2017 年度 上智大学経済学部経営学科 網倉ゼミナール 卒業論文
「美味しいカレーを求めて」
A1342286 稲澤 隆太 2018 年 1 月 15 日
目次
1章 カレーの概要
1_1 “カレーとは”
1_2 “美味しいカレー”とは
1_3 東京のカレー屋
2 章 カレー屋の多変量解析
2_1 人口集中した場所に美味しいカレー屋
2_2 美味しいカレーの種類
2_3 神田周辺はカレーの街なのか
3 章 結論
3_1 まとめ
3_2 おわりに
参考文献
明治時代に西洋から日本に持ち込まれた食文化であるカレーは、現在日本人が週に１回以 上は何らかの形食べる国民食となっている。インドが起源と言われているカレーだが、
1872
年に日本で初めてカレーの調理法が紹介されてから僅かな歳月を経て、日本のカレーはイ ンド人が日本料理であると勘違いするまでに進化し続けている。数種類のスパイスを調合 させ独自の味を作っていくカレーは食べる環境によって味が異なり、人によっては「自分が 作るカレーが一番うまい」だとか「母親が作ったものが一番美味しい」とか「甲子園球場で 野球を見ながら食べる甲子園カレーが一番」などといった、“好きなカレー”に個人差があり 一番うまいカレーに関する話のネタは尽きない。更には日本のなかでもカレーの種類は細 分化しており、ご当地の名産を使ったカレーやこだわりのカレーを日本全国で販売してい る。本稿では日本の食が集まる東京で
2018
年1
月現在にカレーを提供する飲食店を「食べロ グ(https://tabelog.com/)」のデータベースから3903
件の抽出し、簡単なデータ分析を通し て東京のカレー屋に関する考察をしていきたいと考えている。1章 カレーの概要
1_1 “カレー”とは
「カレー」という言葉でイメージする基本的なものは、じゃがいも、ニンジン、タマネギ、
それに豚や牛の肉が入っていて、黄色くてとろみがあって適度に辛いもののことを指す。百 科事典によると「カレーパウダー、カレーペースト＝肉と米の料理に加えられる複合調味 料。入れるとピリッとした刺激があり、食欲を増進する。カレーパウダーは一般的に西イン ドの調理に用いられ、『東洋の塩』と呼ばれてきた。」（『エンサイクロペディア・アメリカー ナ』）
上記のようにカレーという言葉の定義が難しく日本に限らず世界的にも曖昧な記述が多 い。そこで筆者はカレーの種類から表１のように定義付け、日本の①カレー・ライス②スー プカレー③欧風カレー④インドカレー⑤タイカレーそれ以外を⑥カレー（その他）に分類し た。またカレーを使った料理の派生として「カレーうどん」「カレー蕎麦」「お好み焼きカレ ー」「とんかつカレー」「カレーらーめん」「カレーパン」などが存在する。
カレー・
ライス(日 本）
肉（牛、豚、鶏肉）、じゃがいも、たまねぎ、に んじん、カレールウ、カレーパウダーなど
スープ(札 幌)
牛や豚などの肉や骨、野菜から取った出汁に、ス パイスペーストを合わせたスープ、具とスープは 別々に調理する
欧風(日 本)
香辛料ではなく、ブイヨンをベースにしたカレ
ー・ライス
インドネ シア
鶏肉（骨付き）、ココナッツミルク、シャロッ ト、ニンニク、マカダミアナッツ、ターメリッ ク、生姜、こぶみかんの葉、ローリエ、レモング ラス、クミン、コリアンダー、唐辛子、黒砂糖、
塩など
ミャンマ ー
魚または肉（豚、鶏肉、牛、ヤギ、羊、あひ る）、えび、干し魚、たまねぎ、ガーリック、生 姜、チリペッパー、魚醤、ピーナッツオイル、ご ま油、塩など
カンボジ ア
牛肉、ココナッツミルク、カピ（小海老の魚醤）, ピーナッツ、ニンニク、マカダミアナッツ、胡 椒、シャロット、八角、レモングラス、干した赤 ピーマン、削ったココナッツ、塩など
タイ
鶏肉、ココナッツミルク、魚醤、なす、バジル
（または八角）、シャロット、ニンニク、レモン グラス、クミン、白胡椒、コリアンダーの種や 根、唐辛子、砂糖、塩など
