基尼系数双维度分解计算工具

今天推出的是一个基尼系数双维度分解工具，之前的基尼系数分解，要么是基不同的子群，或者基于不同的分项，但是有时候我们需要同时基于分组和分项来研究，如GDP，既需要根据区域分组研究区域差异，也需要揭示总体差异的产业来源，这时候常用的泰尔指数、Dagum基尼系数分解就不再适用了。

这个基尼系数双维度分解是由Mussard在2004年提出，其主要理论如下：

给定一个样本总体$P$,其规模为$n$,均值为$\mu$,该总体划分为$k$ 个子群，每个子群可以表示为$P_i(\forall j,h=1$, 2,…,k)。每一个子群的均值和规模分别表示为${\mu }_j$和$n_j$。基尼系数可以用下面的公式来计算，其中，$s_{p,i},s_{p,r}$分别表示样本总体$P$中的个体$i$、个体$r$ 的指标$⟨i=1,2,\cdots ,n⟩$。

$$G=\frac{{\hat{\sum }}_{i=1}{\hat{\sum }}_{r=1}|x_{p,i}-x_{p,r}|}{2\mu n^2}$$

总体指标被分成 $q$ 个来源 $x^m(m=1,2,\cdots ,q)$ 。在样本总体 $P$ 中，每个个体的指标可以表示为：

$$x_{{}_{P,i}}=\sum _{n=1}^q{x}_{P,i}^m$$

由于

∣ x p , i − x p , r ∣ = x p , i + x p , r − 2 m i n { x p , i , x p , r } \mid x_{p,i}-x_{p,r}\mid=x_{p,i}+x_{p,r}-2\mathrm{min}\{x_{p,i},x_{p,r}\} ∣xp,i​−xp,r​∣=xp,i​+xp,r​−2min{xp,i​,xp,r​}

因此，总体$P$ 的基尼系数可以表示为：

G = ∑ i = 1 n ∑ i = 1 n ( x p , i + x p , r − 2 min ⁡ { x p , i , x p , r }   ) 2 μ n 2 G=\frac{\sum_{i=1}^{n}\sum_{i=1}^{n}\left(x_{p,i}+x_{p,r}-2\min\{x_{p,i},x_{p,r}\}\:\right)}{2\mu n^2} G=2μn2∑i=1n​∑i=1n​(xp,i​+xp,r​−2min{xp,i​,xp,r​})​

下面，根据总体指标来源对 2min { x p , i , x p , r } \{x_{p,i},x_{p,r}\} {xp,i​,xp,r​}​ 进行分解：

∑ m = 1 q 2 x P , i r ∗ m = 2 min ⁡ { x P , i , x P , r } \sum_{m=1}^{q} 2 x_{P, i r}^{* m}=2 \min \left\{x_{P, i}, x_{P, r}\right\} m=1∑q​2xP,ir∗m​=2min{xP,i​,xP,r​}

例如，令 2 x p , i = 2 min ⁡ { x p , i , x p , r } 2x_{p,i}=2\min\{x_{p,i},x_{p,r}\} 2xp,i​=2min{xp,i​,xp,r​}​,如果$x_{p,i}=x_{p,i}^1+x_{p,i}^2$​,那么

$$
\sum_{m=1}^{q}2x_{P,ir}{^{*m}=2*(x_{P,i}}{^1}+x_{P,i}{^2})

$$

因此，基尼系数可以按照分项指标进行如下测度：

$$G=\sum _{n=1}^q\left(\frac{{\sum }_{i=1}^n{\sum }_{i=1}^n(x_{P,i}^m+x_{P,r}^m-2x_{P,ir}^m)}{2\mu n^2}\right)$$

上式表明基尼系数被分解成 q 个部分，每个部分就是该指标各分项指标对于总体差异的贡献。根据 Dagum的基尼系数分解方法，基尼系数可以按照子群进行分解:

$$G=\frac{{\sum }_{j=1}^k\left({\sum }_{i=1}^{nj}\left|x_{j,i}-x_{j,r}\right|\right)}{2\mu n^2}+\frac{2{\sum }_{j=2}^k{\sum }_{h=1}^{j-1}\left({\sum }_{i=1}^{nj}{\sum }_{r=1}^{nh}\left|x_{j,i}-x_{h,r}\right|\right)}{2\mu n^2}$$

其中，$x_{j,r}$表示第$j$ 个子群中第 r 个个体的指标。按照 Dagum,基尼系数分解为两个部分：

$$G=G_{{}_w}+G_{{}_{gb}}$$

其中，$G_{{}_w}$ 是区域内差异；$G_{gb}$ 是区域间差异。基尼系数的双维分解可以按照如下公式进行：

$$G=\sum _{m=1}^q\left\{\frac{{\sum }_{j=1}^k\left[{\sum }_{i=1}^{nj}{\sum }_{r=1}^{nj}(x_{j,i}^m+x_{j,r}^m-2x_{j,ir}^{sm})\right]}{2\mu n^2}\right\}+\sum _{m=1}^q\left\{\frac{2{\sum }_{j=2}^k{\sum }_{k=1}^{j-1}\left[{\sum }_{i=1}^{nj}{\sum }_{r=1}^{nk}(x_{j,i}^m+x_{k,r}^m-2x_{jk,ir}^{sm})\right]}{2\mu n^2}\right\}$$

该模型计算过程比较复杂，我们开发出相关工具，可以直接计算基尼系数的双维度分解，结果如下：

分别是组内GINI和组间GINI，其和应等于总体GINI。

我们这个工具特点之一，就是可以在结果中指明对应分组的名称，而非用数字代替，简洁明了。

有需要可以联系微信：canglang12002