人口流動對居民收入差距的影響范文

本站小編為你精心準備了人口流動對居民收入差距的影響參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

一、數據說明及方法介紹

（一）數據說明本文使用“2005年全國1%人口抽樣調查數據”作為分析的基礎數據庫。與以往的調查相比，2005年全國1%人口抽樣調查增加了一個關于收入的問題，“R25收入情況。上個月（或按年收入折算）的月收入是______元”，這在全國人口調查中是首次涉及的項目。雖然這里所說的收入僅僅是勞動收入，不包括利息收入、房租等非勞動收入，未能反映我國居民的分項收入來源情況，但由于調查的范圍廣（覆蓋全國31個省份，共調查登記常住人口1699萬人，占全國總人口的1.325%），詳細而準確地反映了我國居民“勞動收入”在城鄉、地區和行業等人口屬性下的特征，所以仍然具有極高的研究價值。中國住戶收支調查數據（ChineseHouseholdIncomeProjectSurvey，以下簡稱“CHIPs”）。這是國內目前唯一一套比較權威的全國性居民收支專項調查數據，由福特基金會提供資金支持，具體調查工作由中國社會科學院經濟研究所趙人偉（1988年和1995年）和李實（2002年以后）主持。目前共進行了1988年、1995年、2002年和2007年四次調查。其中2007年之前的調查沒有涉及流動人口的選項，但在2007年的調查中增加了流動人口這一群體。本文采用1994年國企改革正式開始之后的后三次調查數據。還需要說明兩點：第一，本文討論的居民收入屬于“實際收入”，均按照我國各地不同的物價水平進行了調整，調整系數來源于LorenBrandt&CarstenA.Holz（2005）的工作論文“SpatialPriceDifferencesinChina:EstimatesandImplications”；第二，按照“2005年全國1%人口抽樣調查數據”匯總的光盤版數據說明，國家統計局“2005年全國1%人口抽樣調查數據”原始資料共有16570406個樣本。本文使用的數據來源于中國人民大學人口研究所，是國家統計局原始數據的再抽樣數據，共有2585481個樣本，換算后實際抽樣比為0.1977%。在具體計算中，本文僅選取了15到64周歲的勞動人口，最后實際得到1336398個有效樣本。

（二）方法簡介基于回歸方程對收入差距做分解分析是國外收入分配領域方法研究的最新進展。這個分解技術也可稱之為按解釋變量分解，即對不平等指標按影響收入的不同變量進行分解，計算出這些變量對不平等的貢獻率。基于回歸方程收入差距分解技術的其本思想是這樣的：“對收入函數中的某個解釋量X求均值，然后將X的平均值和其他解釋變量的實際值一起代入收入方程，推測出收入數據，并且計算對應于這個收入的不平等指數。”此時，該指數已經不包含X的影響了。該指數與根據真實數據計算出的收入差距之差衡量了X對于收入差距的貢獻。一般來說，影響收入大小的因素也會影響收入差距，所以回歸分解技術的第一步就是要建立收入方程，①估計各自變量的系數，然后將待分析的收入差距指標代入方程兩端，最后得出各自變量對收入不平等的貢獻率。相對于前面兩種分解技術，回歸分解技術可以處理連續變量類型的影響因素，彌補了按人群分組的收入分解技術僅能處理分類變量的局限。更為關鍵的是，基于回歸的分解技術可以在控制其他變量的前提下，考察某一因素對不平等的影響，②從而控制了不平等的內生性問題（如也許正因為存在收入差距，所以才產生了那樣特征的收入人群分組方法），所以更貼近現實和具有一般意義，近年來在收入分配領域越來越受到重視。具體來說，我們將采用“夏普里法”對基尼系數、阿肯森指數、廣義熵指數和變異系數（Coefficientofvariationindex）等多種指標進行分解分析。③而且為了回避常數項0s對收入差距是否具有貢獻的學術爭議，也為了防止常數項的存在影響到估算結果的準確性，我們把回歸方程設定為半對數線性回歸（Semi-LogLinear）方程：此時收入可以視為一個倍乘系數()0Exps的乘積，即相當于所有人的收入同時增加或減少()0Exps倍（收入的整體倍加倍減對收入差距指標的計算不產生影響），實際上已經人為消除了原方程中常數項0s對收入差距的影響，就算我們在估算過程中直接去掉()0Exps項，也就相當于去掉了原方程的常數項，也不會對后面的分解結果造成任何影響。而殘差項εˆ可以用來表示方程中不能解釋的收入差距部分。

