经济不平等主题页介绍：全球数据与关键洞察

过去二十年，公众对经济不平等的关注度大幅提升。与此同时，相关数据的质量也显著改善：如今的估算覆盖更多国家、更长时段，新的国际数据库让数据更具可比性，也更易获取。我们的视野不再局限于单个国家，而是越来越多地能从全球视角审视不平等问题。

但另一方面，当前可用的数据来源和衡量指标繁多，往往让人无从下手。衡量不平等的方法多种多样，各有优劣，人们很难理清它们之间的关联，也不知道该从何处切入。

本页面旨在帮助大家更轻松地理解各类不平等数据。我们将所有关于经济不平等的数据、图表和分析内容，围绕三大核心国际数据库进行整理：世界银行的贫困与不平等平台（Poverty and Inequality Platform, PIP）、卢森堡收入研究数据库（Luxembourg Income Study, LIS）以及世界不平等数据库（World Inequality Database, WID）。

综合这些数据来看，许多国家的不平等程度极高，且在不少国家，这一状况还在持续恶化。从全球范围看，最富群体与最穷群体之间的差距极为悬殊，而健康、教育等其他维度的不平等与之相互叠加，进一步加剧了这一问题。

但数据也显示，不平等并非在所有地区都呈上升趋势。近几十年来，以全球总人口为衡量范围的全球收入不平等程度有所下降，这主要得益于亚洲部分地区的快速经济增长。同时，在许多国家内部，收入不平等程度要么下降，要么保持稳定。

这种国家间的差异揭示了一个常被忽视的重要事实：不平等程度居高不下且持续上升并非必然。各国可以通过制度建设和政策选择，影响本国公民之间的不平等水平。不平等并非完全由我们无法掌控的全球力量决定，而是我们能够改变的。

全球不平等状况：来自世界银行的收入数据

世界银行的贫困与不平等平台（PIP）基于大量国民调查数据，发布了全球几乎所有国家的数据。为实现如此广泛的覆盖范围，该平台整合了两类调查数据：针对高收入国家，数据衡量的是人们税后及获得福利后的收入；而对于大多数中低收入国家，数据衡量的则是居民消费。这两个概念密切相关，但并不完全相同¹。

世界银行数据集的最大优势在于其全球视角，它能让我们看清全球范围内从最富到最穷，以及中间各阶层人群的实际生活水平²。

谈到不平等，人们通常首先想到的是单个国家内部的不平等程度。但世界银行的全球数据显示，国家内部的不平等只是全貌的一部分，国家之间同样存在巨大的不平等：有些国家的公民生活水平远高于其他国家。下面我们将同时探讨这两类不平等。

国家内部的不平等对比

不平等衡量指标旨在反映经济资源在人口中的分配均衡程度。

基尼系数是一个常用指标，但它的缺点在于不够直观易懂。相比之下，对比收入分布中特定分位点的收入水平，往往更易于理解。

下方图表采用的就是这种方法，展示了六个国家的90分位收入与10分位收入之比。90分位收入是跻身最富10%人群的最低收入门槛，10分位收入则是跻身最穷10%人群的最低收入门槛。

这两个数值的比值即“P90/P10比值”，是一个易于解读的不平等衡量指标，它代表了最穷10%人群的收入需要增长多少倍，才能达到最富10%人群的最低收入水平。比值越大，最富与最穷10%人群之间的差距就越大。

在美国，最富10%与最穷10%人群的收入门槛相差7倍；在德国，这一差距小得多，仅为4.5倍；而巴西的不平等程度则高得多，差距达到10倍，是德国的两倍多。

安哥拉、越南和马达加斯加的数据衡量的是消费而非收入³。即便如此，这三个国家内部的不平等程度也差异巨大：安哥拉最富与最穷10%人群的相对差距，是马达加斯加或越南的两倍。

