陈晓东，黄晓凤 | 我国城镇居民收入分配机会不平等的生成机制分析：教育的传导作用究竟几何？

点击蓝字 关注我们

我国城镇居民收入分配机会不平等的生成机制分析：教育的传导作用究竟几何？

陈晓东，黄晓凤

(广东财经大学 经济学院， 广州 510320)

摘　要：收入分配机会不平等问题备受学界关注，本文从教育中介视角分析我国城镇居民收入分配机会不平等的生成机制。基于Roemer的机会平等理论分析框架及分位数回归方法，使用2013年中国家庭收入调查数据，研究结果表明：(1)我国城镇居民收入分配机会不平等的相对比重约为17.57%，该比重存在较为明显的年龄和性别异质性，且机会不平等在收入分布中具有“左尾”偏向性；(2)收入分配机会不平等通过教育传导的比例约为12.24%，在女性群体中这一比例更高，接近所有传导渠道总和的1/4，通过教育渠道对城镇居民收入分配差距的影响也存在明显的“左尾”偏向性；(3)在教育传导渠道中，教育数量和教育质量所占比重分别为71.60%和28.40%，且在较低收入群体中，教育质量因素所占比重相对更高。本文的政策含义如下：促进社会公平正义需以降低收入分配的机会不平等为目标导向，重要举措之一便是在提高教育回报率的同时降低居民教育获得的机会不平等程度。

关键词：机会不平等；传导渠道；教育数量；教育质量；分位数回归

01

问 题 提 出

在我国社会生产力快速发展、人民生活水平日益提高的同时，收入分配不公平问题仍较为突出。越来越多的学者意识到，收入分配问题的关键在于收入获得的机会不平等，而非收入不平等本身，因此，现有关于收入分配问题的研究焦点逐渐由收入不平等转向机会不平等。

Roemer(1998)将决定个体收入水平的因素分为环境因素(如社会制度、家庭背景、性别等)和其他因素(如个体努力程度等)两类，并将由环境因素引致的收入不平等定义为“机会不平等”^[1]。机会不平等通常有悖于社会公平正义原则，并被视为“不公平”的收入分配结果，而由其他因素引致的收入不平等则具有一定程度的合理性，因此，相对于收入不平等，机会不平等是衡量社会公平与否更为合理的指标^[2]。已有研究表明，机会不平等在我国收入不平等中所占比重较高^[3－5]，并对我国的社会公平感、企业家精神、经济效率等产生显著负向影响^[6－7]。

与此同时，教育作为人力资本的重要组成部分，其在社会分层中扮演重要角色。近年来，关于教育获得的机会不平等问题同样引起学界日益广泛的关注。有研究表明，巴西的教育机会不平等程度超过15%^[8]；而中国高等教育获得的机会不平等程度则更高^[9]。许多学者据此提出降低教育机会不平等的相关政策建议，但这些政策建议所基于的理论依据并非足够充分。原因在于，我们关注的重点并非教育机会不平等本身，而是由此造成的后果，即教育机会不平等会导致收入分配机会不平等。然而，教育在我国收入分配机会不平等中究竟起到何种程度的传导作用，目前针对该问题的相关研究十分鲜见。

众所周知，环境因素不会直接作用于个体收入水平，而是通过诸多中介渠道(如教育、价值观念、社会资本等)间接对收入产生影响。鉴于我国收入分配机会不平等和教育获得机会不平等并存且备受关注，而且教育与收入之间具有十分紧密的关联性，如下问题亟待研究：第一，我国城镇居民收入分配的机会不平等在多大程度上通过教育渠道进行传导？例如，靳振忠等(2019)基于CGSS2008调查数据的测度结果表明，我国高等教育获得的机会不平等程度高达78.58%^[9]①，但教育获得的机会不平等最终在多大程度上导致了收入分配机会不平等仍未可知，因而有必要将环境变量、教育水平变量和收入变量三者相结合，在统一的理论框架下测度收入分配机会不平等的教育传导比重。第二，该传导过程中教育数量和教育质量的作用孰轻孰重？自1999年高校扩招政策实施以来，我国居民获取高等教育的机会急速攀升，但与此同时，教育质量机会不平等问题日益成为民众热议的话题。以我国顶级高校清华大学为例，通过实施“国家专项计划”和“自强计划”，清华大学2019年新生中农村生源的比例上升至19.3%，高于2018年的17.9%，达到近年来的最高水平^②，但这种农村—城市“二八”开的现状仍然折射出“寒门难出贵子”的残酷现实。然而，这是否意味着在收入分配机会不平等的传导渠道中，教育质量比教育数量更加突出呢？第三，我国城镇居民收入分配机会不平等程度及其教育传导比例是否存在显著的收入分布非对称性？已有研究表明，在不同类型的群体中，环境因素对收入分配的影响存在显著差异，相对而言，“劣势”群体(如农村或父母教育程度较低群体)中的教育机会不平等程度更高^[10]。那么，收入分配机会不平等通过教育渠道传导的比例，在不同收入分布水平上是否也存在显著差异呢？本研究尝试对上述问题进行解答。

