什么是收入百分位计算器?
这个工具用于估算你的收入在整个收入人群中处于什么位置。只要把你的收入与给定的平均值和标准差作对比,它就会算出你的百分位排名——也就是大约有多少比例的人收入低于你。同时它还会给出"前 X%"的视角和背后的 z 分数。需要说明的是,该模型假设收入服从正态分布(钟形曲线),这只是一种简化的近似,因为现实中的收入分布通常是右偏的(高收入者拉出一条长尾)。所以请把结果当作一个快速估算,而不是官方统计数据。
如何使用
只需输入三个数字:你的年收入、你想对比的人群的平均(均值)收入,以及该人群的标准差。点击计算即可看到你的百分位。如果你不知道标准差,有一个常用的经验法则:对于全国性的收入数据,标准差大约相当于均值的 50%–70%。
公式详解
首先计算 z 分数:
$$z = \frac{x - \mu}{\sigma}$$它衡量你的收入偏离平均值多少个标准差。然后把这个 z 分数代入标准正态累积分布函数 \(\Phi(z)\),得到分布中低于你这一数值的比例。乘以 100 就是百分位。
$$P = \Phi(z) \times 100$$本计算器采用 Abramowitz & Stegun 的多项式近似来计算 \(\Phi\),精度约为 \(\pm 7.5 \times 10^{-8}\)。
实例演算
假设你的收入是 75,000 美元,人群平均值是 65,000 美元,标准差是 40,000 美元。那么 z 分数为
$$z = \frac{75{,}000 - 65{,}000}{40{,}000} = 0.25$$查表得 \(\Phi(0.25) \approx 0.5987\),所以你的百分位约为 59.9——也就是说你比大约 60% 的人挣得多,处在前 40% 的行列。
Z分数转百分位查询表
该计算器先将您的收入转换为z分数,\(z = \frac{x - \mu}{\sigma}\),然后从标准正态分布中读取累积概率\(\Phi(z)\)。下表列出了常见的z分数。“前X%”为\(100 - \text{百分位}\)。数值已取整。
| z分数 | 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% |
由于正态曲线是对称的,因此\(\Phi(-z) = 1 - \Phi(z)\)。
情景比较:相同收入,不同人群
同样的75,000美元收入,在与之比较的人群的均值(μ)和标准差(σ)不同时,排名可能差异很大。每个z分数为\(z = \frac{75{,}000 - \mu}{\sigma}\)。所有数据均为示例性输入,并非真实统计数据。
| 均值(μ) | 标准差(σ) | z分数 | 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% |
要点:在均值固定时,σ越大,会使高于平均水平的收入更接近第50百分位。在σ固定时,均值越低,您的排名越高;均值越高,排名越低。最后一行显示了负z分数(低于均值)的情况。
解读您的百分位结果
百分位是建模人群中收入低于您所输入收入的人所占的比例。结果为75意味着模型认为您的收入超过约75%的人,也就是处于前25%。这是一个排名,而不是收入的百分比:处于第75百分位并不意味着您的收入是某物的75%。
在正态分布中,z分数表示您与均值相差多少个标准差:
- 约68%的数值位于±1σ之内(z介于-1和1之间)。
- 约95%位于±2σ之内。
- 约99.7%位于±3σ之内。
- z分数为0表示恰好处于均值(第50百分位)。负z分数表示收入低于均值,正z分数表示高于均值。
模型的局限性。真实的收入分布通常是右偏的:少数高收入者形成的长尾会把均值拉高,超过典型收入水平。因此,对称的正态模型可能会误判排名,在高收入区间尤其如此。当σ相对于μ较大时(例如σ接近或超过μ的一半),正态曲线会把概率分配给低于零的收入,而这在现实中不可能发生。因此,描述典型收入时通常使用中位数而非均值,结果最好仅作为粗略估计来理解。请确认您的均值和标准差与您自己的数据来自相同的人群、年份和收入定义(个人、家庭、税前等)。
本工具仅提供一般性统计信息,不构成财务建议。
常见问题
用正态分布来描述收入准确吗?并不完全准确。收入分布是右偏的,高收入端有一条长长的尾巴,所以这里给出的只是近似值。如需精确数字,请查阅人口普查或税务部门发布的百分位表。
如果结果是 99+ 或者 0 怎么办?当收入远远偏离平均值时,会落到曲线的两端尾部,从而得到接近 100% 或接近 0% 的数值。
这个工具适用于任何国家吗?可以——它不依赖于特定国家或地区的规则。你只需提供你关注的那个人群的平均值和标准差即可。注意:不同国家的收入水平和官方统计口径各不相同,请用对应人群的数据。