中國家庭財富不平等的原因

一、引言

改革開放四十余年來，隨著經濟快速增長，我國積累了巨額社會財富，但財富在家庭間的分布差異也日益顯著[1]。這種差異通過代際傳遞、教育資源、就業機會等多個維度被放大，特別是在房地產市場快速發展的背景下，不同家庭房產積累不同，導致財富差距進一步擴大[2]。區域維度上，城市與農村家庭、一二線城市與其他城市家庭之間的財富鴻溝逐漸擴大[3]。此外，雖然金融市場的發展為部分具有投資能力的家庭提供了更多財富增值渠道，但我國大部分家庭的主要收人來源依然為工薪收入，財富積累能力有限[4]

收入是流量，財富是存量，財富是收人的蓄水池。研究表明，當前我國的財富不平等程度已大幅超過了收人不平等[5]，而嚴重的財富分配不均會對社會發展產生負面影響。從經濟層面看，財富不平等可能抑制消費需求，制約經濟長期高質量發展;從社會層面看，財富不平等的擴大可能導致社會矛盾加劇，削弱社會凝聚力，影響社會和諧與穩定[6]。

在精準把握財富積累機制內涵方面，應該厘清以下七個層面的關系：財富積累機制與收入分配秩序的區別與聯系、勞動和資本在財富積累中的天然差異、合法收入與非法收入在財富積累中的本質區別、市場和政府在財富積累中的不同定位、實體經濟和虛擬經濟的功能本位、個體富裕與共同富裕的辯證關系以及人的發展與分配制度在財富積累中的不同意義[7]。一方面，利用稅收、財政支出、普惠金融等政策工具對財富積累機制進行系統性調節[8-10];另一方面，在高質量發展經濟的同時，立足我國國情，從規范收人和財富積累兩條路徑著手完善收入分配制度[11]。處理好公平與效率的平衡問題，不僅關系社會長治久安，也能夠將蛋糕做大，促進經濟長期健康發展，推進實現共同富裕[12-13]。因此，深人剖析中國家庭財富不平等的原因與形成機理具有重要的理論價值與現實意義。

本文可能的邊際貢獻有以下兩點：其一，研究視角上，由于家庭財富數據獲取存在一定困難，現有收入分配文獻的研究仍大多集中于收入視角，本文構建理論模型闡述家庭財富不平等的形成機制;其二，實證方法上，本文通過構建無條件分位數回歸方程對理論模型進行檢驗，研究各變量對總樣本以及各個分位段家庭樣本財富不平等的影響。

二、文獻綜述

當前，國內外學者對中國家庭財富的分布以及不平等的程度采取了多種方法進行測度和分析，以期對我國財富分配的現狀有直觀了解。Piketty等[14]研究了中國的財富分布情況，1978—2015年，前 10% 家庭的財富占比份額從 27% 上升至 41% ，而后 50% 家庭的財富份額從 27% 下降到 15% 。Zhang 等[1]基于CHIP與CFPS 數據集揭示了擴大中國家庭財富不平等的動態演變過程，1995—2010年，中國財富差距呈現迅速擴大的態勢，在2010年之后，財富不平等擴張的速度逐步減緩，但依舊維持在較高的位置。筆者等[4]利用WISH數據庫計算出2016和2017兩年的中國居民人均凈財富基尼系數分別為0.65和0.61。李家山等[15]使用CHFS數據與胡潤富豪榜相結合的方式來修正當前主流方法測算財富不平等出現低估的問題，結果顯示前 1% 高凈值人群的財富占比達到了 33.7% ，而前0.1% 階層的份額已經達到中位點及以下家庭財富份額的兩倍以上。孫三百等[1]使用2011—2019年CHFS數據進行了測算，結果顯示我國家庭凈財富基尼系數始終維持在0.71以上。此外，羅楚亮等[17]創造性地采用CHIP 和CFPS數據庫結合福布斯榜對我國家庭財富差距進行了估計，結果顯示財產的基尼系數達到0.8的高位。

近年來研究我國家庭財富不平等來源與形成機制的相關文獻較多，主要從宏觀和微觀兩個視角開展。

從微觀視角來看，Aiyagari[18]和Quadrini等[19]西方學者們構建的理論分析框架往往認為個體無法對家庭收入面臨的一系列風險進行完全保險，因此在作出儲蓄決策時會產生預防性儲蓄動機。此外，Hubmer等[20]通過生命周期理論揭示了人們在一生中不同時間段會產生不同的儲蓄行為，從而進一步造成家庭財富分化。De Nardi等[21]認為遺贈和人力資本的傳遞，以及偏好和回報率等方面的異質性會顯著影響人們的儲蓄動機，進一步作用于家庭財富差異。郭杰等[22]將預防性儲蓄動機、生命周期、代際傳遞以及異質性資產回報率等因素引入一般均衡模型，發現能夠解釋財富差距和頂層財富高度集中的關鍵要素為異質性資產回報率。杜兩省等[23]進行包含金融摩擦和收入風險的異質代理人模型模擬發現，收人風險對家庭財富不平等的影響程度通過金融摩擦產生顯著的放大效應。詹鵬等[24]通過構建獨立重復的蒙特卡洛模型，提出遺產繼承不一定單純引發財富分配情況的惡化，其還要取決于一系列復雜機制。

