广义贝塔素数分布：经济的随机模型

2022-6-24 04:13:36

广义贝塔素数分布：经济交换的随机模型和不等式指标的性质。Dashti Moghadama，Je ffrey Millsb，2，R.A.Serotaa，1俄亥俄州辛辛那提辛辛辛那提大学物理系45221-0011俄亥俄州辛辛那提辛辛辛那提辛辛辛那提大学经济系45221-0371摘要我们认为，经济交换的随机模型，其稳态分布是广义贝塔素数（也称为GB2），以及后者的一些独特性质，是GB2成功描述财富/收入分配的原因。我们使用住房销售价格作为财富/收入分配的代表，从数字上说明这一点。我们还从解析的角度探讨了分布的参数极限。我们讨论了Gini、Hoover、Theil T a和Theil-vis-a-vis-a-vis等不等式指数与GB2的参数性质，并引入了一个新的不等式指数，其作用类似。我们认为Ho over和Theil L是具有幂律依赖的分布的更合适的度量，尤其是厚尾分布，如GB2。关键词：广义贝塔素数，经济交换随机模型，基尼，胡夫r（Pietra，Schultz），泰尔，房屋销售价格1。引言关于广义贝塔素数（也称为GB2）在收入/收入分布中的应用，已有大量文献[1]。对于不等式的泰尔和基尼测度，已知分析结果（见[2]第3章和第8章）。使用GB2的数值和分析结果通常用于各种经济分析（最近的一个例子见[3，4]）。然而，似乎很少有人讨论为什么GB2 isso特别适合建模财富/收入分配。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

mingdashike22

2022-6-24 04:13:39

此外，最大似然估计（MLE）和贝叶斯拟合，以及使用更精确的统计测度，如Kolmogor-Osirnov统计，似乎存在明显的缺失。因此，这项工作的主要动机是将GB2与经济交换的一个看似合理的随机模型[5]联系起来，并更好地理解分布的参数依赖性和对称性以及由此导出的数量，如基尼、胡佛（也称s Pietra或Schultz）和泰尔指数。我们还希望进行系统的统计拟合并量化福利。最后，我们提出了一种替代性的不平等衡量标准，与胡佛和泰尔相似，当用幂律分布依赖性（如GB2）来描述高收入和低收入/财富时，它不太容易被夸大。本文的组织结构如下。在第2节中，我们总结了第5节中用于拟合的分布的性质。在第三节中，我们讨论了GB2和不等式指数的解析性质。最初，我们讨论了Beta素数的特殊情况，对于Beta素数，闭式结果很简单，也很容易理解。第四章讨论了经济交换的随机模型，其稳态分布为GB2。第5节我们使用房屋销售数据作为财富/收入分配的代理，以符合第2节的分配。在附录A中，我们介绍了一种新的不等式度量，DMMS。在App endix B中，我们扩展了fitting函数的数量。最后，在附录C-附录E中，我们将市场价值分布与销售价格进行比较，并调查最昂贵的房产对价格参数的影响。serota@ucmail.uc.edumillsj f@ucmail.uc.eduuPreprint提交至arXiv 20192年6月13日。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-24 04:13:43

分布汇总表1-3包含本文中用于拟合的分布的概率密度函数（PDF）和累积密度函数（CDF）以及由此导出的不平等指数。这里，Γ（x）是ga-mma函数，B（x，y）是beta函数，ψ（x）是digamma函数，erf（x）是误差函数，而不是超几何函数。胖尾基因反伽马（GIGa）出现在经济网络模型中【6，7】，通过将PDF变量改为其逆，与基因反伽马（GGa）相关。这些分布及其特殊情况也出现在随机波动率和股票收益率模型中[8，9]；关于BP在后一种情况下的应用，请参见【10】。GIGa和GGa也可被视为p的GB2极限情况→ ∞ 和q→ ∞ 分别为【11】。对数正态分布（LN）也广泛应用于经济和金融领域【12】。许多分布的不等式指数的简明摘要可在[2]中找到。本文推导了GIGa的allinequality指数，以及GB2的Theil L和Hover指数。然而，我们随后发现，对于任意分布的CDF，之前已经获得了一个非常好的闭合形式的胡佛指数公式（Prieta），Theil L也是先前推导出来的。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

