{
  "id": "gini-coefficient",
  "title": "基尼系数",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "基尼系数通过分布中各成员之间的相对差异衡量不平等程度，最常用于收入或财富分布。",
  "category": "economics",
  "subcategory": "macroeconomics",
  "type": "concept",
  "aliases": [
    "基尼指数"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/gini-coefficient/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/gini-coefficient/",
      "json": "https://aiwiki.page/en/gini-coefficient.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "基尼系数是衡量不平等程度的统计指标，最常用于描述收入、消费或财富在人群中的分布情况。对于均值为正的非负数值，其取值从表示完全平等的 0，到接近表示极端集中的 1。基尼系数也常以 0 至 100 的尺度表示。该指标由意大利统计学家科拉多·基尼于 1912 年提出，后来成为收入不平等研究中使用最广泛的指标之一。\n\n基尼系数将整个分布浓缩为一个数值。从几何角度，可以借助洛伦兹曲线来理解它；从代数角度，它等于随机选取的两个观测值之间的平均绝对差除以总体均值的两倍。由于相对简单，基尼系数适合用于不同地区、时期和政策环境之间的比较，但这些比较在很大程度上取决于所依据的数据和定义。\n\n收入基尼系数并不衡量贫困、平均生活水平或不平等的成因，也无法说明哪些人口群体获得了特定份额的收入。因此，解读这一指标时，需要关注所衡量的资源、人口统计单位、税收与转移支付、抽样不确定性，以及分布的其他特征。"
    },
    {
      "heading": "定义与数学基础",
      "text": "设某总体中各成员的收入均为非负值，平均收入为 \\(\\mu>0\\)。若 \\(X\\) 和 \\(X'\\) 是从同一收入分布中独立抽取的两个值，则基尼系数为\n\n\\[G=\\frac{\\mathbb{E}|X-X'|}{2\\mu}.\\]\n\n分子是所有可能收入配对之间的平均绝对差。分母则将这一差值转换为相对于平均收入的数值。期望值符号表示对所依据的概率分布求平均，而不一定是对某个具体的观测样本求平均。当收入均为非负值时，只要平均收入有限，分子就一定有限。\n\n对于由 \\(n\\) 个等权重观测值 \\(x_1,\\ldots,x_n\\) 构成的有限总体，相应的公式为\n\n\\[G=\\frac{\\sum_{i=1}^{n}\\sum_{j=1}^{n}|x_i-x_j|} {2n^2\\bar{x}},\\]\n\n其中，\\(\\bar{x}\\) 为算术平均值。每一对观测值都按两个方向各计一次，而观测值与自身比较时，差值为零。因此，这一公式并不只是将不同观测值配对的平均差除以均值的两倍：将自身配对纳入计算，会影响有限总体下的归一化方式。\n\n如果所有成员的收入均为相同的正值，则任意两者之间的差值都为零，因而 \\(G=0\\)。如果一个人获得全部收入，其余 \\(n-1\\) 人的收入均为零，则基尼系数为 \\((n-1)/n\\)。因此，对于有限的等权重总体，按这一约定计算的最大值小于 1。有些应用会将该系数乘以 \\(n/(n-1)\\)，使有限总体下的最大值变为 1。这种调整改变了归一化方式，并不是适用于所有统计估计问题的通用修正。\n\n基尼系数的标准解释以观测值非负为前提。如果所有人的收入均为零，则分母为零，系数无定义。经营亏损可能导致收入为负，债务超过资产则会导致净值为负，这些情况都会使解释变得复杂。对于均值为正、但含有负值的分布，基尼系数可能大于 1。若均值为零或负值，通常的相对不平等解释就更难成立。这些情况在财富不平等研究中尤其重要，因为债务具有实际经济意义，不能仅仅视为记录错误。\n\n基尼系数是无量纲的。系数为 0.35，与采用 0—100 标度时的 35，表示的是相同的不平等程度。从 35 变为 36，意味着上升了一个指数点，而不是上升了百分之一：该指数的相对增幅约为 2.86%。"
