天普大學的研究人員第一次使用機器學習來確定未來富裕的最重要決定因素。教育和職業(yè)是最好的預測因素 - 但令人驚訝的是，一個人延遲即時滿足的能力也是提高收入，擊敗年齡，種族，種族和身高的最重要決定因素。該研究發(fā)表在心理學前沿，該研究表明，改善這種“延遲折扣”的干預措施可以在收入較高方面獲得實際收益。

許多因素與一個人將獲得多少錢有關，包括年齡，職業(yè)，教育，性別，種族甚至身高。行為變量也有牽連，例如與著名的“棉花糖測試”有關的變量。這項關于延遲折扣的研究，或者一個人將未來獎勵的價值與直接折扣相比多少，表明自我控制能力更強的孩子更有可能在以后的生活中獲得更高的薪水。

但該研究的主要作者，現(xiàn)任瑞士圣加侖大學的威廉·漢普頓博士表示，更傳統(tǒng)的數(shù)據(jù)分析方法無法表明哪些因素比其他因素更為重要。

“各種各樣的事情預測收入。我們知道這種行為變量，延遲折扣，也是預測性的 - 但我們真的很好奇它如何與更常見的預測因素如教育和年齡相悖。使用機器學習，我們的研究是第一個在收入預測中創(chuàng)建年齡，職業(yè)，教育，地理位置，性別，種族，民族，身高，年齡和延遲折扣的有效排名順序。“

心理學家使用的傳統(tǒng)方法(例如相關性和回歸)不允許同時比較與個人富裕相關的不同因素。該研究收集了大量數(shù)據(jù) - 來自2500多名不同的參與者 - 并將其分為訓練集和測試集。將測試集放在一邊，同時訓練集產(chǎn)生模型結果。研究人員然后回到測試集來測試他們的發(fā)現(xiàn)的準確性。

不出所料，這些模型表明，職業(yè)和教育是高收入的最佳預測因素，其次是地點(由郵政編碼確定)和性別 - 男性收入高于女性。延遲折扣是下一個最重要的因素，比年齡，種族，種族或身高更具預測性。

Hampton博士希望研究方法將成為數(shù)據(jù)分析新時代的一部分。“這太令人驚訝，因為它讓我們可以檢查我們的發(fā)現(xiàn)并復制它們，讓我們更加確信它們是準確的。這一點尤其重要，因為最近的科學研究結果似乎并沒有復制。使用這種機器學習方法可能導致更多的復制研究 - 我們希望這會刺激一般使用更復雜的分析方法。“

該研究的作者警告說，數(shù)據(jù)樣本有意限于美國，預測工資的變量的排名順序可能在其他國家有所不同。漢普頓博士說他期待在更廣泛的背景下探索這種分析方法。

“我希望在另一種文化中看到這項研究的復制。我也會對未來旨在減少延遲折扣的研究非常感興趣。關于延遲折扣是否是一種穩(wěn)定的特性或是否具有可塑性，存在很多爭議 - 縱向研究可以幫助解決這個問題。“

最后，漢普頓博士對父母有一個有趣的觀察，“如果你想讓你的孩子長大后能獲得好工資，可以考慮向他們灌輸那些為了獲得較大的獎勵而轉而支付較大的獎勵的重要性，他們必須等待這可能說起來容易做起來難，因為很少有人自然而然地享受著等待，但我們的結果表明，那些培養(yǎng)延遲滿足能力的人可能會投資于自己的收入潛力。“