此外，國內學者大多基于大型微觀調查數據庫，采取實證的方式，試圖從家庭人口學特征、收入能力、創業和金融市場參與行為、金融知識等方面來解釋家庭財富差距來源。筆者等[4]通過構建家庭財富的回歸方程，并基于回歸方程對財富差距的分解結果表明，房產對我國居民財富差距的貢獻超過 70% ，此外收入、地區和城鄉等因素同樣對財富差距影響較大。葛永波等[25]選取了一系列人口統計學特征變量構建了機會不平等這一變量，實證研究發現機會不平等會對財富差距產生顯著正向影響。羅楚亮[26]認為收入增長及波動通過預防性儲蓄動機顯著影響家庭財富積累。周慧珺[27]發現風險態度與家庭財富之間的關系主要由家庭初始財富的數量決定，在凈值越高的家庭，風險態度對財富的影響越大。吳衛星等[28]研究發現家庭通過財務杠桿開展住房抵押貸款和融資業務能夠實現家庭財富的快速增值，而不同家庭之間的融資能力差異則會造成財富不平等程度加劇。王亞珂等[29]將金融素養定義為重要的人力資本，認為金融素養的高低會直接影響家庭進行資產配置的水平，進一步對家庭財富積累產生影響。尹志超等[30]基于CHFS 數據庫構建分位數回歸模型得出了相似的結論，并進一步發現家庭的金融知識水平越高，社區整體財富差距越小。

從宏觀視角對財富分配機理進行研究的文獻由于數據獲取難度相對較大，當前學界的主流研究思路依舊為通過構建一般均衡模型進行各項宏觀模擬分析。陳彥斌等[31]將房價上漲、住房需求內生等要素引入Bewley模型，研究結論發現房價上漲通過影響家庭儲蓄率等一系列機制擴大財產不平等。此外，陳彥斌等[32]在包含了個體風險、總體風險和災難風險的DSGE模型的模擬過程中發現災難風險會對貧富兩極家庭的財富累積份額產生相反的影響。黃平等[33]則強調了經濟全球化中要素價格和金融制度的差異會加劇財富不平等的程度。

通過以上文獻梳理可以看出，當前學界普遍達成了我國家庭財富不平等程度較高的共識。對財富不平等來源的闡述，從宏觀和微觀兩個視角出發，國內外學者主要采取構建理論模型和實證模型兩種做法來進行。理論模型層面，大多研究將收人風險、異質回報率等異質性因素引人DSGE模型來解釋財富不平等的形成機制，并在此基礎上設置包含房價波動、災難風險等一系列宏觀外部波動來拓展研究。而實證模型則論證了年齡、教育、健康、收人、市場參與行為和金融認知能力等要素對家庭財富不平等的影響。

三、理論模型

根據 Saez等[34]提出的理論，家庭財富積累過程可以用動態演化方程來描述，如式（1）所示：

上式中， W_tⁱ 指的是第 i 個家庭在第 Φ_t 期的財富存量， qi_t 代表家庭在當期資產價格的變化， 為家庭在第 Φ_t 期的總儲蓄， s_tⁱ 為儲蓄率， 為家庭總收人。其中家庭總儲蓄等于家庭總收入和儲蓄率的乘積。

Garbinti等[35]對式（1）進行進一步擴展，得到：

與式（1）相對比，可以發現式（2）對于家庭在 Ψ_t 期的總收入根據收入來源進行了拆分， Y_Lt^j 可以解釋為家庭的勞動和經營收入，而 rj_tW_t^j 為家庭資產增值帶來的收入，即財產性收入，其中 rj_t 為投資回報率。

在上式基礎上，繼續將遺贈和繼承因素引入動態方程，得到：

以上理論模型揭示了財富不平等產生的幾個核心機制：第一是初始財富的存量效應，較高的初始財富能夠通過復利效應產生更大的增值空間，家庭稟賦與財富不平等密切相關;第二是投資回報率的差異效應，不同家庭因金融知識、風險承受能力和市場準入條件的差異，其投資組合的回報率存在顯著差異，進而造成家庭財富分化；第三是儲蓄行為的異質性，家庭因收入水平、消費偏好和生命周期階段的不同，儲蓄能力和儲蓄意愿也呈現明顯差異，進一步反映在財富不平等上;第四是轉移收入，家庭之間遺贈和繼承行為的差異同樣會造成財富積累出現分化;第五是資產價格，尤其是房產價格在推動家庭財富不平等過程中起到至關重要的作用，高凈值家庭通過高收入和高儲蓄積累的財富會隨著資產價格的提升進一步擴張，這一機制與我國現實情況相契合[2]。

這個動態過程說明，家庭財富不平等不僅受到當期收人和儲蓄決策的影響，更重要的是其體現了一個長期累積的過程，其中初始稟賦、收入能力、投資能力和儲蓄行為造成的財富差異會通過資產價格的提升而不斷擴大，最終導致財富分布的顯著分化。這種理論框架有助于理解為什么家庭財富差距呈現擴大化趨勢，也為研究財富不平等的代際傳遞提供了分析工具。

