A World of Ginis
यह शोध पत्र 122,000 से अधिक अवलोकनों का एक एकीकृत डेटासेट तैयार करके वैश्विक गिनी गुणांक अनुमानों में महत्वपूर्ण विसंगतियों को संबोधित करता है ताकि व्यवस्थित मापन अंतरों—विशेष रूप से आय और उपभोग मेट्रिक्स के बीच—की पहचान की जा सके और अधिक प्रभावी नीति विश्लेषण के लिए इन अनुमानों को सामंजस्यपूर्ण बनाने हेतु सुधार कारक प्रदान किए जा सकें।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
अर्थशास्त्र की दुनिया में, एक अकेला अंक है जिस पर नेता, पत्रकार और शोधकर्ता यह समझने के लिए भरोसा करते हैं कि समाज के भीतर धन कैसे साझा किया जाता है। यह असमानता का एक पैमाना है, यह देखने का एक तरीका है कि क्या किसी देश के संसाधन कुछ हाथों में केंद्रित हैं या कई लोगों के बीच समान रूप से फैले हुए हैं। दशकों से, यह संख्या यह तय करने के लिए एक मानक उपकरण रही है कि क्या सरकार को अपने कर कानूनों को बदलने की आवश्यकता है, क्या कोई क्षेत्र अधिक स्थिर हो रहा है, या क्या कोई नीति वास्तव में गरीबों की मदद कर रही है। विचार सरल है: यदि यह संख्या बढ़ती है, तो असमानता बढ़ रही है; यदि यह घटती है, तो अमीर और गरीब के बीच का अंतर कम हो रहा है। लेकिन इस उपकरण के काम करने के लिए, सभी को एक ही चीज़ को एक ही तरीके से मापना होगा। यदि एक व्यक्ति टेप माप का उपयोग करके एक इमारत की ऊंचाई मापता है और दूसरा लेजर का उपयोग करता है, तो उनके परिणाम भिन्न होंगे, और कोई नहीं जान पाएगा कि कौन सही है। यही वह समस्या है जिसका सामना असमानता अनुसंधान करने वाली वैश्विक समुदाय को करना पड़ रहा है। वे एक सदी से अधिक समय से सैकड़ों देशों से इस महत्वपूर्ण संख्या को एकत्र कर रहे हैं, फिर भी जो आंकड़े उन्हें मिलते हैं वे अक्सर एक ही देश और एक ही वर्ष के लिए भी आपस में बहुत भिन्न होते हैं।
वर्ना विश्वविद्यालय और बोलोग्ना विश्वविद्यालय के शोधकर्ताओं की एक टीम ने इस भ्रम को हल करने के लिए हाथ बढ़ाया। उन्होंने तेरह अलग-अलग प्रमुख डेटाबेस से इस असमानता संख्या का प्रत्येक उपलब्ध अनुमान एकत्र किया, जिससे 1867 से 2024 तक 222 देशों और क्षेत्रों से 122,000 से अधिक अवलोकनों का एक विशाल संग्रह तैयार हुआ। उनका लक्ष्य केवल इन संख्याओं को सूचीबद्ध करना नहीं था, बल्कि यह समझना था कि वे इतनी अलग क्यों थीं। वे जानना चाहते थे कि क्या यह असहमति खराब डेटा, प्रश्न पूछने के विभिन्न तरीकों, या स्वयं धन को परिभाषित करने के बारे में कुछ अधिक गहरा कारण थी। इस सूचना के पहाड़ को छाँटते हुए, उन्होंने पाया कि अंतर यादृच्छिक त्रुटियां नहीं थे, बल्कि विशिष्ट पैटर्न थे जो उन विकल्पों के कारण उत्पन्न हुए जिन्हें शोधकर्ता संख्या की गणना करते समय चुनते हैं।
सबसे महत्वपूर्ण निष्कर्ष यह था कि "धन" की परिभाषा किसी भी अन्य चीज़ की तुलना में परिणाम को अधिक बदल देती है। दुनिया के कई हिस्सों में, शोधकर्ता लोगों से पूछते हैं कि वे एक वर्ष में कितना पैसा कमाते हैं, जबकि अन्य स्थानों पर, वे पूछते हैं कि लोग भोजन, आवास और वस्तुओं पर कितना खर्च करते हैं। शोधकर्ताओं ने पाया कि जब आप आय के आधार पर मापते हैं, तो खर्च के आधार पर मापने की तुलना में असमानता का आंकड़ा लगातार अधिक होता है। औसतन, वैश्विक स्तर पर आय-आधारित संख्या खर्च-आधारित संख्या से लगभग पांच अंक अधिक होती है। कुछ क्षेत्रों में, जैसे उत्तरी अमेरिका में, यह अंतर और भी अधिक है, जो दस अंकों तक पहुँच जाता है। इसका अर्थ यह है कि एक देश अत्यधिक असमान दिखाई दे सकता है क्योंकि शोधकर्ताओं ने आय को देखना चुना था, या कम असमानता दिखा सकता है क्योंकि उन्होंने खर्च को देखा था, भले ही लोगों के जीवन का वास्तविक वितरण नहीं बदला हो।
