wykorzystując definicję pij❑ i

specyfikację modelu logitowego możemy zapisać:

pij = P(yi=j) = P(k j−1< x 'i β+ui≤ k j)=

(17) P(k j−1−x ' i β<ui ≤ k j−x ' i β) =

P(ui ≤ k j−x'i β¿−P ¿)=

F(k j−x 'i β)-F(k j−1−x '

i β),

gdzie F to dystrybuanta składnika losowego u, która odpowiada funkcji gęstości f. Model

logitowy zakłada, że rozkład ten jest logistyczny. Kierując się tym założeniem i

wykorzystując powyższe wzory, możemy przedstawić wiarygodność każdej obserwacji w

postaci funkcji zmiennych objaśniających i nieznanych parametrów im przypisanych:

(18) Li( yi|xi;β,k1, …, kj-1) ¿∏j=1

J

p ijdij=∏

j=1

J

[ F(k j−x 'i β)−F (k j−1−x '

i β )]❑dij

Wychodzimy z założenia, że obserwacje są niezależne, tym samym mogąc zapisać funkcję

wiarygodności dla próby jako iloczyn wiarygodności kolejnych obserwacji:

38

(19) L(y | x; β, k1 ,…,k j−1) ¿∏i=1

n

Li( y i∨x i; β , k1, …, k j−1)=

∏i=1

n

∏j=1

J

[F (k j−x 'i β )−F (k j−1−x '

i β)]❑d ij

Oraz logarytm tej funkcji:

(20) lnL(y | x; β, k1 ,…,k j−1) = ∑i=1

n

∑j=1

J

d ij ln [F (k j−x 'i β)−F(k j−1−x '

i β )]❑❑

Na tej podstawie możemy oszacować nieznane parametry metody największej wiarygodności.

Przyjęliśmy, że rozkład składnika losowego u ma rozkład logistyczny, tj. wyraża się wzorem:

(21) F(u )=exp (u)

1+exp (u) ,

zatem wzór na prawdopodobieństwo przyjęcia wartości j przez zmienną y przyjmie postać:

(22) pij= exp (k j−x '

i β)1+exp (k j−x'

i β)−

exp (k j−1−x'i β)

1+exp (k j−1−x 'i β )

IV.2 Wyniki estymacji modelu

W rozdziale tym zaprezentowany jest model opisujący poczucie szczęścia

respondentów sformułowany i wyestymowany zgodnie z wyżej opisanymi metodami. Kolejne

podrozdziały posłużą ocenie jakości modelu, jego interpretacji oraz porównaniu do

alternatywnych modeli opracowanych na podstawie ankietowych danych.

Głównym celem analizy była weryfikacja czy struktura sieci respondenta ma

związek z jego subiektywna oceną poczucia szczęścia. Tym samym skupiono się przede

wszystkim na weryfikacji, czy statystyki sieci, przeanalizowane w podrozdziale II.3.3 są

istotnymi zmiennymi objaśniającymi w modelach oraz jaki jest ich wpływ na objaśnianą

zmienną.

39

W przypadku większości analizowanych statystyk, nie dostrzeżono statystycznie

istotnej zależności między nimi a oceną poczucia szczęścia. Jedną z ciekawszych

analizowanych zależności, a zarazem najłatwiejszych do interpretacji jest wpływ liczby

znajomych na portalu na poczucie szczęścia. Zgromadzone dane zdecydowanie nie

potwierdzają, by większa liczba znajomych mogła być kojarzona z lepszą oceną poczucia

szczęścia niż gdy liczba znajomych jest mała. Wyniki dotyczące pozostałych zmiennych

opisane są w podrozdziale III.2.4.

Jedyna statystyka opisująca sieć, która wykazuje istotność statystyczną w szeregu

modeli to gęstość sieci. Przypomnijmy, że jest to stosunek obserwowanej liczby krawędzi

(połączeń) między znajomymi respondenta w stosunku do potencjalnej ich liczby w pełnym

grafie. Interpretacją tej zależności zajmiemy się w rozdziale III.2.3.

IV.2.1 Wyniki estymacji modelu

Wybrany model opiera się na następujących zmiennych objaśniających:

ln_density – logarytm naturalny gęstości sieci

doch_zad – ocena zadowolenia z poziomu zarobków w gospodarstwie domowym na

mieszkańca w skali od 1 do 10

zdrowie_bdobry – zmienna binarna przyjmująca wartość równą 1 gdy respondent

ocenił swój stan zdrowia na bardzo dobry ( najwyższa ocena w 4-stopniowej skali)

miejsc0 – zmienna binarna, równa 1 gdy respondent mieszka na wsi

ue_BIN – zmienna binarna przyjmująca wartość 1 gdy ankietowany zgadzał się ze

stwierdzeniem „czuję się członkiem Unii Europejskiej”

kosciol_czesciej_MOD – zmienna binarna równa 1, jeżeli respondent stwierdził, że

chodzi do kościoła raz w tygodniu lub częściej

Zmienna objaśniana modelu, poczucie szczęścia, w ankiecie miała cztery poziomy.

Bardzo niska liczebność grupy, która zaznaczyła odpowiedź Bardzo nieszczęśliwy (3 osoby)

wiązała się z koniecznością połączenia jej z grupą wyższą o jeden poziom, w której

respondenci odpowiadali Raczej nieszczęśliwy.

Oryginalny zbiór zmiennych objaśniających posiadał 38 zmiennych opisujących

różne cechy i aspekty życia respondentów – (odpowiedzi na pytania ankiety przytoczonej w

załączniku 1). Zbiór ten poszerzono o 6 zmiennych opisujących charakterystyki sieci.

Zaprezentowany model uzyskano metodą general to specific, eliminując kolejne nieistotne

40

zmienne ze zbioru zmiennych objaśniających. Alternatywne wersje modelu, stanowiące

sprawdzian odporności wyprowadzonych wyników na zmiany specyfikacji, zaprezentowano

w osobnym podrozdziale III.2.4.

Uzyskany model, wraz z miarami dopasowania prezentuje tabela 3:

Tabela 3. Uporządkowany model logitowy opisujący poczucie szczęścia

Ordered logistic regression 0 0 Number of obs = 144

LR chi2(6) = 57,51 0 0 0

Prob > chi2 = 0 0 0 0 0Log likelihood=-104,47325 0,00 R2 = 0,22szczescie_MOD Coef. Std. Err z P>|z|ln_density -0,87 0,45 -1,92 0,05doch_zad 0,40 0,10 4,07 0,00zdrowie_bdobry 1,33 0,40 3,36 0,00miejsc0 -1,68 0,62 -2,72 0,01ue_BIN -1,29 0,48 -2,72 0,01kosciol_czesciej_MOD 1,44 0,45 3,16 0,00

0,00Measures of Fit for ologit of szczescie_MOD:

0

Log-Lik Intercept Only: -133,23 Log-Lik Full Model: -104,47

D(136): 208,95 LR(6): 57,51

Prob > LR: 0,00 0,00 0,00

McFadden's R2: 0,22 McFadden's Adj R2: 0,16

ML (Cox-Snell) R2: 0,33 Cragg-Uhler(Nagelkerke) R2: 0,39

McKelvey & Zavoina's R2: 0,41 0,00 0,00

Variance of y*: 5,60 Variance of error: 3,29

Count R2: 0,62 Adj Count R2: 0,10

AIC: 1,56 AIC*n: 224,95

BIC: -466,95 BIC': -27,69


41

IV.2.2 Ocena jakości modelu

Wyżej zaprezentowany model okazał się być najlepszym spośród badanych, jeżeli

chodzi o szereg miar dopasowania czy kryteria informacyjne. Dokładny opis różnych

wariantów modeli znajduje się w tabeli na końcu rozdziału. Wybrany model cechuje się

najlepszymi wartościami kryteriów informacyjnych Akaike i bayesowskiego (Schwarza),

najwyższym wskaźnikiem dopasowane R2 McFaddena i jednym z najlepszych wyników jeżeli

chodzi o test ilorazu wiarygodności.