mingdashike22

2022-6-24 04:13:46

我们指出了所有指数的差异结构，这些指数反映了与分布变量转换为其逆相关的对称性，将GB2的低端转换为高端，反之亦然（见下文），将GIGa转换为GGa，反之亦然。基尼指数、霍弗指数和泰尔指数使用以下公式计算，其中p（x）是p DF：G=2uZ∞Z∞p（x）p（y）| x- y | dxdy（1）H=2uZ∞p（x）| x-u| dx（2）TT=Z∞p（x）xulnxudx（3）TL=Z∞p（x）lnuxdx（4）从（1）-（4）中可以看出，基尼和泰尔T夸大了分布的幂律依赖性——GGa的低端、GIGa的高端脂肪尾以及GB2（和BP）的高端脂肪尾，因为他们低估了低端和超重脂肪尾。因此，我们认为胡佛和泰尔是更合适的权力分配措施，尤其是厚尾巴。在附录A中，我们介绍了另一种衡量不平等的方法，即DMMS，它试图解决同样的问题m。如下所示，无论是实际数据还是厚尾分布，Theil L都比Theil T小，而Hoover和MDD都比Gini小，所有固定分布的MDD都比Hoover小。3、广义Beta和不等式指标的分析性质3.1。βPrimeWe开始分析GB2GB2（x；p，q，β，α）=α（1+（xβ）α）-p-q（xβ）-1+pαβB（p，q）（5）BP是GB2的一种特殊情况。附录B中给出了包含IGa和Ga的扩展表——GIGa和GGa的特殊情况。对于BP的简单情况，α=1 in（5）。BP（x；p，q，β）=（1+（xβ））-p-q（xβ）-1+pβB（p，q）（6），BP的简单情况下，α=1 in（5）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-24 04:13:49

BP在小参数和大参数下的极限行为为BP（x；p，q，β）∝ （xβ）-q-1，x>> β（7）和BP（x；p，q，β）∝ （xβ）p-1，x<< β（8）这里我们假设p>1，即BP有一个最大值（一个b细胞形状），q>2，即方差存在（我们将在附录中讨论与市场价值相反的示例）。限制行为（7）和（8）强调了BP的灵活性：大e-p行为模拟了IGa在小V值下的指数衰减（见附录B），对应于低端值的抑制，而大q行为模拟了Ga的指数衰减，对应于高端值的抑制（另见【11】）。BP的一个重要特性是，在变量变为其逆变量时，x→ x个-1，它将低端转换为高端，反之亦然，它将转换为asBP（x；p，q，β）→ BP（x-1.q、 p，β-1）（9）根据基尼和泰尔的定义，可以推导出-并立即从表2-3中的闭合形式答案验证-转换属性（9）导致p+1<-> 不等式指数的q变换性质：GBP（p，q）=GBP（q- 1，p+1）；HBP（p，q）=HBP（q- 1，p+1）（10）和TBPT（p，q）=TBPL（q- 1，p+1）TBPL（p，q）=TBPT（q- 1，p+1）（11）注意p+1<-> q意味着p>1和q>2也能正确变换，这支持BP的这些条件。据说，Theil L对低端的不等式更为敏感，这是因为ln（x）是平均值的xin单位，它会随着x发散→ 0–而il T对高端的不平等更为敏感–这是由于xln（x），其作为x发散→ ∞. 我们认为（11）是他们角色的更精确表述。现在我们来看看基尼和泰尔的一些限制行为。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