基于以上理論分析，本文提出以下假設：

假設一：各家庭稟賦類變量（年齡、教育、健康、婚姻等）均會對家庭財富積累產生影響，并進一步影響家庭財富不平等。

假設二：各收入類變量均會促進家庭財富積累，其中受我國房產價格上漲影響，財產性收入對家庭財富不平等的影響可能最大。

假設三：家庭的市場參與行為以及金融素質可能與家庭財富積累存在正相關關系，并會加劇當前我國家庭財富的不平等。

四、研究設計

（一）數據說明與處理

當前我國收集家庭收入和財富相關數據的微觀調查數據庫主要有中國家庭追蹤調查（CFPS）、中國家庭金融調查（CHFS）和中國健康與養老追蹤調查（CHARLS）等。北京大學發布的中國家庭追蹤調查（CFPS）數據庫已更新到2022年，但由于該數據集缺少“家庭財產性收人”“家庭金融知識和行為”等核心變量，因此不適用于本文研究。

由西南財經大學開展的中國家庭金融調查（CHFS）中，家庭財富和金融知識與行為的相關數據最為全面，適合用于開展我國家庭財富相關的一系列統計和實證研究。由于當前該數據庫最新的2021年微觀調查數據至今仍未發布，故本文采用CHFS 數據庫中2019年及以前的家庭微觀數據進行研究。

在原數據基礎上，本文進行以下預處理：以家庭為單位開展研究，將2017和2019兩年CHFS數據庫中個人、家庭與地區數據按照家庭編碼（hhid）進行合并；我國一般以18～64歲的人群定義為適齡勞動人口，因此不在此區間內的樣本可能會存在極端離群值的情況，剔除年齡小于18歲和大于65歲的樣本;對部分變量取對數分析，對資產與收入等部分項目存在負數的情況，采取數據整體平移的方法，即將該項目加上一個常數使所有觀測值為正;對部分收入數據的缺失部分進行插值處理;對剔除因邏輯錯誤或者受訪戶亂答、誤答造成的數據缺失和異常值的樣本。

（二）變量選擇

本文主要從微觀視角出發考察中國家庭財富不平等的原因。具體研究變量選擇如下：

1.被解釋變量

本文將家庭財富不平等的指標作為被解釋變量。對總體樣本家庭財富不平等指標的定義，采取當前通行做法[36]使用家庭財富的基尼系數作為衡量財富不平等的代理變量。

上式可以簡化為：

上式中， y_i 代表家庭財富， n 代表樣本家庭數量。

除對總體樣本的財富不平等進行量化研究，本文還對不同財富水平家庭之間的組間差距進行了研究，參考現有文獻的做法[26，30]，本文采用以下指標：

上式中， gap_x1-x2 表達不同分位數家庭財富的差距， q_xn 是家庭財富樣本分位數，lnnet_asset 是根據CHFS2019數據庫計算得來的家庭財產凈值的對數。

2.解釋變量

對家庭財富不平等形成的因素，已有學者進行了探討。每個家庭的成員在整個生命周期都會持續不斷地獲取收入，但由于人們在人生各個階段不能對收入、健康、教育等方面的風險進行完全保險，就會產生儲蓄的動機以平滑整個生命周期中的收入波動，這便成為家庭財富累積的基礎。

每個家庭產生收入的能力不能一概而論，這就造成財富累積的速度也會有所差異。因此本文選擇家庭收人作為重要解釋變量。CHFS2019數據庫對家庭收入以個人為單位進行加總，并將收入分為工資性收人（lnhhwage）、財產性收人（lnprop_inc）、農業收入（lnagri_inc）、工商業收入（lnbusi_inc）以及轉移性收入（lntransfer_inc）五大類，本文將農業收入與工商業收入兩項指標合并為經營性收入（lnopera_inc），與另外三類收入一起構成解釋變量。

除了收入，稟賦類變量也會影響家庭的消費與儲蓄決策，進而影響家庭的財富累積速度。現有研究[4，28，37-38]同樣認為此類變量在家庭財富差距形成過程中具有顯著影響。本文結合CHFS2019 的問卷設計，重點選取部分人口統計學特征作為每個家庭的稟賦代理變量，具體處理如下：以戶主年齡（age）計算真實年齡，并且引入年齡的二次項（age2）;性別（gender）采取啞變量，男性取值為1，女性取值為0;受教育程度劃分為“未受教育”、“僅接受義務教育”（dum_edu1）、“高中與中專”（dum_edu2）“大學本科與大專\"（dum_edu3）、“碩博士\"（dum_edu4）五個檔位，其中“未受教育”一檔取值為0，其他取值為1;健康程度（health）采取啞變量，健康取值為1，不健康為0;婚姻狀態（married）中，已婚或長期同居取值為1，未婚為0;政治身份（party）分為黨員與其他，黨員取值為1，其他取值為0;職務（leader）分為領導與普通職工，領導取值為1，普通職工為0。

