{
  "id": "lorenz-curve",
  "title": "洛伦兹曲线",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "洛伦兹曲线以人口累计占比和收入、财富等数量的累计占比，描述其分配的不平等程度。",
  "category": "economics",
  "subcategory": "macroeconomics",
  "type": "concept",
  "aliases": [
    "洛仑兹曲线",
    "劳伦兹曲线"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/lorenz-curve/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/lorenz-curve/",
      "json": "https://aiwiki.page/en/lorenz-curve.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "洛伦兹曲线是描述某一数量在人口中如何分配的图形。它最常用于研究收入不平等和财富不平等：先将人们按所考察数量的数值从低到高排序，再以人口累计占比为横坐标、这些人所占该数量总额的累计份额为纵坐标绘图。在数值非负且总额为正的标准假设下，曲线位于代表完全平等的对角线上或其下方。曲线越偏离这条对角线、向下弯曲，分配就越集中；但如果两条曲线相交，仅凭这一标准便无法明确判定哪一种分配更不平等。"
    },
    {
      "heading": "起源与解读",
      "text": "美国统计学家马克斯·O. 洛伦兹于1905年在题为《衡量财富集中程度的方法》的文章中提出了这条曲线。此后，它成为研究分配问题的统计学和经济学的重要工具，尤其是因为它与基尼系数密切相关。\n\n横轴表示人口累计占比，从收入或财富最少的人开始累加。纵轴表示这部分人口获得的收入或拥有的财富占总额的累计比例。\n\n例如，点 \\((0.40,0.15)\\) 表示最贫穷的40%人口获得了总收入的15%。由此可知，最富裕的60%人口获得了其余85%的收入。\n\n从 \\((0,0)\\) 到 \\((1,1)\\) 的对角线称为完全平等线，代表人人拥有相同数量的分配状态。在这种情况下，最贫穷的20%人口获得总额的20%，最贫穷的50%人口获得总额的50%，依此类推。\n\n洛伦兹曲线描述的是相对份额，而非绝对生活水平。即使一个群体中每个人的收入都是另一个群体中对应者的十倍，两个群体也可能具有完全相同的曲线。"
    },
    {
      "heading": "数学定义",
      "text": "设 \\(X\\) 为表示收入或其他测量数量的非负随机变量，其均值有限且为正：\n\n\\[\\mu=\\mathbb{E}[X]>0.\\]\n\n设 \\(F\\) 为其累积分布函数，\\(Q(u)\\) 为其分位数函数：\n\n\\[Q(u)=\\inf\\{x:F(x)\\geq u\\}, \\qquad 0<u<1.\\]\n\n洛伦兹曲线定义为\n\n\\[L(p)=\\frac{1}{\\mu}\\int_0^p Q(u)\\,du, \\qquad 0\\leq p\\leq 1.\\]\n\n分子中的积分衡量的是数值最低的 \\(p\\) 比例人口所对应的累计数量。将其除以总体均值，便得到该部分人口占总额的份额。\n\n对于由 \\(n\\) 个等权重观测值组成的样本，若排序后有\n\n\\[0\\leq x_{(1)}\\leq x_{(2)}\\leq\\cdots\\leq x_{(n)},\\]\n\n则经验曲线经过以下各点：\n\n\\[p_i=\\frac{i}{n}, \\qquad L(p_i)=\\frac{\\sum_{j=1}^{i}x_{(j)}}{\\sum_{j=1}^{n}x_{(j)}},\\]\n\n以及 \\((0,0)\\) 点。通常用直线段连接这些点。