Inference for the Lorenz Curve and Gini Index under the Geometric Distribution

あなたは、積み上げられた宝物がグループ内でどれほど「公平に」分配されているかを測定しようとしていると想像してください。経済学の世界では、通常、この仕事のために2つの有名なツールを使用します。それは、ローレンツ曲線（誰が何をどれだけ持っているかを示す、うねる線）と、ジニ係数（グループの不平等さを一つの数値で示すもの）です。

通常、これらのツールは、滑らかで連続的なもの——例えば、コップに水を注ぐときのように、1.5リットルや1.50001リットルといった量を扱うもの——のために作られています。しかし、もしあなたの宝物が水ではなかったらどうでしょう？もしそれがコインだったら？コインは半分にすることはできません。0枚、1枚、あるいは2枚のいずれかです。これは離散データの世界であり、これまでの滑らかなツールでは、このデコボコしたコインをうまく扱うことができませんでした。

この論文は、まさにこの「コイン」の問題のために専用のレンチを完成させたメカニックのようなものです。彼らは幾何分布（成功するまでに何回失敗するかを数える機械のようなもの）というモデルを使用しました。

著者たちが、数学、シミュレーション、そして古い政治論文の単語数を用いた実生活のテストを用いて発見したことは以下の通りです。

「滑らか」対「デコボコ」の問題

著者たちは、これらのデコボコしたコインのカウントに対して従来の滑らかな数学を使おうとすると、奇妙なことが起こることを発見しました。

• ジニ係数（スコア）： このツールはスーパースターのような存在でした。小さなデータの集まりであっても、それは滑らかな数学が予測した通りに正確に機能しました。著者たちは5,000回のコンピュータ・シミュレーション（戦略をテストするためにビデオゲームを5,000回プレイするようなもの）を実行し、ジニ係数の推定値は信頼でき、正確であることを発見しました。彼らは、データが増えるにつれて、それが完全に正常で予測可能になることを数学的にも証明しました。
• ローレンツ曲線（マップ）： こちらはよりトリッキーでした。著者たちは、ローレンツ曲線は階段のようなものであることを発見しました。データが整数（コイン）で構成されているため、曲線は滑らかに流れるのではなく、跳ね上がるのです。著者たちは、滑らかな数学は曲線がうまく振る舞うと「言っている」ものの、現実には、それがそう振る舞うためにははるかに、はるかに大きなサンプルが必要であることを示しました。もし小さなコインの山に対して滑らかな数学を使おうとすれば、あなたのマップは大きく外れてしまいます。論文は、ローレンツ曲線については、従来の「滑らかな」ショートカットに頼ることはできず、彼らが導き出した新しい正確な「デコボコ」の公式を使用しなければならないと明確に主張しています。

「コイン」の比喩

特定の単語が物語の中に何回現れるかを数えていると想像してください。

• ジニ係数は温度計のようなものです。物語をちらっと見ただけでも、その温度計は単語の使用がいかに「偏っているか」について、かなり良い読み取り値を与えてくれます。著者たちは、この温度計が幾何分布に対して非常にうまく機能することを証明しました。
• ローレンツ曲線は階段のようなものです。もしあなたが下の段に立っていたら、上の段は見えません。著者たちは、滑らかなスロープ（従来の数学）を使って上の段を予想しようとすると、転落してしまうことを発見しました。特に、巨大な階段が見えていない場合、自分がどこにいるかを知るためには、すべての段を数える（彼らの新しい正確な公式を使用する）必要があります。

実世界のテスト：ザ・フェデラリスト・ペーパーズ

彼らの新しいレンチが機能することを証明するために、著者たちは実データであるフェデラリスト・ペーパーズ（1787年〜1788年の政治論文のコレクション）に適用しました。彼らは、異なるテキストのブロックにおいて、単語「may」がどの程度の頻度で出現するかを調査しました。

• 彼らは、「may」という単語が非常に偏った形で現れていることを発見しました。テキストブロックの約**60%**では、この単語は0回出現し、残りのブロックでは数回出現していました。
• 彼らの新しい手法を用いて、0.7162のジニ係数を算出しました。
• また、（0.6926, 0.7398）の95%信頼区間を構築しました。これは、真の不平等値がこれら2つの値の間にあることを彼らが強く確信していることを意味します。
• 彼らは「カイ二乗検定」を用いて作業の正確性を確認しましたが、その結果、p値は0.7834でした。この高い数値は、彼らのモデル（幾何分布）がデータに完璧に適合していることを示しています。それは的外れな推測ではなく、素晴らしい適合でした。

彼らが言わなかったこと（および、否定したもの）

この論文が何を言っていないかを知っておくことは重要です。

• 彼らは、従来の滑らかな数学があらゆるものに対して役に立たないと言ったのではありません。彼らは、中程度のサンプルサイズであっても、ジニ係数に対してはそれがうまく機能することを具体的に示しました。
• 彼らは、ローレンツ曲線の推定が不可能であると主張したのでもありません。彼らは単に、小さなサンプルにおいては「滑らかな」近似は危険であることを証明したのです。単なる古いショートカットを使うのではなく、彼らの新しい正確な公式を使用しなければなりません。
• 彼らは、これがあらゆる種類のデータに適用できると提案したわけでもありません。彼らは厳密に幾何分布（成功するまでの失敗の回数を数えるもの）に焦点を当てました。他の種類のコインカウントモデルについてはテストしていません。

結論

著者たちは、「コインのカウント」データにおける不平等を測定するための、厳密に数学的に証明されたフレームワークを構築しました。

• ジニ係数については： 標準的な「滑らかな」数学が、彼らの5,000回のシミュレーションと実世界のデータによって確認された通り、うまく機能することを信頼してよいでしょう。
• ローレンツ曲線については： 注意が必要です。滑らかな数学は、小さなデータセットにとっては罠となります。正しい答えを得るためには、彼らの新しい正確な公式を使用する必要があります。

彼らは単にそう提案しただけではありません。彼らは正確な公式を導き出し、数学を証明し、結果をシミュレートし、そして実在の歴史を用いてテストしました。その結果は、積み上げられた離散的なカウントが、実際にはどれほど「公平（あるいは不公平）」であるかを、より明確かつ正確に見るための方法です。