Krzywa Lorenza to narzędzie, które jednym wykresem odpowiada na pytanie o to, jak bardzo nierówno rozłożony jest dochód w społeczeństwie. Zaproponował je Max Otto Lorenz w 1905 r. w artykule Methods of measuring the concentration of wealth opublikowanym w Publications of the American Statistical Association. Przez ponad sto lat stała się standardem pomiaru nierówności – od raportów Banku Światowego po decyzje polityki podatkowej – i jednym z najczęściej cytowanych narzędzi ekonomii dobrobytu.
Definicja i jak czytać wykres
Krzywa Lorenza przedstawia skumulowany udział dochodu (oś pionowa, od 0% do 100%) w funkcji skumulowanego udziału populacji (oś pozioma, od 0% do 100%), przy czym populacja uszeregowana jest od najuboższych do najbogatszych.
Punkt odniesienia to linia równomiernego rozkładu – prosta przekątna od (0,0) do (1,1), reprezentująca hipotetyczny świat doskonałej równości, gdzie każdy 1% populacji posiada dokładnie 1% łącznego dochodu. W rzeczywistości krzywa Lorenza zawsze leży poniżej tej linii – lub na niej w granicznym przypadku pełnej równości.
Czytanie wykresu w praktyce: punkt na krzywej Lorenza o współrzędnych (0,5; 0,2) oznacza, że dolne 50% populacji posiada 20% całkowitego dochodu. Im bardziej krzywa ugina się ku osi poziomej, tym większe nierówności.
Formalnie, dla populacji uszeregowanej rosnąco według dochodu, krzywa Lorenza L(F) określa, jaki odsetek całkowitego dochodu przypada dolnym F procentom populacji. Zawsze zachodzi L(0) = 0 oraz L(1) = 1, a krzywa leży poniżej lub na linii równości dla wszystkich wartości pośrednich.
Współczynnik Giniego – od krzywej do liczby
Współczynnik Giniego (G) przekształca krzywą Lorenza w jedną liczbę, wyrażając pole obszaru między linią doskonałej równości a rzeczywistą krzywą Lorenza, podzielone przez pole całego trójkąta pod tą linią:
G = 1 − 2∫₀¹ L(x) dx
Gini przyjmuje wartości od 0 (pełna równość) do 1 (jeden podmiot posiada 100% dochodu, wszyscy pozostali – nic). W praktyce żadne społeczeństwo nie osiąga żadnej z tych wartości granicznych.
Skala interpretacyjna Giniego w odniesieniu do krajów:
- 0,20-0,30 – nierówności niskie (kraje skandynawskie: Dania ~0,29, Finlandia ~0,27, Słowacja ~0,24)
- 0,30-0,38 – nierówności umiarkowane (Polska ~0,28-0,30, Niemcy ~0,31, Francja ~0,32)
- 0,38-0,45 – nierówności wysokie (USA ~0,39-0,41, Chiny ~0,38)
- 0,45-0,65 – nierówności bardzo wysokie (Brazylia ~0,52, Republika Południowej Afryki ~0,63)
Dane dla Polski według OECD (Income Distribution Database, dane 2022-2023): współczynnik Giniego wynosi ok. 0,28-0,30. Dolne 50% polskiej populacji posiada ok. 18-20% dochodów, górne 10% – ok. 26-28%, a górny 1% – ok. 8-10%. To wartości zbliżone do średniej unijnej, plasujące Polskę w grupie krajów o umiarkowanych nierównościach – niższych niż USA, wyższych niż kraje nordyckie.
Polska na tle Europy – kontekst danych
Polska od początku transformacji ustrojowej przeszła przez silny wzrost nierówności dochodowych: Gini w 1990 r. wynosił ok. 0,22 i rósł przez lata 90. do poziomu ok. 0,35-0,37 na początku XXI w. Następnie stopniowo malał – efekt szybkiego wzrostu płac w dolnej części rozkładu, programów redystrybucyjnych (500+, potem 800+) i wzrostu płacy minimalnej. Według danych GUS i OECD Polska w 2022-2023 r. ma jedne z niższych wskaźników nierówności w regionie Europy Środkowej i Wschodniej.
