📈 economics

A Novel Subgroup Decomposition of Income Inequality: Resolving the Information Mixture Problem

Cet article propose une nouvelle méthodologie de décomposition de sous-groupes basée sur le cadre de la distribution inégale (UD) et de la distribution inégale relative (RUD) afin de résoudre le « problème de mélange d'informations » des approches conventionnelles en isolant une base égalitaire fondamentale, permettant ainsi une partition mathématiquement cohérente de l'inégalité des revenus en composantes pures intra-groupe et inter-groupe.

Auteurs originaux : Joongyang Park, Muhammad Hamza, Youngsoon Kim

Publié 2026-08-03

📖 7 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Joongyang Park, Muhammad Hamza, Youngsoon Kim

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Le grand casse-tête économique : Pourquoi nous avons besoin d'une meilleure règle

Imaginez que vous essayiez de comprendre pourquoi un groupe d'amis possède des quantités de bonbons si différentes. Certains ont une montagne, d'autres quelques morceaux, et certains n'en ont aucun. Les économistes appellent cela « l'inégalité des revenus », et ils passent beaucoup de temps à essayer de la mesurer. Mais voici la partie délicate : pour comprendre pourquoi le partage des bonbons est inégal, vous devez décomposer le problème en plus petites parties. Vous voulez savoir : l'injustice vient-elle du fait que les groupes eux-mêmes sont différents (comme un groupe recevant une énorme récolte de bonbons tandis qu'un autre en reçoit une minuscule portion) ? Ou est-ce parce que, même au sein d'un seul groupe, certains enfants en accumulent plus que d'autres ?

Pendant des décennies, la méthode standard pour mesurer cela a consisté à utiliser une règle qui part de la « hauteur moyenne » du groupe. Si vous mesurez la taille de chacun par rapport à la moyenne, vous obtenez un nombre qui indique à quel point ils sont dispersés. Mais il y a une faille cachée dans cette méthode. Elle mélange deux choses différentes : le fait que chacun possède des bonbons (la base) et le fait que les bonbons supplémentaires sont distribués de manière inégale. C'est comme essayer de mesurer à quel point une pièce est en désordre en mesurant la distance de chaque objet par rapport au centre de la pièce, alors même que le sol est recouvert d'une couche épaisse et inégale de tapis sur laquelle tout le monde se tient. Si vous ne tenez pas compte de ce tapis, votre mesure du désordre est fausse. Ce document plonge dans ce problème spécifique, proposant une nouvelle façon de mesurer le « désordre » qui ignore le tapis pour se concentrer uniquement sur les jouets éparpillés.

Le tapis et les jouets : Une nouvelle façon de mesurer le désordre

Les auteurs de ce document, Joongyang Park, Muhammad Hamza et Youngsoon Kim, soutiennent que l'ancienne façon de mesurer l'inégalité des revenus souffre de ce qu'ils appellent le « problème de mélange d'informations ». Pour y remédier, ils ont inventé un nouvel outil mathématique basé sur le concept de revenu « inégalement distribué » (UD pour Unequally Distributed).

Voici comment fonctionne leur nouvelle méthode, en utilisant une analogie simple. Imaginez une société comme un groupe de personnes debout sur un sol. L'ancienne méthode regarde la distance de chacun par rapport à la « hauteur moyenne ». La nouvelle méthode dit : « Attendez une minute ! D'abord, coupons le sol. »

La base égalitaire (Le sol) : Les auteurs affirment que chaque personne possède un montant « minimum » de revenu qui est partagé par tous, comme un sol sur lequel tout le monde se tient. Dans leurs mathématiques, il s'agit du revenu le plus bas du groupe.
Le surplus inégal (Les jouets) : Une fois que vous avez retiré ce sol partagé, ce qui reste est le « surplus ». C'est l'extra de revenu que certains possèdent et que d'autres n'ont pas. C'est la partie « inégalement distribuée ».
La nouvelle règle (Le revenu RUD) : Ils prennent ensuite ce surplus et le mesurent par rapport à un état « parfaitement égal » où tout le monde possède un surplus de zéro (parce qu'ils ont tous simplement le sol).

