中国的机会不平等水平与特征研究

奥鹏网院作业

中国的机会不平等水平与特征研究*
——兼论城市规模的影响
易淑昶 孙久文 柳 青

[提 要] 中国经济快速增长的同时，收入差距也在不断扩大。本文依托Roemer的“环境—努力”二元分析理论，采用事前参数法，利用中国劳动力动态调查数据(CLDS)测度近年来我国机会不平等的变化趋势；对机会不平等进行了分解，分析了户籍、家庭、性别等因素对机会不平等的影响程度，探讨城市规模、城市的区位差异和行政等级差异对机会不平等的影响。研究表明，中国的机会不平等程度呈上升趋势，从东部沿海到西部内陆存在明显上升的地区差异，在城乡、性别和年龄等方面都呈现出不同的特征；且与城市规模之间呈倒U型关系，直辖市、省会等高等级城市倾向于有更低的机会不平等水平。

[关键词] 机会不平等；城市规模；家庭背景；城乡差异；Shapley分解

一、引言与文献综述
改革开放以来，中国城市化水平从1978年的17.9%提高到2020年的超过60%，每年提升近1%，这是世界城市化历史上的奇迹。然而，是不是所有人都平等地分享了快速城市化的成果？我国的基尼系数自改革开放以来不断增加，从改革开放之初的不足0.29，逐渐攀升到如今的接近0.47，连续20年超过国际通用警戒标准(0.4)。在快速城市化的同时，不平等程度呈上升趋势。无论是城市还是农村，收入的不平等程度逐渐扩大，并且城市比农村更为显著(朱农和骆许蓓，2008)；从宏观上看，省际以及东部、中部和西部之间的发展差距是加剧收入不平等的重要因素(唐莉等，2006)；从微观上看，义务教育(杨娟等，2015)、社会性支出的分配(董丽霞和韩奕，2013)、进口贸易(张川川，2015)等因素影响收入不平等。研究发现，户籍造成的职业隔离导致农民工和城市工人间出现显著的收入不平等(吴晓刚和张卓妮，2014)，而且男女间的收入差距随市场化的提高而扩大(贺光烨和吴晓刚，2015)。诚然，收入不平等是社会科学领域研究的一个重要主题，库兹涅茨倒U型曲线假说认为，收入不平等的扩大在经济发展的特定阶段是不可避免的现象，但机会不平等将会损害经济和社会的长期繁荣。在中国日益扩大的城镇居民收入差距中，机会不平等有较大的贡献(徐晓红和荣兆梓，2012)，且机会不平等的上升速度要高于收入不平等的上升速度(江求川等，2014)。自Roemer(1998)将环境因素造成的收入不平等定义为机会不平等以来，机会不平等的研究逐渐丰富，获得了许多有益的研究结果。

国外对于机会不平等的研究最早可以追溯到20世纪80年代，学术界开始反思是否所有的收入不平等都是不能够接受的，他们将收入不平等分为能够接受的由个人努力程度所决定的不平等和不能接受的由个人出生决定的不平等(Arneson，1989；Cohen，1989；Dworkin，1981)。Roemer(1998)将这一概念引入经济学框架，并构建了“环境—努力”二元分析框架，此后机会不平等的测度成为学术界研究的重点。Bourguignon et al.(2007)通过估计收入关于环境和努力变量的方程，测算了巴西的机会不平等，发现由个人无法控制的环境因素所造成的机会不平等占总收入差距的23%。Ferreira &Gignoux(2011)使用微观数据计算出拉美国家的机会不平等程度，发现由机会不平等导致的收入不平等大概可以解释总收入不平等的30%。Hassine(2012)测算了埃及在1988—2006年间的机会不平等占总收入差距的比例，发现埃及的机会不平等程度从1988年的22%降低到2006年的15%。Abatemarco et al.(2015)使用基尼方法测算得到美国的机会不平等程度，发现1999年到2009年间机会不平等占收入不平等的比重在15.0%到16.6%之间，且随时间呈U型分布。在政策补偿方面，主要涉及税收制度(Page &Roemer，2001)、宏观经济管理水平(Llavador &Roemer，2001)、财政转移支付制度(Roemer et al.，2003)等方面的研究，这些政策手段能够有效调节机会不平等水平。

国内关于机会不平等也有较多研究。何立新和潘春阳(2011)认为机会不均等对居民幸福感存在普遍的负面影响，且对低收入者与农村居民的损害程度更高。江求川等(2014)通过研究中国城市居民的机会不平等，发现机会不平等在不同的性别、年龄和区域间存在差别，其中女性相比男性面临更严重的机会不平等，高年龄组比低年龄组面临更高的机会不平等，中西部地区的机会不平等程度更高。陈东和黄旭锋(2015)通过实证分析，检验了机会不平等与收入差距的正相关关系及其对收入不平等的贡献度，发现机会不平等可以解释收入不平等的54.61%。宋扬(2017)认为影响中国机会不平等的三种重要作用渠道分别是劳动力市场歧视、家庭背景和教育代际固化。龚锋等(2017)发现努力有助于降低机会不平等程度。史新杰等(2018)认为环境因素不仅对收入有直接作用，还可以通过努力对收入产生间接影响。李莹和吕光明(2019)测度了中国机会不平等的环境贡献度，揭示性别、城乡户籍与年龄三大源泉作用的群组差异，通过构建多层次的反事实收入，依次分解出环境因素如何通过教育与就业渠道来间接发挥作用。刘波等(2020)以能力为中介，按照“环境—能力—收入”逻辑，提出测度机会不平等的新思路，发现环境因素对收入差距形成的直接效应显著小于其通过能力对收入差距形成的间接效应。

