สมัครเว็บ SBOBET แทงพนันบอล เราคือเว็บพนันที่ให้บริการมายาวนาน

สมัครเว็บ SBOBET เราคือเว็บพนันที่ให้บริการมายาวนาน ฐานข้อมูลบล็อกเชนของ Bitcoin เต็มรูปแบบสามารถเข้าถึงได้โดยสาธารณะ เรารวบรวมรายการธุรกรรมโดยใช้ API จากblockchain.info [ 18 ] ในช่วงตั้งแต่ 2009-01-09 ถึง 2016-02-25เชิงอรรถ1

ฐานข้อมูลบล็อคเชนประกอบด้วยธุรกรรม Bitcoin ทั้งหมดระหว่างที่อยู่ Bitcoin สำหรับแต่ละธุรกรรม เราได้รวบรวมที่อยู่บิตคอยน์อินพุตและเอาต์พุต ยิ่งไปกว่านั้น เมื่อฐานข้อมูลบล็อคเชนเติบโตขึ้นโดยการผนวกกลุ่มของธุรกรรมที่จัดเป็นบล็อค เรารวบรวมสำหรับแต่ละธุรกรรมตำแหน่งภายในบล็อกและความสูงของบล็อก (เช่น จำนวนบล็อกก่อนหน้าบล็อกหนึ่งๆ) บางข้อมูลทั่วไปเกี่ยวกับชุดข้อมูล blockchain Bitcoin เราเก็บรวบรวมเป็นรายงานในตารางที่ 2 เราได้ใช้เป็น timestamp สำหรับแต่ละธุรกรรมที่ประทับเวลา Unix ของการสร้างบล็อกที่มีอยู่ blockchain ไม่ได้ให้ข้อมูลเวลาสำหรับการทำธุรกรรม แต่มีการประทับเวลาของการสร้างบล็อก [ 20]. เมื่อพิจารณาว่ามีการสร้างบล็อกหลายบล็อกในแต่ละชั่วโมง การประทับเวลาของบล็อกจึงเป็นตัวเลือกที่ดีสำหรับการศึกษาของเรา

ตารางที่ 2 สถิติทั่วไปเกี่ยวกับชุดข้อมูลบล็อคเชนที่รวบรวม
ตารางขนาดเต็ม
เกี่ยวกับจำนวนธุรกรรม เราแปลงจาก BTC (สกุลเงิน Bitcoin) เป็น USD โดยใช้อัตราแลกเปลี่ยนรายวัน เนื่องจากราคา Bitcoin มีการเปลี่ยนแปลงอย่างมากในช่วงหลายปีที่ผ่านมา (ดูภาคผนวก A.1 )

ที่อยู่อินเทอร์เน็ตโปรโตคอล
เพื่อให้ได้ข้อมูลเชิงลึกเกี่ยวกับผู้ใช้และการระบุตำแหน่งทางภูมิศาสตร์ เราพิจารณา สมัครเว็บ SBOBET ของโหนดที่ถ่ายทอดธุรกรรมในเครือข่าย Bitcoin Bitcoin ใช้โปรโตคอลซุบซิบที่ผู้ใช้สื่อสารธุรกรรมใหม่ของพวกเขากับเพื่อน ๆ ที่เชื่อมต่อกันทั้งหมดในเครือข่าย การศึกษาบางชิ้นแสดงให้เห็นว่าโหนด/IP แรกที่สื่อสารธุรกรรมไปยังโหนด เช่น blockchain.info ซึ่งเชื่อมต่อกับส่วนใหญ่ของเครือข่าย มีแนวโน้มที่จะเป็นผู้สร้าง [ 21 , 22 ] เราจึงดาวน์โหลดที่อยู่ IP ของโหนดแรกที่ทำหน้าที่เป็นรีเลย์ในแต่ละธุรกรรมจากblockchain.info. เนื่องจากเป้าหมายของเราคือการวิเคราะห์ทางเศรษฐกิจและสังคมในระดับประเทศ เราจึงจับคู่ทรัพย์สินทางปัญญาเข้ากับประเทศที่เกี่ยวข้อง กระบวนการนี้จะอธิบายในA.3 นอกจากนี้ เราทราบดีว่าผู้ใช้บางคนใช้ TOR เพื่อเพิ่มความไม่เปิดเผยตัวตนในเครือข่าย TOR เป็นโปรโตคอลอินเทอร์เน็ตที่เปลี่ยนเส้นทางการเชื่อมต่อผ่านวงจรเสมือนเพื่อให้ที่อยู่ IP ถูกซ่อนไว้สำหรับส่วนที่เหลือของเครือข่าย ในระหว่างกระบวนการทางภูมิศาสตร์ท้องถิ่นเราจึงกรองการทำธุรกรรมเหล่านั้นถูกส่งโดย TOR โหนดออก (ดูภาคผนวก A.2 ) ซึ่งเป็นตัวแทนของน้อยกว่า 0.001% จากจำนวนรวมของการทำธุรกรรม

จำนวนที่น่าสนใจในการศึกษาการนำ Bitcoin มาใช้คือจำนวนที่อยู่ IP ที่ปรากฏเป็นครั้งแรกในเครือข่าย Bitcoin เราเรียกจำนวนนี้ว่าIP ที่ไม่ซ้ำกันและตามที่อธิบายไว้ในหัวข้อต่อไปนี้ สามารถใช้เป็นพร็อกซีในการศึกษาการนำไปใช้ในประเทศต่างๆ ในรูปที่ 1เรารายงานจำนวนรวมของ IP ที่ไม่ซ้ำกันในแต่ละประเทศตลอดระยะเวลาการศึกษาของเราสำหรับการเลือกประเทศ เราจำกัดช่วงเวลาของการวิเคราะห์เกี่ยวกับรีเลย์โหนด IP ให้อยู่ในช่วงเริ่มต้นตั้งแต่เดือนมีนาคม 2012 ถึงพฤษภาคม 2014 เนื่องจากมีความไม่แน่นอนบางประการเกี่ยวกับความน่าเชื่อถือของข้อมูลที่อยู่นอกช่วงเวลานี้ อันที่จริง จำนวน IP ใหม่ที่ปรากฏในระบบ (เป็น IP ของโหนดรีเลย์) ลดลงอย่างมากหลังจากเดือนพฤษภาคม 2014 (รูปที่ 4) หลังจากการล่มสลายของการแลกเปลี่ยน Bitcoin MtGox MtGox เป็นผู้เล่นที่โดดเด่นในตอนนั้น โดยจัดการได้ถึง 70% ของธุรกรรม Bitcoin ทั้งหมดทั่วโลก [ 23 ] ระดับสัญญาณหลังเดือนพฤษภาคม 2557 ต่ำเกินไปและมีข้อมูลให้ดึงข้อมูลเพียงเล็กน้อย

แผนที่แสดงจำนวนที่อยู่ IP ใหม่ปรากฏในระบบ Bitcoin ตามประเทศในช่วงเวลาตั้งแต่ 2012-09 ถึง 2014-05 สำหรับประเทศที่เลือกสำหรับการศึกษาของเรา (ดูรายการในตารางที่ 9 ) ประเทศได้รับการคัดเลือกตามกิจกรรม (IP และไคลเอนต์) ตามที่อธิบายไว้ใน Sect 3

ภาพขนาดเต็ม
ลูกค้า Bitcoin
เพื่อประเมินการดูดซึม Bitcoin ได้ดียิ่งขึ้น เรายังพิจารณาจำนวนการดาวน์โหลดไคลเอนต์ Bitcoin ด้วย โดยทั่วไป ลูกค้า Bitcoin เป็นซอฟต์แวร์ที่ใช้จัดการและจัดเก็บที่อยู่ Bitcoin และทำธุรกรรมบนเครือข่าย Bitcoin ลูกค้า Bitcoin อย่างเป็นทางการเรียกว่าBitcoin Coreและมีให้บริการจากsourceforge.net [ 24 ] SourceForge มีสถิติบางอย่างเกี่ยวกับการดาวน์โหลดรวมทั้งจำนวนดาวน์โหลดรวมทุกวันโดยประเทศดังแสดงในรูปที่. 2 เนื่องจากมีลูกค้ารายอื่นอยู่และผู้ใช้บางรายทำธุรกรรมผ่านบริการบนเว็บ ข้อมูลจาก Bitcoin Core จึงไม่เกี่ยวข้องกับผู้ใช้ Bitcoin ทั้งหมด อย่างไรก็ตาม ตามที่ได้อธิบายไว้ในนิกาย 3เราคิดว่าจะให้ข้อมูลเชิงลึกที่สมเหตุสมผลเกี่ยวกับการกระจายทั่วไปและแนวโน้มของผู้ใช้ เราจำกัดช่วงเวลาของการวิเคราะห์เกี่ยวกับจำนวนการดาวน์โหลดไคลเอนต์ให้อยู่ในช่วงตั้งแต่ต้นปี 2011 ถึงพฤษภาคม 2014 เช่นเดียวกับข้อมูลที่อยู่ IP ข้อมูลไคลเอนต์ Bitcoin ลดลงอย่างรวดเร็วหลังจากเดือนพฤษภาคม 2014 (รูปที่ 4 ) และ ข้อมูลไม่สามารถใช้ประโยชน์ได้

รูปที่ 2
รูปที่2
วิวัฒนาการของจำนวนไคลเอนต์ Bitcoin ที่ดาวน์โหลด แนวโน้มโลกและแนวโน้มระดับประเทศสำหรับ 2 ประเทศหลักในด้านจำนวนการดาวน์โหลด

ภาพขนาดเต็ม
รูปที่ 3
รูปที่3
อนุกรมเวลาของ Google Trends เกี่ยวกับ Bitcoin สำหรับบางประเทศ

ภาพขนาดเต็ม
Google Trends
ที่นี่เราใช้ Google Trends เป็นพร็อกซีสำหรับความสนใจโดยรวมในหัวข้อนี้ ซึ่งเป็นวิธีการที่เสนอไว้แล้วใน [ 25 ] รูปที่ 3แสดงวิวัฒนาการของจำนวนการสืบค้นสำหรับคำหลัก “Bitcoin” สำหรับแต่ละประเทศและด้วยความละเอียดรายสัปดาห์ สัมพันธ์กับจำนวนข้อความค้นหาทั้งหมด นอกจากนี้เรายังดึงความสนใจของ Google ตามภูมิภาค โดยใช้จำนวนการสืบค้นที่เกี่ยวข้องของประเทศ มาตราส่วนเริ่มจาก 0 ถึง 100 โดยกำหนด 100 รายการให้กับประเทศที่มีจำนวนการค้นหา Bitcoin สูงสุด แม้ว่าอนุกรมเวลาจะลดต่ำลงเช่นเดียวกับอีกสองรายการ (รูปที่ 4 ) ระดับของสัญญาณหลังเดือนพฤษภาคม 2014 ยังคงสูงเพียงพอสำหรับข้อมูลที่จะนำไปใช้ประโยชน์ได้

รูปที่ 4
รูปที่ 4
สรุปพล็อตของผู้รับมอบฉันทะ วิวัฒนาการของเวลาของจำนวนการดาวน์โหลดไคลเอนต์ Bitcoin จำนวน IP ใหม่ที่ปรากฏในระบบ Bitcoin และ Google Trends ค้นหา Bitcoin ในระดับทั่วโลก เส้นสีดำแนวตั้งเป็นการจำกัดการใช้งานฐานข้อมูล

ภาพขนาดเต็ม
ดัชนีเศรษฐกิจและสังคมของประเทศ
โดยมีวัตถุประสงค์ของการสำรวจความสัมพันธ์ระหว่างบางดัชนีเศรษฐกิจสังคมและการยอมรับ Bitcoin ที่เรารวบรวมชุดข้อมูลบางส่วนในระดับประเทศดังสรุปในตารางที่ 3 เรามุ่งเน้นที่ดัชนีเป็นหลักซึ่งสามารถแยกแยะประเทศที่พัฒนาแล้ว ร่ำรวยที่สุด และมั่งคั่งที่สุดจากประเทศกำลังพัฒนาได้ เราต้องการเน้นย้ำว่าการพัฒนาประเทศไม่สามารถสรุปเป็นตัวบ่งชี้ทางเศรษฐกิจแบบมิติเดียวได้ (อันที่จริง ไม่มีเกณฑ์ใดที่เป็นที่ยอมรับโดยทั่วไป [ 26 ])

ตารางที่ 3 สรุปดัชนีเศรษฐกิจและสังคมที่ใช้
ตารางขนาดเต็ม
การยอมรับ Bitcoin ในระดับประเทศ
ด้วยเป้าหมายในการชื่นชมการยอมรับ Bitcoin ในระดับประเทศ เราได้ระบุการดาวน์โหลดไคลเอนต์ Bitcoin, IP ของโหนดรีเลย์ และ Google Trends เป็นแหล่งข้อมูลที่เป็นไปได้ ในที่นี้ เราแสดงให้เห็นว่าปริมาณเหล่านี้ให้ภาพผู้ใช้ที่เหมือนกันและสม่ำเสมอ จากนั้น เราแสดงให้เห็นว่าประเทศต่างๆ ที่มีดัชนีการพัฒนาที่แตกต่างกันมีแนวโน้มการยอมรับที่แตกต่างกันอย่างไร และสุดท้าย เราสำรวจว่าดัชนีทางเศรษฐกิจและสังคมของประเทศเชื่อมโยงกับการนำ Bitcoin ไปใช้อย่างไร

ภาพที่สอดคล้องกันเกี่ยวกับผู้ใช้
จำนวนรีเลย์โหนด IP และการดาวน์โหลดไคลเอ็นต์เกี่ยวข้องโดยตรงกับบล็อคเชน ดังนั้นทั้งคู่จึงให้ข้อมูลโดยตรงเกี่ยวกับการใช้ Bitcoin แม้ว่าจะไม่มีใครให้ภาพที่สมบูรณ์ของผู้ใช้ก็ตาม โดยเฉพาะอย่างยิ่ง จำนวนที่อยู่ IP ไม่ได้พิจารณาผู้ใช้ที่ไม่ได้ใช้งานโหนด ดังนั้นจึงไม่ปรากฏเป็น IP ในเครือข่าย ในอีกด้านหนึ่ง จำนวนการดาวน์โหลดไคลเอนต์ให้ข้อมูลเกี่ยวกับผู้ใช้ที่ใช้ไคลเอนต์เฉพาะนี้เท่านั้น เนื่องจากข้อจำกัดเหล่านี้ เราจึงไม่สามารถระบุจำนวนผู้ใช้ที่แน่นอนในแต่ละประเทศได้ เว้นแต่เป็นแนวโน้มของวิวัฒนาการ เพื่อเปรียบเทียบข้อมูลที่ได้รับจากจำนวนที่อยู่ IP และการดาวน์โหลดไคลเอนต์ ก่อนอื่นเราจะเลือกประเทศที่ระดับกิจกรรมอนุญาตให้ทำการวิเคราะห์ สำหรับแต่ละหนึ่งปีที่ย้ายหน้าต่างด้วยขั้นตอนหนึ่งเดือนตั้งแต่ 2012-03-01 ถึง 2014-05-01 เรากรองประเทศที่จำนวนที่อยู่ IP ที่ไม่ซ้ำกันหรือการดาวน์โหลดไคลเอนต์ออกซ้ำแล้วซ้ำเล่า ต่ำกว่าค่ามัธยฐานตามลำดับ เมื่อสิ้นสุดกระบวนการกรอง เราเลือกกลุ่ม 72 ประเทศ ระบุไว้ใน Table 9 .

