Какие страны и почему отличаются высоким показателем джини география реферат
Обновлено: 04.07.2024
Индекс Джини, или коэффициент Джини, – это показатель распределения доходов среди населения, разработанный итальянским статистиком Коррадо Джини в 1912 году. Он часто используется в качестве индикатора экономического неравенства , измерения распределения доходов или, реже, распределения богатства. среди населения. Коэффициент варьируется от 0 (или 0%) до 1 (или 100%), где 0 представляет полное равенство, а 1 представляет полное неравенство. Значения больше 1 теоретически возможны из-за отрицательного дохода или богатства.
Ключевые моменты
- Индекс Джини – это показатель распределения доходов среди населения.
- Более высокий индекс Джини указывает на большее неравенство, когда люди с высоким доходом получают гораздо больший процент от общего дохода населения.
- Глобальное неравенство, измеряемое индексом Джини, увеличивалось в XIX и XX веках, но в последние годы снизилось.
- Из-за данных и других ограничений индекс Джини может завышать неравенство доходов и может скрывать важную информацию о распределении доходов.
Понимание индекса Джини
В стране, где каждый житель имеет одинаковый доход, коэффициент Джини дохода будет равен 0. Страна, в которой один резидент получил весь доход, а все остальные ничего не заработал, будет иметь коэффициент Джини дохода 1.
Коэффициент Джини – важный инструмент для анализа распределения доходов или богатства в стране или регионе, но его не следует принимать за абсолютное измерение дохода или богатства. По данным ОЭСР , в стране с высоким и низким уровнем доходов может быть один и тот же коэффициент Джини, если доходы распределяются одинаково внутри каждой из них: в Турции и США в 2016 году коэффициенты Джини по доходам составляли около 0,39-0,40. ВВП Турции на душу населения был менее половины ВВП США (в долларовом выражении 2010 года).
Графическое представление индекса Джини
Индекс Джини часто представлен графически через кривую Лоренца , которая показывает распределение доходов (или богатства) путем нанесения процентиля населения по доходу на горизонтальную ось и совокупного дохода на вертикальной оси. Коэффициент Джини равен площади под линией полного равенства (0,5 по определению) за вычетом площади под кривой Лоренца, деленной на площадь под линией абсолютного равенства. Другими словами, это вдвое больше площади между кривой Лоренца и линией полного равенства.
На приведенном ниже графике 47-й процентиль соответствует 10,46% в Гаити и 17,42% в Боливии, что означает, что нижние 47% гаитян получают 10,46% от общего дохода своей страны, а нижние 47% боливийцев получают 17,42% их дохода. . Прямая линия представляет собой гипотетически равное общество: нижние 47% получают 47% национального дохода.
Чтобы оценить коэффициент Джини дохода для Гаити в 2012 году, мы найдем площадь под кривой Лоренца: около 0,2. Вычитая это число из 0,5 (площадь под линией равенства), мы получаем 0,3, которое затем делим на 0,5. Это дает приблизительный коэффициент Джини 0,6 или 60%. ЦРУ дает фактический коэффициент Джини для Гаити в 2012 году как 60,8% (см. Ниже). Эта цифра представляет собой чрезвычайно высокое неравенство; По данным ЦРУ, только Микронезия, Центральноафриканская Республика, Южная Африка и Лесото более неравны.
Другой способ восприятия коэффициента Джини – это показатель отклонения от идеального равенства. Чем дальше кривая Лоренца отклоняется от идеально равной прямой линии (которая представляет собой коэффициент Джини, равный 0), тем выше коэффициент Джини и тем менее равным является общество. В приведенном выше примере Гаити более неравное, чем Боливия.