    },
    {
      "heading": "洛伦兹曲线与实际计算",
      "text": "洛伦兹曲线将人们按收入从低到高排序，以累计人口占比为横轴、累计收入占比为纵轴绘制而成。若 \\(p\\) 为人口占比，\\(L(p)\\) 为对应的收入占比，则 \\(L(p)=p\\) 表示完全平等。对于非负收入，洛伦兹曲线位于这条平等线之上或之下的说法中，准确而言是位于该线之下或与其重合。基尼系数等于两者之间面积的两倍：\n\n\\[G=1-2\\int_0^1 L(p)\\,dp.\\]\n\n其中，积分表示洛伦兹曲线下方的面积。由于平等线下方的三角形面积为 \\(1/2\\)，基尼系数也等于两条曲线之间的面积与该三角形面积之比。这一几何解释说明了为什么偏离平等线越远，通常意味着不平等程度越高。\n\n对于按升序排列的个体观测值 \\(x_{(1)}\\leq\\cdots\\leq x_{(n)}\\)，一种计算效率较高的等价公式为\n\n\\[G=\\frac{2\\sum_{i=1}^{n}i\\,x_{(i)}} {n\\sum_{i=1}^{n}x_{(i)}}-\\frac{n+1}{n}.\\]\n\n直接进行两两比较的公式需要 \\(n^2\\) 次比较，而这个表达式只需先排序，再进行加权求和，因此处理大型数据集时实用得多。在假设和归一化方式一致的情况下，两种表达式得到的有限总体基尼系数相同。\n\n例如，假设四个人的收入分别为 10、20、30 和 40。总收入为 100，平均收入为 25；累计人口占比每增加四分之一，对应的累计收入占比依次为 0.10、0.30、0.60 和 1.00。求和 \\(\\sum i x_{(i)}\\) 的结果为 300，因此\n\n\\[G=\\frac{2(300)}{4(100)}-\\frac{5}{4}=0.25.\\]\n\n另一个总体中，四个人的收入分别为 25、25、25 和 25，总收入相同，但基尼系数为零。\n\n住户调查通常需要使用不相等的权重。若观测值 \\(i\\) 代表的人口权重为 \\(w_i\\)，且 \\(W=\\sum_i w_i\\)，加权平均值为 \\(\\mu_w=\\sum_iw_ix_i/W\\)，则加权表达式为\n\n\\[G=\\frac{\\sum_i\\sum_jw_iw_j|x_i-x_j|} {2W^2\\mu_w}.\\]\n\n权重必须与所要研究的总体相对应：代表住户的权重与代表个人的权重不能互换使用。\n\n当只有分组收入份额数据时，分析人员通常将公布的数据点用直线连接，以近似表示洛伦兹曲线。若 \\(P_k\\) 和 \\(L_k\\) 分别为累计人口占比和累计收入占比，则梯形近似公式为\n\n\\[G\\approx1-\\sum_{k=1}^{m}(L_k+L_{k-1})(P_k-P_{k-1}).\\]\n\n这种计算通常会忽略各组内部的不平等。因此，在分组份额准确且收入非负的情况下，线性插值得到的是底层个体分布所对应基尼系数的下界。"
    },
    {
      "heading": "历史发展与应用",
      "text": "基尼系数源于20世纪初关于统计变异、收入分配和社会测量的研究。1905年，马克斯·O. 洛伦兹在一篇探讨如何衡量财富集中程度的文章中，提出了后来以他命名的曲线。这种图形表示方法使研究者能够比较不同分布，而不必一开始就将分布之间的差异归结为某个单一的平均值或离散程度统计量。\n\n基尼在1912年的著作《变异性与变动性》（Variabilità e mutabilità）中提出了他的度量方法。他的研究将不平等视为一个更广泛的统计问题的一部分：如何量化观测值之间的差异。平均绝对差是这一方法的核心。方差计算的是各观测值与均值之差的平方，而基尼系数则使用观测值两两之间的绝对差，并以均值进行归一化。它与洛伦兹曲线的密切联系，使应用研究者更容易理解这一抽象的度量指标。\n\n不平等测量的发展也与福利经济学中的争论有关。阿瑟·塞西尔·庇古和休·道尔顿的研究，帮助确立了富人与穷人之间的转移在评价分配状况时的重要性。