这些巨大的差异揭示了一个基本却重要的结论：即便经济发展水平、技术应用程度或参与全球市场的程度相近，不同国家的不平等程度也可能天差地别。这些因素虽会产生影响，但绝非不平等的决定性因素⁴。

这种差异表明，不平等并非完全由国家无法掌控的力量所决定。各国通过构建不同的制度、采取不同的政策，能够走上不平等程度或高或低的发展道路。

你可以通过下方的交互式图表探索这些数据。

国家内部与国家之间的不平等

上述图表中的比值展示了不同国家内部的不平等程度，但忽略了一个重要维度：国家之间的巨大收入差距。身处一国的最富或最穷10%人群，其生活水平因所在国家是富国还是穷国而截然不同。

为补充这一维度，我们绘制了各国最富与最穷10%人群的实际收入或消费水平，所有数据均以国际美元计价，已根据各国生活成本差异进行调整⁵。数据按人均计算，即每个家庭成员（包括儿童）均分到家庭总收入或总消费的均等份额⁶。

由此，我们能更清晰地看到上一图表中不同不平等水平对应的家庭收入状况。例如，美国收入分布顶端的水平远高于德国，但在收入分布底端，情况却相反：德国最穷10%人群的生活水平，实际上略高于美国的对应人群。尽管美国的平均收入更高，但两国不同的不平等程度，导致收入在不同阶层的分布差异显著。

不过，这种数据呈现方式最能凸显的是国家之间的巨大差距。在安哥拉、马达加斯加等贫穷国家，所有收入阶层的水平都极低：最穷10%人群的收入远低于世界银行设定的每日3美元极端贫困线，即便是最富10%人群的收入也处于低位。与高收入国家相比，低收入国家的“富人”实际上也相当贫穷。

你可以通过下方的交互式图表探索这些数据。

全球收入视角为何至关重要

世界银行的数据能让我们了解全球各地收入的差异，这一点至关重要，因为大多数人对此的认知都存在严重偏差。尤其是富裕国家的民众，往往会大幅高估其他国家的收入水平⁷。

世界银行的数据显示，2026年全球中位数收入为每月290美元，约合每日不足10美元。全球有一半人口的收入低于这一水平，甚至远低于高收入国家最穷10%人群的收入。

这意味着世界上大多数人口的收入水平极低，而这种水平是富裕国家民众几乎未曾体验过的。难怪富裕国家的民众往往会低估全球实际的不平等程度。

尽管世界银行的数据存在一些局限性（下文将讨论），但它是纠正这种错误认知的关键来源。它让我们能够跳出自身及本国同胞的经验，从全球层面思考经济不平等问题。通过整合国家内部与国家之间的巨大收入差异，它揭示出不平等问题的严重性远超大多数人的想象。

探索世界银行的全球收入数据

下方的交互式图表可让你按时间、国家或地区，探索上述世界银行数据。

顶部的控件可让你查看按十分位划分的完整收入分布，每个十分位对应总人口的10%。你还可以切换指标，查看每个十分位的平均收入、分位门槛值，或每个十分位占总收入的份额⁸。

探索世界银行贫困与不平等平台的更多数据

世界银行数据有哪些局限性？

上文展示的世界银行数据是全球收入领域的综合性数据源，但也存在一些值得关注的局限性。

为实现全球覆盖，世界银行整合了大量不同的国民调查数据。尽管已采取诸多措施统一数据，但国家之间、不同时期的数据可比性仍存在局限。

一个重要问题是前文提到的收入与消费数据混用。这两个概念相关但并不相同：收入等于消费加储蓄。随着收入增加，消费通常会低于收入，富裕家庭的储蓄占收入比例往往更高；而当收入较低时，消费可能高于收入，人们会通过借贷或消耗储蓄来维持开支，退休人群就是典型例子。

因此，基于收入数据估算的不平等程度通常会略高于基于消费数据的估算。世界银行研究人员的一篇论文发现，同一国家基于收入的基尼系数平均比基于消费的基尼系数高约13%⁹。