基于上述分析，目前学术界对于该领域的研究还存在以下不足之处：首先，现有文献都是针对城市规模对收入不平等的影响或关系分析，而城市规模与机会不平等之间的关系很少涉及。其次，国内现有文献主要从国家层面对机会不平等进行测度，缺乏对城市层面机会不平等问题的研究。鉴于此，本文的边际贡献主要体现在以下几个方面：(1)机会不平等的研究对于微观数据的要求较高，有关研究主要使用中国综合社会调查数据和中国综合营养调查数据进行研究，本文选用中国劳动力动态调查数据对我国121座城市的机会不平等进行测度，并对内部特征进行分析，是对相关研究的重要补充。(2)将机会不平等与城市规模结合起来，研究区域城市发展与机会不平等的关系，在测算城市层面机会不平等的基础上，探究城市规模与城市机会不平等之间的关系，并分析机会不平等的演变趋势以及在城市行政等级和区位上的差异。

二、机会不平等的测度与分解方法
Roemer将机会不平等理论纳入经济分析框架中，在总结和发展机会不平等理论的基础上，构筑了“环境—努力”二元分析框架(Roemer，1993；1998)。在这一分析框架中，将个体是否可控作为环境和努力的判断标准，那些无法由个体控制的因素被归类为环境因素，典型的环境因素有年龄、性别、家庭背景、出生地等；那些由个体能够控制或社会能够问责的因素被归类为努力因素，如受教育程度、工作努力程度等。本文借鉴“环境—努力”二元分析框架的思路，采用事前参数法(Ferreira &Gignoux，2011)将机会不平等从收入不平等中分离出来，采用Shapley值分解法(Bourguignon et al.，2007)进一步分析各环境变量在机会不平等中的比重。

(一)机会不平等的测度
机会不平等的测度目前主要分为主观测度方法和客观测度方法。主观测度方法采用问卷调查方式对被调查者提问有关机会不平等的问题，进而对其不平等程度的主观感受进行测量。何立新和潘春阳(2011)采用中国综合社会调查数据(CGSS)，基于对机会不平等主观感知问题的作答情况，设定相应得分，并构造“机会不平等感知系数”，测出居民的机会不平等感知系数约为0.25。客观测度方法是通过客观指标进行衡量，Fleurbaey &Peragine(2013)按照划分标准的不同，界定了机会不平等测度的“事前”方法和“事后”方法。“事前”方法将处于相同环境的个体划分为一类，定义类别间的收入不平等为机会不平等。“事后”方法将付出相同努力的个体划分为一组，定义组内收入不平等为机会不平等，由于对努力程度的度量较为困难且有争议，因此“事后”方法使用的较少。Ferreira &Gignoux(2011)区分了测度机会不平等的“非参数”方法和“参数”方法。非参数方法是采用标准的不平等指数分解，先将样本对象的收入按照环境变量或者努力变量进行分组，之后计算按照环境变量分组得到的组间不平等或者按照努力变量分组得到的组内不平等即为机会不平等；参数法通过设定收入为环境变量和努力变量的线性函数，估计函数模拟消除环境变量影响后的“反事实”收入分布，实际收入分布与反事实收入分布计算出的收入不平等差异就是机会不平等。

本文对于机会不平等的测度，采用的是客观测度法中的事前参数法，这也是目前最为便捷、使用最为广泛的方法。根据Roemer(1998)和Bou-rguignon et al.(2007)提出的方法，在考虑个体特征、家庭背景和制度因素三大类环境变量的情况下,对机会不平等进行测度。在Roemer的“环境—努力”二元分析框架下，定义个体特征集合{yi,Ci,Ei},i∈1,…,N，其中y表示个体收入，C表示无法由个体控制的“环境”因素，E表示个体能够控制或者社会能够问责的“努力”因素。然后，定义个体收入方程，收入函数为以下形式：

yi=f(Ci,Ei,ui)

(1)

ui表示残差项。环境因素能够影响个体努力程度，将两者之间的关系表示为下式：

Ei=E(Ci,vi)

(2)

vi表示不能够观测到的影响努力的因素。将式(2)带入式(1)能够得到简约形式：

yi=f(Ci,E(Ci,vi),ui)

(3)

Romer(1998)认为，以下条件满足时就能实现机会平等：

(i)F(y|C)=F(y)，即收入的分布独立于环境。其中，F(y|C)是收入关于环境的条件分布；

(ii)∂f(C,E,u)/∂C=0，即在努力给定的情况下，环境对收入没有影响；

(iii)G(E|C)=G(E)，即努力的分布独立于环境，环境对努力没有因果关系。其中，G(E|C)是努力关于环境的条件分布。

因此，机会不平等的测度值就是观察值与机会平等的偏离程度。明瑟收入方程是估计各因素对收入影响的常用模型形式，参照明瑟收入方程，根据式(1)和式(2)设定收入函数为以下形式：

lnyi=Ciα+Eiβ+ui

(4)

Ei=Γ·Ci+vi

(5)

