论文总字数：34531字

摘 要

论文作者签名：＿＿＿＿＿导师签名：＿＿＿＿日期：＿＿＿＿

摘 要

出行幸福感是人们在出行过程中的一种主观感受，是主观幸福感的组成部分，研究出行幸福感有助于改善公众生活质量。但目前研究影响出行幸福感的因素的相关文献不充分，尤其是不能定量描述各因子的重要性程度及因子变化时对出行幸福感的影响。

本研究中，首先，结合美国时间利用调查（American Time Use Survey, ATUS）在2013年的幸福感模块的调查数据，整理得到26个影响因子，使用多维变量间的最大信息系数(Maximal Information Coefficient, MIC)矩阵，并结合最大信息熵MIE (Maximal Information Entropy, MIE)来计算变量间的关联性；然后，在初步剔除对出行幸福感影响不大的因子后，将余下14个因子放入负二项模型进行二次检验和逐步回归。在排除多重共线性后，最终模型选定以休息情况、出行目的、与他人的交互、婚姻状况作为自变量，以尽可能多的包含原始变量的有效信息。

本文还通过分析这四个变量与出行幸福感的直接或间接作用，提出了相应改善出行幸福感的交通政策，分析了该模型的局限性，并对如何挖掘社会与个人因素与出行幸福感的关系做出展望。

关键词：信息熵，幸福感，因素提取，指标选取，相关性，交通，出行

ABSTRACT

Traveling happiness is a subjective feeling in the process of travel, and is a part of subjective well-being. Studying the happiness of travel helps to improve the quality of public life. However, the current literature on the factors affecting the happiness of travel is not sufficient, especially the importance of the factors and the impact on the happiness of travel can not be quantitatively described.

First, in this study, combined with the survey data of the 2013 happiness measure module of the American Time Use Survey (ATUS), 26 impact factors were compiled, using the maximum information coefficient between multidimensional variables (MIC) matrix, combined with Maximum Information Entropy (MIE) to calculate the correlation between variables; then, after initially removing the factors that have little effect on travel happiness, put the remaining 15 factors into negative two The item model performs a second test and a stepwise regression. After eliminating the multicollinearity, the final model selects the rest, the purpose of the trip, the interaction with others, and the marital status as independent variables to contain as much valid information as possible of the original variables.

Finally, by analyzing the direct or indirect effects of these four variables and travel happiness, this paper proposes a traffic policy that improves the sense of happiness of travel, analyzes the limitation of the model, and makes a vision for how to explore the relationship between social and personal factors and travel happiness.

KEY WORDS: information entropy, emotional well-being, factor extracted, indicator selection, correlation, transportation, trip

目 录

第一章 引言 6

1.1 研究的问题与意义 6

1.2 文献综述 6

1.3 研究方法 9

1.4 内容组织架构 9

1.5 研究意义和创新点 10

第二章 数据描述与处理 11

2.1 美国时间利用调查及其幸福感模块数据介绍 11

2.2 数据预处理 11

第三章 影响因素提取方法研究 14

3.1 信息熵和互信息在因子选取上的优劣势分析 14

3.2 最大信息系数和最大信息熵的引入 15

3.3 对应分析 16

3.4 逐步负二项回归 17

第四章 分析 19

4.1 影响因子间基于统计学的相关性检验 19

4.2 基于信息熵的关联性检验及可视化表示 20

4.3 分析-建模过程及结果 24

第五章 研究结果对交通政策的指导意义 29

5.1 休息时间与出行幸福感 29

5.2 与他人互动情况与出行幸福感 29

第六章 总结和展望 30

6.1 总结 30

6.2 局限性与展望 30

参考文献 31

附录：MIC矩阵及MIE计算代码 35

致谢 38

引言

研究的问题与意义

随着城市的扩张、经济的增长、人民生活水平的提升，对交通出行品质的需求日益增长。由于工作和生活的压力激增，人们渴望在交通出行中感到快乐、轻松、舒适和释放。因此，对出行幸福感的研究被提上日程。

出行幸福感是人们在出行过程中的一种主观感受，定义为个体在出行过程中所体验到的正面积极情绪（如开心、快乐、愉悦等）和负面消极情绪（如痛苦、压力、难过等）。主观幸福感是除物质需求外，对人们而言非常重要的一种基本需求，是人们自我实现、自我满足的基础和前提。交通出行作为人们衣、食、住、行四大基本需求之一，对人们的主观幸福感有着举足轻重的影响。2012-2013年美国时间利用调查数据（ATUS）显示，美国人每天平均每天花费73.4分钟——几乎是社交活动时间的两倍，是锻炼时间的四倍多。了解某些出行类型是否比其他出行类型更容易诱发积极情绪将有助于规划者和政策制定者了解交通系统与出行幸福感之间的内在联系，建立更完善的交通运输系统、制定更有利民生的交通政策，最大限度地提高所有人群出行幸福感。

信息熵是能够对信息进行量化度量的一种指标，是度量样本集合纯度最常用的一种指标，即该指标值越小，信息纯度越高。信息熵也可理解为信息量的期望（均值），它不是针对每条信息，而是针对整个不确定性结果集而言，因为越随机的信息源其信息熵越大。

剩余内容已隐藏，请支付后下载全文，论文总字数：34531字