此外，当调查方法发生变化时，同一国家不同时期的数据也会出现可比性问题。世界银行发布了可比性指标，帮助识别这类数据断层，你可以选择在图表中显示这些信息。

不过，该数据在提升可比性方面也采取了一些重要措施，其中两点值得一提：

第一，在许多较贫穷国家，很大一部分人口自给自足或以物易物，几乎没有货币收入。为公平比较生活水平，数据会将这类非货币收入纳入考量：研究人员估算这些物品若在市场购买的价值，并将其计入居民消费。

第二，为让各国的收入和消费更具可比性，所有数据均以国际美元计价。这是一种虚拟货币，已根据各国生活成本差异和通胀情况进行调整。这一点至关重要，因为贫穷国家的物价普遍更低——若不做调整，这些国家的收入相对于富裕国家的差距，会比实际购买力差距看起来更大。这项调整工作复杂，难免存在不完善之处。你可以在我们的文章《什么是国际美元？》中了解更多局限性。

除了可比性问题，数据还存在与调查本身相关的其他局限性。

家庭调查难以覆盖最富裕人群：这类人群数量少，参与调查的意愿低，即便参与也往往少报收入——部分原因是投资、经营等收入来源容易被遗漏或误报，部分原因是他们不愿披露真实收入。我们将在下文中讨论另一个数据源如何尝试解决这一问题。最贫穷人群也常被遗漏，因为他们居无定所、住在机构（如收容所、护理机构或监狱），或身处调查人员无法抵达的地区（如冲突地区）。

最后，并非所有国家都会定期开展家庭调查。部分国家和年份没有可用的调查数据，这会导致数据不完整。例如，截至2026年，约有30个国家过去十年没有调查数据。在我们的世界银行数据图表中，仅显示有调查数据的年份；但世界银行在计算全球或地区整体数据时，必须通过外推法得出年度估算值，这会增加这类汇总数据的不确定性。

卢森堡收入研究的跨国统一数据

如何对比不同国家的收入不平等程度？这个问题比听起来更复杂。

这是因为收入的国际比较，以及用于此类比较的国际数据集，都依赖于各国的本土数据，而这些数据往往天生就不具备直接可比性。

所有优质的国际数据集都会以某种方式解决可比性问题，包括本页面及“我们的数据世界”（Our World in Data）平台上的其他数据源。但这里存在一种权衡：更广泛的全球覆盖通常意味着各国数据定义的一致性有所降低。

上文介绍的世界银行数据优先考虑广泛的全球覆盖，因此接受不同调查之间存在一定差异；而位于卢森堡的跨国数据库——卢森堡收入研究（LIS）则优先考虑数据可比性。

为实现这一目标，LIS仅纳入符合其统一框架的调查。它会获取原始的国民调查数据（来自单个家庭的回答），并通过将数据映射到一套通用定义来实现统一化¹⁰。

LIS做出的一项重要调整是针对家庭规模的“等值化”调整。它会根据家庭规模调整收入，因为家庭成员可以分担取暖、房租等成本，因此人均所需收入更低就能达到相同的生活水平¹¹。这也是许多富裕国家统计机构衡量不平等的常用方法。

LIS还会同时统计税前和税后收入（含福利），这使得研究政府再分配效应成为可能——这一效应在富裕国家的作用尤为显著。

这种做法的代价是，LIS覆盖的国家数量少于世界银行，尤其是低收入国家的覆盖率极低¹²；但其优势在于，它所做的国家间对比可信度更高。

下方图表展示了基尼系数——这是一个广泛使用的收入不平等衡量指标，取值范围为0（所有人收入相同）到1（所有收入归一人所有）。你可以探索它在不同国家和时期的变化，以及税前税后收入的差异。在大多数国家，税后基尼系数更低，但降幅差异很大。我们在另一篇文章《税前税后收入不平等：各国如何进行收入再分配？》中讨论了这种对比能说明什么、不能说明什么。

