導(dǎo)語：中國農(nóng)村收入不平等：運用農(nóng)戶數(shù)據(jù)的回歸分解一文來源于網(wǎng)友上傳，不代表本站觀點，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

一、引言

圍繞中國農(nóng)村收入分配問題，在國內(nèi)外已有很多研究（Wan，2001）。他們指出，自20世紀(jì)70年代末以來，中國農(nóng)村收入分配不平等有不斷惡化的趨勢，這種趨勢將對中國經(jīng)濟和社會發(fā)展產(chǎn)生嚴(yán)重后果，并且如果這種收入分配不平等持續(xù)惡化，將影響社會和政治的穩(wěn)定。2003年，全國人大和政協(xié)兩次重大會議體現(xiàn)了對農(nóng)村收入和收入不平等問題的前所未有的關(guān)注，中國政府也將收入分配問題排在政府工作的首要位置。

在中國城鄉(xiāng)收入不平等趨勢不斷擴大問題上，人們已普遍達成共識。但是，這里不討論有關(guān)這些擴大的原因。一般來說，影響收入的變量也將決定收入的不平等。因此，經(jīng)濟理論和常識可以用來識別這些變量。換句話說，人們可以很容易地寫出一系列可能解釋收入差距的因素，例如不同的資源稟賦和政策偏好。然而，為了排列出政策的優(yōu)先次序，有必要從變量對整個不平等影響程度的角度將變量排序并解析這一不平等。收入不平等的分解方法一般都遵循Shorrocks（1980、1982、1984）和Bourguignon（1979）的理論。在這些理論構(gòu)架下，人們可以通過按人口分組或按要素分組來分解收入不平等，前者產(chǎn)生了所謂的“組內(nèi)因素”和“組間因素”，它用來調(diào)查例如城鄉(xiāng)收入差距、男女收入差距等問題（參照Shorrocks＆Wan，2005）。例如Kanbur＆Zhang（1999）發(fā)現(xiàn)，中國地區(qū)間收入不平等的70％～78％是由組間因素（城鎮(zhèn)和鄉(xiāng)村）決定的，其余部分由組內(nèi)因素決定。這種分解并沒有告訴人們哪些是這兩組因素中導(dǎo)致收入不平等的最基本的因素。而且，這一分析可能產(chǎn)生虛假結(jié)果。例如，分析性別造成的收入不平等可能夸大了性別的作用。婦女如果在進入勞動力市場前接受較少的教育就不易找到工作，這可能與工作場所的性別歧視關(guān)系不大，這一現(xiàn)象在很多發(fā)達國家普遍存在。同樣，如果其他個人屬性例如教育、年齡、職業(yè)等其他假定都一樣，大量種族間成分與膚色的關(guān)系就不大。顯然，必須限定其它因素來識別、衡量某一特定變量的作用。

分解影響收入不平等的因素要求知道所有收入來源的完備信息，要求用要素收入的總和來表示全體收入。除了難以得到所需的數(shù)據(jù)外，這種處理方法也不能起到用來量化收入不平等的基本決定因素的作用。例如，眾所周知，收入由教育、經(jīng)歷和其他個人或家庭的屬性來決定。這些基本決定因素影響全部的收入來源，包括工資、投資利潤和轉(zhuǎn)移收入。把全部收入不平等分解成與每個基本決定因素相關(guān)的組成部分，這將是有意義且有用的。然而，這種方法會導(dǎo)致把整個收入不平等僅僅歸結(jié)于收入來源而非基本決定因素。

在描述中國農(nóng)村收入不平等方面，目前的研究應(yīng)用了很多不同的方法，但這些研究只是系統(tǒng)性分析中國農(nóng)村收入不平等的基本決定因素的初步嘗試?；貧w分解方法之所以新穎，是由于它允許根據(jù)任一種不平等度量標(biāo)準(zhǔn)來排列這些決定因素。而且，本文使用了家庭水平數(shù)據(jù)，以補充基于總量數(shù)據(jù)文獻的不足。

