Bias analysis of a linear order-statistic inequality index estimator: Unbiasedness under gamma populations

ملخص تقني: تحليل التحيز لمقدر مؤشر عدم المساواة القائم على ترتيب الإحصاء الخطي

بيان المشكلة
يعد قياس عدم المساواة الاقتصادية من بيانات العينات تحديًا مركزيًا في الاقتصاد التطبيقي. وبينما يُعد معامل جيني الكلاسيكي هو المقياس الأكثر استخدامًا القائم على الرتب، فمن المعروف أنه يعاني من تحيز غير مهمل في العينات المحدودة، لا سيية في أحجام العينات الصغيرة إلى المتوسطة والمجتمعات ذات الالتواء العالي. وقد طورت الأدبيات الحالية توسعات مختلفة، مثل مؤشر جيني من الدرجة $m$، ومؤشر جيني الممتد من الدرجة $m$، ومؤشر $S$-Gini، والتي تُقدر غالبًا عبر بناءات من نوع إحصائية U (U-statistic) التي تعتمد على متوسط تباينات الرتب عبر عينات فرعية. ومع ذلك، ظل سلوك التحيز في العينات المحددة لهذه المقدرات، لا سيما عند تطبيعها بواسطة المتوسط الحسابي للعينة، غير مستكشف إلى حد كبير بعيدًا عن حالات محددة. تعالج هذه الورقة الحاجة إلى تحليل موحد للتحيز لمجموعة واسعة من مؤشرات عدم المساواة الخطية القائمة على ترتيب الإحصاء ومقدراتها المعيارية.

المنهجية والإطار العملي
يعرف المؤلفون مؤشر عدم مساواة خطي عام لترتيب الإحصاء، $I_m$، لمتغير عشوائي غير سالب $X$ ذي متوسط حسابي محدود $\mu$:
$$I_m = \frac{1}{m\mu} \sum_{k=1}^m a_k E[X_{k:m}],$$
حيث $X_{k:m}$ هي الإحصاءات المرتبة من عينة حجمها $m$، والمعاملات $a_k$ تحقق $\sum a_k = 0$ و $a_1 \leq \dots \leq a_m$. يوحد هذا الإطار معامل جيني الكلاسيكي ($m=2$)، ومؤشر جيني من الدرجة $m$، ومؤشر جيني الممتد من الدرجة $m$، وحالات محددة من مؤشر $S$-Gini. ويتبين أن المؤشر ينتمي إلى فئة مقاييس عدم المساواة الطيفية (المعتمدة على الرتب)، مما يسمح بتمثيل تكاملي يتضمن دالة الكمية لـ $X$.

تركز الدراسة على مقدر من نوع إحصائية U طبيعي، $\hat{I}_m$، يُعرف بمتوسط تباينات الإحصاءات المرتبة الموزونة عبر جميع العينات الفرعية ذات الحجم $m$ وتطبيعه بواسطة المتوسط الحسابي للعينة $\bar{X}$. ويستنتج المؤلفون تفكيكًا عامًا لتحيز العينة المحددة لهذا المقدر. يتم التعبير عن التحيز كتركيبة خطية من العوامل $\Delta_{n,r}$، التي تعزل تأثير التطبيع العشوائي عند كل مستوى رتبة:
$$\Delta_{n,r} = E\left[\frac{X_{r:r}}{\bar{X}}\right] - \frac{E[X_{r:r}]}{\mu}.$$
ولتوصيف هذه العوامل تحت توزيعات غير سالبة عامة، تستخدم الورقة طرق تحويل لابلاس، مما يوفر تمثيلًا تكامليًا لـ $\Delta_{n,r}$ يسمح بالتقييم التحليلي أو العددي دون الحاجة لأخذ عينات فرعية.

المساهمات والنتائج الرئيسية

1. تفكيك التحيز العام: تستنتج الورقة تعبيرًا مغلقًا لتحيز $\hat{I}_m$ بدلالة مكونات $\Delta_{n,r}$ (النتيجة 4.3). يفصل هذا التفكيك مساهمات مستويات الرتب المختلفة، مما يسهل التحقيق التحليلي والتقريب العددي عبر تحويلات لابلاس (الخاصية 4.4).

2. عدم التحيز التقاربي: تحت شروط لحظية معتدلة (وجود لحظات من الرتبة $p(1+\epsilon)$) وشروط الذيل السفلي (احتمالية محدودة بالقرب من الصفر)، يثبت المؤلفون أن المقدر غير متحيز تقاربيًا مع زيادة حجم العينة $n \to \infty$ (الخاصية 5.1).

