Коэффициент Джини, из которого проистекает индекс Джини, используемый для оценки равномерности распределения доходов в экономики, частично базируется на другом методе оценки неравенства в распределении доходов – кривой Лоуренса. Lists of Gini coefficient by country as calculated by the World Bank and by the World Income Inequality Database, UNU-WIDER UN University, World Institute for Development Economics Research, for the period 1960 to 2011. The Gini coefficient measures inequality on a scale from 0 to 1. Higher values indicate higher inequality. Depending on the country and year, the data relates to income measured after taxes and benefits, or to consumption, per capita.
Уровень жизни. Динамические ряды
Коэффициент Джини по странам мира. Коэффициент Джини позволяет выявить высокие уровни неравенства доходов, которые могут стать причиной нежелательных политических и экономических последствий. В РФ, по данным конца 2014 года, коэффициент Джини по доходам был равен 0,42, а по имуществу – 0,921, что свидетельствует о высоком уровне общественного неравенства. Различия в равенстве доходов в разных странах по коэффициенту Джини, согласно данным Всемирного банка. В 2023 году коэффициент Джини (индекс концентрации доходов) составил 0,403, сообщил Росстат.
Коэффициент Джини. Формула. Что показывает
TIMESTAMPS Список стран по показателям неравенства доходов Материал из Википедии — свободной энциклопедии Текущая версия страницы пока не проверялась опытными участниками и может значительно отличаться от версии , проверенной 13 июня 2019; проверки требуют 2 правки. Текущая версия страницы пока не проверялась опытными участниками и может значительно отличаться от версии , проверенной 13 июня 2019; проверки требуют 2 правки.
Вопрос можно поставить иначе... Что он сделал полезного? Перечислять можно очень долго все минусы, по всем отраслям, от сельского хозяйства до космоса. Везде катастрофа.
Их «врожденные» дефекты давно и хорошо известны. Главный из них связан с тем, что они не схватывают «правого хвоста» распределения из-за невозможности для интервьюеров проникать в дома богатых людей. Поэтому, чтобы реконструировать полную картину, к опросным данным приходится приклеивать «правый хвост» — исходя из каких-то априорных предположений либо используя какие-то альтернативные данные. Другой источник — административная налоговая статистика. Она успешно решает проблему «правого хвоста» поскольку богатые тоже платят налоги , но с ней другая беда. В этом случае не охваченным остается гигантский сегмент получателей нулевых, низких и средних доходов. Это те, кто либо вообще ничего не зарабатывает на рынке, либо получает доходы, полностью или частично выведенные из-под налогообложения. В результате в довесок к любым оценкам неравенства мы всегда получаем огромный «мешок» с множеством вменений, досчетов, перерасчетов, корректировок, передатировок, взвешиваний, перевзвешиваний, экстраполяций, интерполяций и т.
Поменяйте содержимое «мешка» — и большое неравенство превратится в маленькое или маленькое в большое. Стоит ли удивляться, что статистика неравенства до сих пор остается серой зоной, где даже асы по его измерению никак не могут договориться между собой? Но если так, то тогда, может быть, политикам и интеллектуалам лучше воздерживаться хотя бы пока от жонглирования не пойми какими цифрами и не вставать в позу мудрецов, знающих, куда катится мир? Если исходить из них, то в США существует самое высокое неравенство среди всех развитых стран: имея коэффициент Джини по располагаемым доходам, равный 0,45, они намного опережают остальные развитые страны, где он в 1,5—2 раза ниже. Но недавно американский статистик Джон Эрли решил подвергнуть этот факт проверке и обнаружил немало удивительного. В США на федеральном уровне действует 83 трансфертных программы, связанных с проверкой нуждаемости. Догадайтесь: сколько из них учитывается при получении «официальных» оценок? Но это еще не все.
