基尼系数和帕累托曲线

一、基尼系数与帕累托曲线(一)基尼系数。这是本世纪初意大利经济学家,基尼提出的定量测度收入分配平均程度的方法。计算公式为:G=sum from i=1 to m(Pw_i)·Iw_i+2[Pw_1(1-S_1)+Pw_2(1-S_2)+……+Pw_(m-1)(1-S_(m-1))]-1式中:Pw_i为第i组的人数比重;Iw_i为第i组的收入比重;S_i为第i组的累计收入比重;i=1,2,……,m即整个资料分为m组。(二)帕累托曲线。意大利经济学家。帕累托通过大量统计资料的研究,发现收入分配曲线为双曲线,可用如下公式表示:x=A/(y-a)~b     

关于拟合洛伦茨曲线的统计分组方法和基尼系数区间估计的探析

一、问题的提出 洛线的基尼系数作为描述社会收入分配差异的两种方法,不仅反映最高收入与最低收入的差异,也反映该地区居民收入的平均差异,这是均值、中位数、众数、均方差等其他指标所不能替代的。从理论上讲,要准确地描述和反映居民收入的差异程度,可以通过细分组来实现,分组越细,曲线越逼近实际。但是在实践过程中就可以发现,组分得越细计算工作量     

基尼系数的抽样估计

The paper discusses the properties of statistics and precision of estimation when the sample statistics are used to estimate Gini Coefficient.     

基尼系数不能衡量收入分配的公平程度和平等程度

近年来,经济学界、统计学界在对收入分配不公问题的讨论中,有不少文章涉及到基尼系数的使用。只有少数文章讨论了基尼系数在我国的适用性问题,而更多的文章则是直接用基尼系数作为说明其某些观点的论据,这就意味着肯定了基尼系数在我国的适用性。基尼系数常被西方经济学家、统计学家用来说明收入分配的平均程度。此外,基尼系数也可用于描述财产或资本的集中程度等等。无疑,基尼系数可以反映收入分配结果的差异程度,但应该注意的是,基尼系数并不能用于衡量收入分配的公平程度和平等程度。     

基尼系数及其估计

近年来随着社会贫富差距的加大,"基尼系数"这个名词不时见诸媒体,本文拟对这个概念作比较严谨的介绍,并讨论与之有关的统计问题.     

集中曲线与扩展线性支出系统的结合应用

在影响消费水平和消费结构变化的诸多因素中,最重要的是居民的收入和消费品(包括以实物形式存在的消费品和以服务形式存在的劳务,下同)的价格。研究各类消费品需求在给定收入和价格下的伸缩性和变动性,测定各类消费品支出、总支出、收入分配的不平等程度以及它们相互之间的关系,对于合理掌握消费品需求的增长速度,适时调整和正确引导居民的消费结构,起着积极的作用。集中曲线与扩展线性支出系统的结合应用可为这种分析研究提供一种有效的方法。     

基于木材需求曲线的森林资源价格确定方法

一、问题的提出60年代以来 ,由于环境问题的日益严重 ,资源的环境价值体系及其评估核算和纳入国民经济体系的研究已成为国际社会注目的焦点 ,许多发达国家(美国、英国、加拿大和德国等 )和国际机构 (如联合国、世界银行及欧盟 )都对此进行了大量的研究 ,提出要把无色ＧＮＰ变成绿色的ＧＮＰ ,并在资源的价值体系上和评价方法上取得了许多重大进展。目前世界各国对环境价值核算的方法有许多 ,常见的有 :生产率变动法、人力资本法 (工资损失法或疾病成本法 )、机会成本法、预防性支出 (防护费用 )法、重置成本法、影子项目法 ,这些方法归类为…     

收入分配与社会分化模式的计量分析——Lorenz曲线应用的一个拓展

Lorenz曲线是收入分配和社会分化研究的有力分析工具之一。目前应用最广泛的衡量收入分配不平均程度的指标——Gini系数,就是根据Lorenz曲线计算出的。然而Gini系数只能反映收入分配不平均的程度,而不能说明收入分配或社会分化的类型和特征。因为两条具有不同性质的Lorenz曲线可能具有相同的Gini系数。从逻辑上讲,在任何社会、任何国家、任何时候,Gini系数的值皆在0～1间变化,而收入分配的特征则随着国别、时代、社会制度的不同而不同。因此,相对于收入不平均程度而言,我们更关心的是收入分配或社会分化的不同模式。本文拟对Lorenz曲线的应用进行拓展,以达到对社会分化模式进行计量的目的。     

几种增长曲线模型的分析——兼谈增长趋势预测

饱和增长过程大量存在于商业、市场及其他领域。当市场的容量限制了增长过程的速度时,便形成了饱和增长趋势。新产品的购买、石油的产量、新技术或商品信息的扩散、促销广告的作用以及传染性疾病的传播等等都具有饱和增长的特征。饱和增长趋势的基本特点用数学语言表述是:单调增长,增长有极限,形状呈S形(即有一最大增长速度)。本文从实际意义上分析了几种主要的增长曲线模型的结构特点,引出了两种具有较强适应能力的曲线模型,并讨论了饱和增长预测的一些问题。     