スリラン カ
牛肉、たまねぎ、ニンニク、クローブ、カルダモ ン、ココナッツミルクやクリーム、生姜、カレー リーフ、ローリエ、レモングラス、クミン、コリ アンダーの種、フェヌグリーク、シナモン、黒胡 椒、カレー粉など
パキスタ ン
肉、ヨーグルト、たまねぎ、生姜、ターメリッ ク、ガラムマサラ、カルダモン、塩など
シンガポ ール
魚または肉（豚、鶏肉、羊）、えび、たまねぎ、
にんにく、生姜、チリソース、コリアンダー、キ ャラウェイ、魚醤、ピーナッツオイル、ごま油、
塩など
イギリス
牛肉（鶏肉）、豆、フルーツ、たまねぎ、じゃが いも、にんじん、カレーパウダー、ヨーグルト、
塩など
インド
北から南まで広大な国であるインドは、宗教や身 分制度等の関係から、たべものの制限があり、豆 や野菜を使った料理メニューが中心で、カレーの 種類も多彩である。
表 1 世界各国のカレー
1_2 “美味しいカレー”とは
本稿で扱う“美味しいカレー”は食べログに掲載されている総合評価の得点に依るところ である。総合評価は不特定多数の食べログユーザーが「料理・味」「サービス」「雰囲気」「CP
（コストパフォマンス）」「酒・ドリンク」の５つの項目に５段階評価で採点した“口コミ”が 集計され反映された得点だ。また総合評価は全ユーザーの単純平均とはならず投稿数が多 いユーザーの影響力が大きくなるように口コミに重みを付けている。
上記の５つの項目は店の内的な要因が主になっており、外的な要因は無視されているた め本稿では地理的な外的要因を考慮していきたい。
1_3 東京のカレー屋
表 2 (出所:タウンページデータベース)
東京のカレー専門店の数は
1033
店と全国で最も多い、次に北海道で484
店、大阪381
店 と続いていく。また人口10
万人あたりの店舗数で見ても1
位石川9.29
店、2
位北海道8.86
店、3位東京都7.81
店と全国で考えてもかなりの激戦区だと考えられ、東京都にあるカレ ー専門店は“美味いカレー屋”が集まっていると考えられる。表 3 市区町村別のカレー提供店（出所：「食べログ」掲載データ（2018年
1
月）3903軒か ら筆者作成）表３は東京都の市区町村ごとのカレー提供店の店舗数である。その他は店舗数が
1％未
満だったものの集合である。23 区内でばらつきはあるものの各区は店舗数が全体の１％以 上にあり、人の移動が多い地域に店舗数が多くあることが見て取れる。最寄り駅別に見るとハブ駅である池袋駅と渋谷駅、新宿駅に多く点在していることわか る。その他には学生街である高田馬場と神保町、オフィスが集中している新橋駅に多くカ レー屋が存在する。
表 5 種類別店舗数
表５は東京都にあるカレー屋を６つの種類別に分けて表している。欧風カレーが
169
店舗、インドカレー屋が
1285
店舗、カレーライス屋が1850
店舗、タイカレー屋が377
店舗、ス 0500 1000 1500 2000
種類別店舗数
度数 パーセント
有効パーセン ト
累積パーセン ト 有効 池袋駅 70 1.8 1.8 1.8
渋谷駅 68 1.7 1.7 3.5 高田馬場駅 46 1.2 1.2 4.7 錦糸町駅 44 1.1 1.1 5.8 神保町駅 43 1.1 1.1 6.9 新宿三丁目駅 39 1.0 1.0 7.9 新橋駅 38 1.0 1.0 8.9 表 4 最寄り駅別の店舗数上位
1％
ープカレー屋が
85
店舗、カレー（その他）が444
店舗という結果になった。表 6 総合得点の箱ひげ図とヒストグラム
表 7 総合得点の基本統計量
総合得点の基本統計量は表７のようになった。
2 章 カレー屋の多変量解析
2_1 人口集中した場所に美味しいカレー屋
誰しもが考えていることだが、人口が集中した地域は飲食店の競争が激しく、必然的に
