高收入數據引入視角下我國居民收入極化問題研究

榮慧娟　李慶海　李欣桐　馮瑤琪　葛曉燕

摘要：衡量居民收入不平等的指標除了基尼系數之外，還有收入極化這一重要變量。然而，已有的測算我國居民收入極化程度的研究，往往由于忽略高收入群體的存在而導致估計結果出現偏誤。對此，文章基于2013年和2018年住戶數據（CHIP數據），引入高收入群體數據（TIC數據）進行拼接，進而得到更具代表性的中國居民的收入數據庫。以此為基礎，研究我國居民的收入極化程度、特征及其變化趨勢。研究發現，我國居民收入極化程度整體處于較高水平，特別在引入高收入群體數據后極化程度明顯提高，由此表明引入高收入群體以測算極化程度是有必要和價值的;我國居民收入極化程度規律發生變化，在引入高收入群體數據前極化程度有所降低，但在引入高收入群體后有所提高;“認同—疏離感”框架可知，在引入高收入群體數據前，認同感在減弱而疏離感在增強，但在引入后認同感和疏離感均有所上升。文章對正確認識我國居民收入不平等、收入分配政策的制定和調整具有重要參考意義。

關鍵詞：住戶數據;高收入群體數據;數據拼接;收入極化

一、引言

改革開放以來，我國經濟水平較快增長，綜合國力不斷增強，人民收入水平得到顯著提升，然而我國居民的收入差距始終處于較高水平（羅楚亮等，2020）。收入不平等現象引起了人們的廣泛關注，對此學者們主要圍繞衡量收入不平等的重要指標——收入基尼系數進行研究，并取得了豐碩成果（陳宗勝和張杰，2021）。然而，對于衡量收入差距的另一重要指標——收入極化程度的研究相對較少，近年來這一問題逐步得到重視。事實上，公眾最為熟知的收入兩極分化從另一重要角度描述了收入的不平等現象，即收入的中端人群不斷地減少，高收入群體尤其是低收入群體規模不斷擴大，最后導致“中產階級空洞化”的社會分配結構（Foster and Wolfson，2014）。在兩極分化的基礎上，會逐漸衍生出多極分化，即收入空間中的個體已經集聚成若干個勢均力敵的收入群體，但群體內部之間相對認同，群體之間相互沖突。換句話說，收入多極分化就是社會的大部分收入向少數幾個群體聚集的過程，它會導致階級固化和社會撕裂，影響經濟的發展與社會的和諧（Esteban and Ray，1991）。

有關收入極化問題的研究最早起源于國外。20世紀90年代 Esteban and Ray（1991）提出了ER指數，而Duclos et al.（2004）對其做了改進，即如今使用的DER指數，這是目前較常用的衡量收入極化程度的重要指標。Esteban and Ray（1991）構建了“認同-疏離感”框架，認為收入相近的人群聚集為同一群體，群體內部認同感較強，內部成員之間具有較為類似的特征;但不同群體之間疏離感較強，與其他組的成員存在明顯不同，這一框架也是分析收入極化問題的經典工具。目前，國外對于極化問題的研究日趨完善和成熟，包括一國或者地區收入極化程度的測度、分解及其變動趨勢（Gochoco-Bautista et al.，2013），對經濟增長或者社會犯罪率等方面的影響（Lee and Shin，2011），以及收入極化程度的影響因素等（Duca John V and Saving Jason L，2016）。近年來，國內學術界借鑒國外相關研究，陸續展開了對收入極化問題的研究，主要包括收入極化程度的測度、分解及其演化趨勢（汪晨，2015;馮毓文，2020），收入極化程度的影響因素（馮毓文，2020），收入極化程度對經濟發展和社會穩定等方面的影響（張曉芳，2017）。

值得注意的是，針對中國居民收入極化問題的研究，主要基于國家統計局公布的住戶調查數據或者學者們自行組織開展的大型微觀住戶數據（CFPS、CHIPS、CHFS等）進行。然而，由于調查時間、成本和空間等諸多方面的限制，住戶數據往往僅對中低收入者具有良好的代表性，對于高收入的代表性卻不足。可想而知，不能真實地反映我國居民收入分布的極化程度。近年來，有學者嘗試通過引入高收入群體對我國居民收入不平等進行重新測算，并發現在引入高收入群體數據后，居民收入差距的基尼系數往往顯著提高（羅楚亮，2019;Li et al.，2020）。

