Economic Disparity/Experiments - История изменений

Patarakin в 05:55, 20 сентября 2025

2025-09-20T05:55:37Z

← Предыдущая версия		Версия от 08:55, 20 сентября 2025
Строка 1:		Строка 1:
	# План эксперимента в NetLogo BehaviourSpace над моделью «Экономическое неравенство»		# План эксперимента в NetLogo BehaviourSpace над моделью «Экономическое неравенство»

			{\| class="wikitable" style="width:100%;"
			! Шаг
			! Описание
			! Значения / параметры
			\|-
			\| 1. Подготовка модели
			\| Открыть модель Economic Disparity в NetLogo. Проверить наличие и правильность настройки слоев для сбора переменных price_observed и quality.
			\| -
			\|-
			\| 2. Настройка BehaviourSpace
			\| Запустить BehaviourSpace из меню Tools → BehaviourSpace. Создать новый эксперимент.
			\| Имя эксперимента: EconomicDisparity_Experiment
			\|-
			\| 3. Определение параметров для варьирования (факторов)
			\| Выбрать параметры, которые будут изменяться в процессе эксперимента, с примерами значений для каждого.
			\| {\|
			\|+ Входные параметры эксперимента
			\|-
			! Параметр
			! Значения
			\|-
			\| max-jobs
			\| 5, 10, 15
			\|-
			\| poor-price-priority
			\| -1, 0, 1
			\|-
			\| rich-quality-priority
			\| -1, 0, 1
			\|-
			\| death-rate
			\| 2, 4, 6
			\|-
			\| poor-per-step
			\| 1, 5, 10
			\|-
			\| rich-per-step
			\| 1, 5, 10
			\|-
			\| residents-per-job
			\| 50, 100, 150
			\|-
			\| number-of-tests
			\| 5, 15, 30
			\|}
			\|-
			\| 4. Определение команды Setup
			\| Команда, которая инициализирует модель перед запуском
			\| setup
			\|-
			\| 5. Определение команды Go
			\| Команда, запускающая один цикл модели
			\| go
			\|-
			\| 6. Условие остановки эксперимента
			\| Останавливать симуляцию через определённое количество тактов (ticks)
			\| ticks >= 200
			\|-
			\| 7. Выбор метрик для сбора и сохранения
			\| Какие переменные нужно сохранять в CSV для дальнейшего анализа
			\| mean [price] of patches (сохраняется как price_observed); mean [quality] of patches (сохраняется как quality)
			\|-
			\| 8. Периодичность записи данных
			\| Частота записи данных в CSV-файл (например, после каждого 20-го такта)
			\| every 20 ticks
			\|-
			\| 9. Количество повторов (runs)
			\| Количество повторений эксперимента для статистической значимости
			\| не менее 30
			\|-
			\| 10. Сохранение результатов
			\| Оптимальный формат файла и путь сохранения для интеграции с R-скриптом
			\| CSV с разделителем ";" включая параметры эксперимента
			\|-
			\| 11. Обработка данных после выгрузки
			\| Удалить первые 6 строк с описанием и оставить только ключевые переменные для анализа (например, price_observed и quality)
			\| Выполняется отдельно в R
			\|-
			\| 12. Подключение к дальнейшему анализу
			\| Использовать полученный CSV в R-скрипте, где проводится регрессионный анализ и построение графиков
			\| "(См. соответствующий R-скрипт для анализа в Wiki)"
			\|}

			Этот план продуман так, чтобы охватить все этапы: от подготовки модели до получения чистого набора данных для последующего эконометрического анализа в R. Метрики и параметры выбраны из исходного списка, сгруппированы для удобства проведения повторных экспериментов и сравнений.

			[1](https://ccl.northwestern.edu/netlogo/models/UrbanSuite-EconomicDisparity)
			[2](https://ccl.northwestern.edu/netlogo/2.0.0/docs/behaviorspace.html)
			[3](https://www.youtube.com/watch?v=amD-pyNAqrc)
			[4](https://docs.netlogo.org/behaviorspace.html)
			[5](https://www.yildizoglu.fr/cef-2015/NetLogo-cef-2015-chapter-2-netlogo-ho.pdf)
			[6](https://webspace.science.uu.nl/~vrees101/tips/empirical.php)
			[7](https://www.youtube.com/watch?v=LJLzuyyVm04)
			[8](https://ccl.northwestern.edu/netlogo/bind/watch/modelslibrary.html)

	Цель эксперимента — собрать данные по взаимосвязи между наблюдаемыми ценами земельных участков и их качеством в разных сценариях при переселении агентов.		Цель эксперимента — собрать данные по взаимосвязи между наблюдаемыми ценами земельных участков и их качеством в разных сценариях при переселении агентов.

