Hvad er Gini-indekset?
Gini-indekset, eller Gini-koefficienten, er et mål for fordelingen af indkomst på tværs af en befolkning udviklet af den italienske statistiker Corrado Gini i 1912. Det bruges ofte som et mål for økonomisk ulighed og måler indkomstfordeling eller, mindre almindeligt, formuefordeling blandt en befolkning. Koefficienten varierer fra 0 (eller 0%) til 1 (eller 100%), hvor 0 repræsenterer perfekt lighed og 1 repræsenterer perfekt ulighed. Værdier over 1 er teoretisk mulige på grund af negativ indkomst eller formue.
Key Takeaways
- The Gini indeks er et mål for fordelingen af indkomst på tværs af en befolkning.
- Et højere Gini-indeks indikerer større ulighed, hvor personer med høj indkomst modtager meget større procentdele af befolkningens samlede indkomst.
- Global ulighed målt ved Gini-indekset steg i det 19. og 20. århundrede, men er faldet i de senere år.
- På grund af data og andre begrænsninger kan Gini-indekset overdrive indkomstulighed og kan tilsløre vigtige oplysninger om indkomstfordeling.
Forståelse af Gini-indekset
Et land, hvor hver beboer har den samme indkomst, ville har en indkomst Gini-koefficient på 0. Et land, hvor en beboer tjente al indkomsten, mens alle andre ikke tjente noget, ville have en indkomst Gini-koefficient på 1.
Den samme analyse kan anvendes på formuefordeling (“rigdom Gini-koefficienten”), men fordi formue er vanskeligere at måle end indkomst, refererer Gini-koefficienter normalt til indkomst og vises simpelthen som “Gini-koefficient” eller “Gini-indeks , “uden at angive, at de henviser til indkomst. Rigdom Gini-koefficienter har tendens til at være meget højere end for indkomst.
Gini-koefficienten er et vigtigt redskab til at analysere indkomst eller formuefordeling inden for et land eller en region, men det bør ikke forveksles med en absolut måling af indkomst eller formue. Et højindkomstland og et lavindkomstland kan have den samme Gini-koefficient, så længe indkomsterne fordeles ens inden for hver: Tyrkiet og USA havde begge indkomst-Gini-koefficienter omkring 0,39-0,40 i 2016 ifølge OECD, dog Tyrkiets BNP pr. Person var under halvdelen af USAs (i 2010-dollarbetingelser).
Grafisk repræsentation af Gini-indekset
Gini-indekset er ofte repræsenteret grafisk gennem Lorenz-kurven, som viser indkomstfordeling (eller formue) ved at tegne befolkningspercentil efter indkomst på den vandrette akse og kumulativ indkomst på den lodrette akse. Gini-koefficienten er lig med området under linjen med perfekt ligestilling (0,5 pr. Definition) minus arealet under Lorenz-kurven divideret med området under linjen med perfekt ligestilling. Med andre ord er det det dobbelte areal mellem Lorenz-kurven og linjen med perfekt ligestilling.
I nedenstående graf svarer den 47. percentil til 10,46% i Haiti og 17,42 % i Bolivia, hvilket betyder, at de nederste 47% af haitierne indtager 10,46% af deres lands samlede indkomst, og de nederste 47% af bolivianerne tager 17,42% af deres. Den lige linje repræsenterer et hypotetisk lige samfund: det nederste 47% tage 47% af nationalindkomsten.
For at estimere Gini-koefficienten for Haiti i 2012 ville vi finde området under dets Lorenz-kurve: omkring 0,2. Træk dette tal fra 0,5 (området under linien for ligestilling) får vi 0,3, som vi derefter deler med 0,5. Dette giver en omtrentlig Gini på 0,6 eller 60%. CIA giver den faktiske Gini for Haiti i 2012 som 60,8% (se nedenfor). Dette tal repræsenterer ekstrem høj ulighed; kun Mikronesien, Den Centralafrikanske Republik, Sydafrika og Lesotho er mere ulige, ifølge ting til CIA.
