摘要：本文使用中国综合社会调查(CGSS)数据和基于回归方程的分解方法,将全国、城镇和农村地区的收入差距分解为源于环境因素的机会不均等、源于努力因素的收入不均等,以及源于运气和未知因素的收入不均等三大成分,研究结果如下。(1)2010—2015年,全国、城镇和农村机会不均等均经历了先上升后下降的过程,但出生时户籍的贡献度有上升趋势。(2)通过估算,2010年我国机会不均等为24.39%,2012年为28.04%,2013年达到峰值35.72%,2015年下降到30.56%,而如果不考虑党员身份、迁移两个努力变量以及环境变量与努力变量的交互影响,估算结果会被高估至少8个百分点;居住地、性别、出生时户籍是机会不均等的重要来源。(3)2010—2015年,农村机会不均等平均水平达到33.31%,高出城镇约8个百分点。其中,年龄与性别因素是导致农村机会不均等过高的原因,而居住地差异是城镇机会不均等的主要来源。基于此,本文建议从协调区域发展、完善就业公平竞争机制、加快户籍制度改革三个方面减缓机会不均等。

一、引言

众所周知，收入分配恶化是我国长期以来和今后都将面临的严峻挑战(汪晨等，2019;万广华，2013)，而尽管由基尼系数等指标度量的总体收入不均等在过去的10年左右出现了下降的趋势(万广华等，2018)。最新研究显示，收入分配恶化不仅影响内需，从而影响中国经济增长的可持续性，而且导致犯罪率上升(Li等，2019)并影响个体健康状况(Yao等，2019)。遗憾的是，大多数关于收入分配的国内外文献侧重于总体不均等的度量。一方面，现实中有些不均等不仅是有益的而且是无法避免的，如有些人通过自身努力取得了学业或生意上的成功，有些人则因为努力不够而只能过上普通人的生活，甚至陷入贫困。另一方面，有些不均等是必须消除和可以消除的，如户籍不同引起的歧视所导致的贫富差距。很显然，区分有益和有害的收入不均等在理论和现实中都具有重要的意义。

毋庸置疑，机会不均等是有害的，而努力因素导致的不均等是有益的。Ｒoemer(1998)将环境因素导致的收入不均等定义为“机会不均等”。自Ｒoemer(1998)的成果发表以来，不少学者致力于机会不均等的度量与分解(Bourguignon等，2007;Lefranc等，2008，2009;Checchi和Peragine，2010;Ferreira和Gignoux，2011;Singh，2012;Bjrklund等，2011)。同时，有关中国机会不均等的文献也在不断增加(Zhang和Eriksson，2010;江求川等，2014;雷欣等，2018)。

对机会不均等的估算与分解方法主要分为非参数法和参数法。非参数法将个体按照环境变量进行分组，得到各组的收入均值，然后利用不均等指标计算组内和组间不均等。组内收入不均等为努力不均等，组间收入不均等为机会不均等(Lefranc等，2008;Checchi和Peragine，2010)。参数法则是利用收入回归方程的估计结果构建反事实收入分布，具体方法包含以下三种。第一种方法以Ferreira和Gignoux(2011)、Marrero和Ｒodríguez(2012)为代表，将环境变量的观察值代入收入决定方程，得到新的预测收入并计算基尼系数，该系数与实际基尼系数之比为机会不均等。第二种方法以Bourguignon等(2007)为代表，将环境变量平均值以及残差项代入方程，构建消除环境影响后的“反事实”收入分布，以此代表努力的不均等成分。从总不均等中减去努力成分，并与总不均等相除，得到机会不均等的估算值。第三种方法基于Shapley值法对机会不均等进行估算(Bjorklund等，2011)。

在实证分析中，大多数研究采用参数法，但前两种参数法对机会不均等进行估算与分解时常常存在一些问题，如Zhang和Eriksson(2010)、宋扬(2017)基于第一种参数法，通过删除某个环境变量重新估计收入决定方程，得到该环境变量导致的机会不均等。但是，由于每次估计的收入决定方程解释变量不一样，模型系数的估算值也不同，所以得到的各环境变量的贡献度没有可比性和一致性。特别地，把这些贡献与其他因素的贡献加总，往往不等于总体不均等。而使用第二种参数法对机会不均等进行分解，又忽视了环境变量贡献的多轮效应，因而往往低估了机会不均等。

鉴于此，本文基于CGSS数据，采用Wan(2004)所创建的基于回归方程的贫富差距分解方法(Wan，2004;Wan和Zhou，2005)，将收入差距分解为源于环境因素的机会不均等、源于努力因素的收入不均等，以及源于运气和未知因素的收入不均等，并考虑党员身份、迁移以及环境与努力的交互效应。这种分解法的优势在于对回归方程的设定没有任何限制，可以包含高度非线性项，也可以包括任何形式的交互项。分解是基于独立的自变量个数进行的，无论自变量的转换或交叉形式是什么样的，都是将总的不均等分解为独立自变量的贡献(包括残差的贡献)，而且这些贡献加总为100%。研究结果如下。(1)2010—2015年，全国、城镇和农村机会不均等均经历了先上升后下降的过程，但出生时户籍的贡献度则有所上升。(2)2010年我国机会不均等为24.39%，2012年为28.04%，2013年达到35.72%，2015年又下降到30.56%，与不考虑两个努力变量(党员身份、迁移)以及环境变量和努力变量交互项的结果相比，机会不均等至少下降8个百分点。另外，居住地、性别、出生时户籍是机会不均等的重要来源。(3)2010—2015年，农村机会不均等远高于城镇，平均高出约8个百分点。