道尔顿于1920年发表的关于经济福利测量的文章，将这种基于转移的推理纳入了系统讨论。由此形成的庇古—道尔顿转移原则，成为评价包括基尼系数在内的不平等度量指标的一项标准准则。\n\n后续研究进一步表明，选择不平等指数并不完全是出于统计上的便利。安东尼·阿特金森于1970年发表的《论不平等的测量》一文，考察了比较结果如何取决于对社会福利和不平等厌恶程度的判断。这项研究有助于区分两类指标：一类明确阐述其伦理假设；另一类则像传统基尼系数那样，将对分布差异的赋权方式内置于数学形式之中。\n\n20世纪，住户调查和行政统计日益普及，使常态化估算变得越来越可行。统计机构和国际组织，包括世界银行和经济合作与发展组织，将基尼系数纳入了用于比较的数据集。基尼系数的应用也扩展到了发展、再分配、生活水平和社会状况等研究领域。\n\n这种广泛应用并未带来全球统一的测量惯例。有些统计体系侧重消费支出，另一些则侧重家庭可支配收入。当调查方案重新设计或收入定义的范围扩大时，历史数据序列也可能发生变化。因此，基尼系数的历史既是一种数学度量方法的发展史，也是使其计算成为可能的制度与数据体系的发展史。"
    },
    {
      "heading": "不平等度量的性质及其解读",
      "text": "基尼系数之所以实用，可以从它的几项性质来理解。匿名性是指，交换两个人的收入不会改变基尼系数。这一指标取决于收入数额的分布，而非收入获得者的身份。因此，如果两种分布在数值上相同，但资源在不同年龄组、地区或其他具有社会意义的群体之间的配置不同，基尼系数无法区分它们。\n\n尺度不变性是指，将每个人的收入乘以同一个正数，基尼系数保持不变：\n\n\\[G(cx_1,\\ldots,cx_n)=G(x_1,\\ldots,x_n),\\qquad c>0.\\]\n\n改变货币单位，或使每个人的收入翻倍，都不会改变相对不平等程度。统一进行通货膨胀调整也不会改变基尼系数，不过，不同家庭所面临的价格差异可能影响购买力的分布。尺度不变性也解释了为什么仅凭基尼系数无法判断生活水平的高低。\n\n如果给每个人的收入都加上相同的绝对数额，基尼系数则不会保持不变。给所有收入加上同一个正数，虽然不会改变任意两人之间的收入差额，却会提高平均收入，从而降低基尼系数。以前文中收入分别为10、20、30和40的分布为例，每个人的收入都增加10，会使平均收入从25升至35，基尼系数则从0.25降至约0.179。相比之下，将这四个人的收入都乘以2，基尼系数仍为0.25。因此，等额增加与等比例增长是两种不同的分布变化。\n\n人口复制不变性是指，将分布中的每个成员都复制相同次数，按常规定义计算的基尼系数保持不变。一个在四个收入水平上各有一人的人口，其基尼系数与在这四个收入水平上各有一千人的人口相同。这一性质使不同规模人口之间的比较成为可能。应将它与有限人口的最大值调整区分开来，后者明确取决于人口规模。\n\n基尼系数还满足庇古—道尔顿转移原则：在总收入不变且不颠倒双方收入排序的前提下，将一部分收入从较富者转移给较贫者，会降低测得的不平等程度。对于权重相等的观测值，若将 \\(\\delta\\) 从排名为 \\(j\\) 的人转移给排名为 \\(i<j\\) 的人，且所有人的排名均保持不变，基尼系数将减少\n\n\\[\\frac{2\\delta(j-i)}{n^2\\bar{x}}.\\]\n\n因此，基尼系数对收入转移的反应不仅取决于转移金额，也取决于双方的排名差距。将基尼系数描述为对分布中部相对敏感，是一种便于比较的简略说法，但并未完整说明其权重机制。它的确切反应取决于受影响群体所占的人口比例、他们的排名，以及随之发生的平均收入变化。"
    },
    {
      "heading": "收入概念、人口单位与可比性",