将式(5)带入式(4)能够得到简约形式：

lnyi=Ciψ+εi

(6)

其中，α和β是两个系数向量，Γ是环境对努力影响的系数矩阵，环境因素的系数ψ共包含两种影响因素：一是环境因素直接对收入产生的影响；二是环境因素间接地通过影响努力程度对收入的影响。此处主要是测算机会不平等的程度，不需要考虑各变量之间的因果关系，所以能够用普通最小二乘法估计。进一步使用系数估计值width=9,height=18,dpi=110和环境变量的真实值Ci构建反事实收入width=18,height=15,dpi=110用来反映环境类别间的不平等，即机会不平等：

width=88,height=19,dpi=110
(7)

通过构建反事实收入width=107,height=19,dpi=110衡量环境因素类别内部的不平等，width=9,height=13,dpi=110表示均等化的环境变量。不平等指标用I表示，收入不平等I(yi)是由不同环境类别之间的不平等width=34,height=15,dpi=110和同一环境类别内部的不平等组成I(φi)。根据MLD指数分解规则，width=34,height=15,dpi=110就是机会不平等的绝对量，其相对量为width=80,height=15,dpi=110

(二)机会不平等的分解
为了进一步分析每个环境因素在机会不平等中的贡献度，本文采用Björklund et al.(2012)的参数方法，使用Shapley值分解法测算每个环境变量的贡献度。Shapley值分解法严格地建立在合作博弈理论的基础之上(Kolenikov &Shorrocks，2005)，其基本思想是，在一个指标受多个因素共同影响时，剔除任意因素都会引起该指标的变动，所有因素的贡献率之和构成整个指标的变动。

首先，基于式(6)，对于包含n个环境变量的“环境集”，逐步剔除每个变量，依次比较某指标剔除前后机会不平等指标的差异；然后，考虑到各环境变量出现的顺序对结果可能产生的影响，根据环境变量剔除的顺序不同共产生2n-1种可能结果，对其取均值，得到该环境变量对机会不平等的贡献度。这种分解方法不仅考虑各环境变量出现的顺序对机会不平等的影响，其可加性还满足各环境变量的贡献度之和等于机会不平等指数width=44,height=15,dpi=110

三、数据来源与变量选择
(一)数据来源
在机会不平等问题的研究中，不少学者使用中国综合社会调查数据(CGSS)，但是2010年后的数据由于未披露市级地理信息，所以无法使用。本文采用中山大学社会科学调查中心发布的中国劳动动态调查数据(CLDS)，该数据不仅包含足够多的环境变量数据，还包含样本所在地级市的地理信息数据。在数据年份上，由于2011年为试调查，因此，选取2012年、2014年、2016年共三年的调查数据。在三年的数据中，2012年为基线调查，2014年和2016年共包含两类数据，一类是之前调查年份的部分追踪数据，另一部分是当年的新增数据。由于2012年的数据缺少如“被访者14岁时父亲就业情况”等关键环境变量，且环境变量基本不随时间变化，我们通过识别唯一的劳动力个体问卷编号，从2014年的追访样本中提取相关环境变量。同时，为使各年份间无重复样本且样本总量相当，2014年与2016年数据仅使用新增调查数据。依据研究需要，对CLDS2012年、2014年、2016年的数据进行如下处理：(1)虽然问卷已经对劳动力个体进行了甄别筛选，但是为了保证个体活跃在劳动力市场上，舍弃了小于18周岁和大于60周岁的样本；(2)剔除关键信息缺失的样本；(3)剔除收入低于零的样本；(4)为了降低异常值对回归结果的影响，对个体收入进行缩尾处理。最终，分别获得三年的有效数据量分别为4 313，6 838，5 530，共涉及全国29个省份121个地级市。

城市层面数据来源于《中国经济与社会发展统计数据库》和《中国城市统计年鉴》。

(二)变量选择
个体收入。测度机会不平等的被解释变量为个体收入数据。在CLDS2012年、2014年、2016年问卷中，直接询问了“您201X年各类收入总计是多少”。在统计后发现，个体总收入分布高度右偏，考虑到明瑟收入方程的设定要求，对被解释变量的个体收入取自然对数。

基于上述对机会不平等文献的述评和中国劳动力动态调查数据的特点，在相关研究成果的基础上，采用了三类影响收入的环境变量：

第一类：个体特征变量。主要是用年龄作为代理变量，衡量影响收入的经验变量、性别、户籍以及出生地。其中，根据调查对象的出生年份计算年龄，一般情况下个体收入的变动趋势与年龄的增加呈现倒U型关系，在考虑个体特征时需要加入年龄的二次项；性别变量中设定男性=1，女性=0；在户籍方面以出生时的户籍状况为准，CLDS个体问卷中有“您出生时的户口性质是？”，若为农业户口，则设定城镇户籍=0，否则城镇户籍=1；出生地是根据“您的出生地？”的回答和CLDS问卷标记地理信息做对比后得到，若两者在地级市编码上是一致的，则设定出生地=1，否则出生地=0。

