Tìm hiểu Hệ số Gini: Thước đo bất bình đẳng

Bất bình đẳng thu nhập từ lâu đã là chủ đề được bàn luận trong các thảo luận kinh tế và xã hội. Chênh lệch trong phân phối thu nhập ảnh hưởng đến mọi thứ, từ quyết định chính sách đến phúc lợi cá nhân. Nhưng bạn đã bao giờ tự hỏi chúng ta thực sự đo lường bất bình đẳng một cách thực nghiệm như thế nào chưa? Một cách là sử dụng hệ số Gini.

Hệ số Gini là một chỉ số mạnh mẽ để định lượng bất bình đẳng. Nó được sử dụng rộng rãi trong nhiều ngành, bao gồm kinh tế học, xã hội học và y tế. Chủ yếu được dùng để đo bất bình đẳng thu nhập, nhưng đã được điều chỉnh để đo lường những thứ như phân phối tài sản và thậm chí cả khả năng tiếp cận dịch vụ chăm sóc sức khỏe. Điểm mạnh của hệ số Gini là tóm lược các bộ dữ liệu phức tạp thành một con số duy nhất. Giá trị duy nhất này cung cấp một lăng kính rõ ràng để so sánh mức độ bất bình đẳng. Nếu bạn muốn ôn lại thống kê trước khi bắt đầu, hãy xem Suy luận thống kê bằng R.

Hệ số Gini là gì?

Hệ số Gini là một thước đo thống kê dùng để đánh giá bất bình đẳng trong một bộ dữ liệu. Nó dao động từ 0, biểu thị bình đẳng hoàn hảo, đến 1, biểu thị bất bình đẳng hoàn hảo. Gini bằng 0 nghĩa là mọi người đều có phần bằng nhau, trong khi 1 nghĩa là một người sở hữu tất cả.

Trên đây là ví dụ đơn giản hóa về các hệ số Gini khác nhau. Trong mỗi kịch bản, có 10 người và 10.000 đô la. Ở ví dụ đầu tiên, tiền được phân phối hoàn toàn đồng đều, dẫn đến hệ số Gini gần 0. Ở ví dụ thứ hai, về cơ bản có hai tầng lớp, với tầng lớp trên giữ phần lớn tiền. Điều này dẫn đến hệ số Gini gần 0,5. Ở ví dụ thứ ba, một cá nhân sở hữu toàn bộ số tiền trong khi phần còn lại của dân số không có gì. Ví dụ cực đoan về bất bình đẳng này dẫn đến hệ số Gini gần 1.

Tính linh hoạt của hệ số Gini khiến nó phù hợp với nhiều bối cảnh. Thường thì khi hệ số Gini được báo cáo, nó đề cập đến bất bình đẳng thu nhập. Tuy nhiên, nó đã được điều chỉnh để đo phân phối tài sản, bất bình đẳng trong tiêu dùng và thậm chí chênh lệch về diện tích nhà ở.

Bối cảnh lịch sử và tầm quan trọng hiện nay

Hệ số Gini được giới thiệu vào năm 1912 bởi nhà thống kê người Ý Corrado Gini trong công trình kinh điển của ông về đo lường biến thiên. Bạn có thể đọc thêm về ông trong Corrado Gini (1884–1965): Người khai mở đa năng về các thước đo biến thiên.

Qua nhiều năm, hệ số Gini đã phát triển, mở rộng ứng dụng sang các lĩnh vực như sinh thái học, khoa học sức khỏe và giáo dục. Ví dụ, nó được dùng để đo bất bình đẳng trong đa dạng sinh học, khả năng tiếp cận dịch vụ y tế, và thành tích giáo dục. Dẫu vậy, việc sử dụng chủ đạo vẫn nằm trong bối cảnh kinh tế, đặc biệt liên quan đến bất bình đẳng thu nhập. Nó là công cụ quan trọng cho các nhà nghiên cứu, nhà hoạch định chính sách và nhà phân tích trên toàn thế giới.