      "text": "只有明确所分配的资源是什么，基尼系数才有意义。劳动所得、市场收入、可支配收入、消费支出和财富代表不同的资源。劳动所得是劳动获得的报酬；市场收入还包括其他收入来源；可支配收入通常计入直接税和现金转移支付的影响。财富是某一特定日期资产减去负债后的存量，而不是一段时期内获得的流量。针对这些不同概念计算的系数不能相互替代。\n\n人口单位的选择同样影响重大。以劳动者个人为单位的分布不包括没有劳动所得的人，除非明确将其以零值纳入。以住户为单位的分布则将每个住户作为总体中的一个单位，不论其规模大小。以个人为单位考察住户收入分布时，通常将每个人所在住户经调整后的收入赋予该人。这些方法回答的是不同问题，即使使用同一批记录，也可能得出不同的系数。\n\n通常采用等价尺度，根据需求对住户资源进行调整。收入除以住户人数可得人均收入，而其他尺度则考虑到住户成员可以共享住房、供暖和耐用消费品。经合组织修正等价尺度赋予第一名成年人权重1，其他每名年满14岁的成员权重0.5，每名未满14岁的儿童权重0.3。住户收入除以这些权重的总和，即为等价收入。随后，以人口加权衡量不平等时，将每名住户成员分别计入，并赋予其所在住户的等价收入。\n\n由于住户会储蓄、借贷和动用资产，收入与消费之间可能存在很大差异。消费的波动可能小于年度收入，但衡量消费时，需要决定如何处理自产自用物品、耐用品购置以及住房服务。衡量收入也需要决定如何处理自营职业利润、不定期收入、资本利得以及自有住房的估算租金。公共部门提供的教育和医疗卫生服务通常不计入现金可支配收入，但更广义的资源衡量指标可以为这些服务赋予货币价值。\n\n时间和地点也会带来可比性问题。月度收入的波动可能大于年度收入，而终生资源又与这两者不同。按统一汇率进行货币换算不会改变一国的基尼系数，但按地区分别进行价格调整，则可能改变实际收入的排序。在将各国人口合并为一个全球分布，而不只是比较各国系数时，采用购买力平价进行国际比较至关重要。\n\n因此，不能仅因两个已公布的基尼系数对应同一年，就认为它们可以直接比较。它们采用的收入概念、税收处理方式、人口覆盖范围、等价尺度和加权方法也必须一致。即使各国的基尼系数本身具有可比性，也不能通过简单取其平均值得出全球基尼系数。"
    },
    {
      "heading": "数据质量、估计与统计不确定性",
      "text": "大多数收入基尼系数是根据抽样调查估计的，而非依据全体人口的完整记录计算。因此，所得数值是受抽样误差影响的估计值。由于该系数取决于整个分布，其不确定性并不只反映均值的不确定性。整群抽样、分层抽样、不等的入样概率以及无应答调整，都会影响估计的精度。\n\n统计机构可以通过线性化法、重复权重法或自助法估计不确定性。恰当的自助法应重现调查设计的相关特征，而不是仅仅随机抽取个体记录。例如，整群抽样调查可能需要在各层内对初级抽样单位进行再抽样。忽略调查设计特征，可能导致置信区间过窄，从而产生误导。因此，两个基尼系数估计值之间存在微小差异，并不能自动证明不平等程度发生了变化。\n\n覆盖不足和报告误差的影响可能比抽样变异更大。富裕家庭可能难以联系、拒绝参与调查，或少报某些收入来源。调查还可能为保护信息的保密性，对高收入数据进行顶端编码。这些问题可能使测得的不平等程度偏低，但总体误差的大小和方向取决于遗漏了哪些人群和哪些资源。低收入家庭少报收入或福利收入被遗漏，可能产生不同的影响。\n\n行政记录可以改善对工资、应税收入和转移支付的覆盖，但也会带来其他局限。纳税单位未必与家庭一一对应，非应税收入也可能未被记录。无须申报纳税的人可能被遗漏；即使实际可支配资源没有发生相应变化，税收规则的变动也可能使记录中的收入发生变化。整合调查数据与行政数据，需要采用一致的定义、安全地进行记录关联，并重视数据隐私。\n\n研究人员有时会利用税务记录、富豪榜或统计模型调整分布的上尾。与维尔弗雷多·帕累托相关的帕累托型模型，常用于刻画高度集中的顶端收入或财富。所得系数取决于从哪个阈值以上开始应用模型，也取决于对原始数据集中遗漏人群的假设。这些调整是对未被完整观测的分布所作的估计，并非为每个缺失值提供直接观测到的替代值。\n\n收入组成部分的缺失、调查序列的中断，以及与国民经济核算之间的差异，都会带来进一步的不确定性。家庭调查的汇总数不一定与国民经济核算的总量一致，原因既包括覆盖范围和定义不同，也包括报告误差。将所有观测值乘以同一个系数，无法弥补分布中特定部分的遗漏，因为这样做不会改变基尼系数。以不均等方式分配缺失收入的方法可以改变该系数，但其分配假设也随之成为估计的一部分。"
    },
    {
      "heading": "再分配、收入来源与子群体分解",