在第二部分，本文就中國農(nóng)村收入不平等和數(shù)據(jù)來源做一個簡短的討論；第三部分描述回歸分解技術(shù)和收入函數(shù)；隨后的第四部分對分解結(jié)果和政策含義進行解釋；第五部分為結(jié)束語。

二、中國農(nóng)村收入不平等和數(shù)據(jù)來源

收入不平等可以從不同的總體水平來考察。從全國來看，省或地區(qū)（有時候為有代表性的縣）經(jīng)常被看作分析的對象。這是很多關(guān)于中國農(nóng)村收入不等的研究基礎(chǔ)。從總體看，人們發(fā)現(xiàn)收入差距很大。例如2002年，上海農(nóng)村人均純收入為6224元，與此同時，貴州農(nóng)村僅為1490元。如表1(略)所示，相對發(fā)達的東部農(nóng)村收入普遍較高，中部省份的農(nóng)村人均收入大多位于全國平均水平附近，而人均收入低于2000元的省份都位于中國西部。

多年來，中國地區(qū)間收入差距在擴大。1985年，最高的農(nóng)村人均純收入是最低的3.2倍。2002年，這一比率擴大到4.3倍。當(dāng)用人均收入水平指標(biāo)從高到低來排列省份時，多年來排序很少有變化，它表明，從全國和各個地區(qū)來看，中國經(jīng)濟持續(xù)增長，但收入水平并沒有同步增長。

收入不平等不僅存在于省際之間，而且存在于同一省份的不同村莊之間和同一個村莊內(nèi)的不同家庭之間。表2(略)記錄了2002年9個村莊之間的農(nóng)戶人均收入的分配情況。表2(略)的最后一行反映了云南省村莊1的人均純收入水平是同省村莊2的12倍。在湖北，村莊3中的65％的家庭人均純收入低于2000元，而村莊2僅有17％。廣東的村莊也明顯存在收入差距。后面的分析表明，村莊間的收入差距大約占總體不平等的40％。在農(nóng)戶水平上，差異甚至更大。在云南，2002年，村莊2占55％的農(nóng)戶的人均純收入低于500元，而廣東村莊1中超過80％的農(nóng)戶的人均純收入超過10000元，如此大的農(nóng)戶間收入差異表明中國農(nóng)村收入不平等的驚人程度。

中國迅速擴大的收入不平等現(xiàn)象已經(jīng)引起相當(dāng)多人的關(guān)注。其中，大多數(shù)文獻只提供了簡單的描述但沒有時間序列，他們中很多人使用代表變量，例如農(nóng)業(yè)產(chǎn)出（例如Howes＆Hussain，1994）、地區(qū)收入（例如Tsui，1991），甚至糧食產(chǎn)量（例如Lyons，1991），而不是個人收入。這些代表變量在中國可能不能充分代表生活水平（魏后凱等，1997）。Tsui（1991），Knight＆Song（1993），Chen＆Fleisher（1996）認識到了這些不足，明確呼吁使用人均收入數(shù)據(jù)來分析中國的收入不平等問題。

本文將使用家庭水平調(diào)查數(shù)據(jù)計算各種收入不平等指標(biāo)并分解收入不平等。數(shù)據(jù)來源于中國農(nóng)業(yè)部農(nóng)村經(jīng)濟研究中心（簡稱“農(nóng)研中心”）收集的數(shù)據(jù)。農(nóng)研中心的調(diào)查始于1986年，調(diào)查覆蓋的所有家庭都要記錄收入、費用和其他信息。農(nóng)研中心觀察點收集、審查、處理和報告信息。這些年，農(nóng)研中心的調(diào)查方法在不斷改進，1986～1990年調(diào)查的口徑是相同的（有312個變量），而1993年調(diào)查則擴大了（有394個變量），并且在1995年更進一步擴大（有439個變量）。為確保變量在時間上的一致性，本項研究使用1995～2002年的數(shù)據(jù)。

