关于算法:R语言建模收入不平等分布函数拟合及洛伦兹曲线Lorenz-curve

83次阅读

共计 3365 个字符,预计需要花费 9 分钟才能阅读完成。

原文链接:http://tecdat.cn/?p=20613

洛伦兹曲线来源于经济学,用于形容社会支出不平衡的景象。将支出降序排列,别离计算支出和人口的累积比例。
本文,咱们钻研支出和不平等。咱们从一些模仿数据开始

 > (income=sort(income))
[1]  19246  23764  53237  61696 218835 

为什么说这个样本中存在不平等?如果咱们看一下最贫困者领有的财产,最贫困的人(五分之一)领有 5%的财产;倒数五分之二领有 11%,依此类推

> income[1]/sum(income)
[1] 0.0510
> sum(income[1:2])/sum(income)
[1] 0.1140 

如果咱们绘制这些值,就会失去 洛伦兹曲线

 > plot(Lorenz(income))
> points(c(0:5)/5,c(0,cumsum(income)/sum(income)) 

当初,如果咱们失去 500 个观测值。直方图是可视化这些数据分布的办法

> summary(income)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
   2191   23830   42750   77010   87430 2003000 
> hist(log(income), 

在这里,咱们应用直方图将样本可视化。但不是支出,而是支出的对数(因为某些离群值,咱们无奈在直方图上可视化)。当初,能够计算 基尼系数 以取得无关不平等的一些信息

> gini=function(x){+ mu=mean(x)
+ g=2/(n*(n-1)*mu)*sum((1:n)*sort(x))-(n+1)/(n-1) 

实际上,没有任何置信区间的系数可能毫无意义。计算置信区间,咱们应用 boot 办法

 > G=boot(income,gini,1000)
> hist(G,col="light blue",border="white" 

红色局部是 90%置信区间,

 5%       95% 
0.4954235 0.5743917 

还包含了一条具备高斯分布的蓝线,

> segments(quantile(G,.05),1,quantile(G,.95),1,
 
> lines(u,dnorm(u,mean(G),sd(G)), 

另一个风行的办法是帕累托图(Pareto plot),咱们在其中绘制了累积生存函数的对数与支出的对数,

 > plot(x,y) 

如果点在一条直线上,则意味着能够应用帕累托散布来建模支出。

后面咱们曾经看到了如何取得洛伦兹曲线。实际上,也能够针对某些参数散布(例如,一些对数正态分布)取得 Lorenz 曲线,

 > lines(Lc.lognorm,param=1.5,col="red")
> lines(Lc.lognorm,param=1.2,col="red")
> lines(Lc.lognorm,param=.8,col="red") 

在这里,对数正态分布是一个很好的抉择。帕累托散布兴许不是:

 > lines(Lc.pareto,param=1.2,col="red") 

实际上,能够拟合一些参数散布。

 shape           rate    
  1.0812757769   0.0140404379 
 (0.0604530180) (0.0009868055) 

当初,思考两种散布,伽马散布和对数正态分布(实用于极大似然办法)

 shape           rate    
  1.0812757769   0.0014040438 
 (0.0473722529) (0.0000544185)
     meanlog       sdlog   
  6.11747519   1.01091329 
 (0.04520942) (0.03196789) 

咱们能够可视化密度

 > hist(income,breaks=seq(0,2005000,by=5000),
+ col=rgb(0,0,1,.5),border="white",
  + fit_g$estimate[2])/1e2
 + fit_ln$estimate[2])/1e2
> lines(u,v_g,col="red",lwd=2)
> lines(u,v_ln,col=rgb(1,0,0,.4),lwd=2) 

在这里,对数正态仿佛是一个不错的抉择。咱们还能够绘制累积散布函数

`> plot(x,y,type="s",col="black",xlim=c(0,250000))

+ fit_g$estimate[2])

+ fit_ln$estimate[2])
> lines(u,v_g,col="red",lwd=2)` 

当初,思考一些更事实的状况,在这种状况下,咱们没有来自考察的样本,但对数据进行了合并,

对数据进行建模,

fit(ID=rep("Data",n), 



Time difference of 2.101471 secs
for LNO fit across 1 distributions 

咱们能够拟合对数正态分布(无关该办法的更多详细信息,请参见 从合并支出估算不平等 的办法)

`> y2=N/sum(N)/diff(income_binned$low) 

+ fit_LN$parameters[2])
> plot(u,v,col="blue",type="l",lwd=2)
> for(i in 1:(n-1)) rect(income_binned$low[i],0,
+ income_binned$high[i],y2[i],col=rgb(1,0,0,.2),` 

在此,在直方图上(因为已对数据进行分箱,因而很天然地绘制直方图),咱们能够看到拟合的对数正态分布很好。

> v <- plnorm(u,fit_LN$parameters[1],
+ fit_LN$parameters[2])

> for(i in 1:(n-1)) rect(income_binned$low[i],0,


> for(i in 1:(n-1)) rect(income_binned$low[i],
+ y1[i],income_binned$high[i],c(0,y1)[i], 

对于累积散布函数,我思考了最坏的状况(每个人都处于较低的支出中)和最好的状况(每个人都具备最高可能的支出)。

也能够拟合狭义 beta 散布

GB_family(ID=rep("Fake Data",n), 

为了获得最佳模型,查看

> fits[,c("gini","aic","bic")] 

后果很好,接下来看下实在数据:

 fit(ID=rep("US",n), 

+ distribution=LNO, distName="LNO"
Time difference of 0.1855791 secs
for LNO fit across 1 distributions

同样,我尝试拟合对数正态分布

> v=dlnorm(u,fit_LN$parameters[1],

> plot(u,v,col="blue",type="l",lwd=2)
> for(i in 1:(n-1)) rect(data$low[i], 

然而在这里,拟合度很差。同样,咱们能够估算狭义 beta 散布

> 
GB_family(ID=rep("US",n), 

+ ID_name="Country")

能够失去基尼指数,AIC 和 BIC

 gini      aic      bic
1  4.413431 825368.5 825407.3
2  4.395080 825598.8 825627.9
3  4.451881 825495.7 825524.8
4  4.480850 825881.7 825910.8
5  4.417276 825323.6 825352.7
6  4.922122 832408.2 832427.6
7  4.341036 827065.2 827084.6
8  4.318667 826112.8 826132.2
9        NA 831054.2 831073.6
10       NA       NA       NA

看到最好的散布仿佛是 狭义伽玛散布。


最受欢迎的见解

1.R 语言泊松 Poisson 回归模型剖析案例

2.R 语言进行数值模仿:模仿泊松回归模型

3.r 语言泊松回归剖析

4.R 语言对布丰投针(蒲丰投针)试验进行模仿和动静可视化

5. 用 R 语言模仿混合制排队随机服务排队零碎

6.GARCH(1,1),MA 以及历史模拟法的 VaR 比拟

7.R 语言做简单金融产品的几何布朗运动的模仿

8.R 语言进行数值模仿:模仿泊松回归模型

9.R 语言对巨灾危险下的再保险合同定价钻研案例:狭义线性模型和帕累托散布 Pareto distributions

正文完
 0