3. عدم التحيز الدقيق تحت مجتمعات توزيع غاما: المساهمة النظرية الرئيسية هي إثبات أن $\hat{I}_m$ غير متحيز بدقة لأي حجم عينة $n \geq m$ إذا كان المجتمع يتبع توزيع غاما. يعتمد هذا على استقلال متجه متغيرات غاما المعيرة عن مجموعها الكلي (خاصية ديريكليه)، بالإضافة إلى تجانس الدالة القصوى. وبالنسبة لـ $X \sim \text{Gamma}(\alpha, \lambda)$، فإن المتطابقة $E[X_{r:r}] = \mu E[X_{r:r}/\bar{X}$ تتحقق، مما يعني أن $\Delta_{n,r} = 0$ وبالتالي $\text{Bias}(\hat{I}_m, I_m) = 0$ (النظرية 6.1). وهذا يوسع نتائج عدم التحيز المعروفة لمعامل جيني الكلاسيكي لتشمل الفئة الأوسع من مؤشرات عدم المساواة الخطية القائمة على ترتيب الإحصاء.

4. التحقق عبر محاكاة مونت كارلو: تقارن دراسة المحاكاة بين مقدر إحصائية U المقترح ومقدر "الاستبدال" (plug-in) المعلمي القائم على تقدير الاحتمال الأقصى (MLE) عبر توزيعات غاما، ولوغاريتمي طبيعي، وويبل، ولومب (Lomax).

   • مجتمعات غاما: يظهر مقدر إحصائية U تحيزًا تجريبيًا يتذبذب بدقة حول الصفر، مما يؤكد عدم التحيز الدقيق. في المقابل، يظهر مقدر الاستبدال (MLE) تحيزًا سالبًا منتظمًا، رغم أنه يحقق خطأ جذر متوسط المربع (RMSE) أقل قليلاً بسبب الكفاءة المعلمية.
   • المجتمعات غير التابعة لتوزيع غاما: يظهر مقدر إحصائية U زيادة في تحيز العينة المحددة للتوزيعات ذات الذيول الثقيلة (اللوغاريتمي الطبيعي، لومب)، وهو ما يتناقص مع زيادة $n$. وبينما يكون مقدر الاستبدال (MLE) أكثر كفاءة (RMSE أقل) عندما يكون النموذج المعلمي محددًا بشكل صحيح، يظل مقدر إحصائية U خاليًا من التوزيع وقويًا ضد سوء التحديد.
   • تفكيك التحيز: تتحقق الدراسة من تفكيك التحيز النظري من خلال التقدير العددي لمكونات $\Delta_{n,r}$، مما يؤكد أن الإحصاءات المرتبة العليا تساهم بشكل أكبر في التحيز السالب في السيناريوهات ذات الذيول الثقيلة.

5. التطبيق التجريبي: تُطبق المنهجية على بيانات نصيب الفرد من الناتج المحلي الإجمالي لـ 34 دولة في الأمريكتين. يقوم المؤلفون بحساب كل من معامل جيني الكلاسيكي ومؤشر جيني الخامس باستخدام المقدر المقترح، مع توفير فترات ثقة عبر طريقة البوتستراب (bootstrap). وتوضح النتائج التطبيق العملي للمقدر في قياس تشتت الدخل.

الأهمية والادعاءات
تزعم الورقة أنها توفر إطارًا موحدًا لتحليل تحيز مجموعة واسعة من مؤشرات عدم المساواة القائمة على الرتب. وتتمثل أهم مساهماتها في إثبات أن مقدر إحصائية U المعياري غير متحيز بدقة لتوزيعات غاما، وهي خاصية تمتد لما بعد معامل جيني الكلاسيكي لتشمل مؤشرات جيني من الدرجة $m$، وجيني الممتد من الدرجة $m$، ومؤشرات $S$-Gini المحددة. ويؤكد المؤلفون أن عدم التحيز الدقيق هذا خاص بعائلة غاما نظرًا لبنيتها الفريدة فيما يتعلق باستقلال العينات المعيرة ومجاميعها الكلية.

تسلط الورقة الضوء على المقايضة بين الكفاءة والمتانة: فبينما قد تقدم مقدرات MLE المعلمية تباينًا أقل عندما يكون النموذج محددًا بشكل صحيح، إلا أنها قد تعاني من تحيز منتظم حتى في حالة غاما. وعلى العكس من ذلك، فإن المقدر غير المعلمي المقترح خالي من التوزيع، وقوي ضد سوء التحديد، ويمتلك خاصية عدم التحيز الدقيق تحت توزيعات غاما، مما يجعله أداة موثوقة لقياس عدم المساواة حيث تكون الافتراضات التوزيعية غير مؤكدة أو حيث يكون السلوك الشبيه بغاما محتملًا. وتختتم الورقة بالإشارة إلى أن التوسع في عائلات توزيعية أخرى وتطوير مقدرات مصححة للتحيز للمجتمعات غير التابعة لتوزيع غاما هي موضوعات للبحث المستقبلي.