Help us understand the problem. What is going on with this article?

アイドルとジニ係数(1)

More than 1 year has passed since last update.

Introduction

SS3A前橋市 が楽しかった。特に、喜多日菜子の中の人がやばすぎて印象が強い。喜多日菜子をプロデュースしたいと思わせる何かがあった。加えると南条光の中の人の経歴もやばかった。

そんななか、「格差」をテーマにシンデレラガールズおよびミリオンライブ!を研究する記事をみたので、SideMでも適用して見ることにした。

Method

SideMのWikiよりモバM版のSRカードリストを作成入手した。先行文献と同様にジニ係数を算出し、先行文献と比較することにした。なお解析環境はRとした。(ここに投稿するためである。)
なお、モバエムにした理由は先行の2つと比べて最高レアリティのカードの枚数が少ないという点である。

本編

SideMのWikiよりSRカードリスト(特訓後)を作成した。用意したデータの一部をしめす。

名前 カード名 ステータス ステータス ステータス ステータス ステータス スキル
円城寺 道流 【ラーメン陶芸家】円城寺 道流+ 17378 11983 10595 14 39956 "仲間への想いをカタチにフィジカルのVocal 大アップ"
アスラン=BBⅡ世 【Trickster】アスラン=BBⅡ世+ 17354 9308 13294 14 39956 "最後の大勝負フィジカルのVocal 大アップ"
アスラン=BBⅡ世 【妖かしの衣】アスラン=BBⅡ世+ 17354 9270 13333 14 39957 "子羊どもとの輪唱フィジカルのVocal 大アップ"
円城寺 道流 【胸躍らせる】円城寺 道流+ 17354 11983 10619 14 39956 "海の家はじめましたフィジカルのVocal 大アップ"
アスラン=BBⅡ世 【天流式呪術】アスラン=BBⅡ世+ 17330 9270 13357 14 39957 "我らが詠唱の虜となれ!フィジカルのVocal 大アップ"
円城寺 道流 【虜にする味】円城寺 道流+ 17330 11943 10684 14 39957 "飾らないハートフィジカルのVocal 大アップ"

以下データを取り込んで、アイドル別に出現頻度をだした。

raw_data <- read.csv("sidem0913.tsv", sep="\t", quote = "", na.strings="",stringsAsFactors=FALSE, header=TRUE, encoding = 'UTF-8')
idol_counts<-table(raw_data$V1)
summary(as.vector(idol_counts))

出現頻度等を確認すると、中央値・平均値ともに大きな差ないが、最大と最小で4倍の差がある。最大は伊瀬谷 四季・天ヶ瀬 冬馬。最小は北村 想楽・葛之葉 雨彦。偏差は2.11であった。

Min. 1st Qu. Median Mean 3rd Qu. Max.
3.000 7.250 9.000 8.696 10.000 12.000

ついでに、出現頻度を棒グラフした。

Rplot.jpg

http://aoki2.si.gunma-u.ac.jp/R/Gini-index.html よりローレンツ曲線(ジニ係数)を書いた。


source("http://aoki2.si.gunma-u.ac.jp/R/src/Gini_index.R", encoding="euc-jp")
Gini.index(idol_counts)
//[1] 0.1307609

Rplot01.jpg

モバエムのジニ係数は0.13となった。一般的にはこの数字はかなり低い数字とされている。ここで3タイトルを比較して見る。

タイトル ジニ係数
モバエム 0.13
ミリシタ 0.16
デレステ 0.56

ジニ係数が完全平等では0になることより、SideMが平等に一番近い世界であることが示唆された。(765,シャニマスは考慮しない)

終わりに

SideMが平和なのか、それとも男性アイドル界が全体的に平和なのかがわからないので今後は別のゲームでも比較していこうともう。
また、参加楽曲数を元にしたジニ係数は次回にとっておこうと思う。

Rはこういう集計系を簡単にプロットできるから、便利ですね(グラフの文字入れにイラレ使ってますが)

akP
Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away