{ "version": "https:\/\/jsonfeed.org\/version\/1.1", "title": "Рациональные числа: заметки с тегом Коэффициент Джини", "_rss_description": "Интересная статистика и данные из разных областей", "_rss_language": "ru", "_itunes_email": "", "_itunes_categories_xml": "", "_itunes_image": "", "_itunes_explicit": "", "home_page_url": "https:\/\/rationalnumbers.ru\/?go=tags\/koefficient-dzhini\/", "feed_url": "https:\/\/rationalnumbers.ru\/?go=tags%2Fkoefficient-dzhini%2Fjson%2F", "icon": "https:\/\/rationalnumbers.ru\/pictures\/userpic\/userpic@2x.jpg?1665434398", "authors": [ { "name": "Кирилл Олейниченко", "url": "https:\/\/rationalnumbers.ru\/", "avatar": "https:\/\/rationalnumbers.ru\/pictures\/userpic\/userpic@2x.jpg?1665434398" } ], "items": [ { "id": "1906", "url": "https:\/\/rationalnumbers.ru\/?go=all\/izmerenie-neravenstva-chto-takoe-koefficient-dzhini\/", "title": "Измерение неравенства: что такое коэффициент Джини?", "content_html": "

Коэффициент Джини является наиболее распространённым показателем неравенства. Но что он на самом деле измеряет? И чем он отличается от других показателей неравенства?<\/p>\n

Коэффициент Джини, или индекс Джини, является наиболее распространённым показателем неравенства. Он был разработан итальянским статистиком Коррадо Джини (1884—1965 гг.) и назван в его честь<\/p>\n

Обычно он используется для измерения неравенства доходов, но также может применяться для измерения неравенства любого распределения — распределения богатства или даже ожидаемой продолжительности жизни<\/p>\n

Неравенство измеряется по шкале от 0 до 1, где более высокие значения указывают на более высокий уровень неравенства. Иногда этот показатель может быть представлен в процентах от 0 до 100%, тогда он называется «индексом Джини»<\/p>\n

Значение 0 означает полное равенство, когда все имеют одинаковый доход. Значение 1 означает полное неравенство, когда один человек получает весь доход, а все остальные — ничего<\/p>\n

Как рассчитывается коэффициент Джини?<\/b><\/p>\n

Существует два основных способа расчёта коэффициента Джини. Оба приводят к одним и тем же значениям, но дают нам два представления о том, что именно измеряет коэффициент<\/p>\n

Метод 1: Расчёт разницы между доходами двух человек по отношению к среднему значению<\/p>\n

Первый метод можно проиллюстрировать следующим мысленным экспериментом<\/p>\n

Представьте двух людей, случайно столкнувшихся на улице. Они сравнивают свои доходы и выясняют, насколько один из них богаче другого. Насколько большую разницу можно ожидать?<\/p>\n

Этот ожидаемый разрыв между двумя случайно выбранными людьми и измеряется коэффициентом Джини. Он рассчитывается как среднее значение разрыва между всеми парами людей в населении<\/p>\n

Если доходы распределены равномерно, то можно ожидать небольшой разрыв между доходами двух случайно выбранных людей. Там, где высокий уровень неравенства, мы можем ожидать большой разрыв<\/p>\n

Однако, если измерять этот показатель в абсолютном выражении, он также будет зависеть от богатства населения в целом. Если даже самые обеспеченные представители населения имеют низкий доход, то абсолютный разрыв между доходами людей будет маленьким. И наоборот — там, где доходы в целом высоки, даже небольшая относительная разница (напрмер, в %) будет означать большой разрыв в абсолютных показателях<\/p>\n

По этой причине коэффициент Джини учитывает также средний доход среди населения<\/p>\n

В частности, он рассчитывается как ожидаемый разрыв в пределах удвоенного среднего дохода. Для простоты представим, что всё население состоит из тех двух человек, встретившихся на улице. Если их общий доход составляет 100 $, то средний по населению будет 50 $. Если доход первого составляет 100 $, а второго — 0 $, разница в доходах будет равна 100 $, что как раз в два раза больше среднего уровня дохода<\/p>\n

Таким образом, наибольшее возможное значение среднего разрыва, то есть удвоенный средний доход — ситуация абсолютного неравенства. Все доходы принадлежат одному человеку, а остальные вовсе не имеют дохода — коэффициент Джини равен 1<\/p>\n

Наименьшее возможное значение среднего разрыва, то есть 0 — ситуация абсолютного равенства. Доходы всех людей равны — коэффициент Джини равен 0<\/p>\n