利用中国家庭收入调查(CHIP2013)数据，本文遵循Roemer等(1998)的机会平等理论分析框架^[1]，定量测度我国城镇居民收入分配机会不平等通过教育渠道进行传导的比重。本文的边际贡献主要体现为：(1)将环境变量、教育水平变量和收入变量置于同一理论分析框架中，探究环境因素影响我国城镇居民收入分配的教育传导渠道，从居民教育获得的视角阐明收入分配机会不平等的生成机制；(2)进一步区分了教育数量和教育质量因素，有助于厘清教育传导渠道的内部结构差异；(3)基于收入决定方程的分位数回归估计结果，考察我国城镇居民收入分配的机会不平等程度及其教育传导渠道在整体收入分布中的非对称性问题。

02

文 献 综 述

(一)收入分配的机会不平等

根据经典的社会选择理论，平等指的是以个体效用或者福利衡量的分配结果的平等，但这一观点遭到大量学者的批判与驳斥，因为它并未要求个体应当为自身的选择和行为承担相应的责任，因而在道德上并不合宜。延续早期学者的开创性成果，Roemer(1998)认为，决定个体收入多少的因素可分为“环境因素”和“其他因素”两类，前者表示个体无力控制且不应当为之承担责任的因素(如社会制度、家庭背景等)；后者则包括受个体自主控制并与自身努力程度密切相关的因素(如个体工作或学习的努力程度等)，以及可视为中性的运气因素^[1]。Roemer(1998)将由“环境因素”导致的收入不平等定义为“机会不平等”^[1]。机会不平等通常被视为“不公平”的收入分配结果，因其有悖于社会公平正义原则，难以被公众所容忍；而由其他因素引致的收入不平等则与民众普遍的公平观念并不冲突^[2]。因此，越来越多的学者认为，笼统的收入不平等并不能完全反映收入分配的公平问题，相对于收入不平等，机会不平等应当是衡量社会公平与否的更为合理的指标^[4]。目前，机会不平等已逐渐取代收入不平等，成为收入分配领域的研究焦点。

机会不平等的主要测度方法包括“参数测度法”和“非参数测度法”两大类，两者之间的主要区别在于是否需要设定环境因素、努力因素和收入水平之间的具体函数关系。“参数测度法”通过设定具体函数关系，能够同时考虑较为复杂的努力变量集与环境变量集，降低遗漏变量问题所引致的测度偏误，同时对样本容量的要求较低，其缺点是对具体回归模型的依赖性较高。采用“参数测度法”的相关研究包括Francesco & Alessio(2019)等^[11]。“非参数测度法”无需依赖于具体函数关系的设定，操作简洁，但对样本容量的要求较高，相关研究如Hederos et al.(2017)^[12]。国内关于机会不平等测度的相关文献中，两种测度方法兼而有之，但研究结论较为一致，即机会不平等在我国收入不平等中所占比重较高^[3－5]。

世界银行的《世界发展报告2006》指出，机会不平等不利于人力资本积累和经济增长，但由努力因素引致的收入不平等则对经济增长具有一定的促进作用。Marrero&Rodriguez(2013)提出了联系机会不平等与长期经济增长的“人力资本错配”机制，并利用美国26个州的收入调查数据证实了上述论断^[13]。最新研究成果还包括石大千(2018)、孙早和刘李华(2019)等^[14,7]。总体而言，国内外研究越来越重视收入不平等的内部结构问题，认为不同因素导致的收入不平等成分对社会经济的影响效果和机制存在显著差异，并倾向于认为机会不平等对社会经济发展具有更为显著的负面影响。