Le document propose une formule spécifique, appelée l'indice $L^2_{2,q}$ , pour mesurer la distance entre la distribution réelle de ces « jouets » et un état parfait de zéro jouet. Voyez cela comme la mesure de l'énergie totale des jouets éparpillés. Si tout le monde possède la même quantité de bonbons supplémentaires, les jouets sont soigneusement empilés (faible inégalité). Si un enfant a une montagne et que les autres n'en ont aucun, les jouets sont éparpillés partout (forte inégalité).

Ce qu'ils ont trouvé : La magie des mathématiques pures

Les auteurs n'ont pas seulement deviné ; ils ont construit une preuve mathématique pour montrer pourquoi leur nouvelle règle est meilleure. Ils ont démontré que leur méthode résout deux gros maux de tête qui tourmentent les anciennes méthodes :

Plus de confusion par « chevauchement » : Les anciennes méthodes, comme le célèbre coefficient de Gini, créent souvent un terme de « chevauchement » déroutant lorsque vous essayez de diviser les données en groupes (comme diviser les bonbons en « garçons » et « filles »). C'est comme essayer d'additionner deux nombres et d'obtenir un troisième nombre mystérieux qui n'appartient à aucun des deux. La nouvelle méthode des auteurs est « strictement additive ». Cela signifie que si vous calculez l'inégalité pour le Groupe A et le Groupe B séparément, puis que vous les additionnez, vous obtenez l'inégalité totale exacte de toute la société. Pas de nombres mystérieux, pas de restes.
Le « sol » ne casse pas les mathématiques : Un problème majeur avec d'autres méthodes est que si le « sol » (le revenu minimum) change, toute la mesure est perturbée. Les auteurs ont prouvé que leur nouvel indice, le $L^2_{2,q}$ , reste cohérent même lorsque le sol se déplace. Il respecte une règle appelée le « principe de transfert de Pigou-Dalton » qui stipule essentiellement : « Si vous prenez un dollar à une personne riche pour le donner à une personne pauvre, l'inégalité devrait diminuer. » Leurs mathématiques montrent que cela se produit parfaitement, même si le sol de la personne la plus pauvre augmente.

Un essai avec cinq personnes

Pour prouver leur point, les auteurs ont lancé une simulation avec une minuscule société de seulement cinq personnes ayant des revenus de 1, 2, 3, 4 et 5.

L'ancienne méthode : Mesurerait l'écart autour de la moyenne (3).
La nouvelle méthode : Retire d'abord le « sol » de 1. Les nouveaux revenus deviennent 0, 1, 2, 3 et 4. Ensuite, elle les met à l'échelle afin qu'ils soient relatifs à la moyenne.
Le résultat : Ils ont divisé ce groupe en deux : un « niveau inférieur » (1 et 2) et un « niveau supérieur » (3, 4 et 5). En utilisant leur nouvelle formule, ils ont pu calculer parfaitement quelle part du « désordre » total était causée par la différence entre les deux niveaux par rapport au désordre à l'intérieur de chaque niveau. Les mathématiques s'additionnaient parfaitement : la somme des parties était égale au tout, sans aucune erreur.

Pourquoi cela importe (Et la suite)

Le document conclut qu'en utilisant ce nouveau cadre de « Revenu Inégalement Distribué Relatif » (RUD), nous pouvons enfin voir la véritable structure de l'inégalité économique sans la distorsion de la base. C'est comme nettoyer la lentille d'un appareil photo pour voir l'image réelle, et non l'éclat de lumière.

Cependant, les auteurs précisent avec prudence que, bien que les mathématiques soient solides, l'utilisation de cela dans le monde réel présente un défi. Pour utiliser cette méthode sur des données réelles, vous devez savoir exactement où se trouve le « sol » (le revenu minimum). Dans une économie réelle, trouver ce minimum exact est complexe et dépend de la manière dont vous modélisez les données. Les auteurs suggèrent que les recherches futures doivent déterminer la meilleure façon d'estimer ce sol, peut-être en observant comment d'autres types de données (comme la taille des gouttes de pluie ou la durée de vie des ampoules) sont modélisés.

