我國農村居民收入差距中的機會不平等

楊 昭,孫 欣

(貴州財經大學 大數據應用與經濟學院,貴州 貴陽 550025)

一、收入差距與分配平等

近年來,我國農村居民收入增長較快,城鄉收入差距持續縮小,與此同時,農村內部收入差距卻呈現上升態勢[1]。收入差距過高不利于農村社會的穩定,阻礙了共同富裕戰略目標的實現。但是共同富裕并不是平均富裕,收入差距是勞動者參與市場競爭的必然結果,適當的收入差距意味著市場充分尊重勞動者的主觀能動性,進而激勵后進者努力突破收入階層。除自身努力外,個人面臨的客觀環境也影響其參與市場競爭的結果,由此引發的收入差距反映了機會不平等。我國傳統農村社區人口流動性小,農民受教育程度普遍偏低,且小農經濟下農業增收空間較為有限,這些都導致農民同質性較高,其收入長期維持在較低水平。隨著改革開放的不斷深入,農村社會分化逐漸凸顯,農民創收手段趨于多樣,農民個體努力及外部環境等因素發揮著越來越重要的作用,農民收入在普遍增長的基礎上出現明顯分化。但個體因素與外部因素是如何作用導致機會不平等仍有待實證檢驗。厘清這一問題,對于更加理性認識農村收入差距,從而有針對性的提供相應對策具有重要實踐意義。

著名政治哲學家羅爾斯指出,由自然偶然性和社會任意性帶來的分配結果差異不符合正義原則[2]。德沃金提出的資源平等則要求資源分配要“敏于抱負,鈍于稟賦”[3]。阿瑪蒂亞·森更看重不同人所擁有的將一般資源轉化為可行能力的機會是否公平[4]。這些理念雖有所差異,但都指出機會平等對社會公平正義的重要意義。其背后的道德直覺在于人們的命運應僅取決于他們的自主選擇,而不是外部環境[5]。按照這一邏輯,由于外部環境差異帶來的機會不平等所導致的收入差距才是不合理的收入差距,需加以矯正。Roemer[6]首先將機會平等的哲學理念應用于收入不平等的經濟分析,他提出的“環境-努力”框架成為經濟學研究機會不平等的主流范式。簡言之,我們可以把諸多影響個人收入的因素分為兩大類,一是環境因素,二是努力因素。個人只能被動適應環境,卻能主動改變努力。個體間環境因素差異導致的收入不平等反映了機會不平等,而個體間努力因素差異導致的收入不平等反映了市場經濟對個人能力的尊重?！碍h境-努力”框架分析的核心是剝離個人收入中歸屬于環境因素的部分和歸屬于努力因素的部分,進而測算收入分配中的機會不平等。按照研究切入點的不同,可將測算方法劃分為事前法和事后法,事前法以環境因素作為切入點,將處于相同環境的個體劃分為一組,組間的收入不平等就是機會不平等;事后法以努力作為切入點,將處于相同努力程度的個體劃分為一組,組內的收入不平等就是機會不平等[7]。實際上,事前還是事后的劃分不是對立的,Jusot et al.[8]和史新杰等[9]將環境因素和努力因素共同納入機會不平等的測算。按照實證策略的不同,可將測算方法分為參數法和非參數法。參數法基于回歸分析構造反事實收入分布,進而測算機會不平等。非參法通過對樣本分組來測度機會不平等。在大樣本條件下,參數法和非參數法測算的結果都較為穩健[10],但由于非參法對樣本數據的要求過高,參數法的應用更為廣泛[11]。在指標的選取上,Pignataro[12]和呂光明等[13]指出,多數研究使用基尼系數、阿特金森指數、泰爾指數、對數偏差均值指數等測度收入不平等的主流指標直接測算歸屬于環境因素的收入不平等指數,以此衡量收入分配中的機會不平等。有關機會不平等測度的外文文獻較為豐富,Pignataro[12]以及Roemer和Trannoy[14]等對相關研究成果進行了總結。我國也有一些研究聚焦收入分配的機會不平等問題,其中多采用事前或事前與事后相結合的參數法進行測算,研究結果普遍指出我國收入分配中存在較為明顯的機會不平等,并且不同年代出生個體機會不平等程度不同[15]、農村居民機會不平等水平高于城鎮居民[16]、年輕人及高學歷群體內部的機會不平等程度更低[17]。但是上述研究仍有不少拓展空間,其中一個突出問題是,在使用參數法時多數研究以單一不平等指數作為測度指標,將反事實收入的不平等與實際收入不平等相除即為收入差距中的機會不平等份額,但是前者并非后者的簡單子項,測算結果的經濟意義存疑。

