Làm thế nào để đo lường sự bất bình đẳng như “Kinh nghiệm khác biệt”

Một cách mới để đo lường sự bất bình đẳng tốt hơn cách chúng ta đã làm. Trong một bài báo đăng trên tờ Economics Letters, nhà kinh tế Samuel Bowles của Viện Santa Fe và Wendy Carlin của Đại học College London đã đề xuất một bước ngoặt mới về hệ số GINI được sử dụng rộng rãi – một biện pháp thống kê phù hợp để đo khoảng cách giữa các tầng lớp.

Trong một xã hội hoàn toàn bình đẳng, nơi mọi người đều giàu có như nhau, thì hệ số GINI=0. Ngược lại, một xã hội mà chỉ có duy nhất một người nắm giữ tất cả tài sản thì hệ số GINI=1. Sử dụng hệ số GINI, các quốc gia có thể được xếp hạng bất bình đẳng từ thấp đến cao.

Nhưng sự giàu có hoặc thu nhập của cá nhân không phải là toàn bộ bức tranh khi nói đến sự bất bình đẳng. Theo Bowles và Carlin, thuật toán tiêu chuẩn để tính các hệ số GINI tạo ra kết quả khá lạ, ví dụ khi một cá nhân sở hữu tất cả tài sản, hệ số GINI<1 là giá trị cần đạt được dưới bất đẳng thức tối đa. Để sửa chữa sai sót đó, họ cho thấy cần dựa trên mạng lưới tính đến các mối quan hệ giữa các cá nhân trong xã hội.

Bowles giải thích: “Một số khía cạnh theo đó bất bình đẳng được đo lường được hình thành tốt nhất dưới dạng các thuộc tính riêng lẻ, trong đó bạn chỉ đơn giản là có nhiều hơn hoặc ít hơn, tương tự như chiều cao”, “Nhưng các khía cạnh khác-giống như sự giàu có-được quan niệm tốt nhất là sự khác biệt giữa mọi người trong mối quan hệ của họ với người khác”.

Mạng lưới bên trái trong hình ảnh đại diện cho cách tiếp cận của Bowles và Carlin, trong đó các mũi tên kết nối các nút đại diện cho các tương tác kinh nghiệm xã hội. Theo thước đo của họ, đó là sự khác biệt về sự giàu có ở các cạnh này, chứ không phải sự giàu có của từng nút riêng lẻ, là cơ sở của sự bất bình đẳng có kinh nghiệm. Trong bài báo của họ, Bowles và Carlin cũng cho thấy hệ số GINI chính xác được tính từ ba điểm khác biệt liên quan đến ba cạnh trong hình và mức độ giàu có trung bình. Ví dụ: Giả sử cá nhân A có khối tài sản là 10, B là 4 và C là 3. Sau đó, hệ số GINI được đo chính xác dựa trên sự khác biệt dọc theo ba cạnh trong hình bên trái là 0,41.

Thuật toán tiêu chuẩn được minh họa trên sơ đồ bên phải trong ảnh đếm sự khác biệt giữa người nói A và B hai lần (hai mũi tên một đầu); nhưng một lỗi trong thuật toán phát sinh bởi vì nó cũng tính “sự khác biệt” giữa sự giàu có của một cá nhân và sự giàu có của chính người ấy (mũi tên cong), luôn luôn = 0. Kết quả là, thuật toán tiêu chuẩn nhấn mạnh mức độ bất bình đẳng, mang lại hệ số GINI là 0,27 cho cùng một dữ liệu như trên.

Lỗi chỉ trở nên đáng chú ý khi xem xét với các tổng thể nhỏ, như các nhà khảo cổ học và nhà sinh học thường làm. Trong trường hợp của Carlin, một nhóm học sinh trong lớp 101 đã nhận ra lỗi của Carlin khi họ áp dụng thuật toán trực tuyến tiêu chuẩn để tính hệ số GINI cho một vấn đề[1].

Bowles và Carlin cũng sử dụng sự khác biệt trong cấu trúc mạng để xem xét trải nghiệm về sự bất bình đẳng. Thay vào đó, nếu 3 cá nhân trong mạng ở hình bên trái được sắp xếp lại thành một hàng, với người giàu nhất ở giữa – đại diện cho chủ đất và hai người làm thuê 2 bên, thì không có sự thay đổi về sự giàu có của 3 người, sự bất bình đẳng dọc theo các cạnh nối ba sẽ tăng từ 0,41 đến 0,57.

Bowles và Carlin minh họa phương pháp của họ bằng cách sử dụng dữ liệu mạng xã hội để ước tính sự bất bình đẳng có kinh nghiệm trong một cộng đồng nông dân ở Nicaragua.

“Sửa chữa sai lệch số lượng nhỏ không phải là đóng góp chính của nghiên cứu”, Carlin nói. “Đó là chúng tôi đã cung cấp một cách hiểu về sự bất bình đẳng phù hợp với trực giác của chúng tôi về cách chúng tôi trải nghiệm sự chênh lệch kinh tế, đó là bằng cách so sánh cặp đôi của cải hoặc thu nhập của chính mình với người khác”.

Lan Phương (dịch)

Nguồn: https://phys.org/news/2019-11-inequality-experienced-difference.html


[1] Thuật toán họ tìm thấy trực tuyến từ Wolfram đã trả lời các câu trả lời khác nhau cho các ví dụ với một số lượng nhỏ các cá nhân từ những người được tìm thấy bằng cách áp dụng định nghĩa biểu thị sơ đồ mạng ở hình bên trái.

Comments (0)
Add Comment