Ketidaksetaraan ekonomi cukup mudah untuk menemukan statistik, tetapi ini sering sulit untuk diurai. Situs kampanye Bernie Sanders adalah contohnya. Ini memberikan empat poin data: 1% teratas populasi mengambil 22, 8% dari pendapatan sebelum pajak negara; 0, 1% populasi teratas mengendalikan kira-kira kekayaan sebanyak 90% terbawah; 1% teratas menyumbang 58% dari pertumbuhan pendapatan riil dari 2009 hingga 2014, dengan 42% ke bawah 99%; dan AS memiliki tingkat kemiskinan anak tertinggi di antara negara-negara maju.
Angka-angka ini berkisar antara 0, 1%, 1% dan 90%, dan antara kekayaan, pendapatan, pertumbuhan pendapatan, dan tingkat kemiskinan. Tidak semua variabel ini berkorelasi: seorang pengacara Amerika dengan hutang pelajar mungkin menghasilkan beberapa ratus kali lipat dari yang dilakukan gembala Kenya, tetapi memiliki kekayaan bersih yang jauh lebih rendah. Untuk keperluan kampanye, gaya presentasi ini baik-baik saja: gambar ketidakadilan yang meresap muncul cukup jelas. Namun, untuk tujuan perbandingan lintas waktu dan ruang, kami membutuhkan nomor judul yang bagus dan bersih.
Tentu saja setiap titik data tunggal akan merusak gambar, mengabaikan hal ini, terlalu menekankan hal itu dan memberikan kesan berbahaya bahwa hidup lebih sederhana daripada itu. Jadi kita harus memilih metrik terbaik.
"Menempatkan Gini Kembali ke Dalam Botol"
Selama bertahun-tahun, jumlah yang digunakan untuk mengukur ketimpangan adalah koefisien Gini. Tidak sulit untuk melihat mengapa, mengingat kesederhanaannya yang memikat: 0 menunjukkan kesetaraan sempurna, di mana pendapatan setiap orang - atau kadang-kadang, kekayaan - adalah sama; 1 menunjukkan ketidaksetaraan sempurna, di mana satu individu membuat semua pendapatan (angka di atas 1 secara teoritis dapat dihasilkan jika beberapa orang menghasilkan pendapatan negatif).
Koefisien Gini memberi kita skala geser tunggal untuk mengukur ketimpangan pendapatan, tetapi apa artinya sebenarnya? Jawabannya rumit sekali. Jika Anda memplot persentil populasi berdasarkan pendapatan pada sumbu horizontal terhadap pendapatan kumulatif pada sumbu vertikal, Anda mendapatkan sesuatu yang disebut kurva Lorenz. Dalam contoh di bawah ini, kita dapat melihat bahwa persentil ke-54 sesuai dengan 13, 98% dari total pendapatan di Haiti dan 22, 53% di Bolivia. Dengan kata lain, 54% populasi terbawah mengambil sekitar 14% dari pendapatan Haiti dan sekitar 23% dari pendapatan Bolivia. Garis lurus menyatakan yang jelas: dalam masyarakat yang sangat setara, 54% terbawah akan menerima 54% dari total pendapatan.
Ambil salah satu kurva ini, hitung area di bawahnya, bagilah hasilnya dengan area di bawah garis lurus yang menunjukkan kesetaraan sempurna, dan Anda memiliki koefisien Gini. Tidak ada yang sangat intuitif.
Juga bukan satu-satunya masalah dengan koefisien Gini. Ambil masyarakat hipotetis di mana 10% populasi teratas menghasilkan 25% dari total pendapatan, dan demikian juga 40% terbawah. Anda mendapatkan koefisien Gini sebesar 0, 225. Sekarang kurangi 40% penghasilan terbawahnya menjadi dua pertiga - menjadi 8, 3% dari total pendapatan negara - dan berikan perbedaan pada 10% teratas, yang sekarang berpenghasilan 47, 5% (jumlah yang diperoleh dari potongan potongan 40% -90% tetap menenangkan). Koefisien Gini lebih dari dua kali lipat menjadi 0, 475. Tetapi jika penghasilan 40% terbawah turun 45%, menjadi hanya 4, 6% dari total, dan semua penghasilan yang hilang itu sekali lagi masuk ke 10% teratas, koefisien Gini tidak naik terlalu banyak - itu sekarang hanya 0, 532.
The Palma Ratio
Bagi Alex Cobham dan Andy Sumner, dua ekonom, itu tidak masuk akal. Ketika 40% populasi terbawah kehilangan separuh dari pendapatan mereka, dan 10% terkaya mendapat untung, ukuran yang masuk akal dari ketidaksetaraan pendapatan harus meningkat lebih dari satu demi satu.
Pada 2013, Cobham dan Sumner mengusulkan alternatif untuk koefisien Gini: rasio Palma. Mereka menamakannya dengan José Gabriel Palma, seorang ekonom Chili. Palma memperhatikan bahwa di sebagian besar negara, kelas menengah - didefinisikan sebagai mereka yang berada di desil pendapatan kelima hingga kesembilan, atau 40% -90% - mengambil sekitar setengah dari total pendapatan. "Stabilitas (relatif) dari bagian pendapatan perantara adalah temuan yang sangat konsisten, untuk set data yang berbeda, negara dan periode waktu, " kata Cobham kepada Investopedia melalui email. Mengingat wawasan itu, tampaknya ada sedikit akal dalam menggunakan rasio Gini, yang sensitif terhadap perubahan di tengah spektrum pendapatan tetapi relatif buta terhadap perubahan di ekstrem.
Rasio Palma membagi pembagian pendapatan 10% teratas dengan 40% terbawah. Hasilnya adalah metrik yang, dalam kata-kata Cobham dan Sumner, "'terlalu' peka terhadap perubahan distribusi pada ekstrem, daripada di tengah yang relatif lembam." Tabel di bawah ini, dari mana koefisien Gini hipotetis di atas diambil, menunjukkan bagaimana efek ini dimainkan:
Mendekatnya separuh dari penghasilan 40% terbawah - dan menghasilkan peningkatan ke pendapatan 10% terkaya - menyebabkan rasio Palma melonjak dari 5 menjadi 10, sedangkan koefisien Gini hanya sedikit naik.
Rasio Palma memiliki keunggulan lain: artinya di dunia nyata mudah dipahami. Ini bukan produk sihir statistik, tetapi pembagian sederhana: 10% berpenghasilan tertinggi dari populasi membuat X kali lebih banyak dari 40% berpenghasilan terendah. Rasio Gini, Cobham dan Sumner menulis, "tidak menghasilkan pernyataan intuitif untuk audiens non-teknis." Yang terbaik yang bisa kita lakukan adalah sesuatu seperti: pada skala 0 sampai 1, negara ini 0.X tidak sama.
Jadi haruskah kita mengharapkan rasio Palma untuk memasukkan "Gini kembali ke dalam botol, " seperti yang ditulis oleh Cobham dan Sumner? Mungkin tepat waktu. Ketika Cobham menyesali Investopedia, "Ah, tirani Gini tetap kuat!" Tetapi lingkaran pengembangan mulai memperhatikan rasio Palma. OECD dan PBB telah memasukkannya ke dalam basis data mereka, kata Cobham, dan ekonom pemenang hadiah Nobel Joseph Stiglitz telah menggunakannya sebagai dasar proposal untuk Tujuan Pembangunan Berkelanjutan.
