城鎮內部行業收入差距成因的實證研究

2014-09-16 20:54:34王迪，呂康銀，王文靜

經濟與管理 2014年5期

王迪，呂康銀，王文靜

摘要：運用2012年中國勞動力動態調查微觀數據，結合Heckman樣本選擇方法，估計壟斷行業和競爭行業的收入方程，結果發現，壟斷對行業收入的影響遠大于性別、教育、工作經驗等個人特征。運用Shapley值分解方法，考察各因素對我國城鎮內部行業工資差距的貢獻，結果發現，人力資本因素對行業收入差距的貢獻最大。分行業看，人力資本因素能夠解釋壟斷行業收入差距的一半左右，管理崗位對競爭行業收入差距的貢獻最大，性別因素對競爭行業收入差距的貢獻高出壟斷行業兩倍，非農戶口在解釋壟斷行業收入差距時的貢獻要遠大于競爭行業。因此，縮小我國行業收入差距，亟需打破行業壟斷壁壘，提高勞動者的受教育水平，減輕勞動者地區間流動障礙。

關鍵詞：行業收入差距；壟斷；Shapley值分解

中圖分類號：F124.7 文獻標識碼：A 文章編號：1003-3890（2014）05-0032-06

一、引言

隨著收入分配制度改革的不斷深化，縮小城鎮居民收入差距，已成為當前我國經濟體制改革的重要內容。1990—2012年，城鎮居民行業收入的基尼系數由0.058上升至0.175，擴大了近兩倍，年均增幅達5.1%；而同期城鎮居民收入差距僅擴大38.4%，年均增幅僅有1.5%。這意味著行業收入差距擴大的速度要遠快于我國城鎮居民收入差距擴大的速度，已成為城鎮居民收入差距不斷擴大的最主要推手（武鵬，周云波，2011）[1]。更為重要的是，有別于城鄉差距和地區差距，行政壟斷等不合理因素導致的行業收入差距更容易誘發人們的不平衡心理，從而危及社會穩定（黃燕東，姚先國，2012）[2]。

圖1分別描述了2003—2012年壟斷行業和競爭行業收入的基尼系數①，從圖中可以看出壟斷行業的收入基尼系數自2005年跌入最低點后就呈現緩幅攀升的趨勢；競爭行業的收入基尼系數自2003年起就呈現出持續擴大的趨勢，在2008年達到最高點后出現了較為顯著的下降。一方面的原因是本文定義的壟斷行業既包括工資收入增長很快的行業，如金融業和電力、燃氣及水的生產和供應業，又包括某些低于行業平均工資水平的行業，如采礦業，這就出現了壟斷行業收入差距不斷擴大的趨勢；另一方面，隨著我國經濟體制改革的不斷深入，競爭行業中的市場化程度不斷加強，競爭行業間的收入差距在逐步縮小。由此可見，壟斷行業的收入差距在緩幅擴大，而競爭行業的收入差距卻在持續縮小，這種趨勢如若長期存在，勢必會繼續拉大城鎮內部行業收入差距。

在解析行業收入差距的實證研究中，最重要的是討論行業間工資差距的來源。在新古典經濟理論的范式下，只有兩類因素能夠影響行業間勞動者的收入差距，一類是勞動者個體特征差異，如健康狀況、教育水平等人力資本因素（王敬勇，2011；Juhn，1994）[3-4]；二是行業特征差異，如勞動強度和危險程度，這種差別也被稱為“補償性工資差異”（Dickens & Katz，1971）[5]。然而，新古典經濟理論描述的完全競爭假設在現實中并不存在，即使控制了一些影響生產率的因素之后，社會關系、政治身份、戶籍等非市場力量也顯著地影響了勞動者的工資差異（陳釗，陸銘，佐藤宏，2009）[6]。一些學者放松了完全信息的假設，考察諸如預防投機、公平感等因素的作用，即把行業收入差距解釋為效率工資機制（Chen and Edin，2006；葉林祥，李實，羅楚亮2011）[7-8]；也有學者試圖將其解釋為某種非競爭因素形成的行業租金（Smith，2000；Burks et al.，2002）[9-10]。

那么，近年來城鎮內部行業收入差距的成因有哪些？這些因素對行業收入差距的貢獻又如何呢？本文基于2012年中國勞動力動態調查（CLDS）微觀數據，利用Heckman兩階段方法，以克服樣本的自選擇偏差，估計行業收入差距決定方程；利用最近發展起來的Shapley值分解方法，分析各因素對行業收入差距的貢獻，探尋影響城鎮內部行業收入的最主要原因并提出相應的對策建議。