那么，對下列問題的回答就變得極為重要：基于住戶數據研究所得的我國居民的收入極化程度如何？將高收入群體數據與住戶數據拼接后，我國居民的收入極化程度又會如何，是否發生明顯變化？收入極化的變化趨勢如何，是否同樣發生改變？這些問題都是本論文研究的出發點和歸宿點，并且收入極化問題的研究對中國建設和諧社會和保持經濟平穩增長具有重要的理論和實踐意義。鑒于此，本文采用北京師范大學中國收入分配研究院構建的中國高收入群體數據庫（Top income in China database，以下簡稱TIC數據庫），并與2013年和2018年的住戶數據（中國家庭收入調查數據，以下簡稱CHIP數據）進行拼接，進而對2013和2018年我國居民收入極化程度、特征及其變化趨勢進行修正。

與已有文獻相比，本文的主要貢獻在于以下方面：第一，已有有關中國高收入群體的數據主要為超級富豪群體，局限于高收入群體的最頂端部分，高收入群體的代表性顯然嚴重不足（Li et al.，2020）。本文補充了其他幾類較有代表性的非頂端高收入者，為本領域研究奠定了良好的數據基礎。第二，本文比較了引入高收入群體后，我國居民收入極化的程度、特征及其變化趨勢有何變化，對本領域研究有著較好的補充和深入。第三，已有文獻在將住戶數據和高收入人群數據進行拼接時，拼接點與拼接方法的選擇存在具有一定主觀性和缺乏嚴格標準等問題。對此，本文借鑒國際上前沿的拼接方法進行拼接，所得結論更為準確和可靠。第四，本文從“認同-疏離”框架出發，分析和比較了我國居民收入極化規律的動態變化特征，有利于正確和深入理解我國居民收入極化問題。

本文剩余部分安排如下：第二部分是文獻綜述，對現有文獻進行梳理和分析;第三部分介紹數據，包括本文使用的住戶數據（CHIP數據）與高收入群體數據（TIC數據）;第四部分是研究方法，介紹了將CHIP數據與TIC數據進行拼接的方法，并且對所使用的DER指數進行簡要解釋;第五部分是極化的測算與結果分析;最后是結論與政策建議。

二、文獻綜述

（一）收入極化的相關研究

1. 國際研究

國際上關于收入極化問題的研究開展較早。就收入極化程度的測度而言，Esteban and Ray（1991）較早對收入極化進行研究，該文闡釋了收入極化的概念與內涵，并首次提出通過“認同性，疏離性”框架（目前的極化指數都遵從該框架）構建 ER 極化指數。Duclos et al.（2004）在 ER 指數的基礎上將其改進變為 DER 指數，是目前較為常用的測度指標。

就收入極化程度的結論方面，Wang et al.（2018）對歐洲國家的收入極化進行測度后發現，2004～2012年間整個歐洲的兩極分化相對穩定。Schettino and Khan（2020）通過對美國兩極分化研究測度發現，1998～2018年美國出現了典型的兩極分化，并且其國內的種族、階級和性別等共同作用于弱勢群體造成了兩極分化的惡性循環。

就收入極化的影響而言，Lee and Shin（2011）研究發現，當收入向兩極分化時，處于底層人民的收入較低，并且較難獲得較高收入，所以他們的犯罪傾向更高。在歐洲，收入不平等經常與政治極化相聯系，收入不平等的加劇經常會加劇政治的兩極分化，并且這兩者之間存在雙向的相關關系（Duca and Saving，2016）。Mussini（2016）運用回歸樹分析收入極化后發現，教育狀況，就業狀況，教育與年齡的交互項，就業與年齡的交互項都是影響收入極化的重要影響因素。

2. 國內研究

在國內，近年來收入極化問題也受到相關學者的重視，大都借鑒國外的研究思路與方法展開。就收入極化程度的結論而言，張曉芳（2017）研究發現，我國兩極分化的增長速? 度小于收入不平等的增長速度;胡志軍等（2018）研究發現，我國 1985～2009 年總體極化程度逐漸加劇，而 2009 年以后有所下降。 高艷云等（2020）基于CFPS數據的分析認為，我國的收入極化現象日趨嚴重，并且工資性收入在極化變動中起主導作用。

