超越Beta Lorenz曲线: 一个用于贫困与不平等估计的新参数族
应用统计
2026-04-02 v1 统计方法学
摘要
贫困与不平等度量的估计常受到缺乏个体数据的限制. 不少国家, 包括中国, 仍报告以聚合收入份额形式的数据. 在这种情况下, 卡克瓦尼 (Kakwani, Econometrica, 48, 1980) 引入的Beta Lorenz曲线已成为在学术和机构层面重建收入分布的标准工具. 值得注意的是, 在世界银行用于构建官方贫困估计时, 除了General Quadratic (GQ) Lorenz曲线外, 它还代表了主要使用的规格. 本文表明, 卡克瓦尼模型不满足洛伦兹曲线的形式要求. 为此, 我们确定确保该模型理论有效性的特定约束, 并引入一个源自纠正参数空间的新型洛伦兹曲线族. 我们进行的分析覆盖超过2000个数据集, 显示我们提出的四参数规格提供了对多种贫困与不平等度量的高度准确估计. 我们的结果表明, 本模型在分析的80%以上案例中都优于GQ洛伦兹曲线, 后者倾向于低估贫困.
关键词
引用
@article{arxiv.2604.00772,
title = {Beyond the Beta Lorenz Curve: A New Parametric Family for Poverty and Inequality Estimation},
author = {José María Sarabia and Vanesa Jordá and Emilio Gómez-Déniz},
journal= {arXiv preprint arXiv:2604.00772},
year = {2026}
}