第二类：家庭背景。主要包含父亲的教育和就业。部分文献采用了被访者14周岁时父亲的政治面貌这一环境变量，考虑到在CLDS调查问卷中这一信息缺失较为严重，且从以往的研究来看，这一环境变量对机会不平等的测度结果影响不大，本文在此不予考虑。父亲的教育信息由CLDS个体问卷中“您父亲的教育程度是？”的回答衡量，并且将不同阶段的教育程度转换为相应阶段的教育年限。(1)教育变量的赋值方式为：未上过学=0，小学/私塾=6，初中=9，普通高中/职业高中/技校/中专=12，大专=15，大学本科=16，硕士=19，博士=23。本文首先采用父母受教育年限的平均值作为父母教育程度的衡量，但是在实际操作中发现，这会导致更多的样本缺失。考虑到在中国存在很强的教育层面的婚姻匹配情况，在这一变量的选取中，本文最终采取的规则为：若被访者回答了可衡量的父亲教育情况，则使用父亲教育信息，若父亲教育信息缺失，而母亲教育信息完整，则采用母亲教育信息替代，否则视为关键信息缺失样本，不予使用；父亲的就业信息由“您14岁时，父亲的主要职业具体是？”整理得到，主要分为两大类，若父亲从事的是农业工作，则设定父亲非农=0，否则父亲非农=1。

第三类：制度因素。本文的制度因素为居住地区因素，根据国家三大经济地带的分布，可以将全国划分为东、中、西三部分(2)目前，很多研究在进行分区域研究时，将全国划分为四大板块，本文也曾尝试此种划分方法，但由于微观数据的局限性，东北地区数据量较少，因此本文采用三大经济带的划分方法。，在这一环境变量上构造两个虚拟变量，设定东部=1，否则=0，中部=1，否则=0，用来标记所有样本的地理位置情况。

表1是机会不平等测量中主要变量的基本统计量。

表1 机会不平等测量中主要变量的基本统计量

width=736,height=304,dpi=110
四、机会不平等水平测度及其分解
(一)机会不平等水平的测度
在采用上述方法的基础上，本文分别测度了全样本、城镇、农村、不同性别、不同地区以及不同年龄段的收入不平等的绝对量，还测算了机会不平等占收入不平等的比例，结果见表2。

表2 收入不平等与机会不平等程度

width=736,height=387,dpi=110
从全样本测算结果看，2012—2016年，中国居民的收入不平等绝对量和机会不平等的绝对量均呈上升趋势。其中，收入不平等绝对量从2012年的约0.462，上升到2016年的0.513；机会不平等绝对量从2012年的0.12上升到2016年的0.16。从相对量来看，2012—2016年机会不平等占收入不平等的相对量也呈上升趋势。与国内相关研究比，李莹和吕光明(2019)测算的收入不平等在2013—2015年呈上升趋势，其测算的2008—2015年机会不平等占收入不平等的比重在35%到46%之间；宋扬(2017)测算的2012年机会不平等占收入不平等的比重为27%；刘波等(2015)测度的2008年的比重为35%；江求川等(2014)测度的2008年的比重为33%，以上学者采用的是相应年份的CGSS数据。陈东和黄旭峰(2015)采用CHNS数据，测算发现1986—2009年，机会不平等占收入不平等的平均比重为54.61%。不同的数据来源、测算方法，以及环境变量的选取对测算结果造成一定的影响。为了减弱数据选取带来的偏差，增加机会不平等研究的可比性，本文在CGSS数据和CHNS数据之外，采用CLDS数据，尽量选取更全面的环境变量，从测算结果来看，本文测算的机会不平等占收入不平等的比例在26%到31%之间，总体水平在以往研究的最大值和最小值之间，较为合理。与国外机会不平等的研究相比，Pistolesi(2009)测算的美国在1968—2001年间机会不平等占收入不平等的比值在31%到41%之间；Ferreira &Gignoux(2011)测算拉美各国2000年前后机会不平等占比在23.2%到32.2%之间。中国的情况介于拉美国家和美国之间，但是值得注意的是，无论是机会不平等的绝对量，还是其占收入不平等的相对量，在2012—2016年间都有不同程度的上升，关注机会不平等问题仍将是中国发展中的重要议题。接下来，本文从各子样本维度分析机会不平等的测算结果。

将样本分为城镇子样本和农村子样本两个大类。从结果看，在各个年份，无论是收入不平等还是机会不平等，农村的绝对水平均高于城镇，特别是机会不平等，农村和城镇相差更为悬殊，这说明农村居民承受着更为严重的机会不平等。从时间序列对比变化趋势发现，虽然在收入不平等层面上，城镇和农村的不平等水平都上升，但是城镇的机会不平等程度稳中有降，农村的机会不平等水平却是不断增加的态势，这就导致了城镇和农村之间的“机会不平等缺口”逐渐扩大。从机会不平等占收入不平等比重的变化趋势来看，城镇趋势向下，农村趋势向上，也说明农村承受着更高的机会不平等。

将样本分为男性和女性，发现各自的总体趋势和全样本趋势类似，2012—2016年机会不平等和收入不平等的绝对值以及机会不平等占收入不平等的比重均呈上升趋势。从横向上看，男性的机会不平等与收入不平等的绝对量和相对量均低于女性。其中，男女机会不平等的绝对差距从2012年的0.042扩大到2016年的0.061，机会不平等占收入不平等比重的上升势头均有所缓解。

根据样本所在区域分为东部、中部和西部。各部分收入不平等均有小幅上升，从机会不平等看，中部和东部均是先降后升，西部地区先升后降，从研究阶段的始末年份看，三大区域的机会不平等均是上升趋势，机会不平等占收入不平等比重的变化趋势则和其绝对量的变化趋势相同。