美国和英国的数据可追溯至20世纪60年代，跨度足够长，能追踪不同政治经济时期的不平等变化。

整个20世纪70年代，两国的收入不平等水平基本保持稳定。但进入80年代后，情况发生了巨大变化：英国在80年代末出现了不平等程度大幅飙升，90年代则持续缓慢上升；而美国的不平等程度在此期间呈现持续、逐步上升的趋势。

经济学家托尼·阿特金森（Tony Atkinson）在其著作《不平等：我们能做什么？》中，提请人们关注这一对比揭示的问题¹³。他认为，对比不同国家不平等程度的变化速度和时间节点，有助于理解其背后的成因。尽管英美两国面临相似的全球压力，但两国的不平等变化路径差异巨大，这表明国家制度、政治和政策选择起到了关键作用，也说明不平等程度居高不下且持续上升并非必然。

探索卢森堡收入研究的更多数据

追踪最富人群收入：来自世界不平等数据库的数据

截至目前，我们看到的所有不平等数据均来自家庭调查。调查是估算不平等程度最常用的数据来源，能让我们了解大多数人群的收入状况，但调查数据在收入分布的最顶端存在一个已知的盲区。

极度富裕人群数量极少，因此被选中参与调查的概率更低；即便被选中，他们参与调查的意愿也更低；即便参与，调查也往往会低估他们的收入——尤其是投资和经营收入，这类收入要么容易被遗漏或误报，要么他们根本不愿披露。这就是所谓的“富人缺失”问题，意味着基于调查的不平等衡量指标可能低估了收入在顶端的集中程度¹⁴。

为解决这一问题，研究人员开发了一种利用其他数据源的方法，尤其是税务记录和国民账户数据¹⁵。税务记录通常是追踪高收入人群的更好来源：与调查不同，税务记录基于行政报告而非自愿参与，能更详细地捕捉投资和经营收入。此外，部分国家拥有长期的历史税务记录，这让税务数据能为不平等研究提供更长期的视角。国民账户数据是衡量整个经济体的官方统计数据，用于确保经济体产生的所有收入都被纳入统计。

研究人员结合这些数据源，构建了“分配性国民账户”（DINA），估算一个国家的国民总收入如何在人口中分配。这正是世界不平等数据库（WID）团队采用的方法。

该数据库为我们了解最富人群的收入与社会其他群体的差距提供了重要窗口，但它在高收入人群数据方面的优势，并不意味着WID数据集在整体上就比传统的调查数据“更好”。

首先，两者的差异不仅在于准确性，还在于衡量对象不同。正如我们在下文将解释的，WID使用的“收入”概念比调查数据宽泛得多。这有一些重要优势——尤其是在追踪高收入人群方面——但也包含了人们通常不视为收入的部分。

其次，WID数据也存在一些测量缺陷。尤其是在许多国家和时期，它所需的基础数据实际上并不存在，这限制了其方法的有效性¹⁶。

WID项目颇具雄心：它估算了全球几乎所有国家的完整收入分布（包括税前和税后收入），部分国家的数据甚至可追溯至一百多年前。从理论上讲，这种广泛的覆盖是一种优势，但由于许多情况下基础数据缺失，研究人员往往需要做出大胆假设，这使得最终估算的准确性难以判断。

不过我们需要强调，由于许多国家缺乏合适的数据获取渠道，这些数据系列应被视为不完善且具有临时性的。在某些情况下，它们是基于具有相似特征的地区和国家进行的区域及国家层面推算……¹⁷

具体的假设因国家和时期而异，WID团队在许多详细论文和技术说明中记录了这些假设。在许多情况下，WID会为完全没有收入数据的国家估算收入水平¹⁸。即便在美国这样数据丰富的国家，整合不同基础数据源也需要做出一些重要假设，研究人员对这些假设的分歧，会显著影响最终的不平等估算结果¹⁹。