(二)教育获得的机会不平等

关于教育机会不平等问题的研究主要分为两类：第一，侧重分析某单一环境因素对居民教育获得机会的影响。现有文献主要分析社会制度环境^[15]、地区环境^[16]、家庭背景因素等对居民教育获得机会的影响^[17]。例如Keane&Roemer(2009)的研究表明，教育具有较高的代际传递性，通过增加人力资本投资和提供学习指导等渠道，父辈受教育程度较高的子女有更大的概率获得高等教育机会^[17]。而在我国，除家庭背景因素外，城乡差异、地区差异等因素对居民教育获得机会的影响也较为突出，王香丽(2011)基于档案调查的研究表明，只有付出更大程度的努力(如复读)，农村学生才能获取与城市学生相同质量的教育资源^[16]。

第二，同时考虑多种环境因素，基于丰富的环境变量集，对教育获得的机会不平等程度进行定量测度。靳振忠等(2019)的研究表明，我国高等教育获得数量的不平等程度为 0.182，其中环境因素的绝对贡献为0.143，约占总体不平等程度的78.58%，远超努力因素对高等教育不平等程度的贡献^[9]。Junior&Paese(2019)基于巴西五年级和九年级学生的成绩数据，研究发现巴西的教育机会不平等程度超过15%，且存在显著的地区差异^[8]。

诸多研究表明，教育对个体收入水平的影响十分突出，并在实现社会阶层流动的过程中扮演重要角色。这也是学界对教育机会不平等展开研究的重要动因之一。既然我国教育获得的机会不平等和收入分配的机会不平等同时存在，并且教育还是影响个体收入水平的重要因素，那么一个自然而然的问题便是，教育在环境变量影响个体收入的过程中究竟在多大程度上起到传导作用？Palomino et al.(2019)基于欧洲跨国微观调查数据，分析了教育和职业类型在环境因素影响个体收入中的中介传导作用^[18]，于本文而言具有十分重要的理论借鉴意义。但本文不仅进一步区分了教育质量和教育数量的传导差异，并采用Shapley分解方法测度二者的相对贡献，而且还充分考虑了收入分布的非对称性，采用分位数回归方法测度在不同的收入分布水平上，收入分配机会不平等的教育传导比例。

03

研 究 方 法

在Roemer(1998)的机会平等理论分析框架下^[1]，本文遵循Palomino et al.(2019)的研究思路对我国城镇居民收入分配的机会不平等程度及其教育传导渠道进行定量分析^[18]。与Palomino et al.(2019)的研究相比^[18]，本文重点分析了教育在我国城镇居民收入分配机会不平等中的中介传导作用，并结合Shorrocks(2013)提出的Shapley分解方法^[19]，进一步分解出教育质量和教育数量的不同中介作用。此外，本文还借鉴Davillas & Jones(2020)关于分位数回归的相关应用成果^[20]，将其引入收入分配机会平等理论框架中，考察不同分位水平我国城镇居民收入分配机会不平等程度及其教育传导渠道。

(一)机会不平等的参数测度法

假定半对数形式的收入决定方程为：

由于平均对数离差(MLD)指数在分解过程中具有可加性和路径独立性，能够将总的不平等按照来源因素的不同进行分解，因此，本文利用MLD指数将收入不平等(IT)分解为两部分：归因于环境因素的机会不平等(IO)和归因于其他因素的残差不平等(RI)。

(二)机会不平等的教育传导渠道分析

以上方法能够测度收入分配的机会不平等程度，但却无法揭示机会不平等的生成机制，即无法阐明环境因素通过怎样的中介变量作用于个体收入水平，以及各中介变量的传导份额占比。Palomino et al.(2019)为解决这一问题作出了开创性的尝试^[18]，其具体思路如下。

(三)基于分位数回归的机会不平等测度及传导渠道分析

在以上基于回归模型的估计中，主要考察环境变量(C)对收入变量条件期望E(y|C)的影响，但条件期望E(y|C)只是刻画条件分布y|C集中趋势的一个指标而已，如果条件分布不是对称分布，则条件期望很难反映整个条件分布的全貌。为此，Koenker & Bassett(1978)提出“分位数回归”^[21]。Davillas & Jones(2020)则首次尝试将分位数回归引入健康机会不平等的测度中，考察环境因素在健康变量不同分位条件分布上的贡献^[20]。本文遵循Davillas & Jones(2020)的研究思路^[20]，分析在不同分位数水平上我国城镇居民收入分配机会不平等程度及其教育传导渠道。

