Innis Lecture: Inference on income distributions

This paper attempts to provide a synthetic view of varied techniques available for performing inference on income distributions. Two main approaches can be distinguished: one in which the object of interest is some index of income inequality or poverty, the other based on notions of stochastic dominance. From the statistical point of view, many techniques are common to both approaches, although of course some are specific to one of them. I assume throughout that inference about population quantities is to be based on a sample or samples, and, formally, all randomness is due to that of the sampling process. Inference can be either asymptotic or bootstrap based. In principle, the bootstrap is an ideal tool, since in this paper I ignore issues of complex sampling schemes and suppose that observations are IID. However, both bootstrap inference and, to a considerably greater extent, asymptotic inference can fall foul of difficulties associated with the heavy right‐hand tails observed with many income distributions. I mention some recent attempts to circumvent these difficulties. Ce mémoire tente de fournir une vue synthétique des diverses techniques disponibles pour faire des inférences à partir des répartitions de revenus. On peut distinguer deux approches principales: l'une dans laquelle l'objet visé est un indice d'inégalité de revenus ou de pauvreté; l'autre est construite sur des notions de dominance stochastique. D'un point de vue statistique, plusieurs techniques sont utilisées par les deux approches, mais certaines techniques sont spécifiques à l'une ou à l'autre approche. L'auteur postule que l'inférence à propos de quantités démographiques est fondée sur un échantillon ou des échantillons, et que formellement tout le caractère aléatoire est attribuable au processus d'échantillonnage. L'inférence est soit asymptotique, soit dérivée par des technique de bootstrap. En principe, la seconde façon de procéder est un outil idéal, puisque dans ce mémoire l'auteur ignore les problèmes de procédures d'échantillonnage complexes et présume que les observations sont IDD. Cependant, la seconde façon de procéder, et encore plus la première, peuvent rencontrer des difficultés associées au fait que l'on observe des queues de distribution épaisses vers la droite dans plusieurs profils de répartition des revenus. L'auteur mentionne certains efforts récents pour contourner ces difficultés.