Quintiles

Cosa sono i Quintiles?

Un quintile è un valore statistico di un set di dati che rappresenta il 20% di una data popolazione, quindi il primo quintile rappresenta il quinto più basso dei dati (dall’1% al 20%); il secondo quintile rappresenta il secondo quinto (dal 21% al 40%) e così via.

I quintili vengono utilizzati per creare punti di separazione per una data popolazione; uno studio socioeconomico sponsorizzato dal governo può utilizzare i quintili per determinare la ricchezza massima che una famiglia può possedere per appartenere al quintile più basso della società. Questo punto limite può quindi essere utilizzato come prerequisito affinché una famiglia riceva uno speciale sussidio governativo volto ad aiutare i meno fortunati della società.

Punti chiave

• I quintili sono rappresentativi del 20% di una data popolazione. Pertanto, il primo quintile rappresenta il quinto più basso dei dati e l’ultimo quintile rappresenta l’ultimo o l’ultimo quinto di un dato.
• Sono generalmente utilizzati per grandi set di dati e sono spesso invocati da politici ed economisti per discutere concetti di giustizia economica e sociale.
• A seconda delle dimensioni della popolazione, le alternative ai quintili includono quartili e terzili.

Capire i quintili

Un quintile è un tipo di quantile, definito come segmenti di uguale dimensione di una popolazione. Una delle metriche più comuni nell’analisi statistica, la mediana, è in realtà solo il risultato della divisione di una popolazione in due quantili. Un quintile è uno dei cinque valori che dividono un intervallo di dati in cinque parti uguali, ciascuna pari a 1/5 (20 percento) dell’intervallo. Una popolazione suddivisa in tre parti uguali è divisa in terzili, mentre una suddivisa in quarti è divisa in quartili. Più grande è il set di dati, più facile è dividerlo in quantili maggiori. Gli economisti usano spesso i quintili per analizzare set di dati molto grandi, come la popolazione degli Stati Uniti.

Ad esempio, se dovessimo esaminare tutti i prezzi di chiusura di un titolo specifico per ogni giorno nell’ultimo anno, il 20% superiore di quei prezzi rappresenterebbe il quintile superiore dei dati. Il 20% più basso di quei prezzi rappresenterebbe il quintile inferiore dei dati. Ci sarebbero tre quintili tra il quintile superiore e quello inferiore. Mentre la media di tutti i prezzi delle azioni in genere cade tra il secondo e il quarto quintile, che è il punto medio dei dati, i valori anomali nella fascia alta o nella fascia bassa dei dati possono aumentare o diminuire il valore medio. Di conseguenza, vale la pena considerare la distribuzione dei punti dati e tenere conto di eventuali valori anomali significativi quando si cerca di comprendere i dati e i valori medi.

Usi comuni dei quintiles

I politici invocano i quintili per illustrare la necessità di cambiamenti politici. Ad esempio, un politico che difende la giustizia economica può dividere la popolazione in quintili per illustrare come il 20% più ricco di percettori di reddito controlla quella che, a suo parere, è una quota ingiustamente ampia della ricchezza. All’altro capo dello spettro, un politico che chiede la fine della tassazione progressiva potrebbe usare quintili per sostenere che il 20% più ricco si fa carico di una quota troppo grande del carico fiscale.

In “The Bell Curve”, un controverso libro del 1994 sul quoziente di intelligenza (QI), gli autori usano i quintili in tutto il testo per illustrare la loro ricerca, dimostrando che il QI è fortemente correlato con i risultati positivi nella vita.

Alternative a Quintiles

Per alcune popolazioni, l’uso di altri metodi per esaminare il modo in cui i dati vengono distribuiti ha più senso rispetto all’utilizzo dei quintili. Per set di dati più piccoli, l’uso di quartili o terzili aiuta a impedire che i dati vengano distribuiti troppo sottili. Confrontando la media, o media, di un set di dati con la sua mediana, o il punto limite in cui i dati sono divisi in due quantili, rivela se i dati sono distribuiti uniformemente o se sono inclinati verso l’alto o verso il basso. Una media significativamente più alta della mediana indica che i dati sono più pesanti, mentre una media più bassa suggerisce il contrario.