Többváltozós-többdimenziós egyenlõtlenség és a szegénység

Átírás

1 Tanulmányok Többváltozós-többdimenziós egyenlõtlenség és a szegénység Hajdu Ottó, a Budapesti Corvinus Egyetem tanszékvezető egyetemi doense hajduotto@uni-orvinus.hu A tanulmány élja egy új, terminológiánk szerint GVIP (generalized variane inequality and poverty) többváltozós módszer definiálása az egyenlőtlenség többdimenziós mérésében, majd szegmentált társadalomra megadni annak külső-belső soportközi felbontását, és az elvet a szegénység mérésében is alkalmazni. A módszer a szóródás többváltozós, általánosított variania mértékén alapul. A soportközi dekompozíió a Wilks lambda hányadost alkalmazza, lehetővé téve a numerikus számítások standard statisztikai programmal történő kalkulálását. A GVIP elv a szerző által definiált új mátrix, nevezetesen a Theil-kovarianiamátrix determinánsára épül, amit a tanulmány általánosított Theil-varianiaként nevez el. A szegénység mérésében transzformált eloszlásokra alkalmazva a GVIP mint szegénységi mérték adódik. A GVIP figyelembe veszi a dimenziók korreláiós rendszerét és aszimmetrikus eloszlását, és egydimenziós esetben is többváltozós tehnikát alkalmaz, kihasználva annak előnyeit. TÁRGYSZÓ: Általánosított entrópia és variania. Többdimenziós egyenlőtlenség és szegénység. Diszkriminania analízis, Wilks lambda.

2 790 Hajdu Ottó A tanulmány gazdasági-társadalmi jelenségek (dimenziók) egyenlőtlenségét vizsgálja, amit szóródásként értelmez és ennek megfelelően méri azt. Célunk több dimenzió tekintetében egyidejűleg és kompozit módon mérni az egyenlőtlenség fokát, figyelembe véve a dimenziók korreláiós kapsolatait és aszimmetrikus eloszlását, majd szegmentált társadalomra megadni az egyenlőtlenség külső-belső arányát, végül pedig rangsorolni a soporthatásokat a belső egyenlőtlenséghez való százalékos hozzájárulásuk alapján. A módszertani mondandó bemutatása, tárgyalása érdekében illusztratív éllal a tanulmány a jövedelem, fogyasztás, vagyoni helyzet dimenziókört alkalmazza. A ikk egy új egyenlőtlenségi módszertant vezet tehát be, mely más területeken, például a szegénység mérésében (mint jelen tanulmányban is), tovább alkalmazható. A javasolt módszertan az egydimenziós, általánosított entrópia mértékből indul ki, mely vagy sak a jövedelem, vagy sak a fogyasztás, vagy sak a vagyon esetére, esetleg ezek valamely egydimenziós kombináiójára vonatkozik. Az entrópia azonban statisztikai értelemben egydimenziós esetben is kétváltozós számítás, mert formulája (például a jövedelem esetén) igényli magát a jövedelmet és a jövedelem logaritmusát is. Ebben a megközelítésben a jövedelem egy latens dimenzió, melynek két manifeszt változója valamely konkrét jövedelmi tétel és annak logaritmusa. Az entrópia jellegű logaritmus-megalapozás figyelembe veszi a vizsgált eloszlás (jövedelem) aszimmetrikus voltát, közelebb hozva a szimmetrikus (normális) eloszlás esetét, lehetővé téve így statisztikai tesztek alkalmazását is. Különbséget teszünk tehát dimenziószám és változószám között: ha a vizsgált dimenziók száma p, az alkalmazott változószám p. Ezért az egydimenziós vizsgálat is értelemszerűen kétváltozós. A tanulmány új eredményként a dimenziókból és a logaritmusaikból képezi a Theil-féle kovarianiamátrixot, melynek determinánsa adja a Theil-variania egyenlőtlenségi mértéket. A Theil-mátrix rendje (p, p), és elemeinek jelentését nevezetes (elsősorban informáióelméleti alapú) egyenlőtlenségi mértékek adják. A Theilvariania figyelembe veszi mind a dimenziók, mind a változók korreláiós kapsolatait az egyenlőtlenség fokában. Analógiaként hozva az euklideszi vs. Mahalanobistávolságot, míg az előbbi korrelálatlan, addig az utóbbi korrelált koordinátatengelyeket feltételez. Jelen ikk ebben az értelemben a Mahalanobis-jellegű egyenlőtlenségi mértékek irányában lép tovább. A társadalom soportosítása esetén alapvetően gazdasági-társadalmi jellegű soportosításra gondolva (például település, régió, háztartástípus, szegény volt) a kovarianiamátrix külső és belső komponensek összegére bontható, ahol a totális általánosított Theil-variania mértékében a belső egyenlőtlenség arányát a Wilks lambda jellemzi. Így a Wilks hányados lehetővé teszi az alkalmazott soportosítás

3 Többváltozós-többdimenziós egyenlõtlenség és a szegénység 791 százalékos hozzájárulásának az elemzését az egyenlőtlenség forrása tekintetében. Transzformált adatokra alkalmazva, az általánosított variania mint általánosított szegénységi mérték is értelmezhető. Egyféle megfelelő transzformáió a enzorálás, ahol a szegénységi küszöb feletti értékeket a küszöb szintje helyettesíti. Ezáltal a szegénységi mérték érzéketlen a küszöb fölötti átrendeződésekre. A ikk felépítése a következő. Az 1. fejezet röviden áttekinti az entrópia fogalmát, majd definiálja a Theil-kovariania C T mértéket, és megadja kapsolatát a nevezetes Theil-féle T 1 és T entrópia alapú indexekkel. 1 A. fejezet definiálja a Theilmátrixot, és javasolja a determinánsát mint új egyenlőtlenségi mértéket Theil általánosított variania (röviden Theil-variania) elnevezéssel, majd példán keresztül bemutatja számításának menetét. A 3. fejezet ismerteti a Theil-variania soportközi felbontását, illusztrálja a számításokat, és értelmezi az eredményeket. A 4. fejezet kiterjeszti a módszertant a többdimenziós esetre is. Az 5. fejezet végül a Theilvarianiát enzorált eloszlásra alkalmazva, értékét szegénységi mérőszámként értelmezi, és adott soportosításra vonatkozóan dezaggregálja. A tanulmány a számítások részleteinek bemutatásához, az eredmények könnyű ellenőrzése éljából egyfelől egy modellpélda jellegű illusztratív adatállományt használ, másfelől az eredmények valós nagyságrendjének és a gyakorlati alkalmazás lehetőségeinek érzékeltetése érdekében az új módszertan a magyar háztartásokat jellemző költségvetési felmérés az ún. Háztartási Költségvetési Felvétel (HKF) adatain is alkalmazásra kerül (KSH [003]). 1. A Theil-kovariania entrópia-felbontása Mivel a központi mondanivaló a Theil-kovarianiamátrix elemeire épül, ezért a tárgyalást a Theil-kovariania fogalmi bevezetésével és értelmezésével kezdjük Az entrópia jelölésrendszere és pszeudo-r tartalma Legyen az n tagú társadalom relatív jövedelmi eloszlása az átlagos jövedelem bázisában Yi ri = ( i = 1,,...,n), /1/ Y 1 Innen ered a ikk által alkalmazott elnevezés, a Theil-kovariania.

