Capire il coefficiente di Gini: una misura della disuguaglianza

La disuguaglianza di reddito è da tempo al centro del dibattito economico e sociale. Le disparità nella distribuzione del reddito influiscono su tutto, dalle decisioni di politica pubblica al benessere individuale. Ma ti sei mai chiesto come misuriamo empiricamente la disuguaglianza? Un modo è usare il coefficiente di Gini.

Il coefficiente di Gini è una metrica potente per quantificare la disuguaglianza. È ampiamente utilizzato in molte discipline, tra cui economia, sociologia e sanità. Viene impiegato principalmente per misurare la disuguaglianza di reddito, ma è stato adattato per misurare aspetti come la distribuzione della ricchezza e persino l’accesso all’assistenza sanitaria. Il punto di forza del coefficiente di Gini è che riassume dataset complessi in un singolo numero. Questo valore unico offre una lente chiara attraverso cui confrontare la disuguaglianza. Se vuoi ripassare un po’ di statistica prima di iniziare, dai un’occhiata a Statistical Inference in R.

Che cos’è il coefficiente di Gini?

Il coefficiente di Gini è una misura statistica utilizzata per valutare la disuguaglianza all’interno di un dataset. Varia da 0, che rappresenta la perfetta uguaglianza, a 1, che indica la perfetta disuguaglianza. Un valore di Gini pari a 0 significa che tutti hanno una quota uguale, mentre 1 significa che una sola persona possiede tutto.

Sopra trovi un esempio semplificato di diversi coefficienti di Gini. In ognuno dei tre scenari, ci sono 10 persone e 10.000 $. Nel primo esempio, il denaro è distribuito in modo perfettamente equo, con un coefficiente di Gini vicino a 0. Nel secondo, esistono essenzialmente due classi, con la classe agiata che trattiene la grande maggioranza del denaro. Questo porta a un coefficiente di Gini vicino a 0,5. Nel terzo esempio, un singolo individuo possiede tutto il denaro mentre il resto della popolazione non possiede nulla. Questo esempio estremo di disuguaglianza porta a un coefficiente di Gini vicino a 1.

La versatilità del coefficiente di Gini lo rende applicabile a vari contesti. Spesso, quando si riporta il coefficiente di Gini, ci si riferisce alla disuguaglianza di reddito. Tuttavia, è stato adattato per misurare la distribuzione della ricchezza, la disuguaglianza nei consumi e persino le differenze nelle dimensioni delle abitazioni.

Contesto storico e rilievo attuale

Il coefficiente di Gini fu introdotto nel 1912 dallo statistico italiano Corrado Gini nella sua opera fondamentale sulla misurazione della variabilità. Puoi leggere di più in Corrado Gini (1884–1965): Versatile Originator of Measures of Variability.

Nel corso degli anni, il coefficiente di Gini si è evoluto, estendendo le sue applicazioni a campi come l’ecologia, le scienze della salute e l’istruzione. Ad esempio, è usato per misurare la disuguaglianza nella biodiversità, nell’accesso all’assistenza sanitaria e nel raggiungimento educativo. Nonostante ciò, il suo uso predominante rimane nell’ambito economico, in particolare rispetto alla disuguaglianza di reddito. È uno strumento fondamentale per ricercatori, decisori politici e analisti in tutto il mondo.

Fornendo una misura quantificabile della disuguaglianza, il coefficiente di Gini aiuta governi e organizzazioni a prendere decisioni informate su allocazione delle risorse, politiche fiscali e programmi di welfare. La sua semplicità e chiarezza permettono confronti agevoli tra regioni e periodi diversi.

Il grafico sopra mostra i coefficienti di Gini noti nel tempo per diversi grandi paesi. I dati del grafico provengono dalla Banca Mondiale. Le lacune nel grafico riflettono anni con carenze nei dati, quando alla Banca Mondiale non erano disponibili informazioni economiche sufficienti.

Come si calcola il coefficiente di Gini

Il coefficiente di Gini può essere calcolato in molti modi diversi, ma esistono due metodi principali, entrambi basati sul confronto tra la distribuzione effettiva di una risorsa, come il reddito, e una distribuzione perfettamente equa.

