Обсуждение:Wealth Distribution

Экспериментальные датасеты NetLogo

Эксперимент 29 ноября 2025

Мы получили набор данных из модели Wealth Distribution - BehaviorSpace со следующими условиями:

["num-grain-grown" 4]
["percent-best-land" 5 10 15 20]
["metabolism-max" 10 15 20]
["max-vision" 4 5 6 7 8 9 10]
["num-people" 400]
["grain-growth-interval" 2]
["life-expectancy-min" 30]
["life-expectancy-max" 70]

В эксперименте собирались следующие метрики:

ticks
count turtles
count turtles with [color = red]
count turtles with [color = green]
count turtles with [color = blue]
gini-index-reserve / num-people
gini-index-reserve

Результаты

• https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/Wealth%20Distribution%20experiment_29-table.csv

График изменения неравенства во времени (gini-index-reserve по ticks)

Malena Buzdugan 11:04, 13 декабря 2025 (MSK)

Показывает, как неравенство растёт или стабилизируется во времени. В типичных моделях типа Sugarscape коэффициент Джини быстро растёт в начале (разрыв между «богатыми» и «бедными»), затем стабилизируется.

Сравнение неравенства по max-vision

Malena Buzdugan 11:04, 13 декабря 2025 (MSK)

Чем выше max-vision (способность видеть ресурсы), тем ниже коэффициент Джини — то есть, неравенство уменьшается. Это говорит о том, что доступ к информации (в данном случае — возможность видеть ресурсы) способствует более равному распределению богатства.

Эксперимент 07 декабря 2025 (480 runs)

	Description	KeyDescripions
NetLogo Wealth Distribution 07122025	Датасет выращен при помощи агентов модели NetLogo Wealth Distribution	"run number", percent.best.land - процент лучших земель metabolism.max (уровень метаболизма) max.vision - способности черепах (видение) grain.growth.interval gini - коэффициент Джини (неравенство)

Мы получили набор данных из модели Wealth Distribution - BehaviorSpace со следующими условиями:

["num-grain-grown" 5]
["percent-best-land" 5 10 15 20]
["metabolism-max" 10 15]
["max-vision" 4 6 8 10 12 14]
["num-people" 300]
["grain-growth-interval" 1 2 3 4 5 6 7 8 9 10]
["life-expectancy-min" 30]
["life-expectancy-max" 80]

В эксперименте собирались следующие метрики:

ticks
count turtles
gini-index-reserve / num-people

При этом данные собирались только в конце прогона - 500 ticks

Мы хотели исследовать влияние способностей людей max-vision на неравномерность распределения богатства - коэффициент Джини gini-index-reserve / num-people

Результаты

• https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/Wealth%20Distribution%20experiment_07_12table.csv
• https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/data_model_07_12.csv

Процесс обработки в R

url <- "https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/data_model_07_12.csv"

data_clean <- read.csv(url)

boxplot(gini ~ max.vision, data = data_clean,
        main = "Влияние дальности видения на коэффициент Джини",
        xlab = "Дальность видения (max.vision)",
        ylab = "Коэффициент Джини",
        col = "lightblue")

• boxplot

# Формула: зависимая_переменная ~ независимая_переменная
model_vision <- lm(gini ~ max.vision, data = data_clean)
summary(model_vision)

Call:
lm(formula = gini ~ max.vision, data = data_clean)

bResiduals:
     Min        1Q    Median        3Q       Max 
-0.052899 -0.012218  0.002057  0.011398  0.047757 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept)  0.2348489  0.0022385 104.915  < 2e-16 ***
max.vision  -0.0009564  0.0002325  -4.113  4.6e-05 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.0174 on 478 degrees of freedom
Multiple R-squared:  0.03418,	Adjusted R-squared:  0.03216 
F-statistic: 16.92 on 1 and 478 DF,  p-value: 4.601e-05