本文還重點考察家庭參與市場活動相關要素對家庭財富不平等的影響。風險意識（risk）方面，將家庭劃分為“風險偏好型”“風險中性型”以及“風險厭惡型”三類；對家庭是否存在創業行為（busi），將已創業取值為1，未創業為0。當前部分學者認為家庭負債的規模與動機會對財富累積效率產生顯著影響[36]，本文選擇家庭杠桿率（dfl）作為家庭負債水平的解釋變量，即家庭總負債與家庭總資產的比值，并引入家庭杠桿率的二次項（dfl2）以觀察與其被解釋變量之間是否存在倒\"U\"型關系。

此外，家庭參與金融市場的認知與行為能力近年來受到學界重視，大量研究論證了金融素質與家庭資產負債決策方面的關系[37.39-40]，而如何引入家庭金融素質這個概念則是開展相關研究的重點。在具體做法上，部分文獻選用金融教育或者金融培訓等指標間接作為金融知識的代理變量，這種做法本身較為片面，無法解釋清楚教育與金融知識之間的轉化效率，且難以建立相對應的量化指標體系。另一種主流做法是立足國內幾大微觀調查數據庫，先對這類調查問卷中設置的金融知識和投資行為等相關主觀問題進行篩選，進而通過因子分析的方法構建一套能夠直觀量化的評分體系，最終根據計算出的各因子權重進行加權平均以獲取家庭金融素質這一變量。本文參考尹志超等[30]、賈等[41]以及羅文穎等[40]的做法，從CHFS2019調查問卷中選擇的問題如表1所示。

表1家庭金融素質相關問題

在進行因子分析前，我們首先對選取的指標進行KMO 和Bartlett球形檢驗，結果如表2所示。

如表2所示，p值在 1% 條件下顯著，選取變量的KMO值為0.651，超過了0.6的臨界值，適合做因子分析。接下來本文采取極大似然法提取因子并旋轉，得到各因子的貢獻率與旋轉載荷矩陣，如表3和表4所示。 表KMn與Rtla=檢驗結里可以看到已經成功對原變量進行降維，提取Factor1與Factor2兩個因子，把它們歸納為金融知識因子與金融技能因子，進一步計算這兩個因子的得分，如表5所示。

表3旋轉后的因子貢獻率

表4旋轉因子載荷矩陣

表5因子得分

本文根據各因子的貢獻率與因子得分矩陣加權平均生成金融素質變量 f

f=prop₁*factor₁+prop₂*factor₂

上式中， prop_n 代表因子的貢獻率，factorn代表因子得分。城鄉和區域樣本提取金融素質變量的方法與式（7）相同。在定義過主要解釋變量之后，引入地區控制變量，將家庭所在省份劃分為東、中、西部地區，并用啞變量進行了定義。

3.變量的描述性統計

本文使用數據和變量的描述性統計結果如表6所示。

表62019年中國家庭變量描述性統計 ①

（三）模型設定

為了將家庭財富不平等的指標（基尼系數等）作為被解釋變量引入回歸方程，本文借鑒 Firpo等[42]提出的再中心化影響函數（RIF）的分布特性，構建無條件分位數回歸模型，接下來對該模型進行簡要介紹。

首先假設 Y 是在給定協變量 X 的情況下觀察到的，因此 Y 和 X 具有聯合分布 F_Y，X（?，?）：R×X [0，1] ，且 X?R^k 是 X 的支持度。與標準回歸系數類似，本文的目標是解釋變量 X 分布位置的邊際增加對 Y 無條件分布 τ 分位數的影響。接下來構建一個反事實分布函數 G_X（x） 來表示 X 分布中這個邊際變化。根據定義， Y 的無條件（邊際）分布函數可以寫成下式：

假設條件分布 F_ηX（?） 不受 X 分布邊際變化影響，則可以通過用 G_X（x） 替換 F_χ（χ） 來獲得 Y 的反事實分布 G_Y^* ：

基于影響函數的基本性質，我們定義一個包含 Y ， F_Y 或者 f_Y 中所有信息的函數 u（.） 來對 Y 的分布統計數據進行估計，該函數可用來估計與政策分析相關的統計數據，如均值 ??q 分位數、貧困指數或不平等指數，本文使用該函數進行家庭財富基尼系數分布估計。其中，函數 u（F_Y，tGY） 可以近似線性為下式：

上式中， r（t;ν;G_Y，F_Y） 是余項。將再中心化影響函數 （RIF） ）定義為上述拓展的首項，以對應 G_Y Ω=Δ_y 并且 t=1 這種特殊情況。由于 可定義為下式：

在給定協變量 X 的情況下，可以使用迭代期望，以給定 X 的再中心化影響函數 RIF（y;ν，F_?Y） 的條件期望來表示 u（F_Y） ：

當想要獲取特定分布統計量 u（F_?Y） （本文為Gini系數和家庭財富分位距）時，只需對 E[RIF（Y; u，F_?Y）∣X] 進行積分，這可以使用回歸方法輕松完成。

