______________________________________________________Appendice B
99
APPENDICE B
STIMA DELLA VARIANZA DELLE MISURE DI DISUGUAGLIANZA
Caratteristica peculiare delle misure di disuguaglianza è la loro complessità. Vengono considerate funzioni non lineari, alcune di esse dipendono dalla quantità o dalla qualità delle osservazioni, ed i dati sul reddito, generalmente, derivano da indagini molto articolate. Conseguentemente la varianza di tali misure non può essere espressa mediante semplici formule (Binder e Kovacevic, 1997).
Un metodo usato per fornire una stima approssimata degli standard error si basa sulla teoria sviluppata da Binder (1991) e da Binder e Patak (1994) conosciuta come “Theory of Estimating Equations” (EE)
64.
Un metodo alternativo è stato invece suggerito da Woodruff (1971)
65. Tale approccio permette di effettuare i calcoli senza particolari difficoltà.
Supponiamo di avere un popolazione finita e che il campionamento sia a più stadi. Nel caso degli indici di Entropia Generalizzata e dell’indice di Atkinson, GE(a) e I
A(e), essi possono essere scritti come funzioni I = f ( ) T di popolazioni T = ( T
1,..., T
K) .
La popolazione T
k, k = 1,…, K, è data dalla somma di variabili t
hijkosservabili nei differenti stadi del progetto di campionamento, ad esempio T
k= ∑∑∑
= = = L
n N
i M
j hijk
H i
t
1 1
dove L indica il numero di strati, N
hil numero di gruppi in ciascun strato h ed M
iil numero di individui presente nel gruppo i.
Se il disegno campionario coinvolge più di uno stadio di raggruppamento è sufficiente considerare solamente il primo (vedi Cochran, 1977).
Sostituendo T in T, si avrà
Λ
=
ΛΛ
T f
I con
hijkL
n n
i m
j
K
w
hijkt
T
h i
∑∑∑
= = =Λ
=
1 1 1
dove n
hè il numero dei gruppi presenti nel campione al primo stadio e m
iil numero degli individui del gruppo i al momento del campionamento. Il peso campionario, attribuito a ciascun individuo hij, è dato da w
hij.
64 Vedi “Variance Estimation for Measures of Income Inequality and Polarization – The Estimating Equations Approach” di M. S. Kovacevic e D. A. Binder (1997), Journal of Official Statistics, pp 41-58.
65 Vedi “A Simple Method for Approximating the Variance of a Complicated Estimate” di Ralph S.
Woodruff (1971), Journal of the American Statistical Association 66, pp 411-414.
______________________________________________________Appendice B
100 Assumendo che la dimensione del campione sia tale da poter ammettere una approssimazione di Taylor di f ( ) o , la varianza dell’indice
ΛI può essere approssimata alla varianza del residuo di primo ordine
K( ( ) )
Kk
K
T
T T f
Λ
∑
=∂ ∂
1.
Woodruff (1971) osservò che tale varianza poteva essere facilmente determinata invertendo l’ordine della sommatoria nei residui, ovvero:
( )
( )
∂ ∂
≈
∑∑∑ ∑
= = = =
Λ L
n n
i m
j
K
k
hijk k hij
h i
t T T f w
I
1 1 1 1
var
var
= var S
Λ(1)
Si noti che S
Λha la stessa forma di T
ΛKcosicché il problema si riduce a stimare la varianza campionaria di uno stimatore del quale si conoscono le formule (vedi Cochran, 1977 o Deeton, 1997). Usando tali formule e sostituendo T nella derivata, la stima della
Λvarianza sarà:
∑ ∑ ∑∑
∑
= == =
= Λ Λ
− −
=
h ih i
n
i m
j h
n
i m
j
hij hij hij
hij L
n h
h
n s w s
n w I n
1
2
1
1 1
1
~
~
var 1 (2)
con ~ s
hij=
hijkK
k
K
t T T
∑ f
=
Λ
Λ
∂
∂
1