Индекс Джини во всем мире
Глобальный Джини
По оценкам Кристофа Лакнера из Всемирного банка и Бранко Милановича из Городского университета Нью-Йорка , коэффициент Джини для глобального дохода составлял 0,705 в 2008 году по сравнению с 0,722 в 1988 году. Однако цифры значительно различаются. По оценкам экономистов DELTA Франсуа Бургиньон и Кристиан Морриссон , этот показатель составлял 0,657 как в 1980, так и в 1992 году. Работа Бургиньона и Морриссона показывает устойчивый рост неравенства с 1820 года, когда глобальный коэффициент Джини составлял 0,500. Лакнер и Миланович показывают снижение неравенства примерно в начале 21 века, как и книга Бургиньона 2015 года:
Источник: Всемирный банк .
Экономический рост в Латинской Америке, Азии и Восточной Европе во многом стал причиной недавнего снижения неравенства доходов. В то время как неравенство между странами в последние десятилетия снизилось, неравенство внутри стран возросло.
Джини внутри стран
Ниже приведены коэффициенты Джини дохода для каждой страны, по которой в CIA World Factbook представлены данные:
Некоторые из беднейших стран мира (Центральноафриканская Республика) имеют одни из самых высоких в мире коэффициентов Джини (61,3), тогда как многие из самых богатых стран (Дания) имеют одни из самых низких (28,8). Однако взаимосвязь между неравенством доходов и показывают, что с 1820 по 1929 год неравенство несколько увеличивалось, а затем постепенно уменьшалось по мере увеличения ВВП на душу населения. С 1950 по 1970 год неравенство, как правило, уменьшалось, поскольку ВВП на душу населения превышал определенный порог. С 1980 по 2000 год неравенство снизилось с ростом ВВП на душу населения, а затем резко увеличилось.
Корреляция между коэффициентами Джини и ВВП на душу населения за три периода времени. Источник: Моатсос и Батен .
Недостатки
Хотя коэффициент Джини полезен для анализа экономического неравенства, он имеет некоторые недостатки. Точность показателя зависит от достоверных данных о ВВП и доходах. Теневая экономика и неформальная экономическая деятельность присутствуют в каждой стране. Неформальная экономическая деятельность, как правило, составляет большую часть истинного экономического производства в развивающихся странах и находится на нижнем уровне распределения доходов внутри стран. В обоих случаях это означает, что индекс измеренных доходов Джини будет завышать истинное неравенство доходов. Получить точные данные о богатстве еще труднее из-за популярности налоговых убежищ .
Коэффициент Джини (Gini coefficient) — метрика качества, которая часто используется при оценке предсказательных моделей в задачах бинарной классификации в условиях сильной несбалансированности классов целевой переменной. Именно она широко применяется в задачах банковского кредитования, страхования и целевом маркетинге. Для полного понимания этой метрики нам для начала необходимо окунуться в экономику и разобраться, для чего она используется там.
Экономика
Коэффициент Джини изменяется от 0 до 1. Чем больше его значение отклоняется от нуля и приближается к единице, тем в большей степени доходы сконцентрированы в руках отдельных групп населения и тем выше уровень общественного неравенства в государстве, и наоборот. Иногда используется процентное представление этого коэффициента, называемое индексом Джини (значение варьируется от 0% до 100%).
В экономике существует несколько способов рассчитать этот коэффициент, мы остановимся на формуле Брауна (предварительно необходимо создать вариационный ряд — отранжировать население по доходам):
где — число жителей, — кумулятивная доля населения, — кумулятивная доля дохода для
Давайте разберем вышеописанное на игрушечном примере, чтобы интуитивно понять смысл этой статистики.
Предположим, есть три деревни, в каждой из которых проживает 10 жителей. В каждой деревне суммарный годовой доход населения 100 рублей. В первой деревне все жители зарабатывают одинаково — 10 рублей в год, во второй деревне распределение дохода иное: 3 человека зарабатывают по 5 рублей, 4 человека — по 10 рублей и 3 человека по 15 рублей. И в третьей деревне 7 человек получают 1 рубль в год, 1 человек — 10 рублей, 1 человек — 33 рубля и один человек — 50 рублей. Для каждой деревни рассчитаем коэффициент Джини и построим кривую Лоренца.
