基于分组数据的收入不平等估计

由于缺乏个体记录，以收入份额形式出现的分组数据传统上被用于估计收入不平等。大多数先前关于经济不平等的研究依赖不平等度量的下界，以避免需强加参数函数形式来描述收入分布。这些估计忽略了份额内部的收入差异，从而引入了潜在的测量误差来源。本文旨在探索一种细致的替代方案来估计收入不平等，其能对份额内收入分布给出可靠表征。我们考察了第二类广义 beta 分布及相关模型在估计不同不平等度量上的表现，并在覆盖 182 个国家、1867–2015 年间的逾 5000 个数据集中将这些估计的精度与非参数下界比较。我们部署两种不同计量经济策略来估计参数分布：非线性最小二乘法与广义矩方法，二者均在 R 中实现并便捷地提供于 GB2group 包中。尽管非参数方法流行，但其表现甚至不及最简单的两参数模型。我们的结果证实了 GB2 分布在表征异质国家样本收入数据上的优异表现，其提供了若干不平等度量的高度可靠估计。这一有力结果以及获取简便工具以实现该分布族估计的途径，我们相信将激励其使用，从而有助于发展可靠的不平等趋势估计。