就收入極化程度的影響因素而言，宏觀方面，馮大力和李后強（2013）認為，經濟? 規律、制度缺陷、法制不完善和教育不平等都會對收入極化產生深遠的影響;洪興建等（2020）研究發現，我國城鄉長期多維極化呈現明顯下降的趨勢，其主要原因是教育、交通、通信支出導致極化效應下降。微觀層面上的分析相對較少，有學者認為家庭戶主的個性特征和家庭本身的特征都不同程度上對收入極化產生顯著影響（黃永強，2019）。羅楚亮（2010）研究認為，城鄉合并樣本下的極化主要由于城鎮內部基尼系數和城鄉收入差距所解釋，而就業及經濟轉型對于城鎮內部極化現象具有重要的解釋作用。

就收入極化的影響而言，很多學者認為嚴重的收入極化不利于社會經濟的發展，對社會的和諧與穩定都會產生負面影響（汪晨等，2015;張曉芳，2017）。譬如，汪晨等（2015）研究認為我國城鄉之間存在的兩極分化與多極分化，無法有效刺激經濟增長和消費提振;張曉芳（2017）研究發現，收入極化將不利于勞動參與率的提高，社會將很有可能出現一系列以經濟為主的詐騙、盜竊、搶劫和搶奪等不法現象，導致更高的犯罪率。

（二）彌補住戶數據中高收入群體數據缺失的相關研究

由于住戶數據只對中低收入者具有良好的代表性，對于高收入的代表性卻不足，因此不能真實地反映我國居民收入的真實分布，更不用說正確評估收入的極化程度。為了解決高收入人群遺漏問題對于我國極化研究的影響，有必要進一步彌補和完善住戶數據庫，進而來提高測算收入極化指標的準確性。遺憾的是，目前對住戶數據進行高收入群體修正的文獻主要集中在收入基尼系數方面，有關收入極化的文章較為匱乏。

目前，對于住戶數據中高收入者代表性不足的問題，國際上的主流做法主要是試圖從數據角度去完善和補充高收入群體部分，主要有遺產稅數據倒推、納稅數據修正、政府行政部門數據推斷及個體行為數據預測等，并且取得了較好的研究效果（Atkinson et al.，2011）。然而，中國并未建立遺產稅制度，稅務部門的納稅數據難以獲取，跨部門行政信息聯動平臺尚未成熟，個體行為數據的適用性也較差，導致上述方法在中國的應用受到了諸多限制（Li et al.，2020）。

對此，部分學者嘗試從技術層面修正中國住戶數據中高收入群體數據缺失導致的估計偏差。譬如，羅楚亮（2019）通過收集兩榜富豪（胡潤百富榜和福布斯中國富豪榜）的數據，將資產按照一定比例折算為收入后，使用OLS回歸得到帕累托（Pareto）分布函數的參數估計值，并將帕累托函數向左延伸以補充缺失的高收入人群，進而與住戶數據合并形成完整的收入分布，以此為基礎推算全國居民的收入差距。Li et al.（2020）引入了不同行業的高收入群體后，修正后發現2016年中國居民收入基尼系數由0.46提高到0.64，其中高收入群體主要包括兩榜超級富豪、私營企業主、上市公司高管、演員、網紅和網絡作家等較具代表性人群，這也是迄今為止有關中國高收入群體最具代表性的研究之一。

綜上，目前國內外對于收入極化的研究已經較為豐富，但囿于住戶數據中對高收入群體的捕捉不足，因此對收入極化的測度可能存在一定低估。

三、使用數據

本文的數據包括兩個來源，即住戶數據為中國家庭收入項目調查（ CHIP）2013年和2018年數據，高收入群體數據來自2013和2018年的中國高收入群體數據庫（Top income in China，簡稱TIC數據庫），下面分別予以介紹。