美味しいレストランが残っていくのではないかと思われる。カレーも同様に、新宿区、千代 田区、港区のようなカレー激戦区にあるカレー屋は食べログユーザからの評価が高いと考 えられる。このような疑問を解消するために、変数
p21:昼間人口大中小を因子に入れた一
元配置分散分析を行い、その後の多重比較にTukey
法を採用する。結果は以下の通り。
分散分析
総合得点
平方和 自由度 平均平方 F 値 有意確率 グループ間 3.318 2 1.659 37.029 .000 グループ内 168.438 3760 .045
合計 171.756 3762
多重比較
従属変数: 総合得点 Tukey HSD
(I) 昼間人口大中小 (J) 昼間人口大中小 平均値の差 (I-
J)
標準誤差 有意確率 95% 信頼区間 下限 上限
30万人未満 30万人以上60万人未満 -.01698 .00919 .155 -.0385 .0046
60万人以上 -.06928* .00897 .000 -.0903 -.0483
30万人以上60万人未満 30万人未満 .01698 .00919 .155 -.0046 .0385
60万人以上 -.05230* .00789 .000 -.0708 -.0338
60万人以上 30万人未満 .06928* .00897 .000 .0483 .0903
30万人以上60万人未満 .05230* .00789 .000 .0338 .0708
*. 平均値の差は 0.05 水準で有意です。
総合得点
Tukey HSDa,b
昼間人口大中小 度数
α= 0.05 のサブグループ
1 2
30万人未満 873 3.1533
30万人以上60万人未満 1349 3.1703
60万人以上 1541 3.2226
有意確率 .125 1.000
等質なサブグループのグループ平均値が表示されています。
a. 調和平均サンプルサイズ = 1183.108 を使用
b. グループ サイズが等しくありません。グループ サイズの調和 平均が使用されます。タイプ I エラー 有意水準 0.05 は保証さ れません。
分散分析の有意確率が
p<0.01
のため「30万人未満」「30万人以上60
万人未満」「60万 人以上」の3
集団における総合得点の平均のうち、少なくとも一つの集団の平均値が他の 平均値と正しくないと判断することができる。次に多重比較を確認すると「60万人以上」のカテゴリーが他の
2
つの集団と平均的に有意な差があった。「昼間人口60
万人以上」＞「30万人以上
60
万人未満」＆「30万人未満」という平均の大小関係を読み取った。要す るに美味しいカレー屋は昼間の人口過密地域に多く点在していることになる。上記と同様の検定を変数
c1:最寄り駅の規模を因子に入れて行ったところ。駅の規模が
大きければ大きいほど美味しいカレー屋が集まっていると判断できる。乗り入れ路線数
1
を「小」、２を「中」、「３〜１１」を大に置き換えた。人口と違う点 は小＜中＜大と平均差が有意であること。2_2 美味しいカレーの種類
本稿ではカレーの種類を「カレーライス」「インドカレー」「タイカレー」「スープカレ ー」「欧風カレー」「カレー（その他）」に分類している。そしてこの６つの値を使ってダ ミー変数を作成した。dmy1:欧風カレーダミー、dmy2:インドカレーダミー、dmy3:カレー ライスダミー、dmy4:タイカレーダミー、dmy5:スープカレーダミー、dmy6:カレー（その 他）ダミーの６変数である。
従属変数に総合得点、独立変数にカレーライスダミーを除いた５つの変数（多重共線性 の問題から）を投入し、重回帰分析を行う。方法はステップワイズ法を用いている。
結果は以下の通りである。
決定係数が
0.13
と低い数値でありそれぞれの影響力にあまり変化がない。インドカレー＜カレー（その他）＜欧風カレー＜タイカレー＜スープカレーと影響力に違いはあるものの モデルとしては適切ではないことが読み取れる。総合得点はカレーの種類によって決まる ものではなく、味やサービス等の内的要因によって左右されるためだと考えられる。また スープカレーとタイカレーの影響力が強いのは店舗数が少ないという希少性から由来して いるものだと考えられる。
