시장소득 — 근로 + 사업 + 재산 + 사적이전소득→+ 공적이전소득 — 연금·기초연금·기초생활보장 급여 등→− 공적부담 — 조세와 사회보험료→= 처분가능소득→두 소득의 지니계수 차이가 재분배 효과의 크기다
지표의 방향 — 여기서 갈린다| 지표 | 계산 | 방향 |
|---|
| 지니계수 | 대각선과 로렌츠곡선 사이 면적 ÷ 삼각형 면적 | 클수록 불평등(0~1) |
|---|
| 10분위분배율 | 하위 40% 소득 합 ÷ 상위 20% 소득 합 | 클수록 평등(0~2) |
|---|
| 5분위배율 | 상위 20% 평균 ÷ 하위 20% 평균 | 클수록 불평등 |
|---|
| 앳킨슨 지수 | 균등분배 대등소득을 이용, 계수 ε를 둔다 | 클수록 불평등(0~1) |
|---|
| 타일 지수 | 정보이론에 기초, 집단 간·집단 내로 분해 | 클수록 불평등 |
|---|
더 알아보기
지니계수 하나로 요약할 때 사라지는 것
지니계수는 분포 전체를 한 숫자로 줄인다. 비교하기 쉬운 대신 잃는 것이 있다.
첫째, 어느 구간의 변화인지 알 수 없다. 상위 1%의 몫이 크게 늘어난 경우와 중간층이 아래로 밀린 경우가 같은 지니계수를 낳을 수 있다. 두 사회의 문제는 전혀 다른데 지표는 같은 값을 준다.
둘째, 로렌츠곡선이 교차하면 순위가 뒤집힐 수 있다. 곡선 A가 아래쪽 구간에서는 B보다 위에 있고 위쪽 구간에서는 아래에 있으면, 두 분포 사이에는 로렌츠 지배 관계가 성립하지 않는다. 지니계수는 면적을 합산하므로 여전히 어느 쪽이 크다고 말하지만, 그 판정은 면적이라는 특정한 가중치 방식의 결과일 뿐 모든 사람이 동의할 순서가 아니다.
셋째, 지니계수는 중간 구간의 변화에 가장 민감하다. 계산 구조상 인구가 몰려 있는 중간부의 이동이 면적을 크게 바꾸고, 최상위와 최하위의 변화는 상대적으로 덜 반영된다. 그래서 최상위 소득집중을 보려면 상위 1%·10% 소득점유율을 따로 보아야 하고, 최하위를 보려면 빈곤갭을 함께 보아야 한다.
앳킨슨이 1970년 논문에서 제기한 것이 바로 이 문제다. 불평등 지표는 이미 가치판단을 담고 있는데 그것이 숨겨져 있다는 것이다. 앳킨슨 지수는 불평등 회피 계수 ε를 밖으로 드러내, ε가 클수록 하위층의 소득에 큰 가중치를 준다. ε를 얼마로 놓느냐는 사회가 결정할 문제이며, 지표를 고르는 일이 곧 가치를 고르는 일임을 보여 준다.
타일 지수는 다른 강점을 갖는다 — 분해 가능성이다. 전체 불평등을 집단 간 불평등과 집단 내 불평등으로 나눌 수 있어, 지역 간·학력 간·성별 간 격차가 전체 불평등에 얼마나 기여하는지를 계산할 수 있다. 지니계수로는 이 분해가 깔끔하게 되지 않는다.
시장소득과 처분가능소득 — 재분배 효과를 읽는 법
불평등 통계에서 어느 소득을 쓰는가가 결론을 바꾼다.
시장소득은 근로소득·사업소득·재산소득·사적이전소득의 합이다. 국가가 개입하기 전의 분배다. 처분가능소득은 여기에 공적이전소득(국민연금, 기초연금, 기초생활보장 급여, 실업급여 등)을 더하고 조세와 사회보험료를 뺀 것이다. 실제로 쓸 수 있는 돈이다.
두 소득으로 각각 지니계수를 구하면 재분배 효과를 잴 수 있다. 시장소득 지니가 0.40이고 처분가능소득 지니가 0.32라면, 조세와 이전이 불평등을 0.08만큼, 비율로는 20% 줄인 것이다. 국가 간 비교에서 이 감소폭이 크게 다르다 — 북유럽은 시장소득 불평등도 낮고 재분배 효과도 큰 반면, 여러 나라는 시장소득 불평등이 비슷해도 재분배 효과에서 갈린다.
우리나라의 특징으로 지적되어 온 것이 재분배 효과가 상대적으로 작다는 점이다. 원인으로는 공적이전의 규모가 작았던 점, 사회보험의 사각지대가 넓어 정작 필요한 사람이 이전소득을 받지 못하는 점, 조세의 누진성이 제한적인 점이 함께 지적된다.
주의할 대목이 둘 있다. 첫째, 현물급여가 빠져 있다. 건강보험이 부담하는 의료비, 무상교육, 보육 서비스는 처분가능소득에 잡히지 않지만 실제 생활수준에는 크게 기여한다. 현물을 넣으면 재분배 효과가 더 크게 계산된다. 둘째, 인구 구조가 지표를 움직인다. 고령화가 진행되면 소득이 적은 노인 가구가 늘어 시장소득 지니가 저절로 올라간다. 정책이 나빠져서가 아니라 인구가 바뀌어서 생기는 변화이므로, 시계열을 읽을 때는 연령 구성의 변화를 함께 보아야 한다.