4 79 Hajdu Ottó ahol Y i az i egyén jövedelme. A relatív jövedelem az átlagos 1 jövedelemhez viszonyítva a ( ) d = r 1 d = 0 // i i hozamot eredményezi, melynek logaritmikus közelítését a relatív jövedelem logaritmusa adja ( ) ( ahol: 0) D = ln r d D. /3/ i i i Ez a közelítés annál pontosabb, minél közelebb áll a d i tényleges hozam a zéróhoz, vagyis a jövedelmi átlagpont szűk környezetében. Totális egyenlőség esetén a D-hozam és a d-hozam egybe esik, növekvő egyenlőtlenség esetén pedig távolodnak egymástól. A Shannon- [1948] entrópia eredetileg a kapott hír alapján történő előrejelzés bizonytalanságának a mértéke ( ) n i = 1 i i 1 n H(r ) = ln n rd. /4/ Ha a jövedelmek eloszlását magyarázó prediktor változók informáiója üres, akkor az informáió zéró többletet ad az egyedi jövedelmek eloszlásáról, az informáió hiányában az a priori előrejelzés egy mindenkire egyaránt vonatkozó konstans jövedelem, és a hír bizonytalansága maximális. Ha a hír informáiója nem üres, és ezt mindenki ismeri, akkor a jövedelmi modell előrejelzése maga az aktuális eloszlás, a posteriori sökkentve az előrejelzés bizonytalanságát az informáió birtokában. Végül, ha létezik a tökéletes informáió, akkor ezt értelemszerűen sak egyvalaki ismerheti, így övé a totális jövedelem, a modell előrejelzése pedig egyértelmű, zéró bizonytalanság mellett. A klasszikus Shannon-entrópia növekvő értékkel egyre egyenletesebb eloszlást jelez, tehát egyenlőségi mutató. A bizonytalanság sökkenését, közeledését a hír hatására a totális bizonyosság irányába a lehetséges maximális és minimális szint közötti terjedelmen az ún. pszeudo-r illeszkedési mutató számszerűsíti relatív (százalékosan értelmezendő) R = 1 H r /ln n. formában: ( ) ( ) A közelítés a logaritmus függvény r = 1 pontban történő Taylor-sorának lineáris tagját használja: ( ) ( 1) ln r r = d. Ha például r = 1,01, akkor az egzakt hozam d = r 1= 0, 01, azaz 1 százalék hozam, a közelítő hozam pedig D=ln(1,01)=0,00995.

5 Többváltozós-többdimenziós egyenlõtlenség és a szegénység 793 Az egyenlőtlenség mérésére azonban szemben a Shannon-entrópiával élszerű olyan mutatót alkalmazni, mely növekvőleg az egyenlőtlenség emelkedését jelzi, és több hangsúlyt helyez az eloszlás szegényebb, alsó szegmensén történő változásokra. Ezeket a szempontokat teljesíti a jól ismert generalized entropy (GE) mérték, mely egy α paraméterrel figyelembe veszi az egyenlőtlenséggel szemben érzett averzió mértékét is. Ezek értelmében az α paraméterű általánosított entrópia (Cowell [1977]; Bourguignon [1979]; Shorroks [1980]; Cowell-Cuga [1981a], [1981b]) formulája az /1/ és /3/ jelölésekkel 1 GE ( α) = ( r ) α i 1, α 0, α 1, /5/ n n αα 1 i= 1 ( ) ahol L Hospital-határértékben és /4/ alapján 1 GE r D ln n H r, /6/ n i n i = 1 () 1 = = ( ) ( ) ( 0) i 1 n GE = D = D. /7/ n i = 1 A GE( α ) index az egyenlőtlenség mutatója, növekvő értékkel az egyenletes eloszlástól való távolodást jelezve. Alasonyabb α nagyobb súlyt ad az eloszlás alsóbb szegmensén, mint a felső szegmensen történő transzferváltozásra. 3 Értelmüket tekintve a két α -speifikus GE-index a két nevezetes Theilegyenlőtlenségi indexet jelenti, rendre: GE(1): a redundania Theil 1 -indexe (Theil [1967]) és GE(0): a mean logarithmi deviation (MLD), avagy Theil -index (Theil [1967] 15. old.). 4 i 1.. A Theil-kovariania A ikk a relatív jövedelem és a log-hozam közti kovarianiát Theil-kovariania elnevezéssel vezeti be, és definiálja az alábbi módon CT ( ) = Cov r,d. /8/ 3 A GE-index egy további paraméterrel történő kiterjesztését lásd Cowell [005]. 4 GE(1) megszokott jelölése az irodalomban T 1, míg GE(0) jelölése T. Az MLD mérőszám magyar jövedelmi adatokra való egy alkalmazását lásd Tóth István György [003].

6 794 Hajdu Ottó A Theil-kovariania tartalmát a GE felbontása adja /1/, /3/, /6/, /7/ alapján, mely (tekintve, hogy 1 r = ) 5 1 C = rd r D = GE + GE. /9/ n T i n i = 1 i () 1 ( 0) A Theil-kovariania jelentése: az MLD eltéréssel növelt Theil-redundania index, és C T eleget tesz mindazon kritériumoknak melyeket MLD és T 1 teljesít, így a Pigou Dalton-transzfer érzékenységi kritériumnak is. 6 A C T kovariania növekvő értéke emelkedő korreláiót mérve azt jelzi, hogy a D log-hozam egyre redundánsabbá válik mert d egzakt ismerete önmagában tartalmazza a releváns szóródási informáiót.. A Theil-mátrix és a Theil-variania definiálása Az egyenlőtlenséget a tanulmány mint a szóródás egy megjelenési formáját tekinti, ezért fokát is mint a szóródás fokát méri. Többváltozós megközelítésben a szóródás klasszikus mértéke az ún. generalized variane (általánosított variania GV) mutató, formálisan az aktuális változók kovarianiamátrixának a determinánsa. 7 Kulskérdés tehát a megfelelő kovarianiamátrix megadása..1. A Theil-mátrix A tanulmány által bevezetett új egyenlőtlenségi mátrix terminológiánk szerint a Theil-mátrix. Az egyszerűség kedvéért az egydimenziós-kétváltozós (r, D) esetben a Theil-(kovariania) mátrix definíiója 5 Bár a () + ( ) Változó r D C T = r Varr CT, /10/ D C Var T GE 1 GE 0 / átlagot az irodalom szimmetria tulajdonsága miatt használja, a GE(1)+GE(0) összeg kovarianiatartalmának felismerése és a kovarianiamátrix alkalmazásáig való továbbvezetése a szerző önálló eredménye. Szimmetria esetén a mutató invariáns az (x), vagy (1/x) argumentum használatára. 6 Érzékeny a regresszív transzfer mértékére és helyzetére az eloszlásban: a regresszív transzfer egy adott jövedelmi tételt elvesz, és egy gazdagabbhoz soportosítja át. További, az egyenlőtlenségi indexekkel szemben támasztott általános axiomatikus kritériumok tárgyalását lásd például Cowell [009]. 7 Az általánosított variania két- és többváltozós bemutatását lásd például Hajdu [003] ( old.). D

