中國收入差距中的機會不平等再測度
——基于“環境-能力-收入”的新思路

劉 波 胡宗義 龔志民

一、問題的提出

改革開放四十多年來，我國的收入分配制度不斷改革與完善，居民的絕對收入水平快速增長，人民生活不斷改善。自黨的十八大以來，脫貧攻堅成效顯著，貧困發生率從2012 年10.2%下降到了2019 年的0.6%。2019 年10 月，黨的十九屆四中全會提出“鞏固脫貧攻堅成果，建立解決相對貧困的長效機制”，2020 年之后，解決貧困問題的中心任務將由解決“絕對貧困”問題向緩解“相對貧困”問題轉變，而收入層面的相對貧困又主要表現為總體收入差距過大、城鄉差距與區域差距突出以及較低的代際流動性。根據國家統計局公布的數據，2003 年我國的基尼系數為0.479，2017 年為0.467，總體上的收入差距居高不下；1978 年，城鄉收入比為2.57∶1，2019 年的城鄉收入比為2.64∶1，城鄉差距并未扭轉。收入差距過大不僅會降低居民的幸福感和獲得感，還會引發人們對中國是否陷入“中等收入陷阱”的顧慮。當然，并不是所有收入差距都是不合理的，“勤勞致富”“多勞多得”形成的收入差距顯然是合理的。因此，收入分配領域存在的問題并不完全在于收入分配結果的不平等，而是更深層次的機會不平等。黨的十九大報告指出，要“破除妨礙勞動力、人才社會性流動的體制機制弊端，使人人都有通過辛勤勞動實現自身發展的機會”，明確提出要抑制機會不平等。因此，如何科學合理地測度我國收入差距中的機會不平等具有重要的現實意義。

個人收入主要取決于人力資本水平，新人力資本理論認為，人力資本以能力為核心(Hogan 和Holland，2003；Nyhus 和Pons，2005；Heckman 等，2006；Cunha 和Heckman，2011)，收入分配中的機會不平等本質上源自能力培養過程中的機會不平等。因此，縮小收入差距不能僅從收入分配入手，還要從能力培養的過程切入。能力的培養是一個長期的過程，個人能力由多方面因素決定，既受先天稟賦的影響，也受后天家庭環境與社會環境的潛移默化。“橘生淮南則為橘，生于淮北則為枳”，環境對于能力的培養至關重要(Chetty 等，2016)。無論是Blau 和Duncan(1974)的“地位獲得路徑”，還是Boudon(1974)的“首屬次屬效應理論”以及Bourdieu(1977)的“文化再生產理論”，都突出了環境對于能力培養的關鍵作用，尤其是個體早期所在的家庭環境。因此，“環境-能力-收入”邏輯是研究機會不平等的新視角，對于重新認知機會不平等具有重要的理論意義。

本文是作者前期工作的深化，主要貢獻在于兩個方面:(1)在理論方面，以新人力資本理論為基礎，以能力為中介，基于“環境-能力-收入”的邏輯，提出了測度機會不平等的新思路；(2)在應用方面，首先通過夏普利值分解方法測度機會不平等指數，識別出導致機會不平等的主要成因，其次將總效應分解為直接效應和間接效應，最后以測度結果與分解結果為基礎，為“建立解決相對貧困的長效機制”建言獻策。

二、文獻綜述

機會不平等不僅是社會輿論關注的熱點，也是近年來收入分配研究領域中的前沿問題，關于機會不平等的研究可以歸納為機會不平等的定義與測度兩個方面。

在機會不平等的定義方面，早期的文獻并沒有直接界定機會不平等，更多是討論機會平等(Rawls，1971；Dworkin，1981a、1981b)。Roemer(1993)從決定收入水平的因素出發，提出了“環境-努力”的二元分析框架，首次將機會不平等的概念具體化(Roemer，1998)。Roemer 認為，環境與努力是決定收入的兩大因素，收入差距主要源自環境差異與努力程度的不同。其中，環境差異導致的收入差距被認定為不合理的差距(Alm?s 等，2011)，即收入分配中的機會不平等。在后續的研究中，Lefranc 等(2009)認為除了環境與努力之外，運氣也是影響收入的因素之一，但在具體處理時將運氣歸入環境或努力因素中，本質上與Roemer 的“環境-努力”框架是一致的(呂光明等，2014)。由于努力程度難以觀測，諸多學者從各種角度提出了量化方法，具有代表性的有Bj?rklund 等(2012)、Jusot 等(2013)。

