关键生活领域对老年人生活满意度的相对重要性：一项基于纵向数据的多模型分析

为揭示影响老年人生活满意度的核心因素，研究人员利用美国健康与退休研究(HRS)的3期纵向数据，通过分层线性混合效应模型(HLM)、纵向优势分析和混合效应随机森林(MERF)机器学习方法，量化了五大生活领域（日常休闲、财务状况、家庭生活、健康状况、居住条件）对生活满意度的贡献度。研究发现"日常休闲"领域解释力最强，且残疾/健康状态及早年逆境经历者存在显著异质性，为制定精准老龄化干预政策提供了科学依据。

　　

随着全球老龄化进程加速，"成功老龄化"(successful aging)概念日益受到关注。生活满意度(life satisfaction)作为其核心指标，现有研究却存在两大局限：一是多聚焦横断面数据，难以揭示因果关系；二是对具体生活领域(domain-specific satisfaction)的相对重要性缺乏系统量化。更棘手的是，老年人群体内部存在显著异质性(heterogeneity)，但传统分析方法难以捕捉这种复杂差异。

美国健康与退休研究(HRS)团队在《Journal of Psychosomatic Research》发表的研究，创新性地整合三种分析方法：分层线性混合效应模型(Hierarchical Linear Mixed-effects model, HLM)处理纵向数据的嵌套结构；纵向优势分析(longitudinal dominance analyses)量化各领域贡献度；混合效应随机森林(Mixed-Effects Random Forests, MERF)机器学习技术识别非线性关系。研究纳入12,046名50岁以上受访者的3期追踪数据，使用生活满意度量表(Satisfaction with Life Scale, SWLS)评估全局满意度，重点考察五大生活领域的作用机制。

结果

1. 领域重要性排序
   通过HLM和优势分析发现，"日常休闲活动"(Daily life and leisure activities)对全局满意度的解释力最强(β=0.32, p<0.001)，显著高于其他领域。贡献度排序依次为：财务状况(Financial situation, β=0.25)→家庭生活(Family life, β=0.18)→健康(Health, β=0.15)→居住条件(Conditions of place, β=0.09)。

2. 人口异质性规律
   MERF模型揭示：残疾人群的健康领域权重提升40%；童年逆境经历者更依赖家庭关系；高收入群体对财务状况的敏感度降低。这种差异在传统线性模型中未被检测到。

3. 纵向稳定性验证
   跨3个测量波次(wave)的数据显示，领域重要性排序保持稳定，但健康领域的贡献度随年龄增长呈U型曲线变化，在75岁后影响再度增强。

这项研究首次通过多模型互证策略，确立了休闲活动在老年心理健康中的核心地位，挑战了传统"健康决定论"的认知。方法论上，MERF技术的应用为老龄化研究开辟了新途径，能有效识别亚群体特异性。政策层面，建议优先建设社区休闲设施而非单纯医疗投入，对特殊人群需定制化干预方案。研究结果对实现联合国健康老龄化(Healthy Aging)目标具有重要参考价值，未来需结合跨文化数据验证结论的普适性。