Medidas de Concentraci´
on
Adaptado de http://www.eumed.net/cursecon/7/Lorenz-Gini.htm
2.1.
Como estudiar la concentraci´
on del Ingreso?
Cuando observamos el ingreso de una poblaci´on en general el ingreso tiene una distribuci´on muy asim´etrica, que se parece a la curva de Pareto. Una de las carac-terizaciones m´as simples de la distribuci´on de Pareto, cuando se usa para modelar la distribuci´on de riqueza, dice que la proporci´on de la poblaci´on cuya riqueza excede cualquier n´umero positivo x > xm es:
�xm
x �α
(2.1) donde xm es la riqueza de la gente m´as pobre (el sub´ındice m significa m´ınimo).
El ´ındice de Pareto es el par´ametro α. Cuanto m´as grande sea el ´ındice de Pareto, m´as peque˜na ser´a la proporci´on de gente muy rica.
Pero alcanza con ver solamente la distribuci´on para ver si existe concentraci´on del Ingreso? Veamos el siguiente ejemplo
Ejemplo 8 Se conocen los siguientes datos de la Encuesta Continua de Hogares de 1996 de un pa´ıs, relativos a la distribuci´on por ingreso per c´apita del hogar (en SMN) de 9470 estudiantes universitarios.
Curva de Lorenz e Indice de Gini x� i−1− x�i n(xi) xi xi∗ n(xi) h(xi) F (x�i) t(xi) T (x�i) 0-2 5578 1 5578 0.589 0.589 0.259 0.259 2-4 2804 3 8412 0.296 0.885 0.390 0.649 4-6 680 5 3400 0.072 0.957 0.158 0.806 6-8 219 7 1533 0.023 0.980 0.071 0.877 8-10 103 9 927 0.011 0.991 0.043 0.920 10-30 86 20 1720 0.009 1.000 0.080 1.000 9470 21570 1.000 1.000
2.2.
Curva de Lorenz e Indice de Gini
La curva de Lorenz es una forma gr´afica de mostrar la distribuci´on de la renta en una poblaci´on. En ella se relacionan los porcentajes acumulados de poblaci´on con porcentajes acumulados de la renta que esta poblaci´on recibe. En el eje de abci-sas se representa la poblaci´on ’ordenada’ de forma que los percentiles de renta m´as baja quedan a la izquierda y los de renta m´as alta quedan a la derecha. El eje de ordenadas representa las rentas.
En la gr´afica se muestran como ejemplo la representaci´on de dos pa´ıses imagi-narios, uno en azul y otro en rojo. La distribuci´on de la renta en el pa´ıs azul es m´as desigual que en el pa´ıs rojo. En el caso del pa´ıs azul, el cuarenta por ciento m´as pobre de la poblaci´on recibe una renta inferior al veinte por ciento del total del pa´ıs. En cambio, en el pa´ıs rojo, el cuarenta por ciento m´as pobre recibe m´as del veinte por ciento de la renta. La l´ınea diagonal negra muestra la situaci´on de un pa´ıs en el que todos y cada uno de los individuos obtuviese exactamente la misma renta; ser´ıa la equidad absoluta.Cuanto m´as pr´oxima est´e la curva de Lorenz de la diagonal, m´as equitativa ser´a la distribuci´on de la renta de ese pa´ıs.
Figura 2.2: Curva de Lorentz
Otra forma de observar la curva de Lorenz es estimando el ´area de la superficie que se encuentra entre la curva y la diagonal. Esa superficie se llama ´area de con-centraci´on. En la segunda gr´afica la hemos rellenado de color rosado. Cuanto mayor sea esta ´area m´as concentrada estar´a la riqueza; cuanto m´as peque˜na sea esta ´area, m´as equitativa ser´a la distribuci´on de la renta del pa´ıs representado.
