Income inequality estimation with gamma mixtures

技術要約：ガンマ混合分布を用いた所得不等式の推定

問題提起
所得データは通常、右に歪んだ分布と長い裾（ロングテール）を示すことが多く、これは単一のパラメトリック分布では十分に捉えられない特性である。有限混合モデル、特にガンマ混合分布は、このような異質な集団を、同質なサブ集団の集合として表現するための柔軟な枠組みを提供する。古典的なジニ係数（$m=2$）は標準的な指標であるが、Gavilan-Ruizら（2024）によって導入された$m$次ジニ指数（$IG_m$）は、サイズ$m$のサンプルの範囲を利用することでこの概念を一般化したものである。不等量指標の推定における重要な統計的課題は、有限サンプルにおけるバイアスである。先行研究では、単一のガンマ分布集団における$m$次ジニ指数の不偏性が確立されており（Vila and Saulo, 2025b）、またガンマ混合分布における古典的なジニ係数のバイアス式も導出されている（Vila and Saulo, 2025a）。しかし、有限のガンマ混合分布における$m$次ジニ指数推定量に関する包括的な解析的扱い、すなわちそのバイアス、漸近的性質、および様々なスケールパラメータ下での性能に関する研究は不足していた。

手法
本論文は、変数 $X$ がガンマ分布の有限混合に従う場合（$X \sim GM(\theta)$、ここで $\theta$ は混合比率、形状パラメータ、および共通のレートパラメータ $\lambda$ を含む）に焦点を当てている。著者らは以下の手法を用いる：

1. 集団指数の導出： 混合表現と多項定理を用いて、著者らは集団の$m$次ジニ指数（$IG_m$）の閉形式の式を導出する。この式は、不完全ガンマ関数と多項係数の積分を含み、混合パラメータの関数として指数を特徴付ける。
2. 推定量の解析： 本研究では、Deltas（2003）によって提案され、Vila and Saulo（2025b）によって拡張された非パラメトリックU統計量推定量（$\widehat{IG}_m$）を分析する。順序統計量の性質とガンマ混合のラプラス変換を活用することで、著者らは$\widehat{IG}_m$の期待値および有限サンプルにおけるバイアスの明示的な公式を導出する。
3. 漸近理論： 混合成分間で共通のレートパラメータを仮定することで、本論文は以下を確立する：
   • ジェンセンの不等式を用いたバイアスの漸近的下界。
   • 漸近的不偏性：サンプルサイズ $n \to \infty$ においてバイアスが消失することを証明する。
   • 強一致性と漸近正規性：U統計量の理論および多変量デルタ法を用いてこれらを証明する。
4. シミュレーション研究： モンテカルロ研究により、様々なシナリオ（異なるサンプルサイズ $n$、$m$ の値、および形状パラメータ）における推定量の性能（バイアスおよびRMSE）を評価する。本研究では、提案された推定量と、バイアス補正版、およびパラメトリック推定量（最大尤度推定に基づく）を比較する。決定的な点として、シミュレーションでは共通のレートパラメータの仮定が崩れた場合（すなわち、異なるスケールを持つ混合分布）における推定量の挙動についても調査している。
5. 実証的応用： 本手法を2008年のイタリア銀行の所得データセットに適用する。著者らは、所得分布をモデル化し$m$次ジニ指数を推定するために、2成分および3成分（共に等しい、または異なるスケールを持つ）のガンマ混合を適合させる。

主な結果

• 解析的表現： 本論文は、ガンマ混合における$m$次ジニ指数の初の閉形式の式、およびそのU統計量推定量の期待値とバイアスの明示的な公式を提供する。
• バイアスの性質： 理論的結果は、推定量が漸近的に不偏であることを確認している。バイアスはサンプルサイズと混合パラメータに依存するが、スケール不変性によりレートパラメータには依存しないことが示されている。
• シミュレーションの知見：
  • 非パラメトリック推定量のバイアスは一般に小さく、$n$が増加するにつれて減少する。
  • 小さなサンプルサイズにおいては、バイアス補正版の推定量の方がバイアスの観点で優れた性能を示す一方、パラメトリック推定量は、潜在的に高いバイアスを持つ可能性があるものの、しばしば最も低い平方根平均二乗誤差（RMSE）をもたらす。
  • 本推定量は、基礎となるデータが「異なる」レートパラメータを持つガンマ混合に従う場合（厳密な理論的仮定がカバーしていないシナリオ）でも、頑健性を示す。これらの場合でも、推定量は低いバイアスとRMSEを維持するが、わずかな負のバイアスを示す。
• 実証的応用： イタリアの所得データの分析は、QQプロットおよび情報量基準（BIC）によって示されるように、3成分のガンマ混合（低所得、中高所得、およびトップ所得層を捉える）が、単一のガンマ分布や2成分モデルよりも優れた適合を示すことを示唆している。推定された$m$次ジニ指数は、モデルの仕様（成分数およびスケールの仮定）によってわずかに変動する。

意義と主張
本論文は、単一のガンマ集団から、より複雑で現実的なガンマ混合の設定へと、不等式推定の理論的理解を拡張することを主張している。その主要な貢献は、$m$次ジニ指数の理論的性質と、異質な集団におけるその実用的な応用の間の溝を埋めることにある。

著者らは、厳密な漸近的結果（不偏性、一致性、正規性）は共通のレートパラメータの仮定に依存しているものの、モンテカルロ研究の結果、提案された手法は、この仮定が緩和された場合でも有効かつ有用であることを控えめに主張している。本研究は、人口の異質性を考慮した所得不等量を測定するための柔軟な枠組みを提供し、歪んだ所得データを扱う研究者に実用的なツールを提供する。論文は、今後の研究において、異なるレートパラメータを持つ混合分布や他の正の分布族へとこれらの結果を拡張できる可能性があると結論付けている。