2_3
神田周辺はカレーの街なのか何を持ってカレーの街と呼ぶかは人それぞれであるが神田周辺（神保町駅、御茶ノ水 駅、新御茶ノ水駅、小川町駅、淡路町駅、神田駅）には多くのカレー専門店及びカレーを 提供している喫茶店がある。神田周辺のカレー屋の特徴として昔ながらの純喫茶がカレー を提供している。と執筆中に思っていたのだが実際に統計データ（表８）を見てみると、
先程の考えは間違っていたことに気がついた。
変数 係数 有意性
(定数) 3.129 ***
タイカレーダミー
0.177 ***
カレー（その他）ダミー
0.127 ***
欧風カレーダミー
0.156 ***
スープカレーダミー
0.196 ***
インドカレーダミー
0.052 ***
0.10 0.10
F値 87.564
サンプル数
3903
***･･･1%有意，**・・・5%有意，*･･･10%有意
R
2.R
2Adj
共線性の診断
aモデル 次元 固有値 条件指数 分散プロパティ
(定数) タイカレーダミーカレー（その他）ダミー欧風カレーダミースープカレーダミーインドカレーダミー
1 1 1.83 1 0.12 0.04 0.05 0.02 0.01 0.09
2 1.014 1.343 0 0.27 0.16 0.03 0.42 0
3 0.985 1.363 0 0.15 0 0.76 0.02 0
4 0.966 1.376 0 0.22 0.05 0.09 0.43 0.11
5 0.929 1.404 0 0.08 0.52 0 0.08 0.18
6 0.275 2.579 0.88 0.24 0.22 0.1 0.04 0.62
a. 従属変数 総合得点
喫茶店、カフェ＊カレ
ー 有 無
東京都
279 3624
神田周辺
10 101
表 8 喫茶店・カフェ＊カレーのクロス集計
ただ現在もなお神田周辺はカレーの街として全国に名を知らしめている。
3
章 結論3_1
まとめカレーに限らず、飲食店は人口が極度に集中する街の中では商品やサービスが比較でき る“競争”と、消費者がその街に行くことで確実に目的を満たせるが故の“依存”の関係が生 まれる。同じようにカレーの場合もランキング上位の街には、こうしてカレー目当ての人 が通うようになり、カレー店もまた増えていく。ただしその一方で人口が少ない街にある
“本当に美味しい食“に食べログを含む
Web
サービスから日を浴びずに廃れていく事象も少 なからず起こっているのではないかと考えられる。2_3
でわかったように印象づけられた情報を統計データに基づいて考えてみると間違っているということも多く存在するのだと考えさせられた。
3_2
おわりに私が学生生活で面白かった勉強は何かと聞かれればここ１年で学び始めた統計学と応え る。網倉先生から基本統計学の宿題を課されたときはちんぷんかんぷんで投げやりな気持 ちだったが、進めてみると本当に面白い学問だと気付かされました。勿論仕事には一切関 係のないことですし自分自身が今後実務で使う機会もないと思いますが、趣味レベルで今 後も続けて行きたいとは強く考えています。
今回は今流行りのスクレイピングで食べログデータを集計して、データを加工するまで をやりました、初めてのことだったのでその段階でかなり時間を要してしまい、肝心の中 身がお粗末なものになったと思います。
最後に人より１年間長い間学生をしていましたが、温かい目で見守ってくれた先生にお礼 申し上げます。
参考文献
東京で食べログ｢カレー｣の点数が高い街とは http://toyokeizai.net/articles/-/186538
三輪 哲・林雄 亮「SPSSによる応用多変量解析」
森枝 卓士「カレーライスと日本人」