自“環境-努力”二元因素框架提出以來，學界對于環境與努力之間的關系一直存在爭議(Roemer，1998；Jusot 等，2013；Barry，2005)，難以形成共識。從現實來看，環境與努力之間的界限并不清晰，而且環境和努力之間還存在交互效應。環境因素是可以觀察到的，而努力程度則不能觀察明晰(Aaberge 等，2011)。如果不可觀察的努力程度中包含了環境因素，就有可能低估環境差異對收入差距的貢獻。事實上，努力屬于個人的人格特征，屬于非認知能力的范疇。在機會不平等的測度中，有學者也將認知能力(IQ)作為變量納入收入方程中(Bj?rklund 等，2012)。無論是認知能力還是非認知能力，在能力的培養過程中，后天環境具有左右全局的作用(Turkheimer 等，2003；Cunha等，2010)。因此，本文認為從“環境-能力”的關系切入，是研究機會不平等的新視角。 在機會不平等測度方面，測度方法主要分為參數法和非參數法兩大類，具體的測度方法有直接測度法、間接測度法、基準測度法和隨機占優法。顧名思義，直接測度法是直接估計機會不平等程度，基于實際的收入分布y，構造不包含努力因素的反事實收入分布 yc，機會不平等則為基于該收入分布得到的不平等程度 I ( yc)，而構造反事實分布的具體方法有事前法、事后法(Lefranc 等，2009；Ferreira 和Gignoux，2011；Ramos 和Van de Gaer，2016)。間接測度法則采用與直接測度法相反的思路，首先構造一個不含機會不平等的反事實分布 yeo，然后將實際收入分布的不平等 I ( y )減去基于反事實分布的不平等 I ( yeo)，兩者的差值 I ( y ) - I ( yeo)即為機會不平等。在間接測度法中，構造反事實分布的方法以Bourguignon 等(2007)為代表，前者以收入方程為基礎構造反事實收入，后者則通過非參數方法構造反事實收入。基準測度法需確立一個收入公平的參照標準，通過對比實際收入與參照標準之間的差異來測度機會不平等(Devooght，2008；Alm?s 等，2011)。在隨機占優法中，首先根據環境變量將收入數據分成若干組，再檢驗分組收入分布函數之間是否存在一階和二階隨機占優關系，如果存在隨機占優關系，則意味著存在機會不平等(Lefranc 等，2009)。在國內的相關研究中，江求川等(2014)以Atkinson(1970)的均等分布等價收入為基礎，提出了一種構造反事實分布的新方法。李瑩和呂光明(2016)將基于參數回歸不平等分解的Fields 法和Shapely 值法拓展運用到機會不平等的測度研究中。龔鋒等(2017)利用傾向匹配得分法(PSM)構造反事實收入分布。雷欣等(2017)在對參數估計法進行改進的基礎上給出了另一種構造反事實收入分布的方法。

按照新人力資本理論的觀點，居民收入由能力決定(李曉曼和曾湘泉，2012)，能力具體包括認知能力和非認知能力(Heckman 等，2006)。無論是認知能力還是非認知能力，環境對于能力的培養都具有主導性作用(Mani 等，2013；Storrs，2017)。無論是家庭環境還是家庭之外的社會環境，例如幼年時期家庭的經濟狀況、早期的受教育環境，都能左右個人能力的塑成。Roemer 和Trannoy(2016)認為，在“環境-努力”框架中，“努力程度受環境因素的影響，努力并非純粹的努力”。事實上，努力與否以及努力程度屬于人格特征，包含在非認知能力的范疇。環境對人格特征的塑成至關重要，關于后天環境影響努力程度等人格特征的案例在現實中不勝枚舉。因此，環境與努力存在因果關系，而非純粹的并列關系。基于此，本文按照“環境-能力-收入”的邏輯，對機會不平等的測度思路進行改進。

三、測度機會不平等的框架與方法

（一）以能力為中介的測度思路

從靜態的角度來看，個人收入的確取決于當前所處的環境以及個人是否盡責或努力。如果從動態的角度來看，不禁要問“個人當前為什么不努力？”“勤勞是否與生俱來？”現實中，不乏“蓬生麻中，不扶而直；白沙在涅，與之俱黑”的案例，后天環境對于人格特征的塑成具有主導作用。在兒童時代，父母所擁有的資源以及能提供的指導，加上文化環境和早期的正規教育，會直接影響個人的語言能力和數學能力、對待學習的態度、身體的健康狀況以及預期壽命(Ehrenberg 和Smith，2011)。