มีระดับความไม่แน่นอนเกี่ยวกับความเป็นไปได้ในการรับข้อมูลเกี่ยวกับผู้ใช้จากที่อยู่ IP และการดาวน์โหลดไคลเอนต์ Bitcoin อันที่จริง ที่อยู่ IP แรกคือการระบุที่มาของธุรกรรมที่ส่งเสียงดัง ในขณะที่ Bitcoin Core ไม่ใช่ไคลเอนต์ Bitcoin เพียงรายเดียวที่ใช้งานและอาจให้ภาพรวมบางส่วนของการนำ Bitcoin มาใช้โดยรวม เพื่อตรวจสอบว่าพวกเขาให้ภาพที่สอดคล้องกันของการนำ Bitcoin ไปใช้หรือไม่ เราศึกษาความสัมพันธ์ระหว่างอนุกรมเวลาทั้งสองและหลังจากลบความผันผวนเล็กน้อยโดยใช้ค่าเฉลี่ยหน้าต่างเคลื่อนที่ (ความยาวหน้าต่าง: 1 เดือน ออฟเซ็ต: 1 วัน) เราวัดจริง ๆ มีความสัมพันธ์สูง (ตารางที่ 4). ข้อเท็จจริงที่ว่ามีความสัมพันธ์เชิงบวกแม้ว่าพวกเขาอาจกังวลเกี่ยวกับผู้ใช้ที่แตกต่างกัน ก็สนับสนุนให้ใช้แหล่งข้อมูลเหล่านี้เป็นพร็อกซีสำหรับการกระจายผู้ใช้ระหว่างประเทศ นอกจากนี้ เราคำนวณค่าสัมประสิทธิ์สหสัมพันธ์ของ Spearman ระหว่างการจัดอันดับประเทศที่กำหนดโดยที่อยู่ IP และการดาวน์โหลดของไคลเอ็นต์ในสามปีที่แตกต่างกัน ซึ่งได้ข้อสรุปเดียวกัน

ตารางที่ 4 ความสัมพันธ์ระหว่างอนุกรมเวลาของ Google Trends จำนวน IP ที่ไม่ซ้ำ และการดาวน์โหลดไคลเอ็นต์ Bitcoin ที่นี่ เรารายงานความสัมพันธ์ระหว่างอนุกรมเวลาในระดับโลกและความสัมพันธ์เฉลี่ยในระดับประเทศ ในช่วงเดือนมีนาคม 2555 ถึงพฤษภาคม 2557 นอกจากนี้ การเลือกระยะเวลาหนึ่งปีที่เราคำนวณความสัมพันธ์ระหว่าง Spearman ระหว่างประเทศ จัดอันดับโดยใช้ ผู้รับมอบฉันทะทั้งสาม
ตารางขนาดเต็ม
เรายังต้องเผชิญกับอนุกรมเวลาของ Google Trends ด้วยจำนวน IP ที่ไม่ซ้ำกันและการดาวน์โหลดไคลเอ็นต์โดยคำนวณหาความสัมพันธ์แบบคู่ของเพียร์สัน ด้วยความสัมพันธ์สูงดังแสดงในตารางที่ 4เราจึงสรุปได้ว่าอนุกรมเวลาของ Google Trends อาจใช้เป็นตัวบ่งชี้ถึงประเทศที่นำ Bitcoin ไปใช้ เราคิดว่าสมมติฐานนี้คงอยู่ตลอดระยะเวลาการเก็บรวบรวมข้อมูลของ Google Trends ที่นานกว่าแหล่งข้อมูลอื่นๆ ซึ่งช่วยให้เราสามารถหารือเกี่ยวกับแนวโน้มการรับเลี้ยงบุตรบุญธรรมในระยะยาวของประเทศที่เลือก

เพื่อประเมินความเกี่ยวข้องของการใช้อนุกรมเวลาการค้นหา Bitcoin เพื่อเปรียบเทียบการยอมรับประเทศ เรายังวัดความสัมพันธ์ของ Spearman ระหว่างการจัดอันดับคู่ของประเทศโดยการค้นหา Bitcoin จำนวนไคลเอนต์ Bitcoin ที่ดาวน์โหลด และ IP ใหม่ที่ปรากฏ ความสัมพันธ์ก็สูงเช่นกัน ยกเว้นในปี 2012 ที่สัญญาณเกี่ยวกับการค้นหา Bitcoin ต่ำเกินไปสำหรับการเปรียบเทียบระหว่างประเทศ นอกจากนี้ การจัดอันดับประเทศตามคำค้นหาของ Google ยังขึ้นกับการใช้งาน Google ตามประเทศเป็นอย่างมาก ซึ่งอาจต่างกันมาก เนื่องจากไม่มีการปรับมาตรฐานเล็กน้อยเพื่อชดเชยความแตกต่างของการใช้งาน Google ภายในประเทศ เราจะไม่ใช้อันดับที่จัดไว้ให้โดยการจัดเรียง Google เทรนด์ตามประเทศ

แนวโน้มการยอมรับ: ประเทศกำลังพัฒนากับประเทศที่พัฒนาแล้ว
เราใช้ข้อมูลจาก Google Trends ศึกษาวิวัฒนาการของความสนใจโดยรวมตามประเทศตั้งแต่ปี 2009 ถึงต้นปี 2017 เนื่องจากเราสนใจแนวโน้มในระยะยาว เราจึงปรับลำดับเวลาการค้นหา Bitcoin ให้เรียบตามประเทศโดยใช้ตัวกรองความถี่ต่ำเพื่อมุ่งเน้น การเปลี่ยนแปลงในช่วงเวลา 3 ปี เพื่อศึกษาแนวโน้มหลักที่มีอยู่ในอนุกรมเวลา เราได้สร้างเมทริกซ์เอ∈NSน× ม(โดยที่nแทนจำนวนประเทศ และmคือจำนวนจุดในชุดเวลา) และเราประมาณค่านั้นผ่านการแยกตัวประกอบเมทริกซ์ที่ไม่เป็นลบ (NMF) ให้เป็นผลคูณของเมทริกซ์W⋅ H กับ WเNSn × k และ ชมเNSk × m. การประยุกต์ใช้การประมาณดังกล่าวแต่ละประเทศ Bitcoin อนุกรมเวลาค้นหาสามารถแสดงเป็นการรวมกันเชิงเส้นของkส่วนประกอบเก็บไว้เป็นแถวของเมทริกซ์Hและมีค่าสัมประสิทธิ์ที่เก็บไว้ใน W ได้คัดเลือกจำนวนส่วนประกอบเป็นk = 4โดยใช้วิธีการตรวจสอบความถูกต้องแบบสองทาง [ 27 ] ด้านซ้ายมือของรูปที่ 5แสดงให้เห็นว่าบรรทัดฐาน Frobenius ของความแตกต่างระหว่างเมทริกซ์ต้นฉบับกับเมทริกซ์ที่ประมาณไว้มีแนวโน้มเป็นศูนย์ ในรูปที่ 6เราแสดงแนวโน้มโดยประมาณสำหรับอนุกรมเวลาที่ราบรื่นของ 6 ประเทศ รูปร่างขององค์ประกอบหลัก 4 จะแสดงในรูปที่. 5 เราสามารถเห็นแนวโน้มของการยอมรับด้วยการเพิ่มขึ้นสูงตั้งแต่กลางปี ​​2015 เท่านั้น ส่วนอีกสามองค์ประกอบจะผันผวนตามกาลเวลาและแสดงถึงแนวโน้มของความสนใจที่โดดเด่นอยู่แล้วในช่วงปีแรกๆ ของ Bitcoin ดูที่เมทริกซ์สัมประสิทธิ์Wเราแยกประเทศออกเป็น 2 กลุ่ม ประเทศที่มีองค์ประกอบที่เพิ่มขึ้นเป็นค่าสัมประสิทธิ์สูงสุด ซึ่งเราเรียกว่าประเทศที่กำลังเติบโต และประเทศอื่นๆ ที่มีองค์ประกอบหลักคือองค์ประกอบที่ผันผวน ซึ่งเราเรียกว่าประเทศที่ผันผวน ดังแสดงในตารางที่ 5การจัดกลุ่มประเทศตามดัชนีการพัฒนา เราสังเกตว่าประเทศที่พัฒนาแล้วส่วนใหญ่อยู่ในกลุ่มประเทศที่ผันผวน ในทางกลับกัน ประเทศกำลังพัฒนาส่วนใหญ่แสดงความสนใจใน Bitcoin สูงเมื่อเร็วๆ นี้ ภาพที่ออกมาจากการวิเคราะห์นี้คือในตอนแรก ความสนใจต่อ Bitcoin มาจากประเทศที่พัฒนาแล้วเท่านั้น ในขณะที่ตั้งแต่ปี 2015 เราสามารถเห็นความสนใจที่เพิ่มขึ้นในประเทศกำลังพัฒนา

รูปที่ 5
รูปที่ 5
ผลลัพธ์ของการแยกตัวประกอบของเมทริกซ์ที่แสดงถึงอนุกรมเวลาการค้นหา Bitcoin ( ก ) ข้อผิดพลาดในการสร้างใหม่เกี่ยวกับจำนวนการทำซ้ำ ข้อผิดพลาดในการสร้างใหม่ถูกกำหนดโดยบรรทัดฐานของ Frobenius ของความแตกต่างของเมทริกซ์ระหว่างเมทริกซ์ดั้งเดิมและเมทริกซ์โดยประมาณ ( ข ) การแสดงส่วนประกอบหลักด้วยk = 4. องค์ประกอบการเจริญเติบโต (สีแดง) แสดงให้เห็นถึงแนวโน้มของ adopters ใหม่ อีก 3 องค์ประกอบคือองค์ประกอบที่ผันผวน และส่วนใหญ่เป็นตัวแทนของสิ่งที่เราเรียกว่ากลุ่มลูกค้าแรกเริ่ม

ภาพขนาดเต็ม
รูปที่ 6
รูปที่ 6
อนุกรมเวลาของ Google Trends ต้นฉบับ กรองแล้วและสร้างใหม่ใน 6 ประเทศ เราวางแผนสำหรับแต่ละประเทศ: ค่าดิบจาก Google เทรนด์ (สีเขียว) เทรนด์ที่กรองแล้ว (สีแดง) และเทรนด์ที่สร้างใหม่หลัง NMF (สีน้ำเงิน) ในแถวแรก เราแสดง 2 ตัวอย่างของประเทศพัฒนาแล้วสูง (H) ที่มีแนวโน้มผันผวน ในแถวที่สองและสาม เรารายงานตัวอย่างของประเทศที่มีดัชนีการพัฒนาระดับกลางบน (UM) และระดับกลางล่าง (LM) และแนวโน้มการยอมรับที่เพิ่มขึ้น มีเส้นสีน้ำเงินแต่ซ่อนอยู่ใต้เส้นสีแดงเนื่องจากความดีของการประมาณ

ภาพขนาดเต็ม
ตารางที่ 5 การแบ่งแยกประเทศระหว่างประเทศที่มีแนวโน้มเพิ่มขึ้นเป็นหลักและอื่น ๆ สำหรับหมวดหมู่ดัชนีกำลังพัฒนาที่แตกต่างกัน (การจัดหมวดหมู่ของธนาคารโลกในระดับสูง (H) / ระดับบน (UM) / ระดับล่างล่าง (LM) และการจำแนกประเภทสหประชาชาติในประเทศที่พัฒนาแล้ว และกำลังพัฒนา)
ตารางขนาดเต็ม
ปัจจัยทางเศรษฐกิจและสังคมที่อยู่เบื้องหลังการรับเลี้ยงบุตรบุญธรรม
ตามที่วัดโดยดัชนีทางเศรษฐกิจและสังคม ประเทศที่เรากำลังวิเคราะห์มีความแตกต่างกันมาก ที่นี่เราพยายามเชื่อมโยงดัชนีทางเศรษฐกิจและสังคมต่างๆ กับแนวโน้มการยอมรับที่แตกต่างกัน โดยเน้นที่ช่วงเวลาหนึ่งปี เราคำนวณค่าสัมประสิทธิ์สหสัมพันธ์ของ Spearman ระหว่างอันดับของประเทศตามจำนวนการดาวน์โหลดไคลเอนต์หรือจำนวนที่อยู่ IP ที่ไม่ซ้ำกัน (ทำให้เป็นมาตรฐานโดยประชากร) และการจัดอันดับตามดัชนีทางเศรษฐกิจและสังคมที่แตกต่างกัน ในผลการรายงานในตารางที่ 6เราสังเกตความสัมพันธ์เชิงบวกสูงทั้งกับการเจาะอินเทอร์เน็ต, GDP ต่อหัว (PPP), HDI และความสัมพันธ์เชิงลบเล็กน้อยกับอัตราเงินเฟ้อ ภาพทั่วไปที่ปรากฎคือสวัสดิการทางเศรษฐกิจและสังคมดังที่มีอยู่ในประเทศที่พัฒนาแล้วส่วนใหญ่ ดูเหมือนจะกระตุ้นการยอมรับ Bitcoin อย่างน้อยในปี 2011, 2012, 2013 และ 2014 ซึ่งเราสามารถดำเนินการวิเคราะห์นี้ได้