本文使用廣東、湖北、云南3個省的數(shù)據(jù)。廣東位于中國東南部，是中國最富裕的省份之一；湖北位于中國中部，處于平均水平；云南作為中國西部的典型，是個貧窮的省份。從每個省選出3個村莊代表不同的發(fā)展?fàn)顩r（參閱表2(略)）。雖然不能說這組數(shù)據(jù)能夠代表全國，但它們的確能夠涵蓋不同的地理——經(jīng)濟狀況，而且比只依靠一個省份數(shù)據(jù)的研究更有代表性。

三、回歸解析方法和收入函數(shù)

回歸解析方法是Oxaca（1973）20世紀(jì)70年代初提出的，但并沒引起人們足夠的重視，直到最近情況才有所改變（Juhnetal.，1993），Wan（2002）曾提出了關(guān)于這種技術(shù)的具體描述。有關(guān)這種技術(shù)的具體應(yīng)用可參閱Fields＆Yoo（2000），Morduch＆Sicular（2002），Heltberg＆Rasmus（2003），Zhang＆Zhang（2003），Wan（2004）的有關(guān)論文。

得到一個收入函數(shù)是進行回歸解析的第一步。在確定中國農(nóng)村的收入函數(shù)時，有關(guān)人力資本理論及生產(chǎn)理論必須被考慮進去。不像工資收入者，農(nóng)民除了依靠出賣勞動獲得收入外，土地和實物資本是他們必須依靠的。因此，農(nóng)業(yè)生產(chǎn)都應(yīng)當(dāng)有土地、勞動力和資本投入。按照人力資本理論，這里也應(yīng)包括技能變量例如教育、訓(xùn)練程度及經(jīng)驗（常由年齡代表）。為了和在發(fā)展問題文獻中被普遍接受的做法相一致，這里采用農(nóng)戶的受教育水平及年齡。

即使生產(chǎn)投入及人力資本是相同的，考慮那些可能改變收入的其它因素也是必要的。一個因素是農(nóng)戶所從事的商業(yè)活動的類型。農(nóng)研中心依據(jù)這些商業(yè)活動將農(nóng)戶分成10種不同的類型，包括種植業(yè)、林業(yè)、畜牧業(yè)、漁業(yè)、工業(yè)、建筑業(yè)、交通運輸業(yè)、零售業(yè)、食品業(yè)及其他服務(wù)業(yè)，最后還有不從事任何商業(yè)活動的。這些顯示了農(nóng)戶取得收入的主要部門。顯然，要表達來自不同商業(yè)活動的收入水平的差別，設(shè)定一系列虛擬變量是很必要的。這些虛擬變量合在一起將被當(dāng)作一個“行業(yè)指標(biāo)”。在中國，政府經(jīng)常從行政管理的角度強調(diào)糧食生產(chǎn)，是因為種植糧食的收益較低甚至收益為負。結(jié)果，僅僅因為一個農(nóng)戶種糧，另一個農(nóng)戶種植蔬菜或其他經(jīng)濟作物，兩個農(nóng)戶的收入就會不同，因此，種植結(jié)構(gòu)顯得至關(guān)重要，它通常被定義為糧食面積與總的種植面積之比。最后，考慮兩個具有相同數(shù)量資源的農(nóng)戶，其收入來源也可能不同，本研究把農(nóng)戶分為兩類：一類領(lǐng)取工資，另一類未領(lǐng)取工資。工資收入者的數(shù)量反映了城鎮(zhèn)化程度，將它包括在模型中能使人清楚城鎮(zhèn)化對中國農(nóng)村地區(qū)收入不平等的影響。在理想狀態(tài)下，城鎮(zhèn)化應(yīng)被定義在鄉(xiāng)鎮(zhèn)或縣及水平上，然而，在僅僅獲取了農(nóng)戶層面數(shù)據(jù)的情況下，這樣做是不可能的。

地理位置是決定收入的一個很重要的因素，因為它與諸如距離市場遠近、基礎(chǔ)設(shè)施、地域文化等一些非流動資源密切相關(guān)。數(shù)據(jù)的不可獲得性使得地理變量不能直接進入方程，然而，在實物和人力資本投入及其他要素既定的條件下，應(yīng)用村莊虛擬變量能夠反映地理和所在地的信息。應(yīng)當(dāng)指出，雖然模型中使用了村莊虛擬變量，但這里也沒必要使用固定效果模型（fixed—effectsmodel），因為家庭層次上的數(shù)據(jù)將被用來估計收入函數(shù)。最后，考慮到技術(shù)進步及改革的影響，年份虛擬變量也應(yīng)被考慮到函數(shù)中。

