《2023年世界幸福报告》

执行概要

John F. Helliwell，不列颠哥伦比亚大学温哥华经济学院 理查德·莱亚德福利项目，伦敦政治经济学院经济表现中心 杰弗里·萨克斯教授，哥伦比亚大学可持续发展中心主任 Jan-Emmanuel De Neve牛津大学健康研究中心主任 劳拉·b·阿克宁教授，西蒙弗雷泽大学心理学系 王顺，西交利物浦大学苏州国际商学院教授 Sharon Paculor，哥伦比亚大学可持续发展中心高级经理

自第一份《世界幸福报告》发布以来，已经过去了十多年。联合国大会通过第66/281号决议，宣布每年3月20日为国际幸福日，距今正好十年。从那时起，越来越多的人开始相信，我们作为一个国家的成功应该以我们人民的幸福来衡量。对于如何衡量幸福，也有越来越多的共识。这种共识意味着国民幸福现在可以成为政府的一个操作目标。
因此，在今年的报告中，我们提出了以下问题:
衡量国民幸福的共识是什么?它需要个人和机构采取什么样的行为?(第1章)
在过去三年的COVID-19和其他危机中，信任和仁慈是如何拯救生命和支持幸福的?(第二章)
什么是国家效能?它如何影响人类的幸福?(第三章)
个人的利他行为如何影响自己的幸福，接受者的幸福，以及整个社会的幸福?(第四章)
社交媒体数据能在多大程度上帮助我们衡量幸福和痛苦的普遍水平?(第五章)
简而言之，我们的答案如下。

第1章。幸福议程。未来10年

衡量一个国家幸福程度的自然方法是询问一个具有全国代表性的样本，了解他们对目前生活的满意程度。
一个国家的人民只有亲社会、健康和富裕，才会经历高水平的总体生活满意度。换句话说，它的人民必须拥有亚里斯多德所说的“快乐”。所以在社会层面上，生活满意度和幸福感是相辅相成的。
然而，在个人层面上，它们可能会出现分歧。证据表明，善良的行为通常会提高善良的行为者(以及受益者)的幸福感。但也有相当数量的善良之人，包括一些护理人员，对自己的生活并不满意。
当我们评价一个社会、一种情况或一项政策时，我们不应该只看它带来的平均幸福(包括为后代)。我们应该特别关注由此带来的痛苦程度(即低生活满意度)。为了防止痛苦，政府和国际组织应该建立像联合国《世界人权宣言》(UDHR)那样的权利。他们还应扩大可持续发展目标(sdg)，将福祉和环境政策结合起来考虑，以确保子孙后代的幸福。这些权利和目标是现在和将来增加人类幸福和减少痛苦的基本工具。
一旦幸福被接受为政府的目标，就会对制度实践产生其他深远的影响。健康，特别是心理健康，以及工作、家庭生活和社区的质量，被置于更加优先的地位。
研究人员也面临着重大挑战。所有的政府政策都应该根据幸福的试金石(每花费一美元)来评估。而如何弘扬美德则需要成为一个重要的研究课题。

第二章。2019冠状病毒病及以后的世界幸福、仁爱与信任

生命评估仍然具有显著的弹性，2020-2022年COVID-19期间的全球平均水平与2017-2019年大流行前的水平一样高。芬兰连续六年位居榜首。饱受战争蹂躏的阿富汗和黎巴嫩仍然是调查中最不幸福的两个国家，他们的平均生活评价比十个最幸福的国家低5分以上(从0到10分)。
为了研究幸福的不平等，我们首先关注的是上层和下层人口之间的幸福差距。在大多数人幸福的国家，这种差距很小，但在几乎没有人幸福的国家，这种差距也很小。然而，更普遍的是，生活在幸福差距较小的国家的人们更快乐。随着时间的推移，全球的幸福差距一直相当稳定，尽管许多非洲国家的差距越来越大。
我们还追踪了两种衡量痛苦程度的指标——生活评分在4分及以下的人口比例，以及生活评分在3分及以下的人口比例。在全球范围内，在2019冠状病毒病爆发的三年里，这两项痛苦衡量指标都略有下降。
为了帮助解释这种持续的弹性，我们记录了四个案例，表明信任和社会支持如何在危机期间支持幸福。
COVID-19死亡。在2020年和2021年，试图抑制社区传播的国家的死亡率较低，总体幸福感较高。没有足够多的国家效仿，从而使新的变种出现，例如在2022年，欧米克隆使消除变得不可行。尽管信任继续与2022年较低的死亡率相关，但现在所有国家的政策战略、感染和死亡率都非常相似，但所有三年的总死亡人数在消除国家要低得多。
仁慈。2020年，尤其是2021年，全球范围内的慈善活动激增。2022年的数据显示，亲社会行为的发生率仍比大流行前高出约四分之一。
乌克兰和俄罗斯。两国在2020年和2021年分享了全球爱心增长。在2022年期间，乌克兰的慈善活动急剧增加，但在俄罗斯却有所下降。尽管乌克兰遭受了巨大的痛苦和破坏，但2022年9月的生活评估仍然高于2014年吞并后的水平，这得到了更强烈的共同目标感、仁慈和对乌克兰领导层的信任的支持。2022年，两国民众对本国政府的信心都有所增长，但乌克兰的信心远高于俄罗斯。2022年，乌克兰所有地区对俄罗斯领导层的支持率降至零。
社会支持。新数据显示，2022年，在全球6个地区的7个关键国家，积极的社会关系和支持的普遍程度是孤独感的两倍。它们还与人们对与其他人关系的满意度的总体评分密切相关。这些积极的社会关系的重要性有助于进一步解释危机时期生活评估的弹性。

第三章。幸福感和国家效能

政府的有效性对人类的幸福有着重大的影响。
一个国家的能力可以很好地衡量
其财政能力(筹集资金的能力)
其集体能力(提供服务的能力)
其法律行为能力(法治)
避免内战，以及
避免压抑。

在各个国家，这五项指标都与人们的平均生活满意度密切相关。
利用这五个特征(和收入)，可以将国家分为3类:共同利益国家、特殊利益国家和弱势国家。在共同利益州，平均生活满意度比弱势州高2分(满分10分)，而在特殊利益州，平均生活满意度比弱势州高1分。
在那些平均生活满意度最高的国家，它的分布也更平均——生活满意度相对较低的公民较少。

第四章。做好事和感觉良好:利他主义者、受益者和观察者的利他主义和幸福之间的关系

当一个人帮助别人而不期望任何回报时，他就是无私的。像帮助陌生人、捐钱、献血和志愿服务这样的利他行为很常见，而其他行为(如捐赠肾脏)则不那么常见。
幸福和所有这些利他行为之间存在着正相关关系。当我们跨国家比较时，当我们跨个人比较时，这是正确的。但是为什么呢?
通常，接受无私帮助的人会体验到更好的幸福感，这有助于解释各国之间的相关性。但除此之外，有很多证据(实验和其他证据)表明，帮助行为会增加个体帮助者的幸福感。当帮助行为是自愿的，主要是出于对被帮助者的关心时，这一点尤其正确。
因果箭头也指向相反的方向。实验和其他证据表明，当人们的幸福感增加时，他们会变得更加无私。特别是，当人们通过体验利他主义的帮助而提高幸福感时，他们就更有可能帮助他人，从而形成良性循环。

第五章。利用社交媒体可靠地预测人口福祉:三代人的进步

使用社交媒体的评估可以提供及时和空间详细的福祉测量，以跟踪变化，评估政策并提供问责制。
自2010年以来，使用社交媒体数据来评估幸福感的方法变得越来越复杂。开发的两个主要来源是数据收集/聚合策略和更好的自然语言处理(即情感模型)。
数据收集/聚合策略已经从随机反馈分析(第一代)发展到人口统计学特征用户样本分析(第二代)，再到新兴的新一代数字队列设计研究(第三代)，其中用户被长期跟踪(第三代)。
自然语言处理模型已经改进了将语言使用映射到幸福感估计——从计算关键词字典(第1级)到依赖强大的机器学习估计(第2级)，再到使用考虑上下文中的单词的大型语言模型(第3级)。
方法的改进解决了影响社交媒体数据的各种偏见，包括选择、抽样和呈现偏见，以及机器人的影响。
当前一代的数字队列设计为基于社交媒体的福祉评估提供了无与伦比的空间和时间测量潜力(例如，每月分区域估计)。这种估计可用于使用准实验设计测试有关福祉、政策和人口健康的科学假设(例如，通过比较匹配县之间的轨迹)。

致谢

我们拥有一批杰出的专家撰稿人和专家审稿人，我们非常感谢他们愿意与读者分享他们的知识。虽然《世界幸福报告》的编辑和作者都是志愿者，但我们的合作伙伴承担了行政和研究支持费用:埃内斯托·伊利基金会;illycaffe;Davines组;联合利华最大的冰淇淋品牌Wall 's;蓝筹基金会;威廉、杰夫和詹妮弗·格罗斯家族基金会;快乐之道基金会;以及再生社会基金会。我们重视与盖洛普的数据合作伙伴关系，提供世界民意调查数据。我们感谢Ryan Swaney, Kyu Lee和Stilow Design在设计和网络开发以及媒体参与方面的持续工作。今年，我们感谢马尔万·哈齐姆·穆斯塔法·巴德尔·萨利赫在编写参考资料方面提供的帮助。无论是在研究、数据还是资助方面，我们都非常感谢所有这些贡献。
John Helliwell, Richard Layard, Jeffrey D. Sachs, Jan-Emmanuel De Neve, Lara B. Aknin，王顺;Sharon Paculor，制作编辑

第一章 幸福议程:未来10年

John F. Helliwell，不列颠哥伦比亚大学温哥华经济学院 理查德·莱亚德福利项目，伦敦政治经济学院经济表现中心 杰弗里·萨克斯教授，哥伦比亚大学可持续发展中心主任

引用:Helliwell, J. F, Layard, R.， & Sachs, J. D.(2023)。《幸福议程:未来10年》《2023年世界幸福报告》(第11版，第1章)，可持续发展解决方案网络。 确认:我们主要感谢几个世纪以来阐明美好生活本质的哲学家，感谢半个世纪以来主观幸福感研究人员，感谢吉格梅·廷利，他作为不丹总理，倡导对国民幸福总值的全球研究，并提出了2011年联合国决议，导致了第一份《世界幸福报告》，以及许多受邀的章节作者，他们分享了他们的专业知识，使《世界幸福报告》成为比我们十年前想象的更广泛、更深入的资源。当然，我们的编辑同事Jan Emmanuel De Neve, Lara B. Aknin和Shun Wang，他们为改善和扩展《世界幸福报告》的内容做了很多工作，他们也和Heather Orpana一起为这一章提供了具体的建议。

对幸福和减轻痛苦的关注可以追溯到佛陀、孔子、苏格拉底等人。但是回顾《世界幸福报告》发布的前十年，我们会发现近年来公众对幸福和幸福的兴趣有了惊人的增长。这可以在报纸报道、谷歌搜索和学术研究中看到。[1]在书中也可以看到，关于幸福的讨论已经超过了关于收入和GDP的讨论。[2]尽管这种兴趣的增长早在2012年第一份《世界幸福报告》发布之前就开始了，但我们惊讶地发现，这些报告似乎在很大程度上满足了对评估人类进步的更好的知识基础的需求。[3]
此外，政策制定者自己也越来越多地谈论福祉。经合组织和欧盟呼吁成员国政府“将人民及其福祉置于政策设计的核心”。[4]现在有五个国家属于福利经济政府联盟。[5]

基本思想

衡量人们幸福的一个自然方法是问他们对自己的生活有多满意。一个典型的问题是，“总的来说，你对你的生活有多满意?”人们的回答是0-10分(0=完全不满意，10=完全满意)。这允许人们在不做任何假设的情况下评估自己的幸福。因此，“生活满意度”是衡量幸福的标准。
然而，一个直接的问题是，什么样的习惯、制度和物质条件会产生一个人们拥有更高福祉的社会。我们还必须问人们如何才能获得技能，以促进他们自己的长期(或可持续)福祉。《世界幸福报告》每年都会研究这些问题，其中一部分是通过比较不同国家的平均生活满意度，看看人口的哪些特征可以解释这些差异。[6]研究结果很清楚。一个国家的精神很重要——人们是否值得信赖、慷慨大方、相互支持?制度也很重要——人们可以自由地做出重要的人生决定吗?生活的物质条件也很重要，包括收入和健康。
这些都是亚里士多德在《尼各马可伦理学》中确定的大致条件。[7]他认为，一个人在这些品质上——性格美德和充足的外在财富——都很高，就能实现“幸福”。他特别强调了一个人的性格的重要性，这种性格是由导师和习惯所塑造的，他把快乐定义为“灵魂根据美德的活动”。换句话说，高度的幸福需要高尚的品格，包括节制、坚韧、正义感、建立和维持友谊的能力，以及在城邦(政治共同体)中的良好公民身份。今天，我们把友谊和公民身份的外向美德描述为“亲社会”的态度和行为。对希腊人和我们来说，过一种正确的生活是一项来之不易的技能。希腊人用arete这个词，意思是卓越或美德。个人美德是必不可少的，亲社会性也是必不可少的。我们的现代证据还表明，如果良性行为的发展要带来广泛的幸福，就需要一个支持性的社会和制度环境。亚里士多德通过研究雅典和其他古希腊城邦的宪法也知道这一点。
一个普通公民表现出强烈的美德和高度的幸福感的社会，也会是一个普通公民体验到高生活满意度的社会。要明白为什么这是正确的，我们只需要考虑我们自己的生活满意度在多大程度上取决于他人的行为和态度。因此，要拥有一个平均生活满意度高的社会，我们需要一个拥有善良公民和支持性机构的社会。在社会层面上，这两个术语是相辅相成的。有效的制度支持个性发展;善良的公民促进有效的制度。
善良通常会让人感觉更好。在几项研究中，一些人被给钱给别人，而另一些人被给钱给自己——前一组人变得更快乐。[8]更快乐的人更有可能帮助别人，这在本报告的第4章和其他地方也有体现。[9]在实验室的囚徒困境游戏中，研究表明，当人们选择合作时，他们的大脑奖励中心的活动会增加。[10]
有美德通常会让人感觉更好，但美德并不总是有益的。

但美德并不总是有回报的。例如，一些全职的志愿照顾者(照顾脆弱的孩子或年迈的父母)的生活满意度很低。[11]因此，当我们观察个体时，生活满意度和幸福感是不一样的。例如，我们需要专门的机构来支持护理人员的辛勤工作。照顾是有益的，但也是困难和痛苦的，需要社会支持。然而，总体政策问题依然存在。我们应该培养个人的美德和幸福——既为了他们自己，也为了他人。
制度的中心任务是促进各种有助于幸福的行为和条件。但在我们谈到机构和研究之前，还有另外两个基本的原则问题。首先是幸福的分布——与平均水平相比。与英国哲学家边沁(Jeremy Bentham)不同，我们并不认为幸福的平均水平(或简单的算术形式的幸福总和)是最重要的。我们应该关心幸福的分配，当痛苦可以减轻时，我们会更快乐。大多数伦理体系都强调，世界(和“创造”)是为每个人服务的，而不仅仅是为幸运儿、富人或幸运儿服务的。在这个方向上，一个明显的步骤是保障最低限度的人权(包括食物、住所、自由和公民权利)。因此，联合国的《世界人权宣言》[12]是幸福议程不可或缺的组成部分。如果没有这些基本人权，今天会有更多的人生活在痛苦之中。然而，《世界人权宣言》的议程仍远未实现，实现它仍然是我们这个时代的一项中心任务。
要有一个平均生活满意度高的社会，我们需要一个平均幸福感高的社会。

第二个问题同样至关重要:子孙后代的福祉。在大多数伦理体系中，从幸福的角度来看，幸福对世界上每一个人、每一代人都很重要。今天的决定应该对后代和我们自己的福祉给予应有的重视。从技术上讲，用来比较代际情况的贴现率应该非常低，而且实际上远低于经济学家通常使用的贴现率。未来的幸福必须得到应有的照顾。因此，联合国可持续发展目标(sdg)[13]也是幸福议程的重要组成部分。
简而言之，他人的利益(人权)和可持续环境的利益(可持续发展目标)是幸福生活不可或缺的一部分，而不是额外的或与之相冲突的东西。
照片由Ashwini Chaudhary Monty在Unsplash上拍摄

机构的优先事项

因此，现在有可能发生一场真正的福祉革命，也就是说，通过部署我们的知识、技术和伦理观点，实现人类福祉的广泛进步。对这种进步的渴望正在增长，关于如何促进人类福祉的知识基础正在爆炸式增长。
根据我们从全球数百万受访者的生活评估中了解到的情况，我们现在更清楚地了解了起作用的关键因素。要解释世界各地的幸福感差异，包括国家内部和国家之间的差异，关键因素包括:[14]
身心健康 人际关系(家庭、工作和社区) 收入与就业 性格美德，包括亲社会和信任 社会支持 个人自由 缺乏腐败，和 有效的政府
人类并不像霍布斯曾经说过的那样，像蘑菇一样完全成形地来到这个世界。

人类并不像霍布斯曾经说过的那样，像蘑菇一样完全成形地来到这个世界。他们也没有像经济学家贝克尔和斯蒂格勒曾经建议的那样，可以被视为理所当然的品味和价值观。[15]他们的性格、习惯和价值观是由他们生活的社会制度和他们从中吸取的规范形成的。例如，北欧国家的幸福感最高，尽管他们并不比许多其他国家富有。但他们确实有更高程度的信任、相互尊重和支持。[16]
因此，福祉革命将取决于每个国家社会机构的表现。每一个机构的目标应该是尽其所能为人类的福祉作出贡献。根据我们现有的知识，我们已经可以看到许多机构必须做的关键事情。让我们依次讨论这些机构。
政府及非政府组织
托马斯·杰斐逊曾经说过:“关心人类的生命和幸福是一个好政府唯一合法的目标。”[17]这与亚里士多德的观点相呼应，即政治应该以促进幸福为目标。政府的首要目标必须是创造条件，使人民尽可能获得最大的福祉，特别是减少痛苦。(幸运的是，正如我们后面所展示的，增加幸福感也符合政府的选举利益，因为这使得政府更有可能再次当选)。
因此，所有关于支出、税收和管制的政策都需要根据它们对福利的影响来加以评估。总支出可能由政治力量决定，但哪些政策能吸引资金，则应取决于它们对每一美元支出可能产生的福利效果。[18]我们已经对其中一些影响有了粗略的估计，下面的内容反映了这一证据。
政策选择应始终适当考虑到子孙后代(“可持续性”)和维护基本人权的需要。当然，应对气候变化的斗争是国际性的，每个政府都应该在这一不可推卸的承诺中发挥应有的作用。
有证据表明，在其他条件相同的情况下，政府社会支出(不包括军事支出)水平较高的国家，有收入支持，福利水平较高。[19]社会支出带来更高的幸福感，特别是在拥有值得信赖和有效政府的国家(见第3章)。这不仅仅是巧合，因为在社会和机构信任理应更高的地方，人们更愿意为社会项目付费，政府也更有能力有效地提供这些项目。但是，无论政府的范围有多大，慈善、志愿组织(ngo)总是扮演着关键角色——几乎在人类活动的每一个领域。一个非政府组织的基本原理是它对福祉的贡献，每个非政府组织自然会根据这个标准来评估它的备选方案。
保健服务和社会关怀
许多保健服务机构已经根据每美元对生活质量调整生命年(QALYs)数量的影响来评估其支出选择——这一程序与所有政府支出所需的程序类似。由于资源有限，这是唯一合理的方法。
一个明确的发现是，需要在精神保健和公共卫生方面投入更多资金。例如，针对抑郁症和焦虑症的现代循证心理疗法已被证明比它的成本更省钱。(节省下来的钱包括减少残疾福利、增加税收和减少身体保健费用)。[20]与提供精神卫生保健相比，更积极主动的是，注重促进精神卫生——或促进良好的精神卫生条件和预防精神疾病的发作——已被证明具有成本效益。[21]
许多心理和身体健康问题可以通过更好的生活方式来预防(例如，更多的锻炼，更好的睡眠，饮食，社会活动，志愿服务和正念)。我们还必须承认，这些生活方式的选择是在社会和自然环境中发生的——塑造这些环境，使“正确”的选择变得容易，这一点很重要，因为我们知道，改变个人行为是困难的。政府和卫生系统可以发挥作用，帮助塑造我们的生活环境，促进促进福祉的生活方式。社区组织在这方面可以发挥重要作用。全科医生的“社会处方”也是如此。这些都是需要大规模扩张的领域。
但是，无论发生什么，数以百万计的弱势儿童和成年人都需要进一步的帮助。这些人包括孤儿或有精神或身体残疾的儿童、工作年龄的残疾成年人(包括患有成瘾症的人)和脆弱的老年人。在幸福战略中，这些人具有很高的优先权。
学校
在促进积极幸福方面，学校有一个良好的开端。但他们并不总是能利用这一点，甚至在COVID之前，大多数发达国家的青少年，特别是女孩的福祉就在下降。[22]这部分归因于考试压力的增加，部分归因于社交媒体。学校有很多方法可以提高幸福感，而且很多方法确实做到了。首先是学校的整体风气和价值体系，体现在教师、学生和家长之间的关系上。其次是衡量的实践——通过衡量幸福，学校将表明他们重视它，并致力于改善它。[23]最后，以循证的方式定期教授生活技能，许多基于积极心理学的方法被发现是有效的。[24]
生意和工作
商业在创造幸福的过程中扮演着巨大的角色。它为顾客提供商品和服务，为工人提供收入、就业和工作质量，并为业主提供利润。商业是在法律框架内运作的，其存在的理由是它对人类福祉的贡献。2019年，代表全球多家领先公司的美国商业圆桌会议(US Business Roundtable)公开宣称，企业对客户、工人、供应商以及股东的福利负有义务。现在有一个主要的咨询行业，他们为公司提供如何提高员工福利的建议——这既是为了公司自身的利益，也是为了股东的利益。[25]美国的一项时间利用研究表明，员工一天中最糟糕的时间是和老板在一起的时候。[26]显然，一些工作场所会从一场福利革命中获益良多。
群体生活:人类作为社会性动物
成年人的生活不只是工作。它包含家庭生活和家庭之外的各种社会交往。正如亚里士多德所说，人是一种社会性动物。幸福感研究的一个明确发现是，社会关系在促进幸福感方面发挥了巨大作用，而孤独则在相应程度上降低了幸福感。[27]
一种主要的联系形式是自愿组织的成员(无论是体育、艺术、宗教崇拜还是做好事)。证据很清楚:加入这样的组织有利于幸福。[28]一个想要高福利的社会必须让这些组织更容易蓬勃发展。当然，人际关系改善生活的力量并不局限于正式的组织——时间利用研究表明，几乎任何活动在友好的陪伴下进行都会更令人愉快。[29]
Harry Tran在Unsplash上拍摄
环境机构
保护环境也是社会的责任——为了我们这一代和子孙后代。有强有力的证据表明，与大自然和绿色空间的接触如何提高人类的幸福感。[30]保护我们与自然的接触是环境机构、中央和地方政府的职责。但我们也面临着气候变化的总体挑战，我们目前的生活方式只有通过将温室气体排放减少到净零的重大国际影响才能得到保护。
法治
当然，法律体系有许多功能。它必须维护人权，裁决民事纠纷和惩罚犯罪。在惩罚方面，幸福的方法是明确的。惩罚只有三个理由:威慑未来的犯罪，保护今天的公众，使罪犯改过自新。没有报复的角色。最重要的目标是让罪犯重新融入社会。对于监狱中的罪犯来说，这需要真正的努力，1998年的新加坡监狱改革提供了一个很好的例子，囚犯、监狱长和社区合作，使囚犯过上更好的生活，在这种情况下，他们后来作为志愿者而不是囚犯回到监狱。[31]
个人和家庭
到目前为止，我们已经讨论了家庭以外的制度。但对大多数人来说，他们的家庭和其他机构一样影响着他们的幸福。家庭如何运作，实际上所有机构如何运作，最终取决于个人及其生活目标。根据幸福方法，只有当个人在自己的生活中努力(为自己和他人)创造最大的幸福时，才会产生最大的整体幸福。[32]
信仰体系
当然，公民美德的目标在各个时代都得到了提升。它是亚里士多德、孔子以及世界上大多数宗教信仰的核心教义。现在，它被一些世俗的运动所推广，如幸福行动、[33]有效利他主义、[34]和世界幸福运动。[35]这类运动还需要更多。

研究重点

然而，要完成幸福革命，还需要更多的知识。因此，根据我们之前的论点，这里有一些需要进一步研究的重点。
幸福与美德
第一个关键问题是如何培养和促进良好的品格和行为。如果我们将一个社会与另一个社会进行比较，我们可以看到，拥有优越社会规范的国家往往会达到更高的幸福水平。例如，在《世界幸福报告》的第二章中，我们展示了生活在一个更加慷慨、信任和支持的社会中的积极影响。这种关系有两个原因。首先，一个人的良好行为会让其他人感觉更好。其次，有证据表明，当一个人行为高尚时，她自己也会感觉更好。但我们也需要更多的关于人们的价值观和个人幸福之间关系的自然主义研究。
继续，如果美德如此重要，关键问题是如何帮助人们变得更有美德。2300多年前，亚里士多德在《尼各马可伦理学》中提出了这个问题。佛陀、印度教哲学家(在《博伽梵歌》和其他地方)、犹太教和基督教神学家、伊斯兰教思想家和其他人长期以来都在问同样的问题。
这个问题很难进行实证研究，因为我们没有足够的量化衡量美德的价值观和行为。英国国家统计局(Office of National Statistics)最常用的问题是:“你觉得你一生中所做的事情有价值吗?”但我们真正想知道的是，人们所做的事情是否真的值得。归还丢失的钱包是具有强烈积极幸福感的亲社会行为的一个例子[36]，值得通过调查和实验进行更定期的监测。盖洛普世界民意调查定期调查了其他仁慈行为的频率，并发现它们支持幸福。[37]显然，对个人性格、美德和幸福进行更多研究的空间很大，我们强烈鼓励这样的研究。
如何研究儿童行为的问题可能更容易解决，因为老师们会足够近地观察他们，从而能够对他们的行为进行评估。在这类研究中，学校里发现了许多改善行为的策略。其中最引人注目的是“良好行为游戏”[38]，在这个游戏中，学生们会因为在小组中的平均表现而获得奖励。许多生活技能课程也被发现对行为有影响。[39]但对于成年人来说，仅仅说更好的价值观带来更大的幸福是不够的。我们还需要知道如何促进美德，包括自我控制、节制、诚信和亲社会。
苏曾在Unsplash上拍摄
成本效益实验和模型(适用于政府和非政府组织)
第二个主要需求是有效地使用公共资金来增加幸福，特别是消除痛苦。如果所有公共支出的目的都是为了提高福祉水平，那么政策建议(和现有政策)应该把重点放在长期福祉上。[40]在某些情况下，有可能量化一项政策对福利水平和分配的影响。在其他情况下，其影响将是复杂的和下游的，但福利政策的长期影响仍可能受到审查，并适当考虑到长期的不确定性。
审查政策与福祉之间的联系将需要新的工具，包括适当时的实验方法，同时对所有受影响者的福祉进行全面监测。就过去的政策对受影响个人和社区主观福祉的影响进行的评价仍然很少。要缩小这一研究差距，就需要在个人和社区两级对结果衡量标准作出新的改变。即使福祉本身不包括在内，基于相关人群生活评估决定因素的研究仍然可以用来为各种其他结果提供权重。这是从福祉目标清单转向具体政策决定的关键一步。
测量
《世界幸福报告》将主观生活评估作为衡量幸福的主要指标，积极情绪和消极情绪在其中起着重要的中介作用。到目前为止，现有的证据表明，几种不同形式的生活评估，包括坎特里尔阶梯，对生活的满意度，以及对生活的整体满意度，都提供了关于幸福来源的类似结论。[41]因此，作为衡量潜在福祉的基本指标，它们是可以互换的。短期的积极和消极情绪也有助于衡量快速变化的环境的影响。它们还为长期因素提供了重要的调节途径，尤其是那些与社会环境质量有关的因素。[42]理论和实验表明[43]，情绪和对生活的评价对幸福来源的变化有不同的反应，这增加了两者的可信度。
通过检查神经通路、[44]遗传差异以及从人们使用社交媒体的沟通方式的本质中可以推断出的关于幸福感的补充信息(见第5章)，也可以获得很多信息。这些都是值得进一步发展的活跃而有价值的研究流。未来的衡量议程还应寻求更好的社会和制度结构质量衡量标准，这是解释福祉的核心。
当然，应当继续收集各种客观措施来补充这些主观措施，例如剥夺措施(饥饿、赤贫、缺乏住房)、身心健康状况、公民权利和个人自由、社会价值观措施以及社会信任和社会资本指标。
幸福的影响
最后，还有一个问题是幸福感对其他有价值结果的影响——比如寿命、生产率、亲社会性、冲突和投票行为。这些影响增加了改善幸福感的理由。其中一些影响已被充分记录，[45]但关于幸福的政治和社会影响的研究尚处于起步阶段。一些研究表明，较高的幸福感增加了政府的投票份额[46]，并且在解释选举结果时，幸福感比经济更重要。同样，低福利会增加对民粹主义的支持。[47]显然，福祉将是未来政治辩论的中心。但它需要更多的工作。

结论

人们越来越多地通过几代人和几代人之间的幸福水平和分配来判断事态。人们有很多价值观(比如健康、财富、自由等等)，就像幸福一样。但越来越多的人认为幸福是终极的善，是至善。出于这个原因，我们建议2030年及以后的可持续发展目标应在业务和道德上更加强调福祉。福祉在可持续发展中的作用已经存在，但福祉应在今后几年的全球外交以及国际和国家政策中发挥更为核心的作用。

参考文献

Aknin, l.b.， Van de Vondervoort, j.w.， & Hamlin, j.k.(2018)。积极的感觉奖励和促进亲社会行为。当代心理学观点，20,55 -59。

Aknin, L. B.， Whillans, A. V.， Norton, M. I.和Dunn, E. W.(2019)。幸福与亲社会行为:证据评价。在J. F. Helliwell, R. Layard, J. Sachs和De Neve, J. E(编)2019年世界幸福报告，第67-86位。

Aknin, l.b.， Dunn, e.w.， & Whillans, a.v.(2022)。亲社会消费的情感回报在大样本中是稳健的和可复制的。心理科学动态，31(6)，536-545。

安娜斯，J.(1993)。幸福的道德。牛津大学出版社。

Barrington-Leigh, C.(2022)。进步和幸福概念的趋势。见Helliwell, Layard, Sachs, De Neve, Aknin, and Wang(编)《世界幸福报告2022》，53-74页。

#BeeWell概述简报。(2022)曼彻斯特大学、大曼彻斯特联合政府和安娜·弗洛伊德中心的2021年#BeeWell调查结果。英国曼彻斯特。

Bellet, C, De Neve, J. E, and Ward, G.(2020)。员工的幸福感对生产力有影响吗?Saïd商学院WP 2019-13。

Brethel-Haurwitz, K. M， & Marsh, A. A.(2014)。主观幸福感的地理差异预示着非凡的利他主义。心理科学，25(3)，762-771。

Chisholm, D, Sweeny, K, Sheehan, P.， Rasmussen, B.， Smit, F.， Cuijpers, P.， & Saxena, S.(2016)。抑郁症和焦虑症的大规模治疗:全球投资回报分析。《柳叶刀精神病学》，3(5)，415-424。

Clark, A. E, flche, S.， Layard, R.， Powdthavee, N.， and Ward, G.(2018)。《幸福的起源:生命历程中幸福的科学》普林斯顿大学出版社

Cohn, A.， marmachaal, M. A.， Tannenbaum, D.， & z ， C. L.(2019)。全球公民诚信。科学，365(6448)，70-73。

Cosma, A.， Stevens, G.， Martin, G.， Duinhof, E. L.， Walsh, S. D.， Garcia-Moya, I.，…and De Looze, M.(2020)。2002 - 2018年青少年心理健康的跨国时间趋势及学业压力的解释作用青少年健康杂志，66(6)，S50-S58。

Davidson, R. J， & Schuyler, B. S.(2015)。幸福的神经科学。见J. F. Helliwell, R. Layard， & J. Sachs(编)，2015年世界幸福报告(第88-105页)。纽约:可持续发展解决方案网络。

De Neve, J. E.和Oswald, A. J.(2012)。利用兄弟姐妹固定效应估计生活满意度和积极影响对以后收入的影响。国家科学院学报，109(49)，19953-19958。

De Neve, J. E, Diener, E.， Tay, L.，和Xuereb, C.(2013)。主观幸福感的客观好处。J. F. Helliwell, R. Layard， & J. Sachs(主编)，2013年世界幸福报告(第54-79页)。

De Neve, j - e。， & Sachs, J.(2020)。可持续发展目标与人类福祉:对协同效应、权衡和区域差异的全球分析。自然科学报告，10,15113。

Durlak, J. A.， Weissberg, R. P.， Dymnicki, A. B.， Taylor, R. D.， & Schellinger, K. B.(2011)。加强学生社会和情感学习的影响:基于学校的普遍干预的荟萃分析。儿童发展，82(1)，405-432。

Edmans, A.(2012)。工作满意度与企业价值之间的联系，以及对企业社会责任的影响。管理学刊，26(4)，1-19。

欧盟理事会(2019)。福祉经济:为人民福祉和经济增长创造机会。(13171/19)。布鲁塞尔:欧洲联盟理事会，检索自https://data.consilium.europa.eu/doc/document/ST-13171-2019-INIT/en/pdf。

Flavin, P.， Pacek, a.c.， & Radcliff, B.(2011)。发达工业民主国家的国家干预与主观幸福感。政治与政策，39(2)，251-269。

Frijters, P.， & Krekel, C.(2021)。英国福利政策制定手册:历史、测量、理论、实施和实例。牛津大学出版社。将于2022年夏季通过开放获取在线提供。

Helliwell, J. F.(2011)。机构作为福祉的推动者:新加坡监狱案例研究。国际健康杂志，1(2)。

Helliwell, J. F， & Putnam, R. D.(2004)。幸福的社会背景。伦敦皇家学会哲学汇刊。B辑:生物科学，359(1449)，1435-1446。

Helliwell, J. F.， Huang, H.， Grover, S.， and Wang, S.(2018)。善政与国民福祉之间的经验联系。比较经济学，46(4)，1332-1346。

Helliwell, J. F, Layard, R.， Sachs, J. F, and De Neve, J. e(2020)。幸福的环境:概述。世界幸福报告，2020,3-12。

Ialongo, n.s.， Werthamer, L.， Kellam, s.g.， Brown, c.h.， Wang, S.， and Lin, Y.(1999)。两种一级预防干预措施对后期药物滥用、抑郁和反社会行为的早期危险行为的近端影响社会心理学杂志，27(5)，599-641。

杰斐逊，T.(2004)。1809年3月31日，托马斯·杰斐逊对马里兰州华盛顿县共和党人的演说。国家档案和记录管理局。https://founders.archives.gov/documents/Jefferson/03-01-02-0088#:\~:文=关心人的生命，是纯洁的共和原则。

Kellam, s.g.， Mackenzie, a.c.， Brown, c.h.， Poduska, j.m.， Wang, W.， Petras, H.， and Wilcox, h.c.(2011)。良好行为游戏和未来的预防和治疗。成瘾科学与临床实践，6(1)，73。

Krekel, C.， Kolbe, J.， & w stemann, H.(2016)。越绿越快乐?城市土地利用对居民幸福感的影响。生态经济学报，21(1)，117-127。

Krekel, C， & MacKerron, G.(2020)。环境质量如何影响我们的幸福感。见J. F. Helliwell, R. Layard, J. Sachs和J. De Neve, J. E主编，《世界幸福报告2020》，第95-112页。

Krokstad, S.， Weiss, D. A.， Krokstad, M. A.， Rangul, V.， Kvaløy, K.， Ingul, J. M.，…& Sund, E. R.(2022)。不同年龄的十年心理健康趋势表明，年轻人的心理健康状况较差:挪威HUNT研究的重复横断面人口调查。英国医学杂志，12(5)

Krueger, a.b.(2009)。衡量国家的主观幸福感:时间使用和幸福感的国民核算。芝加哥大学出版社。

Kushlev, K.， Drummond, D. M.， Heintzelman, S. J.和Diener, E.(2020)。快乐的人关心社会问题吗?积极心理学杂志，15(4)，467-477。

Kushlev, K.， Radosic, N.， & Diener, E.(2022)。主观幸福感和亲社会:快乐的人会给别人更多的时间和金钱。社会心理与人格科学，13(4)，849-861。

莱亚德，R.，克拉克，D.(2014)。茁壮成长:基于证据的心理治疗的力量。英国企鹅。

莱亚德R.，和德内夫，J.E.(2023)。福祉:科学与政策。剑桥大学出版社。

莱亚德，R.，和沃德，G.(2020)。我们能更快乐吗?:证据与伦理。英国企鹅。

Le, L. K. D, Esturas, A. C, Mihalopoulos, C, Chiotelis, O.， Bucholc, J.， Chatterton, M. L.和Engel, L.(2021)。心理健康预防和促进干预措施的成本效益证据:经济评估的系统回顾。公共医学杂志，18(5)，e1003606。

Leong, L.(2010)。新加坡监狱服务的故事，从囚犯的守护者到生活的船长。新加坡公务员学院。

Lordan, G. McGuire, A.J.(2019)。扩大高中课程，包括软技能培训:对健康、行为、情感健康和职业抱负的影响。CEP讨论文件1630，伦敦经济学院经济表现中心。

Lyubomirsky, S.， King, L.， and Diener, E.(2005)。频繁的积极影响的好处:快乐导致成功吗?心理通报，131(6)，803。

Marquez, J, and Long, E.(2021)。青少年主观幸福感的全球下降:一项探索46个国家15岁学生生活满意度变化模式的比较研究。儿童指标研究，14(3)，1251-1292。

McManus, S.， Bebbington, P.， Jenkins, R.， & Brugha, T.(2016)。英国的心理健康和福祉:2014年成人精神病发病率调查。

Nowakowski, A.(2021)。不快乐的公民会投票给民粹主义吗?政治经济，28(1)，1985。

奥康纳，k.j.(2017)。世界各地的幸福和福利国家政策。行为经济学评论，4(4)，397-420。

Rhoads, s.a, Gunter, D, Ryan, R. M.， & Marsh, a.a.(2021)。主观幸福感的全球变化预示着七种形式的利他主义。心理科学，32(8)，1247-1261。

Rilling, J. K, Gutman, D. A.， Zeh, T. R.， Pagnoni, G.， Berns, G. S.， & Kilts, C.(2002)。社会合作的神经基础。神经学报，35(2)，395-405。

Rosella, L. C.， Fu, L.， Buajitti, E.， Goel, V.(2019)。生活满意度低与死亡和慢性病风险相关:一项基于人群的队列研究中华流行病学杂志，2008(2)，323-331。

Sadler, K.， Vizard, T.， Ford, T.， Marcheselli, F.， Pearce, N.， Mandalia, D.，…麦克马纳斯，S.(2018)。英国儿童和青少年心理健康，2017。NHS的数字。, https://digital.nhs.uk/data-and-information/publications/statistical/mental-health-of-children-and-young-people-in-england/2017/2017

斯特普托，A.和J.沃德尔(2012)。享受生活，活得更长。内科学文献，32(3):273-275。

斯蒂格勒，g.j.和贝克尔，g.s.(1977)。“无争议之物”。《美国经济评论》，67(2)，76-90。

Waldinger, R.和Schulz, M.(2023)。《美好生活:来自世界上最长的关于幸福的研究》企鹅兰登书屋，美国。

沃德，G.(2019)。幸福和投票行为。见J. F. Helliwell、R. Layard、J. Sachs和J. De Neve主编，《世界幸福报告2019》，第46-65页。

沃德，G.(2020)。幸福与投票:来自欧洲40年选举的证据。政治科学，64(3)，504-518。

Ward, G, De Neve, J. E, Ungar, L. H, and Eichstaedt, J. C.(2021)。美国总统选举中的幸福和投票。心理学报，20(2)，393。

泽勒，S.(2018)。看护者的幸福。牛津人口老龄化研究所博客，2018年11月21日。检索自:https://www.ageing.ox.ac.uk/blog/the-happiness-of-the-caregivers

尾注

    参见Layard 2020，第9页。↩︎

    参见Barrington-Leigh(2022)︎

    即使与触发“超越GDP”的概念相比，引用数量的增加也说明了这一点，如《WHR 2022》第3章图3.1所示。↩︎

    参见欧盟理事会(2019)和经合组织秘书长古里亚的讲话，2019年7月8日，布鲁塞尔https://www.oecd.org/social/economy-of-well-being-brussels-july-2019.htm。↩︎

    新西兰、冰岛、芬兰、苏格兰和威尔士。↩︎

    参见本报告中的表2.1。↩︎

    “古代的伦理理论是关于幸福的理论——声称对幸福有反思的理论将得出结论，幸福需要拥有美德，并对他人的利益给予应有的重视”，Annas(1993)，第330页。↩︎

    参见Aknin等人，(2019，第72页)。有关预注册研究的更全面综述，请参见Aknin等人(2022)。↩︎

    参见Kushlev等人(2020)、Kushlev等人(2022)、Rhoads等人(2021)、Brethel-Haurwitz等人(2014)和Aknin等人(2018)。↩︎

    参见Rilling等人(2002)。↩︎

    参见Zeller(2018)。↩︎

    https://www.un.org/en/about-us/universal-declaration-of-human-rights↩︎

    https://sdgs.un.org/goals。关于可持续发展目标与幸福之间的联系，请参见De Neve和Sachs(2020)。↩︎

    这些变量的重要性既体现在跨国背景下，如本报告第二章表2.1所示，也体现在对个人反应的分析中，如《2022年世界幸福报告》表2.4所示，或克拉克等人(2018)所示。↩︎