Formula basata sulla curva di Lorenz

L’equazione continua per il coefficiente di Gini può essere scritta come:

Dove:

• L(x) è la curva di Lorenz, che rappresenta la quota cumulata della variabile (ad esempio, il reddito) in funzione della quota cumulata della popolazione.
• L’integrale calcola l’area sotto la curva di Lorenz.

La curva di Lorenz mostra la proporzione cumulata della variabile rispetto alla proporzione cumulata della popolazione. Il coefficiente di Gini misura quanto la curva di Lorenz si discosta dalla linea di perfetta uguaglianza (che è una diagonale a 45 gradi).

Uso della formula basata sulla curva di Lorenz

Usare questa formula per calcolare il coefficiente di Gini è un processo lineare. Vediamolo passo dopo passo con un esempio.

Supponiamo di avere una popolazione di cinque individui con redditi pari a 10 $, 20 $, 30 $, 40 $ e 50 $.

Passo 1: Organizza i dati

Inizia disponendo i redditi in ordine crescente. Poi calcola le percentuali cumulate sia della popolazione sia dei rispettivi valori.

Passo 2: Calcola i totali cumulati

Successivamente, dobbiamo calcolare le quote cumulate di reddito per la popolazione. Questi valori ci aiuteranno a tracciare la curva di Lorenz nel passo successivo.

Ecco come appaiono i dati ordinati per la nostra popolazione a questo punto.

Passo 3: Traccia la curva di Lorenz

Ora dobbiamo rappresentare graficamente la quota di reddito cumulata rispetto alla quota di popolazione cumulata. Questa è la curva di Lorenz. Aggiungeremo una linea a 45 gradi per rappresentare la perfetta uguaglianza.

Il grafico sopra illustra la curva di Lorenz per un dataset di esempio. La linea tratteggiata rappresenta la linea di uguaglianza e l’area ombreggiata tra la curva di Lorenz e la linea di uguaglianza corrisponde al coefficiente di Gini. Nota gli spigoli marcati sulla curva di Lorenz: dipendono dalle dimensioni ridotte della popolazione nel nostro esempio. Dimensioni maggiori portano a una curva di Lorenz più regolare.

Passo 4: Calcola l’area tra la curva di Lorenz e la linea di uguaglianza

Infine, usiamo questo grafico per calcolare il coefficiente di Gini. Il coefficiente di Gini è proporzionale all’area tra la curva di Lorenz e la linea di uguaglianza. In genere questo si calcola in pochi passaggi.

Per prima cosa, calcoliamo l’area sotto la curva di Lorenz usando metodi di integrazione numerica, come la regola del trapezio. Ottenuto quel valore, lo sottraiamo all’area sotto la linea di uguaglianza, che per dati normalizzati è sempre 0,5. Infine, moltiplichiamo il risultato per 2 per catturare l’intera misura della disuguaglianza.

Nel nostro esempio, il coefficiente di Gini è 0,27.

Metodo delle differenze a coppie

Quando si lavora con popolazioni piccole o dataset discreti, il metodo delle differenze a coppie offre un modo migliore per calcolare il coefficiente di Gini. Questo approccio evita l’interpolazione insita nel metodo che coinvolge la curva di Lorenz e misura direttamente la disuguaglianza confrontando tutte le differenze a coppie nei dati.

Questa è la formula, talvolta chiamata metodo delle differenze a coppie:

Dove:

• n è il numero di osservazioni.
• xi e xj sono valori individuali nel dataset.
• x è la media del dataset.

Questa formula calcola la differenza media relativa confrontando tutte le coppie di valori nel dataset.

Questa versione calcola direttamente il coefficiente di Gini a partire dai dati senza ricorrere a grafici. Considera tutte le possibili differenze a coppie tra i valori e le confronta con il valore medio.

Uso del metodo delle differenze a coppie

Ripercorriamo i passaggi con la nostra popolazione di esempio: cinque individui con redditi pari a 10 $, 20 $, 30 $, 40 $ e 50 $.

Passo 1: Organizza i dati

Parti dal dataset ordinato dei redditi.