研究我國收入分配問題的文獻中也有不少測度了我國農村收入差距。稍早的研究就指出改革開放以來,我國農村收入差距不斷加劇[18],農村減貧壓力較大[19]。部分研究表明近年來我國農村收入差距不斷擴大趨勢仍在持續[20],基尼系數大幅提高[21],且市場化收入貢獻率下降是農村內部差距上升的主要原因[22]。也有研究得出不同的結論,如羅楚亮[23]研究表明,以2010年為分界點,我國農村內部收入差距呈現先上升后下降的趨勢。瞿忠瓊[24]研究表明,1986—2014年我國城市群地區和非城市群地區的農村居民收入不平等均呈現縮小—拉大—縮小的周期性變化趨勢。但研究我國農村居民收入差距不僅要準確刻畫收入差距趨勢及現狀,還要關注收入差距中的機會不平等問題,才能在公平正義視角下對我國農村收入差距進行評價,進而提出針對性的對策建議。

綜上可知,現有文獻針對“環境-努力”框架下的機會不平等問題展開了深入研究,也有部分文獻測算了我國農村收入差距,但尚缺乏將“環境-努力”框架下的機會不平等分析范式應用在我國農村收入差距的專門研究,本文則希望在這方面進行拓展。另外,針對現有研究的不足,本文的邊際貢獻還體現在如下幾個方面:一是在分析思路上,本文將環境因素和努力因素共同納入參數法分析框架,并且區分不同情境(是否考慮環境因素對努力因素的影響,是否考慮不可觀測努力變量)進行測算,研究結果更加豐富。二是在測算方法上,創造性的引入不公平對數偏差均值指數(AMLD)直接測度收入分配的機會不平等程度,并將其與對數偏差均值指數(MLD)相聯系,準確分離出總收入差距中機會不平等所占份額,解決了單一指標測算時結果不可比的問題。三是在學術觀點上,本文強調要著力縮小農民參與市場競爭面臨的機會不平等,鼓勵農民通過不斷努力實現收入倍增,成為我國共建富裕的重要力量。

二、研究方法和數據

(一)方法說明

本文研究的直接目標是測算農村居民收入差距及其機會不平等程度。在明確農民總收入的基礎上,將總收入分解為公平收入(即完全由農民自身努力因素決定的收入部分)和不公平收入(即完全由農民面臨的環境因素決定的收入部分)是文章實證處理的關鍵。對于總收入,可由CFPS2020數據直接得到,而對于收入的分解,需要借助計量模型并進行回歸分析加以實現。

簡單來說,需要構建環境因素和努力因素共同影響收入水平的函數,得到努力變量回歸系數擬合值,根據一定的分配規則即可得到總收入中歸屬于公平收入的部分。需要特別說明的是,在回歸中可能還要考慮努力因素和環境因素之間的復雜關系。一種觀點認為,不管環境因素對努力因素是否有影響,都應該全盤予以考慮[25]。而以Roemer為代表的多數學者則秉持另一種觀點:在考量努力因素對收入的影響時,應該剔除環境因素對努力因素的影響部分,因為這部分努力也是由于環境所致,說到底是環境因素而不是努力因素,個人不應該為因這部分努力造成的收入不平等負責任。根據后一種觀點,考察環境對努力的影響,在努力因素中要剔除環境因素的影響,此時就需要構建努力決定方程,回歸所得到的殘差擬合值即為剔除了環境因素的“純”努力值,然后再將此“純”努力值替換努力原值代入收入決定方程,最終可得到該種情形下的公平收入。