Bằng cách cung cấp một thước đo định lượng về bất bình đẳng, hệ số Gini giúp chính phủ và các tổ chức đưa ra quyết định sáng suốt về phân bổ nguồn lực, chính sách thuế và các chương trình phúc lợi xã hội. Sự đơn giản và rõ ràng của nó cho phép so sánh dễ dàng giữa các vùng và theo thời gian.

Biểu đồ trên cho thấy các hệ số Gini đã biết theo thời gian đối với một số quốc gia lớn. Dữ liệu cho biểu đồ này đến từ Ngân hàng Thế giới. Các khoảng trống trên biểu đồ phản ánh khoảng trống dữ liệu, những năm mà Ngân hàng Thế giới không có đủ dữ liệu kinh tế.

Cách tính Hệ số Gini

Hệ số Gini có thể được tính theo nhiều cách khác nhau, nhưng có hai phương pháp chính, cả hai đều liên quan đến việc so sánh phân phối thực tế của một nguồn lực, chẳng hạn như thu nhập, với một phân phối hoàn toàn bình đẳng.

Công thức dựa trên đường cong Lorenz

Phương trình liên tục cho hệ số Gini có thể được viết như sau:

Trong đó:

• L(x) là đường cong Lorenz, biểu diễn phần tích lũy của biến (ví dụ, thu nhập) như một hàm của phần tích lũy dân số.
• Tích phân tính diện tích dưới đường cong Lorenz.

Đường cong Lorenz cho thấy tỷ lệ tích lũy của biến so với tỷ lệ tích lũy của dân số. Hệ số Gini đo mức độ xa của đường cong Lorenz so với đường bình đẳng hoàn hảo (là đường chéo 45 độ).

Sử dụng công thức dựa trên đường cong Lorenz

Việc dùng công thức này để tính hệ số Gini khá trực quan. Hãy cùng đi qua từng bước với một ví dụ.

Giả sử chúng ta có một quần thể gồm năm cá nhân với thu nhập là $10, $20, $30, $40 và $50.

Bước 1: Tổ chức dữ liệu

Bắt đầu bằng cách sắp xếp thu nhập theo thứ tự tăng dần. Sau đó, tính phần trăm tích lũy cho cả dân số và các giá trị tương ứng của họ.

Bước 2: Tính tổng tích lũy

Tiếp theo, chúng ta cần tính phần chia thu nhập tích lũy cho dân số. Các giá trị này sẽ giúp chúng ta vẽ đường cong Lorenz ở bước sau.

Dưới đây là cách dữ liệu đã sắp xếp trông như thế nào cho quần thể của chúng ta ở thời điểm này.

Bước 3: Vẽ đường cong Lorenz

Tiếp theo, chúng ta cần biểu diễn đồ thị phần chia thu nhập tích lũy so với phần chia dân số tích lũy. Đây được gọi là đường cong Lorenz. Chúng ta sẽ thêm một đường 45 độ để biểu diễn bình đẳng hoàn hảo.

Biểu đồ trên minh họa đường cong Lorenz cho một bộ dữ liệu mẫu. Đường chấm biểu diễn đường bình đẳng, và vùng được tô giữa đường cong Lorenz và đường bình đẳng tương ứng với hệ số Gini. Lưu ý các góc nhọn trên đường cong Lorenz. Điều này là do kích thước quần thể nhỏ trong ví dụ của chúng ta. Quần thể lớn hơn sẽ cho đường cong Lorenz mượt hơn.

Bước 4: Tính diện tích giữa đường cong Lorenz và Đường bình đẳng

Cuối cùng, chúng ta sử dụng đồ thị này để tính hệ số Gini. Hệ số Gini tỷ lệ với diện tích giữa đường cong Lorenz và Đường bình đẳng. Thông thường, điều này được tính trong vài bước.

Trước hết, chúng ta tính diện tích dưới đường cong Lorenz bằng các phương pháp tích phân số, như quy tắc hình thang. Khi đã có giá trị đó, ta trừ nó khỏi diện tích dưới Đường bình đẳng, vốn luôn bằng 0,5 đối với dữ liệu đã chuẩn hóa. Cuối cùng, nhân kết quả với 2 để phản ánh đầy đủ mức độ bất bình đẳng.