Test ilorazu wiarygodności stwierdza łączną istotność wszystkich zmiennych –

wartość testu wynosi 57,51 przy p-value 0,00. Test ten bazuje na różnicy logarytmów

wartości funkcji wiarygodności analizowanego modelu oraz modelu zerowego. Przyjmuje on

postać:

(23) LR = 2(lnLfit – lnL0)

Test ma rozkład chi-kwadrat, gdzie liczba stopni swobody jest równa liczbie szacowanych

parametrów, nie licząc progów oddzielających kolejne poziomy zmiennych.

Dla modelu nie możemy wyliczyć wartości testu Branta, weryfikującego założenie

proporcjonalnych szans (Gruszczyński, 2012). Wynika to z faktu, iż wśród osób

Nieszczęśliwych i Raczej nieszczęśliwych nie było osób chodzących często do kościoła.

Zależność tę oczywiście należy uznać za zupełnie przypadkową, ze względu na niską

liczebność populacji. Po usunięciu tej zmiennej model przechodzi test, przyjmujemy

założenie proporcjonalnych szans.

Współczynnik R kwadrat na poziomie 0,22 nie budzi zastrzeżeń w przypadku

danych ankietowych. Przyczyną tej zależności jest między innymi fakt, iż zazwyczaj modele

ekonometryczne oparte na szeregach czasowych dotyczą kategorii zagregowanych, jak ma to

miejsce w modelach makroekonomicznych. Dane zagregowane wyjaśnia się z reguły łatwiej

niż mikrodane, ponieważ nie przekazują informacji na temat każdej jednostki objętej

badaniem, które to wprowadzają do danych więcej szumu, wynikającego z indywidualnych

cech jednostki (Gruszczyński 2012,). Prezentowany model osiąga najwyższą wartość

współczynnika determinacji wśród modeli, w których wszystkie zmienne są istotne

statystycznie na poziomie p=0,05.

Poza najpopularniejszym wskaźnikiem dopasowania R2, do porównania modeli

między sobą i wyboru najlepszej specyfikacji posługujemy się wskaźnikami pseudo-R2,

takimi jak na przykład R2 McKelveya i Zavoiny (1975), który wyraża się wzorem:

42

(24) R2MZ =

Var ( y¿)Var ¿¿

Wskaźnik ten najbliższym koncepcyjnie wskaźnikiem dopasowania do klasycznego R2.

Symbol σ 2oznacza wariancj ę sk ł adnikalosowegou, który w modelu logitowym równy jest

π 2

3, czyli wariancji w rozkładzie logistycznym. Wartość wskaźnika na poziomie 0,41

świadczy o stosunkowo dobrym dopasowaniu modelu do danych w porównaniu do innych

modeli opisanych w tabeli na końcu rozdziału.

Modele między sobą możemy porównać również za pomocą wskaźników R2

opierających się nie na wartościach teoretycznych zmiennej objaśniającej, a na funkcji

wiarygodności. Ich wartości zawierają się również w przedziale [0,1], ale nie mają ustalonej

interpretacji. Nie mogą tym samym służyć ocenie konkretnego modelu, a jedynie porównaniu

zestawu modeli. Możemy je rozumieć jako wskaźniki mówiące o tym, na ile poprawiło się

dopasowanie modelu po dodaniu zmiennych objaśniających do modelu zerowego. Jednym z

takich wskaźników jest skorygowany wskaźnik R2 McFaddena, teoretycznie przyjmujący

wartości z przedziału [0,1]. Korekta wskaźnika polega na nałożeniu kary za liczbę

szacowanych parametrów modelu (z wyłączeniem progów odcięcia), wskaźnik liczy się ze

wzoru:

(25) R2aF = 1 -

ln Lfit−pln L0

,,

gdzie lnLfit to logarytm funkcji wiarygodności badanego modelu, lnL0 to logarytm funkcji

wiarygodności modelu zerowego, a p to liczba parametrów szacowanego modelu. Pod tym

względem wybrany model również jest najlepszy spośród analizowanych modeli, a

wskaźnik przyjmuje wartość równą 0,16. Niektóre z analizowanych modeli cechowały się

wyższymi wartościami współczynnika, ale po korekcie o liczbę szacowanych parametrów

okazał się wybrany model.

Zdolności predykcyjne modelu możemy ocenić na podstawie zliczeniowego

wskaźnika R2. Można go wyliczyć na podstawie tablicy trafności, dzieląc liczbę poprawnie

obserwacji przez liczbę wszystkich obserwacji. Model poprawnie klasyfikuje 62%

klasyfikacji. Niemniej jednak należy mieć na uwadze również wartość skorygowanego

wskaźnika determinacji, uwzględniającego we wzorze najliczniejszą grupę, do której trafienie

43

jest najbardziej prawdopodobne. Korekta wskaźnika, polegająca na odjęciu od licznika i

mianownika 83, czyli liczebności największej grupy, powoduje spadek wartości do jedynie

0,11. Nawet tak niska wartość uznajemy za akceptowalną w przypadku indywidualnych

danych, mając jednak na uwadze słabą zdolność do trafnej prognozy poczucia szczęścia na

podstawie wybranych cech.

IV.2.3 Interpretacja

Podstawa interpretacja modelu, opierająca się jedynie na kierunkach zależności

określonych przez znaki stojące przed parametrami ogólnie jest zgodna z wynikami wielu

dotychczasowych badań:

1. Ocena zdrowia na najwyższym poziomie pozytywnie wpływa na poczucie szczęścia.

Dobre zdrowie jako czynnik przyczyniający się lepszej ocenie poczucia szczęścia nie

dziwi, jest zgodny z intuicją i potwierdzony w licznych badaniach (opisane np. w

Sachs, 2013). Tylko najwyższa ocena zdrowia wykazywała istność statystyczną w

szeregu analizowanych modeli. Nie stwierdzono natomiast by przewlekłe choroby,

bądź niskie oceny zdrowia negatywnie wpływały na poczucie szczęścia. Należy w tym

miejscu wspomnieć oczywiście o zagrożeniu odwrotnej zależności przyczynowo-

skutkowej, co tyczyć się będzie również innych zmiennych. Rzeczywista sytuacja

może być taka, że osoby szczęśliwe, lepiej oceniają niektóre aspekty swojego życia

niż inni. Kolejnym utrudnieniem interpretacji jest brak określonej skali w wielu

pytaniach gdzie respondenci odpowiadają zgodnie z własną oceną. Jednakowy stan

zdrowia dwoje respondentów może oceniać zupełnie odmiennie – wszystko zależy od

subiektywnych kryteriów jakie przyjmują. Zakłada się jednak, że grupa jest względnie

homogeniczna pod względem kryteriów, a model ma wskazać przede wszystkim

kierunki zależności.

2. Wyższa ocena zadowolenia z poziomu dochodów w gospodarstwie domowym ma

dodatni wpływ na poczucie szczęścia. Zależność ta jest dosyć intuicyjna i dogłębnie

przeanalizowana w literaturze, (por. Easterlin, 1974, DiTella i inni, 1998). Absolutne

poziomy dochodów nie są istotnymi zmiennymi objaśniającymi w modelu, a jedynie

zadowolenie z poziomu dochodów.

3. Osoby chodzące do kościoła nie rzadziej niż raz w tygodniu lepiej oceniają swoje

poczucie szczęścia niż inni. Co ciekawe nie stwierdzono żadnej zależności między

44

odpowiedziami na pytanie „Jak ważna jest religia w Twoim życiu?” a poczuciem

szczęścia. Może wynikać to z faktu, iż deklaracja, że religia jest ważna nie koniecznie

jest jednoznaczna z utożsamianiem się ze wspólnotą religijną i członkostwem w

nabożeństwach, które bardziej przyczyniają się poczuciu szczęścia. Osoby, które

deklarują że religia jest ważna w ich życiu, niekoniecznie muszą rzeczywiście religię

poważnie traktować, a jedynie chcieć żeby tak było. Osoby chodzące do kościoła

należałoby uznać raczej za takie, które dają wyraz temu jak ważna religia jest w ich

życiu. Żadna z osób uczestniczących w badaniu, która chodzi do kościoła

przynajmniej raz w tygodniu nie była nieszczęśliwa.