分解出農民收入中的公平收入部分后,采用測算收入不平等以及機會不平等的指標,即可得到農村居民收入機會不平等的測算結果及其在收入差距中所占份額。

(二)方法推演

首先基于明瑟收入方程,設定“環境-努力”框架下的半對數形式收入決定函數:

lnyi=αCi+βEi+μi

(1)

下標i是個體,lnyi是個人收入的對數。Ci代表影響個體收入的環境因素,Ei代表影響個體收入的努力因素,μi是殘差項。式(1)將影響個人收入的因素劃分為環境因素和努力因素,但此時存在的一個爭議點是努力因素與環境因素之間的關系。若認為環境并不會影響努力,努力變量Ei取原值即可。若認為環境影響了個體努力程度,在努力因素中就需要剔除環境因素的影響。為此,可為每個努力因素構造努力決定方程:

(2)

式(2)中Ci同樣代表環境因素,Ei代表努力因素。m=1,2……M,代表第M個努力因素。ξi是殘差項,代表環境因素無法解釋的努力因素部分。殘差的擬合值即為剔除環境因素的“純”努力。當努力變量是連續變量時,采用線性模型進行OLS回歸即可得到相應的殘差項擬合值。當努力變量是二值變量時,采用probit模型進行回歸,但此時無法直接得到殘差項,參照現有文獻做法,通過計算廣義殘差來代替[26]。

接著,以“純”努力變量和環境變量為解釋變量,構造收入決定方程:

(3)

另外,以努力原值為解釋變量的收入決定方程即為式(1)。如此,則分別可得到努力因素原值和“純”努力因素下的收入決定方程系數估計結果:

(4)

(5)

接下來,本文使用不公平對數偏差均值指數(AMLD)直接測算收入分配中機會不平等程度。在諸多衡量不平等的指標中,對數偏差均值指數(即泰爾零階指數)(MLD)在機會平等的各類文獻中使用最為廣泛[9,27]。MLD值越大,說明收入差距越大。但是僅用MLD指數無法準確測算收入分配的機會不平等程度?，F有文獻多是直接計算由環境因素導致的擬合收入的MLD指數,但經此處理,實際上得到的是一個全新收入變量的MLD指數,無法和實際總收入的MLD指數進行對比,即無法得知收入分配中歸屬于機會不平等的份額。

Devooght[28]基于廣義熵理論首次提出了測度收入分配中機會不平等的熵指數。Magdalou和Nock[29]根據機會平等的要求拓展了庇古-道爾頓轉移原理,并結合連續性、匿名性、單調性等不平等函數測度要求,提出了一種可涵蓋廣義熵指數的更為一般的機會不平等測量指標。Hufe et al.[27]則證明Magdalou和Nock[29]提出的這一指標可簡化為對數偏差均值指數(MLD)。結合這些研究成果,本文使用不公平對數偏差均值指數(AMLD)作為衡量收入分配機會不平等的指標。計算不公平對數偏差均值指數的關鍵在于剝離出由努力決定的收入(即公平收入)和由環境因素決定的收入(即不公平收入)。不公平對數偏差均值指數的計算方法如下:

(6)

最后,進行簡單數學處理可得:

(7)

由式(7)可知,AMLD指數即為總收入的MLD指數減去公平收入的MLD指數。換言之,總收入差距MLD指數可完全分解為兩部分:一是反映收入分配機會不平等程度的AMLD指數,二是公平收入的MLD指數。

