Extremal points of Lorenz curves and applications to inequality analysis
洛伦兹曲线的极点及其在不平等分析中的应用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：摘要围绕收入分布、洛伦兹曲线、基尼系数及群体间分布差异展开，直接对应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…
洛伦兹曲线的极点及其在不平等分析中的应用
- 研究问题
- 给定基尼系数时，洛伦兹曲线有哪些极点、两条曲线的最大距离是多少，如何同时呈现两个人口群体的相对不平等与分布差异？
- 方法与思路
- 作者分析固定基尼系数的曲线极点与最大 L¹ 距离，将基尼系数和曲线距离组合为二维指标，并研究其代入估计量的渐近性质。
- 材料陈述的贡献
- 摘要称，二维指标位于直角三角形内，其边界具有洛伦兹排序及最大距离解释；作者提供数学证明，并用欧盟收入数据展示比较图。
- 阅读关注点
- 应核对极点所对应的分布类别、距离界的成立条件、三角形边界的具体含义，以及代入估计量的抽样条件和不确定性呈现方式。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未列完整分布与抽样条件，曲线距离也不能直接解释为收入水平或福利差距。
原文摘要
We find the set of extremal points of Lorenz curves with fixed Gini index and compute the maximal $L^1$-distance between Lorenz curves with given values of their Gini coefficients. As an application we introduce a bidimensional index that simultaneously measures relative inequality and dissimilarity between two populations. This proposal employs the Gini indices of the variables and an $L^1$-distance between their Lorenz curves. The index takes values in a right-angled triangle, two of whose sides characterize perfect relative inequality-expressed by the Lorenz ordering between the underlying distributions. Further, the hypotenuse represents maximal distance between the two distributions. As a consequence, we construct a chart to, graphically, either see the evolution of (relative) inequality and distance between two income distributions over time or to compare the distribution of income of a specific population between a fixed time point and a range of years. We prove the mathematical results behind the above claims and provide a full description of the asymptotic properties of the plug-in estimator of this index. Finally, we apply the proposed bidimensional index to several real EU-SILC income datasets to illustrate its performance in practice.