Multivariate Measures of Well-Being and an Analysis of Inequality in the Michigan Data
多维福祉度量与密歇根调查数据的不平等分析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：摘要核心是不平等度量及其指标贡献、组内和组间分解，直接涉及微观福祉分布，故归入分布方向。
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
多维福祉度量与密歇根调查数据的不平等分析
- 研究问题
- 如何综合收入、净资产与教育等福祉指标衡量不平等，并区分不同指标及不同人口分组对总体不平等的贡献？
- 方法与思路
- 作者将收入等多个福祉指标合成为多维度量，使用相对不平等指数分解指标贡献及组内、组间差异，并应用于美国调查数据。
- 材料陈述的贡献
- 摘要称，该方法无需为净资产和教育等指标计算折算收入，同时支持指标及其因子成分贡献和组内、组间不平等的分析。
- 阅读关注点
- 应核对综合指标的尺度处理与权重、相对不平等指数的分解性质，以及密歇根收入动态调查数据中的变量和分组设定。
- 阅读边界
- 摘要未说明具体聚合公式、指标权重、样本范围或实证结果；仅凭摘要无法判断多维度量对规范性选择和分组方式的敏感性。
原文摘要
We demonstrate a multidimensional approach for combining several indicators of well-being, including the traditional money-income indicators. This methodology avoids the difficult and much criticized task of computing imputed incomes for such indicators as net worth and schooling. Inequality in the proposed composite measures is computed using relative inequality indexes that permit simple analysis of both the contribution of each welfare indicator (and its factor components) and within and between components of total inequality when the population is grouped by income levels, age, gender, or any other criteria. The analysis is performed on U.S. data using the Michigan Survey of Income Dynamics.