二、模型設定與指標選取

（一）模型設定

在用傳統的普通最小二乘法估計收入方程時，遺漏變量（如能力）可能與行業變量相關，進而高估行業間的工資差距（陳釗，萬廣華，陸銘，2010）[11]，很多學者都在討論如何選擇合適的工具變量加以克服。但是值得注意的是，進入不同行業的樣本本身也會存在系統性差異，出現截斷樣本，進而導致選擇性偏差（余向華，陳雪娟，2010）[12]。如果直接將壟斷行業和競爭行業的樣本分開，分別估計兩者的收入決定方程，可能會存在樣本的非隨機性產生問題，因為那些家庭背景較高、社會資本較為優越的勞動者更容易進入壟斷行業。因此，本文采用Heckman樣本選擇方法來對工資方程進行估計。具體來說，該方法分為兩個步驟：

第一步，本文嘗試用Probit估計方程P（zi=1|w）=？椎（w′？酌），其中，？椎（·）為累積標準正態分布函數，w為是否進入壟斷（競爭）行業的解釋變量，在這里本文選取父親的受教育年限（father education）和戶口性質（hukou）指標。利用該方程的估計結果計算得到逆米爾斯比率（inverse Mills ration）■=？準（■′w）/？椎（■′w）；

第二步，將■作為修正項加入到行業收入決定方程中：

lnwmon，i=？琢0+educationmon，i？茁1+gendermon，i？茁2+expmon，i？茁3+exp2mon，i？茁4+manmon，i？茁5+techmon，i？茁6+？準（？酌′w）/？椎（■′w）+umon，i（1）

lnwcom，i=？琢0+educationcom，i？茁1+gendercom，i？茁2+expcom，i？茁3+exp2com，i？茁4+mancom，i？茁5+techcom，i？茁6+？準（？酌′w）/？椎（■′w）+ucom，i（2）

其中，下標mon代表壟斷行業，下標com代表競爭行業。lnw表示勞動者的小時工資收入，education表示勞動者的受教育年限，gender表示勞動者的性別，exp和exp2分別代表勞動者的工作經驗及其平方項，man代表管理崗位，tech代表技術崗位，？準（？酌′w）/？椎（■′w）為逆米爾斯比率的估計值，已修正選擇性偏誤，u為收入決定方程的隨機擾動項。需要強調的是，為了便于操作，本文采用Heckman兩步估計法（Heckit）來對方程進行估計。

（二）數據來源與指標選取

本文所采用的數據是中山大學社會科學調查中心收集的中國勞動力動態調查（China Labor-force Dynamic Survey，簡稱CLDS）。通過每兩年一次的動態追蹤調查，建立勞動力、家庭和社區三個層次的追蹤數據庫，2012年是該項目的第一次調查，在中國29個省市（除港澳臺、西藏、海南外）完成村居問卷303份，家庭問卷10 612份和勞動力個體問卷16 253份。

本文的研究對象為年齡大于18周歲且有工資收入的城鎮就業人員。CLDS數據的工資收入由三部分組成：工資、補貼和獎金，我們按月將這三部分加總形成個人的工資收入指標。剔除無效問卷，本文全部樣本問卷為7 632份，其中，壟斷行業樣本數為2 289份，競爭行業樣本數為5 343份。同時，為了完整呈現壟斷行業和競爭行業勞動者工資收入方程的影響因素，本文選取的變量及數據描述如表1所示。

從表1中可以發現，進入壟斷行業的勞動者對數化的小時工資要高于競爭行業的勞動者，進入壟斷行業的勞動者平均受教育年限為11.09年（相當于高中水平），顯著高于競爭行業的7.32年（相當于初中水平）。而從工作經驗（在現單位工作的時間）來看，可以發現壟斷行業的工作穩定性遠高于競爭行業。此外，壟斷行業非農戶口占比、管理崗位占比也高于競爭行業。

三、行業收入差距的估計結果分析

表2為行業收入決定方程的估計結果，其下半部分是Heckman模型第一階段Probit模型（選擇模型）的估計結果，上半部分是用普通最小二乘法（OLS）和Heckman兩步法估計的收入決定方程結果。