अध्ययन ने यह भी खुलासा किया कि यह अंतर स्थिर नहीं है; यह समय के साथ बढ़ता गया है। वर्ष 2000 के बाद से, आय-आधारित और खर्च-आधारित मापों के बीच का अंतर काफी बढ़ गया है। अतीत में, यह अंतर छोटा था, लेकिन हाल के दशकों में, यह विस्तारित हुआ है, जो यह सुझाव देता है कि धन को मापने का हमारा तरीका इस बात के साथ कम सुसंगत होता जा रहा है कि लोग वास्तव में कैसे रहते हैं। इसके अलावा, शोधकर्ताओं ने पाया कि अन्य तकनीकी विकल्प, जैसे कि करों का भुगतान गिना जाए या नहीं, या परिवार के आकार के लिए समायोजन किया जाए या नहीं, अंतर की और परतें जोड़ देते हैं। उदाहरण के लिए, कर काटे जाने से पहले आय गिनना हमेशा कर और सरकारी लाभ लागू होने के बाद की आय गिनने की तुलना में उच्च असमानता संख्या प्रदान करता है। मजबूत कर प्रणालियों वाले देशों में, यह अंतर काफी अधिक हो सकता है, जिससे एक राष्ट्र अपने नागरिकों के लिए वास्तव में जितना असमान है, उससे कहीं अधिक असमान दिखाई देता है।
कोई यह मान सकता है कि जैसे-जैसे अधिक डेटाबेस बनाए गए, उनके बीच असहमति और खराब हो गई होगी, जिसमें विभिन्न समूह संख्याओं को विपरीत दिशाओं में खींच रहे होंगे। हालाँकि, शोधकर्ताओं ने एक आश्चर्यजनक परिणाम पाया: लंबे समय से चले आ रहे डेटाबेस समय के साथ एक-दूसरे के साथ काफी सुसंगत रहे हैं। असहमति में वृद्धि इसलिए नहीं है क्योंकि पुराने स्रोत एक-दूसरे से दूर हो रहे हैं, बल्कि इसलिए है क्योंकि अब स्रोत अधिक हैं। नए डेटाबेस का प्रसार, जिनमें से प्रत्येक में थोड़ा अलग तरीका उपयोग किया गया है, ने यांत्रिक रूप से किसी भी दिए गए देश के लिए संभावित उत्तरों की सीमा को विस्तृत कर दिया है। ऐसा नहीं है कि पुराने माप कम विश्वसनीय होते जा रहे हैं, बल्कि यह है कि मापन का परिदृश्य अब विभिन्न दृष्टिकोणों के साथ अधिक भीड़भाड़ वाला हो गया है।
शोधकर्ताओं और नीति निर्माताओं को इस जटिलता को समझने में मदद करने के लिए, लेखकों ने व्यावहारिक उपकरणों का एक सेट विकसित किया। उन्होंने समायोजन कारक (adjustment factors) बनाए जिनका उपयोग एक तरीके से गणना की गई संख्या को दूसरे के समकक्ष में अनुवादित करने के लिए किया जा सकता है। उदाहरण के लिए, यदि किसी शोधकर्ता के पास दक्षिण एशिया के लिए एक देश का खर्च-आधारित नंबर है और उसे दूसरे क्षेत्र के आय-आधारित नंबर के साथ तुलना करने की आवश्यकता है, तो वे दोनों को तुलनीय बनाने के लिए एक विशिष्ट सुधार लागू कर सकते हैं। ये समायोजन क्षेत्र और देश के विकास के स्तर के अनुसार भिन्न होते हैं, जो इस बात को स्वीकार करते हैं कि आय और खर्च के मापों के बीच का अंतर गरीब देशों में अधिक होता है जहाँ नकदी आय को ट्रैक करना कठिन होता है। पेपर इस निष्कर्ष पर पहुँचता है कि हालांकि पूर्ण सहमति कभी संभव नहीं हो सकती है, लेकिन यह क्षेत्र इन अंतरों के प्रति पारदर्शी होकर आगे बढ़ सकता है। शोधकर्ताओं को अब स्पष्ट रूप से यह बताना चाहिए कि वे धन की कौन सी परिभाषा का उपयोग कर रहे हैं और सीमाओं के पार डेटा की तुलना करते समय इन सुधारों को लागू करना चाहिए। लक्ष्य यह सुनिश्चित करना है कि जब हम दुनिया की स्थिति को देखते हैं, तो हम सेब की तुलना सेब से कर रहे हों, न कि एक अलग फल को उसी चीज़ के रूप में समझ रहे हों।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।