Với ví dụ của chúng ta, hệ số Gini là 0,27.

Phương pháp khoảng cách thu nhập theo cặp

Khi làm việc với quần thể nhỏ hoặc bộ dữ liệu rời rạc, phương pháp khoảng cách thu nhập theo cặp là cách tốt hơn để tính hệ số Gini. Cách tiếp cận này tránh nội suy vốn có trong phương pháp dùng đường cong Lorenz và đo trực tiếp bất bình đẳng bằng cách so sánh mọi khác biệt theo cặp trong dữ liệu.

Đây là công thức, đôi khi gọi là phương pháp khoảng cách thu nhập theo cặp:

Trong đó:

• n là số quan sát.
• xi và xj là các giá trị cá nhân trong bộ dữ liệu.
• x là giá trị trung bình của bộ dữ liệu.

Công thức này tính chênh lệch trung bình tương đối bằng cách so sánh tất cả các cặp giá trị trong bộ dữ liệu.

Phiên bản này tính trực tiếp hệ số Gini từ dữ liệu mà không cần vẽ đồ thị. Nó xem xét tất cả các khác biệt theo cặp có thể có giữa các giá trị và so sánh chúng với giá trị trung bình.

Sử dụng phương pháp khoảng cách theo cặp

Hãy đi qua các bước với quần thể ví dụ của chúng ta: năm cá nhân có thu nhập $10, $20, $30, $40 và $50.

Bước 1: Tổ chức dữ liệu

Bắt đầu với bộ dữ liệu thu nhập đã sắp xếp.

Bước 2: Tính các khác biệt theo cặp

Với mỗi cặp giá trị xi và xj, hãy tính giá trị tuyệt đối của chênh lệch giữa hai giá trị xi-xj.

Bước 3: Cộng các khác biệt

Cộng tất cả các giá trị tuyệt đối của chênh lệch giữa mọi cặp giá trị. Với dữ liệu ví dụ của chúng ta, tổng các chênh lệch là 400

Bước 4: Chuẩn hóa kết quả

Cuối cùng, chúng ta cần chia tổng tất cả khác biệt theo cặp cho 2n2x, trong đó n là số điểm dữ liệu và x là giá trị trung bình của bộ dữ liệu. Bước này sẽ cho chúng ta hệ số Gini cuối cùng.

Số điểm dữ liệu (n) = 5

Giá trị trung bình của bộ dữ liệu (x)= 10 + 20 + 30 + 40 + 505=30 

Chuẩn hóa tổng các khác biệt theo cặp:

Hệ số Gini cho bộ dữ liệu ví dụ trên xấp xỉ 0,27.

Hãy thử sức bạn với việc đo lường bất bình đẳng về phát thải carbon hoặc trong phân tích bóng rổ qua các dự án này.

Diễn giải các giá trị Hệ số Gini

Hệ số Gini hầu như luôn đề cập đến bất bình đẳng thu nhập, trừ khi có nêu rõ khác đi. Giá trị của nó dao động từ 0 đến 1, trong đó 0 biểu thị bình đẳng hoàn hảo (mọi người có thu nhập giống hệt nhau) và 1 biểu thị bất bình đẳng hoàn hảo, với một cá nhân nắm toàn bộ thu nhập còn những người khác không có gì. Các giá trị giữa hai cực này cung cấp hiểu biết về mức độ chênh lệch thu nhập trong một quần thể.

Lưu ý: Một số nguồn nhân giá trị này với 100 để cho phạm vi hệ số Gini từ 0–100.

Hệ số Gini thấp cho thấy phân phối thu nhập tương đối đồng đều, thường gắn với các quốc gia triển khai chính sách phân phối lại mạnh. Ngược lại, hệ số Gini cao phản ánh chênh lệch thu nhập đáng kể, có thể dẫn đến những thách thức như bất ổn xã hội hoặc giảm cơ hội dịch chuyển kinh tế.