    参见Stigler和Becker(1977)。↩︎

    如第2章所示，当在40个不同的国家实验性地丢弃大量装有现金的钱包时，北欧国家的回收率为81%，西欧其他地区为60%，其他所有国家加起来为43%。基础数据来自Cohn等人(2019)。↩︎

    参见Jefferson, T.(2004)。↩︎

    参见Layard and De Neve(2023)和Frijters and Krekel(2021)。↩︎

    见《2019年世界幸福报告》第二章统计附录二表16。另见Flavin et al. (2011)， O 'Connor(2017)和Helliwell et al.(2018)︎

    参见莱亚德和克拉克(2014)，特别是第11章。另见Chisholm et al.(2016)。↩︎

    参见Le et al.(2021)。↩︎

    参见Cosma et al. (2020);马尔克斯和朗(2021)。Krokstad et al . (2022);McManus et al (2016);Sadler等人(2018)。↩︎

    见#BeeWell报告(2022)︎

    参见Durlak et al.(2011)和Lordan and McGuire(2019)。↩︎

    参见Edmans(2012)︎

    见Krueger (2009, p. 49)。↩︎

    参见Waldinger和Schulz(2023)。↩︎

    参见Helliwell和Putnam(2004)。↩︎

    在50万次调查中，1.3万名伦敦人被问及他们的瞬间幸福感。他们表示，无论活动的性质或地点如何，有朋友或伴侣陪伴时都更快乐。与物理环境相关的总体结果见Krekel & MacKerron(2020)，社会环境相互作用见Helliwell et al.(2020)第9页。↩︎

    例如Krekel et al .(2016)和Krekel & MacKerron(2020)。↩︎

    参见Leong(2010)和Helliwell(2011)。↩︎

    这是“为幸福而行动”组织成员的承诺。↩︎

    https://actionforhappiness.org/↩︎

    https://www.effectivealtruism.org/↩︎

    https://worldwellbeingmovement.org/↩︎

    参见《2021年世界幸福报告》图2.4。↩︎

    如每年第二章表2.1所示的捐款的作用。据《2022年世界幸福报告》报道，2022年，几种类型的慈善行为有所增加。↩︎

    参见Kellam等人(2011)和Ialongo等人(1999)。↩︎

    参见Durlak et al.(2011)和Lordan and McGuire(2019)。↩︎

    参见Layard and De Neve(2023)，尤其是第18章。↩︎

    见《2015年世界幸福报告》第15-16页。↩︎

    例如，《2022年世界幸福报告》表2.1显示，第4栏(包括情感)中社会支持、自由和慷慨的系数明显低于第1栏(不包括情感)，而收入、健康和腐败的系数没有变化。↩︎

    例如，工作场所信任水平是生活评价和日常情绪的重要决定因素，但具有不同的模式:高工作场所信任降低了情绪的周末效应的大小，而生活评价不显示任何周末模式。↩︎

    例如，见Davidson & Schuyler(2015)。↩︎

    有关一系列结果，请参见Lyubomirsky等人(2005)和De Neve等人(2013)。关于寿命见Steptoe和Wardle(2012)和Rosella等人(2019)，关于生产率见Bellet等人(2020)，关于后续收入见De Neve和Oswald(2012)。↩︎

    参见Ward(2019)、Ward(2020)和Ward et al.(2021)。↩︎

    参见Nowakowski(2021)。↩︎
        

第二章 危机时期的世界幸福、信任和社会关系

John F. Helliwell，不列颠哥伦比亚大学温哥华经济学院 黄海芳加拿大阿尔伯塔大学经济系 Max Norton温哥华经济学院，英属哥伦比亚大学 Leonard Goff加拿大卡尔加里大学经济系 西安交通利物浦大学苏州顺旺国际商学院
引用:Helliwell, J. F, Huang, H.， Norton, M.， Goff, L.， and Wang, S.(2023)。危机时期的世界幸福、信任和社会关系。《2023年世界幸福报告》(第11版，第2章)，可持续发展解决方案网络。 感谢:作者感谢WHR赞助商的财政支持，以及来自盖洛普世界民意调查和盖洛普/社会关系元状态研究的数据。我们感谢Lara B. Aknin、Bernardo Andretti、Chris Barrington-Leigh、Tim Besley、Jan-Emmanuel De Neve、Anya Drabkin、Anat Noa Fanti、Dunigan Folk、Rodrigo Furst、Rafael Goldszmidt、Carol Graham、Jon Hall、David Halpern、Nancy Hey、Sarah Jones、Richard Layard、Eden Litt、Joe Marshall、Marwan H. Saleh、Chris McCarty、Tim Ng、Sharon Paculor、Rachel Penrod、Anna Petherick、Julie Ray、Ryan Ritter、Rajesh Srinivasan、Jeffrey D. Sachs、Lance Stevens、和Meik Wiking。

介绍

以任何标准衡量，2022年都是危机之年，包括持续的COVID-19大流行、乌克兰战争、全球通货膨胀以及一系列地方和全球气候紧急情况。因此，我们有更多的证据表明，生活评价、信任和社会联系如何共同影响国家乃至整个世界在面对危机时的适应能力。我们的主要分析是通过生活评估和情绪来衡量幸福，它们在危机情况下是如何演变的，以及在信任、仁慈和支持性社会关系继续蓬勃发展的情况下，生活是如何变得更好的。
在我们的第一部分中，我们展示了我们的年度排名和国民幸福的模型，但在某种程度上与以前的做法略有不同。我们的关键数字2.1继续根据前三年的平均寿命评估对各国进行排名，该平均值涵盖2020-2022年这三个COVID-19年。这一切都没有改变。主要的变化是，今年我们删除了显示我们试图解释国民幸福指数差异的彩色分栏。我们在2013年推出了这些栏，因为读者想知道更多关于我们发现的巨大差异背后的一些可能原因。然而，在接下来的几年里，许多读者和评论员因此认为，我们的排名在某种程度上反映了一个基于我们在建模中使用的六个变量的指数。为了纠正这种错误的印象，我们去掉了解释性的条形图，把真实的生活评价单独留在了舞台中央。我们继续纳入水平胡须，显示我们国家估计的95%置信区间，今年补充了每个国家的排名范围的衡量标准，其排名可能在这个范围内。我们还继续尝试解释不同国家和不同时期的生活评估是如何以及为什么会有所不同。然后，我们提出了我们的最新尝试，以解释各国生活评估的巨大差异所揭示的幸福差异。
在我们的第二部分中，我们再次回顾了自2005-2006年盖洛普世界民意调查数据首次可用以来生活评估和情绪的演变。今年，我们特别关注2019冠状病毒病如何影响福祉分配。福祉不平等是扩大了还是缩小了?在哪里，为谁?我们将国家人口分为幸福和不幸福的一半，以显示这两个群体在大流行之前和期间的情况。我们这样做是为了评估生活，以及他们的情感、社会和物质基础。
在第三部分中，我们记录了信任，仁慈和社会关系在危机时期支持福祉的程度。首先，我们添加了第三年的COVID-19数据，以说明在欧米克隆变异、广泛接种疫苗和公共卫生措施变化的共同影响下，2022年死亡率模式发生了多大变化。人们对政府有信心的国家在2022年的COVID-19死亡人数仍然较低，就像2020年和2021年一样。
接下来，我们更新了关于COVID-19期间仁慈程度增加的报告，发现它仍远高于大流行前的水平。
然后，我们展示了自2014年以来，特别是2022年乌克兰和俄罗斯之间的冲突如何与两国的生活评估模式、情绪、对政府的信任和仁慈相关联的数据。
最后，我们利用2022年的新数据来分析社会背景中积极和消极方面的相对重要性。这些数据表明，积极的社会环境远比孤独更为普遍，即使在2019冠状病毒病期间，积极的社会关系增加所带来的收益也超过了额外孤独带来的福祉成本。这些发现有助于我们解释生命评估的弹性。虽然危机无疑会带来代价，但它们也可能暴露、甚至建立一种共同的联系感。
我们的结论部分提供了关键结果的总结。

衡量和解释生活评估的国家差异

今年的国家排名是根据2020年、2021年和2022年的生活评估得出的，因此所有观察结果都是根据COVID-19高感染和高死亡的年份得出的。 技术专栏1:衡量主观幸福感 我们对主观幸福感的测量仍然依赖于三个主要的幸福感指标:生活评估、积极情绪和消极情绪(在报告中被描述为积极和消极影响)。我们的幸福排名是基于生活评估，作为衡量人们生活质量的更稳定的标准。在《2023年世界幸福报告》中，我们继续特别关注特定的日常情绪(积极和消极影响的组成部分)，以更好地跟踪COVID-19如何改变生活的不同方面。 生活质量评估。盖洛普世界民意调查(Gallup World Poll)仍然是本报告的主要数据来源，该调查要求受访者用梯子的形象来评估他们目前的整体生活，最好的生活打10分，最差的打0分。每个被调查者都在这个量表上给出一个数字回答，这个量表被称为“坎特里尔阶梯”。通常情况下，每年为每个国家收集约1,000份答复。权重用于构建每个国家每年具有人口代表性的全国平均水平。我们通常的幸福排名是基于这些生活评估的三年平均值，因为更大的样本量可以提供更精确的估计。 积极的情感。积极影响是由个人对三种情绪的“是”或“否”回答的平均值给出的:笑、享受和兴趣(详细信息请参见技术框2)。 负面情绪。负面影响是由个人对三种情绪的“是”或“否”的平均回答所给出的:担心、悲伤和愤怒。 比较生活评价和情绪: 生活评估为国际比较提供了信息量最大的衡量标准，因为它们比基于日常经历的情感报告更完整、更稳定地反映了生活质量。 与情绪相比，不同国家对生活的评价差异更大，不同国家的生活经历差异很大，这可以更好地解释。昨天的情绪可以通过询问当天发生的事件来解释，而对生活的评价则更能反映生活的整体情况。我们将在本章后面说明情绪是对生活评价的重要支持。 积极情绪的频率(全球平均为0.66次)是负面情绪(全球平均为0.29次)的两倍多，即使在2020-2022年的三个COVID期间也是如此。
2020-2022年幸福指数排名
图2.1中的国家排名显示了每个国家在2020-2022年间的平均寿命评估(对Cantril阶梯问题的回答)。[1]
每个国家的总长度代表对阶梯问题的平均回答，也以数字表示。每个国家平均寿命评估的置信区间由每个国家条形图右端的水平胡须表示。国家排名的置信区间显示在每个国家栏的右侧。[2]如果有许多国家的平均水平相似，那么这些排名的范围就会更大，对于样本量较小的国家来说也是如此。[3]
在统计附录中，我们展示了图2.1的一个版本，其中包括每个国家行中颜色编码的子柱，代表了六个关键变量对解释生命评估的贡献程度。这些变量(在技术方框2中有更详细的描述)是人均国内生产总值、社会支持、健康预期寿命、自由、慷慨和腐败。正如已经提到的，我们的幸福排名不是基于这六个因素的任何指数，而是基于个人对自己生活的评估，特别是他们对单题的“中心阶梯”生活评估问题的回答。我们使用六个变量的观察数据以及它们与寿命评估的关联估计来解释各国寿命评估的观察差异，就像流行病学家估计预期寿命受吸烟、运动和饮食等因素影响的程度一样。
图2.1:2020-2022年各国生活评估排名
注:带有*号的没有2022年的调查信息。他们的平均值是基于2020年和2021年的调查得出的。
2020-2022年国家排名的最新数据显示了什么?[4]
《世界幸福报告》的前几版延续了两个特点。首先，不同国家的人们对自己生活的评价仍然有很多年与年之间的一致性，而且由于我们的排名是基于三年的平均值，因此每年的信息都是结转的(参见统计附录1中个别国家每年的轨迹图1)。芬兰连续六年蝉联榜首，其得分明显领先于其他所有国家。丹麦仍然排在第二位，信心区间在第二和第四之间。在前20名的其他国家中，对其排名的信任区域涵盖了5至10个国家。冰岛排名第三，由于样本量较小，其置信区间从第2位到第7位。以色列排名第四，比去年上升了五个名次，信心区间在第二到第八之间。第5至第8名分别是荷兰、瑞典、挪威和瑞士。排在前十的还有卢森堡和新西兰。奥地利和澳大利亚与去年一样，分别排在第11位和第12位，可能都在第8位到第16位之间。紧随其后的是加拿大，比去年的最低排名上升了两个名次。接下来的四个位置分别是爱尔兰、美国、德国和比利时，从排名范围来看，它们都稳居前20名。
前20名的其他国家包括捷克、英国和立陶宛，分别位于第18至20位。同样的国家往往年复一年地出现在前20名中，今年的前20名中有19个国家和去年一样。立陶宛是一个例外，在过去六年中稳步上升，从2017年的第52位上升到今年的第20位。[5]在整个排名中，除了排名靠前和靠后的国家之外，三年平均得分非常接近，只有在排名中有时相差很多位的国家之间才会出现显著差异。每个国家的排名范围显示了这一点。
排名靠前的国家和排名靠后的国家之间仍然存在很大差距，排名靠前的国家比排名靠后的国家更加紧密。在排名靠前的国家中，第1名和第5名的国民生活评价分数差距为0.40，第5名和第10名的国民生活评价分数差距为0.28。因此，第1名和第10名之间的差距不到0.7分。
排名最后的10个国家的得分范围要大得多，得分范围为2.1分。范围估计显示，排在最后的阿富汗和倒数第二的黎巴嫩的排名彼此之间以及与所有排名较高的国家都有很大的不同。越往上走，差距越窄，差距越大，在全球名单中游的几个国家中，95%的差距超过了25位。
尽管排名靠前的国家得分大体一致，但其他国家之间发生了许多重大变化。从较长期的变化来看，许多国家的平均得分发生了重大变化，因此国家排名也发生了重大变化，详见《统计附录》，波罗的海国家的情况也如上所述。
分数是基于每个国家的常住人口，而不是他们的国籍或出生地。在《2018年世界幸福报告》中，我们将每个国家的本地和外国出生人口的回答进行了划分，发现这两个群体的幸福排名基本相同。移民后会产生一些足迹效应，移民倾向于移居到更幸福的国家，因此，在该报告中提到的20个最幸福的国家中，本地出生的人的平均幸福感比外国出生的人高出0.2个百分点。
为什么幸福水平不同?
在表2.1中，我们展示了按国家和年份划分的国家平均寿命评估和积极和消极影响(情绪)测量的最新模型。[6]第一栏的结果从六个关键变量解释了国家平均生活评估:人均GDP、社会支持、健康预期寿命、做出生活选择的自由、慷慨和免于腐败。[7]综合起来，这六个变量解释了国家和年份之间年度平均阶梯分数的四分之三以上的差异，使用的数据是从2005年到2022年。[8]这六个变量最初被选为实验和调查数据中建立的因素的最佳测量方法，这些因素与主观幸福感，特别是生活评估有重要联系。随着样本年数的增加，不变模型的解释力逐渐增强，现在的样本数量是2013年《世界幸福报告》首次引入该方程时的两倍多。当有足够的证据时，我们会继续寻找可能的改进。[9]第三章介绍了政府有效性的五种衡量标准，它们都显示出与生活评价的个体相关性。我们的表2.1等式的稳健性令人放心，这些新的政府有效性度量对表2.1中使用的六个变量的解释做出了重要贡献(如第3章所示)，但当添加到表2.1第一列的方程中时，并没有提供额外的解释力。
表2.1的第二列和第三列使用同样的六个变量来估计积极和消极影响的全国平均水平方程，其中两者都是基于对昨天的情绪体验的回答(见技术框2如何构建影响测量)。总的来说，与生活评估相比，这六个变量对情绪测量，尤其是负面情绪的解释是不同的，而且解释得不够充分。人均收入和健康预期寿命对生活评估有显著影响[10]，但在这些全国平均数据中，对积极影响没有显著影响[11]。但社会变量确实对积极情绪和消极情绪都有显著影响。记住，积极和消极的影响是在0到1的范围内测量的，而生活评估是在0到10的范围内，社会支持对积极和消极情绪的影响与对生活评估的影响相似。自由和慷慨与积极情感的关联甚至比与坎特里尔阶梯的关联更大。负面影响在社会支持、自由和不存在腐败的情况下显著改善。
只有在极端情况下，生活评估的国家排名才与其他国家有显著差异——芬兰名列前茅，阿富汗和黎巴嫩垫底。
在第四列中，我们从第一列中重新估计了生活评估方程，加入了积极和消极的影响，以部分实现亚里士多德的假设，即持续的积极情绪是美好生活的重要支撑。[12]这些结果继续支持心理学上的一个发现，即在预测寿命[13]或对普通感冒的抵抗力方面，积极情绪的存在比消极情绪的缺乏更重要。[14]与此证据相一致，我们发现在表2.1的最终方程中，积极影响具有较大且高度显著的影响，而消极影响则没有影响。同样，我们在本章的最后一节发现，积极的社会环境的影响比孤独的影响更大。
至于第四栏中其他变量的系数，只有那些对积极影响影响最大的变量- -特别是自由和慷慨- -的变化才是实质性的。因此，我们可以推断，积极情绪在支持生活评价方面发挥着重要作用，而自由和慷慨对生活评价的影响主要是通过它们对积极情绪的影响来实现的。也就是说，自由和慷慨对积极情绪有很大的影响，而积极情绪反过来又对生活评价有很大的影响。盖洛普世界民意调查没有一个广泛可用的衡量生活目标的方法来测试它是否也会在支持高生活评价方面发挥重要作用。
表2.1:解释各国平均幸福指数的回归(汇总OLS) 因变量

独立变量 	
中央天梯(0-10)
积极影响(0-1)
消极影响(0-1)
中央天梯(0-10)
人均GDP 	0.359 	-.015 	措施 	0.392
(0.067) * * * 	(0.009) 	(0.007) 	(0.065) * * *
社会支持(0-1) 	2.526 	0.318 	-.337 	1.865
(0.356) * * * 	(0.056) * * * 	(0.046) * * * 	(0.35) * * *
出生时健康的预期寿命 	0.027 	-.0005 	0.003 	0.028
(0.01) * * * 	(0.001) 	(0.001) * * * 	(0.01) * * *
做出人生选择的自由(0-1) 	1.331 	0.371 	-.090 	0.505
(0.297) * * * 	(0.041) * * * 	(0.039) * * 	(0.278) *
慷慨 	0.537 	0.088 	0.027 	0.33
(0.256) * * 	(0.032) * * * 	(0.027) 	(0.245)
对贪污的看法(0-1) 	-.716 	-.009 	0.094 	-.712
(0.262) * * * 	(0.027) 	(0.022) * * * 	(0.249) * * *
积极影响(0-1) 	2.285
(0.331) * * *
消极影响(0-1) 	0.185
(0.388)
固定效果 	包括 	包括 	包括 	包括
国家数量 	156 	156 	156 	156
观测次数 	1964年 	1959年 	1963年 	1958年
调整后的平方 	0.757 	0.439 	0.334 	0.782



注:这是对一个破碎的面板进行的汇总OLS回归，解释了2005年至2022年所有可用调查的年度平均中央阶梯反应。有关每种预测器的详细信息，请参阅技术框2。报告的系数具有按国家(括号内)聚集的稳健标准误差。***、**和*分别表示在1%、5%和10%水平上的显著性。
  


技术栏2:表2.1中每个预测器的详细信息



    人均GDP以购买力平价(PPP)计算，根据2017年不变的国际美元计算，取自世界银行的世界发展指标(WDI)(版本17，元数据最后更新于2023年1月22日)。详见统计附录1。2022年的GDP数据尚未获得，因此我们将GDP时间序列从2021年延长至2022年，使用经合组织经济展望第112期(2022年11月)的具体国家实际GDP增长预测，或者如果没有，则使用世界银行的全球经济展望(最后更新时间:2023年1月10日)，在对人口增长进行调整后。该方程使用人均GDP的自然对数，因为这种形式比人均GDP更适合数据。



    出生时健康预期寿命的时间序列是根据世界卫生组织(世卫组织)全球卫生观察站数据库的数据构建的，其中包括2005年、2010年、2015年、2016年和2019年的数据。为了匹配本报告的样本期(2005-2022年)，采用了插值和外推法。详见统计附录1。



    社会支持是对盖洛普世界民意调查(GWP)问题“如果你有麻烦，你有亲戚或朋友可以指望在你需要的时候帮助你吗?”的二元回答(0=否，1=是)的全国平均水平。



    选择生活的自由是对GWP问题“你对自己选择生活方式的自由感到满意还是不满意?”的二元回答的全国平均值。



    慷慨是对“你在过去一个月里向慈善机构捐款了吗?”人均国内生产总值。



    对腐败的看法是对两个GWP问题的二元答案的平均值:“腐败是否在整个政府中普遍存在?”以及“腐败在企业内部是否普遍存在?”在缺乏政府腐败数据的情况下，企业腐败的感知被用作整体腐败感知指标。



    积极影响被定义为对前一天的笑声、享受和兴趣的平均影响。兴趣(首次加入到《2022年世界幸福报告》中)为我们提供了积极和消极影响的三个组成部分，并略微改善了第四列的方程拟合性。情感问题的一般形式是:你在昨天的大部分时间里有以下感觉吗?详见统计附录1。



    负面情绪被定义为前一天对担忧、悲伤和愤怒的平均情绪。
      

我们在表2.1建模中使用的变量可能由于其他变量或未测量的因素而得到适当的信任。由于变量之间的双向联系，也可能存在恶性循环或良性循环。例如，有很多证据表明，那些生活更幸福的人可能活得更久，更容易信任别人，更善于合作，通常也能更好地满足生活的要求。[15]这将反过来改善健康、收入、慷慨、腐败和自由感。本报告的第4章强调了利他主义和主观幸福感之间双向联系的重要性。
对我们的结果进行谨慎解释的另一个可能原因是，一些数据来自与生活评估相同的受访者，因此可能由共同因素决定。在比较全国平均水平时，这种情况不太可能发生，因为个性和个人生活环境的个体差异往往会在全国范围内平均化。由于我们使用相同的受访者来报告生活评估、社会支持、自由、慷慨和腐败，为了进一步保证我们的结果没有明显的偏差，我们通过将每个国家的受访者随机分为两组来测试我们程序的稳健性(详见《2018年世界幸福报告》统计附录1表10)。然后，我们检查了一半样本的社会支持、自由、慷慨和没有腐败的平均值是否解释了另一半样本的平均生活评估。正如我们所料，这四个变量的系数都略有下降。[16]但令人欣慰的是，这些变化很小(在1%到5%之间)，在统计上并不显著。[17]
总的来说，该模型很好地解释了区域内、区域间以及整个世界的平均寿命评估水平。[18]平均而言，拉丁美洲国家的平均寿命评估仍然比模型预测的要高得多(在0到10的尺度上大约高出0.5)。这种差异归因于多种因素，包括拉丁美洲国家家庭和社会生活的一些独特特征。[19]与此形成部分对比的是，东亚国家的平均寿命评估低于预测，尽管在我们的最新结果中只是稍微和不显著地如此。[20]人们认为，这至少在一定程度上反映了人们在思考和报告生活质量方面的文化差异。[21]令人欣慰的是，我们关于这六个因素的相对重要性的发现通常不受我们是否明确考虑这些地区差异的影响。[22]
我们现在可以使用表2.1的模型来评估COVID-19对生命评估的总体影响。对2017-2019年和2020-2022年大流行年的平均寿命评估进行简单比较后发现，西方工业国家[23](2022年数据完整)的平均寿命评估略有下降(-0.09,t=2.2)，而世界其他地区的平均寿命评估评估略高于大流行前的水平，因为这些国家对2022年的调查较少。我们的模型表明，亲社会性的增长缓冲了工业国家生活评价的下降，并使其在世界其他地区净增长。因此，如果我们在表2.1方程中添加2020-2022年三个COVID年的指标，仅使用三个COVID年和前三年的数据，则显示寿命评估没有净增加或减少。[24]这初步表明，毫无疑问的痛苦被受访者在困难时期能够发现和分享彼此照顾能力的程度的增加所抵消。我们将在下一节探讨关于这一点的其他证据。
在最平等的国家和最不平等的国家之间，用幸福差距衡量的不平等足足相差了5个百分点。

COVID之前和期间的幸福不平等
去年，作为回顾《世界幸福报告》头十年的一部分，我们追踪了生活评价和情绪的长期趋势。[25]今年，我们将深入挖掘幸福感分布的趋势。我们的主要技术是分别计算每个国家中幸福程度较高和较低的那一半人口的所有这些相同变量的趋势。因此，我们能够在图2.2中显示出人口中较快乐和较不快乐的一半之间的幸福差距的大小，从最小到最大的差距。幸福差距用高于中位数的人的平均生活评价减去低于中位数的人的平均生活评价，正好处于中位数的人平均分成两半。图2.2中排名越高，意味着幸福差距越小[26]
图2.2:2020-2022年各国上层和下层人口之间的幸福差距
分布的上半部分和下半部分的平均寿命评估之间的差距有几个显著的特征。首先，该差距的最大值为10，最小值为0，与个人生活评估具有相同的尺度。第二，给定年份的总体平均寿命评估等于上半部分均值和下半部分均值的算术平均值。这样就可以在同一图中显示一个区域内不平等和平均寿命评价的演变。第三，差距显示了各国之间的很大差异，最不平等的国家和最不平等的国家之间有整整5个百分点的差距。[27]
图2.2所示的平等排名与图2.1所示的生命评价排名有很大的不同。当然，这两种排名之间总体上存在正相关关系，因为更大程度的幸福平等是被调查对象所看重的，因此会影响对平均生活的评估。[28]但仍然存在着实质性的差异，因为不平等只是影响人们如何评价自己整体生活的众多因素之一。当比较这两个数字的排名时，有18个国家的平等排名比他们的阶梯排名低35位或更多。在另一个极端，还有18个国家的平等排名比他们的幸福排名高出35位或更多。前一组国家的幸福平等程度低于幸福排名所显示的水平，包括墨西哥和所有六个上榜的中美洲国家，三个波斯湾国家(阿拉伯联合酋长国、巴林和沙特阿拉伯)，以及其他四个全球地区的八个国家。相比之下，平等排名比阶梯排名高出35位或更多的国家包括阿富汗和黎巴嫩，这两个最不幸福的国家，几乎每个人都非常不幸福，导致生活评估和两半人口之间的差距都很低。该集团还包括四个东南亚国家、三个独立国家联合体的现任或前任成员国、六个非洲国家(其中三个在北非)，以及香港、斯里兰卡和伊朗。24个WEIRD国家[29]都位于这个光谱的中间，跨越了大约40个位置，从相对于生活评估最不平等的国家(美国，其平等差距比生活评估排名低19位)到另一端的希腊，其平等排名为36，生活评估排名为58。北欧国家的情况更接近，在平等和生活评估方面都排名很高。
北欧国家在幸福和平等方面的排名都很高。

图2.3有几个面板显示了从2005-2006年盖洛普世界民意调查开始到2022年，生活评估、情绪和其他关键变量的全球不平等趋势。对于生活评估，在面板(a)中，我们给出了中位数响应以及人口中较快乐和较不快乐的一半的幸福均值。我们还提出了两种衡量痛苦频率的方法，我们用两种不同的方式来定义它们。第一个是给出3及以下答案的受访者比例，第二个是给出4及以下答案的受访者比例。[30]这两种比例中的任何一种的增长都反映了寿命评估的普遍降低或分布底部响应的日益集中。两半人口之间的幸福差距很好地衡量了幸福不平等的趋势，而痛苦比率则揭示了生活评价非常低的程度。用绿色虚线表示的总体平均值表明，在疫情期间，全球幸福指数保持了惊人的弹性。
对于情绪，如图2.3面板(b)至(d)所示，我们在每个面板中配对一个积极情绪和一个消极情绪。事实上，所有的积极情绪比消极情绪更频繁，这有助于将每个面板的两个部分分开。即使对于不那么快乐的那一半人来说，每种消极情绪出现的频率也低于相应的积极情绪出现的频率。
在面板(e)到面板(g)中，我们在每个面板中配对了一个幸福的社会支柱和一个仁慈的衡量标准，再次对比了人口中较快乐和较不快乐的一半的平均反应。[31]在过去的3年里，用虚线表示的仁慈在世界范围内激增，尤其是帮助陌生人。年复一年，我们发现慷慨是幸福的一个有意义的预测指标。小组(f)所示，我们的慷慨程度衡量标准是基于某一国家的慈善捐赠频率(见技术方框2)。更广泛的慈善措施的增加有助于解释大流行期间生命评估的弹性。我们将在本章的第三节进一步展开这个主题。
图2.3:每个国家50%幸福人口的全球趋势(非人口加权) 板:(a)中心阶梯和痛苦，(b)享受，忧虑，(c)兴趣，愤怒 板:(d)欢笑，悲伤，(e)社会支持，帮助陌生人，(f)自由，捐赠 小组:(g)对腐败的看法，志愿服务
注:95%置信区间由非参数bootstrap(200次抽取)计算，在国家-年水平上聚集。
图2.3按地区划分的面板(a)显示了十个全球地区中，50%的幸福人口和50%的不幸福人口的平均生活评估，以及我们的两种痛苦衡量标准。第一组图显示西欧和东欧之间的持续趋同，主要包括中欧和东欧生活评价的上升和痛苦份额的下降，除了西欧的差距最近有所扩大外，上层和下层之间的差距相当稳定。在亚洲各区域中，东亚的苦难比例一直在下降，东南亚相对稳定，南亚则在增长。西欧和其他西方工业国家的痛苦比例最低。
关于COVID-19的影响，无论是在疾病和死亡方面，还是在未感染者的生活条件方面，在人口亚组之间存在差异，已经进行了大量研究。盖洛普世界民意调查的数据不够细，无法根据生活或工作安排来区分受访者，但它们确实提供了几种测试不同结果模式的方法。特别是，我们可以根据年龄、性别、移民身份、收入、失业和一般健康状况对受访者进行分类。之前的幸福感研究表明，失业、健康状况不佳和收入最低的人对主观生活的评价较低，而对那些生活在社会信任度较高地区的人的负面影响较小(见《2020年世界幸福报告》图2.3)。在《2015年世界幸福报告》中，我们研究了年龄和性别对生活评价和情绪的分布，发现生活评价的年龄呈普遍但不普遍的u型，30岁以下和60岁以上的人比年龄在这两者之间的人更幸福。女性对生活的评价和消极情绪的频率通常略高于男性。对于移民，我们在《2018年世界幸福报告》中发现，对国际移民的生活评估往往会相当快地向在目的地国出生的受访者的水平靠拢。
图2.4:每个国家幸福程度较高和较低的一半人的生活评估的区域趋势(人口加权以计算区域平均值)
注:95%置信区间由非参数bootstrap(200次抽取)计算，在国家-年水平上聚集。
在考虑2019冠状病毒病对平等的影响时，看看不同人群在大流行期间的表现是有趣和重要的。为此，我们利用2017年至2022年56万多名受访者的数据，估算了一个个人层面的生命评估方程，看看大流行前的生命评估(2017年至2019年)在一起治疗的三个2019冠状病毒病年(2020年至2022年)是如何改变的。[32]如表2.2所示(新冠肺炎期间的影响显示在右栏中)，我们的估计表明，新冠肺炎倾向于延续，但不会改变已有的不平等模式。60岁及以上的受访者与两个年轻年龄组的受访者相比，COVID-19时代有所改善，与中年人相比，COVID-19年增加了0.105年(t=3.7)。在COVID-19期间，由于在困难时期有人可以依靠，生活评估收益也显著增加(+0.13,t=2.9)。在全球范围内，80%的受访者都有可以依靠的人，因此，在疫情流行期间，0.13的COVID-19积极互动效应使平均生活满意度提高了近十分之一点。我们还按年龄、性别、性别和年龄结合、婚姻状况、外国出生的人、失业或健康状况不佳的人寻找了COVID-19的影响。尽管样本量很大，但这些影响在1%的水平上都不显著。其他唯一在5%或更高水平上显著的COVID-19效应是健康。在新冠疫情期间，有健康问题的人受到健康问题的负面影响的比例增加了约10%。[33]这与我们去年在COVID-19头两年发现的结果模式大致相似。转向三年的覆盖范围增加了社会支持的规模和重要性，减少了失业相互作用的规模和重要性。根据三年的大流行经验，总的结论仍然是，对于接受调查的主要人口群体，除上述报告外，大流行前的分布未受COVID-19的影响。但重要的是要记住，受COVID-19影响最严重的一些人，包括无家可归者和被收容者，并未包括在调查样本中。
表2.2:不同人群在COVID-19期间的生活评估有何变化? 因变量:中央阶梯(0-10)

（1）
直接影响 	在相同回归中与COVID的交互作用
(附加效果2020-22)
常数 	1.688 * * * 	0.115
(0.255) 	(0.218)
原木家庭收入 	0.321 * * * 	-0.0315
(0.0262) 	(0.0219)
社会支持 	0.748 * * * 	0.131 * * *
(0.0282) 	(0.0447)
失业 	-0.385 * * * 	-0.0465
(0.0252) 	(0.0335)
选择人生的自由 	0.485 * * * 	0.00903
(0.0214) 	(0.0320)
大学 	0.327 * * * 	-0.0247
(0.0203) 	(0.0247)
结婚/习惯法 	-0.0199 	0.0368
(0.0196) 	(0.0266)
九月，div, wid。 	-0.196 * * * 	0.0245
(0.0273) 	(0.0294)
捐赠 	0.240 * * * 	-0.00392
(0.0151) 	(0.0224)
在国外出生的 	-0.0793 * * 	0.0256
(0.0312) 	(0.0328)
对腐败的看法 	-0.239 * * * 	0.0352
(0.0281) 	(0.0353)
健康问题 	-0.459 * * * 	-0.0551 * *
(0.0289) 	(0.0250)
年龄< 30岁 	0.273 * * * 	0.00528
(0.0305) 	(0.0303)
60岁或以上 	0.0688 * * 	0.105 * * *
(0.0341) 	(0.0283)
女 	0.215 * * * 	-0.00198
(0.0236) 	(0.0210)
年龄< 30 ×女性 	0.0171 	-0.00758
(0.0257) 	(0.0264)
年龄60岁以上×女 	-0.0730 * * * 	0.00165
(0.0263) 	(0.0291)
制度信任 	0.274 * * * 	-0.00267
(0.0211) 	(0.0302)
国家固定效应 	是的
观测次数 	563543年
国家数量 	128
调整R2 	0.257
均方根误差 	2.174
        

注:括号内的标准误差按国家分类。两列中报告的估计数来自于对2017-2022年个人层面调查数据的单一回归，共有来自128个国家的563,543名受访者参与了调查。左列报告了不受COVID-19影响的解释变量的幸福效应。右列显示了通过交互项捕获的COVID-19的额外影响，指标变量对2020-2022年的所有观测值取1.0。
面对COVID-19，我们是否应该对这种相对稳定的福祉分配持怀疑态度?面对大流行病主观幸福感的相对稳定是否可能并不反映面对困难的复原力，而是表明生活评价不足以衡量幸福感?为了回应这种可能的怀疑，重要的是要记住，当许多关键的生活环境发生变化时，主观的生活评估确实会发生变化，而且变化幅度很大。例如，失业、感知到的歧视和几种类型的不健康，对测量的生活评估有巨大而持续的影响。[34]也许更有说服力的证据是，移民的幸福倾向于迅速向新居住国出生的人的生活评估水平和分布靠拢，甚至向移民所迁入的特定次国家地区的其他人的生活评估靠拢。[35]在下一节中，我们将展示2014年后乌克兰冲突伴随着乌克兰和俄罗斯之间生活评估差距的2点增加。这再次表明，面对物质变化，对生活的评估确实会发生变化。
此外，还有证据表明，在2019冠状病毒病期间，亲社会活动水平有所提高，如下一节的图2.6所示。正如本报告后面的第4章和《2022年世界幸福报告》第2章所讨论的那样，这些善行的增加可能会缓解COVID-19年期间的生活评估。
图片来源:Yingchou Han

危机时刻的信任和仁爱

许多关于COVID-19影响的研究都强调了公众信任作为成功应对大流行的支持的重要性。[36]我们在处理COVID-19和其他国家和个人危机情况的早期报告中研究了类似的联系。在《2020年世界幸福报告》中，我们发现，社会和机构信任度高的人比生活在信任度较低和值得信赖的环境中的人更幸福。对于那些身处逆境的人来说，高度信任的好处尤其大，这些逆境包括健康状况不佳、失业、低收入、歧视和不安全的街道。[37]在《2013年世界幸福报告》中，我们发现，在那些相互信任程度较高的国家，2007-2008年金融危机对幸福的影响较小。这些发现与一系列广泛的研究结果相一致，这些研究表明，在面对各种危机(包括海啸、[38]地震、[39]事故、风暴和洪水)时，信任度高的社区通常更具弹性。信任和合作的社会规范不仅促进了快速和合作的反应，这本身就提高了公民的幸福感，而且还向人们展示了他人准备为他们和整个社区做出仁慈行为的程度。因为这有时是一个惊喜，当人们有机会看到别人的善行，并为自己服务时，就会有一种幸福的奖励。人们发现，在行动中看到信任会导致灾后信任的增加，[40]特别是在政府反应被认为足够及时和有效的情况下。[41]
2022年的慈善行为比疫情前高出约四分之一。
在《2021年世界幸福报告》中，我们提出了新的证据，将归还丢失的钱包作为衡量信任和仁慈的有力指标。我们比较了盖洛普世界民意调查(Gallup World Poll)受访者丢失钱包的预期可能性对生活满意度的影响，以及可比较的负面事件(如疾病或暴力犯罪)的测量可能性。结果是惊人的，在0到10的范围内，丢失钱包的预期回报与生活评估的相关性超过1分，远远高于同一受访者评估的任何负面事件的相关性。[42]
COVID-19作为一个多世纪以来最大的卫生危机，其全球影响和持续时间无与伦比，对信任和亲社会行为在提供复原力和拯救生命和生计方面的力量提供了相应的重要考验。现在我们有了三年的证据，我们不仅可以评估仁慈和信任的重要性，还可以看看它们在大流行期间的表现。许多人认为，疫情造成的社会和政治分歧，超出了与亲人保持数月身体距离所造成的社会和政治分歧。但上面提到的一些证据表明，如果大危机能促使人们伸出援手，就能提高信任、仁慈和幸福感。如果他们的邻居更习惯于解读他们的恶意行为，看到他们的善意是一种欢迎的惊喜，这种情况就更有可能发生。展望未来，重要的是要知道，三年的大流行是培育了信任和仁爱，还是摧毁了信任和仁爱。在大流行期间，我们没有发现机构信任指标发生重大变化，但确实发现，如下图所示，特别是在2021年和2022年，报告的慈善行为频率大幅增加。
在本节中，我们提出了几种不同类型的证据，证明信任和仁慈在危机时期的重要性。
首先，我们更新了对COVID-19死亡率的分析，通过对2020年和2021年的COVID-19死亡人数进行建模，然后分别对2022年进行建模，以显示死亡模式的变化。这种分离使我们能够展示COVID-19的欧米克隆变体在很大程度上改变了COVID-19政策战略的后果。
其次，我们更新了对2019冠状病毒病期间慈善热潮的测量结果，显示2021年的大幅增长在2022年基本保持不变。
在第三部分中，我们展示了2010年至2022年乌克兰和俄罗斯的信任、仁慈和生活评估数据。
最后，我们提供了2022年社会关系和孤独感的新数据。
COVID-19:欧米克隆改变了一切，除了信任的作用
我们最初对调查COVID-19死亡率的国际差异感兴趣的核心是对支持高寿命评估的变量与那些与成功保持低死亡率相关的变量之间的联系感到好奇。我们在前两份《世界幸福报告》中发现，制度和社会信任是主观幸福感的唯一主要决定因素，对抗击COVID-19的成功发挥了重要作用。我们现在能够添加2022年的数据，从而显示出这是多么不同的一年，机构信任的持续作用几乎是故事中唯一不变的部分。2022年的数据戏剧性地揭示了欧米克隆变异、广泛的疫苗接种和政策措施的变化在多大程度上共同造成了一个非常不同的国际死亡率模式。
我们发现，不断有证据表明，社会环境的质量对解释社会内部和社会之间的生活评价非常重要，也影响了抗击COVID-19的进展。国家内部的几项研究发现，社会资本高的地区在降低感染率和死亡率方面更成功。[43]我们之前的研究发现，信任是COVID-19死亡率国际差异的重要决定因素，这一发现已被独立证实，适用于2021年9月30日至2021年9月30日的累积COVID-19感染率[44]，我们在下面表明，这一发现也适用于2021年全年和2022年。
我们通过两种方式抓住这些重要的信任联系。我们对公共机构的信任有一个直接的衡量标准，如下所述。在我们的大样本国家中，我们没有对他人的普遍信任的衡量标准，所以我们使用收入不平等的衡量标准，而收入不平等通常被认为是社会信任水平的有力预测指标。[45]
我们试图解释COVID-19死亡率的国际差异，将解释变量分为两组，这两组变量都是指可能影响一个国家成功抗击COVID-19的情况。第一组变量涵盖大流行开始时的人口、地理和疾病暴露情况。第二组变量涵盖了经济和社会结构的几个方面，也是在大流行之前测量的，这有助于解释各国COVID-19战略的不同成功率。
第一组包括一个变量，将每个国家人口的年龄分布与COVID-19的年龄特异性死亡风险[46]、该国是否为岛屿，以及衡量一个国家在大流行的早期阶段(2020年3月31日)与其他国家感染的距离有多近的暴露指数结合起来。在《2022年世界幸福报告》中，我们使用了一个单一的衡量标准来衡量一个国家在多大程度上能够记住和应用在2003年SARS疫情期间学到的流行病控制策略。世卫组织西太平洋地区的国家能够在SARS经验的基础上制定快速和持续的病毒抑制战略[47]，因此我们使用该地区的成员资格(世卫组织成员资格)作为衡量一个国家采取病毒消除战略可能性的代理指标[48]。与信任相关的变量包括衡量机构信任的指标，以及衡量各国收入不平等程度的基尼系数。[49]
远离早期SARS流行的国家的专家和政府没有更快地获得关于最佳COVID-19应对策略的信息，这一事实雄辩地证明了“不会在这里发生”的心态的力量，世界卫生组织西太平洋地区成员的死亡率影响说明了这一点，其成员对SARS流行有最直接的经历，因此更有可能吸取相关教训。[50]很早就有证据表明，COVID-19具有高度传染性，可通过无症状携带者[51]和症状前携带者[52]传播，并可通过气溶胶传播[53]。这些特点需要口罩[54]和保持物理距离以减缓传播，需要快速和广泛的检测[55]以识别和消除社区疫情[56]，需要对需要从一个社区或国家转移到另一个社区或国家的人进行有效的检测和隔离。迅速采取所有这些支柱政策的国家能够将社区传播降至零。但大多数国家没有能力也不愿意将病毒从社区传播中清除，导致新的变体产生[57]，其中传染性更强的变体迅速占据主导地位，使COVID-19消除战略的实施变得更加困难。欧米克隆在2022年导致死亡率趋同，如图2.5的a组所示。尽管所有国家都减少或取消了严格的政策[58]，卫生当局基本上停止了对感染人数的测量和报告，但通过疫苗和治疗，降低了严重疾病和死亡的频率，死亡率得到了控制。
先前对大流行头15个月的研究发现，在采取不同战略的15个国家中，消除者国家实现了较低的死亡率，在精神卫生方面没有净成本。这是由于政策的及时性和谨慎的方向，导致平均而言，消除国家需要的政策不那么严格。[59]考虑到2022年欧米克隆基因在世界各地引起的社区传播流行，对消除战略的最终国家和全球净效益有何看法?图2.5的B组显示，世卫组织成员国和接近消除国北欧国家(瑞典除外)在2020年至2022年期间的COVID-19累计死亡人数远低于西欧其他国家和世界其他地区。如果消除策略在各地得到足够快的实施，那么妖怪可能会被放回瓶子里，病毒可能会被阻止普遍传播。这是SARS给我们的教训，在SARS中，病毒从传播中消失，感染和死亡都迅速降至零。消除国家帮助减少了变种发展的空间。这种全球利益取决于国家的规模，中国是最大的消除国。[60]但很明显，在世界其他地方有足够的社区传播，使得变异的发展具有如此高的传染性，以至于消除策略在任何地方都不可行。现在，有一个完全全球性的领域可以进一步进化变种，毒力可能下降[61]，改进和更广泛使用的疫苗[62]和治疗，更好的通风和个人卫生作为这一新的流行阶段的主要防御措施。
正如预期的那样，在2021年底欧米克隆出现之前和之后，我们的COVID-19模型的结果截然不同。我们之前的模型显示了2020年和2021年的类似结构。因此，在我们的新结果中，我们将2020年和2021年结合起来，并将其与2022年的单独方程进行比较。如表2.3所示，有效淘汰策略的消失意味着在2022年只有两个显著变量仍在发挥作用。首先是机构信任水平，这一水平保持了大流行病头两年的大部分重要性。第二种是基于每个国家的年龄概况的风险变量，以估计的特定年龄死亡率加权，老年人口的死亡率要高得多。为了表明这些结果充分代表了全球人口，表右侧的结果按每个国家在全球人口中所占的份额进行了加权，得出了非常相似的结果，利用各种原因造成的超额死亡的估计数也得出了非常相似的结果。[63]
表2.3:解释每10万人中COVID-19死亡的回归 每100 000人的COVID-19死亡率 一国一票 加权人口分析