Метод 2: Разрыв между «кривой Лоренца» и «линией идеального равенства»<\/p>\n

\n $\"\"$ \n<\/div>\n
Слева указана доля дохода, получаемая каждой пятой частью гипотетического населения. Справа — суммарные доходы всех групп населения. Получившийся справа график называется «кривой Лоренца»<\/p>\n
Для населения, среди которого доходы распределены абсолютно равномерно, «кривая Лоренца» будет представлять собой прямую диагональную линию: 10% самых бедных будут получать 10% от общего дохода, 20% — 20% от общего дохода и т. д. Это показано на графике как «линия равенства»<\/p>\n
Но среди населения, представленного на нашей диаграмме, доходы распределяются неравномерно. 60% населения с наименьшим доходом получает 30% от общего дохода<\/p>\n
Коэффициент Джини показывает, насколько «кривая Лоренца» отклоняется от «линии равенства», сравнивая площади A и B на картинке. Отклонение рассчитывается следующим образом:<\/p>\n
коэффициент Джини = A ÷ (A + B)<\/p>\n
Если доходы распределяются абсолютно равномерно, «кривая Лоренца» будет совпадать с «линией равенства». Площадь A, как и коэффициент Джини, будет равна 0. Если один человек получает все доходы, а остальные не имеют никакого, «кривая Лоренца» совпадает с осью X — общие доходы будут сконцентрированы в конце графика. Площадь B будет равна нулю, а коэффициент Джини — 1<\/p>\n
Сравнение показателей: Рассказывает ли показатель Джини ту же историю, что и другие показатели неравенства?<\/b><\/p>\n
Показатели неравенства пытаются обобщить информацию о том, насколько распределение неравномерно — точно так же, как стандартное отклонение. В таких суммарных показателях заложены суждения о том, что именно должно иметь наибольшее значение при измерении неравенства<\/p>\n
Для примера сравним два выдуманных общества. В первом богатые люди намного богаче тех, кто находится в середине распределения, но доходы более бедных лишь немного ниже тех, что получают в середине. Во втором — обратная ситуация: доходы богатых лишь немного выше доходов средних, но бедные намного беднее<\/p>\n
В каком обществе выше неравенство? Ответ будет зависеть от того, какие разрывы в разных частях распределения считать вносящими наибольший вклад в уровень неравенства. Такие оценочные суждения неявно заложены в математические определения показателя неравенства<\/p>\n
Это относится ко всем показателям неравенства, и коэффициент Джини не является исключением. Но его отличает более высокая чувствительность к изменениям в середине распределения, чем в самом верху и внизу<\/p>\n
\n $\"\"$ \n<\/div>\n
Особенности коэффициента Джини можно рассмотреть на примере четырёх стран. На диаграммах показано, как он соотносится с двумя другими показателями неравенства — долями дохода 1% и 10% самого богатого населения. Для наглядности приведена динамика с течением времени. По вертикали — разница в % относительно показателей 1900 года<\/p>\n
Мы видим, что существенное изменение доли доходов 1% самых богатых сопровождается незначительным изменением коэффициента Джини. Это справедливо как для стран с растущим уровнем неравенства (США), так и для стран, где уровень неравенства снижается (Уругвай)<\/p>\n
В то же время, коэффициент Джини гораздо точнее отслеживает долю доходов самых богатых 10%. Коэффициент Джини не чувствителен к изменениям только в самой верхней части распределения<\/p>\n
Источник — Our World in Data<\/a><\/p>\n", "date_published": "2023-07-31T20:49:11+05:00", "date_modified": "2023-07-31T20:43:13+05:00", "tags": [ "Our World in Data", "Доход", "Коэффициент Джини", "неравенство", "статистика", "экономика" ], "image": "https:\/\/rationalnumbers.ru\/pictures\/photo-1.png", "_date_published_rfc2822": "Mon, 31 Jul 2023 20:49:11 +0500", "_rss_guid_is_permalink": "false", "_rss_guid": "1906", "_e2_data": { "is_favourite": false, "links_required": [], "og_images": [ "https:\/\/rationalnumbers.ru\/pictures\/photo-1.png", "https:\/\/rationalnumbers.ru\/pictures\/photo-2.png" ] } }, { "id": "1896", "url": "https:\/\/rationalnumbers.ru\/?go=all\/kak-menyalsya-koefficient-neravenstva-dzhini-v-srednem-po-miru-1\/", "title": "Как менялся коэффициент неравенства Джини в среднем по миру, 1820—2018", "content_html": "