本文具體參照了現有研究的[43-45]的做法，將無條件分位數回歸模型設定如下：

+α_sX_i+α₆risk_i+α₇df_i+α₈dfl2_i+α₉busi_i+α₁₀f_i+α₁₁rural_i+α₁₂area_i+ζ

上式中被解釋變量為居民家庭財富凈值的基尼系數，解釋變量的設置與基準模型保持一致。在上式的基礎上，本文還構建了衡量不同分位數家庭財富差距的模型[30]，具體如式（14）：

+α₅X_i+α₆risk_i+α₇df_i+α₈dfl2_i+α₉busi_i+α₁₀f_i+α₁₁rural_i+α₁₂area_i+ζ²+ζ³+ζ⁴+ζ⁴+ζ⁴+ζ⁵+ζ⁵+ζ⁵+ζ⁵+ζ⁶+ζ⁷+ζ⁸+ζ⁸+ζ¹²+ζ¹²

上式中， gap_x1-x2 代表第 x₁ 分位數上的家庭與第 x₂ 分位數上的家庭之間的凈財富差距，具體選取 gap_70-30 （ mid ）、 gap_90-10 （ high 和 gap_50-10 （low）三個層面的組間差距進行研究。

五、實證結果分析

（一）無條件分位數回歸結果分析

本文使用無條件分位數回歸，將家庭財富不平等指數（基尼系數等）作為模型的被解釋變量，以直觀地對我國家庭財富不平等的原因進行解釋。

表7的結果顯示，年齡效應在所有模型中均呈現倒“U\"型特征，其對高端財富差距的影響顯著強于中端差距，這與其對總體樣本不平等的正向影響相呼應，反映了生命周期中財富積累的分化趨勢。教育回報率的異質性更為突出，研究生教育對高端財富差距的影響遠超其對中端和低端差距的影響，這種教育溢價的累進性不僅加劇了局部財富差距，也顯著提高了總體財富基尼系數，凸顯了我國當前教育資源分配不均在財富分化中的關鍵作用，假設一得到驗證。

表7無條件分位數回歸結果

注：*、**、**分別表示在 10% 5% 1% 水平上顯著，括號內為標準誤。下同

收入結構在不同層次的財富差距中表現遞進特征[36]。其中財產收入對我國財富基尼系數的影響最大，經營收入的影響次之；工薪收入和轉移收入對財富不平等的影響程度則相對較小。在不同分位家庭之間，各類收人來源對高端財富差距的影響最為顯著，而對中端和低端差距的影響逐步減弱。這種特點與我國房地產快速發展導致財富不平等迅速擴大的背景相吻合[2]，假設二得到驗證。

家庭金融素質能夠顯著提升家庭財富的基尼系數，而這種影響主要體現在高端差距上，結合基準模型中高凈值家庭擁有更強的財富累積能力的特點，我國頂層財富家庭能夠通過自身的金融素質實現財富的快速增值，這加劇了財富分配的惡化[30]。風險態度主要影響高端財富差距，而對中低端差距影響不顯著，說明風險管理能力可能是高凈值人群獲得超額財富回報的重要渠道。此外，創業行為和家庭杠桿率僅對中低端差距有顯著影響。假設三得到驗證。

城鄉二元結構對各層次財富差距均產生顯著的負向影響，說明我國農村財富不平等程度要低于城鎮。地區發展差異也呈現類似特征，東部地區的不平等程度要低于中西部地區。

（二）內生性分析

根據已有文獻[37，41]研究，金融素質變量與家庭財富之間存在互為因果的關系，即財富較多的家庭有更多資源去提升金融素質，而金融素質高的家庭又可能積累更多財富。本文借鑒現有研究的做法[29-30，40]，選取CHFS2019 問卷金融知識板塊中“家庭對于經濟、金融知識的了解程度”這一問題構建家庭金融素質的工具變量，并采取兩階段最小二乘法回歸（2SLS）對模型內生性進行處理。

表8報告了兩階段最小二乘法的回歸結果，列（1）結果顯示，本文選取的工具變量與金融素質呈現顯著正相關關系；列（2）表明，在控制了潛在的內生性問題后，各解釋變量的影響方向和顯著性與基準回歸基本保持一致，回歸結果依舊穩健。繼續分析變量 f_z 的系數，基準模型中金融素質對家庭財富不平等的影響被低估。

（三）穩健性分析

表8內生性問題解決

本文采取更換財富不平等衡量指標、替換被解釋變量、樣本縮尾、更換樣本年限等方法對模型穩健

性進行檢驗，具體為：將90分位家庭與10分位家庭的財富差距作為替代基尼系數的財富不平等衡量指標;將家庭房產凈值作為替代家庭財產凈值的被解釋變量進行回歸;對家庭凈財富進行雙側縮尾處理，排除樣本雙側 5% 極值后進行回歸;使用2017年樣本數據進行回歸。回歸結果見表9。