\n\n使用调查权重时，需要作相应调整：人口份额根据累计权重计算，收入份额则根据累计加权收入计算。\n\n主要性质\n\n在标准假设下：\n\n- 端点： \\(L(0)=0\\)，且 \\(L(1)=1\\)。\n- 单调性： 曲线不会下降。\n- 凸性： 由于观测值按从小到大排序，曲线的斜率单调不减。\n- 位置： \\(0\\leq L(p)\\leq p\\)。\n- 尺度不变性： 将每个观测值乘以同一个正常数，曲线保持不变。\n- 匿名性： 交换不同个人的收入不会改变曲线，因为曲线只取决于排序后的分布，而不取决于个人身份。\n\n在可微处，\n\n\\[L'(p)=\\frac{Q(p)}{\\mu}.\\]\n\n因此，曲线在人口某一排序位置处的斜率，等于该位置的收入与平均收入之比。\n\n与将所有收入乘以同一系数不同，给每个人的收入都增加相同的正数额，通常会使曲线向完全平等线靠近。"
    },
    {
      "heading": "数值示例",
      "text": "假设五名权重相同的个人，收入分别为10、20、30、40和100个单位，总收入为200个单位。\n\n人口累计占比 | 累计收入 | 收入累计占比\n0% | 0 | 0%\n20% | 10 | 5%\n40% | 30 | 15%\n60% | 60 | 30%\n80% | 100 | 50%\n100% | 200 | 100%\n\n最贫穷的80%人口获得总收入的一半，最富裕的20%人口获得另一半。以第一列为横坐标、最后一列为纵坐标绘图，即可得到经验洛伦兹曲线。\n\n这些观测值也说明了为什么必须区分人口份额与收入份额：每个人都占人口的20%，却并非都占收入的20%。"
    },
    {
      "heading": "与基尼系数的关系",
      "text": "基尼系数概括了洛伦兹曲线与完全平等线之间的面积。由于完全平等线下方的面积为 \\(1/2\\)，因此\n\n\\[G=1-2\\int_0^1 L(p)\\,dp.\\]\n\n完全平等时，\\(L(p)=p\\)，且 \\(G=0\\)。在收入非负的标准假设下，分配越集中，基尼系数越大。\n\n对于用直线段连接的经验数据，可以通过梯形面积精确计算曲线下方的面积。等价地，\n\n\\[G=1-\\sum_{i=1}^{n} \\bigl(L(p_i)+L(p_{i-1})\\bigr)(p_i-p_{i-1}).\\]\n\n上述五人示例的基尼系数为 \\(0.40\\)。\n\n在由 \\(n\\) 人组成的有限等权重总体中，未经修正的经验基尼系数最大为 \\(1-1/n\\)，当一人获得全部收入时达到这一数值。有些公布的指标会进行有限样本修正，因此比较估计值时，需要注意所采用的计算约定。\n\n基尼系数将整条曲线压缩成一个数值。不同的洛伦兹曲线可能围出相同的面积，因而具有相同的基尼系数，即便它们在特定人口群体之间的收入分配上存在显著差异。"
    },
    {
      "heading": "洛伦兹占优与分配比较",
      "text": "如果\n\n\\[L_A(p)\\geq L_B(p) \\quad\\text{for every }p\\in[0,1],\\]\n\n且至少对一个内部的 \\(p\\) 值严格不等式成立，则称分布A相对于分布B具有洛伦兹占优。按照洛伦兹排序，A的分配更为平等。\n\n这种排序比基尼系数比较提供了更强的判据：洛伦兹占优意味着基尼系数不高于另一分布，但基尼系数较低并不意味着洛伦兹占优。\n\n在保持总收入不变、且不颠倒两人收入排序的前提下，将收入从较富者转移给较贫者，会使分配在洛伦兹意义上趋向平等。这就是庇古—道尔顿转移原则的基础。\n\n如果两条曲线相交，则任一分布都不对另一分布构成洛伦兹占优。其中一种分布可能给予最贫穷群体更大的收入份额，却给予范围更广的低收入群体更小的份额。此时，不同的不平等指标可能会给出不同排序，因为它们对分布不同部分赋予的权重不同。\n\n广义洛伦兹曲线\n\n广义洛伦兹曲线将普通洛伦兹曲线乘以平均收入，从而保留收入水平的信息：\n\n\\[GL(p)=\\mu L(p)=\\int_0^p Q(u)\\,du.\\]\n\n其终点为 \\(GL(1)=\\mu\\)，而不是1。与普通洛伦兹曲线不同，当所有收入都乘以同一个系数时，它会发生变化。\n\n福利经济学利用广义洛伦兹曲线的比较，同时评估收入水平和分配状况。如果一条广义曲线处处高于另一条，那么，对于这样一类社会福利准则——对所有人的收入应用同一个递增凹函数，再取平均值——前者所代表的分配更优。这种解释兼顾了对较高收入的偏好和对不平等的厌恶。"
