O Que É O Coeficiente De Gini

Como calcular e interpretar o coeficiente de Gini na prática

Quem trabalha com dados socioeconômicos ou análise de distribuição de renda se depara com o coeficiente de Gini repetidamente. Ele mede desigualdade em um conjunto de valores e gera um número entre 0 e 1. Zero significa perfeita igualdade — todo mundo tem a mesma coisa. Um significa desigualdade máxima — uma pessoa tem tudo, o resto não tem nada. Para calcular, você ordena os dados de menor para maior, constrói as somas acumuladas, aplica a fórmula e pronto. A equação padrão é G = 1 - ((x_i + x_{i+1}) / (n · x_i)), onde x_i é o i-ésimo valor do array ordenado, n é o tamanho da amostra e o denominador é o total da soma dos valores. O termo (x_i + x_{i+1}) representa a média dos pares adjacentes multiplicada por 2 na verdade, então a forma mais comum de escrever é G = 1 - (p_i · (x_i + x_{i+1})) / (x_i), com p_i sendo os pesos acumulados da distribuição. Na minha experiência, o método mais estável que uso é este aqui. Eu monto um array NumPy, ordeno, faço uma soma acumulada e aplico diretamente a fórmula sem entrar em curvas de Lorenz visuais, que são bonitas mas custam mais tempo e às vezes introduzem erros de interpolação quando os dados têm muitos zeroes ou valores ausentes.

Entendendo o que é o coeficiente de gini

O coeficiente de Gini também pode ser expresso como a metade da diferença absoluta média entre todos os pares possíveis de observações, dividida pela média geral dos valores. Isso significa que ele leva em conta cada combinação possível, não apenas a ordem. A interpretação prática é simples: quanto mais afastado de zero, mais concentrado está o valor que você está analisando. Em estudos de renda, valores acima de 0,4 já são considerados indicadores de desigualdade significativa. Abaixo de 0,25 costuma indicar relativa homogeneidade. Um exemplo rápido. Suponha uma equipe com cinco colaboradores cujos salários mensais são: 1.500, 1.800, 2.200, 3.000 e 15.000 reais. A média é 4.700. O coeficiente de Gini nesse conjunto fica em torno de 0,39, o que já soa alto para uma equipe pequena. Se removermos o salário de 15.000, o Gini cai para algo próximo de 0,14. A diferença mostra como um único outlier pode distorcer completamente a leitura de desigualdade. Esse é exatamente o tipo de problema que eu encontrei ao analisar dados salariais de uma empresa de tecnologia no início dos anos 2020. Eu estava comparando a distribuição de bônus entre três departamentos e o coeficiente parecia razoável em todos eles — cerca de 0,22. Quando desdobrei os dados por faixa etária, percebi que o Departamento B tinha um grupo de engenheiros seniores com bônus medianos muito acima da média do restante, enquanto os júnios ficavam concentrados em patamares baixos. O Gini global mascarava essa bifurcação interna. A solução que usei foi dividir o cálculo por estratos demográficos e depois aplicar uma média ponderada dos coeficientes internos, considerando o tamanho de cada estrato. Esse método é basicamente uma decomposição de between-group e within-group, conhecida na literatura como análise de decomposição do coeficiente de Gini, e eu configurei isso em um script que eu reutilizo sempre que preciso validar se um índice agregado não está escondendo heterogeneidade dentro dos subgrupos.

Outro ponto que poucos mencionam é que o coeficiente de Gini não lida bem com distribuições multimodais. Se você tem dois picos claros na sua distribuição de renda — um grupo de baixa renda e outro de alta renda, com pouco no meio — o Gini vai mostrar um valor intermediário que parece aceitável, mas na verdade esconde uma segregação estrutural. Nesse caso, complemento com a razão de Palmén ou com uma análise de variância dentro de classes pré-definidas. A razão de Palmén, que é basicamente a diferença entre o percentil 90 e o percentil 10 dividida pela mediana, dá uma leitura mais direta do gap entre os extremos sem ser suavizada pela presença de valores intermediários. A principal limitação do coeficiente de Gini é que ele não identifica onde a desigualdade está acontecendo. Dois países podem ter o mesmo Gini e ter estruturas completamente diferentes de concentração de riqueza. Um pode ter a desigualdade concentrada no topo, outro pode ter uma base muito ampla de pobreza com uma classe média pequena mas presente. O coeficiente sozinho não resolve isso. Eu sempre acompanho com a razão entre o rendimento médio dos 10% mais ricos e dos 10% mais pobres, e com uma curva de Lorenz plotada diretamente, mesmo que eu não use a curva para o cálculo numérico. A visualização ajuda a confirmar se o número faz sentido no contexto dos dados. Se você precisa implementar isso rápido, um snippet simples em Python funciona bem:

import numpy as np
def gini_coefficient(data):
  data = np.asarray(data, dtype=float)
  data = data[~np.isnan(data)]
  if data.size == 0:
    return np.nan
  sorted_data = np.sort(data)
  n = len(sorted_data)
  index = np.arange(1, n + 1)
  numerator = np.sum((2 * index - n - 1) * sorted_data)
  denominator = n * np.sum(sorted_data)
  return numerator / denominator Esse código já trata valores ausentes e retorna NaN quando o array vazio ou nulo é passado, o que evita crashes silenciosos em pipelines automatizados. O custo de execução para um array de cem mil linhas gira em torno de trinta milissegundos na minha máquina. Para conjuntos maiores, o gargalo costuma ser a leitura dos dados e não o cálculo em si, então eu recomendo carregar em formato binário quando disponível e fazer a ordenação com sort (stable sort) para preservar a ordem original quando houver empates. Em resumo, o coeficiente de Gini é uma ferramenta útil mas incompleta. Ele responde à pergunta sobre o quão desigual é uma distribuição, mas não explica por quê. Usar junto com medidas complementares de cauda e decomposição por estratos transforma um número abstrato em informação que realmente orienta decisões.