表9穩健性檢驗結果

1.替換財富不平等指標

如表9所示，列（1）為使用90分位與10分位家庭凈財富差距（P90～P10）替代基尼系數作為整體財富不平等度量指標的回歸結果，其中核心解釋變量如戶主年齡、教育水平、各項收入來源以及金融素質等變量對家庭總體財富差距均有顯著正向影響，這與表7列（1）基準模型的結果高度一致。與表7列（2）至列（4）不同層級的家庭財富差距相比，總體樣本家庭分位距模型中的各項系數要分別大于高、中、低端差距模型的回歸系數，這一點與經驗事實相符，說明基準模型回歸結果穩健。

2.替換被解釋變量

我國家庭凈財富構成來源的 70% 為房產凈值[4]，因此本文選取家庭房產凈值替代家庭財富凈值進行穩健性檢驗。表9列（2）是以家庭房產凈值基尼系數為被解釋變量的回歸結果。結果顯示各核心解釋變量對家庭凈房產價值的影響方向和顯著性均與基準模型基本保持一致，本文選取的財富不平等解釋變量對家庭主要資產類型的影響依然穩健。

3.雙側縮尾檢驗

為排除異常值可能帶來的干擾，本文對樣本進行雙側 5% 的縮尾處理。表9列（3）的回歸結果顯示，在剔除極值后，各變量的回歸系數與基準模型相比整體略有縮小，樣本極值一定程度上放大了各變量對家庭財富不平等的影響，但主要變量的系數符號和顯著性與基準模型完全保持了一致，這表明基準模型的研究結論不受極端樣本值的影響，具有較強穩健性。

4.替換回歸樣本年份

表9列（4）為CHFS2017年數據進行回歸的結果，盡管有效樣本量較2019年數據集有所減少，但回歸結果仍然穩健。其中高等教育水平、收入結構和金融素質等關鍵變量的影響方向和顯著性與基準模型基本一致，這說明基準模型的結果具有跨期穩健性，不會因為特定年份樣本選擇而對實證結果造成劇烈波動。

（四）異質性分析

表10城鄉異質性檢驗結果

1.城鄉異質性分析

接下來本文將總體樣本分為城鎮樣本和農村樣本兩部分進行異質性分析如表10所示。年齡效應在城鎮樣本中表現更為顯著，兩類樣本模型均呈現顯著的倒“U\"型特征。教育回報率對城鄉財富不平等的影響較為突出，城鎮樣本中教育水平對財富不平等的影響隨學歷提升呈現明顯的遞增態勢，而農村樣本中僅大學教育顯著正向影響財富不平等，研究生教育則會對財富差距起到縮小作用。家庭規模僅在農村樣本中顯著正向影響財富不平等。

不同收入來源對財富不平等的影響也呈現顯著的城鄉分化。工薪收入對城鎮財富不平等的影響顯著高于農村，反映了就業機會方面的城鄉差距。經營收入在城鎮樣本中對不平等的影響系數略高于農村樣本。城鎮家庭的財產性收人對財富差距起到的擴大效應要遠大于農村，這是由城鎮地區房地產發展造成的。而轉移性收人的相關系數僅在城鎮樣本中顯著。家庭金融素質在城鎮樣本中的回歸系數顯著為正，遠大于農村樣本的回歸系數，說明城鎮樣本中金融素質對財富差距的影響要大于農村。創業行為在兩類樣本模型中的系數大小相當，創業對城鎮和農村的財富不平等都保持正向擴大的作用。而風險態度和財務杠桿率兩個變量均只在城鎮樣本中顯著。以上反映了金融市場的發展在城鄉間存在嚴重不平衡的特點，并進一步加劇了城鄉財富不平等。地區發展差異對城鎮財富不平等的負向影響顯著強于農村樣本，說明中西部地區相對東部地區而言，城鎮內部家庭財富不平等的現象更為突出。

2.地區異質性分析

在城鄉異質性分析的基礎上，本文進一步將總體樣本分為東、中、西部地區三個部分，來對地區異質性進行分析，結果如表11所示。年齡對財富不平等的影響在所有地區均呈現顯著的倒“U\"型特征，但影響程度存在區別。教育回報在區域間表現明顯的梯度差異，東部地區教育對財富不平等的影響最為顯著，其中大學教育和研究生教育的系數顯著高于中部和西部地區。這種東強西弱的教育溢價效應，可能是東部地區良好的經濟環境和就業機會對高學歷人才的虹吸效應導致的。

收入來源的影響同樣存在顯著的區域分化。非工資性收入的影響呈現出由東向西遞增的特征，西部地區財產收入的系數要遠大于東部和中部地區，經營收入對財富差距的影響小于財產收入，但在區域分化特點上與前者保持一致，這種異質性反映了在欠發達地區財產收入和經營收人對家庭財富不平等的影響更為顯著。而工薪收入的影響系數要遠低于財產收入和經營收入，并表現較小的區域差異。轉移性收入僅對東部地區樣本存在顯著正向影響。

金融素質對財富差距的影響均顯著為正，其中東部地區系數遠高于中西部地區，說明在金融市場更為發達的東部地區，家庭金融素質對財富不平等的作用更為明顯。家庭杠桿率的影響也存在區域差異，在東部和中部地區均表現為倒“U”型關系，而在西部地區的影響不顯著。創業活動對財富不平等的正向影響在中部和東部家庭中較大，在西部地區影響相對較小。以上幾點差異可能源于不同區域之間創業環境、金融市場發展水平存在異質性。城鄉財富差距由東向西遞增，表明中西部地區的城鄉財富分配問題更為突出。

