Dagum基尼系数分解

这个方法是做什么的

Dagum 基尼系数分解回答“总体差异有多大、主要来自哪里”。它先算出全部观测的总体基尼系数 G，再把 G 精确拆成三部分：组内差异 G_w（各组内部的离散）、组间净差异 G_nb（各组均值差距造成的差异）与超变密度 G_t（不同组分布相互交叉重叠的部分，例如低均值组里的高值省份高于高均值组里的低值省份）。三部分之和严格等于 G，第四张卡把这个恒等式的残差打出来供核验。

报告还给出各组自己的组内基尼 G_jj、两两组之间的组间基尼 G_jh，以及衡量两组分布分离程度的相对经济富裕程度 D_jh。放入时期变量后，每一期都单独分解一次，第三张卡用堆叠柱展示三部分随时间的变化，用折线展示各组组内基尼的走势。第四张卡用组内分层自助法给出各项的 95% 置信区间，重抽样次数可以在控件里调整，随机种子固定，结果可以复现。

需要准备什么数据

放入[定量]分析变量：1 个，定量变量（数值）
放入[定类]分组变量：1 个，定类变量（分组/标签）
放入时期变量（可选）：0~1 个

数据要求

数据表至少 6 行。
单列缺失率不超过 20%。
「放入[定类]分组变量」的类别数需在 2~30 之间。

以上条目由系统从该方法的校验规则直接生成，与上传数据时的实际拦截规则一致。

什么时候用它

区域经济研究：按东部、中部、西部分组，逐年分析各省人均 GDP 差异的来源
公共服务均等化：医疗、教育资源在城乡或地区之间的差距及其演变
产业或企业层面：不同行业、不同所有制之间的工资、效率差距分解
已经用「基尼系数与洛伦兹曲线」算出总体差距，想进一步知道差距的结构

分析变量必须是非负的定量变量，每一期的总量必须为正；分组变量至少 2 组，建议每组每期至少有 2 个观测，否则该组的组内基尼按定义为 0。时期变量可选，各期的分组构成可以不同，某期缺少某个组时该期只在出现的组之间分解，第一张卡会登记。

什么时候不要用它

只想要一个总体差距指标并画洛伦兹曲线：用「基尼系数与洛伦兹曲线」。
需要组内与组间两部分严格可加、且没有交叉项的分解：用「泰尔指数(Theil)」。
研究的是两个系统之间的协调程度而不是差距：用「耦合协调度」。
想检验差距是否随时间收敛：先在本模块得到各期 G，再用「面板模型」做收敛回归。

容易误读的地方

组间净差异大，不代表组内差异可以忽略。 演示数据 2016 年 G_nb 贡献 54.98%，到 2023 年降到 46.82%，同期组内差异的贡献从 28.43% 升到 30.42%、超变密度从 16.59% 升到 22.76%。总体 G 只从 0.2134 降到 0.1995，看起来变化不大，结构却明显转向“组内与交叉重叠”，这才是值得写进结论的部分。
超变密度不是误差项。 G_t 衡量的是不同组分布的交叉：演示数据中中部与西部的 D_jh 只有 0.11 到 0.36，说明两组省份大量交叉，因此两组之间的差距更多体现为超变密度而不是组间净差异。把 G_t 称为“残差”或“无法解释的部分”是常见误读。
自助法区间偏低是基尼系数的已知性质。 演示数据 2016 年 G_w 的点估计为 0.0607，95% 区间却是 [0.0359, 0.0711]，点估计靠近上端。有放回抽样会产生重复观测，而重复值之间的差为 0，使重抽样的基尼系数系统偏低，表注已说明这一点。比较两期时应看区间是否明显分离，而不是看点估计是否落在区间正中。
组的排列顺序影响矩阵的读法，不影响分解结果。 报告按全样本均值从低到高排列各组，组间矩阵的每一格写作“高均值组—低均值组”；D_jh 在每一期内部按当期均值重新判断谁更富裕，所以即使某年两组的高低发生互换，D_jh 仍在 0 到 1 之间。
用省级人均值算出的基尼系数刻画的是省份之间的差距，不是居民之间的差距。 模块把每一行当作一个等权的观测，不按人口加权：演示数据是 30 个省份的人均地区生产总值，人口多的省份与人口少的省份分量相同。如果研究问题是居民收入差距，应使用个体或住户层面的数据，否则结论只能写成“省际差异”。

报告里有什么

输出结果一：数据概览与前提检验
输出结果二：总体基尼系数及其分解
输出结果三：分解结构与组内基尼走势
输出结果四：自助法置信区间与分解恒等式核验
输出结果五：结论与学术表述