总体而言，WID数据集为我们理解全球不平等问题做出了重要贡献：它让我们了解到调查数据可能在多大程度上低估了高收入人群的收入，也让我们看到部分国家长期以来的不平等演变路径。但在查看特定国家的数据时，我们必须牢记DINA方法的雄心及其数据局限性。你可以在下文及WID网站上了解更多方法细节。

下方图表可让你探索WID数据中不同收入群体的收入占比，包括税前和税后收入。

探索世界不平等数据库的更多数据

衡量何种不平等？为何WID与调查数据的测量对象不同

WID方法的核心创新在于结合了多种数据源：税务记录、国民账户数据以及更常见的调查数据，主要目的是提供比单一调查数据更准确的高收入人群收入估算。但这种方法也影响了它所衡量的收入类型。

WID定义的核心是“国民净收入”，这一概念源自国民账户，与我们更熟悉的GDP相关²⁰。WID利用税务和调查数据，估算工资、资本收入、财产收入等不同类型收入在人口中的分布，然后将这些分布数据按比例调整，使其总和与官方国民账户中的数据一致。

国民收入是一个比调查数据集（包括前文提到的LIS和世界银行数据）所衡量的收入更宽泛的概念。

我们通过一个例子来看看这为何重要。

以2024年的美国为例，WID数据显示，成人平均国民净收入为95280美元²¹。WID估算，当年最富1%成人的税前收入占国民总收入的20.7%，因此最富1%人群的平均年收入约为200万美元²²。

这个数字看似很高，部分原因是它包含了一些你可能不视为收入的项目——这些项目不会出现在工资单、纳税申报表或银行账户中，关键是个人无法直接支配。这是因为WID旨在分配所有国民收入，包括个人无法直接获得的部分。

其中一个重要组成部分是“未分配企业利润”，即企业在支付成本、税款和股东股息后留存的收入。利润留存时，没有人能直接获得这笔收入，但它会提升企业价值，从而使所有者受益。这种收益在收入分布顶端人群中相当可观——考虑到WID的研究重点和整体方法，将其纳入统计是合理的，但它并非通常意义上的收入，人们无法用未分配利润进行消费²³。

WID纳入统计的另一项是自有住房的估算租金。自住业主当然不会收到现金租金，但他们从自有房产中获得了实际经济收益：相当于出租房屋可获得的收入，或避免支付的租房成本。为体现这一点，国民账户将自住业主视为向自己支付租金。与留存利润一样，这种估算租金也不是通常意义上的收入，其价值也难以准确估算²⁴。

WID的收入概念在其他方面也存在差异，尤其是在税收和福利的处理上。LIS和PIP对税前税后收入的定义相对简单直接：要么是所有税收和福利发放前的收入，要么是之后的收入²⁵。但WID的定义有所不同：

税前收入：WID也称之为“税前、替代后收入”，指的是缴纳税款前、获得大多数福利前的收入，但已包含社会保险福利（如公共和私人养老金）——尽管公共养老金通常被视为政府福利。之所以对养老金采取这种特殊处理，是因为各国的养老金体系差异巨大（公立、私立或混合），统一处理可避免这种差异影响国家间的比较。
税后国民收入：指缴纳税款并获得政府福利后的收入，不仅包括现金社会福利，还包括教育、医疗等公共服务的价值，以及道路、国防等其他政府支出的价值。

并非所有国民收入都能直接分配给个人，有些情况下这是一项艰巨的任务。例如，教育、国防或基础设施等公共物品的政府支出，应如何分配给个人？是平均分配？按收入比例分配？还是分配给使用相关服务最多的人？研究人员对这个问题存在分歧，而不同的分配方式会显著影响最终的不平等估算结果。在基准数据系列中，WID将大部分政府支出按收入比例分配，而公共医疗支出则大致平均分配给所有成人²⁶。

