什麼是收入百分位計算器?
這個工具能估算你的收入在整個收入族群中所處的位置。只要把你的收入與指定的平均值、標準差相比較,它就會算出你的百分位排名——也就是大約有多少比例的人收入比你低。同時還會顯示「前 X%」的排名,以及背後的 z 分數。此模型假設收入呈常態分布(鐘形曲線),這是一種簡化的近似法,因為真實的收入分布其實是右偏的;建議把結果當成快速估算,而非官方統計數字。
如何使用
輸入三個數字:你的年收入、你想比較的族群平均(平均值)收入,以及該族群的標準差。按下計算,就能看到你的百分位。如果不知道標準差,常見的經驗法則是抓全國收入資料平均值的 50~70% 左右。
公式解析
首先我們計算 z 分數,$$z = \frac{x - \mu}{\sigma}$$用來衡量你的收入距離平均值有幾個標準差。接著把這個 z 分數代入標準常態累積分布函數 \(\Phi(z)\),它會回傳分布中低於你數值的比例。乘以 100 就得到百分位。$$P = \Phi(z) \times 100$$本計算器採用 Abramowitz & Stegun 的多項式近似法來計算 \(\Phi\),誤差約在 \(\pm 7.5 \times 10^{-8}\) 之內。
實際範例
假設你的收入是 $75,000,族群平均值為 $65,000,標準差為 $40,000。那麼 z 分數就是 $$z = \frac{75{,}000 - 65{,}000}{40{,}000} = 0.25$$查出 \(\Phi(0.25) \approx 0.5987\),所以你的百分位大約是 59.9——你的收入贏過約 60% 的人,位居前 40%。
Z 分數至百分位查詢表
計算器會將您的收入轉換為 z 分數 \(z = \frac{x - \mu}{\sigma}\),接著從標準常態分配讀取累積機率 \(\Phi(z)\)。下表列出常見的 z 分數。「前 X%」為 \(100 - \text{百分位}\)。數值已四捨五入。
| z 分數 | Φ(z) | 百分位 | 前 X% |
|---|---|---|---|
| -2 | 0.0228 | 2.28 | 97.72% |
| -1.5 | 0.0668 | 6.68 | 93.32% |
| -1 | 0.1587 | 15.87 | 84.13% |
| -0.5 | 0.3085 | 30.85 | 69.15% |
| 0 | 0.5000 | 50.00 | 50.00% |
| 0.25 | 0.5987 | 59.87 | 40.13% |
| 0.5 | 0.6915 | 69.15 | 30.85% |
| 1 | 0.8413 | 84.13 | 15.87% |
| 1.28 | 0.8997 | 89.97 | 10.03% |
| 1.5 | 0.9332 | 93.32 | 6.68% |
| 1.645 | 0.9500 | 95.00 | 5.00% |
| 1.96 | 0.9750 | 97.50 | 2.50% |
| 2 | 0.9772 | 97.72 | 2.28% |
| 2.33 | 0.9901 | 99.01 | 0.99% |
| 3 | 0.9987 | 99.87 | 0.13% |
由於常態曲線對稱,\(\Phi(-z) = 1 - \Phi(z)\)。
情境比較:相同收入,不同族群
相同的收入 $75,000 在不同族群中的排名可能大不相同,取決於您所比較之族群的平均數 (μ) 與標準差 (σ)。每個 z 分數為 \(z = \frac{75{,}000 - \mu}{\sigma}\)。所有數據皆為示意輸入值,並非真實統計資料。
| 平均數 (μ) | 標準差 (σ) | z 分數 | 百分位 | 前 X% |
|---|---|---|---|---|
| $65,000 | $26,000 | 10,000 / 26,000 = 0.385 | ≈ 65.0 | ≈ 35.0% |
| $65,000 | $40,000 | 10,000 / 40,000 = 0.25 | 59.87 | 40.13% |
| $65,000 | $50,000 | 10,000 / 50,000 = 0.20 | 57.93 | 42.07% |
| $50,000 | $26,000 | 25,000 / 26,000 = 0.962 | ≈ 83.2 | ≈ 16.8% |
| $90,000 | $26,000 | -15,000 / 26,000 = -0.577 | ≈ 28.2 | ≈ 71.8% |
重點:平均數固定時,σ 越大,高於平均的收入會越接近第 50 百分位。σ 固定時,平均數越低,您的排名越高;平均數越高,排名越低。最後一列顯示負的 z 分數(低於平均數)。
解讀您的百分位結果
百分位是模型人口中收入低於您所輸入收入的人所占的比例。結果為 75 表示模型認為您的收入高於約 75% 的人,也就是位於前 25%。這是排名,而非收入的百分比:位於第 75 百分位並不代表您賺到 75% 的任何東西。
在常態分配中,z 分數告訴您距離平均數有幾個標準差:
- 約 68% 的數值落在 ±1σ 之間(z 介於 -1 與 1 之間)。
- 約 95% 落在 ±2σ 之間。
- 約 99.7% 落在 ±3σ 之間。
- z 分數為 0 表示恰好位於平均數(第 50 百分位)。負的 z 分數表示收入低於平均數,正的則表示高於平均數。
模型的限制。 真實的收入分配通常呈右偏:少數高收入者形成的長尾會把平均數拉高到一般收入之上。因此對稱的常態模型可能會誤判排名,尤其是在高收入尾端。當 σ 相對於 μ 很大時(例如 σ 接近或超過 μ 的一半),常態曲線會把機率分配到低於零的收入上,這在現實中不可能發生。基於此,描述一般收入時通常改用中位數而非平均數,結果也最好視為粗略估計。請確認您的平均數與標準差與您自己的數字來自相同族群、相同年度,以及相同的收入定義(個人、家庭、稅前等)。
本工具僅提供一般統計資訊,不構成財務建議。
常見問題
用常態分布來看收入準嗎?並非完全準確。收入呈右偏分布,高收入端拖著一條長尾,因此這只是近似值。若需精確數字,請參考人口普查或稅務機關公布的百分位對照表。
如果算出來是 99 以上或 0 怎麼辦?遠離平均值的極端收入會被推向曲線的尾端,因而產生接近 100% 或 0% 的數值。
任何國家都能用嗎?可以——這個工具不受特定地區限制。只要提供你關心的族群之平均值與標準差即可。