收入基尼系数的统计推断

 基尼系数估计量的统计推断是基尼系数研究的一个重点。本文我们使用Davidson（2009）提出的近似大样本渐进分布方法,对收入基尼系数估计量进行统计推断,包括计算估计量的标准差、构造置信区间和进行假设检验。通过模拟试验,我们验证了在小样本情形下,依据该方法所做的统计推断具有较高的可靠性。在此基础上,我们对我国城镇居民的真实收入基尼系数进行了统计推断。     

基尼系数合意值和警戒线的探讨

 近年来，很多学者对基尼系数的经验法则尤其是警戒线提出了质疑。本文首先分析了收入分配的合意类型，然后依据相对贫困、贫富差距及中等收入者的收入份额三个指标来界定合意的收入分配，最后根据合意收入分配确定基尼系数的合意值和警戒线。本文结论表明，0.3—0.4可以被认为是基尼系数的合意值,0.4作为基尼系数警戒线也是比较合理的。     

拓展基尼系数及其居民消费应用研究

本文给出了拓展基尼系数的一个等价定义,给出拓展基尼系数组群、要素分解的统一形式。对2009年我国城乡居民食品消费数据进行结构性分析,结果表明：⑴拓展基尼系数是不平等厌恶参数的增函数,最小值为0、最大值为1-S1/p1;⑵随着不平等厌恶参数的增大,各个组群或要素对不平等边际效应的方向保持相对稳定;⑶城镇居民在外餐饮、肉禽及制品、水产品类支出份额的增加,对食品消费不平等产生消极的边际影响。     

中国基尼系数警戒线的一个估计

 本文基于1978-2007年我国居民收入分配的分组数据测算了多个基尼系数,采用参数和非参数多种方法估计了基尼系数的分布服从渐近正态分布,最后基于大样本渐近特征给出了我国基尼系数警戒水平的估计值。     

基尼系数能『二元解析』吗?

《人民日报》发表的《收入分配与社会稳定解析》一文提出，我国存在城镇和农村二元经济结构，用基尼系数来衡量社会宏观形势，最好将农村和城镇分开来考察。经济学家厉以宁先生也曾提出：中国是个二元经济的国家，城市和农村的经济结构不同，生活方式的差别很大，不能笼统地用基尼数来说明问题，应按中国现阶段城乡二元经济的情况来分析。 基尼系数是干什么用的，我想，《收入分配与社会稳定解析》作者和厉先生应该比我辈这些经济学门外汉更清楚。基尼系数就是用来描述收入分配差距的，它们二者之间的关系是一个正比：基尼系数高，表明收…     

基尼系数和统计数据——以浙江省为例

基尼系数是经济学界常用的、可以说是老生常谈的一个概念,其在刻画状态分布不均等方面的优良性质已有不少学者进行了论证(Sen,1997;Cowell,1995)。但是,尽管基尼系数的概念为人们所熟知,其实际应用却不容易。这里主要涉及一个数据问题。众所周知,基尼系数的计算要求把一个社会中的人按收入高低均分为几组(一般是5组),算出每组人群的总收入在全社会总收入中所占的百分比,然后代入计算公式进行计算,得到基尼系数的数值。上述计算过程并不复杂,但关键问题在于在中国的统计年鉴中,城镇和农村居民的收入统计调查数据是分列的。因此,如王学力指出…     

理论基尼系数及其社会福利含义的讨论

 内容提要：尽管关于基尼系数的经验估计与研究异常丰富,但是对于基尼系数的理论含义一直缺乏严格的推导。本文试图从收入分布函数的定义出发,严格探讨基尼系数的理论含义和性质,以澄清一些关于基尼系数的误解。本文认为,最优的基尼系数值不可能从基尼系数的定义本身找到答案,必然牵涉到关于社会福利的价值判断。此外,一旦得到具体的收入分布函数,基尼系数的计算可以通过分布函数的参数估计来实现,因此本文最后给出了产生收入分布函数以及计算基尼系数的一种简单法则。     

Posterior Distributions for the Gini Coefficient Using Grouped Data

When available data comprise a number of sampled households in each of a number of income classes, the likelihood function is obtained from a multinomial distribution with the income class population proportions as the unknown parameters. Two methods for going from this likelihood function to a posterior distribution on the Gini coefficient are investigated. In the first method, two alternative assumptions about the underlying income distribution are considered, namely a lognormal distribution and the Singh–Maddala (1976) income distribution. In these cases the likelihood function is reparameterized and the Gini coefficient is a nonlinear function of the income distribution parameters. The Metropolis algorithm is used to find the corresponding posterior distributions of the Gini coefficient from a sample of Bangkok households. The second method does not require an assumption about the nature of the income distribution, but uses (a) triangular prior distributions, and (b) beta prior distributions, on the location of mean income within each income class. By sampling from these distributions, and the Dirichlet posterior distribution of the income class proportions, alternative posterior distributions of the Gini coefficient are calculated.