中国社会幸福感影响因素的数据探索性分析

　　论文类型：本科毕业论文
　　适用人群：社会学研究者、数据科学从业者、公共政策制定者、心理学及统计学学生

　　该论文基于中国综合社会调查（CGSS）项目中的多阶段分层抽样问卷数据，系统探索了影响中国社会幸福感的多维因素。研究选取与幸福感评价高度相关的变量，涵盖个人因素（性别、年龄、地理、职业、健康、婚姻、政治面貌）、家庭因素（父母、配偶、子女、家庭资本）以及社会态度因素（公正、信用、公共服务），通过数据可视化与机器学习方法构建预测模型。

　　在数据预处理阶段，论文完成了特征工程，包括数据清洗、集成、格式转换及特征变换，有效筛选并降维，减少了数据冗余。随后，按性别、城乡、年龄组、收入合理度、社会经济地位、主观社会公平度等维度逐一观察分析，揭示了不同群体在幸福感评价上的差异规律。

　　模型构建部分采用XGBoost极限梯度提升算法与神经网络Sequential模型分别进行幸福感评价与预测。针对样本不平衡问题，论文提出模型融合优化方案，经过多次实验调整，显著提升了预测模型的拟合性能。

　　该文档的核心价值在于：为理解中国社会幸福感的影响机制提供了数据驱动的实证依据，展示了从特征工程到模型优化的完整分析流程，对从事社会调查、数据挖掘及政策评估的研究者具有直接参考意义。最终结论强调，个人、家庭与社会态度三类因素共同作用于幸福感评价，而集成学习与模型融合能有效提升预测精度。