ポジティブさ(ポジティビティ)の「型」についての、イタリア・スペインの最新研究
スペインの社会人大学生1,346人(平均35歳くらい)のデータから調査頂きました。
ここでは、ポジティブさの中身は、この3つとしています。
①自己肯定感(自分っていいな)
②人生満足度(私の人生いい感じ)
③楽観性(この先もきっと大丈夫)
で、気になるのが、人によって「型」があるのか?という話。
- 自分に自信はないけど、未来には楽観的な人
- 人生には満足してるけど、自分のことは好きじゃない人
みたいなタイプがいるのかどうか。
結果としては、
そういう「型」は、ほぼ見つからず。(なんと。。。)
グループ分けすると4つに分かれたものの、
低い人は3つとも低い、高い人は3つとも高い、という
きれいな階段状になっていただけ。
全体の高さを取り除いて「形」だけを見ても、
はっきりしたタイプは出てこず。
つまり、人の違いは「種類」ではなく「程度」の違い。
そして、ポジティブさが高い人ほど、
約5ヶ月後の心の健康も、体の健康も、自己評価が良い。
(しかも、その5ヶ月後はコロナのロックダウン後。)
4グループの一番下と一番上で、
心の健康は5点満点で2.85と4.05。けっこう違う。
という結果。
「私は自己肯定感だけが低いタイプで…」と
細かく自己分析しすぎなくても良さそう。
3つは根っこでつながっているので、
- どれか1つが上がると、他もつられて上がるかも。
- なので、自分が取り組みやすい所から始めれば良い。
(ただし、どこから入るのが一番効くかは、まだ分かっていないそうです。)
- 会社や学校で測る時も、まずは全体の高さを見れば十分。
という感じ。
自分・人生・未来への見方は、バラバラの部品ではなく、
1つの「ものの見方」なんだなぁ、と感じる研究ですね
Configurations of Positivity: A Latent Profile Analysis of Self-Esteem, Life Satisfaction, and Optimism
ポジティビティの構成:自尊心・人生満足度・楽観性の潜在プロファイル分析
Giuseppe Corbelli(ウニネットゥーノ国際通信大学、イタリア), Mariagiovanna Caprara, Antonio Contreras & Gian Vittorio Caprara
Behavioral Sciences, 2026/11/6
https://doi.org/10.3390/bs16112112
ポジティビティの心理学:3つの要素と健康への効果 ポジティビティは性格タイプではなく、連続的な度合いとして存在し、健康に影響を与えます。 自分の 価値評価 自身の価値を認める心の評価 人生の 満足度 人生全般と背後的に見る評価 未来への 期待 将来の良い結果果を期待する姿勢 ポジティビティ(単一の連続的な度合い) 研究成果と 健康への影響 タイプではなく度合い: 分類ではなく連続した連続の差 心身の健康と予測: 高スコアほど将来の心身健康度向上 単一指標で把握: 給合スコアで将来の健康と予測可能 高レベル (P4) 中レベル (P2-P3) 低レベル (P1) 身体的健康 評価 4.18 メンタルヘルス 評価 4.05 3.68- 3.85 3.41- 3.69 3.54 2.85 ポジティビティの正体:私たち は「種類」で違うのか、 それとも「量」で違うのか? 1,300人以上のデータが明かす、 自尊心・人生満足度・楽観性の科学 A visual document designed for reading. ポジティビティを構成する3つの要素 自尊心 (Self-Esteem) 今の「自分」に対する全体的な評価と価値の認識。 人生満足度 (Life Satisfaction) 今の「人生」に対する総合的な納得感と評価。 楽観性 (Optimism) 未来の「結果」に対する好意的な期待。 これら3つは別々のスキルに思えますが、実は深い関係があります。 本研究の目的は、この3つが『どう組み合わさっているのか』を解明することです。 多くの人が抱く直感: 「ポジティブな人にも、色々なタイプがいるのでは?」 「今の人生には満足しているけれど、未来は不安」 というタイプ? 「自分には自信がないけれど、未来には�楽観的」 というタイプ? 自尊心 人生満足度 楽観性 私たちは直感的に、これらの要素が独立して働き、人それぞれ独自の 「ポジティビティの形(プロファイル)」を持っていると考えがちです。 Gemesis Notebook 心理学における大きな問い: ポジティビティの構造とは? タイプ説(Typological Hypothesis) レベル説(Dimensional Hypothesis) ミキサー 人は質的に異なるいくつかの「グループ」に分かれる。 人は単一のポジティビティという「連続」の上のどこかにいる。 予測 要素の「形(バランス)」が 人によって明確に違うはず。 3つの要素は連動し、 純粋に「量(レベル)」だけが違うはず。 スペインの大規模調査が、この2つの仮説を検証しました。 1,346名の大人を対象とした 前向き追跡調査 対象者:スペインの成人患者 1,346名(平均年齢35.5歳)。 ※若者だけでなく、一般的な社 会人層を含む。 測定:2020年1月に「自尊心」 「人生満足度」「柔軟性」を測 定。 追跡:数ヶ月後、その後の「心と 体の健康状態」を追跡調査。 