4. Osoby mieszkające na wsi oceniają swoje poczucie szczęścia gorzej niż mieszkający

w miastach. Warto zwrócić uwagę na fakt, iż zależność ta wyraża się nie tylko w

ujemnym znaku przed zmienną miejsc0 w tym modelu, ale również dodatnimi

znakami przed zmiennymi określającymi zamieszkanie w dużych miastach w

alternatywnych modelach. Możemy interpretować to jako przejaw większych

możliwości jakie stoją często przed mieszkańcami miast, nieporównywalnej ofercie

kulturalnej, lepszym dostępie do wielu zasobów, możliwości kontaktów z szerszym

gronem osób, braku zamknięcia w małej grupie społecznej.

Interpretacja wyżej opisanych zmiennych godzi się z intuicją i nie powinna budzić

większych wątpliwości. Zdumiewać może natomiast parametr przy zmiennej ue_BIN, która

wyraża poczuwanie się do bycia członkiem Unii Europejskiej. Wartość ujemna sugeruje, że

osoby, które czują się członkami UE są mniej szczęśliwe. Interpretując ten parametr należy

mieć na uwadze bieżącą sytuację polityczno-gospodarczą w Polsce i Unii Europejskiej. Unia

europejska wciąż boryka się z następstwami kryzysu, większość krajów strefy euro wciąż

tkwi w recesji, w szczególności gospodarki Włoch, Francji i Hiszpanii, gdzie bezrobocie,

szczególnie wśród ludzi młodych wciąż wzrasta. Między innymi przez to w wielu krajach

członkowskich Wspólnoty rośnie popularność ruchów antyunijnych, które w połączeniu z

niepewną sytuacją gospodarczą przyczyniają się do popularniejszych rozważań na temat

szans UE na przetrwanie i uniknięcie rozpadu. Te i szereg innych czynników mogą być

źródłem zatroskania o losy Unii osób, które czują się jej członkami. Z drugiej strony osoby

które nie czują się członkami Unii, mogą być przeciwnikami członkostwa, albo nie być w

ogóle zainteresowane sytuacją polityczną. Dla nich problemy Unii mogą być mniejszym

zmartwieniem, lub nawet powodem do radości, potwierdzenia swoich poglądów. Tym

niemniej, na uzyskany wynik oszacowania należy jednak patrzeć z dużą ostrożnością.

45

Najważniejsza jednak pozostaje interpretacja parametru odpowiadającego gęstości

sieci respondenta. Przede wszystkim jej istotność widoczna w szeregu modeli pozwala

przypuszczać, iż gęstość sieci społecznej rzeczywiście może w pewnym stopniu przyczyniać

się do poczucia szczęścia, co jest równoznaczne z potwierdzeniem pierwszej hipotezy

postawionej na początku pracy. Samo jednak potwierdzenie zależności nie wystarczy, należy

zastanowić się co to może oznaczać i jakie są tego przyczyny.

Ujemny znak parametru przed logarytmem współczynnika gęstości sieci oznacza, że

mniejsza gęstość wiąże się z większym poczuciem szczęścia. Co może to oznaczać? Gęstość

sieci kontaktów respondentów to stosunek liczby połączeń między znajomymi na portalu

facebook do potencjalnej ich liczby. Jeżeli wskaźnik przyjmowałby wartość równą 1

oznaczałoby to iż graf połączeń między jego znajomymi jest pełny, czyli każdy zna się z

każdym. Sytuacja taka jest bardzo mało prawdopodobna, szczególnie kiedy analizujemy

jedynie grafy powyżej 100 wierzchołków. Gęstość sieci równa 0, oznaczałaby że graf

pozbawiony jest jakichkolwiek połączeń. Niższą gęstość sieci możemy kojarzyć z większą

liczbą peryferyjnych węzłów, takich, które mają bardzo mało lub żadnych wspólnych

znajomych z respondentem (oprócz niego samego). Takie elementy sieci mogą być

przykładem słabych powiązań (ang. weak ties). Niższa gęstość sieci może stanowić o

większej liczbie tego typu relacji niż w sieci gęstszej, która może składać się przede

wszystkim z najbliższych znajomych respondenta (Granovetter, 1983). Słabe powiązania

mogą wiązać się z dostępem do większej liczby źródeł informacji i możliwością w

pośredniczeniu w jej przepływie wewnątrz sieci, przyjmowania roli „brokera informacji”.

Tym samym powiązania takie mogą sprzyjać w wielu sytuacjach – szukaniu pracy,

rozprzestrzeniania informacji do różnych grup, podczas szukania wsparcia.

Gęstość sieci możemy rozumieć jednak na wiele sposobów, a dokładniejsza analiza

tego co możemy rozumieć pod tym pojęciem w kontekście sieci kontaktów społecznych

wykracza poza zakres tej pracy. Należy również podkreślić, że statystyka ta wyliczona została

na podstawie list znajomych na facebooku, a portal ten jest specyficznym przypadkiem pola

interakcji międzyludzkich, niekoniecznie tożsamym z sytuacją w świecie rzeczywistym.

Wyniki badania zdają się jednak sugerować, iż gęstość sieci społecznej jednostki może mieć

wpływ na jej poczucie szczęścia. Nie opłaca się posiadać bardzo gęstej sieci kontaktów,

korzystniej jest pełnić funkcję „mostu” między różnymi grupami społecznymi.

46

Tabela 4. Efekty krańcowe

Zmienna dy/dx Standard Error z P>|z|

95% Confidence

IntervalX

ln_density -0,16 0,08 -1,94 0,05 -0,32 0 -2,75doch_zad 0,07 0,02 4,05 0 0,04 0,11 6,76

zdrowie_bdobry 0,25 0,08 3,34 0 0,1 0,4 0,42miejsc0 -0,2 0,05 -4,01 0 -0,31 -0,1 0,1ue_BIN -0,27 0,11 -2,53 0,01 -0,48 -0,06 0,8

kosciol_czesciej_MOD 0,3 0,1 2,98 0 0,1 0,5 0,23


Dokładniejsza interpretacja wartości parametrów opiera się na efektach krańcowych i

ilorazach szans. Efekty krańcowe informują o zmianach prawdopodobieństw przynależności

do różnych kategorii w zależności od zmian wartości zmiennych objaśniających.

Wartość 0,07 odpowiadająca efektowi krańcowemu zmiennej opisującej

zadowolenie z dochodów interpretujemy następująco: wyższa o 1 ocena zadowolenia z

poziomu dochodów powoduje wzrost prawdopodobieństwa wyboru odpowiedzi Bardzo

szczęśliwy o 0,07. Prawdopodobieństwo to zwiększa się o 0,25 jeżeli respondent ocenia swój

stan zdrowia na bardzo dobry, a fakt zamieszkiwania na wsi zmniejsza je o 0,2. Krańcowy

przyrost logarytmu gęstości sieci powoduje spadek prawdopodobieństwa wyboru kategorii

Bardzo szczęśliwy o 0,17.

