方法说明

财富分布数据

财富份额数据来自 World Inequality Database，该数据库为数十个国家发布分布式国民账户（DINA）。这些账户把国家财富划分为以下群体：

• 底部 50% — 按净资产排序处于下半部分的人群
• 中间 40% — 第 50 到第 90 百分位，常被称作「中产阶层」
• 前 10% — 最富的十分之一，多数国家这部分人占总财富的 60–80%
• 前 1% — 前 10% 的子集，通常占总财富的 25–40%

这些份额构成了把你定位到分布中的边界点。某国边界数据越细，最终百分位就越精确。

由收入估算财富

大多数人知道自己的收入，但不知道净资产。为弥合这一缺口，工具使用 包含 18 个因子的估算模型，依据人口与财务特征调整收入对财富的比例：

• 年龄段（年轻人通常财富/收入比更低）
• 学历（高学历与终身收入及储蓄正相关）
• 就业形态（个体经营 vs. 受雇，公部门 vs. 私部门）
• 储蓄率与投资行为
• 是否拥有房产及房贷状态
• 未偿债务（学贷、消费贷）

每个因子都会缩小不确定区间。未填任何因子时，模型大约有 ±70% 的散布；填完 18 个因子时，不确定性降至约 ±10%。工具会与估算的百分位一并展示置信区间。

百分位的计算

在估算出净资产后，工具采用 分段线性插值，在已知的财富份额边界之间为你定位。例如，若底部 50% 占总财富的 5%、中间 40% 占 35%，则你处于这两个边界之间的位置按线性插值得出。这是一种近似 — 真实分布并不是严格线性的 — 但在已有数据下能给出合理估计。

亿万富豪对比

「要多久？」模式使用 Forbes 实时亿万富豪榜 列表，构建时为各国最富的人打包好净资产数值。

「需要多少年」是有意为之的简单算法：把亿万富豪的净资产除以你的年收入，不考虑利息、复利、税收或通货膨胀。这是有意的 — 重点不是理财规划，而是让差距「可感」。当答案是「400 万年」时，是否考虑 7% 的年化收益其实无关紧要。

税率数据来源

按财富层级划分的有效税率来自学术研究与政府统计。和财富分布数据不同，它没有统一的 API，需根据下面的公开来源逐一手工维护。

局限性

• 顶端财富低估 — 基于调查的财富数据系统性低估超富裕人群，他们在家庭调查中代表性不足。WID 用税务数据部分修正，但仍存在缺口。
• 自报收入偏差 — 用户自填收入，可能未涵盖全部薪酬（奖金、股权、未实现收益）。
• 国别注意事项 — 各国数据质量不同：一些有详尽税务型财富数据，另一些只能依赖误差更大的调查估计。
• 模型为近似 — 18 因子收入-财富模型是统计近似，不是个人化财务建议。个人情况可能与人口平均值差异显著。

数据时效性

所有数据在构建时打包并以静态形式提供 — 你使用工具时不会有任何外部 API 调用。一个抓取脚本（scripts/fetch-all-data.mjs）从以下来源拉取数据：

• WID.world API — 财富份额、收入份额、平均/中位数财富、基尼系数
• 世界银行 API — 人口（SP.POP.TOTL）
• ECB / Frankfurter API — 用于货币换算的汇率
• Forbes RTB API — 亿万富豪的净资产数据
• OECD / FRED — 工资、CPI、房价指数

税率数据是例外 — 它来自学术论文，由人工维护并附上完整引用（见上方表格）。