Mind the Income Gap: Bias Correction of Inequality Estimators in Small-Sized Samples
关注收入差距：小样本不平等估计量的偏差校正AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究基尼、广义熵和阿特金森等收入分布不平等指标的估计，属于分布分析方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注收入差距：小样本不平等估计量的偏差校正
- 研究问题
- 小样本中的收入不平等估计通常向下偏误；研究关注复杂调查设计下如何校正这种偏差，以及它对小区域估计的影响。
- 方法与思路
- 作者提出涵盖基尼指数、广义熵和阿特金森指数的偏差校正框架，纳入复杂调查设计，并避免对收入分布作参数化假定。
- 材料陈述的贡献
- 摘要称，基于 EU-SILC 数据的设计型评估显示各类指标偏差明显下降，小区域应用例子还提示忽略事前校正可能造成模型误设。
- 阅读关注点
- 应核对校正项的推导、适用的调查设计、收入取值要求，以及偏差减少是否伴随方差变化和小区域预测误差改善。
- 阅读边界
- 所据版本为 arXiv 预印本，同行评审与期刊接收未核实；摘要未说明具体正则条件、误差权衡及模型误设结论的适用范围。
原文摘要
Income inequality estimators are biased in small samples, leading generally to an underestimation. This aspect deserves particular attention when estimating inequality in small domains and performing small area estimation at the area level. We propose a bias correction framework for a large class of inequality measures comprising the Gini Index, the Generalized Entropy and the Atkinson index families by accounting for complex survey designs. The proposed methodology does not require any parametric assumption on income distribution, being very flexible. Design-based performance evaluation of our proposal has been carried out using EU-SILC data, their results show a noticeable bias reduction for all the measures. Lastly, an illustrative example of application in small area estimation confirms that ignoring ex-ante bias correction determines model misspecification.