В «официальных» оценках учитываются федеральные налоги, но не учитываются штатные и местные. В итоге после учета всех трансфертов и всех налогов коэффициент Джини для США сокращается вдвое — с 0,45 до 0,23 и из страны с самым высоким они становятся страной с самым низким неравенством среди всех развитых стран! В последние десятилетия он получил широкую популярность благодаря серии публикаций команды Пикетти, из которых следовало, что в США плоды экономического роста практически целиком достаются узкой группе сверхбогачей, тогда как на долю всех остальных не остается вообще ничего. Так, согласно новейшим подсчетам Пикетти и его соавторов, с 1979 по 2014 г.
Представим исходные данные по деревням в виде таблицы и сразу рассчитаем и для наглядности: Код на Python import pandas as pd import numpy as np import matplotlib. Ещё один немаловажный момент.
Давайте мысленно закрепим концы кривой в точках и и начнем изменять её форму. Вполне очевидно, что площадь фигуры не изменится, но тем самым мы переводим членов общества из «среднего класса» в бедные или богатые при этом не меняя соотношения доходов между классами. Возьмем для примера десять человек со следующим доходом: Теперь к человеку с доходом «20» применим метод Шарикова «Отобрать и поделить! В этом случае коэффициент Джини не изменится и останется равным 0,772, мы просто притянули «закрепленную» кривую Лоренца к оси абсцисс и изменили её форму: Давайте остановимся на ещё одном важном моменте: рассчитывая коэффициент Джини, мы никак не классифицируем людей на бедных и богатых, он никак не зависит от того, кого мы сочтем нищим или олигархом. Но предположим, что перед нами встала такая задача, для этого в зависимости от того, что мы хотим получить, какие у нас цели, нам необходимо будет задать порог дохода четко разделяющий людей на бедных и богатых. Если вы увидели в этом аналогию с Threshold из задач бинарной классификации, то нам пора переходить к машинному обучению.
Машинное обучение 1. Общее понимание Сразу стоит заметить, что, придя в машинное обучение, коэффициент Джини сильно изменился: он рассчитывается по-другому и имеет другой смысл. Численно коэффициент равен площади фигуры, образованной линией абсолютного равенства и кривой Лоренца. Остались и общие черты с родственником из экономики, например, нам всё также необходимо построить кривую Лоренца и посчитать площади фигур. И что самое главное — не изменился алгоритм построения кривой.
Индекс Джини в странах мира
Он имеет ряд преимуществ, которые стоит отметить: позволяет сравнивать распределение признака в совокупностях с различным числом единиц например, регионы с разной численностью населения ; дополняет данные о ВВП и среднедушевом доходе. Служит своеобразной поправкой этих показателей; может использоваться для сравнения распределения признака между различными совокупностями например, разными странами , при этом нет зависимости от масштаба экономики сравниваемых стран; может использоваться для сравнения распределения признака по разным группам населения например, для сельского населения и городского населения ; позволяет отследить динамику неравномерности распределения признака в совокупности на разных этапах; анонимность, то есть нет необходимости знать, кто имеет какие доходы персонально [3]. Методы расчета коэффициента Джини. Существует несколько способов расчета коэффициента: алгебраический и геометрический. Рассмотрим каждый подробнее. Коэффициент концентрации Джини G используется для характеристики степени неравномерности распределения значений признака вариационного ряда и рассчитывается по следующей формуле [5, с 89]: где — накопленная частость доля численности единиц совокупности; — накопленная доля значений признака i-ой группы, приходящихся на все единицы совокупности. Иным способом расчета коэффициента является геометрический метод.
Полная версия работы доступна во вкладке "Файлы работы" в формате PDF Коэффициент Джини индекс Джини — это статистический показатель, свидетельствующий о степени расслоения общества данной страны или региона по отношению к какому-либо изучаемому признаку к примеру, по уровню годового дохода — наиболее частое применение, особенно при современных экономических расчётах [4, с 54]. В силу значимости получаемых на основе коэффициента оценок, он активно рассчитывается, дискутируется и используется для разного уровня выводов. Он имеет ряд преимуществ, которые стоит отметить: позволяет сравнивать распределение признака в совокупностях с различным числом единиц например, регионы с разной численностью населения ; дополняет данные о ВВП и среднедушевом доходе. Служит своеобразной поправкой этих показателей; может использоваться для сравнения распределения признака между различными совокупностями например, разными странами , при этом нет зависимости от масштаба экономики сравниваемых стран; может использоваться для сравнения распределения признака по разным группам населения например, для сельского населения и городского населения ; позволяет отследить динамику неравномерности распределения признака в совокупности на разных этапах; анонимность, то есть нет необходимости знать, кто имеет какие доходы персонально [3].
