Subjective well-being and individual material situation in four countries of central Europe

Jan Švorc

Doctoral thesis

Abstract:

Cílem výzkumu je analyzovat a popsat vztahy mezi subjektivním pocitem osobní pohody (subjektivním well-beingem) a proměnnými, které popisují materiální situaci individua subjektivně a objektivně. Tyto proměnné zahrnují příjem, příjem ve srovnání s ostatními lidmi, příjem ve srovnání s vlastním příjmem v minulosti, vnímaný ekonomický tlak, finanční problémy, materiální deprivaci a problémy s bydlením. Analýza je provedena s použitím empirických dat European Quality of Life Study pro čtyři země střední Evropy (Českou republiku, Maďarsko Polsko a Slovensko). Vztah mezi subjektivním well-beingem a proměnnými materiální situace je zkoumán pomocí Welchova t-testu a analýzou rozptylu v prvním kroku. Výsledky této analýzy ukazují, že vyšší subjektivní osobní pohoda obecně souvisí s lepší materiální situací (na úrovni jednotlivce), avšak s určitými výjimkami. V případě Maďarska nebyla potvrzena hypotéza o vztahu mezi subjektivním well-beingem a příjmem resp. vnímaným ekonomickým tlakem. Podobně na Slovensku nebyla potvrzena hypotéza o vztahu mezi subjektivním well-beingem a příjmem v porovnání s ostatními lidmi. V případě Slovenska nebyl potvrzen ani vztah mezi životní spokojeností a příjmem. Vnímaný ekonomický tlak a relativní příjem v porovnání s ostatními jsou však z hlediska subjektivního pocitu pohody zvláště významné faktory. V druhém kroku byl vztah mezi subjektivním well-beingem a individuální materiální situací analyzován pomocí Bayesovských sítí. Bylo zkonstruováno celkem pět modelů, které byly porovnány s modelem ordinální logistické regrese (OLR) a testovány a porovnávány s použitím Bayesovského informačního kritéria (BIC) a přesnosti predikce subjektivního well-beingu. Expertní znalost a tři různé algoritmy strojového učení (hladový algoritmus a algoritmy Gobnilp a Tree Augmented Naïve Bayes) byly použity pro vytvoření struktury modelů. Parametry čtyř modelů byly naučeny s použitím EM algoritmu, parametry jedné verze expertního modelu byly naučeny pomocí ordinální regrese. Nejlepší přesnosti predikce subjektivního well-beingu (41%) dosáhl expertní model s parametry naučenými pomocí OLR. Model naučený pomocí algoritmu Gobnilp je optimální z hlediska BIC. Tento model je ekvivalentní s modelem naučeným hladovým algoritmem. Rozdíly mezi tímto modelem a expertní verzí Bayesovské sítě jsou diskutovány. Na základě těchto analýz lze učinit závěr, že z hlediska subjektivního pocity celkové osobní pohody hraje roli především subjektivní vnímání vlastní materiální situace spíše než její objektivní stav.

Abstract:

The general goal of our research is to explore the association between the subjective well-being (SWB) and the subjective and objective measures of the individual material situation in the four post-communist countries of central Europe (the Czech Republic; Hungary; Poland; and Slovakia). Material situation is measured by income; relative in-come compared to others as well as to one’s own past; perceived economic strain; fi-nancial problems; material deprivation; and housing problems. The analysis is based on an empirical data from European Quality of Life Study. First, the associations were ana-lyzed using appropriate statistical methods (Welch t-test and ANOVA for unequal vari-ances). The results show that a better material situation is associated with improved SWB in all examined countries with only few exceptions. The hypotheses on the associa-tion of SWB with income and economic strain were not confirmed in Hungary. The hy-potheses on the association with the relative income compared to others were not con-firmed in Slovakia. Also, the hypothesis that the life satisfaction is associated with the income was not confirmed in case of Slovakia. The subjective financial situation relative to most people and the subjective economic strain seem to be especially important fac-tors. Bayesian networks as a graphical representation of the relations among SWB and the material situation were constructed in five versions. They were compared using the BIC criteria, the SWB prediction accuracy, and compared with the ordinal logistic re-gression (OLR). The expert knowledge as well as three different algorithms (greedy, Gobnilp, and Tree-augmented Naïve Bayes) were used for learning the structures. Network parameters were learnt using the EM algorithm. The expert model parameters were also learned using OLR. The expert version with OLR parameters best predicts SWB (the prediction accuracy of 41%). The Gobnilp model, Markov equivalent to the greedy model, is BIC optimal. Differences between BIC optimal and expert versions are discussed. We conclude that the objective material conditions influence SWB rather indirectly through the subjective situational assessment of the material conditions.

Keywords

Materiální situace, Bayesovské sítě, Subjektivní well-being

Keywords

Material situation, Bayesian Networks, Subjective well-being

Language used: Czech

Date on which the thesis was submitted / produced: 17. 5. 2018

Thesis defence

• Date of defence: 27. 6. 2019
• Supervisor: Jiří Vomlel
• Reader: Ivana Malá, Martina Mysíková

Vysoká škola ekonomická v Praze

Doctoral programme / field:
Ekonomika a management / Management