Publicado

2017-07-01

A comparative study of the Gini coefficient estimators based on the linearization and U-statistics Methods

Estudio comparativo de coeficientes de estimación Gini basados en la linealización y métodos de U-statsitics

DOI:

https://doi.org/10.15446/rce.v40n2.53399

Palabras clave:

Gini coefficient, Inequality index, U-statistics, Linearization method, Resampling techniques. (en)
Índice Gini, Distribuciones de la renta, Método de linealización, Técnicas de remuestreo, U-statistics (es)

Descargas

Autores/as

  • Shahryar Mirzaei Ferdowsi University of Mashhad
  • Gholam Reza Mohtashami Borzadaran Ferdowsi University of Mashhad
  • Mohammad Amini Ferdowsi University of Mashhad

In this paper, we consider two well-known methods for analysis of the Gini index, which are U-statistics and linearization for some income
distributions. In addition, we evaluate two different methods for some properties of their proposed estimators. Also, we compare two methods with resampling techniques in approximating some properties of the Gini index. A simulation study shows that the linearization method performs 'well' compared to the Gini estimator based on U-statistics. A brief study on real data supports our findings.

En este artículo consideramos dos métodos ampliamente conocidos para en análisis del índice Gini, los cuales son U-statistics y linealización. Adicionalmente, evaluamos los dos métodos diferentes con base en las propiedades de los estimadores propuestos sobre distribuciones de la renta. También comparamos los métodos con técnicas de remuestreo aproximando algunas propiedades del índice Gini. Un estudio de simulación muestra que el método de linealización se comporta bien'' comparado con el método basado en U-statistics. Un corto estudio de datos reales confirma nuestro resultado.

Referencias

Arcagni, A. & Porro, F. (2014), 'The graphical reprensentation of inequality', Revista Colombiana de Estadística 37, 419_436.

Barrett, G. F. & Donald, S. G. (2009), 'Statistical inference with generalized Gini indices of inequality, poverty, and welfare', Journal of Business & Economic Statistics 27, 1_17.

Berger, Y. G. (2008), 'A note on the asymptotic equivalence of jackknife and linearization variance estimation for the Gini coe_cient', Journal of Statist 24(1), 541_555.

Bishop, J. A., Formby, J. P. & Zheng, B. (1997), 'Statistical inference and the Sen index of poverty', International Economic Review 150, 381_387.

Davidson, R. (2009), 'Reliable inference for the Gini index', Journal of economet-rics 150(1), 30_40.

Gastwirth, J. L. (1971), 'A general de_nition of the Lorenz curve', Econometrica 39, 1037_1039.

Giles, D. E. (2004), 'Calculating a standard error for the Gini coe_cient: some further results', Oxford Bulletin of Economics and Statistics 66(1), 425_433.

Giles, D. E. (2006), 'A cautionary note on estimating the standard error of the Gini index of inequality: comment', Oxford Bulletin of Economics and Statistics 68(1), 395_396.

Hoe_ding, W. (1948), 'A class of statistics with asymptotically normal distribution', The Annals of Mathematical Statistics 19(1), 293_325.

Knight, K. (1999), Mathematical Statistics, John Wiley & Sons, New York.

Langel, M. & Tillé, Y. (2013), 'Variance estimation of the Gini index: revisiting a result several times published', Journal of the Royal Statistical Society-Series A 176, 521_540.

Lerman, R. I. & Yitzhaki, S. (1984), 'A note on the calculation and interpretation of the Gini index', Economics Letters de Estadistica 15, 363_368.

Mills, J. A. & Zandvakili, S. (1997), 'Statistical inference via bootstrapping for measures of inequality', Journal of Applied econometrics 12, 133_150.

Modarres, R. & Gastwirth, J. L. (2006), 'A cautionary note on estimating the standard error of the Gini index of inequality', Oxford Bulletin of Economics and Statistics 68(1), 391_393.

Ogwang, T. (2000), 'A convenient method of computing the Gini index and its standard error', Oxford Bulletin of Economics and Statistics 47, 123_129.

Ser_ing, R. J. (2009), Approximation theorems of mathematical statistics, John Wiley & Sons, New York.

Shalit, H. (1985), 'Calculating the Gini index of inequality for individual data', Oxford Bulletin of Economics and Statistics 47, 185_189.

Wolfe, D. & Randles, R. (1973), Introduction to the Theory of Nonparametric Statistics, Wiley, New York.

Xu, K. (2003), 'How has the literature on Gini's index evolved in the past 80 years?', Dalhousie University, Economics Working Paper.

Xu, K. (2007), 'U-statistics and their asymptotic results for some inequality and poverty measures', Econometric Reviews 26, 567_577.

Yitzhaki, S. (1991), 'Calculating jackknife variance estimators for parameters of the Gini method', Journal of Business & Economic Statistics 9, 235_239.

Yitzhaki, S. (1998), 'More than a dozen alternative ways of spelling Gini', Research on economic inequality 8, 13_30.

Yitzhaki, S. & Schechtman, E. (2013), The Gini Methodology: A primer on a Statistical Methodology, Springer, New York.

