ค่าสัมประสิทธิ์ Gini ไม่แปรผันตามขนาดและมีขอบเขต, ค่าเบี่ยงเบนมาตรฐานคงที่กับการเปลี่ยนแปลงและไม่ จำกัด ดังนั้นจึงเป็นการยากที่จะเปรียบเทียบโดยตรง ตอนนี้คุณสามารถกำหนดเวอร์ชันเบี่ยงเบนมาตรฐานของการเบี่ยงเบนมาตรฐานโดยหารด้วยค่าเฉลี่ย (สัมประสิทธิ์การแปรผัน)
อย่างไรก็ตามดัชนี Gini ยังคงยึดตามค่าที่สองคือค่า squared ดังนั้นคุณสามารถคาดหวังว่าค่าที่สองจะได้รับอิทธิพลจากค่าผิดปกติมากขึ้น (ค่าต่ำหรือสูงเกินไป) สามารถพบได้ในมาตรการความไม่เท่าเทียมกันของรายได้ F De Maio, 2007:
การวัดความไม่เท่าเทียมกันของรายได้นี้คำนวณโดยการหารค่าเบี่ยงเบนมาตรฐานของการกระจายรายได้ด้วยค่าเฉลี่ย การกระจายรายได้ที่เท่าเทียมกันมากขึ้นจะมีค่าเบี่ยงเบนมาตรฐานที่น้อยกว่า เช่นนี้ประวัติย่อจะเล็กลงในสังคมที่เท่าเทียมกันมากขึ้น แม้จะเป็นหนึ่งในมาตรการที่ง่ายที่สุดของความไม่เท่าเทียมกันการใช้ CV นั้นค่อนข้าง จำกัด ในวรรณคดีสาธารณสุขและไม่ได้ให้ความสำคัญในการวิจัยเกี่ยวกับสมมติฐานความไม่เท่าเทียมกันของรายได้ นี่อาจเป็นผลมาจากข้อ จำกัด ที่สำคัญของการวัด CV: (1) มันไม่มีขอบเขตบนซึ่งต่างจากค่าสัมประสิทธิ์ Gini ซึ่งทำให้การตีความและการเปรียบเทียบค่อนข้างยาก และ (2) องค์ประกอบทั้งสองของ CV (ค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐาน) อาจได้รับอิทธิพลอย่างมากจากค่ารายได้ต่ำหรือสูงผิดปกติ ในคำอื่น ๆ
ดังนั้นสัมประสิทธิ์การแปรปรวนจึงน้อยกว่าและยังไม่ถูก จำกัด หากต้องการใช้ขั้นตอนเพิ่มเติมคุณสามารถลบค่าเฉลี่ยและหารด้วยส่วนเบี่ยงเบนสัมบูรณ์แทน ( ) ถึงปัจจัยคุณจะจบลงด้วยอัตราส่วนปกติของซึ่งสามารถล้อมรอบได้เนื่องจากสำหรับเวกเตอร์จุด(x)ℓ 1 / ℓ 2 N ℓ 2 ( x ) ≤ ℓ 1 ( x ) ≤ √ℓ1(x−m)=∑|xn−m|ℓ1/ℓ2Nℓ2(x)≤ℓ1(x)≤N−−√ℓ2(x)
ตอนนี้คุณมีดัชนี Gini และ อัตราส่วนสองมาตรการที่น่าสนใจของการกระจาย sparsity, ขนาดคงที่และขอบเขตℓ1/ℓ2
พวกเขาถูกเปรียบเทียบในการเปรียบเทียบมาตรการ Sparsity , 2009 ทดสอบกับคุณสมบัติ sparsity ธรรมชาติที่แตกต่างกัน (Robin Hood, Scaling, Rising Tide, Cloning, Bill Gates และ Babies) ดัชนี Gini โดดเด่นที่สุด แต่รูปร่างของมันทำให้ยากต่อการใช้เป็นฟังก์ชั่นการสูญเสียและสามารถใช้เวอร์ชันปกติℓ1/ℓ2ในบริบทนี้
ดังนั้นหากคุณไม่ต้องการแสดงลักษณะการกระจายแบบเกาส์เซียนเกือบหากคุณต้องการวัดความกระจัดกระจายให้ใช้ดัชนี Gini ถ้าคุณต้องการส่งเสริมการกระจายแบบเบาบางระหว่างรุ่นต่าง ๆ คุณสามารถลองอัตราส่วนปกติได้
การบรรยายเพิ่มเติม: ความแตกต่างของค่าเฉลี่ยของ Gini: ตัวชี้วัดความแปรปรวนที่เหนือกว่าสำหรับการแจกแจงแบบไม่ปกติ Shlomo Yitzhaki, 2003 ซึ่งบทคัดย่ออาจปรากฏเป็นที่สนใจ:
จากมาตรการทั้งหมดของความแปรปรวนความแปรปรวนนั้นเป็นที่นิยมมากที่สุด บทความนี้ระบุว่า Gini's Mean Difference (GMD) ซึ่งเป็นดัชนีทางเลือกของความแปรปรวนแบ่งปันคุณสมบัติหลายอย่างกับความแปรปรวน แต่สามารถให้ข้อมูลเพิ่มเติมเกี่ยวกับคุณสมบัติของการแจกแจงที่ออกจากภาวะปกติ