Porównanie Polski z wybranymi krajami w 2022-2023 r.:
- Słowacja: ~0,24 (najniższe nierówności w regionie)
- Czechy: ~0,25
- Polska: ~0,28-0,30
- Niemcy: ~0,31
- Francja: ~0,32
- Wielka Brytania: ~0,35
- USA: ~0,39-0,41
- Brazylia: ~0,52
Ważne zastrzeżenie metodologiczne: wartości Giniego między krajami porównuje się z ostrożnością, bo różne badania opierają się na różnych definicjach dochodu (przed transferami vs po transferach, dochód rozporządzalny vs brutto) i różnych metodach zbierania danych.
Matematyczne podstawy – dekompozycja Giniego
Jedną z ważnych właściwości współczynnika Giniego jest możliwość dekompozycji według grup ludności. Jeśli społeczeństwo podzielimy na rozłączne grupy (według regionu, płci, wykształcenia), całkowity Gini można rozłożyć na trzy składniki:
G = G_wewnątrz + G_między + G_nakładanie
gdzie G_wewnątrz to zróżnicowanie wewnątrz grup (ważona suma Ginich dla poszczególnych grup), G_między to zróżnicowanie między grupami (efekt różnic w średnich dochodach grup) i G_nakładanie to człon nakładania się rozkładów dochodowych różnych grup.
Dekompozycja zaproponowana przez Mookherjee i Shorrocks (1982) pozwala rozstrzygnąć, czy dominuje polaryzacja między grupami społecznymi (np. region miejski vs wiejski, wykształcenie wyższe vs podstawowe) czy raczej zróżnicowanie wewnątrz tych grup. To narzędzie używane w analizach polityki publicznej: jeśli nierówności wynikają głównie z różnic między grupami, skuteczną interwencją mogą być transfery wyrównujące między grupami; jeśli wewnątrz grup – potrzebne są inne mechanizmy.
Zastosowania w biznesie – krzywa Lorenza poza ekonomią
Krzywa Lorenza nie jest wyłącznie narzędziem makroekonomicznym. Jej logika – skumulowany rozkład wartości w funkcji skumulowanego udziału jednostek – ma bezpośrednie zastosowanie w analizie biznesowej.
Zasada Pareto (80/20) jako szczególny przypadek krzywej Lorenza. Reguła Pareto mówiąca, że 20% klientów generuje 80% przychodów, to nic innego jak opis punktu (0,80; 0,20) na krzywej Lorenza przychodów – 80% klientów (tych mniej wartościowych) generuje zaledwie 20% przychodów. Firmy regularnie konstruują własne „krzywe Lorenza klientów” jako narzędzie segmentacji i alokacji zasobów sprzedażowych.
Analiza koncentracji rynkowej. Krzywa Lorenza stosowana do udziałów rynkowych firm w sektorze pozwala wizualizować stopień monopolizacji. Rynek z jednym dominującym graczem daje strome ugięcie krzywej przy lewej stronie (małe firmy), analogiczne do krzywej nierówności społeczeństwa o wysokim Ginim.
Rozkład sprzedaży produktów. W retailu i e-commerce krzywa Lorenza stosowana do SKU (stock keeping unit) pokazuje, jaki odsetek produktów generuje jaki odsetek przychodów. To bazowa analiza przy decyzjach o likwidacji długiego ogona (long tail) asortymentu.
Rozkład pracowników według produktywności. W firmach stosujących wewnętrzne rankingi produktywności krzywa Lorenza wynagrodzenia lub wyników sprzedażowych pokazuje, jak skoncentrowana jest efektywność w zespole.
Ograniczenia krzywej Lorenza
Mimo powszechnego zastosowania, krzywa Lorenza ma istotne ograniczenia, które warto rozumieć przed interpretacją.
Problem przecinających się krzywych. Dwie różne krzywe mogą dawać ten sam współczynnik Giniego przy zupełnie odmiennych rozkładach – np. gdy krzywe się przecinają. W takim przypadku klasyczne porównanie traci jednoznaczność. Przykład: społeczeństwo A może mieć większe nierówności w dolnej połowie rozkładu, ale mniejsze w górnej niż społeczeństwo B, co daje identyczny Gini przy diametralnie różnych doświadczeniach ekonomicznych. Porównanie wymaga wówczas kryterium dominacji stochastycznej lub indeksów Atkinsona.