Представим исходные данные по деревням в виде таблицы и сразу рассчитаем и для наглядности:
Мы показали, что наряду с алгебраическими методами, одним из способов вычисления коэффициента Джини является геометрический — вычисление доли площади между кривой Лоренца и линией абсолютного равенства доходов от общей площади под прямой абсолютного равенства доходов.
Давайте остановимся на ещё одном важном моменте: рассчитывая коэффициент Джини, мы никак не классифицируем людей на бедных и богатых, он никак не зависит от того, кого мы сочтем нищим или олигархом. Но предположим, что перед нами встала такая задача, для этого в зависимости от того, что мы хотим получить, какие у нас цели, нам необходимо будет задать порог дохода четко разделяющий людей на бедных и богатых. Если вы увидели в этом аналогию с Threshold из задач бинарной классификации, то нам пора переходить к машинному обучению.
Машинное обучение
1. Общее понимание
Сразу стоит заметить, что, придя в машинное обучение, коэффициент Джини сильно изменился: он рассчитывается по-другому и имеет другой смысл. Численно коэффициент равен площади фигуры, образованной линией абсолютного равенства и кривой Лоренца. Остались и общие черты с родственником из экономики, например, нам всё также необходимо построить кривую Лоренца и посчитать площади фигур. И что самое главное — не изменился алгоритм построения кривой. Кривая Лоренца тоже претерпела изменения, она получила название Lift Curve и является зеркальным отображением кривой Лоренца относительно линии абсолютного равенства (за счет того, что ранжирование вероятностей происходит не по возрастанию, а по убыванию). Разберем всё это на очередном игрушечном примере. Для минимизации ошибки при расчете площадей фигур будем использовать функции scipy interp1d (интерполяция одномерной функции) и quad (вычисление определенного интеграла).
Предположим, мы решаем задачу бинарной классификации для 15 объектов и у нас следующее распределение классов:
Глядя на эти два графика мы можем сделать следующие выводы:
- Предсказание идеального алгоритма является максимальным коэффициентом Джини для текущего набора данных и зависит только от истинного распределения классов в задаче.
- Площадь фигуры для идеального алгоритма равна:
2. Алгебраическое представление. Доказательство линейной связи с AUC ROC
Мы подошли к самому, пожалуй, интересному моменту — алгебраическому представлению коэффициента Джини. Как рассчитать эту метрику? Она не равна своему родственнику из экономики. Известно, что коэффициент можно вычислить по следующей формуле:
Прекрасно видно, что из графического представления метрик связь уловить невозможно, поэтому докажем равенство алгебраически. У меня получилось сделать это двумя способами — параметрически (интегралами) и непараметрически (через статистику Вилкоксона-Манна-Уитни). Второй способ значительно проще и без многоэтажных дробей с двойными интегралами, поэтому детально остановимся именно на нем. Для дальнейшего рассмотрения доказательств определимся с терминологией: кумулятивная доля истинных классов — это не что иное, как True Positive Rate. Кумулятивная доля объектов — это в свою очередь количество объектов в отранжированном ряду (при масштабировании на интервал — соответственно доля объектов).
Введём следующие обозначения:
Параметрический метод
При построении графика Lift Curve по оси мы откладывали долю объектов (их количество) предварительно отсортированных по убыванию. Таким образом, параметрическое уравнение для Коэффициента Джини будет выглядеть следующим образом:
Подставив выражение (4) в выражение (1) для обеих моделей и преобразовав его, мы увидим, что в одну из частей можно будет подставить выражение (3), что в итоге даст нам красивую формулу нормализованного Джини (2)
Непараметрический метод
При доказательстве я опирался на элементарные постулаты Теории Вероятностей. Известно, что численно значение AUC ROC равно статистике Вилкоксона-Манна-Уитни:
Доказательство этой формулы можно, например, найти здесь
Пусть модель прогнозирует возможных значений из множества , где и — какое-то вероятностное распределение, элементы которого принимают значения на интервале .
