分散性

分散性 (Dispersion)

分散性 (Dispersion)，又称 变异性 (Variability) 或 离散程度 (Spread)，是 描述统计 中最核心的概念之一，用于度量数据分布中各个观测值偏离其中心位置（如 均值 或 中位数）的程度。分散性越大，表明数据点越分散，个体间差异越显著；分散性越小，则数据越集中于中心附近。与 集中趋势 (Central Tendency) 共同构成描述数据分布的两大基本维度。

常用度量指标

度量分散性的指标可分为绝对量度和相对量度两类。

一、绝对分散性度量

1. 极差 (Range)：$R = x_{\max} - x_{\min}$，反映数据全距，计算简便但仅取决于两个极端值，对 异常值 极为敏感，信息利用率最低。
2. 四分位距 (Interquartile Range, IQR)：$\text{IQR} = Q_3 - Q_1$，即第 75 百分位数与第 25 百分位数之差，覆盖中间 50\% 数据。IQR 不受极端值影响，是 稳健 (Robust) 的分散性度量，常与 箱线图 配合使用。
3. 方差 (Variance)：总体方差 $\sigma^2 = \frac{1}{N}\sum_{i=1}^{N}(x_i - \mu)^2$，样本方差 $s^2 = \frac{1}{n-1}\sum_{i=1}^{n}(x_i - \bar{x})^2$。方差是二阶中心矩，在数学上性质优良，是 正态分布 理论的核心参数。样本方差分母使用 $n-1$ 以确保 无偏性（Bessel校正）。
4. 标准差 (Standard Deviation)：$s = \sqrt{s^2}$，将分散性还原至原始量纲，是最常用的分散性报告指标。在金融中，标准差即 波动率 (Volatility)，衡量资产收益的不确定性。
5. 平均绝对偏差 (Mean Absolute Deviation, MAD)：$\text{MAD} = \frac{1}{n}\sum_{i=1}^{n}|x_i - \bar{x}|$，以绝对值而非平方度量偏离，对异常值不如方差敏感，但在优化理论中因不可导而较少使用。

二、相对分散性度量

1. 变异系数 (Coefficient of Variation, CV)：$\text{CV} = \frac{s}{\bar{x}} \times 100\%$，消除量纲影响，用于比较不同单位或不同均值水平下数据的相对分散程度。CV 在生物学、质量控制与金融风险管理中广泛应用。
2. 基尼系数：在收入分配领域，基尼系数 是基于 洛伦兹曲线 的相对分散性度量，取值 0（完全均等）至 1（完全不等）。

分散性与分布形态

分散性并非孤立概念，常与 偏度 (Skewness) 和 峰度 (Kurtosis) 共同刻画分布形态。方差固定时，不同偏度和峰度组合可产生截然不同的分布形态。例如，肥尾分布 (Heavy-Tailed Distribution) 中，方差可能无穷大，需用其他指标（如分位数间距）描述分散性。

计量经济学中的应用

在 线性回归 框架下，异方差性 (Heteroskedasticity)——即误差项的分散性随解释变量系统性变化——违背 高斯-马尔可夫定理 的同方差假定，导致 OLS 估计量不再有效。此时需使用 加权最小二乘法 (WLS) 或 HAC稳健标准误 修正推断。分散性分析同样是 方差分析 (ANOVA) 的核心：总变异被分解为组间变异与组内变异，通过比较二者判断分组效应的显著性。

经济学含义

分散性是衡量 不确定性 与 风险 的基础工具。在 投资组合理论 中，收益率的方差（或标准差）被直接定义为风险；在 不完全信息 框架下，代理人面对的信号分散性影响其决策质量；在宏观经济中，通胀预期、产出预测的分散程度反映公众对政策可信度的分歧程度。从概率论的角度，分散性是 二阶矩 的核心内容，与 期望值（一阶矩）共同构成随机变量最基本的数字特征。