ตารางที่ 6 ความสัมพันธ์ระหว่าง Spearman ระหว่างอันดับของประเทศที่ได้รับโดยใช้จำนวนที่อยู่ IP ที่ไม่ซ้ำกันและดัชนีทางเศรษฐกิจและสังคมแต่ละรายการที่รวบรวม และอันดับที่ได้รับโดยใช้จำนวนการดาวน์โหลดไคลเอ็นต์ Bitcoin และดัชนีทางเศรษฐกิจและสังคมแต่ละรายการที่รวบรวม
ตารางขนาดเต็ม
นอกเหนือจากความสัมพันธ์ที่คาดหวัง เช่น ความสัมพันธ์เกี่ยวกับการเจาะอินเทอร์เน็ตซึ่งเป็นเงื่อนไขสำคัญในการเข้าร่วมในเครือข่าย Bitcoin ผลลัพธ์ที่ได้รับสำหรับเสรีภาพโดยรวมและเสรีภาพทางการค้านั้นน่าสนใจเป็นพิเศษ ดัชนีทั้งสองเป็นตัววัดเสรีภาพทางเศรษฐกิจ เสรีภาพทางการค้าวัดการมีอยู่ของอุปสรรคที่ส่งผลกระทบต่อการนำเข้าและส่งออกสินค้าและบริการ โดยวัดจากอัตราภาษีศุลกากรเฉลี่ยที่มีผลต่อการนำเข้าและส่งออกสินค้าและบริการ และคะแนนการลงโทษที่วัดปริมาณกฎระเบียบทางการค้าประเภทอื่นๆ ดัชนีเสรีภาพทางเศรษฐกิจโดยรวมใช้มุมมองที่ครอบคลุมเกี่ยวกับปฏิสัมพันธ์ของประเทศกับส่วนอื่นๆ ของโลกและนโยบายเศรษฐกิจและการเงินภายในประเทศ เป็นการรวมมาตรการสำหรับสี่ประเภทกว้าง ๆ: หลักนิติธรรม (สิทธิในทรัพย์สิน ประสิทธิภาพการพิจารณาคดี ความสมบูรณ์ของรัฐบาล); ขนาดของรัฐบาล (ภาระภาษี การใช้จ่ายของรัฐบาล และสุขภาพทางการคลัง); ประสิทธิภาพการกำกับดูแล (เสรีภาพทางธุรกิจ เสรีภาพแรงงาน และเสรีภาพทางการเงิน) และการเปิดตลาด (เสรีภาพทางการค้า เสรีภาพในการลงทุน และเสรีภาพทางการเงิน) ความสัมพันธ์แสดงให้เห็นความสัมพันธ์เชิงบวกระหว่างการยอมรับ Bitcoin และนโยบายที่ส่งเสริมเสรีภาพทางเศรษฐกิจ ซึ่งค่อนข้างขัดกับความคิดทั่วไปที่ว่าการนำ Bitcoin ไปใช้อาจถูกขับเคลื่อนโดยกฎหมายที่เข้มงวดเกินไป

เครือข่ายกระแส Bitcoin ระหว่างประเทศ
ในส่วนที่สองนี้ เราพยายามระบุดัชนีทางเศรษฐกิจและสังคมที่สำคัญที่เกี่ยวข้องกับกระแส Bitcoin ระหว่างประเทศ กระบวนการที่นำไปสู่การประมาณค่าของเครือข่ายกระแส Bitcoin ประกอบด้วยอันดับแรกในการจัดกลุ่มที่อยู่ Bitcoin ให้กับผู้ใช้ ผ่านกระบวนการ deanonymization จากนั้นในแผนที่ที่กำหนดผู้ใช้ไปยังประเทศต่างๆ

การระบุผู้ใช้—การจัดกลุ่มที่อยู่
ธุรกรรม Bitcoin เกิดขึ้นระหว่างที่อยู่ Bitcoin ซึ่งเป็นผลมาจากการใช้ฟังก์ชันแฮชกับสตริงอินพุตบางตัว นอกจากนี้ ผู้ใช้ยังสามารถสร้างที่อยู่ Bitcoin ใหม่ได้โดยไม่มีข้อจำกัดเพื่อเก็บ รับ และส่ง Bitcoin ราคาถูกและไม่มีค่าใช้จ่ายสำหรับพวกเขา ขั้นตอนนี้ทำให้กิจกรรมของผู้ใช้ไม่ระบุชื่อ เนื่องจากเราไม่สามารถทราบลำดับความสำคัญได้ว่าผู้ใช้รายใดมีส่วนร่วมในการทำธุรกรรม หรือชุดที่อยู่ Bitcoin ใดที่เป็นของผู้ใช้คนเดียวกัน

อย่างไรก็ตาม มีวิธีการยกเลิกการระบุตัวตนบางส่วนและอนุญาตให้เปิดเผยกลุ่มที่อยู่ Bitcoin ที่มีแนวโน้มว่าเป็นเจ้าของโดยผู้ใช้รายเดียว ขั้นตอนเพิ่มเติมนี้จำเป็นสำหรับเราในการตั้งสมมติฐานเกี่ยวกับประเทศปลายทางของการทำธุรกรรม เนื่องจาก IP proxy จะให้ข้อมูลเกี่ยวกับผู้ส่งธุรกรรมเท่านั้น นอกจากนี้ กระบวนการนี้ยังมีประโยชน์ในการลบที่อยู่การเปลี่ยนแปลงตนเองและรายการที่เกี่ยวข้องดังที่อธิบายไว้ด้านล่าง วิธีนี้ใช้การวิเคราะห์พฤติกรรมสองแบบที่ได้รับแรงบันดาลใจจากการทำงานพื้นฐานของธุรกรรม Bitcoin [ 21 , 28 – 32 ] โดยเฉพาะอย่างยิ่ง เราอาศัยคำจำกัดความที่รายงานใน“ลักษณะการชำระเงินท่ามกลางผู้ชายที่ไม่มีชื่อ” [ 29]. ผู้สร้าง Bitcoin แนะนำในเอกสารต้นฉบับของเขา ฮิวริสติกแรกที่เกี่ยวข้องกับที่อยู่อินพุต [ 33 ] ผู้ใช้ที่มีที่อยู่ Bitcoin มากกว่าหนึ่งแห่งสามารถระบุที่อยู่อินพุตได้จำนวนหนึ่งเพื่อให้ถึงจำนวนเงินที่ต้องการใช้จ่าย เนื่องจากการทำงานนี้ ผู้ใช้คนเดียวกันอาจเก็บที่อยู่อินพุตทั้งหมดของธุรกรรม การสังเกตนี้ใช้เพื่อสร้างฮิวริสติกแรก โทรทีการทำธุรกรรมและฉันn p u t ( t ) ชุดของที่อยู่อินพุตทั้งหมด เราสรุปฮิวริสติกแรกเป็น:

ฮิวริสติก 1
หากมีการป้อนข้อมูลที่อยู่ Bitcoin สองแห่ง (หรือมากกว่า) ในธุรกรรมเดียวกัน ที่อยู่เหล่านี้จะถูกควบคุมโดยผู้ใช้คนเดียวกัน

สำหรับการทำธุรกรรมทีทั้งหมดฉันn p u t ( t ) ถูกควบคุมโดยผู้ใช้คนเดียวกัน

บนมืออื่น ๆ ที่แก้ปัญหาที่สองใช้นิยามของเงา / ที่อยู่การเปลี่ยนแปลง ยอดรวมของ Bitcoin ที่มีอยู่ในที่อยู่อินพุตจะต้องใช้ไปทั้งหมด ด้วยเหตุนี้ ส่วนหนึ่งของจำนวนเงินที่เกินมูลค่าที่ผู้ส่งต้องการใช้จ่ายมักจะถูกส่งไปยังที่อยู่ Bitcoin ใหม่ ที่อยู่หลังเรียกว่าเงา (เปลี่ยน) ที่อยู่ซึ่งสร้างโดยผู้ส่งโดยมีวัตถุประสงค์เพียงเพื่อรวบรวมการเปลี่ยนแปลงกลับ สำหรับแต่ละธุรกรรม ที่อยู่เอาต์พุตตัวใดตัวหนึ่งอาจเป็นที่อยู่เงา

โทร NSผม ที่อยู่ Bitcoin ที่เราเน้นที่ชุดของที่อยู่ส่งออก {NSผม}ฉัน∈ [[ 1 , n ]] ของการทำธุรกรรม o ยูทีพียูที( T ). เราโทรไปหลายครั้งตามที่อยู่NSผม ถูกใช้เป็นผลลัพธ์ของธุรกรรมเป็น NSoNSผม. เรามุ่งเน้นไปที่ธุรกรรมที่มีที่อยู่ส่งออกอย่างน้อยnรายการn ≥ 2 และใช้ขั้นตอนต่อไปนี้เพื่อระบุที่อยู่เงา:

ฮิวริสติก 2
ที่อยู่เงา NSผม∈ o ยูทีพียูทีs ( T )หากมีอยู่จะถูกควบคุมโดยผู้ใช้คนเดียวกับที่ควบคุม ฉันn p u t s ( t ). NSผม ถูกจัดประเภทเป็นเงาที่อยู่หากตรงตามเงื่อนไขทั้งสองต่อไปนี้:

NSoNSผม= 1 และ ∀ เจ∈ [[ 1 , n ]] ∖ ฉัน NSoNSNS≠ 1

ที่อยู่ Bitcoin NSผม ปรากฏเพียงครั้งเดียวเป็นเอาต์พุตของธุรกรรม และไม่มีที่อยู่เอาต์พุตอื่น NSNS เกิดขึ้นเพียงครั้งเดียว

∀ ฉัน∈ [[ 1 , n ]] NSผม∉ อินพุต( T )

ไม่มีที่อยู่เงาของตัวเองที่ชัดเจน ในแง่ที่ว่าไม่มีที่อยู่ Bitcoin ที่แสดงทั้งเป็นอินพุตและเอาต์พุตของธุรกรรมเดียวกัน

หลังจากใช้ทั้งสอง heuristics เราไม่มีกลุ่มผู้ใช้โดยตรง แต่เรามีเพียงการรวมบางส่วนที่ระดับธุรกรรมเท่านั้น ตัวอย่างเช่น ให้เราสมมติธุรกรรมที่เกี่ยวข้องกับที่อยู่ A, B, C, D, E ซึ่งส่งผลให้มีสามกลุ่ม{ A , B , C }, { , D }, และ { D , E }หลังจากกระบวนการยกเลิกการระบุชื่อ แล้ว{ A , B , C , D , E }ควรถูกมองว่าเป็นที่อยู่ Bitcoin ของผู้ใช้รายเดียวกัน กล่าวอีกนัยหนึ่ง กลุ่มที่จุดตัดไม่ใช่∅ควรรวมเข้าด้วยกัน กระบวนการจัดกลุ่มนี้กลายเป็นเรื่องท้าทายสำหรับชุดข้อมูลขนาดใหญ่ของเรา การวิเคราะห์พฤติกรรมถูกนำไปใช้กับแต่ละธุรกรรมและสร้างกลุ่มที่อยู่จำนวนมาก ซึ่งเราต้องตรวจสอบทางแยกทั้งหมดเพื่อตัดสินใจว่าจะจัดกลุ่มหรือไม่ อย่างไรก็ตาม ปัญหานี้สามารถจับคู่กับปัญหาในการค้นหาส่วนประกอบที่เชื่อมต่อในเครือข่ายได้ เราสร้างเครือข่ายซึ่งที่อยู่ Bitcoin เป็นตัวแทนของโหนดและเชื่อมโยงเข้าด้วยกันหากอยู่ในกลุ่มบางส่วนเดียวกัน จากนั้นเราแยกส่วนประกอบที่เชื่อมต่อของเครือข่ายนี้ แต่ละองค์ประกอบที่เชื่อมต่อแสดงถึงกลุ่มที่สมบูรณ์ของที่อยู่ของผู้ใช้ทั้งหมด

กระบวนการ deanonymization ทั้งหมดมีความไวสูงต่อความไม่สมบูรณ์ของ heuristics ผลกระทบที่อาจเกิดขึ้นจากข้อผิดพลาดในการเรียนรู้สำนึกคือการอนุมานการจัดกลุ่มที่ไม่ถูกต้องจากธุรกรรมบางอย่าง ซึ่งอาจนำไปสู่การยุบที่อยู่ Bitcoin ของผู้ใช้ที่แตกต่างกันไปเป็นเอนทิตีเดียว โดยมีความเสี่ยงในการสร้างผู้ใช้ที่ดูเหมือนจะควบคุมที่อยู่ Bitcoin จำนวนมาก เมื่อตระหนักถึงปัญหานี้ เราจึงพยายามใช้การวิเคราะห์พฤติกรรมที่ปลอดภัยที่สุดเท่าที่จะเป็นไปได้ แม้ว่าจะต้องละทิ้งการเชื่อมโยงที่แท้จริงระหว่างที่อยู่ Bitcoin ก็ตาม เนื่องจากอาจมีการเชื่อมโยงที่ผิดพลาดเกิดขึ้น ช่วงเวลาที่เราใช้สำหรับการไม่ระบุชื่อจึงเริ่มมีบทบาทสำคัญ ยิ่งระยะเวลาในการวิเคราะห์นานขึ้น ความน่าจะเป็นที่ข้อผิดพลาดจะทำให้เกิดกลุ่มที่อยู่ Bitcoin ขนาดใหญ่ก็จะยิ่งมากขึ้น

ผลลัพธ์ที่แสดงในส่วนนี้อิงตามกระบวนการลบข้อมูลระบุตัวตน ซึ่งพิจารณาธุรกรรมทั้งหมดที่เกิดขึ้นในปี 2556 (กล่าวคือ ปีเดียวที่เรามีข้อมูล IP ที่สมบูรณ์) เพื่อให้มั่นใจว่าผลลัพธ์ที่ได้ค่อนข้างเป็นอิสระจากช่วงเวลาที่พิจารณาสำหรับการไม่ระบุชื่อ เราจึงทำการวิเคราะห์แบบจำลองทั้งหมด—อธิบายไว้ด้านล่าง—โดยใช้การไม่ระบุชื่อในช่วงเวลาต่างๆ โดยเฉพาะอย่างยิ่ง เราใช้ช่วงเวลาระหว่างบล็อก 1 และบล็อก400,000 (อันสุดท้ายในฐานข้อมูลของเรา) และอันระหว่าง block 180,000 และ 300,000(ที่สอดคล้องกับช่วงเวลาที่เรามีข้อมูล IP) ในทั้งสองกรณี ผลลัพธ์จะคล้ายคลึงกันและนำไปสู่การระบุปัจจัยทางเศรษฐกิจและสังคมเดียวกันที่สามารถอธิบายการไหลของ Bitcoin ระหว่างประเทศได้