Методы расчета коэффициента Джини. Существует несколько способов расчета коэффициента: алгебраический и геометрический. Рассмотрим каждый подробнее.
Инфляция и более высокие процентные ставки могут замедлить рост благосостояния домохозяйств в ближайшем будущем», — таков прогноз, сделанный в отчете. Страны со средним уровнем дохода будут основной движущей силой глобальных тенденций. К следующей новости.
Demographics Global Inequality Quantified - The Gini Coefficient Income and wealth inequality remains a global concern with varying levels of disparity seen across countries. The Gini coefficient, a measure used by economists, offers a numerical representation of this distribution. The Gini coefficient, thus, forms a comprehensive tool to understand, compare and consequently challenge economic disparities globally. As per the latest data, the United States had a Gini coefficient of 41. Key findings from the data include: South Africa had the highest Gini coefficient at 63.
Quality of Life Index by Country 2024
Неформальная экономическая деятельность, как правило, представляет большую часть реального экономического производства в развивающихся странах и находится в нижней части распределения доходов внутри стран. В обоих случаях это означает, что индекс Джини измеренных доходов будет завышать истинное неравенство доходов. Точные данные о богатстве получить еще труднее из-за популярности налоговых убежищ. Другой недостаток заключается в том, что очень разные распределения доходов могут привести к одинаковым коэффициентам Джини. Поскольку индекс Джини пытается свести двумерную область разрыв между кривой Лоренца и линией равенства к одному числу, он скрывает информацию о «форме» неравенства. В бытовом плане это было бы похоже на описание содержимого фотографии исключительно ее длиной по одному краю или простым средним значением яркости пикселей. Хотя использование кривой Лоренца в качестве дополнения может предоставить больше информации в этом отношении, она также не показывает демографические различия между подгруппами в рамках распределения, такие как распределение доходов по возрасту, расе или социальным группам. В этом смысле понимание демографии может быть важно для понимания того, что представляет собой данный коэффициент Джини. Например, большое количество пенсионеров повышает индекс Джини. В какой стране самый высокий индекс Джини? Южная Африка с коэффициентом Джини 63,0 в настоящее время признана страной с самым высоким неравенством доходов.
World Population Review объясняет это массовое неравенство расовой, гендерной и географической дискриминацией, поскольку белые мужчины и городские рабочие в Южной Африке получают гораздо более высокие зарплаты, чем все остальные. Что означает индекс Джини, равный 50? Джини в 50 — это половина пути, и в целом его можно воспринимать как место, где доходы распределяются несправедливо: только в 15 странах мира индекс Джини составляет 50 и более.
В индексе «0» означает равенство, а «1» — полное неравенство. Чем больше индекс, тем больше неравенство. По данным Росстата, за последнее десятилетие в России коэффициент Джини показывал максимальные значения в 2008 и 2010 годах — 0,421 в 2007 году был немного больше — 0,422.
Затем он снижался до 0,412 в 2016 году. Наконец, самым минимальным он стал в 2017 году, достигнув 0,410. Ниже этого уровня индекс Джини в России был только в 2005 году 0,409. Как обратила внимание в документе «Комментарии о государстве и бизнесе» заместитель директора Центра развития ВШЭ Светлана Мисихина, в 2018 году индекс Джини в России вновь начал расти. За январь-сентябрь 2018 года индекс вырос с 0,400 до 0,402 в сравнении с тем же периодом 2017 года. Также было заявлено о разных темпах роста инфляции: для бедных она росла медленнее, чем для богатых.
Это привело к росту потребления малообеспеченных групп населения, что и дало сокращение неравенства. Как определялась инфляция для бедных? На основе индекса прожиточного минимума. Росстат полагает, что бедность тем ниже в стране, чем ниже прожиточный минимум. Однако в этом есть только теоретическая логика. В то же время коэффициент Джини ведь растет, показывая реальное положение дел.
