A Simple Correction to Remove the Bias of the Gini Coefficient due to Grouping
消除分组导致的基尼系数偏差的简单修正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。
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：摘要研究收入等分布不平等指标基尼系数的分组偏差及修正，直接对应分布特征的测度与估计方向。
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…
关注这篇论文的作者
消除分组导致的基尼系数偏差的简单修正
- 研究问题
- 当分组数据导致基尼系数产生偏差时，能否仅利用各组人数进行简单修正，并进一步处理剩余的高阶偏差？
- 方法与思路
- 作者从测量误差框架推导仅依赖各组人数的一阶修正项，给出剩余二阶偏差公式，并提出利用额外信息的修正程序。
- 材料陈述的贡献
- 摘要称，模拟及欧美数据表明一阶修正可减少相当部分偏差，但仍有随方差增加的二阶偏差，需要进一步处理。
- 阅读关注点
- 应核对分组方式及测量误差假定、一阶近似的适用范围，以及二阶修正所需额外信息和实际可获得性。
- 阅读边界
- 摘要未给出修正公式、分组条件和偏差减少幅度；题名中的消除不能解读为仅凭各组人数即可完全消除偏差。
原文摘要
We propose a first-order bias correction term for the Gini index to reduce the bias due to grouping. It depends on only the number of individuals in each group and is derived from a measurement error framework. We also provide a formula for the remaining second-order bias. Both Monte Carlo and EU and U.S. empirical evidence show that the first-order correction reduces a considerable share of the bias, but that some remaining second-order bias is increasing in the variance. We propose a procedure that addresses the remaining second-order bias by using additional information. © 2011 The President and Fellows of Harvard College and the Massachusetts Institute of Technology.