匿名时代的不平等

不平等度量指标如基尼系数用于为政策制定提供信息和动机，越来越多地被应用于数字平台。我们分析了这些度量在匿名环境下的表现，这些环境在数字时代很常见。这样的环境的一个关键挑战是允许行为者在虚假的虚假名称下创建伪造身份，称为“Sybil”。虽然一些行为者可能这样做是为了保留其隐私，但我们显示这会损害不平等度量的准确性：对于可能存在Sybil的经济体，无法满足文献中一套规范期望属性的度量来评估其不平等。我们描述了所有Sybil-proof度量的类别，并证明它们必须满足上述属性的放宽版本。此外，我们表明所施加的结构限制了在细粒度水平上评估不平等的能力。我们随后应用我们的結果，证明流行的度量并非Sybil-proof，其中著名的基尼系数只是一个众多例子之一。最后，我们检查导致数字和传统环境中Sybil创建的动力学。