Estimating Lorenz Curves Using a Dirichlet Distribution
利用 Dirichlet 分布估计洛伦兹曲线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：摘要围绕累积收入份额、人口份额与洛伦兹曲线的估计展开，直接研究收入分布，故归入分位数与分布效应方向。
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…
利用 Dirichlet 分布估计洛伦兹曲线
- 研究问题
- 累积收入份额具有相互依赖及非正态特征时，如何估计洛伦兹曲线，并评估常用最小二乘拟合方法的适用性？
- 方法与思路
- 作者假定收入份额服从 Dirichlet 分布，以极大似然方法估计洛伦兹曲线，并用五种曲线形式展示这一方法及拟合比较。
- 材料陈述的贡献
- 摘要称，在所考察的五种曲线设定中，Dirichlet 假设下的极大似然估计比非线性最小二乘及另一既有方法拟合更好。
- 阅读关注点
- 核对收入份额与累积份额的转换、Dirichlet 分布及曲线参数的约束，并查看拟合优劣的评价标准和样本设定。
- 阅读边界
- 摘要未说明样本来源、拟合指标或分布假设的检验结果；所述拟合改善不能直接推出估计无偏、推断有效或普遍优越。
原文摘要
The Lorenz curve relates the cumulative proportion of income to the cumulative proportion of population. When a particular functional form of the Lorenz curve is specified, it is typically estimated by linear or nonlinear least squares estimation techniques that have good properties when the error terms are independently and normally distributed. Observations on cumulative proportions are clearly neither independent nor normally distributed. This article proposes and applies a new methodology that recognizes the cumulative proportional nature of the Lorenz curve data by assuming that the income proportions are distributed as a Dirichlet distribution. Five Lorenz curve specifications are used to demonstrate the technique. Maximum likelihood estimates under the Dirichlet distribution assumption provide better fitting Lorenz curves than nonlinear least squares and another estimation technique that has appeared in the literature.