二、變量說明及一般線性回歸

按照前文的介紹，建立收入決定方程是進行基于回歸方程收入差距分解的必須步驟。如前所述，我們使用“2005年全國1%人口抽樣調查數據”，建立半對數形式的收入決定方程：方程解釋變量的選取盡可能的參考了同類研究文獻。[17-18]如上所示，方程左邊的被解釋變量log(y)為收入的對數形式，方程的解釋變量ix分別為：性別（SEX）、戶口性質（PEASANT）、年齡（AGE）、年齡的平方（AGE2）、地區（REGION）、受教育程度（EDU）、行業（INDUSTRY）和離開戶口登記地時間（FLOATER）。βˆ是待估計的方程系數，εˆ是殘差項。表1是采用逐步增加變量的方式得到的四個收入方程，各變量估計系數都是顯著的，各方程的回歸擬合系數也比較高。我們對方程進行了方差腫脹因子檢驗，各解釋變量中“年齡（AGE）”的VIF最大，達41.67。所有變量的平均VIF等于4.68。根據“最大VIF大于10，平均VIF大于1”的原則，我們判定收入方程不存在多重共線性。然后對方程的異方差進行了檢驗，經過Breusch-Pagan拉格朗日乘數異方差檢驗，檢驗結果顯著，拒絕原假設，所以方程存在異方差。為了減少異方差的不利影響，表1給出的都是加上了估計穩健標準誤robust選項的回歸結果。綜合考慮，我們最后采用模型四的估計結果。因為構造收入決定方程只是基于回歸方程的收入差距分解的一個中間步驟，所以我們并不是很關心回歸的具體結果，比如系數有多大，等等。一般只需要看回歸估計系數是否顯著，方程的可決系數是否較大即可著手下一步的工作。

三、回歸分解結果及解釋

本文基于回歸方程的收入差距分解技術所使用的軟件是聯合國發展研究院（UNU-WIDER）萬廣華教授提供的JAVA程序。根據萬廣華，以及復旦大學陳釗和陸銘的經驗，本文合并了所有虛擬變量，并把年齡與年齡的平方合并為一個變量（年齡的平方影響幾乎可以忽略不計，對這兩者合并的象征意義大于實際意義）。合并變量以表1中“模型四”為藍本。比如合并年齡和年齡的平方，就是生成了一個新的年齡變量C，使得：C=0.0408773*age-0.0004854*age2而如果把變量C和除“年齡”及“年齡的平方”之外的其他變量再重復一次模型四的估計，變量C就能得到等于1的回歸系數，而其他所有變量的回歸系數都與模型四原來的估計不變，模型的總體擬合指標也不會受到任何影響。再以受教育程度所有的虛擬變量合并為例，我們可以以同樣的方法生成新的受教育程度變量E，使得：E=0.1619733*小學+0.2702436*初中+0.3938173*高中+0.7143589*大學專科+0.98205*大學本科+1.382374*研究生以上。按照這種方法，我們繼續把“地區”“行業”“離開戶口登記地時間”等對應的虛擬變量分別合并為變量D、F、G，然后把“性別”和“戶口性質”對應的虛擬變量改名為變量A和B。這樣原“模型四”的回歸結果就轉換為以下的回歸式因為我們采用的是半對數模型，如果在分解回歸中直接使用上式的這種形式就會造成對實際收入分布曲線的扭曲，所以在回歸分解的實際應用中，可以把上式做如下變換：上面這個式子及其所對應的數據庫就是我們進行回歸分解的基礎。其中Exp(4.311794)是倍乘系數的常數項。把這個式子和數據庫調入程序后即可得到表2第二至第五欄的結果。采用同樣的方法，建立不包含“人口流動”因素的回歸方程，然后進行基于回歸方程的收入差距分解，可得到表2第六至第九欄的結果。

從表2結果可以看出，采用SharplyValue方法基于回歸方程的收入差距分解技術，則可以把收入差距的各影響因子置入同一方程中。這樣就可以在控制其他因素的情況下，考察某一因素對收入差距的“純”影響，并最終可以得到各影響因素對收入差距的貢獻率。表2分析結果顯示，在不考慮“人口流動”變量時，各影響因素對收入差距（以基尼系數為例說明）的貢獻率分別為：性別（9.74%）、戶口性質（21.57%）、年齡（6.76%）、地區（17.67%）、受教育程度（22.55%）和行業（21.70%）。“戶口性質”對收入差距的貢獻率排在第三位，但與前兩位“受教育程度”和“行業差異”比例非常接近，都占到了總貢獻率的五分之一左右。而在控制了“人口流動”變量時，“戶口性質”對總收入差距的貢獻率變為11.42%，下降了10個百分點，排序也下降了一位，排在了“受教育程度”“行業差異”和“地區”因素之后。另外，模型估計的Gini系數為0.3923，大約解釋了原始數據計算的Gini系數0.4735的82.85%，這就相當于回歸分解模型的解釋度。前文使用“2005年全國1%人口抽樣調查數據”僅得到2005年一年的分析結果。我們在1995年、2002年和2007年的CHIPs數據的基礎上，采用同樣的方法，可以對收入差距影響因子貢獻率排序進行歷史的縱向比較。利用這一結果可以對我國居民收入差距影響因子貢獻率的動態變化有一個更為全面的認識。（本文來自于《寧波大學學報·人文科學版》雜志。《寧波大學學報·人文科學版》雜志簡介詳見）

對于這三年的CHIPs數據我們同樣以LorenBrandt&CarstenA.Holz物價調整系數對應的各省調整系數進行價格調整。為了使得三年的數據更為統一，增加可比性，我們去掉了2002年的四川和重慶，以及1995年的四川數據。這樣1995年、2002年數據的省份都和2007年一樣，都僅包含了北京、山西、遼寧、江蘇、安徽、河南、湖北、廣東、云南及甘肅等10個省份。為了與前文“2005年全國1%人口抽樣調查數據”估算結果進行比較，1995年和2002年數據僅篩選了“性別”“年齡”“受教育程度”“戶口性質”“行業”和“地區”等六個變量。2007年數據增加“人口流動”變量。結果如表3所示。

四、結論及補充說明

本文的分析結果顯示除了傳統的城鄉分割、地區分割因素之外，壟斷部門的存在（行業因素）對收入差距也產生著越來越重要的影響，此外受教育程度對居民收入差距的貢獻率排序的攀升也值得引起我們的注意。與一般的研究結論“加快城市化是縮小我國居民收入差距的根本措施”不同的是，本文認為在考慮“人口流動時，“戶口性質（城鄉差異）”對居民收入差距的貢獻率均低于地區差異和行業差異，并且隨著時代的發展，其貢獻率還被受教育程度超越。如果研究中忽略勞動力人口流動因素，將高估城鎮居民收入水平和低估農村居民收入水平，從而夸大我國城鄉居民收入差距，更可能造成“推動城鎮化就可以顯著縮小居民收入差距”的政策誤判。分析表明，要縮小我國居民收入差距，我們更應該把眼光放在如何縮小受教育度差異、地區差異和行業差異等相關措施上。

由于收入數據的敏感性，收入專項調查以及大型調查中的收入調查項目常常會遇到瞞報現象，其統計的準確性往往受到質疑。一般有三個因素導致收入瞞報：一是經濟因素，少報收入可以少交稅；二是社會傳統因素，中國歷來就有“財不外露”的傳統，尤其真實的“個人收入”是忌諱透露給別人的；三是法律因素，來路不正的“灰色收入”和違法違紀“黑色收入”見不得光。一般來說，收入瞞報現象往往是高收入者多于中低收入者，城市居民多于農村居民，發達地區的居民多于落后地區居民。由于高收入者總是希望拿高一檔的收入，交低一檔的稅，所以他們更為擔心個稅的征收。而由于社會“仇富”心理的泛濫，高收入者是極為害怕把自己的真實收入情況透露出來的。最后，對比中低收入者，高收入者的“灰色收入”和“黑色收入”肯定是最多的，所以他們也更有動力去瞞報真實收入情況。拿“2005年全國1%人口抽樣調查數據”來說，由于高收入者的瞞報現象，由此數據估算出來的城鄉差距、行業差距和地區差距可能會低于實際情況。但由于這些收入瞞報造成的統計誤差不是實驗誤差，往往帶有系統誤差的性質，不會影響我們的估計方向。更由于本文更關心的是收入差距影響因子貢獻率排序的相對變化情況，不太關心收入差距本身水平的高低。所以這些收入的瞞報不會影響本文的判斷。另外，“2005年全國1%人口抽樣調查數據”中的R25項所說的收入是指勞動收入，并未包括利息收入、房租等非勞動收入。

④而瞞報收入大多指的是非勞動收入，從理性經濟人角度看，合法的較低的勞動收入基本不存在瞞報的動因。所以從這一角度來看，如果說“2005年全國1%人口抽樣調查數據”由于收入瞞報而導致對收入者的統計失真，這并非數據采集質量問題，而是該調查本身僅設計了對“勞動收入”的統計。所以當我們以“勞動收入”的統計分析結果來反映“全部收入”的真實情況難免有所偏誤，但如果我們在問題討論時就已經界定為“勞動收入”則就不存在這個問題了。而為了彌補“2005年全國1%人口抽樣調查數據”僅包含了“勞動收入”的缺陷，本文還使用了CHIPs三年調查數據對我們收入差距的歷史變化情況進行了回顧，CHIPs調查數據是來源于收入的專項調查，收入選項不僅包含了“勞動收入”，也包含了“非勞動收入”，數據的可靠性要好一些。通過對使用CHIPs數據的分析結果與使用“2005年全國1%人口抽樣調查數據”的分析結果的比較，我們得出了比較接近的結論。這就從側面說明了僅包含“勞動收入”收入內容的“2005年全國1%人口抽樣調查數據”對應的分析結果不會影響本文的判斷。

作者：劉偉鐘昌標單位：云南財經大學西南邊疆山地區域開發開放協同創新中心寧波大學區域經濟與社會發展研究院