Statistical Inference with Generalized Gini Indices of Inequality, Poverty, and Welfare
不平等、贫困与福利的广义基尼指数统计推断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：摘要研究不平等、贫困与福利的广义基尼指标推断，并使用收入数据，直接属于分布特征的计量分析。
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
不平等、贫困与福利的广义基尼指数统计推断
- 研究问题
- 如何对不平等、贫困与福利的广义基尼指数进行统计推断，同时避免将总体划分为固定数量的分位组？
- 方法与思路
- 作者用函数极限理论推导经验指数的渐近正态性，以影响函数获得渐近方差，并结合模拟和美国收入数据比较推断方法。
- 材料陈述的贡献
- 摘要给出易计算的渐近方差表达式，并称基于该理论的 bootstrap-t 方法在小样本中具有更好的检验尺寸与功效表现。
- 阅读关注点
- 核对广义基尼指标的定义、渐近理论所需条件和影响函数推导，并查看 bootstrap-t 的实现、比较基准与模拟范围。
- 阅读边界
- 摘要未说明具体正则条件、样本规模或模拟分布；小样本优势属于作者所报告的比较结果，不能视为普遍保证。
原文摘要
This article considers statistical inference for consistent estimators of generalized Gini indices of inequality, poverty, and welfare. Our method does not require grouping the population into a fixed number of quantiles. The empirical indices are shown to be asymptotically normally distributed using functional limit theory. Easily computed asymptotic variance expressions are obtained using influence functions. Inference based on first-order asymptotics is then compared with the grouped method and various bootstrap methods in simulations and with U.S. income data. The bootstrap-t method based on our asymptotic theory is found to have superior size and power properties in small samples.