Tabela 5. Ilorazy szans

szczescie_MODOdds Ratio Standard

Error z P>|z| 95% Confidence Interval

ln_density 0,42 0,19 -1,92 0,05 0,17 1,02doch_zad 1,50 0,15 4,07 0,00 1,23 1,81zdrowie_bdobry 3,80 1,51 3,36 0,00 1,74 8,27miejsc0 0,19 0,12 -2,72 0,01 0,06 0,63ue_BIN 0,27 0,13 -2,72 0,01 0,11 0,70

kosciol_czesciej_MOD4,21 1,91 3,16 0,00 1,72 10,26


47

Interpretując ilorazy szans możemy stwierdzić, że osoby oceniające swój stan

zdrowia na bardzo dobry mają o 280% większe szanse na wyższą ocenę swojego poczucia

szczęścia, niż osoby gorzej oceniające swe zdrowie. Ponadto, osoby mieszkające na wsi mają

o 81% niższe szansę na lepszą ocenę poczucia szczęścia, niż osoby mieszkające w małych czy

większy miastach. Osoba, dla której logarytm gęstości sieci jest większy o jednostkę niż w

przypadku innej osoby, nieróżniącej się pod względem pozostałych cech, ma o 58% niższe

szanse na lepszą ocenę dochodu.

IV.2.4 Porównanie dopasowania i jakości modeli

Tabele zamieszczone na końcu rozdziału zestawiają miary dopasowania i wartości

parametrów modeli. Tabela 6 zawiera prezentuje różne warianty wybranego modelu,

uwzględniające różne zestawy zmiennych objaśniających. Tabela 7 przedstawia analogiczne

wyniki uzyskane dla modeli zbudowanych jedynie w oparciu o statystyki sieci.

Opisany wyżej model oznaczony jest w tabeli numerem 3. Tabela w kolumnach

przedstawia kolejne modele, w wierszach zaprezentowane są kolejne statystyki. Górna część

tabeli zestawia miary jakości poszczególnych modeli, wskaźnik pseudo R2, zliczeniowy R2,

dopasowany zliczeniowy R2, R2 McKelvey i Zavoiny, dopasowany R2 Mc Faddena, wartość

ilorazu funkcji wiarygodności, kryteria informacyjne. Dolna część tabeli zestawia zmienne

wykorzystane w modelach. Wartości w nawiasach, to p-value, obok niej wartości

współczynników, gwiazdki zaś oznaczają, że zmienna w modelu nie występuje. Pierwsza

tabela, oprócz zmiennych opisanych wyżej w modelu zawiera zmienne takie jak:

miejsc500k – zmienna binarna, 1 gdy miejsce zamieszkania to miasto 101-500 tyś

mieszkańców

miejsc501k – zmienna binarna, 1 gdy miejsce zamieszkania to miasto powyżej 500

tyś mieszkańców

48

sport_BIN3 - zmienna binarna, 1 gdy respondent uprawia sport min 3 godziny w

tygodniu

ufność - zmienna binarna, 1 gdy respondent twierdzi że Ludziom można generalnie

ufać

doch_num16k - zmienna binarna, 1 gdy zarobki w gospodarstwie na osobę

przekraczają 16 tyś PLN

doch_num8_16k - zmienna binarna, 1 gdy zarobki w gospodarstwie na osobę w

przedziale 8-16 tyś zł

doch_num3_5_8k - zmienna binarna, 1 gdy zarobki w gospodarstwie na osobę w

przedziale 3,5-8 tyś zł

doch_num2_3_5k - zmienna binarna, 1 gdy zarobki w gospodarstwie na osobę w

przedziale 2-3,5 tyś zł

doch_num_1k_2k - zmienna binarna, 1 gdy zarobki w gospodarstwie na osobę w

przedziale 1-2 tyś zł

Ostatni z prezentowanych modeli uwzględnia jako zmienną objaśniającą wysokość

dochodów w przeliczeniu na osobę w gospodarstwie domowym. Zmienne binarne oznaczają

przynależność do grupy osób o określonych dochodach. Wszystkie zmienne okazują się

nieistotne w modelu, zupełnie inaczej niż w przypadku oceny zadowolenia z poziomu

dochodów, istotnej we wszystkich analizowanych modelach. Wpływ dochodów na poczucie

szczęścia jest jednak w literaturze dokładnie opisany (Easterlin, 1974, DiTella, 1998), a fakt,

że na podstawie zgromadzonych danych jej nie obserwujemy nie pozwala postulować braku

tej zależności. Przedziałowa forma pytania wynikała z charakteru badania przeprowadzonego

za pomocą internetowej ankiety, w której należało dodatkowo udostępnić informacje z

facebooka. Bezpośrednie pytanie o dochody mogłoby być przyczyną rezygnacji z ankiety,

dlatego zdecydowano się na taką formę pytania.

Modele 1 i 2 odróżnia brak zmiennych zdrowie_bdobry i ufność w drugim z nich.

Mimo ich braku, miary dopasowania nie ulegają praktycznie zmianie. W modelach 1, 2 i 3

zmienne opisujące miejsce zamieszkania są istotne, zarówno opisujące fakt mieszkania na wsi

jak i zamieszkiwanie w dużym mieście. Co więcej zmienne te mają przeciwne znaki, co może

wskazywać na to, że wielkość miejsca zamieszkania może pozytywnie wpływać na poczucie

szczęścia. Interpretacji takiej zależności jest wiele, najogólniej nazwać je możemy

możliwościami stwarzanymi przez życie w większym mieście.

49

Warto porównać również modele zawierające informacje o gęstości i te z niej

korzystające. W tabeli zaprezentowane są dwie pary tego typu, modele 4 i 5 oraz 6 i 7.

Modele uwzględniające gęstość sieci mają lepsze zliczeniowe wskaźniki dopasowania do

danych R2, ale wskaźniki opierające się na wartości funkcji wiarygodności, R2 McFaddena czy

McKelveya i Zavoiny, wskazują na lepszą jakość modeli uwzględniających zmienną density.

Kryteria informacyjne również wskazują na korzyść modeli 4 i 6. Wyniki takie potwierdzają

w pewnym stopniu zasadność wykorzystania zmiennej lndensity w modelu.

Tabela 6. Wyniki estymacji wybranych modeli, miary dopasowania oraz parametry zmiennych objaśniających

Model 1 2 3 4 5 6 7 8

Pseudo R2 0,23 0,22 0,22 0,19 0,16 0,15 0,13 0,23

Count R2 0,67 0,67 0,62 0,63 0,64 0,61 0,65 0,65

Adj. Count R2 0,23 0,23 0,10 0,13 0,15 0,08 0,18 0,18

McKelvey & Zavoina's R2: 0,44 0,44 0,41 0,37 0,32 0,30 0,27 0,64

McFadden's Adj R2: 0,15 0,15 0,16 0,14 0,12 0,11 0,10 0,11

Log-Lik Full Model: -102,93 -102,93 -104,47 -108,27 -111,72 -113,16 -115,50 -108,70

AIC:

1,58 1,58 1,56 1,60 1,64 1,66 1,67 1,75

BIC: -455,13 -455,13 -466,95 -464,33 -462,40 -459,52 -459,81 -413,77

Współczynniki przy parametrach:

ln_density -0,92 (0,05) -0,92 (0,05) -0,87 (0,05) -1,12 (0,01) * -0,89 (0,03) * -0,86 (0,06)

doch_zad 0,41 (0) 0,41 (0) 0,4 (0) 0,38 (0) 0,37 (0) 0,42 (0) 0,41 (0) 0,36 (0)

zdrowie_bdobry 0,99 (0,02) * 1,33 (0) 1,31 (0) 1,22 (0) 1,09 (0) 1,04 (0) 1,1 (0,01)

kosciol_czesciej_MOD 1,38 (0,01) 1,38 (0,01) 1,44 (0) 1,36 (0) 1,17 (0,01) * * 1,47 (0)

ue_BIN -1,17 (0,02) -1,17 (0,02) -1,29 (0,01) -1,26 (0,01) -0,89 (0,04) -1,13 (0,02) -0,85 (0,05) -1,2 (0,02)

miejsc0 * * -1,68 (0,01) * * * * *

miejsc500k 1,05 (0,05) 1,05 (0,05) * * * * * 1,2 (0,03)