2022-6-24 04:13:52

根据表3，GBP=2B（2p，2q- 1） pB（p，q）；HBP=p-1+p(-1+q）-1+q(-1+p+q）1-p-qB（p，q）（12）（请注意，英镑[2]的此表达式与表2中的表达式等效；表2中的表达式以低于p+1的方式书写<-> q对称。）给定施加的约束p>1和q>2，BP中的GIN最大值为GBPMAX=GBP（1，2）=；HBPmax=HBP（1，2）=（13）也不显著>> 1） =Γ（p+）√πΓ（p+1）英镑（p>> 1，q）=Γ（q-)√πΓ（q）；HBP（p，q>> 1） =e-购买力平价-1Γ（p）；HBP（p>> 1，q）=e1-q（q- 1） q-1Γ（q）（14）注意，在这种转换下→ LN，Ga→ IGa和IGa→ Gaand，尤其是英镑（1，q>> 1） =+4qGBP（p>> 1，2）=+4p；HBP（1，q>> 1） =e+2eq；HBP（p>> 1，2）=e+2ep（15）当两个参数都变大时，基尼趋于零asGBP（p>> 1，q>> 1) ≈√2π(√p+√q）；HBP（p>> 1，q>> 1) ≈√2π(√p+√q）（16）图1总结了BP基尼对p和q的依赖性。依存度e的轻微不对称性掩盖了上述p+1<-> 根据（14）–（16），对于大p和q，q对称并消失。最后，虽然（12）足够简单并且可以很容易地制成表格，但更简单的表达式是GBP（p，q）≈pq+6p+7q- 68（pq+q- 1）（17）在相对较小的p和q的准确值的一个百分点范围内，通常是令人感兴趣的，如第5节；（17）也尊重p+1<-> q对称性。图2显示了（17）中的表达式与（12）中的精确BP基尼的比率。现在我们来谈谈泰尔。根据表3，TBPT（p，q）=ψ（p+1）- ψ（q- 1） +ln（q- 1p）=ψ（p+1）- ln p公司- ψ（q- 1） +ln（q- 1） TBPL（p，q）=ψ（q）- ψ（p））- ln（q- 1p）=-ψ（p）+ln p+ψ（q）- ln（q- 1））（18）图3所示为T型和L型。两者之间的镜面反射符合（11），p和q之间的轻微不对称符合p+1<-> q、基尼也是如此。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4

2022-6-24 04:13:55

此外，TBPT，max=TBPL，max=TBPT，L（1，2）=1（19），对于较大的p和q，我们只注意到TBPT（1，q>> 1) = 1 - γ+2qTBPT（p>> 1，2）=γ+2pTBPT（p>> 1，q>> 1） =2q+2p（20），其中γ=-ψ(1) ≈ 0.577是欧拉伽马。对于p，q>> 1，TBPL（p，q）的结果通过p<-> q、请注意，（18）表示Theil对p和q的依赖是解耦的，如图4.3.2所示。广义Beta素数我们现在转向GB2分布的性质，PDF由（5）给出。其极限行为由GB2（x；p，q，α，β）给出∝ （xβ）-αq-1，x>> β（21）和GB2（x；p，q，α，β）∝ （xβ）αp-1，x<< β（22）这里我们再次得出αp>1，即BP有一个最大值（钟形），αq>2，即方差存在。与BP一样，GB2的重要特性是在变量的倒数x变化下→ x个-1，它将低端转换为高端，反之亦然，它将rms转换为asGB2（x；p，q，α，β）→ GB2（x-1.q、 p，α，β-1）（23）0.10.20.30.40.5q0.6p0.70.10.20.3q0.4p0.5图1：贝塔素数基尼（左）和胡佛（右）作为p和q的函数，（12）0.9970.9980.9991.001q1.002p1.003图2：基尼近似表达式（17）与精确基尼的比率（12）：pq+6p+7q-68（pq+q-1） 2B（2p，2q-1） pB（p，q）。0.20.40.6q0.8p0.20.40.6q0.8P图3:Theil T（左）和Theil L（右），（18）。1 2 3 4 5p0.10.20.30.40.50.6层次结构2 2.5 3 3.5 4.5 5q0.10.20.30.40.50.6层次结构图4：Per（18）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-24 04:13:58

