由于加入努力变量和环境变量的交互项后，收入决定方程的调整Ｒ2最大，因此我们重点分析表2第(2)、第(4)、第(6)、第(8)列。具体来看环境变量，父亲受教育程度或母亲受教育程度对子女收入有显著影响，Bjorklund和Salvanes(2011)等也得到相同结论。14岁时家庭地位对子女收入的影响基本上显著为正。这是因为，更高的社会经济地位能够为子女提供更优质的教育资源、更丰富的社交活动，这对子女知识积累以及身心成长更加有利。另外，男性比女性的收入更高，出生时为城镇户籍要比农业户籍的个体收入更高，年龄与个体收入呈显著的倒“U”型关系。在努力变量中，个体受教育程度对收入有显著的正向影响，这与史新杰等(2018)的发现相一致。在个体职业中，除了务农以外，其他职业收入均显著高于没有工作，并且企业家、自雇劳动者、雇员的收入依次递减。党员收入要比非党员高出至少20%以上，这可能是因为，党员身份会为其带来更多的资源与机会。同样，迁移人口收入要比非迁移人口平均高出至少20%，结果符合预期。

我们还发现，出生时户籍与个体受教育程度的交互项显著为负。这说明农村居民教育回报率高于城镇居民，同时也意味着城乡居民收入差距可以通过提高个体受教育程度而缩小。一个可能的解释是，对于农村居民而言，一方面，更好的教育能帮助其提升就业平台，获得收入更高的工作;另一方面，由于受户籍歧视，有同等教育背景的农村居民会更加珍惜自己的工作机会，因而更加努力，从而间接提升收入水平。当然，农村居民受教育程度相对较低，其边际回报率很可能相对较高。此外，性别与迁移的交互项多数显著为正，说明迁移人口的收入效应在男性中更明显，这也意味着迁移会扩大男女收入差距。这可能是因为，男性养家糊口的压力更大，迁移的机会成本也更高，所以迁移一般是在具有更大收入回报的前提下做出的选择。14岁时家庭地位与迁移的交互项基本上显著为负，表明儿时家庭地位越高，迁移对个体的影响越小，结论也与事实相符。因为通常对于家庭条件好的个体，即便选择留在本地，也同样可以获得相对优渥的生活以及更好的工作机会与收入待遇。

2.我国机会不均等的估算与分解结果

根据表2中第(2)、第(4)、第(6)、第(8)列的结果，采用基尼系数来衡量机会不均等绝对值，并进一步计算机会不均等相对量(见表3)。事实上，机会不均等相对量是我们更加关心的。如果收入差距更多是机会不均等造成的，较少是努力不同导致的，这更会带来社会摩擦。需要说明的是，虽然本文尽可能多地选取了影响个体收入的环境变量及努力变量，但一些不可观测的环境变量仍可能没有包括进来。因此，实际的机会不均等水平可能会比估算的更高。

首先，我们考察遗漏党员身份和迁移变量、环境与努力交互变量，以及残差项处理方式不同所带来的偏差与影响。按照李莹、吕光明(2016)的做法，我们选择与其相同的解释变量(受数据所限，没有加入社会资本与工作单位所有制)，计算我国机会不均等水平。可以得到，在剔除残差项、残差项全部归为环境和残差项全部归为努力三种情境下，2010年机会不均等程度分别达到43.28%、56.03%、33.58%，2012年分别为43.98%、53.99%、36.12%，2013年分别为53.18%、59.53%、45.97%，2015年分别为51.76%、58.12%、44.93%。而如果添加党员身份和迁移两个努力变量以及环境变量与努力变量的交互项，并将残差项当作运气和未知因素的代理，则机会不均等分解结果为:2010年下降至24.39%，2012年下降至28.04%，2013年下降至35.72%，2015年下降至30.56%。也就是说，如果不考虑以上因素，机会不均等可能会被高估至少8个百分点。