7 Többváltozós-többdimenziós egyenlõtlenség és a szegénység 795 ahol Var a relatív jövedelem és a log-hozam varianiákat jelöli és C T a Theilkovariania... A Theil-variania Az egyenlőtlenség mértéke definíiónk szerint a Theil-mátrix determinánsa, a ikk terminológiájában a Theil- (általánosított) variania, melynek formulája kétváltozós esetben ( ) T = det C = VarVar C. /11/ GV T r D T Ha r a D log-hozammal gyengén korrelál vagyis a relatív jövedelem és a loghozam között alasony a redundania, akkor Var r és Var D együttes informáiója szükséges a szóródás méréséhez, ha viszont a redundania jelentős, akkor a Var r Var D felső korlát a redundania mértékében redukálandó. Lévén T GV szóródást mér, így értéke az egyenlőtlenség növekedésével nő, alsó és felső korlátai pedig rendre 0 TGV VarVar r D. /1/ Az egyenlőtlenség növekedésével a Var r variania és vele Var D emelkedik, a T GV rés tágul, de a tágulást a Theil-kovariania (összetevőinek megfelelő növekedésén keresztül) mérsékli. A felső korlátot az 1 értékhez igazítva, a pszeudo-r tartalmú normalizált érték TGV CT GV 1 1 VarrVarD VarrVarD ( ) R = = = Corr r,d, /13/ mely a Pearson-determináió komplementereként az eloszlás egyenletességének a sökkenését adja az aktuális eloszlás ismeretében. A Theil-mátrix elemeinek értelmezését segítik a felismerések, miszerint Varr = GE ( ) az Y jövedelmek V Y relatív szórásának a négyzete és VarD = VarlnY. Ezzel a Theil-mátrix tartalma Változó r D C T = r VY = GE GE + GE. /14/ D GE GE Var ( ) ( 1) ( 0) () 1 + ( 0) lny

8 796 Hajdu Ottó A Theil-variania tehát egyidejűleg négy egyenlőtlenségi index hatását is magában foglalja, nevezetesen: 8 1. V Y : a jövedelem variáiós koeffiiense (relatív szórása),. Var lny : a logaritmikus jövedelmek varianiája, 3. GE(1): a Theil-redundaniaindex, 4. GE(0): a Theil-mean-logarithmi-deviation index. Újra hangsúlyozzuk, hogy a., 3., 4. indexek logaritmus alapúak, tehát hatásuk tompítja az aszimmetriából eredő torzítást statisztikai tesztek alkalmazásakor. Geometriai interpretáióban T GV annak a paralelogrammának a négyzetes területe, melyet az n-dimenziós O origóból az r és a D pontokba mutató vektorok feszítenek ki, ahol σ r és σ D a megfelelő vektor hossza, γ pedig a két vektor hajlásszöge: ( σσ γ) ( 1 γ) T = sin = VarVar os = GV r D r D ( ) ( ) r D r D r D = VarVar VarVar Corr r,d = VarVar Cov r,d. /15/ 1. ábra. A Theil-variania geometriai interpretáiója r O σ r T = T GV σ D D Az 1. ábra felhívja a figyelmet, hogy a többváltozós egyenlőtlenség mértékében a változók korreláiójának (ferde szögű oblique tengelyeknek) az alkalmazása akár egy, akár több dimenzióban elengedhetetlen. Az 1. ábra mutatja, hogy ha Corr(r,D) emelkedik, vagyis a hajlásszög sökken, akkor a redundania növekedésének hatására az általánosított variania mértéke sökken és megfordítva. Egy dimenzióról kettőre térve az ábrázolás már nem lehetséges, mert a változók (tengelyek) száma négyre emelkedik. Modellpélda A kalkuláiók könnyű ellenőrizhetősége érdekében tekintsünk egy száztagú társadalmat, ahol a rendezett jövedelmi konfiguráió: Y = [1,,3,,98,99,100]. Az át- 8 Itt jegyezzük meg, hogy GE() egyben a Hirshman Herfindahl-indexet adja. A négy index tulajdonságainak részleteit lásd Cowell [009].

9 Többváltozós-többdimenziós egyenlõtlenség és a szegénység 797 lag és a medián egyaránt 50,5, GE(1) = 0,1887, GE(0) = 0,8458, Var lny = 0, A Theil-kovariani a GE-felbontása az előbbi adatokkal majd a Theil-mátrix V Y = 0,3673, C = 0, , 8458 = 0, 4785, /16/ T Változó r D C Theil = r 0, , 4785 /17/ D 0, , 8567 és végül az általánosított Theil-variania T = 0, , , 4785 = 0, 05501, /18/ GV melynek normált pszeudo-r értéke 0, R GV = = 0, , , /19/ Az egyenlőtlenség abszolút mértéke 0,05501, ami az aktuális eloszlás 19,744 százalékos távolságát jelzi a totális egyenlőség a totális bizonytalanság állapotától. Mindezek alapján az egyenlőtlenség intenzitása mint pszeudo-r érték adódik R = 0, = 0, /0/ GV 3. A Theil-variania diszkriminaniaanalízise 10 A kategória kimenetű, diszkriminátor változó egyenlőtlenségre gyakorolt diszkriminatív hatásának jellemzésére, a társadalmat g = 1,,,G soportra bontjuk. A soportok száma és kialakításuk módja tetszőleges lehet. Az egyszerűség kedvéért e 9 A Gini-index értéke összehasonlításul: 0, Összehasonlításul a Gini- és a generalized entropy (GE) -felbontások összefoglalását lásd például Mussard Seyte Terraza [003].

10 798 Hajdu Ottó fejezetben előbb sak két szomszédos soportra, szegényekre és nem szegényekre, tehát egy alsó és egy felső szegmensre tagolunk, adott szegénységi küszöb alapján A Theil-mátrix külső-belső felbontása és a Wilks lambda-hányados A soporthatások számításának alapja a Theil-mátrix külső-belső dekompozíiója (a variania külső-belső felbontásának az analógiájára) CTheil = CKülső + C Belső, /1/ ahol C Külső a külső, C Belső pedig a belső kovarianiamátrix jelölése. Tartalmilag a külső kovarianiamátrix a soportátlagokkal kisimított változók kovarianiamátrixa, míg a belső kovarianiamátrix az átlagos soporton belüli kovarianiamátrix. 11 A belső kovarianiamátrix formálisan a Belső G C = n C // g = 1 súlyozott átlag, ahol n g a g soport népességaránya (összegük = 1), C Tg pedig a g soport átlagolandó Theil-mátrixa. A belső kovarianiamátrix elemei rendre a szegény és a nem szegény kovarianiamátrixok megfelelő elemeinek a súlyozott átlagai, súlyként a népességi arányokat használva. Legyen a szegénységi küszöb a medián jövedelem 60 százaléka, ami az alsó 30 százalék népességet klasszifikálja szegényként. A küszöb tehát százalék arányban bontja ketté a társadalmat, így a belső Theil-mátrix g Változó r D CBelső = 0, 3 CSzegény + 0, 7 C Nemszegény = r 0, , 13163, /3/ D 0, , 8708 Tg ahol az átlagolandó soporton belüli Theil-mátrixok Változó r D C = r 0, , és /4/ Szegény D 0, , A kovarianiamátrix külső-belső felbontására, és a Wilks lambda származtatására egy számpéldát ad Hajdu ([003] old.).