Patarakin: /* R-скрипт для анализа данных */

2025-09-20T05:21:56Z

R-скрипт для анализа данных

← Предыдущая версия		Версия от 08:21, 20 сентября 2025
Строка 33:		Строка 33:
	=== R-скрипт для анализа данных ===		=== R-скрипт для анализа данных ===

	<syntaxhighlight lang="r" line>`.		<syntaxhighlight lang="r" line>
			# Загрузка библиотек
	# Загрузка ~~пакетов~~		library(readr)
	library(ggplot2)		library(ggplot2)
	library(dplyr)		library(dplyr)
	library(~~tidyr)~~		library(lmtest)
	~~library(broom~~)

	# Чтение данных		# Чтение данных, пропуская первые 6 строк с описанием
	~~land_data~~ <- read.csv("LandPriceQuality.csv", sep=";")		land_data_raw <- read.csv("LandPriceQuality.csv",
			sep = ";",
			skip = 6,
			header = TRUE,
			stringsAsFactors = FALSE)

			# Оставляем только нужные переменные
			land_data <- land_data_raw %>%
			select(price_observed, quality)

	# Предварительный просмотр		# Предварительный просмотр
	head(land_data)		head(land_data)
	# ~~run_number poor~~.~~per~~.~~step rich~~.~~per~~.~~step number~~.of.~~tests tick~~ price_observed quality		# price_observed quality
			# 1 1.00 1.00
			# 2 1.05 1.05
			# ...

			# 1. Оценка линейной регрессии
			model <- lm(price_observed ~ quality, data = land_data)
			summary(model)

			# 2. Тест Бройша–Пагана на гетероскедастичность
			bptest(model)

			# 3. Визуализация зависимости
			ggplot(land_data, aes(x = quality, y = price_observed)) +
			geom_point(alpha = 0.4) +
			geom_smooth(method = "lm", color = "blue", se = FALSE) +
			labs(
			title = "Зависимость наблюдаемой цены от качества участка",
			x = "Качество участка",
			y = "Наблюдаемая цена"
			)

			# 4. Сохранение итогового набора данных для дальнейшего анализа
			write.csv(land_data, "LandPriceQuality_clean.csv", row.names = FALSE)

	# Оценка простой линейной регрессии price_observed ~ quality		# Оценка простой линейной регрессии price_observed ~ quality

Patarakin в 05:15, 20 сентября 2025

2025-09-20T05:15:55Z

← Предыдущая версия		Версия от 08:15, 20 сентября 2025
Строка 20:		Строка 20:
	```		```

	3. Проведение эксперимента		=== Проведение эксперимента ===
	- Запустить BehaviourSpace, дождаться окончания.		- Запустить BehaviourSpace, дождаться окончания.
	- Полученный файл `LandPriceQuality.csv` содержит примерно		- Полученный файл `LandPriceQuality.csv` содержит примерно
Строка 31:		Строка 31:
	```		```

	# R-скрипт для анализа данных		=== R-скрипт для анализа данных ===

	<syntaxhighlight lang="r" line>`.		<syntaxhighlight lang="r" line>`.
Строка 90:		Строка 90:
	select(poor.per.step, rich.per.step, number.of.tests, term, estimate, p.value)		select(poor.per.step, rich.per.step, number.of.tests, term, estimate, p.value)
	write.csv(group_models, "LandPriceQuality_group_regression.csv", row.names = FALSE)		write.csv(group_models, "LandPriceQuality_group_regression.csv", row.names = FALSE)
	~~```~~