Jan 2020 June 2020 統計的な精度を高めるため、 外れ値(極端なデータ)を除外した 厳密な潜在プロファイル分析を実施。 検証1:全体的な「レベル」でグループ分けしてみると? 1.4 1.4 1.2 P4(トップ層):約11% 1 0.6 0.5 0.4 P3(中高層):約42% 0 -0.5 -0.45 -0.5 P2(中低層):約35% -1 -1.3 -1.7 -1.7 P1(ボトム層):約12% Self-esteem Life satisfaction Optimism 統計分析の結果、データは4つのグループに分かれました。 しかし、ここで最も注目すべきは「グループの数」ではなく、その「線の形」です。 Gemona Notebook 発見1:3つの要素は、常に「連動」して上下する 縫が交差することはありません。 すべてのグループが「同じ形」を保ったまま、エレベーターのように上下しています。 つまり、「自尊心は低いが楽観性が高い」というようなチグハグなタイプのグループは、データ上存在しなかったのです。 検証2:全体の「底上げ効果」を消して、純粋なバランスだけを見てみる Before(全体のレベル)→ Action → After(純粋なバランス) 統計操作(直次コントラスト)により、 個のAの「平均的なポジティブさ」を差し引く。 Volume Dial Self-esteem Life Optimism satisfaction Self-esteem Life Optimism satisfaction もし「独自のタイプ(星座のようなもの)」が存在するなら、全体のレベルを消した後に、特定のパターンの集まりが浮かび上がるはずです。果たして結果は? © Genius Notebook 発見2:明確な「タイプ」や「グループ」は存在しない データは一つの大きな雲のようにひろがり、特定の形に偏ることはありませんでした。 全体的なレベルを差し引くと、3つの要素は独立してバラバラに動くわけではなく、常に一緒に動く性質があることが確認されました。 結論:ポジティビティは「種類」ではなく、 「一つの連続体(グラデーション)」である 自尊心、人生満足度、楽観性は、 それぞれ別々のスキルではありません。 根底にある「一つのポジティブな 姿勢(エッセン)」が3つの異なる 形で表れたものです。 温度計が上がればすべての水銀柱 が一緒に上がるように、ポジティビ ティは常に全体として連動します。 Discarded Theory Genius Notebook 現実への影響:全体的なポジティビティの高さが、数ヶ月後の健康を予測する 精神的健康 (Mental Health) 身体的健康 (Physical Health) Mean mental health Mean physical health P1 P2 P3 P4 ポジティビティのレベルが一段階高いグループほど、数ヶ月後の主観的な「心の健康」と「体の健康」が明確に高くなることが証明されました。 Geminis Notebook 複雑な分析は不要。シンプルな「総合スコア」がすべてを物語る The Complex / Wrong Way [Complex mathematical equations and network diagram with interconnected nodes and formulas] profile × 研究の結果、3つの要素の複雑なバランスを分析しても、単純な「総合的な平均スコア」以上の予測力はありませんでした。 The Simple / Right Way (自尊心 + 人生満足度 + 楽観性)÷ 3 → Health Application Note 健康状態を予測・改善する上で、「あなたは何タイプか?」と細かく分類する必要はありません。全体のレベルを見ることが最も重要です。 vs. 私たちの生活への応用:弱点を探すのではなく、全体を底上げする Self Life Future ✕ 誤ったアプローチ: 「自分は楽観性が足りないから、楽観
動画解説はこちら😊
https://youtu.be/MFlkjjzFOlI
本研究のウェルビーイング小話はこちら😊
はぴテク相談室:「自分は何タイプ?」より大事なこと
https://archive.happytech.co.jp/posts/2026-11-12-1794419641/
【研究背景】
■ 研究の前提となる背景(先行研究の流れ)
▼ 1. 「ポジティビティ」という概念の出発点
▼ 2. 似た用語で呼ばれてきた別の概念との区別
■ 3つの要素に共通する「核」をめぐる既存の証拠
▼ 3. 共通因子の存在を示してきた変数中心の研究
▼ 4. 変数中心の証拠だけでは答えられない問い
■ 「人によって組み合わせが違う」可能性を支える背景
▼ 5. 3要素が別々に動きうることを示す知見
▼ 6. ウェルビーイング研究における人中心アプローチの先行例
■ 分析方法の背景となる先行研究
▼ 7. 水準と形の区別
▼ 8. 混合モデルを扱う際の注意点と指標
▼ 9. 外的基準としての健康指標
■ まとめ:本研究が埋めようとしたギャップ
【研究内容】
■ この研究が調べたこと
▼ 「ポジティビティ」とは
- 自尊感情(自分の価値についての全体的な評価)
- 人生満足感(自分の人生全体についての評価)
- 楽観性(将来によい結果が起きると一般的に期待する傾向)