สุดท้ายหลังจากเรียกใช้ deanonymization เราสามารถสร้างเครือข่ายธุรกรรมระหว่างผู้ใช้ โดยระบุที่อยู่เงาในธุรกรรม

สมาคมประเทศ
ต้องขอบคุณขั้นตอนการลบข้อมูลระบุตัวตน เราสามารถระบุธุรกรรมที่ผู้ใช้รายใดรายหนึ่งปรากฏว่าเป็นผู้ส่ง (ผู้สร้าง) สมมติว่าโหนด/IP แรกที่ถ่ายทอดธุรกรรมเป็นผู้สร้าง เราสามารถเชื่อมโยงรายการ IP ที่ใช้ในการส่ง Bitcoins กับผู้ใช้แต่ละราย การใช้ IP geo-localization ทำให้เราสามารถเชื่อมโยงประเทศต่างๆ กับผู้ใช้ได้แล้ว การดูที่อยู่ IP ของผู้ใช้อย่างรวดเร็วเผยให้เห็นว่าเราอยู่ห่างไกลจากสถานการณ์ในอุดมคติที่ผู้ใช้ทุกคนทำงานด้วย IP เดียว (และสามารถเชื่อมโยงกับประเทศเดียว) ซึ่งนอกจากนั้น IP นี้จะไม่ถูกนำไปใช้โดยบุคคลอื่น บริการ Bitcoin (เช่น โครงสร้างพื้นฐานที่อนุญาตให้ผู้ใช้ทำธุรกรรมโดยไม่ต้องเป็นโหนดของเครือข่าย Bitcoin) สร้างปัญหานี้บางส่วน เนื่องจากผู้ใช้ถูกมองว่าใช้ที่อยู่ IP ที่เป็นของบริการ นอกจากนี้, ผู้ใช้ที่ไม่ได้ใช้บริการอาจใช้ที่อยู่ IP หลายแห่งเช่นกัน เพื่อสร้างสมดุลของการมีอยู่ของบริการในการใช้งานที่อยู่ IP เราสร้างตัวชี้วัดที่มีรูปแบบเดียวกับระยะความถี่-ความถี่เอกสารผกผัน (TFIDF) เมตริก [ 34 ] ที่ใช้กันทั่วไปเพื่อสะท้อนถึงความสำคัญของคำภายในเอกสาร อันที่จริง เราต้องการพิจารณาความถี่ที่ผู้ใช้ใช้ IP หนึ่งโดยเฉพาะเมื่อเปรียบเทียบกับกิจกรรมโดยรวมของเขา และความถี่ในการใช้ IP นี้ในหมู่ผู้ใช้ทั้งหมด ตัวชี้วัดนี้เคารพหลักการหลักสองประการที่เราพิจารณาว่ามีความสำคัญต่อการเลือกปฏิบัติ:

1.
คะแนนจะตอบแทนการใช้งาน IP ที่ใกล้เคียงกับสถานการณ์ในอุดมคติ ซึ่งผู้ใช้รายเดียวใช้ที่อยู่ IP ซึ่งใช้เฉพาะที่อยู่ IP นั้นเท่านั้น

2.
เนื่องจากผู้ใช้สามารถใช้ที่อยู่ IP ที่แตกต่างกันได้ ตัวชี้วัดนี้จึงพิจารณาอัตราส่วนระหว่างการใช้ IP ของผู้ใช้และกิจกรรมของผู้ใช้โดยรวม (วัดจากจำนวนที่อยู่ IP)

สูตรที่ใช้ในการกำหนดตำแหน่งทางภูมิศาสตร์ของผู้ใช้มีการรายงานในภาคผนวก B.1ร่วมกับเวอร์ชันทางเลือกตามหลักการที่คล้ายคลึงกัน ซึ่งสร้างขึ้นเพื่อทดสอบความทนทานของงานที่มอบหมาย เนื่องจากตัววัดใช้ข้อมูล IP เราจึงดำเนินการวิเคราะห์นี้สำหรับช่วงเวลาที่จำกัดตั้งแต่เดือนมีนาคม 2012 ถึงพฤษภาคม 2014 (ดูหัวข้อที่ 2 ) ขั้นตอนการระบุตำแหน่งทางภูมิศาสตร์ช่วยให้สามารถระบุปลายทางและต้นทางได้ 79% ของธุรกรรมในปี 2556

เพื่อทดสอบความทนทานของการมอบหมายประเทศ เราเปรียบเทียบผลลัพธ์ของตัวชี้วัดทั้ง 2 เวอร์ชัน โดยพบว่า 98% ของผู้ใช้ได้รับการเชื่อมโยงแบบเดียวกัน หนึ่งในผู้ใช้ที่จำแนกผิดเป็นผู้ใช้ที่ใช้งานมากในปี 2013 วิธีการตาม TFIDF จำแนกตามประเภทมาจากสหรัฐอเมริกาและตัวชี้วัดอื่นๆ เป็นภาษาเยอรมัน ส่งผลให้เกิดความแตกต่างในกระแสระหว่างประเทศ แต่เนื่องจากสหรัฐอเมริกาและเยอรมนีเป็นประเทศพัฒนาแล้วที่มีดัชนีทางเศรษฐกิจและสังคมที่คล้ายคลึงกัน จะไม่เปลี่ยนการตีความผลลัพธ์ในส่วนการสร้างแบบจำลอง

เครือข่ายการไหล
หลังจากกำหนดประเทศให้กับผู้ใช้แต่ละคนแล้ว เราได้สร้างเครือข่ายการค้า Bitcoin ซึ่งโหนดเป็นตัวแทนของประเทศและลิงก์ที่ถ่วงน้ำหนักแสดงถึงจำนวน Bitcoins ที่แลกเปลี่ยนแปลงเป็นดอลลาร์ จากนี้ไป เราจะมุ่งเน้นไปที่การทำธุรกรรมที่ทำได้ในปี 2556 และทำงานร่วมกับกลุ่มประเทศที่ถูกจำกัดซึ่งวิเคราะห์ในส่วนแรกของงาน ในรูปที่ 7การแสดงภาพของเครือข่ายกระแส Bitcoin ระหว่างประเทศจะแสดงขึ้น

รูปที่ 7
รูปที่7
การแสดงภาพกระแส Bitcoin ระหว่างประเทศในปี 2013 ขนาดของแต่ละริบบิ้นเป็นสัดส่วนกับปริมาณของ Bitcoin ที่แสดงเป็นดอลลาร์ที่แลกเปลี่ยนระหว่าง 2 ประเทศ (สีของริบบิ้นระบุประเทศผู้ส่ง) บนวงกลมภายนอก เราแสดงการแบ่งโฟลว์ใหม่ในแง่ของการส่ง (แถบภายนอก) และรับ (แถบภายนอก) สำหรับแต่ละประเทศ (หรือกลุ่มประเทศ) การแบ่งกลุ่มประเทศเป็นไปเพื่อวัตถุประสงค์ในการมองเห็น สมาชิกของกลุ่มจะได้รับในตารางที่ 9 ประเทศที่แลกเปลี่ยนน้อยกว่าจำนวนที่กำหนดจะถูกจัดเรียงตามจำนวนที่แลกเปลี่ยนและแยกออกเป็น 3 กลุ่มซึ่งให้จำนวนเงินที่แลกเปลี่ยนทั้งหมดสมเหตุสมผลจากมุมมองของการแสดงภาพ การเป็นตัวแทนทำได้โดยใช้ Circos [ 35 ]

ภาพขนาดเต็ม
การสร้างแบบจำลองการไหล
เพื่อทำความเข้าใจว่าดัชนีทางเศรษฐกิจและสังคมใดที่อาจอธิบายการไหลของ Bitcoin ได้ เราจึงสร้างแบบจำลองโดยใช้แบบจำลองแรงโน้มถ่วงเป็นจุดเริ่มต้นซึ่งแนะนำโดย Jan Tinbergen ในปี 1962 [ 36 ] และใช้เพื่อจำลองกระแสการค้าทวิภาคีของสินค้าและบริการต่างๆ ระหว่างประเทศ รูปแบบพื้นฐานของแบบจำลองนี้คล้ายกับกฎความโน้มถ่วงของนิวตัน: ใช้ดัชนีทางเศรษฐกิจและสังคมที่แสดงถึงมวลเศรษฐกิจของประเทศa ,NSNSและทำให้ปฏิสัมพันธ์แข็งแกร่งขึ้น และตัวแปรที่แสดงระยะห่างระหว่างประเทศ NSขซึ่งลดความแรงของการโต้ตอบ การเพิ่มค่าคงที่Gโมเดลนี้จะมีรูปแบบ:

NSข= GNSβ1NSNSβ2NSNSβ3ข,
(1)
ที่ไหน NSขแสดงถึงกระแสระหว่างประเทศaและbและβ1, β2, β3เป็นสัมประสิทธิ์ที่ใช้ค่าจริง วิธีการดั้งเดิมสำหรับการปรับโมเดลให้เหมาะสมประกอบด้วยการใช้ลอการิทึมของทั้งสองฝ่าย นำไปสู่แบบจำลองล็อก-ล็อก ซึ่งเป็นไปได้ที่จะทำการถดถอยเชิงเส้น [ 37 ] (β0= ln( จี)).

ln(NSข) =β1ln(NSNS) +β2ln(NSNS) −β3ln(NSข) +β0.
(2)
ที่นี่เราใช้แบบจำลองแรงโน้มถ่วงเสริม ( 38 – 40 ] ซึ่งหมายความว่าเรากำลังพิจารณาตัวแปรเพิ่มเติม โทร{NSขผม}ฉัน∈ [[ 1 , n ]]ที่nตัวแปรที่อาจเป็นได้ทั้งปริมาณเดียวในประเทศ (เช่นฝูงNSNS และ NSNS) หรือปริมาณที่เกี่ยวข้องกับสองประเทศ ( , B ) (เช่น ระยะทาง NSข) ตอนนี้โมเดลสามารถเขียนได้ดังนี้:

ln(NSข) =เผม= 1NSβผม lnNSขผม+β0.
(3)
เชิงบวก βผม มีความเกี่ยวข้องกับตัวแปร NSขผมที่ส่งผลต่อมวลของประเทศในขณะที่ค่าลบแทนตัวแปรที่ทำหน้าที่เหมือนระยะทาง อย่างไรก็ตาม วิธีการนี้ไม่สามารถจำลองการสังเกตศูนย์ได้ และการประมาณสมการเชิงเส้นล็อกด้วยกำลังสองน้อยที่สุด (OLS) สามารถนำไปสู่อคติที่มีนัยสำคัญภายใต้ความต่างศักย์ [ 41 ] อีกทางเลือกหนึ่ง เป็นไปได้ที่จะทำงานกับรูปแบบการคูณของมัน ดังแสดงในสมการที่4แทนที่การถดถอยเชิงเส้นด้วยการถดถอยแบบปัวซอง[ 41 ]

อี (NSข) = exp{เผม= 1NSβผม NSขผม+β0} .
(4)
เวกเตอร์ β = [β0 ⋯ βNS] เป็นการประมาณการเพิ่มความเป็นไปได้ของบันทึกปัวซองให้มากที่สุด:

ล. ( β | X, F) =เ∀ ( , B )(NSข⋅ ( β ⋅NSข) −อีβ ⋅NSข) ,
(5)
โดยที่Fคือเวกเตอร์ที่มีกระแส Bitcoin ระหว่างประเทศmคู่และXคือ anม× ( n + 1 ) เมทริกซ์ โดยที่แต่ละคอลัมน์ถูกกำหนดโดยเวกเตอร์ NSข ที่มีค่าเป็นตัวแปร NSขผมฉัน∈ [[ 1 , n ]] ต่อกันเป็น 1 ที่นำมาพิจารณาพจน์คงที่ β0.

ในที่นี้ เราใช้ตัวแปรกลุ่มต่อไปนี้ที่พบบ่อยในวรรณคดีเกี่ยวกับการค้า: ประชากร ระยะทาง GDP ต่อหัว และตัวแปรปฏิสัมพันธ์ที่ระบุประเทศที่มีภาษากลางหรือพรมแดนทางภูมิศาสตร์ร่วมกัน นอกจากนี้เรายังพิจารณา Freedom to Trade, Overall Freedom, Internet Penetration และ World Bank จำแนกตามประเภทของรายได้ตามที่เราสังเกตเห็น (ดูตารางที่ 6และตารางที่ 5 ) ที่เชื่อมโยงกับการนำ Bitcoin ไปใช้ โดยเฉพาะอย่างยิ่ง เราตัดสินใจพิจารณาตัวแปรไบนารีที่มีค่า 1 สำหรับประเทศที่มีรายได้สูง (ดัชนี H) หรือ 0 อย่างอื่น นอกเหนือจากชุดข้อมูลที่อธิบายไว้ก่อนหน้านี้ เราได้ดาวน์โหลดชุดข้อมูลที่มีข้อมูลเกี่ยวกับประเทศที่มีพรมแดนติดกันหรือภาษาเดียวกัน [ 42]. สุดท้าย เราใช้ฐานข้อมูลที่รายงานระยะห่างระหว่างแต่ละคู่ของประเทศ โดยวัดโดยใช้ข้อมูลระดับเมืองเพื่ออธิบายการกระจายตัวตามภูมิศาสตร์ของประชากรในแต่ละประเทศ [ 42 ]เชิงอรรถ2

ในขั้นตอนก่อนการประมวลผล ตัวแปรต่างๆ จะได้รับการกำหนดมาตรฐาน และกระแส Bitcoin จะถูกประเมินเป็นล้านดอลลาร์ จากนั้นเราจะจำลองเครือข่ายโฟลว์โดยเพิ่มโอกาสสูงสุดที่แนะนำด้านล่างด้วยตัวแปรทั้งหมดที่กล่าวถึง แม้จะมีความแตกต่างกันของประเทศในแง่ของแนวโน้มการรับเลี้ยงบุตรบุญธรรม แต่แบบจำลองก็ประสบความสำเร็จaNS2คะแนน 0.75 สิ่งนี้เป็นการยืนยันว่าดัชนีทางเศรษฐกิจและสังคมที่นำมาพิจารณาเป็นตัวบ่งชี้ที่ดีสำหรับกระแส Bitcoin ระหว่างประเทศ