在動態的視角下，環境因素對收入的影響可分為直接和間接兩條路徑，個人當前的環境變量會直接影響收入水平，而早期的環境變量會通過左右能力的培養，間接地影響收入水平，本文將其歸納為“環境-能力-收入”的傳導機制，具體如圖1 所示。基于此，本文以新人力資本理論為基礎，按照“環境-能力-收入”的邏輯，提出一種測度機會不平等的新方法。

圖1 測度機會不平等的新思路

（二）收入決定方程的構建與估計

本文采用參數法測度機會不平等，按照參數法的流程，首先需要構建收入決定函數，遵循“環境-努力”的二元框架，收入決定函數為(Ferreira 和Gignoux，2011):

其中，Y 為收入，C 為可觀測的環境因素，E 為努力程度，u、v 為不可觀測的隨機因素。按照本文的思路，個人收入主要取決于能力，能力由認知能力CA(Cognitive Ability)與非認知能力NCA(Non-cognitive Ability)構成。環境因素對認知能力和非認知能力具有主導作用，教育E(Education)對于認知能力的培養甚為重要(Heckman 等，2001；Glewwe，2002；張曉云、杜麗群，2017)，認知能力、教育和非認知能力都受環境因素的影響。基于此，本文將收入決定函數改寫為:

在實證研究中，有文獻將性別、種族作為導致機會不平等的變量(Bourguignon 等，2007；Devooght，2008)，將性別、種族等個人的特征變量稱為環境變量顯然不合適。因此，本文沿用劉波等(2015)的做法，將環境變量和個人特征變量統一稱為條件變量，并將超出自我控制的變量稱為外生條件變量 Ci(Aaberge，2011)，剩余的變量稱為其他條件變量 Pi，ui、υi、ξi、ζi為不可觀測的隨機因素。

在已有的文獻中，收入方程的具體形式不盡相同，有的收入方程不包含截距項，有的收入方程將收入取對數，具有代表性文獻如Morduch 和Sicular(2002)、Fields 和Yoo(2000)，文獻中甚至存在刻意回避常數項和殘差項的現象(Wan，2004)。為了使測度結果更具普適性，本文將測度流程規范化，將收入方程設定為:

其中，α 為常數項，X 為可觀測的解釋變量，U 為不可觀測的隨機因素。一般而言，收入的數值是非負的，本文將收入的取值范圍設定為[ 0 ,+∞)。為了確保收入的預測值為非負，本文采用對數收入模型。在得到對數收入的預測值 l︿n ( Y )后，進一步對其恒等變換得到收入的預測值 exp ( l︿n ( Y ))，由此可將取值范圍限定在[ 0 ,+∞ )。假設上述方程均是線性方程，結合式(3)～式(6)，具體的收入方程組如式(8)～式(11)所示:

如果是基于原有“環境-努力”的二元框架，則收入方程通常設定為:

在估計收入決定方程的過程中，需要同時考慮隨機擾動項之間的同期相關問題以及異方差問題，故需要采用似不相關(SUR)估計方法。需要特別說明的是，在微觀調查數據中，可以獲取的條件變量有限，不可能將所有影響收入的變量都囊括在內。正如Golley 和Kong(2016)所指出的那樣，直接影響收入、認知能力、非認知能力、教育的條件變量難以窮盡。因此，與真實值相比，得到的機會不平等程度通常偏低，但是這并不影響對機會不平等的測度與分析。因為，可以將基于特定條件變量集得到的機會不平等程度視為下限值，在此變量集的基礎上，如果進一步擴充條件變量，將不斷逼近機會不平等的真實水平。測度機會不平等的目的在于量化機會不平等對收入差距的貢獻度，并識別出導致機會不平等的主要成因，因此即使不能窮盡所有的次要變量，也能夠實現研究目的。

（三）機會不平等的測度方法

1. 夏普利值分解方法

本文使用基尼系數作為不平等測度指標。以收入決定方程的系數估計值為基礎，進一步可通過夏普利值(Shapley Value)分解方法(Shorrocks，2013)，分解變量對收入差距的相對貢獻度，再將外生條件變量的相對貢獻度加總，從而可得機會不平等指數。環境因素會通過認知能力、教育和非認知能力間接對收入水平產生影響，如果將之忽略，顯然是不合理的。相比于已有方法，本文的不同之處在于，夏普利值分解是基于整個方程組，而非單個收入方程。假定共有K 個條件變量 C = ( c1,… ,cK)，首先將收入決