В расчетах федеральных ведомств немало ошибок. Дело не в сознательном занижении инфляции, попытках «не увидеть» реальный рост цен или понизить показатели коэффициента Джини.
И что самое главное — не изменился алгоритм построения кривой. Кривая Лоренца тоже претерпела изменения, она получила название Lift Curve и является зеркальным отображением кривой Лоренца относительно линии абсолютного равенства за счет того, что ранжирование вероятностей происходит не по возрастанию, а по убыванию. Разберем всё это на очередном игрушечном примере. Для минимизации ошибки при расчете площадей фигур будем использовать функции scipy interp1d интерполяция одномерной функции и quad вычисление определенного интеграла.
Идея следующая: вместо ранжирования населения по уровню дохода, мы ранжируем предсказанные вероятности модели по убыванию и подставляем в формулу кумулятивную долю истинных значений целевой переменной, соответствующих предсказанным вероятностям. Иными словами, сортируем таблицу по строке «Predict» и считаем кумулятивную долю классов вместо кумулятивной доли доходов. Код на Python from scipy. Мало это или много? Насколько точен алгоритм? Без знания точного значения коэффициента для идеального алгоритма мы не можем сказать о нашей модели ничего.
Поэтому метрикой качества в машинном обучении является нормализованный коэффициент Джини, который равен отношению коэффициента обученной модели к коэффициенту идеальной модели. Далее под термином «Коэффициент Джини» будем иметь ввиду именно это. Глядя на эти два графика мы можем сделать следующие выводы: Предсказание идеального алгоритма является максимальным коэффициентом Джини для текущего набора данных и зависит только от истинного распределения классов в задаче.
Сильное неравенство демотивирует людей, снижает производительность труда и предпринимательскую активность, что в конечном итоге замедляет рост ВВП. Люди с низкими доходами не могут реализовать свой потенциал, у них слабая покупательная активность, что отражается на общем спросе в экономике. Экономический успех страны обычно связан с ядром среднего класса.
Это прослойка образованных людей с высокими доходами, занимающихся интеллектуальным трудом. Именно на их потенциале главным образом строится инновационная экономика, которая дает высокую добавленную стоимость и рост благосостояния общества в целом. Средний класс как условие модернизации экономики России — «Экономическая теория» Проверьте в нашем экспресс-тесте , попадаете ли вы в категорию среднего класса по российским меркам, или в масштабах всего мира — в калькуляторе доходов и богатства.
Коэффициент Джини — индекс концентрации доходов, справедливости и неравенства
В развитых странах с крупной прослойкой среднего класса экономическое неравенство, как правило, ниже. Такая ситуация характерна, например, для Европы. Ниже представлено распределение доходов и богатства между слоями населения в евро по паритету покупательной способности ППС. Паритет означает, что данные между странами соотносятся, отталкиваясь от цены одинаковой потребительской корзины.
Более подробно о ППС я писал в статье про индекс бигмака.
Хотя идеальным сценарием было бы равенство в распределении доходов, обычно это не так в большинстве районов мира. Всегда существует разница в доходах между разными домохозяйствами, а также между городами, странами и регионами.
Богатые продолжают обогащаться, а бедные продолжают стагнировать или экономически мало прогрессировать. Интерпретация значений коэффициента Джини Значения коэффициента Джини варьируются от нуля до единицы. Нулевая цифра коэффициента Джини представляет равенство в доходах в обществе, где каждый человек в обществе имеет одинаковый доход. Коэффициент Джини, равный 1, представляет максимальное неравенство среди получателей дохода.
Среди большой группы людей только один человек имеет весь доход, а остальные нет.