Passo 2: Calcola le differenze a coppie

Per ogni coppia di valori xi e xj, calcola il valore assoluto della differenza tra i due xi-xj.

Passo 3: Somma le differenze

Somma tutte le differenze assolute tra tutte le coppie di valori. Per i nostri dati di esempio, la somma delle differenze è pari a 400

Passo 4: Normalizza il risultato

Infine, dobbiamo dividere la somma di tutte le differenze a coppie per 2n2x, dove n è il numero di dati e x è la media del dataset. Questo passaggio ci darà il coefficiente di Gini finale.

Numero di dati (n) = 5

Media del dataset (x)= 10 + 20 + 30 + 40 + 505=30 

Normalizza la somma delle differenze a coppie:

Il coefficiente di Gini per il dataset di esempio è circa 0,27.

Mettiti alla prova nel misurare la disuguaglianza nelle emissioni di carbonio o nell’analisi del basket con questi progetti.

Interpretare i valori del coefficiente di Gini

Il coefficiente di Gini quasi sempre si riferisce alla disuguaglianza di reddito, a meno che non sia specificato diversamente. Il suo valore va da 0 a 1, dove 0 rappresenta la perfetta uguaglianza (tutti hanno esattamente lo stesso reddito) e 1 rappresenta la perfetta disuguaglianza, con un individuo che detiene tutto il reddito mentre gli altri non hanno nulla. I valori intermedi offrono indicazioni sul grado di disparità di reddito all’interno di una popolazione.

Nota: alcune fonti moltiplicano questo valore per 100 per fornire un intervallo di coefficienti di Gini tra 0 e 100.

Un coefficiente di Gini basso indica una distribuzione del reddito relativamente equa, spesso associata a paesi che attuano forti politiche redistributive. Al contrario, un coefficiente di Gini alto riflette notevoli disparità di reddito, che possono contribuire a problematiche come tensioni sociali o minore mobilità economica.

Tuttavia, l’interpretazione di questi valori dipende dal contesto. Nei paesi sviluppati, un Gini elevato può riflettere una crescente disuguaglianza dovuta all’indebolimento delle tutele del lavoro, a politiche fiscali favorevoli ai più ricchi o a divari salariali in settori in rapida crescita. Un Gini basso, invece, può segnalare solidi programmi di welfare come sanità universale, istruzione accessibile o tassazione progressiva che riducono le disparità.

Nei paesi in via di sviluppo, un Gini elevato può evidenziare disparità dovute a concentrazione della proprietà terriera, accesso limitato all’istruzione o mercati del lavoro informali e non regolamentati. Al contrario, un Gini basso può indicare progressi grazie a politiche eque, come un miglior accesso all’istruzione, programmi di riduzione della povertà o riforme agricole.

Applicazioni del coefficiente di Gini

Il coefficiente di Gini è utilizzato da economisti, governi e sociologi, tra gli altri. Le sue applicazioni includono:

• Elaborazione delle politiche: I governi lo usano per orientare politiche come la tassazione progressiva e i programmi di welfare per ridurre la disuguaglianza.
• Confronti regionali: Rende semplici i confronti internazionali sulla disuguaglianza.
• Misurare la disuguaglianza di reddito o di consumo: Aiuta a valutare sia la disuguaglianza di reddito sia quella di consumo, evidenziando le disparità all’interno e tra le nazioni.
• Studio dei fattori sociali: Oltre l’economia, il coefficiente di Gini è usato per studiare indirettamente fattori sociali come istruzione, criminalità e sanità.

Tendenze geografiche del coefficiente di Gini

I paesi scandinavi hanno notoriamente valori di Gini bassi (<0,30) grazie a solidi programmi sociali e politiche redistributive. Stati Uniti, Cina e Russia hanno valori moderati di Gini (tra 0,35 e 0,41) con notevoli differenze tra reddito e ricchezza. Il Sudafrica spicca per un Gini elevato (~0,63), che evidenzia una significativa disuguaglianza di reddito dovuta a fattori storici e strutturali. 

Puoi sperimentare con i dati economici nel DataLab di DataCamp. Ti basta caricare i dati che ti interessano e iniziare a esplorarli!