เพื่อระบุตัวขับเคลื่อนหลักของกระแส Bitcoin ระหว่างดัชนีทางเศรษฐกิจและสังคม เราทำการเลือกตัวแปร เพื่อจุดประสงค์นี้ เราขอแนะนำหลี่1การทำให้เป็นมาตรฐานสำหรับโมเดล ในทางปฏิบัติ เราประมาณการตัวแปรที่ย่อให้เล็กสุด

– L ( β| NS, Y) + λเผม= 1NS|βผม| ,
(6)
โดยที่λควบคุมความสำคัญของเงื่อนไขการทำให้เป็นมาตรฐาน เราทำซ้ำขั้นตอนนี้โดยเพิ่มค่าของλจาก 10 −3เป็น 10 1 . สิ่งนี้นำไปสู่การยกเลิกสัมประสิทธิ์ของตัวแปรที่มีส่วนทำให้การไหลน้อยลง ที่นี่เราใช้การตรวจสอบความถูกต้องข้าม 10 เท่าเพื่อตั้งค่าของλและเราใช้ค่าเฉลี่ยความคลาดเคลื่อนกำลังสองเฉลี่ยในการพับต่างๆ เป็นเมตริกเพื่อเปรียบเทียบประสิทธิภาพของโมเดล การพับ 10 ครั้งแต่ละครั้งจะสัมพันธ์กับรายชื่อคู่ประเทศที่สุ่มเลือก เราใช้ชุดทดสอบพับที่kที่มีNSk คู่รักของประเทศ ( a b)k. โทรNS− kλโมเดลที่มีเงื่อนไขการทำให้เป็นมาตรฐานλ ที่ได้รับการฝึกฝนโดยไม่รวมส่วนkเราคำนวณข้อผิดพลาดในการตรวจสอบข้ามประวัติย่อk เป็นค่าคลาดเคลื่อนกำลังสองเฉลี่ยในชุดทดสอบ:

ประวัติย่อk( λ ) =1NSkเ∀ ( ข)k(NSNSNSk−NS− kλ(NSNSNSk))2.
(7)
จากนั้นเราคำนวณค่าเฉลี่ยของ ประวัติย่อk( λ ), ส่วนเบี่ยงเบนมาตรฐาน (SD) และข้อผิดพลาดมาตรฐาน (SE) เป็น:

SD( λ ) =var(ประวัติย่อ1( λ ) ⋯ประวัติย่อk( λ ) )−−−−−−−−−−−−−−−−−−−√,SE( λ ) =SD( λ )k−−√.
ในรูปที่ 8สำหรับแต่ละค่าของλ ที่ทดสอบ เราแสดงค่าคลาดเคลื่อนกำลังสองเฉลี่ย

รูปที่ 8
รูปที่ 8
ข้อผิดพลาดในการตรวจสอบข้าม ค่าเฉลี่ยข้อผิดพลาดยกกำลังสอง (MSE) สำหรับค่าที่แตกต่างกันของระยะกูλ เส้นแนวตั้งด้านขวาแสดงถึงค่าของλ ที่เลือกด้วยกฎข้อผิดพลาดมาตรฐานหนึ่งข้อ และเส้นด้านซ้ายระบุตำแหน่งของค่าต่ำสุด

ภาพขนาดเต็ม
เนื่องจากความผันผวนของข้อผิดพลาดในการตรวจสอบความถูกต้องข้ามมีน้อยในช่วงค่าλขนาดใหญ่แทนที่จะเลือกแบบจำลองที่มีค่าλนาทีที่ลดข้อผิดพลาด เราใช้กฎข้อผิดพลาดมาตรฐานเดียว [ 43 ] ซึ่งหมายความว่าเราตั้งค่าλ =λเโดยที่λ̂เป็นเช่นนั้น:

ประวัติย่อ(λเ) = CV(λนาที) + SE(λนาที) .
(8)
ติดตั้งโฟลว์ด้วยแบบจำลองที่อธิบายไว้ด้วย λ =λเ= 0.08เราระบุตัวแปรหลัก (ในบรรดาผู้ที่เลือกสำหรับการศึกษา) ที่มีการอธิบายการไหลของค่าสัมประสิทธิ์ที่เราพบว่าสำหรับผู้ที่จะมีการรายงานในตารางที่ 7 ในกรณีนั้นNS2 มีค่าเท่ากับ 0.68 แม้ว่าตัวแปรบางตัวจะถูกทิ้งไป

ตารางที่ 7 ค่าสัมประสิทธิ์สำหรับตัวแปรของแบบจำลองแรงโน้มถ่วงที่เพิ่มขึ้นด้วยการทำให้เป็นมาตรฐาน นำไปใช้กับกระแส Bitcoin ไม่รวมดัชนีเสรีภาพโดยรวม เส้นขอบทั่วไป และภาษาทั่วไป เนื่องจากค่าสัมประสิทธิ์ที่เกี่ยวข้องลดลงเป็น 0 ระหว่างการเลือกตัวแปรที่ทำผ่านการทำให้เป็นมาตรฐาน
ตารางขนาดเต็ม
ในแง่หนึ่ง ค่าสัมประสิทธิ์ของดัชนีเสรีภาพทางเศรษฐกิจโดยรวมลดลงเหลือ 0 เนื่องจากการเลือกตัวแปรหมายความว่าแม้ว่าดัชนีนี้จะพิจารณาภาพรวมเสรีภาพทางเศรษฐกิจของประเทศต่างๆ อย่างครอบคลุม แต่ก็กลับกลายเป็นว่าไม่ใช่ปัจจัยสำคัญในการอธิบายการไหล ในทางกลับกัน ดัชนีเสรีภาพทางการค้าที่เฉพาะเจาะจงมากขึ้นดูเหมือนจะเป็นหนึ่งในตัวแปรที่สำคัญที่สุดในการอธิบายโฟลว์ตามจำนวนประชากร ระยะทางทางภูมิศาสตร์เป็นอุปสรรคต่อการไหล การตีความค่าสัมประสิทธิ์เชิงลบที่ได้รับจากดัชนีประเทศที่มีรายได้สูง (H) ควรเข้าใจในบริบทของความเชื่อมโยงหลายมิติบางส่วนของตัวทำนาย (GDP, รายได้สูง, …) การทำงานร่วมกันระหว่างดัชนีนี้กับตัวทำนายของแบบจำลองอื่นส่งผลให้เกิดสัมประสิทธิ์เชิงลบ

เพื่อนำผลลัพธ์เหล่านี้มาสู่มุมมอง เราเปรียบเทียบผลลัพธ์ที่ได้จากการค้า Bitcoin กับผลลัพธ์ที่ได้จากการค้าสินค้าโดยทั่วไป เราใช้เครือข่ายการค้าระหว่างประเทศของสินค้าตามที่รายงานโดยแผนกสถิติของสหประชาชาติในฐานข้อมูล Comtrade และจัดทำโดยโครงการ Atlasเชิงอรรถ3เราสามารถเข้าถึงมูลค่าของสินค้าที่แลกเปลี่ยนระหว่างประเทศจำแนกตามประเภทสินค้าโภคภัณฑ์ การรวมมูลค่าของสินค้าโภคภัณฑ์ทั้งหมด เราสร้างเครือข่ายการแลกเปลี่ยนระหว่างประเทศแต่ละคู่

เราปรับโมเดลแรงโน้มถ่วงโดยใช้ตัวทำนายเดียวกันกับเครือข่าย Bitcoin ในกรณีนี้ สามารถอธิบายการไหลส่วนใหญ่ได้โดยใช้แบบจำลองแรงโน้มถ่วงที่เพิ่มขึ้นนี้ สำหรับการค้า Bitcoin เราใช้การถดถอยแบบ Lasso เพื่อทำการวิเคราะห์การเลือกตัวแปร ผลลัพธ์สรุปไว้ในตารางที่ 8. เครือข่ายการค้าสินค้าสามารถอธิบายคร่าวๆ ได้โดยใช้จำนวนประชากร GDP ต่อหัว และระยะทาง พารามิเตอร์เหล่านี้ปรากฏด้วยเครื่องหมายเดียวกันสำหรับเครือข่ายการค้า Bitcoin โดยเน้นความคล้ายคลึงกันระหว่างสองเครือข่าย ตัวแปรเพิ่มเติมที่จำเป็นในการอธิบายกระแส Bitcoin กลายเป็นการเจาะอินเทอร์เน็ต ธนาคารโลกพัฒนาดัชนีและเสรีภาพในการซื้อขาย นอกเหนือจากการเจาะอินเทอร์เน็ตซึ่งมีความสำคัญต่อการค้า Bitcoin เป็นเรื่องเล็กน้อย เราได้หารือในรายละเอียดเกี่ยวกับผลลัพธ์ที่ได้รับสำหรับตัวแปรอีก 2 ตัว: ทั้งคู่ให้ข้อมูลเชิงลึกเกี่ยวกับรูปแบบการพัฒนาเศรษฐกิจของประเทศ แต่จากมุมมองที่ต่างกัน ตามรายงานของธนาคารโลก ดัชนีการพัฒนาเศรษฐกิจมีความสัมพันธ์อย่างใกล้ชิดกับการวัดคุณภาพชีวิตที่ไม่ใช้ตัวเงิน เช่น อายุขัยเมื่อแรกเกิด อัตราการตายของเด็ก และอัตราการเข้าเรียนในโรงเรียน เสรีภาพทางการค้าอธิบายถึงการพัฒนาของประเทศจากปฏิสัมพันธ์ทางเศรษฐกิจของประเทศกับส่วนอื่นๆ ของโลกและนโยบายเศรษฐกิจและการเงิน โดยสรุป เราได้ระบุความคล้ายคลึงกันบางอย่างระหว่างกระแส Bitcoin ระหว่างประเทศและของสินค้า นอกเหนือจากอิทธิพลที่ชัดเจนของการเจาะอินเทอร์เน็ตแล้ว ระดับการพัฒนาของประเทศดูเหมือนจะมีบทบาทในการแลกเปลี่ยน Bitcoin มากกว่าการค้าสินค้า

ตารางที่ 8 ค่าสัมประสิทธิ์ตัวแปรของแบบจำลองแรงโน้มถ่วงเสริมที่มีการปรับให้เป็นมาตรฐานสำหรับเครือข่ายการค้าที่ดี ค่าสัมประสิทธิ์บางค่าลดลงเป็น 0 ระหว่างการเลือกตัวแปรที่ทำผ่านการทำให้เป็นมาตรฐาน
ตารางขนาดเต็ม
บทสรุป
โครงสร้างพื้นฐานบล็อคเชนที่นำเสนอโดยคริปโตเคอเรนซี เช่น Bitcoin กำลังดึงดูดความสนใจจากหลากหลายด้าน เช่น การค้า การเงิน รัฐบาล และนโยบาย อย่างไรก็ตาม การหาจำนวนสิ่งดึงดูดใจและการยอมรับจากแต่ละประเทศกลับกลายเป็นงานที่ท้าทาย