（1） 	（2） 	（3） 	（4）
变量 	2020 - 21 	Std.系数。 	2022 	Std.系数。 	2020 - 21 	Std.系数。 	2022 	Std.系数。
机构信任(2017-19) 	-220.8 * * * 	-0.321 	-44.67 * * * 	-0.228 	-279.3 * * * 	-0.458 	-71.65 * * * 	-0.461
(38.83) 		(11.54) 		(39.24) 		(12.44) 	
国家是一个岛屿 	-39.99 * * 	-0.120 	-4.898 	-0.052 	26.25 	0.078 	6.498 	0.076
(15.51) 		(5.824) 		(19.53) 		(4.314) 	
WHOWPR成员 	-77.91 * * * 	-0.165 	15.72 	0.117 	-110.8 * * * 	-0.479 	-14.05 * 	-0.238
(29.77) 		(13.18) 		(14.48) 		(7.632) 	
风险调整年龄谱 	-33.35 * * * 	-0.526 	-9.865 * * * 	-0.547 	-37.27 * * * 	-0.564 	-9.707 * * * 	-0.576
(3.773) 		(1.235) 		(4.540) 		(2.269) 	
在其他国家接触感染(截至2020年3月31日) 	30.97 * * * 	0.295 	7.196 * * * 	0.241 	21.57 * * 	0.159 	4.570 	0.132
(8.477) 		(2.587) 		(9.467) 		(3.452) 	
收入不平等的基尼系数(0-100) 	3.192 * * * 	0.224 	0.223 	0.055 	4.524 * * * 	0.307 	0.177 	0.047
(0.758) 		(0.282) 		(1.045) 		(0.335) 	
常数 	107.2 * * 		48.86 * * * 		87.22 		58.27 * * * 	
	(43.54) 		(14.00) 		(60.46) 		(15.80) 	
国家数量 	154 		154 		154 		154 	
平方 	0.611 		0.564 		0.747 		0.633 	
轮廓分明的平方 	0.595 		0.546 		0.736 		0.618 	
        

注:稳健性标准误差报告在括号内。***、**和*分别表示在1%、5%和10%水平上的显著性。
图2.5:大流行不同年份按世界区域划分的COVID-19死亡率
面板。每年每10万人中COVID-19死亡人数
面板B。三年来每10万人中COVID-19死亡总数
北欧国家值得特别注意，因为它们的个人和机构信任度普遍很高。在2020年和2021年期间，北欧国家的COVID-19死亡率仅为西欧其他地方的三分之一，每10万人中有27人死亡，而西欧其他国家为80人。如图2.5所示，当瑞典与其他北欧国家进行比较时，在死亡率方面也存在同样巨大的差异，但不存在信任差异。这一差异显示了选定大流行病战略的重要性。瑞典一开始就选择[64]不抑制社区传播，而其他北欧国家的目标是控制它。因此，瑞典在2020-2021年的死亡率远高于其他北欧国家，而最终被迫采取比其他北欧国家平均更为严格的严格措施[65]。然而，到2022年底，大多数国家都有类似的战略和类似的死亡率，反映出该病毒日益流行的性质。
大流行期间仁爱的成长
《2022年世界幸福报告》中仁爱数据的一个显著特征是，在2020年，尤其是2021年，陌生人帮助的数量急剧增加，志愿服务和捐赠的数量在2021年都有显著增长。下面的图2.6显示了在2019冠状病毒病爆发的三个年份中，每一年的这三个慷慨指标，并与2017-2019年的平均值进行了比较。这三种测量的平均值，被标记为“亲社会”，显示在右边的一组条形图中。
图2.6:与2017-2019年相比，2020年、2021年和2022年实施慈善行为的人口百分比
人们很感兴趣的是，随着欧米克隆和其他变异逐渐将COVID-19从大流行状态转变为流行状态，许多大流行前的生活模式得以恢复，2022年人们是否会保持这种高水平的仁慈。2021年的慈善活动能否部分保持下去?图2.6中的2022年结果显示，尽管慈善行为的频率略低于2021年，但仍明显高于大流行前的水平，全球所有地区都是如此。
这些地区之间仍然存在一些有趣的差异。在大流行之前，西欧的亲社会性明显高于东欧，东欧平均为23%，西欧为38%。2021年，西欧的亲社会行为增加了2%，东欧增加了17%，消除了大流行前的差距。在全球一级，也有一些类似的比较。2017-2019年，参与选定的亲社会行为的人口比例在西方工业国家为40%[66]，在世界其他地区为30%。在过去三年中，特别是在2021年和2022年，这一差距已基本缩小。
在全球范围内，持续的高水平的仁慈可能有助于支持高幸福感，[67]并有可能创造一个支持未来仁慈的良性循环。[68]
2020年，乌克兰全国各地对俄罗斯领导层的支持率降至零。
乌克兰和俄罗斯

盖洛普世界民意调查(Gallup World Poll)的数据让我们可以比较2014年克里米亚被吞并之前到2022年俄罗斯入侵乌克兰期间，乌克兰和俄罗斯对生活的评价、对政府的信任、情绪和仁慈。[69]克里米亚被排除在我们所有的数据之外，因为在过去十年中不可能保持一致的抽样。
图2.7的面板A显示了俄罗斯和乌克兰从2012年到2022年的寿命评估。2014年，乌克兰的生活评估在0到10分的范围内下降了一个多点[70]，而俄罗斯的生活评估上升了一半。在这十年的剩余时间里，这一差距逐渐缩小，在2019年3月31日泽伦斯基当选后，乌克兰和俄罗斯在2020年和2021年的寿命评估是相同的。2022年，整个乌克兰的生活评估下降了约0.75个点。
2014年和2022年的变化都非常大，提供了进一步的证据，如果还需要的话，生命评估确实会对生活环境的重大变化做出反应。
图2.7:2012年至2022年俄罗斯和乌克兰的趋势
面板:平均寿命评估
面板B:对俄乌两国领导人的工作表现给予肯定
面板C:经历了很多烦恼
面板D:善举
图2.7的面板B显示了对每个国家本国领导层的认可程度，以及乌克兰人对俄罗斯领导层的认可程度。2014年的事件提高了俄罗斯对其国家领导层的评价，最初对乌克兰对其在乌克兰不同地区的国家领导层的评价产生了不同的影响。起初，对乌克兰东南部国家政府的评价变化不大[71]，而在其他地方则急剧上升。2015年，乌克兰对其国民政府的支持率到处下降，而在俄罗斯，对国民政府的支持率在2015年保持高位，但随后逐渐下降。在接下来的十年里，俄罗斯和乌克兰对各自政府的评价差距逐渐缩小，直到2019年的选举年，乌克兰各地的支持率大幅上升。在2020年和2021年有所回落之后，乌克兰和俄罗斯对国家政府的支持率在2022年都大幅上升，但乌克兰的支持率比俄罗斯高得多，与2014年的模式大不相同。
2014年，乌克兰各地对俄罗斯领导层的支持率大幅下降。在随后的几年中，这一下降趋势被扭转了约10%，然后在2022年乌克兰所有地区基本降至零。在2022年9月接受调查的1000名乌克兰居民中，只有两人(都在东南部)认可俄罗斯的领导地位。乌克兰的一项调查显示，直到2022年2月，仍有一些人对俄罗斯领导层表示支持，这证实了乌克兰人对俄罗斯领导层的认可是由于2022年3月的入侵。[72]
2014年和2022年，这三种负面情绪在乌克兰比在俄罗斯更频繁。增幅最大的是担忧，2014年有近40%的乌克兰受访者表示担忧，到2022年超过50%，如图c所示。相比之下，2014-2016年期间，俄罗斯的担忧频率实际上较低，其频率仅为乌克兰的一半左右。它也没有受到俄罗斯2022年入侵乌克兰的影响。
那么在乌克兰和俄罗斯的善意行为呢?如图D面板所示，2013年乌克兰和俄罗斯的捐款平均频率均为10%，2014年乌克兰的捐款平均频率增加了两倍多，增幅远高于俄罗斯。在2020年和2021年大流行期间，乌克兰和俄罗斯都参与了全球普遍增加的仁慈。2022年，乌克兰的慈善活动达到了创纪录的水平，捐赠和陌生人的帮助都超过了70%，而俄罗斯的慈善活动则大幅下降。
战争是一种危机，如果人们觉得自己为了共同的事业团结在一起，并信任他们的领导，就会提高对生活的评价。这些因素在2022年的乌克兰比2014年之后更为明显。2014年俄罗斯吞并克里米亚之后，俄罗斯人的生活评价上升，乌克兰人的生活评价下降，差距达到2分。[73]这一差距在2021年被消除，但在2022年再次增长，但模式不同。尽管乌克兰遭受了巨大的痛苦和破坏，但在2022年9月对生活的评估仍然高于2014年吞并后的水平，这得到了更强烈的共同目标感、仁慈和对领导层的信任的支持。
在危机时刻，人们对政府的仁慈和信任往往会增加，尤其是当人们为了共同的事业团结在一起时。在乌克兰事件中，这两个因素[74]都有助于限制俄罗斯入侵造成的总体福祉损害。尽管如此，净效果是使乌克兰的寿命评估降低了三分之二以上，如图2.7的第一个面板所示。
Marivi Pazos在Unsplash上拍摄
社会关系的新证据

2022年，盖洛普、Meta和一群学术顾问合作进行了一项名为“社会关系状态”的研究，这是首次对世界各地人们的社会关系进行深入研究。该研究的第一阶段，社会关系状态7国调查，包括对跨越全球6个地区的7个大国(巴西、埃及、法国、印度尼西亚、印度、墨西哥和美国)的人们社会互动的质量和数量的详细调查。[75]由此得出的数据显示了人们在不同文化、经济和技术环境中的联系、社会支持和孤独感。[76]研究的第二阶段，社会关系状态盖洛普世界民意调查，通过在盖洛普世界民意调查中运行一组选择的社会关系状态研究问题，扩大了其全球范围，覆盖了140多个国家，并提供了研究整体生活评估以及社会关系、社会支持和孤独的相对重要性的能力。
我们能从社会关系状况7国调查中学到什么?首先，或许也是最重要的一点是，所有区域的受访者都报告说，他们的社会联系和社会支持水平很高，通常几乎是报告的孤独感的两倍，即使是在2019冠状病毒病扰乱社会生活的第三年。在综合考虑的7个国家中，使用从1到4的量表，数字越大表明被测量的内容越多，社会联系和社会支持的平均水平都超过3.0，孤独感低于1.7。在这三个指标上，各国之间的差异相对较小，如图2.8所示。[77]如图2.8中每个国家的底部柱状图所示，这七个国家作为一个整体，对社会关系的总体满意度平均为3.33，而单独的国家平均值都在3.2到3.4之间。[78]女性和男性的结果非常相似。
图2.8 2022年7个国家的社会支持、孤独感和关系满意度
其次，我们使用来自7个国家社会关系状况调查的数据来评估积极的社会关系对提高社会关系自我评估质量的作用。特别是，我们比较了积极的社会关系的影响和长期以来公认的孤独的不利影响。[79]虽然积极的社会支持和孤独都是人们生活的社会环境质量的重要方面，但以前很少有系统地评估它们的相对重要性，特别是在全球范围内。大多数注意力都集中在孤独问题上，特别是在大流行期间，对积极的社会支持措施的水平和后果的关注要少得多。
结果显示了什么?如图2.9所示，并在一篇配套论文中进行了详细解释，[80]在这七个国家中，社会支持的综合衡量标准(等于连通性和支持问题答案的平均值)与整体领域满意度之间的关系强度远远大于孤独感与社会领域满意度之间的关系强度，即使在2022年，也就是社会关系困难的三年中的第三年。[81]
图2.9:使用孤独和社会联系和支持的综合测量来预测关系满意度
这些新数据表明，积极的社会关系和支持比孤独等重要的消极因素具有更大的影响，这有助于进一步解释为什么即使在大流行期间面临孤独感增加的情况下，对生活的评价仍然很高。
所有国家的盖洛普世界民意调查数据仍在处理中，包括社会关系状况盖洛普世界民意调查的一组问题。然而，根据对114个国家的国家级汇总数据的早期访问，孤独的相对频率低于社会支持和社会联系，正如图2.8中社会关系状况7国调查数据所显示的那样。
我们还获得了对个人层面的社会关系状况盖洛普世界民意调查调查数据进行预登记分析的结果。这些分析使我们能够比较7个国家的社会关系状态调查(以关系满意度为结果)和114个国家的盖洛普世界民意调查(以幸福感为结果)的结果，因为这两个调查都问了关于社会支持、联系和孤独的相同问题。为了检验这两项调查在同一国家是否给出了一致的数据，我们比较了这七个国家对三个社会关系问题的回答。结果非常令人放心，在七个国家的三个调查问题中，在社会关系国家和盖洛普世界民意调查中都是共同的，答案选项之间的回答分布几乎是相同的。[82]这两个调查的高度可比性使我们相信，当我们比较盖洛普世界民意调查和7国调查时，我们在社会关系和孤独变量的相对力量中发现的任何差异都反映了不同因变量的使用。
图2.9使用关系满意度作为结果，而盖洛普世界民意调查使用本章其他地方使用的更广泛的中心阶梯生活评估，但没有社会领域满意度变量。尽管因变量从领域满意度到更广泛的生活评价发生了重要变化，但我们发现，在超过一半的被调查国家中，孤独和综合社会支持变量都与生活评价在10%的水平上有统计学上显著的联系，而且对大多数国家来说，社会支持的影响大于孤独的影响。也有一些轻微的证据表明，孤独对生活评价的影响可能比对社会关系领域满意度的影响更大。因此，社会关系状态盖洛普世界民意调查的个人层面数据与7个国家的调查结果非常一致。
考虑到国家的数量更多，看看这些新的社会变量是否有助于解释生活评估的跨国差异是很有趣的。初步证据表明，当单独考虑时，它们确实具有显著的解释力，但当添加到使用更简单的二元社会支持变量的表2.1汇总方程中时，就没有了。[83]这鼓励我们继续依赖长期使用的社会支持变量。在每个国家，我们都发现了强有力的证据，表明社会关系，尤其是社会支持，是幸福的重要相关因素，而且通常比孤独更重要。
丹尼尔·格雷瓜尔在Unsplash上拍摄

总结

生命评估仍然具有显著的弹性，2020-2022年COVID-19期间的全球平均水平与2017-2019年大流行前的水平一样高。芬兰连续六年蝉联榜首。立陶宛是前20名中唯一一个新进入的国家，自2017年以来上升了30多名。饱受战争蹂躏的阿富汗和黎巴嫩仍然是调查中最不幸福的两个国家，他们的平均生活评价比十个最幸福的国家低5分以上(从0到10分)。
今年的报告使用了三种方法来研究幸福的不平等。首先是顶层和底层人口之间的幸福差距。在几乎每个人都非常不快乐的国家，这种差距很小，而在几乎没有人不快乐的国家，这种差距很小。更普遍的是，生活在幸福差距较小的国家的人们更快乐。全球的幸福差距一直相当稳定，尽管非洲的差距越来越大。第二项和第三项是衡量痛苦程度的指标——生活评分在4分及以下的人口比例，以及生活评分在3分及以下的人口比例。在全球范围内，这两项指标在COVID-19的三年里略有下降。
本章的其余部分通过四个例子来解释这种弹性，以表明信任和社会支持如何在危机期间支持幸福。
COVID死亡。在2020年和2021年，试图抑制社区传播的国家的死亡率较低，而不会在其他地方产生抵消成本。没有足够多的国家效仿，从而使新的变种出现，例如在2022年，欧米克隆使消除变得不可行。虽然现在所有国家的政策战略、感染率和死亡率都非常相似，但我们的新模型显示，信任仍然与较低的死亡率相关，消除国家三年来的总死亡率仍然低得多。
仁慈。《2022年世界幸福报告》的一个显著特征是，2020年，尤其是2021年，全球范围内的善行激增。2022年的数据显示，亲社会行为的频率仍比大流行前高出约四分之一。
乌克兰和俄罗斯。2022年，两国民众对本国政府的信心都有所增长，但乌克兰的信心远高于俄罗斯。2022年，乌克兰所有地区对俄罗斯领导层的支持率降至零。两国在2020年和2021年分享了全球爱心增长。在2022年期间，乌克兰的慈善活动急剧增加，但在俄罗斯却有所下降。尽管乌克兰遭受了巨大的痛苦和破坏，但在2022年9月对生活的评估仍然高于2014年吞并后的水平，这得到了对乌克兰领导层更强烈的共同目标、仁慈和信任的支持。
社会支持。新数据显示，2022年，在全球6个地区的7个关键国家，积极的社会关系和支持的普遍程度是孤独感的两倍。它们还与人们对与其他人关系的满意度的总体评分密切相关。这些积极的社会关系的重要性有助于进一步解释危机时期生活评估的弹性。

参考文献

Aknin, l.b.， Dunn, e.w.， & Norton, m.i.(2011)。幸福是一种循环运动:亲社会消费和幸福之间存在正反馈循环的证据。幸福研究，13(2)，347-355。

Aknin, L. B.， Andretti, B.， Goldszmidt, R.， Helliwell, J. F.， Petherick, A.， De Neve, J. E.， .... & Zaki, J.(2022)。COVID-19大流行期间的政策严格性与心理健康:对15个国家数据的纵向分析《柳叶刀公共卫生》，7(5)，e417-e426。

奥尔德里奇，d.p.(2011)。强大社会资本的外部性:印度东南部海啸后的恢复。公民社会学报，7(1)，81-99。

Bartscher, A. K, Seitz, S.， Siegloch, S.， Slotwinski, M.， & Wehrhöfer, N.(2021)。社会资本与Covid-19的传播:来自欧洲国家的见解。卫生经济学报，80,102531。

贝斯利，T. & Dray, S.，(2021)。机构、信任和响应:2019冠状病毒病大流行期间政府和私人行动模式。《公共政策评论》，1(4)，p.10。DOI: http://doi.org/10.31389/lseppr.30

bilaliki, M.， & McLeod, P.(2014)。为什么好的想法会阻碍更好的想法。科学美国人，310(3)，74-79。

Bloem, J. R.和Oswald, A. J.(2022)。人类情感的分析:对稳健性检验的实用建议。《经济研究》，2008(3)，389 - 391。

Bond, T. N.， & Lang, K.(2019)。关于幸福的悲哀真相。政治经济研究，2009(4)，369 - 369。

陈诚、李淑英和史蒂文森(1995)。东亚与北美学生评价量表的反应方式与跨文化比较。心理科学，6(3)，170-175。

Chernozhukov, V.， Kasahara, H.和Schrimpf, P.(2021)。口罩、政策、行为对美国早期covid-19大流行的因果影响。计量经济研究，2011(1)，23 - 29。

Claeson, M.， & Hanson, S.(2021)。重新审视瑞典的COVID-19战略。《柳叶刀》，397(10285)，1619。

Cohen, S.， Doyle, W. J, Turner, R. B.， Alper, C. M.， & Skoner, D. P.(2003)。情感风格和对普通感冒的易感性。心身医学，65(4)，652-657。

Coupe, T.， & Obrizan, M.(2016)。战争对幸福的影响:以乌克兰为例。《经济研究》第2期。

大流行防范和COVID-19:对177个国家2020年1月1日至2021年9月30日期间的感染率和死亡率以及与防范相关的背景因素的探索性分析。《柳叶刀》，399(10334)，1489-1512。

丹纳，D. D.，斯诺登，D.，和弗里森，W. V.(2001)。早期生活中的积极情绪与长寿:来自修女研究的发现。心理科学学报，30(5)，344 - 344。

De Neve, J. E, Diener, E.， Tay, L.，和Xuereb, C.(2013)。主观幸福感的客观好处。J. F. Helliwell, R. Layard， & J. Sachs(主编)，2013年世界幸福报告(第54-79页)。纽约:SDSN。

Dolan, P.， Krekel, C.， Shreedhar, G.， Lee, H.， Marshall, C.， & Smith, A.(2021)。乐于助人:一个全国性的微型志愿者项目的福利效应。IZA讨论文件14431。

Doyle, W. J, Gentile, D. A.和Cohen, S.(2006)。实验性鼻病毒暴露后的情绪类型、鼻腔细胞因子和疾病表达。中华心理医学杂志，2016(2)，379 - 381。

Dussaillant, F.， & Guzmán, E.(2014)。灾难带来的信任:2010年智利地震的例子。灾害，38(4)，808-832。

Emery, J. C, Russell, T. W.， Liu, Y.， Hellewell, J.， Pearson, C. A.， Knight, G. M.， & Houben, R. M.(2020)。无症状SARS-CoV-2感染对钻石公主号游轮上传播的贡献。Elife, 9, e58699。

Ferrer - i - Carbonell, A.， & Frijters, P.(2004)。评估幸福决定因素的方法有多重要?经济研究，14(4)，641-659。

福克，D, Helliwell, J.F, Norton, M， & Tov, W.(2023)孤独感、社会支持和社会联系对七个国家关系满意度的影响比较。在准备。

弗雷泽，T.和奥尔德里奇，D. P.(2020)。社会关系、流动性和covid-19在日本蔓延。https://assets.researchsquare.com/files/rs-34517/v1/07ba6a97-bafb-44fc-979a-4c4e06519d56.pdf

弗雷德里克松，b.l.(2001)。积极情绪在积极心理学中的作用:积极情绪的拓展与建构理论。美国心理学家，56(3)，218-226。

盖洛普/元(2022)。社会关系状态研究。https://dataforgood.facebook.com/dfg/docs/2022-state-of-social-connections-study

甘地，M, Yokoe, D. S.和Havlir, D. V.(2020)。无症状传播是当前防控战略的致命弱点。新英格兰医学杂志。4月24日社论。, 2158 - 2160。

Godri Pollitt, k.j.， Peccia, J, Ko, a.i.， Kaminski, N.， Dela Cruz, c.s.， Nebert, d.w.， .... & Vasiliou, V.(2020)。COVID-19脆弱性:遗传易感性和空气传播的潜在影响。人类基因组学，14,1-7。

Goff, L.， Helliwell, J. F.和Mayraz, G.(2018)。主观幸福感的不平等作为不平等的综合衡量标准。经济研究，56(4)，2177-2194。

Grimes, A.， Jenkins, S. P.， & Tranquilli, F.(2023)。主观幸福感与主观幸福感不平等的关系:偏度的重要作用。幸福研究杂志，24,309-330。

Hale, T.， Angrist, N.， Goldszmidt, R.， Kira, B.， Petherick, A.， Phillips, T.， .... & Tatlow, H.(2021)。全球流行病政策小组数据库(牛津COVID-19政府应对追踪器)。自然-人类行为，5(4)，529-538。

Helliwell, J. F.和Wang S.(2011)。信任和幸福。国际健康杂志，1(1)，42-78。

Helliwell, J. F, Aknin, L. B.， Shiplett, H.， Huang, H.， and Wang, S.(2018)。社会资本和亲社会行为作为幸福的来源。在E. Diener, S. Oishi， & L. Tay(主编)，幸福手册。(页528 - 543)。盐湖城，犹他州:DEF出版社。DOI: nobascholar.co

Helliwell, J. F, Shiplett, H.和Bonikowska, A.(2020)。移民作为幸福设定值假设的检验:来自加拿大和英国移民的证据。经济学报，2009(4)，344 - 344。

Helliwell, J. F, Norton, M. B, Wang, S.， Aknin, L. B.， and Huang, H.(2021)。福祉分析倾向于COVID-19的病毒消除战略。w29092)。国家经济研究局。

Heuveline, P.， & Tzen, M.(2021)。超越人均死亡:COVID-19死亡率比较指标。中华医学杂志，11(3)，e042934。

霍尔特-伦斯塔德，J.，史密斯，T. B.，贝克，M.，哈里斯，T.，和斯蒂芬森，D.(2015)。孤独和社会隔离是死亡率的危险因素:一项荟萃分析综述。心理科学透视，10(2)，227-237。

凯泽，C，和奥斯瓦尔德，A. J.(2022)。人类感情的数值测量的科学价值。国家科学院学报，119(42)，e2210412119。芝加哥

Kang, S. H.， & Skidmore, M.(2018)。自然灾害对社会信任的影响:来自韩国的证据。可持续发展，10(9)，2973。

基辅国际社会研究所(2022)，乌克兰人民对俄罗斯的态度以及乌克兰与俄罗斯之间的关系，2022年2月。新闻稿，2022年2月17日。https://www.kiis.com.ua/?lang=eng&cat=reports&id=1102&page=10

Kislaya, I.， Machado, A.， magalh ， S.， Rodrigues, a.p.， Franco, R.， Leite, p.p.， .... & Nunes, B.(2022)。在欧米克隆BA期间，COVID-19 mRNA疫苗对住院和死亡的有效性(第二次和第一次加强剂量)。流通:基于电子健康记录的队列研究，葡萄牙，2022年5月至7月。欧洲监测，27(37)，2200697。

Krueger, a.b.和Schkade, d.a.(2008)。主观幸福感测量的可靠性。经济研究，2009(3)，1833-1845。

Lavezzo, E.， Franchin, E.， Ciavarella, C.， Cuomo-Dannenburg, G.， Barzon, L.， Del Vecchio, C.， .... & Abate, D.(2020)。意大利沃市SARS-CoV-2疫情得到抑制自然，584(7821)，425-429。

Leigh-Hunt, N.， Bagguley, D.， Bash, K.， Turner, V.， Turnbull, S.， Valtorta, N.， & Caan, W.(2017)。关于社会隔离和孤独的公共卫生后果的系统综述。公共卫生，152,157-171。

R。李,裴,年代,陈,B。,歌曲,Y。,,T,杨W。&萨满,j .(2020)。大量未记录的感染促进了新型冠状病毒(SARS-CoV-2)的快速传播。科学，368(6490)，489-493。https://science.sciencemag.org/content/368/6490/489.abstra

Liotta, G.， Marazzi, m.c.， Orlando, S.， & Palombi, L.(2020)。社会联系是COVID-19在老年人中传播的风险因素吗?意大利悖论。科学通报，15(5)，e0233329。https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0233329

洛伦佐-雷东多，R.， Ozer, E. A.和Hultquist, J. F.(2022)。Covid-19:组粒比丁型病毒更致命吗?英国医学杂志，378,1806。

路易,J . K。斯科特,h . M。DuBois, A。,Sturtz, N。,,W, Stoltey J ., .... & 阿拉贡,t .(2021)。。旧金山老年人长期护理机构COVID-19大规模检测的经验教训临床感染性疾病杂志，2015,72(11)，2018-2020。

Lyke, K. E.， Atmar, R. L.， Islas, C. D.， Posavad, C. M.， Szydlo, D.， Chourdhury, R. P.， .... & Patel, M.(2022)。疫苗增强的针对SARS-CoV-2 Omicron变体的中和抗体迅速下降。细胞报告医学，3(7)，100679。

Ma, A， & Parry, J.(2022)。当香港的“动态零”covid-19战略遇到omicron时，低疫苗接种率导致死亡人数飙升。英国医学杂志，377,980。

(2021) Covid-19:出现了哪些新变体以及如何对其进行调查?英国医学杂志，372158 http://dx.doi.org/10.1136/bmj.n158

Miyazawa, D， & Kaneko, G.(2020)。口罩佩戴率预测国家COVID-19死亡率。medRxiv。

Moghadas, s.m.， Fitzpatrick, m.c.， Sah, P.， Pandey, A.， Shoukat, A.， Singer, b.h.和Galvani, A. P.(2020)。无声传播对控制COVID-19疫情的影响。国家科学院学报，117(30)，17513-17515。https://www.pnas.org/content/pnas/117/30/17513.full.pdf

Mogstad, M. Romano J.P, Shaikh, A. & Wilhelm D.，(2020)。基于社区间流动性和国家间学术成就应用的排名推断，NBER工作文件26883，国家经济研究局，Inc .(即将在经济研究评论，2023)。

O 'Loughlin, J.， Toal, G.， and Kolosov, V.(2017)。谁认同“俄罗斯世界”?乌克兰东南部、克里米亚、阿布哈兹、南奥塞梯和德涅斯特河沿岸的地缘政治态度。地理学报，37(6)，745-778。

Ollila, H. M.， Partinen, M.， Koskela, J.， Savolainen, R.， Rotkirch, A.和Laine, L. T.(2020)。口罩预防呼吸道疾病的传播:一项随机对照试验的荟萃分析medRxiv。

Osiichuk, M.和Shepotylo, O.(2020)。冲突与平民福祉:以俄乌混合战争为例。经济系统，44(1)，100736。

乌克兰人谴责俄罗斯，转向美国。https://news.gallup.com/poll/403490/ukrainians-denounce-kremlin-pivot.aspx

Ray, J. & Esipova, N.(2014)克里米亚危机后乌克兰人寻求稳定。https://news.gallup.com/poll/180209/ukrainians-seek-stability-crimean-crisis.aspx

罗哈斯，M.(2018)。拉丁美洲的幸福有其社会基础。见J. F. Helliwell, R. Layard， & J. Sachs(编)，《2018年世界幸福报告》(114-145页)。纽约:SDSN。

Rosella, l.c.， Wilson, K, Crowcroft, n.s.， Chu, A, Upshur, R.， Willison, D.， .... & Goel, V.(2013)。加拿大甲型H1N1流感大流行和在制定公共卫生政策中使用证据——一项政策分析。社会科学与医学，83,1-9。

Rothstein, B.和Uslaner, E. M.(2005)。人人为人人:平等、腐败和社会信任。世界政治。， 58(1)， 41-72。

萨维德斯，C.和西格尔，R.(2020)。SARS-CoV-2的无症状和症状前传播:系统综述medRxiv。Doi: 10.1101 / 2020.06.11.20129072

Setti, L.， Passarini, F.， De Gennaro, G.， Barbieri, P.， Perrone, m.g, Borelli, M.， .... & Miani, A.(2020)。COVID-19的空气传播途径:为什么2米/6英尺的人际距离不够?国际环境研究与公共卫生杂志，17(8)，2932。

Tamilina, L.(2022)。乌克兰社会信任形成的主要特征及其影响因素。东欧政治与社会，08883254221115303。

Toya, H.和Skidmore, M.(2014)。自然灾害会增强社会信任吗?中华医学杂志，32(2)，255-279。

王军，杜刚(2020)。COVID-19可能通过气溶胶传播。爱尔兰医学杂志，189(4)，1143-1144。

王、C。刘,B。,。,,N,赵,T。,,B。,和崔,f(2022)。SARS - CoV - 2 Omicron变异与Delta变异在COVID - 19的发病率和病死率与疫苗覆盖率的差异:一项全球综述医学病毒学杂志，95(1)，e28118。

李魏、w·E。,Z,卫生,c . J。勇,s . E。(音),m . P。& Lee v . J .(2020)。新加坡sars - cov -2的症状前传播，2020年1月23日至3月16日。发病率和死亡率周报，69(14)，411。

新发疾病和突发公共卫生事件亚太战略:推进《国际卫生条例(2005)》的实施:共同努力实现卫生安全https://iris.wpro.who.int/bitstream/handle/10665.1/13654/9789290618171-eng.pdf

吴C.(2021)。社会资本与2019冠状病毒病:一个多层面和多层次的方法。社会学评论，53(1)，27-54。https://www.tandfonline.com/doi/pdf/10.1080/21620555.2020.1814139

Yamamura, E.， Tsutsui, Y.， Yamane, C.， Yamane, S.， & Powdthavee, N.(2015)。信任与幸福:东日本大地震前后比较研究。社会指标研究，23(3)，919-935。

于晓明，杨瑞。(2020)。通过无症状携带者传播COVID - 19是对遏制的挑战。流感和其他呼吸道病毒，14(4)，474-475。

Yu, H, Cai, J。,邓,X。,杨,J。,太阳,K。,H ., .... & Ajelli, m(2022)。在疫苗接种后免疫力下降的背景下，预测SARS-CoV-2染色体变异在中国引入的影响。DOI: 10.21203 / rs.3.rs - 1478539 / v1

        

尾注

1、    一个国家对Cantril阶梯问题的平均回答完全等同于在“基数性”假设下对生活的平均潜在满意度的概念:即4和3之间的差异应该与3和2之间的差异一样，并且在个人之间具有可比性。一些社会科学家认为，人们对如何选择对Cantril阶梯问题的答案知之甚少，无法做出这一假设，如果它错得足够离谱，那么基于平均调查回答的排名可能与基于对生活的潜在满意度的排名不同(Bond & Lang, 2019)。其他研究人员得出结论，对Cantril阶梯问题的答案确实近似于基数(Bloem & Oswald, 2022;Ferrer-i-Carbonell & Frijters, 2004;Kaiser & Oswald, 2022;Krueger & Schkade, 2008)。↩︎

2、    对于任何一对国家，平均值的置信区间(如图2.1所示为须状)可以用来衡量哪个国家的平均值高于另一个国家，从而考虑到每个国家测量中的统计不确定性。一个国家排名的置信区间(如图2.1所示)代表了其在所有国家中平均值排名的可能值范围，考虑了所有平均值测量中的不确定性(遵循Mogstad et al.， 2020)。范围的构造使得范围不包含国家真实排名的概率不超过5%。↩︎

3、    并不是每个国家每年都有调查。总样本量在统计附录1中报告，并在图2.1中通过平均值95%置信区间的大小反映出来，用水平线表示。对于样本较大的国家，置信区间自然更紧。↩︎

4、    标有*号的国家在2022年没有调查信息。他们的平均值是基于2020年和/或2021年的调查。↩︎

5、    这可以看作是波罗的海普遍现象的一部分。爱沙尼亚的排名上升幅度更大，从2017年的第66位上升到2023年的第31位。拉脱维亚的增长也很大，但幅度较小，从2017年的第54位上升到2023年的第41位。这些增加反映了图2.3所示中欧和东欧生命评价的普遍增加，波罗的海国家比平均水平更快地向西欧靠拢。↩︎

6、    统计附录包含了没有年份影响的替代表格(附录表9)，以及表2.1方程的重复版本，显示了估计的年份影响(附录表8)。这些结果继续证实，包括年份影响对任何系数都没有显著差异。在这些汇总方程中，加入区域或国家固定效应将降低相对缓慢移动变量的系数，这些变量的大部分方差是跨国家而不是随时间变化的，例如健康预期寿命和GDP对数。对于基于个人观察的方程，如《2022年世界幸福报告》表2.2，其中收入和健康是通过个人层面的变量来衡量的，添加国家固定效应对任何系数都没有什么影响。↩︎

7、    变量的定义见技术框2，更多细节见在线数据附录。↩︎

    如果剔除模型中的年份固定效应，模型的预测能力变化不大，调整后的r平方仅从0.757下降到0.752。↩︎

    例如，在大多数盖洛普世界民意调查中都可以找到个人层面的失业反应。虽然他们显示的效应大小与其他研究中发现的相似，但该系数从未显着，并且它的包含并不影响其他系数的大小。↩︎

    下面，我们在描述这些回归中的系数时使用术语“效应”;本节稍后将讨论这种解释的一些注意事项。↩︎

    在负面影响的方程中，健康预期寿命采用显著的正系数，尽管它与该汇总数据集中的寿命评估呈正相关。↩︎

    正如许多人所发现的那样，这种影响可能是直接的，例如De Neve等人(2013)。正如弗雷德里克森(Fredrickson)的“扩展与构建理论”(拓宽与构建理论，2001)中明确指出的那样，它也可能体现了这样一种观点，即良好的情绪有助于诱发各种积极的联系，最终为更好的生活环境提供基础。↩︎

    例如，可以看看著名的修女长寿研究，丹纳等人(2001)。↩︎

    参见Cohen et al.(2003)和Doyle et al.(2006)。↩︎

    De Neve et al.(2013)《2013年世界幸福报告》第4章记录了这些反馈的普遍性。↩︎

    我们期望这些变量的系数(而不是基于非调查来源的变量)减少到受访者之间的特质差异倾向于在四个基于调查的因素与同一受访者给出的生活评估之间产生正相关。当生活评价来自于与四个社会变量完全不同的一组受访者时，这条可能的影响线就被切断了。系数仅略微降低的事实表明，共同来源的联系是真实存在的，但其影响非常有限。↩︎

    人均国内生产总值和健康预期寿命的系数受到的影响甚至更小，在收入衡量方面，情况正好相反，正如预期的那样，它们增加而不是减少了。变化非常小，因为数据来自其他来源，并且不受我们实验的影响。然而，收入系数确实略有增加，因为收入与正在测试的其他四个变量正相关，因此收入现在能够从其他四个变量的影响下降中获得一小部分。我们还使用前一年的四个基于调查的变量的值进行了另一项稳健性检验。由于每年的受访者来自不同的全国人口随机抽样，使用前一年的平均数据也避免了在等式的两边使用同一受访者的答案。这一替代测试产生了同样令人放心的结果，如《2018年世界幸福报告》统计附录1表13所示。表13的结果与表11和表12中所示的分样本结果非常相似，这三个表给出的效应值与正文中的表2.1中的效应值非常相似。由于样品每年的变化很小，所以没有必要对今年的样品重复这些测试。↩︎

    实际和预测的2020-2022年国家和地区平均寿命评估绘制在统计附录1的图37中。图中每个部分的45度线显示了实际值和预测值相等的情况。45度线以下的国家点占多数，表明该区域的实际值低于模型预测值，反之亦然。东南亚是前一种情况的最大例子，拉丁美洲是后一种情况的最大例子。↩︎

    参见Rojas(2018)。↩︎

    如果在表2.1第1列的方程中加入拉丁美洲和东亚的特殊变量，拉丁美洲的系数为+0.51 (t=5.4)，东亚的系数为-0.17 (t=1.7)。↩︎

    参见Chen et al.(1995)的回答风格差异，以及《2022年世界幸福报告》第6章关于东亚文化中被认为特别重要的变量的区域差异的数据。这些数据并不能解释东亚国家排名略低的原因，因为十大最幸福国家，尤其是排名靠前的北欧国家，比东亚国家更普遍存在一些关键变量，尤其是生活平衡感和对生活的平和感。然而，正如《2022年世界幸福报告》第6章所示，与其他地区相比，东亚的平衡而非和平与生活评价的关系更为密切，因此，较低的实际值可能有助于部分解释东亚的负残差。↩︎

