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

Título: Unificação dos Índices de Hoover e Gini: Aspectos Analíticos, de Viés e Computacionais

Autores: Roberto Vila, Helton Saulo e Felipe Quintino (Universidade de Brasília e Universidade Federal de Pelotas).

---

1. O Problema

Medidas de desigualdade econômica, como o Índice de Hoover (também conhecido como Índice Robin Hood) e o Coeficiente de Gini, são fundamentais para a análise socioeconômica. No entanto, eles capturam aspectos diferentes da dispersão:

• O Índice de Hoover foca nos desvios absolutos em relação à média, oferecendo uma interpretação redistributiva direta.
• O Coeficiente de Gini baseia-se nas diferenças pareadas entre indivíduos, estando intimamente ligado à Curva de Lorenz.

Embora ambos quantifiquem a desigualdade, podem levar a conclusões diferentes em aplicações empíricas, especialmente em distribuições com alta assimetria ou valores extremos. Até o momento, não existia uma família paramétrica contínua que unificasse essas duas medidas clássicas, permitindo uma análise de sensibilidade sobre o conceito de desigualdade (desvios da média vs. diferenças interpessoais).

2. Metodologia

Os autores propõem uma nova família de índices de desigualdade, denotada por $I_\lambda$, que atua como uma interpolação contínua entre o Índice de Hoover ($H$) e o Coeficiente de Gini ($G$).

• Definição do Índice: Para um parâmetro $\lambda \in [0, 1]$ e variáveis aleatórias independentes e identicamente distribuídas (i.i.d.) $X_1, X_2$ com média $\mu$, o índice é definido como:
  $$I_\lambda = \frac{1}{2\mu} \mathbb{E} \left| (1-\lambda)(X_1 - \mu) + \lambda(X_1 - X_2) \right|$$

  • Quando $\lambda = 0$, $I_0 = H$.
  • Quando $\lambda = 1$, $I_1 = G$.
  • Para $\lambda \in (0, 1)$, o índice combina desvios da média e diferenças pareadas.

• Propriedades Teóricas: O artigo estabelece que o índice é invariante de escala, limitado, contínuo em $\lambda$ e satisfaz o Princípio de Transferência de Pigou-Dalton (redução da desigualdade após transferências progressivas).

• Estimador e Análise de Viés:

  • Foi desenvolvido um estimador plug-in ($\hat{I}_\lambda$) substituindo a média populacional pela média amostral e a esperança pela média amostral.
  • Utilizando técnicas de Transformada de Laplace e Inclinação Exponencial (Exponential Tilting), os autores derivaram uma expressão geral para a esperança do estimador.
  • O estudo focou especificamente em populações com distribuição Gama ($X \sim \text{Gamma}(\alpha, \beta)$), derivando fórmulas fechadas para o viés do estimador envolvendo funções gama incompletas e distribuições generalizadas (GHypo).

• Simulação e Aplicação:

  • Foi realizada uma simulação de Monte Carlo para avaliar o desempenho em amostras finitas (viés, erro quadrático médio e variância).
  • Uma aplicação empírica foi feita utilizando dados de PIB per capita de países das Américas (Banco Mundial).

3. Principais Contribuições

1. Unificação Paramétrica: Introdução de uma família de índices que conecta suavemente o Índice de Hoover e o Coeficiente de Gini, permitindo aos pesquisadores ajustar a sensibilidade da medida de desigualdade.
2. Representações Analíticas: Derivação de expressões analíticas explícitas para o índice sob distribuições Gama, utilizando funções gama incompletas.
3. Análise de Viés do Estimador: Obtenção de uma expressão geral para a esperança do estimador plug-in e fórmulas explícitas para o viés em populações Gama. O trabalho demonstra que o estimador de $I_\lambda$ possui viés menor do que o estimador de uma aproximação linear simples ($J_\lambda$) proposta na literatura.
4. Propriedades de Invariância: Confirmação teórica de que o índice é invariante de escala e satisfaz princípios éticos fundamentais de desigualdade.

4. Resultados

• Desempenho em Amostras Finitas (Simulação):

  • Os resultados de Monte Carlo indicam que o estimador $\hat{I}_\lambda$ apresenta bom desempenho.
  • O viés e o Erro Quadrático Médio (MSE) diminuem sistematicamente à medida que o tamanho da amostra ($n$) aumenta.
  • Distribuições mais assimétricas (parâmetro de forma $\alpha$ pequeno) tendem a gerar maiores viéses e variabilidade, o que é esperado para medidas de desigualdade.
  • Comparado ao índice concorrente $J_\lambda$ (combinação linear direta dos estimadores de Hoover e Gini), o estimador de $I_\lambda$ demonstrou ter viés menor, apesar da formulação matemática de $J_\lambda$ ser mais simples.

• Aplicação Empírica:

  • Na análise do PIB per capita das Américas, o Índice de Hoover estimado foi 0,229 e o Coeficiente de Gini foi 0,329.
  • Os valores intermediários de $\hat{I}_\lambda$ (para $\lambda = 0.25, 0.50, 0.75$) preencheram o espaço entre esses dois limites, confirmando a interpolação contínua.
  • A curva de $\hat{I}_\lambda$ em função de $\lambda$ mostrou-se suave, indicando que a avaliação geral da desigualdade é robusta à escolha do parâmetro, embora a inclinação da curva revele a sensibilidade da medida.

5. Significância

Este trabalho oferece uma ferramenta flexível e teoricamente fundamentada para a análise de desigualdade. Ao permitir a transição contínua entre a visão de "desvio da média" (Hoover) e "diferenças pareadas" (Gini), o índice proposto:

• Facilita a análise de sensibilidade, permitindo que pesquisadores avaliem como suas conclusões mudam dependendo de qual aspecto da desigualdade é priorizado.
• Fornece uma base estatística rigorosa para a estimação, com correções de viés conhecidas para distribuições comuns (como a Gama).
• Serve como um complemento valioso às medidas clássicas, enriquecendo o conjunto de ferramentas disponíveis para economistas e estatísticos na avaliação de políticas públicas e desenvolvimento econômico.