50

miejsc501k 1,06 (0,05) 1,06 (0,05) * * * * * 1,15 (0,04)

sport_BIN3 0,52 (0,06) 0,52 (0,06) * * * * * 0,45 (0,14)

ufność0,64 (0,1) * * * *

* * 0,57 (0,15)

doch_num16k * * * * * * * 14,01 (0,99)

doch_num8_16k * * * * * * * -0,43 (0,65)

doch_num3_5_8k * * * * * * * 0,36 (0,68)

doch_num2_3_5k * * * * * * * 0,81 (0,24)

doch_num_1k_2k * * * * * * * 0,44 (0,5)

Uwaga: w nawiasach podano krytyczne wartości p


Tabela 7 jest zestawieniem modeli w oparciu jedynie o zmienne opisujące sieci. W

kolumnach zaprezentowane są kolejne modele z jedną zmienną objaśniającą – wybraną

statystyką sieci. Ostatnia kolumna prezentuje obliczenia dla modelu opierającego się na

wszystkich statystykach sieci. Jak widzimy modele te nie są bardzo źle dopasowane do

danych, czemu wyraz dobrze daje zliczeniowy skorygowany wskaźnik R2 na poziomie 0. Inne

miary dopasowania modeli są na podobnych poziomach. Model uwzględniający wszystkie

obliczone statystyki sieci jako zmienne objaśniające ma podobne wyniki.

Tabela 7. Wyniki estymacji modeli w oparciu o statystyki sieci, miary dopasowania oraz parametry zmiennych objaśniających

Zmienna objaśniająca density clust avg_path degree diameter components Wszystkie sieciowe

Pseudo R2

0,01 0,00 0,00 0,00 0,00 0,00 0,01

51

Count R2 0,58 0,58 0,58 0,58 0,58 0,58 0,58

Adj. Count R2 0,00 0,00 0,00 0,00 0,00 0,00 0,00

McKelvey & Zavoina's R2: 0,02 0,00 0,00 0,00 0,00 0,00 0,03

McFadden's Adj R2: -0,02 -0,02 -0,02 -0,02 -0,02 -0,02 -0,05

Log-Lik Full Model: -132,31 -133,22 -133,13 -133,21 -133,14 -133,10 -131,71

AIC: 270,63 272,44 272,26 272,42 272,28 272,21 279,43

BIC: 3,14 4,96 4,77 4,93 4,79 4,72 26,79

Współczynniki przy parametrach:

density

-7,36 (0,18)

13,91 (0,1)

clust

-0,27 (0,91)

2,39 (0,44)

avg_path

0,13 (0,66)

-0,49 (0,47)

degree

0 (0,84) 0 (0,51)

diameter

0,03 (0,67)

0,07 (0,68)

components 0,01 (0,62) 0,01 (0,76)

Uwaga: w nawiasach podano krytyczne wartości p


52

Rozdział V. Interpretacja wyników

W pierwszej części niniejszego rozdziału opisano efekt wykorzystania zmiennych

opisujących sieci w porównaniu do modeli nie uwzględniających tych zmiennych, Drugi

podrozdział poświęcony jest wpływowi gęstości sieci na poczucie szczęścia respondenta.

Ostatnia część rozdziału poświęcona jest rozważaniom na temat znaczenia gęstości sieci

społecznej dla człowieka i wnioskom płynącym z badania.

V.1 Wpływ uwzględnienia zmiennych opisujących sieć na

wyniki estymacji

W pracy badane były zależności między poczuciem szczęścia a statystykami sieci,

wyliczonymi na podstawie zgromadzonych danych. Jedyną zmienną istotną w modelu

opisującym poczucie szczęścia spośród statystyk sieci jest gęstość. Wykorzystywany był

logarytm tej wartości, nieco lepiej funkcjonujący w modelu niż pierwotne wartości zmiennej,

zawężone do małego zakresu [0,01; 0,20]. W poprzednim rozdziale opisano dwie grupy

modeli, jedna uwzględnia szereg cech opisanych w ankietach, druga – wyłącznie na

statystykach sieci internetowych kontaktów respondentów. Opisane w pierwszej grupie

modele zawierające pośród zmiennych objaśniających logarytm gęstości sieci są lepsze ze

względu kryteria informacyjne niż modele bez tej zmiennej, gorzej jednak dopasowują się do

danych według zliczeniowego współczynnika determinacji R2. Modele z drugiej grupy, w

których za pomocą każdej statystyki sieci oddzielnie objaśniano poczucie szczęścia są

nieistotne statystycznie. Jedynie w modelu z ln_density p-value równe jest 0,10.

Wynik taki nie uprawnia do stwierdzenia, że liczba znajomych na facebooku nie

wpływa na poczucie szczęścia użytkowników tego portalu, jednak dostępne dane nie

potwierdzają takiej zależności. Natomiast logarytm gęstości sieci był zmienną istotną w

szeregu modeli, między innymi w modelu uwzględniającym takie zmienne jak zadowolenie z

poziomu dochodów, binarne zmienne określające bardzo dobry stan zdrowia, częste wizyty

kościele, poczuwanie się do członkostwa w UE i fakt zamieszkiwania na wsi.

53

V.2 Wpływ zmiennych opisujących strukturę sieci na poczucie

szczęścia

Jedyną zmienną opisującą strukturę sieci, istotną w szeregu modeli jest logarytm

gęstości sieci. Ujemny znak parametru wskazuje na to, że większa gęstość sieci może wiązać

się z mniejszym poczuciem szczęścia. Stwierdzenie takie jednak nie wystarczy, należy

bowiem zastanowić się nad tym, co może to oznaczać. Gęstość sieci możemy interpretować

jako wskaźnik mówiący o sile powiązań między członkami sieci (Granovetter, 1983). Nie

dysponujemy badaniami zgłębiającymi interpretacje wskaźnika w kontekście sieci na

facebooku. Możemy przyjąć założenie, że mniejsza gęstość sieci kojarzona może być z

większą liczbą silnych powiązań między członkami sieci, a większa z przewagą słabych

powiązań. Wtedy interpretacja parametru prowadziłaby do wniosku, że słabe powiązania

przyczyniają się do poczucia szczęścia jednostki, i im ich więcej, tym lepiej. Rzetelna analiza

tego co jeszcze możemy rozumieć pod pojęciem gęstości sieci, i czy rzeczywiście wielkość ta

ma może mieć wpływ na poczucie szczęścia jednostki wymaga jednak o wiele dokładniejszej

analizy, na dużo większej, reprezentatywnej próbie.

V.3 Wnioski

Badanie miało na celu weryfikację hipotezy mówiącej o zależności między

poczuciem szczęścia a strukturą indywidualnej sieci społecznej. Strukturę sieci opisano za

pomocą statystyk takich jak rozpiętość, liczba węzłów (znajomych), liczba niezależnych

podgrup (komponentów) sieci, przeciętna najkrótsza ścieżka, wskaźnik grupowania i gęstość

sieci. Przyjmując, że sieci kontaktów tworzone na portalu facebook odzwierciedlają

stosunkowo wiernie sieci społeczne w świecie rzeczywistym, na podstawie modeli

mikroekonometrycznych dowiedziono zależności między gęstością sieci a poczuciem

szczęścia, potwierdzając tym samym podstawową hipotezę postawioną na początku badania,

mówiącą o wpływie struktury sieci na poczucie szczęścia. W przypadku pozostałych miar

sieci, w tym liczby znajomych, nie stwierdzono zależności między ich wielkościami a

zadeklarowanym przez ankietowanych poczuciem szczęście. Należy zwrócić uwagę na fakt,

iż próba na której opiera się badanie nie była reprezentatywna i bazowała na wynikach

internetowych ankiet.

