Income Distribution Models and Income Inequality Measures from the Robust Statistics Perspective Revisited

Abstract

Considerations related to income distribution and income inequalities in populations of economic agents belong to the core of the modern economic theory. They appear also in a public debate concerning postulates as to taxation or pension politics, in theories of a human capital creation or searching for regional development factors. Results of statistical inference conducted for giving arguments pro or against particular hypotheses, strongly depend on properties of statistical procedures used within this process. We mean here for example: a quality of probability density estimator in case of missing data, a quality of skewness measure in multivariate case departing from normality, or a quality of dimension reduction algorithm in case of existence of outliers. In this paper from the robust statistics point of view, we analyse difficulties related to statistical inference on income distribution models and income inequalities measures. Theoretical considerations are illustrated using real data obtained from Eurostat and Minessota Population Center (IMPUS).

Rozważania dotyczące rozkładów dochodów oraz nierówności dochodowych bez wątpienia należą o tzw. jądra ekonomii teoretycznej. Rozważania tego typu pojawiają się w debacie publicznej dotyczącej polityki podatkowej, polityki transferów społecznych, w teoriach tworzenia kapitału intelektualnego bądź w typowaniu czynników rozwoju regionalnego. Warto zauważyć, że wyniki badań statystycznych prowadzonych, aby dostarczyć argumentów za bądź przeciw hipotezom stawianym w debatach ekonomistów zależą krytycznie od własności metod statystycznych wykorzystywanych w tych badaniach. Mamy tutaj przykładowo na uwadze, jakość estymatora gęstości w przypadku brakujących danych, jakość wielowymiarowej miary skośności w przypadku odstępstwa od normalności populacji, bądź jakość algorytmu zmniejszającego wymiar zagadnienia statystycznego w przypadku występowania obserwacji odstających. W sytuacji, gdy w badaniach tego typu uwzględniamy dodatkowo pewien wymiar przestrzenny bądź społecznoekonomiczny – przeprowadzenie dobrej jakości wnioskowania statystycznego wydaje się stanowić szczególnym wyzwanie. W niniejszej pracy w krytyczny sposób analizujemy trudności związane z wnioskowaniem statystycznym dotyczącym wybranych modeli dochodu i wybranych miar nierówności dochodowych. Z perspektywy statystyki odpornej badamy m.in. powszechnie wykorzystywane estymatory parametrów modeli Pareto, Pearsona, D'Addario oraz Daguma. Proponujemy odporne i nieparametryczne alternatywy dla popularnych miar nierówności dochodowych oraz pokazujemy jak zredukować liczbę predyktorów dla agregatów dochodowych w odporny sposób. Zwracamy szczególną uwagę na przestrzenny wymiar naszych badań. Rozważania teoretyczne ilustrujemy m.in. wykorzystując dane empiryczne pochodzące z Eurostatu i Minnesota Population Center (IMPUS).