Пусть множество значений, которые принимают объекты и . Пусть множество значений, которые принимают объекты и . Очевидно, что множества и могут пересекаться.
Обозначим как вероятность того, что объект примет значение , и как вероятность того, что объект примет значение . Тогда и
Имея априорную вероятность для каждого объекта выборки, можем записать формулу, определяющую вероятность того, что объект примет значение :
Пример того, как могут выглядеть функции распределения для двух классов в задаче кредитного скоринга:
На рисунке также показана статистика Колмогорова-Смирнова, которая также применяется для оценки моделей.
Запишем формулу Вилкоксона в вероятностном виде и преобразуем её:
Аналогичную формулу можем выписать для площади под Lift Curve (помним, что она состоит из суммы двух площадей, одна из которых всегда равна 0.5):
И теперь преобразуем её:
Для идеальной модели формула запишется просто:
Следовательно из (8) и (9), получим:
Как говорили в школе, что и требовалось доказать.
3. Практическое применение
Как упоминалось в начале статьи, коэффициент Джини применяется для оценки моделей во многих сферах, в том числе в задачах банковского кредитования, страхования и целевом маркетинге. И этому есть вполне разумное объяснение. Эта статья не ставит перед собой целью подробно остановиться на практическом применении статистики в той или иной области. На эту тему написаны многие книги, мы лишь кратко пробежимся по этой теме.
Кредитный скоринг
По всему миру банки ежедневно получают тысячи заявок на выдачу кредита. Разумеется, необходимо как-то оценивать риски того, что клиент может просто-напросто не вернуть кредит, поэтому разрабатываются предиктивные модели, оценивающие по признаковому пространству вероятность того, что клиент не выплатит кредит, и эти модели в первую очередь надо как-то оценивать и, если модель удачная, то выбирать оптимальный порог (threshold) вероятности. Выбор оптимального порога определяется политикой банка. Задача анализа при подборе порога — минимизировать риск упущенной выгоды, связанной с отказом в выдаче кредита. Но чтобы выбирать порог, надо иметь качественную модель. Основные метрики качества в банковской сфере:
Страхование
В этой области всё аналогично банковской сфере, с той лишь разницей, что нам необходимо разделить клиентов на тех, кто подаст страховое требование и на тех, кто этого не сделает. Рассмотрим практический пример из этой области, в котором будет хорошо видна одна особенность Lift Curve — при сильно несбалансированных классах в целевой переменной кривая почти идеально совпадает с ROC-кривой.
Это было очень странное и в то же время невероятно познавательное соревнование. И с рекордным количеством участников — 5169. Победитель соревнования Michael Jahrer написал код только на C++/CUDA, и это вызывает восхищение и уважение.
Porto Seguro — бразильская компания, специализирующаяся в области автострахования.
Датасет состоял из 595207 строк в трейне, 892816 строк в тесте и 53 анонимизированных признаков. Соотношение классов в таргете — 3% и 97%. Напишем простенький бейзлайн, благо это делается в пару строк, и построим графики. Обратите внимание, кривые почти идеально совпадают, разница в площадях под Lift Curve и ROC Curve — 0.005.
Коэффициент Джини победившей модели — 0.29698
Для меня до сих пор загадка, чего хотели добиться организаторы, занонимизировав признаки и сделав невероятную предобработку данных. Это одна из причин, почему все модели, в том числе и победившие, по сути получились мусорные. Наверное, просто пиар, раньше никто в мире не знал про Porto Seguro кроме бразильцев, теперь знают многие.
