Ett nytt sätt att mäta ojämlikhet i välstånd förklarar bättre hur vi upplever den. I en tidning publicerad i Ekonomibrev , Ekonomerna Samuel Bowles från Santa Fe Institute och Wendy Carlin från University College London och Santa Fe Institute föreslår en ny vändning på den allmänt använda Gini-koefficienten – ett statistiskt mått på arbetshästen för att mäta klyftan mellan som har och som inte har.

I ett perfekt jämlikt samhälle, där alla individer är lika rika, Gini-koefficienten bör vara 0. Omvänt, ett samhälle där en enskild individ innehar all rikedom bör ha en Gini-koefficient lika med 1. Med Gini-koefficienten, länder kan rangordnas från minst till mest ojämlika.

Men individers förmögenhet eller inkomst är inte hela bilden när det gäller ojämlikhet. Enligt Bowles och Carlin, standardalgoritmen för att beräkna Gini-koefficienter ger udda resultat, till exempel när en enskild individ äger all förmögenhet, Gini-koefficienten är mindre än 1 vilket är värdet den bör uppnå under maximal ojämlikhet. Rättar det felet, de visar, kräver en nätverksbaserad fix som redogör för relationerna mellan individer i samhället.

"Några av de dimensioner längs vilka ojämlikhet mäts är bäst uppfattade som individuella attribut, som du helt enkelt har mer eller mindre av, som höjd, " förklarade Bowles. "Men andra dimensioner – som rikedom – uppfattas bäst som skillnader mellan människor i deras relationer med andra."

Det vänstra nätverket i bilden representerar Bowles och Carlins tillvägagångssätt, där pilarna som förbinder noderna representerar upplevd social interaktion. Enligt deras mått, det är skillnaderna i rikedom på dessa kanter, inte rikedomen för varje enskild nod, som är grunden för upplevd ojämlikhet. I deras tidning, Bowles och Carlin också som visar den korrekta Gini-koefficienten beräknas från de tre skillnaderna som är associerade med de tre kanterna i figuren, och den genomsnittliga förmögenheten. Till exempel, säg att individ A har en rikedom på 10, B har en förmögenhet på 4, och C har en rikedom på 3. Då är den korrekt uppmätta Gini-koefficienten baserat på skillnaderna längs de tre kanterna i figuren till vänster 0,41.

Standardalgoritmen som visas på det högra diagrammet i bilden räknar skillnaden mellan, säga, person A och B två gånger (de två enkelhövdade pilarna); men ett fel i algoritmen uppstår eftersom den också räknar "skillnaden" mellan en individs förmögenhet och hennes egen förmögenhet (de böjda pilarna), som alltid är noll. Som ett resultat, standardalgoritmen underskattar graden av ojämlikhet, ger en Gini-koefficient på 0,27 för samma data som ovan.

Felet blir märkbart endast när man arbetar med små populationer, som arkeologer och biologer ofta gör. I Carlins fall, en grupp elever i hennes econ 101-klass tipsade henne om felet när de använde en standard onlinealgoritm för att beräkna Gini-koefficienter på en problemuppsättning.* Algoritmen de hade hittat online från Wolfram gav olika svar för exempel med ett litet antal individer från de som hittats genom att tillämpa definitionen som representerar nätverksdiagrammet till vänster.

Bowles och Carlin använder också skillnader i nätverksstrukturen för att titta på upplevelsen av ojämlikhet. Om de tre individerna i hela nätverket (till vänster) istället ordnades om till en linje, med den rikare personen i centrum, som skulle kunna representera en hyresvärd med två isolerade delägare, då utan någon förändring i de tre individernas rikedom, ojämlikheten som upplevs längs kanterna som förbinder de tre skulle öka från 0,41 till 0,57.

De illustrerar sin metod med hjälp av sociala nätverksdata för att uppskatta upplevd ojämlikhet i en gemenskap av bönder i Nicaragua.

"Att åtgärda de små siffrornas partiskhet är inte det huvudsakliga bidraget från vår tidning, " säger Carlin. "Det är att vi har tillhandahållit ett sätt att förstå ojämlikhet i överensstämmelse med våra intuitioner om hur vi upplever ekonomiska skillnader, det är genom att parvis jämföra ens egen förmögenhet eller inkomst med andras."