（一）住戶數據

為了追蹤中國收入分配的動態情況，北京師范大學中國收入分配研究院收集了1988、1995、2002、2007、2013和2018年的中國家庭的收支狀況等方面信息，也就是國內外知名的CHIP數據。調查樣本來自國家統計局的年度常規住戶調查樣本框，調查內容主要側重于就業、收入和消費支出等方面。被抽中的調查戶要求以日記賬的形式記錄每天所發生的經濟活動及相應的收入和支出金額，統計部門根據這些信息可匯總得到各種分項收入和家庭總收入信息，對一般居民的收入具有較好的代表性。本文主要使用2013年和2018年數據。值得注意的是，本文將收入小于0的個體按照常見處理方法，收入一律取值為0（羅楚亮，2020;Li et al.， 2020）。

（二）高收入群體數據

TIC數據庫同樣為中國收入分配研究院構建，其構建的原理和思路參閱中國居民收入分配研究院（2019）和Li et al.（2020），簡便起見此處不再贅述。事實上，目前關于高收入群體的定義尚無統一標準。但國家統計局發布的《2018年全國時間利用調查公報》中，曾經指出高收入人群是指月收入在1萬元以上，即年收入12萬元以上的個人。2016年底頒布的《個人所得稅自行納稅申報辦法（試行）》規定年收入12萬元為個人自行申報納稅的起點。盡管納稅申報起點并不涉及高低收入人群的界限，但年收入低于12萬尚未達到納稅申報標準，難以列入高收入人群的范疇。由此，TIC數據庫制定高收入樣本時界限，仍沿用了12萬元作為數據收集的門檻。采用年收入12萬元這一相對保守的門檻，是為了盡量避免遺漏“可能”屬于高收入人群的樣本。以12萬元為數據收集門檻，建立高收入數據庫，經過簡單的處理后，就可以保留研究所需的實際高收入樣本信息。

四、研究方法

（一）收入多極分化程度的測度方法

參照已有研究，此時衡量居民收入多級分化程度的DER指數如（1）所示：

DER=Pα（f）= f（x）1+α |x-y|dxdy（1）

式（1）中，α表示多極分化指標的敏感性參數，取值范圍為0.25≤α≤1;f表示密度函數。|x-y|表示個體收入位于x點與個體收入位于y點之間的收入差距。式（1）進一步可以改寫為式（2）：

DER=Pα（F）= f（y）a（y）αdF（y）（2）

式（2）中a（y）=μ+y（2F（y）-1）-2 xdF（x）假定收入yi滿足隨機獨立分布且滿足y1≤y2≤……≤yn，F（y）為收入分布函數。那么，DER 指數可以表示為式（3）：

DER=Pα（F）=n-1∑? ^f（yi）αa^（yi）（3）

式（3）中，a^（yi）=μ+yi（n-12（i-1）-1）-n-1（2∑? yjyi。其中，f（yi）α是基于非參數核密度估計的結果，μ表示樣本的均值。通過非參數核密度估計的方式依據式（3）可以計算出 DER指數。一般來說，DER取值越大則表明多級分化程度越高。

進一步，借鑒 Esteban andRay （1991）提出的“認同—疏離”分析框架，其中認同度表示為τ（x）=f（y）^α，疏離度表示為I（x）= f（y）|x-y|dy，考察不同群組之間的內部差異和外部差異。由于|x-y|表示收入為x與收入為y二者之間的差距，那么x與y存在著兩種情形，即當x>y 時，|x-y|=x-y，否則|x-y|=0。疏離程度I（x）可以改寫為I（x）= （[τ（x，y）+τ（y，x）]）f（y）dy。τ（x，y）和τ（y，x） 分別表示“認同—疏離”的兩種情形。τ（x，y）表示當x>y時的|x-y|結果，τ（y，x） 表示當xDER=τ（x）×I（x）×（1+ρ）（4）

式（4）中，τ（x）表示加總后的社會平均認同程度，I（x）表示加總后社會平均疏離程度，ρ表示相關程度。其中，τ（x）= f（y）1+αdy，I（x）= f（x）|x-y|dxdy。簡便起見，此處不再贅述，具體可參閱Duclos et al.（2004）的介紹。

（二）住戶數據和高收入群體數據的拼接方法

在一般的住戶數據中，往往對中低收入群體有著較好的覆蓋性，但對高收入群體覆蓋不足。所以直接采用住戶數據進行我國的收入極化研究，相關結論可能會出現偏誤。要想正確度量收入分化程度，首先需要選取科學和合理的拼接點，將高收入群體數據與住戶數據進行合理拼接后得到混合數據，進而得到更具代表性的居民收入分布數據，在此基礎上考察居民收入極化結論可能更為合理和科學。