左：Theil T的p依赖性（顶行，红色），ψ（p+1）- ln p和Theil L（底部线，绿色），-ψ（p）+ln p。右：Theil T的q依赖性（底线，红色），-ψ（q- 1） +ln（q- 1），和Theil L（顶线，绿色），ψ（q）- ln（q- 1).与BP相似，我们依次识别对称性p+α<-> q、这导致基尼系数GB2（p，q）=GGB2（q）的以下关系-α、 p+α）；HGB2（p，q）=HGB2（q-α、 p+α）（24），对于Theil系数tgb2t（p，q）=TGB2L（q-α、 p+α）=αψ（p+α）- lnΓ（p+α））Γ（p）-αψ（q-α） +lnΓ（q））Γ（q-α） TGB2L（p，q）=TGB2T（q-α、 p+α）=-αψ（p）+lnΓ（p+α））Γ（p）+αψ（q）- lnΓ（q））Γ（q-α）（25）其中，我们再次解耦了对p a和q的依赖。而p+α<-> 从表3和表（25）中可以很容易地验证胡佛市的q系统以及与TLI之间的q系统，我们只能从数字上验证基尼的q系统。4、经济交换的随机模型我们现在讨论经济交换的随机模型，它可能是GB2财富/收入分配的根本原因。和以前一样，我们从BP的讨论开始，这是非常透明和容易理解的。4.1. 贝塔素数SDE均值回复随机微分方程（SDE），其稳态分布由BP给出，可表示为[5，10]dx=-γ（x- θ） dt+qκx+κxdW（2）t（26），其中dW（2）是正常分布的维纳过程，dW（2）t~ N（0，dt）。股票市场研究人员立即意识到，对于κ=0，（26）简化为随机波动率的赫斯顿模型[16，8]，最近有人提出，GB2也可以描述市场波动率[14，15]，这使得该模型更加相关。对于k=0的随机波动率乘法模型[17，18，9]。κ=0模型也用于经济交换的Bouchaud-M'ezard网络模型[6，7]。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-24 04:14:01

我们引入c ombinedmodel（26）[10]是为了“结合”赫斯顿行为，后者似乎对长期累积的股票回报更有效，而乘法行为则对每日或几天的回报更有效。（26）的稳态分布为BPBP（x；p，q，β）=（1+xβ）-p-q（xβ）-1+pβB（p，q）（27）尺度参数β=κ（28），形状参数sp=2γθκ（29）q=1+2γκ（30）在财富/收入分配的背景下，（26）的r.h.s.中的第一项假设在时间尺度上收敛到平均值θ∝ γ-1利用简单的互让经济交换。平均θ向低端和高端的变化完全是由随机项引起的，即∝ x代表LARGE x和are∝√x代表小x。该术语可解释为幸运和不幸的事件，导致收益和损失，如继承、医疗支出、牛市和熊市等。但它们也可能抑制因职业道德、人才等原因导致的偏离平均值。我们强调等式（26）代表价值x的时间序列，对于特定的个人来说可能不必要，而是一个抽象的经济实体。稳态分布表示在松弛时间之后，该时间序列中x值的分布。4.2. 广义Beta素数SDEdx现在考虑以下SDEdx=-γ（x- θx1-α） dt+qκx+καx2-αdW（2）t（31）其稳态分布为[5，14]GB2（x；p，q，β，α）=α（1+（xβ）α）-p-q（xβ）-1+pαβB（p，q）（32），标度参数β=（κακ）2/α（33），形状参数p=α(-1+α+2γθκα（34）和q=α（1+2γκ）（35）对于κα=0，（31）的稳态分布为GIGa，对于κ=0，（31）的稳态分布为GGa。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-24 04:14:04

对于α=1，我们有均值回复模型，通常产生BP稳态分布，对于κ=0和κ=0，分别产生IGa和Ga。为了理解参数α的作用，我们使用均值回复概念分析限制行为（21）和（22）vis-a-vis（31），即使α6=1且无固定均值。为此，我们注意到（35）中的尾部指数qα不依赖于α，因此根据（21），高端不受影响。另一方面，前沿指数pα随α增长，因此从α<1过渡到α>1时，根据（22），低端受到抑制，中档人口更多。这可以理解为a s如下：对于x<< β从α<1到α>1，我们看到每θx1的“回复”值小于“平均值”到大于“平均值”-αin（31），而挥发性，包括潜在的“损失”∝ x2个-α、 be变小了。5、数值模拟我们现在根据俄亥俄州哈米尔顿县的住宅销售价格对财富/收入分配进行数值分析，该县包括约220万人口的辛辛那提大都会利坦地区。数据是1970-2010年的销售额，我们总共有124,20 3个数据点。我们根据汉密尔顿县劳工统计局（BLS）消费者价格指数（CPI）数据进行了调整，以表示1990年的价格和20-10美元不变价格，仅发现非常小的差异–见下文。我们使用最大似然估计（MLE）进行拟合，拟合结果如图5所示，基于1990年不变美元，表4和表5分别基于1990年和2010年不变美元。此外，我们拟合了累积密度函数（CDF）的尾部，即幂律尾部，并将结果显示在图中。6，基于1990年固定美元，以及表7和表8。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-24 04:14:07