    一个轻微的例外是，腐败的负面影响估计略大(0.86而不是0.71)，尽管如果我们将拉丁美洲的单独区域变量包括在内，影响并不显著。正如Rojas(2018)所描述的那样，这是因为拉丁美洲的腐败程度高于平均水平，而其对幸福感的影响被更紧密的社会网络所抵消。因此，包含一个特殊的拉丁美洲变量允许腐败系数取一个更高的值。↩︎

    以西欧国家、美国、澳大利亚、新西兰和加拿大为代表。↩︎

    更准确地说，考虑到我们希望将COVID-19的三个年份与前三年进行比较，测试车辆是第1列中没有年份固定效应的方程。↩︎

    这些结果在《2022年世界幸福报告》第26-34页进行了介绍和解释。↩︎

    图2.2中幸福差距(以及相关的秩置信区间)的标准误差是通过500次重复的非参数bootstrap计算的。↩︎

    Allison和Foster(2004)表明，即使生命评估被解释为只包含有序信息，当且仅当第一个分布中顶部/底部均值的差距大于第二个分布时，对于任何值分配到类别中，响应分布比第二个分布更“分散”。因此，当顶-底均值差对分布的排序是明确的，它代表了不平等的正确排序。↩︎

    参见Goff等人(2018)，有证据表明，即使使用纯粹的序数衡量平等，幸福的平等也与幸福水平相关。Grimes等人(2023)在这方面报告了进一步的证据，特别是在阶梯不快乐的一端集中的个人会产生负面的外部性，从而降低整体的幸福水平。↩︎

    WEIRD=西方受过良好教育的工业富裕民主国家，在我们的数据中以西欧和包括美国、澳大利亚、新西兰和加拿大在内的混合组为代表。↩︎

    后一种衡量标准是《2015年世界幸福报告》第5章关于幸福和痛苦来源的重点。↩︎

    要把一个国家分成幸福程度较高和较低的两半，需要制定一项规则，将处于国家阶梯中位数的受访者分配到其中一半或另一半。为了计算每一半人的寿命评估的平均值，我们简单地将中位数受访者分成必要的比例，以产生相等的两半。为了计算情感、幸福的社会支柱和仁慈行为的上半部分和下半部分的均值，我们对每个受访者使用预测的生活评估，根据他们根据这些预测值的排名方式，将受访者划分为一个国家的中位数。用于拟合预测的回归是表2.1第一列中规范的个人水平模拟，其规范类似于《2022年世界幸福报告》表2.2中使用的规范。我们对2005年至2022年的全球个体样本进行了回归，并考虑了国家和年份的固定效应，并使用估计系数来计算每个受访者的预期寿命评估。在这个排名的基础上，处于一个国家中位数的人被分配到该国幸福程度较高或较低的那一半，其比例是达到平等一半所必需的。这意味着，在处于中位数的受访者中，被分配到上半部分的人的幸福社会支柱高于被分配到下半部分的人，这是故意的。无论其他调查回答预测的生活评估如何，非该国中位数的受访者都将根据他们的实际生活评估被分配到上半部分或下半部分。↩︎

    我们纳入了2017-2019年和2020-2022年至少进行过一次调查的所有国家的个人，产生了来自128个国家的563,543人的样本。该方程的结构与《2022年世界幸福报告》表2.4的第三列非常吻合，今年年轻受访者中增加了年龄和性别之间的相互作用。今年我们剔除了所有家庭收入为零的受访者，这大大提高了收入效应，也消除了COVID-19期间的任何重大变化。↩︎

    大流行前健康问题的影响为-0.459 (t=15.9)， 2020-2022年期间的额外影响为-0.055 (t=2.2)。↩︎

    例如，参见《2020年世界幸福报告》表2.3。↩︎

    参见《2018年世界幸福报告》的几个章节，以及Helliwell, Shiplett和Bonikowska(2020)。↩︎

    参见Fraser和Aldrich(2020)和Bartscher等人(2021)的国家和地区证据。Besley和Dray(2021年)利用全球大量国家和大流行第一年的数据发现，在受访者对政府更有信心的国家，2020年COVID-19死亡率较低。↩︎

    参见Helliwell et al.(2018)和《2020年世界幸福报告》第二章表2.3。↩︎

    参见Aldrich(2011)。↩︎

    参见Yamamura et al.(2015)和Dussaillant and Guzmán(2014)。↩︎

    参见Toya and Skidmore(2014)和Dussaillant and Guzmán(2014)。↩︎

    参见Kang and Skidmore(2018)。↩︎

    参见《2021年世界幸福报告》第二章图2.4。↩︎

    弗雷泽和奥尔德里奇(2020)对日本各县进行了调查，发现那些社会关系更密切的人最初的感染率更高，但随着时间的推移，感染率会降低。Bartscher等人(2021)利用几个欧洲国家社会资本的国内差异表明，社会资本较高的地区的人均COVID-19病例较少。Wu(2021)发现，信任和规范在影响个人层面的COVID-19应对方面很重要，而在威权主义背景下，遵从性更多地取决于对政治机构的信任，而较少取决于人际信任。↩︎

    见《COVID-19国家防范协作(2022年)》。↩︎

    参见Rothstein and Uslaner(2005)。↩︎

    这一死亡率风险变量是间接标准化死亡率与粗死亡率之比，对154个国家中的每个国家分别进行了计算。间接标准化是基于美国COVID-19的年龄-性别死亡模式与每个国家的总体死亡率及其人口年龄和性别构成的相互作用。数据来自Heuveline和Tzen(2021)。我们的程序在《2021年世界幸福报告》的统计附录2中有更详细的描述。↩︎

    见世界卫生组织(2017)。↩︎

    该模型的早期版本在《2021年世界幸福报告》的第二章中得到了更全面的解释和首次应用。在2021年的报告中，我们还使用了第二个SARS相关变量，该变量基于每个国家与受SARS影响最严重的六个国家或地区(中国大陆、香港特别行政区、加拿大、越南、新加坡和台湾)之间的平均距离。这两个变量高度相关，因此我们可以通过仅使用世界卫生组织的pr变量来简化今年的应用，就像其他调查COVID-19替代策略是否成功的研究一样。参见Helliwell等人(2021)和Aknin等人(2022)。↩︎

    参见《2021年世界幸福报告》第2章的统计附录2，以及Helliwell等人(2021)的后续应用，该应用使用了我们在这里使用的相同的死亡率风险变量。↩︎

    有实验证据表明，所有专业水平的国际象棋选手都受到爱因斯坦效应的影响，这限制了他们寻找更好的解决方案。其影响远远超出了国际象棋。参见bilaliki and McLeod(2014)以及Rosella et al.(2013)。↩︎

    参见Emery等人(2020)、Gandhi等人(2020)、Li等人(2020)、Savvides等人(2020)和Yu and Yang(2020)。↩︎

    参见Wei et al.(2020)、Savvides et al.(2020)和Moghadas et al.(220)。↩︎

    例如，参见Godri Pollitt等人(2020)、Setti等人(2020)和Wang & Du(2020)。↩︎

    参见Chernozhukov等人(2021)对美国各州数据的因果估计，Ollila等人(2020)对对照试验的荟萃分析，Miyazawa和Kaneko(2020)对口罩有效性的跨国分析。↩︎

    参见Louie et al.(2021)。↩︎

    关于意大利早期社区的例子，请参见Lavezzo et al.(2020)。↩︎

    有关早期变体出现的讨论，请参阅Mahase(2021)。↩︎

    罗德里戈·福斯特(Rodrigo Furst)好心地使用了牛津COVID-19政府应对追踪器(Hale等人，2021年)的最新数据，显示在2022年初，其全球六个地区的平均严格程度得分在40-60分(满分为100分)之间，而到年底，这一范围已降至15-20分。↩︎

    参见Aknin et al.(2022)。政策收紧措施来自Hale等人(2021)︎

    当消除策略不再可行时，中国面临着相应的更大感染。参见Yu et al .(2022)。在规模较小的情况下，欧米克隆(Omicron)攻克的另一个淘汰城市香港也面临着类似的问题。参见Ma & Parry(2022)。↩︎

    参见Wang等人(2022)，对在Omicron下降低病死率的证据进行了审查。↩︎

    Kislaya等人(2022)显示，针对Omicron的疫苗持续有效，而Lkke等人(2022)发现疫苗增强的针对SARS-CoV-2 Omicron变体的中和抗体迅速下降。↩︎

    当使用图2.5 B组的一个版本来比较2020-2021年直接报告的COVID-19死亡总数与同一年的全因超额死亡人数时，图左侧的四个国家组的结果非常相似。这些国家在COVID-19直接死亡和全因超额死亡率方面都有相对高质量的测量。在世界其他地区，超额死亡率(如果有的话)似乎明显高于报告的COVID-19死亡率…︎

    参见Claeson和Hanson(2021)。↩︎

    参见Aknin et al.(2022)。↩︎

    这个群体，有时被称为WEIRD，即西部、受过教育、工业、富裕和民主，在我们的数据中由区域0和7表示。区域0是西欧，区域7包括美国、加拿大、澳大利亚和新西兰。↩︎

    参见Dolan等人(2021)，有关英国大规模志愿服务计划的实验证据。↩︎

    例如，参见Aknin et al(2011)和本报告的第4章。↩︎

    乌克兰的数据主要是在2022年9月收集的。参见Ray(2022)对盖洛普数据的早期分析。关于乌克兰对克里米亚吞并的态度及其影响，请参见Ray和Esipova(2014)和O 'Loughlin等人(2017)。↩︎

    Osiichuk和Shepotylo(2021)调查了2014年后时期的健康和财务状况，发现生活在冲突地区附近的人受到的负面影响要大得多。↩︎

    这包括八个州的数据:第聂伯罗彼得罗夫斯克、顿涅茨克、扎波罗热、卢甘斯克、哈尔科夫、赫尔松、尼古拉耶夫和敖德萨。↩︎

    见基辅国际社会学研究所(2022)。↩︎

    乌克兰2015年的一项调查研究发现，幸福感下降主要集中在顿涅茨克和卢甘斯克的顿巴斯州。参见Coupe & Obrizon(2016)。↩︎

    Tamilina(2022)使用两轮世界价值观调查的数据发现，与俄罗斯的战争，而不是战争担忧，预测了乌克兰更高的社会信任度。↩︎

    参见盖洛普/Meta(2022)。社会关系状况研究由盖洛普和Meta (Meta委托对巴西、埃及、法国、印度、印度尼西亚、墨西哥和美国至少2000名15岁以上的人进行的研究)于2022年4月至6月进行。↩︎

    这三个社会关系问题包括支持的测量(“一般来说，你觉得你得到了多少支持?”所谓支持，我指的是你觉得自己被别人关心的程度。”)，联系(“总的来说，你觉得自己和别人有多亲近?”我说的联系，是指你在情感上和别人有多亲近。”)和孤独(“一般来说，你觉得有多孤独?”所谓孤独，我指的是你在情感上与他人隔绝的程度。”)所有的回答选项都是4分制，范围从“一点也不[不支持/不联系/孤独]”到“非常[不支持/不联系/孤独]”。在7个国家的民意调查中，社会领域满意度问题是“一般来说，你对你与人的关系有多满意”。提供的四种答案分别是非常满意、比较满意、比较不满意和非常不满意。盖洛普世界民意调查的子集不包括这个社会领域满意度变量，但在所有受访者的其他地方，在0到10的范围内，要求Cantril阶梯，并提供一个更普遍的综合衡量标准，以评估社会关系的不同方面。↩︎

    在社会关系方面，7个国家的平均值为3.04分，其中巴西和墨西哥低(分别为0.33分和0.15分)，埃及高0.28分，法国和印度略高于平均值(分别为0.07分和0.11分)。在社会支持方面，七个国家的平均值为3.09，其中埃及和美国的平均值较高(分别为0.10和0.17)，巴西和法国的平均值较低(分别为0.15和0.14)。在孤独感方面，7个国家的平均得分为1.68分，其中埃及和印度得分较高(分别为0.17和0.38)，巴西、法国、印度尼西亚和墨西哥得分较低(分别为0.05、0.13、0.26和0.08)。↩︎

    对于社会领域满意度的综合衡量，这些国家的下降幅度相当小，仅有巴西和埃及分别上升了0.07和0.09，法国则下降了0.15。↩︎

    例如，正如Holt-Lunstad等人(2015)和Leigh-Hunt等人(2017)所回顾的那样。↩︎

80    参见Folk et al.(2023)。↩︎

81    这些系数是从一个方程中得出的，该方程使用社会支持变量和孤独感来预测社会关系的满意度。详见Folk et al.(2023)。↩︎

82    在深度调查和盖洛普世界民意调查中，在两个调查中出现的七个国家的三个社会关系问题中，每个问题都有四个答案选项。如果我们将深度调查在这84个国家-问题-反应箱中的应答份额作为对一个随机变量的观察，并将盖洛普世界民意调查的份额作为对相同84个箱中观察到的第二个随机变量，则两个调查变量的Pearson相关性为0.983。在个别国家内，12个观测值的相关性始终大于0.975，从埃及的最低0.976到印度尼西亚的最高0.995。↩︎

83    我们发现，这三个变量中没有一个增加了显著的解释力，无论我们是否包括我们现有的社会支持变量。这可能反映了相对较小的样本量(104个国家)，毫无疑问也反映了一个事实，即生活评估的总方差的国际份额远大于社会背景变量，如2013年世界幸福报告图2.1所示。↩︎
        

第三章 幸福感和国家效能

伦敦政治经济学院蒂莫西·贝斯利经济与政治学院教授 约瑟夫·马歇尔，伦敦政治经济学院预科研究员 托尔斯滕·佩尔松瑞典研究委员会特聘教授，斯德哥尔摩大学国际经济研究所
引用:贝斯利，T.，马歇尔，J.和佩尔松，T.(2023)。福祉和国家效能。《2023年世界幸福报告》(第11版，第3章)，可持续发展解决方案网络。 感谢:我们感谢Lara Aknin, Jan-Emmanuel De Neve, John Helliwell和Richard Layard的详细和敏锐的评论。我们还要感谢盖洛普世界民意调查慷慨地分享数据，并感谢马克斯·诺顿协助将本报告各章节的数据合并在一起。Sharon Paculor, John Stislow和Ryan Swaney好心地帮助我们准备好了这一章的印刷。

介绍

在一个悠久的传统中——从杰里米·边沁的“最大幸福原则”开始——许多观察家都认为政府应该致力于提高公民的幸福感。然而，经验表明，引导政府实现这一目标，并确保它能够有效地实现这一目标，是一项巨大的挑战。一个关键的原因是，即使是仁慈的政策制定者想要追求幸福的目标，也可能没有能力做到这一点。因此，维持国内安全和和平解决国内冲突在许多地方都是有问题的——在2006年至2016年期间，全球约78%的人口生活在经历过国内冲突的国家，或者个人受到国家镇压的国家。[1]至于保护或提高公民福祉，许多国家未能提供有效的社会保障，建设必要的基础设施，并确保全民医疗或基础教育等服务的可用性。因此，如果我们要理解一个政府能否有效地将追求幸福作为公共政策的目标，我们需要了解是什么推动了政府的效率。
早期历史提供了显著的政府成就的例子-主要是基础设施投资，如美索不达米亚灌溉，埃及金字塔，印加神庙或神圣罗马帝国建筑-但具有广泛责任的有效国家在过去一个半世纪才出现。20世纪见证了一些国家向一种新形式的凝聚力资本主义的显著转变，市场和国家开始共存，促进繁荣和福祉。与早期历史相比，许多国家不仅建立了国家效率的基准，而且在政治上也变得开放，竞相争夺权力，普遍享有政治权利和自由。因此，对于那些希望促进人类幸福的人来说，理解支撑这种有效状态建立的框架是关键。
在本章中，我们展示了有效状态重叠簇的证据是如何从数据中出现的。我们还展示了这些集群如何扩展到国家活动和福祉水平。特别是，本章的开头从两个核心维度探讨了塑造有效国家出现的力量:(i)建立和平与安全;(ii)建设执法和监管市场的能力，以及为具有普遍利益的项目提供财政资金的能力。在本章的后面，我们认为，关注这些核心维度，可以对有效政府与福祉之间的联系提供有用的见解。
如果我们要理解一个政府能否有效地把追求幸福作为公共政策的目标，我们需要了解是什么推动了政府的效率。
尽管今天的有效国家可能具有共同的关键特征，但我们并不认为这些特征来自共同的理想路径。每一个运作的国家都有其独特的历史，导致其当前的情况。然而，我们确实强调了某些特征，即促进政治凝聚力的制度、规范和价值观。所有社会都有基于不同收入、社会阶层、居住地区、宗教或种族的分裂。一个国家要想在存在这种分歧的情况下成功治理国家，就必须找到办法，让公民团结起来，认识到他们的共同利益，并调和他们相互冲突的优先事项。
立法机构和独立法院等制度安排为管理相互冲突的政策利益创造了平台。尊重和互惠的准则可以帮助那些负责决策的人达成公平和可持续的妥协。某些组织和制度结构导致参与政治暴力的动机较弱，而扩大国家能力的动机较强，例如，建立军队或警察部队或培训律师、医生或教育工作者干部。
继Besley和Persson之后，[2]我们将这些国家称为共同利益国家。这些作者提出的基本分析框架阐明了制度和规范/价值观如何能够激发普遍利益。利益一致促进了国家能力建设的动力，而这些能力是支持丰富的福利政策干预和繁荣的市场经济所必需的。这些国家能力共同促进和平、繁荣和幸福。我们建议的方法还强调，只关注政策与福祉之间的联系，忽略了一个关键的中间步骤，即提供福利增强政策的条件。报告还强调，政治制度至关重要，不仅因为它们在政策选择中发挥关键作用，还因为它们有助于长期维持国家能力。
Besley和Persson的框架阐明了一个理论，它不依赖于简单的单向因果关系。它强调双向过程和反馈效应，这使得我们很难从最终驱动因素的角度讲述一个简单的故事，正如我们在接下来的讨论中所解释的那样。其中一个关键观点是发展集群的出现，即国家有效性的不同方面往往同时出现。数据特别表明，当今世界上存在三大国家群。我们将这些集群按层次排列，并将它们(从上到下)标记为共同利益状态、特殊利益状态和弱状态。
基于这种类型和我们之前的讨论，我们将促进福祉的关键长期挑战定义为向共同利益状态过渡的挑战。然而，鉴于维持这三个集群的互补因素，进行这种过渡的困难不容低估。事实上，这种转变极为罕见。
本章组织如下。在下一节中，我们将更详细地讨论国家有效性的两个关键维度——和平与安全以及高国家能力。然后我们讨论促进状态有效性的基本过程。我们在之后的部分把这些分析汇总起来。在最后一节中，我们发展了对福祉的影响，并与第2章中提出的结果进行了实证联系。
Giammarco Boscaro在Unsplash上拍摄

国家有效性要素

我们首先讨论上述国家效能的两个核心维度:建立和平的能力和建设国家能力的能力。
Рeace与社会秩序:韦伯主义有效国家的核心功能之一是限制暴力的使用，维持法律和秩序。自从马克斯·韦伯(Max Weber)首次提出这一观点以来，[3]人们普遍认为，有效国家的一个关键特征是在其管辖范围内对合法使用强制力建立垄断。当然，在这种情况下，什么构成“合法”并不明显。但人们普遍认为，这一术语指的是公民接受这种强制，并相信国家会以负责任的方式使用其权力进行强制的国家。国家以建立秩序的名义剥夺公民的基本政治权利是不够的，尽管这种做法仍然非常普遍。韦伯的方法明确排除了非国家行为体的政治暴力，就像内战中不同群体的公民使用暴力手段争夺权力一样。从一个经验的概述开始是有用的。[4]
内战至今仍在继续:标准数据来源显示，在2006年至2016年期间，170个国家中有22个国家至少有一年的内战。这样的战争在较贫穷的国家更常见，22个国家中有13个是低收入国家，7个是中等收入国家，只有2个是高收入国家。[5]低收入可能是这种暴力的原因，也可能是其后果。但政治条件也很重要。衡量这种条件的标准是行政权力是否受到立法和司法的制约，这一点将在下面详细讨论。根据强力行政约束的标准衡量，[6]在2006- 2016年发生内战的22个国家中，有20个国家在此期间从未有过强力行政约束。内战的频率在20世纪80年代和90年代达到顶峰，此后发生内部冲突的国家比例一直在稳步下降。内战的发生率现在已经稳定在10%左右。[7]
一个没有发生彻底内战的国家并不意味着没有政治暴力。这可能只是反映了现任政权利用其对暴力的垄断来镇压任何政治反对派。从韦伯的观点来看，这样的国家似乎是有效的，但这里的暴力是“片面的”，因为统治者封锁了反对派团体，镇压了抗议活动。从历史上看，强制镇压是维持政治权力的主要方法，而不是赢得选举。但在2006年至2016年间，有76个国家至少有一年经历过政府镇压。虽然从事镇压的国家比例从20世纪50年代的30- 40%下降到20世纪90年代末/ 21世纪初的几乎为零，但自2006年以来一直呈上升趋势，近10%的国家实施了某种形式的政治清洗。这与这一时期的民主衰退有关，巴西、菲律宾、俄罗斯、泰国、土耳其和委内瑞拉的人民都经历了更严厉的镇压。[8]
因此，有充分的理由将镇压和内战视为同一枚硬币的两面，即互为替代品。事实上，在战后时期，镇压总体上有所减少，而内战却在上升。此外，与内战相比，镇压在世界收入分配中的比例通常更高。在2006- 2016年实行压制的76个国家中，37个是低收入国家，26个是中等收入国家，9个是高收入国家。此外，53家公司在此期间没有很强的行政约束。
政治暴力的存在对教育投资以及创造就业和繁荣所需的各种私人投资具有重要影响。国内冲突对收入有负面影响，因为它通常涉及多方之间不协调的暴力，导致广泛的经济破坏和物质和人力资本的严重破坏。这样，一个国家就会进入一个恶性循环，低收入水平减少了战斗成本，这进一步减少了收入。
有效而根深蒂固的镇压可以创造一种形式的政治稳定，就像我们在中国或中东君主制国家看到的那样。尽管当权者利用其专权剥夺投资回报的风险始终存在，但压制性国家追求在投资者眼中可信的长期经济目标或许是可行的。通过这种方式，专制政权可以以有限的政治权利为代价享受一些经济上的成功。由于否定经济成果的腐败行为可能难以控制，稳定的专制独裁国家的统治者如果认识到这一点，就会有控制腐败和促进繁荣的自私动机。
国家能力:蒂利原则国家能力可以通过加强确定和实施有效政策的能力或降低政策成本来支持一个有效的国家。例如，要使所得税发挥良好作用，就需要对基础设施进行投资，以便进行监督和遵守。历史社会学家查尔斯·蒂利(Charles Tilly)创造了“国家能力”一词，用来描述征税的权力。[9]但从更广泛的领域来考虑国家能力是有帮助的。Besley和Persson[10]提出了国家能力的三个关键维度:财政、法律和集体。他们提供了横截面和时间序列的证据，说明如何在这三个维度中建立国家能力。
财政能力是指税收的权力。要想有效征税，就需要有追踪收入和社会保障项目缴款的系统，并促进企业和个人遵守税法。财政能力的建立还有赖于确保税基广泛:事实上，现代经济体的大部分国家支出是由所得税和增值税——而不是边境税——提供资金的。
法律行为能力是指审判权和执行权。拥有一个有效的法律体系需要对法律机构、法院和监管机构进行一系列投资。这使得保护产权和执行合同能够鼓励贸易和投资。法律行为能力还可以支持经济、政治和公民权利，例如，使限制歧视或执行最低工资法成为可能。
集体能力是指提供一系列公共服务的能力。这需要能够有效提供公共卫生和教育的组织结构。例子包括建立统计机构来规划服务提供和开发国家与公民之间终生互动的系统。对无形资本的投资对于寻找保存和维护记录的方法以及确保药品和其他供应品的交付非常重要。
国家能力可以看作是资本的一种形式。它们通常涉及公共建筑，但它们也依赖于现在经常被称为“无形资本”的东西，而不是物质基础设施。
衡量各州的能力并非直截了当，也没有标准的、公认的衡量标准。为了说明，我们使用了三个粗略的度量。对于财政能力，我们使用2016年所得税占税收总额的比重。与边境税相比，所得税通常需要更广泛的官僚基础设施-例如，预扣税-来征收税款或促进遵守税收规则。对于法律行为能力，我们使用2016年世界银行合同执行指数(来自《营商环境报告》项目)。[11]最后，对于集体能力，我们构建了一个基本指数，该指数取受教育程度(来自Barro和Lee的数据集[12])和预期寿命(来自世界发展指标)的平均值。[13]
这三种形式的国家能力在各国之间高度相关，并与人均收入呈正相关。Besley和Persson用三维图(图3.2)说明了数据中的模式。[14]虽然国家能力与收入有关，但这并不是因为收入导致国家能力水平提高，也不是因为收入导致国家能力水平提高。我们首选的理解国家能力的框架强调了一个相互依存的因素网络，避免了一个简单的因果故事。各国之间一系列成果之间的这种强烈相关性形成了发展集群。
卡森在Unsplash上拍摄的照片

和平的起源与国家能力

和平的政治秩序能否建立，国家能力能否建立，都取决于领导人如何有目的地将资源分配给具有未来影响的用途。将这些概念化为国家的前瞻性投资是有用的。
投资的关键作用政治暴力可以被看作是一种投资资源的尝试，目的是获得或建立政治控制，或将现任集团赶下台。和平的社会和政治秩序需要解决冲突的制度，使任何团体都没有必要为此目的而投入暴力。事实上，权力的和平过渡也许是民主制度最显著的成就。镇压是一种投资形式，在这种投资中，国家权力被用来让独裁者继续掌权。这往往是通过对平民广泛使用秘密警察和军事力量来实现的。内战可以被认为是双方对暴力的投资的结果，其中一方是反对派，通常组织为反国家民兵。因此，为了理解和平社会是如何形成的，我们必须调查在什么条件下投资于政治暴力是没有吸引力的。
类似但相反的观点也适用于国家能力建设。以财政能力为例。建立税收制度需要建立监督和合规制度，包括组织结构，税务稽查和审计。进行此类投资的国家着眼于未来可能产生的收入。建立法律结构、卫生系统和社会保障系统同样需要时间，因此需要作出前瞻性决策，投资于所需的机构。为了理解国家能力是如何产生的，我们必须了解在什么条件下投资国家能力是有吸引力的。
制度和规范是促进对国家能力投资和/或限制对政治暴力投资的关键支持结构。无论是哪种情况，领导人都需要对未来感到放心。让我们举两个例子来说明这一点。首先，考虑这样一个情况:由反对派组成的公民认为，在选举中失利的有争议的领导人确实会下台。这将削弱投资于政治暴力的动机。其次，考虑这样一种情况:现任领导人认为，未来从税收系统投资中获得的额外收入将用于具有共同利益的支出。这样，它们就会有更强的动力投资于财政能力建设，因为无论未来谁掌权，它们自己的群体都将受益。
当我们谈到“凝聚力制度”时，我们想到的是一整套约束国家权力追求共同利益的安排。在历史进程中，议会监督已经成为对行政权力日益重要的制约，政治领导人也要受法律约束的法律原则也是如此。随着各国建立了独立的司法机构，这些司法机构维护法律，公正地对待所有公民，无论他们是否是政治或社会精英的一部分，这些制约因素进一步得到加强。许多国家已经部署了一系列制度安排，以确保领导人不能压制媒体，公民可以不受惩罚地表达批评意见。
建立有凝聚力的制度的一个良好起点是社会对政府权力的规则和限制达成广泛共识。这些可以写入书面文件，如宪法。但是，如果大家都心照不睹地把眼光放在长远，明白现任政策制定者的腐败或裙带关系可能会造成破坏性的长期后果，那么这些政策也可以维持下去。凝聚力的基础是一种共识，即集体行动的好处不是零和的，这意味着公民有强烈的动机共同努力实现集体利益。
两百多年来的政治史表明，创造某种凝聚力是一种现实的可能性，这表现在向和平社会秩序的过渡。事实上，许多国家在应对暴力冲突和动荡时期建立了自己的政治体系。但是，把历史冲突抛在脑后、继续前进的可能性有多大，还远不清楚。
要对有凝聚力的机构进行实证衡量并非易事。在本章给出的结果中，我们使用来自V-Dem项目的数据来衡量执行约束的强度;具体来说，我们取两个V-Dem变量的简单平均值:(i)司法机构的行政约束和(ii)立法机构和政府机构的行政约束。[15]在我们看来，这一指标比衡量一个国家是否民主的更广泛的指标更可取，因为它强调现有的政治制度是否允许对行政权力进行检查，这更有可能产生有凝聚力的政策结果。民主的这一方面通常比通过选举公开争夺权力发展得更慢。
政治机构聚集偏好和分配政治权力的方式也是国家能力投资的重要决定因素。Besley和Persson[16]通过强调一个具体但重要的政策分裂，将政治机制正式化:国家收入如何在目标广泛的项目和目标更狭隘的项目之间分配。[17]在他们程式化的模型中，这个决定是由那些关心自己群体利益的决策者在没有承诺的情况下做出的。由于缺乏对行政行为的任何制度约束，这有利于在针对统治集团特殊利益的狭隘项目上投入过多资金。典型的例子包括富裕且受过良好教育的统治精英在高等教育上的支出，或者针对统治集团所在地区的公共项目。然而，行政权力可能受到制度力量的制约:选举制度促使统治集团获得广泛的吸引力以当选(再当选)，立法决策规则激励行政人员寻求广泛的协议，或独立的司法机构执行保护少数群体的规则。在自由媒体的支持下，决策的透明度也可能使高管们更难利用自己的权力狭隘地为自己的群体谋取利益。Besley和Persson[18]认为，具有凝聚力的政治制度可以诱导更多的公共利益公共产品支出，也可能以其他方式支持共同利益。例如，它们可以确保财产权广泛地扩展到所有公民，而不歧视与统治集团没有联系的群体。
最重要的是，更有凝聚力的机构会让人们更有兴趣投资于一个有效的国家。缺乏凝聚力的制度会让国家更多地为一小部分人的利益服务，这削弱了提高税收、扩大市场和支持市场等核心职能的动力。然而，在这些特殊利益国家的统治集团可能决定投资于国家能力，如果这些支持统治集团的具体野心。具有凝聚力的政治制度是这三种国家能力的重要共同驱动因素。此外，建设法律能力和基础设施也将支持经济发展，从而提高收入。
在缺乏凝聚力的政治机构的国家，政治视野的长度对国家能力投资的影响更大，因为这种投资对希望继续掌权的现任集团比希望被赶下台的集团更有价值。由于在位者带来了对政策的更大控制权，当一个组织能够控制政策的使用时，更广泛的政策集是最有价值的。正如Besley和Persson所强调的那样，这表明政治稳定与国家能力投资之间存在积极联系[19]。然而，政治更替也与有凝聚力的制度相互作用。受凝聚力制度约束的现任政府拥有更有限的控制权，因此可以在不损害投资动机的情况下容忍更高的预期政治更替。因此，当政治机构缺乏凝聚力时，高政治更替可能最严重地损害国家能力投资，因为在任者所选择的政策将更少地反映共同利益。
传统上，国家能力建设的最大希望是拥有眼光长远的统治者。统治精英们将有动力建立运转良好的国家，这不仅是为了增加他们继续掌权的机会，也是为了安抚那些可能会对政治不平等感到担忧的公民。在这种情况下，对国家能力的投资就类似于对私人资本的投资。以当今国家为例，中东一些根深蒂固的君主制国家类似于家族企业，统治王朝的私人资产与集体国有资产之间存在不透明的区别。
然而，政治长寿很少是自愿同意的产物，尽管许多精英试图培育仁爱神话——或诉诸神权——来证明他们的统治权是正当的。但现实是，国家镇压几乎总是用来维持权力的工具。这种压制可能会随着事件的发展而逐渐增强或减弱。例如，在高增长时期，国家可以提高公共服务的质量，从而避免进行密集镇压。但是，如果一大批公民决定挑战精英阶层，无论是为了建立对特定地区的地方控制，还是为了建立民族国家，那么国内冲突的威胁就不会遥远。如果大量富裕且受过良好教育的中产阶级要求政治权利，国家也可能面临威胁。这是否会导致更大的镇压或彻底的冲突尚不清楚。但在它确实导致冲突前景的地方，它可能导致更大的政治不稳定，因为统治者将资源从对国家能力的投资重新分配到对强制权力的投资。
从广义上讲，规范和价值观构成了通常被称为“公民文化”的东西。政治学和政治社会学的大量工作已经强调了规范和价值观是如何支撑国家效能的。[20]本研究认为，规范和价值观可以直接或间接地通过协调关于亲社会利益的信念来促进亲社会形式的行为。更具体地说，规范和价值观可以决定公职人员是否会拒绝接受贿赂，公民是否会纳税，或者她是否会遵守法律。同样，关于好公民的规范和价值观可能会限制人们对同胞使用暴力的意愿。因此，行使强制权力的人既可以作为国家强制的推动者，也可以作为国家强制的制衡者。
在最近的大流行期间，规范在规范行为方面的作用突显出来，决定了人们是否愿意戴口罩、保持社交距离或接种疫苗。在战争时期，价值观可能会影响公民自愿参加现役的意愿。社会规范可以激励人们寻求强调无私的公共服务的职业。选择投票或参与政治活动也可以反映面向社会的价值观。[21]
一些人认为，如果个人害怕因违反规范而受到社会制裁或排斥，那么遵循规范可能纯粹是出于自身利益。因此，追求公共利益的政治家可能纯粹出于自身利益的考虑，因为他们关心自己的社会声誉。
另外，规范可以内化在价值观中，这些价值观是在形成时期从父母、同伴或教育者那里学到的。这样的规范往往成为“第二天性”，而不是计算行为的结果。这些价值观的强度可以通过世界价值观调查(WVS)收集的调查数据来评估。这项调查及其众多后续调查包含了一些关于态度的问题，并显示了这些态度及其所反映的价值观在国家内部和国家之间的个人差异有多大。尽管如此，纵观一波又一波的调查，以及同一项调查中的不同群体，都有强有力的证据表明这种现象存在持续性。此外，价值观与受教育程度、志愿服务和其他形式的公民行为密切相关，而这些在受教育程度较高的人群中更为常见。[22]
除了这些一般性质之外，价值观和规范在直接或间接地促进国家效率方面也很重要。
直接地说，它们可以帮助巩固投资于国家能力的动机。一个明显的例子是，当司法规范已经演变为支持法治时，以法院系统的形式建设法律能力的回报就会更高。另一个例子与建设财政能力的回报有关。Levi[23]认为，对国家的信任对于税收制度的建立非常重要，因为征税权是社会契约的一部分，在社会契约中，纳税成为一种准自愿行为，这种行为受到国家促进共同利益的信念的鼓励。一种基于国家和公民之间互惠原则的税收遵从文化也可能出现。[24]
间接地，规范和价值观有助于使制度安排更具凝聚力，从而增加对国家能力投资的激励。因此，认为国家应该为公共利益服务的规范有助于巩固对普遍公共项目的承诺。类似地，规定现任者应该因提供普遍福利而获得选举奖励的规范可能很重要，尽管它们确实要求公民以规定的方式参加投票，尽管这样做会带来任何私人成本。
我们刚刚勾画的概念框架使我们有充分的理由期待国家能力、和平和收入将聚集在一起。一方面，这一预测反映了一种期望，即这些结果具有凝聚力规范、价值观和制度形式的共同驱动因素。另一方面，它反映了三种结果之间随着时间的推移而产生的正反馈循环的共同进化。
为了说明这种共同进化，我们考虑一下对财政能力的投资。当正规经济最发达时，这些问题往往会最大，而强有力的法律体系将加强这一点。建立一个由所得税提供资金的社会保障体系也会扩大税基，从而刺激对财政能力的投资，因为它会把人们吸引到正式经济中，在那里他们需要纳税。有凝聚力的机构确保税收收入用于资助社会保障体系，也为公民提供了保障。同样，以缴费为基础的社会保障制度促进了公民与国家之间互惠的规范。这类节目是普遍主义的，这意味着政治控制不那么重要。因此，每个组织为了夺取政权而投入暴力的动机都减弱了。对和平解决冲突的期望增加，促进了私人投资并提高了收入。等等......
Connor Betts在Unsplash上拍摄

Рutting the Рieces Together

基于前几节的讨论，我们现在可以简洁地描述Besley和Persson的理论方法所提出的三种程式化状态形式的特征。[25]
公共利益州财政收入大部分用于公共利益。政治机构具有足够的凝聚力，对行政部门施加了强有力的约束，使结果更接近这一目标。这些制度限制了在职者的政治权力，这使他们有强大的动力投资于国家能力，以获得长期利益，因为他们知道未来的统治者将继续为集体利益而执政。共同利益国家往往拥有有效的税收制度，包括基础广泛的税收，强有力的集体拨款，采用全民医疗、教育和退休计划。它们也有法律和管理制度，为强大的市场经济提供基础。虽然共同利益国家各不相同，但它们主要集中在西欧和北美。
特殊利益国家这些国家是为了维护统治集团的利益而运行的，而统治集团受政治制度的约束很弱。然而，统治精英往往牢牢掌握着权力，这可能是由于高度镇压，这促进了某种形式的政治稳定。国家能力主要服务于统治集团的利益。但这限制了国家的领域，并削弱了与共同利益国家(其他条件相同)相比，投资于国家能力的动机。特殊利益国家也各不相同，既包括科威特或沙特阿拉伯等石油资源丰富的国家，也包括中国等一党专政国家。特殊利益国家可以把重点放在提高收入水平上，如果这符合统治精英的利益，或者被视为一种让民众保持安静的方法。
与特殊利益国家一样，弱国对统治集团缺乏强有力的约束。然而，与实行再分配的各州不同，这些州在政治上不稳定，难以激励现有集团投资于政府能力建设。因此，增加收入、保护产权、支持市场或提供福利服务的能力是有限的。政治不稳定往往是国家权力暴力争夺的结果，例如在阿富汗。国家能力低下和普遍的冲突限制了私人投资的动机，这可能导致贫困和冲突的恶性循环。
为了从经验上把握国家有效性的这两个核心维度——和平解决冲突和高国家能力——以及基于收入差异的更传统的方法，Besley和Persson[26]提出了一个繁荣支柱指数。该指数被构造为三个范围都在0到1之间的指标的简单平均值。第一个组成部分本身就是我们上面介绍的国家能力的三个组成部分的指数，即财政、法律和集体能力;第二个组成部分是和平指数，基于内战和镇压的普遍程度;[27]而第三个组成部分是衡量人均收入的指标。[28]图3.1显示了这一措施是如何与我们在讨论和平秩序和高国家能力的起源时强调的两个因素相关联的。一种是我们上面讨论过的对行政权力约束的简单衡量(来自V-Dem)。另一个是公民价值观指数(来自WVS)。具体来说，公民价值指数汇总了五个变量:对政府的信心，对人民的总体信任，对纳税(而不是欺骗)的态度，对司法系统/法院的信心，以及对受贿(不正当)的态度。[29]
图3.1:繁荣支柱指数与行政约束和公民价值观
图3.1显示，繁荣支柱指数与行政约束历史(左图)和公民价值观(右图)之间存在很强的正相关关系。每个点代表一个国家，这个点的颜色表明这个国家在世界收入分配的哪三分之一。正如两张图表所显示的那样，不仅在所有国家都存在正相关，而且在每个收入群体中也更为狭窄。
图3.1中的证据依赖于将各种指标或多或少地任意合并为单个指标。由于这些正相关的指标，我们更倾向于从国家集群的角度来考虑。我们现在使用我们的数据表明，积极和消极的属性倾向于聚集在一起，正如我们所期望的那样，如果社会和平和国家能力的组成部分是共同原因和互补性的结果(回顾上一节末尾的讨论)。
具体来说，我们使用相当标准的统计算法进行“聚类分析”，该算法使用机器学习根据一组可观察属性找到相似国家的分组。所使用的算法还“决定”需要多少组才能最适合数据。[30]
用于构建这些集群的核心变量与我们上面构建的繁荣支柱指数的核心变量相同。[31]如图3.2所示，我们发现允许在不同国家之间存在两个不同的异质性维度，可以很好地描述数据。第一个维度(沿着图的x轴)大致反映了国家能力和收入的差异，而第二个维度(沿着图的y轴)反映了政治暴力。[32]聚类算法识别出如图3.2所示的三个不同的国家群，其中我们用不同的颜色对三个组进行阴影处理，并通过标准的三个字母的国家代码识别每个国家。
图3.2:国家间属性的聚类（横轴：国家能力和收入，纵轴：政治暴力）
令人惊讶的是，这三个集群与我们在本节开头总结的关于国家有效性的理论方法所建议的分组完全一致。图中的弱国是那些橙色阴影的国家，它们位于维度1的负正交(国家能力/收入)和维度2的正正交(内战)。这与他们的内战水平相对较高，国家能力和收入水平较低的观点很吻合。
特殊利益州用蓝色阴影表示，这些州的能力和收入处于中等水平。这些国家位于维度2的负正交，这代表了高水平的压制。在这方面，中国是一个特别的异类，镇压程度特别高。
共同利益国家用绿色阴影表示，形成了一个特别紧密的集群。这个集群中的国家属于维度1(国家能力/收入)的正正交，它们在维度2(冲突)上的值徘徊在零附近，这代表了低水平的镇压和内战。
三种状态能力测量的最高值和生活满意度的最高值都出现在绿色的共同兴趣状态中。

