поскольку их легче рассчитать.
Отметим, что разница между этими двумя измерениями не имеет большого значения для наших выводов, если темпы изменения среднего и медианного доходов одинаковы. К счастью, так оно и есть. Экономист Университета Центрального Арканзаса Джереми Хорпедал сравнил медианную заработную плату в США, публикуемую Институтом экономической политики в Вашингтоне, ставку заработной платы неквалифицированного труда в США, публикуемую MeasuringWorth (https://www.measuringworth.com), среднечасовую заработную плату в обрабатывающей промышленности США и среднечасовой заработок производственных и непроизводственных работников в США, публикуемый Бюро статистики труда США (BLS). Хорпедал проиндексировал эти четыре показателя до 100, взяв за базовый год 1973. Как видно из рисунка 4.7, темпы изменения практически идентичны.
Отметим, что схожесть темпов изменения четырех ставок дохода не означает равенства доходов. Очевидно, что 50-процентное повышение ставки неквалифицированной заработной платы на 5 долл. в час будет меньше, чем 50-процентное повышение ставки оплаты труда "синих воротничков" на 10 долл.
Учитываем ли мы глобальное неравенство доходов?
Говоря о равенстве, отметим, что мы не корректируем наш средний номинальный мировой ВВП в час на показатели глобального неравенства доходов, равно как и средний номинальный почасовой доход в США на показатели неравенства доходов в США. При этом следует помнить, что наши оценки изобилия будут касаться основных товаров (курица, кукуруза, апельсины, пиломатериалы), а не яхт или Lamborghinis. Бедные больше всего выигрывают от падения цен на основные товары, включая продукты питания. Как отмечает Грегори Кларк в книге "Прощание с милостыней", "наибольшую выгоду от промышленной революции получили неквалифицированные работники. Много выгод получили обычно богатые владельцы земли и капитала, а также образованные люди. Но индустриальные экономики приберегли свои лучшие дары для самых бедных". С этим согласны и другие видные историки.
На самом деле, весьма вероятно, что полученные нами данные недооценивают рост численности, особенно за последние десятилетия. Почему? Наиболее часто используемым показателем неравенства является коэффициент Джини. Итальянский статистик и социолог Коррадо Джини (1884-1965) в начале XX века разработал метод измерения неравенства доходов. В его основе лежит работа американского экономиста Макса Лоренца (1876-1959), который разработал так называемую кривую Лоренца. Кривая Лоренца может быть построена с использованием кумулятивной доли населения на горизонтальной оси и кумулятивной доли дохода на вертикальной оси. Линия под углом 45 градусов, пересекающая график, означает полное равенство (положение дел, при котором все имеют одинаковый доход). Кривая Лоренца иллюстрирует распределение доходов в том виде, в котором оно обычно существует в реальном мире. Область над кривой Лоренца, но ниже 45-градусной линии, обозначается как область A. Область под кривой Лоренца, но выше горизонтальной оси, обозначается как область B. Коэффициент Джини представляет собой отношение площади A к площади A плюс B (рис. 4.8).
Бывший ведущий экономист исследовательского департамента Всемирного банка и признанный авторитет в области измерения неравенства доходов Бранко Миланович пришел к выводу, что с 1980 года неравенство доходов существенно снизилось. Он сравнил коэффициенты Джини между странами в пересчете на численность населения и рассчитал, что глобальный коэффициент Джини снизился на 26,2% - с 0,61 в 1980 году до 0,45 в 2017 году (рис. 4.9). Это снижение глобального неравенства доходов произошло при одновременном росте глобального изобилия (см. главу 5). Поэтому логично предположить, что наши оценки изобилия должны занижать выгоды, получаемые беднейшими слоями населения планеты, по крайней мере, в период с 1980 по 2018 год.
Вместо неравенства доходов рассмотрим неравенство времени
Возможно, более эффективным способом осмысления неравенства является взгляд на время. Хотя у каждого человека есть 24 часа в сутках, то, что он делает со своим временем, может кардинально отличаться. Согласно нашим расчетам, в период с 1960 по 2018 год мировое изобилие риса и пшеницы увеличилось в 7,32 и 8,06 раза соответственно. Что это означает для неравенства?
Рассмотрим Раджа в Индии и Рэя в штате Индиана. В 1960 году Радж тратил семь часов в день, чтобы заработать деньги, необходимые ему для покупки риса для питания. К 2018 году цена на рис упала на 86,2%. Теперь внук Раджа работает всего 58 минут, чтобы купить рис. У внука Раджа есть шесть часов и две минуты, чтобы заняться чем-то еще . В 1960 году Рэй тратил один час в день, зарабатывая достаточно денег, чтобы купить пшеницу для своего питания. К 2018 году цена на пшеницу упала на 87,5 процента. Теперь внук Рэя работает всего семь с половиной минут, чтобы купить пшеницу. Теперь у внука Рэя есть 52,5 минуты, чтобы заняться чем-то другим, например, купить другие товары, пойти в школу или просто отдохнуть.
И Радж, и Рэй стали жить лучше, но увеличилось ли неравенство? Это зависит от вашей точки зрения. В 1960 году Радж работал в 7 раз дольше, чем Рэй, чтобы купить себе еду. В 2018 году внук Раджа работал в 7,73 раза дольше, чем внук Рэя. С этой точки зрения кажется, что неравенство увеличилось, но давайте посмотрим на ситуации Раджа и Рэя с другой стороны. За период с 1960 по 2018 год внук Рэя получил 52,5 минуты времени, а внук Раджа - 362 минуты. Иными словами, внук Раджа получил в 6,9 раза больше времени, чем внук Рэя. Временное неравенство между ними резко сократилось (табл. 4.2).
Когда базовые вещи становятся более доступными, больше всего выигрывают бедные. Этот факт не отражается в коэффициентах Джини. Поэтому сравнение влияния изменений в ТП с течением времени на различные группы населения может быть гораздо более информативным, чем использование коэффициентов Джини.
Таблица 4.2. Временное неравенство Раджа и Рея (1960-2018 гг.)
Минуты для получения ежедневного питания
1960
2018
Процентное изменение
Экономия времени
Рис Раджа
420.0
58.0
-86.2
362.0
Пшеница
60.0
7.5
-87.5
52.5
Соотношение
7.00
7.73
10.5
6.9
Источник: Расчеты авторов.
Наконец, несколько слов о наших источниках данных о ценах на сырьевые товары
Для расчета численности в главе 5 нам также понадобятся номинальные цены на сырьевые товары. При рассмотрении глобального изобилия мы будем использовать два набора данных. Первый набор данных, который называется Basic 50, содержит данные о номинальных ценах на 50 сырьевых товаров за период с 1980 по 2018 год. Данные о номинальных ценах 43 товаров из набора Basic 50 получены от Всемирного банка, а 7 - из базы данных "Цены на основные товары" Международного валютного фонда. Второй набор данных,