事實上，一個完整的收入分布曲線應當如圖1所示，包含覆蓋性較好的居民收入數據 A部分，也包括居民收入調查少部分覆蓋的 B 部分，還有居民收入調查沒有涉及的 C 部分。但是 B 部分和 C 部分在調查中被遺漏的原因卻是不同的。其中，C樣本由于處于收入的頂端即頂級富豪群體，這部分群體在平時的抽樣中被抽中的概率極低，并且如上文提到的，總會因為一些原因無法通過調查獲得他們的收入信息，但是該群體是受到社會普遍關注的人群，其中許多人的收入和財富方面的信息被聚集在媒體和公眾的視線內。B 部分樣本代表高收入群體的非頂端部分或者是高收入群體中的“相對中低收入者”，在全部人口中占據一定比例，被抽到的概率相對要高些。但是，在抽樣過程中被調查對象未必會積極配合，譬如拒絕回答或者瞞報真實收入等，往往他們的收入和財富方面的信息也難以獲得。因此，實際抽樣調查的樣本往往對這兩類高收入群體缺乏代表性。

諸多研究表明，居民收入在超過特定門檻后往往就服從典型的帕累托分布。本節運用帕累托分布進行分析。

讓x代表收入，在連續分布？譹？訛下帕累托函數的概率密度p（x）可表示為：

p（x）dx=Pr（x≤X

在式（5）中，X是觀測值，C是標準化常數，α稱為標度參數。當x→0時，這個概率密度函數是發散的，因此上式不能適用于所有x≥0，必須有某個冪律行為的下限，這里用xmin表示這個界限，稱為門檻值（the lower bond）。然后，假設α>1，計算標準化常量發現式（6）：

p（x）= （ ） （6）

在連續情況下，對應的互補累計分布函數P（x）？譺？訛可以表示為式（7）：

P（x）= p（x′）dx′=（ ） （7）

傳統文獻往往采用最小二乘回歸法（OLS）來估計標度參數，但此類方法會產生顯著的系統性誤差，更為具體的討論參閱附錄A。而Clauset et al.（2009）在使用人工數據集進行參數估計時發現，最大似然估計法（MLE）在上述帕累托模型中可以得到一致、漸近無偏并且漸近有效的規模參數估計值。因此，相較于OLS方法，MLE方法更具適用性。根據（7）式可以得到對數似然統計量MLE為式（8）：

L=lnp（x|α）=ln? ? = [ln（α-1）-lnxmin-αln ]=nln（α-1）-nlnxmin-α∑? ln （8）

設定 =0，求解最大似然估計量，從而得到關于規模參數α的解析解式（9）：

=1+n[∑? （ln ）] （9）

無論使用上述哪一種估計方法，都必須事先確定冪律分布的門檻值。早期文獻廣泛使用的一種方法通過觀察圖像的方法來選擇起點，將帕累托分布的概率密度函數取對數，繪制觀測值與概率密度函數對數的圖像，認為圖像呈現直線形式的部分符合帕累托分布。Jenkins （2017）等研究對此類主觀做法提出了質疑：一方面，使用直接觀察的方法存在一定的誤差;另一方面，無法對帕累托分布和對數正態分布加以統計學意義上的區分。鑒于此，Jenkins （2017）提出了一種更為客觀的方法，使用Kolmogorov Smirnov（KS）統計量最小化擬合帕累托模型與經驗分布之間的距離D，表示為式（10）：

minD=min{ |S（x）-P（x）|}（10）

在式（10）中，S（x）表示實際數據在給點門檻值以上的互補累積分布函數，P（x）表示通過給定門檻值擬合的冪律分布所估計的互補累積分布函數。

運用上文介紹的參數估計方法，發現TIC2013中的高收入人群年收入從103萬元開始服從帕累托分布。103萬之前的數據使用CHIP數據，103萬之后的數據使用TIC數據，由此得到的混合數據可能對中國居民收入分布有著更為科學和合理的認知（Li et al.， 2020）。類似地，CHIP2018年數據從94萬開始服從帕累托分布，此處不再贅述。