11 Többváltozós-többdimenziós egyenlõtlenség és a szegénység 799 Nemszegény Változó r D C = r 0, , /5/ D 0, , A totális Theil-mátrix felbontása tehát (a külső Theil-mátrixot kivonással határozva meg): C Theil Totális r D = r 0, , 4785 = D 0, , 8567 Külső r D Belső r D = r 0, , r 0, , D 0, 341 0, D 0, , 8708 /6/ A soportosítás irrelevaniáját a többváltozós statisztikai irodalom szerint a Wilks lambda-hányados méri, mely a belső általánosított variania és a totális általánosított variania hányadosa, tehát a belső és a totális kovarianiamátrixok determinánsainak a hányadosa det C Wilks lambda = det C Belső Theil. /7/ A Wilks lambda értelme a kategóriák által a totális varianiából meg nem magyarázott rész, ezért komplementere tartalmilag varianiahányados (variane explained) típusú VE mutató. A belső Theil-mátrixból a Wilks lambda értéke 1 0, , , Wilks lambda = = 0, 31585, /8/ 0, ahonnan a VE mutató alapján az alkalmazott szegmentáió (jelenleg a szegénységi küszöb) diszkrimináló ereje VE = 1 0, = 0, /9/ 1 A belső általánosított variania pszeudo-r 0, normálása: R = = 0, E szerint a 0, , 8708 belső variania 49,93 százalékban közelítette meg a lehetséges maximális értékét.

12 800 Hajdu Ottó A szegénységi küszöb 68,415 százalékban magyarázza az egyenlőtlenséget, és kapsolata az egyenlőtlenséggel VE = 0, 8714 intenzitású. 3.. A kanonikus korreláió megközelítés Bár VE a külső egyenlőtlenség hatását méri, számításához a külső Theildetermináns értékén keresztül nem vezet út, mert 1. a Theil-mátrix additív felbontása a komponensek determinánsaira nem érvényes det C det C + det C. /30/ Theil Külső Belső. Ha a soportok száma megegyezik a változók számával (mint példánkban könnyen ellenőrizhető), akkor a külső determináns értéke mindig zéró, akkor is, ha a külső varianiák-kovarianiák nem zérók. 13 Mindazonáltal a komplementer Wilks hányados külső tartalma és külső számítási módja megadható a következő alternatív megközelítésben. Tekintsük az r relatív jövedelem és a D log-hozam lineáris kombináióját Δ = wr 1 + wd. /31/ A w súlyokat úgy választjuk meg, hogy Δ belső varianiája legyen az 1 értéken normált és hozzá képest a külső variania értéke maximált. A külső variania maximált értéke nem más, mint a CBelsőC Külső 1 ANOVA-mátrix pozitív λ sajátértéke. 14 Esetünkben λ =,16609, tehát Δ varianiája (1 +,16609), a külső variania aránya pedig definíió szerint a négyzetes kanonikus korreláió 15, Rho = = 0, 68415, /3/ 3, ami a 0,31585 Wilks hányados VE komplementere, aminek pozitív gyöke a Rhokanonikus korreláió Például két soport két külső pontja maradék nélkül magyarázható két változóval, azaz két paraméterrel. 14 A kanonikus korreláió és a diszkriminaniaanalízis kapsolatának elméleti és számítási részleteit illetően lásd például Hajdu ([003], [010]). A maximált külső varianiát biztosító w súlyokkal Δ szokásos megnevezése: kanonikus diszkriminaniaváltozó. 15 Ez az eredmény értelemszerűen megegyezik a /9/ szerint számítottal. 16 E korreláió másik megközelítésben a szegény és nemszegény dummy változó, valamint az r és D változók által adott két változókör közötti kapsolat szorosságát méri.

13 Többváltozós-többdimenziós egyenlõtlenség és a szegénység 801 Rho = 0, = 0, /33/ Egydimenziós-kétváltozós esetben hangsúlyozzuk, hogy két olyan soportra, melyek belül nem szóródnak, Rho értéke mindig Ez a helyzet akkor is, ha mindenki jövedelme egyenlő, kivéve egyetlen outliert. Így Rho = 1 akkor is, mikor az egyetlen outlier kap mindent Homogenitásvizsgálat A klasszikus Box-M-statisztika alapján a sokasági kovarianiamátrixok egyezőségének a tesztelésére is lehetőség nyílik. Szegényekre és nem szegényekre bontva a társadalmat, a hipotézis H : Σ = Σ, /34/ 0 Szegény Nemszegény ahol Σ a sokasági soporton belüli kovarianiamátrix jelölése. A hipotézis tesztelésére szolgáló Box-M-statisztika likelihood-arány (LR) próba, melynek formulája: 18 g = 1 ( ) G Box-M = n 1 ln det ln det g CBelső C g, /35/ ahol példánkban (a kovarianiákat itt korrigáltan számítva és egy tizedesre kerekítve 19 ): 1. ln det(c Belső ) 4,0,. ln det(c Szegény ) 5,7, 3. ln det(c Nemszegény ) 7,8. A homogenitás-tesztstatisztika értéke a fenti eredményekkel ( ) ( ) M = 9 4, 0 + 5, , 0 + 7, 8 = 311, 5, /36/ amelynek szignifikaniaértéke F-tesztet alkalmazva és kerekítve 0,000, tehát a soporton belüli Theil-varianiák minden szokásos szignifikaniaszinten különböznek egymástól. 17 Visszautalunk a 13. lábjegyzetre. 18 Az M-statisztika tesztelését lásd Mihalezky ([1986] old.), az LR-teszt elv leírását pedig Hunyadi ([001] old.). 19 A kovariania nevezőjében a mintaméretet itt 1-gyel sökkentve, a belső kovarianiamátrixban az ún. pooled kovarianiákat számítjuk.

14 80 Hajdu Ottó Az M-statisztika additív struktúrája lehetővé teszi végül az egyes kategóriák százalékos hozzájárulásainak megadását is a belső egyenlőtlenség mértékén belül: 9 ( ) (.. ) (.. ) M Szegény = = 15. 8%, /37/ ( 4, 0 + 7, 8) (,, ) (,, ) M Nemszegény = = 84, %. /38/ Ezek szerint a szegények köre 15,8 százalék arányban járul hozzá a belső egyenlőtlenség mértékéhez. 4. A Theil-mátrix többdimenziós kiterjesztése Bővítsük a dimenziók számát háromra: jövedelem, kiadás, vagyon. 0 Jelölésünk szerint: a relatív jövedelmek rendre j = r jövedelem, k = r kiadás, v = r vagyon, a log-hozamok pedig J = D jövedelem, K = D kiadás, V = D vagyon. A p = 3 dimenziós vizsgálat egy hatváltozós esethez vezet, ahol a C (6,6) Theilkovarianiamátrix: Változó j k v J K V j Cjj Cjk Cjv CjJ CjK CjV k Ckj Ckk Ckv CkJ CkK CkV C T = ( 66, ) v Cvj Cvk Cvv CvJ CvK CvV. /39/ J CJj CJk CJv CJJ CJK CJV K CKj CKk CKv CKJ CKK CKV V C C C C C C Vj Vk Vv VJ VK VV 0 Irodalmi összehasonlításul: A GE-index többdimenziós kiterjesztéseinek különféle módjai olvashatók többek között: Maasoumi [1986], [1998] Tsui [1995], [1999], Vega-Urrutia Volij [011], Lugo [005]. Egy másik, a Gini-index többdimenziós általánosítását adja Gajdos Weymark [003]. Egy új, ún. hybrid többdimenziós egyenlőtlenségi mértéket definiál Araar [009], míg a többdimenziós egyenlőtlenségi összehasonlítások kérdését Dulos Sahn Younger [009] tárgyalja.