54

Wyniki badania sugerują, że większa gęstość sieci może być kojarzona z niższym

poczuciem szczęścia. Gęstość sieci to stosunek obserwowanej liczby połączeń między

węzłami sieci do maksymalnej ich liczby. Gęstość sieci informuje zatem, w jakim stopniu

znajomi respondenta znają się ze sobą (nie w sensie intensywności znajomości, ale liczby

wspólnych znajomych). Wyższą gęstość sieci kojarzyć można tym samym z większymi

skupiskami znajomych, w obrębie których większość osób się zna, lub z mniejszą liczbą

kontaktów, z którymi respondent nie ma wielu wspólnych znajomych. Prowadzi to do

wniosku o pozytywnym wpływie słabych połączeń na poczucie szczęścia. Moc słabych

połączeń potwierdzona jest w badaniach rynku pracy, gdzie wskazano ich pozytywny wpływ

na szanse znalezienia zatrudnienia.

Niska gęstość sieci może świadczyć również o większej liczbie środowisk , grup

społecznych w których obraca się badany. Nie muszą one być zupełnie niezależne, tj.

niektórzy członkowie grup mogą znać się z członkami innej podgrupy, takie przypadki są

jednak w mniejszości. Tym samym można wnioskować, że zróżnicowanie środowisk w

jakich obraca się człowiek może dodatnio oddziaływać na poczucie szczęścia. Możemy

kojarzyć to z mnogością bodźców, idei, sposobów postrzegania świata w różnych grupach w

jakich obraca się człowiek. Są to jednak tylko dywagacje i przypuszczenia, należy podkreślić,

iż badanie wskazało tylko na ujemną zależność między gęstością sieci kontaktów na portalu

facebook a poczuciem szczęścia wśród uczestników badania.

Ostatecznie, należy również mieć na uwadze, iż struktura sieci społecznej człowieka

może wcale nie wpływać na poczucie szczęścia, a wręcz przeciwnie, być jego pochodną.

Sytuację taką łatwo wyobrazić sobie w kontekście tego badania – to szczęśliwi ludzie, będąc

osobami pogodnymi i przyjaznymi mogą tworzyć rozproszone struktury sieciowe, łatwo

nawiązując kontakty z innymi.

55

ZAKOŃCZENIE

Celem pracy było określenie czy istnieje zależność między strukturą sieci społecznej

człowieka a jego poczuciem szczęścia oraz wskazanie cech sieci decydujących o tej

zależności. Cel ten został zrealizowany dzięki opracowaniu uporządkowanego modelu

logitowego, zbudowanego w oparciu o szereg danych indywidualnych uzyskanych za pomocą

internetowej ankiety, oraz statystyk sieci społecznej respondenta, obliczonych na podstawie

danych z portalu facebook.

Badanie potwierdziło postawioną na wstępie hipotezę i wskazując na zależność

między strukturą sieci a poczuciem szczęścia. Niemniej potwierdzenie wysnutych wyżej

wniosków wymaga dalszych badań. Przede wszystkim powinny opierać one się na

większych, reprezentatywnych próbach. Ponadto, należy mieć na uwadze różnice między

rzeczywistą siecią społeczną a sieciami ilustrowanymi w portalach internetowych. Niestety

dokładny opis rzeczywistej sieci powiązań jednej osoby byłby nie lada wyzwaniem, a

zgromadzenie zbioru danych tego typu, niekoniecznie nawet zbioru reprezentatywnego, ale

choćby wystarczającego do budowy modelu byłoby wielkim przedsięwzięciem.

Podstawowym mankamentem danych z facebooka jest ich wybiórczość (nie każda osoba

znajoma jest w sieci znajomych na facebooku, np. przełożony, czy ekspedientka w

osiedlowym sklepie), kolejnym – brak danych o intensywności tych kontaktów,

częstotliwości.

Mimo tych wad, wyniki badania generalnie są zgodne z dorobkiem naukowych

rozważań na temat szczęścia, a jednocześnie łączą rozważania na temat szczęścia z nauką o

sieciach społecznych.

Badanie opierało się na stosunkowo mało liczebnym zbiorze danych – potwierdzenie

uzyskanych wyników na większej próbie pozwoliłoby na stwierdzenie faktycznej zależności

między strukturą sieci społecznej a poczuciem szczęścia. Ponadto, większa próba

umożliwiłaby również analizę satysfakcji z życia, którą przyjęło się określać na większej skali

niż poczucie szczęścia, tym samym zbyt niska liczebność niektórych kategorii uniemożliwiła

taką analizę w tej pracy. Ponadto, większy zbiór danych pozwoliłby również na analizę

wpływu struktury sieci w różnych grupach wiekowych, czy społecznych.

56

BibliografiaKsiążki1. Goyal, S. (2007). Connections - An Introduction to the Economics of Networks. Princeton:

Princeton University Press.

2. Gruszczyński, M. (2012). Mikroekonometria. Modele i metody analizy danych indywidualnych. Warszawa: Wolters Kluwer.

3. Jackson, M. O. (2008). Social and Economic Networks, Princeton: Princeton University

Press.

4. Maddala, G.S. (2006). Ekonometria. Warszawa: PWN.

5. Tatarkiewicz, W. (1962). O szczęściu, Warszawa: PWN.

6. Watts, D. J. (1971). Small Worlds: The Dynamics of Networks between Order and

Randomness, Princeton: Princeton University Press.

Artykuły i studia

1. Backstrom, L., Boldi, P., Rosa, M., Ugander, J., Vigna, S., (2012). Four Degrees of Separation, working paper, arXiv:1111.4570.

2. Blanchflower, D.G., Oswald, A., (2004). Well-Being over Time in Britain and the US. Journal of Public Economics 88(7-8), 1359-1386

3. Christakis, N. A., & Fowler, J. H. (2009). Dynamic spread of happiness in a large social network: Longitudinal analysis of the Framingham heart study social network. British Medical Journal, 338(7685), 23–27.

4. Di Tella, R., MacCulloch, R., Oswald, A., (2003). The Macroeconomics of Happiness. The Review of Economics and Statistics, November 2003, 85(4): 809– 827

5. Diener, E., & Seligman, M. E. P. (2002). Very happy people. Research report. Psychological Science, 13(1), 81–84.

6. Diener, E., Suh, E. M., Lucas, R. E., & Smith, H. L. (1999). Subjective well-being: Three decades of progress. Psychological Bulletin, 125, 276–302

7. Easterlin, R., (1974). Does Economic Growth Improve the Human Lot? Some Empirical Evidence. W: David, P., Reder, R.,: Nations and Households in Economic Growth: Essays in Honour of Moses Abramovitz. New York: Academic Press, Inc.

8. Frey, B., Stutzer, A., (2002). What Can Economists Learn from Happiness Research? Journal of economic Literature, Vol. 40, No. 2. (Jun., 2002), 402-435.

9. Gamble, A., & Garling, T. (2012). The relationships between life satisfaction, happiness, and current mood. Journal of Happiness Studies, 13, 31–45.

10. Granovetter, M., (1973). The Strength of Weak Ties. American Journal of Sociology, Volume 78, Issue 6 (May, 1973), 1360-1380

11. Granovetter, M., (1983). The Strength of Weak Ties: A Network Theory Revisited. Sociological Theory, Vol.1 (1983), 201-233

57

12. Growiec, K., Growiec, J., (2013). Trusting Only Whom You Know, Knowing Only Whom You Trust: The Joint Impact of Social Capital and Trust on Happiness in CEE Countries. Journal of Happiness Studies (w druku)

13. Helliwell, J., Layard, R., Sachs, J., (2012). World happiness report. New York: The Earth Institute, Columbia University.

14. Kanai, R., Bahrami, B., Roylance, R., Rees, G. (2012), Online social network size is reflected in human brain structure, Proceedings of Royal Society B, 279(1732), s. 1327-1334.

15. Maslow, A.H. (1943). A theory of human motivation. Psychological Review, 50(4), 370–396

16. McFadden, D., (1974). Conditional logit analysis of qualitative choice behavior. W Zarembka, P., (ed.), Frontiers in Econometrics. New York: Academic Press.