這樣，收入函數(shù)所包含的變量有：因變量是指收入（個人年純收入）和自變量。自變量如下（虛擬變量未列）：①資本：人均資本存量；②土地：人均可耕地面積；③勞動力：每戶勞動力數(shù)量；④工資收入者：家庭勞動力中工資收入者所占比例；⑤教育：戶主的受教育年限以及受教育年限的平方；⑥培訓(xùn)：家庭成員中接受過職業(yè)教育的人的比例；⑦年齡：戶主的年齡以及戶主年齡的平方；⑧糧食：糧食播種面積占總播種面積的比例。

標(biāo)準(zhǔn)Mincer模型規(guī)定了如何選擇參數(shù)，收入函數(shù)的公式為：

Ln（收入）＝f（土地，勞動力，資本，……虛擬變量）（1）

（1）式中，f代表線性函數(shù)關(guān)系。由于收入變量是符合正態(tài)分布的，本文使用了半對數(shù)模型（ShorrocksandWan，2004）。

很多技術(shù)可以用來模擬使用面板數(shù)據(jù)的模型，盡管如此，筆者發(fā)現(xiàn)Kmenta（1986）的迭代GLS方法可以用來很好地處理本研究所使用的數(shù)據(jù)，這種方法不僅可以得到不同家庭的異離中趨勢，也可以得到自相關(guān)數(shù)據(jù)。模型結(jié)果如表3(略)所示。

除了虛擬變量之外，所有的系數(shù)的正負號與預(yù)期的相同，而且絕大多數(shù)變量都在1％或5％的水平上顯著。特別是對變量年齡的平方和受教育年限的平方這兩個變量的負的符號的含義的理解是與標(biāo)準(zhǔn)的人力資本理論相吻合的。如所預(yù)測的糧食即，表示種植結(jié)構(gòu)的變量的符號為負，且是顯著的。

就收入函數(shù)而言，其他方法也可以用來解析總體收入不平等（Wan，2002）。需要注意的是，就原始收入變量而言，半對數(shù)模型顯示了一個非線性的收入函數(shù)，因此，Shorrocks（1999）的夏普里值分解（ShapleyvalueframeworkofShorrocks）方法就可以被接受。一旦原始收入代入半對數(shù)模型，常數(shù)項就變成了一個常數(shù)。一旦使用了相對不平等度量，就可以忽視不平等度量或其分解。這也適合于對年度虛擬變量的處理。可以用來分析年度虛擬變量，區(qū)分不同年度的收入產(chǎn)生函數(shù)的變量，只是在常數(shù)項上有所不同。夏普里值包含有相當(dāng)多的計算，具體可參見Shorrocks（1999）。

怎么處理殘差？不得不承認，很難分析殘值的影響。但是，如果模型只解釋了30％～40％的收入不平等總量，剩下的由殘值去解釋，那么，政策制定者將會被建議不要依靠分解的結(jié)果。在本研究中，對殘值的處理是根據(jù)Wan（2002，2004）的方法。在半對數(shù)收入函數(shù)中，殘值的影響程度可以很容易地由收入不平等總量與其它解釋變量影響程度之和的差得到。

四、分解結(jié)果與討論

表4(略)顯示了用不同的指標(biāo)所測算的收入不平等總量。變異系數(shù)（CV2）在1999年出現(xiàn)了一個小幅度的下降，而在2001年下降極為明顯。其它指數(shù)也在1998年和2001年出現(xiàn)了小幅度下降。但是，從總體上來講，所有指數(shù)都呈上升的趨勢。因為這些不平等值都是通過使用家庭數(shù)據(jù)得到的，其結(jié)果肯定比采用合計數(shù)據(jù)所得的結(jié)果大，采用省級或國家級的數(shù)據(jù)只能對省級或國家級的因素進行檢測，而表4(略)所包含的都是組內(nèi)因素（省內(nèi)、國內(nèi)、村內(nèi)）。