(三)數據說明

本文使用的是中國家庭追蹤調查2020年的全國調研數據(CFPS2020),數據時效性強,較為貼合當下國內現實。結合本文研究需要,參照已有文獻做法,選取的樣本為2020年的農村居民,受訪者年齡限定為16～60歲,且刪除了未參與勞動力市場的樣本、收入為0的樣本、對下文所用控制變量相關問題回答不詳或未采樣的樣本。需要特別說明的是本文對農村居民的認定?，F有使用微觀調研數據研究我國農民收入差距的文獻將農村居民僅限定于受訪地點在農村的居民,這樣的做法有明顯偏誤。一是近年來我國大量的農村成熟勞動力人口進城務工,因而若僅僅考慮受訪時點在農村的居民就忽略了此部分人口,測算結果會產生偏差。二是就收入差距本身而言,農村高收入人口往往傾向于進城定居,但由于其農村戶籍身份以及與原農村社區的高密度往來,這部分人口仍具有強烈的農民身份認同。隨著初代遷移農民逐漸適應城鎮生活,其子代及孫代才徹底脫離農民身份而融入城市。所以,在測算農村居民收入差距時,也應納入這部分遷移農民或者是調研時遺漏的農民。因此,本文定義的農村居民是戶籍在農村的人口,稱為寬口徑的農民,在主要的實證分析中都采用此口徑。經過基本處理后,共得到5785個樣本。另外,在穩健性分析中僅考慮戶籍在農村且居住于農村的樣本,稱為窄口徑的農民。

三、結果與分析

(一)農村居民收入、環境因素和努力因素的描述性分析

本文的被解釋變量為農民收入。在“環境-努力”框架下,影響收入的因素既有努力因素,也有環境因素。參照龔鋒等[15]、史新杰[9]和汪晨等[16]的做法,本文選取個人受教育程度和工作性質為努力變量,選取個人特征、家庭背景以及區域環境有關變量為環境變量。表1匯報了各變量的描述性統計結果。

收入變量。按照我國城鄉居民調查的統計口徑,完整的居民收入包括工資性收入、經營凈收入、財產凈收入和轉移凈收入。轉移凈收入并非勞動者參與市場競爭的直接結果,故不予考慮。財產凈收入是居民出讓財產使用權所得收入,對農民而言此部分收入多為土地流轉收入,其在農戶總收入中占比太小,且土地流轉收入也是以家庭而非個人為統計單位,因此也不予考慮。簡言之,本文所指的農民收入包括受訪者的工資性收入、農業經營凈收入和非農個體經營凈收入。從表1結果看,農民平均收入超過4萬元,最低僅有2元,最高收入達到200萬,收入標準差為5.32萬元,初步顯示農民收入差異較為懸殊。在回歸時對收入做取對數處理。

努力變量。一是受訪者受教育程度。受教育程度以個體受教育年限來表示,賦值方式為:沒上過學為0年,小學為6年,初中為9年,高中(職高、中專)為12年,大專(高職)為15年,大學本科為16年,碩士研究生為19年,博士研究生為22年。二是受訪者工作性質,按照主要工作種類型設定四個虛擬變量,主要精力用于相關工作設為1,否則設為0。具體工作性質包括:務農、非農自雇、臨時受雇(受雇但未簽訂勞動合同)、穩定受雇(受雇且簽訂勞動合同)。從表1結果看,受訪農民平均受教育程度剛超過初中水平。受訪者務農、非農自雇、臨時受雇、穩定受雇的平均占比分別為27%、11%、30%和32%。

環境變量。一是個人特征變量,包括受訪者年齡、性別虛擬變量(男性設為1)以及身體健康程度(類別變量,賦值從1到5,值越高說明身體越不健康)。二是家庭背景變量,分別為父母的受教育程度,受教育程度的賦值方式同上。三是區域環境變量,具體指個人戶籍所在地,分別設置東部、中部和西部虛擬變量(受訪者戶口在所在地區設為1)。從表1結果看,受訪農民平均年齡接近37歲,58%的受訪者為男性。受訪者父母的受教育程度明顯低于受訪者本人,且平均來看父親的受教育程度略高于母親的受教育程度。另外,受訪者戶籍在東、中、西部地區農村占比分別為42%、29%和30%。