这种收入概念的差异，反映了WID方法核心的一种权衡：一方面，更宽泛、更标准化的方法让数据在国家间和时间上更具可比性，也更适合追踪收入分布顶端的情况——而这正是标准调查数据的短板；但另一方面，其定义更具技术性，与人们通常认知的收入差距更大，且估算过程需要做出诸多假设，有些假设难免带有一定主观性。

¹ 收入等于消费加储蓄。有储蓄的家庭，收入必然高于消费。平均而言，富裕家庭的储蓄占收入比例更高，意味着收入与消费的差距随收入增加而扩大；但在收入分布最底端，这种关系往往反转：人们可能通过借贷或消耗储蓄（即负储蓄），使消费高于收入。退休人群消耗储蓄就是常见的例子：他们的收入可能很低，但消费水平仍较高。

² 世界银行数据所依赖的调查数据存在一个已知缺陷：最富和最穷人群往往难以被准确覆盖。最富人群数量少，通常不愿参与调查，即便参与也可能少报收入；而最穷人群则可能难以接触到。我们将在下文讨论这一问题及其他局限性。

³ 由于富裕家庭的储蓄占收入比例更高，以消费衡量的不平等程度通常会略低于以收入衡量的结果。因此，如果这些国家的数据衡量的是收入，上述比值可能会更高。

⁴ 不平等研究的一个一致结论是：即便考虑了经济、技术或人口等可能的决定因素，不同国家的不平等程度仍存在巨大差异。

布兰科·米拉诺维奇（Branko Milanovic）曾这样表述：“一旦‘给定’因素被考虑在内——收入不平等仍存在很大的调整空间。收入分配也被视为社会选择的产物，这些选择通过选举、不同社会群体的游说、社会偏好或历史发展得以体现。”

Milanovic, B. (1994). Determinants of Cross-Country Income Inequality: An “Augmented” Kuznets Hypothesis. World Bank Working Paper, 1246. 2000年更新版可在斯通中心获取。

安东尼·阿特金森在其2015年著作《不平等：我们能做什么？》及同年论文《我们能否降低经合组织国家的收入不平等？》中强调，各国拥有多种政策选择，过去的趋势和国家间对比已证明了这一点。

基于我们使用的世界银行数据集早期版本的更全面全球分析，另见Ravallion, M. (2018). Inequality and Globalization: A Review Essay. Journal of Economic Literature.

⁵ 经济数据通常以当地货币（卢比、美元、英镑等）记录，且未调整通胀。要在国家间或跨时期对比收入（或消费），需将其转换为统一单位。国际美元就是用于这一目的的虚拟货币。

使用国际美元可进行两项调整：一是各国国内的通胀调整（使不同年份的数值具有可比性），二是基于购买力平价（PPP）的各国生活成本差异调整，购买力平价反映了在各国购买一美元在美国能买到的商品和服务所需的当地货币金额。2021年的1国际美元，定义为一美元在美国2021年能买到的商品和服务的价值。我们在文章《什么是国际美元？》中对此有更详细的解释。

⁶ 世界银行估算所基于的调查是以家庭为单位开展的。考虑家庭规模，对于理解家庭收入或消费对应的生活水平至关重要。

世界银行采用了一种简单方法：将家庭总收入或消费除以所有家庭成员（包括儿童）。其他数据集的处理方式有所不同，例如下文讨论的卢森堡收入研究，会根据家庭成员可分担部分成本的情况调整收入。

⁷ “有效捐赠”（Giving What We Can）是一个倡导人们捐出部分收入支持高效公益事业的组织，它基于我们此处展示的世界银行数据制作了一段视频，很好地呈现了我们对全球收入分布的认知往往存在多大偏差。

⁸ 数据最初以每日数值呈现，转换为月度或年度数值时，只需分别乘以30或365。

这是一种机械转换，未考虑收入和消费可能在一年内出现波动。家庭调查会询问特定参考期（通常为过去一周或一个月）的情况，即调查的“参考期”。例如，在许多低收入国家，收入随农业季节波动很大，一个人可能因调查时间不同而被判定为贫困或非贫困。世界银行数据未捕捉这种年内波动。你可以在这篇世界银行博客中了解更多相关内容。

⁹ 这基于Haddad等人（2024）的研究，样本包含84个同时有收入和消费数据的国家-年份观测值，出自《世界银行新不平等指标》，世界银行政策研究工作论文10796，附录A.3。

¹⁰ 我们前文介绍的世界银行PIP也会做类似的统一化工作——事实上，它对许多高收入国家的数据依赖于LIS。不同之处在于，LIS采用更严格的可比性标准，而世界银行则以更广泛的全球覆盖为目标，同时整合了基于收入和消费的调查——这种概念混合可能影响不平等对比结果。

LIS的统一化工作并未解决所有问题——例如，各国调查设计和回复率的差异仍然存在——但它确实减少了一些可能扭曲国家间对比的方法差异。LIS发布了Compare.it工具，说明各国哪些数据系列已被统一化，以及仍存在的问题。

¹¹ 例如，单身人士和四口之家无法仅凭相同收入达到同等生活水平，但共同生活可分担部分家庭成本：四口之家无需四倍于单身人士的收入，就能达到相同的生活水平。

LIS采用平方根等值尺度：将家庭总收入除以家庭成员数量的平方根。

这是研究人员使用的多种尺度之一，其他数据集的处理方式有所不同。例如，前文讨论的世界银行PIP提供人均数据，即将家庭总收入除以家庭成员数量（包括儿童）；下文讨论的世界不平等数据库主要系列采用“均等分割”，将收入除以家庭中的成人数量（20岁及以上）。

¹² LIS的覆盖范围仍不及世界银行PIP。截至2026年撰写本文时，LIS覆盖52个国家，而PIP覆盖172个国家。但LIS正在持续拓展，纳入更多国家和时期的数据。

¹³ Anthony Atkinson, Inequality: What Can Be Done? (2015).

¹⁴ Nora Lustig（2020）很好地概述了准确捕捉家庭调查中高收入人群收入的难点，以及研究人员和统计机构如何尝试纠正这一问题。

¹⁵ 税务数据仅能捕捉税务系统可见的收入。例如，在非正式就业普遍的国家，仅靠税务数据可能会遗漏很大一部分人口的收入，还可能遗漏未申报、逃税或离岸的收入。关于税务数据的局限性，详见Atkinson, Piketty, and Saez (2011)。

尽管人们通常认为WID估算所锚定的国民账户数据比调查数据更完整或更准确，但对于衡量全球不平等而言，并非简单地某一类数据就一定更好。国民账户数据本身也存在测量问题。关于调查数据与国民账户估算的差异，详见Ravallion, M. (2003). Measuring aggregate welfare in developing countries: How well do national accounts and surveys agree?. Review of Economics and Statistics, 85(3), 645–652. 以及Deaton, A. (2005). Measuring poverty in a growing world (or measuring growth in a poor world). Review of Economics and Statistics, 87(1), 1–19.

¹⁶ 引自WID网站。我们直接引用WID团队的表述，因为他们明确讨论了局限性，并发布了详细的技术说明，记录了各国的假设和数据可用性。

¹⁷ 例如，对于大多数非洲国家，WID的收入不平等估算基于家庭消费调查数据，然后根据少数国家观察到的消费与收入数据关系进行调整。

对于大多数中东国家，有一些收入调查数据可用，但会根据仅在黎巴嫩观察到的税务与调查数据关系进行调整。

此外，国民账户数据中包含但调查数据往往难以捕捉的资本收入，会被添加到这些国家的调整后调查数据中，假设其模式与美国和法国一致。

¹⁸ 例如，对于大多数非洲国家，WID的收入不平等估算基于家庭消费调查数据，然后根据少数国家观察到的消费与收入数据关系进行调整。

对于大多数中东国家，有一些收入调查数据可用，但会根据仅在黎巴嫩观察到的税务与调查数据关系进行调整。

此外，国民账户数据中包含但调查数据往往难以捕捉的资本收入，会被添加到这些国家的调整后调查数据中，假设其模式与美国和法国一致。

¹⁹ 例如，皮凯蒂（Piketty）、赛斯（Saez）和祖克曼（Zucman）团队（美国WID数据所基于的研究）与奥滕（Auten）和斯普林特（Splinter）团队之间的争论就是一个典型例子。双方使用相同的美国基础数据，旨在衡量同一对象：国民收入如何在个人之间分配，但他们对（税后）不平等程度在近几十年是否上升以及上升幅度存在分歧。导致结果不同的一个重要原因是，他们对占国民收入很大比例（近年来约为40%）、未出现在个人税务数据中的部分如何分配存在不同选择，例如如何处理工资税、社会保障福利，以及如何估算逃税情况。你可以在这篇文章中了解更多，或在Clarke和Kopczuk2025年的论文中查看详细内容。

²⁰ 国内生产总值（GDP）衡量一个国家境内生产的所有最终商品和服务的总价值。从GDP到国民收入，需要减去“固定资本消耗”（折旧）——即更换生产中使用的建筑物、机械和其他资产的磨损成本——并加上“净国外收入”：本国居民在国外获得的收入减去非居民在本国获得的收入。

²¹ 该数据来自WID（2026年7月获取），以2025年不变价美元计算。国民净收入总额来自官方国民账户数据，WID收集并统一了各国的这些数据，以便进行比较。该数据为成人（20岁及以上）人均值，因此高于人均指标。

²² 计算方式为：成人平均国民净收入（95280美元）乘以最富1%人群收入占比（20.7%），再除以最富1%人群的人口占比（1%）：95280美元 × (0.207 ÷ 0.01) = 1972296美元。

²³ 企业价值的这种增长也被称为潜在资本收益——仅体现在账面上，尚未变现。变现收益指将其转换为现金，例如出售股票。企业是否分红或留存利润，往往取决于税收激励。最富人群可以选择何时变现收益，并且通常有动力以这种形式获取收入，以延迟纳税。将未分配利润纳入收入统计，WID旨在让数据在国家间和时间上更具可比性，且不受特定税收制度的影响。

²⁴ 关于WID如何估算租金，详见DINA指南：根据国家和年份不同，要么使用家庭调查中已包含的估算值，要么自行估算。

²⁵ LIS的税前指标不包括公共养老金，但包括私人养老金，这意味着退休人员的税前收入取决于其国家的养老金体系；而PIP则侧重于税后指标。

²⁶ 在基准数据系列中，WID将大部分政府支出按收入比例分配，而公共医疗支出则大致平均分配给所有成人。

引用说明

引用本主题页面时，请同时引用基础数据源。本主题页面的引用格式为：

Joe Hasell, Bertha Rohenkohl, Pablo Arriagada, Esteban Ortiz-Ospina, and Max Roser (2023) - “Economic Inequality” Published online at OurWorldinData.org. Retrieved from: 'https://ourworldindata.org/economic-inequality' [Online Resource]

BibTeX引用格式：

@article{owid-economic-inequality,
author = {Joe Hasell and Bertha Rohenkohl and Pablo Arriagada and Esteban Ortiz-Ospina and Max Roser},
title = {Economic Inequality},
journal = {Our World in Data},
year = {2023},
note = {https://ourworldindata.org/economic-inequality}
}

内容 reuse说明

“我们的数据世界”制作的所有可视化内容、数据和文章均采用知识共享署名（CC BY）许可协议，完全开放获取。你可以在任何媒介中使用、分发和复制这些内容，只需注明来源和作者。

由第三方提供并通过“我们的数据世界”发布的数据，需遵守原第三方作者的许可条款。我们会在文档中注明数据的原始来源，因此在使用和再分发此类第三方数据前，请务必检查其许可条款。