五、收入極化的測算與分析

（一）基于住戶數據的收入極化測算

本文首先采用CHIP2013和2018年數據，對我國居民收入極化特征及其變化進行分析，結果如表1所示。穩健性起見，此時敏感性系數α取值分別為0.5和0.1。

由表1可知，就2013年而言，隨著敏感性系數α的增大，DER指數出現下降，即收入極化程度降低，疏離性基本保持不變，認同性顯著減小，即DER指數隨敏感性系數下降的主要原因在于同一群組內的認同性出現下降。類似地，2018年的DER指數隨著敏感性系數的變化及其原因與之類似。這一特征吻合其他論文的結論，由于不是本文的關注重點，此處不再贅述。

就收入極化程度而言，與2013年相比，無論敏感性系數取值為0.5還是1，2018年的收入極化程度相較2013年有所下降，即居民收入極化現象有所緩解。究其原因，與2013年相比，2018年認同性有所下降，而疏離性有所增強。一般而言，組內認同感度量了收入群體內部的局部聚攏現象的強度，其下降表明收入分布中局部聚攏的現象有所減弱;組間疏離感度量了不同收入群體之間的局部距離大小，其上升表明不同收入群體間的極化在加劇，反之在下降。由此表明，2018年收入極化與2013年相比有所下降的原因在于認同性下降所主導，即同一群組內部成員間的認同感減弱，但不同群組之間的疏離感有所增加。

（二）引入高收入數據后的居民收入極化

下面，本文將CHIP與TIC進行拼接得到混合數據，重新考察我國居民的收入極化程度，具體結果如表2所示。

表2與表1相比，無論α取值為0.5還是取值為1，無論是2013年還是2018年，DER指數均有明顯提高，這就表明以往文獻單純采用住戶數據估算收入極化程度可能會出現低估現象，由此表明本文引入高收入群體數據的必要性和合理性。

就極化程度的變化趨勢而言，與2013年相比，2018年DER指數出現明顯提高，即居民收入極化程度有所增強，這與表1中極化程度出現下降形成鮮明對比。例如：CHIP測算的DER指數在0.181～0.256，而加入TIC數據庫之后的DER指數在0.537～0.621，遠高于CHIP數據所測算得出的結果。即在引入高收入群體數據后，我國居民收入的極化程度不是有所下降而是有所上升，再次表明本文引入高收入群體數據進行修正是有必要的。

進一步來看，在引入高收入群體數據后，無論是認同性還是疏離性均有顯著提升，這與采用住戶數據中認同性有所下降而疏離性有所增強有所不同。在引入高收入群體后，同一群組內部成員間的認同感在增強，但疏離感也在增強，最終導致收入極化程度有所提升。

六、結論及政策建議

本文基于2013年和2018年住戶數據（CHIP）和高收入群體數據（TIC），采用合理的統計學工具將二者進行拼接，避免了住戶數據中對高收入群體覆蓋不足的痼疾，重新估算了我國居民收入分布的多極分化程度。本文主要有如下結論：首先，無論是否引入高收入群體數據，我國居民收入多級分化特征明顯，尤其是引入高收入群體后居民收入多極分化程序明顯提高，因此引入高收入群體以修正居民收入極化程度的測算是有必要和價值的。其次，在引入高收入群體數據后，我國居民收入的極化程度規律有所變化，在引入高收入群體數據前極化程度有所降低，但在引入高收入群體后有所提高，再次表明引入高收入群體數據的重要性。最后，由認同—疏離框架可知，認同感在減弱而疏離感在增強，但在引入后認同感和疏離感均有所增強。

綜合研究結論和具體國情，本文提出以下幾點政策建議：1.調整并完善現行經濟政策，通過初次分配和再分配降低收入差距。利用初次分配擴大勞動者報酬占國民收入的比重，提升人均收入水平，提高初次分配的效率，體現社會公平。在再分配中，細化調整所得稅體制，通過稅收政策對極端高收入的特殊行業進行收入調節，降低收入分布的認同性及疏離性，改善收入極化現象。2.為低收入群體提供以幫扶為主，救濟為輔的基本生活保障。對低收入群體提供更加優惠的信貸政策，鼓勵其自主創收，擺脫貧困。集中對有就業意愿的低收入者進行就業培訓，為其提供就業崗位，增強其融入市場的能力，從而縮小低收入群體的規模，不斷提高其收入下限，降低總體收入差距，減弱收入極化現象。3.建立并完善高收入數據庫，對高收入人群收入來源、納稅等問題進行登記。完善高收入數據庫并將其與CHIP數據相結合，有利于對現有的收入不平等狀況的測算進行修正，降低偏離程度，更加真實準確反映出我國實際的收入分布狀況，對于我國收入分配的宏觀調控有著重要參考價值。

參考文獻：

[1]Atkinson A，Piketty T，Saez E.Top Incomes in the Long Run of History[J].Post-Print，2011，49（1）：3–71.