对幸福的影响-理论和证据

在本节中，我们提出了上述分析对福祉的影响。此外，当我们用盖洛普世界民意调查的生活满意度数据来衡量幸福感时，我们表明这些含义与数据中的模式是一致的。最后，我们将这些经验模式直接与第2章中强调的福祉决定因素联系起来。
我们对国家有效性的二维分析提供了充足的先验理由，让我们相信拥有更大国家能力的和平国家有利于提高其居民的福祉。生活在和平的环境中会带来直接的好处，如果这种和平不依赖于国家的镇压，则更是如此。下面，我们将把它与第2章的主题联系起来。强大的国家能力可能意味着更高的税收。但我们预计，只有当有凝聚力的制度和/或价值观鼓励公共支出用于提供医疗、教育或基础设施的共同利益项目时，这种情况才会出现。同样，高法律行为能力可能有助于促进自由，成为反对歧视的堡垒，增加处境不利群体的经济机会，防止滥用市场力量或提高产品和工作场所的安全。
我们期望这种模式在跨国比较中表现出来。也就是说，研究跨国数据更像是一种暗示性的练习，而不是一种确定令人信服的因果关系的方法。此外，如果有效国家的要素聚集在一起，那么过分突出国家能力或和平的任何单一要素都是危险的。这相当于把在这一特定方面的更好表现视为一种促进幸福的灵丹妙药。相反，发展集群的存在强调了许多国家特征在有效国家中是齐头并进的。
在从我们对各国福祉差异的分析中得出结论时，我们也应该对时间框架持现实态度。Besley、Dann和Persson[33]强调，集群模式在很长一段时间内非常稳定，因为几乎每个国家在几十年内都保持在同一个集群中。尽管一些制度可以相当迅速地改变——正如我们不时看到的那样，当一些国家转向更民主的制度时——但支撑国家效率的投资可能需要很长时间才能取得成果。此外，支持价值观和规范的变化可能比制度的变化还要慢。
尽管我们将其纳入繁荣支柱指数，但我们的方法表明，在比较国家福祉模式时，只看收入可能会产生误导，因为收入本身可能(部分)是一个有效国家的产物。此外，有效的国家可能会允许人类在比收入更广泛的结果上繁荣。例如，中国在过去四十年中惊人的经济进步并没有与言论自由或政治权利相结合。
我们对集群的研究表明，促进福祉的真正挑战是找到成为一个共同利益国家所需的成分。两个世纪前，世界上还没有这样的国家。但是，告诉共同利益集群之外的国家，他们需要向丹麦学习，并不比告诉一名运动员，她跑得更快就能赢得奥运奖牌更好。规范、价值观和制度是支撑共同利益国家建设的脚手架。关于需要民主转型的简单处方也不是可信和有用的，尤其是当它仅仅被解释为权力获取的更大开放时。如果自由选举不能与有凝聚力的制度和价值观相结合，它们可能只会产生与过渡到暴力有关的政治不稳定。
生活满意度和国家有效性的衡量这些关于国家有效性和福祉的广泛教训与数据中的模式相吻合。为了了解这一点，考虑第二章中使用的生活满意度测量，即盖洛普世界民意调查的中心阶梯分数。回想一下，当最好的生活被打10分，最差的生活被打0分时，这些反映了受访者对生活满意度的主观表达。我们在国家层面对这些分数进行平均，可能是在考虑了一系列被认为能推动个人福祉的个人特征(年龄、收入、性别、健康、就业状况和婚姻状况)之后。
图3.3将这些调整后的国家幸福指数与繁荣支柱指数联系起来。为了与聚类主题相联系，我们在图3.2中根据每个国家所属的聚类为其点涂上颜色:橙色表示弱国，蓝色表示特殊利益国家，绿色表示共同利益国家。[34]
图3.3:国家层面的生活满意度(平均中心阶梯分数)与繁荣指数支柱，按州集群分列
注:左图包含恒定的个人年龄、收入、性别、健康、就业和婚姻状况。右图显示无条件相关。
在计算国家平均分数之前，左边的图表控制了调查对象的年龄、收入、性别、健康、就业和婚姻状况(这些都是与生活满意度相关的因素)的差异，而右边的图表显示了没有这些控制的平均原始分数。与我们的预期一致，在这两种情况下，生活满意度与繁荣支柱指数呈强正相关。此外，该图清楚地说明了生活满意度是如何与图3.2中确定的三个状态群相一致的——在共同利益状态中明显最高，在弱状态中最低。
我们的方法所带来的附加价值现在显露无遗。数据的主要内容是，居住在一个共同利益的国家——拥有特定的国家能力配置，以及不受压制的和平——似乎与高水平的生活满意度密切相关。虽然肯定有许多因素在起作用，但我们对国家效率驱动因素的叙述与数据非常吻合。这强调了我们之前的观点，即理解能够支持建立共同利益国家的力量至关重要，例如投资于有凝聚力的机构，培养有利于政治凝聚力的规范和价值观。
图3.4对我们的核心发现进行了更详细的分类，并显示了国家层面的生活满意度得分与我们衡量国家能力的三项指标(财政、法律和集体)以及我们衡量和平的两项指标(没有内战和镇压)之间的关系。有效状态的每一项测量都与生活满意度相关，状态能力的(总)相关系数在0.55到0.7之间，无暴力措施的(总)相关系数在0.3到0.35之间。
此外，考虑到图3.2中的聚类模式，图3.4非常有意义。三种状态能力测量的最高值和生活满意度的最高值都出现在绿色的共同兴趣状态中。此外，两项和平指标的最低值和生活满意度的最低值均出现在特殊利益国家和弱势国家，其中镇压的主要变化来自特殊利益集群，内战的主要变化来自弱势国家集群。
图3.4:国家层面的生活满意度(平均中心阶梯分数)与三个州的能力，没有内战和没有镇压，按州集群(无条件)
图3.4中的五张图显示了平均生活满意度与有效状态的五个组成部分中的每一个组成部分之间的总相关性——也就是说，我们不保持状态有效性的其他组成部分不变。人们很想问，这些指标是否都能独立地解释生活满意度。然而，正如我们已经强调的那样，这是一项非常危险的工作。
考虑到这一点，我们现在展示了生活满意度和国家效能的每一项衡量标准之间的部分相关性，而不是全部相关性。具体地说，我们展示了一个回归的结果，它同时包含了所有状态有效性的度量。图3.4中五个测度的回归系数(连同按国家聚类的标准误差的95%置信区间)显示在图3.5的左图中。正如预期的那样，所有的估计都是正的，但只有两个部分相关性——集体能力和缺乏压制——显著不同于零。
图3.5:平均生活满意度对国家有效性的独立成分(左)和对国家集群的假人(右)的回归
对我们来说，这些结果并不代表反对这一理论的证据。事实上，反馈效应以及我们在本章中一直强调的共同驱动因素意味着，我们无法从状态有效性不同方面的个体差异中学到太多东西。
一个更好的方法是使用国家类型作为国家有效性的总结，表明国家的平均幸福水平与国家分配到国家类型有关。本着这种精神，图3.5的右图显示了对两个假人的平均生活满意度的回归结果，一个是特殊利益国家，另一个是共同利益国家(弱国家被排除在外)。分类来源于图3.2中的聚类分析，也对应于图3.3和图3.4中观测值的着色。正如从这些数字所预期的那样，两个系数都是正的，在统计上是显著的。此外，它们的规模很大。生活在一个特殊兴趣的状态，而不是一个薄弱的状态，在10分的中心阶梯上得分几乎高了一分，而生活在一个共同兴趣的状态，生活满意度要高2分以上。[35]
简而言之，这一发现总结了本章的主要信息:国家绩效的一系列相互发生和加强的属性共同作用，以支持公民的福祉。此外，尽管国家能力和和平的边际改善可能是有价值的，但大局是向一个具有所有积极属性的共同利益国家过渡，我们认为这一过渡得到了有凝聚力的规范和制度的支持。
该理论的另一个含义是，我们期望生活满意度的分散程度，而不仅仅是水平，会随着国家的有效性而系统地变化。这是因为支撑共同利益国家的制度和规范的凝聚力，应该把重点放在共同利益上，而不是特殊利益上。这种关注不仅应该体现在生活满意度水平上，还应该体现在一个国家内人们生活满意度的较小差异上。图3.6将这一预测与生活满意度数据进行了对比。
图中的两个面板绘制了平均生活满意度与两种离散度的关系:个人分数的标准偏差(左侧)和个人分数上下半部分的平均值之间的差异(右侧)。同样，我们用图3.2中分配到的集群的颜色为单个国家标记上色。该图显示了预期的模式。平均生活满意度越高，离散度越低，反之亦然。此外，在每个图表中，我们发现共同兴趣状态系统地位于右下角，生活满意度水平高，不平等程度低。这一发现与Goff等人[36]的观察相吻合，即生活满意度水平与离散度呈负相关。
图3.6:生活满意度与平均生活满意度(平均中心阶梯得分)的国内分布，按州集群(无条件)
最后，为了将我们的讨论与更传统的幸福分析联系起来，我们现在探索我们对国家有效性的衡量与第2章中讨论的生活满意度的决定因素之间的关系。具体来说，考虑生活满意度的六个决定因素，它们在表2.1的回归中作为右侧变量包含。这些变量是人均国内生产总值、社会支持、健康预期寿命、做出生活选择的自由、免于腐败的自由和慷慨(我们请读者参阅第二章了解准确的定义)。
图3.7:第2章幸福的决定因素与国家效率指数，按国家集群(无条件)
图3.7一方面显示了第2章六个生活满意度决定因素的平均国家得分，另一方面显示了国家有效性指数之间的关系。后者包括我们对国家能力的三个衡量标准和我们对和平的衡量标准——因此，它与我们的繁荣支柱指数一致，只是我们现在把人均GDP排除在外。[37]
这六张图显示了我们对第二章中五个生活满意度决定因素的国家有效性测量的正相关关系，例外是慷慨(由私人捐赠衡量)。[38]正相关系数为0.35 ~ 0.7。这个练习没有考虑到这样一个事实，即国家有效性的不同方面可能或多或少地与不同的生活满意度决定因素密切相关。当我们将状态有效性指数分解为其子组件时，这一点变得清晰可见。在这种情况下，我们发现生活满意度的决定因素与我们对集体能力和财政能力的衡量最密切相关。[39]
要使一个国家从最低限度的野蛮状态发展到最高程度的富裕，不需要别的什么，只需要和平、宽松的税收和可容忍的司法;其余的一切都是由事物的自然过程带来的”(亚当·斯密，1755年)。

总结评论

本章重点讨论了有效国家的构成要素及其对和平、繁荣和幸福的支持。这将政治经济学的大量文献与福祉决定因素的研究联系起来。我们认为，对国家能力的投资和在没有镇压的情况下实现和平是创建有效国家的核心要素。我们还看到，这些状态的基础——特别是当涉及到共同利益状态时——似乎是生活满意度的管道。
尽管我们可以确定影响有效状态的许多因素，但并不存在神奇的公式;每个政体都必须建立一个适合其自身历史和文化背景的解决方案。历史提供的纵横交错的裂缝对进步可能有益，也可能有害。但制度、规范和价值观有助于促进共同利益。然而，很少有基于外部建议或条件的进展的例子，无论多么善意的外部行为者可能试图帮助。我们在这里指出的生活满意度最高的共同利益国家，很大程度上是由本国公民的辛勤劳动和远见卓识打造而成的。
尽管许多挑战是全球性的，但很难消除这样一种观点，即民族国家仍然是政府支持其公民福祉的基本组成部分。也就是说，不可否认的是，在一些联邦中，明智的权力下放可能会为福祉提供进一步的支持。在另一个方向上，政府支持超越民族国家的福祉的行动充其量是在进行中。尽管欧盟的许多事情都得到了有效的组织，但国家的核心能力——比如保卫领土和提高税收的能力——却没有。尽管存在气候问题等严峻的全球挑战，但要确定强大的超国家凝聚力机构也很困难。虽然未来可能会有更多的全球合作，但在未来一段时间内，国家效率的基本架构可能仍将停留在国家层面。

参考文献

阿尔蒙德，G. A.和维尔巴，S.(1963)。公民文化:五国的政治态度与民主。普林斯顿大学出版社。

巴罗，r.j.，李，j.w.(2013)。1950-2010年全球受教育程度新数据集。《经济研究》第4期。

贝斯利，T.(2020)。国家能力、互惠与社会契约。计量经济学，21(4)，344 - 344。

贝斯利，T.，丹恩，C.和佩尔松，T.。(2021)。繁荣的支柱:十年更新，CEPR讨论文件，第16256号。

贝斯利，T.和佩尔松，T.(2010)。国家能力、冲突与发展。计量经济学，2008(1)，1-3。

贝斯利，T.和佩尔松，T.(2011)。繁荣的支柱。在《繁荣之柱》中。普林斯顿大学出版社。

贝斯利，T.和佩尔松，T.(2014)。发展集群的原因与后果:国家能力、和平与收入。经济研究进展[j] .经济研究，2011(1)，927-949。

Blais, A.(2006)。什么影响选民投票率?政治科学年鉴，9,111-125。

De Mesquita, b.b.， Smith, A.， Siverson, R. M, and Morrow, J. D.(2005)。政治生存的逻辑。麻省理工学院出版社。

Goff, L.， Helliwell, J. F.和Mayraz, G.(2018)。主观幸福感不平等作为不平等的综合衡量标准。经济研究，56(4)，2177-2194。

哈斯蒂，T.，蒂布希拉尼，R.，弗里德曼，J. H.，弗里德曼，J. H.(2009)。统计学习的要素:数据挖掘，推理和预测(第2卷，第1-758页)。柏林:施普林格。

李维，M.(1989)。《规则与税收》，伯克利:加州大学出版社。

佩尔松，T.和塔贝里尼，G.(2005)。宪法的经济效应。麻省理工学院出版社。

Nanetti, r.y.， Leonardi, r.d.， & Putnam, r.d.(1994)。使民主发挥作用:现代意大利的公民传统。普林斯顿:普林斯顿大学出版社。

蒂利，C.(1990)。强制、资本和欧洲国家，公元990-1992(第70页)。牛津大学:布莱克威尔。

韦伯，M.(1919)，“政治作为一种职业”，转载自汉斯·格特和c·赖特·米尔斯(编)Мax韦伯，纽约:自由出版社。

Willeck, C, and Mendelberg, T.(2022)。教育和政治参与。政治科学年鉴，25,89-110。
       

尾注

1、    分类来自UCDP/PRIO武装冲突数据集版本19.1。↩︎

2、    贝斯利，T.和佩尔松，T.(2011)︎

    参见Weber, M.(1919)︎

    参见贝斯利，T.，丹恩，C.和佩尔松，T.。(2021)，以讨论数据来源。内战的频率使用UCDP/PRIO武装冲突数据集进行测量，镇压是通过世行跨国时间序列(CNTS)数据档案中存在的政治清洗来测量的。↩︎

5、    根据UCDP/PRIO数据，后者是以色列和美国。↩︎

6、    即，如果V-Dem的执行约束变量大于0.8(大致相当于全球分布的前三分之一)。↩︎

    参见Besley, T.， Dann, C.， & Persson,T.中的图9。(2021)↩︎

    参见Besley, T.， Dann, C.， & Persson,T.中的图9。(2021)↩︎

    例如，参见Tilly, C.(1990)︎

    参见Besley, T.， & Persson, T.(2014)︎

    https://www.worldbank.org/en/programs/business-enabling-environment/doing-business-legacy↩︎

    参见巴罗，R. J.和李，J. W.(2013)︎

    https://databank.worldbank.org/source/world-development-indicators↩︎

    参见Besley, T.， & Persson, T.(2014)︎

15、    这两个变量的值都在0到1之间(较高的值捕获更强的约束)。我们创建了一个二元指标，如果V-Dem的两个执行约束措施的平均值大于等于0.8，我们将其设置为1，否则为0。平均值大于0.8意味着大致处于分布的前三分之一。↩︎

    贝斯利，T.和佩尔松，T.(2011)︎

    这也是Bueno de Mesquita等人(2005)和Persson, T.， & Tabellini, G.(2005)︎的重点

    贝斯利，T.和佩尔松，T.(2011)︎

    贝斯利，T.和佩尔松，T.(2010)︎

    例如，参见Almond, G. A. & Verba, S. (1963);莱维(1989);Putnam et al.(1994)︎

    参见Blais, A.(2006)对选民投票率及其影响因素的文献综述。↩︎

    Willeck, C， & Mendelberg, T.(2022)进行审查和讨论。↩︎

    参见Levi, M.(1989)︎

    贝斯利，T.(2020)︎

    贝斯利，T.和佩尔松，T.(2011)︎

    贝斯利，T.和佩尔松，T.(2011)︎

27、    这是用一减去一个国家自1975年以来一直处于镇压状态而不是内战的年数(乘以一半)和一个国家自1975年以来一直处于内战(但不是镇压)的年数的比例来构建的。因此，该指数对镇压的权重是对内战的一半。↩︎

28、    这里我们使用最小-最大归一化所以它在0到1之间。↩︎

29、    贝斯利，T.，丹恩，C.和佩尔松，T.。(2021)获取该变量构造的详细信息。↩︎

30、    我们使用了一种基于主成分(HCPC)的分层聚类方法，该方法有两个核心步骤;详情见Hastie et al. (2009, section 14.3)。首先，我们使用原始数据来创建感兴趣的变量的主成分。这降低了数据的“维数”，以便找到总结底层变量所需的维数。其次，我们采用一种聚类层次聚类算法(Ward准则)来识别基于主成分的聚类。为了确定主成分的数量，Kaiser准则和“肘部试验”表明两个主成分是最优的。↩︎

31、    提醒一下，这些是所得税占总税收收入的份额，法律质量指数，集体能力指数，1975年以来镇压年数的比例，1975年以来内战年数的比例，以及人均GDP。↩︎

32、    要理解这个数字，请注意聚类分析首先考虑了内战、镇压、收入、财政能力、法律能力和集体能力的变化。然后使用主成分分析来构建两个核心维度。其中一个不同的集群维度(图中的维度2)将内战和镇压合并为一个组件。但它也将内战和镇压视为不同的因素，给镇压赋予了负值，给内战赋予了正值，给和平赋予了0左右的值。↩︎

    贝斯利，T.，丹恩，C.和佩尔松，T.。(2021)↩︎

34、    弱国是:阿尔及利亚、贝宁、玻利维亚、Côte科特迪瓦、萨尔瓦多、危地马拉、印度、马拉维、摩洛哥、缅甸、尼日尔、巴基斯坦、巴拉圭、秘鲁、菲律宾、塞内加尔、斯里兰卡、多哥和土耳其。特殊利益国家包括:阿尔巴尼亚、阿根廷、巴西、保加利亚、智利、中国、哥斯达黎加、塞浦路斯、多米尼加共和国、埃及、希腊、匈牙利、伊朗、牙买加、马来西亚、毛里求斯、波兰、罗马尼亚、韩国、泰国和乌拉圭。共同利益国家有:澳大利亚、奥地利、比利时、加拿大、芬兰、法国、冰岛、爱尔兰、意大利、日本、卢森堡、马耳他、荷兰、新西兰、挪威、葡萄牙、西班牙、瑞典、瑞士、英国、美国。↩︎

35、    我们通过不包括人均收入作为变量的重新聚类分析来测试这一核心发现的稳健性。一个明显的共同兴趣状态集群仍然出现，在这个群体和生活满意度的平均水平之间有很强的、统计上显著的相关性。↩︎

    Goff等人(2018)︎

37、    当然，我们需要从这里的繁荣指数支柱中删除人均GDP，以查看图3.7左上角面板中国家效率与收入之间的关系。↩︎

38    可以说，如果普通国家对其公民需求的照顾达到了私人捐赠不那么必要的程度，这也就不足为奇了。在在线附录中，我们考虑了另一种衡量(感知)慷慨的方法:公民是否相信丢失的钱包会被邻居、陌生人或警察归还给他们。例如，芬兰的捐赠率很低，但公民很有可能期望丢失的钱包能被归还。通过这种慷慨程度的衡量，我们发现与图3.7的其他面板中所示的国家有效性存在强烈的正相关关系。↩︎

39    我们没有在本章中包括这些数字，但它们可以在在线附录中找到。↩︎
        

第四章 做好事和感觉良好:利他主义者、受益者和观察者的利他主义和幸福之间的关系

Shawn A. Rhoads博士后研究员，西奈山伊坎医学院计算精神病学中心 Abigail A. Marsh，乔治城大学心理学系教授
引用:Rhoads, s.a和Marsh, a.a.(2023)。做好事和感觉良好:利他主义者、受益者和观察者的利他主义和幸福之间的关系。《2023年世界幸福报告》(第11版，第4章)，可持续发展解决方案网络。 致谢:作者感谢编辑，包括Lara B. Aknin、John F. Helliwell和Richard Layard，感谢他们的讨论、反馈和建议。我们还要感谢以下机构提供图4.1和图4.2中使用的数据:慈善援助基金会、捐赠和移植研究所、盖洛普、Hofstede Insights、美国中央情报局、世界动物保护组织、世界银行、世界卫生组织和世界骨髓捐赠协会。我们还要感谢德文·冈特、丽贝卡·m·瑞恩以及包括莎伦·帕卡洛在内的制作团队

介绍

2020年和2021年，一场前所未有的全球大流行引发了各种形式的社会、政治和经济动荡和动荡，给全球人民的情感和社会生活带来了巨大变化。但在此期间也记录了意想不到的积极变化[1]。一个引起相对较少关注的问题是，全球各种形式的亲社会行为激增。与大流行前的几年相比，2020-21年全球有更多的人报告说，他们在前一个月向慈善机构捐款、做志愿者或帮助陌生人。[2]毫无疑问，无数需要帮助的人受益于亲社会行为的增加，这可能会对全球福祉产生影响。
是什么刺激了亲社会倾向的激增?它可能产生什么结果?回答这些问题需要考虑利他主义，它的动机是什么，以及它的下游后果是什么。利他主义包括任何旨在改善他人福祉的行为。[3]在社会世界中，驱动特定行为的动机很难确定，但是当利他行为对行为者来说代价高昂并且没有给他们带来任何可预见的外在利益时，通常可以将其确定为利他行为。[4]例如，当一个人匿名给有需要的人钱时，他们明知会失去资源，也不会以任何具体的方式获得收益，这表明了利他主义的动机。人们普遍认为，人们的行为通常是由自私的动机驱动的，[5]然而，像这样无私的利他行为在世界各地仍然无处不在，这一事实值得注意。
利他主义无处不在的一个原因可能是，它确实带来了各种各样的利益，即使这不是行动者的意图——不仅是对预期的受益者，而且对利他主义者自己，也可能对第三方。研究表明，利他主义可以提高演员的主观幸福感[6]，甚至可以提高旁观者的主观幸福感[7]。利他主义和幸福之间的这种积极联系似乎是双向的，[8]因为更快乐的人也被观察到参与更多的利他主义。[9]
本章将探讨利他主义和幸福之间双向关系的本质。我们先从定义利他主义开始。其次，我们回顾了表明亲社会性与行为者、接受者和观察者之间存在双向关联的数据(注意到关于该主题的许多研究都是相关的，这在某些情况下限制了因果推论)。我们还将审查观察这种关系的条件。最后，我们考虑了利他主义和幸福之间许多未解决的问题。
什么是利他主义?
在考虑幸福和利他主义之间的关系之前，重要的是将利他主义置于更广泛的亲社会行为范畴内。亲社会行为包括一系列带来社会利益的行为，但这些行为是由各种环境和动机引起的。最近的两项研究结果表明，亲社会行为的种类繁多，可以大致分为三类:利他主义、合作和公平(或公平)。[10]利他主义指的是使他人受益或减轻他人痛苦的行为，这种行为没有任何可预见的外在利益——通常对行为者来说是一种成本，也不期望任何回报。[11]在许多情况下，利他主义反映了这样一个事实，即利他主义者真正重视受益者的福利，因此他们本质上想提高他们的福利。[12]利他主义的常见形式包括志愿服务、捐款和献血。所谓的特殊形式的利他主义包括极端不规范的行为，这些行为有风险或代价高昂，如英勇的救援或向陌生人捐赠骨髓或器官。[13]
与利他主义相反，合作是在交换的背景下进行的亲社会行为，比如当两个或更多的参与者朝着共同的目标努力时。因此，合作是在期望每个人都受益的情况下进行的。合作可能会在短期内牺牲资源，但通常只是为了回报受益者或期望受益者在未来会回报。常见的合作形式包括朋友轮流买单或运动队友互相帮助练习技能。
最后，公平(或公平)反映了由遵循理想规范(如公平结果)的目标所激发的亲社会行为。公平可能反映牺牲资源，但通常不是为了减轻痛苦或预期未来的利益，而是为了实现被认为对每个人都公平或公正的结果。公平的常见形式包括平等地分配共享资源——例如，朋友们将共享的一顿饭分成相等的部分，或者室友平等地分享他们有限的空间。
区分这些形式的亲社会是很重要的，因为它们发生在不同的背景下，由不同的神经和认知过程促进。[14]因此，每种形式的亲社会行为都可能对社会和情感结果产生不同的影响。虽然合作和公平可能促进(或被促进)主观幸福感，但一个特别强大的文献将幸福感与利他行为联系起来——包括广泛的非义务、非互惠行为，如志愿服务、慈善捐赠、帮助陌生人、献血、捐献骨髓或捐献器官。在本章中，我们只关注利他主义和幸福之间的联系。
利他主义与主观幸福感的正相关
现在，大量的研究表明，利他主义通常与主观幸福感呈正相关，主观幸福感包括高生活满意度和在日常生活中体验更多的积极情绪和更少的消极情绪。[15]最近的两项全球调查利用从世界各国收集的数据，在地理和个人层面上都发现了这一点。
一种方法是考察各国之间的相关性，这决定了不同文化的影响。在其中一项研究中[16]，研究人员进行了一项全球调查，汇编了从152个国家收集的有关七种利他主义形式的国家级数据。利他主义的形式包括盖洛普收集的数据(捐款、志愿服务或帮助陌生人)以及从其他国际数据库中提取的四种利他行为。这些指标包括人均献血量、人均骨髓捐赠量、人均活体肾脏捐赠量，以及一家全球非营利组织评估的对非人类动物的人道待遇。研究人员还收集了主观幸福感的数据，包括生活满意度和日常积极或消极的影响。结果表明，当国家层面的主观幸福感(即一个国家受访者的平均生活满意度和日常积极影响)较高时，所有七种形式的利他主义的患病率也较高(图4.1)。这种关系在生活满意度和日常情感中被独立观察到，除非生活满意度和日常情感被包括在同一个统计模型中，在这种情况下，只有生活满意度预测利他主义。结果表明，客观幸福感的提高，包括高水平的财富和健康，与利他主义有关，因为它们会导致生活满意度的提高。此外，这些影响在个人主义文化价值高的国家最为强烈，这反映了高度重视个人追求个人目标的自主权。这表明，当个人拥有更多的物质和文化资源来追求利他目标时，他们更有可能这样做。
这表明，当个人拥有更多的物质和文化资源来追求利他目标时，他们更有可能这样做。

另一种方法着眼于个体之间的相关性。在另一项研究中，研究人员汇编了盖洛普在2006年至2017年期间从161个国家的约140万人中收集的数据。参与者报告了他们的生活满意度和日常积极或消极的影响。他们还报告了他们在上个月是否参与了三种形式的利他主义:捐款、志愿服务或帮助陌生人。结果再次表明，生活满意度和积极(但不是消极)的日常影响与参与这些利他行为呈正相关。[17]尽管这种正相关的程度在不同的国家有所不同，但绝大多数国家都观察到了这一点，从以下事实可以看出，生活满意度和利他行为之间的相关性几乎无一例外都是正相关的，如图4.2所示，(正相关用蓝色表示)而消极情绪和利他行为之间的相关性是混合的(负相关用红色表示)。白色部分没有关系)。
图4.1。世界范围内生活满意度与利他主义的关系
请注意。主观幸福感(以均值为中心)与7个利他主义变量(包括所有利他主义变量的总和;z得分)[18]，排除了同时没有利他主义和幸福数据的国家。每个点代表一个国家，线代表最适合的回归模型，带代表95%的置信区间。注释报告Spearman ρ、Pearson’s r和纳入的国家数(n)。星号表示显著相关性(*p < 0.05， **p < 0.01， **p < 0.001)。结果表明，在世界范围内，生活满意度(主观幸福感)的增加与七种不同类型的亲社会行为的频率增加有关。
图4.2。主观幸福感与国家慷慨的关系
请注意。热图显示了161个国家主观幸福感和亲社会性之间关系的强度和方向。[19]每一行代表一个国家。Colormap表示Pearson’s r相关性。蓝色表示更强的正相关关系。红色表示强烈的负相关。结果表明，在世界范围内，更高的生活满意度和积极情绪与亲社会行为的增加(蓝色)可靠相关，而更大的消极情绪与亲社会行为的减少(红色)可靠相关。
尽管这些研究表明，平均而言，世界各地的幸福感和利他主义之间存在一致的正相关关系，但它们无法确定这种关系的因果性质:是利他主义促进幸福感，还是幸福感促进利他主义——还是这种影响是双向的?此外，利他主义是否会增加受益者、利他者甚至第三方的幸福感?接下来，我们探索旨在区分这些可能性的研究，使用更有针对性的检查利他主义和幸福之间的相关性，其中一些还使用实验操作或纵向调查，以努力建立观察到的影响的因果方向。
照片由伊斯梅尔·帕拉莫在Unsplash

幸福是利他主义的结果

利他主义对受益者幸福感的影响
利他主义被定义为旨在使接受者的福利受益的行为，因此大多数利他主义行为应该增加受益者的福利。[20]许多形式的利他主义都明确地以提高接受者的客观福祉为目的，例如捐钱增加接受者的财富或献血改善他们的健康。除了提高接受者的客观幸福感，这种行为也可以提高他们的主观幸福感。最近由TED组织赞助的一项预先注册的研究，通过将总计200万美元从慈善家那里重新分配给世界各地的接受者，证明了这种强大的效果。[21]在这项研究中，来自澳大利亚、巴西、加拿大、印度尼西亚、肯尼亚、英国和美国的成年人参与了一项“神秘实验”。参与者被随机分配到两种情况中的一种:一种是现金情况，他们收到一笔1万美元的现金转账，并被指示在三个月内花掉;另一种是对照情况，参与者没有收到现金转账。结果表明，匿名捐赠者现金转移的接受者在接受和支出这些资金后报告了更高的主观幸福感(包括更高的生活满意度和积极影响和更低的消极影响)，生活在低收入国家的接受者观察到更大的影响。
其他形式的利他主义，如帮助迷路的人或为处于困境中的人提供支持，旨在提高主观幸福感。一般来说，接受这种形式的帮助的人随后会报告主观幸福感的提高，包括更大的幸福感和自尊。[22]接受帮助的人还报告说，接受帮助提高了他们对社会关系的信任，对他人的同情，以及对人性的乐观态度。[23]这可能是因为像这样的利他行为促进了社会联系，这可能源于受益者所经历的感激之情[24]，但也可能源于内疚或负债感[25]。有趣的是，利他行为者似乎低估了帮助对受益者福祉的积极影响。[26]在最近的一项研究中，被指示进行“随机善举”的人一直低估了接受者对这种行为的重视程度，以及这种行为对他们的幸福感的改善程度。[27]
接受帮助的人还报告说，接受帮助提高了他们对社会关系的信任，对他人的同情，以及对人性的乐观态度。
然而，有许多因素影响到帮助在多大程度上(或是否)改善了受益人的福祉。一是利他行为者与受益人之间的关系。大多数利他行为都是由亲密的人实施的，包括受益人的家庭成员和亲密的朋友。[28]鉴于已建立的利他主义生物学模型，如亲缘选择，这并不奇怪，亲缘选择促进优先帮助遗传亲属，从而提高利他主义者自己的进化适应性。亲属选择利他主义是包括人类在内的许多物种的一种进化选择偏见[29]，它可以帮助解释绝大多数利他主义，包括金钱、时间、血液和器官的捐赠，都是为了家庭成员的利益。[30]对距离较远和关系较近的人提供的帮助往往采取不同的形式，对陌生人的帮助往往是相对自发的。[31]这种帮助更多地是对即时的痛苦或需要作出反应，因此比帮助亲密的朋友或家人更明确地是利他的，后者往往是有计划的，可能更多地反映互惠或与公平有关的动机。因此，人们可能认为来自家庭的帮助相对来说更有义务，[32]这可能会影响幸福感，当人们没有得到他们期望得到的支持时，他们会报告较低的生活满意度和更多的负面影响。[33]
尽管帮助关系本质上是不平等的，但利他者和受惠者之间更大的不对称也可能降低帮助提高幸福感的程度。当利他者的社会地位高于受惠者(例如，更高的社会经济地位)时，受惠者可能会经历更多的消极情绪，如感到被同情或依赖。[34]这表明匿名捐赠有一个潜在的好处:通过掩盖利他者和受益者相对地位的不对称，它可能会给受益者带来更高的幸福感。另外，当受益人预期能够将他们所得到的帮助传递出去时，他们的主观幸福感也会得到改善。[35]
利他主义对受益者福祉的影响(例如，积极影响，活力和自尊)似乎尤其强烈，当受益者相信利他主义者个人选择帮助并有内在动机这样做时。
驱动利他行为的动机也会影响利他行为对受益者的影响。当受益者相信利他主义者个人选择帮助并有内在动机时，利他主义对受益者福祉的影响(例如，积极影响、活力和自尊)似乎尤其强烈。[36]相比之下，如果接受者认为利他行为是出于自私(而不是仁慈)的原因，他们的自尊感可能会下降，从而导致悲伤和焦虑的感觉。[37]在某些情况下，接受帮助也可能引起受助者的负债感和复杂的情绪反应。[38]例如，在别人为他们做出牺牲后，接受帮助的人有时会感到内疚、负债或消极情绪。[39]
正如这些发现所表明的那样，利他主义对接受者幸福感的影响可以通过对特定情绪的影响来调节。最可靠地将利他主义与改善幸福感联系起来的情感是感恩。[40]当帮助别人引起接受者的感激之情时，他们肯定会体验到幸福感的增加。当无私的行为者自愿和自主地帮助(或被认为帮助了)而不是在胁迫下，接受者通常会感受到感激。[41]感恩始终与各种积极的幸福结果有关，包括积极的影响、乐观主义和感知到的与他人的亲密关系。[42]感恩对幸福感的影响甚至可能潜在地改善客观健康指数，比如改善睡眠和炎症标志物。[43]此外，感恩可能使受益人更有可能在未来参与利他主义。[44]鉴于利他主义对利他主义者福祉的积极影响，这可能会进一步增加幸福感，这将在接下来讨论。
有趣的是，利他主义受益者的内疚感也会增加未来的亲社会行为。[45]虽然这似乎违反直觉，但内疚通常被认为是一种亲社会情绪。[46]因此，它既可以产生亲社会行为，也可以导致亲社会行为，这一事实并不令人惊讶。当然，内疚感可以从主观上令人不愉快的本质上与感激区分开来，而且事实上，内疚感可能会增加亲社会性，这是由于欠债的感觉，而不是内部产生的帮助欲望——也许是施助者期望互惠的结果。[47]因此，自由给予且不期望互惠的利他主义最有可能产生感激，而不是负债或内疚，从而提高受益者的福祉。
利他行为对利他行为者幸福感的影响
尽管利他主义提高接受者的幸福感是不言而喻的，但它是否会提高利他主义者自己的主观幸福感却不那么明显。然而，这种情况经常发生。这似乎不太直观，因为利他行为通常会给行为者带来成本(即牺牲资源)，从而导致他们的客观福祉有所下降。但是，帮助他人——包括给他们金钱、血液或其他形式的帮助——确实会增加主观幸福感，这是有充分证据证明的，而且效果大小始终是小到中等的。[48]
邓恩和他的同事对这种效应进行了一项开创性的调查。[49]他们发现，更快乐的人不仅会在别人身上花更多的钱(其他研究也发现了这一点)，而且当参与者拿到一小笔钱(5美元或20美元)，随机分配给他们把钱花在自己身上或别人身上时，那些被分配把钱花在别人身上的人总是比那些把钱花在自己身上的人更快乐。这一效应在随后的一份注册报告中得到了重复[50]，并在全球多种文化中得到了观察[51]。其他形式的利他主义也一直与利他主义者的福祉改善有关，包括志愿服务[52]和献血[53]。然而，值得注意的是，当利他主义通过自我报告问卷而不是通过志愿服务或帮助频率的单项测量来衡量时，利他主义和幸福之间的关系的幅度更大。[54]
利他主义提高接受者的幸福感是不言而喻的，但它是否会提高利他主义者自己的主观幸福感可能就不那么明显了。然而，这种情况经常发生。
利他主义引起的积极情绪有时被描述为一种“温暖的光芒”，与满足感和普遍的积极情绪相对应。[55]这种效应可能产生一系列积极的下游后果。例如，行为和神经证据表明，捐款可以减少利他主义者的痛苦体验。[56]这些好处可能会持续很长时间。利他行为者的生活满意度更高，抑郁症状更少，工作满意度更高，在帮助他人后持续长达两个月。[57]利他主义主观上感觉良好的事实可能会使利他主义自我强化，[58]这样，那些在帮助后感觉更好的人更有可能以更高的比例继续帮助别人。[59]如果是这样的话，利他主义的好处可能会随着时间的推移而继续积累。为了支持这一可能性，世界各地经常参与志愿服务、捐赠和帮助他人等利他行为的人一生中比那些不那么利他的人有更高的生活满意度。[60]
然而，矛盾的是，一些人断言，如果利他主义对利他主义者产生积极的情感影响，它就会削弱利他行为的无私或美德的本质。[61]但也有人反驳说，利他主义的温暖光芒在一定程度上反映了改善他人福祉所带来的替代的积极情绪，[62]这是真正利他主义动机的帮助的必然结果，因此，这应该被视为利他主义动机的标志，而不是禁忌。[63]
尽管如此，帮助他人——包括给他们金钱、血液或其他形式的帮助——确实会增加主观幸福感，而且效果大小始终是小到中等的。
正如利他主义对受益者的影响一样，利他主义的影响也可能随着利他行为者和受益者之间关系的变化而变化。当利他主义的类型保持不变时，帮助亲近的人可能更有利于幸福，因为当人们帮助与他们关系较强的人时，幸福感会更可靠地提高。[64]然而，对亲密他人的利他主义更有可能是有计划和正式的，这一事实可能会使其对幸福的现实影响减弱，因为非正式帮助(与正式帮助相比)通常与更大的幸福有关。[65]
当帮助是自主和自愿的，而不是强制性的时，利他主义对利他主义者幸福的影响也往往更大。[66]在一项关于日常帮助的研究中，参与者报告说，只有当他们选择帮助而不是因为他们被要求帮助时，他们才会更幸福，因为根据自决理论，选择帮助对自主性、社会联系和能力的感觉有最大的积极影响。[67]这些发现似乎与研究人员随机分配帮助他人的参与者报告幸福感增加的研究相冲突。[68]然而，在这样的研究中，参与者如何和帮助谁的选择是由他们自己决定的，这可能会保留利他主义作为一种自主选择的有益影响。[69]自由选择的利他主义与幸福的联系更紧密，这一事实可能有助于解释为什么利他主义和幸福之间的积极关系在个人主义文化中往往最为强烈，[70]在个人主义文化中，帮助可能更经常被解释为自主自愿的选择，而不是义务。
最后，利他主义是否有利于利他主义者的幸福可能取决于各种人口特征。一项荟萃分析发现，相对于年长的利他主义者，年轻的利他主义者经历了更高水平的幸福，除了身体健康，也许是因为年轻人的利他主义更有可能导致自我概念和个人成长感觉的持久变化。[71]女性也可能比男性从利他行为中获益更多，因为研究表明，与男性相比，女性的帮助与幸福感、社会关系和身体健康之间的关系更为积极。[72]
利他主义对第三方幸福感的影响
利他主义对幸福的积极影响可能不仅限于利他主义者和受益者，还可能扩展到第三方，例如那些观察利他主义行为的人，或者是利他主义者或受益者的社会网络的一部分。关于这个问题的研究相对较少。然而，一些证据表明，仅仅是目睹利他行为就能促进幸福感。例如，观察利他主义被发现会导致所谓的“道德提升”，这反映了情绪的极端提升、能量的增加、对隶属关系的渴望、为他人做好事的动机以及成为更好的人的愿望。[73]观察利他行为，甚至从别人那里学习利他行为，也可能影响观察者在未来的互动中变得更加利他。[74]当观察他人的利他行为时，人们可能会更新他们对规范行为的信念，因此，未来可能会采取更多的利他行为规范。[75]因此，经常观察利他行为可能会产生对人性更积极的信念，并建立人际信任。相比之下，人们在观察到敌对的互动后可能会采取更愤世嫉俗的信念。[76]
在某些情况下，观察他人的利他行为可能会导致负面结果，特别是当利他行为被认为是非常不规范的。目睹他人偏离，甚至是慷慨地偏离公平等准则，可能会导致负面影响，[77]可能会使观察者对自己感觉更糟。这可能会导致“行善者的贬损”，在这种情况下，利他行为者被认为是更消极的，[78]并可能受到批评，被视为非理性或心理紊乱，甚至受到惩罚。[79]例如，在一项研究中，在一个实验室经济游戏中，最不亲社会的参与者惩罚了对公共池贡献最大的参与者，也许是为了阻止他们继续以一种让其他人相比之下看起来更糟糕的方式行事。[80]因为它有助于阻止亲社会行为，从而损害群体，对亲社会行为的惩罚有时被称为“反社会惩罚”(与“利他惩罚”相反，它有助于阻止反社会行为)。在某种程度上，反社会惩罚在许多社会中都存在，但在公民合作规范薄弱和法治薄弱的社会中尤其普遍，而在公民合作规范较强的社会中，未能采取亲社会行动的惩罚更为频繁。[81]
综上所述，初步证据表明，观察利他主义行为可能会通过其对情绪和情感、人际信任和人性信念的影响来改善观察者的幸福感，但这些影响可能在利他主义和其他形式的亲社会规范的个人和社会中更强。