对于实际的厚尾分布（GB2、BP和GIGa），根据表4和表5，将尾分布的结果与根据完整分布计算的尾参数进行比较。在我们的模拟中，我们总是使用1990年和2010年的恒定美元进行计算，以验证我们的拟合的一致性，但表4和表5充分表明，除了与比例参数相关的数量外，依赖于形状参数的数量差异很小。因此，在图。在接下来的内容中，我们只提供了1990年的调整数据。0 100 200 300 400 500 600 700 800 900 1000 k币的销售价格0.0020.0040.0060.0080.010.012dataGB2GIGaBPGGaLNFigure 5:1990年固定美元的销售价格数据拟合。表4:1990年恒定dollarstype参数KS测试平均RMS Gini Hoover Theil T Theil L DMMSData N.A.N.A.113.9110 132.2079 0.3620 0.2606 0.2580 0.2176 0.2708GB2 GB2（3.0300，1.5521，1.8265，57.520 8）0.0173 113.7045 108.3528 0.3609 0.2580 0.2473 0.2168 0.1929BP BP（13.3205，3.7632，23.4072）0.0228 112.840 2 93.3789 0.3560 0.2556 0.2288 0.2082 0.1870千兆（5.4618，849.6230，0.7200）0.0291 113.5776 97.3008 0.3624 0.2610 0.2393 0.2147 0.1999LN LN（4.5178，0.6200）0.0463 111.05 40 76.0374 0.3389 0.2434 0.1922 0.1922 0.1551GGa GGa（41.9754，0.00001，0.2442）0.0559 111.1247 74.1637 0.3390 0.2435 0.1897 0.1958 0.1353表5:MLE 2010年恒定dollarstype参数KS测试平均RMS Gini Hoover Theil T Theil L DMMSData N.A.N.A.结果。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-24 04:14:11

184.3548 213.9667 0.3620 0.2606 0.2580 0.2176 0.2639GB2 GB2（3.0302，1.5521，1.8265，93.090 0 0）0.0173 184.0205 175.3528 0.3609 0.2580 0 0.2473 0.2168 0.1972BP BP（13.3206，3.7632，37.8823）0.0228 182.6217 151.1257 0.3560 0.2556 0.2288 0.2082 0.1967GIGa 1375.4542，0.7200）0.0291 183.80 88 157.4365 0.3624 0.2610 0 0.2392 0.2146 0.1991LN（4.9992，0.6200）0.0463 179.73 10 123.05980.3389 0.2435 0.1922 0.1922 0.1474GGa GGa（44.6058，0.00001，0.2386）0.0546 179.2009 118.7474 0.3369 0.2434 0.1873 0.1930 0 0.14092.3 2.4 2.5 2.6 2.7 2.8 2.9 3 3 3.1log（售价k$）-3.5-3-2.5-2-2.5-1-1-0.5TailfittigabpggabPGgalConfigalConfigfigure 6：使用CDF表6进行尾部拟合：斜率计算结果为1990年固定美元（左）和2010年固定美元（右）。表7:1990年恒定dollarstype坡度参数SlopeData-2.9411GB2-2.8253的尾坡结果-αq-2.835BP-3.1102-q-3.763GIGa-3.0337-αγ -3.933LN-4.1994GGa-4.5707表8：2010年恒定dollarstype坡度参数的尾坡结果斜率数据-2.9411GB2-2.8253-qα- 2.835BP-3.1102-q-3.763GIGa-3.0341-αγ -3.933LN-4.1994GGa-4.58996。结论我们认为，基因化贝塔素数（和贝塔素数）的独特性质使其适合于描述自然科学和生命科学中的财富/收入和其他分布，即它可以模拟各种行为，如指数，无论是小变量还是大变量。它还有一个重要性质，即逆变量的分布也是广义Beta素数。换句话说，变量的大小值可以互换。在这种变换下，广义贝塔素数明确地执行了参数要求，以保持钟形和方差的存在。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-24 04:14:14