En bref, ce document ne propose pas seulement un nouveau chiffre ; il propose une nouvelle façon de penser. Il suggère que pour comprendre véritablement pourquoi certains possèdent plus que d'autres, nous devons d'abord nous mettre d'accord sur ce que signifie « n'avoir rien », puis mesurer tout le reste à partir de là. C'est une perspective fraîche qui promet de rendre nos cartes économiques beaucoup plus claires, à condition que nous puissions trouver comment tracer cette ligne de départ.

Résumé technique : Une nouvelle décomposition des sous-groupes de l'inégalité des revenus

Énoncé du problème
L'article identifie des failles théoriques fondamentales dans les cadres conventionnels de décomposition de l'inégalité des revenus, spécifiquement le « problème de mélange d'informations » et le « problème de variation au sein d'une distribution de revenus ». Les méthodes traditionnelles, y compris celles basées sur la classe des Entropies Généralisées et le coefficient de Gini, ancrent généralement la décomposition sur la moyenne arithmétique du revenu total. Les auteurs soutiennent que cette approche confond deux composantes distinctes du revenu : un socle égalitaire (le revenu minimum partagé par tous les individus, représentant l'égalité réalisée) et un surplus inégal (le revenu restant au-dessus de ce socle). En mesurant la dispersion autour de la moyenne, les indices conventionnels mélangent par inadvertance l'évaluation du socle égalitaire avec celle du surplus inégal. De plus, parce que ces indices mesurent la dispersion statistique interne plutôt que le départ géométrique pur d'un état d'égalité parfaite (le vecteur nul), toute décomposition additive de ces indices hérite intrinsèquement et amplifie ce défaut de mesure. Cela conduit à des distorsions structurelles, telles que les termes complexes de « chevauchement » ou de « transvariation » trouvés dans les décompositions de Gini, qui violent la stricte additivité et la cohérence des sous-groupes.

Méthodologie
Pour résoudre ces problèmes, l'article propose une nouvelle méthodologie de décomposition des sous-groupes basée sur le cadre du revenu Inégalement Distribué (ID) et du Revenu Relativement Inégalement Distribué (RID). Le cœur de l'approche comprend les étapes suivantes :

Extraction du socle égalitaire : Les auteurs définissent le socle égalitaire comme le revenu minimum ( $y_1$ ) d'une distribution. Ce socle est soustrait du revenu de chaque individu pour générer le vecteur de revenu ID ( $x_i = y_i - y_1$ ). Dans un état de parfaite égalité, le vecteur de revenu ID est le vecteur nul absolu.
Normalisation pour l'invariance d'échelle : Pour garantir l'invariance d'échelle de la mesure, le revenu ID est transformé en revenu RID ( $z_i = x_i / \mu_y$ ), où $\mu_y$ est la moyenne du revenu total original. Cela préserve le vecteur nul comme socle tout en garantissant que l'indice reste constant lors d'une mise à l'échelle uniforme des revenus.
Sélection de l'indice $L^2_{2,q}$ : Les auteurs utilisent l'indice $L^2_{2,q}$ , défini comme la moyenne des carrés des revenus RID ( $L^2_{2,q} = \frac{1}{n}\sum z_i^2$ ). Cet indice est mathématiquement équivalent à $\mu_z^2 + V_z$ , où $\mu_z^2$ représente la distance géométrique au carré entre la moyenne sociétale et le vecteur nul (le départ de l'égalité), et $V_z$ représente la variance du revenu RID (la variation interne du surplus).
Stratégie de décomposition : L'article propose deux approches de décomposition :
- Décomposition de la variance : La variance totale ( $V_z$ ) est partitionnée en composantes inter-groupes ( $V_{z, Entre}$ ) et intra-groupes ( $V_{z, Dans}$ ) en utilisant la logique standard de l'ANOVA appliquée aux revenus RID. Cela isole les disparités structurelles sans termes croisés résiduels.
- Décomposition pondérée par la population : Suivant Hamza et al. (2026), l'indice total est exprimé comme une somme pondérée par la population des indices $L^2_{2,q}$ spécifiques aux sous-groupes, permettant une comparaison directe des niveaux d'inégalité entre les sous-groupes.