Целевой маркетинг
В этой области можно лучше всего понять истинный смысл коэффициента Джини и Lift Curve. Почти во всех книгах и статьях почему-то приводятся примеры с почтовыми маркетинговыми кампаниями, что на мой взгляд является анахронизмом. Создадим искусственную бизнес-задачу из сферы free2play игр. У нас есть база данных пользователей когда-то игравших в нашу игру и по каким-то причинам отвалившихся. Мы хотим их вернуть в наш игровой проект, для каждого пользователя у нас есть некое признаковое пространство (время в проекте, сколько он потратил, до какого уровня дошел и т.д.) на основе которого мы строим модель. Оцениваем модель коэффициентом Джини и строим Lift Curve:
Предположим, что в рамках маркетинговой кампании мы тем или иным способом устанавливаем контакт с пользователем (email, соцсети), цена контакта с одним пользователем — 2 рубля. Мы знаем, что Lifetime Value составляет 5 рублей. Необходимо оптимизировать эффективность маркетинговой кампании. Предположим, что всего в выборке 100 пользователей, из которых 30 вернется. Таким образом, если мы установим контакт со 100% пользователей, то потратим на маркетинговую кампанию 200 рублей и получим доход 150 рублей. Это провал кампании. Рассмотрим график Lift Curve. Видно, что при контакте с 50% пользователей, мы контактируем с 90% пользователей, которые вернутся. затраты на кампанию — 100 рублей, доход 135. Мы в плюсе. Таким образом, Lift Curve позволяет нам наилучшим образом оптимизировать нашу маркетинговую компанию.
4. Сортировка пузырьком
Коэффициент Джини имеет довольно забавную, но весьма полезную интерпретацию, с помощью которой мы его также можем легко подсчитать. Оказывается, численно он равен:
где, число перестановок, которые необходимо сделать в отранжированном списке для того, чтобы получить истинный список целевой переменной, — число перестановок для предсказаний случайного алгоритма. Напишем элементарную сортировку пузырьком и покажем это:
Комбинаторно несложно подсчитать число перестановок для случайного алгоритма:
Видим, что мы получили значение коэффициента, как и в рассматриваемом выше игрушечном примере.
Надеюсь, статья была полезна и развеяла некоторые мифы относительно этой метрики качества.
ВВП на душу населения некоторым образом подобен средней температуре по больнице — в стране может быть и огромнейшее количество бедняков, и невероятно богатых людей, и небольшая прослойка среднего класса. То есть страна может иметь и сравнительно немалый ВВП, но тем не менее, и уровень образования, и средняя продолжительность жизни в ней будут иметь не радующие показатели. И в этой связи интересен Индекс человеческого развития.
Что такое коэффициент Джини?
Коэффициент Джини варьируется между нулем и единицей. 0 — полное равенство, 1 — полное неравенство. Т. е. если все доходы внутри страны распределены равномерно, то коэффициент равен нулю, если один человек имеет все, а остальные — ничего, показатель — 1.
Индекс Джини: коэффициент Джини выраженный в процентах (то есть коэффициент Джини умноженный на 100%).
Какова ситуация с неравенством распределения доходов в мире
Мы видим, что среди стран с высоким уровнем дохода есть страны с широким средним классом, например, Скандинавские страны, страны Западной Европы. В Швеции, Норвегии, Дании, Канаде относительно равномерное распределение доходов.
Большая часть обоих Америк, за исключением Канады, это страны с неравномерным распределением доходов, отмечает специальный советник генсека ООН по вопросам борьбы с бедностью, прощения долгов беднейшим странам и контроля за распространением болезней в развивающихся странах Джеффри Сакс .
Также неравенство присутствует в странах Африки и большей части Юго-Восточной Азии, по сравнению, например, с Индией. 50 лет назад в Китае все были равны в своей нищете. Но стремительное развитие экономики, расширение разрыва между теми, кто живет в городских районах, и теми, кто живет в довольно бедной сельской местности, привело к тому, что неравенство в Китае выросло до уровня, аналогичного тому, что отмечен в Соединенных Штатах.