ในงานนี้ เรามุ่งเป้าไปที่ความเข้าใจซึ่งเป็นปัจจัยหลักที่เกี่ยวข้องกับการนำ Bitcoin มาใช้เป็นเทคโนโลยีบล็อกเชนแห่งแรกในหลายประเทศ ในการดำเนินการนี้ เราใช้เทคนิคต่างๆ ในการทำให้ไม่ระบุชื่อและระบุตำแหน่งทางภูมิศาสตร์ของผู้ใช้ เนื่องจากความไม่เปิดเผยตัวตนบางส่วนที่นำเสนอโดยบล็อคเชน การค้นหาตำแหน่งของผู้ใช้ Bitcoin จึงเป็นงานที่ท้าทาย เราจัดการกับปัญหานี้โดยการรวมชุดของพร็อกซี่เข้ากับข้อมูลการทำธุรกรรมที่มาจากบัญชีแยกประเภทสาธารณะของ Bitcoin ในส่วนแรกของงาน เราแสดงให้เห็นว่าจำนวนที่อยู่ IP ที่เชื่อมโยงกับโหนดรีเลย์ของธุรกรรม จำนวนการดาวน์โหลดไคลเอนต์ Bitcoin และความสนใจที่วัดโดย Google Trends ล้วนให้ภาพที่เชื่อมโยงกันเกี่ยวกับการนำไปใช้โดยผู้ใช้ตามประเทศ แม้ว่าแต่ละรายการจะให้มุมมองบางส่วนของระบบ Bitcoin เท่านั้น จากผลลัพธ์นี้ เราได้วิเคราะห์อนุกรมเวลาการค้นหา Bitcoin เพื่อสำรวจวิวัฒนาการของความสนใจของประเทศ และเราสังเกตเห็นการมีอยู่ของแนวโน้มความสนใจที่เพิ่มขึ้นสุทธิตั้งแต่ปี 2015 ถึง 2017 ซึ่งส่วนใหญ่มาจากประเทศกำลังพัฒนา นอกจากนี้ เมื่อพิจารณาการดาวน์โหลดไคลเอนต์ Bitcoin และที่อยู่ IP เป็นพร็อกซีสำหรับการยอมรับของผู้ใช้ เราพบว่าการยอมรับมีความสัมพันธ์อย่างมากกับประชากร GDP ต่อหัว เสรีภาพในการค้าและการเจาะอินเทอร์เน็ตสำหรับปี 2555, 2556 และ 2557 โดยรวมแล้ว เรายังยืนยันด้วยว่าแนวโน้มการนำ Bitcoin ไปใช้นั้นไม่เหมือนกันทั่วโลก: นับตั้งแต่เปิดตัว Bitcoin มีการเติบโตอย่างรวดเร็วในหลายประเทศที่พัฒนาแล้ว ในขณะที่การยอมรับในประเทศกำลังพัฒนาเพิ่มขึ้นช้ามาก เราวิเคราะห์อนุกรมเวลาการค้นหา Bitcoin เพื่อสำรวจวิวัฒนาการของความสนใจของประเทศ และเราสังเกตเห็นแนวโน้มความสนใจที่เพิ่มขึ้นสุทธิตั้งแต่ปี 2015 ถึง 2017 ซึ่งส่วนใหญ่มาจากประเทศกำลังพัฒนา นอกจากนี้ เมื่อพิจารณาการดาวน์โหลดไคลเอนต์ Bitcoin และที่อยู่ IP เป็นพร็อกซีสำหรับการยอมรับของผู้ใช้ เราพบว่าการยอมรับมีความสัมพันธ์อย่างมากกับประชากร GDP ต่อหัว เสรีภาพในการค้าและการเจาะอินเทอร์เน็ตสำหรับปี 2555, 2556 และ 2557 โดยรวมแล้ว เรายังยืนยันด้วยว่าแนวโน้มการนำ Bitcoin ไปใช้นั้นไม่เหมือนกันทั่วโลก: นับตั้งแต่เปิดตัว Bitcoin มีการเติบโตอย่างรวดเร็วในหลายประเทศที่พัฒนาแล้ว ในขณะที่การยอมรับในประเทศกำลังพัฒนาเพิ่มขึ้นช้ามาก เราวิเคราะห์อนุกรมเวลาการค้นหา Bitcoin เพื่อสำรวจวิวัฒนาการของความสนใจของประเทศ และเราสังเกตเห็นแนวโน้มความสนใจที่เพิ่มขึ้นสุทธิตั้งแต่ปี 2015 ถึง 2017 ซึ่งส่วนใหญ่มาจากประเทศกำลังพัฒนา นอกจากนี้ เมื่อพิจารณาการดาวน์โหลดไคลเอนต์ Bitcoin และที่อยู่ IP เป็นพร็อกซีสำหรับการยอมรับของผู้ใช้ เราพบว่าการยอมรับมีความสัมพันธ์อย่างมากกับประชากร GDP ต่อหัว เสรีภาพในการค้าและการเจาะอินเทอร์เน็ตสำหรับปี 2555, 2556 และ 2557 โดยรวมแล้ว เรายังยืนยันด้วยว่าแนวโน้มการนำ Bitcoin ไปใช้นั้นไม่เหมือนกันทั่วโลก: นับตั้งแต่เปิดตัว Bitcoin มีการเติบโตอย่างรวดเร็วในหลายประเทศที่พัฒนาแล้ว ในขณะที่การยอมรับในประเทศกำลังพัฒนาเพิ่มขึ้นช้ามาก ส่วนใหญ่มาจากประเทศกำลังพัฒนา นอกจากนี้ เมื่อพิจารณาการดาวน์โหลดไคลเอนต์ Bitcoin และที่อยู่ IP เป็นพร็อกซีสำหรับการยอมรับของผู้ใช้ เราพบว่าการยอมรับมีความสัมพันธ์อย่างมากกับประชากร GDP ต่อหัว เสรีภาพในการค้าและการเจาะอินเทอร์เน็ตสำหรับปี 2555, 2556 และ 2557 โดยรวมแล้ว เรายังยืนยันด้วยว่าแนวโน้มการนำ Bitcoin ไปใช้นั้นไม่เหมือนกันทั่วโลก: นับตั้งแต่เปิดตัว Bitcoin มีการเติบโตอย่างรวดเร็วในหลายประเทศที่พัฒนาแล้ว ในขณะที่การยอมรับในประเทศกำลังพัฒนาเพิ่มขึ้นช้ามาก ส่วนใหญ่มาจากประเทศกำลังพัฒนา นอกจากนี้ เมื่อพิจารณาการดาวน์โหลดไคลเอนต์ Bitcoin และที่อยู่ IP เป็นพร็อกซีสำหรับการยอมรับของผู้ใช้ เราพบว่าการยอมรับมีความสัมพันธ์อย่างมากกับประชากร GDP ต่อหัว เสรีภาพในการค้าและการเจาะอินเทอร์เน็ตสำหรับปี 2555, 2556 และ 2557 โดยรวมแล้ว เรายังยืนยันด้วยว่าแนวโน้มการนำ Bitcoin ไปใช้นั้นไม่เหมือนกันทั่วโลก: นับตั้งแต่เปิดตัว Bitcoin มีการเติบโตอย่างรวดเร็วในหลายประเทศที่พัฒนาแล้ว ในขณะที่การยอมรับในประเทศกำลังพัฒนาเพิ่มขึ้นช้ามาก

ในส่วนที่สองของงาน เราเน้นไปที่กระแส Bitcoin ที่ยังไม่ค่อยมีการสำรวจในวรรณกรรม โดยเฉพาะอย่างยิ่งเนื่องจากปัญหาที่เกี่ยวข้องกับการไม่เปิดเผยชื่อ และเราสังเกตว่าเสรีภาพในการค้า GDP และประชากรปรากฏเป็นตัวแปรสำคัญในการอธิบายการไหลของ Bitcoin

แม้ว่างานนี้จะให้คำแนะนำเกี่ยวกับดัชนีทางเศรษฐกิจและสังคมที่เชื่อมโยงกับการนำ Bitcoin มาใช้ แต่ก็อาศัยการใช้ที่อยู่ IP ของโหนดรีเลย์ซึ่งมีให้ในช่วงเวลาที่จำกัดเท่านั้น ในอนาคต การสำรวจแหล่งข้อมูลอื่นนอกเหนือจากblockchain.infoสามารถให้ข้อมูล IP สำหรับช่วงเวลาที่แตกต่างกัน อีกเส้นทางที่น่าสนใจในการเอาชนะปัญหานี้คือการสร้างแบบจำลองพฤติกรรมที่สังเกตได้ในธุรกรรมที่เกี่ยวข้องกับการกระจายการใช้งาน IP ในปัจจุบันที่เข้าถึงได้ เพื่ออนุมานกระแส Bitcoin ระหว่างประเทศเป็นระยะเวลานานขึ้น

แม้ว่าเราจะพิจารณาการไหลทั้งหมดที่เกิดขึ้นจากผู้ใช้และบริการทางธุรกิจ (เช่น บริการบนเว็บ เช่น การพนัน การแลกเปลี่ยน ตลาด การขุด ลูกค้า ฯลฯ) การวิเคราะห์แยกประเภทการไหลและกิจกรรมเหล่านี้อาจช่วยให้เข้าใจว่า ปัจจุบันมีการใช้ Bitcoin โครงสร้าง การวางแนว และการก่อตัวของฟิล์มเปปไทด์รุ่น α-helix แบบแอมฟิฟิลิสบนพื้นผิวฟลูออโรคาร์บอนได้รับการตรวจสอบด้วยสเปกโตรสโคปีแบบสั่นสะเทือนความถี่รวม (SFG) สเปกโทรสโกปีโครงสร้างละเอียดการดูดกลืนรังสีเอกซ์ใกล้ขอบ (NEXAFS) และโฟโตอิเล็กตรอนด้วยรังสีเอกซ์ สเปกโทรสโกปี (XPS) เปปไทด์ α-helix คือ 14 เมอร์ของไลซีนที่ชอบน้ำและลิวซีนที่ไม่ชอบน้ำซึ่งมีคาบไม่ชอบน้ำเท่ากับ 3.5 ระยะนี้ทำให้เกิดเปปไทด์แอมฟิฟิลิคแบบแข็งที่มีสายโซ่ลิวซีนและไลซีนอยู่ฝั่งตรงข้าม การวิเคราะห์องค์ประกอบ XPS ยืนยันการก่อตัวของฟิล์มเปปไทด์ที่ครอบคลุมประมาณ 75% ของพื้นผิว ข้อมูลของ NEXAFS สอดคล้องกับการดูดซับเปปไทด์ทางเคมีที่ไม่เสียหาย ไดโครอิซึมเชิงเส้นที่อ่อนแอของเอไมด์ π มีแนวโน้มว่าจะเนื่องมาจากการกระจายตัวของพันธะเอไมด์ในวงกว้างซึ่งมีอยู่ในโครงสร้างทุติยภูมิ α-เฮลิคอล สเปกตรัมของ SFG มียอดเขาที่แข็งแกร่งใกล้ 2865 และ 2935 cm-1เกี่ยวข้องกับสายโซ่ข้างลิวซีนที่เรียงชิดกันซึ่งมีปฏิสัมพันธ์กับพื้นผิวที่ไม่ชอบน้ำ โหมดน้ำใกล้กับ 3200 และ 3400 ซม. -1ระบุลำดับของโมเลกุลของน้ำในบริเวณอินเทอร์เฟซของพื้นผิวฟลูออโรคาร์บอนที่ดูดซับเปปไทด์ ยอดเขาเอไมด์ I ที่สังเกตได้ใกล้กับ 1655 ซม. -1ยืนยันว่าโครงสร้างทุติยภูมิยังคงอยู่ในเปปไทด์ที่ดูดซับ การศึกษาทางจลนศาสตร์ของกระบวนการสร้างฟิล์มโดยใช้ XPS และ SFG แสดงให้เห็นการดูดซับเปปไทด์อย่างรวดเร็วตามด้วยกระบวนการประกอบที่ยาวขึ้น สเปกตรัมเปปไทด์ SFG ที่ถ่ายที่ส่วนต่อประสานบัฟเฟอร์ของอากาศแสดงคุณสมบัติที่เกี่ยวข้องกับฟิล์มเปปไทด์ที่ได้รับการสั่งซื้ออย่างดี การเคลื่อนย้ายตัวอย่างผ่านพื้นผิวบัฟเฟอร์ทำให้เกิดการถ่ายโอนฟิล์มเปปไทด์ที่สั่งซื้อไปยังพื้นผิว

การศึกษานี้พยายามสำรวจความสัมพันธ์ระหว่างทัศนคติของผู้ขับขี่ต่อการขับเกินขีดจำกัดความเร็วในถนนประเภทต่างๆ กับคุณลักษณะของผู้ขับขี่และพฤติกรรมความเร็วที่รายงานด้วยตนเอง

วิธี
พื้นฐานของการศึกษาคือคำตอบที่ผู้ขับขี่ประมาณ 1,000 คนจาก 23 ประเทศในยุโรปแต่ละประเทศตอบคำถามเฉพาะของแบบสอบถามที่ออกแบบมาเป็นพิเศษเกี่ยวกับพฤติกรรมความเร็วและลักษณะส่วนบุคคลอื่นๆ ใช้การวิเคราะห์เชิงเส้นของบันทึกและได้พัฒนาแบบจำลองสี่แบบ: สำหรับทางหลวงพิเศษ ถนนสายหลัก ถนนในชนบท และถนนในพื้นที่ก่อสร้าง

ผลลัพธ์/บทสรุป
แอปพลิเคชันแบบจำลองเปิดเผยว่าตัวแปรตาม (รายงานตัวเองเกินขีดจำกัดความเร็ว) นั้นขึ้นอยู่กับความเชื่ออย่างยิ่งว่าผู้ขับขี่รายอื่นใช้ความเร็วเกินขีดจำกัดสำหรับถนนทั้งสี่ประเภท ตัวแปรอื่นๆ ที่พบว่ามีผลกระทบต่อทัศนคติที่มีต่อความเร็วเกินขีดจำกัดนั้น เกี่ยวข้องกับลักษณะผู้ขับขี่ (เพศ กลุ่มอายุ กิโลเมตรต่อปี) ความคิดเห็น (ความเพลิดเพลินในการขับรถเร็ว ความคาดหวังในการบังคับใช้ความเร็ว และความปรารถนาในขีดจำกัดที่สูงขึ้น) และพฤติกรรมที่รายงานด้วยตนเอง (ได้รับโทษสำหรับการเร่งความเร็ว) และพารามิเตอร์อื่น ๆ (ความจุเครื่องยนต์ของรถส่งสัญญาณให้คนอื่น ๆ เกี่ยวกับกับดักของตำรวจ)

พื้นหลัง
การเร่งความเร็วถือเป็นปัจจัยหลักประการหนึ่งของความปลอดภัยในการจราจร ซึ่งไม่เพียงแค่ส่งผลต่อความเสี่ยงในการเกิดอุบัติเหตุบนท้องถนนเท่านั้น แต่ยังรวมถึงความรุนแรงของผลที่ตามมาของอุบัติเหตุเหล่านี้ด้วย [ 19 , 22 , 27 , 28 ] การตั้งขีดจำกัดความเร็วที่ปลอดภัยมีส่วนทำให้อุบัติเหตุร้ายแรงและอุบัติเหตุที่บาดเจ็บสาหัสลดลง กระนั้นการขับด้วยความเร็วก็ยังคงอยู่ในอันดับต้นๆ ของรายการสาเหตุการเกิดอุบัติเหตุ [ 17 , 32 ] มีรายงานด้วยว่าการปฏิบัติตามการจำกัดความเร็วนั้นสัมพันธ์ในทางบวกกับการปรับปรุงความปลอดภัยการจราจร [ 7 , 23]. นอกจากนี้ การทำความเข้าใจพฤติกรรมการใช้ความเร็วเกินขีดจำกัดอาจเป็นประโยชน์สำหรับการพัฒนาข้อบังคับที่จำเป็นเพื่อลดการเลือกความเร็วที่ไม่เหมาะสม [ 4 , 20 , 21 ] ปัจจัยที่ก่อให้เกิดปัญหาความเร็วนั้นสัมพันธ์กับทัศนคติทางสังคมและพฤติกรรมการใช้ถนน ตลอดจนลักษณะถนนและยานพาหนะ [ 8 , 11 , 29 ] การจัดตั้งมาตรการจัดการความเร็วและการบังคับใช้ยังเกี่ยวข้องกับปัญหาการเร่งความเร็วด้วย

ความเร็วในการขับขี่ที่เหมาะสมถูกกำหนดไว้สำหรับถนนแต่ละประเภทหรือส่วนถนนตามการออกแบบถนน [ 16 ] แต่ความเร็วยังได้รับผลกระทบจากสถานการณ์ทางสังคมและจิตใจของผู้ขับขี่ในเรื่องเวลาในการขับขี่และปัจจัยอื่นๆ ของมนุษย์อีกด้วย [ 13 ] ดังนั้น ความคิดเห็นและพฤติกรรมการรายงานตนเองของผู้ขับขี่ในเรื่องความเร็วจึงเป็นเรื่องร้ายแรงที่ต้องนำมาพิจารณาในการตั้งค่าและบังคับใช้การจำกัดความเร็ว

