Three essays on economic inequality

Abstract

This doctoral dissertation is divided in three chapters. All of them deal with aspects related to the measurement of economic inequality, but each one has a distinct topic and puts its focus on a specific standpoint. Inheritances and Wealth Inequality: A Machine Learning Approach. This chapter explores the relationship between received inheritances and the distribution of wealth (financial, non-financial and total) in four developed countries: the United States, Canada, Italy and Spain. We follow the inequality of opportunity (IOp) literature and -considering inheritances as the only circumstance- we show that traditional IOp approaches can lead to non-robust and arbitrary measures of IOp depending on discretionary cut-off choices of a continuous circumstance such as inheritances. Overcoming this limitation, we apply Machine Learning methods to optimize the choice of cut-offs (‘random forest’ algorithm) and we find that IOp explains over 60% of wealth inequality in the US and Spain (using the Gini coefficient), and more than 40% in Italy and Canada. Including parental education as an additional circumstance -available for the US and Italy- we find that inheritances are still the main contributor. Finally, using the S-Gini index with different parameters to weight different parts of the distribution, we find that the effect of inheritances is more prominent at the middle of the wealth distribution, while parental education is more important for the asset-poor...Esta tesis doctoral está dividida en tres capítulos. Aunque todos ellos atienden a aspectos relacionados con la medición de la desigualdad económica, cada uno versa sobre un tema distinto y se enfoca en un punto de vista específico. Herencias y Desigualdad de Riqueza: Una Aproximación desde el Aprendizaje Automatizado. Este capítulo explora la relación entre las herencias recibidas y la distribución de riqueza (total, financiera y no financiera) en cuatro países desarrollados: los Estados Unidos, Canadá, Italia y España. Siguiendo la literatura de Desigualdad de Oportunidades (DO), y considerando las herencias como la única circunstancia, mostramos que las aproximaciones tradicionales a la DO pueden llevar a medidas no robustas y arbitrarias. Superando esta limitación, aplicamos métodos de Aprendizaje Automatizado (algoritmo “random forest”), y encontramos que la DO explica hasta el 60% de desigualdad de riqueza en los Estados Unidos y España (usando el índice de Gini), y más del 40% en Italia y Canadá. La inclusión de la educación de los padres como circunstancia adicional - disponible para los Estados Unidos e Italia - señala que las herencias recibidas suponen el principal factor contribuyente a la desigualdad en la riqueza. Finalmente, usando el índice S-Gini con diferentes parámetros, ponderamos las distintas partes de la distribución y encontramos que el efecto de las herencias es especialmente prominente en la mitad de la misma, mientras que la educación de los padres es importante para los más desfavorecidos...