Denne gang skal vi tale om Gini-indeks For at gøre dette vil vi lave en kort introduktion om, hvad en indeks er numerisk repræsentation af eksisterende variationer Med hensyn til et fænomen af enhver art kan fænomenerne være af enhver art, men dens vigtigste konklusion er en graf, der med et overblik bestemmer alle de statistiske data, dette med henblik på formidling og / eller forståelse af informationen.
Et ulighedsindeks er det mål, der opsummerer den måde, hvorpå en variabel fordeles, uanset hvad den måtte være, blandt et sæt individer. I tilfælde af økonomisk ulighed er målevariablen normalt udgifter til familier, samboere eller enkeltpersoner. Den italienske statistiker Gini Spread, Jeg udarbejder en indikator, hvis anvendelse er til at måle niveauet af ulighed blandt de eksisterende indbyggere i en bestemt region. I modsætning til indekset beregnes koefficienten som en del af en andel af arealerne i diagrammet for det velkendte "Lorenz kurve"
Gini-koefficienten omfatter et tal mellem 0 og 1, hvor 0 svarer til perfekt lighed, hvor alle har den samme indkomst, mens den numeriske værdi 1 svarer til perfekt ulighed, hvor kun et individ har indkomst, og alle de andre ikke har nogen. Gini-indekset er Gini-koefficienten, men udtrykt i reference til et maksimum på 100, i modsætning til koefficienten, der svarer til de decimale numeriske værdier, der kun findes mellem 0 og 1, er dette også for at fremskynde forståelsen af grafer som formidling af de opnåede resultater.
Inden for klassificeringen af uligheder er der to store mål, der anvendes i litteraturen, disse grupperinger er: positive foranstaltninger, der svarer til dem, der ikke henviser til social velfærd. Mens der også er normative foranstaltninger, som i modsætning til de positive er baseret på en direkte velfærdsfunktion. Afhængig af den valgte indikator defineres de normer eller parametre, som den observerede indkomstfordeling sammenlignes med.
En del af egenskaberne ved Gini-indekset eller Gini-koefficienten er:
- Normalt anvendes en bestemt integral til at bestemme arealet mellem linien med perfekt egenkapital og Lorenz-kurven, dette betragtes som den ideelle procedure, men der er også tilfælde, hvor den eksplicitte definition af Lorenz-kurven er ukendt, Derfor er andre metoder anvendes, såsom forskellige formler med et begrænset antal tilføjelser, procedurerne og formlerne varierer alt efter overvejelsen i sagen.
- Selvom det ønskede resultat er en graf, der viser ulighedsindekserne på en enkel og praktisk måde, anbefales det ikke stærkt, at der foretages en visuel evaluering, når det kommer til to Lorenz-kurver, da denne evaluering kan være fejlagtig, i stedet for Det anbefales at sammenligne den ulighed, som hver repræsenterer hver for sig, ved at beregne Gini-indeksene svarende til hver kurve.
- Enhver Lorenz-kurve eller rettere; alle Lorenz-kurver passerer gennem kurven eller linjen, der forbinder punkterne ved følgende koordinater: (0, 0) og (1, 1)
- Tabellen over variationskoefficienter har egenskaber, der kan sammenlignes med Gini-indeksets.
Lorenz-kurven.
Lorenz-kurven er den grafiske repræsentation, der bruges til at repræsentere den relative fordeling af en variabel inden for et givet domæne. Almindeligt er det domæne, hvor denne kurve afspejles, en repræsentation af et sæt varer eller tjenester i en region, dette ved at anvende Lorenz-kurven i forbindelse med Gini-indekset eller Gini-koefficienten. Forfatterskabet til denne kurve er Max O Lorenz i året 1905.
Forholdet mellem Lorenz-kurven og Gini-koefficienten.
Sammen med Lorenz-kurven kan vi beregne Gini-indekset ved blot at dividere det resterende areal mellem kurven og "ligestillingslinjen", dette med det samlede areal, der forbliver under kurven. På denne måde opnår vi koefficienten eller multiplicerer resultatet igen med 100, vi får procentdelen.
Både Gini-indekset og Lorenz-kurven er udviklet som metoder til at identificere uligheder mellem befolkningen i et område (nation, stat, lokalitet osv.), Idet de forstår, at jo mere egenkapital der findes blandt indbyggerne, jo større er tilnærmelsen af kurven til en perfekt linje, mens dens modsatte, en stor ulighed mellem befolkningen i et område, bliver kurven mere og mere udtalt.
