Mind the Income Gap: Bias Correction of Inequality Estimators in Small-Sized Samples

Sintesi Tecnica: Attenzione al divario di reddito: Correzione del bias degli stimatori di disuguaglianza in campioni di piccole dimensioni

Problematica
La stima della disuguaglianza del reddito in domini piccoli (ad esempio, regioni specifiche o gruppi socio-demografici) è frequentemente ostacolata dalla scarsità di dati. Sebbene le tecniche di Small Area Estimation (SAE) vengano impiegate per migliorare l'affidabilità attraverso il "prestito di forza" tra le aree, esse spesso si basano su modelli a livello di area (come il modello Fay-Herriot) che assumono stimatori di indagine non distorti. Tuttavia, gli stimatori di disuguaglianza (ad esempio, Gini, Entropia Generalizzata, Atkinson) sono funzioni intrinsecamente non lineari dei dati sul reddito. In piccoli campioni, particolarmente in presenza di disegni di campionamento complessi che coinvolgono la stratificazione e il campionamento multistadio, questi stimatori presentano un bias significativo, portando tipicamente a una sottostima della disuguaglianza. Trascurare questo bias comporta una specificazione errata del modello e inferenze fuorvianti, specialmente quando si confronta la disuguaglianza nel tempo o tra località con dimensioni campionarie disparate. Inoltre, la letteratura esistente sulla correzione del bias è ampiamente limitata a campioni indipendenti e identicamente distribuiti (iid) o a misure specifiche come l'indice di Gini, lasciando un vuoto per i disegni di campionamento complessi e per classi più ampie di misure di disuguaglianza.

Metodologia
Gli autori propongono un framework di correzione del bias basato sul design che generalizza gli approcci iid precedenti (specificamente Breunig e Hutchinson, 2008) a popolazioni con disegni di campionamento complessi. Il nucleo della metodologia si basa su espansioni in serie di Taylor del secondo ordine degli stimatori di disuguaglianza attorno ai loro valori di popolazione.

Componenti metodologiche chiave:

1. Formulazione generale del bias: Gli autori derivano un'espressione generale per il bias approssimato di uno stimatore di disuguaglianza $\hat{\theta} = f(\hat{\mu}, \hat{\gamma})$, dove $\hat{\mu}$ è la media campionaria e $\hat{\gamma}$ è uno stimatore di Horvitz-Thompson di una variabile di reddito trasformata. Il bias è espresso come funzione delle varianze di design e delle covarianze di questi componenti ($V[\hat{\mu}]$, $V[\hat{\gamma}]$, $Cov[\hat{\mu}, \hat{\gamma}]$).
2. Ambito delle misure: Il framework è applicato a una vasta classe di misure, inclusi l'Indice di Gini, la famiglia dell'Entropia Generalizzata (GE) (che copre la Media della Deviazione Logaritmica, l'indice di Theil e altri) e la famiglia di Atkinson.
3. Adattamento a survey complesse: Per gestire i disegni complessi, gli autori utilizzano la tecnica degli "Ultimate Clusters" per la stima della varianza, accogliendo strati sia Self-Representing (SR) che Non-Self-Representing (NSR). Per l'indice di Gini, dove lo stimatore di rango è non lineare, viene impiegata una tecnica di linearizzazione (Graf, 2011; Graf e Tillé, 2014) per facilitare la stima della varianza.
4. Natura non parametrica: L'approccio non richiede assunzioni parametriche riguardo alla distribuzione sottostante del reddito, aumentandone la flessibilità.

Contributi Chiave

• Prima applicazione ad Atkinson e GE in survey complesse: Per quanto ne sappiano gli autori, questa è la prima proposta di correzione del bias per gli indici di Atkinson e dell'Entropia Generalizzata specificamente nel contesto di disegni di campionamento complessi.
• Estensione della correzione di Gini: Il documento estende le esistenti correzioni del bias di Gini (ad esempio, Davidson, 2009; Fabrizi e Trivisano, 2016) utilizzando un'espansione in serie di Taylor del secondo ordine invece di una del primo ordine, risultando in un termine di aggiustamento più raffinato.
• Framework basato sul design: La metodologia tiene esplicitamente conto delle strutture di correlazione introdotte dalla stratificazione, dal campionamento multistadio e dai trattamenti post-indagine (calibrazione/imputazione), andando oltre i limiti delle assunzioni iid.

