Two Tunable Gini-Type Measures with U-Statistic Estimation: Theory, Simulation, and an Empirical Application to GDP per Capita in the Americas

ملخص تقني: مقياسان من نوع "جيني" قابلان للضبط باستخدام تقدير إحصاء U

بيان المشكلة
بينما يُعد معامل جيني الكلاسيكي معيارًا مرجعيًا قياسيًا لقياس تفاوت الدخل والثروة نظرًا لسهولة تفسيره وتقديره، إلا أنه يعامل جميع الفروق الزوجية بين الملاحظات بالتساوي. هذا الوزن الموحد يمكن أن يحجب الأنماط الدقيقة للتشتت، لا سيما فيما يتعلق بكيفية مساهمة التفاوتات المتطرفة مقابل الفجوات المتوسطة في إجمالي عدم المساواة. يعالج المؤلفون الحاجة إلى مقاييس عدم المساواة التي تسمح للمحللين بضبط الحساسية تجاه تفاوت الذيول (tail-inequality) دون التخلي عن الإطار النظري لمعامل جيني.

المنهجية
يقدم البحث عائلتين جديدتين من مقاييس عدم المساواة، يُرمز لهما بـ $G_p$ و $H_q$، واللتان تعممان معامل جيني الكلاسيكي ($G$) من خلال معلمات قابلة للضبط $p > 1$ و $q > 0$ على التوالي.

1. التعريفات:

   • $G_p$: مُعرف عبر نواة لوغاريتمية. وهو يستبدل الفرق المطلق الخام $|X_1 - X_2|$ بنواة مُقاسة $T(p)$ تتضمن حدودًا لوغاريتمية. عندما تقترب $p$ من $\infty$، فإن $G_p$ يتقارب مع معامل جيني الكلاسيكي.
   • $H_q$: مُعرف عبر نواة فرق المتوسط القوي $K(q)$، والتي تستخدم الفرق بين المتوسط القوي من الدرجة $q$ والمتوسط القوي من الدرجة $-q$ لملاحظتين. عندما تقترب $q$ من $\infty$، فإن $H_q$ يتقارب أيضًا إلى معامل جيني الكلاسيكي.

2. الخصائص النظرية:

   • أُثبت أن كلا المقياسين دالتان متزايدتان بالنسبة لمعلماتهما الخاصة ($p$ و $q$)، مما يعني أن القيم الأعلى تزيد من حساسية المقياس للتفاوتات المتطرفة (النفور من عدم المساواة).
   • يتقارب كلا المقياسين إلى 0 مع اقتراب معلماتهما من حدودهما الدنيا ($p \to 1^+$ و $q \to 0^+$) وإلى معامل جيني الكلاسيكي مع اقترابهما من $\infty$.
   • الثبات القياسي (Scale Invariance): لوحظ تميز جوهري؛ حيث إن $H_q$ ثابت بالنسبة لنسبة المقياس (أي ثابت تحت عملية الضرب القياسي الموجب للدخل)، على غرار معامل جيني الكلاسيكي. في المقابل، $G_p$ ليس ثابتًا بالنسبة لنسبة المقياس؛ إذ إن تغيير متغير الدخل عبر القياس يكافئ رياضيًا تغيير معلمة الضبط $p$.
   • كلا المقياسين محددان بين 0 و 1.

3. التقدير والتقارب التقاربي:

   • اشتق المؤلفون مقدرات "إحصاء U" (U-statistic plug-in estimators) ذات صيغ مغلقة ($\hat{G}_p$ و $\hat{H}_q$) بناءً على بيانات العينة.
   • باستخدام النتائج القياسية لإحصاءات U (هوفدينج، 1948)، أثبتوا الاتساق القوي والتوزيع الطبيعي التقاربي لكلا المقدرين تحت شروط لحظية (moments) خفيفة (تحديدًا اللحظة الأولى والثانية للتوزيع الأصلي).
   • تم اشتقاق التباين التقاربي باستخدام طريقة دلتا متعددة المتغيرات، مما يوفر أساسًا لبناء فترات الثقة واختبارات الفرضيات.

النتائج التجريبية والمحاكاة

• محاكاة مونت كارلو: أُجريت دراسة محاكاة باستخدام بيانات ناتجة عن توزيعات "جاما" مع تغيير أحجام العينات ($n \in \{30, 50, 100, 200, 500\}$) وقيم المعلمات ($p, q \in \{1.1, 2, 5, 10, 50\}$).
  • تشير النتائج إلى أن متوسط الخطأ النسبي المطلق (MARE) وجذر متوسط مربع الخطأ (RMSE) ينخفضان مع زيادة حجم العينة.
  • وُجد أن التقريب الطبيعي التقاربي كافٍ لأحجام العينات $n \geq 100$.
  • تؤكد الدراسة أن قيم المعلمات الأكبر تنتج تقديرات أقرب إلى معامل جيني الكلاسيكي، مما يجعلها ترث خصائصه التقديرية المواتية في تلك التكوينات المحددة.
• التطبيق التجريبي: طُبقت المقاييس على بيانات نصيب الفرد من الناتج المحلي الإجمالي لـ 34 دولة في الأمريكتين (2023).
  • تم التحقق من صحة البيانات مقابل توزيع "جاما" باستخدام اختبارات كولموغروف-سميرنوف وكرامر-فون ميزس.
  • كشف تحليل ملفات الحساسية (رسم التقديرات مقابل $p$ و $q$) أن $G_p$ يرتفع بحدة عند قيم $p$ المنخفضة قبل أن يستقر، بينما يرتفع $H_q$ بشكل تدريجي أكثر. يشير هذا إلى أن التفاوتات الزوجية المتطرفة هي محرك رئيسي لعدم المساواة في مجموعة البيانات، وأن قيم $p$ المتوسطة تلتقط معظم هذا التأثير.

المساهمات الرئيسية

1. مقاييس مبتكرة: تقديم مؤشرين جديدين لعدم المساواة ($G_p$ و $H_q$) يربطان الفجوة بين مقاييس التشتت القياسية ومعامل جيني الكلاسيكي.
2. النظرية الإحصائية: اشتقاق مقدرات إحصاء U ذات صيغ مغلقة وإثبات الاتساق القوي والتوزيع الطبيعي التقاربي لها بشكل صارم.
3. الفائدة العملية: توفير إطار لتحليل الحساسية. من خلال فحص ملف التقديرات عبر نطاق من المعلمات، يمكن للمحللين تحديد ما إذا كان عدم المساواة موزعًا بشكل موحد أو مدفوعًا بالقيم المتطرفة، مما يوجه اختيار المقياس الملخص المناسب.

الأهمية
يزعم البحث أن هذه المقاييس صُممت لا لتستبدل معامل جيني بل لتكملها. ومن خلال السماح بضبط الحساسية تجاه تفاوت الذيول، توفر هذه المؤشرات رؤية أكثر دقة للهياكل التوزيعية. ويؤكد المؤلفون أن اختيار المعلمة ($p$ أو $q$) يجب أن يسترشد بالإطار المعياري المحدد أو طبيعة البيانات (على سبيل المثال، ما إذا كان وحدة القياس يجب أن تؤثر على التقييم). كما أن القدرة على بناء فترات الثقة عبر التوزيعات التقاربية المشتقة تعزز من قابليتها للتطبيق في تحليل السياسات والبحث التجريبي.