分年龄段研究，从时间序上看，4个年龄段人口的机会不平等和收入不平等均呈现波动上升趋势；但是从横向上看，在改革开放之后出生的80后群体，其收入不平等和机会不平等均是最低的，与他们的前辈相比，他们所生活的时代，就业环境和生活环境更加公平和开放，这与史新杰等(2018)、李莹和吕光明(2019)的研究结论是一致的。对于50后、60后和70后群体，江求川等(2014)、李莹和吕光明(2019)研究发现，60后的机会不平等占比要低于50后和70后。研究认为，50后在70年代前后相继参加工作，在当时特殊的历史时期，就业极为看重个人出身以及家庭背景，因此，他们在就业初期面临比较严重的机会不平等问题，这种情况对于收入水平的影响是永久性的；60后参加工作时中国正处于改革开放前期，社会环境大为好转，不可控的环境因素对其收入的影响弱化，机会不平等程度较低；对于70后，90年代时新利益格局初步形成、阶层重新分化的特殊阶段，整个外部环境的机会不平等水平显著上升。

(二)机会不平等的特征分析
为了深入分析各个环境因素对机会不平等影响的绝对量，本文采用Shapley值分解法，对各类型样本的机会不平等进行分解。将影响机会不平等的环境变量分为三大类，每大类的值为相应类别中环境变量的绝对量的加总。Shapley分解的结果见表3。

表3 2012—2016年机会不平等的内部特征

width=736,height=952,dpi=110
width=736,height=145,dpi=110
说明：“小计”列表示本类环境变量相应绝对量的加总。

在各类别样本中，个体特征始终占主导地位，其中性别、年龄、户籍三者在影响个体机会不平等中发挥重要作用，出生地相对而言影响程度较小。从内部来看，性别和户籍下降幅度很大，说明随着时间推移性别不公平的现象趋于缓解，虽然户籍制度仍然存在，但是伴随着人口流动限制的解除，户籍制度影响个人不平等的程度越来越小，但是其相对比重仍然较大。具体地：

从全样本来看，2012—2016年个体特征贡献率是呈下降趋势的，2012年个体特征的贡献率为69%，到2016年为64%，总体而言呈下降趋势。制度类的贡献率在时间上是呈上升趋势，地区的影响能力越来越强。家庭类环境因素的变化呈上升趋势，这类环境变量导致的机会不平等的绝对量从2012年的0.027上升到2016年的0.042。这和制度类因素是相同的，原生家庭对于个体的机会不平等影响具有很强的持续性。

从城乡类型来看，城乡居民的不平等程度相差巨大，农村户籍居民的机会不平等显著大于城镇居民，引起城乡差异较大的因素主要是性别和年龄，农村地区存在更为严重的男女不平等问题。而且农民就业对于年龄的敏感性特别强，加之在社会保障体系中，农民处于劣势地位，其所覆盖到的社保体系不健全。随着年龄的增长，与城镇居民相比，由于所从事的大多是体力劳动，就业情况迅速恶化，收入水平也存在显著下降，年龄对于机会不平等的影响更高。

从性别来看，女性所受影响更大，特别是个体特征类和家庭背景类，女性的机会不平等绝对量普遍高于男性。比如，个体特征类对于机会不平等的影响，男性在0.043到0.063之间，女性在0.066到0.105之间，二者差距明显。但是，就制度类因素而言，大部分年份男性相对量是大于女性的，也即地区影响对男性更大，这可能是由于一般情况下男女所从事的工作性质不同。从相对量来看，男性偏高的为制度类，女性偏高的为家庭类。

从东、中、西三个地区来看，区域间阶梯变化趋势明显。一般地，个体特征类和家庭背景类对于机会不平等贡献的绝对量都是从东到西依次递增的，这也符合我国发展的客观事实。

从出生年代来看，80后的个体特征类因素在3个调查年份的出生年代中均处于最低水平，这也是造成80后群体机会不平等水平较低的主要原因。从内部看，主要是性别和户籍两个环境因素对其的影响较低，出生地的变动和地区因素对80后的影响较大。对50后和60后影响最大的是性别、户籍和父亲就业，2012年其对应的相对值为47.01%，22.52%和15.74%。对于70后来说，父亲的教育和就业对其机会不平等水平的影响要高于其他群体。

五、城市规模对机会不平等的影响
(一)模型与变量选择
在前述从全国层面分类分析我国机会不平等的现状、构成及各因素对其影响的基础上，本节尝试从更为微观的城市层面出发，对机会不平等进行研究，尝试探讨城市的规模和机会不平等之间的影响关系。城市不平等数据使用CLDS 2012年、2014年、2016年共三年的数据测算得到，经过最终测算，得到共121座城市的短面板数据。为了分析城市规模对机会不平等的影响，本文被解释变量使用城市机会不平等绝对量IOOit，核心的解释变量为城市规模及其平方的形式，城市规模主要用城市常住人口衡量。本文还在模型中加入了能够影响城市机会不平等的控制变量Zit，主要包含反映经济发展水平的人均GDP和人均GDP的平方项；反映城市基础设施等方面建设力度情况的固定资产投资；考虑到目前我国大多数高校的招生状况，用高等教育在校生人数衡量本地教育环境；另外，还考虑了比较特殊的省会直辖市和普通地级市在发展权上的不同，设定省会直辖虚拟变量，若某一城市是省会或者直辖市，令省会直辖=1，否则=0；另外，考虑到我国幅员辽阔，区域发展差距大，不平衡不充分发展客观存在的事实，将全国按照三大经济带的划分，设定两个虚拟变量，若是东部省份城市，则令东部城市=1，否则=0；若是中部省份城市，则令中部城市=1，否则=0，如此，将全国所有城市分为东、中、西三类。具体模型如下：