Hvad er funktionen af Gini Index?
Inden for undersøgelsen af ulighed er der tilvejebringelse af flere og forskellige måder at beskrive den måde, hvorpå indkomst fordeles på de forskellige grupper af individer i et samfund eller en gruppe mennesker i et område, nogle af disse metoder er som: rækkefølge af information, ulighedsindikatorer og spredningsdiagrammer.
Det faktum at udarbejde et diagram til visualisering af indkomstfordelingen er en virkelig nyttig funktion til analysen af ulighed, da det giver os mulighed for at identificere de aspekter af fordelingen, der med andre metoder ikke ville være mulige eller i det mindste ville være en mere kompliceret opgave.
Anvendelserne i Gini-indekset.
Der er en vis økonomisk ulighed i et bestemt samfund, og udviklingen af dette samfund over tid bliver et emne af interesse for mange økonomer og den offentlige mening generelt. Der er forskellige analyser, der udføres vedrørende vurderingen af graden af ulighed, der findes i et samfund. I løbet af den økonomiske analyses historie er der allerede blevet foreslået forskellige indikatorer for den velkendte undersøgelse af ulighed; Disse har imidlertid ikke haft så frugtbare resultater som den, som forskere om emnet kalder "Gini-koncentrationskoefficient". Da dette indeks er det nemmeste at fortolke, bruges det også konstant som en reference til debat om ulighedens funktion og dens virkninger på befolkningens levestandard i en region.
Blandt de første værker eller rettere det første arbejde, der foreslog brugen af sociale velfærdsfunktioner til måling af ulighed, stammer fra året 1920, lavet af DaltonUnder undersøgelsen, Dalton, foreslået at beregne og observere tabet af velvære forårsaget af en ligelig fordeling af indkomst blandt mennesker. Ved hjælp af en adskillelig, symmetrisk, additiv og nødvendigvis konkav nyttefunktion af indkomst definerede Dalton, hvad der senere ville blive kendt som Dalton Index.
Overvejelser omkring Gini-indekset.
- Inden for teorien betragtes 4 alternativer til at producere dataregning, på trods af dette er de, der bruges mest med meget gentagelse, "frekvensfordelingerne" og "Lorenz-kurven", den mindst anvendte, men stadig meget effektiv. de er "parade diagrammer" og "logaritmisk transformation."
- Hvad er den angivne variabel til måling af ulighed? Inden for det empiriske arbejde er der en debat om variablen, der kan betragtes som "passende" til vurdering af indkomstkoncentration. Der er to store variabler, der styrer kontroversen i denne debat; indkomst per indbygger eller den samlede husstandsindkomst. Man kan sige, at begge variabler er korrekte, alt efter behovet for at blive dækket med hensyn til den forskning, der skal udføres. Af denne grund er det nødvendigt i første omgang at spørge, hvad er formålet med denne måling? For at fortsætte eller fortsætte med valget af den variabel, der svarer til denne særlige sag.
- Overvej opdeling af Gini-indekset. Inden for ulighedsanalysen er nedbrydning en central akse, da vi skal kende oprindelsen til de store ubalancer, der påvirker egenkapitalen på et så grundlæggende niveau som husstanden.
- På trods af populariteten og letheden ved beregningsproceduren er Gini-indekset ikke i overensstemmelse med egenskaben “additiv nedbrydning”. Med dette mener vi, at beregningen, der udføres for en eller flere bestemte undergrupper, ikke nødvendigvis altid falder sammen med værdien af koefficienten for rækkefølgen af den samlede befolkning efter indkomstniveauer.
- Hvad er datakilderne til måling af ulighed? I teorien overvejer og foreslår bøger og de fleste artikler om måling af ulighed formler, der antager, at de anvendte indkomstdata er en tilfældig stikprøve. Dette er anderledes i empirisk arbejde, da dataene i praksis indsamles fra undersøgelser udført i husholdninger, hvor identifikationen af observationsenhederne udføres gennem et eller flere udvælgelsesfaser, og i størstedelen af de muligheder, husholdningerne vælges med ulige sandsynligheder. Dette indebærer, at koefficienten faktisk kun er en tilnærmelse.