在夏普利值分解方法中，常數項和殘差項的歸屬問題是關鍵性問題，會直接影響機會不平等的測度結果。常數項本質上是所有元素均為1 的列向量，與其均值向量相等。由此，對于任意外生條件變量集C ，CC=I ( Y (α , C , U ))-I ( Y (α , C , U ))= 0，故常數項的貢獻值為0。在經典線性模型中，通常假定不可觀測的隨機擾動項U～ E ( 0,σ2I )，即 E ( U ) = 0。此時，對于任意外生條件變量集C 而言，隨機擾動項U 對不平等指數的本文的分解中將采用此種方式。目前，關于殘差項如何歸類未能達成一致的觀點，對于殘差項的處理有三種方式:一是以Roemer 為代表的研究者將殘差項歸類為努力程度，二是Devooght(2008)將其歸類為環境因素，三是Lefranc 等(2009)和Jusot 等(2013)則認為殘差項的含義無法明確界定，因而將之忽略。無論是單方程還是方程組中的各個方程，殘差項均假定為隨機變量，即認為收入除了受條件變量的影響之外，還受諸多不可觀測的隨機性因素的影響，而隨機性因素是個人不可控的。如果殘差項因人而異，則說明殘差項與解釋變量之間存在關聯性，即模型存在異方差問題。那么，需要對模型的估計方法進行調整以消除異方差，如采用可行的廣義最小二乘估計。本文遵循Roemer的觀點，可得相應的機會不平等程度為:

2. 直接效應、間接效應與總效應

基于方程組的估計結果，也可以按照直接效應、總效應和間接效應的順序，將單個變量對收入差距的貢獻度進行分解。在分解的過程中，采用外生條件的均值C 替代外生條件 Ci，將其代入所估計的方程中，得到反事實收入:

由此，可以得到環境因素對機會不平等對收入差距的貢獻度:

由式(3)～式(6)可知，環境變量既可以直接影響收入水平，也可以通過認知能力和非認知能力間接地影響收入水平。因此，環境變量、認知能力和非認知能力對機會不平等的貢獻度可以分解為直接效應和間接效應。以外生條件變量為例，假設反事實收入為:

四、實證研究

（一）指標的選擇與定義

在實證研究中，以中國家庭追蹤調查(CFPS)為樣本數據，具體包括2010 年、2012年和2014 年的調查數據。在本文提出的測度方法中，主要涉及條件變量(外生條件變量和其他條件變量)、認知能力與非認知能力，其中認知能力與非認知能力是本文關注的核心變量，所有變量具體的定義如表1 所示。外生條件變量包括家庭背景、地區、戶口、性別、民族，其他條件變量包括年齡、政治面貌、婚姻狀況、健康狀況。其中，家庭背景包括3 個變量:父母受教育水平、父母的政治面貌、是否具有領導職務。在個人認知能力和非認知能力的塑成過程中，少年時期所處的環境具有決定性作用。因此，在認知能力、教育和非認知能力方程中，采用受訪人12 歲時所處的地區和戶口類型(城鄉)作為解釋變量。當然，受訪人當前所處的環境可能與12 歲時所處的環境有所不同，所以，在收入方程中除了考慮12 歲時所處的環境，還考慮了地區和戶口的變動。

表1 變量的選擇與定義

基本的認知能力主要包括讀寫能力(Literacy)和運算能力(Numeracy)，普遍以閱讀、數學能力的測試分數作為其量化指標，如李濤等(2017)通過字詞能力、數學能力和記憶力來測度認知能力。CFPS 在2010 年、2012 年和2014 年的3 次調查中均涉及字詞能力、數學能力和記憶力指標，本文以2010 年和2012 年的調查數據為基礎對認知能力的3 項指標進行賦值。