Индекс Джини в России Если Запад использует индекс Джини в целях перестройки торговой политики, то в России этот показатель используется Федеральной службой государственной статистики для его первоначальной задачи - расчета финансового неравенства среди населения. По заявлению экспертов, показатели финансового неравенства в России остаются высокими — 40. В последние годы наблюдается низкий уровень безработицы, рост заработной платы, а также активная поддержка вопросов материнства и детства. Как показывают российские исследования, неравенство в обществе является причиной ряда проблем. Во-первых, повышается социально-политическая нестабильность, что ведет к снижению инвестиционной и деловой активности, увеличивается риск преступлений и социальных конфликтов. Во-вторых, снижается производительность труда: за счет отсутствия средств для повышения уровня грамотности и образованности населения создается дефицит рабочей силы на рынке труда. В-третьих, сокращается потребительский спрос. Чтобы избежать данных последствий, в вопросах развития экономики страны стоит опираться на статистику по секторам и группам населения, что даст более четкий вектор для принятия решений.
Таким образом, индекс Джини — многопрофильный показатель, который, помимо стандартных решений по вопросам демографической политики и финансового благополучия населения, может быть использован в качестве конкретного показателя в различных экономических секторах. Несмотря на то, что коэффициент имеет тенденцию к погрешности, представляется важным перенять европейский опыт статистического анализа торгового развития с помощью Джини в России, так как данный показатель дает более точный результат, нежели выявление общемировой финансовой несостоятельности населения. Читайте эту статью на портале Репост.
Однако на международном уровне зачастую используется другой показатель оценки социального неравенства — коэффициент Джини, который обладает своими плюсами и минусами по сравнению с коэффициентом фондов и может быть использован в качестве дополнительного показателя в оценки экономической безопасности. Методика расчета коэффициента Джини основывается на построении кривой Лоренца. Коэффициент Джини определяется как отношение двух площадей: площадью между кривой Лоренца распределения доходов и диагональной линией полного равенства, выраженная как доля треугольной области между кривыми полного равенства и неравенства. Величина коэффициента Джини может принимать значения в пределах от 0 до 1. Чем ближе значение коэффициента к 1, тем выше уровень неравенства в распределении совокупного дохода. Чем ближе коэффициент к 0, тем равномернее распределение. Коэффициенту Джини свойственны следующие признаки: Анонимность: не имеет значения, какие социальные группы обладают высоким или низким заработком. Показатель неравенства не должен зависеть от какой-либо характеристики отдельных лиц, кроме их дохода. Независимость от масштаба экономики: коэффициент Джини не учитывает размер экономики. Независимость от размера населения: не имеет значения, насколько велико население страны. Независимость от шкалы доходов. Мера неравенства является инвариантной к равномерным пропорциональным изменениям: если доход каждого человека изменяется в той же пропорции как, например, происходит при смене валютной единицы , то неравенство не должно меняться[4]. Преимущества применения Коэффициента Джини[6]: Основным преимуществом коэффициента Джини является то, что он является показателем неравенства, рассчитанного посредством анализа коэффициентов, а не переменной. Его можно использовать для сравнения распределения доходов по разным секторам населения, а также по странам, однако следует учитывать, что значение коэффициента Джини для городских районов отличается от значения коэффициента Джини для сельских районов во многих странах. Коэффициент Джини обладает достаточной простотой, чтобы его можно было сравнивать между странами и легко интерпретировать.
Карта: Уровень экономического неравенства в мире
| В России зафиксирован рост доходного неравенства | В 2023 году коэффициент Джини (индекс концентрации доходов) составил 0,403, сообщил Росстат. |
| Gini inequality index - Country rankings | Коэффициент Джини – статистический показатель, который используется для характеристики уровня экономического неравенства в стране. |
| В России выросла разница в доходах самых богатых и самых бедных. И еще 10 главных новостей ночи | В 2023 году коэффициент Джини (индекс концентрации доходов) составил 0,403, сообщил Росстат. |
| Gini inequality index - Country rankings | Коэффициент Джини для США — 0,39 — пятый по величине среди 38 стран — участниц ОЭСР. |
Все продукты Банки.ру
- Коэффициент Джини в Сша по Годам Таблица Используемые материалы
- Коэффициент Джини. Большая российская энциклопедия
- Коэффициент джини в России: статистика, динамика, прогноз
- Машинное обучение
- Коэффициент Джини (индекс концентрации доходов)
В России зафиксирован рост доходного неравенства
Это список стран или зависимостей по показателям неравенства доходов, включая коэффициенты Джини. Росстат приводит несколько другие данные: по его оценкам, коэффициент Джини составлял в России в 2021 году 0,408. Коэффициент Джини — статистический показатель степени расслоения общества данной страны или региона по какому-либо изучаемому признаку. Сообразно общей картине различается и коэффициент Джини по странам. Если же говорить о Китае, то в их стране коэффициент Джини в 2012 году составил 0,474, за прошедшие 10 лет коэффициент достиг локального максимума в 2008 году, когда составлял 0,49. Если же говорить о Китае, то в их стране коэффициент Джини в 2012 году составил 0,474, за прошедшие 10 лет коэффициент достиг локального максимума в 2008 году, когда составлял 0,49.
