Unbiased estimation in new Gini index extensions under gamma distributions, with application to real income data

तकनीकी सारांश: गामा वितरण के अंतर्गत नए गिनी सूचकांक विस्तारों में निष्पक्ष अनुमान

समस्या विवरण
शास्त्रीय गिनी सूचकांक (Gini index), हालांकि आय असमानता को मापने के लिए व्यापक रूप से उपयोग किया जाता है, संपूर्ण वितरण को एक एकल स्केलर मान में संकुचित कर देता है। यह एकत्रीकरण महत्वपूर्ण वितरण संबंधी विशेषताओं को छिपा सकता है, जैसे कि क्या असमानता निचले, मध्य या ऊपरी पूंछ (tails) में केंद्रित है। हालिया विस्तार, जैसे कि $m$-वाँ गिनी सूचकांक (Gavilan-Ruiz et al., 2024), आकार $m$ के नमूनों की अपेक्षित सीमा (expected range) पर विचार करके शास्त्रीय माप का सामान्यीकरण करते हैं। हालाँकि, ये माप अभी भी समग्र संकेतक बने हुए हैं और विशिष्ट स्थितियों, विशेष रूप से नमूने के निचले और ऊपरी छोरों के सापेक्ष असमानता के वितरण के बारे में अंतर्दृष्टि प्रदान नहीं करते हैं। ऐसे मापों की आवश्यकता है जो आर्थिक मॉडलिंग में सामान्य विशिष्ट वितरण संबंधी धारणाओं के तहत, निष्पक्षता (unbiasedness) जैसे वांछनीय सांख्यिकीय गुणों को बनाए रखते हुए, एक "स्थिति-उन्मुख" (position-oriented) मूल्यांकन प्रदान कर सकें।

कार्यप्रणाली
लेखक दो नए मापों को प्रस्तुत करते हैं: विस्तारित निचला गिनी सूचकांक ($IG_{m;\min}$) और विस्तारित ऊपरी गिनी सूचकांक ($IG_{m;\max}$)। इन्हें एक गैर-ऋणात्मक यादृच्छिक चर $X$ के लिए परिभाषित किया गया जिसका माध्य $\mu$ और नमूना आकार $m \geq 2$ है:

• $IG_{m;\min} = \frac{E[X_1 - \min\{X_1, \dots, X_m\}]}{m\mu}$
• $IG_{m;\max} = \frac{E[\max\{X_1, \dots, X_m\} - X_1]}{m\mu}$

ये सूचकांक क्रमशः निचले और ऊपरी पूंछों के सापेक्ष असमानता को परिमाणित करते हैं। उल्लेखनीय रूप से, वे $m$-वें गिनी सूचकांक ($IG_m$) के योग के बराबर होते हैं। विनिमय क्षमता (exchangeability) के कारण जनसंख्या गुणांक विशिष्ट अवलोकन के चयन से स्वतंत्र रहते हैं, हालांकि नमूना अनुमानक चयनित स्थिति $i$ पर निर्भर करते हैं।

यह शोध पत्र गामा-वितरित जनसंख्याओं ($X \sim \text{Gamma}(\alpha, \lambda)$) पर ध्यान केंद्रित करता है, जो आय के मॉडलिंग में इसके प्रसार और इसकी विश्लेषणात्मक सुलभता (analytical tractability) के कारण चुना गया है। लेखक निम्नलिखित कार्य करते हैं:

1. अनुमानकों का व्युत्पन्न (Derive Estimators): $n$ के आकार के नमूने से आकार $m$ के सभी संभावित उप-नमूनों (subsamples) पर U-सांख्यिकी (U-statistics) का उपयोग करके नमूना-आधारित अनुमानकों ($\widehat{d}_i IG_{m;\min}$ और $\widehat{d}_i IG_{m;\max}$) का निर्माण करते हैं।
2. अनंतस्पर्शी गुणों (Asymptotic Properties) की स्थापना: U-सांख्यिकी के प्रबल लघु नियम (strong law of large numbers) और होफडिंग अपघटन (Hoeffding decomposition) का उपयोग करके हल्के नियमितता नियमों के तहत निरंतरता (consistency) और अनंतस्पर्शी सामान्यता (asymptotic normality) को सिद्ध करते हैं।
3. निष्पक्षता (Unbiasedness) को सिद्ध करना: लाप्लास ट्रांसफॉर्म तकनीकों और गामा वितरण के विशिष्ट गुणों का उपयोग करके अनुमानकों के प्रत्याशित मानों के सटीक व्यंजक प्राप्त करते हैं। लेखक प्रदर्शित करते हैं कि गामा जनसंख्याओं के लिए, अनुमानक निष्पक्ष हैं, अर्थात $E[\widehat{d}_i IG_{m;\min}] = IG_{m;\min}$ और $E[\widehat{d}_i IG_{m;\max}] = IG_{m;\max}$।
4. गुणों का लक्षण वर्णन: स्केल इनवेरिएंस (scale invariance), अनुवाद अपरिवर्तनीयता (translation invariance) का अभाव, और वितरण फलन $F$ के साथ सहप्रसरण प्रतिनिधित्व को स्थापित करते हैं।