然而，最重要的是，它是一个简单随机模型的稳态分布，可以描述许多现象，包括建模经济交换和市场波动。我们在广义贝塔素数框架中研究了收入不平等的测度、基尼系数、胡佛系数和泰尔系数，推导了（24）和（25）（以及（10）和（11）之间的关系，并将它们与上述逆变量变换的性质（23）（和（9））联系起来。我们还从随机模型中导出了广义Beta素的参数s，并粗略分析了这些参数对分布和不等式测度的影响。此外，我们推导出了一个简单但非常精确的近似值（17），精确到贝塔素数基尼。我们还导出了表2和表3中分布的几个新基尼系数、胡佛系数和泰尔系数。我们认为，基尼和泰尔T从定义上夸大了分布对低端（体重不足）和高端肥尾（体重过高）的影响幂律依赖性。因此，我们认为胡佛（Pietra，Schultz）和泰尔·拉尔·埃莫（Theil L ar e mo）在这种情况下采取了适当的措施，尤其是就厚尾巴而言。我们还引入了一种新的与尺度无关的不平等度量方法DMMS，该方法通过一种分布不可知的程序来估计低端和高端财富/收入的分位数。我们使用Beta Prime来说明这个度量。在数值模拟中，胡佛的基尼值始终低于胡佛，且DMS小于胡佛（对于后一种情况下的所有拟合分布）。同样，无论是数据还是所有厚尾分布，Theil Lwas始终低于Theil T。我们使用俄亥俄州汉密尔顿县的房价作为财富/收入分布的代表。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022

2022-6-24 04:14:17

考虑到非常大的数据集，我们使用最大似然估计来拟合一些分布。虽然广义Beta素数提供了最好的fit，但绝对精度并不特别高。此外，我们直接对尾部进行拟合，以查询这些尾部与全分布指数幂律指数之间的对应关系。我们研究了一小部分最高售价的影响，并表明从分布中剔除这些尾部可以显著降低尾部的不平等指数和“肥胖”。最后，我们研究了市场价值（要价）的分布，发现它们的尾部比销售价格的尾部要“胖”得多，以至于理论上不存在差异。我们认为这是因为市场价值不是用经济交换模型来描述的，因此是“非物理的”附录A.新的不平等度量在这里，我们介绍了一种新的不平等度量，DMMS，用于钟形分布：DMM S=1- M P DF×HW（A.1），其中M P DF是“模式PDF”，即模式下PDF的高度，HW是“半宽”，即模式PDF下分布的宽度。图A.7中说明了这一点，因此，DMS全面测量了整个分布中低端和高端的比例。自M P DF起∝ β-1和HW∝ β、 DMMS是与尺度无关的，这是不平等度量的要求，是一个介于0和1之间的数字。我们无法推导出BP的DMMS的解析表达式（对于GIGa，在[19]中获得的闭合形式表达式），因此我们仅给出数值结果。以非常高的精度，由dbpmax=DBP（1，2）给出了OFDM的最大值≈ 0.48（A.2），正如预期的那样，小于基尼的最大值，并且略小于胡佛的最大值（13）。图A.8显示了作为p和q函数的DMS。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-24 04:14:21