Nierówności relatywne vs absolutne. Krzywa Lorenza mierzy nierówności relatywne, nie absolutne. Kraj o wysokim PKB per capita i stosunkowo wysokim Ginim może zapewniać wyższy standard życia osobom ubogim niż kraj z niskim Ginim i niskim dochodem narodowym. Indeks Giniego dla Stanów Zjednoczonych (~0,40) jest wyższy niż dla Etiopii (~0,35) – ale przeciętny Amerykanin z dolnego decyla zarabia wielokrotnie więcej niż przeciętny Etiopczyk z dolnego decyla.
Niedoraportowanie na szczycie rozkładu. Dane z badań ankietowych systematycznie zaniżają dochody na najwyższych szczeblach dystrybucji. Respondenci z górnego 1% rzadko uczestniczą w badaniach lub deklarują niższe dochody. Dane podatkowe i administracyjne pozwalają korygować te braki – prace Piketty’ego, Saeza i współpracowników od lat 2000. znacząco zmieniły obraz nierówności w krajach rozwiniętych, pokazując, że standardowe badania ankietowe systematycznie niedoszacowywały koncentracji dochodów na szczycie.
Dochód vs majątek. Krzywa Lorenza najczęściej konstruowana jest dla dochodu. Rozkład majątku (wealth) jest znacznie bardziej skoncentrowany – Gini majątkowy dla większości krajów rozwiniętych wynosi 0,60-0,80, znacznie powyżej Giniego dochodowego.
FAQ
Co pokazuje krzywa Lorenza? Krzywa Lorenza wizualizuje rozkład dochodu lub majątku w populacji. Oś pozioma to skumulowany udział ludności (od najuboższych do najbogatszych), oś pionowa to skumulowany udział dochodu. Im bardziej krzywa ugina się ku osi poziomej względem linii równości (przekątnej), tym większe nierówności w społeczeństwie.
Czym jest współczynnik Giniego? Współczynnik Giniego to liczbowa miara nierówności wyprowadzona z krzywej Lorenza – pole obszaru między linią doskonałej równości a rzeczywistą krzywą Lorenza, podzielone przez pole całego trójkąta. Przyjmuje wartości od 0 (pełna równość) do 1 (jeden podmiot ma wszystko). Polska ma Gini ok. 0,28-0,30 – umiarkowane nierówności na tle Europy.
Jaki jest współczynnik Giniego w Polsce? Według danych OECD (2022-2023) Gini dla Polski wynosi ok. 0,28-0,30. Dolne 50% polskich gospodarstw domowych posiada ok. 18-20% dochodów, górne 10% ok. 26-28%. To wartości zbliżone do średniej unijnej, niższe niż w USA (~0,40) i wyższe niż w krajach skandynawskich (~0,25-0,27).
Jak krzywa Lorenza ma się do zasady Pareto? Zasada Pareto (80/20) to szczególny przypadek krzywej Lorenza. Jeśli 20% klientów generuje 80% przychodów, na krzywej Lorenza przychodów punkt (0,80; 0,20) leży na krzywej – 80% klientów generuje 20% przychodów. Firmy używają tej logiki do segmentacji klientów i analizy koncentracji przychodów.
Dlaczego dwie krzywe Lorenza mogą dawać ten sam Gini? Gdy krzywe się przecinają – jedna może leżeć wyżej (mniejsze nierówności) w dolnej części rozkładu, a niżej w górnej. Wartości pola między krzywą a linią równości mogą się wówczas wynosić, dając identyczny Gini przy zupełnie różnych rozkładach dochodów. W takich przypadkach porównanie wymaga kryterium dominacji stochastycznej lub indeksów Atkinsona.
Skąd pochodzi nazwa „krzywa Lorenza”? Nazwa pochodzi od Maxa Otta Lorenza (1876-1959), amerykańskiego ekonomisty i statystyka, który zaproponował tę metodę w 1905 r. w artykule Methods of measuring the concentration of wealth opublikowanym w Publications of the American Statistical Association. Lorenz stworzył narzędzie w kontekście badania koncentracji bogactwa w USA.