六、研究結論和政策建議

本文基于CHFS2019微觀調查數據分析了中國家庭財富不平等的形成機制。研究發現，戶主教育水平、收人結構以及金融市場參與水平是導致財富不平等的主要因素。具體來看，戶主受教育程度的提高顯著擴大了財富差距，這種作用在高端財富差距中更加顯著，說明高凈值家庭的教育回報率要遠高于其他家庭。從收入結構來看，盡管工薪收入是大多數家庭收入的主要來源，但財產性收人和經營性收人對家庭財富不平等造成的邊際效應更大，這種結構性特征導致了財富分配的\"馬太效應\"。家庭參與市場的行為，如負債決策、創業選擇以及金融素質水平，都顯著加劇了財富不平等程度。以上一系列要素的影響在城鄉和地區之間存在顯著異質性，其中城鎮內部的財富不平等程度要遠大于農村，中西部地區家庭的財富差距要大于東部地區家庭。

表11地區異質性檢驗結果

基于以上研究結論，本文給出以下幾點政策建議：第一，推進教育公平，加大農村地區教育投入，改善教學設施和環境，建立城鄉教師交流機制，提高農村教師待遇，完善職業教育體系，設立專項獎學金和助學貸款，降低貧困家庭教育成本，建立產教融合機制，提升職業教育與就業的匹配度;第二，優化收入分配結構，提高勞動報酬在初次分配中的比重，規范資本性收入獲取機制，健全社會保障體系，完善養老、醫療、失業等保險制度，建立統一規范的轉移支付制度，加大對低收人群體的轉移支付力度；第三，規范房地產市場的發展，完善房地產市場監測預警系統，建立差別化住房信貸政策，加大保障性住房供給，規范房地產開發和交易行為，防止房產價格在短期內出現劇烈波動;第四，針對性設計累進財產稅方案，如對多套房產、金融資產收益設置階梯稅率，試點遺產稅與慈善捐贈抵扣政策;第五，大力發展普惠金融，提升農村地區和中西部地區金融服務的可獲取性，強化普惠金融創新，通過“教育 + 金融\"模式提升低收入家庭理財能力；第六，統籌區域協調發展，深化城鄉融合，促進要素自由流動，提出跨省稅收共享機制，引導沿海資本通過產業轉移支持中西部特色產業發展。以上政策措施將有助于規范財富積累機制，縮小財富差距，促進共同富裕目標的實現。

［參考文獻］

[1]ZHANGZY，LANS，LIUFL.The Evolutionof Wealth InequalityinChina[J].Sustainability，2024，16（13）：5755.［2］傅東平，蘇曉.住房價格不平衡對我國財富分布格局的影響研究[J].當代財經，2023（8）：17-29.

[3]劉窮志，任靜，郭汝婷.中國家庭聯合收入財富不平等測度研究[J].經濟與管理評論，2024，40（4）：31-43.

[4］楊燦明，孫群力.中國居民財富分布及差距分解——基于中國居民收人與財富調查的數據分析[J].財政研究，2019（3）：3-13.

[5］孫三百，張青萍，李冉.中國財富機會不平等的測度與源泉識別——兼論共同富裕的路徑選擇[J]．金融研究，2023（11）：97-114.

[6]楊燦明.社會主義收入分配理論[J].經濟研究，2022，57（3）：4-9.

[7]楊燦明.規范財富積累機制應重點把握七大關系[J].中南財經政法大學學報，2023（1）：3-9.

[8］龐鳳喜，李欣.規范財富積累機制與稅收政策工具作用空間分析[J].地方財政研究，2023（12）： 46-53+69

[9］張克中，馬婷鈺.規范財富積累機制的稅收政策探析[J].稅務研究，2024（1）：37-41.

[10].岳希明，胡一凡.規范財富積累機制：現狀、途徑與對策[J].國際稅收，2023（1）：10-22.

[11]李實.規范收入分配秩序和財富積累機制[J].勞動經濟研究，2024，12（6）：9-12.

[12]李實.共同富裕的目標和實現路徑選擇[J].經濟研究，2021，56（11）：4-13.

[13]李實，朱夢冰.推進收入分配制度改革促進共同富裕實現[J].管理世界，2022，38（1）：52-61.

[14]PIKETY，YANGL，ZUCMANG.CapitalAcumuation，rivateProperty，andRisingIequalityinChina，1978-2015[J].A-mericanEconomicReview，2019，109（7）：2469-2496.

[15］李家山，易行健，何啟志.中國居民財富不平等的測算修正、異質性與驅動機制[J].財政研究，2021（12）：17-33.[16］孫三百，張青萍，李冉，等.中國地區收人與凈財富不平等的演變路徑識別[J].地理學報，2022，77（6）：1411-1429.[17］羅楚亮，陳國強.富豪榜與居民財產不平等估算修正[J].經濟學（季刊），2021，21（1）：201-222.

