Entendendo o coeficiente de Gini: uma medida de desigualdade

A desigualdade de renda há muito tempo é tema de debate em discussões econômicas e sociais. Diferenças na distribuição de renda afetam desde decisões de políticas públicas até o bem-estar individual. Mas você já se perguntou como medimos a desigualdade de forma empírica? Uma das formas é usando o coeficiente de Gini.

O coeficiente de Gini é uma métrica poderosa para quantificar a desigualdade. É amplamente usado em diversas áreas, como economia, sociologia e saúde. Seu uso principal é medir a desigualdade de renda, mas já foi adaptado para medir itens como distribuição de riqueza e até acesso à saúde. A força do coeficiente de Gini está em resumir conjuntos de dados complexos em um único número. Esse valor único oferece uma lente clara para comparar níveis de desigualdade. Se você quiser relembrar conceitos de estatística antes de começarmos, confira Statistical Inference in R.

O que é o coeficiente de Gini?

O coeficiente de Gini é uma medida estatística usada para avaliar a desigualdade dentro de um conjunto de dados. Ele varia de 0, que representa igualdade perfeita, a 1, que indica desigualdade total. Um valor de Gini igual a 0 significa que todos têm a mesma fatia, enquanto 1 significa que uma única pessoa detém tudo.

Acima está um exemplo simplificado de diferentes coeficientes de Gini. Em cada um dos três cenários, há 10 pessoas e US$ 10.000. No primeiro exemplo, o dinheiro é distribuído de forma perfeitamente igual, resultando em um coeficiente de Gini próximo de 0. No segundo, existem essencialmente duas classes, com a classe alta retendo a grande maioria do dinheiro. Isso resulta em um coeficiente de Gini próximo de 0,5. No terceiro exemplo, um indivíduo detém todo o dinheiro enquanto o restante da população não tem nada. Esse exemplo extremo de desigualdade resulta em um coeficiente de Gini próximo de 1.

A versatilidade do coeficiente de Gini o torna aplicável a vários contextos. Muitas vezes, quando o coeficiente de Gini é citado, ele se refere à desigualdade de renda. No entanto, já foi adaptado para medir distribuição de riqueza, desigualdade de consumo e até diferenças no tamanho das moradias.

Contexto histórico e importância atual

O coeficiente de Gini foi introduzido em 1912 pelo estatístico italiano Corrado Gini em seu trabalho seminal sobre medição de variabilidade. Você pode ler mais sobre ele em Corrado Gini (1884–1965): Versatile Originator of Measures of Variability.

Ao longo dos anos, o coeficiente de Gini evoluiu, expandindo suas aplicações para áreas como ecologia, ciências da saúde e educação. Por exemplo, é usado para medir desigualdade em biodiversidade, acesso à saúde e escolaridade. Ainda assim, seu uso predominante permanece no contexto econômico, especialmente em relação à desigualdade de renda. É uma ferramenta essencial para pesquisadores, formuladores de políticas públicas e analistas no mundo todo.

Ao fornecer uma medida quantificável de desigualdade, o coeficiente de Gini ajuda governos e organizações a tomar decisões informadas sobre alocação de recursos, políticas tributárias e programas de bem-estar social. Sua simplicidade e clareza permitem comparações fáceis entre regiões e ao longo do tempo.

O gráfico acima mostra coeficientes de Gini conhecidos ao longo do tempo para vários países grandes. Os dados deste gráfico vêm do Banco Mundial. As lacunas no gráfico refletem lacunas nos dados, anos em que o Banco Mundial não dispunha de dados econômicos suficientes.

Como calcular o coeficiente de Gini

O coeficiente de Gini pode ser calculado de várias maneiras, mas existem basicamente dois métodos principais, ambos envolvendo a comparação da distribuição real de um recurso, como renda, com uma distribuição perfeitamente igual.

Fórmula baseada na curva de Lorenz

A equação contínua para o coeficiente de Gini pode ser escrita como:

Onde:

• L(x) é a curva de Lorenz, que representa a parcela acumulada da variável (por exemplo, renda) em função da parcela acumulada da população.
• A integral calcula a área sob a curva de Lorenz.

A curva de Lorenz mostra a proporção acumulada da variável em relação à proporção acumulada da população. O coeficiente de Gini mede o quão distante a curva de Lorenz está da linha de igualdade perfeita (uma diagonal de 45 graus).

Usando a fórmula baseada na curva de Lorenz

Usar essa fórmula para calcular o coeficiente de Gini é um processo direto. Vamos passar por ele passo a passo com um exemplo.