表5(略)列舉了四個不同年份的分解結(jié)果，收入不平等是由兩個指數(shù)計算的。正如本文所預(yù)料的那樣，不同的方法導(dǎo)致了不同的分解結(jié)果，這是因為不同的方法強調(diào)不同的社會福利功能并且對洛侖茲曲線的不同部分敏感程度不同。盡管如此，還是可以在表5(略)中得到較一致的結(jié)果，事實上，當(dāng)?shù)贸霾灰恢碌慕Y(jié)果時必須選擇其中一個方法去計量。由于其應(yīng)用的廣泛性，基尼系數(shù)將用于本文下面的討論之中。

從表5(略)可以看出，代表村莊虛擬變量的地理因素收入不平等總量中占有相當(dāng)?shù)谋戎?，這一發(fā)現(xiàn)表明，從短期或中期來看，地理因素并不能輕易改變。由于收入不平等總量隨著時間而增加，地理因素的影響顯示了下降的趨勢。即使如此，2002年，地理因素解釋了幾乎40％的收入不平等總量，比1995年降低了15個百分點。地理因素除了決定市場進入外，與自然要素對收入不平等的影響也有很大關(guān)系，例如，水和天氣狀況。自然資源對農(nóng)業(yè)生產(chǎn)活動至關(guān)重要，它們既不可交易，也無法消除。基礎(chǔ)設(shè)施建設(shè)可以提高貧困地區(qū)市場進入的能力，但也可以使富裕地區(qū)受益。因此，基礎(chǔ)設(shè)施建設(shè)的發(fā)展從總體而言對收入不平等的影響是很小的。毫無疑問，地理因素在導(dǎo)致農(nóng)村收入不平等中仍會扮演重要角色。這一發(fā)現(xiàn)可以被應(yīng)用于檢驗地區(qū)發(fā)展政策，例如西部大開發(fā)。順便說一下，過去所實行的收入再分配政策并沒有產(chǎn)生收入平等化效應(yīng)，收入轉(zhuǎn)移反而會導(dǎo)致收入不平等增加（Wan，2004）。

與地理因素的下降相比，資本投入越來越多地導(dǎo)致收入不平等。20世紀(jì)90年代，它所占的比重為2％～4％，可以忽略。但到了2000年，該比重增加到了16％～24％。事實上，最近幾年來，收入不平等的增加是由于資本投入的增加，這與中國農(nóng)村的現(xiàn)代化進程是一致的。由于農(nóng)業(yè)部門變得越來越資本密集型，以及資本分配越來越不平均，它在收入不平等總量中的增加是不可避免的。根據(jù)這一發(fā)現(xiàn)，政府應(yīng)優(yōu)先考慮農(nóng)村地區(qū)的信貸服務(wù)，更多地關(guān)注貧困人口。這類服務(wù)的提供對收入的增長和不平等的減少都有很重要的作用。有趣的是，把中國城市和農(nóng)村作為一個整體來看，資本投入在整個收入不平等中起著決定性的作用。

代表種植結(jié)構(gòu)的變量糧食，在收入不平等中也起圈套作用，1999～2002年，由這一因素導(dǎo)致的收入不平等基本占了收入不平等總量的10％。其所占比例大于勞動力投入、人力資本投入或城市化（從表3(略)和表5(略)的工資收入者變量得到）。從理論上來講，采取鼓勵糧食種植的政策將會有利于縮小收入差距。但從收入函數(shù)來看，本意是支持糧食種植者的政策可能會導(dǎo)致恰恰相反的結(jié)果。如果糧食成為一個收入均等化因素而不是收入不平等擴大化因素，這一符號的改變帶來的貧困的減少會非常顯著。例如，如果糧食導(dǎo)致的收入不平等量保持不變，只是其符號由正變?yōu)樨摚嵯禂?shù)就會下降0.1，這一下降的作用是十分巨大的。