(四)将教育水平分解为教育质量和教育数量

为进一步区分教育质量和教育数量的不同中介传导作用，可将教育中介变量拓展为E＝{E^q，E^p}，其中，E^q表示教育数量，E^p表示教育质量。则(6)式可改写为：

对于(18)式，可采用普通最小二乘(OLS)或者分位数回归方法进行估计。通过教育数量和教育质量因素共同传导的机会不平等成分可表示为：

根据Shorrocks(2013)提出的Shapley分解方法^[19]，可分离出教育数量和教育质量各自的中介传导贡献。具体分解思路如下：首先，在包含教育质量因子(E^p)条件下，从(18)中剔除教育数量因子(E^q)，通过参数估计后求得仅由教育质量因素传导的机会不平等成分IOE^p，由此得到的差值(IOE－IOE^p)可记为教育数量的第一轮中介传导贡献。其次，在不包含教育质量因子(E^p)条件下，计算剔除教育数量因子(E^q)前和剔除教育数量因子(E^q)后由教育因素传导的机会不平等成分的差值，记为教育数量的第二轮中介传导贡献。最后，两轮中介传导贡献的平均值即为教育数量的中介传导贡献。这种方法在计算教育数量的中介传导贡献时，不依赖于教育数量变量被剔除的顺序，因而具有较强的合理性。按照同样的思路可测度教育质量的中介传导贡献。

04

变量选择与数据来源

(一)变量选择

1.被解释变量

本文的被解释变量为个体收入变量(income)。由于2013年中国家庭收入调查数据，仅包含户主与其配偶的家庭背景信息，因此本文只采用成员身份为户主及其配偶的个体数据。问卷调查中询问个体2013年主要工作的年收入总额。为消减极端收入值对测度结果的干扰，本文以收入分布的75百分位和25百分位作为上下分界点，剔除分界点外1.5倍四分之一间距的样本观测值。

2.中介变量

本文主要考察收入分配机会不平等的教育传导渠道，因而所选中介变量为个体教育水平变量(E)。包括教育数量和教育质量两方面。其中，教育数量为包含四个类别(小学及以下、初中、高中或中专、大专及以上)的分类变量；教育质量变量包括两项指标，一是是否毕业于985或211工程院校，二是是否毕业于县级以上重点高中。由于大学毕业院校类型的调查仅针对2000年(含)以后大学毕业的住户成员，因此，在考虑教育质量的中介传导作用时，本研究仅选择1978年(含)以后出生的样本。

3.解释变量

本文中的解释变量包含能够对个体收入产生影响的诸多环境变量。借鉴现有相关文献，环境变量主要包括如下三个方面：个体特征变量、宏观环境变量以及家庭背景变量。具体说明如下：

(1)个体特征变量。包括性别、民族、年龄等。其中，性别(gend)为虚拟变量，男性取1，女性取0；民族(minzu)亦为虚拟变量，汉族取1，其他民族取0；年龄为分组变量，分为三组：18～35岁组、36～45岁组以及46～60岁组，并以第一组为对照组生成两个虚拟变量。

(2)宏观环境变量。包括地区变量和户籍变量。对于地区变量(east)，现有文献主要采用出生地变量，分为东部和中西部地区。CHIP数据库缺乏出生地相关信息，故采用受访者户口登记地作为区域划分的指标，户口登记地在东部地区，east变量取值1，否则取值0^③。户籍变量(huji)同为虚拟变量。农业户口取0，其他类型户口取1，并对“农转非”进行调整，将存在“农转非”经历的群体视为农业户籍群体。

(3)家庭背景变量。其中，家庭文化背景因素以父亲受教育程度(educ_f)和母亲受教育程度(educ_m)衡量，二者均为分类变量，具体分为四个类别：小学以下、小学、初中、初中以上，据此以“小学以下”教育程度为参照组生成虚拟变量。家庭经济背景因素以父亲职业类型(job_f)衡量^④，为分类变量，参考李路路和朱斌(2015)的做法^[22]，将职业分为三个层次：最底层为农业；第二层为生产、运输设备操作人员及有关人员，商业、服务业人员，办事人员和有关人员；最高层为专业技术人员，国家机关、党群组织、企事业单位负责人。删除职业类型为军人或不便分类人员的样本。据此以“农业”类型作为参照组生成虚拟变量。