Suponha que temos uma população de cinco indivíduos com rendas de US$ 10, US$ 20, US$ 30, US$ 40 e US$ 50.

Passo 1: organizar os dados

Comece ordenando as rendas em ordem crescente. Depois, calcule os percentuais acumulados tanto da população quanto de seus respectivos valores.

Passo 2: calcular totais acumulados

Em seguida, precisamos calcular as parcelas acumuladas de renda da população. Esses valores vão nos ajudar a traçar a curva de Lorenz no próximo passo.

Veja como os dados ordenados da nossa população ficam neste ponto.

Passo 3: traçar a curva de Lorenz

Agora, precisamos representar graficamente a parcela acumulada de renda em relação à parcela acumulada da população. Isso é a curva de Lorenz. Vamos adicionar uma linha de 45 graus para representar a igualdade perfeita.

O gráfico acima ilustra a curva de Lorenz para um conjunto de dados de exemplo. A linha pontilhada representa a linha de igualdade, e a área sombreada entre a curva de Lorenz e a linha de igualdade corresponde ao coeficiente de Gini. Note os cantos mais marcados na curva de Lorenz. Isso se deve ao pequeno tamanho da população no nosso exemplo. Populações maiores resultam em uma curva de Lorenz mais suave.

Passo 4: calcular a área entre a curva de Lorenz e a linha de igualdade

Por fim, usamos esse gráfico para calcular o coeficiente de Gini. O coeficiente de Gini é proporcional à área entre a curva de Lorenz e a linha de igualdade. Normalmente, isso é calculado em algumas etapas.

Primeiro, calculamos a área sob a curva de Lorenz usando métodos de integração numérica, como a regra do trapézio. Com esse valor em mãos, subtraímos da área sob a linha de igualdade, que é sempre 0,5 para dados normalizados. Por fim, multiplicamos o resultado por 2 para capturar toda a medida de desigualdade.

No nosso exemplo, o coeficiente de Gini é 0,27.

Método das lacunas pareadas de renda

Ao trabalhar com populações pequenas ou conjuntos de dados discretos, o método das lacunas pareadas de renda oferece uma forma melhor de calcular o coeficiente de Gini. Essa abordagem evita a interpolação inerente ao método que envolve a curva de Lorenz e mede diretamente a desigualdade comparando todas as diferenças pareadas nos dados.

Esta é a fórmula, às vezes chamada de método das lacunas pareadas de renda:

Onde:

• n é o número de observações.
• xi e xj são valores individuais no conjunto de dados.
• x é a média do conjunto de dados.

Essa fórmula calcula a diferença média relativa comparando todos os pares de valores do conjunto de dados.

Essa versão calcula diretamente o coeficiente de Gini a partir dos dados, sem a necessidade de gráficos. Ela considera todas as diferenças pareadas possíveis entre os valores e as compara com o valor médio.

Usando o método das lacunas pareadas

Vamos percorrer novamente esse processo com nosso exemplo: cinco indivíduos com rendas de US$ 10, US$ 20, US$ 30, US$ 40 e US$ 50.

Passo 1: organizar os dados

Comece com o conjunto de rendas já ordenado.

Passo 2: calcular as diferenças pareadas

Para cada par de valores xi e xj, calcule o valor absoluto da diferença entre os dois xi-xj.

Passo 3: somar as diferenças

Some todas as diferenças absolutas entre todos os pares de valores. Para nosso conjunto de dados, a soma das diferenças é 400

Passo 4: normalizar o resultado

Por fim, precisamos dividir a soma de todas as diferenças pareadas por 2n2x, onde n é o número de pontos de dados e x é a média do conjunto. Essa etapa nos dá o coeficiente de Gini final.

Número de pontos de dados (n) = 5

Média do conjunto de dados (x)= 10 + 20 + 30 + 40 + 505=30 

Normalizar a soma das diferenças pareadas:

O coeficiente de Gini para o conjunto de dados de exemplo é aproximadamente 0,27.

Teste suas habilidades medindo a desigualdade em emissões de carbono ou em análises de basquete com estes projetos.

Interpretando valores do coeficiente de Gini

O coeficiente de Gini quase sempre se refere à desigualdade de renda, a menos que seja indicado o contrário. Seu valor varia de 0 a 1, em que 0 representa igualdade perfeita (todos têm exatamente a mesma renda) e 1 representa desigualdade total, com um indivíduo detendo toda a renda enquanto os demais não têm nada. Valores entre esses extremos fornecem insights sobre o grau de disparidade de renda em uma população.

Observação: algumas fontes multiplicam esse valor por 100 para dar uma faixa de coeficientes de Gini entre 0 e 100.