Индекс Джини<\/a> — это мера неравенства распределения доходов или богатства в обществе. Чем ближе показатель к 0, тем равномернее распределение<\/p>\n
\n $\"\"$ \n<\/div>\n
Chartr<\/a><\/p>\n", "date_published": "2023-07-01T21:25:42+05:00", "date_modified": "2023-07-01T21:25:40+05:00", "tags": [ "деньги", "диаграмма", "Коэффициент Джини" ], "image": "https:\/\/rationalnumbers.ru\/pictures\/photo1687627331.jpeg", "_date_published_rfc2822": "Sat, 01 Jul 2023 21:25:42 +0500", "_rss_guid_is_permalink": "false", "_rss_guid": "1896", "_e2_data": { "is_favourite": false, "links_required": [], "og_images": [ "https:\/\/rationalnumbers.ru\/pictures\/photo1687627331.jpeg" ] } }, { "id": "1722", "url": "https:\/\/rationalnumbers.ru\/?go=all\/issledovanie-ob-ekonomicheskom-neravenstve-v-stranah-mira\/", "title": "Исследование об экономическом неравенстве в странах мира", "content_html": "
На диаграммах и графиках выше:
\n— Как менялся коэффициент неравенства Джини в 18 странах мира и в странах ОЭСР<\/a>, 1985—2013
\n— Как росла средняя заработная плата до вычета налогов нижних 50% населения в Европе и США, в сравнении с показателями 1980 года
\n— Какая доля заработной платы (голубой) и богатств (голубой) принадлежала верхним 10% населения 27 стран ОЭСР, 2015 или последние доступные данные
\n— Процент населения США, зарабатывавший к 30 годам больше, чем их родители, 1940—1984 года рождения
\n— Какую долю всей заработной платы в стране получали верхний 1% и нижние 50% населения Европы и США, 1980—2017
\n— Какой долей национальных богатств владел 1% богатейшего населения в США, Великобритании, Франции и Швеции, 1910—2014
\n— Гендерный разрыв в доходах в странах Большой семёрки и Южной Корее, 1970—2019<\/p>\n
Остальные данные и визуализации можно найти в самом исследовании<\/a><\/p>\n
\n $\"\"$ \n<\/div>\n
\n $\"\"$ \n<\/div>\n
\n $\"\"$ \n<\/div>\n
\n $\"\"$ \n<\/div>\n
\n $\"\"$ \n<\/div>\n
\n $\"\"$ \n<\/div>\n
\n $\"\"$ \n<\/div>\n", "date_published": "2023-04-10T13:30:33+05:00", "date_modified": "2023-04-10T13:30:27+05:00", "tags": [ "исследование", "Коэффициент Джини", "страны", "экономика" ], "image": "https:\/\/rationalnumbers.ru\/pictures\/photo_5215686286172604996_y.jpg", "_date_published_rfc2822": "Mon, 10 Apr 2023 13:30:33 +0500", "_rss_guid_is_permalink": "false", "_rss_guid": "1722", "_e2_data": { "is_favourite": false, "links_required": [], "og_images": [ "https:\/\/rationalnumbers.ru\/pictures\/photo_5215686286172604996_y.jpg", "https:\/\/rationalnumbers.ru\/pictures\/photo_5215686286172604997_y.jpg", "https:\/\/rationalnumbers.ru\/pictures\/photo_5215686286172604998_y.jpg", "https:\/\/rationalnumbers.ru\/pictures\/photo_5215686286172604999_y.jpg", "https:\/\/rationalnumbers.ru\/pictures\/photo_5215686286172605000_y.jpg", "https:\/\/rationalnumbers.ru\/pictures\/photo_5215686286172605001_y.jpg", "https:\/\/rationalnumbers.ru\/pictures\/photo_5215686286172605002_y.jpg" ] } }, { "id": "1717", "url": "https:\/\/rationalnumbers.ru\/?go=all\/koefficient-neravenstva-dzhini-i-indeks-vospriyatiya-korrupcii-v\/", "title": "Коэффициент неравенства Джини и индекс восприятия коррупции в странах мира в прошлом десятилетии", "content_html": "
Показатели закодированы цветами: чем ярче синий оттенок, тем выше ИВК, чем ярче красный — тем выше коэффициент неравенства. Если страна закрашена серым цветом, данные по ней отсутствуют<\/p>\n
Значения основаны на данных с 2014 по 2019 года. Источники — Transparency International<\/a>, The World Bank<\/a><\/p>\n
\n $\"\"$ \n<\/div>\n
Reddit<\/a><\/p>\n", "date_published": "2023-03-09T14:02:04+05:00", "date_modified": "2023-03-09T14:02:00+05:00", "tags": [ "коррупция", "Коэффициент Джини", "общество" ], "image": "https:\/\/rationalnumbers.ru\/pictures\/photo_5208528139058267148_y.jpg", "_date_published_rfc2822": "Thu, 09 Mar 2023 14:02:04 +0500", "_rss_guid_is_permalink": "false", "_rss_guid": "1717", "_e2_data": { "is_favourite": false, "links_required": [], "og_images": [ "https:\/\/rationalnumbers.ru\/pictures\/photo_5208528139058267148_y.jpg" ] } } ], "_e2_version": 4116, "_e2_ua_string": "Aegea 11.2 (v4116)" }