Unifying the Hoover and Gini indices: Analytical, bias, and computational aspects

この論文「Unifying the Hoover and Gini indices: Analytical, bias, and computational aspects（ホーバー指数とジニ係数の統合：分析、バイアス、計算的側面）」は、経済不平等を測定するための古典的な指標である**ホーバー指数（Hoover index）とジニ係数（Gini coefficient）**を連続的に繋ぐ新しい不平等指数のファミリーを提案し、その理論的性質、統計的推定量のバイアス解析、および実証応用について詳述したものです。

以下に、論文の主要な内容を技術的に要約します。

1. 研究の背景と問題提起

• 既存指標の限界: 不平等測定において広く用いられているホーバー指数（平均からの絶対偏差に基づく）とジニ係数（個人間のペアごとの差に基づく）は、それぞれ不平等の異なる側面を捉えています。特に分布が歪んでいる場合や極端な値がある場合、両者は異なる結論をもたらす可能性があります。
• 目的: これら 2 つの古典的な指標を単一のパラメトリックファミリー内で統一的に扱い、不平等の概念に対する感度分析を可能にする新しい指標の導入と、その統計的性質（特に推定量のバイアス）の厳密な解析が目的です。

2. 提案された手法と指標の定義

• 新しい指数 $I_\lambda$ の定義:
  パラメータ $\lambda \in [0, 1]$ を用いて、以下の式で定義されます。
  $$I_\lambda = \frac{1}{2\mu} \mathbb{E} \left| (1-\lambda)(X_1 - \mu) + \lambda(X_1 - X_2) \right|$$
  ここで、$X$ は所得を表す確率変数、$\mu$ は平均、$X_1, X_2$ は $X$ の独立な複製です。

  • $\lambda = 0$ の場合、ホーバー指数 $H$ に一致します。
  • $\lambda = 1$ の場合、ジニ係数 $G$ に一致します。
  • 中間の $\lambda$ 値では、平均からの偏差と個人間の差の両方を組み合わせた連続的な補間を提供します。

• 理論的性質:

  • スケーリング不変性: 所得の単位変換に対して不変です。
  • 有界性: $0 \le I_\lambda \le G \le 1$ を満たします。
  • ピグー＝ダルトンの移転原理（Pigou-Dalton transfer principle）: 所得の再分配により不平等が減少する際、指数値も減少します。
  • 連続性: $\lambda$ に対して連続です。

3. 主要な貢献と解析的導出

論文は以下の 3 つの主要な貢献を挙げています。

1. 理論的性質の確立: 上記の通り、スケーリング不変性やピグー＝ダルトン原理など、不平等指数として必要な主要な性質が証明されました。
2. ガンマ分布における解析的表現:
   • 所得分布がガンマ分布 $X \sim \text{Gamma}(\alpha, \beta)$ を追従すると仮定した場合、$I_\lambda$ の閉形式解（不完全ガンマ関数を用いた式）を導出しました。
   • これにより、理論値を数値的に正確に評価することが可能になりました。
3. プラグイン推定量の統計的性質とバイアス解析:
   • 標本平均と標本平均を用いた自然なプラグイン推定量 $\hat{I}_\lambda$ を定義しました。
   • ラプラス変換と指数傾斜（Exponential Tilting）技術を用いて、推定量の期待値 $\mathbb{E}[\hat{I}_\lambda]$ に関する一般式を導出しました。
   • ガンマ母集団における推定量の**バイアス（Bias）**の明示的な式を導出しました。これは、不完全ガンマ関数と合流型超幾何関数（Kummer の関数）を含む複雑な積分形で表されます。
   • 特に、$\lambda \to 0$（ホーバー）および $\lambda \to 1$（ジニ）の極限において、既存の文献（Vila and Saulo, 2025/2026）で知られている結果と一致することを確認しました。

4. 結果（シミュレーションと実証）

• モンテカルロシミュレーション:

  • ガンマ分布（形状パラメータ $\alpha$ を変化させて歪みを制御）を用いて、標本サイズ $n$ に対する推定量 $\hat{I}_\lambda$ の性能を評価しました。
  • 結果: 標本サイズ $n$ が増加するにつれて、バイアスと平均二乗誤差（MSE）が系統的に減少し、推定量の精度が向上することが確認されました。
  • 分布の歪みが大きい（$\alpha$ が小さい）場合、バイアスとばらつきは大きくなりますが、それでも有限標本において良好な性能を示しました。
  • 競合指標との比較: 数学的に単純な線形結合 $J_\lambda = (1-\lambda)H + \lambda G$ の推定量と比較したところ、提案された $I_\lambda$ の推定量の方がバイアスが小さいことが示されました。

• 実証分析（米州の GDP 一人当たり）:

  • 世界銀行のデータを用い、米州各国の GDP 一人当たり（PPP 基準）の不平等を分析しました。
  • $\lambda$ を 0 から 1 まで変化させることで、ホーバー指数（0.229）からジニ係数（0.329）までの連続的な不平等測定の軌跡を描くことができました。
  • このアプローチにより、不平等の評価が「平均からの偏差」を重視するか「個人間の差」を重視するかによってどのように変化するかを可視化し、政策決定における柔軟な分析ツールの有用性を示しました。

5. 意義と結論

• 統合的な枠組み: 2 つの古典的な不平等指標を単一のパラメータで統一的に扱える枠組みを提供し、不平等の定義に対する感度分析を可能にしました。
• 統計的厳密性: 従来の経験的なアプローチを超え、ガンマ分布下での推定量のバイアスに関する厳密な解析式を導出した点で、統計的推論の基盤を強化しました。
• 実用性: 実データへの適用を通じて、不平等の多面的な評価を支援する柔軟なツールとして機能することを示しました。

この研究は、不平等測定の理論的基盤を強化するとともに、実証研究においてより洗練された分析を可能にする重要な貢献を果たしています。