Rumar [ 22 ] ระบุว่าผู้ขับขี่ไม่เชื่อว่าการขับเร็วนั้นเกี่ยวข้องอย่างยิ่งกับความปลอดภัยทางถนน เพราะมนุษย์ไม่กลัวความเร็วที่มากเกินไปเพราะกลัวความสูง แม้ว่าทั้งความเร็วและความสูงจะสามารถแปลงเป็นพลังงานจลน์ได้ พวกเขายังประเมินผลกระทบของความเร็วต่ออุบัติเหตุบนท้องถนนต่ำเกินไป เนื่องจากพวกเขาไม่ทราบว่าการเพิ่มความเร็วเป็นสองเท่าจะทำให้เกิดพลังงานจากการชนมากขึ้นสี่เท่า เนื่องจากความสัมพันธ์ระหว่างความเร็วและพลังงานทำให้เกิดกำลังสอง ในเวลาเดียวกัน คนขับดูเหมือนจะชอบที่จะลดเวลาในการเดินทางมากกว่าที่จะขับรถอย่างปลอดภัยมากขึ้น เพราะพวกเขาเชื่อว่าพวกเขาขับรถได้อย่างปลอดภัยกว่าคนอื่นๆ [ 12 ] สิ่งนี้ได้รับการสนับสนุนโดยข้อเท็จจริงที่ว่าในปัจจุบันเทคโนโลยียานยนต์และการพัฒนาการออกแบบถนนทำให้ผู้ขับขี่รู้สึกปลอดภัยกว่าเมื่อไม่กี่ปีที่ผ่านมา

ปัจจัยที่มีอิทธิพลต่อการเลือกความเร็วนั้นสัมพันธ์อย่างยิ่งกับความคิดเห็นของผู้ขับขี่ในเรื่องความเร็วและทัศนคติทางสังคม [ 10 ] การเลือกความเร็วของพวกเขาได้รับผลกระทบเป็นพิเศษจากสภาพแวดล้อมทางสังคมที่เฉพาะเจาะจง เช่น ครอบครัว เพื่อน ผู้โดยสารในรถ การบังคับใช้ของตำรวจ และมาตรการจัดการความเร็ว [ 6 ] ด้วยเหตุนี้ ผู้ขับขี่จึงมักจะเลือกความเร็วตามการประเมินความเร็วของผู้ขับขี่คนอื่นๆ [ 9 ] บางครั้ง คนขับใช้ความเร็วเกินขีดจำกัดเพราะพวกเขาไม่คิดว่าการมีอยู่ของพวกเขาสำคัญหรือเพราะพวกเขาขับรถโดยประมาท [ 30 ] บางทีสิ่งนี้อาจเกิดขึ้นด้วยเนื่องจากการปรับปรุงเทคโนโลยียานยนต์ที่แยกคนขับออกจากสภาพแวดล้อมเสียงภายนอก [ 3 ]

ระหว่างเหตุผลทางสังคมของการจำกัดความเร็วเกินคือการกำหนดค่าภาพของ “คนขับช้า” กลุ่มสังคมนี้มีลักษณะขาดความมั่นใจในตนเอง ความสามารถในการขับขี่ต่ำ และความไม่มั่นคง ไม่มีใครอยากถูกจัดให้อยู่ในกลุ่มนั้น อย่างไรก็ตาม Deery [ 5 ] ได้ตั้งข้อสังเกตว่าการประเมินความเสี่ยงในการขับขี่นั้นขึ้นอยู่กับวิสัยของผู้ขับขี่แต่ละคน และประกอบด้วยสองส่วน ส่วนแรกเกี่ยวข้องกับข้อมูลที่เข้ามาจากสภาพแวดล้อมในการขับขี่ และส่วนที่สองเกี่ยวข้องกับข้อมูลที่ผู้ขับขี่ใช้เพื่อหลีกเลี่ยงสถานการณ์ความเสี่ยง ดังนั้น สาเหตุที่ผู้ขับขี่เต็มใจรับความเสี่ยงอาจเป็นได้ทั้งการประมาณความเสี่ยงที่ไม่ถูกต้อง ความสามารถในการขับขี่ต่ำ และระดับความเสี่ยงสูง

ในการเผชิญกับการเร่งความเร็ว มาตรการที่ปกติที่สุดคือการตั้งขีดจำกัดความเร็วที่เหมาะสม การจำกัดความเร็วมีความสัมพันธ์ย้อนกลับกับปัจจัยที่ส่งผลต่อการเลือกความเร็ว [ 14 , 15 ] การตั้งขีดจำกัดความเร็วที่เหมาะสมมักเกี่ยวข้องกับประเภทของถนน และการประมาณความเสี่ยงในการขับขี่ [ 18 ] และขีดจำกัดความเร็วที่ปรับเปลี่ยนได้มักใช้กับส่วนของทางหลวงพิเศษโดยคำนึงถึงสภาพการจราจรที่แปรผัน [ 1 ] การใช้ความเร็วนั้นแตกต่างจากการขับเกินความเร็วที่จำกัดตามประเภทของถนนและปัจจัยอื่นๆ ตามลำดับ การเคารพขีดจำกัดความเร็วนั้นขึ้นอยู่กับระดับและระยะเวลาของความพยายามบังคับใช้ตำรวจเป็นอย่างมาก [ 33 ]

ในช่วงสองทศวรรษที่ผ่านมา กลุ่มนักวิทยาศาสตร์และนักวิจัยได้ทำงานศึกษาความคิดเห็นและพฤติกรรมการรายงานตนเองของผู้ขับขี่รถยนต์ทั่วทวีปยุโรป รวมถึงโครงการ SARTRE (ทัศนคติทางสังคมต่อความเสี่ยงการจราจรทางถนนในยุโรป) การสำรวจครั้งแรก [ 24 ] ดำเนินการตั้งแต่ปี 2534 ถึง 2535 ใน 15 ประเทศ การสำรวจครั้งที่สอง [ 25 ] ดำเนินการตั้งแต่ปี 2539 ถึง 2541 ใน 19 ประเทศ การสำรวจครั้งที่สาม [ 26] ดำเนินการตั้งแต่ปี 2545 ถึง 2548 ใน 23 ประเทศและการสำรวจ SARTRE 4 เพิ่งเสร็จสิ้นเมื่อกลางปี ​​2554 โดยมีส่วนร่วมจาก 22 ประเทศ แบบสำรวจของ SARTRE อิงจากการรวบรวมข้อมูลเฉพาะกิจ ซึ่งเกี่ยวข้องกับการศึกษาแบบสอบถามที่เป็นตัวแทน ในแต่ละประเทศ มีการตอบแบบสอบถาม 1,000 ฉบับ และรวบรวมคำตอบและเข้ารหัสในฐานข้อมูลที่เป็นหนึ่งเดียว ฐานข้อมูลนี้ใช้สำหรับการวิเคราะห์ทางสถิติเกี่ยวกับทัศนคติของผู้ขับขี่ชาวยุโรปที่มีต่อความปลอดภัยทางถนน

การศึกษานี้พยายามสำรวจความสัมพันธ์ระหว่างทัศนคติที่มีต่อความเร็วเกินขีดจำกัดบนถนนประเภทต่างๆ กับคุณลักษณะของผู้ขับขี่ ความคิดเห็น และพฤติกรรมการใช้ความเร็วที่รายงานด้วยตนเอง พื้นฐานของการศึกษาคือคำตอบที่ผู้ขับขี่มอบให้กับคำถามเฉพาะของแบบสอบถาม SARTRE 3 ที่เกี่ยวข้องกับพฤติกรรมความเร็วและลักษณะส่วนบุคคลอื่นๆ แบบสอบถามประกอบด้วยคำถาม 55 ข้อเกี่ยวกับลักษณะส่วนบุคคลและทัศนคติต่อความปลอดภัยทางถนน ขนาดของกลุ่มตัวอย่างต่อประเทศที่เข้าร่วมในการสำรวจซาร์ตร์ 3 จะแสดงในตารางที่ 1

ตารางที่ 1 ขนาดตัวอย่างต่อประเทศที่เข้าร่วมแบบสำรวจ SARTRE 3
ตารางขนาดเต็ม
ลักษณะพื้นฐานของกลุ่มตัวอย่างของการสำรวจจะถูกนำเสนอในตารางที่ 2 ลักษณะเหล่านี้เกี่ยวข้องกับเพศและอายุของผู้ขับขี่ กิโลเมตรต่อปีของผู้ขับขี่แต่ละคน และความจุเครื่องยนต์ของรถที่เขา/เธอมักจะขับ ทดสอบความเชื่อถือได้โดยการคำนวณข้อผิดพลาดเป็นช่วง 95 % โดยใช้สูตรต่อไปนี้:

ตารางที่ 2 การกระจาย (%) ของลักษณะของตัวอย่างแบบสำรวจ
ตารางขนาดเต็ม

ที่ไหน:

Ε: ผิดพลาด

Κ = 1.96: ค่าคงที่ที่สอดคล้องกับช่วง 95 % (การกระจายตัว U)

p: เปอร์เซ็นต์การสังเกตที่มีลักษณะเฉพาะ

q = 1- p

n: จำนวนการสังเกต ( n  > 30)

เพื่อเลือกวิธีการและตัวแปรในการวิเคราะห์ มีการทบทวนวรรณกรรมเกี่ยวกับประเด็นการเร่งความเร็ว ต่อไปจะนำเสนอวิธีการที่เหมาะสมที่สุด ต่อด้วยการนำเสนอผลการวิเคราะห์และข้อสรุป

งานวิจัยนี้ตรวจสอบสมมติฐานที่ว่าความสัมพันธ์ระหว่างขีดจำกัดความเร็วเกินและตัวแปรอื่นๆ มีความคล้ายคลึงกันในทุกประเทศในยุโรปที่เข้าร่วมการสำรวจ SARTRE 3

ระเบียบวิธี
วิธีการ
สมมติฐานซึ่งเป็นพื้นฐานของการวิเคราะห์คือ การระบุความสัมพันธ์ระหว่างตัวแปรที่เหมือนกันทั่วทั้งยุโรปควรเป็นไปได้ ดังนั้น ในขั้นแรกจึงจำเป็นต้องเลือกพารามิเตอร์ที่สำคัญที่สุดสำหรับการวิเคราะห์โดยละเอียด พารามิเตอร์ที่รวมอยู่ในการวิเคราะห์ควรมีการกระจายอย่างดี ไม่เช่นนั้นจะไม่ให้ข้อมูลเพื่อสร้างความแตกต่าง

วิธีการวิเคราะห์เชิงเส้นของบันทึกถูกนำมาใช้เพื่ออธิบายความสัมพันธ์ระหว่างตัวแปรตาม (รายงานด้วยตนเองเกินขีดจำกัดความเร็วบนถนนบางประเภท) และชุดของตัวแปรอิสระ (แบบจำลองทางลอจิก) [ 31 ] การวิเคราะห์เชิงเส้นของบันทึกใช้แบบจำลองเชิงเส้นตรงทั่วไป ซึ่งประเมินจำนวนเซลล์ของตาราง โดยใช้ระยะขอบต่างกัน ในตารางแบบสองทาง ระยะขอบคือผลรวมของแถวและคอลัมน์ ในตารางมิติที่สูงกว่า ระยะขอบคือตารางย่อยของมิติที่ต่ำกว่า

ข้อดีของวิธีนี้ยังได้อธิบายไว้ในการวิเคราะห์ชุดข้อมูล SARTRE 1 และ SARTRE 2 [ 24 , 25]. การสร้างแบบจำลอง Log-linear ตรงกันข้ามกับอัตราส่วน chi-square หรือ cross-product สามารถพิจารณาตัวแปรมากกว่า 2 ตัวและอาจรวมถึงการโต้ตอบกับคำสั่งซื้อที่สูงขึ้น ซึ่งหมายความว่าขั้นตอนดังกล่าวสามารถอธิบายความสัมพันธ์ที่แตกต่างกันในกลุ่มย่อยต่างๆ (เช่น สำหรับผู้ชายและผู้หญิง กลุ่มอายุต่างกัน ประเทศต่างๆ) แบบจำลองบันทึกเชิงเส้นไม่เพียงแต่จะประมาณค่าพารามิเตอร์ที่แสดงขอบเขตของตัวแปรและหมวดหมู่ที่เชื่อมโยงกันเท่านั้น แต่ยังจัดให้มีการทดสอบซึ่งบ่งชี้ว่าแบบจำลองที่เสร็จสิ้นแล้วนั้นเหมาะสมกับข้อมูลที่อยู่ภายใต้การวิเคราะห์มากน้อยเพียงใด (ความดีของความพอดี) นี่เป็นข้อได้เปรียบที่สำคัญของวิธีการที่เลือกเมื่อเทียบกับการวิเคราะห์ปัจจัยแบบเดิม เช่น ซึ่งไม่มีตัวบ่งชี้ดังกล่าว

เหตุผลของการวิเคราะห์สามารถอธิบายสั้นๆ ได้ดังนี้ มองหาโมเดลที่ง่ายที่สุด ซึ่งจะคำนวณการกระจายของตัวแปรตามใหม่ ยิ่งแบบจำลองที่เลือกมีความซับซ้อนมากเท่าใด การกระจายที่คำนวณใหม่ของตัวแปรตามก็จะยิ่งพอดีกับชุดข้อมูลดั้งเดิมมากขึ้นเท่านั้น สถิติ Goodness of Fit (GoF) หมายถึงคุณภาพของโมเดล ความสำคัญ 0.1 และสูงกว่าบ่งชี้ถึงรุ่นที่ได้รับการดัดแปลงมาอย่างดี ดังนั้น กลยุทธ์ของวิธีการนี้คือการหาสมดุลระหว่างความซับซ้อนของแบบจำลองและสถิติความพอดีที่เพียงพอ

อย่างไรก็ตาม การวิเคราะห์ Log-linear นั้นต้องการคุณสมบัติเฉพาะของตัวแปร และสามารถใช้ได้อย่างสมเหตุสมผลกับชุดของตัวแปรไม่เกินเจ็ดถึงสิบเท่านั้น ดังนั้นวิธีการนี้จึงต้องมีการเตรียมการสองสามขั้นตอนตั้งแต่เริ่มต้น

กระบวนการสร้างแบบจำลอง
ชุดของตัวแปรตามทฤษฎี ซึ่งพยายามอธิบายพฤติกรรมที่รายงานด้วยตนเองของความเร็วเกินขีดจำกัด (ตัวแปรตาม) ได้รับการพัฒนาในตอนแรก ชุดที่เป็นปัญหานั้นรวมถึงตัวแปรที่เกี่ยวข้องกับลักษณะทางสังคมและประชากรของผู้ขับขี่เช่นเดียวกับประสบการณ์การขับขี่ของเขา/เธอ ความเชื่อของเขา/เธอเกี่ยวกับพฤติกรรมคนขับอื่นๆ ทัศนคติของเขา/เธอต่อกฎระเบียบ (รวมอยู่ในชุดของตัวแปรที่พิจารณาแล้ว)