Tuy nhiên, cách diễn giải các giá trị này phụ thuộc vào bối cảnh. Ở các quốc gia phát triển, Gini cao có thể phản ánh bất bình đẳng gia tăng do bảo vệ lao động suy yếu, chính sách thuế ưu ái người giàu, hoặc khoảng cách lương trong các ngành tăng trưởng nhanh. Ngược lại, Gini thấp có thể cho thấy những chương trình phúc lợi mạnh như chăm sóc sức khỏe toàn dân, giáo dục giá rẻ, hoặc thuế lũy tiến giúp giảm chênh lệch.

Ở các quốc gia đang phát triển, Gini cao có thể làm nổi bật chênh lệch do sở hữu đất đai tập trung, hạn chế tiếp cận giáo dục, hoặc thị trường lao động phi chính thức, thiếu điều tiết. Ngược lại, Gini thấp có thể cho thấy tiến bộ nhờ các chính sách công bằng, như cải thiện tiếp cận giáo dục, nỗ lực giảm nghèo, hoặc cải cách nông nghiệp.

Ứng dụng của Hệ số Gini

Hệ số Gini được sử dụng bởi các nhà kinh tế, chính phủ và nhà xã hội học, cùng nhiều đối tượng khác. Ứng dụng bao gồm:

• Hoạch định chính sách: Chính phủ sử dụng nó để định hướng các chính sách như thuế lũy tiến và chương trình phúc lợi xã hội nhằm giảm bất bình đẳng.
• So sánh khu vực: Nó giúp việc so sánh quốc tế về bất bình đẳng trở nên dễ dàng.
• Đo lường bất bình đẳng thu nhập hoặc tiêu dùng: Nó giúp đánh giá cả bất bình đẳng thu nhập và tiêu dùng, làm nổi bật chênh lệch trong và giữa các quốc gia.
• Nghiên cứu các yếu tố xã hội: Bên ngoài kinh tế học, hệ số Gini được dùng để gián tiếp nghiên cứu các yếu tố xã hội như giáo dục, tội phạm và y tế.

Xu hướng địa lý của Hệ số Gini

Các quốc gia Scandinavia nổi tiếng với giá trị Gini thấp (<0,30) nhờ các chương trình xã hội mạnh và chính sách phân phối lại. Hoa Kỳ, Trung Quốc và Nga đều có giá trị Gini ở mức trung bình (từ 0,35 đến 0,41) với chênh lệch đáng kể giữa thu nhập và tài sản. Nam Phi đáng chú ý với giá trị Gini cao (~0,63), cho thấy bất bình đẳng thu nhập đáng kể do các yếu tố lịch sử và cơ cấu. 

Bạn có thể thử nghiệm với dữ liệu kinh tế trong DataLab của DataCamp. Chỉ cần tải lên dữ liệu bạn quan tâm và bắt đầu khám phá!

Trên đây là biểu đồ các ước tính gần nhất về Hệ số Gini theo Ngân hàng Thế giới cho một số quốc gia đáng chú ý. Bạn có thể tự mình thử nghiệm dữ liệu tại World Bank.

Xu hướng theo thời gian

Toàn cầu hóa và tiến bộ công nghệ đã định hình xu hướng Gini trên toàn cầu. Các nền kinh tế mới nổi thường trải qua bất bình đẳng gia tăng khi công nghiệp hóa nhanh khiến của cải tập trung vào một số lĩnh vực. Ngược lại, các quốc gia phát triển có xu hướng cho thấy Gini sau thuế thấp hơn, phản ánh tác động của chính sách thuế phân phối lại và hệ thống phúc lợi xã hội vững mạnh.

Ngân hàng Thế giới theo dõi hệ số Gini cho các quốc gia trên toàn thế giới. Biểu đồ trên của họ cho thấy tỷ lệ các quốc gia có hệ số Gini thấp và cao đã thay đổi như thế nào trong hai thập kỷ qua. Họ định nghĩa bất bình đẳng cao là có hệ số Gini lớn hơn 40. Nguồn hình: Bên trong chỉ báo bất bình đẳng mới của Ngân hàng Thế giới: Số lượng quốc gia có mức bất bình đẳng cao.