從當前的研究來看，非認知能力或者人格特征的測量主要通過“大五”人格模型進行(Barrick 和Mount，1993；李濤和張文韜，2015；樂君杰和胡博文，2017)。本文主要采用李濤和張文韜(2015)的指標體系測度非認知能力，在權重的賦值上，采用變異系數法賦值。“大五”人格模型主要包括嚴謹性、外向性、順同性、開放性和神經質或情緒穩定性5 個維度的人格特征。本文對李濤和張文韜(2015)的指標體系略作調整，在外向性維度下增加一個指標。個人非認知能力的構建主要基于CFPS2010 年的調查數據，個別變量來自2012 年的調查樣本。具體指標的含義與指標的權重如表2 所示，三級指標共計21 項，其中正向指標13 項，負向指標8 項。

現實中，某些偶然性因素會影響收入的穩定性，基于某一個年度的收入數據測度機會不平等可能會存在一定的偏誤。在本文的測度中，首先通過分省CPI 將2012 年、2014 年的收入數據調整到2010 年，然后取3 年的平均收入。通過取平均收入可以在一定程度上平滑偶然因素對收入的影響，從而提升測度結果的穩健性。本文以2010 年的調查對象為基準構建平衡面板數據，剔除非連續個體后，獲得了13937 個連續3 期的收入數據，數據質量相對較高，其中西部、中部和東部的樣本容量依次為3704 個、4263 個、5970 個，農業戶口和非農戶口分別為10068 個、3869 個。

表2 “大五”人格模型中變量與權重

（二）機會不平等的測度

1. 收入決定方程的估計

首先，需要對收入方程進行估計，正如前文所述，收入方程可能存在異方差問題，因而需要確定模型是否存在異方差。由B-P 檢驗(Breusch-Pagan)可知，在5%的水平上，收入方程、認知能力、受教育水平和非認知能力方程均存在異方差問題。同時，還需要考慮方程之間的相關性。基于此，本文首先采用廣義最小二乘法估計出權重，然后采用似不相關的估計方法對模型進行估計，估計結果如表3 所示，表3 也同時給出了基于“環境-努力”框架的收入方程的估計結果。

由收入方程組的估計結果可知，本文所關注的兩個核心變量，認知能力和非認知能力在1%的水平上對收入存在顯著的正向影響。對于外生條件變量，在1%水平上，父母的政治面貌、12 歲時所在的地區與戶口類型、性別、民族對收入存在顯著的正向影響；而對于其他條件變量，在1%水平上，12 歲之后的地區和戶口類型是否變動、政治面貌、婚姻對收入也存在顯著的正向影響，隨著年齡的增加和健康水平的下降，收入水平亦顯著下降。

在認知能力方程中，12 歲時所在的地區(中東部虛擬變量)、12 歲時的戶口類型、民族、性別和教育均對認知能力存在正向影響；其中，受教育程度對認知能力的塑成具有突出作用。在教育方程中，本文所選擇的變量對受訪人的受教育水平均存在顯著影響，12 歲時的戶口類型與家庭背景(父母受教育水平和是否具有管理職務)對受教育水平影響較為突出。在非認知能力方程中，本文所選擇的變量均顯著；其中，12 歲時的戶口類型和父母是否擔任領導職務對非認知能力的影響相對較大。

表3 收入決定方程估計結果

續表3

2. 機會不平等的估計與效應分解

以估計結果為基礎，采用夏普利值分解方法對收入差距進行分解，分解結果如表4所示。按照Juarez 和Soloaga(2014)的定義，8 個外生條件變量對收入差距的貢獻度之和為27.91%，即機會不平等指數為27.91%。具體來看，性別差異對收入差距的貢獻度最高，為10.69%；少年時期(12 歲)的戶口差異次之，為10.08%；少年時期(12 歲)所在的地區(中部和東部)差異位居第三，對收入差距的貢獻度為4.46%；家庭背景(父親的受教育水平、工作類型和是否是黨員)差異對收入差距的貢獻度為2.16%；民族差異的貢獻度為0.52%。除此之外，在其他個人特征變量中，12 歲后的地區變動和戶口遷移對收入差距的貢獻度為6.45%，年齡差異的貢獻度為5.31%，健康狀況差異的貢獻度為2.30%，政治面貌與婚姻狀況的貢獻度分別為0.88%、-0.28%。

