这里介绍如何从一组数据计算基尼系数，绘制基尼曲线，从而判断数据分布差异程度。

基尼指数通常是经济学领域判断贫富不均的情况的一个常用指标，但事实上它也可以用于其它很多方面1 2 3。

如上图所示，先给定一组正态分布的数据。虽然我们可以计算其变异系数，但是变异系数只有一个数字，没有图。而基尼系数还有图，这样咱不是可以一份数据绘制两个图来丰富一下，使得对数据的分析和展示更加充分么？

有了一组数据之后，需要从小到大对数据进行排序，排序索引作为横坐标（cumulative share of index of values from lowest to highest, 要进行归一化，使得 x轴范围是 0-1），而纵坐标就是对排序后的数据依次进行累加 (cumulative share of values，也要进行归一化)，然后就得到了上图右侧所示的Gini曲线（或称洛伦兹曲线）。注意基尼曲线图还会加一条虚线，这条虚线表示绝对均匀的情况。显然，Gini曲线越偏离这条虚线，那么说明数据分布越不均匀。而基尼指数，就是虚线和Gini曲线之间的面积，比上1/2。而均匀指数 Homogeneity = 1 -Gini。

具体代码如下：

该部分仅登录用户可见

  1. Reducing Carbon Footprint Inequality of Household Consumption in Rural Areas: Analysis from Five Representative Provinces in China, Environmental Science & Technology, 2021. https://doi.org/10.1021/acs.est.1c01374 ↩
  2. Objective homogeneity quantification of a periodic surface using the Gini coefficient, Scientific Reports, 2020. https://doi.org/10.1038/s41598-020-70758-9 ↩
  3. A simple method for measuring inequality, Palgrave Communications, 2020. https://doi.org/10.1057/s41599-020-0484-6 ↩
最后修改：2024 年 12 月 01 日
© 允许规范转载
请大力赞赏以支持本站持续运行！