      "text": "基尼系数广泛用于描述税收和转移支付对收入分配的作用。一种常见的比较方法是对照市场收入与可支配收入的不平等程度。若前者的系数为 \\(G_M\\)，后者为 \\(G_D\\)，则两者之差 \\(G_M-G_D\\) 表示在所采用的定义下，测得的不平等程度降低了多少。将这一差值除以 \\(G_M\\)，便可得到相对降幅。\n\n这种比较是描述性的，并不能完整估计政府干预的因果效应。税收和转移支付可能影响就业、储蓄、家庭组建以及申报收入，因此，观测到的市场收入分布不一定等同于没有税收和转移支付时的收入分布。养老金的处理方式尤其重要：对于退休人口众多的群体，将公共养老金归为转移支付而非递延劳动报酬，可能会显著改变测得的市场收入不平等程度。\n\n按收入来源分解，考察的是工资、自雇收入、养老金、投资收入及其他收入组成部分如何影响总体不平等。如果总收入是各项来源之和，一种标准的分解形式为\n\n\\[G=\\sum_k s_k C_k,\\]\n\n其中，\\(s_k\\) 是来源 \\(k\\) 占总收入的比重，\\(C_k\\) 是按总收入对收入领取者排序时，该来源的集中系数。在一定的正则条件下，也可以写成\n\n\\[G=\\sum_k s_kG_kR_k,\\]\n\n其中，\\(G_k\\) 是该收入来源自身的基尼系数，\\(R_k\\) 是它与总收入之间的基尼相关系数。某一收入来源的集中程度，不仅取决于该来源本身的分配有多不均，还取决于其领取者在总体收入分布中是富裕者还是贫困者。\n\n这一区别对于转移支付尤为重要。一项仅面向特定小范围人群的补助，单独来看可能分配得很不均，因为大多数人都没有领取。然而，如果领取者集中在总收入分布的底部，这项补助就可能降低总体不平等。反过来，某项收入来源即使在领取者之间的分配仅存在中等程度的不平等，若主要流向本已富裕的家庭，也可能加剧总体不平等。\n\n按人口子群体进行分解则没有这么简单。总体基尼系数通常并不等于各地区、职业或人口群体基尼系数按人口比重加权的平均值。群体平均收入之间的差异，以及不同群体个体之间的差异，也会产生影响。当各群体的收入范围相互重叠时，跨群体个体两两之间的收入差异取决于这种重叠情况，而不只是各群体的平均收入。\n\n一些基尼系数分解方法会区分组内、组间以及与重叠相关的部分。如何解释这些部分，取决于分解方法和所选的反事实分布。对于需要将总体不平等明确地分解为可加总的组内不平等和组间不平等的分析，泰尔指数等指标往往更为方便。"
    },
    {
      "heading": "单一数值指标的局限与替代指标",
      "text": "不同的分布可能具有相同的基尼系数。例如，收入分别为 \\(0,2,2\\) 和 \\(1,1,4\\) 的两种分布，其基尼系数均为 \\(1/3\\)，但它们的均值和分布形态并不相同。即使均值也相同，基尼系数仍无法唯一确定一个分布。因此，基尼系数相等并不意味着生活条件、贫困状况、最高收入群体的收入份额或特定人群的处境相同。\n\n如果没有其他信息，基尼系数也无法揭示贫困状况。两个群体可能具有完全相同的相对收入分布，但其中一个群体的收入是另一个的十倍。它们的基尼系数相等，但收入低于某一固定实际贫困线的人口比例可能相差悬殊。同样，如果高收入者的收入下降得更快，不平等程度的降低也可能伴随着整体收入下降。要解读这种变化，既需要了解收入份额，也需要了解收入水平。\n\n在某些情况下，洛伦兹曲线能够提供更有力的比较。如果一种分布的曲线在所有位置都不低于另一种分布的曲线，就称前者具有洛伦兹优势；按照一大类与洛伦兹排序一致的指标衡量，前者的不平等程度不会更高，其基尼系数也不会更高。然而，当曲线相交时，一种分布可能既让最贫困人群获得更大的收入份额，也让最富裕人群获得更大的收入份额。此时，不同指标可能会对这些分布给出不同的排序，因为它们对这些变化赋予的权重不同。\n\n阿特金森指数通过一个参数明确体现对不平等的厌恶程度，并将不平等与均等分配等价收入联系起来。广义熵指标包括泰尔指数和平均对数离差；不同的参数选择会使指标侧重分布的不同部分，并支持按子群体进行加法分解。分位数比率和收入份额指标直接关注特定位置或群体，但会忽略分布中其余部分的大量信息。\n\n为了将分布形态与收入水平结合起来，分析者可以使用广义洛伦兹曲线，其定义为平均收入与普通洛伦兹曲线的乘积。在假定社会对收入的评价函数单调递增且为凹函数等特定条件下，广义洛伦兹优势可以为福利比较提供依据。它所回答的问题不同于具有尺度不变性的基尼系数：它关注的不仅是资源分配有多不均等，还包括资源水平及其分布在不同情形下如何比较。\n\n基尼系数也不衡量流动性。系数保持不变，可能掩盖了个人在收入排名中的大幅升降；而系数发生变化时，收入排名也可能几乎没有变动。要区分持续性的不利处境与暂时性的收入波动，需要纵向追踪记录。同样，基尼系数仅仅记录了不平等的结果，并不能据此识别歧视、机会不平等或背后的因果关系。"