通過選擇模型的估計結果可以看出，戶口性質和父親的受教育程度對勞動者進入壟斷（競爭）行業的影響始終是正向的，這說明勞動者擁有非農戶口和較好的家庭背景更容易就業。而從回歸系數可以發現，非農戶口性質和父輩的受教育程度對勞動者進入壟斷行業的影響程度要大于對競爭行業勞動者的影響。從代際流動的角度也可以說明，壟斷會使得人們有動力提高子輩的教育水平，使其更傾向于擺脫農民身份，從而提高子輩進入壟斷行業的可能性。

通過Heckman模型對收入決定方程進行估計，獲得的逆米爾斯比率都很顯著，這說明選擇性偏誤是存在的，從回歸系數可以發現，OLS估計的系數普遍要比Heckman兩步法的大，這說明如果用OLS方法來估計行業收入決定方程，可能會高估各變量對行業收入的影響程度，因此選擇Heckman兩步法來避免選擇性偏誤是必要的。

第一，從全部樣本回歸結果可以看出，各回歸系數均顯著為正。值得說明的是，行業壟斷（industry monopoly）對行業收入的影響是顯著為正的，并且其影響程度遠大于教育、經驗、性別等個人特征對行業收入的影響。除此之外，非農戶口、管理崗位和技術崗位同樣能夠使勞動者獲得更高的工資。

第二，分行業進行回歸可以發現，壟斷行業勞動者的教育回報率比競爭行業高出一倍之多，這可能是壟斷行業中大部分的工作需要較高的專業知識，從而導致了工資溢價。

第三，從收入的性別差異來看，在壟斷行業，男女的性別收入差異為5.1%，而在競爭行業，男女的收入差異達到12.7%。因此，盡管兩個行業都存在著女性工資顯著低于男性的現象，但是在競爭行業性別收入差距要遠大于壟斷行業。

第四，工作經驗對壟斷行業收入的影響顯著為正，但是對競爭行業收入的影響雖然為正，但卻不顯著。其主要原因是本文界定的工作經驗是在現單位工作的時間，壟斷行業勞動者由于工作穩定，流動性小，其數據容易獲得，而競爭行業勞動者因為工作變動較為頻繁，其數據一致性有限。

第五，管理崗位和技術崗位對行業收入的影響均顯著為正。相較而言，競爭行業管理崗位的回歸系數要遠大于壟斷行業將近三倍（1.195>0.344），這說明競爭行業管理者和非管理者的工資差異非常巨大，而壟斷行業的普通勞動者更容易從獎金，補貼等方式享受到壟斷帶來的超額利潤，進而縮小了與管理者的收入差距。此外，壟斷行業技術崗位的回歸系數略大于競爭行業（0.562>0.435），這說明技術崗位勞動者的工資定價較為市場化和透明化，兩類行業的技術勞動者工資差異并不是十分巨大。

第六，非農戶口性質對行業收入的影響均顯著為正。相比而言，非農戶口性質對壟斷行業的收入影響要遠大于競爭行業（0.437>0.182），其主要原因是壟斷行業大多設置了較為嚴苛的進入壁壘，即使進入到壟斷行業的農業戶口勞動者，也很難享受到與非農勞動者相同的收入待遇。

四、行業收入差距的成因分解

國內外學者均使用各種方法分解研究收入差距。為了區分各因素對行業收入差距的貢獻，學者們也嘗試采取各種方法分解不同因素對收入差距及其演變的重要性（陳斌開，楊依山，許偉，2009；萬廣華，2009）[13-14]。最常用的一種分解方法是Oaxaca-Blinder分解方法（Oaxaca，1973；Blinder，1973）[15-16]，這種分解方法主要關注兩個組間收入分配差異，但卻不能夠解釋特定因素對總體收入差距的貢獻。另一種方法是Shorrocks（1982）和Cowell 1985）采用的分解方法，這種方法可以將收入差距的不同指標分解成組間和組內的差距，但這種方法的明顯缺點在于其貢獻大小取決于該因素在分解時的排序[17-18]。我國學者萬廣華（2004）根據夏普里（Shapley）值自然分解的原則發展了一個更一般的框架，適用于不同形式的回歸方程和度量指標[19]。