Существуют различные пути развития. Так, Северная Европа идет по пути сохранения социального равенства. В то же время существуют и страны с высокими доходами и высоким коэффициентом Джини, в этих странах большой разрыв между богатыми и бедными
Коэффициенты Джини стран ОСЭР
Причины неравенства
Причин этому много: это и исторические, и географические, также важна и государственная политика.
Для понимания того, чем отличаются страны в своём экономическом развитии необходимо обратить внимание на уровень экономической жизни развитых и развивающихся стран. Для этого в таблице ниже представлены доли разных стран в производстве мирового валового внутреннего продукта.
| Страна, регион | Доля в мировом ВВП, % к итогу |
| Развитые страны | 50,2 |
| США | 21,3 |
| Западная Европа | 19,5 |
| Япония | 6,6 |
| Развивающиеся страны | 43,6 |
| Россия | 2,2 |
| Центральная и Восточная Европа | 2,4 |
Не должно вызывать никакого удивления, что на долю развитых стран приходится более половины ВВП мира, а пятая часть и вовсе выполняется одной страной – США.
Необходимо заметить, что доля РФ в мировой доле ВВП составляет порядка 2%, что в три раза меньше, чем у Японии, где площадь и население страны в разы меньше, чем в России.
Чуть более 50% составляет доля развитых стран в мировом промышленном производстве, это видно из таблицы ниже. Примечательно, что в этом показателе развивающиеся страны ещё больше отстают от стран первого мира. Доля развивающихся стран в мировой промышленности составляет чуть более 30%.
| Страна, регион | Доля в мировом промышленном производстве, % к итогу |
| Развитые страны | 56,0 |
| США | 19,4 |
| Западная Европа | 20,36 |
| Япония | 8,65 |
| Развивающиеся страны | 35,0 |
| Россия | 4,8 |
| Центральная и Восточная Европа | 3,9 |
Вместе с тем, надо справедливо заметить, что развитые страны лидируют только из-за более высокой производительности, так как на них приходится маленькая часть численности населения мира. Это понятно из следующей таблицы. В данной категории развивающиеся страны имеют некое преимущество в виде численности населения, поскольку в развитых проживает всего одна десятая всего населения Земли, а в развивающихся около трети. В таблице ниже указаны доли населения стран и мировом населении.
| Страна, регион | Доля в населении мира, % к итогу |
| Развитые страны | 14,0 |
| США | 4,6 |
| Западная Европа | 4,76 |
| Япония | 1,96 |
| Развивающиеся страны | 79,2 |
| Россия | 3,0 |
| Центральная и Восточная Европа | 2,0 |
В США и в Западной Европе проживается около 5% населения Земли, а в Японии всего 2%.
Весьма логично, что в развитых странах уровень жизни выше, чем в развивающихся. Это можно проследить в таблице ниже которая отражает показатели по валовому выпуску на душу населения.
| Страна, регион | ВВП на душу населения |
| Весь мир | 8,2 |
| Развитые страны | 29,4 |
| США | 38,0 |
| Западная Европа | 26,5 |
| Япония | 26,4 |
| Развивающиеся страны | 4,7 |
| Россия | 8,1 |
| Центральная и Восточная Европа | 15,5 |
Средний показатель подушевого ВВП по всему миру составляет примерно 8 000 долл. Однако в развитых странах данная величина выше практические в четыре раза, а в США и вовсе в пять. Надо сказать, что РФ по данному показателю располагается на среднем уровне, впереди развивающихся стран, однако пока не догоняя страны первого мира.
Далее представлена таблица, в которой отражена динамика процентных долей развитых стран в мировом ВВП за период последних 50-60 лет. Из таблицы видно, что доля развитых стран по-прежнему находится на высоком уровне, однако она постепенно сокращается. К тому же стоит отметить, что доля развивающихся стран увеличивается, что говорит о том, что последние несомненно имеют высокий потенциал в своём регионе мира.