การสร้างแบบจำลองเชิงเส้นของบันทึกจำเป็นต้องมีข้อมูลที่เป็นหมวดหมู่ และการสร้างแบบจำลองมักจะประสบความสำเร็จมากกว่าหากจำนวนหมวดหมู่มีจำกัด ดังนั้นลักษณะการกระจายจึงเป็นเกณฑ์สำคัญในการเลือกตัวแปร ตัวแปรถูกบันทึกใหม่เพื่อให้ได้คุณสมบัติที่ต้องการสำหรับการวิเคราะห์

เพื่อลดจำนวนตัวแปร วิธีการทางสถิติอย่างง่ายของการวิเคราะห์ข้อมูลจึงถูกนำมาใช้ในขั้นต้นเพื่อทำความเข้าใจรูปแบบการแจกแจงและเลือกรูปแบบที่สำคัญที่สุด ต่อจากนั้น การวิเคราะห์สหสัมพันธ์และการวิเคราะห์ความแปรปรวนจะกำหนดการเลือกชุดสุดท้ายของตัวแปร

ตัวแปรที่มีผลกระทบอย่างมีนัยสำคัญต่อพฤติกรรมของผู้ขับขี่ที่เกินขีดจำกัดความเร็ว ซึ่งรวมอยู่ในโมเดล มีการอธิบายไว้ด้านล่าง ตัวแปรที่เกี่ยวข้องกับคุณลักษณะของตัวอย่างที่นำเสนอก่อน และที่แสดงคำถามเฉพาะในภายหลัง:

dage_cl-กลุ่มอายุ อายุของผู้ขับขี่แบ่งออกเป็น 3 กลุ่ม ได้แก่ ผู้ขับขี่ที่มีอายุต่ำกว่า 39 ปี (ระดับชั้น 1) ผู้ขับขี่ที่มีอายุระหว่าง 40 ถึง 54 ปี (ระดับ 2) และผู้ขับขี่ที่มีอายุมากกว่า 55 ปี (ระดับชั้น 3)

dkilom_c(1 2)–กิโลเมตรต่อปี เป็นตัวแปรต่อเนื่อง ดังนั้นจึงเลือกการจำแนกออกเป็นสองกลุ่ม ค่าที่ 1 หมายถึง ผู้ที่ขับขี่น้อยกว่า 15,000 กม. ต่อปี และค่าที่ 2 หมายถึง ผู้ขับขี่ที่ขับรถ 15.000 กม. ขึ้นไปต่อปี

เพศ(1 2) . ค่า 1 หมายถึงผู้ชาย และค่า 2 หมายถึงผู้หญิง

dq50 (1 2) ความจุ ค่า 1 หมายถึง รถยนต์ที่มีความจุเครื่องยนต์ต่ำ (ต่ำกว่า 1,300 cc) และค่าที่ 2 หมายถึง รถยนต์ที่ขับเครื่องยนต์ที่มีความจุเครื่องยนต์สูง (มากกว่า 1,300 cc)

dq13_e (1 2) -Warning ควบคุมตำรวจ ตัวแปรนี้เกี่ยวข้องกับคำตอบของคำถามที่ว่า “คุณส่งสัญญาณให้คนขับรถคนอื่นเตือนพวกเขาบ่อยแค่ไหนถึงตำรวจจับความเร็ว” คำตอบถูกแบ่งออกเป็นสองกลุ่ม โดยที่ “ไม่เคย”, “ไม่ค่อย” และ “บางครั้ง” ถูกบันทึกเป็นค่า 1 และ “บ่อยครั้ง”, “บ่อยมาก” และ “เสมอ” ถูกบันทึกเป็นค่า 2

dq12 (1 2) – บทลงโทษสำหรับการเร่ง . ในช่วง 3 ปีที่ผ่านมา หากผู้ขับขี่รายงานว่าไม่ถูกปรับและ/หรือไม่เคยได้รับโทษฐานละเมิดความเร็ว คำตอบตามลำดับจะถูกบันทึกเป็น 1 มิฉะนั้น (ผู้ขับขี่ถูกปรับ) คำตอบจะถูกบันทึกเป็น 2

dq07 (1 2) – ขีด จำกัด ความเร็วเบรกอื่น ๆ ที่คำถาม “คุณคิดว่าคนขับคนอื่นๆ ฝ่าฝืนขีดจำกัดความเร็วบ่อยแค่ไหน” ค่า 1 หมายถึงคำตอบที่ “ไม่เคย” “นานๆครั้ง” และ “บางครั้ง” และค่า 2 หมายถึงคำตอบ “บ่อย” “บ่อยมาก” และ “ เสมอ”.

dq29_b (1,2) -enjoyment ของการขับรถอย่างรวดเร็ว หากผู้ขับขี่เห็นด้วยกับข้อความที่ว่าเขา/เธอชอบขับรถเร็วหรือยุติธรรม คำตอบของเขา/เธอจะถูกบันทึกเป็น 1 มิฉะนั้น คำตอบของเขา/เธอจะถูกบันทึกเป็น 2

dq10 (1 2) – ต้องการ จำกัด ความเร็วใน… . ค่าที่ 1 หมายถึงผู้ขับขี่ที่ต้องการจำกัดความเร็วให้สูงขึ้นหรือไม่มีเลย และค่าที่ 2 หมายถึงผู้ขับขี่ที่ไม่ได้กำหนดความเร็วให้สูงขึ้นหรือไม่มีเลย สำหรับเครือข่ายถนนแต่ละประเภท

dq11 (1 2) – ความคาดหวังของการบังคับใช้ความเร็ว หากผู้ขับขี่เชื่อว่าในการเดินทางปกติ ไม่เคย หรือบางครั้งมีแนวโน้มที่จะได้รับการตรวจสอบความเร็ว คำตอบของเขา/เธอจะถูกบันทึกเป็น 1 มิฉะนั้น คำตอบของเขา/เธอจะถูกบันทึกเป็น 2

นอกจากนี้ ตัวแปรที่พิจารณาแต่สุดท้ายไม่คงอยู่ในโมเดล ได้แก่

dq02_b (1 2) – บังคับใช้การจราจรมากขึ้น เมื่อผู้ขับขี่รายงานว่าเห็นชอบอย่างยิ่งหรือสนับสนุนให้มีการบังคับใช้กฎหมายจราจรมากขึ้น คำตอบของพวกเขาจะถูกบันทึกเป็น 1 มิฉะนั้น คำตอบของพวกเขาจะถูกบันทึกเป็น 2

dq08 (1 2) เลือกที่ความเร็วสูงเมื่อเทียบกับคนอื่น ๆ พฤติกรรมการรายงานตนเองของผู้ขับขี่ได้อธิบายไว้ในตัวแปรนี้ จากการศึกษาก่อนหน้านี้ [ 3 ] ดูเหมือนว่าจะเป็นพารามิเตอร์ที่มีประโยชน์ แม้ว่าจะไม่ได้รวมไว้ในแบบจำลองในที่สุด หากพวกเขาเชื่อว่าขับเร็วกว่าความเร็วเฉลี่ย คำตอบของพวกเขาจะถูกบันทึกเป็น 1; มิฉะนั้นจะถูกบันทึกเป็น 2

แบบจำลองการถดถอยเชิงเส้นล็อกหลายตัวได้รับการพัฒนาขึ้นเพื่ออธิบายความเร็วเกินขีดจำกัดสำหรับถนนทุกประเภทโดยใช้ตัวแปรจากชุดของตัวแปรอิสระที่อธิบายไว้ข้างต้น อย่างไรก็ตาม โมเดลเหล่านี้ไม่ประสบความสำเร็จสำหรับถนนทุกประเภท ดังนั้นชุดของตัวแปรจึงลดลงทีละขั้นสำหรับถนนทุกประเภทอย่างอิสระ ด้วยเหตุนี้จึงมีการพัฒนาโมเดลที่เหมาะสมกับถนนแต่ละประเภท

สังเกตได้ว่าการพัฒนาแบบจำลองสำหรับถนนทุกประเภทนั้นอยู่นอกเหนือขอบเขตของการศึกษาวิจัยนี้ เนื่องจากวัตถุประสงค์ของงานนี้คือการระบุตัวแปรเฉพาะที่มีอิทธิพลต่อทัศนคติและพฤติกรรมของผู้ขับขี่ในถนนแต่ละประเภท โมเดลดังกล่าวสำหรับถนนทุกประเภทจะเสนอภาพทั่วโลกของพฤติกรรมของผู้ขับขี่ที่สูญเสียไป ซึ่งรวมถึงความเฉพาะเจาะจงและลักษณะเฉพาะของพฤติกรรมของผู้ขับขี่ในประเภทถนนต่างๆ (ในเมือง ชนบท ฯลฯ)

การพัฒนาแบบจำลองและการประยุกต์ใช้
แบบจำลองทั้งสี่รุ่นที่พัฒนาขึ้นจะแสดงในส่วนต่อไปนี้ การนำเสนอดำเนินไปจากถนนที่มีการจำกัดความเร็วที่สูงขึ้น (ทางหลวงพิเศษและถนนสายหลัก) ไปจนถึงถนนที่มีขีดจำกัดความเร็วต่ำ (ถนนในประเทศและในเมือง) ตัวเลขที่เชื่อมต่อกล่องต่างๆ ของไดอะแกรมแทนค่า z ของพารามิเตอร์แต่ละตัว (พารามิเตอร์เป็นส่วนหนึ่งของสมการเชิงเส้น-บันทึก) ตัวแปรทั้งหมดถูกบันทึกใหม่และมีค่าสองค่า (1, 2) ยกเว้นจากกลุ่มอายุซึ่งมีสามค่า (1, 2, 3) กลุ่มอายุถูกแบ่งออกเป็นสามกลุ่ม ดังนั้นในแบบจำลองที่ตัวแปรนี้ปรากฏขึ้น มีค่า z สองค่าสำหรับพารามิเตอร์ที่เกี่ยวข้อง

มอเตอร์เวย์
สำหรับถนนที่มีการจำกัดความเร็วสูงสุดนั้น ได้มีการพัฒนาแบบจำลองทั่วไปสำหรับความเร็วที่เกินขีดจำกัด ซึ่งรวมถึงชุดตัวแปรต่อไปนี้

ตัวแปรในรุ่น:

กิโลเมตรต่อปี

เพศ

ความจุของเครื่องยนต์

คนอื่น ๆ ทำลายขีด จำกัด ความเร็ว

ความเพลิดเพลินในการขับรถเร็ว

รูปที่ 1แสดงผลกระทบหลัก 5 ประการต่อการจำกัดความเร็วเกินบนทางหลวงพิเศษและการโต้ตอบ 5 อย่างระหว่างตัวแปรอิสระ ซึ่งเกี่ยวข้องกับการจำกัดความเร็วเกินบนทางหลวงพิเศษด้วย

มะเดื่อ 1
รูปที่ 1
เกินขีดจำกัดความเร็วบนมอเตอร์เวย์–ตัวแปรและผลกระทบต่อเกินขีดจำกัด

ภาพขนาดเต็ม
โมเดลนี้มีความพอดีอย่างมากโดยมีนัยสำคัญเท่ากับ 0.940 ซึ่งบ่งชี้ว่าแบบจำลองนี้อธิบายกลุ่มตัวอย่างส่วนใหญ่

ความสัมพันธ์โดยตรงระหว่างตัวแปรอิสระและการจำกัดความเร็วเกินบนทางหลวงพิเศษ : ผลลัพธ์บ่งชี้ดังต่อไปนี้:

ผู้ขับขี่ที่ประกาศว่าตนสนุกกับการขับเร็วเกินขีดจำกัดความเร็วบนทางหลวงพิเศษ

ผู้ขับขี่ที่มีระยะทางต่อปีมากกว่า 15,000 กม. เกินขีดจำกัดความเร็วบนทางหลวงพิเศษบ่อยครั้ง

ความจุเครื่องยนต์ของรถยนต์นั้นสัมพันธ์กับการจำกัดความเร็วเกินบนทางหลวงพิเศษ ผู้ขับขี่ที่มีความจุเครื่องยนต์ของรถยนต์มากกว่า 1,300 ซีซี เกินขีดจำกัดความเร็วบนทางหลวงพิเศษบ่อยกว่าที่มีความจุเครื่องยนต์ของยานพาหนะน้อยกว่า 1,300 ซีซี

ผู้ขับขี่ชายใช้ความเร็วเกินขีดจำกัดบนทางหลวงพิเศษบ่อยกว่าผู้ขับขี่หญิง

ผู้ขับขี่ที่เชื่อว่าผู้ขับขี่คนอื่นๆ ใช้ความเร็วเกินขีดจำกัด มักใช้ความเร็วเกินขีดจำกัดของตนเองบนทางหลวงพิเศษ

การโต้ตอบระหว่างตัวแปรอิสระหลายตัวและการจำกัดความเร็วเกินบนทางหลวงพิเศษ : ปฏิกิริยาระหว่างตัวแปรอิสระ (จัดตามความสำคัญ) กับความสัมพันธ์ของตัวแปรเหล่านี้กับการจำกัดความเร็วเกินบนทางหลวงพิเศษต้องเข้าใจดังนี้

ผู้ขับขี่ที่ชอบขับรถเร็ว ไม่เคยหรือบางครั้งเชื่อว่าคนขับคนอื่นๆ แทงพนันบอล ใช้ความเร็วเกินขีดจำกัด

ผู้ขับขี่ชายที่เชื่อว่าผู้ขับขี่คนอื่นๆ ใช้ความเร็วเกินกำหนด ให้ขับรถที่มีกำลังเครื่องยนต์ต่ำ

ผู้ขับขี่รถยนต์ที่มีความจุเครื่องยนต์ต่ำและมีระยะทางต่อปีน้อยกว่า 15.000 กม. ไม่เกินขีดจำกัดความเร็วบนทางหลวงพิเศษ

ถนนสายหลัก
เช่นเดียวกับการวิเคราะห์การจำกัดความเร็วเกินบนทางหลวงพิเศษ แบบจำลองสำหรับการเกินขีดจำกัด แทงพนันบอล ความเร็วบนถนนสายหลักมีชุดตัวแปรดังต่อไปนี้