    },
    {
      "heading": "家庭收入以外的应用",
      "text": "基尼系数不仅适用于收入，也可用于任何适当的非负数值分布。在农业领域，它可以描述土地持有的集中程度。在能源与环境研究中，它可以衡量消费量或排放量的差异。在科学学研究中，它可以描述各篇出版物被引次数的集中程度。每种应用都需要明确所衡量的量，以及该量分布于哪些单位之间。\n\n土地不平等说明了计算所涵盖的总体范围为何重要。仅在土地所有者之间计算的系数排除了无地家庭，衡量的是现有土地持有规模的不均等程度。在所有家庭之间计算、并将无地家庭的土地持有量记为零的系数，则既反映获得土地的机会，也反映所有者之间的土地集中程度。这两项统计量可能存在显著差异，但在数学上都没有错误。涉及土地质量、土地权属和共有权利的问题，需要土地面积以外的信息。\n\n在环境应用中，各国的人均排放量与排放总量描述的是不同的分布。如果将各国视为权重相等的观测值，小国与人口大国便具有相同的统计权重。相反，按人口对各国人均排放量进行加权，描述的则是人与人之间的不平等，其前提是假定每个国家的所有人都具有该国平均排放水平。这种计算能够反映国家之间的差异，却未涵盖各国内部的不平等。\n\n将基尼系数用于财富时，尤其需要谨慎处理债务、估值和所有权问题。一个家庭可能拥有正值的资产，但净资产为负；养老金权益也可能被纳入某个数据集，却被另一个数据集排除。由于金融财富往往高度集中，而且难以观测，对分布上尾所作的假设可能产生很大影响。因此，财富基尼系数应与资产总额的基尼系数或仅针对金融资产的基尼系数加以区分。\n\n基尼系数有时会与产业集中度指标一同提及，但它不能与赫芬达尔—赫希曼指数互换使用。如果每家企业的市场份额都相等，那么无论市场中有两家企业还是两百家企业，企业规模的基尼系数都为零。赫芬达尔—赫希曼指数则能够区分这两种情况，因为它计算的是各企业市场份额的平方和。因此，企业规模相等本身并不意味着市场具有竞争性。\n\n在机器学习中，还需要作进一步区分。决策树的“基尼不纯度”通常写作 \\(1-\\sum_k p_k^2\\)，衡量的是一个节点上类别标签的异质性，并不是衡量收入不平等的基尼系数。在二分类中，另一个被称为基尼系数的量通常定义为 \\(2\\,\\mathrm{AUC}-1\\)，其中 AUC 是受试者工作特征曲线下的面积。它采用不同的构造方式来评估排序性能；其数值尺度与解释不应套用于家庭收入不平等。"
    }
  ],
  "links": [
    "income-inequality",
    "lorenz-curve",
    "expected-value",
    "probability-distribution",
    "net-worth",
    "wealth-inequality",
    "integral",
    "variance",
    "welfare-economics",
    "world-bank",
    "inflation",
    "disposable-income",
    "household",
    "education",
    "purchasing-power-parity",
    "bootstrap-statistics",
    "data-privacy",
    "vilfredo-pareto",
    "national-accounts",
    "taxation",
    "poverty",
    "poverty-line",
    "causation",
    "land-tenure",
    "herfindahl-hirschman-index",
    "machine-learning"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}