Um coeficiente de Gini baixo indica distribuição de renda relativamente igual, muitas vezes associado a países que implementam políticas redistributivas robustas. Em contraste, um coeficiente de Gini alto reflete disparidades significativas de renda, que podem contribuir para desafios como tensões sociais ou menor mobilidade econômica.

No entanto, a interpretação desses valores depende do contexto. Em países desenvolvidos, um Gini alto pode refletir aumento da desigualdade devido ao enfraquecimento das proteções trabalhistas, políticas tributárias favoráveis aos mais ricos ou diferenças salariais em setores de rápido crescimento. Um Gini baixo, por sua vez, pode sinalizar programas sociais fortes, como saúde universal, educação acessível ou tributação progressiva que reduzem as disparidades.

Em nações em desenvolvimento, um Gini alto pode evidenciar disparidades decorrentes de concentração de propriedade de terras, acesso limitado à educação ou mercados de trabalho informais e desregulados. Já um Gini baixo pode indicar avanços por meio de políticas equitativas, como melhoria no acesso à educação, iniciativas de combate à pobreza ou reformas agrárias.

Aplicações do coeficiente de Gini

O coeficiente de Gini é usado por economistas, governos e sociólogos, entre outros. Suas aplicações incluem:

• Formulação de políticas: governos o utilizam para embasar políticas como tributação progressiva e programas de bem-estar social para reduzir a desigualdade.
• Comparações regionais: facilita comparações internacionais de desigualdade.
• Medição de desigualdade de renda ou consumo: ajuda a avaliar tanto a desigualdade de renda quanto de consumo, destacando disparidades dentro e entre países.
• Estudo de fatores sociais: além da economia, o coeficiente de Gini é usado para estudar indiretamente fatores sociais, como educação, criminalidade e saúde.

Tendências geográficas no coeficiente de Gini

Os países escandinavos têm notoriamente valores baixos de Gini (<0,30) devido a programas sociais fortes e políticas redistributivas. Estados Unidos, China e Rússia têm valores moderados de Gini (entre 0,35 e 0,41), com diferenças notáveis entre renda e riqueza. A África do Sul se destaca por ter um Gini elevado (~0,63), evidenciando grande desigualdade de renda impulsionada por fatores históricos e estruturais. 

Você pode experimentar com dados econômicos no DataLab da DataCamp. Basta fazer o upload dos dados de seu interesse e começar a explorar!

Acima está um gráfico com as estimativas mais recentes do coeficiente de Gini, segundo o Banco Mundial, para alguns países interessantes. Você pode explorar os dados por conta própria no World Bank.

Tendências ao longo do tempo

Globalização e avanços tecnológicos moldaram as tendências do Gini ao redor do mundo. Economias emergentes costumam vivenciar aumento da desigualdade, à medida que a industrialização rápida concentra riqueza em certos setores. Em contraste, países desenvolvidos tendem a apresentar valores de Gini pós-tributação mais baixos, refletindo o impacto de políticas fiscais redistributivas e sistemas de bem-estar social robustos.

O Banco Mundial acompanha o coeficiente de Gini de países no mundo todo. O gráfico acima mostra como a proporção de países com coeficientes de Gini baixos e altos mudou nas últimas duas décadas. Eles definem alta desigualdade como ter um coeficiente de Gini acima de 40. Fonte da figura: Inside the World Bank’s new inequality indicator: The number of countries with high inequality.

Papel das políticas públicas

As políticas são um determinante significativo do coeficiente de Gini de uma nação. Países com sistemas de bem-estar robustos, como saúde universal, educação gratuita ou subsidiada e benefícios de desemprego, costumam apresentar valores de Gini mais baixos. Esses programas ajudam a redistribuir recursos, diminuindo a distância entre grupos de alta e baixa renda. Confira este artigo de pesquisa: Welfare type and income inequality: an income source decomposition including in-kind benefits and cash-transfers entitlement.

Políticas tributárias também desempenham um papel importante. Sistemas progressivos, nos quais quem ganha mais paga uma porcentagem maior da renda em impostos, são particularmente eficazes na redução da desigualdade. Por outro lado, estruturas regressivas ou fiscalização insuficiente podem ampliar as disparidades. Você pode ler como políticas tributárias progressivas reduziram a desigualdade nos EUA neste documento do Departamento do Tesouro dos EUA: Reducing Income Inequality through Progressive Tax Policy: The Effects of Recent Tax Changes on Inequality.