Sopra c’è un grafico con le stime più recenti del coefficiente di Gini secondo la Banca Mondiale per alcuni paesi interessanti. Puoi sperimentare direttamente con i dati sulla Banca Mondiale.

Andamenti nel tempo

Globalizzazione e progressi tecnologici hanno plasmato gli andamenti del Gini in tutto il mondo. Le economie emergenti spesso sperimentano una disuguaglianza crescente, poiché la rapida industrializzazione concentra la ricchezza in alcuni settori. Al contrario, le nazioni sviluppate tendono a mostrare valori di Gini post-imposte più bassi, riflettendo l’impatto di politiche fiscali redistributive e solidi sistemi di welfare.

La Banca Mondiale monitora il coefficiente di Gini per i paesi di tutto il mondo. Il loro grafico sopra mostra come la quota di paesi con coefficienti di Gini bassi e alti sia cambiata negli ultimi due decenni. Definiscono alta disuguaglianza un coefficiente di Gini superiore a 40. Fonte figura: Inside the World Bank’s new inequality indicator: The number of countries with high inequality.

Ruolo delle politiche

Le politiche pubbliche sono un determinante significativo del coefficiente di Gini di una nazione. Paesi con sistemi di welfare robusti, come sanità universale, istruzione gratuita o sovvenzionata e sussidi di disoccupazione, riportano spesso valori di Gini più bassi. Questi programmi aiutano a redistribuire le risorse, riducendo il divario tra gruppi a reddito alto e basso. Dai un’occhiata a questo articolo di ricerca intitolato: Welfare type and income inequality: an income source decomposition including in-kind benefits and cash-transfers entitlement.

Anche le politiche fiscali giocano un ruolo. I sistemi fiscali progressivi, in cui chi guadagna di più paga una percentuale maggiore del proprio reddito in tasse, sono particolarmente efficaci nel ridurre la disuguaglianza. Al contrario, strutture fiscali regressive o un’applicazione insufficiente delle imposte possono accentuare le disparità. Puoi leggere di come le politiche fiscali progressive abbiano ridotto la disuguaglianza negli Stati Uniti in questo documento del Dipartimento del Tesoro USA: Reducing Income Inequality through Progressive Tax Policy: The Effects of Recent Tax Changes on Inequality.

Politiche che promuovono un accesso equo alle opportunità, come tutele del lavoro, leggi sul salario minimo e iniziative per l’edilizia accessibile, possono abbassare i valori di Gini nel tempo. Senza questi interventi, le disuguaglianze strutturali tendono a persistere, soprattutto nelle regioni con governance debole o programmi sociali poco sviluppati. Dai un’occhiata a questo dibattito su se e come i sindacati aiutino a ridurre le disparità.

Limiti e critiche

Il coefficiente di Gini, pur essendo ampiamente utilizzato, presenta diversi limiti da considerare quando si interpretano i risultati.

Un limite chiave è la sua sensibilità alla qualità dei dati. Dataset incoerenti o incompleti possono portare a conclusioni imprecise, specialmente in regioni con economie informali o redditi non registrati. Questo può distorcere il valore di Gini e influenzare le decisioni politiche basate su quei dati. Per compensare alcune di queste discrepanze, organizzazioni come la Banca Mondiale usano il consumo come proxy del reddito quando i dati sul reddito non sono sufficienti. Tuttavia, anche tali aggiustamenti hanno i loro limiti.

Inoltre, il coefficiente di Gini come spesso viene presentato si concentra esclusivamente sulla disuguaglianza di reddito. Ciò significa che non cattura altre dimensioni importanti della disuguaglianza, come accesso all’istruzione, alla sanità o mobilità sociale. Questo focus ristretto può semplificare eccessivamente il quadro più ampio della disuguaglianza sociale. Puoi usare il coefficiente di Gini per misurare altre forme di disuguaglianza, ma nella maggior parte dei casi non è così che viene impiegato.

