提高大学生幸福感和生活满意度:用机器学习方法进行分析
Qing Long1, Yuning Wang2, Anna Axelin3
1Xiangya School of Nursing, Central South University, Changsha, China.
BMC psychology
|December 9, 2025
概括
机器学习确定了大学生主观幸福感 (SWB) 的关键预测因素. 人际关系强烈预测幸福,而未来的信心预测生活满意度.
科学领域:
- 心理学 心理学 心理学
- 公共卫生 公共卫生
- 数据科学数据科学数据科学
背景情况:
- 主观幸福感 (SWB) 对于大学生个人成长至关重要.
- 机器学习 (ML) 为识别复杂的SWB预测器提供了先进的方法.
- 在ML中为SWB选择特征的理论理由需要改进.
研究的目的:
- 应用ML来识别大学生幸福和生活满意度 (LS) 的关键预测因素.
- 利用心理学和公共卫生的概念模型来指导预测者识别.
- 为 SWB 预测提供理论基础的特征选择方法.
主要方法:
- 使用中国家庭小组研究数据进行的横截面研究 (816项用于开发,724项用于验证).
- 选择特征的 LASSO 回归,类不平衡的 SMOTE-IPF 和五种基于树的 ML 模型 (随机森林,XGBoost 等). ) 的情况.
- 用于模型解释和预测器重叠分析的SHAP值和Venn图.
主要成果:
- 随机森林和XGBoost模型分别显示了幸福和LS的强有力的预测性能.
- 人际关系成为幸福的最强有力的预测因素.
- 未来的信心被确定为生活满意度的主要预测因素.
结论:
- 机器学习模型显示了大学生对SWB组件的显著预测能力.
- 研究结果表明,干预措施应侧重于加强人际关系,培养未来的信心.
- 这种方法提供了新的见解,通过理论上的ML分析来支持学生的SWB.