El ´ındice de Gini, es un ´ındice de concentraci´on de la riqueza que se calcula de la siguiente manera
Curva de Lorenz e Indice de Gini IG= i=n−1� i=1 (F (x� i)− T (x�i)) i=n−1� i=1 F (x� i) (2.2) Cuando la renta esta repartida por igual, es decir que la concentraci´on es m´ınima F (x�
i) = T (x�i), entonces tenemos que
IG = 0 i=n−1� i=1 F (x� i) = 0
Cuando hay un solo individuo o grupo que concentra todo el ingreso queda IG= i=n−1� i=1 F (x� i)− 0 i=n−1� i=1 F (x� i) = 1 Por lo tanto para IG su valor estar´a entre cero y uno.
Otra forma alternativa de calcular el IG es en funci´on de la Curva de Lorenz (CL)
IG = 2∗ ACL (2.3) Si la concentraci´on es m´ınima la CL coincide con la diagonal y el ´area del nu-merador es O y por lo tanto IG = 0.
Existen 2 valores asociados al ingreso que son
La mediana del ingreso, que representa el menor valor para el cual la mitad de las familias tienen un ingreso menor o igual a ese valor, y la mitad de las familias tienen un ingreso mayor o igual al mismo.
La medial o mediala, que debe considerarse como el valor tal que las familias que tienen ingresos menores o iguales al mismo, representan la mitad del ingreso total de las familias, y las familias que tienen ingresos mayores o iguales a la medial tienen tambi´en la mitad del ingreso total.
Volviendo al ejemplo de los estudiantes universitarios Como queda la curva de Lorenz?
y la Mediala?
Figura 2.3: Curva de Concentraci´on para gasto en educaci´on
2.3.
Otras medidas de Concentraci´
on
Otra forma de medir la equidad en el reparto de una magnitud econ´omica es a trav´es de medidas de entrop´ıa que sirve para medir el grado de desorden o de uniformidad en una distribuci´on . Si por ejemplo tenemos n personas que tiene cada uno x1, x2, x3, ..., xn rentas (podr´ıan ser sueldos) de manera que tenemos
i=n
�
i=1
xi = X (2.4)
donde X es la renta acumulada o total. Podr´ıamos calcular el % de renta que le corresponde a cada uno como
pi =
xi
X (2.5)
Entonces tenemos que
i=n
�
i=1
pi = 1 = 100 %
Otras medidas de Concentraci´on HN(x) = − i=n � i=1 pilog(pi) = i=n � i=1 pilog( 1 pi ) (2.6) Si analizamos ese ´ındice tenemos
HN(x) es siempre positivo ya que log(pi)≤ 0
Cuando las rentas se reparten por igual tenemos pi = n1 con lo cual i=n � i=1 pilog( 1 pi ) = i=n � i=1 1 nlog( 1 1/n) = log(n)
Cuando hay m´axima concentraci´on, es decir que hay un pi = 1 con lo cual los
restantes pj con i�= j se puede probar que
HN(x) = i=n � i=1 pilog( 1 pi ) = 0 + 0 + ... + 1,0.. + 0 = 0
Teniendo en cuentas las 2 situaciones anteriores se puede decir que el rango de variaci´on es
0 < HN(x)≤ log(n)
A partir de este ´ındice, Theil propone la entrop´ıa como una medida de la equidad en la distribuci´on de magnitudes econ´omicas. Sin embargo este indicador depende de la cantidad de observaciones n.
Se pueden construir 2 medidas de desigualdad pero de manera que cuando sea m´ınima valga 0 y sea m´axima para log(n)
T = log(n)− Hn(x) (2.7)
Este nuevo indicador se llama redundancia y es opuesta a la entrop´ıa. Para subsanar el problema de la dependencia del valor de la entrop´ıa en funci´on de n, se puede relativizar, con lo cual queda la redundancia relativa que es
Tr =
log(n− Hn(x))
log(n) = 1−
Hn(x)
log(n), 0≤ Tr < 1 (2.8) que permite comparar 2 situaciones con cantidades de rentas diferentes.