Бразилия за последние пятьдесят лет нарастила свой вклад в мировой выпуск продукции вдвое. Китай повысил свою долю втрое, а Индия и Южная Корея в два раза.
В этой связи неблагоприятные тенденции наблюдаются в Европе. Доля Восточной Европы в мировом валовом внутреннем продукте уменьшилась в полтора раза, а доля РФ – в два.
Распределение дохода
Очень важная роль возложена в мировом экономическом хозяйстве на функцию распределения дохода и проблемы неравенства, которые при этом возникают. Ключевым критерием оценки степени неравенства является кривая Лоренца. На изображении ниже продемонстрирован механизм данной методики.
На горизонтальной оси откладывается накопительным итогом доля семей в стране, по вертикальной откладывается процент приходящегося на них дохода. Абсолютное равенство показывает, что каждый процент семей должен получать свой процент дохода. В такой ситуации линия дохода должна проходить под 45° вверх-вправо. По факту можно наблюдать отклонение и другую степень неравенства в распределении дохода.
Реальная линия – кривая Лоренца – проходит немного ниже. Более низкий изгиб линии к правому нижнему углу означает более высокую степень неравенства.
На изображении ниже показана динамика кривой Лоренца для российской экономики. В период с 1990 по 2005 гг. для РФ было характерно увеличения неравенства в отношении распределения дохода в сторону увеличения.
Таблица ниже показывает долю стран в мировом ВВП в %.
| Страна, регион | 1950 г. | 1990 г. | 2000 г. |
| Развитые страны | 60,69 | 55,08 | 51,00 |
| США | 28,79 | 20,73 | 20,59 |
| Япония | 2,94 | 8.64 | 7.21 |
| Западная Европа | 25,74 | 22,40 | 19,97 |
| Развивающиеся страны | 22.24 | 31,12 | 37.63 |
| Латинская Америка | 6,35 | 7,57 | 7,45 |
| Бразилия | 1,46 | 2,50 | 2,26 |
| Азия | 11,25 | 16,82 | 23,57 |
| Китай | 3,71 | 5,41 | 10,09 |
| Индия | 2,91 | 3,13 | 4,16 |
| Южная Корея | 0,30 | 2,13 | 1,46 |
| Северная Африка, Ближний и Средний Восток | 2,32 | 5,27 | 5,37 |
| Восточная Европа | 5,96 | 4,58 | 3,50 |
| Россия | 6,95 | 5,57 | 2,60 |
Рост неравенства доходов
Важно отметить, что характерный рост неравенства доходов в целом свойственен и для частных компаний. Однако в Западной Европе доходы высших управляющих компаний выше, чем уровень заработных плат работников в более чем 30 раз, а в США и вовсе топ-менеджер компании зарабатывает в 250-300 раз больше, чем обычные служащие на этом предприятии. В этой связи можно говорить о том, что существует положительная динамика у данной тенденции. Последние пятнадцать лет в США наблюдается рост вдвое выплат управляющим высшего звена и разрыв в доходах между руководством и служащими компании.
Американские исследователи в сфере экономики говорят о том, что средняя зарплата у топ-менеджера крупной компании или управляющего крупным хедж-фондов составляет приблизительно 11 млн. долл. с учётом базовой заработной платы, бонусов, опционных программ и пр.
Справедливо заметить, что в РФ заработная плата топ-менеджеров и инвестиционных банков также растёт с опережающим темпом. Общий рост заработной платы в 2006 г. составил 11%, а вот доходы руководителей увеличились примерно на 20-25%. Уровень средней заработной платы генерального директора крупной компании в России по разным источникам составляет от полумиллиона до 2,5 миллионов долл.
Во втором квартале 2005 г. десять членов совета директоров Газпромбанка получили порядка 200 млн. долл. Иными словами каждый из них получил по 2 млн. долл. и это только бонусы.