它类似于基尼和霍夫，但值较低。0.5 1 1.5 2.5 3 3.5X0.20.40.60.81.2模式PDFHalf宽度图A.7：数字式万用表图解。r内的面积大致代表财富/收入的比例，不在尾部。0.10.2DMMS0.3q0.4p0.5图A.8：作为p和q函数的β-Prim e DMMS。附录B。扩展表在表B.9和B.10中，我们分别添加IGa和Ga作为GIGa和GGa的限制情况。通过将其中一个形状参数设置为unity，从GB2、GIGa和GGa中获得BP、IGA和Ga。通常情况下，使用缩减分布进行拟合的准确度非常接近，而指数的表达式相对于广义分布而言非常简单。附录C.尾部切割我们调查了最高销售价格对分配、尾部和不平等措施的影响程度。为此，我们先将最高售价下调0.05%，然后再下调0.1%。结果如图所示。C9和C.10以及表C.11、C.12和C.13。值得注意的是，第一次切割明显降低了鱼尾质量指数，并使尾巴“脂肪”减少与第一次切割相比，第二次切割没有太大影响。0 50 100 150 200 250 300 350 400 450 500 k币销售价格0.0020.0040.0060.0080.010.012dataGB2GIGaBPGGaLN0 50 100 150 200 250 300 350 400 450 500 k币销售价格0.0020.0040.0060.0080.010.012DataGB2Gigabpggaln配置图C.9：销售价格最高下调0.05%（左）和最高下调0.1%（右）表C.11：具有最高0.05%岩屑类型参数的销售价格的最大似然估计结果KS检验平均值RMS Gini Hoover Theil T Theil LData N.A.N.A。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

mingdashike22

2022-6-24 04:14:24

112.4606 89.6130 0.3541 0.2554 0.2255 0.2064GB2 GB2（3.8260，1.8778，1.61 91，53.6299）0.0176 112.9118 100.8824 0.3567 0.2552 0.2179 0.2302GIGa GIGa（5.5018，857.7555，0.7200）0.0290 113.1787 96.2318 0.3609 0.2599 0.2369 0.2128BP BP（12.5840，3.8592，25.5170）0.0229 112.3070 91.2442 0.3532 0.2535 0.2242 0.2051LN LN（4.5162，0.6159）0.0452 110.5885 75.1049 0.3368 0.2419 0.1896 0.1896GGa GGa（39.3820，0.0001，0.2553）0.0543 110.3299 72.4940 0.3350 0.2405 0.1849 0.1909表C.12：具有最大0.1%切削参数的销售价格的MLE结果KS测试平均RMS Gini Hoover Theil T Theil LData N.A.N.A.111.9174 86.4710 0.3514 0.2535 0.2191 0.2029GB2 GB2（4.565 2，2.1658，1.4828，50.4532）0.0163 112.3574 96。5217 0.3539 0.2533 0.2289 0.2087GIGa GIGa（5.5312，863.5680，0.7200）0.0290 112.8726 95.4512 0.3597 0.2590 0.2352 0.2114BP BP（12.1545，3.9269，26.9 504）0.0229 111.9161 89.8078 0.3 514 0。2521 0.2210 0.2029 LN LN（4.5148，0.6133）0.0444 110。2659 74.5097 0.3355 0.2409 0.1881 0.1881GGa GGa（37.8721，0.0001，0.2621）0.0540 109。9910 71.6878 0.3329 0.2390 0.1825 0.18852.3 2.4 2.5 2.6 2.7 2.8 2.9 3 3.1log（售价k$）-3-2.5-2-1.5-1-0.5tailfittgb2gigabpggaln2.3 2.4 2.5 2.6 2.7 2.8 2.9 3 log（售价k$）-3-2.5-2-1.5-1-0.5tailfittgb2gigabpggaln图C.10：顶部坡度降价0.05%（左）和最高降价0.1%（右）表C.13：顶部0.05%坡度（左）和0.1%坡度（右）类型坡度数据-3.1776GB2-2.8573BP-3.1613GIGa-3.0494LN-4.2272GGa-4.6416类型坡度数据-3.3890GB2-2.9539BP-3.1968GIGa-3.0609LN-4.2446GGa-4.6801附录D的销售价格尾斜率结果。在我们对顶部20%和30%的啤酒价格进行尾拟合之前，请参见附录D。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-24 04:14:27