虽然国内也有研究基于Shapley值法对机会不均等进行分解，但是几乎所有文献都没有考虑努力变量(董丽霞，2018;史新杰等，2018)，而努力变量如个体受教育程度、工作经历等无疑是其收入的重要决定因素。遗漏努力变量显然会导致估算结果存在严重误差。据我们所知，在基于Shapley值法估计机会不均等的研究中，只有李莹和吕光明(2016)同时将环境与努力变量引入收入决定方程，明显提升了方程的解释力。但是，他们忽略了重要的努力变量，也没有在收入模型中加入努力变量和环境变量的交互项，而且没有将残差项放入分解框架。所以，本文的创新之处在于以下几个方面。第一，加入了迁移、党员身份两个至关重要的努力变量，这样会进一步减小估算偏误。Bourguignon等(2007)和史新杰等(2018)认为，迁移代表个体的努力水平，而迁移人口与非迁移人口的收入往往差别很大，所以遗漏此变量显然是错误的。另外，入党也是需要努力的，大量研究发现党员身份显著影响收入。简言之，在中国，忽视党员身份这个努力要素是难以接受的。第二，考虑了环境与努力的交互效应。个体努力是自由意志的体现，但家庭背景以及出生时户籍等环境变量显然影响努力的效果。反过来，个体努力在不同的环境下获得的回报也是不同的。例如，农村居民增加教育投入获得的收益与城镇居民做相同努力获得的收益显然有差别。所以，在收入决定方程中仅仅考虑环境与努力变量的独立影响还不够，有必要添加这些变量的交互项。第三，根据Lefranc等(2009)、Ｒoemer和Trannoy(2016)的研究，运气是除努力和环境变量之外重要的收入决定变量。本文使用残差项代表原生运气(如有人被征兵，有人没有;有人遭遇天灾人祸，有人没有)、选择性运气(如有人选择了学医，有人选择了学IT，这些不同的选择可能导致不同的结果)以及其他未知因素。

本文余下的内容安排如下:第二部分为文献综述，第三部分讨论机会不均等的测度方法与数据，第四部分对全国、城镇与农村机会不均等进行估算与分解，第五部分是结论及政策建义。

二、文献综述

(一)机会不均等概念的提出与发展

机会不均等概念的提出可以追溯到平等主义政治哲学。早期的福利平等理论基于功利主义思想，认为要根据个人偏好的不同进行资源的平等分配。但该理论无法解释如果一些人的偏好具有冒犯性或者需要付出很大代价才可满足的问题。于是，以Ｒawls(1971)、Dworkin(1981a，1981b)为代表的自由主义者提出了资源平等理论。Ｒawls(1971)关注的资源主要是“基本物品”(Primary Goods)。他从“结果平等”出发，提出在一个正义的社会中，应该通过社会的“补偿机制”使每个人平等地获得这些基本物品，包括社会基本物品(权利、自由、收入、财富等)和自然基本物品(智力、健康等)。与之不同，Dworkin(1981a，1981b)认为主观原因(努力、抱负等)导致的不平等是可以存在的，所以更加关注“起点平等”，并详细论述了如何运用嫉妒检验、拍卖以及保险市场实现非人格资源(能够转移的外在资源)与人格资源(天生的生理、精神等内在资源)的平等。之后，Sen(1980)对上述两种理论进行了修正，首次提出个体的可行能力理论，认为应该从关注“福利”与“资源”转向关注人们真实享有、实现功能性活动的自由。

20世纪80年代末，福利平等理论再次回到人们的视野。Arneson(1989)将“福利平等”修正为“福利的机会平等”，即每个个体应该面对与其他人等价的一组选项，可以根据自己的意愿选择得到某种福利。与Arneson(1989)的观点相同，Cohen(1989)试图纠正所有非选择的、先天不利条件导致的不均等，并提出“社会主义的机会平等”。在社会主义的机会平等下，人们之间的差异仅表现为不同的偏好。

受上述研究的启发，Ｒoemer(1993，1998)首次从经济学视角构建了机会均等的分析框架，认为影响个体经济结果的因素应该分为“环境”(不受个体控制，如性别、种族等)和“努力”(受个体控制，如受教育程度、职业等)两大部分，机会均等就是个体经济结果(收入、消费等)的分布独立于“环境”因素。之后，借鉴Ｒawls(1971)和Dworkin(1981a，1981b)的分析，Lefranc等(2009)以及Ｒoemer和Trannoy(2016)又提出应该将运气也纳入分析框架，运气包括社会背景运气(即环境因素)、遗传运气(如遗传基因)、原生运气(如有人被征兵，有人没有)以及选择性运气(如不同的人生道路选择可能导致不同的结果)。