15 Többváltozós-többdimenziós egyenlõtlenség és a szegénység 803 Általában p-dimenziós esetben a Theil-mátrix C (p,p), melynek determinánsa értelemszerűen a kiterjesztett Theil-variania egyenlőtlenségi mérték T GV ( T( )) p, p = det C. /40/ Az elemi kovarianiák értelmezése (a többi kovariania értelmezése analóg): 1. C jj : a relatív jövedelem varianiája,. C kj : a relatív kiadás és a relatív jövedelem kovarianiája, 3. C Jj : a jövedelmi változók kovarianiája, 4. C Kj : a kiadási log-hozam és a relatív jövedelem kovarianiája, 5. C JJ : a jövedelmi log-hozam varianiája, 6. C KJ : a kiadási és jövedelmi log-hozamok kovarianiája. T GV mint determináns maximális értékét korrelálatlanság esetén veszi fel, ekkor a kovarianiamátrix diagonális, determinánsa a diagonális varianiák szorzata. Ezzel a (0,1) intervallumra való normálása R T GV GV = p p Var rt t= 1 t= 1 Var Dt. /41/ Kiemelendő, hogy többdimenziós esetben a T GV(p, p) kiterjesztett Theil-variania nemsak a változóközi, hanem a dimenzióközi és a keresztkorreláiókat is figyelembe veszi. 1 Csoportosítás esetén a C C ANOVA-mátrixnak általánosságban { 1} Belső Külső m= min p,g pozitív λ δ sajátértéke van, melyek a Δ δ változók külső varianiái. A Δ δ dimenziók relevaniája standard diszkriminaniaanalízis (disriminant analysis) eljárással tesztelhető, és a dimenziók stepwise algoritmussal szelektálhatók. A Wilks lambda struktúrája a p-dimenziós esetben (lásd például Hajdu [010]): 1 m 1 Wilks lambda =. /4/ 1+ λ δ= 1 δ 1 A többdimenziós egyenlőtlenségi dekompozíió módszertani kérdéseit lásd például Zheng [005], Cowell Fiorio [010], Kobus [011].

16 804 Hajdu Ottó 4.1. Háztartási költségvetési példa, településtípus szerinti dekompozíióval Illusztratív éllal háztartásokat tekintünk, melyeknél most: j az évi nettó jövedelmet, k az évi kiadást, v pedig tulajdont (lakás+gépkosi) jelent. Az alkalmazott soportosítás példánkban a település típusa: Budapest, Nagyváros, Többi város, Községek. A Theil-variania értéke ( T( 66, ) ) T = det C = 0, /43/ GV és a településtípus szerint soportosítva az ANOVA-mátrix három pozitív sajátértéke rendre A Wilks lambda ebből λ 1 =0,13671, λ =0,01977, λ 3 =0, Wilks lambda = 0, , , , 000 =. /44/ Így a településtípus a jövedelem, kiadás, vagyon együttes egyenlőtlenségből 13,9 százalékot magyaráz, kapsolata pedig az oblique pontfelhők külső szóródásával a globális pontfelhő körül Rho = 0, 139 = 0, 3731 intenzitású. 4.. Homogenitásvizsgálat Kettőnél több (a példabeli négy) sokasági kovarianiamátrix azonosságát állító hipotézis: H 0 : ΣBudapest = ΣNagyváros = ΣTöbbiváros = ΣKözség, /45/ ahol Σ a sokasági kovarianiamátrixot jelöli. A megfelelő mintabeli statisztikák (településtípus szerinti log-determinánsok) értékei következők: 3 Ennek normáló tényezője (a Theil-mátrix főátló elemek szorzata) 0,013, de a soporthatás elemzése szempontjából a nagyságrendnek nins jelentősége. 3 ln det(c Belső ) = 10,975, ami az ún. pooled kovarianiamátrix log-determinánsa!

17 Többváltozós-többdimenziós egyenlõtlenség és a szegénység 805 ln det(c Budapest ) = 8,183, ln det(c Belső ) ln det(c Budapest ) =,79, ln det(c Nagyváros ) = 11,865, ln det(c Belső ) ln det(c Nagyváros ) = 0,890, ln det(c Többiváros ) = 1,355, ln det(c Belső ) ln det(c Többiváros ) = 1,380, ln det(c Községek ) = 1,616, ln det(c Belső ) ln det(c Községek ) = 1,641. A településtípusok népességarányai a mintában rendre 0,158, 0,8, 0,7, 0,34. Box-M = 4907, 486, az F-teszten alapuló 0,000 szignifikaniaértékkel, tehát a soporton belüli Theil-varianiák minden szokásos szignifikaniaszinten különböznek egymástól. Egyedül Budapest hatása negatív,79, erősen átlag alatti. Valamennyi településtípus hatását pozitív értékű skálán rangsorolandó, Budapest hatását pozitív előjellel minimális értékként rögzítve, a távolságőrző transzformált skála értékei: Budapest =,79, Nagyváros = 6,474, Többi város = 6,964, Község = 7,5, ahol például 7,5 = 1,641 + abs(,79). A településtípusok súlyozott, relatív hozzájárulásai a belső egyenlőtlenséghez rendre: 0, 158, 79 M Budapest = = 11, 9%, /46/ 0, 158, , 8 6, , 7 6, , 34 7, 5 08, 6474, M Nagyváros = = 7, 6%, /47/ 0, 158, , 8 6, , 7 6, , 34 7, 5 0, 7 6, 964 M Többiváros = = 9, 7%, /48/ 0, 158, , 8 6, , 7 6, , 34 7, 5 0, 34 7, 5 M Község = = 30, 8%. /49/ 0, 158, , 8 6, , 7 6, , 34 7, 5 A belső egyenlőtlenséghez Budapest járul hozzá a legkisebb (11,9%) mértékben, és a községek a legnagyobb (30,8%) mértékben.

