机会公平视角的共同富裕——来自低收入群体的实证研究_史新杰.pdf

机会公平视角的共同富裕*来自低收入群体的实证研究史新杰李实陈天之方师乐内容提要:共同富裕是社会主义的本质要求，而机会不平等是实现全体人民共同富裕的主要障碍之一。本文利用 CHIP 2018 年的最新数据，通过引入机会不平等的分析框架并加以拓展，从学理上对机会的缺失如何影响低收入群体收入跃升进行系统分析。研究发现，个体是否陷入低收入陷阱很大程度上取决于个体出生即很难改变的机会因素。基于参数估计方法和机器学习方法，本文测算发现与个体低收入状态相关的机会不平等系数为 0.310(参数估计结果)至 0.336(机器学习结果)，这意味着超过 30%的低收入状态与机会因素差异有关。本文的渠道分析进一步解释了其中的传导机制，发现机会因素会通过影响个体教育和就业选择来影响低收入陷阱的发生。本文为如何从机会公平的视角认识共同富裕问题提供了重要依据。关键词:机会公平CHIP 2018共同富裕机器学习*史新杰，浙江大学中国农村发展研究院、公共管理学院，邮政编码:310058，电子信箱:xjshi1990 zju edu cn;李实(通讯作者)，浙江大学共享与发展研究院、公共管理学院，邮政编码:310058，电子信箱:lishi9 zju edu cn;陈天之，澳大利亚国立大学，邮政编码:2601，电子信箱:chtz1993 gmail com;方师乐，浙江工商大学经济学院，邮政编码:310018，电子信箱:fangshile zjgsuedu cn。本研究得到国家自然科学基金项目(72003170，71803031)、国家社会科学基金重大项目(18ZDA080，21ZD091)和中央高校基本科研业务费专项资金资助。作者感谢匿名审稿人的宝贵意见，文责自负。一、引言贫困是全球性的发展议题，中国曾经的贫困人口基数庞大，1978 年贫困发生率达到 97.5%。但是经过 40 多年的改革开放，中国在实现经济飞速发展的同时，绝对贫困人口数量也大幅减少，成为世界范围内减贫的主要推动力(汪三贵和胡骏，2020)。随着 2020 年习近平总书记在全国脱贫攻坚总结表彰大会上宣布“我国脱贫攻坚战取得了全面胜利”，党的十九届五中全会进一步强调要“扎实推动共同富裕”，并将“全体人民共同富裕取得更为明显的实质性进展”作为 2035 年基本实现社会主义现代化的重要目标之一。目前针对共同富裕问题的相关研究主要着眼于理论层面，重点关注两个问题:第一，共同富裕的内涵和度量方法。学界对于其内涵基本达成两个共识，首先，共同富裕应该包括“共享与发展”两个维度，一方面要继续发展，做大“蛋糕”，即通过经济社会高质量发展，达到更高层次的总体富裕;另一方面要实现更大程度的共享，分好“蛋糕”，包括发展成果的共享，发展机会的共享，各种公共服务的共享等(李实和朱梦冰，2022)。其次，共享并不是一味的均等，共同富裕应该是普遍富裕基础上的差别富裕，不是均等富裕、同步富裕(李实，2021;陈丽君等，2021;刘培林等，2021)。基于这两个维度，万海远和陈基平(2021)设计了一套具体的量化方法;而陈丽君等(2021)则增加了对于收入之外的其他指标的度量。第二，共同富裕实现路径。目前对于这个问题的认识，主要都是基于收入分配制度的讨论展开(刘国光，2011;万广华和吴万宗，2019;李实和朱梦冰，2022)，其中低992022 年第 9 期收入群体的收入跃升是关注的重点，比如厉以宁(2002)和李实(2021)等都认为提高低收入者收入水平是实现共同富裕的重要路径。由此可见，要实现更高质量的发展(即进一步做大“蛋糕”)，如何激发低收入群体的内在潜力促进其收入提升是一个重要路径;而要实现共享(分好“蛋糕”)，如何通过制度设计让低收入群体拥有更加公平的发展机会是一个重要维度。基于此，本文以低收入群体收入跃升作为切入点，从机会公平的视角来探讨共同富裕中的一个关键问题:个体陷入低收入状态是否以及在多大程度上受到“机会”(那些出生即决定，在一定程度上个体无法掌控的因素)差异的影响。