幸福作为利他主义的预测因子

受益人幸福感对利他主义的影响
很难理清幸福和利他主义之间的关系的一个原因是，这些关系是双向的。也就是说，利他主义不仅提高了受益者、利他主义者甚至观察者的幸福，而且因果箭头也可能指向另一个方向:幸福有时会增加利他主义。这是潜在的利他主义者和潜在的受益者所经历的幸福的情况。例如，表达更高的幸福感(尤其是积极的情绪)可能会增加一个人从别人那里得到帮助的可能性。这似乎是违反直觉的，因为利他主义通常是由接受者的痛苦或痛苦引起的共情关怀的结果——事实上，痛苦和痛苦是利他主义最强烈的诱发因素之一，因为它们刺激了促进人际关怀和利他动机的神经和激素机制。[82]但也有可能消极或积极的情绪都能获得帮助，尽管是通过不同的途径。例如，一系列的实地研究发现，各种形式的帮助(例如，扶开一扇门，向住院病人提供假想的帮助)更有可能是针对表现出积极情绪的受益者，而不是中性或消极情绪的受益者。[83]
这些发现与其他各种研究基本一致，这些研究表明，基于同理心的利他行为可能源于观察他人与痛苦或需要相关的负面情绪，而可观察到的积极情绪也可以促进亲社会意图。例如，亲社会倾向倾向于以积极友好的语气说话的人[84]，人们更愿意与表现得快乐的受益人分享金钱。[85]虽然像悲伤这样的负面情绪增加了受助者的感知需求，但人们可能更愿意帮助更快乐的人，因为他们被视为更可取的社会伙伴，从而引发更强的归属目标。[86]对快乐的人的优先帮助也可能是通过对他人积极影响的替代反应来调节的[87]——也就是说，它可能会引起利他主义者的积极影响，进而引发亲社会行为。
利他行为体幸福感对利他行为的影响
幸福不仅增加了接受利他主义的可能性，也增加了参与利他主义的可能性。一般来说，利他行为更频繁地发生在那些经历更高幸福感的人身上。更快乐的人在志愿服务上投入更多的时间，[88]在别人身上花更多的钱，[89]并付出更大的努力来造福他人。[90]在更大的范围内，当一个地理区域的幸福感增加时，无私捐赠肾脏等特殊形式的利他主义也会增加。[91]因为无私的肾脏捐赠是如此罕见，幸福和利他主义之间的关系源于这些捐赠对人口幸福水平的影响是令人难以置信的;人们的幸福水平似乎更有可能增加利他主义。该研究还表明，随着时间的推移，一个地理区域的客观幸福感的增加与利他主义的增加有关，这是通过利他主义对主观幸福感的影响来实现的。
不断增加的客观幸福感促进了利他主义，这似乎令人惊讶，因为一系列小而有影响力的研究结果似乎发现，更大的客观幸福感(例如，更大的财富或社会地位)与自私的增加和利他主义的减少有关。[92]然而，来自不同学科的研究人员的更大规模、更具代表性的研究往往发现了相反的结果:客观幸福感的增加，包括拥有更多的资源、更好的健康和更高的地位，通常与各种形式的亲社会行为的增加有关，包括志愿服务、慈善捐赠、在经济游戏中帮助陌生人和归还丢失的物品。[93]这可能在一定程度上反映了这样一个事实，即那些更富有、更健康、地位更高的人有更多的可用资源来帮助他人。然而，它也可能反映了客观和主观幸福感之间的积极联系，因为那些经历贫困、健康状况不佳或地位低下的人通常报告的幸福感较低。[94]
然而，即使保持宏观层面的因素不变，短暂的情绪积极变化也与利他主义有关，实验证据表明，诱导积极情绪可能会导致亲社会性的增加。[95]这可能在一定程度上反映了一个事实，即经历积极情绪的人有内在的动机去保持这种状态。[96]当帮助不是太昂贵时，这种效果可能会更强。例如，当处于积极情绪状态的人认为接受帮助请求会破坏他们的好心情时，他们可能比那些没有处于积极情绪状态的人更不愿意提供帮助。[97]然而，在某些情况下，急性压力也与利他主义有关。事实上，在大流行期间，经历最严重压力的人最有可能表现出各种形式的亲社会行为的增加。[98]这可能是因为严重的压力或恐惧促使人们采取行动，当压力出现在社会环境中时，这种行动可以表现为帮助行为。[99]这种效应可能有助于解释在COVID-19大流行期间观察到的利他主义激增。这也可能有助于解释为什么一般的日常影响与利他主义的联系不如生活满意度的联系可靠:因为积极情绪和某些形式的消极情绪的急剧变化——包括急性压力或恐惧——都能激发帮助。
当得到他人的帮助时，积极的情绪可能特别有可能增加甚至代价高昂的利他主义。那些得到帮助的人更有可能帮助他人，这通常是由于感激之情的增加，[100]一种积极的情绪始终与幸福和利他行为联系在一起。在许多研究中都观察到这种“传递效应”，即资源的慷慨分配在人与人之间传播。[101]在一项纵向研究中，接受者为善意行为付出的亲社会行为比没有经历过善意行为的对照组多278%。[102]在经济交换游戏中，得到别人帮助的人比没有得到帮助的人给陌生人更多的钱。[103]在另一个参与者不断更换合作伙伴的经济博弈中，从一个合作伙伴那里得到更多钱的参与者更有可能在随后的几轮中自愿向其他合作伙伴捐款。[104]值得注意的是，随着时间的推移，这种效应似乎随着反复的亲社会决策而逐渐减弱，[105]理论上，这种“上游互惠”现象可能会在利他主义者、利他主义的受益者以及他们遇到的其他人之间产生持久而广泛的幸福感增加。
表4.1。利他主义与主观幸福感关系综述。 受益人 无私的演员 第三方观察者
利他主义提高了受益者的福祉 利他主义提高了利他行为者的幸福感 观察利他行为可以提高观察者的幸福感
例子:
利他行为，如捐钱增加接受者的财富或献血改善他们的健康，旨在增加他人的福祉。[106]
接受现金支付的人的生活满意度更高，积极影响更大，消极影响更低，在低收入国家的影响最大。[107]
额外的细节
这些行为也可能对受益者的福祉产生意想不到的负面影响，例如，当受益者感到对利他主义者有所亏欠时[108]，或者他们认为利他主义者的行为是出于自私的原因[109]。

例子:
把钱花在别人身上[110]、志愿服务[111]和献血[112]都促进了利他主义者的幸福
额外的细节
这些行为也可能与负面结果有关——例如，当帮助被视为义务时，[113]
这种影响对年轻人来说似乎更大[114]

例子:
观察利他行为会提升情绪，增加能量，增加对归属感的渴望，为他人做好事的动机，以及成为更好的人的愿望。[115]
额外的细节
观察利他主义也可能导致负面影响——例如，当看到别人偏离规范时[116]，或者当看到利他行为的方式使观察者通过比较感到更糟时[117] 受益人福利的增加会导致利他主义 利他行为者的福祉增加会导致利他行为 通过观察利他行为而增加的幸福感会导致利他主义

例子
表达更多的积极情绪可能会增加一个人从别人那里得到帮助的可能性[118]
额外的细节
幸福感的下降(例如，情绪困扰或身体疼痛的增加)也增加了一个人接受他人帮助的可能性。[119]
利他主义的受益者更有可能在未来把它传递下去，[120]这可能源于感激之情[121]
利他行为受益者的内疚感会增加未来的利他行为[122]

例子
更快乐的人更愿意做志愿者、做慈善、帮助陌生人。[123]
快乐的人更愿意捐献血液、骨髓和器官。[124]
额外的细节
在国家层面上，这种影响在个人主义程度较低的国家中较弱[125]
在那些非常幸福的人中，这种关系的强度会降低[126]
急性压力或恐惧也能促进助人行为[127]

例子
观察利他行为后的“道德提升”会影响观察者未来的利他行为[128]
额外的细节
当利他行为被视为强烈的非规范行为时，它可能导致“做好事的贬损”。[129]
请注意。最上面一行描述了利他主义如何导致主观幸福感;最下面一行描述了主观幸福感如何导致利他主义。

开放式的问题

在前面的章节中，我们已经描述了利他主义和主观幸福感之间的牢固关系。现有的研究表明，两者之间存在相互的因果关系，每一个都以双向的方式影响另一个。然而，关于这种因果关系的本质，仍然存在许多悬而未决的问题，部分原因是研究利他主义与幸福之间的关系所涉及的挑战和复杂性。
方向性的复杂性
本文的研究指出，利他主义与行为者、受益者和观察者的主观幸福感之间存在多因果关系。尽管其中一些研究通过精心设计或随机分配干预措施可以得出强有力的因果结论，[130]但由于其相关性，从一些研究中得出的结论更为有限。例如，一些发现志愿服务对幸福感有积极影响的研究[131]并没有考虑到那些更快乐的人可能会自我选择志愿服务的因素。然而，一项研究试图解释这种可能性。通过在英国进行纵向调查，作者控制了志愿者之前的幸福感水平，发现志愿活动仍然会导致随后的幸福感增加。[132]这项研究集中在一个潜在的因果箭头上:利他主义对利他主义者幸福的影响。但更大规模、更全面的研究最终应该考虑更广泛的因果关系，包括利他主义对受益者和观察者幸福的影响，以及幸福对利他主义行为或成为利他主义受益者的影响。解决这些问题需要收集全面的纵向、瞬时评估数据，类似于收集数据来测量各种各样的日常利他行为(制定、接收或观察)。[133]可以在个人一级收集这些数据，也可以在区域或国家一级收集这些数据，目的是在哪个分析层次上这种关系最强，以及哪种类型的福利和利他主义。这类数据还可以解决这些影响发生的时间尺度。
考虑到利他主义明显的自我强化性质，纵向效应尤其重要，例如，参与利他主义往往会在未来产生更多的利他主义。[134]一个悬而未决的问题仍然存在:为什么会发生这种情况，利他行为是如何得到加强的?现有的研究指出了几种可能性。一种是，改善他人的幸福感可能是有益的，因为它间接地增强了积极情绪。[135]换句话说，当人们看到别人因为移情过程而变得更快乐时，他们就会变得更快乐。另一种可能性是，利他主义可能是自我强化的，当它产生更多的社会回报时，比如社会认可和内在满足，这些都是由于符合理想的社会规范而产生的。一般来说，坚持利他主义规范可能会增加社会奖励，如隶属关系、社会认可或声望。[136]相比之下，偏离这些规范可能会导致社会惩罚，提醒违规者更新他们的行为。[137]最后，利他主义可能是自我强化的，因为利他主义者发现这是实现理想结果的可靠途径，如自主性(个人选择的感觉)、能力(自我效能感)和亲缘性(社会联系的感觉)。[138]通过利他行为来满足这些需求可能会增加利他者的主观幸福感，从而促进未来的利他行为。然而，需要更多的研究来确定这些潜在机制在哪些情况下有助于增强利他行为。
利他主义与幸福的不同特征
评估不同类型的利他主义与不同的幸福结果之间的关系也很重要。利他行为的特定特征，如接受者的身份、行为的代价或有益结果的确定性，可能在促进利他主义者的福祉方面发挥重要作用。如前所述，例如，一项荟萃分析发现，当为另一个人做出的牺牲很大时，利他主义和幸福之间的关系就会减弱——即使受益者是一个浪漫的伴侣。[139]尽管利他主义者报告的牺牲意愿与幸福感正相关，但这种效应仍然存在。
鉴于此，可能需要更大规模的研究来探索不同形式的利他主义促进和被幸福所促进的方式。尽管像从火灾中救出陌生人、指路、归还丢失的钱包、为当地慈善机构做志愿者这样的行为都可以被称为利他主义，但它们在利他主义者的成本、接受者的利益、受益者的身份(例如，朋友、陌生人)和背景(例如，在不确定或新奇的情况下对痛苦或需要的迹象做出反应)方面各不相同。未来的工作应该弄清楚这些利他行为的具体特征是如何促进(或阻止)幸福的。
还需要更多的研究来探索利他主义和幸福感之间的联系何时增强(vs.减弱)，何时积极(vs.消极)。其中一个例子包括利他行为发生的文化背景如何影响其结果。大多数利他主义实验研究都是在北美和欧洲进行的，这些地区是相对个人主义的文化背景，促进了个人在狭隘关系之外追求亲社会目标的自主性。这种情况可能会增强幸福感与为陌生人或其他相对薄弱的关系(如献血或志愿服务)所表现出的各种利他主义之间的关系。[140]未来的工作应该研究在不同文化价值观的社会中，对亲密他人(如家人或朋友)的利他主义是如何与幸福联系在一起的。
幸福的不同方面也可能以不同的方式与利他主义联系在一起。在个人层面上，生活满意度和积极影响可以预测包括志愿服务、帮助和捐赠在内的利他行为。[141]然而，在国家综合测量中，只有生活满意度(不是日常的积极和消极影响)预测了这三种行为，以及四种其他形式的利他主义。[142]了解这些观察到的关系是否反映了利他主义与幸福的不同方面之间关系的真正差异，将需要进一步的研究。最后，由于大多数研究都集中在利他主义上，其他类型的亲社会行为，如合作或公平，如何与主观幸福感相关，仍然是一个悬而未决的问题。
照片由Josh Appel在Unsplash上拍摄

结论

本章探讨了利他主义和幸福之间的双向关系，强调了对利他行为者、接受者和观察者来说，幸福既是利他主义的原因，也是利他主义的结果(并回顾了促进这种关系的条件)。总的来说，有令人信服的证据表明，更高的幸福感促进了利他主义，而利他主义又促进了利他主义者更高的幸福感。利他主义也会给受益者带来更高的幸福感，尽管这在多大程度上取决于利他行为的性质，比如它是出于义务还是出于内在的帮助愿望。初步证据表明，利他主义也可能增加观察者的幸福感，尽管这种影响可能取决于普遍的社会规范。
综上所述，现有证据表明，2020年和2021年全球利他主义的增加可能在多个方面都是好消息:利他行为的增加不仅本身是好事，而且这种增加几乎肯定与同一时期幸福感的普遍增加相吻合——无论是因为它导致了利他主义的增加，还是由利他主义的增加引起的，或者两者兼而有之。但需要更多的研究来解决这个问题，以及其他关于幸福与特定形式的利他主义之间因果关系的悬而未决的问题。回答这些问题对于确定在世界范围内进一步促进利他主义和福祉的最有效方法至关重要。

参考文献

Aknin, l.b.， Barrington-Leigh, c.p.， Dunn, e.w.， Helliwell, j.f.， Burns, j.j.， Biswas-Diener, R.， Kemeza, I.， Nyende, P.， Ashton-James, c.e.和Norton, m.i.(2013)。心理学研究进展[j] .科学进展与展望。

Aknin, l.b.， Broesch, T.， Kiley Hamlin, J.， and Van De Vondervoort, J. W.(2015)。在小规模的农村社会中，亲社会行为会带来幸福。实验心理学报，2014(4):788-795。https://doi.org/10.1037/xge0000082

Aknin, l.b.， Dunn, e.w.， & Norton, m.i.(2012)。幸福在循环中运行:亲社会消费和幸福之间正反馈循环的证据。幸福研究，13(2)，347-355。https://doi.org/10.1007/s10902-011-9267-5

Aknin, L. B.， Dunn, E. W.， Proulx, J.， Lok, I.和Norton, m.i.(2020)。把钱花在别人身上能促进幸福吗?:已注册的复制报告。心理学报，2009(2)，45 - 45。https://doi.org/10.1037/pspa0000191

Aknin, l.b.， Sandstrom, g.m.， Dunn, e.w.， & Norton, m.i.(2011)。接受者才是最重要的:把钱花在牢固的社会关系上比花在薄弱的社会关系上更能带来幸福感。科学通报，6(2)，e17018。https://doi.org/10.1371/journal.pone.0017018

Aknin, l.b.， Van de Vondervoort, j.w.， & Hamlin, j.k.(2018)。积极的感觉奖励和促进亲社会行为。心理学当代观点，20,55 - 59。https://doi.org/10.1016/j.copsyc.2017.08.017

Aknin, l.b.， & Whillans, a.v.(2021)。帮助与幸福:公共政策回顾与指南。社会问题与政策研究，2015(1):3-34。https://doi.org/10.1111/sipr.12069

Algoe, s.b, and Haidt, J.(2009)。见证卓越的行动:“赞美他人”的情绪，包括提升、感激和钦佩。心理学报，4(2)，105-127。https://doi.org/10.1080/17439760802650519

Alvarez, K.， and van Leeuwen, E.(2015)。传递:如何帮助他人减少接受帮助的心理威胁。社会心理学杂志，45(1)，1 - 9。https://doi.org/10.1111/jasp.12270

阿马托，p.r.(1990)。人格和社会网络参与对日常生活中助人行为的预测作用。社会心理学杂志，53(1)，31-43。https://doi.org/10.2307/2786867

Andreoni, J.(1989)。非纯粹利他主义的给予:在慈善和李嘉图等价中的应用。政治经济学杂志。https://doi.org/10.1086/261662

Andreoni, J.(1990)。非纯利他主义与公共物品捐赠:一种暖光捐赠理论。经济杂志。https://doi.org/10.2307/2234133

Barasch, A.， Levine, E. E.， Berman, J. Z, and Small, D. A.(2014)。自私还是无私?论情感在利他行为中的信号价值。心理学报，2009(3)，391 - 391。https://doi.org/10.1037/a0037207

Barclay, P.(2013)。生物市场，特别是人类市场的合作战略。进化与人类行为，34(3)，164-175。https://doi.org/10.1016/j.evolhumbehav.2013.02.002

Bartlett, m.y.， Condon, P.， Cruz, J.， Baumann, J.， and Desteno, D.(2012)。感恩:促进建立关系的行为。认知与情感，26(1)，2-13。https://doi.org/10.1080/02699931.2011.561297

Bartlett, m.y.， and DeSteno, D.(2006)。感恩和亲社会行为:当你付出代价时帮助你。心理科学，17(4)，319-325。https://doi.org/10.1111/j.1467-9280.2006.01705.x

巴特森，c.d.(2010)。裸体皇帝:为心理利他主义寻找更合理的基因基础。经济学和哲学。https://doi.org/10.1017/S0266267110000179

巴特森，c.d.和鲍威尔，a.a.(2003)。利他主义和亲社会行为。见韦纳主编，《心理学手册》。威利。https://doi.org/10.1002/0471264385.wei0519

Baumeister, r.f.， Stillwell, a.m.和Heatherton, t.f.(1994)。内疚:人际交往的方法。心理学报，11,243-267。https://doi.org/10.1037/0033-2909.115.2.243

Blain, B.， Marks, J.， Czech, P.， and Sharot, T.(2022)。观察他人的给予和索取:对旁观者的感受和行为的计算性描述。科学通报，18(5)，e1010010。https://doi.org/10.1371/journal.pcbi.1010010

Böckler, A.， Tusche, A.， & Singer, T.(2016)。人类亲社会行为的结构:区分利他动机、规范动机、策略动机和自我报告的亲社会行为。社会心理与人格科学，7(6)，530-541。https://doi.org/10.1177/1948550616639650

Brethel-Haurwitz, K. M, Cardinale, E. M, Vekaria, K. M, Robertson, E. L, Walitt, B.， VanMeter, J. W.， and Marsh, A. A.(2018)。非凡的利他主义者在对痛苦的神经反应中表现出增强的自我-他人重叠。心理科学，29(10)，1-11。https://doi.org/10.1177/0956797618779590

Brethel-Haurwitz, K. M， & Marsh, A. A.(2014)。主观幸福感的地理差异预测非凡的利他主义。心理科学，25(3)，762-771。https://doi.org/10.1177/0956797613516148

卡尔森，M，查林，V，和米勒，N.(1988)。积极情绪与助人行为:六个假设的检验。心理学报，29(5):531 - 531。https://doi.org/10.1037/0022-3514.55.2.211

卡尔森，r.w.，和扎基，J.(2022)。相信利他动机可以预测亲社会行为和推论。心理健康杂志，25(4)，391 - 391。https://doi.org/10.1177/00332941211013529

Chancellor, J.， Margolis, S.， Bao, K. J, Lyubomirsky, S.， & Emerson, R. W.(2018)。工作场所的日常亲社会:给予、获取和瞥见的强化好处。情感，18(4)，507-517。https://doi.org/10.1037/emo0000321.supp

Chang Y.-P。林，y - c。陈丽华(2012)。把爱传递出去:社交网络中的感恩。幸福研究杂志，13(5)，761-781。https://doi.org/10.1007/s10902-011-9289-z

库里，o.s.，罗兰，l.a.，范·丽莎，c.j.，兹洛托维茨，S，麦卡拉尼，J，和怀特豪斯，H.(2018)。愿意帮忙吗?一个系统的回顾和荟萃分析的效果表现的善良行为对演员的福祉。心理学报，26(6):379 - 379。https://doi.org/10.1016/j.jesp.2018.02.014

de Waal, f.b.m.(2008)。从利他主义回到利他主义:移情的进化。心理学年鉴，59,279-300。https://doi.org/10.1146/annurev.psych.59.103006.093625

Decety, J.， Bartal, i.b.a.， Uzefovsky, F.， & Knafo-Noam, A.(2016)。共情作为亲社会行为的驱动因素:跨物种高度保守的神经行为机制。中国生物科学学报，32(1)，2015 - 04。https://doi.org/10.1098/rstb.2015.0077

德斯特诺，D.，巴特利特，M. Y.，鲍曼，J.，威廉姆斯，L.，和狄更斯，L.(2010)。感恩作为道德情操:经济交往中的情感导向合作。情感，10,289-293。https://doi.org/10.1037/a0017883

迪纳，E.(1984)。主观幸福感。心理学报，1995(3)，542-575。https://doi.org/10.1037/0033-2909.95.3.542

迪纳，E.(1994)。主观幸福感评估:进步与机遇。社会指标研究，31(2)，103-157。https://doi.org/10.1007/BF01207052

Dolan, P.， Krekel, C.， Shreedhar, G.， Lee, H.， Marshall, C.， & Smith, A.(2021)。乐于助人:一个全国性的微型志愿服务项目的福利效应。SSRN电子期刊。https://doi.org/10.2139/ssrn.3865456

Dunn, e.w.， Aknin, l.b.和Norton, m.i.(2008)。把钱花在别人身上可以促进幸福。科学，319(5870)，1687-1688。https://doi.org/10.1126/science.1150952

Dwyer, R. J，和Dunn, E. w(2022)。财富再分配促进幸福。国家科学院学报，119(46)，e2211123119。https://doi.org/10.1073/pnas.2211123119

厄普，b.d.，麦克劳克林，k.l.，蒙拉德，j.t.，克拉克，m.s.和克罗克特，m.j.(2021)。社会关系如何影响道德错误判断。自然通讯，12(1)，第1条。https://doi.org/10.1038/s41467-021-26067-4

Epley, N.， Kumar, A.， Dungan, J.， & Echelbarger, M.(2022)。亲社会悖论:错误的社会认知如何为亲社会行动制造了错位的障碍。PsyArXiv。https://doi.org/10.31234/osf.io/9t3wf

Fehr, E.， & Fischbacher, U.(2003)。人类利他主义的本质。自然，425(6960)，785-791。https://doi.org/10.1038/nature02043

Fowler, j.h.， & Christakis, n.a.(2010)。在人类社会网络中，合作行为是级联的。国家科学院学报，107(12)，5334-5338。https://doi.org/10.1073/pnas.0913149107

弗里德曼，A.，格尔森，R.，和格尼齐，A.(2022)。在COVID-19威胁下增加慷慨。科学通报，12,4886。https://doi.org/10.1038/s41598-022-08748-2

盖洛普(Gallup)。(2010)。盖洛普全球福祉:GDP增长的行为经济学。https://news.gallup.com/poll/126965/gallup-global-wellbeing.aspx

Gesiarz, F.， & Crockett, M. J.(2015)。目标导向，习惯性和巴甫洛夫的亲社会行为。行为神经科学前沿，9(5)，1-18。https://doi.org/10.3389/fnbeh.2015.00135

吉特尔，R.和特巴尔迪，E.(2006)。慈善捐赠:影响美国各州捐赠的因素。非营利和志愿部门季刊，35(4)，721-736。https://doi.org/10.1177/0899764006289768

戈德曼，M.和福代斯，J.(1983)。亲社会行为受眼神接触、触摸和声音表达的影响。社会心理学杂志，2011(1)，125-129。https://doi.org/10.1080/00224545.1983.9924474

加拿大政府，南卡罗来纳州(2014年3月31日)。按性别和应答者与初级保健接受者之间的关系，为患有长期疾病、残疾或老年需求的家庭成员或朋友提供护理的时间。https://www150.statcan.gc.ca/t1/tbl1/en/tv.action?pid=4410001001

Grant, a.m.， & Gino, F.(2010)。一点感谢大有帮助:解释为什么表达感激会激发亲社会行为。心理学报，2009,29(1):444 - 444。https://doi.org/10.1037/a0017935

Gray, K.， Ward, a.f， & Norton, m.i.(2014)。传递:广义互惠和慷慨的限制。实验心理学杂志:综合，143,247-254。https://doi.org/10.1037/a0031047

格林菲尔德，E. A.和马克斯，N. F.(2004)。正式志愿服务对老年人心理健康的保护作用。老年医学杂志B辑，59(5)，S258-S264。https://doi.org/10.1093/geronb/59.5.S258

海特，J.(2000)。提升的积极情绪。预防与治疗，3(1)。https://psycnet.apa.org/buy/2000-03082-003

哈代，C. L.，和Van Vugt, M.(2006)。好男人先完成:竞争性利他主义假说。人格与社会心理学报，32(10)，1402-1413。https://doi.org/10.1177/0146167206291006

Hart, A.， Smith, J. M.， Skeans, M. A.， Gustafson, S. K.， Wilk, A. R.， Castro, S.， Foutz, J.， Wainright, J. L.， Snyder, J.， Kasiske, B. L.， and Israni, A. K.(2020)。OPTN/SRTR 2018年度数据报告:肾脏。中国器官移植杂志，20(s1)， 20 - 130。https://doi.org/10.1111/ajt.15672

Hauser, D. J, Preston, S. D, and Stansfield, R. B.(2014)。野外的利他主义:帮助积极的人的附属动机超过了帮助痛苦的人的共情动机。实验心理学杂志:综合，143,1295-1305。https://doi.org/10.1037/a0035464

Helliwell, J. F.， Huang, H.， Wang, S.，和Norton, M.(2022)。2019冠状病毒病及以后的幸福、仁爱与信任J. F. Helliwell, R. Layard， & J. D. Sachs(编)，《2022年世界幸福报告》(第14-52页)。可持续发展解决方案网络。https://worldhappiness.report/ed/2022/happiness-benevolence-and-trust-during-covid-19-and-beyond/

Herrmann, B.， Thöni, C.， & Gächter, S.(2008)。跨社会的反社会惩罚。科学，319(5868)，1362-1367。https://doi.org/10.1126/science.1153808

Hinrichs, A.， Picker, S. M.， Schneider, A.， Lefering, R.， Neugebauer, E. A. M.， & Gathof, B. S.(2008)。献血对献血者幸福感的影响。输血医学，18(1)，40-48。https://doi.org/10.1111/j.1365-3148.2007.00805.x

Hoffman, E.， Gonzalez-Mujica, J.， Acosta-Orozco, C.， & Compton, W. C.(2020)。接受现实生活中的利他主义的心理好处。心理科学学报，30(2)，187-204。https://doi.org/10.1177/0022167817690280

Horita, Y.， Takezawa, M.， Kinjo, T.， Nakawake, Y.， and Masuda, N.(2016)。“付出-传递”互惠合作的短暂性。科学报告，6(1)，第1条。https://doi.org/10.1038/srep19471

Howell, r.t.， & Howell, c.j.(2008)。发展中国家经济地位与主观幸福感的关系:一个元分析。心理通报，134,536-560。https://doi.org/10.1037/0033-2909.134.4.536

Hughes, P.和Luksetich, W.(2008)。收入波动与财富:对慈善捐赠的影响。非营利和志愿部门季刊，37(2)，264-280。https://doi.org/10.1177/0899764007310416

Hui, b.p.h.， Ng, j.c.k, Berzaghi, E.， Cunningham-Amos, l.a， & Kogan, A.(2020)。善良的回报?亲社会与幸福感关系的元分析。心理学报，46(12)，1084-1116。https://doi.org/10.1037/bul0000298

Isen, a.m.和Levin, p.f.(1972)。帮助他人时感觉良好的效果:饼干和善意。心理学报，21(2):389 - 388。https://doi.org/10.1037/h0032317

Isen, a.m.和Simmonds, s.f.(1978)。感觉良好对与好心情不相容的帮助任务的影响。社会心理学，41(4)，346-349。https://doi.org/10.2307/3033588

jansen - beken, L.， Jacobs, N.， Janssens, M.， pepeters, S.， Reijnders, J.， Lechner, L.和Lataster, J.(2020)。感恩与健康:最新综述。积极心理学杂志，15(6)，743-782。https://doi.org/10.1080/17439760.2019.1651888

Jebb, a.t.， Morrison, M.， Tay, L.和Diener, E.(2020)。世界各地的主观幸福感:整个生命周期的趋势和预测因素。心理科学，31(3)，293-305。https://doi.org/10.1177/0956797619898826

卡尼曼博士和迪顿博士(2010)。高收入提高了对生活的评价，但不能改善情感健康。国家科学院学报，107(38)，16489-16493。https://doi.org/10.1073/pnas.1011492107

Korndörfer, M.， Egloff, B.， & Schmukle, S. C.(2015)。社会阶层对亲社会行为影响的大规模检验。科学通报，30(7)，393 - 393。https://doi.org/10.1371/journal.pone.0133193

Kumar, A.， & Epley, N.(2022)。一点点善意会有意想不到的深远影响:低估善意对接受者的积极影响。实验心理学杂志:一般。https://doi.org/10.1037/xge0001271

Kumar, S.， Calvo, R.， Avendano, M.， Sivaramakrishnan, K.， & Berkman, L. F.(2012)。世界各地的社会支持、志愿服务和卫生:来自139个国家的跨国证据。社会科学与医学，74(5)，696-706。https://doi.org/10.1016/j.socscimed.2011.11.017

Kurleto, P.， Tomaszek, L.， Milaniak, I.和Mędrzycka-Dąbrowska, W.(2022)。与成为活体肾脏捐赠者意愿相关的因素:一项全国性的横断面研究。国际环境研究与公共卫生杂志，19(3)，第3条。https://doi.org/10.3390/ijerph19031313

Kushlev, K.， Radosic, N.， & Diener, E.(2021)。全球的主观幸福感和亲社会:快乐的人会给别人更多的时间和金钱。社会心理与人格科学，13(4)，849-861。https://doi.org/10.1177/19485506211043379

Lamm, C, Bukowski, H.， & Silani, G.(2016)。共情中从共有到独特的自我-他人表征:来自典型神经功能和社会认知障碍的证据。皇家学会哲学汇刊B:生物科学，371(1686)。https://doi.org/10.1098/rstb.2015.0083

Lawton, R. N.， Gramatki, I.， Watt, W.， and Fujiwara, D.(2021)。做志愿者让我们更快乐，还是快乐的人更愿意做志愿者?在评估志愿服务对健康的影响时，解决反向因果关系问题。幸福研究杂志，22(2)，599-624。https://doi.org/10.1007/s10902-020-00242-8

Layous, K, Nelson, S. K, Kurtz, J. L.， & Lyubomirsky, S.(2017)。是什么触发了亲社会的努力?积极活动、善良和幸福之间的积极反馈循环。心理学报，12(4)，385-398。https://doi.org/10.1080/17439760.2016.1198924

Lieberman, D.， Tooby, J.， and Cosmides, L.(2007)。人体亲属检测的体系结构。自然，445(7129)，第7129条。https://doi.org/10.1038/nature05510

洛克，I，邓恩，E. w(2022)。亲社会消费和购买时间的好处是否会受到年龄、性别或收入的影响?科学通报，17(6)，0269636。https://doi.org/10.1371/journal.pone.0269636

麦瑟尔，n.c.，盖博，s.l.(2009)。接受社会支持的悖论:回应的重要性。心理科学，20(8)，928-932。https://doi.org/10.1111/j.1467-9280.2009.02388.x

Marsh, A. A.(2018)。移情的神经科学。当代行为科学观点，1999,110 - 115。

Marsh, A. A.(2022)。让我们的情感在一起:作为同理心核心的共享表征。情感评论，0(0)，175407392211070。https://doi.org/10.1177/17540739221107029

Marsh, a.a.， Stoycos, s.a.， Brethel-Haurwitz, k.m.， Robinson, P.， VanMeter, j.w.和Cardinale, e.m.(2014)。非凡利他主义者的神经和认知特征。国家科学院学报，111(42)，15036-15041。https://doi.org/10.1073/pnas.1408440111

麦卡洛，m.e.，基尔帕特里克，s.d.，埃蒙斯，r.a.，和拉尔森，d.b.(2001)。感恩是一种道德情感吗?心理通报，127,249-266。https://doi.org/10.1037/0033-2909.127.2.249

Meier, S.， & Stutzer, A.(2008)。志愿服务本身有价值吗?经济，75(7)，39-59。https://doi.org/10.1111/j.1468-0335.2007.00597.x

米勒，d.t.(1999)。利己主义的准则。美国心理学家，81(1)，5-16。https://doi.org/10.1037/0003-066X.54.12.1053

Minson, J. A.和Monin, B.(2012)。行善者的贬损:贬低有道德动机的少数群体以化解预期的责难。社会心理与人格科学，3(2)，200-207。https://doi.org/10.1177/1948550611415695

Mobbs, D.， Yu, R.， Meyer, M.， Passamonti, L.， Seymour, B.， Calder, A. J.， Schweizer, S.， Frith, C.， and Dalgleish, T.(2009)。相似性在替代奖励中的关键作用。科学，324(5929)，900。https://doi.org/10.1126/science.1170539

Morelli, S. A.， Knutson, B.， & Zaki, J.(2018)。对个人奖励和代理奖励的神经敏感性与亲社会性和幸福感之间存在差异。社会认知与情感神经科学，2013(8)，831-839。https://doi.org/10.1093/scan/nsy056

Morelli, s.a, Lieberman, m.d， & Zaki, J.(2015)。积极共情的新兴研究。心理学报，9(2)，57-68。https://doi.org/10.1111/spc3.12157

Neumann, E.， & Zaki, J.(2022)。走向犬儒主义的社会心理。认知科学趋势。https://doi.org/10.1016/j.tics.2022.09.009

O 'Connell, b.h.， & Killeen-Byrt, M.(2018)。心理社会健康调节感恩与身体健康之间的联系。心理健康与医学，23(9)，1145-1150。https://doi.org/10.1080/13548506.2018.1469782

O 'Connell, K.， Brethel-Haurwitz, K. M.， Rhoads, S. A.， Cardinale, E. M.， Vekaria, K. M.， Robertson, E. L.， Walitt, B.， Vanmeter, J. W.， & Marsh, A. A.(2019)。在昂贵的利他主义中，对经验和共情痛苦的神经反应增加了相似性。科学通报，9(7)，1-11。https://doi.org/10.1038/s41598-019-47196-3

皮尤研究中心。(2019)。美国的信任与不信任。https://www.pewresearch.org/politics/2019/07/22/trust-and-distrust-in-america/

唏,p K,克劳斯·m·W。象牙海岸,年代,Cheng b·H。&特纳d(2010)。少得多施:社会阶层对亲社会行为的影响。心理学报，2009(5)，771-784。https://doi.org/10.1037/a0020092

普莱森特，A.和巴克莱，P.(2018)。为什么要恨好人?当人们为被选中而竞争时，对高度合作者的反社会惩罚更大。心理科学，29(6)，868-876。

Post, s.g.(2005)。利他主义、幸福和健康:做好事是好事。国际行为医学杂志，12(2)，66-77。

Rhoads, s.a, Cutler, J.， & Marsh, a.a.(2021)。基于特征的网络分析和功能磁共振成像元分析揭示了三种不同类型的亲社会决策。社会认知和情感神经科学。https://doi.org/10.1093/scan/nsab079

Rhoads, s.a, Gunter, D, Ryan, R. M.， & Marsh, a.a.(2021)。主观幸福感的全球变化预示着七种形式的利他主义。心理科学，32(8)，1-15。https://doi.org/10.1177/0956797621994767

Rhoads, s.a.， O 'Connell, K.， Berluti, K.， Ploe, m.l.， Elizabeth, h.s.， Dutton, m.a.， VanMeter, a.s.， & Marsh, a.a.(2022)。非凡利他主义者对社会疏远的他人慷慨解囊背后的神经反应。PsyArXiv。https://doi.org/10.31234/osf.io/8erfa

Rhoads, s.a.， Vekaria, k.m.， O 'Connell, k.k.， Elizabeth, h.s.， Rand, d.g.， Kozak Williams, m.n.， & Marsh, a.a.(2022)。无私的特质和社会决策模式是六种现实世界非凡利他主义者的特征。PsyArXiv。https://doi.org/10.31234/osf.io/sykmv

Righetti, F.， Sakaluk, J. K, Faure, R.， & Impett, E. A.(2020)。牺牲与关系和个人幸福之间的联系:一项元分析。心理学报，14(10)，900-921。https://doi.org/10.1037/bul0000297

Righetti, F.， Schneider, I.， Ferrier, D.， Spiridonova, T.， Xiang, R.， & Impett, E. A.(2020)。牺牲的苦乐参半:矛盾心理和混合反应的后果。实验心理学杂志:综合，149,1950-1968。https://doi.org/10.1037/xge0000750

Righetti, F.， Visserman, M. L.， & Impett, E. A.(2022)。牺牲:浪漫关系中代价高昂的亲社会行为。心理学当代观点，44,74-79。https://doi.org/10.1016/j.copsyc.2021.08.031

Rilling, J. K.和Sanfey, A. G.(2011)。社会决策的神经科学。心理学年度评论，62,23-48。https://doi.org/10.1146/annurev.psych.121208.131647

Sandstrom, g.m.， Schmader, T.， Croft, A.和Kwok, N.(2019)。从社会身份威胁的角度来看，作为一个更高地位的他人慷慨的目标。心理科学学报，2009,31(2):391 - 391。https://doi.org/10.1016/j.jesp.2018.12.004

Siedlecki, K. L.， Salthouse, T. A.， Oishi, S.和Jeswani, S.(2014)。社会支持与主观幸福感的关系。社会指标研究，17(2)，561-576。https://doi.org/10.1007/s11205-013-0361-4

Sojka, b.n.， & Sojka, P.(2003)。献血体验:献血对献血者生理、心理和社会影响的感知。中国医学杂志，84(2)，120-128。https://doi.org/10.1046/j.1423-0410.2003.00271.x

斯皮维，c.b.和普伦蒂斯-邓恩，S.(1990)。评估去个体化行为的方向性:去个体化、模式化和私人自我意识对攻击性和亲社会反应的影响。心理科学学报，2011(4)，387 - 393。https://doi.org/10.1207/s15324834basp1104_3

Stamos, A.， Lange, F.， Huang, S.， and Dewitte, S.(2020)。拥有更少，付出更多?社会阶层与亲社会行为关系的两个预登记重复。心理学报，34(1)，1-9。https://doi.org/10.1016/J.JRP.2019.103902

Tasimi, A.， Dominguez, A.， & Wynn, K.(2015)。儿童对行善者的贬损:慷慨的社会代价。心理学前沿，6。https://www.frontiersin.org/articles/10.3389/fpsyg.2015.01036

泰勒，s.e.(2006)。倾向与友善:压力下关系的生物行为基础。心理科学进展，15(6)，273-277。

某个N.-T。菲斯特，h - r。(2012)。不仅仅是痛苦的人得到帮助:同理心促进了对快乐的人的亲社会行为。当代心理，31(4)，393-413。https://doi.org/10.1007/s12144-012-9157-y

某个N.-T。菲斯特，h - r。(2016)。积极共情与亲社会行为:一个被忽视的联系。心理杂志，8(2)，154-163。https://doi.org/10.1177/1754073915586817

Thoits, p.a.和Hewitt, l.n.(2001)。志愿者工作和幸福。健康与社会行为杂志，42(2)，115-131。

通,Z,咦,M,冯,W。,,Y。,刘,D。&张j .(2021)。捐赠意向中面部表情与供体-受者眼神交流的交互作用:基于情感强度的研究。心理学前沿，12。https://www.frontiersin.org/articles/10.3389/fpsyg.2021.661851

瓦什，A.(2018)。早期社会情绪的亲社会功能:以内疚为例。心理学当代观点，20,25 - 29。https://doi.org/10.1016/j.copsyc.2017.08.008

Vekaria, K. M, Brethel-Haurwitz, K. M, Cardinale, E. M, Stoycos, S. A.和Marsh, A. A.(2017)。代价高昂的利他主义中的社会折扣和距离感知。自然-人类行为，1(5)，1 - 7。https://doi.org/10.1038/s41562-017-0100

维卡里亚，K. M，哈默尔，A. E.，文森特，L.，史密斯，M.，罗杰斯，T.，斯威策，G. E.和马什，A. A.(2019)。前瞻性在无私骨髓捐赠决策中的作用。健康心理学，2(999)。

Vekaria, K. M. O 'Connell, K.， Rhoads, S. A.， Brethel-Haurwitz, K. M.， Cardinale, E. M.， Robertson, E. L.， Walitt, B.， VanMeter, J. W.， & Marsh, A. A.(2020)。终纹床核(BNST)的激活与日常帮助相对应。皮质，127,67-77。https://doi.org/10.1016/j.cortex.2020.02.001

Vieira, J. B， & Olsson, A.(2022)。神经防御回路是人类在面临威胁时提供帮助的基础。中国生物医学工程学报，11，(1):581 - 582。

Vieira, J. B.， Pierzchajlo, S.， janard, S.， Marsh, A.， & Olsson, A.(2022)。COVID-19大流行期间的急性焦虑与更高水平的日常利他主义有关。科学报告，12(1)，18619。

王,Y。,通用电气,J。,H。,H。&谢x(2019)。利他行为可以减轻身体上的痛苦。美国国家科学院学报，29,1-9。https://doi.org/10.1073/pnas.1911861117