Vai trò của chính sách

Chính sách là yếu tố quyết định quan trọng đối với hệ số Gini của một quốc gia. Các nước có hệ thống phúc lợi mạnh mẽ, như chăm sóc sức khỏe toàn dân, giáo dục miễn phí hoặc trợ cấp, và trợ cấp thất nghiệp, thường báo cáo giá trị Gini thấp hơn. Những chương trình này giúp phân phối lại nguồn lực, thu hẹp khoảng cách giữa nhóm thu nhập cao và thấp. Xem bài nghiên cứu này: Loại hình phúc lợi và bất bình đẳng thu nhập: phân rã theo nguồn thu nhập bao gồm quyền lợi hiện vật và chuyển giao tiền mặt.

Chính sách thuế cũng đóng vai trò quan trọng. Hệ thống thuế lũy tiến, trong đó người có thu nhập cao trả tỷ lệ phần trăm thuế lớn hơn, đặc biệt hiệu quả trong việc giảm bất bình đẳng. Ngược lại, cấu trúc thuế lũy thoái hoặc thực thi thuế không đầy đủ có thể làm trầm trọng thêm chênh lệch. Bạn có thể đọc về cách chính sách thuế lũy tiến giảm bất bình đẳng ở Mỹ trong tài liệu của Bộ Ngân khố Hoa Kỳ: Giảm bất bình đẳng thu nhập thông qua chính sách thuế lũy tiến: Tác động của các thay đổi thuế gần đây đối với bất bình đẳng.

Các chính sách thúc đẩy tiếp cận công bằng với cơ hội, như bảo vệ lao động, luật lương tối thiểu và sáng kiến nhà ở giá cả phải chăng, có thể làm giảm giá trị Gini theo thời gian. Nếu thiếu các can thiệp này, bất bình đẳng cơ cấu thường kéo dài, đặc biệt ở những nơi có quản trị yếu hoặc chương trình xã hội kém phát triển. Xem thảo luận về việc công đoàn có giúp giảm chênh lệch hay không.

Hạn chế và phê bình

Hệ số Gini, dù được sử dụng rộng rãi, có một số hạn chế cần cân nhắc khi diễn giải kết quả.

Một hạn chế chính là độ nhạy với chất lượng dữ liệu. Bộ dữ liệu không nhất quán hoặc không đầy đủ có thể dẫn đến kết luận sai lệch, đặc biệt ở những khu vực có nền kinh tế phi chính thức hoặc thu nhập không được ghi nhận. Điều này có thể làm lệch giá trị Gini và ảnh hưởng đến các quyết định chính sách dựa trên dữ liệu đó. Để xử lý một số sai lệch này, các tổ chức như Ngân hàng Thế giới dùng tiêu dùng làm đại diện cho thu nhập khi dữ liệu thu nhập không đủ. Tuy nhiên, ngay cả những điều chỉnh như vậy cũng có hạn chế.

Ngoài ra, hệ số Gini như thường được trình bày chỉ tập trung vào bất bình đẳng thu nhập. Điều này có nghĩa là nó không phản ánh các khía cạnh quan trọng khác của bất bình đẳng như tiếp cận giáo dục, y tế, hay khả năng dịch chuyển xã hội. Sự tập trung hẹp này có thể đơn giản hóa quá mức bức tranh tổng thể về bất bình đẳng xã hội. Bạn có thể sử dụng hệ số Gini để đo các dạng bất bình đẳng khác, nhưng phần lớn thời gian không phải như vậy.

Nguy hiểm ở chỗ, hệ số Gini có thể tạo ra các giá trị giống hệt nhau từ những phân phối thu nhập khác nhau, che mờ các biến thiên quan trọng trong bất bình đẳng. Hai xã hội có cùng giá trị Gini có thể có cấu trúc thu nhập rất khác nhau.