[18]AIYAGARISR.UninsuredIdiosyncraticRiskandAggregateSavingJ].TheQuarterlyJoumalofEconomics，1994，09（3）：659-684.

[19]QUADRINIV，RfOS-RULLJV.UnderstandingtheU.S.Distributionof Wealth[J].QuarterlyReview，1997，21（Sqr）：2-36.[20]HUBMERJ，KRUSELLP，SMHAAJr.SourcesofUSWealth Inequality：Past，Present，andFuture[J].NBERMacrocooicsAnnual2020，2021，35（1）：391-455.

[21]DE NARDIM，FELLAG.Saving and Wealth Inequality[J].Reviewof Economic Dynamics，2017，26：280-300.

[22]郭杰，陶凌峰.基于異質性資產回報率的中國財富不平等研究[J].經濟研究，2022，57（4）：154-171.

[23]杜兩省，程博文.金融摩擦、收入風險與財富不平等[J].金融研究，2020（7）：75-94.

[24]詹鵬，吳珊珊.我國遺產繼承與財產不平等分析[J].經濟評論，2015（4）：82-95.

[25］葛永波，翟坤，趙國慶.機會不平等如何影響家庭財富不平等——來自CHFS數據的經驗分析[J].東岳論叢，2021，42（5）：23-32.

[26]羅楚亮.收入增長、收入波動與城鎮居民財產積累[J].統計研究，2012，29（2）：34-41.

[27]周慧珺.風險態度與家庭財富水平[J].中央財經大學學報，2020（5）：65-79.

[28]吳衛星，邵旭方，陶利斌.家庭財富不平等會自我放大嗎？——基于家庭財務杠桿的分析[J].管理世界，2016（9）：44-54.

[29］王亞柯，邵驕陽，楊建海.金融素養、家庭資產配置與財富積累[J].南開經濟研究，2024（6）：167-184.

[30］尹志超，張號棟.金融知識和中國家庭財富差距——來自CHFS 數據的證據[J].國際金融研究，2017（10）：76-86.

[31］陳彥斌，邱哲圣.高房價如何影響居民儲蓄率和財產不平等[J].經濟研究，2011，46（10）：25-38.

[32]陳彥斌，霍震，陳軍.災難風險與中國城鎮居民財產分布[J].經濟研究，2009，44（11）：144-158.

[33］黃平，李奇澤.經濟全球化、金融資源占有與居民財富不平等[J].國外社會科學，2020（3）：44-59.

[34]SAEZE，ZUCMANG.WealthInequaltintheUnitedStatessince1913：EvidencefromCapitalizedIncomeTaxData[J].TheQuartrlyJournal of Economics，2016，131（2）：519-578.

[35]GARBINIB，GOUPILLE-LEBRETJ，PKETYT.AcountingforWealth-inequalityDynamics；ethods，Estimates，andSiula-tions for France[J]. Journal of the European Economic Association，2021，19（1）：620-663.

[36］柳建坤，何曉斌.中國家庭財富不平等的趨勢、來源與驅動機制（2010—2020）[J].社會學研究，2024，39（4）：158-180.

[37]羅娟，胡世麟，李澄川.金融知識與家庭投資型金融排斥——基于CHFS 數據的實證研究[J].金融與經濟，2020（10）：16-24.

[38］董麗霞.中國家庭財富不平等狀況、形成機制及對策[J].當代經濟研究，2023（4）：115-128.

[39］賈立，袁濤，鄧國營．金融素養能降低家庭債務負擔嗎——基于CHFS 數據的實證研究［J].廣東財經大學學報，2020，35（3）：98-112.

[40］羅文穎，梁建英.金融素養與家庭風險資產投資決策——基于CHFS 2017年數據的實證研究[J].金融理論與實踐，2020（11）：45-56.

[41］賈憲軍.金融知識如何影響家庭參與理財市場？——基于CHFS數據的實證分析[J].經濟經緯，2020，37（4）：159-167.

[42]FIRPOS，FORTINNM，LEMIEUXT.Unconditional QuantileRegresions[J].Econometrica，2009，77（3）：953-973.

[43]羅楚亮.城鎮居民工資不平等的變化：1995—2013年[J].世界經濟，2018，41（11）：25-48.

[44］王文濤，曹丹丹.市場化進程、教育同質性婚配與家庭收入差距[J].經濟學動態，2019（2）：78-90.

[45］劉任，眭鑫，王文濤.互聯網使用對農戶收入差距影響研究——基于CGSS 數據的實證分析[J].重慶大學學報（社會科學版），2022，28（6）：79-95.

（責任編輯余敏）

著作權使用聲明

本刊已許可中國知網、萬方數據庫、中文科技期刊數據庫（重慶維普）以數字化方式復制、匯編、發行、信息網絡傳播本刊全文。本刊支付的稿酬已包含各數據庫著作權使用費，所有署名作者向本刊提交文章發表之行為視為同意上述聲明。如有異議，請在投稿時說明，本刊將按作者說明處理。

《東南大學學報（哲學社會科學版）》編輯部