沃特金斯，P.，舍尔，J.，奥夫尼切克，M.，和科尔茨，R.(2006)。感激之债:分离的感激与负债。认知与情感，20(2)，217-241。https://doi.org/10.1080/02699930500172291

Weinstein, N.， DeHaan, C. R.， & Ryan, R. M.(2010)。将自主动机与内省动机归因于帮助者和接受者的经历:对感激、态度和幸福感的影响。心理学报，34(4)，418-431。https://doi.org/10.1007/s11031-010-9183-8

韦恩斯坦，N.，和瑞安，R. M.(2010)。当帮助他人时:亲社会行为的自主动机及其对帮助者和接受者幸福感的影响。心理科学学报，2009(2)，44 - 44。https://doi.org/10.1037/a0016984

Wood, a.m.， Froh, j.j.， & Geraghty, a.w.a.(2010)。感恩与幸福:回顾与理论整合。临床心理评论，30(7)，890-905。https://doi.org/10.1016/j.cpr.2010.03.005

Zaki, J.(2014)。利他主义等级。Edge.Org。https://www.edge.org/response-detail/25507

张伟，陈敏，谢勇，赵忠(2018)。亲社会消费与主观幸福感:接受者视角。心理学报，19(8)，2267 - 2271。https://doi.org/10.1007/s10902-017-9918-2

Zwirner, E.和Raihani, N.(2020)。邻里财富，而非城市化，预示着人们对陌生人的亲社会态度。英国皇家学会学报B:生物科学，287(1936)，20201359。https://doi.org/10.1098/rspb.2020.1359



尾注

    弗里德曼等人(2022)︎

    Helliwell等人(2022)︎

    巴特森和鲍威尔(2003);de Waal(2008)︎

    Rhoads, Cutler等人(2021)︎

    米勒(1999);皮尤研究中心(2019)︎

    Aknin et al. (2015);Curry et al. (2018);Dunn et al. (2008);Hui et al.(2020)︎

    Algoe & Haidt (2009);海特(2000);Spivey & Prentice-Dunn(1990)︎

    Aknin et al. (2012);韦恩斯坦和瑞安(2010)︎

    Aknin et al. (2018);Brethel-Haurwitz & Marsh (2014);Kushlev et al.， (2021);Rhoads, Gunter等，(2021)︎

    Böckler等人(2016);Rhoads, Cutler等，(2021)︎

    巴特森和鲍威尔(2003);de Waal(2008)︎

    Rhoads, O 'Connell等(2022)︎

    Brethel-Haurwitz et al.， (2018);Marsh et al. (2014);O 'Connell et al. (2019);Rhoads, Vekaria等(2022);Vekaria et al.(2017, 2019)︎

    Rhoads, Cutler等(2021);Rilling & Sanfey(2011)︎

    迪纳(1984,1994)︎

    Rhoads, Gunter等(2021)︎

    Kushlev等人(2021)︎

    Rhoads等人(2021)︎

    Kushlev等人(2021)︎

    巴特森和鲍威尔(2003);de Waal(2008)︎

    Dwyer & Dunn(2022)︎

    韦恩斯坦和瑞安(2010)︎

    Hoffman等人(2020)︎

    Bartlett et al.(2012)︎

    Alvarez & van Leeuwen(2015)︎

    Epley等人(2022)︎

    Kumar & Epley(2022)︎

    阿马托(1990)︎

    Lieberman et al.(2007)︎

    例如，Amato (1990);巴特森(2010);加拿大政府(2014);Hart et al. (2020);Kurleto等人(2022)︎

    阿马托(1990)︎

    Earp等人(2021)︎

    Siedlecki et al.(2014)︎

    Alvarez & van Leeuwen (2015);Sandstrom等人(2019)︎

    Alvarez & van Leeuwen(2015)︎

    韦恩斯坦和瑞安(2010)︎

    麦塞尔和盖博(2009)︎

    Righetti et al. (2022);Zhang等人(2018)︎

    Righetti, Schneider等(2020)︎

    麦卡洛等人(2001)︎

    Weinstein et al.(2010)︎

    Wood等人(2010)︎

    jan - beken et al. (2020);O 'Connell & Killeen-Byrt(2018)︎

    格兰特和吉诺(2010)︎

    Baumeister et al.(1994)︎

    Vaish(2018)︎

    沃特金斯等人(2006)︎

    Curry et al. (2018);Hui et al.(2020)︎

    Dunn等人(2008)︎

    Aknin等人(2020)︎

    Aknin等人(2013,2015)︎

    Dolan et al. (2021);Lawton et al. (2021);Meier & Stutzer(2008)︎

    Hinrichs et al. (2008);Sojka & Sojka(2003)︎

    Hui et al.(2020)︎

    Andreoni(1990)︎

    Wang等人(2019)︎

    Chancellor等人(2018)︎

    Mobbs et al.(2009)︎

    Aknin et al. (2012);Chancellor等人(2018)︎

    Jebb等人(2020)︎

    Andreoni(1989)︎

    Gesiarz & Crockett(2015)︎

    Barasch et al. (2014);Morelli et al. (2015, 2018);Zaki(2014)︎

    Aknin等人(2011)︎

    Hui et al.(2020)︎

    洛克邓恩(2022);Weinstein et al.(2010)︎

    韦恩斯坦和瑞安(2010)︎

    Aknin等人(2013,2015);Dunn等人(2008)︎

    阿克宁和惠兰斯(2021)︎

    Rhoads等人(2021)︎

    Hui et al.(2020)︎

    Hui et al.(2020)︎

    Algoe & Haidt (2009);Haidt(2000)︎

    Spivey & Prentice-Dunn(1990)︎

    卡尔森和扎基(2022)︎

    诺伊曼和扎基(2022)︎

    Blain等人(2022)︎

    Minson & Monin (2012);Tasimi et al.(2015)︎

    巴克莱(2013)︎

    普莱森特和巴克莱(2018)︎

    Herrmann等人(2008)︎

    de Waal (2008);Decety et al. (2016);Lamm et al. (2016);Marsh(2018, 2022)︎

    Hauser等人(2014)︎

    戈德曼和福代斯(1983)︎

    Telle & Pfister (2012);Tong等人(2021)︎

    Hauser等人(2014)︎

    泰利和菲斯特(2012)︎

    Thoits & Hewitt(2001)︎

    Aknin等人(2012)︎

    Layous et al.(2017)︎

    Brethel-Haurwitz & Marsh(2014)︎

    例如，Piff等人(2010)︎

    吉特尔&泰巴尔迪(2006);休斯和卢克塞奇(2008);Korndörfer等人(2015);Kumar et al. (2012);帖子(2005);Stamos et al. (2020);Zwirner & Raihani(2020)︎

    Howell & Howell (2008);卡尼曼和迪顿(2010)︎

    Carlson et al. (1988);伊森和莱文(1972)︎

    泰利和菲斯特(2016)︎

    伊森和西蒙兹(1978)︎

    维埃拉等人(2022)︎

    泰勒(2006);维埃拉和奥尔森(2022)︎

    Bartlett & DeSteno (2006);Chang等人(2012)︎

    DeSteno et al. (2010);Fowler & Christakis (2010);Gray等人(2014)︎

    Chancellor等人(2018)︎

    DeSteno et al.(2010)︎

    福勒和克里斯塔基斯(2010)︎

    堀田等人(2016)︎

    巴特森和鲍威尔(2003);de Waal(2008)︎

    Dwyer & Dunn(2022)︎

    Righetti et al.， (2022);Zhang等人(2018)︎

    麦塞尔和盖博(2009)︎

    Dunn et al. (2008);Aknin et al. (2013, 2015;2020)↩︎

    Dolan et al. (2021);Lawton et al. (2021);Meier & Stutzer(2008)︎

    Hinrichs et al. (2008);Sojka & Sojka(2003)︎

    洛克邓恩(2022);Weinstein et al.(2010)︎

    Hui et al.(2020)︎

    Algoe & Haidt (2009);Haidt(2000)︎

    Blain等人(2022)︎

    普莱森特和巴克莱(2018)︎

    Hauser等人(2014)︎

    巴特森和鲍威尔(2003);de Waal(2008)︎

    Chancellor等人(2018);DeSteno et al. (2010);福勒和克里斯塔基斯(2010)︎

    格兰特和吉诺(2010)︎

    Baumeister et al.(1994)︎

    Kushlev等人(2021)︎

    Brethel-Haurwitz等人(2019);Rhoads等人(2021)︎

    Rhoads等人(2021)︎

    Rhoads等人(2021)︎

    Vieira et al. (2022);维埃拉和奥尔森(2022)︎

    Spivey & Prentice-Dunn (1990);卡尔森和扎基(2022)︎

    巴克莱(2013);Minson & Monin (2012);Tasimi et al.(2015)︎

    Aknin等人(2020)︎

    Dolan et al. (2021);Greenfield & Marks (2004);Meier & Stutzer(2008)︎

    Lawton等人(2021)︎

    盖洛普(2010);Helliwell et al. (2022);Vekaria等人(2020)︎

    Aknin et al. (2012);Chancellor等人(2018)︎

    Mobbs et al. (2009);Morelli et al.(2015)︎

    Hardy & Van Vugt(2006)︎

    费尔和费舍巴赫(2003)︎

    Aknin & Whillans (2021);韦恩斯坦和瑞安(2010)︎

    Righetti, Sakaluk等人(2020)︎

    Rhoads, Gunter等(2021)︎

141    Kushlev等人(2021)︎

142    Rhoads, Gunter等(2021)︎
        

第五章 跨越空间、时间和文化的社交媒体幸福感测量:三代人的进步

Oscar Kjell Docent，隆德大学心理学系 宾夕法尼亚大学计算机与信息科学系 H. Andrew Schwartz，石溪大学计算机科学副教授 Johannes C. Eichstaedt助理教授，斯坦福大学心理学系和以人为本的人工智能研究所
引用:谢尔，O.，乔吉，S.，施瓦茨，H. A.，和Eichstaedt, J. C.(2023)。跨越空间、时间和文化的社交媒体幸福感测量:三代人的进步。《2023年世界幸福报告》(第11版，第5章)，可持续发展解决方案网络。 致谢:本研究得到了斯坦福大学以人为中心的人工智能研究所和NIH/NSF智能和互联健康R01 R01MH125702以及NIH- niaaa R01 AA028032的资助。这项工作得到了瑞典研究委员会(2019-06305)的进一步资助。我们感谢审稿人和《世界幸福报告》(WHR)团队的周到评论。

总结抽象

社交媒体数据已经成为人类历史上最大的关于情感、认知和行为的横断面和纵向数据集。使用社交媒体数据(如Twitter)来大规模评估福祉，有望具有成本效益，接近实时可用，并且具有高空间分辨率(例如，低至城镇，县或邮政编码级别)。
过去十年来，评估方法有了很大的改进。例如，Twitter对美国县生活满意度的横断面预测从r = 0.37提高到r = 0.54(当与CDC调查进行训练和比较时，样本外)，[1]超过了log的预测能力。收入r = .35。[2]使用盖洛普电话调查，基于twitter的估计达到r = 0.62的精度。[3]除了这种不引人注意的测量方法的成本效益之外，这些“大数据”方法是灵活的，因为它们可以在不同的地理聚集水平(国家，州，城市和县)运行，并涵盖广泛的幸福结构，包括生活满意度，积极/消极影响，以及积极特征的相对表达，如同理心和信任。[4]
也许最有希望的是，社交媒体数据集的规模允许在空间和时间上测量到县-月，这种粒度非常适合用准实验设计测试关于幸福的决定因素和后果的假设。
在本章中，我们提出测量人群心理状态的方法沿着两条主轴发展，这两条主轴反映了(1)如何收集、汇总和加权社交媒体数据;(2)如何从非结构化语言中得出心理估计。
出于组织目的，我们认为(1)汇总数据的方法已经大致发展了三代。在第一代(第1代)中，对tweet的随机样本(例如通过Twitter的随机数据feed获得的样本)进行汇总，然后进行分析。在第二代(第2代)中，Twitter数据被聚合到个人层面，因此地理或时间语言样本被作为个人样本而不是tweet的集合进行分析。更先进的第二代方法还通过后分层技术(类似于代表性电话调查)引入了个人层面的权重，以减少选择偏差，提高测量结果的外部有效性。我们建议我们正处于第三代方法(第3代)的开始，除了第2代的进步之外，还利用了个人纵向设计(即，随着时间的推移，模型个体)来实现更高的评估准确性并实现准实验研究设计。早期结果表明，这些新一代的个人水平方法使数字队列研究成为可能，并可能产生最大的纵向稳定性和外部有效性。
社交媒体数据集的规模允许在空间和时间上进行测量，精确到县/月
关于(2)如何从语言中估计心理状态和特征，我们从三个层面(出于组织目的)简要讨论了方法的演变，这在之前的工作中已经讨论过。[5]这些是字典和注释词表的使用(第1级)，基于机器学习的模型，如现代情感系统(第2级)，以及大型语言模型(第3级)。
这些方法迭代地解决了使用嘈杂的社交媒体数据进行人口估计的大多数突出问题。具体来说，使用机器学习预测模型应用于相对可靠的人口估计(如随机电话调查)训练的开放词汇特征(2级)，使语言信号符合“基本事实”。它隐含地解决了(a)自我呈现偏差和社会期望偏差(通过只拟合一般化的信号)，正如高样本外预测精度所证明的那样。用户级聚合和生成的用户在第2代中的相等权重减少了由于(b)机器人造成的误差。通过加权，(c)选择偏差得到解决。最后，通过跟踪第三代用户内部的变化，(d)社交媒体估计可以产生稳定的纵向估计，而不是横断面分析，(e)提供更细致的方法设计控制(例如通过差异中的差异或工具变量设计)。
综上所述，基于社交媒体的幸福感衡量已经取得了长足的进步。2010年左右，它开始作为技术演示，将简单的字典(为不同的应用程序设计)应用于嘈杂和不稳定的Twitter数据随机馈送，产生不可靠的时间序列估计。随着几代数据聚合和语言模型水平的发展，目前最先进的方法产生了可靠的横截面区域幸福感估计。[6]它们刚刚成熟，可以产生稳定的纵向估计，从而可以发现国家、地区和城市的福祉和心理健康方面的有意义的变化。
这些方法的许多最初发展都发生在美国，主要是因为大多数用于培训和模型基准测试的幸福调查数据都是在那里收集的。然而，随着方法的成熟和多个实验室的发现的复制，这种方法已经准备好在世界各地的不同国家实施，正如墨西哥国家研究所Estadística y Geografía (INEGI)建造的第一个这样的原型所展示的那样。[7]
照片由Junior Reis在Unsplash上拍摄

人类历史上最大的数据集

及时测量幸福感的必要性
为了实现高级别政策目标，例如可持续发展目标中提出的促进福祉[8]，决策者需要能够评估私营和公共部门机构和组织不同实施措施的有效性。为此，“世界上每个人都应该在最新和及时的数据中得到代表，这些数据可以用来衡量进步，并做出改善人们生活的决定。[9]具体地说，关于人民福祉的持续数据可以帮助评估政策，提供问责制，并有助于关闭关于什么有效、什么无效的反馈循环。对于这种不断进行的评价，需要在高于年度和国家的时间和地理汇总水平上进行福利估计。特别是考虑到资源不足的环境和发展中经济体，如果能通过分析人们在社交媒体上自然产生的数字痕迹，得出这样的估计，那将是最理想的。
社交媒体数据对人口健康和福祉的潜力
社交媒体数据可能是这些数据源中最突出的，它已经成为人类历史上关于人类情感、认知、行为和健康的最大的横断面和纵向数据集。[10]社交媒体平台在全球范围内被广泛使用。在全球11个新兴经济体和发展中国家(如委内瑞拉、肯尼亚、印度、黎巴嫩)进行的一项调查发现，社交媒体平台(如Facebook)和即时通讯应用(如WhatsApp)被广泛使用。在被调查的国家中，64%的被调查成年人表示目前至少使用一种社交媒体平台或即时通讯应用程序，从31%(印度)到85%(黎巴嫩)不等。[11]
在过去的十年里，一种跨越计算语言学、计算机科学、社会科学、公共卫生和医学的文献已经发展起来，它们挖掘社交媒体来了解人类的健康、进步和福祉。例如，社交媒体已被用于衡量心理健康，包括抑郁症[12]、健康行为，包括过度饮酒[13]、更普遍的公共卫生疾病(如过敏和失眠)[14]、传染病，包括流感[15]和H1N1流感[16]，以及非传染性疾病的风险，包括心脏病死亡率[18]。
在过去的十年里，一个横跨计算语言学、计算机科学、社会科学、公共卫生和医学的研究体系已经发展起来，它们通过挖掘社交媒体来了解人类的健康、进步和福祉。

不同幸福成分的测量
人们普遍认为，幸福有多个组成部分，包括评估性(生活满意度)、情感性(积极和消极情绪)和幸福感(目的;经合组织,2013年)。社会科学和自然语言处理的现有方法特别适合测量幸福的情感/情感成分。也就是说，在心理学中，积极和消极情绪词典是可用的，例如那些由广泛使用的语言调查和单词计数(LIWC)软件提供的词典。[19]在自然语言处理中，“情感分析”旨在衡量文本的整体影响/情感，被不同的研究小组广泛研究，这些研究小组经常比较情感预测系统在“共享任务”上的表现。[20]因此，社交媒体数据通常是用情感词典和情绪分析来分析的，以得出对幸福的估计。在回顾来自社交媒体的幸福感估计的早期工作时，这些以情感为中心的分析与简单的随机Twitter抽样技术相结合，导致一些学者得出结论，幸福感估计“为情感体验提供了令人满意的准确性，但尚未为生活满意度提供满意的准确性。”[21]
其他研究人员最近回顾了使用社交媒体语言评估幸福感的研究。[22]在45项研究中，有6项使用社交媒体来估计各个地区的总体幸福感，所有这些研究都依赖于Twitter数据和情感和情感词典来得出他们的估计。然而，由于对生活满意度的调查通常比情感幸福感更广泛，因此六项研究中有五项将生活满意度作为基于语言(情感)估计的验证结果;只有一项研究[23]还包括独立的积极和消极影响措施来比较语言措施(在县一级，来自盖洛普)。
因此，综上所述，在这篇关于地理福祉估计的新兴文献中，主要的情感福祉(如现代情感系统)测量方法与地理验证的可用数据源之间存在分歧，这些测量方法通常依赖于评估性福祉。测量和验证的幸福感结构之间的不匹配在一定程度上得到了缓解，特别是在地理聚集的情况下，情感幸福感和评估性幸福感之间存在中度到高度的相互关联。
正如我们将在本章中讨论的那样，最近的方法进步也导致了社交媒体预测的评估幸福感的高收敛效度(例如，见图5.5)。如果首先将社交媒体数据聚合到个人层面(在地理聚合之前)，并专门训练语言模型来获得生活满意度，则估算结果显示，与调查报告的生活满意度相比，调查报告的情感(幸福)的收敛效度更高。因此，理想情况下，特定的幸福成分应该用量身定制的语言模型来衡量，这可以基于单独收集的训练数据来完成。[24]
图5.1:通过Twitter可扩展的人口幸福感测量
图5.1展示了通过Twitter语言预测不同幸福成分的国际例子，包括西班牙的“PERMA”幸福地图，估计了积极情绪、参与、关系、意义和成就的水平，[25]墨西哥的基于情绪的地图，[26]和美国的生活满意度地图[27]。
图5.1:通过Twitter可扩展的人口幸福感测量。A:在西班牙，基于2015年Twitter数据和衡量PERMA的西班牙语幸福语言模型:积极情绪、参与、关系、意义和成就，基于自定义词典[28];B:在墨西哥，基于西班牙语情绪模型，并通过墨西哥国家研究所Estadística y Geografía提供网络仪表板，[29];C:对于美国县，[30]通过高斯过程模型利用县之间的人口和社会经济相似性对缺失县进行插值[31]。
社交媒体的优势:“追溯性”测量和多构灵活性
社交媒体数据有一个优势，那就是经常被“存入银行”，也就是说，不引人注目地存储起来。这意味着可以在以后的时间点访问它并进行追溯性分析。这些数据收集至少是由科技公司自己完成的(比如Twitter、Facebook和Reddit)，但研究人员也可以访问这些数据，比如通过Twitter的学术应用程序编程接口(一个自动接口)。这意味着，当不可预测的事件发生时(例如，自然灾害或大规模失业事件)，不仅可以观察到事件发生后对特定地理区域的福祉的影响，而且原则上可以追溯得出事件发生前的基线以进行比较。虽然与现有的福祉调查数据也可以进行类似的比较，但此类数据很少具有高空间或时间分辨率，并且通常仅限于几个常见结构(如生活满意度)。
语言是个人描述复杂心理状态、经历和欲望的自然方式。
其次，语言是个人描述复杂心理状态、经历和欲望的自然方式。因此，社交媒体语言数据的丰富性允许对不同结构进行回顾性估计，扩展到当前测量的幸福感维度，如积极情绪和生活满意度。例如，一个基于语言的测量模型(今天训练)来估计“平衡与和谐”的新结构[32]，可以追溯地应用于历史Twitter数据，以量化过去几年该结构的表达。通过这种方式，基于社交媒体的估算可以补充现有的调查数据收集，并有可能灵活地覆盖当前和过去特定地区的额外结构。这种基于社交媒体的幸福感测量固有的灵活性可能特别可取，因为该领域开始考虑超出典型西方概念(如生活满意度)的其他幸福感概念，因为这些概念也可以灵活地从社交媒体语言中衍生出来。[33]
像Twitter和Reddit这样的数据源有不同的选择和呈现偏差，并且通常是嘈杂的，随着时间的推移，语言使用的模式也在变化。

社交媒体幸福感分析的演变

分析社交媒体数据并非没有挑战。像Twitter和Reddit这样的数据源有不同的选择和呈现偏差，并且通常是嘈杂的，随着时间的推移，语言使用的模式也在变化。作为数据来源，它们对科学界来说相对较新。为了实现基于社交媒体的幸福结构估计的潜力，有必要以最大化信噪比的方式分析社交媒体数据。尽管相关文献相对较新，但分析社交媒体语言以评估心理特征和状态的方法正在成熟。到目前为止，我们已经看到了沿着两个主要开发轴的演变:数据收集/聚合策略和语言模型(参见表5.1的高级概述)。

表5.1。几代聚合方法和语言模型级别的概述 抽样和数据汇总方法 语言模型

Gen 1:随机帖子的聚合 	第1级:封闭词汇(策划或基于单词注释的词典)


第2代:跨人员的聚合 	第2级:开放词汇表(数据驱动的AI, ML预测)


第三代:纵向队列设计的聚合 	第3级:上下文表示(大型预训练语言模型)



请注意。AI =人工智能，ML=机器学习。关于三代数据聚合方法的更多信息见表5.2，关于三级语言模型的详细信息见表5.3。

发展的第一个轴-数据收集和聚合策略-可以分为三代，它们已经逐步提高了预测准确性，减少了错误来源(如机器人)的影响(详见表2):
第1种:随机帖子的聚合(即，将每个社区的帖子视为非结构化的“帖子包”)。
第2代:个人层面的抽样和汇总职位，有可能纠正样本偏差(即跨人员的汇总)。
第三代:纵向队列设计的聚合(例如，创建数字队列，用户随着时间的推移被跟踪，并且通过从用户内部观察到的变化推断时间趋势来描述)。
发展的第二个轴——语言模型——描述了语言是如何被分析的;也就是说，幸福感的数值估计是如何从语言中推导出来的。我们认为这些是逐步推进的，出于组织目的，我们将其称为级别。这些迭代提高了将语言使用分布映射到健康估计的准确性(参见表3以获得详细的概述)。level已经从封闭词汇(基于字典的)方法发展到机器学习和大型语言模型方法，这些方法可以吸收整个词汇。[34]我们将语言模型分为以下三个发展阶段:
第一级:封闭词汇方法使用基于定义或众包(基于注释的)词典衍生的词频计数，例如情感(例如，new[35])或词类(例如，语言学调查和词计数2015或2022)。[36]
第2级:开放词汇表方法使用数据驱动的机器学习预测。在这里，单词、短语或主题特征(例如LDA)[37]被提取并用作监督机器学习模型的输入，其中语言模式被自动检测。
第3层:上下文词嵌入方法使用大型语言模型来表示上下文中的词;例如，“down”在“I 'm feeling down”和“I 'm down for it”中的表达方式不同。预训练模型包括BERT、[38]RoBERTa、[39]和BLOOM。[40]
世代和层次增加了数据处理和分析的复杂性——通常，正如我们在下面详述的那样，也增加了由此产生的幸福估计的准确性。
机器学习模型的样本外预测精度从经验上证明了这些偏差是可以处理的。

解决社交媒体偏见
来自社交媒体的语言样本是嘈杂的，可能会受到各种偏见的影响，不熟悉的受众有时会因为这些原因而忽视基于社交媒体的测量。我们将讨论它们与选择、抽样和呈现偏差的关系。
选择偏差包括人口统计学偏差和抽样偏差。人口统计偏差——即社交媒体平台上的个人不能代表更大的人口(参见图5.2)，[41]揭示了评估不能推广到具有另一种人口结构的人口的担忧。一般来说，社交媒体平台不同于一般人群;例如，Twitter用户往往比一般美国人更年轻，受教育程度更高。[42]这些偏见可以通过几种方式解决;例如，人口统计偏差可以通过应用分层后权重来更好地匹配重要人口统计变量上的目标人群来解决。[43]
抽样偏差涉及对少数账户产生大部分内容的担忧，[44]包括超级发布社交机器人和组织账户，它们反过来对估计产生不成比例的影响。解决这些抽样偏差的强大技术，如个人层面的聚合，在很大程度上消除了超级发帖账户的不成比例的影响。[45]还可以高精度地识别和删除社交机器人(参见突破框5.1)。[46]
展示偏见包括自我展示(或印象管理)和社会可取性偏见，涉及个人“摆出一张脸”，只展示自己和生活的精心策划的方面，以唤起对自己的积极看法。[47]然而，实证研究表明，这些偏见对考虑整个词汇表(而不仅仅是计算关键词)的机器学习算法的影响有限。如下所述，基于机器学习的估计(第2级)与非社交媒体评估可靠地收敛，例如汇总调查响应(样本外收敛高于Pearson r为0.60)。[48]因此，这些估计提供了这些偏差影响机器学习算法程度的经验上限。
综上所述，尽管人们普遍关注选择、抽样和呈现偏差，但机器学习模型的样本外预测精度从经验上证明了这些偏差是可以处理的[49]——我们将在下文进行讨论。
图5.2。美国每个人口群体中使用每种社交媒体平台的成年人比例[50]
表5.2。数据采样和汇总方法的进展 数据抽样和汇总方法 典型的例子 优势 缺点

第一代:过去(2010 -) 	

汇总(伪)随机抽样的帖子
	

汇总地理位置上的帖子，提取语言特征，使用机器学习预测结果(横截面)
	相对容易实现(例如，随机Twitter API +情感模型)。 	

遭受超级发帖账户(例如，机器人)不成比例的影响。纵向应用:在每个时间周期中随机抽取新的个体样本。
第二代:至今(2018 -) 	

个人层面的汇总和抽样(有些带有样本偏差校正)
	

个人层面的聚集[51]和后分层，以调整样本，使其更具代表性(例如，美国人口普查)。[52]
	

解决超级发布社交媒体用户(例如，机器人)的影响。与后分层:已知的样本人口统计和修正样本偏差。提高测量的信度和外部效度。
	纵向应用:在每个时间周期中随机抽取新的个体样本。
创世纪3:不久的将来 	

数字队列抽样(随时间跟踪同一个人)
	

通过社交媒体语言分析在时间和空间上进行稳健的心理健康评估。[53]
	

所有的Gen 2 +增加了估计的时间稳定性。

定义的分辨率跨越时间和空间(例如，县月)，使准实验设计
	

收集个人级时间序列数据(安全性、数据仓库)的复杂性更高。

难以为更高的时空分辨率(如县/日)收集足够的数据。

表5.3。语言分析方法的进展 语言分析方法 Proto-typical 例子 优势 缺点

1级 	封闭词汇，或者众包词典 	词频计数是基于已定义的词典(如情感或词类)导出的。 	

LIWC实验室:新战士的新
	

直接，易于使用的软件界面(LIWC)。

有助于理解不同研究中语言使用的相同模式(例如，代词的使用)。
	

自上而下的方法通常依赖于研究人员定义的手工编码的类别。

大多数单词都有多个词义，这是人类评分者没有预料到的;例如，“我感觉很好”和“我很难过。”[54]

没有权重的字典(如LIWC)可能无法充分捕捉到单词之间的价价差异(例如，good和fantastic)。
2级 	开放词汇，数据驱动的ML或AI预测 	单词、短语或主题特征被提取、过滤(基于[共]出现)，并用作机器学习模型的输入。 	

LDA主题建模LSA
	

数据驱动的、自下而上的、无监督的方法依赖于词汇使用的统计模式(而不是主观评估)。

单词以高精度表示(不只是二进制)。

主题可以自然出现，并提供对词义歧义的基本处理。
	

数字表示不考虑上下文。

数据驱动的分析单元(例如主题)在跨研究进行比较时可能具有挑战性。
3级 	上下文表示，大型语言模型 	通过自我注意的语境化词嵌入。 	

变形金刚模型:伯特·罗伯塔·布鲁姆
	

生成最先进的文本表示。考虑上下文。消除词义歧义。

利用大型互联网语料库。
	

计算资源密集(需要gpu)。

语义偏差:转换模型从所使用的训练数据集(语料库)的结构中获得文本的表示;这涉及到在语料库中再现现有偏差的风险(注意:有检查和减少这些偏差的方法)。

AI =人工智能;机器学习;LabMT =通过Mechanical Turk (LabMT)单词列表进行语言评估(Dodds等，2015);英语词汇的情感规范(Bradley & Lang, 1999);语言探究和字数统计(Boyd et al.， 2022;Pennebaker et al.， 2001);Warriner’s new -一个包含13915个单词的列表(Warriner et al.， 2013)。LSA =潜在语义分析(Deerwester et al.， 1990);LDA = (Blei et al.， 2003);BERT =来自变压器的双向编码器表示(Devlin et al.， 2019);RoBERTa =从变压器预训练方法稳健优化双向编码器表示(Y. Liu et al.， 2019);BLOOM = BigScience大型开放科学开放获取多语言模型。图形处理单元(图形卡)

方框5.1:机器人对社交媒体测量的影响

在社交媒体上，机器人是自动生成内容的账户，比如出于营销目的、政治信息和错误信息(假新闻)。最近的估计表明，8 - 18%的Twitter账户是机器人[55]，这些账户往往会保持活跃6个月至2.5年[56]。从历史上看，机器人被用来传播未经请求的内容或恶意软件，膨胀粉丝数量，并通过转发生成内容。[57]最近，人们发现机器人在传播来自低可信度来源的信息方面发挥了很大作用;例如，通过提及和回复来瞄准拥有许多追随者的个人。[58]更复杂的机器人，即社交垃圾机器人，现在正在与人类互动并模仿人类，同时逃避标准检测技术。[59]有人担心，生成语言模型(如GPT)的日益复杂可能会导致新一代机器人变得越来越难以与人类用户区分。



当然，机器人生成的内容不应该影响对人类福祉的评估。虽然机器人撰写的原创推文比人类少，但它们表达的情绪和快乐模式与人类不同。[60]应用个人级聚合(Gen 2)技术有效地限制了机器人问题，因为它们生成的所有内容都聚合到单个“数据点”中。其他启发式方法，例如删除转发，应该通过从转发机器人中删除内容来最大限度地减少机器人问题。最后，研究表明，机器人表现出极其普通的类似人类的特征，比如估计的年龄和性别。[61]因此，应用后分层技术在聚合过程中降低了机器人的权重，因为具有平均人口统计数据的账户在样本中会被过度代表。使用现代机器学习系统，机器人可以被检测和移除。[62]

几代采样和数据汇总方法
下面的方法回顾是由几代数据聚合方法(第1、2和3代)组织的，我们观察到这是处理社交媒体数据时的主要方法选择。但在这几代人当中，可靠性方面最重要的区别是从基于字典(单词级)的第1级方法过渡到依赖机器学习来训练语言模型(第2级)甚至更高的方法。
照片由Junior Reis在Unsplash上拍摄

创1:社交媒体帖子的随机样本

最初，分析社交媒体语言用于人口评估的一个典型例子只是简单地汇总地理上或时间上的帖子——例如，某一天来自美国的随机tweet样本。在这种方法中，语言的聚合是基于对帖子的原始抽样进行的，而不考虑撰写这些帖子的人(见图5.3)。
语言分析通常使用1级封闭词汇方法完成——例如，LIWC积极情绪词典应用于单词计数。后来，Level 2方法被用于tweet的随机样本，例如基于机器学习的开放词汇方法;这包括使用现代情绪系统或直接使用机器学习横断面预测县级盖洛普幸福调查结果。
图5.3。第一代Twitter管道的示例:tweet的伪随机集合直接聚合到县一级。
创1与1级字典/基于注解的方法
在美国，2010年，Kramer使用基于语言调查和单词计数(LIWC) 2007年积极和消极情绪词典(Gen 1, Level 1)的单词计数分析了1亿Facebook用户的帖子。[63]幸福感指数被创建为LIWC 2007积极和消极情绪词典的标准化(z得分)相对频率之间的差异。然而，用户的幸福指数与用户对生活满意度量表的反应仅呈弱相关[64]，这一发现在后来的研究[65]中得到了重复，该研究对超过24,000名Facebook用户进行了抽样调查。
令人惊讶的是，SWLS得分和负面情绪词典频率在天(r = 0.13)、周(r = 0.37)和月(r = 0.72)之间呈正相关，而积极情绪词典则没有显著相关。这提供了一些早期证据，表明使用1级封闭词汇方法(这里以LIWC 2007字典的形式)可能会产生不可靠和不可信的结果。
heonometer项目(正在进行中，https://hedonometer.org/，图5.4A)[66]旨在通过分析Twitter上的语言表达(Gen 1, Level 1;图5.4 b)。[67]这些单词被分配了一个幸福分数(从1 =悲伤到9 =快乐)，这个分数来自一个名为LabMT(“机器土耳其人的语言评估”)的众包词典，该词典包含10,000个常用词。[68]LabMT词典已经被用来显示幸福在时间尺度上的空间变化，从小时到年不等[69]，以及基于tweet随机feed的州、城市[70]和社区[71]的地理空间变化。
然而，将LabMT字典应用于地理聚合的Twitter语言可能会产生不可靠和不可信的结果。一些研究人员使用LabMT词典对圣地亚哥社区进行了空间高分辨率的幸福感评估[72](见图5.4C)。然而，在人口普查区的水平上，这些估计值与自我报告的心理健康呈负相关(在控制邻里因素(如人口变量)时则完全不相关)。其他研究人员发现了其他令人难以置信的结果;使用个人对县汇总的Twitter数据[73](Gen 2)， LabMT对1208个美国县的估计与盖洛普报告的县生活满意度呈反相关，下文将进一步讨论(见图5.5)。
在美国之外，迄今为止，Gen 1的方法已经在不同的国家以不同的语言得到了广泛的应用。在中国，从2008年到2013年，它被用于在全国范围内评估积极和消极的情绪(例如，喜悦、爱、愤怒和焦虑)，时间跨度为几天、几个月和几年，使用博客文章(来自新浪网的316名博主的63,505篇博客)(Gen 1, level 1)。[74]为此，我们使用了一个针对中国人主观幸福感的词典，Ren-CECps-SWB 2.0，收录了17961个词条。验证包括通过比较指数的高点和低点与中国的国家事件来检查结果时间序列的表面有效性。
在土耳其，情绪分析已被应用于2013年至2014年期间由2万多人发布的3500万条推文(Gen 1, Level 1)。[75]使用土耳其情感词典“Zemberek”分析了超过3500万条推文。[76]然而，从土耳其统计研究所的省调查结果来看，该指数与幸福感并没有显著的相关性(见其他国际研究的补充材料)。
一般来说，对随机Twitter样本(第1代)应用基于字典的(第1级)方法是世界各地研究小组最常见的选择，但结果通常没有在地图时间序列出版之外的文献中得到验证。
图5.4。“幸福测量仪”通过分析随机Twitter feed中的关键词来衡量幸福——A)基于10%随机Twitter feed的时间，[77]B)美国各州[78]和C)人口普查区。[79]
图5.5。使用不同类型(“级别”)的语言模型来预测盖洛普报告的美国1208个县的县级生活满意度、幸福感和悲伤(使用Gen 2:用户级别汇总的2009-2015年10% Twitter数据集)。基于2级的估计，例如基于瑞士巧克力的估计——一种通过机器学习衍生的现代情感系统——产生一致的结果。[80]然而，通过Level 1 Linguistic Inquiry and Word Count (LIWC 2015) Positive Emotions dictionary或Mechanical Turk (labMT) dictionary的基于单词注释的语言评估(Word - Level annotbased Language Assessment)得出的估计值与县级盖洛普报告的生活满意度调查措施反相关。[81]
创1使用2级机器学习方法
更高级的语言分析方法，包括2级(机器学习)和3级(大型语言模型)，已经应用于随机Twitter feed。例如，随机汇总到美国县级的推文被用来预测生活满意度(r = 0.31;1,293个县)[82]和心脏病死亡率(r = 0.42, 95% CI =。38岁。45];1347个县;[83]在这些研究中，机器学习模型被应用于开放词汇的单词、短语和主题(参见补充材料中关于低于县级空间分辨率的社交媒体估计)。
此外，研究人员还使用了来自大型在线报纸(Der Standard)论坛的文本数据和Twitter语言来捕捉个人情绪的时间动态。[84]报纸的读者(N = 268,128份回复)被要求评价他们前一天的情绪(回复格式:“好”、“有点好”、“有点坏”或“不好”)，这些结果被汇总到国家层面(第1、第1和第3层)。[85]基于第1级(LIWC 2001的德语改编)[86]和第3级(基于上下文嵌入的德语情绪，BERT)的语言分析与20天内汇总的Der Standard自我报告高度一致(r =)。93(。82 .97点)。同样，在预先注册的复制中，来自Twitter语言(奥地利Twitter用户发布的超过50万条Twitter消息)的估计与相同的每日汇总自我报告情绪相关，r = 0.63(。26岁的点)。
创1:随机后聚合-摘要
将随机的推文直接汇总到地理估计中，直观上是直接的，相对容易实现;它已经使用了十多年(2010+)。然而，它容易受到许多类型的噪声的影响，例如随时间变化的样本组成，不一致的发布模式，以及超级发布帐户(例如，机器人，见框5.1)的不成比例的影响，这可能会降低测量精度。

创2: Twitter feed的个人抽样

通过改进采样和聚合方法，特别是首先将tweet聚合到个人层面，可以大大提高测量精度。个人层面的抽样解决了少数高度活跃的账户可能对地理估计产生的不成比例的影响。除了个人层面的抽样，人口统计学的个人特征(如年龄和性别)可以通过语言来估计，并在此基础上确定分层后的权重，这与代表性电话调查中使用的方法类似(见图5.6的方法概要)。这种方法在精度上有了显著的提高(见图5.7)。
创2与1级字典/基于注解的方法
第2代最早的一个例子评估了社区级语言(用LIWC等1级词典测量)在27个健康相关结果(如肥胖和精神不健康的日子)中的预测准确性。[87]重要的是，这项工作评估了几种汇总方法，包括随机抽样的岗位(第1代方法)和以人为中心的方法(第2代)。这种以人为中心的汇总方法(在样本外预测准确性方面)显著优于第1代汇总方法，第1代的准确性(所有27种健康结果的平均Pearson r)为0.59，而第2代为0.63。
创2使用2级机器学习方法
用户级聚合。一些研究人员提出了二级以人为中心的方法，首先测量个人层面的单词频率，然后将这些频率平均到县层面，有效地得出县用户的平均语言。[88]此外，通过敏感性分析，这项工作校准了每人所需的推文数量(30条或更多)和每个县所需的人数的最低阈值，以产生稳定的县级语言估计(至少100人)，这是地理空间分析中的标准技术。[89]在几个预测任务中，包括估计生活满意度，第二代方法优于第一代方法，如图5.7所示。额外的研究表明，第二代语言估计显示了外部有效性(例如，县级人格的语言估计与基于调查的测量相关)，并且对空间自相关性具有鲁强性(即，县相关性不是数据的物理空间性质的人工产物，也不依赖于数据的物理空间性质)。[90]
以人为本的方法也被扩展到考虑谁使用社交媒体相对于他们各自的社区。
代表性校正。社交媒体文本研究的一个常见限制是选择偏差——社交媒体样本不能代表我们想要推断额外信息的人群。以人为本的方法也被扩展到考虑谁使用社交媒体相对于他们各自的社区。当使用最先进的机器学习方法时，社会人口统计学(如年龄、性别、收入和教育程度)可以从每个Twitter用户的社交媒体语言中估计出来，从而允许测量样本的社会人口统计学组成。[91]将样本的社会人口分布与总体分布进行比较，可以衡量Twitter用户的过度或不足程度。这种比较可以使用人口统计学和公共卫生中常用的后分层技术，在国家汇总过程中重新加权每个用户的语言估计。[92]将这些重加权技术应用于封闭词汇表(例如，LIWC字典，第1级)[93]和开放词汇表特征(例如，LDA主题，第2级)[94]提高了比之前的第2代方法的预测准确性(见图5.7，顶部)。
性别平均。在《2022年世界幸福报告》(WHR 2022)的第4章中，作者[95]报告了一项研究的结果，该研究评估了英国两年多来的情绪，包括快乐/快乐/积极影响、悲伤、恐惧/焦虑/害怕。之前的研究发现，性别和年龄等人口统计数据对语言使用模式的影响大于个性，因此是分析语言使用时需要考虑的重要混杂变量。[96]WHR 2022第4章的作者[97]分别使用第1级(LIWC)和第3级(语境化词嵌入;罗伯塔)方法。[98]twitter估计的快乐相关r = 0.55[。从2020年11月到2021年6月，YouGov调查了8个月内的幸福指数。
个人层面的聚合可以降低高度活跃的账户的权重，并最大限度地减少机器人的影响。