Un aspetto critico è che il coefficiente di Gini può produrre valori identici da distribuzioni di reddito diverse, mascherando variazioni importanti nella disuguaglianza. Due società con lo stesso valore di Gini possono avere strutture di reddito molto differenti.

import numpy as npdef gini_coefficient(income_distribution):    sorted_income = np.sort(income_distribution)    n = len(income_distribution)    cumulative_income = np.cumsum(sorted_income)    relative_cumulative_income = cumulative_income / cumulative_income[-1]    lorenz_curve_area = (np.sum(relative_cumulative_income) - 0.5) / n    gini_coefficient = 1 - 2 * lorenz_curve_area    return round(gini_coefficient, 2)# Population with a middle classincome_distribution1 = np.array([1, 1, 1, 50, 50, 50, 9000, 9000, 90000])# Population without a middle classincome_distribution2 = np.array([1, 1, 1, 1, 1, 1, 1, 1, 140])gini1 = gini_coefficient(income_distribution1)gini2 = gini_coefficient(income_distribution2)print("Gini coefficient for distribution 1:", gini1)print("Gini coefficient for distribution 2:", gini2)Offerto da

Gini coefficient for distribution 1: 0.83Gini coefficient for distribution 2: 0.83Offerto da

Nell’esempio sopra, due popolazioni, una con una classe media e una senza, hanno lo stesso coefficiente di Gini. Questo dimostra uno dei motivi per cui i coefficienti di Gini devono essere interpretati nel contesto: non mostrano la distribuzione sottostante.

Ricorda: il coefficiente di Gini è un solo numero che condensa molte informazioni sottostanti. Quindi fai attenzione a trarre conclusioni basandoti solo su questo indicatore.

Misure alternative e complementari

Il coefficiente di Gini non è l’unica misura disponibile della disuguaglianza. Puoi consultare un elenco di indicatori di disuguaglianza usati dal governo degli Stati Uniti sul sito del censimento USA.

Esploriamo alcune altre metriche che offrono ulteriori spunti.

Indice di Theil

L’indice di Theil è uno strumento potente per scomporre la disuguaglianza in disparità intra-gruppo e inter-gruppo. Ciò consente un’analisi più dettagliata della disuguaglianza, soprattutto quando si confrontano regioni, settori o gruppi demografici diversi. Può evidenziare disparità all’interno di una popolazione e mostrare come cambia la disuguaglianza quando si considerano gruppi differenti. Questo lo rende prezioso per analisi di policy e per individuare aree in cui possono servire interventi mirati.

Indice di Atkinson

L’indice di Atkinson si distingue per l’attenzione rivolta alla parte bassa della distribuzione dei redditi. A differenza del coefficiente di Gini, attribuisce maggiore peso ai cambiamenti nel reddito dei segmenti più poveri della società. È quindi particolarmente utile per capire dove si concentra la disuguaglianza lungo la distribuzione. L’indice di Atkinson è impiegato per valutare l’impatto di politiche volte a ridurre la povertà o a migliorare il benessere dei gruppi più svantaggiati.

Curva di Lorenz

La curva di Lorenz è utilizzata come parte del calcolo del coefficiente di Gini. Ma è anche una metrica utile di per sé.

Sviluppata da Max Lorenz nel 1905, la curva di Lorenz offre una rappresentazione visiva della distribuzione dei redditi. Mostra la quota cumulata di reddito detenuta da diverse percentuali della popolazione. Mentre il coefficiente di Gini distilla la disuguaglianza in un solo numero, la curva di Lorenz offre una visione più granulare di come il reddito è distribuito all’interno di una popolazione. Ho trovato molto interessante questa discussione sulla curva di Lorenz e il coefficiente di Gini: Lorenz Curve: Definition and Uses.

Conclusione

Strumenti come il coefficiente di Gini sono incisivi perché offrono una sintesi semplice di una distribuzione complessa. Questa chiarezza aiuta decisori politici ed economisti nei loro sforzi per creare società più eque.

Se vuoi scoprire altri strumenti statistici, esplora la nostra ampia offerta di corsi di statistica. Se invece ti interessa capire meglio come il denaro fa girare il mondo, esplora la serie Python for Finance di DataCamp o il percorso Applied Finance per approfondire concetti come rischio di credito, portafogli e altro ancora. Offriamo anche percorsi di upskilling per interi team, se ti metti in contatto con il team DataCamp for Business.