我们没有发现表7和表8.2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 3 3.1log（售价k$）-3-2.5-2-1.5-1-0.5tailfitbpgiggaln2.2 2.4 2.6 2.8 3.2log（售价k$）-3-2.5-2-1.5-1-0.5tailfitbpgiggaln2图D.11：顶部售价的尾斜率20%的价格（左）和30%的折扣（右）。表D.14:top 20%Pris（左）和30%cut（右）型SlopeData-2.8730BP-3.0229GIGa-2.9451LN-3.9405GGa-4.2379型SlopeData-2.8189BP-2.9594GIGa-2.8822LN-3.7644GGa-4.0129附录E的销售价格尾部操作结果。市场价值分布很有意思的是将销售价格分布与原始“市场价值”即销售价格进行比较。对于后者，我们有124203个数据点。无花果。E、 12和E.13显示了两种分布的等高线图，包括顶部和非常顶部的值。很明显，市场价值有一个“更胖”的尾巴，如图E所示，这是由最大似然误差和尾部拟合确定的。14和表E.15和E.16。事实上，尾部e xpo ne nt太小，以至于不允许理论上存在方差。我们认为，这是因为存在一个名词化的经济交换模型，而非销售价格，它是财富/收入的代表。图E.12：销售价格和市场价值分布的等高线图。图E.13：高增长价格（左）和最高价格（右）与图E.12相同。0 100 200 300 500 600 800 900 1000千加元市场价值0.0020.0040.0060.0080.010.012dataGB2GIGaBPGGaLN2.2 2.4 2.6 2.8 3 3.2 3.4 3.6千加元（市值）-3-2.5-2-1.5-1-0.5TailfitGB2Gigabpggaln配置图E.14：市场价值的最大似然法。表E.15：市场价值的最大似然法结果PE参数KS测试平均RMS基尼胡佛泰尔T泰尔L DMMSData N.A.N.A.137.5409 169.6051 0.4041 0.2944 0.3419 0.2711 0.3245GB2 GB2（1.1477，0.5488，3.5129，70.737 3）0.0131 141.7586 N.A.0.4227 0.3054 N.A.N.A。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-24 04:14:30

0.2371BP BP（30.9762，2.9803，8.5913）0.0303 134.3902 140.0085 0.3884 0.2804 0.2893 0.2480 0 0.2156GIGa GIGa（3.3516，340.5329，0.8940）0.0282 134.9369 143.2419 0.3919 0.2833 0.2959 0.2520 0 0 0 0.2203LN LN（4.6528，0.6636）0.0657 130.71 09 97.2305 0.3611 0.2599 0.2202 0.2202 0.1722GGa GGa（44.4707，0.00001，0.2196）0.0752 131.3837 95.9984 0.3638 0.2620 0.2206 0.2280 0 0.1594表E.16：尾坡结果对于市场价值，pe Slope param SlopeData-2.2175GB2-1.9269-qα- 1.928BP-2.6419-q-2.980GIGa-2.6138-αγ -2.996LN-3.9300GGa-4.2277参考文献[1]D.Chotikapanech（编辑），《收入分布和Lor-enz曲线建模》，斯普林格出版社，2008年。[2] J.B.McDonald，《收入分布和洛伦兹曲线建模》（Chotikapanich，Duangkamon编辑），斯普林格出版社，2008年，第3和第8章。[3] J.Chen，Y.Wang，J.Wen，F.Fang，M.Song，《人口老龄化和经济增长对中国农村贫困的影响》，农村研究杂志47（2016）665–676。[4] D.Chotikapanich，W.E.Griffiths，G.Hajargasht，W.Karunarathne，P.D.S.Rao，使用gb2收入分配，计量经济学6（2）（2018）21。[5] G.Hertzler，“随机动态模型的经典”概率分布，摘自：澳大利亚农业和资源经济学会第47届年会，2003年。[6] J.-P.Bouchaud，M.M\'ezard，《简单经济模型中的财富凝聚》，物理学a：统计力学及其应用282（3）（2000）536–545。[7] T.Ma，J.G.Holden，R.Serota，《经济网络模型中的财富分配》，Physica a：统计机制及其应用392（10）（2013）2434–2441。[8] A.A.D.ragulescu，V.M.Yakovenko，《具有随机波动性的heston模型中的收益概率分布》，量化金融2（2002）445–455。[9] T.Ma，R。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