[논문 리뷰] A Family of Generalized Beta Distributions for Income

Jungsywan H. Sepanski, Lingji Kong|ArXiv.org|2007. 10. 25.

Statistical Distribution Estimation and Applications참고 문헌 13인용 수 6

한 줄 요약

이 논문은 미국 가구 소득 데이터를 모델링하기 위해 일반화된 베타 분포의 가족—로그-F, 비대칭 t, 베타-웨이불, 베타-지수 분포—를 평가하며, 미국 인구조사국의 군집화된 데이터를 이용한 최대우도 추정을 수행한다. 로그-F와 제2형 일반화된 베타(GB2) 분포가 가장 우수한 적합도를 보이며, 로그-F는 카이제곱 및 절대 오차 측정치에서 다른 분포들을 앞서며 우수한 성능을 보인다. 반면 베타-정규 분포는 비대칭 소득 데이터에 대해 대칭 꼬리 가정을 하므로 가장 열 劣하다.

ABSTRACT

The mathematical properties of a family of generalized beta distribution, including beta-normal, skewed-t, log-F, beta-exponential, beta-Weibull distributions have recently been studied in several publications. This paper applies these distributions to the modeling of the size distribution of income and computes the maximum likelihood estimation estimates of parameters. Their performances are compared to the widely used generalized beta distributions of the first and second types in terms of measures of goodness of fit.

연구 동기 및 목표

• 미국 가구 소득의 규모 분포를 모델링하기 위해 일반화된 베타 분포의 성능을 평가하는 것.
• GB1과 GB2와 같이 널리 사용되는 모델들과의 적합도 측정치를 이용한 비교.
• 미국 인구조사국의 군집화된 소득 데이터에 최대우도 추정을 적용하는 것.
• 로그-F, 비대칭 t, 베타-정규와 같은 분포의 수학적 취급 용이성과 적합도 품질을 평가하는 것.
• 2003–2005년 기간 동안 소득 불평등 패턴을 가장 정확하게 표현하는 분포를 규명하는 것.

제안 방법

• 일반화된 베타-F 분포는 누적분포함수 F(x)를 이용한 베타분포 변수의 변환을 통해 정의되며, 밀도 함수 g_F(x) = [B(α,β)]⁻¹ f(x)[F(x)]^(α−1)[1−F(x)]^(β−1)로 표현된다.
• 군집화된 소득 데이터에 최대우도 추정을 적용하며, 첫 번째 군집의 하한에서 누적분포함수 값은 0으로, 마지막 군집의 상한에서 1로 설정된다.
• 우도 방정식에 대한 닫힌 형식 해가 존재하지 않기 때문에, 매개변수 추정은 반복적인 수치 최적화를 통해 수행된다.
• 적합도 평가에는 제곱오차합(SSE), 절대편차합(SAE), 카이제곱 통계량이 사용된다.
• 연구는 2003–2005년 기간 동안 미국 인구조사국의 데이터를 사용하며, 소득은 간격으로 군집화되고, 군집 평균과 빈도를 이용해 상대 빈도를 근사한다.
• 로그-F와 GB2 분포는 존스(2004)가 제안한 바와 같이, 그들의 강력한 꼬리 성질과 지수 꼬리 성질 덕분에 특히 적합한 것으로 나타났다.

실험 결과

연구 질문

• RQ1 2003~2005년 미국 가구 소득 데이터에 대해 SSE, SAE, 카이제곱 통계량 기준으로 어떤 일반화된 베타-F 분포가 가장 우수한 적합도를 보이는가?
• RQ2 비대칭 소득 데이터에 대한 적합도에서 로그-F 분포는 제2형 일반화된 베타(GB2) 및 가족 내 다른 분포들과 비교해 어떻게 성능을 내는가?
• RQ3 베타-정규 분포는 형태 유연성이 높음에도 불구하고 왜 성능이 열 劣한가? 그리고 대칭 꼬리 가정이 비대칭 소득 분포에 적합도에 어떤 영향을 미치는가?
• RQ4 비대칭 t와 로그-F 분포의 네 매개변수 확장형이 이들의 이중 매개변수 대비 얼마나 더 우수한 적합도를 제공하는가?
• RQ5 일반화된 베타-F 프레임워크는 GB1, GB2, 싱크-매달라와 같은 기존 소득 분포 모델을 효과적으로 통합하고 확장할 수 있는가?

주요 결과

• 로그-F 분포가 가장 우수한 전체 적합도를 보이며, 테스트된 모든 분포 중에서 가장 낮은 카이제곱(2005년 기준 1525.312)과 SAE(0.105) 값을 기록한다.
• 제2형 일반화된 베타(GB2) 분포는 두 번째로 우수한 성능을 보이며, 2005년 기준 가장 낮은 SSE(0.429)와 경쟁 가능한 SAE 및 카이제곱 값을 기록한다.
• 베타-정규 분포는 가장 열 劣한 성능을 보이며, 비대칭 소득 데이터에 대해 대칭 꼬리 가정을 하기 때문에 매우 높은 SSE(9.002×10⁴, 2005년 기준)와 SAE(0.364)를 기록한다.
• 이중 매개변수 비대칭 t 분포는 대부분의 다른 분포보다 높은 SSE와 SAE를 기록하며, 베타-정규를 제외한 두 번째로 열 劣한 순위를 차지한다.
• 베타-지수 및 베타-웨이불 분포는 모든 적합도 측정치에서 GB1보다 더 나은 적합도를 보이며, 더 높은 유연성을 나타낸다.
• 2005년의 추정 평균 소득은 7.040($10,000 단위), 로그-F와 GB2 분포는 이 관측값에 가장 가까운 추정 평균을 산출한다.