本文可能的边际贡献体现在以下两点:第一，从研究视角来看，已有关于共同富裕的文献大多认为提高低入者收入水平是实现共同富裕的重要路径，但鲜有研究进一步分析如何提高低收入者收入水平。范从来(2017)提出的“益贫式增长”认为机会平等是关键，实现共同富裕要关注机会平等，强调经济增长给穷人带来的收入增长率要大于平均增长率。但对于什么是机会(不)平等，机会差异在多大程度上会影响低收入者收入水平和共同富裕的实现等问题还鲜有关注。本文在这些理论基础上，进一步从实证层面揭示要实现低收入群体收入跃升，机会均等是一个重要前提。本文发现，机会缺失是个体陷入低收入陷阱的根源之一，超过 30%的低收入状态与机会因素差异有关。由此本文认为，机会均等是共同富裕的一个重要内涵，是衡量“共享”的一个重要维度，是在长期范围内从根本上实现共同富裕的重要挑战。除了关注收入的总体不平等(基尼系数)，更应该关注收入的机会不平等。本文的相关实证研究为如何通过机会公平政策促进实现共同富裕提供了科学证据，也是对现有文献的有力补充。第二，从研究方法上来看，本文在机会不平等的测算框架上做了一些拓展，探讨了当结果变量为二元变量时如何利用参数估计和机器学习等方法进行测度，在已有文献基础上系统地比较了不同方法的有效性，以及不同维度结果变量(二元变量和连续变量)的差异性，丰富了机会不平等领域相关研究的工具体系。对二元结果变量进行机会不平等测度在国内文献中讨论还很少，但是在数据相对有限的情况下其应用前景非常广泛。本文同时引入了机器学习方法，该方法的分析对象与参数估计相同，基于机会变量将个体划分为若干组别，进而估计出结果变量(本文为低收入状态)的反事实分布，从而计算机会不平等系数。不同之处在于机器学习方法可以基于算法来进行决策，从而选择最优的机会变量和类别划分方式，在一定程度上能够解决遗漏机会(环境)变量的问题，并且缓解机会变量之间的相互关系可能影响模型估计的问题。从经济学意义来看，机器学习侧重于预测效果的准确性，利用机器学习方法来估计机会不平等系数在一定程度上可以减少上述两种偏误，同时对于将因果关系的探讨纳入机会不平等分析框架具有一定的启示意义。但是基于回归的参数估计方法也具有一些比较优势，除了计算过程较为简便外，还可以进一步进行渠道分析。不少研究指出，在经济学分析中应该根据具体问题尝试将机器学习和计量方法结合使用(黄乃静和于明哲，2018;王芳等，2020)。本文综合使用两种方法进行对比分析，提供了一个较好的研究范式。本文的探索也从侧面反映了在经济学研究中应该警惕“唯定量倾向”和“唯方法论”，而是要扎根中国经济学研究体系，以问题为导向选择合适的方法。下文安排如下:第二部分回顾了机会不平等的相关研究，厘清机会不平等的定义，并从学理上分析了机会因素可能对经济社会结果产生影响的渠道;第三部分进一步介绍低收入群体机会不平等的测算方法，包括如何基于相关机会因素，运用参数估计和机器学习方法测算机会不平等系数以及如何从实证上分析机会不平等的传递渠道;第四部分为数据和描述性统计;第五部分展示了相应的实证结果并进行了延伸探讨;最后一部分总结全文并提出相应的政策启示。001史新杰等:机会公平视角的共同富裕 破除“唯定量倾向”为构建中国特色经济学而共同努力 经济研究 关于稿件写作要求的几点说明 ，经济研究 第4 期封底。二、文献回顾(一)机会不平等:概念与应用机会不平等的概念最早在哲学领域开始被关注，oemer(1998)将其正式引入经济学分析范式中。他将影响个人经济结果(比如收入)的因素分为两大类:一类是个人的“努力”(选择)，诸如一个人付出多少精力在工作和学习上，这类因素是个人可以控制的，由此造成的收入不平等被称为“努力不平等”;另一类因素是从出生就无法掌控的“环境”因素，诸如性别、家庭背景和出生地等，由此造成的收入不平等则被称为“机会不平等”。后者更多地成为政策关注的焦点。