IOOit=width=165,height=17,dpi=110

+Zit+μit

(8)

(二)数据选择
表4列示了模型所用变量的三个年份的均值和标准差情况，如前所述，各城市的收入不平等和机会不平等值是通过相应年份的CLDS数据测算得到的；人口数据是相应年份城市全市范围内的常住人口总数；人均GDP是城市人均GDP水平；固定资产投资数据和高校学生数据均为城市层面；东、中西部地区的划分和三大经济地带一致。

表4 实证分析中变量的基本统计量

width=736,height=329,dpi=110
(三)实证结果与稳健性检验
本文的城市机会不平等测算结果是一个短面板数据，均通过异方差和截面相关检验。模型的估计结果见表5，经过Hausman检验，认为随机效应模型是最有效率的，本文选取FGLS估计，结果报告见表5的模型(2)、模型(4)、模型(6)，作为对照，还对模型进行混合OLS估计，结果报告见表5的模型(1)、模型(3)、模型(5)，模型(7)的被解释变量为城市收入不平等。从模型(1)～模型(6)的回归结果来看，常住人口变量的二次项系数显著为负，一次项系数显著为正，机会不平等和城市规模呈倒U型关系，机会不平等程度随着城市规模的扩大先增加后下降。模型(3)、模型(4)和模型(1)、模型(2)相比，增加了反映城市经济发展水平的人均GDP及其平方作为控制变量，结果表明，机会不平等和城市规模呈显著的倒U型关系，机会不平等和人均GDP也呈倒U型关系。模型(5)、模型(6)增加了影响城市机会不平等的固定资产投资、高等教育、城市行政等级和城市地理信息等控制变量，估计结果显示，仍显著存在机会不平等和城市规模的倒U型关系，固定资产投资和高等教育增大城市的不平等，这可能是因为对于不同个体，对于资源的使用强度和能力是不同的，如高铁开通或者高校扩张使对这些资源有需求的人受益更多。省会城市和直辖市倾向于有更低的机会不平等水平，中部和东部地区的城市机会不平等程度更低，但是东部城市要比中部城市更有优势。模型(7)估计了城市规模和城市收入不平等之间的关系，估计结果显示，城市规模和收入不平等也是呈倒U型的关系，省会、直辖市以及东中部城市收入不平等程度更低，高固定资产投资以及高等院校学生的城市收入不平等程度更高。

表5 城市规模与不平等估计结果

width=736,height=580,dpi=110
说明：括号内为稳健标准误，***代表p<0.01,**代表p<0.05,*代表p<0.1，表8同。

到目前为止，估计结果显示城市规模和机会不平等之间呈倒U型关系，并且在一系列控制下是稳健的。但是，我们仍可能面临一些内生性问题。第一，反向因果问题，即城市机会不平等水平会对城市规模产生影响。例如，较高的机会不平等程度限制城市对新增劳动力或人才的吸引力，从而影响城市规模的扩张。第二，我们还担心其他控制变量存在潜在的内生性问题。首先，本文采用两种方法，首先将核心解释变量城市规模和其平方项滞后2期，并对模型(8)进行估计，回归结果见表6第(1)列。另外，我们参照Castells-Quintana(2018)的做法，将Lpop和Lpop2的2期和4期滞后项作为工具变量，一阶段F统计量远大于经验值10，意味着拒绝弱工具变量假设，工具变量是有效的，Hansen J统计量的检验结果不显著，意味着无法拒绝所有变量都是外生的原假设，同样表明工具变量是较为有效的，表6的第(2)列汇报了估计结果。其次，参照孙传旺等(2019)和顾夏铭等(2018)的处理方法，将除虚拟变量外的所有控制变量滞后于被解释变量二期，表6的第(3)列汇报了估计结果。从表6的第(1)(2)(3)列可见，城市规模的二次项系数估计值均显著为负，一次项系数估计值显著为正，说明机会不平等和城市规模之间存在倒U型关系。

表6 稳健性检验

width=386,height=415,dpi=110
说明：第(1)(2)列的控制变量包含Lpgdp,Lpgdp2,Gdinv,Stunum,Icap,Ieast,Imiddle；第(2)列的工具变量是Lpop的二期和四期滞后项，以及它们的二次项，Cragg-Donald Wald F统计量检验超过了5%的临界值，Hansen J统计量检验的P值为0.248；第(3)列的控制变量包含Lag2_Lpgdp,Lag2_Lpgdp2,Lag2_Gdinv,Lag2_Stunum,Icap,Ieast,Imiddle。

六、结论和政策启示
本文依托Roemer的“环境—努力”二元分析理论，采用事前参数法，结合CLDS 2012—2016年的数据，研究了中国机会不平等的程度，并用Shapley值分解法深入探讨各环境因素的影响程度，之后基于城市层面，研究城市规模对于城市机会不平等的影响，得出如下主要结论。