Cómo citar

APA

Mirzaei, S., Mohtashami Borzadaran, G. R. y Amini, M. (2017). A comparative study of the Gini coefficient estimators based on the linearization and U-statistics Methods. Revista Colombiana de Estadística, 40(2), 205–221. https://doi.org/10.15446/rce.v40n2.53399

ACM

[1]
Mirzaei, S., Mohtashami Borzadaran, G.R. y Amini, M. 2017. A comparative study of the Gini coefficient estimators based on the linearization and U-statistics Methods. Revista Colombiana de Estadística. 40, 2 (jul. 2017), 205–221. DOI:https://doi.org/10.15446/rce.v40n2.53399.

ACS

(1)
Mirzaei, S.; Mohtashami Borzadaran, G. R.; Amini, M. A comparative study of the Gini coefficient estimators based on the linearization and U-statistics Methods. Rev. colomb. estad. 2017, 40, 205-221.

ABNT

MIRZAEI, S.; MOHTASHAMI BORZADARAN, G. R.; AMINI, M. A comparative study of the Gini coefficient estimators based on the linearization and U-statistics Methods. Revista Colombiana de Estadística, [S. l.], v. 40, n. 2, p. 205–221, 2017. DOI: 10.15446/rce.v40n2.53399. Disponível em: https://revistas.unal.edu.co/index.php/estad/article/view/53399. Acesso em: 2 mar. 2025.

Chicago

Mirzaei, Shahryar, Gholam Reza Mohtashami Borzadaran, y Mohammad Amini. 2017. «A comparative study of the Gini coefficient estimators based on the linearization and U-statistics Methods». Revista Colombiana De Estadística 40 (2):205-21. https://doi.org/10.15446/rce.v40n2.53399.

Harvard

Mirzaei, S., Mohtashami Borzadaran, G. R. y Amini, M. (2017) «A comparative study of the Gini coefficient estimators based on the linearization and U-statistics Methods», Revista Colombiana de Estadística, 40(2), pp. 205–221. doi: 10.15446/rce.v40n2.53399.

IEEE

[1]
S. Mirzaei, G. R. Mohtashami Borzadaran, y M. Amini, «A comparative study of the Gini coefficient estimators based on the linearization and U-statistics Methods», Rev. colomb. estad., vol. 40, n.º 2, pp. 205–221, jul. 2017.

MLA

Mirzaei, S., G. R. Mohtashami Borzadaran, y M. Amini. «A comparative study of the Gini coefficient estimators based on the linearization and U-statistics Methods». Revista Colombiana de Estadística, vol. 40, n.º 2, julio de 2017, pp. 205-21, doi:10.15446/rce.v40n2.53399.

Turabian

Mirzaei, Shahryar, Gholam Reza Mohtashami Borzadaran, y Mohammad Amini. «A comparative study of the Gini coefficient estimators based on the linearization and U-statistics Methods». Revista Colombiana de Estadística 40, no. 2 (julio 1, 2017): 205–221. Accedido marzo 2, 2025. https://revistas.unal.edu.co/index.php/estad/article/view/53399.

Vancouver

1.
Mirzaei S, Mohtashami Borzadaran GR, Amini M. A comparative study of the Gini coefficient estimators based on the linearization and U-statistics Methods. Rev. colomb. estad. [Internet]. 1 de julio de 2017 [citado 2 de marzo de 2025];40(2):205-21. Disponible en: https://revistas.unal.edu.co/index.php/estad/article/view/53399

Descargar cita

CrossRef Cited-by

CrossRef citations5

1. Alicja Jokiel-Rokita, Sylwester Pia̧tek. (2024). Estimation of parameters and quantiles of the Weibull distribution. Statistical Papers, 65(1), p.1. https://doi.org/10.1007/s00362-022-01379-9.

2. Sayan Putatunda, Kiran Rama. (2019). A Modified Bayesian Optimization based Hyper-Parameter Tuning Approach for Extreme Gradient Boosting. 2019 Fifteenth International Conference on Information Processing (ICINPRO). , p.1. https://doi.org/10.1109/ICInPro47689.2019.9092025.

3. Sayan Putatunda, Kiran Rama. (2018). A Comparative Analysis of Hyperopt as Against Other Approaches for Hyper-Parameter Optimization of XGBoost. Proceedings of the 2018 International Conference on Signal Processing and Machine Learning. , p.6. https://doi.org/10.1145/3297067.3297080.

4. Komi Agbokou, Yaogan Mensah. (2023). Varying bandwidth parameter method on Kernel Gini index estimation. Annals of the University of Craiova Mathematics and Computer Science Series, 50(1), p.29. https://doi.org/10.52846/ami.v50i1.1602.

5. Marta Malecka. (2022). Asymptotic properties of duration-based VaR backtests. Statistics & Risk Modeling, 39(3-4), p.49. https://doi.org/10.1515/strm-2021-0019.

Dimensions

PlumX

Visitas a la página del resumen del artículo

688

Descargas

Licencia

Derechos de autor 2017 Revista Colombiana de Estadística

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

  1. Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la Licencia de reconocimiento de Creative Commons (CC Atribución 4.0) que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista.
  2. Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
  3. Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).