因此，本文采用萬廣華（2004）所發展的Shapely值分解方法對行業收入差距進行分解。收入差距的度量指標選擇基尼系數。該方法的基本思想是，某一解釋變量對于收入差距的貢獻大小取決于兩個方面：一是這個變量與收入差距的相關系數，如果該因素分布不變，系數越大則它對收入差距的貢獻就越大；二是取決于這個變量自身的分布狀況，也就是說如果相關系數保持不變，該因素分布越不平均，其對收入差距的貢獻也就越大。因此，計算變量對行業收入差距貢獻的大小，實際上要綜合考察該變量在回歸方程系數的大小以及該變量的分布狀況。

首先，在分解前需將行業收入決定方程的半對數形式還原成倍乘系數形式：

y=exp（■0）·exp（■1X1+■2X2+…+■kXk）·exp（■）（3）

在式（3）中exp（■0）表示倍乘系數的常數項，由于本文采用的衡量行業收入差距的基尼系數指標在經過倍乘后，不會發生任何變化，因此，可在方程（3）中去除常數項而不會影響最終結果。本文將殘差■對行業收入不平等的貢獻定義為I（Y）-I（■），其中I（Y）為初始收入不平等指標，I（■）為行業收入方程估計值。由此可知，各解釋變量對收入不平等的貢獻就應該為總的收入差距和殘差之間的差。在理想狀態下，殘差的影響為零，即總體收入差距能被收入決定方程100%地解釋，而這種完美擬合在現實中很難實現。表3描述了殘差的影響及模型的解釋程度。結果顯示，模型均能夠解釋行業收入不平等的65%以上，這一結果還是比較令人滿意的。

為了簡便分解過程，本文采用以下步驟來分解行業收入差距：

第一步，通過行業收入決定方程估計各變量的回歸系數？茁k。

第二步，計算行業特征的收益權數，公式定義為：

？準k=？茁k■（4）

式（4）中，？準k為行業特征收益權數，表示第k個特征收益率；Ik表示第k個行業特征的平均值；Y表示行業收入的平均值；？茁k表示行業收入函數中第k個行業特征的估計參數。

第三步，利用式（4）求得行業特征收益權數后，就可以分解出各因素對行業收入差距的影響程度，分解公式為：

G=？準1R1G1+…+？準kRkGk+？駐（k=1，2，3，…，n）（5）

式（5）中，Rk為第k個行業影響因素與收入相關系數，表示第k個影響因素與行業收入之間的相關程度；Gk為基尼系數，反映了第k個行業影響因素的分布格局；？準k表示第k個行業特征的收益率；？駐為加權等級誤差項。

表4為行業收入差距各影響因素貢獻分解結果。從全部行業樣本的收入差距分解結果中能夠發現，人力資本因素對行業收入差距的貢獻最大，將受教育水平和工作經驗累加起來，能夠解釋全部收入差距的約40%，說明在解決行業收入差距問題時，仍應該考慮提高勞動者的人力資本投資來縮小行業收入的不平等。

其次，壟斷因素對行業收入差距的貢獻達到14.95%，僅次于教育對行業收入差距的貢獻，成為行業收入差距的重要成因。由于大部分壟斷行業屬于資本集中的行業部門，能夠借此獲得差額利潤，使職工獲得工資溢價；而另一方面，部門壟斷行業是受政府行政干預的能源部門，在行政庇佑下又會獲得大量的財政補貼。因此，若要縮小行業收入差距，還必須要進行制度創新，消除行業內部的行政干預。

再次，管理崗位和技術崗位對行業收入差距的貢獻均超過10%，性別和戶口性質對行業收入差距的貢獻分別為9.5%和8.56%，這說明我國在經濟體制改革的進程中，更注重對管理和技術的投入，而行業收入的性別差異和戶籍差異的貢獻在逐步減弱，可以說是我國完善市場運行的良性信號。

最后，本文也分解了壟斷行業和競爭行業的收入差距，結果發現，人力資本因素對壟斷行業收入差距的貢獻最大，受教育水平與工作經驗累加，能夠解釋總體收入差距的將近一半，遠大于對競爭行業的貢獻①；而管理崗位對競爭行業收入差距的貢獻最大，能夠解釋競爭行業收入差距的30.41%，這一比例遠大于管理崗位對壟斷行業收入差距的貢獻（18.85%），其原因可能是競爭行業中高級管理者的工資與非管理者差異懸殊。同時，性別因素對競爭行業收入差距的貢獻高出壟斷行業兩倍之多，從中可以發現競爭行業中就業的勞動者更容易受到性別歧視，女性很難獲得公平的工資待遇。而從戶口性質對行業收入差距的貢獻能夠發現，非農戶口在解釋壟斷行業收入差距時的貢獻要遠大于競爭行業，這也能夠說明農業戶口的勞動者更不容易進入壟斷行業，即使進入也可能會受到不公平的待遇，而競爭行業在戶籍方面的約束卻相對較弱。