第一，2012—2016年，中国的收入不平等和机会不平等的绝对量都是上升的。同时，机会不平等在收入不平等中所占的比重也是上升的。从城乡差异看，城镇的机会不平等程度远低于农村；从性别差异上看，男性的机会不平等程度要低于女性；另外，中国的机会不平等呈现出明显的区域差异，从东部沿海地区到西部内陆地区有明显的上升趋势；随着出身年代的向后推移，机会不平等程度逐渐下降。第二，对机会不平等的来源进行分解，我们发现，包括年龄、性别和户籍在内的个体特征在机会不平等中占据比较重要的部分，但个体特征等环境因素的贡献率随着时间呈下降趋势。从50后到80后，个体特征的绝对量对机会不平等的贡献呈现普遍下降趋势。其中，性别和户籍下降幅度很大，说明随时间推移性别不公平的现象趋于缓解，虽然户籍制度仍然存在，但是伴随着人口流动限制的解除，户籍制度影响个人不平等的程度减弱，但是其相对比重仍然较大。另外，引起城乡机会不平等差异较大的主要原因是性别和出生年代(年龄)。第三，城市规模和机会不平等之间呈倒U型关系，即随着城市规模扩大，机会不平等先呈上升态势，在城市规模达到一定程度之后，机会不平等程度开始下降，即处于两端的大城市与小城市有较低的机

会不平等水平。另外，省会城市和直辖市倾向于有更低的机会不平等水平，东部和中部地区相比西部地区的城市机会不平等程度更低。

机会不平等是由客观因素导致的，而政府的政策对于这些客观因素的调整有重要影响。本文通过分析我国机会不平等的现状及影响因素，以及城市规模和机会不平等之间的关系，认为为构建一个体现效率、促进公平的社会，在政策设计上应当关注以下几个方面。

第一，城乡协调发展仍然是未来区域协调发展的重要内容。目前，我国的城市化水平和发达国家相比，还有比较大的差距，农村地区在基础教育、基础设施、社会保障等各个方面普遍落后，这些都是造成农村地区机会不平等程度大大高于城镇的因素。因此，应妥善推进“工业反哺农业，城市反哺农村”的相关政策制定和实施，在财政上应当加大对农村地区基础教育的投入，一些关键的基础设施比如交通、环境、卫生事业等方面要做到补短板、提质量。税收上，向农村地区倾斜，引导劳动密集型轻工业扎根郊区或农村，提升当地人民劳动技能和就业水平。农村土地改革有序推进，在保障农民根本利益的同时，解放农村劳动力，提高农业生产效率。第二，加大对中西部地区的政策扶持力度，缓解区域差异导致的机会不平等。在新一轮产业转移浪潮中，适当引导相关企业向国内中西部地区转移，利用中西部地区的人口和土地红利，叠加相关政策措施，在帮助企业顺利本地化的同时促进地方产业升级；继续加大中西部地区基础设施建设，改善企业经营环境和居民生活便利性。第三，规范劳动力市场行为，尽可能消除或降低劳动力市场中的年龄和性别歧视带来的机会不平等问题。切实推进户籍改革，从源头上消除户籍制度带来的机会不平等。严格劳动法违法监管，推进同工同酬，增加劳动者职业技能培训，提高劳动技能，减弱年龄带来的机会不平等问题。第四，在城市发展的顶层设计上，支持特大或大城市和小城市的发展。一方面，在全国范围内，根据区域特点规划优先发展的特大型城市，形成区域经济增长极，是区域经济增长的“柱石”，更是国家经济发展的“发动机”；另一方面，小城市的发展有利于我国城市化水平的快速推进，能够快速“吸收”周边农村地区人口，提升整体公平性。