	# Структура итоговой CSV-таблицы		</syntaxhighlight>

			=== Структура итоговой CSV-таблицы ===

	```csv		```csv
Строка 103:		Строка 104:

	Эту таблицу можно загрузить в R как `land_data` и применять к ней приведённый скрипт для оценки регрессий, тестов гетероскедастичности и построения визуализаций.		Эту таблицу можно загрузить в R как `land_data` и применять к ней приведённый скрипт для оценки регрессий, тестов гетероскедастичности и построения визуализаций.

	~~</syntaxhighlight>~~

Patarakin: Новая страница: «# План эксперимента в NetLogo BehaviourSpace над моделью «Экономическое неравенство» Цель эксперимента — собрать данные по взаимосвязи между наблюдаемыми ценами земельных участков и их качеством в разных сценариях при переселении агентов. 1. Подготовка модел...»

2025-09-20T05:14:07Z

Новая страница: «# План эксперимента в NetLogo BehaviourSpace над моделью «Экономическое неравенство» Цель эксперимента — собрать данные по взаимосвязи между наблюдаемыми ценами земельных участков и их качеством в разных сценариях при переселении агентов. 1. Подготовка модел...»

Новая страница

# План эксперимента в NetLogo BehaviourSpace над моделью «Экономическое неравенство»

Цель эксперимента — собрать данные по взаимосвязи между наблюдаемыми ценами земельных участков и их качеством в разных сценариях при переселении агентов.

1. Подготовка модели

```
- Входные параметры (factors):
- `POOR-PER-STEP`: 1, 5, 10
- `RICH-PER-STEP`: 1, 5, 10
- `NUMBER-OF-TESTS`: 5, 20, 50
- **Метрики для сбора (metrics):**
- `mean [price] of patches` → сохраняется как `price_observed`
- `mean [quality] of patches` → сохраняется как `quality`
- **Номер запуска (run count):** 30
- **Интервал записи:** каждый 20 ticks (всего 10 точек на запуск)
- **Формат выходного файла:** CSV, с сохранением всех колонок:
```
run_number;poor-per-step;rich-per-step;number-of-tests;tick;price_observed;quality
```

3. Проведение эксперимента
- Запустить BehaviourSpace, дождаться окончания.
- Полученный файл `LandPriceQuality.csv` содержит примерно
```
run_number;poor-per-step;rich-per-step;number-of-tests;tick;price_observed;quality
1;1;1;5;0;1.00;1.00
1;1;1;5;20;1.05;1.05
…
30;10;10;50;200;2.30;2.30
```

# R-скрипт для анализа данных

<syntaxhighlight lang="r" line>`.

# Загрузка пакетов
library(ggplot2)
library(dplyr)
library(tidyr)
library(broom)

# Чтение данных
land_data <- read.csv("LandPriceQuality.csv", sep=";")

# Предварительный просмотр
head(land_data)
# run_number poor.per.step rich.per.step number.of.tests tick price_observed quality

# Оценка простой линейной регрессии price_observed ~ quality
model <- lm(price_observed ~ quality, data = land_data)
summary(model)

# Проверка гетероскедастичности (тест Бройша–Пагана)
library(lmtest)
bptest(model)

# Визуализация зависимости
ggplot(land_data, aes(x = quality, y = price_observed)) +
geom_point(alpha = 0.3) +
geom_smooth(method = "lm", color = "blue") +
facet_grid(poor.per.step ~ rich.per.step) +
labs(
title = "Зависимость наблюдаемой цены от качества участка",
x = "Качество участка",
y = "Наблюдаемая цена"
)

# Сохранение объединённой таблицы сводных статистик
summary_table <- land_data %>%
group_by(poor.per.step, rich.per.step, number.of.tests) %>%
summarize(
mean_price = mean(price_observed),
sd_price = sd(price_observed),
mean_quality = mean(quality),
sd_quality = sd(quality),
.groups = "drop"
)
write.csv(summary_table, "LandPriceQuality_summary.csv", row.names = FALSE)

# Результаты регрессии по подгруппам
group_models <- land_data %>%
group_by(poor.per.step, rich.per.step, number.of.tests) %>%
nest() %>%
mutate(
fit = map(data, ~ lm(price_observed ~ quality, data = .x)),
tidied = map(fit, tidy)
) %>%
unnest(tidied) %>%
select(poor.per.step, rich.per.step, number.of.tests, term, estimate, p.value)
write.csv(group_models, "LandPriceQuality_group_regression.csv", row.names = FALSE)
```

# Структура итоговой CSV-таблицы

```csv
run_number;poor-per-step;rich-per-step;number-of-tests;tick;price_observed;quality
1;1;1;5;0;1.00;1.00
1;1;1;5;20;1.05;1.05
...
30;10;10;50;200;2.30;2.30
```

Эту таблицу можно загрузить в R как `land_data` и применять к ней приведённый скрипт для оценки регрессий, тестов гетероскедастичности и построения визуализаций.

</syntaxhighlight>