楊斯琪，趙彥云

（中國人民大學(xué) 統(tǒng)計(jì)學(xué)院，北京 100872）

新型城鎮(zhèn)化背景下城鎮(zhèn)常住人口收入差距分析

楊斯琪，趙彥云

（中國人民大學(xué) 統(tǒng)計(jì)學(xué)院，北京 100872）

文章利用中國城市、農(nóng)村和流動(dòng)人口居民收入調(diào)查2008年數(shù)據(jù)，在明瑟方程的基礎(chǔ)上，利用半?yún)?shù)分位數(shù)回歸模型，對(duì)教育、工作經(jīng)驗(yàn)兩大人力資本因素進(jìn)行分析，并將市場(chǎng)分割因素城鄉(xiāng)戶籍、地區(qū)、行業(yè)作為控制變量。就方法論來說，半?yún)?shù)分位數(shù)回歸模型擬合結(jié)果優(yōu)于OLS模型及分位回歸模型，并且經(jīng)驗(yàn)在第一個(gè)十年內(nèi)與收入之間呈現(xiàn)三次函數(shù)關(guān)系，隨后呈現(xiàn)二次函數(shù)關(guān)系。從政策建議角度來說，教育、經(jīng)驗(yàn)作為人力資本對(duì)高收入人群具有更高的回報(bào)率，為從長遠(yuǎn)角度解決收入差距問題，應(yīng)提高農(nóng)民工受教育程度及培訓(xùn)力度，將人力資本投入向貧困地區(qū)傾斜。

半?yún)?shù)分位數(shù)回歸;新型城鎮(zhèn)化;收入差距;明瑟方程

0 引言

收入分配作為影響民生的重要因素，對(duì)城鎮(zhèn)化具有不可忽視的影響。收入差距所體現(xiàn)的收入分配不均等已經(jīng)受到社會(huì)大眾、政府和專家學(xué)者廣泛關(guān)注。收入差距過大會(huì)影響新型城鎮(zhèn)化的質(zhì)量，導(dǎo)致勞動(dòng)力過多地向高收入地區(qū)流動(dòng)，不利于引導(dǎo)人力資本向中小城市集聚，阻礙大、中、小城市與城鎮(zhèn)協(xié)調(diào)發(fā)展；同時(shí)對(duì)世界各國的經(jīng)濟(jì)增長研究表明，收入差距過大可能導(dǎo)致一國經(jīng)濟(jì)增長陷入“中等收入陷阱”，不利于長期的經(jīng)濟(jì)增長和到達(dá)高水平的收斂。在經(jīng)濟(jì)發(fā)展方面，盡管城鎮(zhèn)化會(huì)帶來大量的基礎(chǔ)設(shè)施投資及消費(fèi)需求，但收入差距過大會(huì)增大城鎮(zhèn)低收入人群的恐慌心理，降低消費(fèi)水平，對(duì)經(jīng)濟(jì)的內(nèi)需動(dòng)力帶來不利影響。

收入差距的來源主要可以分為兩方面，第一方面來自于市場(chǎng)本身，市場(chǎng)根據(jù)個(gè)人能力對(duì)收入進(jìn)行分配，從而在不同能力水平的人之間產(chǎn)生收入差距；第二方面來自于非市場(chǎng)性因素，即機(jī)制體制方面的壁壘，如戶籍制度、行業(yè)壟斷等。本文將重點(diǎn)放在第一個(gè)方面，即個(gè)人能力所帶來的收入差距，而其中最重要的即為人力資本。明瑟（1974）對(duì)人力資本的研究中將教育、經(jīng)驗(yàn)作為主要的人力資本要素，得出了明瑟方程。本文以明瑟方程為基礎(chǔ)研究城鎮(zhèn)居民收入的影響因素，與前人的研究相比，本文的不同之處在于：（1）本文采用半?yún)?shù)分位數(shù)回歸模型進(jìn)行分析，將經(jīng)驗(yàn)納入非參數(shù)部分，對(duì)經(jīng)驗(yàn)的具體形式進(jìn)行檢驗(yàn)。同時(shí)，融合了分位數(shù)回歸的優(yōu)點(diǎn)，可以研究自變量隨著收入的變化對(duì)其影響的改變。（2）本文以教育、經(jīng)驗(yàn)為主要自變量，同時(shí)將勞動(dòng)力市場(chǎng)分割因素地區(qū)、城鄉(xiāng)戶籍、行業(yè)作為控制變量加入模型中，提高模型準(zhǔn)確性。（3）本文中所用數(shù)據(jù)包括城鎮(zhèn)人口與流動(dòng)人口，并非單純的城鎮(zhèn)人口或是城鄉(xiāng)混合樣本，而是以城鎮(zhèn)常住人口為分析對(duì)象。