创2个人级聚合——摘要
个人层面的第二代方法是建立在使用第一代随机feed聚合方法的十年研究基础上的，这种方法基于(事后看来显而易见的)直觉，即社区是一群产生语言的人，而不是随机分类的tweet。这种直觉在方法论上有几个优势。首先，个人层面的聚合将每个人视为一个单独的观察，这可以降低高度活跃的账户的权重，并最大限度地减少机器人或组织的影响。其次，它为解决选择偏差铺平了道路，因为人们现在可以根据样本中的代表性来衡量样本中的每个人。此外，这些方法可以应用于任何数字数据。最后，这些方法更密切地反映了人口统计学和公共卫生方面的方法方法，这些方法对人们进行调查，并为长期跟踪数字队列奠定了基础(创3)。
图5.6。第二代Twitter管道的例子:个人层面的聚合和后分层。
图5.7。基于twitter的县级交叉验证的横断面预测性能，使用(Gen 1)对各县的推文进行直接聚合，Gen 2a:在进行县聚合之前进行个人层面的聚合，Gen 2b:基于年龄、性别、收入和教育的稳健后分层。[99]生活满意度值来自:顶部，疾病预防控制中心的行为风险因素监测系统(BRFSS)估计(2009年至2010年，N = 1,951个县)[100];下图:盖洛普- share - care幸福指数(2009-2016,N = 1208个县)。[101]在这两种情况下，Twitter的数据是相同的，从2009年到2015年随机收集了10%的Twitter样本。[102]在此公开发布。

创3数字队列抽样——纵向测量的未来

到目前为止，讨论的大多数工作都局限于横截面，社区之间的分析，但是社交媒体提供了高分辨率的长期测量，这在基于调查的方法中是不可行的(例如，在社区层面进行日常测量的潜力)。这种丰富的时间特异性心理信号激发了许多先前的工作。事实上，许多使用社交媒体文本数据集的早期工作主要集中在纵向分析上，从使用情绪和情绪词汇预测股票市场指数(第1代，第1级)[103]到评估Twitter feed中表达的个人积极和消极情绪的时间日变化(第1代，第1级)[104]。例如，一些分析表明，人们倾向于带着一种积极的情绪醒来，这种情绪在一天中逐渐减弱。[105]
在最具代表性的项目之一，Google流感趋势(Gen 1, Level 1)[106]开始产生惊人的错误结果后，纵向测量的早期工作似乎逐渐消失。[107]谷歌流感趋势监测与流感相关的关键词搜索查询;这种方法可以比疾病控制和预防中心(CDC)的报告提前一周发现流感爆发。虽然疾病预防控制中心传统上通过医疗服务提供者的摄入量来检测流感爆发;谷歌试图通过人们在生病时经常做的事情来检测流感——搜索他们的症状。
然而，Google Flu Trends有一个关键的缺陷——它不能充分考虑语言的语境;[108]例如，它不能区分由于对禽流感的关注而引起的症状讨论和描述自己的症状的讨论。这一问题在2013年达到了顶峰，其估计结果几乎是卫生系统的两倍。[109]简而言之，这种方法很容易受到这些噪音的影响，部分原因是它依赖于主要使用基于字典(关键字)方法分析的随机时间序列(Gen 1和Level 1)。
在谷歌流感趋势的错误被揭露后，人们的兴趣普遍消退，但自然语言处理领域的研究开始利用机器学习方法(2级和3级)解决这一缺陷。对于传染病，研究人员已经表明，主题建模技术可以将一个人的症状与其他医学讨论区分开来。[110]对于幸福，如前所述，技术已经超越了使用假定表示幸福的单词列表(由专家或注释者;第1级)到依靠机器学习技术将单词与可接受的幸福结果(通常是样本外交叉验证)联系起来的估计;2级)。[111]最近，大型语言模型(语境化词嵌入，RoBERTa)已被用于区分词的语境(Level 3)。[112]在这里，我们讨论了我们认为将是第三代的方法，将第二代的个人水平抽样和选择偏差校正与纵向抽样和研究设计相结合。
开创性的数字队列样本
正在进行的研究的初步结果证明了纵向数字队列抽样的潜力(图5.8)。这超越了用户层面的抽样，同时能够跟踪幸福感结果随时间的变化:幸福感的变化被估计为样本中观察到的个人变化的总和。数字队列抽样提供了几个新的机会。福祉和心理健康的变化可以在个人和(周围)群体水平上进行评估，为研究它们之间的相互作用打开了大门。此外，可以发现短期(每周)和长期模式(多年时间尺度上的变化)。最后，纵向设计揭示了准实验设计，如差中差、工具变量或回归不连续设计。例如，可以比较社会经济相匹配的县的趋势，以研究流行病封锁、大规模失业或自然灾害等特定事件的影响。
可以发现短期(每周)和长期模式(多年时间尺度上的变化)。
时空分辨率的选择。社交媒体数据特别适合纵向设计，因为许多人经常使用社交媒体。例如，在美国，38%的受访者表示通过五大社交媒体平台之一“每天一次或更多次”与他人互动(在七个国家中，这一比例从印度的19%到巴西的59%不等)。[113]即使在大学研究实验室进行的研究中，超过美国人口1%的样本量也是可行的(例如，拥有610万Twitter用户的County-Tweet Lexical Bank)。[114]原则上，如此丰富的数据可以在空间和时间上实现高分辨率，例如以县周为单位的估计(见图5.9)。更高的分辨率可以为经济学家和政策制定者提供更细粒度、更可靠的信息，这些信息可用于在准实验框架内评估政策的影响。
启用数据联动。县月一级的估计也似乎非常适合与人口健康方面的人口监测项目(例如，国家药物管制政策办公室的非致命性阿片类药物过量追踪器)建立数据联系，并可作为敏感的随时间变化的健康结果(如低出生体重率的县一级变化)的适当预测指标。县级时间序列的原则和稳定估计为基于社交媒体的测量与旨在捕捉健康和福祉的更大数据集生态系统相结合打开了大门
图5.8。第三代Twitter管道的例子:纵向数字队列组成空间单元。
图5.9。在数字队列设计研究中，作为时间和空间分辨率不同选择的函数而产生的测量数据点的数量(Gen 3)。
即将开展的工作:时间和空间上的福祉和心理健康评估
最近才出现了采用数字队列的研究(即预印本的初步研究)，涉及从社交媒体跟踪阿片类药物的流行。例如，一些研究人员(第3代，第1级)使用Reddit论坛数据识别并跟踪150多万位于州和城市的个人，以测试讨论主题与阿片类药物死亡率变化之间的关系。[115]同样，其他研究人员(Gen 3, Level 2)跟踪了一组县的阿片类药物使用率，以预测阿片类药物死亡率的未来变化。尽管使用了粗粒度的时间分辨率(即年度估计)，但这些工作奠定了个人和社区内部队列设计的基础，可以用于大规模的健康监测。[116]
该领域即将将第3代采样和聚合与第3级基于上下文嵌入的语言分析(第3代，第3级)结合起来，这将提供最先进的分辨率和准确性。
第三代数字队列设计。总结和限制
数字队列方法具有个人水平方法的优点，以及增加的方法设计控制和估计的时间稳定性，包括改进的跨时间和空间(例如，县-月)的测量分辨率。因此，它解锁了准实验设计所需的控制。然而，缺点包括收集和分析个人级时间序列数据的复杂性较高(包括需要更高的安全性和数据仓库)。为更高的时空分辨率收集足够的数据(例如，精确到县/日的分辨率)也可能具有挑战性。

总结及未来发展方向

一个完整的方法论工具包，以解决偏差和提供准确的测量
关于自我呈现偏差的问题，虽然它们会导致基于关键字的字典方法误入歧途(Level 1;正如在解决社交媒体偏见一节中所讨论的那样，研究表明，这些偏见对适合代表性样本(Level 2)的机器学习算法的影响较小，这些样本考虑整个词汇来学习语言关联，而不仅仅是在上下文中考虑预先选择的关键词(图5.5)。[117][118] 2级开放词汇和机器学习方法不是依赖于关于单词如何与幸福相关的假设(这是危险的，因为大多数单词都有很多含义，而且单词通常只在上下文中传达它们的全部含义)，而是从统计上推导语言和幸福之间的关系。基于机器学习的社交媒体估计可以与来自其他语言来源的评估(如调查回复)显示出强烈的一致性，并证明，至少对于机器学习模型来说，语言使用与幸福感密切相关。[119]
个人层面的方法(第2代)在解决社交媒体机器人潜在影响的问题上迈出了一大步。人级聚合有助于从数据集中可靠地识别和删除机器人。这减少了它们对估计的影响。[120]此外，后分层个人水平聚合方法解决了选择偏见主导社交媒体分析的问题。非代表性数据和数据中“根本”没有代表的人(即每个群体都可能被代表，但他们的代表性相对不足或过度)之间有一个重要的区别——使用稳健的后分层方法可以将非代表性数据纠正为代表性(只要人口阶层在数据中得到充分代表)。最后，数字队列设计(Gen 3)克服了依赖于来自不断变化的用户样本的随机tweet样本的数据聚合策略的缺点。相反，正在进行的研究表明，随着时间的推移，有可能跟踪一个特征良好的样本，并通过不引人注目的社交媒体数据收集从中“抽样”。这种方法为准实验方法的工具包打开了大门，并与人口健康方面的其他细粒度人口监测工作建立了有意义的数据联系。
局限性:语言是随时间和空间发展的
区域语义变异。跨地理区域和时间段使用语言的一个挑战是，单词(及其各种含义)随地点和时间而变化。地理和时间的预测带来了不同的困难:在地理上，一些词表达了亚文化差异(例如，“jazz”往往指音乐，但在犹他州，它通常指犹他爵士篮球队)。有些词的使用方式是暂时依赖的(例如，happy在1月1日经常出现在happy New Year中，这是一个频率很高的言语行为，而在其他时候，它可能指的是一种情绪或评价/判断(例如，“happy about”，“a happy life”)。语言的使用也与人口统计学有关(“生病”在年轻人和老年人中有不同的含义)。虽然第3级方法(上下文词嵌入)通常可以消除词义的歧义，但也有第2级方法(数据驱动主题)成功用于模拟区域词汇变化的例子。[121]研究具有文化和社会经济梯度标记的语言模型中最具影响力的词的协方差结构是很重要的。[122]
语义漂移(随时间推移)。自然语言中的单词也会随着时间的推移而发生意义上的变化，因为它们要适应人们和周围环境的需要。[123]使用机器学习技术记录5-10年的语义漂移是可能的。[124]由于语义漂移，机器学习模型不是永久稳定的，因此可能需要随着文化和语言使用的演变每十年更新(再训练或“微调”)。
限制:Twitter平台的变化
在马斯克的领导下，Twitter的未来充满了不确定性。社交媒体数据的可访问性可能会在不同平台上发生变化。例如，在2022年底收购并接管Twitter后，埃隆·马斯克(Elon Musk)正在改变Twitter的运营方式。未来对Twitter接口(api)的访问对Twitter的研究来说是最大的风险，因为这些可能只有在支付非常高的费用后才能访问。2022年11月之后，Twitter的样本构成也有潜在的未知变化，因为用户可能会出于抗议而离开Twitter(并根据感知到的政治偏好进入Twitter)。此外，用户界面特性的变化(例如，未来的强制验证)可能会改变发生的对话类型和示例组合。不同的帐户/帖子状态级别(付费，验证，未验证)可能会区分推文的覆盖范围和影响，这将必须考虑;因此，时间模型可能必须考虑样本/平台的变化。
未记录的平台更改的历史。这是对先前观察的一个新转折，即Twitter的语言组成以Twitter历史上没有记录的方式不连续地变化，只有仔细的分析才能揭示。[125]例如，有研究表明，Twitter对tweet的处理变化导致语言频率的时间序列被破坏(即，词频出现突然变化，而不是反映语言使用的实际变化，而仅仅是处理的变化——例如背景中语言过滤器的不同应用)。[126]这些被破坏的时间序列没有被Twitter记录，可能会扭曲研究。在某种程度上，这种不一致可以通过识别和删除特定单词的时间序列来解决，也可以通过更仔细地将语言初始聚合到用户中来解决。依赖于tweet随机聚合的方法可能特别容易受到这些不一致性的影响，而使用个人水平和队列设计(第2代和第3代)，依赖于特定用户的良好特征样本，可能会被证明更健壮。
未来方向:超越社交媒体，跨越文化
社交媒体之外的数据。对社交媒体语言分析得出的幸福感评估的一个普遍担忧是，人们可能会在社交媒体上保持沉默或转移到其他社交媒体平台。很难想象社交媒体的使用会消失，尽管在保护隐私的同时收集数据会面临挑战。此外，研究表明，其他形式的交流也可能被使用。例如，个人短信可以用来评估自我报告的抑郁[127]和自杀风险[128];报纸上的在线论坛也可以用来评估情绪。[129]这些分析的限制因素通常是有多少数据是容易访问的，Twitter和Reddit等默认公开的社交媒体平台生成的数据被认为属于公共领域。这尤其容易在没有个人同意的情况下进行大规模收集。
英语之外的测量。除了在同一种语言内的这些困难之外，还需要在跨文化和跨语言比较方面进行更多的研究。大多数关于社交媒体和幸福感的研究都是在单语言数据上进行的，主要是英语数据。最近的一项荟萃分析确定了45项使用社交媒体评估幸福感的研究，其中42项研究单一语言，英语是最常见的(n = 30);[130]为了提高跨语言比较的潜力，需要更多的研究来了解如何做到这一点。该领域的一个潜在突破可能来自大型多语言模型的最新发展[131]，该模型提供了多种通用语言的共享表示，原则上，可以基于有限的训练数据同时测量多种语言的幸福感，以“微调”这些模型。除了测量之外，还需要研究不同文化对社交媒体的不同使用。例如，研究表明，个人倾向于在社交媒体上生成符合其文化理想影响的内容。[132]
我们开始看到在政策背景下使用基于社交媒体的指标。其中最重要的是，墨西哥国家研究所Estadística y Geografía (INEGI)在为墨西哥各地区开发基于twitter的幸福测量方面发挥了巨大的领导作用。
跨文化的幸福。除了社交媒体使用中的跨文化差异之外，由于该领域正在考虑超越自我报告的一代测量工具，因此有必要仔细考虑选择测量幸福感结构的固有假设。不同文化对幸福——或者更普遍的美好生活——的理解和概念不同。[133]基于语言的衡量美好生活的潜在优势之一是，它的许多方面都可以通过微调的语言模型来衡量。原则上，语言可以衡量和谐、公正、平等感以及世界各地文化所看重的其他方面。
道德的考虑
对社交媒体数据的分析需要谨慎处理隐私问题。关键的考虑因素包括维护个人的机密性和隐私，这通常涉及自动去识别和删除敏感信息。这项工作由机构审查委员会(irb)监督和批准。当个人层面的数据收集是研究设计的一部分时-例如，当从参加调查以训练语言模型的社交媒体用户样本中收集语言数据时-总是需要获得irb批准的这些研究参与者的知情同意。虽然对所有相关伦理考虑的全面讨论超出了本章的范围，但我们鼓励读者查阅有关伦理考虑的评论。[134]
我们希望更多的研究小组和机构使用这些方法来制定世界各地的幸福指标。

结论与展望
从社交媒体语言中评估幸福感的方法正在成熟:聚合和抽样社交媒体数据的方法已经变得越来越复杂，因为它们已经从随机feed的分析(第1代)发展到人口统计学特征用户样本的分析(第2代)，再到数字队列研究(第3代)。语言分析方法在表示和总结语言捕捉幸福结构的程度方面变得更加准确——从计算字典关键词列表(第1级)到依赖于健壮的语言从数据中学习到的关联(第2级)到考虑上下文中的单词的新一代大型语言模型(第3级)。
全球测量的潜力。总之，这些进步导致了测量精度的提高和更先进的准实验研究设计的潜力。一如以往的大数据方法——“数据为王”——收集和分析的社交媒体数据越多，这些估计就越准确、越细致。经过十年的方法论基础开发，其中绝大多数都是开源的，属于公共领域，我们希望更多的研究小组和机构使用这些方法在世界各地开发幸福指标，特别是在英语以外的语言中，利用其他类型的社交媒体，以及在美国以外。正是通过这样的共同努力，基于社交媒体的幸福评估才可能成熟，成为对传统幸福指标的一种成本效益高、准确而有力的补充。

参考文献

Alessa, A.， & Faezipour, M.(2018)。通过社交网站进行流感检测和预测的综述。理论生物学与医学建模，15(1)，1 - 27。

Auxier, B.， & Anderson, M.(2021)。2021年的社交媒体使用情况。皮尤研究中心，1,1 - 4。

Bellet, C.和Frijters, P.(2019)。大数据和福祉。2019年世界幸福报告。2019年,97 - 122。

Benton, A.， Coppersmith, G.， & Dredze, M.(2017)。社交媒体健康研究的伦理研究协议。第一届ACL自然语言处理伦理研讨会论文集，94-102。

Blei, D. M.， Ng, A. Y.， & Jordan, M. I.(2003)。潜在狄利克雷分配。机器学习研究，3(1)，993-1022。

博伦杰，毛慧，曾祥(2011)。推特情绪可以预测股市。计算科学学报，2(1)，1 - 8。

Boyd, r.l.， Ashokkumar, A.， Seraj, S.， & Pennebaker, J. W.(2022)。LIWC-22的发展及其心理测量学性质。德克萨斯州奥斯汀:德克萨斯大学奥斯汀分校。

布拉德利，M. M.和朗，P. J.(1999)。英语词汇的情感规范:指导手册与情感评分。技术报告C-1，佛罗里达大学心理生理学研究中心。

Butler, D.(2013)。当谷歌搜索流感错误时。自然，494(7436)，第7436条。https://doi.org/10.1038/494155a

Chew, C， & Eysenbach, G.(2010)。推特时代的流行病:2009年H1N1流感爆发期间推特的内容分析。科学通报，5(11)，e14118。

Cresci, S.， Di Pietro, R.， Petrocchi, M.， Spognardi, A.， and Tesconi, M.(2017)。社交垃圾邮件机器人的范式转变:军备竞赛的证据、理论和工具。第26届国际万维网会议论文集，963-972。

库洛塔，A. (2014a)。用Twitter估计县卫生统计。计算系统中的人为因素SIGCHI会议记录，1335-1344。

库洛塔，A.(2014)。减少用于县健康推断的社交媒体数据中的抽样偏差。联合统计会议论文集，1-12。

Davis, C. A, Varol, O.， Ferrara, E.， Flammini, A.和Menczer, F.(2016)。Botornot:一个评估社交机器人的系统。第25届国际会议论文集，万维网，273-274。

De Choudhury, M.， Counts, S.， and Horvitz, E.(2013)。社交媒体作为衡量人群抑郁的工具。第五届ACM网络科学年会论文集，47-56。

Deerwester, S.， Dumais, S. T.， Furnas, G. W.， Landauer, T. K.， & Harshman, R.(1990)。潜在语义分析的索引。信息科学学报，41(6)，391。

DeLucia, A.， Wu, S.， Mueller, A.， Aguirre, C.， Resnik, P.， & Dredze, M.(2022)。一个多语言预训练编码器的Twitter。6191-6205。https://aclanthology.org/2022.emnlp-main.415

德夫林，J.，张，M.-W。李，K.，和图塔诺瓦，K.(2019)。BERT:用于语言理解的深度双向变形的预训练。计算语言学协会北美分会2019年会议论文集:人类语言技术，第1卷(长、短论文)，4171-4186。https://doi.org/10.18653/v1/N19-1423

Dodds, p.s.， Clark, e.m.， Desu, s.s.， Frank, m.r.， Reagan, a.j.， Williams, j.r.， Mitchell, L.， Harris, k.d.， Kloumann, i.m.， and Bagrow, j.p.(2015)。人类语言显示出一种普遍的积极偏见。国家科学院学报，112(8)，2389-2394。

Dodds, p.s.， Harris, k.d.， Kloumann, i.m.， Bliss, c.a.， and Danforth, c.m.(2011)。全球社会网络中幸福感和信息的时间模式:幸福计量学和Twitter。科学通报，6(12)，562 - 562。

Dodds, p.s.， Minot, j.r.， Arnold, m.v.， Alshaabi, T.， Adams, j.l.， Dewhurst, d.r.， Reagan, a.j.和Danforth, c.m.(2020)。来自Twitter的长期词频动态是损坏的:一种用于检测和去除时间序列集合中的病态的定制方法。中国农业大学学报(自然科学版):2008.11305。

杜拉希姆，A. O.， &库仑，M.(2015)。# iamhappybecause:通过推特分析和大数据得出的国民幸福总值。技术预测与社会变革，1999,92-105。

Ebert, T.， Götz, F. M.， Mewes, L.和Rentfrow, P. J.(2022)。心理学家的空间分析:如何在地理聚合水平上使用个人水平的数据进行研究。心理的方法。

Eichstaedt, J. C, Schwartz, H. A.， Kern, M. L.， Park, G.， Labarthe, D. R.， Merchant, R. M.， Jha, S.， Agrawal, M.， Dziurzynski, L. A.， & Sap, M.(2015)。推特上的心理学语言可以预测县级心脏病死亡率。心理科学，26(2)，159-169。

Elmas, T.， Overdorf, R.， & Aberer, K.(2022)。表征转发机器人:黑市账户的案例。网络与社交媒体国际AAAI会议论文集，2016,171-182。

Ferrara, E.， Varol, O.， Davis, C.， Menczer, F.， and Flammini, A.(2016)。社交机器人的兴起。ACM通讯，59(7)，96-104。

Flanagan O, LeDoux J. E, Bingle B, Haybron D. M, Mesquita, B.， Moody-Adams, M.， Ren, S.， Sun A.， and Wilson, Y. Y.与评论家Frey J. A, Markus H. R, Sachs J. D, and Tsai, J. L.的回应，反对幸福，哥伦比亚大学出版社

Forgeard, M. J, Jayawickreme, E.， Kern, M. L.和Seligman, M. E.(2011)。做正确的事:衡量公共政策的福祉。国际健康杂志，1(1)。

Fukuda, M.， Nakajima, K.， and Shudo, K.(2022)。基于随机漫步抽样的推特机器人种群估计。电子工程学报，2016,33(1):481 - 481。https://doi.org/10.1109/ACCESS.2022.3149887

盖洛普和Meta。(2022)。社会关系的状态。

吉本斯，J.，马卢夫，R.，斯皮茨伯格，B.，马丁内斯，L.，阿普尔亚德，B.，汤普森，C.，奈良，A.，和祖，M.-H.。(2019)。基于twitter的社区情绪测量作为居民人口健康的预测因子。科学通报，14(7)，e0219550。https://doi.org/10.1371/journal.pone.0219550

Ginsberg, J.， Mohebbi, M. H.， Patel, R. S.， Brammer, L.， Smolinski, M. S.， and Brilliant, L.(2009)。利用搜索引擎查询数据检测流感流行。自然学报，457(7232)，1012-1014。

Giorgi, S.， Eichstaedt, J. C.， preotiucpietro, D.， Gardner, J. r .， Schwartz, H. A.， Ungar, L.(正在审查中)。填充空白:高斯过程和社交媒体数据的空间插值。

乔吉，S，林恩，V. E.，古普塔，K.，艾哈迈德，F.，马茨，S.， Ungar, L. H.和施瓦茨，H. A.(2022)。纠正社会人口选择偏差对社会媒体人口预测的影响。国际AAAI网络与社交媒体会议论文集，16,228-240。

Giorgi, S, Preoţiuc-Pietro, D.， Buffone, A.， Rieman, D.， Ungar, L.， & Schwartz, H. A.(2018)。用户级聚合对基于词汇的群体级预测的显著好处。2018年自然语言处理经验方法会议论文集(第1167-1172页)。

Giorgi, S, Ungar, L.和Schwartz, H. A.(2021)。通过人类特征来描述社交垃圾机器人。计算语言学协会调查结果:ACL-IJCNLP 2021, 5148-5158。

Glenn, j.j.， Nobles, a.l.， Barnes, l.e.， and Teachman, b.a.(2020)。短信能实时识别自杀风险吗?自杀风险的时间敏感标记的受试者内部试点检查。临床心理科学，8(4)，704-722。

可持续发展数据全球伙伴关系，世界银行、联合国和可持续发展解决方案网络。(2022)。可持续发展目标的实时数据:通过及时的信息加速进展。https://www.data4sdgs.org/sites/default/files/2019-05/Real-time SDGs_Concept Note.pdf的数据

高德，s.a.，梅西，m.w.(2011)。在不同的文化中，白天和季节的情绪随着工作、睡眠和一天的长短而变化。科学，333(6051)，1878-1881。

政治。推特的平均幸福指数。(2022年12月19日)。检索自https://hedonometer.org/。

霍根，B.(2010)。社交媒体时代自我的呈现:网络表演与展览的区别。科技与社会通报，30(6)，377-386。

Hsu, T. W.， Niiya, Y.， Thelwall, M.， Ko, M.， Knutson, B.， and Tsai, J. L.(2021)。社交媒体用户产生更多支持文化价值观的情感，但更容易受到违反文化价值观的情感的影响。人格与社会心理学杂志。

Iacus, s.m.， Porro, G.， Salini, S.和Siletti, E.(2020)。意大利综合主观幸福感指数:2012年至2017年Twitter用户的声音。社会指标研究，1-19。

国家统计局(2022年12月19日)。墨西哥推特用户的心态地图。检索自https://www.inegi.org.mx/app/animotuitero/#/app/map。

Jaggi, M.， Uzdilli, F.， & Cieliebak, M.(2014)。瑞士巧克力:使用稀疏支持向量机和词性n-grams的情感检测。第八届语义评价国际研讨会论文集(SemEval 2014)， 601-604。

Jaidka, K.， Chhaya, N.，和Ungar, L.(2018)。语言模式的历时退化:来自社交媒体的见解。计算语言学协会第56届年会论文集(卷2:短论文)，195-200。https://doi.org/10.18653/v1/P18-2032

Jaidka, K.， Giorgi, S.， Schwartz, H. A.， Kern, M. L.， Ungar, L. H.， & Eichstaedt, J. C.(2020)。从Twitter估计地理主观幸福感:词典和数据驱动语言方法的比较。国家科学院学报，117(19)，10165-10171。

Jose, R.， Matero, M.， Sherman, G.， Curtis, B.， Giorgi, S.， Schwartz, H. A.， and Ungar, L. H.(2022)。使用Facebook语言来预测和描述过度饮酒。酒精中毒:临床与实验研究。

克莱默，a.d.(2010)。一个不引人注目的“国民幸福总值”行为模型。计算系统中人因会议论文集，287-290。

Lavertu, A.， Hamamsy, T.， & Altman, R. B.(2021)。通过社交媒体讨论监测阿片类药物的流行。MedRxiv。

Lazer, D, Kennedy, R.， King, G.， and Vespignani, A.(2014)。谷歌流感的寓言:大数据分析中的陷阱。科学，343(6176)，1203-1205。

利特尔，r.j.(1993)。后分层:建模者的观点。统计学报，88(4)，1001-1012。

刘，T.， Meyerhoff, J.， Eichstaedt, J. C.， Karr, C. J.， Kaiser, S. M.， Kording, K. P.， Mohr, D. C.，和Ungar, L. H.(2022)。短信情绪与自述抑郁之间的关系。情感障碍杂志，302,7-14。

Liu, Y.， Ott, M.， Goyal, N.， Du, J.， Joshi, M.， Chen, D.， Levy, O.， Lewis, M.， Zettlemoyer, L.， Stoyanov, V.(2019)。罗伯塔:一种鲁棒优化的bert预训练方法。ArXiv预印本ArXiv:1907.11692。

Lomas, T.， Lai, A.， Shiba, K.， Diego-Rosell, P.， Uchida, Y.， and VanderWeele, T. J.(2022)。来自第一次全球平衡与和谐调查的见解。2022年世界幸福报告，127-154。

Luhmann, M.(2017)。利用大数据研究主观幸福感。当代行为科学观点，18,28-33。

manalik, S.， Eichstaedt, J. C.， Giorgi, S.， Mun, J.， Ahmed, F.， Gill, G.，…& Schwartz, H. A.(2023)。通过社交媒体在时间和空间上进行强有力的基于语言的心理健康评估。arXiv预印arXiv:2302.12952。

梅茨勒，H.，佩勒特，M.，和加西亚，D.(2022)。利用社交媒体数据捕捉COVID-19之前和期间的情绪。2022年世界幸福报告，第75-104页。

米切尔，L.，弗兰克，M. R.，哈里斯，K. D.，多德，P. S.和丹福斯，C. M.(2013)。幸福的地理:连接Twitter的情绪和表达，人口统计和客观特征的地方。科学通报，8(5)，e64417。

Mohammad, S.， Bravo-Marquez, F.， Salameh, M.， & Kiritchenko, S.(2018)。Semeval-2018任务1:推文中的影响。第十二届语义评价国际研讨会论文集，1-17。

经济合作与发展组织。(2013)。经合组织关于衡量主观幸福感的指导方针。经合组织发布。http://dx.doi.org/10.1787/9789264191655-en

Paul, M.， & Dredze, M.(2011)。你就是你的推特:为公共卫生分析推特。国际AAAI网络与社交媒体会议论文集，5(1)，265-272。

Paul, m.j.， and Dredze, M.(2012)。一个从Twitter上挖掘公共卫生主题的模型。卫生，11(16-16)，1。

Paul, m.j.， and Dredze, M.(2014)。使用主题模型在社交媒体中发现健康主题。科学通报，9(8)，e103408。

Pellert, M, Metzler, H, Matzenberger, M， & Garcia, D.(2022)。验证日常社交媒体的情绪宏观。科学报告，12(1)，第1条。https://doi.org/10.1038/s41598-022-14579-y

Pennebaker, J. W.， Boyd, R. L.， Jordan, K.和Blackburn, K.(2015)。LIWC2015的发展和心理测量学性质。UT教师/研究员工作。

Pennebaker, j.w.， Francis, m.e.， & Booth, r.j.(2001)。语言探究与字数统计:中华语文研究会2001。Mahway: Lawrence Erlbaum Associates, 71, 2001。

祁军，付晓明，朱国光(2015)。基于中国草根博客文本情感分析的主观幸福感测量。信息管理，52(7)，859-869。https://doi.org/10.1016/j.im.2015.06.002

Sametoglu, S.， Pelt, D.， Ungar, L. H.， & Bartels, M.(2022)。社交媒体语言对幸福感评估的价值:系统回顾和元分析。

Santillana, M.， Zhang, D. W.， Althouse, B. M.， & Ayers, J. W.(2014)。数字疾病检测能从谷歌流感趋势(外部修订)中学到什么?中华预防医学杂志，47(3)，341-347。https://doi.org/10.1016/j.amepre.2014.05.020

Scao, T. L, Fan, A.， Akiki, C.， Pavlick, E.， iliki, S.， Hesslow, D.， castagn ， R.， Luccioni, A. S.， Yvon, F.， & gallerie, M.(2022)。BLOOM:一个176b参数的开放存取多语言模型。ArXiv:2211.05100。

Schwartz, H. A.， Eichstaedt, J.， Blanco, E.， Dziurzynski, L.， Kern, M.， Ramones, S.， Seligman, M.， and Ungar, L.(2013)。选择正确的词:字数统计方法的特征和减少错误。第二届词汇和计算语义联合会议(SEM)，卷1:主要会议论文集和共享任务:语义文本相似性*，296-305。

Schwartz, H. A.， Eichstaedt, J. C.， Kern, M. L.， Dziurzynski, L.， Lucas, R. E.， Agrawal, M.， Park, G. J.， Lakshmikanth, S. K.， Jha, S.， & Seligman, M. E.(2013)。利用推文表征幸福的地理差异。ICWSM。

Schwartz, H. A.， Sap, M.， Kern, M. L.， Eichstaedt, J. C.， Kapelner, A.， Agrawal, M.， Blanco, E.， Dziurzynski, L.， Park, G.， & Stillwell, D.(2016)。通过社交媒体语言预测个人幸福。516 - 527。

西布鲁克，E. M.，克恩，M. L.，富尔彻，B. D.， &里卡德，N. S.(2018)。从基于语言的情绪动态预测抑郁:对Facebook和Twitter状态更新的纵向分析。医学互联网研究，20(5)，e9267。

Shah, D. S, Schwartz, H. A.和Hovy, D.(2020)。自然语言处理模型中的预测偏差:一个概念框架和概述。计算语言学协会第58届年会论文集，5248-5264。https://doi.org/10.18653/v1/2020.acl-main.468

邵昌，钱帕利亚，郭良，Varol, O.，杨坤成。， Flammini, A.，和Menczer, F.(2018)。社交机器人传播低可信度内容。自然通讯，9(1)，1 - 9。

Silver, L.， Smith, A.， Johnson, C.， Taylor, K.， Jiang, J.， Anderson, M.， & Rainie, L.(2019)。新兴经济体的移动连接。皮尤研究中心，7;

Smith, L.， Giorgi, S.， Solanki, R.， Eichstaedt, J.， Schwartz, H. A.， Abdul-Mageed, M.， Buffone, A.， and Ungar, L.(2016)。“幸福”在推特上可以翻译吗?2016年自然语言处理经验方法会议论文集，2042-2047。

汤森德，L.和华莱士，C.(2017)。在研究中使用社交媒体数据的伦理:一个新的框架。在线研究的伦理(第2卷，第189-207页)。翡翠出版有限公司

联合国(2016)。改变我们的世界:2030年可持续发展议程

Vural, a.g.， Cambazoglu, b.b.， Senkul, P.， & Tokgoz, Z. O.(2013)。土耳其语情感分析框架:在土耳其语影评极性检测中的应用。在计算机和信息科学III(第437-445页)。施普林格。

Wang, N.， Kosinski, M.， Stillwell, D. J.和Rust, J.(2014)。通过Facebook状态更新可以衡量幸福感吗?验证Facebook的国民幸福指数。社会指标研究，2015(1)，483-491。https://doi.org/10.1007/s11205-012-9996-9

Wang, Z.， Hale, S.， Adelani, D. I.， Grabowicz, P.， Hartman, T.， Flöck, F.， and Jurgens, D.(2019)。多语言社交媒体数据的人口统计推断和代表性人口估计。万维网会议，2056-2067。

Warriner, a.b.， Kuperman, V.， & Brysbaert, M.(2013)。13915个英语引理的效价、唤醒和支配规范。行为研究方法，45(4)，1191-1207。https://doi.org/10.3758/s13428-012-0314-x

沃西克，S.，和休斯，A.(2019)。评估Twitter用户。皮尤研究中心，24岁。

Wolf, M, Horn, A. B.， Mehl, M. R.， Haug, S.， Pennebaker, J. W.， & Kordy, H.(2008)。计算机gestztzte定量文本分析:Äquivalenz和健壮的德语版本的语言调查和单词计数。中华诊断学杂志，54(2)，85-98。

Yaden, D. B, Giorgi, S.， Jordan, M.， Buffone, A.， Eichstaedt, J.， Schwartz, H. A.， Ungar, L.， & Bloom, P.(2022)。用计算语言分析表征共情和同情。在出版社。

Zamani, M, Buffone, A.和Schwartz, H. A.(2018)。从Facebook语言预测人类的信任度。ArXiv预印本:1808.05668。


尾注

    Giorgi等人，2018年︎

    Giorgi et al.， 2022;Jaidka等人，2020年︎

    Jaidka等人，2020年︎

    Yaden et al.， 2022;Zamani等人，2018年︎

    Jaidka et al.， 2020;Metzler等人，2022年︎

    Giorgi et al.， 2022;Jaidka等人，2020年︎

    INEGI, 2022, https://www.inegi.org.mx/app/animotuitero/#/app/map ↩︎

    联合国，2016年︎

    全球可持续发展数据伙伴关系等，2022年︎

    例如，参见《2019年世界幸福报告》，第6章，Frijters & Bellet, 2019年︎

    Silver等人，2019年︎

    De Choudhury等人，2013;Seabrook等人，2018年︎

    Jose et al.， 2022︎

    Paul & Dredze, 2011;Paul & Dredze, 2012年︎

    Alessa & Faezipour, 2018年︎

    Chew & Eysenbach, 2010︎

    库洛塔，2014a︎

    Eichstaedt等人，2015年︎

    Boyd等人，2022年︎

    例如，Mohammad等人，2018年︎

    Luhmann, 2017，第28页︎

    Sametoglu等人，2022︎

    Jaidka等人，2020年︎

    Jaidka et al.， 2020;Schwartz等人，2016年︎

    Smith等人，2016年︎

    Inegi, 2022︎

    Jaidka等人，2020年︎

    Forgeard et al.， 2011;Smith等人，2016年︎

    Inegi, 2022︎

    Jaidka等人，2020年︎

    Giorgi等人，在修订中;有关空间插值的信息，请参阅补充材料。↩︎

    见《2022年世界幸福报告》第六章;洛马斯等人，2022年︎

    弗拉纳根等人(2023)︎

    如之前在《WHR 2022》第4章中所讨论的;梅茨勒，佩勒特和加西亚，2022;另见Jaidka等人，2020年︎

    布拉德利和朗，1999年︎

    Boyd等人，2022年︎

    Blei et al.， 2003︎

    Devlin等人，2019︎

    Y. Liu等人，2019︎

    Scao等人，2022年︎

    Auxier & Anderson(2021)︎

    Auxier & Anderson, 2021年︎

    Giorgi等人，2022年︎

    沃西克和休斯，2019年︎

    Giorgi等人，2018年︎

    Giorgi等人，2021︎

    Hogan, 2010︎

    参见Jaidka et al.， 2020︎

    例如，Jaidka et al.， 2020 _︎

    改编自Auxier & Anderson, 2021年︎

    [Giorgi et al.(2018)]{。马克}↩︎

    Giorgi等人(2022)︎

    [Mangalik et al. (2023)]{.mark} ↩︎

    Schwartz, Eichstaedt, Blanco等人，2013年︎

    Fukuda等人，2022年︎

    Elmas等人，2022年︎

    费拉拉等人，2016年︎

    Shao et al.， 2018︎

    Cresci等人，2017年︎

    Davis等人，2016年︎

    Giorgi等人，2021︎

    Davis等人，2016年︎

    克莱默，2010︎

    SWLS;Diener等人，1985年︎

    N. Wang等，2014︎

    heonometer, 2022︎

    Dodds et al.， 2011;Mitchell et al.， 2013︎

    Dodds et al.， 2011︎

    Dodds et al.， 2011︎

    Mitchell et al.， 2013︎

    Gibbons et al.， 2019︎

    Gibbons et al.， 2019︎

    Jaidka等人，2020年︎

    Qi et al.， 2015︎

    Durahim & counizkun, 2015年︎

    Vural et al.， 2013︎

    来自https://hedonometer.org/，也可参见Dodds et al.， 2011︎

    Mitchell et al.， 2013︎

    Gibbons et al.， 2019︎

    参见Jaidka等人，2020的完整讨论︎

    来源及参考文献:LIWC 2015 (Pennebaker et al.， 2015);LabMT (Dodds等，2011);瑞士巧克力(Jaggi et al.， 2014);世界幸福项目生活满意度模型和直接预测(Jaidka等，2020)。↩︎

    [施瓦兹，埃奇斯塔德，克恩等，2013][j]。马克}↩︎

    [Eichstaedt et al., 2015]{.mark} ↩︎

    Pellert等人，2022年︎

    Pellert等人，2022年︎

    Wolf et al.， 2008︎

    库洛塔，2014a, 2014b︎

    Giorgi等人，2018年︎

    Ebert等人，2022年︎

    Giorgi等人，2022年︎

    Giorgi et al.， 2022;Wang z等人，2019︎

    Little, 1993年︎

    Culotta, 2014 b;Jaidka等人，2020年︎

    Giorgi等人，2022年︎

    Metzler等人，2022年︎

    Eichstaedt等人，2021年︎

    Metzler等人，2022年︎

    Metzler等人，2022年︎

    Giorgi等人，2022年︎

    Giorgi等人，2022年︎

    Jaidka等人，2020年︎

    在此公开发布:https://github.com/wwbp/county_tweet_lexical_bank。↩︎

    Bollen et al.， 2011︎

    Golder & Macy, 2011年︎

    戈德和梅西，2011年︎

    Ginsberg等人，2009;Santillana等人，2014年︎

    巴特勒,2013;Lazer等人，2014年︎

    巴特勒，2013年︎

    Lazer等人，2014年︎

    Paul & Dredze, 2014年︎

    Jaidka等人，2020年︎

    例如，Garcia等人，2022年︎

    [Gallup & Meta, 2022， *p.*18]{。马克}↩︎

    Giorgi等人，2018年︎

    Lavertu et al.， 2021，预印本︎

    Matero等人，2022年︎

    例如，见Jaidka et al.， 2020 _︎

    参见Jaidka et al.， 2020和Schwartz, Eichstaedt, Blanco, et al.， 2013︎

    Jaidka等人，2020年︎

    例如，参见Giorgi等人，2021年︎

    Eisenstein et al.， 2010;更多信息参见补充材料︎

    参见Jaidka et al.， 2020;Eichstaedt等人，2021;Schwartz, Eichstaedt, Blanco等人，2013年进行了更全面的讨论。↩︎

    Jaidka等人，2018年︎

    Jaidka等人，2018年︎

    Dodds等人，2020年︎

    Dodds等人，2020年︎

    T. Liu et al.， 2022︎

    Glenn等人，2020年︎

    Pellert等人，2022年︎

    Sametoglu等人，2022︎

    DeLucia et al.， 2022︎

    Hsu等人，2021︎

133    参见Flannagan等人(2023)的评论︎

134    我们鼓励读者参考Benton et al.， 2017, Shah et al.， 2020，以及Townsend and Wallace, 2017︎