17. McKevely, R., Zavoina, W., (1975). A statistical model for the analysis of ordinal level dependent variables. Journal of Mathematical Sociology, Vol.4, 103-120

18. Schwartz, H.A., Eichstaedt, J.C., Kern, M.L., Dziurzynski, L., Ramones S.M., i inni (2013). Personality, Gender, and Age in the Language of Social Media: The Open-Vocabulary Approach. PLoS 8(9): e73791. doi:10.1371/journal.pone.0073791

19. Travers, J., Milgram, S., (1969). An Experimental Study of the Small World Problem. Sociometry, Vol. 32, No. 4, 425-443.

20. Ugander, J., Karre, B., Backstrom, L., Marlow, C., (2011). The Anatomy of the Facebook Social Graph, working paper, arXiv:1111.4503

21. Watts, D. J., Strogatz, S. H., (1998). Collective dynamics of 'small-world' networks. Nature, Vol. 393, No. 6684., 409-10

22. Putnam, R. (2000). Bowling alone. Collapse and revival of American community. New York: Simon Schuster

Strony internetowe

1. http://jacekgadzinowski.natemat.pl/61363,fakty-o-grono-net-i-polskim-social-media

2. Measuring Facebook’s economic impact in Europe, Deloitte, 2012,

http://www.deloitte.com/view/en_GB/uk/industries/tmt/media-industry/

df1889a865f05310VgnVCM2000001b56f00aRCRD.htm

Inne źródła 1. Zintegrowany kwestionariusz World Values Survey 10981-2008 z dnia 09-06-2011

58

SPIS TABEL

Tabela 1. Statystyki opisowe miar sieci....................................................................................22

Tabela 2. Zależności między odpowiedziami na pytania o poczucie szczęście i satysfakcję z

życia, liczebności podgrup................................................................................30

Tabela 3. Uporządkowany model logitowy opisujący szczęście..............................................41

Tabela 4. Efekty krańcowe.......................................................................................................46

Tabela 5. Ilorazy szans..............................................................................................................47

Tabela 6. Wyniki estymacji wybranych modeli, miary dopasowania oraz parametry

zmiennych objaśniających.................................................................................50

Tabela 7. Wyniki estymacji modeli w oparciu o statystyki sieci, miary dopasowania oraz

parametry zmiennych objaśniających...............................................................51

60

SPIS WYKRESÓW

Wykres 1. Struktura demograficzna próby, podział w zależności od miejsca zamieszkania,

wieku i sytuacji zawodowej..............................................................................20

Wykres 2. Rozkład i dystrybuanta oceny zadowolenia z dochodów........................................21

Wykres 3. Rozkład i dystrybuanta oceny satysfakcji z życia...................................................21

Wykres 4. Histogram liczby znajomych (degree).....................................................................22

Wykres 6. Zestawienie gęstości sieci z liczbą znajomych respondentów................................23

Wykres 5. Histogram i dystrybuanta gęstości sieci..................................................................23

Wykres 8. Zestawienie liczby niezależnych podgrup w sieci z liczbą znajomych

respondentów....................................................................................................24

Wykres 7. Histogram i dystrybuanta liczby niezależnych podgrup sieci.................................24

Wykres 10. Zestawienie wskaźnika grupowania z liczbą znajomych respondentów...............25

Wykres 9.Wskaźnik grupowania - histogram i dystrybuanta...................................................25

Wykres 11. Średnia odległość między parą znajomych w sieci...............................................26

Wykres 12. Zestawienie przeciętnej długości ścieżki z liczbą znajomych respondentów......26

Wykres 13. Rozpiętość sieci - histogram i dystrybuanta..........................................................27

Wykres 14. Zestawienie rozpiętości sieci z liczbą znajomych respondentów..........................27

Wykres 15. Przeciętna liczba wspólnych znajomych - rozkład gęstości i dystrybuanta..........28

Wykres 17 Rozkład zmiennej Zadowolenie z życia w Europie, wg danych Instytutu Gallupa31

Wykres 18 Rozkład zmiennej Zadowolenie z życia w Europie wg danych European Social

Survey................................................................................................................31

Wykres 19 Rozkład zmiennej Ocena poziomu zadowolenia z życia wśród 144

ankietowanych...................................................................................................32

Wykres 20 Rozkład zmiennej objaśnianej - poczucia szczęścia - w wersji oryginalnej i

zmodyfikowanej................................................................................................33

61

SPIS ZAŁĄCZNIKÓW

1. Kwestionariusz ankiety

2. Wyniki ankiety

Badanie szczęścia

Szanowni Państwo,

niniejsza ankieta jest częścią badania prowadzanego w ramach pracy magisterskiej w Szkole Głównej Handlowej. Badam, czy struktura kontaktów, zobrazowana przez sieć znajomych na portalu Facebook, ma wpływ na subiektywną ocenę szczęścia.

Po udzieleniu odpowiedzi na pytania, proszę o załączenie pliku opisującego strukturę sieci Waszych znajomych na Facebooku - jest to kluczowe dla badania. Jeżeli nie korzystają Państwo z tego portalu, proszę o niewypełnianie ankiety.

Ankieta jest w pełni anonimowa i poufna - przesłane informacje nie będą dalej rozprowadzane, posłużą tylko i wyłącznie do zbudowania modelu opisującego szczęście.

Bardzo zależy mi na Państwa opinii, dlatego będę zobowiązany jeśli wypełnią Państwo ankietę internetową, co powinno zająć nie więcej niż 10 minut.

Zwracam się również z uprzejmą prośbą o przesłanie linku do ankiety znajomym i udostępnienie linku do niej na Facebooku'u.

W miarę możliwości proszę o korzystanie z przeglądarek innych niż Internet Explorer, np Chrome, Firefox czy Opera.

Z góry dziękuję za poświęcony czas,

Mateusz Sawka, facebook

Czy ogólnie rzecz biorąc, uważa Pan(i), że jest: *

Bardzo szczęśliwy(a) Raczej szczęśliwy(a) Raczej nieszczęśliwy(a) Bardzo nieszczęśliwy(a)

62

http://www.facebook.com/batman.nie.robin

W jakim stopniu jest Pan(i) zadowolony(a) z sytuacji finansowej Pana(i) rodziny (gospodarstwa domowego)? Proszę ocenić na skali od 1 do 10 gdzie 1 oznacza, że jest Pan(i) całkowicie niezadowolony(a), a 10 – całkowicie zadowolony(a). *

Całkowicie niezadowolony(a) 2 3 4 5 6 7 8 9 W pełni

zadowolony(a)

Ocena

Jakie są miesięczne dochody netto (na rękę) na osobę w Pana/Pani gospodarstwie domowym? (Lub Pana/Pani własne dochody jeżeli utrzymuje się sam(a)i nie ma zobowiązań względem innych osób) *

Poniżej 1000 zł 1001-2000 zł 2001-3500 zł 3501-8000 zł 8001-16000 zł

Powyżej 16000 zł Czy pracuje Pan(i) obecnie? Jeśli tak to ile godzin średnio tygodniowo Pan(i) pracuje? Jeśli

ma Pan(i) więcej niż jedno miejsce zatrudnienia pracę proszę podać łączną liczbę godzin. *

Jestem zatrudniony(a) w pełnym wymiarze godzin (30 godzin tygodniowo lub więcej)

Jestem zatrudniony(a) w niepełnym wymiarze godzin (mniej niż 30 godzin tygodniowo)

Pracuję na własny rachunek Nie pracuję, jestem na emeryturze/rencie Nie pracuję,

zajmuję się domem Nie pracuję, jestem studentem/studentką/uczniem/uczennicą Nie

pracuję, jestem bezrobotny Inne (jakie?) Czy w ostatnim roku wykonywał(a) Pan(i) nieodpłatnie jakąś pracę lub świadczył(a) jakieś

usługi dla osób spoza rodziny bądź na rzecz organizacji społecznej? *

Tak Nie Czy ogólnie rzecz biorąc, uważa Pan(i), że: *

Większości ludzi można ufać Nigdy nie jest się zbyt ostrożnym w postępowaniu z ludźmi