值得注意的是，这里所提及的“机会”与一般意义上所认为的“机会”有所差异，前者更多地是指“机会因素”，而后者更多地是指由这些“机会因素”导致的“机会事实”，比如受教育机会、获得高收入的机会等。由此可以衍生出两类计算机会不平等系数的方法:一类是事前法，主要基于机会因素的信息进行测度;另一类是事后法，需要借助相关努力因素的信息来进行测度，目前大部分的文献主要以事前法测度为主。在事前法的框架下，又可以使用参数估计和非参数测度，其中参数估计是目前文献中主要使用的方法。典型的研究如 Bourguignon et al(2007)通过估计收入关于机会和努力变量的方程，基于 5 个机会变量的反事实收入分布，计算了巴西的收入机会不平等。基于以上概念界定和方法，目前国际上已经有大量相关研究，这些研究几乎涉及到全球的大部分地区，既包括发展中国家，也包括大部分发达国家。从研究的焦点来看，主要涉及收入和消费、教育以及健康三方面，其中以收入和消费机会不平等的研究最多。目前关于中国机会不平等的研究相对较少，但是近年来关注不断增多。从国际文献来看，只有少数论文有所涉及，主要集中在收入和消费领域。与 Golley et al(2019)和 Zhang Eriksson(2010)关注收入领域不同，Shi(2019)使用中国综合社会调查数据(CGSS)利用参数估计方法探讨了中国能源消费的机会不平等。另外，Golley Kong(2018)使用中国家庭追踪数据(CFPS)，讨论教育的机会不平等问题，研究发现机会差异也会显著影响个体受教育水平。从国内文献来看，也有相关研究开始使用经济学框架探讨中国收入分配中的机会不平等问题。比如江求川等(2014)较早对城市居民的机会不平等进行了探讨，刘波等(2015)较早对中国整体机会不平等进行了测算，陈东和黄旭锋(2015)从代际转移视角分析了机会不平等在多大程度上影响了收入不平等。最新的测算包括宋扬(2017)以及李莹和吕光明(2019)等。其中有两篇文章具有代表性，龚锋等(2017)探讨了努力的差异如何影响中国机会不平等的估计，发现当全体居民的努力提高之后，由外部环境差异导致的收入分配机会不平等显著降低;史新杰等(2018)利用 CGSS 数据系统估算了中国目前的机会不平等系数，发现系数为 35.7%，其中年轻个体面临的机会不平等小于年老个体，农村地区高于城市地区。其次，除少数研究外(刘波等，2020)，国内文献对于教育和健康机会不平等系数的测算还缺少关注。(二)机会因素及其传递渠道目前已有较多文献关注贫困或者低收入人群问题(沈扬扬等，2018;陈宗胜等，2013;章元等，2013)，但较少探讨“机会因素”在其中的重要作用，也鲜有研究厘清“机会因素”如何通过人力资本的传导进而导致个体陷入低收入状态。要分析这一问题，需要基于相关文献，结合中国研究的情境，明确哪些机会因素是重要的。首先，户口是重点需要考虑的“机会因素”之一。较多文献探讨了户口对个体收入可能产生的影响，比如吴晓刚和张卓妮(2014)比较了农民工和城镇职工的同工不同酬现象，发现农民工收入偏低的主要原因在于以户口为基础的职业隔离，而非劳动力市场中的直接歧视。郑冰岛和吴晓刚1012022 年第 9 期(2013)则划分了两种户口流动方式，即高度选择性的流动(比如城市升学、就业等)和政策安置性的流动(比如土地征用)，发现非农户口对前者的收入效应远远大于后者。这说明了户口一定程度上作为一种机会因素，与个体的收入状态息息相关。在史新杰等(2018)、李莹和吕光明(2019)、宋扬(2017)等研究中，也大多将户口作为影响结果差异的重要机会因素。更为重要的是，户口的差异同样也会影响个体人力资本的积累，进而可能作为一个传导机制影响低收入状态。比如，胡安宁(2014)在研究教育对居民健康影响时发现由于户口隔离造成的城乡义务教育水平的差异导致了义务教育对农民居民的健康没有显著影响，而对于城市居民却有显著影响。这种异质性表明，尽管自 1986 年起我国就开始推行义务教育，但是农村居民需要更好的接