Risultati
L'efficacia del framework proposto è stata valutata attraverso uno studio di simulazione basato sul design utilizzando i dati Italian EU-SILC 2017 per 21 regioni NUTS-2. Sono stati testati due scenari: uno con dati grezzi e uno con valori estremi trattati (utilizzando una modellazione semi-parametrica della coda di Pareto).

• Riduzione del Bias: La strategia di correzione ha dimostrato una riduzione evidente del Bias Relativo (RB) per tutte le misure considerate. Nello scenario della popolazione trattata con un tasso di campionamento dell'1,5%, le riduzioni del bias sono variate da circa il 5% (per il Coefficiente di Variazione) al 14% (per l'indice di Gini).
• Dipendenza dalla dimensione del campione: Il bias è stato confermato essere un fenomeno legato ai piccoli campioni. Per dimensioni campionarie superiori a 20 individui, gli stimatori corretti per il bias si sono avvicinati a una circa non-distorsione.
• Robustezza agli Outlier: Le misure sensibili ai valori estremi (ad esempio, GE con $\alpha=2$, Atkinson con $\epsilon=2$) hanno mostrato un bias maggiore nei dati non trattati. Sebbene la correzione abbia ridotto il bias, gli autori osservano che per popolazioni con valori estremi, rimane consigliabile concentrarsi su misure robuste (Gini, GE con $\alpha=0$, Atkinson con $\epsilon=1$).
• Scambio con la Varianza (Variance Trade-off): La correzione ha indotto un lieve aumento, generalmente trascurabile, dell'Errore Relativo Assoluto (ARE) per la maggior parte delle misure, eccetto per l'indice di Gini, dove l'inflazione della varianza è stata più pronunciata a causa della specifica forma dell'aggiustamento dello stimatore non distorto.

Applicazione alla Small Area Estimation
Gli autori hanno condotto un esercizio illustrativo di SAE utilizzando il modello Fay-Herriot per dimostrare le conseguenze pratiche dell'ignorare il bias.

• Specificazione errata del modello: L'uso di stime di indagine non corrette (distorte) come input ha portato a una specificazione errata del modello.
• Sottostima: Le stime basate sul modello (EBLUP) risultanti hanno costantemente sottostimato i livelli di disuguaglianza rispetto a quelli derivati da input corretti per il bias. Questa sottostima è stata particolarmente severa per l'indice di Gini.
• Conclusione sulla SAE: L'esercizio conferma che la correzione preliminare del bias è un passo necessario prima di applicare modelli di SAE a livello di area ai dati sulla disuguaglianza per evitare inferenze politiche fuorvianti.

Significato e Rivendicazioni
Il documento sostiene che ignorare il bias di piccolo campione degli stimatori di disuguaglianza nelle survey complesse porti a una sottostima sistematica della disuguaglianza, un problema esacerbato nei piccoli domini e in presenza di valori estremi. Il framework proposto offre una soluzione flessibile e non parametrica che riduce significativamente questo bias senza richiedere forti assunzioni distributive. Gli autori posizionano questo lavoro come un raffinamento critico per ricercatori e decisori politici che si affidano a stime locali della disuguaglianza, sostenendo che una misurazione accurata richieda di affrontare il bias ex-ante prima di applicare i modelli di small area. Essi notano con modestia che, sebbene i risultati della simulazione siano promettenti, essi si basano su dati specifici (Italian EU-SILC) e dovrebbero essere visti come un riferimento piuttosto che come una conclusione universale, suggerendo direzioni di ricerca future come i framework SAE multivariati e l'estensione alle misure basate sui quintili.