    },
    {
      "heading": "应用与测量口径",
      "text": "洛伦兹曲线用于比较不同国家、地区、人口群体和时期的分配状况。它可以描述收入、消费支出、土地持有量或其他非负数量的分布。\n\n分析收入时，所采用的测量口径至关重要。市场收入、税收扣除后的收入以及可支配收入可能形成不同的曲线。比较时还必须区分个人收入与家庭收入。通常会利用等价尺度调整家庭资源，以考虑家庭规模和成员构成。\n\n比较市场收入曲线与可支配收入曲线，可以描述税收和转移支付前后所测得的分布有何差异。不过，这种比较本身并不能确定政策的因果效应，因为观测到的收入分布也可能反映行为反应及其他因素的影响。\n\n在收入分析之外，同样的数学构造还可以描述企业规模、资源所有权或科研产出的集中程度。具体如何解读，取决于按什么进行排序，以及累计的是什么数量。"
    },
    {
      "heading": "局限性",
      "text": "负值与零值\n\n只要总收入仍为正，标准定义就允许观测值为零。此时，曲线起始处会有一段水平线段。\n\n收入数据，尤其是净值数据中可能出现负值，这会使曲线的解释变得复杂。在总体均值为正的情况下，累计份额最初可能为负，曲线也可能落到横轴下方。此时，常规基尼系数可能超过1。\n\n如果总收入为零，归一化曲线就没有定义；总额为负也会使累计份额失去通常的含义。因此，不能在未检查数据的情况下，就认定标准几何性质及其不平等含义仍然适用。\n\n无法反映收入水平和个人身份信息\n\n普通洛伦兹曲线既不显示平均收入，也不直接衡量贫困。较贫穷群体的曲线可能比更富裕群体的曲线更接近完全平等线。\n\n曲线也无法识别每个排序位置上具体是谁。连续年份的曲线可能相近，同时个人在收入分布中的位置却发生了大幅上升或下降。同样，全国层面的曲线也无法揭示家庭内部或特定社会群体之间的不平等，除非另外考察这些维度。\n\n数据质量与分组观测值\n\n住户调查可能对极高收入者的覆盖不足，遗漏某些收入来源，或无法准确测量财富。行政记录则有不同的覆盖范围限制，而且可能无法涵盖申报体系之外的人。\n\n公布的五等分组或十等分组份额只能确定洛伦兹曲线上的部分点。用直线连接这些点，会忽略各组内部的不平等。在数据非负的标准假设下，由此得到的基尼系数，是与这些分组数据相容的完整底层分布所对应基尼系数的下界。\n\n抽样误差也会影响曲线的估计结果。样本数据中看似存在的相交或占优关系，并不一定能证明总体中也存在相同关系。\n\n排序方式\n\n洛伦兹曲线按所绘累计份额对应的数量对人们进行排序。与之相关的集中曲线则可以按一个变量（如收入）对人们排序，同时绘制另一个变量（如纳税额或医疗卫生支出）的累计份额。这种曲线不一定具有标准洛伦兹曲线的凸形，其含义取决于用于排序的变量。"
    }
  ],
  "links": [
    "income-inequality",
    "wealth-inequality",
    "statistics",
    "gini-coefficient",
    "random-variable",
    "probability-distribution",
    "integral",
    "welfare-economics",
    "consumption-economics",
    "taxation",
    "disposable-income",
    "net-worth",
    "poverty"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}