Czy jest Pan(i) członkiem jakichś organizacji, stowarzyszeń, partii, komitetów, rad, grup religijnych, związków lub kół? *

Tak Nie

Proszę powiedzieć, w jakim stopniu uważa Pan(i) następujące sprawy za ważne w swoim życiu? *

Bardzo ważne Raczej ważne Niezbyt ważne W ogóle nieważne

Rodzina

Przyjaciele

Czas wolny

Polityka

Praca

63

Proszę powiedzieć, w jakim stopniu uważa Pan(i) następujące sprawy za ważne w swoim życiu? *

Bardzo ważne Raczej ważne Niezbyt ważne W ogóle nieważne

Religia

Czy interesuje się Pan(i) polityką?: *

bardzo się interesuję raczej się interesuję raczej się nie interesuję w ogóle się nie interesuję

Dyskutując o polityce, ludzie mówią o "lewicy" i "prawicy". Gdzie Pan(i) umieścił(a)by swoje poglądy na tej skali? *

Lewica 2 3 4 5 6 7 8 9 Prawica

Ocena

Nie licząc ślubów, chrztów i pogrzebów, jak często chodzi Pan(i) do kościoła? *

częściej niż raz na tydzień raz na tydzień raz w miesiącu w Boże Narodzenie,

Wielkanoc lub w inne święta raz na rok rzadziej niż raz na rok nigdy lub prawie nigdy

Zmieńmy temat. Proszę powiedzieć, jak często zdarza się Panu(i) zastanawiać nad sensem życia? *

Często Czasami Rzadko Nigdy Czy czuje się Pan(i) dumny(a) z tego, że jest Pan(i) Polakiem(Polką)? *

zdecydowanie tak raczej tak raczej nie zdecydowanie nie nie jestem Polakiem (Polką)

Ludzie mają różne wizje samych siebie i swojego miejsca w świecie. Korzystając z karty proszę powiedzieć na ile zgadza się Pan(i) bądź nie zgadza z następującymi stwierdzeniami dotyczącymi tego jak Pani postrzega samego(samą) siebie? *

Zdecydowanie się zgadzam Zgadzam się Nie zgadzam się Zdecydowanie się nie

zgadzam

Czuję się obywatelem świata

Czuję się członkiem mojej lokalnej społeczności

Czuję się członkiem narodu polskiego

Czuję się obywatelem

64

Ludzie mają różne wizje samych siebie i swojego miejsca w świecie. Korzystając z karty proszę powiedzieć na ile zgadza się Pan(i) bądź nie zgadza z następującymi stwierdzeniami dotyczącymi tego jak Pani postrzega samego(samą) siebie? *

Zdecydowanie się zgadzam Zgadzam się Nie zgadzam się Zdecydowanie się nie

zgadzam

Unii Europejskiej

Czuję się indywidualną jednostką

Proszę określić jak bezpieczny(a) czuje się Pan(i) w miejscu zamieszkania: *

Bardzo bezpieczny(a) Całkiem bezpieczny(a) Mało bezpieczny(a) Wcale nie czuję bezpieczeństwa

Czy cierpi Pan(i) na jakieś przewlekłe choroby? *

Tak Nie Ogólnie rzecz biorąc, jak określił(a)by Pan(i) swój obecny stan zdrowia? Jako: *

Bardzo dobry Raczej dobry Średni Zły Ile godzin w tygodniu przeciętnie poświęca Pan(i) na aktywność fizyczną – sport i rekreację

nie zwiazane z pracą? *

0 1-2 3-4 5-6 7 lub więcej Czy pali Pan(i) papierosy? *

Tak, nałogowo Tak, okazyjnie Nie i nigdy nie paliłem/paliłam Nie, ale kiedyś paliłem/paliłam

Czy jest Pan(i) w stałym związku z drugą osobą? *

Tak Nie Czy obecnie jest Pan(i): *

żonaty (zamężna) żyję w stałym związku bez ślubu rozwiedziony (rozwiedziona)

w separacji wdowcem (wdową) kawalerem (panną)

Ludzie korzystają z różnych źródeł informacji na temat wydarzeń w kraju i na świecie. Dla każdego z poniższych nośników informacji, proszę określić czy korzysta Pan(i) z nich do pozyskania informacji codziennie, tygodniowo, miesięcznie, rzadziej czy nigdy? *

codziennie raz w tygodniu raz w miesiącu rzadziej nigdy

Gazety codzienne

Tygodniki

Telewizja

Internet

Rozmowy ze

65

Ludzie korzystają z różnych źródeł informacji na temat wydarzeń w kraju i na świecie. Dla każdego z poniższych nośników informacji, proszę określić czy korzysta Pan(i) z nich do pozyskania informacji codziennie, tygodniowo, miesięcznie, rzadziej czy nigdy? *

codziennie raz w tygodniu raz w miesiącu rzadziej nigdy

znajomymi i współpracownikami

Poziom wykształcenia (jeżeli wciąż się Pan(i) kształci, proszę podać poziom wykształcenia na którym planuje Pan(i) pozostać): *

podstawowe średnie licencjackie magisterskie doktoranckie lub podyplomowe

Ogólnie rzecz biorąc, w jakim stopniu, jest Pan(i) ostatnio zadowolony(a) ze swojego życia? Proszę ocenić na skali od 1 do 10, gdzie 1 oznacza, że jest Pan(i) całkowicie niezadowolony(a), 10 – całkowicie zadowolony(a) *

Całkowicie niezadowolony(a) 2 3 4 5 6 7 8 9 Całkowicie

zadowolony(a)

Ocena

Wiek *

Wprowadź liczbę większą lub równą 15. Płeć *

Kobieta Mężczyzna Czy miejscowość, w której Pan(i) mieszka na stałe, to: *

wieś miasto do 19 999 mieszkańców miasto od 20 tyś. do 49 tyś. mieszkańców

miasto od 50 tyś. do 99 tyś. mieszkańców miasto od 100 tyś. do 499 tyś. mieszkańców

miasto 500 tyś. i więcej mieszkańców

Dziękuję za udzielenie odpowiedzi na wszystkie pytania!

Proszę załączyć teraz plik opisujący strukturę Twoich znajomych z Facebooka postępując zgodnie z poniższymi wskazówkami. Pobierane informacje dotyczą jedynie połączeń między znajomymi. Pozwoli mi to na stworzenie grafu struktury sieci i obliczenie opisujących ją statystyk.

1. Wejdź na stronę snacourse.com/getnet. Jeżeli nie jesteś zalogowany w danym momencie na Facebooku, strona poprosi Cię o zalogowanie.2. Stwórz plik .gml opisujący strukturę Twojej sieci klikając na pogrubione słowo "here" w ostatniej linijce na stronie [nie trzeba zaznaczać opcjonalnych pól].3. Poczekaj aż przetworzone zostaną dane dotyczące wszystkich połączeń między Twoimi znajomymi. 4. Kliknij PRAWYM przyciskiem myszy na pogrubione słowa "gml file" w ostatniej linijce i wybierz opcję 'Zapisz jako'*** [zapisując plik polecam wybrać Pulpit jako miejsce docelowe, by uniknąć problemów ze znaleziem go]5. Załącz poniżej utworzony plik.

*** W przypadku korzystania z niektórych wersji Internet Explorer'a należy zmienić typ zapisywanego pliku na .gml - w przeciwnym razie niemożliwe jest załączenie pliku i złożenie ankiety.

66

http://www.snacourse.com/getnet

W tym celu, po kliknięciu 'Zapisz jako' w polu Zapisz jako typ należy wybrać opcjęWszystkie pliki, a następnie w polu Nazwa Pliku należy dopisać na końcu do nazwy pliku ".gml"

W przeciwnym przypadku załączenie pliku będzie niemożliwe *

STATYSTYKI ANKIET

67

oszczesciu.files.wordpress.com · web viewpraca ta poświęcona jest analizie zależności...

Documents