Principales contributions

Résolution du problème de mélange d'informations : En extrayant le socle égalitaire avant la décomposition, le cadre proposé garantit que seul le pur surplus inégalement distribué est partitionné. Cela empêche la contamination des mesures d'inégalité par la magnitude du socle partagé.
Cohérence mathématique et additivité : L'indice $L^2_{2,q}$ satisfait l'additivité stricte et la cohérence des sous-groupes. Contra l'indice de Gini, qui produit des termes de chevauchement complexes, cette méthode permet une partition additive parfaite de l'inégalité totale en composantes intra-groupes et inter-groupes.
Robustesse axiomatique : L'article démontre que la décomposition proposée satisfait des axiomes essentiels, notamment l'invariance d'échelle, l'indépendance de la population et le principe de transfert de Pigou-Dalton. Notamment, les auteurs montrent que l'indice $L^2_{2,q}$ capture correctement l'impact systémique de l'augmentation du socle fondamental (par exemple, lorsqu'un transfert progressif augmente le revenu minimum), une caractéristique où les indices basés sur la fonction de répartition (CDF) (comme ceux reposant sur le coefficient de Gini) peuvent échouer.
Interprétation géométrique : La méthodologie reformule l'inégalité comme la distance géométrique au carré du vecteur de revenu RID par rapport au vecteur nul absolu, fournissant une interprétation euclidienne claire des disparités structurelles.

Résultats
L'article valide la méthodologie à travers un exemple numérique stylisé impliquant une société de cinq individus répartis en deux sous-groupes. Les résultats démontrent :

Décomposition exacte : L'indice $L^2_{2,q}$ total est calculé à 6/9 (équivalent à 2/3). Cette valeur est parfaitement décomposée en la somme des indices des sous-groupes pondérés par la population et en la somme des composantes de variance inter-groupes et intra-groupes.
Clarté structurelle : La décomposition isole avec succès la part de l'inégalité totale attribuable à la variation au sein de la distribution RID et partitionne plus précisément cette variation entre les différences entre les sous-groupes et la dispersion interne des sous-groupes. Plus précisément, la part de l'inégalité totale attribuée à la variation au sein de $z$ est de 1/3, et la part de l'inégalité totale attribuée à la différence entre les sous-groupes est de 1/4.
Vérification des propriétés : L'application numérique confirme que l'indice reste invariant sous la réplication de la population et que la décomposition s'applique sans termes résiduels.

Signification
L'article affirme que cette méthodologie fournit une lentille mathématiquement rigoureuse et « incontaminée » pour observer la stratification sociétale. En proposant un cadre qui évite les distorsions structurelles inhérentes aux mesures de variance autour de la moyenne arithmétique, les auteurs offrent un outil précis pour identifier les moteurs structurels profonds de l'inégalité économique. Ils soutiennent que cette approche est essentielle pour concevoir des politiques de redistribution ciblées, car elle distingue l'inégalité causée par la taille du socle égalitaire de l'inégalité causée par la distribution du surplus. Bien que l'article reconnaisse le défi futur de l'estimation du seuil minimum ( $y_1$ ) dans les microdonnées empiriques, il pose ce cadre de décomposition comme le fondement théorique nécessaire pour résoudre le « problème de mélange d'informations » qui a entaché l'analyse conventionnelle de l'inégalité.

Le grand casse-tête économique : Pourquoi nous avons besoin d'une meilleure règle

Le tapis et les jouets : Une nouvelle façon de mesurer le désordre

Ce qu'ils ont trouvé : La magie des mathématiques pures

Un essai avec cinq personnes

Pourquoi cela importe (Et la suite)

Articles similaires