Gini Coefficient By Country
The average for 2020 based on 53 countries was 35.03 index points. The highest value was in Colombia: 53.5 index points and the lowest value was in Slovenia: 24 index points. The indicator is available from 1963 to 2022. Below is a chart for all countries where data are available. Индекс Джини (GTI) или Коэффициент Джини – это статистический показатель неравенства распределения доходов среди различных групп населения. Если же говорить о Китае, то в их стране коэффициент Джини в 2012 году составил 0,474, за прошедшие 10 лет коэффициент достиг локального максимума в 2008 году, когда составлял 0,49. Если же говорить о Китае, то в их стране коэффициент Джини в 2012 году составил 0,474, за прошедшие 10 лет коэффициент достиг локального максимума в 2008 году, когда составлял 0,49. По итогам 2023 года коэффициент Джини в России вырос до 0,403, что говорит об увеличении концентрации доходов в стране по сравнению с предыдущим годом. About In the News Newsletter API.
Коэффициент Джини. Формула. Что показывает
Сфера информационных технологий IT привлекательна на российском рынке труда из-за высоких зарплат и льготной ипотеки. Как добавил доктор экономических наук, профессор Вадим Заусаев, неравенство обусловлено ростом военно-промышленного комплекса. По его мнению, эффект будет усиливаться в ближайшем будущем. Узнать подробнее Читайте также:.
Однако можно заметить, что в последние годы 2015—2018 корреляция между коэффициентом Джини и индексом ВРП стала больше и более устойчивой по своей величине. Были исключены регионы, по которым в эти годы отсутствовали данные. Также для повышения информативности диаграмм исключен город Москва, в котором неравенство постоянно значительно почти вдвое больше среднего по России точка статистического «выброса». Диаграммы также становятся плохо читаемыми, если снабдить все точки названиями регионов, поэтому поименованы только некоторые рис. Рисунок 1. Рисунок 2. Рисунок 3. Рисунок 5. Коэффициент корреляции -0,224. Коэффициент корреляции 0,273. По этим диаграммам можно видеть, что индекс ВРП регионов России в период 1997—2018 годов испытывал огромные колебания, годовой рост и падение могли составлять 10, 20 и более процентов. Причины для этого были различными для разных регионов, например, колебания мировых цен для нефтедобывающих и газодобывающих регионов, изменения в экспортном законодательстве для лесозаготовителей. Для небольших регионов причиной роста или спада могло быть строительство крупных объектов, закрытие крупных старых предприятий или федеральные дотации. Индекс Джини при этом изменялся незначительно, оставаясь для большинства регионов в пределах 0,27—0,45 с центром 0,33—0,35. Коэффициенты корреляции невелики и то положительны, то отрицательны. Костромская, Тверская, Кировская, Оренбургская области, республики Калмыкия, Карелия, Дагестан, Карачаево-Черкесская и ряд других постоянно сохраняют низкий уровень неравенства в пределах 0,35 , хотя некоторые из них при этом имеют высокие темпы роста Дагестан, Тверская область, Владимирская область. Проверялось также предположение о том, что корреляция коэффициента Джини и индексов ВРП изменяется в периоды экономического роста и падения. Рисунок 7. На этом графике, который нивелирует скачки региональной экономики, можно видеть более заметную положительную связь коэффициента Джини и индекса ВВП, особенно после 2002 года. Это подтверждает и коэффициент корреляции 0,224, хотя и небольшой, но уже превышающий уровень случайных колебаний. Можно также заметить, что уровень неравенства следует за падением ВВП в 1999, 2008 и 2011 годах, но изменяется намного меньше. Рисунок 8. Этот график показывает более устойчивую связь между коэффициентом Джини и индексами ВРП, с отрицательным