A Novel Subgroup Decomposition of Income Inequality: Resolving the Information Mixture Problem

위대한 경제학적 퍼즐: 왜 더 나은 자가 필요한가

당신이 친구들이 왜 이렇게 서로 다른 양의 사탕을 가지고 있는지 알아내려 한다고 상상해 보세요. 어떤 친구는 산더미처럼 쌓아두었고, 어떤 친구는 몇 조각만 있고, 어떤 친구는 아예 없습니다. 경제학자들은 이를 "소득 불평등"이라고 부르며, 이를 측정하기 위해 많은 시간을 보냅니다. 하지만 여기서 까다로운 점이 있습니다. 사탕이 왜 불균등하게 나누어져 있는지 이해하려면, 문제를 더 작은 조각으로 나누어야 한다는 것입니다. 당신은 이 불공평함이 그룹 자체가 다르기 때문인지(예를 들어 한 그룹은 엄청난 양의 사탕을 받고 다른 그룹은 아주 적은 양을 받는 경우), 아니면 단일 그룹 내에서도 어떤 아이들이 더 많이 독점하고 있기 때문인지 알고 싶을 것입니다.

수십 년 동안 이 현상을 측정하는 표준적인 방법은 그룹의 "평균" 키에서 시작하는 자를 사용하는 것과 같았습니다. 만약 모든 사람의 키를 평균으로부터 측정한다면, 그 수치는 사람들이 얼마나 퍼져 있는지를 알려줍니다. 하지만 이 방법에는 숨겨진 결함이 있습니다. 이 방법은 두 가지 서로 다른 것을 혼동합니다. 즉, 모든 사람이 무엇인가를 가지고 있다는 사실(기초값)과 그 '추가적인' 사탕이 불공평하게 분배되었다는 사실을 혼동하는 것입니다. 이는 방이 얼마나 지저분한지 측정하기 위해 방 중앙으로부터 모든 물체의 거리를 측정하려 하지만, 정작 바닥 자체가 모두가 서 있는 두껍고 울퉁불퉁한 카펫으로 덮여 있는 것과 같습니다. 만약 그 카펫을 고려하지 않는다면, 당신의 측정값은 틀리게 됩니다. 이 논문은 바로 이 구체적인 문제에 파고들어, 카펫을 무시하고 오직 흩어진 장난감에만 집중하여 "지저분함"을 측정하는 새로운 방법을 제안합니다.

카펫과 장난감: 지저분함을 측정하는 새로운 방법

이 논문의 저자인 박준양, 무함마드 함자(Muhammad Hamza), 그리고 김영순은 기존의 소득 불평등 측정 방식이 그들이 말하는 "정보 혼합 문제(information mixture problem)"를 겪고 있다고 주장합니다. 이를 해결하기 위해 그들은 "불평등하게 분배된(Unequally Distributed, UD) 소득"이라는 개념에 기반한 새로운 수학적 도구를 발명했습니다.

그들의 새로운 방법이 어떻게 작동하는지 간단한 비유를 통해 설명하겠습니다. 사회를 사람들이 서 있는 바닥 위의 집단이라고 상상해 보세요. 기존의 방법은 평균 높이로부터 모든 사람이 얼마나 떨어져 있는지를 봅니다. 새로운 방법은 이렇게 말합니다. "잠깐만요! 먼저 바닥을 잘라냅시다."

1. 평등한 기초값 (바닥): 저자들은 모든 사람이 공유하는 "최소한의" 소득이 있으며, 이는 마치 모두가 서 있는 바닥과 같다고 말합니다. 그들의 수학에서 이것은 그룹 내의 최저 소득입니다.
2. 불평등한 잉여 (장난감): 그 공유된 바닥을 제거하고 나면, 무엇이 남을까요? 그것은 바로 "잉여"입니다. 이것은 어떤 사람들은 가지고 있고 어떤 사람들은 가지고 있지 않은 추가적인 소득입니다. 이것이 바로 "불평등하게 분배된" 부분입니다.
3. 새로운 자 (RUD 소득): 그런 다음 그들은 이 잉여를 모든 사람이 잉여가 0인 상태(즉, 모두가 바닥만 가진 상태)인 "완벽하게 평등한" 상태와 비교하여 측정합니다.

이 논문은 실제 "장난감"의 분포와 장난감이 0인 완벽한 상태 사이의 거리를 측정하기 위해 $L^2_{2,q}$ 지수라고 불리는 특정 공식을 제안합니다. 이것을 흩어진 장난감의 총 에너지를 측정하는 것으로 생각하십시오. 만약 모든 사람이 똑같은 양의 추가 사탕을 가지고 있다면, 장난감은 깔끔하게 쌓여 있을 것입니다(낮은 불평등). 만약 한 아이가 산더미를 가지고 있고 나머지는 아무것도 없다면, 장난감은 사방에 흩어져 있을 것입니다(높은 불평등).