18 806 Hajdu Ottó 5. Theil-variania alapú szegénységi mértékek A szegénységi P mérték általánosságban a szegénység kiterjedtségének, intenzitásának és az eloszlásának az eredője. A mérőszám formális P megadása adott z küszöb mellett vagy a sonkolt, vagy a enzorált eloszlásra épül. Míg a sonkolt eloszlás elhagyja a küszöb fölötti tagokat, addig a enzorált eloszlás megtartja, de értékeiket a küszöb szintjével helyettesíti. A Z j dimenzió enzorálása a z j küszöb mellett: ji ji j { } 1 y = min Z,z, i =,,...,n. /50/ Jelen ikk a enzorált elvre építve definiál többváltozós-többdimenziós P mértéket: 4 A szegénység többváltozós, többdimenziós mértéke definíiónk szerint a enzorált y eloszlások együttes, többdimenziós Theil-varianiája. Speiálisan egydimenziós-kétváltozós esetben az y eloszlás enzorált Theil-mátrixa 5 melynek determinánsa ( ) ami normált pszeudo-r változatban Változó T = T y = r Varr CT C C D CT VarD r C C, /51/ ( ) D GV = T = r D T T det C Var Var C, /5/ 4 A enzorált eloszlás szegénységi alkalmazását Hamada Takayama [1978] és Takayama [1979] vezette be az irodalomba. A Sen Shorroks Thon (SST) (Shorroks [1995] módon korrigált Sen-index) a legismertebb egydimenziós, és az Alkire Foster [009] módon korrigált Foster Greer Thorbeke- (FGT-) index), illetve a Lugo Maasoumi [008] -indexek a többdimenziós alkalmazások. A Lugo Maasoumi-indexsalád informáióelméleti megalapozottságú, mely speiális esetként tartalmazza a Tsui [00] és a Bourgougni Chakravarty [003] indexeket is. A többdimenziós szegénységi indexek összefoglaló áttekintését egyébként lásd Ravallion [011]. A többdimenziós témakörben meghatározó további tanulmányok: Anand Sen [1997], Chakravarty Mukherjee Renade [1998], Atkinson [003], Thorbeke [008], Chakravarty Silber [008], Kakwani Silber [008]. 5 A klasszikus egydimenziós szegénységi index-elvek összefoglaló bemutatását lásd Foster Sen [1997], Zheng [1997]. A módszertan fejlődését illetően a következő indexeket emeljük ki: Watts [1968], Sen [1976], Anand [1977], Hamada Takayama [1978], Thon [1979], Kakwani [1980], Takayama [1979], Clark Hemming Ulph [1981], Chakravarty [1983], Blakorby Donaldson [1980], Foster Greer Thorbeke [1984], Hagenaars [1987], Atkinson [1987], Shorroks [1995].

19 Többváltozós-többdimenziós egyenlõtlenség és a szegénység 807 R CT P = 1 Varr VarD. /53/ Mivel a enzorált eloszlás sak a szegényjövedelmeket és a küszöb szintjét ismeri, így sak az aktuális küszöbalattiság informáióit tükrözi. A enzorált eloszlás általánosított varianiája tehát növekvő értékkel a szegénység növekvő fokát jelzi. Az R P szegénységi mérték örökli a Theil-variania tulajdonságait, és a enzorált eloszláson történő kalkulálásából eredő további jellemzői a következők: 1. Az R P szegénységi mérték eliminálja az index formulájából a szegények expliit létszámarányát, mivel ez a hatás impliit módon az értékében érvényesül.. A z küszöb emelése több szegénységet indukál, több szegénységi informáióval, melynek enzorált Var r Var D felső határa együtt nő a küszöbbel. 3. A enzorálás a társadalmat küszöb alattiakra és éppen a küszöb szintjén levőkre bontja, így a külső-belső kovariania-felbontás szegény vs. küszöb tekintetben értendő. 4. A belső varianiát sak a küszöb alattiak szóródása és létszámaránya mozgatja. 5. A külső variania a küszöb alatti átlagos szegény és a küszöbszint varianiáját méri, így jelentése az átlagos szegény által a küszöb szintjén élőkkel szembeni depriváió mértéke. 6. A társadalmat exogén változók szerint soportosítva (városvidék, férfi-nő, aktív-inaktív) a szegénység foka külső-belső szempontból és a belső szegénységhez való hozzájárulás mértéke tekintetében is dezaggregálható, jellemezhető. 7. A szegénységi küszöb megadható dimenziókra szeparáltan, vagy az egyes dimenziók valamely súlyozott kombináiójára aggregáltan is. 8. Az R P szegénységi mérték figyeli a dimenziók korreláióit és aszimmetrikus voltát is. Modellpélda A százfős példában a enzorált eloszlás: y = {1,,,9,30 30,30,,30}, melyre a Theil-mátrix

20 808 Hajdu Ottó T Változó C = r 0, , 1867 /54/ r D D 0, , a enzorált Theil-variania GV T = 0, , , 1867 = 0, 00457, /55/ melynek pszeudo-r értéke 0, 1867 R P = 1 = 0, 1099, /56/ 0, , ahonnan R = 0, 1099 = 0, /57/ P Az alkalmazott szegénységi küszöb szintje által az aktuális eloszlás szegénységi mértékéből megmagyarázott hányad 10,99 százalék, és a szegénység 0,3306 intenzitással valósul meg. A szegénységi mérték szegény vs. küszöb soportközi elemzése a enzorált Theil-mátrix Theil = Külső + Belső C C C /58/ felbontásán alapulva, egy általánosított szegénységi arány és egy általánosított depriváióarány-mutatóhoz vezet el, a következő úton. Példánkban a küszöb kettébontja a társadalmat százalék arányban, ahol a belső Theil-mátrix Belső Szegény Változó C = 0, 3 C + 0, 7 0 = r 0, , 07793, /59/ z r D D 0, , 0974 ahol az átlagolandó soporton belüli Theil-mátrixok

21 Többváltozós-többdimenziós egyenlõtlenség és a szegénység 809 Szegény Változó C = r 0, , 5976 és /60/ r D D 0, , Változó 0 = r 0 0. /61/ z D r D 0 0 Így a enzorált belső Theil-variania GVBelső ( ) T = det C Belső = 0, , , = 0, 00109, /6/ mellyel a enzorált belső pszeudo-r értéke 0, R Belső = = 15, 41% 0, , /63/ Értelmét tekintve a enzorált belső R általánosított szegénységi arány. Ugyanis a belső variania átlagos soporton belüli variania, ahol a enzorált eloszlásban a nem szegények kovarianiamátrixa definíió szerint zéró értéken rögzített (0 z ), ezért a belső variania nő, ha a) emelkedik a szegények aránya, vagy ha b) nő a szegények körében a Theil-variania. Az általánosított szegénységi arány példánkban 15,41 százalék, ami kisebb mint a H = 30 százalék standard head-ount-ratio létszámarány. Tekintsük most a szegénység harmadik tényezőjeként ) a szegények szegénységi küszöbbel szemben érzett depriváiójának a fokát azzal a követelménnyel, hogy legyen érzékeny a nem szegények népességi arányára is, akik nem depriváltak a küszöbbel szemben. Jelölje e hatást az IG (impliit gap, azaz impliít rés), és tételezzünk fel multiplikatív kapsolatot a szegénységi komponensek között. Ekkor impliit módon a küszöbbel szembeni IG depriváió definíiónk szerint R = R IG. /64/ P Belső Külső 10, Az IGKülső = = 7% inflátor (deflátor) a szegények szegénységi küszöbbel 15, 9 szemben érzett depriváiójának a foka.