[2]Saving，Jason，L，et al.Income Inequality and Political Polarization：Time Series Evidence Over Nine Decades[J].Review of Income & Wealth Journal of the International Association for Research in Income & Wealth，2016，62（3）：445-466.

[3]Duclos J Y，Esteban J M，Ray D.Polarization：Concepts，Measurement，Estimation[J].Social Science Electronic Publishing，200472（6）：1737-1772.

[4]Esteban J M，Ray D.On the Measurement of Polarization[J].Boston University-Institute for Economic Development，1991（24）.

[5]Foster J E，Wolfson M C.Polarization and the decline of the middle class： Canada and the U.S.[J].Journal of Economic Inequality，2014，12（3）：435-437.

[6]Gochoco-Bautista，Socorro M，Bau-tista，et al.Income Polarization in Asia[J].Asian Economic Papers，2013，12（2）：101-136.

[7]Jenkins S P.Pareto Models，Top Incomes and Recent Trends in UK Income Inequality[J].LSE Research Online Documents on Economics，2017（334）.

[8]Li Q，Li S，Wan H.Top incomes in China：Data collection and the impact on income inequality[J].China Economic Review，2020，62

[9]Mussini，M.On measuring income polarization：an approach based on regression trees[J].Statistics in Transition New，2016（17）

[10]Schettino F，Khan H A.Income polarization in the USA：What happened to the middle class in the last few decades？[J].Structural Change and Economic Dynamics，2020， 53：23-54.

[11]Virkar Y，Clauset A.Power-Law Distributions in Empirical Data[J].Siam Review，2009，51（4）：661-703.

[12]Wang J，Caminada K，Goudswaard K，et al.Income polarization in European countries and Europe wide，2004～2012[Polarization of the poor： multivariate relative poverty measurement sans frontiers][J].Cambridge Journal of Economics，2018，42.

[13]陳宗勝，張杰.新中國前30年中國居民收入差別估算及影響因素分析——兼及改革開放前后中國居民收入基尼系數總趨勢及比較[J].中國經濟史研究，2021 （02）：160-183.

[14]馮大力，李后強.論兩極分化的現狀、成因及治理對策——兼論現階段的非均分配與不當占有[J].經濟體制改革，2013（05）：5-9.

[15]馮毓文.工資極化現象的出現、測度和影響[J].當代經濟，2020 （12）：105-107.

[16]胡志軍，陶紀坤.我國居民收入分布的極化測度及其影響因素[J].當代財經，2018（04）：3-13.

[17]黃永強.中國收入極化問題及其影響因素研究[D].武漢：中南財經政法大學，2019.

[18]羅楚亮.高收入人群缺失與收入差距低估[J].經濟學動態，2019（01）：15-27.

[19]羅楚亮.收入結構與居民收入差距變動——新中國成立以來收入差距的基本特征[J].北京工商大學學報（社會科學版），2020，35（04）：32-42+56.

[20]汪晨，萬廣華，曹暉.中國城鄉居民收入極化的趨勢及其分解：1988～2007年[J].勞動經濟研究，2015，3（05）：45-68.

[21]張曉芳.我國居民收入兩極分化的特征及影響分析——基于EGR指數的研究[J].云南財經大學學報，2017，33（05）：73-84.

[22]羅楚亮.居民收入分布的極化[J].中國人口科學，2010（06）：12.

[23]高艷云，陳巖.基于CFPS數據我國居民收入極化的測度與分解研究[J].西南林業大學學報：社會科學，2020，4（03）：9.

[24]洪興建，董君.多維極化的測度：新的方法及其應用[J].統計研究，2020，37（09）：10.

（作者單位：南京財經大學經濟學院）