그들이 발견한 것: 순수 수학의 마법

저자들은 단순히 추측한 것이 아니라, 자신들의 새로운 자가 왜 더 나은지를 보여주기 위해 수학적 증명을 구축했습니다. 그들은 자신들의 방법이 기존 방법들을 괴롭히던 두 가지 큰 골칫거리를 해결한다는 것을 입증했습니다.

• "중첩" 혼란의 제거: 유명한 지니 계수(Gini coefficient)와 같은 기존 방법들은 데이터를 그룹으로 나눌 때(예: 사탕을 "남학생"과 "여학생"으로 나누는 경우) 종종 혼란스러운 "중첩(overlap)" 항을 만들어냅니다. 이는 두 숫자를 더했는데 어느 쪽에도 속하지 않는 제3의 신비로운 숫자가 나오는 것과 같습니다. 저자들의 새로운 방법은 "엄격하게 가산적(strictly additive)"입니다. 즉, 그룹 A와 그룹 B의 불평등을 각각 계산한 뒤 이를 더하면, 전체 사회의 정확한 총 불평등치를 얻게 됩니다. 신비한 숫자나 남는 것 없이 말이죠.
• "바닥"이 수학을 망치지 않음: 다른 방법들의 주요 문제 중 하나는 "바닥"(최저 소득)이 변하면 전체 측정이 망가진다는 것입니다. 저자들은 자신들의 지수인 $L^2_{2,q}$가 바닥이 움직여도 일관성을 유지한다는 것을 증명했습니다. 이 지수는 "피구-돌턴 전이 원칙(Pigou-Dalton Transfer Principle)"이라는 규칙을 준수하는데, 이는 기본적으로 "부유한 사람에게서 1달러를 가져가 가난한 사람에게 주면 불평등은 감소해야 한다"는 원칙입니다. 그들의 수학은 최하위 계층의 바닥이 높아지더라도 이 과정이 완벽하게 이루어짐을 보여줍니다.

다섯 명을 통한 테스트 주행

자신들의 주장을 증명하기 위해, 저자들은 소득이 1, 2, 3, 4, 5인 단 5명의 아주 작은 사회를 대상으로 시뮬레이션을 실행했습니다.

• 기존 방식: 평균(3)을 기준으로 한 퍼짐 정도를 측정할 것입니다.
• 새로운 방식: 먼저 "바닥"인 1을 제거합니다. 새로운 소득은 0, 1, 2, 3, 4가 됩니다. 그다음 이들을 평균에 상대적인 값으로 조정합니다.
• 결과: 이 그룹을 두 개로 나누었습니다: "하위 계층"(1과 2) 및 "상위 계층"(3, 4, 5). 새로운 공식을 사용하여, 그들은 전체 "지저분함" 중 얼마만큼이 두 계층 사이의 차이로 인해 발생했는지, 그리고 각 계층 내부의 지저분함 때문에 발생했는지를 완벽하게 계산할 수 있었습니다. 수학적으로 딱 맞아떨어졌습니다: 부분의 합이 오류 없이 전체와 일치했습니다.

이것이 왜 중요한가 (그리고 다음 단계는?)

논문은 우리가 이 새로운 "상대적 불평등 분배(Relative Unequally Distributed, RUD)" 프레임워크를 사용함으로써, 기초값의 왜곡 없이 경제적 불평등의 진정한 구조를 마침내 볼 수 있다고 결론짓습니다. 이는 실제 사진을 보기 위해 카메라 렌즈를 닦아 눈부심(glare)을 제거하는 것과 같습니다.

하지만 저자들은 수학적 토대는 탄탄하지만, 이를 현실 세계에 적용하는 데는 과제가 있다고 주의를 기울였습니다. 이 방법을 실제 데이터에 사용하려면 "바닥"(최소 소득)이 정확히 어디인지 알아야 합니다. 실제 경제에서 이 정확한 최소치를 찾는 것은 까다로우며 데이터를 어떻게 모델링하느냐에 따라 달라집니다. 저자들은 미래 연구가 이 바닥을 추정하는 최선의 방법을 찾아내야 한다고 제안하며, 아마도 빗방울의 크기나 전구의 수명과 같은 다른 유형의 데이터가 어떻게 모델링되는지를 살펴보는 방식을 언급했습니다.

요약하자면, 이 논문은 단순히 새로운 숫자를 제시하는 것이 아니라, 새로운 사고방식을 제안합니다. 누군가가 왜 다른 사람들보다 더 많이 가지고 있는지를 진정으로 이해하려면, 먼저 "아무것도 가지지 못함"이 무엇을 의미하는지에 대해 합의한 다음, 그 지점으로부터 모든 것을 측정해야 한다는 것입니다. 이는 우리가 시작선을 어떻게 그릴 수 있는지만 해결된다면, 우리의 경제적 지도를 훨씬 더 명확하게 만들어 줄 새로운 관점을 약속합니다.