(二)数据来源

本研究使用的数据源自2013年中国家庭收入调查(CHIP)项目，该项目相继在1989年、1996年、2003年、2008年和2014年进行了五次入户调查，分别收集了1988、1995、2002、2007和2013年的收支信息，以及其他家庭和个人信息。考虑CHIP数据的结构特征，本文仅采用成员身份为户主及其配偶的个体，并且，根据研究需要对数据作如下处理：(1)剔除相关变量数据缺失或不适用的样本；(2)剔除收入为0或为极端值的样本；(3)剔除60岁以上年龄样本。最终有效样本容量为5081。相关变量释义及描述性统计如表1所示。

05

城镇居民收入分配机会不平等程度及教育传导渠道分析

(一)基于OLS回归的测度结果

收入决定方程的OLS和分位数回归结果如表2所示。所有环境变量的系数符号均符合理论预期，且普遍较为显著。如男性比女性具有显著更高的收入水平；城镇户籍及东部地区群体的收入水平更高；父母教育程度对子女收入水平具有正向影响等。

基于OLS回归的城镇居民收入分配机会不平等及教育传导渠道测度结果如表3所示。由表3第(1)行的全样本测度结果可知，以平均对数离差(MLD)指标衡量的我国2013年城镇居民收入不平等程度为0.213。其中，由环境因素决定的收入不平等成分，即机会不平等绝对系数为0.037，占收入不平等的比重为17.57%。该数值与史新杰等(2018)利用2013年中国综合社会调查数据的测度结果(18.7%)十分接近^[4]，但略低于李莹和吕光明(2018)基于CHIP2008的测度结果(23.2%)^[23]。

全样本中教育传导渠道的绝对系数为0.0046，占收入分配机会不平等的比重为12.24%，表明由环境变量所引致的个体收入变动中，有12.24%通过教育传导。考虑到环境因素对个体收入的影响渠道较为复杂，可包括个体价值观念、性格特征、社会资本、职业类型等，因而，12.24%的传导比例意味着教育是十分重要的传导渠道。换言之，如果能够实现教育机会均等化，我国城镇居民收入分配机会不平等程度将下降12.24%。

按照年龄分组的测度结果如表3第(2)～(4)行所示。我国城镇居民较高年龄组(46～60岁)的收入分配机会不平等程度最大，其相对系数值为19.19%，大约高出其他年龄组3个百分点。并且该年龄组中收入分配机会不平等由教育水平变量传导的比例也最高，达到10.50%，高出其他年龄组2～3个百分点^⑤。较高年龄组中收入分配机会不平等程度较大这一现象的存在可能与改革开放有关。改革开放以前，我国社会公平状况相对较差，表现为收入分配的机会不平等程度较高，而这在相当程度上可归因于教育获得的机会不平等。

我国城镇居民中，女性群体的收入分配机会不平等程度高出男性群体约4.5个百分点，而且女性收入分配的机会不平等通过教育传导的比例明显更高，其相对系数值高达23.74%，约为男性数值的两倍。该结果表明，在女性群体中，收入分配机会不平等通过教育渠道传导的比例接近1/4，促进女性教育机会均等化对于缓解女性群体收入分配的机会不平等具有十分重要的意义。

(二)基于分位数回归的测度结果

普通最小二乘估计(OLS)只能反映环境变量对收入变量条件期望的影响，但如果收入变量的条件分布具有非对称性，则条件期望无法衡量整个条件分布的概况，此时需要借助分位数回归。基于分位数回归的测度结果如表4所示^⑥。由表4可知，在不同分位数水平上，我国城镇居民收入分配机会不平等程度及其教育传导比例均存在较大差异。

就全样本而言，收入分配机会不平等程度在10分位数水平上最高，达到27.89%，该数值约为90分位数水平的3倍，而50分位数水平上的收入分配机会不平等程度居中(16.30%)。收入分配机会不平等通过教育传导的比例也呈现出类似的分布规律，即在10分位数水平上教育传导的比例最高(12.06%),50和90分位数水平上教育传导比例则依次递减(分别为11.76%和9.98%)。按照年龄分组的测度结果显示，在不同的年龄组中，收入分配机会不平等程度仍然在10分位数水平上明显更高，但教育传导比例的分布则不存在明显的规律性。然而，值得注意的是，年轻组别中(18～35岁),10分位数水平上收入分配机会不平等的教育传导比例明显较高，大约为50和90分位数水平上教育传导比例的2倍。