En anden måde at tænke på Gini-koefficienten er som et mål for afvigelse fra perfekt lighed. Jo længere en Lorenz-kurve afviger fra den lige lige lige linje (som repræsenterer en Gini-koefficient på 0), jo højere er Gini-koefficienten og jo mindre lige samfundet. I eksemplet ovenfor er Haiti mere ulige end Bolivia.
Gini-indekset rundt om i verden
Global Gini
Christoph Lakner fra Verdensbanken og Branko Milanovic fra City University of New York estimerer, at den globale indkomst-Gini-koefficient var 0,705 i 2008, ned fra 0,722 i 1988. Tallene varierer dog betydeligt. DELTA-økonomerne François Bourguignon og Christian Morrisson vurderer, at tallet var 0,657 i både 1980 og 1992. Bourguignon og Morrissons arbejde viser en vedvarende vækst i ulighed siden 1820, da den globale Gini-koefficient var 0.500.Lakner og Milanovic viser et fald i uligheden omkring begyndelsen af det 21. århundrede, ligesom en bog fra Bourguignon fra 2015:
Kilde: Verdensbanken.
Økonomisk ekspansion i Latinamerika, Asien og Østeuropa har drevet meget af det nylige fald i indkomstulighed. Mens ulighed mellem lande er faldet i de seneste årtier, er uligheden inden for landene dog steget.
Gini inden for lande
Nedenfor er indtægts-Gini-koefficienterne i hvert land, som CIA World Factbook leverer data for:
Nogle af verdens fattigste lande (Centralafrikanske Republik) har nogle af verdens højeste Gini-koefficienter (61.3), mens mange af de rigeste (Danmark) har nogle af de laveste (28,8). Alligevel er forholdet mellem indkomstulighed og BNP pr. indbygger ikke o ne med perfekt negativ sammenhæng, og forholdet har varieret over tid. Michail Moatsos fra Utrecht Universitet og Joery Baten fra Tuebingen Universitet viser, at fra 1820 til 1929 steg uligheden lidt – derefter tilspidset – da BNP pr. Indbygger steg. Fra 1950 til 1970 havde uligheden en tendens til at falde, da BNP pr. Indbygger steg over en bestemt tærskel. Fra 1980 til 2000 faldt uligheden med højere BNP pr. Indbygger, hvorefter den buede kraftigt op igen.
Korrelation mellem Gini-koefficienter og BNP pr. indbygger i tre tidsperioder. Kilde: Moatsos og Baten.
Mangler
Selvom det er nyttigt at analysere økonomisk ulighed, har Gini-koefficienten nogle mangler. Metrikens nøjagtighed afhænger af pålidelige BNP- og indkomstdata. Skyggeøkonomier og uformel økonomisk aktivitet er til stede i alle lande. Uformel økonomisk aktivitet har tendens til at repræsentere en større del af ægte økonomisk produktion i udviklingslande og i den nedre ende af indkomsten fordeling inden for lande. I begge tilfælde betyder det, at Gini-indekset over målte indkomster overvurderer den reelle indkomstulighed. Nøjagtige formuedata er endnu sværere at få tak i på grund af skatteparadisernes popularitet.
En anden fejl er, at meget forskellige indkomstfordelinger kan resultere i identiske Gini-koefficienter. Fordi Gini forsøger at destillere et todimensionelt område (afstanden mellem Lorenz-kurven og ligestillingslinjen) ned til et enkelt tal, tilsløres det information om “form” for ulighed. I hverdagen vil dette svare til at beskrive indholdet af et foto udelukkende efter dets længde langs den ene kant eller den enkle gennemsnitlige lysstyrkeværdi af pixelerne. Mens brugen af Lorenz-kurven som et supplement kan give mere information i denne henseende, viser den heller ikke demografiske variationer blandt undergrupper inden for fordelingen, såsom fordelingen af indkomster på tværs af alder, race eller sociale grupper. På den måde kan forståelse af demografi være vigtig for at forstå, hvad en given Gini-koefficient repræsenterer. For eksempel skubber en stor pensioneret befolkning Gini højere.