五、結論與討論

本文運用2003—2012年宏觀統計數據發現，城鎮內部壟斷行業的收入差距在緩幅擴大，而競爭行業的收入差距卻在持續縮小，這種趨勢如若長期存在，勢必會繼續拉大城鎮內部行業收入差距。通過2012年中國勞動力動態調查（CLDS）微觀數據，主要運用Heckman樣本選擇方法考察了城鎮內部行業收入差距的成因，結果發現，戶口性質和父親受教育程度會對勞動者進入壟斷（競爭）行業就業產生影響，因此，選擇性偏誤對研究城鎮內部行業收入差距的影響不容忽視。此外，本文還運用Shapley值分解了各因素的貢獻，最終得到以下基本結論：

第一，從全部行業樣本的收入差距分解結果中發現，人力資本因素對行業收入差距的貢獻最大，將受教育水平和工作經驗累加起來，能夠解釋全部收入差距的約40%，這一結果與黃燕東、姚先國（2012）得出的結論是一致的[2]。分行業來看，人力資本因素對壟斷行業收入差距的貢獻最大，并且教育因素能夠解釋總體收入差距的將近一半，遠大于其對競爭行業的貢獻。

第二，壟斷因素對行業收入差距的貢獻達到14.95%，成為行業收入差距的重要成因。這一結果與任重、周云波（2009）測度的40%要小的多[20]，主要原因可能是選用的數據口徑不同，但也可以說明我國改革開放過程中政府也在試圖采取措施逐步減少對行業的行政干預。可見，若要縮小行業收入差距，還必須要進行制度創新，打破行業壟斷壁壘。

第三，管理崗位對競爭行業收入差距的貢獻最大，能夠解釋競爭行業收入差距的30.41%，這一比例遠大于管理崗位對壟斷行業收入差距的貢獻（18.85%），其原因可能是競爭行業中高級管理者的工資與非管理者差異懸殊（李實，羅楚亮，2011）[21]。

性別因素對競爭行業收入差距的貢獻高出壟斷行業兩倍之多，從中可以發現競爭行業中就業的勞動者更容易受到性別歧視，女性很難獲得公平的工資待遇，較高的受教育程度則有助于女性進入性別歧視度較低的部門。而從戶口性質對行業收入差距的貢獻能夠發現，非農戶口在解釋壟斷行業收入差距時的貢獻要遠大于競爭行業。

因此，縮小我國行業收入差距，亟需打破行業壟斷壁壘。此外，提高勞動者的受教育水平，減少勞動者地區間流動障礙，也應成為縮小行業收入差距的重要政策措施。

注釋：

①由于在競爭行業的收入決定方程中，工作經驗的回歸系數不顯著，故而在Shapley值分解中未作計算，即使單獨考慮受教育水平對行業收入差距的貢獻，其對壟斷行業的貢獻要大于競爭行業3.36個百分點。

參考文獻：

[1]武鵬，周云波.行業收入差距細分與演進軌跡：1990～2008[J].改革，2011，（1）：52-59.

[2]黃燕東，姚先國.中國行業收入不平等問題的解析[J].當代財經，2012，（2）：24-32.

[3]王敬勇.行業收入差距的原因：壟斷與人力資本孰是孰非？還是兼而有之？[J].當代經濟科學，2013，（1）：9-15，124.

[4]Juhn C.Wage Inequality and Industrial Change Evidence from Five Decades[R].NBER Working Paper，1994：4684.

[5]Dickens W， Katz L. Interindustry Wage Differences and Industry Characteristics[R].NBER Working Paper，1971，No.2014.

[6]陳釗，陸銘，佐藤宏.誰進入了高收入行業？——關系、戶籍與生產率的作用[J].經濟研究，2009，（10）：121-132.

[7]Chen P. Edin P. Efficiency Wages and Industry Wage Differentials：A Comparison across Methods of Pay[J].The Review of Economics and Statistics，2002，84（4）：617-631.

[8]葉林祥，李實，羅楚亮.行業壟斷、所有制與企業工資收入差距——基于第一次全國經濟普查企業數據的實證研究[J].管理世界，2011，（4）：26-36，187.

