Disparitätsmessung aus klassierten Daten mittels Schätzung von entropiemaximalen Dichtefunktionen

André Lucas

No 1/99, Discussion Papers in Econometrics and Statistics from University of Cologne, Institute of Econometrics and Statistics

Abstract: Standardmethoden zur Schätzung von Disparitätsmaßen aus klassierten Daten basieren entweder auf der Bestimmung von Schranken, die den wahren Wert des jeweiligen Disparitätsmaßes einschließen (nichtparametrischer Ansatz) oder aber auf Annahmen bezüglich der den Daten zugrunde liegenden Verteilung, deren Parameter geschätzt werden müssen (parametrischer Ansatz). Die Parameterschätzung kann je nach angenommener Verteilung numerisch aufwendig sein und es ist nicht in jedem Fall gesichert, dass diese Verteilung eine gute Anpassung an die Daten darstellt. Die Bestimmung der Schranken ist hingegen nur dann sinnvoll, wenn diese nahe genug beieinander liegen (dies ist zumeist nur bei Vorliegen einer größeren Anzahl von Klassen der Fall). In diesem Beitrag wird die Schatzung von Disparitätsmaßen mittels Bestimmung von entropiemaximalen Dichtefunktionen dargestellt. Dabei wird in jeder Klasse die Entropie der geschätzten Dichtefunktion maximiert. Die durchgeführte Simulationsstudie bestätigt eine verbesserte Schätzung bei einem akzeptablen numerischen Aufwand auch bei einer kleinen Klassenanzahl.

Keywords: Maximum-entropy; density estimation; inequality measures; grouped data (search for similar items in EconPapers)
JEL-codes: C13 D31 D63 (search for similar items in EconPapers)
Date: 1999
References: View references in EconPapers View complete reference list from CitEc
Citations:

Downloads: (external link)
https://www.econstor.eu/bitstream/10419/45474/1/657508896.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:zbw:ucdpse:199

Access Statistics for this paper

More papers in Discussion Papers in Econometrics and Statistics from University of Cologne, Institute of Econometrics and Statistics Contact information at EDIRC.
Bibliographic data for series maintained by ZBW - Leibniz Information Centre for Economics ().