(二)農村居民收入決定方程和努力決定方程的回歸分析

1.個體努力因素和環境因素對收入的影響

基于上文思路,首先根據明瑟收入方程進行OLS回歸,結果見表2。表2(1)列僅考慮個體努力變量對收入的影響,可知受訪農民受教育程度越高,收入水平也越高,農民受教育年限每提高1年收入約提高3.9%。另外,與穩定受雇工作相比,務農、非農自雇和臨時受雇的受訪農民收入明顯偏低。表2(2)列和(3)列是僅考慮個人特征和家庭背景變量以及考慮個人所有環境變量的回歸結果,可知:年齡和農民收入呈現倒U形關系,且從回歸系數值來看,線性正相關關系居于主導地位;男性的收入水平顯著高于女性;受訪農民越健康,其收入越高,但這一關系并不顯著;父母的受教育程度越高,受訪者本人收入越高;與東部地區比,中部和西部地區受訪農民的收入水平明顯偏低。表2(4)列是綜合個人努力變量和環境變量的回歸結果,從努力變量來看,各變量的顯著性水平并無顯著變化。從個人特征變量看,當控制努力變量后,年齡和性別與個體收入的關系依然強正相關,且健康程度對收入的影響也變得顯著。從家庭背景變量和區域環境變量看,當控制努力變量后,父母受教育程度、中西部虛擬變量的系數值和顯著性水平都有所弱化。這說明環境變量有可能通過影響努力變量進而對個體收入產生影響。為穩健起見,本文將以東、中、西部標識的區域環境變量替換為分省虛擬變量,表2(5)列列示了回歸結果,可知個體努力變量及其他環境變量系數值及其顯著性水平并未發生顯著變化,說明區分三大區域設置區域環境變量具有較強解釋力。

表2 收入決定方程OLS回歸結果

2.個體環境因素對努力因素的影響

接下來,根據式(2)得到努力決定方程的系數估計結果。當因變量是受訪農民受教育年限時采用OLS回歸,當因變量是受訪農民工作性質時,針對不同工作類型設置虛擬變量并采用probit回歸?；貧w結果見表3。表3(1)列匯報了環境因素對受教育程度的影響,可知個人特征、家庭背景以及區域環境變量都會顯著影響受訪農民受教育程度,其中:年齡和受教育程度呈現負相關關系;男性受教育程度更高;父母受教育程度對本人受教育程度產生明顯積極影響;中部地區和西部地區受訪農民的受教育程度顯著低于東部地區農民的受教育程度。表3(2)至(5)列匯報了環境變量對受訪者工作性質的影響:年齡越大的農民,務農的概率越高;年齡與個人非農自雇呈倒U形關系;男性在非農自雇、臨時受雇和穩定受雇等非農工作中具有明顯優勢;父母的受教育程度越高,受訪農民務農和臨時受雇的概率越低,而穩定受雇的概率越高;與東部地區相比,中西部地區農民務農概率更高,穩定受雇概率更低。這些結果表明,當個人面臨優勢環境時,其努力的積極性也更高,例如接受更高程度的教育,更傾向于選擇非農工作從而更大幅度提高收入水平。

表3 環境因素對努力因素的影響回歸結果

(三)農村居民機會不平等的基本測算結果

表4首先匯報了全樣本下的MLD指數以及AMLD指數。受訪農民總收入的MLD指數為0.488,當不考慮環境因素對努力因素的影響時,AMLD指數為0.249,那么收入差距由機會不平等解釋的份額達到51.0%。進一步考慮環境因素對努力因素的影響時,AMLD指數提高至0.285,收入分配差距由機會不平等解釋的份額也提高至58.4%。測算結果與前述討論一致,即當考慮環境因素對努力因素的影響時,努力因素得到“凈化”而環境因素作用得到強化,最終體現為更高的收入分配不公平程度。綜合來看,受訪農民收入差距在相當程度上是機會不平等導致的。

表4 農村居民機會不平等的基本測算結果

接下來,參照李瑩和呂光明[30]以及Dai和Li[31]的做法,本文進一步按照個體年齡、性別以及戶籍所在地將樣本劃分為若干組分別測算不平等指數。個體年齡以30歲、40歲和50歲作為臨界點將樣本劃分為4組,同一組的受訪農民屬于“同一代人”,面臨相似的成長時代背景。區分性別分別測算,戶籍所在地區分東、中、西部分別測算,測算結果見表4其余諸行,以努力原值測算結果為例進行說明。