22 810 Hajdu Ottó Többdimenziós szegénységi dekompozíió A dimenziók számát többre a háztartási költségvetési példánkban már alkalmazott háromra (jövedelem, kiadás, vagyon) bővítve, a szegénységi mérték kalkulálása és településtípusok szerinti felbontása kiterjesztett enzorált Theil-mátrix alkalmazásával a következő. A dimenziókat a mediánérték 60 százalékánál enzorálva a Budapest, Nagyváros, Többi város, Községek soportosítás hatváltozós diszkriminaniaanalízisének három sajátértéke rendre: 0,1090, 0,0067, 0,0006, amiből a Wilks lambda = 0,895, komplementerének a gyöke pedig a kanonikus korreláió: Rho = 0,3373. A településtípus tehát 89,5 százalékban nem magyarázza a háromdimenziós szegénységet és kapsolata a szegénységi kokával Rho = 0,3373 intenzitású. Az eddigiekben a háztartások éves összes kiadását és jövedelmét, valamint a teljes vagyonát tekintettük. Áttérve az egy fogyasztási egységre vetített szintre, az eredmények az alábbiak szerint módosulnak. Továbbra is a mediánérték 60 százalékánál enzorálva a Budapest, Nagyváros, Többi város, Községek soportok hatváltozós diszkriminaniaanalízisének három sajátértéke rendre: 0,138, 0,0054, 0,0005, amiből a Wilks lambda = 0,8847, a kanonikus korreláió pedig Rho = 0, A településtípus tehát 88,47 százalékban nem magyarázza az egy fogyasztási egységre jutó háromdimenziós szegénységet, és kapsolata e szegénységi kokával 0,33956 intenzitású. * A tanulmány egy új egyenlőtlenségi módszertant javasol, melynek alkalmazása más területeken (például a szegénységi elemzésekben, a relatív depriváió és a társadalmi kirekesztés mérésében, de az informáióelméletben, vagy az adatbányászatban) is új módszertant eredményezhet. Az eljárás lényegében egy sokdimenziós oblique térben húzódó pontfelhő varianiáját méri kompozit módon, egyenlőtlenségi tartalommal, entrópiaelméleti alapokon. A kulsformula a többváltozós statisztika generalized variane mértéke, mely esetünkben egy speiális entrópia tartalmú kovarianiamátrixra vonatkozik. Mivel a kovarianiamátrix általánosságban soportok esetén dezaggregálható belső és külső faktorok összegére, ezért a javasolt egyenlőtlenségi mutató is megadható külső és belső hatások eredőjeként. Így a javasolt módszerrel vizsgálható a különböző dimenziójú szegénységi küszöbök diszkriminatív hatása a szegénységi mérték tekintetében vagy az adott társadalmi-gazdasági soportosítás prediktív ereje. Mindezen túl az egyes soportok relatív hozzájárulása a belső egyenlőtlenséghez is elemezhető. Irodalom ALKIRE, S. FOSTER, J. E. [009]: Counting and Multidimensional Poverty Measurement. Working Paper 3. Oxford Poverty & Human Development Initiative. Oxford.

23 Többváltozós-többdimenziós egyenlõtlenség és a szegénység 811 ANAND, S. [1977]: Aspets of Poverty in Malaysia. Review of Inome and Wealth. Vol. 3. No. 1. pp ANAND, S. SEN, A. [1997]: Conepts of Human Development and Poverty: A Multidimensional Perspetive. Human Development Papers. United Nation. New York. ARAAR, A. [009]: The Hybrid Multidimensional Index of Inequality. Centre interuniversitaire sur le risque, les polititiques éonomiques et l emploi. Working Paper Otober. ARISTONDO, O. VEGA, L. URRUTIA, A. [008]: A New Multipliative Deomposition for the Foster-Greer-Thorbeke Poverty Indies. Bulletin of Eonomi Researh. Vol. 6. No. 3. pp ATKINSON, A. B. [1987]: On the Measurement of Poverty. Eonometria. Vol. 55. No. 3. pp ATKINSON, A. B. [003]: Multidimensional Deprivation: Contrasting Soial Welfare and Counting Approahes. Journal of Eonomi Inequality. Vol. 1. No. 1. pp BLACKORBY, C. DONALDSON, D. [1980]: Ethial Indies for the Measurement of Poverty. Eonometria. Vol. 48. No. 4. pp BLACKORBY, C. DONALDSON, D. [1984]: Ethially Signifiant Ordinal Indexes of Relative Inequality. Advanes in Eonometris. Vol. 3. No. 4. pp BOSSERT,W. CHAKRAVARTY, S. R. D AMBROSIO, C. [009]: Measuring Multidimensional Poverty: The Generalized Counting Approah. Dambrosio.pdf BOURGUIGNON, F. [1979]: Deomposable Inome Inequality Measures. Eonometria. Vol. 47. No. 4. pp BOURGUIGNON, F. CHAKRAVARTY, S. R. [003]: The Measurement of Multidimensional Poverty. Journal of Eonomi Inequality. Vol. 1. No. 1. pp CHAKRAVARTY, S. R. [1983]: Ethially Flexible Measures of Poverty. Canadian Journal of Eonomis. Vol. 16. No. 1. pp CHAKRAVARTY, S. R. [1997]: On Shorroks Reinvestigation of the Sen Poverty Index. Eonometria. Vol. 65. No. 5. pp CHAKRAVARTY, S. R. MUKHERJEE, D. RENADE, R. R. [1998]: On the Family of Subgroup and Fator Deomposable Measures of Multidimensional Poverty. Researh on Eonomi Inequality. Vol. 8. pp CHAKRAVARTY, S. DEUTSCH, J. SILBER, J. [008]: On the Watts Multidimensional Poverty Index and its Deomposition. World Development. Vol. 36. No. 6. pp CLARK, S. HEMMING, R. ULPH, D. [1981]: On Indies or for the Measurement of Poverty. The Eonomi Journal. Vol. 91. No. 36. pp COWELL, F. [005]: Theil, Inequality Indies and Deomposition. ECINEQ Working Paper. ECINEQ Soiety for the Study of Eomoni Inequality. London. COWELL, F. A. [1977]: Measuring Inequality. Phillip Allan. Oxford. COWELL, F. A. [009]: Measuring Inequality. Part of the series LSE Perspetives in Eonomi Analysis. Oxford University Press. Oxford. COWELL, F. A. KUGA, K. [1981a]: Additivity and the Entropy Conept: An Axiomati Approah to Inequality Measurement. Journal of Eonomi Theory. Vol. 5. No. 1. pp COWELL, F. A. KUGA, K. [1981b]: Inequality Measurement: An Axiomati Approah. European Eonomi Review. Vol. 15. No. 3. pp

