Unbiased estimation in new Gini index extensions under gamma distributions, with application to real income data

기술 요약: 감마 분포 하에서의 새로운 지니 지수 확장에 대한 비편향 추정

문제 제기
고전적인 지니 지수는 소득 불평등을 측정하는 데 널리 사용되지만, 전체 분포를 하나의 스칼라 값으로 응축시킨다. 이러한 집계 방식은 불평등이 하위, 중위 또는 상위 꼬리 중 어디에 집중되어 있는지와 같은 중요한 분포적 특징을 가릴 수 있다. 최근의 확장 연구인 $m$-차 지니 지수(Gavilan-Ruiz et al., 2024)는 표본 크기 $m$의 기대 범위를 고려함으로써 고전적 척도를 일반화한다. 그러나 이러한 척도들은 여전히 집계 지표이며, 특히 표본의 특정 위치, 즉 하위 및 상위 극단과 관련하여 불평등이 어떻게 분포되어 있는지에 대한 통찰을 제공하지 못한다. 따라서 경제 모델링에서 흔히 쓰이는 특정 분포 가정 하에서 비편향성과 같은 바람직한 통계적 특성을 유지하면서도, "위치 지향적(position-oriented)"인 불평등 평가를 제공할 수 있는 척도가 필요하다.

방법론
저자들은 두 가지 새로운 척수인 확장 하위 지니 지수($IG_{m;\min}$)와 확장 상위 지니 지수($IG_{m;\max}$)를 도입한다. 이는 평균이 $\mu$이고 표본 크기가 $m \geq 2$인 비음수 확률 변수 $X$에 대해 다음과 같이 정의된다:

• $IG_{m;\min} = \frac{E[X_1 - \min\{X_1, \dots, X_m\}]}{m\mu}$
• $IG_{m;\max} = \frac{E[\max\{X_1, \dots, X_m\} - X_1]}{m\mu}$

이 지수들은 각각 하위 및 상위 꼬리와 관련된 불평등을 정량화한다. 주목할 점은 이들의 합이 $m$-차 지니 지수($IG_m$)가 된다는 것이다. 모집단 계수는 교환 가능성(exchangeability)으로 인해 특정 관측값의 선택에 불변하지만, 표본 추정량은 선택된 위치 $i$에 따라 달라진다.

본 논문은 경제 모델링에서 빈번하게 나타나는 분포이자 분석적 용이성을 갖춘 감마 분포 모집단($X \sim \text{Gamma}(\alpha, \lambda)$)에 초점을 맞춘다. 저자들은 다음 과정을 수행한다:

1. 추정량 도출: 크기 $n$인 표본으로부터 가능한 모든 크기 $m$의 부분 표본에 대한 U-통계량을 사용하여 표본 기반 추정량($\widehat{d}_i IG_{m;\min}$ 및 $\widehat{d}_i IG_{m;\max}$)을 구성한다.
2. 점근적 성질 확립: U-통계량의 강한 대수의 법칙과 호프딩 분해(Hoeffding decomposition)를 사용하여 완만한 정규성 조건 하에서 일치성과 점근적 정규성을 증명한다.
3. 비편향성 증명: 라플라스 변환 기법과 감마 분포의 특정 성질을 활용하여 추정량의 기댓값에 대한 정확한 식을 도출한다. 저자들은 감마 모집단에 대해 추정량이 비편향적임, 즉 $E[\widehat{d}_i IG_{m;\min}] = IG_{m;\min}$ 이고 $E[\widehat{d}_i IG_{m;\max}] = IG_{m;\max}$ 임을 입증한다.
4. 특성 규명: 척도 불변성(scale invariance), 이동 불변성 결여, 그리고 분포 함수 $F$를 포함하는 공분산 표현을 확립한다.

주요 결과

• 이론적 비편향성: 본 논문은 감마 모델 하에서 제안된 추정량의 기댓값에 대한 정확한 유한 표본 식을 제공하여 이들이 비편향적임을 증명한다. 이는 $m$-차 지니 지수에 관한 Deltas (2003) 및 Baydil et al. (2025)의 기존 결과를 확장한 것이다.
• 분해: 확장된 하위 및 상위 지수의 합은 $m$-차 지니 지수를 복원하며, 이를 통해 전체 불평등을 하위 꼬리와 상위 꼬리 성분으로 분해할 수 있다.
• 시뮬레이션 성능: $m=3$일 때, 표본 크기 $n \in \{10, 30, 50, 100, 200\}$인 Gamma(2, 1) 데이터에 대한 몬테카를로 시뮬레이션(500회 반복)을 통해 이론적 발견을 확인한다. 추정량은 작은 경험적 편향을 보이며 이는 표본 크기에 따라 감소하고, 평균 제곱 오차(MSE)는 예상대로 수렴하여 일치성과 비편향성 주장을 뒷받침한다.
• 실증적 적용: 본 방법론을 11개 남미 국가의 2023년 1인당 GDP 데이터에 적용하였다(데이터는 KS 및 Cramér-von Mises 테스트를 통해 감마 분포 적합성이 검증됨). 서로 다른 $m$ 및 $i$ 값에 따른 추정된 지수의 히트맵은 다음과 같은 체계적인 패턴을 드러냈다:
  • 확장 하위 지수는 $i$와 $m$이 증가함에 따라 증가하였으며, 이는 하위 꼬리의 확산에 대한 민감도를 반영한다.
    l. 확장 상위 지수는 동일한 매개변수에 대해 하위 지수보다 높은 값을 나타냈으며, 이는 최대 순서 통계량의 더 큰 영향력을 반영한다.
  • 이 분석은 제안된 지수들이 단일 집계 계수를 사용할 때 숨겨질 수 있는 분포적 특징을 드러냄으로써, 단일 집계 계수보다 더 풍부한 불평등의 특성을 제공한다는 것을 보여주었다.

의의 및 주장
저자들은 이들이 하위 및 상위 표본 극단과 관련된 불평등 기여를 명시적으로 분리하면서도, 감마 모델 하에서 정확한 유한 표본 비편향성과 표준적인 대표본 추론 성질을 모두 갖춘 최초의 지니 유형 척론이라고 주장한다.

본 논문은 전통적인 지니 척도와 달리, 제안된 지수들이 연구자로 하여ver 불평등이 특정 분포 꼬리와 관련하여 어떻게 나타나는지 평가할 수 있는 "위치 지향적 관점"을 제공한다고 강조한다. 경제 데이터의 일반적인 모델인 감마 모집단에 대해 비편향 추정량을 제공함으로써, 저자들은 이 척도들이 단일 집계 계수를 사용할 때 놓칠 수 있는 분포적 특징을 밝혀낼 수 있는 유용한 보완 도구 역할을 한다고 주장한다. 이 연구는 범위 기반의 집계 척도와 위치 특정적 불평등 평가 사이의 간극을 메움으로써 지니 유형 척도에 관한 문헌을 확장한다.