[9]Smith N. Ultimatum and Dictator Games among the Chaldeans of Detroit [R].Talk to MacArthur Foundation Anthropology Project，2000，（12）.

[10]Burks S， Carpenter G J and Verhoegen E. High Stakes Bargaining with Non-Students[C]. American Economic Association annual meetings in Atlanta，2002.

[11]陳釗，萬廣華，陸銘.行業間不平等：日益重要的城鎮收入差距成因——基于回歸方程的分解[J].中國社會科學，2010，（3）：65-76，221.

[12]余向華，陳雪娟.壟斷與行業工資差距問題研究——基于中國行業工資決定因素的微觀計量分析[J].稅務與經濟，2010，（4）：39-47.

[13]陳斌開，楊依山，許偉.中國城鎮居民勞動收入差距演變及其原因：1990—2005[J].經濟研究，2009，（12）：30-42.

[14]萬廣華.不平等的度量與分解[J].經濟學，2009，（1）：347-368.

[15]Oaxaca R. Male-Female Wage differences in Urban Labour Markets[J]. International Economic Review，1973，14（3）：693-709.

[16]Blinder A. Wage Discrimination：Reduced Form and Structural Estimates[J].Journal of Human Resources，1973，8（3）：436-455.

[17]Shorrocks A F. Inequality Decomposition by Factor Components[J].Econometrica，1982，50（1）：193-211.

[18]Cowell F. Multilevel Decomposition of Theil's Index of Inequality[J]Review of Income and Wealth，1985，31（2）：201-205.

[19]萬廣華.解釋中國農村區域間的收入不平等：一種基于回歸方程的分解方法[J].經濟研究，2004，（8）：117-127.

[20]任重，周云波.壟斷對我國行業收入差距的影響到底有多大？[J].經濟理論與經濟管理，2009，（4）：25-30.

[21]李實，羅楚亮.中國收入差距究竟有多大？——對修正樣本結構偏差的嘗試[J].經濟研究，2011，（4）：68-79.

[22]陳維濤，彭小敏.戶籍制度、就業機會與中國城鄉居民收入差距[J].經濟經緯，2012，（2）：100-104.

責任編輯：曹華青

An Empirical Study of Accounting for China's Urban Industry Income Gap

Wang Di1， Lv Kangyin1，Wang Wenjing2

（1. School of Business， Northeast Normal University， Changchun 130117， China；

2. College of Politics and Law， Northeast Normal University， Changchun 130117， China）

Abstract： This paper uses micro data of China Labor-force Dynamic Survey （CLDS） in 2012 and Heckman sample selection model to estimate income equation of monopoly industries and competitive industries， the results find that the impact of monopoly on industry income is far greater than gender， education， experience ect. personal characteristics. After that， we use Shapley value decomposition method to investigate the contribution of each factor on the industry wage differentials. It is found that the contribution of human capital factors on industry income gap is largest in all samples. In terms of industries ， human capital factors can explain about half of the income gap in monopoly industries ； management positions of contribution to income gap in competitive industry is the largest. Contribution of gender factor to income gap in competition industries is two times higher than in monopoly industries ， non-farm account for income gap of monopoly industries is much larger than competitive industries . Therefore ， narrowing the income gap of China's industries ， need break the industrial monopoly barriers. In addition， to improve the educational level of employers， reduce inter- regional labor mobility barriers， should be important policy methods to narrow the income gap between the industries.

Key words： Industry income gap； Monoply； Shapley value decomposition

[21]李實，羅楚亮.中國收入差距究竟有多大？——對修正樣本結構偏差的嘗試[J].經濟研究，2011，（4）：68-79.

[22]陳維濤，彭小敏.戶籍制度、就業機會與中國城鄉居民收入差距[J].經濟經緯，2012，（2）：100-104.

責任編輯：曹華青

An Empirical Study of Accounting for China's Urban Industry Income Gap

Wang Di1， Lv Kangyin1，Wang Wenjing2

（1. School of Business， Northeast Normal University， Changchun 130117， China；

2. College of Politics and Law， Northeast Normal University， Changchun 130117， China）

Key words： Industry income gap； Monoply； Shapley value decomposition

[21]李實，羅楚亮.中國收入差距究竟有多大？——對修正樣本結構偏差的嘗試[J].經濟研究，2011，（4）：68-79.

[22]陳維濤，彭小敏.戶籍制度、就業機會與中國城鄉居民收入差距[J].經濟經緯，2012，（2）：100-104.

責任編輯：曹華青