Exploring Thresholds of Happiness Determinants in 33 OECD Countries Using Machine Learning

이 연구는 OECD 38개국 중 33개국을 대상으로 주관적 행복의 주요 결정요인을 실증적으로 규명하고 머신러닝 및 설명 가능한 인공지능(XAI) 기법을 활용하여 이들의 비선형적 임계값과 상호작용 구조를 분석하였다 기존의 선형 회귀모형과 달리, 본 연구는 XGBoost, 랜덤 포레스트, 엘라스틱넷으로 구성된 3중 앙상블 회귀모형을 활용하여 소득(1인당 GDP 로그값), 사회적 지지 건강, 기대수명, 삶의 자유, 관대함, 부패 인식 등 6개 변수 기반으로 행복 점수(Ladder Score)를 예측하였다.<br/> SHAP값, 부분의존 플롯(PDP), 변수 간 상호작용 지표를 통해 분석한 결과, GDP, 사회적 지지, 기대수명이 가장 영향력 있는 변수였으나 일정 임계값 이상에서는 그 효과가 급격히 둔화되었다. 특히 고소득 국가에서는 제도에 대한 신뢰와 사회자본이 중요한 요인으로 부각되었고, GDP와 사회적 지지 간의 상호작용 효과도 실증적으로 확인되었다. 아울러, 대체의사결정나무(surrogate tree)와 시나리오 시뮬레이션을 통해 직관적인 정책 규칙을 도출하였다.<br/> 이 연구는 행복경제학의 방법론적 범위를 확대하며, 경제성장의 한계효과를 극복하기 위한 정량적 개입 기준과 전략적 우선순위 설정을 위한 실증적 근거를 제공한다.