Políticas que promovem acesso equitativo a oportunidades, como proteções trabalhistas, leis de salário mínimo e iniciativas de moradia acessível, podem reduzir os valores de Gini ao longo do tempo. Sem essas intervenções, desigualdades estruturais tendem a persistir, especialmente em regiões com governança fraca ou programas sociais pouco desenvolvidos. Veja também este debate sobre se os sindicatos ajudam a reduzir disparidades.

Limitações e críticas

Embora amplamente utilizado, o coeficiente de Gini tem várias limitações que precisam ser consideradas ao interpretar seus resultados.

Uma limitação importante é sua sensibilidade à qualidade dos dados. Conjuntos de dados inconsistentes ou incompletos podem levar a conclusões imprecisas, especialmente em regiões com economias informais ou renda não registrada. Isso pode distorcer o valor de Gini e afetar decisões de política baseadas nesses dados. Para lidar com algumas dessas discrepâncias, organizações como o Banco Mundial usam consumo como proxy de renda quando os dados de renda não são suficientes. No entanto, mesmo esses ajustes têm suas limitações.

Além disso, o coeficiente de Gini, como frequentemente é apresentado, foca exclusivamente na desigualdade de renda. Isso significa que não capta outras dimensões importantes da desigualdade, como acesso à educação, saúde ou mobilidade social. Esse foco estreito pode simplificar demais o quadro mais amplo da desigualdade social. É possível usar o coeficiente de Gini para medir outras formas de desigualdade, mas na maioria das vezes não é assim que ele é utilizado.

De forma preocupante, o coeficiente de Gini pode produzir valores idênticos a partir de distribuições de renda diferentes, mascarando variações importantes na desigualdade. Duas sociedades com o mesmo valor de Gini podem ter estruturas de renda muito distintas.

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)

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

No exemplo acima, duas populações, uma com classe média e outra sem, apresentam o mesmo coeficiente de Gini. Isso demonstra por que os coeficientes de Gini precisam ser interpretados no contexto: eles não revelam a distribuição subjacente.

Lembre-se: o coeficiente de Gini é apenas um número que condensa muitas informações subjacentes. Portanto, tenha cautela ao tirar conclusões baseadas apenas nele.

Medidas alternativas e complementares

O coeficiente de Gini não é a única medida de desigualdade disponível. Você pode conferir uma lista de medidas usadas pelo governo dos EUA no site do US Census.

Vamos explorar algumas outras métricas que oferecem insights adicionais.

Índice de Theil

O índice de Theil é uma ferramenta poderosa para decompor a desigualdade em disparidades intra e entre grupos. Isso permite uma análise mais detalhada, especialmente ao comparar regiões, setores ou grupos demográficos diferentes. Ele pode destacar desigualdades dentro de uma população e mostrar como a desigualdade muda quando diferentes grupos são considerados. Por isso, é valioso para análises de políticas e para identificar áreas que precisam de intervenções específicas.

Índice de Atkinson

O índice de Atkinson se destaca por focar na parte inferior da distribuição de renda. Diferente do coeficiente de Gini, o índice de Atkinson dá mais peso a mudanças na renda dos segmentos mais pobres da sociedade. Isso o torna especialmente útil para determinar em que parte da distribuição está a desigualdade. É muito usado para avaliar o impacto de políticas voltadas à redução da pobreza ou à melhora do bem-estar dos grupos mais vulneráveis.

Curva de Lorenz

A curva de Lorenz é usada como parte do cálculo do coeficiente de Gini. Mas também é uma métrica útil por si só.

Desenvolvida por Max Lorenz em 1905, a curva de Lorenz fornece uma representação visual da distribuição de renda. Ela mostra a parcela acumulada da renda detida por diferentes percentis da população. Enquanto o coeficiente de Gini condensa a desigualdade em um único número, a curva de Lorenz oferece uma visão mais detalhada de como a renda é distribuída em uma população. Achei esta discussão sobre a curva de Lorenz e o coeficiente de Gini muito interessante: Lorenz Curve: Definition and Uses.

Conclusão

Ferramentas como o coeficiente de Gini são impactantes porque oferecem uma síntese simples de uma distribuição complexa. Essa clareza ajuda a orientar formuladores de políticas e economistas em seus esforços para criar sociedades mais equitativas.

Se você quer conhecer mais ferramentas estatísticas, confira nossa ampla oferta de cursos de estatística. Se aprender mais sobre como o dinheiro move o mundo é mais a sua cara, explore a série Python for Finance da DataCamp ou a trilha Applied Finance para mergulhar em conceitos como risco de crédito, portfólios e muito mais. Também oferecemos capacitação para times inteiros de uma só vez, se você entrar em contato com o time da DataCamp for Business.