Công cụ tính phân vị thu nhập là gì?
Công cụ này ước tính xem thu nhập của bạn đang đứng ở đâu so với toàn bộ nhóm người có thu nhập. Bằng cách so sánh thu nhập của bạn với mức trung bình và độ lệch chuẩn cho trước, công cụ trả về thứ hạng phân vị — tức tỷ lệ phần trăm ước tính số người kiếm được ít hơn bạn. Ngoài ra, kết quả còn cho biết bạn thuộc "top X%" và chỉ số z-score đằng sau phép tính. Mô hình giả định thu nhập tuân theo phân phối chuẩn (đường cong hình chuông). Đây là một phép đơn giản hóa, bởi trong thực tế phân phối thu nhập thường lệch phải; vì vậy hãy xem kết quả như một ước tính nhanh thay vì một số liệu thống kê chính thức.
Cách sử dụng
Bạn chỉ cần nhập ba con số: thu nhập hằng năm của bạn, thu nhập trung bình (mean) của nhóm dân số mà bạn muốn đối chiếu, và độ lệch chuẩn của nhóm đó. Nhấn nút tính để xem phân vị của mình. Nếu chưa biết độ lệch chuẩn, một mẹo thường dùng với dữ liệu thu nhập quốc gia là lấy khoảng 50–70% của mức trung bình.
Giải thích công thức
Trước tiên, ta tính z-score theo công thức $$z = \frac{x - \mu}{\sigma}$$ cho biết thu nhập của bạn cách mức trung bình bao nhiêu độ lệch chuẩn. Sau đó, z-score này được đưa vào hàm phân phối tích lũy chuẩn \(\Phi(z)\), trả về tỷ lệ phần trăm của phân phối nằm dưới giá trị của bạn. Nhân với 100 ta được phân vị: $$P = \Phi\left(\frac{x - \mu}{\sigma}\right) \times 100$$ Công cụ sử dụng phép xấp xỉ đa thức Abramowitz & Stegun cho \(\Phi\), với độ chính xác khoảng \(\pm 7{,}5 \times 10^{-8}\).
Ví dụ minh họa
Giả sử thu nhập của bạn là 75.000 USD, mức trung bình của dân số là 65.000 USD và độ lệch chuẩn là 40.000 USD. Khi đó z-score: $$z = \frac{75000 - 65000}{40000} = 0{,}25$$ Tra \(\Phi(0{,}25) \approx 0{,}5987\), nên phân vị của bạn vào khoảng 59,9 — bạn kiếm được nhiều hơn khoảng 60% số người và thuộc nhóm top 40%.
Bảng tra cứu từ z-score sang phân vị
Máy tính chuyển thu nhập của bạn thành z-score, \(z = \frac{x - \mu}{\sigma}\), sau đó đọc xác suất tích lũy \(\Phi(z)\) từ phân phối chuẩn tắc. Bảng dưới đây liệt kê các z-score thường gặp. “Top X%” bằng \(100 - \text{phân vị}\). Các giá trị đã được làm tròn.
| z-score | Φ(z) | Phân vị | Top 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% |
Vì đường cong chuẩn đối xứng nên \(\Phi(-z) = 1 - \Phi(z)\).
So sánh kịch bản: Cùng thu nhập, các nhóm dân số khác nhau
Cùng mức thu nhập 75.000 $ có thể được xếp hạng rất khác nhau tùy thuộc vào giá trị trung bình (μ) và độ lệch chuẩn (σ) của nhóm dân số bạn so sánh. Mỗi z-score là \(z = \frac{75{,}000 - \mu}{\sigma}\). Tất cả số liệu chỉ mang tính minh họa, không phải thống kê thực tế.
| Trung bình (μ) | Độ lệch chuẩn (σ) | z-score | Phân vị | Top 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% |
Kết luận: khi giữ nguyên trung bình, σ càng lớn thì thu nhập cao hơn mức trung bình sẽ càng tiến gần phân vị thứ 50. Khi giữ σ cố định, trung bình thấp hơn sẽ làm thứ hạng của bạn cao hơn, còn trung bình cao hơn sẽ làm thứ hạng thấp hơn. Hàng cuối cùng cho thấy z-score âm (thu nhập dưới mức trung bình).
Diễn giải kết quả phân vị của bạn
Phân vị là tỷ lệ của nhóm dân số được mô hình hóa có thu nhập thấp hơn mức thu nhập bạn đã nhập. Kết quả 75 nghĩa là mô hình cho rằng bạn kiếm được nhiều hơn khoảng 75% người lao động, tương đương với việc bạn thuộc nhóm top 25%. Đây là một thứ hạng, không phải tỷ lệ phần trăm của thu nhập: đứng ở phân vị thứ 75 không có nghĩa là bạn kiếm được 75% của bất cứ thứ gì.
Trong phân phối chuẩn, z-score cho biết bạn cách giá trị trung bình bao nhiêu độ lệch chuẩn:
- Khoảng 68% giá trị nằm trong khoảng ±1σ (z nằm giữa -1 và 1).
- Khoảng 95% giá trị nằm trong khoảng ±2σ.
- Khoảng 99,7% giá trị nằm trong khoảng ±3σ.
- z-score bằng 0 nghĩa là đúng ở mức trung bình (phân vị thứ 50). z-score âm nghĩa là thu nhập dưới mức trung bình, còn z-score dương nghĩa là thu nhập trên mức trung bình.
Hạn chế của mô hình. Phân phối thu nhập thực tế thường lệch phải: một đuôi dài những người thu nhập cao kéo giá trị trung bình lên cao hơn thu nhập điển hình. Vì vậy mô hình chuẩn đối xứng có thể làm sai lệch thứ hạng, đặc biệt ở đuôi trên. Khi σ lớn so với μ (ví dụ σ gần bằng hoặc lớn hơn một nửa μ), đường cong chuẩn gán xác suất cho các mức thu nhập dưới 0, điều không thể xảy ra trong thực tế. Vì lý do này, trung vị thường được dùng thay cho trung bình khi mô tả thu nhập điển hình, và kết quả chỉ nên được đọc như ước lượng gần đúng. Hãy kiểm tra xem giá trị trung bình và độ lệch chuẩn của bạn có đến từ cùng nhóm dân số, cùng năm và cùng định nghĩa thu nhập (cá nhân, hộ gia đình, trước thuế, v.v.) với con số thu nhập của bạn hay không.
Công cụ này chỉ cung cấp thông tin thống kê chung và không phải là tư vấn tài chính.
Câu hỏi thường gặp
Phân phối chuẩn có chính xác với thu nhập không? Không hoàn toàn. Thu nhập thường lệch phải với một "cái đuôi" dài gồm những người thu nhập rất cao, nên công cụ chỉ đưa ra ước tính. Muốn số liệu chính xác, bạn nên tham khảo bảng phân vị từ cơ quan thống kê hoặc cơ quan thuế.
Nếu kết quả ra 99+ hoặc 0 thì sao? Những mức thu nhập rất xa so với trung bình sẽ rơi về hai đầu (đuôi) của đường cong, tạo ra giá trị gần 100% hoặc gần 0%.
Tôi có thể dùng công cụ này cho bất kỳ quốc gia nào không? Được — công cụ không gắn với quốc gia cụ thể nào. Bạn chỉ cần nhập mức trung bình và độ lệch chuẩn của nhóm dân số mình quan tâm (ví dụ dữ liệu thu nhập tại Việt Nam, Mỹ hay bất kỳ nước nào).