参考文献

陈东、黄旭锋，2015：《机会不平等在多大程度上影响了收入不平等?——基于代际转移的视角》，《经济评论》第1期。

董丽霞、韩奕，2013：《社会性支出与城市居民收入不平等关系研究》，《中国人民大学学报》第5期。

龚锋、李智、雷欣，2017：《努力对机会不平等的影响:测度与比较》，《经济研究》第3期。

顾夏铭、陈勇民、潘士远，2018：《经济政策不确定性与创新——基于我国上市公司的实证分析》，《经济研究》第2期。

何立新、潘春阳，2011：《破解中国的“Easterlin悖论”:收入差距、机会不均与居民幸福感》，《管理世界》第8期。

贺光烨、吴晓刚，2015：《市场化、经济发展与中国城市中的性别收入不平等》，《社会学研究》第1期。

江求川、任洁、张克中，2014：《中国城市居民机会不平等研究》，《世界经济》第4期。

李莹、吕光明，2019：《中国机会不平等的生成源泉与作用渠道研究》，《中国工业经济》第9期。

刘波,胡宗义,龚志民，2020：《中国收入差距中的机会不平等再测度——基于“环境—能力—收入”的新思路》，《南开经济研究》第4期。

刘波、王修华、彭建刚，2015：《我国居民收入差距中的机会不平等——基于CGSS数据的实证研究》，《上海经济研究》第8期。

史新杰、卫龙宝、方师乐、高叙文，2018：《中国收入分配中的机会不平等》，《管理世界》第3期。

宋扬，2017：《中国的机会不均等程度与作用机制——基于CGSS数据的实证分析》，《财贸经济》第1期。

孙传旺、罗源、姚昕，2019：《交通基础设施与城市空气污染——来自中国的经验证据》，《经济研究》第8期。

唐莉、姚树洁、王建军，2006：《基尼系数分解分析中国城市居民收入不平等》，《数量经济技术经济研究》第11期。

吴晓刚、张卓妮，2014：《户口、职业隔离与中国城镇的收入不平等》，《中国社会科学》第6期。

徐晓红、荣兆梓，2012：《机会不平等与收入差距——对城市住户收入调查数据的实证研究》，《经济学家》第1期。

杨娟、赖德胜、邱牧远，2015：《如何通过教育缓解收入不平等?》，《经济研究》第9期。

张川川，2015：《出口对就业、工资和收入不平等的影响——基于微观数据的证据》，《经济学(季刊)》第4期。

朱农、骆许蓓，2008：《收入增长、不平等和贫困——中国健康与营养调查数据分析》，《中国人口科学》第2期。

Abatemarco,A.,2015,“A Gini Approach to Inequality of Opportunity:Evidence from the PSID”,Empirical Economics,49(4):1497-1519.

Arneson,R.J.,1989,“Equality and Equal Opportunity for Welfare”,Philosophical Studies,56(1):77-93.

Björklund,A.,M.Jäntti,and J.E.Roemer,2012,“Equality of Opportunity and the Distribution of Long-run Income in Sweden”,Social Choice and Welfare,39(2/3):675-696.

Bourguignon,F.,F.H.G.Ferreira,and M.Menéndez,2007,“Inequality of Opportunity in Brazil”,Review of Income and Wealth,53(4):585-618.

Castells-Quintana,D.,2018,“Beyond Kuznets:Inequality and the Size and Distribution of Cities”,Journal of Regional Science,58(3):564-580.

Cohen,G.A.,1989,“On the Currency of Egalitarian Justice”,Ethics,99(4):906-944.

Dworkin,R.,1981,“What is Equality?Part 1:Equality of Welfare”,Philosophy & Public Affairs,10(3):185-246.

Ferreira,F.H.G.,and J.Gignoux,2011,“The Measurement of Inequality of Opportunity:Theory and an Application to Latin America”,Review of Income and Wealth,57(4):622-657.

Fleurbaey,M.,and V.Peragine,2013,“Ex Ante Versus Ex Post Equality of Opportunity”,Economica,80(317):118-130.

Hassine,N.B.,2012,“Inequality of Opportunity in Egypt”,The World Bank Economic Review,26(2):265-295.

Kolenikov,S.,and A.,Shorrocks,2005,“A Decomposition Analysis of Regional Poverty in Russia”,Review of Development Economics,9(1):25-46.

Llavador,H.G.,and J.E.Roemer,2001,“An Equal-opportunity Approach to the Allocation of International Aid”,Journal of Development Economics,64(1):147-171.

Page,M.,and J.E.Roemer,2001,“The US Fiscal System as an Opportunity-equalizing Device”,In The Inequality and Tax Policy,edited by K.A.Hasset and R.G.Hubbard,Washington:The American Enterprise Institute Press.

Pistolesi,N.,2009,“Inequality of Opportunity in the Land of Opportunities,1968—2001”,Journal of Economic Inequality,7(4):411-433.

Roemer,J.E.,R.Aaberge,U.Colombino,et al.,2003,“To What Extent Do Fiscal Regimes Equalize Opportunities for Income Acquisition among Citizens?”,Journal of Public Economics,87(3-4):539-565.

Roemer,J.E.,1993,“A Pragmatic Theory of Responsibility for the Egalitarian Planner”,Philosophy & Public Affairs,22(2):146-166.

Roemer,J.E.,1998,Equality of Opportunity,Cambridge:Harvard University Press.

STUDY ON THE MEASUREMENT AND CHARACTERISTICS OF CHINA’S INEQUALITY OF OPPORTUNITY
——Also on the Influence of City Size
YI Shuchang SUN Jiuwen LIU Qing

(School of Applied Economics,Renmin University of China)

Abstract:While China’s economy is growing rapidly,the income gap is also widening.This paper relies on Roemer’s “environment-efforts”binary analysis theory,adopts ex-ante parameter method,uses China Labor-force Dynamics Survey Data (CLDS)to measure the changing trend of China’s inequality of opportunity in recent years,decomposes the inequality of opportunity,analyzes the impact of household registration,family,gender and other factors on inequality of opportunity,and discusses the effect of city size,city location difference and administrative level difference.The results show that the inequality of opportunity in China is on the rise,and there are obvious regional differences from the eastern coastal areas to the western inland areas.There are different characteristics in urban and rural areas,in different genders and ages,and there is an inverted U-shaped relationship between inequality of opportunity and urban size.High level cities such as municipalities and provincial capitals tend to have a lower level of opportunity inequality.

Key words:inequality of opportunity;city size;family background;urban-rural differences;shapley decomposition

* 易淑昶、孙久文(通讯作者)、柳青，中国人民大学应用经济学院，邮政编码：100872，电子信箱：yishuchang@ruc.edu.cn。本文得到国家自然科学基金面上项目“中国沿海地区高质量发展的综合评价与政策耦合研究”(42071155)的资助。感谢匿名审稿人的修改建议，笔者已做了相应修改，本文文责自负。

(责任编辑：李振新)