коэффициентом корреляции, хотя и небольшим, но достаточно явным особенно если учесть большой массив данных. Поспелова Е. Но на первой мы видим процесс во времени, а на второй усредненные по времени данные по регионам, разделенным в пространстве. То есть первая показывает нам, что с ростом всех регионов, усредненных по всей России, неравенство также растет. Вторая показывает, что неравенство выше в более богатых регионах. Изучение диаграмм привело к мысли о том, что коэффициент Джини часто оказывается больше для более богатых регионов. Для проверки этой гипотезы была построена диаграмма рассеяния для зависимости Джини не от индекса, а от величины ВРП на душу населения рис. Рисунок 9. Эта диаграмма показывает, что неравенство действительно больше в более богатых регионах, что подтверждается коэффициентом корреляции в 0,55, который для выборки в 85 пар данных считается достоверным. Заключение Экономика России в исследуемый период сталкивалась с большими проблемами, циклы быстрого подъема сменялись столь же быстрым падением. Если на уровне страны эти взлеты и падения нивелировались, то на региональном уровне они очень велики. В то же время такие параметры, как экономическое неравенство, более инерционны, поэтому изучение социально-экономических процессов на региональном уровне требует усреднения по промежуткам в три-пять лет. Темп роста регионов с низким уровнем неравенства выше, чем регионов с высоким.
Коэффициент Джини индекс.
Но даже с англосаксонскими странами не так все просто. Откуда данные Существует два основных источника данных, откуда можно черпать сведения о неравенстве. Оба имеют множество недостатков и ограничений каждый — свои. Первый — это выборочные обследования домохозяйств. Их «врожденные» дефекты давно и хорошо известны. Главный из них связан с тем, что они не схватывают «правого хвоста» распределения из-за невозможности для интервьюеров проникать в дома богатых людей. Поэтому, чтобы реконструировать полную картину, к опросным данным приходится приклеивать «правый хвост» — исходя из каких-то априорных предположений либо используя какие-то альтернативные данные. Другой источник — административная налоговая статистика. Она успешно решает проблему «правого хвоста» поскольку богатые тоже платят налоги , но с ней другая беда. В этом случае не охваченным остается гигантский сегмент получателей нулевых, низких и средних доходов. Это те, кто либо вообще ничего не зарабатывает на рынке, либо получает доходы, полностью или частично выведенные из-под налогообложения. В результате в довесок к любым оценкам неравенства мы всегда получаем огромный «мешок» с множеством вменений, досчетов, перерасчетов, корректировок, передатировок, взвешиваний, перевзвешиваний, экстраполяций, интерполяций и т. Поменяйте содержимое «мешка» — и большое неравенство превратится в маленькое или маленькое в большое. Стоит ли удивляться, что статистика неравенства до сих пор остается серой зоной, где даже асы по его измерению никак не могут договориться между собой? Но если так, то тогда, может быть, политикам и интеллектуалам лучше воздерживаться хотя бы пока от жонглирования не пойми какими цифрами и не вставать в позу мудрецов, знающих, куда катится мир? Если исходить из них, то в США существует самое высокое неравенство среди всех развитых стран: имея коэффициент Джини по располагаемым доходам, равный 0,45, они намного опережают остальные развитые страны, где он в 1,5—2 раза ниже. Но недавно американский статистик Джон Эрли решил подвергнуть этот факт проверке и обнаружил немало удивительного. В США на федеральном уровне действует 83 трансфертных программы, связанных с проверкой нуждаемости. Догадайтесь: сколько из них учитывается при получении «официальных» оценок? Но это еще не все.