表4 基于“環境-能力-收入”框架的機會不平等測度結果

為了對比本文“環境-能力-收入”測度思路與“環境-努力”測度框架在結果上的差異，本文又基于收入方程(8)的估計結果給出機會不平等的測度結果，亦如表4 所示。8 個外生條件變量對收入差距的貢獻度之和為18.96%，相比于本文的測度思路，降低了8.95%。由此可見，基于“環境-努力”框架的單方程分解方法低估了收入差距中的機會不平等，其根本原因在于，外生變量不僅會直接影響收入分配，還會通過影響能力培養間接地左右收入分配。更為重要的是，學歷并不意味著能力，教育作為努力程度的代理變量也存在一定的局限性。因此，兩者存在較大的差異也是合理的。

在效應分解方面，根據外生條件變量的總效應降序排列，依次為性別、少年時期的戶口、東部地區、父母受教育水平、父母的政治面貌、民族、父母是否具有管理職務、中部地區。值得關注的是，間接效應遠大于直接效應，外生變量通過認知能力和非認知能力對收入的間接影響高于直接影響。綜合夏普利值分解與效應分解的結果可知，弱化性別差異、城鄉差異和地區差異對能力培養的負面影響是降低機會不平等的著力點。

五、穩健性檢驗

在現有的研究中，由于所使用的數據樣本和測度方法不盡相同，機會不平等程度在數值上不具備可比性，但機會不平等指數與外生條件變量對收入差距的相對貢獻度則具有可比性。因此，在穩健性檢驗中，除了關注機會不平等指數是否存在差異外，還要關注外生變量對收入差距的相對重要性程度是否發生了變化。穩健性檢驗分為兩部分:首先，考慮到收入與非認知能力之間可能存在互為因果的問題，因而調整非認知能力的測度指標，從總體上測度機會不平等指數；其次，將樣本分別按經濟區域與當前的戶口類型分組，分組測度收入差距中的機會不平等程度，對比分析外生因素對收入差距貢獻度是否在地區與城鄉之間存在顯著不同。

（一）考慮“互為因果”問題的穩健性檢驗

在實證研究中，非認知能力通過“大五”人格模型來評價，在此模型中，神經質是一級指標，神經質的具體指標來自抑郁量表中的指標，抑郁程度與神經質之間具有較強的正相關性。在本文構建的方程組中，考慮了非認知能力對收入的影響，但當前的收入水平可能對非認知能力存在影響，即收入與抑郁之間可能會存在互為因果的關系。表5 給出了抑郁指標按主觀收入分類取均值的結果，主觀收入水平取值為3、4、5 的抑郁指標值顯著高于其取值為1、2 的均值，可見收入水平與抑郁程度存在較強的相 關性。

表5 主觀收入水平與抑郁指標

在個人的生活和工作中，能夠較好地處理人際關系是社會交際的重要技能，能夠較好地與人相處可以獲得更多的信息和積累更多的社會資本，促成合作共贏，收入自然也會提升。因此，本文對非認知能力的量化指標進行簡化，只取二級指標“熱情性”下的兩項3 級指標“1.受訪者的待人接物水平；2.自己的人緣關系有多好”，同樣采取變異系數法進行降維得到指標NCA2。調整非認知能力的量化指標后，對收入決定方程進行估計，以估計結果為基礎，再次測度機會不平等，測度結果如表6 所示。

表6 基于穩健性檢驗的機會不平等測度結果

在穩健性檢驗中，機會不平等指數為27.87%，與前文的27.91%甚為接近，兩者的差異僅為0.04%。性別、戶口、家庭背景(父母的受教育水平、政治面貌、管理職務)、地區(中部、東部)和民族的貢獻度依次為10.72%、10.06%、2.14%、4.43%、0.52%，與表4 中的測度結果接近。在效應分解方面，外生條件變量的總效應小于表4 中的測度結果約0.8%，根據總效應降序排列，依次為性別、少年時期的戶口、東部地區、父母的受教育水平、父母的政治面貌、民族、父母是否具有管理職務、中部地區，排序與表4 中的結果完全一致。綜上所述，機會不平等指數的測度結果與效應分解結果具有較強的穩健性。

（二）基于分組測度的穩健性檢驗

1. 按經濟區域分組測度的穩健性檢驗

外生條件變量對機會不平等的重要性可能會在經濟區域之間存在異質性，本文進一步將樣本按經濟區域分為3 組，依次測度外生條件變量對收入差距的貢獻度。在收入決定方程中，考慮到人口的區域流動對收入的影響，因而在分組的過程中按受訪人12 歲所在的經濟區域分組，分組測度結果如表7 所示。