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)Được hỗ trợ bởi

Gini coefficient for distribution 1: 0.83Gini coefficient for distribution 2: 0.83Được hỗ trợ bởi

Trong ví dụ trên, hai quần thể, một có tầng lớp trung lưu và một không có, lại có cùng hệ số Gini. Điều này cho thấy một lý do vì sao cần diễn giải hệ số Gini trong bối cảnh: nó không cho thấy phân phối nền tảng.

Hãy nhớ, hệ số Gini chỉ là một con số cô đọng rất nhiều thông tin nền. Vì vậy, hãy cẩn trọng khi đưa ra giả định chỉ dựa vào hệ số Gini.

Các biện pháp thay thế và bổ trợ

Hệ số Gini không phải là thước đo duy nhất về bất bình đẳng. Bạn có thể xem danh sách các thước đo bất bình đẳng được chính phủ Hoa Kỳ sử dụng tại trang web điều tra dân số Hoa Kỳ.

Hãy cùng khám phá một vài chỉ số khác cung cấp các góc nhìn bổ sung.

Chỉ số Theil

Chỉ số Theil là công cụ mạnh để tách bất bình đẳng thành chênh lệch trong nhóm và giữa các nhóm. Điều này cho phép phân tích chi tiết hơn về bất bình đẳng, đặc biệt khi so sánh các khu vực, lĩnh vực hoặc nhóm nhân khẩu khác nhau. Nó có thể làm nổi bật chênh lệch trong một quần thể và cho thấy bất bình đẳng thay đổi thế nào khi xem xét các nhóm khác nhau. Điều này khiến nó có giá trị đối với phân tích chính sách và xác định khu vực cần can thiệp trọng điểm.

Chỉ số Atkinson

Chỉ số Atkinson nổi bật vì tập trung vào phần đáy của phân phối thu nhập. Không giống hệ số Gini, chỉ số Atkinson đặt trọng số lớn hơn cho những thay đổi trong thu nhập của nhóm nghèo nhất. Điều này làm nó đặc biệt hữu ích để xác định vị trí của bất bình đẳng trong phân phối. Chỉ số Atkinson được dùng để đánh giá tác động của các chính sách nhằm giảm nghèo hoặc cải thiện phúc lợi cho các nhóm thiệt thòi nhất.

Đường cong Lorenz

Đường cong Lorenz được dùng như một phần của phép tính hệ số Gini. Nhưng bản thân nó cũng là một chỉ số hữu ích.

Được Max Lorenz phát triển năm 1905, đường cong Lorenz cung cấp biểu diễn trực quan của phân phối thu nhập. Nó thể hiện phần tích lũy thu nhập do các phần trăm dân số khác nhau nắm giữ. Trong khi hệ số Gini cô đọng bất bình đẳng thành một con số, đường cong Lorenz mang đến cái nhìn chi tiết hơn về cách thu nhập được phân phối trong một quần thể. Tôi thấy cuộc thảo luận này về đường cong Lorenz và hệ số Gini rất thú vị: Đường cong Lorenz: Định nghĩa và Ứng dụng.

Kết luận

Những công cụ như hệ số Gini có tác động lớn bởi chúng mang lại sự cô đọng đơn giản cho một phân phối phức tạp. Sự rõ ràng này giúp định hướng cho các nhà hoạch định chính sách và nhà kinh tế trong nỗ lực xây dựng xã hội công bằng hơn.

Nếu bạn quan tâm khám phá thêm các công cụ thống kê, hãy xem danh mục khóa học thống kê đa dạng của chúng tôi. Nếu việc tìm hiểu sâu hơn về tiền tệ vận hành thế giới phù hợp với bạn hơn, hãy xem chuỗi Python cho Tài chính của DataCamp hoặc lộ trình Tài chính Ứng dụng để khám phá các khái niệm về rủi ro tín dụng, danh mục đầu tư và hơn thế nữa. Chúng tôi cũng cung cấp chương trình nâng cao kỹ năng cho cả đội ngũ cùng lúc nếu bạn liên hệ với đội ngũ DataCamp for Business.