以上基于分位数回归的测度结果表明，环境因素对我国城镇居民收入分配差距的影响具有偏向收入分布“左尾”(Left－tail)的特征，即在较低收入群体中收入分配机会不平等程度明显更高，而且，收入分配机会不平等通过教育传导的比例也最高，这一点在年轻组别中表现得尤为明显。对此，或许可以从两方面予以解释：(1)在较低收入群体中，教育回报率更高，教育与收入之间的关联更加紧密。有研究表明，我国较低收入群体的高等教育回报率比中高收入群体明显更高^[24]。(2)在较低收入群体中，教育机会不平等程度更高。这可能与资源约束的强弱有关。中高收入阶层面临的资源约束较弱，家庭背景、社会制度等环境因素对个体教育水平的影响较小，而低收入阶层受到的资源约束更强，家庭背景条件对教育决策产生的影响更加突出。石大千等(2018)研究表明，由家庭教育背景和职业背景引起的子女教育机会不平等在农村或低教育群体中更加突出，而该类型群体的收入水平通常也较低^[10]。因此，更高的教育机会不平等程度结合更加紧密的教育—收入关联度导致在较低收入群体中，收入分配机会不平等通过教育传导的比例更高。

(三)教育传导渠道的进一步分解：教育数量和教育质量

将教育水平变量进一步分解为教育数量和教育质量后的测度结果如表5所示。表5第(1)列为OLS回归的测度结果，从中可知，通过教育渠道传导的收入分配机会不平等占比为9.51%，其中，教育数量因素贡献份额为71.60%，剩余的28.40%则归因于教育质量因素。由此可见，近年来人们对教育质量机会不平等问题的关注并非空穴来风，但在收入分配机会不平等的教育传导渠道中，教育数量因素仍占据主导地位，教育质量与教育数量二者的贡献比例呈现“三七”开的态势。

基于分位数回归的测度结果表明(见表5)，随着收入分布分位数水平的上升，收入分配机会不平等通过教育传导的比例逐渐下降，由10分位数上的11.41%下降至90分位数上的6.02%。此外，在较低收入分位数水平上(Q10)，教育质量因素的贡献份额最高，达到35.03%，相比其他分位数水平上教育质量因素的贡献份额要高出约5～18个百分点。与之相反，教育数量因素的贡献份额则在较低收入分位数水平上最低。该结果可能缘于，在较低收入群体中，教育质量的机会不平等程度更加严重。

(四)稳健性分析

在测度收入分配机会不平等的教育传导系数时，除采用表1所示的教育虚拟变量外，本文还尝试将个体的受教育水平转换为相应的受教育年限^⑦，然后进行回归分析，测度结果如表6第(1)行所示，收入分配机会

不平等中教育水平变量的相对传导系数为12.65%，与表3中的测度结果12.24%十分接近。

表6第(2)、(3)行放宽对极端收入值的容忍度，其中，第(2)行以75百分位和25百分位作为上下分界点，剔除分界点外2倍四分之一间距的样本观测值；第(3)行则剔除分界点外3倍四分之一间距的样本观测值。随着对极端收入值容忍度的提高，收入分配机会不平等程度及对应的教育传导系数均略有增大，但变化幅度较小。

本文对(6)式进行OLS估计，但考虑到教育水平变量可能存在一定的内生性，如可能遗漏能力变量或存在收入或教育水平变量的测量误差等，故尝试以“兄弟姐妹数量”和“县级平均受教育水平”作为个体教育水平变量的工具变量，进行两阶段最小二乘(2SLS)估计，此时教育传导的相对系数值大幅增加至29.03%(如表6第(4)行)。但本文倾向于采用基于OLS方法估计的测度结果。原因有两点：其一，由于本文旨在分析环境变量通过教育渠道对收入的影响，故在(6)式中无法控制诸多个体与家庭特征变量(如个体户籍、家庭背景变量等)，因而很难保证工具变量的外生性；其二，工具变量估计会减小教育水平变量的离散程度，进而直接造成教育收益率系数的上升，由此导致工具变量的估计结果远高于OLS估计结果，而且，非有效的工具变量所造成的估计偏误可能会比 OLS 估计更加严重。邓峰(2013)认为，在估算教育回报率中，由于不同类型的估计偏误可能会相互抵消，故OLS估计方法存在的误差或许并非十分严重^[25]。