▼ まだ分かっていなかったこと
▼ 2つの仮説
■ 方法
▼ 参加者
▼ 測定
▼ 分析の流れ
- レベル表現:標準化した3指標をそのまま使う。プロファイルの「高さ」と「形」の両方を含む。
- シェイプ表現:全体の高さを数学的に取り除き、3成分の相対的な配置だけを残す2つの直交コントラスト(C1 = 人生満足感 − 自尊感情、C2 = 人生満足感 + 自尊感情 − 2×楽観性、をそれぞれ定数で割ったもの)を使う。もし質的に異なるタイプがあるなら、この表現で必ず現れるはずです。
- BIC:適合度とパラメータ数のバランスをとる指標(クラス数の決定に主に使用)。
- ICL:BICに加えて分類の不確実さにペナルティを与える指標(クラスの分離の良さの判断に主に使用)。
- BICが多くのクラスを選び、ICLが少ないクラスを選ぶという「乖離」は、追加のクラスに実質的なグループ構造がないサインとして扱われました。
- 補助指標として、エントロピー(分類の明確さ)、平均最大事後確率(各人が最も可能性の高いクラスに属する確率の平均)、シルエット幅(クラスターの幾何学的な分離度)、k-means法との一致度(調整ランド指数)など。
■ 結果
▼ 基礎統計
▼ レベル分析:4つのプロファイルは「連続体の区切り」
- P1(全体的に低い、n = 163):自尊感情 z = −1.71、人生満足感 z = −1.37、楽観性 z = −1.73
- P2(n = 467)、P3(n = 567):中間
- P4(全体的に高い、n = 149):z = 1.15、1.31、1.34
表1 4つのレベルプロファイルの標準化得点と追跡時の健康
← 表は横にスライドできます →
4つのプロファイルは3成分すべてで平行に高さが上がるだけで形は共通。ポジティビティが高いプロファイルほど、半年後の心身の健康の自己評価も高い。
注:N = 1346。zは標準化得点(平均0、SD 1)。精神的・身体的健康は追跡時(2020年6月、n = 1142)の1項目自己評価(1「とても悪い」〜5「とても良い」)のプロファイル平均。プロファイルは総合的ポジティビティの低い順。
Corbelliら(2026)のTable 3、Table 5の数値をもとに、はぴテックが作成。出典:Corbelli et al. (2026). Behavioral Sciences, 16. https://doi.org/10.3390/bs16112112
図1 横軸は3つの成分(自尊感情・人生満足感・楽観性)、縦軸は標準化得点(平均0、SD1)です。4本の線がP1〜P4の各プロファイルの平均を示し、線同士が交わらず、ほぼ平行に高さだけが異なる様子が見られます。
出典:論文のFigure 1。Corbelli et al. (2026). Behavioral Sciences, 16.(CC BY 4.0) https://doi.org/10.3390/bs16112112
▼ シェイプ分析:形の違いによるタイプは見つからず
図2 全体の高さを取り除いた後の、各参加者の3成分の相対的な配置を2次元で表した散布図です。1点が1人に対応し、中央の円は半径0.30SD(小さな効果の目安)を示します。2つの十字はBICが選んだ2クラス解の中心で、点の集まりが分かれているかどうかを確認する図です。
出典:論文のFigure 2。Corbelli et al. (2026). Behavioral Sciences, 16.(CC BY 4.0) https://doi.org/10.3390/bs16112112
表2 レベル表現とシェイプ表現のモデル選択・分離の指標
← 表は横にスライドできます →
BICは複数クラスを選ぶが、分離を重視するICLは1クラスを選び、分離指標も低い。特に高さを除いたシェイプ表現では、質的に異なるタイプは見つからなかった。
注:エントロピー・平均最大事後確率・シルエット幅はBICが選んだ解の値。エントロピーと平均最大事後確率は分類の確実さ、シルエット幅はクラスターの幾何学的分離度(0.25以下は実質的構造なしとされる)。ICLは分類の不確実さにペナルティを加えた指標。
Corbelliら(2026)のTable 2、Table 4、本文3.1・3.2節の数値をもとに、はぴテックが作成。出典:Corbelli et al. (2026). Behavioral Sciences, 16. https://doi.org/10.3390/bs16112112
▼ 外的妥当性:プロファイルは健康と関連するが、合成得点を超えない
図3 横軸は4つのプロファイル(P1が最も低く、P4が最も高いポジティビティ)、縦軸は追跡時の自己評価による精神的健康と身体的健康の平均(1〜5)です。エラーバーは±1標準誤差を表し、プロファイルの順に健康の平均がどう変化するかを示しています。
出典:論文のFigure 3。Corbelli et al. (2026). Behavioral Sciences, 16.(CC BY 4.0) https://doi.org/10.3390/bs16112112
▼ 感度分析
■ 考察
▼ 主な結論
- レベル表現:プロファイルは1つの連続体上に順序づけられ、ほぼ平行で、分離は弱かった。
- シェイプ表現:高さを除くと、分離した構造は現れなかった。
▼ シェイプ分析の意味
▼ 先行研究との関係
▼ 実践的含意
▼ 限界
■ まとめ