Kaip lyčių ir rasės etiketės taikomos NFT duomenų analizei

Nuorodų lentelė

Anotacija ir 1 įvadas

2 metodika

3 rezultatai

3.1 „Cryptopunks“

3.2 Bendroji NFT rinka

4 diskusija

5. Išvada/ pripažinimai/ nuorodos

Priedas

A.1 Įgyvendinimo informacija

A.2 Išsami informacija apie NFT ir A.3 „Google NFT Searches“ žemėlapis

2. Metodika

Mes aprašome lyčių ir rasės šališkumo analizės metodus NFT kainose. Pirmiausia apibendriname savo duomenų rinkimo procesą (2.1 ir 2.2 skyriai), o po to aprašome, kaip statistiškai įvertiname lyčių ir rasių paklaidas tarp skirtingų NFT (2.3 skyrius). Žingsniai parodyti 2 paveiksle. Išsamesnį metodų aprašymą ir įgyvendinimą galima rasti priede.

2.1 Pradinis duomenų rinkimas

Mūsų duomenų rinkinį sudaro NFTS, vykdomi „Opensea“, kuri yra pagrindinė NFTS „Ethereum“ rinka. Mes užklausome „Openea“ „V1/Collections“ pabaigos tašką 2022 m. Lapkričio mėn. Pabaigoje (15), kad gautume NFT metaduomenis ir paskutinę pardavimo kainą. Iš „Kaggle Ethereum NFTS“ duomenų rinkinio (11) ir NFT mes pasirenkame 790 kolekcijų. vykdoma.

2.2 Lenktynių ir lyčių etikečių gavimas

Daugelis NFT kolekcijų neatstovauja žmonėms, todėl jos negali būti tiesiogiai ištirtos per rasės ir lyties objektyvą. Mes pasirenkame kolekcijas, kuriose metaduomenys turi žodžius „vyrai“ ir „moteriški“, ir baigiasi iš viso 44 tokiomis kolekcijomis su lyčių etiketėmis, atspindinčiomis skirtingus avatarus. Šių 44 kolekcijų su lyčių etiketėmis statistiką galima rasti 6 lentelėje A.2 priede.

Kiek mes žinome, tai yra pirmasis NFT duomenų rinkinys, turintis lyčių etiketes daugelyje kolekcijų. Tačiau lenktynių etiketėse metaduomenyse dažnai neegzistuoja, todėl mes apsiribojame tik kriptovaliutų, „Avastar“ ir „Dynamic Duelers“ kolekcijomis su lenktynių etiketėmis.

2.3 Statistinės priemonės lyties ir rasės šališkumui analizuoti

Norėdami nustatyti hipotezės statistinį reikšmingumą, kad moterų NFT yra parduodamos mažiau nei vyrai NFT, mes paleidžiame tiek suporuotus, tiek neporinius vienpusio studento t-testus (22).

Nepasirengęs vs suporuotas t-testas: Neporintame t-teste mes palyginame visų vyrų NFT pardavimo kainų vidurkį, palyginti su moterimis. Suporuotame t-teste mes apskaičiuojame T-statistiką pagal suporuotą vyrų ir moterų kainų skirtumą, pažymėtą dienos vidutine kainos ir savaitės vidutine NFT kaina. Suporuotas t-testas yra naudojamas vyriškojo ir moters kainų skirtumų izoliavimui, nustatant kainų pokyčius per laiką.

Žurnalo transformacija: Kai t-testas daro prielaidą, kad duomenų normalumas, mes taikome žurnalo transformaciją, kad tai išspręstume. Kai retai NFT vertė žymiai daugiau nei įprasta NFT, NFT kainų pasiskirstymas paprastai laikosi galios įstatymo paskirstymo (14). Įkvėpti, kaip akcijų kainos seka log-normalų pasiskirstymą (1), mes pritaikėme tą pačią transformaciją ir nustatėme, kad kainos žurnalo pasiskirstymas yra normalus. Mes vadiname „T-test“ paleidimą kainų žurnale kaip žurnalo t-testą.

Išorinė apipjaustymas: Norint iš esmės gali atsirasti dėl labai aukštų retų NFT pardavimo kainų arba labai mažų pardavimo kainų dėl žmonių klaidų, kai įtraukiami. Mes kreipiamės į pašalinius dalykus, naudodami „WinSorization“ (19) arba nukirptus nuokrypius, esančius tam tikru procentiliu. Pateikiame 0,1%, 1%, 2,5%ir 5%procentilių rezultatus.

Aukščiau aprašytas metodas taip pat naudojamas palyginant lengvųjų ir tamsių kriptovaliutų kainas. Pateikiame skirtingų t-testų ir išorinių aptikimo metodų derinių rezultatus, kad parodytume mūsų išvadą, išlieka nuoseklūs, neatsižvelgiant į tai, kaip mes atliekame statistinio reikšmingumo testą. Šiame dokumente ir statistikoje, jei nenurodyta kitaip, pašaliname pašalinius veiksmus 2,5% procentilio.