表7 按經濟區域分組的機會不平等測度結果

在上文的夏普利值分解與效應分解中(表4 和表6)，性別和少年時期(12 歲)的戶口類型是導致機會不平等的主要因素，由表7 的結果可知，兩者仍然是導致機會不平等的主要因素，可見測度結果在識別主要因素上具有較強的穩健性。值得關注的是，在夏普利值分解中，性別對收入差距的相對貢獻度在中部地區最高，為12.90%；東部地區次之，為11.16%；西部地區最低，為10.80%。在東部地區，少年時期(12 歲)的戶口類型對收入差距的相對貢獻度最高，為12.94%；西部地區次之，為8.53%；中部地區最低，為6.54%。由此可見，在東部地區，少年時期(12 歲)的戶口類型對收入差距的影響更為突出。

2. 按戶口類型分組測度的穩健性檢驗

從現實來看，中國城鄉之間的經濟社會發展水平存在較大的差距，外生條件變量對收入差距的相對貢獻度亦可能在城鄉之間存在異質性。因此，本文進一步將樣本按受訪人當前的戶口類型分組。當前為農業戶口的受訪人，其少年時期(12 歲)的戶口類型絕大部分為農業戶口，因而在農業戶口的子樣本中不加入戶口變動的變量(hukou01)，按戶口類型分組的測度結果如表8 所示。

表8 按戶口類型分組的機會不平等測度結果

由分組測度結果可知，性別仍然是導致機會不平等的首要因素，但其相對貢獻度在城鄉之間存在顯著差異。在農業戶口的子樣本中，性別對收入差距的相對貢獻度為15.26%，在非農戶口的子樣本中，其相對貢獻度為11.81%。由此可見，相比于非農戶口受訪人，性別收入差距在農業戶口受訪人內部更為明顯。此外，對于非農戶口受訪人而言，地區差異引致的收入差距更大，地區差異對收入差距的相對貢獻度為4.83%；而對于農業戶口受訪人，則為3.85%。與之相類似，相比于農業戶口受訪人，非農戶口受訪人的家庭背景差異對收入差距貢獻度更高，為5.50%，前者僅為0.89%。

綜上所述，在分組測度中，性別與少年時期(12 歲)的戶口差異仍然是導致機會不平等的主要因素。由此可見，上文的測度結果在識別機會不平等的主要成因上，具有較強的穩健性。

六、結論與政策建議

本文根據“環境-能力-收入”的邏輯，以能力為中介，提出了測度機會不平等的新思路，并以2010 年、2012 年和2014 年CFPS 數據為樣本進行實證研究。本文實證研究表明，在我國的收入差距中，機會不平等的貢獻度(機會不平等指數)為27.91%，性別、少年時期的戶口與所在的地區、家庭背景(父母的受教育水平、工作類型和是否是黨員)、民族差異對收入差距的貢獻度依次為10.69%、10.08%、4.46%、2.16%、0.52%。效應分解結果表明，性別、少年時期的戶口、父母受教育水平、東部地區、父母是否具有管理職務對收入差距的影響突出，并且通過影響能力培養，對收入差距的間接影響大于直接影響。在測度過程中，本文同時也比較了原有思路與本文思路在測度結果上的差異。比較結果表明，原有思路低估了環境因素對收入差距的影響。最后，通過調整非認知能力賦值與分組測度的方式，檢驗測度結果的穩健性。穩健性檢驗結果表明，測度結果無論是在數值還是在相對重要性上，均具有較好的穩健性。

本文認為，抑制收入分配中的機會不平等不僅要從收入分配的結果入手，還需從能力培養的過程著手，著力解決能力培養過程中的機會不平等問題。第一，在認知能力培養方面，持續推動教育資源均等化，切實維護教育公平，尤其是縮小優質教育資源分配中的機會不平等。在教育資源的分配中，對于弱勢群體應適度傾斜，尤其是對于欠發達地區、農村地區和貧困家庭的子弟。第二，在非認知能力方面，重視家庭教育，將家庭教育納入教育立法的范圍，通過法律規范家長的行為。父母是孩子的第一任老師，教育責任不能僅歸于學校，青少年健全的人格與父母恰當的言傳身教密不可分。家庭教育不能僅通過道德約束，法律約束也不可缺位。第三，在社會環境方面，培育有理想、敢作為、愿付出的價值觀，不斷完善法律體系，滌清社會風氣，營造公平正義的社會環境，最終使得敢闖、敢拼的青年人都可以實現自己的“中國夢”。