06

结 论 与 启 示

本文旨在分析我国城镇居民收入分配机会不平等的教育传导渠道，即环境因素在多大程度上通过教育渠道影响城镇居民收入分配的不均等。在Roemer的机会平等理论分析框架下，基于CHIP2013数据，研究结果表明：(1)我国城镇居民收入分配机会不平等占总收入不平等的比例约为17.57%，且在较高年龄组和女性组别中机会不平等占比更高；环境因素对城镇居民收入分配差距的影响更加偏向收入分布的“左尾”，即较低收入群体的收入分配机会不平等程度明显更高。(2)收入分配机会不平等通过教育传导的比例约为12.24%，该比例在不同年龄段和不同性别群体之间存在较大差异，其中尤以性别差异最为明显，女性群体中收入分配机会不平等通过教育传导的比例高达23.74%，约为男性群体的2倍；环境因素通过教育渠道对城镇居民收入分配差距的影响也更加偏向收入分布的“左尾”，即在较低收入群体中，收入分配机会不平等通过教育传导的比例更高。(3)在教育传导渠道中，教育数量因素所占比重为71.60%，剩余28.40%可归因于教育质量因素；在较低收入群体中，教育质量因素的贡献份额最高，而在中高收入群体中教育质量因素的贡献份额相对较低。

本文定量测度了教育水平变量在收入分配机会不平等中的传导比例，为相关政策的制定提供了更为充分的理论依据。本研究的政策启示如下：第一，机会不平等在各收入阶层普遍存在，但在低收入阶层中尤为明显。应当充分利用大数据、云计算等新兴技术，提高对低收入阶层中相对劣势群体的精准识别，实施精准帮扶政策。比如，相对于男性，女性群体的发展更容易受到家庭背景因素的影响，因此，应当对女性中的相对劣势群体给予更多的政策支持。第二，无论是在低收入群体，还是在女性群体中，机会不平等通过教育传导的比例均更高，因此，应当将促进教育公平作为缓解低收入群体或女性群体收入分配机会不平等的重要抓手，具体措施如提高贫困地区中小学的公共教育支出比重；提高大学生资助的政策精准度，有效识别贫困学生(尤其是女性贫困学生)并加大对其资助力度；针对低收入阶层子女，积极实施毕业生就业帮扶政策，增强低收入阶层家庭提高子女教育水平的动机。第三，在普及义务教育、提高高等教育入学率的同时，也应着力促进教育质量的机会均等化。如加大对贫困地区师资力量的援助，提高当地义务教育质量；积极推进高水平大学通过“专项计划”等方式增加对低收入阶层子女的录取比例，促进优质高等教育资源分配的机会均等化。

当然，本研究尚存在不足之处。教育并非环境因素影响收入分配的唯一中介渠道，如社会资本、价值观念、职业类型等诸多变量均可能成为收入分配机会不平等的中介传导变量。本文聚焦于教育传导渠道，一方面是因为教育因素便于定量测度，而社会资本、价值观念等变量则难以寻找到合适的测度指标；另一方面是因为教育与收入之间仅存在单向影响，教育会影响收入，但收入一般而言不会反向影响教育，而社会资本、价值观念等变量则可能与收入变量之间存在相互作用的关系，因而很难“干净”地分离出这些变量的中介传导作用。解决以上不足尚有待进一步的研究。

注

释

①考虑到与个体努力相关的变量测度难度大，且CGSS2008数据中努力变量指标十分有限，因此该结果很可能高估了我国高等教育获得的机会不平等程度。

②数据来源于腾讯网https：//new.qq.com/omn/20190814/20190814A0JUOW00.html.

③可能存在跨省份户口迁移的情况并由此造成测度结果偏差，但在有限的数据信息下也只能如此。

④鉴于母亲职业类型变量缺失值较多，且父母职业类型相关度较高，因此本文仅采用父亲职业类型作为家庭经济背景因素的衡量指标。

⑤此处按照年龄进行分组的测度值均小于全样本的测度值，这可能是抽样误差所致。

⑥基于分位数回归，可测度各个分位数水平上的机会不平等程度和教育传导比例，但限于篇幅，表4仅列出了具有代表性的三个分位数水平上的测度结果，分别为10、50和90分位数。

⑦未上过学、小学、初中、高中(含职高、技校和中专)、大专、本科、研究生对应的受教育年限依次为0、6、9、12、15、16、19。

参考文献

[1]ROEMER J. Equality of opportunity[M]. Cambridge：Harvard University Press， 1998.