另一個顯著的因素就是勞動力投入。因為人均勞動力投入影響了因變量，不難推測，貧困家庭都有一個較高的贍養(yǎng)率（或較低的人均勞動力投入），因此，收入水平較低。由這一因素所導(dǎo)致的收入不平等是暫時的，因為家庭大小和贍養(yǎng)率具有趨同的趨勢。因此，未來勞動力投入這一因素的作用將會降低。

土地是減少收入不平等的唯一因素。這是可以理解的，因為土地在欠發(fā)達國家被認為是更豐裕的，但大多數(shù)窮人都與種植業(yè)有關(guān)。不幸的是，其收入平等化的影響是可以忽略的。為了加強這種影響，政策制定者需要增加土地的收益，鼓勵土地在貧窮農(nóng)民之間流轉(zhuǎn)，從長遠來看，經(jīng)濟學(xué)家已經(jīng)在討論是否建立一個土地市場，以促進土地流轉(zhuǎn)。而事實上土地是集體所有的，不能隨意流轉(zhuǎn)，這是建立一個合適的土地市場的一大障礙。很多家庭也不愿意放棄土地，因為一旦出現(xiàn)經(jīng)濟或政治危機，土地就可以起到保障作用。將來就減輕收入不平等而言，增加土地的收益將會比加強土地的流轉(zhuǎn)更為有效。

從事不同行業(yè)的家庭存在著巨大的收入差距。部門虛擬變量導(dǎo)致的收入不平等占有很大比重，在農(nóng)業(yè)經(jīng)濟的不同行業(yè)，存在進入障礙以及資源配置障礙，這些障礙包括機構(gòu)障礙（例如，缺乏保證商業(yè)經(jīng)營透明度的法律框架）和經(jīng)濟障礙（例如，建立公司需要籌集資金）。

加上教育、年齡和培訓(xùn)，人力資本因素所導(dǎo)致的收入不平等占收入不平等總量的4％～5％，這一比例顯示了人力資本因素在收入產(chǎn)生中作用不明顯，以及人力資本在中國農(nóng)村的配置并不像預(yù)料中的那么不平衡。但是，隨著技術(shù)進步，人力資本在農(nóng)村經(jīng)濟發(fā)展中將會發(fā)揮越來越重要的作用。另外，在經(jīng)濟改革中，由國家支持的教育體系受到了一定沖擊，窮人與富人之間受教育的差別越來越大。因此，中國政府必須快速行動起來讓所有人都有機會接受教育，否則，在不遠的將來，教育將會成為導(dǎo)致收入不平等的一個主要動因。

從表5(略)可以看到，根據(jù)對基尼系數(shù)分解的結(jié)果，實證模型解釋了超過80％的收入不平等，但是，如果用其他不平等指數(shù)來分解，所有變量對收入不平等總量的解釋程度雖然小一些，但仍超過了60％。

五、小結(jié)公務(wù)員之家版權(quán)所有

本文結(jié)合最新的5horrocks（1999）的夏普里值方法和回歸解析技術(shù)去分析中國農(nóng)村的收入不平等問題。使用家庭水平數(shù)據(jù)是對現(xiàn)有研究的補充，時間序列數(shù)據(jù)允許人們?nèi)z測總的以及各個部分的收入不平等。通過研究發(fā)現(xiàn)，地理因素是導(dǎo)致收入不平等的最主要因素，而且將來也是如此。資本投入已成為影響中國農(nóng)村收入不平等的最重要因素。唯一的減少不平等的因素是土地，但它的影響是最小的。在導(dǎo)致總的收入不平等的各種因素中，種植結(jié)構(gòu)比勞動力及人力資本投入都更為關(guān)鍵。因此，中國政府應(yīng)努力改善農(nóng)村信貸服務(wù)，并且增加糧食種植收入，以減少收入不平等。教育對收入不平等的影響很小，但預(yù)計它的作用會有所增加?，F(xiàn)存勞動力享受著相對平等的受教育機會。由于近15年來不同地區(qū)教育的差距越來越大，農(nóng)村經(jīng)濟發(fā)展需要更多擁有技能的勞動力，教育對收入增加以及不平等減少的作用將會增加。