प्रमुख परिणाम

• सैद्धांतिक निष्पक्षता: यह शोध पत्र प्रस्तावित अनुमानकों के प्रत्याशित मानों के सटीक परिमित-नमूना व्यंजक प्रदान करता है, जिससे गामा मॉडल के तहत उनकी निष्पक्षता सिद्ध होती है। यह $m$-वें गिनी सूचकांक के संबंध में डेल्टास (2003) और बायडिल आदि (2025) के पिछले परिणामों का विस्तार करता है।
• विघटन (Decomposition): विस्तारित निचले और ऊपरी सूचकांकों का योग $m$-वें गिनी सूचकांक को पुनः प्राप्त करता है, जिससे समग्र असमानता को निचली-पूंछ और ऊपरी-पूंछ घटकों में विभाजित किया जा सकता है।
• सिमुलेशन प्रदर्शन: गामा(2, 1) डेटा के लिए $n \in \{10, 30, 50, 100, 200\}$ नमूना आकार और $m=3$ के लिए मोंटे कार्लो सिमुलेशन (500 पुनरावृत्ति) सैद्धांतिक निष्कर्षों की पुष्टि करते हैं। अनुमानक कम अनुभवजन्य पूर्वास (empirical bias) प्रदर्शित करते हैं जो नमूना आकार के साथ घटता है, और माध्य वर्ग त्रुटि (MSE) जो अपेक्षित रूप से अभिसरित होता है, जो निरंतरता और निष्पक्षता के दावों का समर्थन करता है।
• अनुभवजन्य अनुप्रयोग: पद्धति को 11 दक्षिण अमेरिकी देशों के 2023 प्रति व्यक्ति सकल घरेलू उत्पाद (GDP per capita) डेटा पर लागू किया गया। डेटा को गामा वितरण पर फिट किया गया (KS और Cramér-von Mises परीक्षणों द्वारा सत्यापित)। विभिन्न $m$ और $i$ मानों केAcross अनुमानित सूचकांकों के हीटमैप ने व्यवस्थित पैटर्न प्रकट किए:
  • विस्तारित निचला सूचकांक $i$ और $m$ के साथ बढ़ा, जो निचली पूंछ में फैलाव के प्रति संवेदनशीलता को दर्शाता है।
  • विस्तारित ऊपरी सूचकांक ने समान मापदंडों के लिए निचले सूचकांक की तुलना में उच्च मान दिए, जो अधिकतम क्रम सांख्यिकी (maximum order statistic) के अधिक प्रभाव को दर्शाता है।
  • विश्लेषण ने प्रदर्शित किया कि ये सूचकांक असमानता का एक समृद्ध लक्षण वर्णन प्रदान करते हैं, जो निचले और ऊपरी दोनों छोरों पर वितरण की विशिष्ट विशेषताओं को प्रकट करते हैं।

महत्व और दावे
लेखक दावा करते हैं कि ये पहले गिनी-प्रकार के माप हैं जो स्पष्ट रूप से निचले और ऊपरी नमूना छोरों के सापेक्ष असमानता योगदान को अलग करते हैं, जबकि इनमें गामा मॉडल के तहत सटीक परिमित-नमूना निष्पक्षता और मानक बड़े-नमूना अनुमान गुण मौजूद हैं।

यह शोध पत्र इस बात पर जोर देता है कि पारंपरिक गिनी मापों के विपरीत, प्रस्तावित सूचकांक एक "स्थिति-उन्मुख परिप्रेक्ष्य" प्रदान करते हैं, जिससे शोधकर्ता यह आकलन कर सकते हैं कि असमानता विशिष्ट वितरण पूंछों के सापेक्ष कैसे प्रकट होती है। गामा जनसंख्याओं (एक सामान्य आर्थिक मॉडल) के लिए निष्पक्ष अनुमानक प्रदान करके, लेखक तर्क देते हैं कि ये माप असमानता विश्लेषण के लिए उपयोगी पूरक उपकरण के रूप में कार्य करते हैं, जो उन वितरण संबंधी विशेषताओं को प्रकट करने में सक्षम हैं जो एकल समग्र गुणांक का उपयोग करने पर छिपी रह सकती हैं। यह कार्य समग्र सीमा-आधारित मापों और स्थिति-विशिष्ट असमानता मूल्यांकन के बीच के अंतर को पाटकर गिनी-प्रकार के मापों के साहित्य का विस्तार करता है।