Beyond the Beta Lorenz Curve: A New Parametric Family for Poverty and Inequality Estimation

Título: Além da Curva de Lorenz Beta: Uma Nova Família Paramétrica para Estimativa de Pobreza e Desigualdade

1. O Problema

A estimativa precisa de medidas de pobreza e desigualdade é frequentemente limitada pela falta de dados individuais (microdados) em muitos países, incluindo nações importantes como a China. Nesses casos, os pesquisadores e instituições (como o Banco Mundial) dependem de dados agregados, especificamente em forma de participações de renda por grupos (ex: quintis ou decis).

Para reconstruir a distribuição de renda subjacente a partir desses dados agrupados, utiliza-se a Curva de Lorenz. O modelo padrão utilizado pelo Banco Mundial e na literatura acadêmica é a Curva de Lorenz Beta, proposta por Kakwani (1980). No entanto, o artigo identifica um defeito fundamental: a especificação original de Kakwani não satisfaz os requisitos matemáticos formais de uma verdadeira Curva de Lorenz na maioria das configurações de seus parâmetros. Isso leva a curvas que podem:

• Não ser monótonas crescentes.
• Não serem côncavas.
• Assumir valores negativos (o que é impossível para participações de renda).

Essa inconsistência teórica resulta em estimativas enviesadas de pobreza e desigualdade, comprometendo a monitorização global dos Objetivos de Desenvolvimento Sustentável.

2. Metodologia

Os autores desenvolveram uma abordagem em três etapas principais:

• Revisão Teórica e Correção:

  • Os autores demonstraram matematicamente que a forma funcional original de Kakwani ($L(p) = p - ap^\alpha(1-p)^\beta$) só é uma Curva de Lorenz válida sob condições extremamente restritivas (especificamente quando $\alpha = 1$).
  • Eles estabeleceram as condições necessárias e suficientes para a validade teórica do modelo.

• Proposta de Novos Modelos:

  • Derivaram uma nova família de curvas de Lorenz baseadas em casos particulares da especificação de Kakwani e em extensões teóricas (como variáveis truncadas).
  • Apresentaram quatro especificações principais para comparação:
    1. Ortega et al. (1991): Um caso particular de 2 parâmetros.
    2. Caso Especial de Kakwani ($\alpha=1$): A única versão original teoricamente válida.
    3. Modelo $L_2$ (Sarabia et al., 1999): Uma extensão de 3 parâmetros.
    4. Modelo $L_3$ (Novo): Uma família paramétrica de 4 parâmetros derivada da ideia de truncamento superior, que é o foco principal da proposta.
  • Também incluíram a Curva de Lorenz Quadrática Geral (GQ) de Villaseñor e Arnold (1989) como o principal concorrente e padrão atual do Banco Mundial.

• Estimação e Validação:

  • Dados: Utilizaram mais de 2.346 conjuntos de dados do Poverty and Inequality Platform (PIP) do Banco Mundial, contendo microdados reais que foram convertidos em dados agrupados para simulação.
  • Método de Estimação: Empregaram o estimador de Mínima Distância Equally Weighted (EWMD) para ajustar os parâmetros às participações de renda observadas.
  • Métricas de Desempenho: Avaliaram o ajuste (Soma dos Quadrados dos Resíduos - RSS) e o erro de estimação para índices de pobreza (Headcount, Gap, Severidade, Watts) e desigualdade (Índice de Gini, Desvio Logarítmico Médio - MLD).
  • Simulações de Monte Carlo: Realizaram simulações com tamanhos de amostra variados ($N=500, 2500, 5000$) para analisar o viés e a variabilidade amostral (erros padrão) dos estimadores.

3. Principais Contribuições

• Correção Teórica: Identificaram e provaram que a Curva de Lorenz Beta original de Kakwani é matematicamente inconsistente na maioria dos casos práticos, gerando curvas inválidas (com valores negativos).
• Nova Família Paramétrica ($L_3$): Introduziram um modelo de 4 parâmetros que garante a validade teórica (não-negatividade, concavidade e monotonicidade) e oferece maior flexibilidade para capturar a forma da distribuição de renda, especialmente na cauda inferior.
• Análise Empírica Abrangente: Forneceram a primeira comparação sistemática em larga escala (mais de 2.000 distribuições) entre as curvas de Lorenz paramétricas, demonstrando falhas sistemáticas no modelo padrão (GQ).

4. Resultados Chave

• Ajuste e Precisão:

  • O modelo proposto $L_3$ (4 parâmetros) apresentou o melhor ajuste global (menor RSS) e a maior precisão na estimativa de quase todas as medidas de pobreza e desigualdade.
  • O modelo GQ (padrão atual) tende a subestimar sistematicamente a pobreza em mais de 80% dos casos analisados. Esse viés é particularmente forte para o "Poverty Gap" (lacuna de pobreza) e o "Watts Index".
  • O modelo de Ortega (2 parâmetros) performou bem, mas foi inferior aos modelos de 3 e 4 parâmetros em termos de precisão absoluta.

• Viés vs. Variância:

  • Embora o modelo $L_3$ seja mais preciso (menor viés), o modelo GQ apresenta menor variabilidade amostral (menores erros padrão) em simulações de Monte Carlo. Isso significa que, embora o GQ seja "menos ruidoso", ele é consistentemente "errado" (subestimando a pobreza).
  • O modelo $L_3$ oferece um equilíbrio superior entre precisão e estabilidade, com erros centrados em zero.

• Desigualdade:

  • Para o Índice de Gini, ambos os modelos ($L_3$ e GQ) performaram bem, mas o GQ ainda mostrou uma tendência de subestimação devido à sua incapacidade de capturar adequadamente a densidade na cauda inferior da distribuição.

5. Significância e Implicações

• Impacto Institucional: Dado que o Banco Mundial utiliza a Curva GQ como padrão quando microdados não estão disponíveis, os resultados sugerem que as estimativas oficiais de pobreza global podem estar otimistas demais, subestimando a magnitude real da pobreza e da desigualdade.
• Recomendação Prática: Os autores recomendam que pesquisadores e formuladores de políticas não dependam exclusivamente do modelo GQ. A adoção da nova família de curvas (especialmente o modelo $L_3$) ou a triangulação de resultados entre diferentes especificações funcionais é crucial para obter uma representação mais fiel da distribuição de renda, especialmente para populações mais pobres.
• Avanço Metodológico: O trabalho fornece um arcabouço teórico robusto para o uso de dados agrupados, garantindo que as curvas de Lorenz utilizadas respeitem as propriedades matemáticas fundamentais, evitando resultados absurdos (como renda negativa).

Em resumo, o artigo propõe uma evolução necessária na econometria da pobreza, substituindo um modelo padrão com falhas teóricas por uma nova família paramétrica que oferece maior precisão e validade teórica, com implicações diretas para a medição global da pobreza.