基于分组收入数据的不平等稳健估计

研究人员经常必须利用仅给出收入落入特定“区间”（例如 $0-9,999、$10,000-14,999、...、$200,000+）的案例数（如家庭或住户）的数据来估计收入不平等。我们发现，流行的基于分组收入估计不平等的方法在小样本中并不稳健，可能产生无限、未定义或任意大的估计值。为解决这些问题及其他问题，我们开发了两种改进的估计量：稳健 Pareto 中点估计量 (RPME) 和多模型广义 Beta 估计量 (MGBE)。通过对 1970 年至 2009 年美国国家、州和县数据的广泛评估，我们发现这两种估计量都能产生非常好的均值和 Gini 系数估计，但对 Theil 指数和平均对数离差的估计准确性较低。两种估计量均非在所有情况下更准确，但 RPME 速度更快，这在需要从大量数据集中获取许多估计值时可能是一个考量因素。我们已将这些方法作为 Stata 的 rpme 和 mgbe 命令以及 R 的 binequality 包提供。