1 半?yún)?shù)分位數(shù)回歸方法

本文中擬對(duì)經(jīng)驗(yàn)變量采用非參數(shù)的形式，其余變量仍采用參數(shù)形式，同時(shí)結(jié)合分位數(shù)回歸，采用半?yún)?shù)分位數(shù)回歸模型對(duì)城鎮(zhèn)居民收入進(jìn)行分析。

半?yún)?shù)分位數(shù)回歸模型結(jié)構(gòu)如下：

可以看出模型由兩部分組成，線性部分XTβ稱為參數(shù)分量，非線性部分 f(T)稱為非參數(shù)分量，Qy(τ |X)為條件分位數(shù)，τ為分位點(diǎn)。

最小化式（2）即可求得參數(shù)β及非參數(shù)部分 f(T)：

參數(shù)α為懲罰參數(shù)，通過改變?chǔ)量梢云胶鈹M合程度與懲罰項(xiàng)，調(diào)節(jié)光滑程度，式中對(duì)參數(shù)部分加入了lasso懲罰項(xiàng)，對(duì)系數(shù)進(jìn)行收縮，非參數(shù)部分為光滑樣條法的懲罰函數(shù)，通過對(duì)節(jié)點(diǎn)處光滑程度附加限制條件，來防止待估參數(shù)過多，估計(jì)過分地?cái)M合數(shù)據(jù)。關(guān)于其求解采用Frisch–Newton內(nèi)點(diǎn)法（Portnoy and Koenker，1997）及稀疏矩陣Cholesky分解（Koenker and Ng，2003）。

半?yún)?shù)分位數(shù)回歸模型結(jié)合了半?yún)?shù)回歸與分位數(shù)回歸的方法，因此更具有優(yōu)勢(shì)。首先，與OLS回歸相比，由于同時(shí)具有參數(shù)部分與非參數(shù)部分，使得數(shù)據(jù)擬合不需要過多分布假設(shè)，更接近真實(shí)情況，擬合優(yōu)度更高。同時(shí)，與非參數(shù)回歸相比，參數(shù)部分大大增強(qiáng)了結(jié)果的可解釋性，可以得出具有經(jīng)濟(jì)學(xué)含義的實(shí)際結(jié)論，并且避免了“維數(shù)禍根”的問題。另一方面，根據(jù)不同分位點(diǎn)的回歸結(jié)果，可以得到因變量不同水平下的分析結(jié)果，從而精確描述自變量對(duì)因變量的條件分布的影響，尤其是當(dāng)分布為偏態(tài)分布時(shí)，可以分析因變量尾部的分布，對(duì)異常值不敏感，具有更高的穩(wěn)健性。

根據(jù)明瑟方程，因變量為對(duì)數(shù)收入，自變量選取人力資本變量受教育程度edu與工作經(jīng)驗(yàn)exp，并加入控制變量性別sex、東部地區(qū)east、西部地區(qū)west、城鄉(xiāng)戶籍變量urban、行業(yè)變量ind。根據(jù)半?yún)?shù)分位數(shù)回歸模型可知，若自變量與因變量呈非線性關(guān)系，則將其設(shè)為非參數(shù)部分；若自變量與因變量呈線性關(guān)系，則將其設(shè)為參數(shù)部分。根據(jù)之前對(duì)經(jīng)驗(yàn)變量的分析，我們將其設(shè)為非參數(shù)部分，以防止由于模型設(shè)定錯(cuò)誤使得分位回歸結(jié)果有偏，同時(shí)設(shè)為非參數(shù)部分可對(duì)不同分位點(diǎn)經(jīng)驗(yàn)與收入的關(guān)系有更直觀全面的認(rèn)識(shí)。除工作經(jīng)驗(yàn)外，其余變量均設(shè)為參數(shù)部分。最終所得基于明瑟方程的半?yún)?shù)分位數(shù)回歸模型如下：

2 數(shù)據(jù)來源及描述性分析

本文中選取的是2008年CHIP數(shù)據(jù)，數(shù)據(jù)分為流動(dòng)人口數(shù)據(jù)，城鎮(zhèn)人口數(shù)據(jù)和農(nóng)村人口數(shù)據(jù)，其中城鎮(zhèn)人口數(shù)據(jù)采集由國家統(tǒng)計(jì)局完成，流動(dòng)人口數(shù)據(jù)采集由調(diào)查公司執(zhí)行，所以樣本不重合，考慮將兩樣本數(shù)據(jù)合并進(jìn)行研究，以分析城鎮(zhèn)化過程中全部城鎮(zhèn)勞動(dòng)人口的收入差距。流動(dòng)人口數(shù)據(jù)中刪除了在外打工時(shí)間在6個(gè)月以內(nèi)（包括6個(gè)月）的樣本，因此，整合后的樣本為符合統(tǒng)計(jì)學(xué)上對(duì)常住人口定義的城鎮(zhèn)人口樣本。

由于數(shù)據(jù)并非單純采用城鎮(zhèn)樣本，也非農(nóng)村與城鎮(zhèn)的混合樣本，而是采用所有城鎮(zhèn)人口及農(nóng)村到城市的流動(dòng)人口，使得該數(shù)據(jù)會(huì)得出與以往收入研究不同的結(jié)論，這是本文與以往明瑟方程的研究結(jié)果不同的重要原因之一，值得一提的是，樣本中既包括具有固定居所的居民，也包括大部分無固定居所的流動(dòng)人口，因此該數(shù)據(jù)可以用來研究勞動(dòng)力市場(chǎng)的城鄉(xiāng)分割現(xiàn)象。

合并之后的數(shù)據(jù)共有14000個(gè)樣本點(diǎn)，個(gè)人樣本僅包括從事工資性工作及自我經(jīng)營者，不包括失業(yè)人員、離退休人員等，同時(shí)刪除缺失值及不確定回答，剩余有效樣本個(gè)數(shù)為10959個(gè)，分布在9個(gè)省。因變量設(shè)置為收入水平，問卷中變量為平均月收入，乘以12得到平均年收入，并且根據(jù)明瑟方程對(duì)收入取對(duì)數(shù)得到收入水平。教育水平自變量選取問卷中正規(guī)教育年限變量，扣除跳級(jí)和留級(jí)年數(shù)。性別為虛擬變量，男性為1，女性為0。

城鄉(xiāng)戶口為虛擬變量，城市戶口取值為1，農(nóng)村戶口取值為0，其中，城市戶口樣本個(gè)數(shù)為6520，農(nóng)村戶口樣本個(gè)數(shù)為4261，樣本個(gè)數(shù)之間不存在過大差距。對(duì)于9個(gè)省份，廣東省、上海市、浙江省、江蘇省屬于東部地區(qū)，安徽省、河南省、湖北省屬于中部地區(qū)，四川省、重慶市屬于西部地區(qū)。其中東部地區(qū)5592個(gè)樣本，中部地區(qū)3157個(gè)樣本，西部地區(qū)1932個(gè)樣本，由此設(shè)定東部地區(qū)、西部地區(qū)兩個(gè)虛擬變量，以中部地區(qū)作為參照組。

對(duì)于行業(yè)變量ind，以往的研究（李實(shí)等，2009）表明，不同行業(yè)之間的收入差距主要體現(xiàn)在壟斷行業(yè)與非壟斷行業(yè)之間，因此本文中考慮設(shè)立壟斷虛擬變量，關(guān)于壟斷行業(yè)的判斷，同樣采用李實(shí)等（2009）中的分類方法，將金融保險(xiǎn)業(yè)、房地產(chǎn)業(yè)、水電石油等公共基礎(chǔ)行業(yè)作為壟斷行業(yè)。壟斷設(shè)為1，非壟斷設(shè)為0。

關(guān)于工作經(jīng)驗(yàn)變量的處理，以往研究者普遍采用的方法有兩種：第一種是用年齡減去6再減去受教育年限，第二種是直接采用當(dāng)前工作的工作時(shí)間。本文中采用的是第一種方法，因?yàn)榭紤]到當(dāng)前工作的工作時(shí)間并不能全面代表一個(gè)人的工作經(jīng)歷，其中可能存在更換職位等情況；而第一種方法所計(jì)算的工作經(jīng)驗(yàn)基本與實(shí)際情況相符，同時(shí)可以控制出生年份對(duì)收入的影響。根據(jù)勞動(dòng)年齡人口的定義，選取了16～60歲的男性及16～55歲的女性，計(jì)算出相應(yīng)的工作經(jīng)驗(yàn)。表1為所有變量的描述統(tǒng)計(jì)。

表1 樣本數(shù)據(jù)的變量描述統(tǒng)計(jì)

3 不同模型估計(jì)結(jié)果比較

本文中用R軟件對(duì)半?yún)?shù)分位數(shù)回歸模型進(jìn)行計(jì)算，首先取分位點(diǎn)0.5，得到半?yún)?shù)中位數(shù)回歸結(jié)果，同時(shí)給出OLS模型、分位數(shù)回歸模型結(jié)果，通過比較擬合效果，分析半?yún)?shù)分位數(shù)回歸的優(yōu)勢(shì)所在。表2（見下頁）為半?yún)?shù)中位數(shù)回歸與OLS回歸、中位數(shù)回歸的結(jié)果比較。從回歸擬合程度來看，半?yún)?shù)分位數(shù)回歸的赤池信息量AIC最小，因此半?yún)?shù)分位數(shù)回歸的效果更好，這表明將工作經(jīng)驗(yàn)變量設(shè)為非參數(shù)部分是合理的。無論是OLS回歸還是中位數(shù)回歸，對(duì)經(jīng)驗(yàn)引入二次項(xiàng)都可以提高模型的擬合程度，并且經(jīng)驗(yàn)二次項(xiàng)系數(shù)顯著，說明明瑟對(duì)經(jīng)驗(yàn)的二次項(xiàng)設(shè)定是有其合理性的。但半?yún)?shù)分位數(shù)回歸將經(jīng)驗(yàn)放入非參數(shù)部分，能夠根據(jù)數(shù)據(jù)本身得到擬合結(jié)果，將參數(shù)與非參數(shù)的方法更好地結(jié)合在一起，因此模型擬合結(jié)果更加準(zhǔn)確。從半?yún)?shù)分位數(shù)回歸系數(shù)結(jié)果來看，教育、性別、東部地區(qū)、行業(yè)變量的系數(shù)均為正且顯著，這與以往的研究結(jié)果相符，西部地區(qū)的系數(shù)為正但不顯著，說明西部地區(qū)與中部地區(qū)之間在收入中位數(shù)處的差距不大，因此，東、中、西部地區(qū)中，收入差異主要存在于東部與中西部之間。

表2 OLS、分位數(shù)回歸、半?yún)?shù)分位數(shù)回歸結(jié)果比較

半?yún)?shù)分位數(shù)回歸模型的非參數(shù)部分估計(jì)結(jié)果見表3，其中給出了非參數(shù)估計(jì)部分的光滑樣條參數(shù)lambda，懲罰項(xiàng)penalty，并且可以看出工作經(jīng)驗(yàn)的非參數(shù)部分估計(jì)結(jié)果是顯著的。

表3 半?yún)?shù)分位數(shù)回歸模型在0.5分位點(diǎn)的非參數(shù)回歸結(jié)果

圖1中給出了三種模型的工作經(jīng)驗(yàn)的擬合結(jié)果，比較可知，模型2與模型3在0～10年間的擬合結(jié)果大致相同，而模型1的擬合結(jié)果相對(duì)平緩，由于非參數(shù)部分回歸結(jié)果對(duì)分布的假定更少，可以根據(jù)數(shù)據(jù)本身的特點(diǎn)進(jìn)行擬合，由此認(rèn)為工作經(jīng)驗(yàn)與收入之間在最初10年內(nèi)為三次函數(shù)關(guān)系。而在隨后的變化中，由于三次項(xiàng)函數(shù)形式最終走勢(shì)向上，與實(shí)際不符，而模型1與模型3大致相同，半?yún)?shù)分位回歸的變化更加劇烈。在40～50年間，半?yún)?shù)分位回歸下降慢且波動(dòng)大。從以上分析可知，明瑟方程中對(duì)經(jīng)驗(yàn)的二次項(xiàng)設(shè)定在經(jīng)驗(yàn)積累最初階段是有偏差的，而在積累到一定程度后，經(jīng)驗(yàn)對(duì)收入的影響大致符合二次項(xiàng)形式。

同時(shí)從半?yún)?shù)回歸結(jié)果來看，收入的變化呈現(xiàn)出先增長后下降的倒U型曲線。工作經(jīng)驗(yàn)在0～10年間，收入隨工作經(jīng)驗(yàn)增加而增加，隨后工作經(jīng)驗(yàn)的效應(yīng)基本保持不變，說明0～10年間內(nèi)，工作經(jīng)驗(yàn)對(duì)收入有顯著正向影響，而在實(shí)際中，經(jīng)驗(yàn)從0上升到10的過程，也正是個(gè)人積攢工作經(jīng)驗(yàn)的主要起步時(shí)期，且隨著經(jīng)驗(yàn)增加，個(gè)人收入、職位都會(huì)得到顯著的提升。而10～50年之間工作經(jīng)驗(yàn)對(duì)收入并非主要影響因素，在50年及以上，工作經(jīng)驗(yàn)的效應(yīng)迅速下降，這可能是由于工作經(jīng)驗(yàn)50年及以上的個(gè)體生產(chǎn)效率降低，使得收入傾向于下降。這與以往對(duì)收入的年齡剖面的分析結(jié)果基本一致，即在工作期頭一個(gè)十年收入急劇增長，隨后增長緩慢，而在第三四十個(gè)年份則基本保持在同一水平。

圖1 工作經(jīng)驗(yàn)的非參數(shù)效應(yīng)估計(jì)

4 收入影響因素分析

分析半?yún)?shù)分位數(shù)回歸在0.1，0.25，0.5，0.75，0.9分位點(diǎn)的參數(shù)估計(jì)結(jié)果及非參數(shù)估計(jì)結(jié)果，見表4。從表4中可以看出，除下四分位點(diǎn)處的urban與中位數(shù)west系數(shù)估計(jì)值外，其余參數(shù)系數(shù)估計(jì)值均顯著。同時(shí)，非參數(shù)部分的擬合效果同樣顯著，非參數(shù)部分的設(shè)定正確。

表4 半?yún)?shù)分位數(shù)回歸模型在各分位點(diǎn)的回歸結(jié)果

4.1 教育對(duì)收入的影響

從回歸系數(shù)顯著性來看，教育對(duì)收入的影響為正且顯著，這與以往的研究是相符的，教育始終是影響收入的主要因素。從圖2中可以看出，系數(shù)隨收入組的變化呈現(xiàn)倒U型。以往的分析結(jié)論中，部分研究人員認(rèn)為隨著收入的水平組提高，教育的影響增大（張車偉，2006），從而帶來“貧者愈貧，富者愈富”的“馬太效應(yīng)”，而也有研究人員認(rèn)為隨著收入的水平組提高，教育的影響減小（劉生龍，2008）。主要原因在于使用的數(shù)據(jù)不同，張車偉使用的樣本數(shù)據(jù)來自于東部發(fā)展地區(qū)的三個(gè)省份，劉生龍使用的則是城市農(nóng)村混合的樣本數(shù)據(jù)，而本文中使用的數(shù)據(jù)來自于城鎮(zhèn)居民數(shù)據(jù)與流動(dòng)人口數(shù)據(jù)，為城鎮(zhèn)常住居民數(shù)據(jù)，因此結(jié)果會(huì)有差異。

圖2 半?yún)?shù)分位數(shù)回歸模型參數(shù)部分在各分位點(diǎn)的系數(shù)變化圖

從表4中數(shù)據(jù)來看，在控制了行業(yè)、城鄉(xiāng)等重要影響因素之后，在10%低收入組，受教育程度每提高一年，收入平均增加5.7%，隨著收入水平提高，教育回報(bào)率提高，到75%收入組時(shí)，受教育程度每提高一年，收入平均增加8%，而在90%高收入組，受教育程度每提高一年，收入平均增加7.1%，比起之前有所下降。究其原因，低收入組與中高等收入組相比，工作職位性質(zhì)不同，低收入組大多數(shù)從事不需專業(yè)知識(shí)和技能的純勞力工作，因此受教育程度對(duì)收入的影響較小，而中等收入組則會(huì)因本科學(xué)歷和碩士學(xué)歷的差別而有不同的工資收入待遇；從75%收入組到90%高等收入組，教育回報(bào)率下降，可能是由于90%高等收入組的高收入主要是由于家族企業(yè)等原因帶來的，因此教育并非收入的主要影響因素，故從上四分位點(diǎn)到0.9分位點(diǎn)，教育回報(bào)率會(huì)下降。但盡管如此，0.9分位點(diǎn)的系數(shù)值仍舊比0.1分位點(diǎn)的系數(shù)值大，這意味著，高收入組的教育回報(bào)率仍舊比低收入組高，具體來說，高收入組受教育程度每提高一年，教育回報(bào)率比低收入組高1.4%，因此教育擴(kuò)張可能會(huì)導(dǎo)致城鎮(zhèn)常住居民收入差距進(jìn)一步擴(kuò)大。

4.2 城鄉(xiāng)二元戶籍制度對(duì)收入的影響

從表4中可以看出，城鄉(xiāng)變量urban的回歸系數(shù)隨收入水平的提高，由負(fù)變?yōu)檎一貧w系數(shù)在0附近時(shí)，回歸系數(shù)顯著性差。在10%低收入組中，回歸系數(shù)為-0.053且顯著，這說明在低收入組中，城鎮(zhèn)戶口居民的收入比農(nóng)村戶口居民平均低5.3%，這一現(xiàn)象是值得討論的，這可能有三個(gè)方面的原因，其一是由于“民工荒”現(xiàn)象的存在，使得低收入崗位處于供過于求的狀態(tài)，因此不存在城鄉(xiāng)戶籍歧視現(xiàn)象；其二是由于在低收入組中城鄉(xiāng)戶口的分布比例可能是失衡的，大部分個(gè)體為農(nóng)村戶口，因此回歸系數(shù)受到自變量分布很大影響；其三是與低收入組人群所從事的行業(yè)有關(guān)，低收入組人群大部分從事餐飲服務(wù)業(yè)等需要體力耐力的行業(yè)，而在這方面，農(nóng)村戶口居民由于從小在農(nóng)村長大，更具有優(yōu)勢(shì)，因此收入會(huì)更高一些。在25%分位點(diǎn)處，城鄉(xiāng)變量不顯著，因此其正負(fù)也無太大意義。但從50%分位點(diǎn)到90%分位點(diǎn)，城鄉(xiāng)變量的系數(shù)為正且顯著，這說明在中高收入組，城鎮(zhèn)戶口相對(duì)農(nóng)村戶口更具有優(yōu)勢(shì)，這正體現(xiàn)了城鄉(xiāng)戶籍分割效應(yīng)。同時(shí)，隨著收入組的提高，回歸系數(shù)逐漸變大，這說明，收入越高，城市戶口的優(yōu)勢(shì)越明顯。相比于“民工荒”現(xiàn)象，高收入職位供不應(yīng)求，競(jìng)爭(zhēng)激烈，因此用人單位處于主導(dǎo)地位，在這種情況下，戶籍歧視現(xiàn)象就會(huì)凸顯，表現(xiàn)為隨著收入組的提高，城鄉(xiāng)戶籍分割的現(xiàn)象愈加嚴(yán)重。

4.3 中西部地區(qū)收入差異

從回歸系數(shù)來看，其值均為正且除0.5分位點(diǎn)外均顯著，這說明西部地區(qū)平均收入要高于中部地區(qū)，且回歸系數(shù)隨分位數(shù)的分布呈現(xiàn)倒U型。地區(qū)收入差距的影響因素包括地理位置、歷史背景、產(chǎn)業(yè)結(jié)構(gòu)、人力資本等，根據(jù)以往的研究（張文武等，2011）表明，隨著國家大力提倡西部大開發(fā)的戰(zhàn)略，西部地區(qū)的資本存量穩(wěn)步提升，且人力資本聚集度雖有下降但速度緩慢，個(gè)別省份有所提升，另一方面，中部地區(qū)毗鄰東部地區(qū)，造成大量的人才流失，加快了人力資本聚集度下降速度，因此可以從此方面解釋西部地區(qū)平均收入為何高于中部地區(qū)。當(dāng)然，不可忽視的一點(diǎn)在于，本文中所選取的西部地區(qū)僅有四川、重慶兩個(gè)省市，并未包括新疆、西藏、青海等較為落后的地區(qū)，這也在一定程度上影響了西部地區(qū)與中部地區(qū)的平均收入差距。

4.4 中東部地區(qū)收入差異

與中西部地區(qū)類似，east變量回歸系數(shù)均為正且均顯著，同時(shí)，隨著收入組的提高，回歸系數(shù)變化呈現(xiàn)倒U型。長期以來的統(tǒng)計(jì)數(shù)據(jù)表明，東部地區(qū)經(jīng)濟(jì)發(fā)展水平遠(yuǎn)高于中西部地區(qū)，無論是從經(jīng)濟(jì)開放程度，產(chǎn)業(yè)結(jié)構(gòu)還是人力資本方面，東部地區(qū)都具有極大的優(yōu)勢(shì)，因此東部地區(qū)平均收入遠(yuǎn)高于中部地區(qū)。在10%低收入組，東部地區(qū)平均收入比中部地區(qū)高40%，在90%高收入組，東部地區(qū)平均收入比中部地區(qū)高45.5%，低收入組與高收入組的收入差距相差不大，這說明東部地區(qū)與中部地區(qū)的收入分布集中程度大體相同，兩者相比只存在位置上的移動(dòng)，東部地區(qū)的收入整體上均比中部地區(qū)高。

4.5 性別、行業(yè)對(duì)收入的影響

本文對(duì)性別的分析中，系數(shù)均為正且顯著，說明女性平均收入水平低這一現(xiàn)象仍普遍存在，男性平均工資水平比女性高20%左右。同時(shí)，隨著收入的提高，這一差距呈波動(dòng)變化，無明顯趨勢(shì)。行業(yè)變量系數(shù)均顯著，分位點(diǎn)系數(shù)變化呈現(xiàn)倒U型，說明低、高等收入組壟斷行業(yè)收入顯著高于非壟斷行業(yè)。

圖3 半?yún)?shù)分位數(shù)回歸模型在各分位點(diǎn)的非參數(shù)效應(yīng)

從非參數(shù)部分的分析結(jié)果來看，各分位點(diǎn)非參數(shù)效應(yīng)均顯著，非參數(shù)部分的設(shè)定合理。從圖3中可以看出，各分位點(diǎn)的變化趨勢(shì)是一樣的。隨收入組的提高，整體效應(yīng)值增大。在0～10年間，高收入組的效應(yīng)變化幅度更大且持續(xù)時(shí)間更長。即離散性隨著收入組的提高而提高，這正體現(xiàn)了經(jīng)驗(yàn)對(duì)收入影響的“馬太效應(yīng)”。同時(shí)，低收入組在較晚的年間效應(yīng)值迅速下降，高收入組并未呈現(xiàn)出下降趨勢(shì)。這其中的原因可能有以下幾方面：（1）高收入組職業(yè)往往對(duì)技術(shù)水平要求更高，更加復(fù)雜，因此生產(chǎn)效率的提高會(huì)更加顯著且持久。（2）低收入組主要從事體力型工作，經(jīng)驗(yàn)的積累對(duì)收入影響較小，并且隨著年齡的增長，由于體力下降從而導(dǎo)致經(jīng)驗(yàn)的效應(yīng)值迅速下降。（3）高收入組所在部門更可能為家族企業(yè)部門，因此高齡并不會(huì)對(duì)收入產(chǎn)生負(fù)面影響。經(jīng)驗(yàn)對(duì)收入的這種效應(yīng)將會(huì)對(duì)農(nóng)民工就業(yè)有更大的阻礙，增大提高收入的難度。

5 結(jié)論及政策建議

本文在明瑟方程的基礎(chǔ)上，利用半?yún)?shù)分位數(shù)回歸模型對(duì)城鎮(zhèn)居民收入進(jìn)行分析。主要結(jié)論如下：（1）半?yún)?shù)分位數(shù)回歸在模型擬合方面比OLS、分位數(shù)回歸更好，且經(jīng)驗(yàn)在0～10年內(nèi)與收入之間呈三次關(guān)系，而在之后的年份中兩者之間呈現(xiàn)二次關(guān)系。（2）高收入組教育回報(bào)率高于低收入組，變化范圍在6%～8%。（3）經(jīng)驗(yàn)回報(bào)率在高收入組的提高更加顯著且持續(xù)時(shí)間更長，低收入組在高齡期經(jīng)驗(yàn)效應(yīng)迅速下降。（4）城鄉(xiāng)戶籍收入差距隨收入組的提高而增大。（5）東部地區(qū)收入水平明顯高于西部地區(qū)。

從本文的研究結(jié)論來看，人力資本教育、經(jīng)驗(yàn)均呈現(xiàn)出“馬太效應(yīng)”，因此對(duì)于東部高收入地區(qū)，市場(chǎng)將會(huì)導(dǎo)向人才由中西部地區(qū)向東部地區(qū)一線城市流動(dòng)，造成貧困地區(qū)愈加貧困，城鎮(zhèn)、二線城市人才流失嚴(yán)重。在倡導(dǎo)城鄉(xiāng)一體化發(fā)展的背景下，這種不合理的人力資本分配現(xiàn)象將會(huì)導(dǎo)致收入差距進(jìn)一步擴(kuò)大，阻礙新型城鎮(zhèn)化進(jìn)程。同時(shí)，由于城鄉(xiāng)戶籍分割現(xiàn)象隨收入組增加而提高，導(dǎo)致流動(dòng)人口（主要為農(nóng)村人口）在城市就業(yè)面臨更大的困難，收入難以提高，市民化問題難以解決。因此，為促進(jìn)新型城鎮(zhèn)化的發(fā)展，政府應(yīng)對(duì)人力資本流動(dòng)進(jìn)行干預(yù)，加大對(duì)城鎮(zhèn)、二三線城市的人力資本投入，只有當(dāng)貧困地區(qū)的人力資本素質(zhì)得到提高，從而提高貧困地區(qū)的收入水平，才能從長遠(yuǎn)的角度減小收入差距。具體來說，第一，應(yīng)加大政府在教育方面的投資比例，確保義務(wù)教育的普及，提高教學(xué)質(zhì)量與規(guī)模。第二，應(yīng)鼓勵(lì)人才向貧困地區(qū)流動(dòng)，以優(yōu)惠的政策吸引高素質(zhì)人才，同時(shí)減少其人才流失。

[1]Koenker R，Bassett G.Regression Quantiles[J].Econometrica，1978，(46).

[2]Koenker R，Portnoy S.Quantile Smoothing Splines[J].Biometrika， 1994，(81).

[3]Koenker R，Portnoy S.The Gaussian Hare and the Laplacean Tor?toise:Computability of Squared-error vs Absolute Error Estimators， (With Discussion)[J].Statistical Science，1997，(12).

[4]Sun Y，Stengos T.The Absolute Health Income Hypothesis Revisited: A Semiparametric Quantile Regression Approach[J].Empir Econ， 2008，(35).

[5]萬海遠(yuǎn)，李實(shí).戶籍歧視對(duì)城鄉(xiāng)收入差距的影響[J].經(jīng)濟(jì)研究，2013，（9）.

[6]余向華，陳雪娟.中國勞動(dòng)力市場(chǎng)的戶籍分割效應(yīng)及其變遷——工資差異與機(jī)會(huì)差異雙重視角下的實(shí)證研究[J].經(jīng)濟(jì)研究，2012，（12）.

[7]張文武，梁琦.勞動(dòng)地理集中、產(chǎn)業(yè)空間與地區(qū)收入差距[J].經(jīng)濟(jì)學(xué)，2011，（2）.

[8]張占斌.新型城鎮(zhèn)化的戰(zhàn)略意義[J].國家行政學(xué)院學(xué)報(bào)，2013，（1）.

（責(zé)任編輯/浩 天）

C812

A

1002-6487（2016）21-0091-05

楊斯琪（1994—），女，山西臨汾人，碩士研究生，研究方向：人力資本、收入分配。

趙彥云（1957—），男，天津武清人，教授，博士生導(dǎo)師，研究方向:宏觀經(jīng)濟(jì)統(tǒng)計(jì)分析、投入產(chǎn)出分析。