Ejemplo 9 Cuanto vale el coeficiente de concentraci´on de Theil para la siguiente serie de valores que le corresponden a una serie de herederos
Valor de la herencia pi log(pi) log(pi)pi 40000 0.1429 -0.8449 -0.1207 21000 0.0750 -1.1249 -0.084 89000 0.3178 -0.4978 -0.1582 115000 0.4107 -0.3864 -0.1587 15000 0.0536 -1.2700 -0.0681 280000 1.00 -0.5901 Podemos calcular T = log(n)− i=n � i=1 pilog(pi) = log(5)− 0,5901 = 0,1087
Con este valor podemos decir que la reduncia relativa es de Tr = 0,10870,6989 = 0,1556
2.3.1.
Quintile y Decile share ratio
Se puede definir
S10 es la renta media de individuos que tienen un ingreso inferior al primer
decil x1/10
S20 es la renta media de individuos que tienen un ingreso inferior al segundo
decil x2/10
S80 es la renta media de individuos que tienen un ingreso superior al octavo
decil x8/10
S90 es la renta media de individuos que tienen un ingreso superior al noveno
decil x9/10 QSR = S80 S20 (2.9) DSR = S90 S10 (2.10)
Aplicaciones con la librer´ıa ineq
2.4.
Aplicaciones con la librer´ıa ineq
La librer´ıa ineq permite calcular varias indices de concentracion y hacer la curva de Lorenz. Veamos el ejemplo 9 hecho en el R, calculando en forma manual y luego con las funciones de la librer´ıa
library(ineq)
#En esta libreria se pueden manejar diferentes indices para medir desigualdad #Gini(x)
#RS(x)
#Atkinson(x, parameter = 0.5) #Theil(x, parameter = 0) #Kolm(x, parameter = 1)
#var.coeff(x, square = FALSE) #entropy(x, parameter = 0.5) herencia<-c(40000,25000,89000,115000,15000) herencia<-data.frame(herencia) herencia suma.herencia<-sum(herencia$herencia) p.i<-herencia$herencia/suma.herencia sum(p.i) log.p.i<-log(p.i) log.p.i_p.i<-log.p.i*p.i tabla.herencia<-cbind(herencia,p.i,log.p.i,log.p.i_p.i) tabla.herencia Theil1<-log(nrow(tabla.herencia))+sum(tabla.herencia[,4]) Theil1 ineq(herencia,type=c("Theil")) Los resultados son
> herencia herencia 1 40000 2 21000
3 89000 4 115000 5 15000 > suma.herencia<-sum(herencia$herencia) > p.i<-herencia$herencia/suma.herencia > sum(p.i) [1] 1 > log.p.i<-log(p.i) > log.p.i_p.i<-log.p.i*p.i > tabla.herencia<-cbind(herencia,p.i,log.p.i,log.p.i_p.i) > tabla.herencia
herencia p.i log.p.i log.p.i_p.i 1 40000 0.14285714 -1.9459101 -0.2779872 2 21000 0.07500000 -2.5902672 -0.1942700 3 89000 0.31785714 -1.1461532 -0.3643130 4 115000 0.41071429 -0.8898575 -0.3654772 5 15000 0.05357143 -2.9267394 -0.1567896 > Theil1<-log(nrow(tabla.herencia))+sum(tabla.herencia[,4]) > Theil1 [1] 0.2506009 > ineq(herencia,type=c("Theil")) [1] 0.2506009
Tenemos ahora otro ejemplo con datos provenientes de uan encuesta sobre in-gresos hecha por la oficina estadistica de Filipinas (ejemplo estra´ıdo de la librer´ıa ineq)
Son 632 hogares de los cuales se consideran los pertenecientes a 2 provincias data(Ilocos)
attach(Ilocos) summary(Ilocos)
## se seleccionan los ingresos de las provincias "Pangasinan" y "La Union" income.p <- income[province=="Pangasinan"]/10000
Aplicaciones con la librer´ıa ineq
income.u <- income[province=="La Union"]/10000 ## se calcula la curva de Lorenz
Lc.p <- Lc(income.p) Lc.u <- Lc(income.u) plot(Lc.p)
lines(Lc.u, col=2)