Надо отметить, что по расчётам специалистов зарплаты руководящих сотрудников могут отличаться от официальной статистики в 100-500 раз из-за теневой заработной платы, которая по некоторым данным Министерства экономики и развития составляет порядка 40% от общей.
В последние годы годовой доход российских топ-менеджеров варьируется на уровне 10 млн. долл. в год. ПО некоторым данным агентства Hay Group, российские менеджеры высшего звена в настоящий момент зарабатывают больше, чем самые крупные бизнесмены в США. Стоит отметить, что здесь лидируют квазигосударственные и крупные частные сырьевые компании. Эксперты оценивают доход вице-президента "Роснефти" за 2008 г. в 15 млн. долл., а председатель совета директоров РУСАЛа за тот же 2008 г. заработал около 12 млн. долл.
В таблице ниже указаны характерные для значения коэффициента Джини данные для разных регионов мира. Надо сказать, что в среднем, в развитых странах неравенство менее выражено, нежели в развивающихся странах с высокими или очень высокими значениями данного показателя.
| Регион | Значение |
| Европа | 0,25 |
| Южная Азия | 0,33 |
| Латинская Америка | 0,57 |
| Южная Африка | Свыше 0,7 |
В следующей таблице показаны самые эгалитарные страны мира. Это понятие применяется для стран, где государство целенаправленно поддерживает высокий уровень равенства в распределении дохода. В таких странах коэффициент Джини близок к нулю или к линии абсолютного равенства.
| Страна | Значение коэффициента Джини |
| Азербайджан | 0,19 |
| Дания | 0,247 |
| Япония | 0,249 |
| Швеция | 0,25 |
| Чехия | 0,254 |
| Норвегия | 0,258 |
| Словакия | 0,258 |
| Узбе ки стан | 0,268 |
| Финляндия | 0,269 |
| Укр аи на | 0,281 |
| Герман ия | 0,283 |
Следующая таблица показывает значения Джини для стран, где отмечена максимальная социальная дифференциация. К таким странам прежде всего относятся развивающиеся страны третьего и четвёртого мира. Для таких стран характерно приближение коэффициента Джини к значению единицы или, линии абсолютного неравенства.
| Страна | Значение коэффициента Джини |
| Намибия | 0,743 |
| Ботсвана | 0,63 |
| Лесото | 0,613 |
| Свазиленд | 0,609 |
| Боливия | 0,601 |
| Гаити | 0,592 |
| Колумбия | 0,586 |
| Парагвай | 0,578 |
Говоря о других странах, можно рассмотреть следующую таблицу, где отражены значения коэффициента Джини для стран промежуточного уровня. Такими странами являются США, где данный коэффициент равен 0,408; Россия, где коэффициент равен 0,399; а также Китай с коэффициентом 0,477.
В таблице ниже показаны страны с промежуточными значениями коэффициента Джини.
| Страна | Значение коэффициента Джини |
| США | 0,408 |
| Италия, Великобритания | 0,36 |
| Франция, Канада | 0,327 |
| Бразилия | 0.567 |
| Китай | 0.447 |
| Россия | 0,399 |
| Нигерия | 0,437 |
| Индия | 0,325 |
| Индонезия | 0,343 |
| Пакистан | 0,306 |
Исходя из всего вышеизложенного, надо понимать, что картина экономической жизни мира весьма разнообразна. Не всегда лидеры экономического роста правильно и равномерно распределяют свои доходы. Для стран с высокой долей ВВП на душу населения характерно расположение и в среднем интервале социального равенства, к таким относятся США, Великобритания, Канада; а также высокая степень социального равенства, такими являются страны Северной Европы. Касательно развивающихся стран то они вполне могут приближаться по темпам экономического роста к странам первого мира, однако они серьёзно отстают от золотого миллиарда по уровню благосостояния, который приходится на каждого жителя страны, в том числе и по степени равномерности распределения дохода.
Читайте также: