XiaoMi-AI文件搜索系统
World File Search Systemnequality
技术与不平等 - unu-wider
联合国大学世界发展经济学研究所 (UNU-WIDER) 提供经济分析和政策建议，旨在促进所有人的可持续和公平发展。该研究所 30 多年前在芬兰赫尔辛基开始运营，是联合国大学的第一个研究中心。如今，它已成为智库、研究机构和联合国机构的独特结合体——提供一系列服务，从为政府提供政策建议到免费提供的原创研究。UNU-WIDER 感谢芬兰、瑞典和英国政府对其 2019-23 年工作计划的支持。UNU-WIDER Katajanokanlaituri 6 B 00160 芬兰赫尔辛基版权所有@ UNU-WIDER 2023 打字稿由 Lorraine Telfer Taivainen 准备。本文表达的观点为作者的观点，不一定反映研究所或联合国大学的观点，也不一定反映计划/项目捐助者的观点。 ISSN 1455-3082 (印刷版) ISSN 1564-8311 (在线版) ISBN 978-92-9256-960-0 (印刷版) ISBN 978-92-9256-959-4 (在线版)
尼日利亚的收入不平等和经济增长联系
通讯作者： - 塞缪尔·麦巴·阿达穆（Samuel Mbah Adamu）1*摘要： - 尼日利亚的经济正在扩大，该国拥有人力资本和经济资源，可以使数百万人摆脱贫困。尽管是非洲最大的经济体，但经济不平等及其随之而来的经济影响仍达到了令人震惊的比例。在这种情况下，研究调查了收入不平等对尼日利亚经济增长的影响。它使用了涉及1980年至2022年的次级时间序列数据。最初使用增强的Dickey Fuller（ADF）测试对数据集进行了平稳性。此外，研究方法使用了结合的测试方法，使用非线性自动回应分布式滞后模型（NARDL）检查了长期和短期不对称效应。NARDL结合测试证明了研究中的变量具有长期连接。还表明，计算出的模型正确捕获了经济增长（GDPR）对正面和负收入不平等变化的反应的不对称。对收入不平等的积极变化表明对经济增长的影响越来越高，而收入不平等的负面变化表明，长期对经济增长的日益增加和显着影响。在这些发现的基础上，该研究建议政府和私营部门通过直接投资穷人提高其产生收入的能力来提高收入重新分配的措施。关键字： - 收入不平等，经济增长和NARDL模型。在此类措施中包括：为微学分设施提供访问权限，优先考虑对功能教育和培训以及医疗机构的投资，并使人们可以使用人力资本的能力来实现可持续经济增长的能力。
人工智能、服务全球化和收入不平等
在现代经济中，人工智能 (AI) 是一股不容小觑的力量。1 AI 系统在越来越多的特定任务中越来越能够达到或超越人类的能力——从游戏 Go 到图像识别再到复杂的预测。因此，它们被应用于各个经济部门。一些人认为，这将成为整体生产力提高和全球经济增长的强大引擎，使所有船只都受益（麦肯锡全球研究院，2021 年）。其他人认为人工智能非常危险，由于其指数级改进和意想不到的影响的潜力，对人类构成威胁（Barratt，2013 年；Bostrom，2014 年）。鉴于人工智能的最新突破，例如强大的大型语言模型 (LLM)（如 ChatGPT 2 和所谓的生成式人工智能）的出现 3，潜在的经济影响变得越来越明显。
历史种族红线和当代收入不平等的现代模式对鸟类，栖息地和洛杉矶的人产生负面影响
摘要房主贷款公司（HOLC）是一项由1930年代发起的美国政府资助的计划，以评估抵押贷款风险。该计划产生了手绘的“安全风险”地图，旨在将投资集中（绿化区域）或有限（红线区域）的城市分级。此后，安全地图被广泛批评为固有的种族主义，并且与全国各地城市的较高种族隔离和较低的绿色设施水平相关。我们的目标是探索HOLC分级实践对鸟类，其栖息地以及可能在广泛应用安全风险图的大都市中经历它们的人们的潜在遗产影响，加利福尼亚州大洛杉矶（L.A.）（L.A.）。我们使用了地面收集，远程感知，人口普查数据以及描述性和预测性建模方法来解决我们的目标。鸟类栖息地和鸟类社区的模式与奢侈品效应现象密切相符，那里的绿色便利设施更健壮，而鸟类社区在洛杉矶最富有的地区更加多样化和丰富。我们的分析也揭示了HOLC分级实践的潜在遗产。洛杉矶的白人人口构成了绿线地区种族或族裔群体中最高百分比，与与自然栖息地特征（例如树木和灌木）相关的鸟类的丰富度相当大。相反，在红线区域中占主导地位的西班牙裔或拉丁美洲人种群与近代鸟类的丰度显着相关，这些鸟类与密集的城市条件相关。在红线和绿线区域中鸟类栖息地特征与鸟类社区之间的关联通常比洛杉矶没有经历过分级的地区更强，部分是因为红线的区域（包括洛杉矶最贫穷地点），包括最高水平的城市状况（例如，富裕的Zone of the Zone gregniest the Yesper the Yesper the Yeser gregree green of the ease green of the ears green of the ease green of green，属于绿色，这是绿色的，这是一件绿色的地方，这是一件绿色的地方，这是一件绿色的地方，这是一件绿色的地方，这是一件绿色的地方，这是一件绿色的地方。绿色设施的水平（例如树冠层盖）。我们的结果表明，历史上的红线和现代收入不平等模式与不同的Avifaunal社区及其栖息地有关，这可能会影响洛杉矶各个生物多样性的人类经验，而整个洛杉矶红线地区和低收入居民区的人类经验并未受到诸如越来越多的鸟类范围的繁殖和养生过程，这可能会受益于越来越多的繁殖，这可能会使人类的养生和习惯性地受益。关键字：Avifauna，种族，Holc，Los Angeles，遗产效应，奢侈效应，种族，社会经济
肯尼亚的收入不平等和经济增长
肯尼亚的收入不平等和经济增长 Christopher Kipruto Chemwok * 经济学系 肯尼亚莫伊大学 * 通讯作者：chemwokchris@gmail.com Richard Siele 经济学系 肯尼亚莫伊大学 Ernest K. Saina 经济学系 肯尼亚莫伊大学 摘要 肯尼亚的目标是到 2012 年实现年经济增长率 10%。然而，截至 2022 年底，10% 的经济增长率尚未实现。这表明经济增长率一直落后于 2030 愿景的目标。在肯尼亚，最富有和最贫穷的人之间的差距已经达到极端水平。不到 0.1% 的人口拥有的财富比最底层 99.9% 的多。这项研究的结果表明，高水平的收入差距正在影响经济增长过程，并导致贫困率上升。经济增长的增加在一定点之后有减少收入不平等的趋势。一个国家的经济从农业社会转变为工业社会的过程是经济扩张初期收入不平等现象严重的原因。库兹涅茨还强调了经济增长的根本性调整。研究发现，收入不平等与收入不平等呈负相关，这意味着收入不平等的加剧将对经济增长产生不利影响。因此，本研究建议肯尼亚应制定适当措施，如放松经济管制、建立强大且负责的机构，以确保在资源分配和分配中遵守公平原则。这可以通过发展包容性的政治和经济机构来实现，这些机构将促进肯尼亚宪法所规定的公平原则。关键词：收入不平等、经济增长、肯尼亚
理解经济不平等的经济学
[续] 估计收入分配……由于以下重大挑战而变得复杂：4. 高通胀时期扭曲了收入衡量，商业周期对收入群体产生了不同的影响。5. 税收法规和报告收入的激励措施已经发生变化。6. 结婚率下降和家庭变化……税收数据中缺少重要的收入来源，包括政府转移支付和非应税雇主提供的福利。税收数据中缺失的收入份额随着时间的推移而增加，因此近年来纳税申报单上的收入仅占国民收入的 60% 左右……
量子相对熵的积分公式意味着数据处理不等式
建立了量子相对熵以及冯·诺依曼熵的方向二阶和高阶导数的积分表示，并用于给出基本已知数据处理不等式的简单证明：量子通信信道传输的信息量的 Holevo 界限，以及更一般地，在迹保持正线性映射下量子相对熵的单调性——映射的完全正性不必假设。后一个结果首先由 Müller-Hermes 和 Reeb 基于 Beigi 的工作证明。对于这种单调性的简单应用，我们考虑在量子测量下不增加的任何“散度”，例如冯·诺依曼熵的凹度或各种已知的量子散度。使用了 Hiai、Ohya 和 Tsukada 的优雅论证来表明，具有规定迹距的量子态对上这种“散度”的下界与二元经典态对上相应的下界相同。还讨论了新的积分公式在信息论的一般概率模型中的应用，以及经典 Rényi 散度的相关积分公式。
临床决策和算法不等式
基于历史数据的决策支持算法将使人们的推荐受到过去不平等影响。详细的历史健康数据包含识别人口因素，例如种族，1个社会经济地位或宗教的模式。这些因素与社会劣势有关，因此与不平等的健康结果间接相关。在此类数据上训练的机器学习或统计模型将能够识别这些模式，并将不平等的结果与这些缺陷组相关联，即使没有明确记录数据中的人口统计信息。1 2如果间接关联后来影响决策支持算法，则有可能在不知不觉中造成进一步的缺点并加剧社会不平等。2当算法的行为不透明，嵌入“黑匣子”并用来影响健康，教育，就业或正义领域的决策时，社会不平等的加强是最高风险的。3
不平等的经济中的不平等趋势：意大利1990-
摘要本文介绍了关于劳动供应和收入不平等的风格化事实，该个人是根据意大利银行进行的1989 - 2020年家庭收入和财富调查（SHIW）的25-55个人的收入不平等。在样本期间，工作年龄人口的收入不平等增加了大大增加，考虑到家庭可支配收入时，人口较少。使用员工的管理数据时，确认不平等的增加。证据表明，过去三十年的劳动力市场改革是对收入不平等增加的最合理的解释。收益与可支配收入之间的比较表明，政府和家庭在减少不平等中的重要作用。关键字：不平等，移动性，调查数据，管理数据。致谢：本文是由IFS Deaton评论项目的意大利团队（https://ifs.org.uk/inequality/）：Daniele Checchi（米兰大学），Tullio Jappelli，Naples Federico II，CSEF和CEPR II，CSEF和CEPR II，CEPR）和IMMACOLATA MARISA和IMMACIRATA MARISO and nape and nape and nape and nape and naper and nape and cosi and cosira Scognamiglio（那不勒斯大学Federico II和CSEF大学）。我们感谢Nello Esposito的宝贵研究帮助。Tullio Jappelli承认意大利大学和研究部资助的PRIN赠款下的财政支持。