24 81 Hajdu Ottó COWELL, F. FIORIO, C. [010]: Inequality Deompositions. Gini Disussion Paper 4, Deember. Growing Inequalities Impats. University of Amsterdam. Amsterdam. DAGUM, C. [1997]: A New Approah to the Deomposition of the Gini Inome Inequality Ratio. Empirial Eonomis. Vol.. No. 4. pp DARDANONI, V. [1996]: On Multidimensional Inequality Measurement. In: Dagum, C. Lemmi, A. (eds.): Researh on Eonomi Inequality: Inome Distribution. Soial Welfare, Inequality and Poverty. Vol. 6 of Researh on Eonomi Inequality. JAI Press In. pp DUCLOS, J.-Y. SAHN, D. E. YOUNGER, S. D. [006]: Robust Multidimensional Poverty Comparisons. The Eonomi Journal. Vol No pp ÉLTETŐ, Ö. FRIGYES, E. [1968]: New Inequality Measures as Effiient Tools for Causal Analysis and Planning. Eonometria. Vol. 36. No.. pp ÉLTETŐ Ö. HAVASI É. [009]: A hazai jövedelemegyenlőtlenség főbb jellemzői az elmúlt fél évszázad jövedelmi felvételei alapján. Statisztikai Szemle. 87. évf. 1. sz old. FERGE ZS. [1969]: Társadalmunk rétegződése: elvek és tények. Közgazdasági és Jogi Könyvkiadó. Budapest. FOSTER, J. E. SHNEYEROV, A. A. [1999]: A General Class of Additively Deomposable Inequality Measures. Eonomi Theory. Vol. 14. No. 1. pp FOSTER, J. E. [007]: A Class of Chroni Poverty Measures. Working Paper No. 07-W01. Vanderbilt University. Nashville. FOSTER, J. E. GREER, J. THORBECKE, E. [1984]: A Class of Deomposable Poverty Measures. Eonometria. Vol. 5. No. 3. pp FOSTER, J. E. SEN, A. [1997]: On Eonomi Inequality After a Quarter Century. Calendron Press. Oxford. GAJDOS,T. WEYMARK, J. [003]: Multidimensional Generalized Gini Indies. Working Paper No. 16. Applied Mathematis Working Paper Series. Vanderbilt University. Nashville. HAGENAARS, A. [1987]: A Class of Poverty Indies. International Eonomi Review. Vol. 8. No. 3. pp HAJDU O. [1997]: A szegénység mérőszámai. KSH Könyvtár és Dokumentáiós Szolgálat. Budapest. HAJDU, O. [1999]: On the Deprivation-Sensitive Measurement of Poverty. Hungarian Statistial Review. Speial number 3. pp. 15. HAJDU O. [003]: Többváltozós statisztikai számítások. Központi Statisztikai Hivatal. Budapest. HAJDU, O. [009]: Poverty, Deprivation, Exlusion: A Strutural Equations Modelling Approah. Hungarian Statistial Review. Speial number 13. pp HAJDU O. [010]: Sajátértékek a statisztikában. Statisztikai Szemle. 88. évf sz old. HAMADA, K. TAKAYAMA, N. [1978]: Censored Inome Distributions and the Measurement of Poverty. Bulletin of the International Statistial Institute. Vol. 47. No. 1. pp HUNYADI L. [001]: Statisztikai következtetéselmélet közgazdászoknak. Központi Statisztikai Hivatal. Budapest. KAKWANI, N. C. [1980]: On a Class of Poverty Measures. Eonometria. Vol. 48. No.. pp KAKWANI, N. C. SILBER, J. [008]: Quantitative Approahes to Multidimensional Poverty Measurement. Palgrave MaMillan. Basingstoke. KOBUS, M. [011]: Attribute Deomposability of Inequality Indies via Copula,

25 Többváltozós-többdimenziós egyenlõtlenség és a szegénység 813 LUGO, M. A. [005]: Comparing Multidimensional Indies of Inequality: Methods and Appliation. ECINEQ WP ECINEQ Soiety for the Study of Eomoni Inequality. LUGO, M. A. MAASOUMI, E. [008]: Multidimensional Poverty Measures from an Information Theory Perspetive. ECINEC 85. ECINEQ Soiety for the Study of Eomoni Inequality. MAASOUMI, E. [1986]: The Measurement and Deomposition of Multidimensional Inequality, Eonometria. Vol. 54. No. 4. pp MIHALECZKY GY. [1986]: A többdimenziós normális eloszlás várhatóérték-vektorára és szórásmátrixára vonatkozó beslés és hipotézisvizsgálat. In: Móri F. T. Székely J. G. (szerk.): Többváltozós statisztikai analízis. Műszaki Könyvkiadó. Budapest. pp MUSSARD, S. SEYTE, F. TERRAZA, M. [003]: Deomposition of Gini and the Generalized Entropy Inequality Measures. Eonomis Bulletin. Vol. 4. No. 7. pp RAVALLION, M. [011]: On Multidimensional Indies of Poverty. Poliy Researh Working Paper The World Bank Development Researh Group Diretor s Offie. February. SEN, A. K. [1976]: Poverty: An Ordinal Approah to Measurement. Eonometria. Vol. 44. No.. pp SHANNON, C. E. [1948]: A Mathematial Theory of Communiation. The Bell System Tehnial Journal. Vol. 7. July pp ; Otober pp SHORROCKS, A. F. [1980]: The Class of Additively Deomposable Inequality Measures. Eonometria. Vol. 48. No. 3. pp SHORROCKS, A. F. [1995]: Revisiting the Sen Poverty Index. Eonometria. Vol. 63. No. 5. pp SPÉDER, ZS. [00]: A szegénység változó arai. Századvég Kiadó. Budapest. SZIVÓS P. TÓTH ISTVÁN GY. [001]: A jövedelmi szegénység: trend és profil 000-ben. Statisztikai Szemle. 79. évf sz old. TAKAYAMA, N. [1979]: Poverty, Inome Inequality and Their Measures: Professor Sen s Axiomati Approah Reonsidered. Eonometria. Vol. 47. No. 3. pp THEIL, H. [1967]: Eonomis and Information Theory. North-Holland Publishing Company. Amsterdam. THON, D. [1979]: On Measuring Poverty. Review of Inome and Wealth. Vol. 5. No. 4. pp THORBECKE, E. [008]: Multidimensional Poverty: Coneptual and Measurement Issues. In: Kakwani, N. Silber, J. (eds.): The Many Dimensions of Poverty. Palgrave Mamillan. New York. TÓTH ISTVÁN GY. [003]: Jövedelemegyenlőtlenségek tényleg növekszenek, vagy sak úgy látjuk? Közgazdasági Szemle. 50. évf. 3. sz old. TSUI, K. Y. [1995]: Multidimensional Generalizations of the Relative and Absolute Inequality Indies: The Atkinson-Kolm-Sen Approah. Journal of Eonomi Theory. Vol. 67. No. 1. pp TSUI, K. Y. [1999]: Multidimensional Inequality and Multidimensional Generalized Entropy Measures: An Axiomati Derivation. Soial Choie and Welfare. Vol. 16. No. 1. pp TSUI, K. Y. [00]: Multidimensional Poverty Indies. Soial Choie and Welfare. Vol. 19. No. 1. pp VEGA, C. L. URRUTIA, A. DIEZ, H. [009]: The Bourguignon and Chakravarty Multidimensional Poverty Family: A Charaterization. ECINEQ WP ECINEQ Soiety for the Study of Eomoni Inequality.

26 814 Hajdu: Többváltozós-többdimenziós egyenlõtlenség és a szegénység VEGA, C. L. URRUTIA, A. VOLIJ, O. [011]: An Axiomati Charaterization of the Theil Inequality Ordering. Monaster Center for Eonomi Researh. Ben-Gurion University of the Negev. Beer Sheva. WATTS, H. W. [1968]: An Eonomi Definition of Poverty. In: Moynihan, D. P. (ed.): On Understanding Poverty. Basi Books. New York. ZHENG, B. [1997]: Aggregate Poverty Measures. Journal of Eonomi Surveys. Vol. 11. No.. pp ZHENG, B. [005]: Unit-Consistent Deomposable Inequality Measures. Working Paper No University of Colorado. Denver. Summary The paper introdues a new multivariate methodology for measuring multidimensional inequality. The method proposed is based on the information theory generalized entropy indies and gives a omposite inequality measure of a multivariate oblique spae. The key formula is the so-alled generalized variane metri applied to the speial Theil ovariane matrix yielding a betweenwithin effets deomposable index of the total inequality. Even in the ase of only one dimension, the new approah is multi (two) variate based. In addition, given a (soio-eonomi) segmentation of the population, the ontribution of an individual group to the within-groups inequality an also be quantified and ranked. Finally, the new inequality approah applied to a ensored distribution yields a multivariate-multidimensional poverty measurement. Dimension-speifi poverty lines or aggregate attribute poverty lines are also allowed.