[2]刘华，徐建斌.转型背景下的居民主观收入不平等与再分配偏好——基于CGSS数据的经验分析[J].经济学动态，2014(3)：48－59.

[3]雷欣，贾亚丽，龚锋.机会不平等的衡量：参数测度法的应用与改进[J].统计研究，2018,35(4)：73－85.

[4]史新杰，卫龙宝，方师乐，等.中国收入分配中的机会不平等[J].管理世界，2018(3)：27－37.

[5]李莹，吕光明.中国机会不平等的生成源泉与作用渠道研究[J].中国工业经济，2019(9)：60－78.

[6]陈晓东，张卫东.机会不平等如何影响技术效率——基于社会资本视角[J].当代财经，2018(5)：3－14.

[7]孙早，刘李华.不平等是否弱化了企业家精神[J].财贸经济，2019(2)：131－146.

[8]JUNIOR MVW， PAESE LHZ. Inequality of educational opportunities：evidence from Brazil[J]. Economia， 2019， 20(2)：109－120.

[9]靳振忠，严斌剑，王亮.环境和努力孰重孰轻？——中国高等教育获得数量与质量不平等研究[J].财经研究，2019,45(12)：59－72.

[10]石大千，张卫东，刘建江.高等教育机会数量与质量不平等——家庭背景作用的城乡差异[J].宏观质量研究，2018,6(4)：91－101.

[11]FRANCESCO A， ALESSIO F.Robust cross－country analysis of inequality of opportunity[J]. Economics letters， 2019， 182(5)：110－131.

[12]HEDEROS K， JNTTI M， LINDAHL L. Gender and inequality of opportunity in Sweden[J]. Social choice and welfare， 2017， 49(3－4)：605－635.

[13]MARRERO G A， RODRIGUEZ J G. Inequality of opportunity and growth[J]. Journal of development economics， 2013， 104(1)：107－122.

[14]石大千.收入不平等影响经济增长的双边效应——机会不平等和努力不平等的不同作用[J].财贸经济，2018,39(8)：35－49.

[15]李春玲.社会政治变迁与教育机会不平等——家庭背景及制度因素对教育获得的影响(1940—2001)[J].中国社会科学，2003(3)：86－98.

[16]王香丽.我国高等教育入学机会的城乡差异研究——高中阶段教育的视角[J].高教探索，2011(1)：55－59.

[17]KEANEMP， ROEMERJE. Assessing policies to equalize opportunity using an equilibrium model of educational and occupational choices[J]. Journal of public economics， 2009， 93(7)：879－898.

[18]PALOMINO J C， MARRERO G A， RODRGUEZ， J G. Channels of inequality of opportunity：the role of education and occupation in Europe[J]. Social indicators research， 2019， 143(3)：1045－1074.

[19]SHORROCKS AF. Decomposition procedures for distributional analysis：a unified framework based on the Shapley value[J]. The journal of economic inequality， 2013， 11(1)：99－126.

[20]DAVILLASA， JONES AM. Exante inequality of opportunity in health， decomposition and distributional analysis of biomarkers[J]. Journal of health economics， 2020， 69(1)：1－23.

[21]KOENKER R， BASSETTG.Regression quantiles[J]. Econometrica， 1978， 46(1)：211－244.

[22]李路路，朱斌.当代中国的代际流动模式及其变迁[J].中国社会科学，2015(5)：40－58.

[23]李莹，吕光明.我国城镇居民收入分配机会不平等因何而生[J].统计研究，2018,35(9)：67－78.

[24]刘生龙，胡鞍钢.效率与公平：高校扩招与高等教育回报的分位数处理效应[J].学术研究，2019(4)：72－84.

[25]邓峰.教育收益率估算中的计量偏误及调整方法的综述[J].教育与经济，2013(5)：42－48.

（原文刊于《教育与经济》2021年第5期）

往期 · 推荐

国家社科基金资助期刊

中文社会科学引文索引（CSSCI）来源期刊

全国中文核心期刊

中国人文社会科学核心期刊