首先,分年齡看,隨著年齡提高,受訪農民的收入差距呈現拉大趨勢,例如17～29歲樣本間的樣本MLD指數為0.381,而50～59歲樣本間的MLD指數高達0.606,AMLD指數也呈相同趨勢。但是,若從機會不平等所占份額來看,年齡由低到高排列的四組樣本收入差距可由機會不平等解釋的份額分別為58.3%、51.1%和50.5%和51.3%,即機會不平等對年輕人收入差距的影響更顯著,年輕一代雖然物質條件和發展機遇明顯好于父輩,但是其面臨的機會不公現象更嚴重。

其次,分性別看,男性受訪農民的MLD和AMLD指數均低于女性受訪者。男、女受訪者收入差距可由機會不平等解釋的份額分別是48.2%和51.7%。也就是說,女性受訪者的收入差距更大程度受到其所面臨的環境差異即機會不平等的影響。

最后,分區域看,東部和中部地區受訪農民的MLD和AMLD指數較為接近,且明顯低于西部地區的相應指數值。東、中、西部農民收入差距可由機會不平等解釋的份額分別為50.5%、55.7%和60.2%。也就是說,與東部地區相比,中部地區和西部地區收入差距中有更大比例可歸因于機會不平等。這也從一個側面解釋了我國中西部農民向東部地區的流動,即東部地區收入差距更小,且機會更加平等,農民更容易通過自己的努力改變命運。

四、農村居民機會不平等的基本測算結果的穩健性檢驗

(一)考慮不可觀測努力變量

采用參數法測度機會不平等的一個明顯弊端是受限于數據可得性,無法窮盡所有的個體努力變量,而AMLD指數將明瑟收入方程回歸結果中的殘差項全部歸為環境因素,這就可能放大環境對收入差距的影響進而高估收入差距中的機會不平等。因為殘差項中顯然包含了若干無法通過數據觀測到的個體努力變量,如工作強度、工作效率以及意志力等。由于未囊括更多的努力變量,表4所展示的測算結果有可能高估了環境因素的影響。為將不可觀測的努力變量納入考察,本文參照Checchi和Peragine[32]以及雷欣等[11]提出的方法,借鑒非參數法思路分離出個人無法觀測的努力變量(1)具體做法如下:首先,采用兩步聚類法,使用現有環境變量對個體分類。按照分類質量并結合赤池信息準則,最終將全部樣本分為6類。其次,對每個類別的個體按照收入升序劃分為2組,同一類別的個體面臨相同的環境,故而同類個體間收入差異更有可能是由努力所致。最后,假定處于不同類別但是本類相同收入分位點的個體付出的努力程度相同,從而生成個體努力程度高低的虛擬變量。。此時,努力變量就包含了受訪農民受教育程度、工作性質以及不可觀測努力變量。同樣,分別按照努力原值和“純”努力測算出MLD和AMLD指數,測算結果如表5。由于加入不可觀測努力變量,表5相同樣本的AMLD指數測算結果要低于表4相應結果。

表5 考慮不可觀測努力變量的農村居民機會不平等測算結果

表5全樣本下AMLD占比為40.2%(所有努力變量取原值),比同等情形下不考慮不可觀測努力變量時降低10.8%。即便如此,收入差距中機會不平等占比仍較高,換言之,若實現機會平等,我國農村收入差距在現有基礎上會降低40.2%。另外,分年齡、分性別和分地區子樣本AMLD指數大小規律和表4基本一致,不予贅述。綜合表4和表5可知,考慮不可觀測努力變量且所有努力變量取原值時測算結果是AMLD值的下限,不考慮不可觀測努力變量且只有“純”努力變量時測算結果是AMLD值的上限。

(二)替換測算指標

(8)

由表6結果可知,基于不同變量的四種不同選擇下AG指數大小對比關系和使用MLD指數測算的結果仍保持一致,其中全樣本下考慮不可觀測努力變量且取努力因素原值時AG值最小,不考慮不可觀測努力變量且取“純”努力因素時AG值最大。分樣本看,高年齡組、女性以及中西部樣本的AG指數更高,佐證了上文采用AMLD指數測算的穩健性。

表6 AG指數測算農村居民機會不平等結果

(三)不同口徑的測算

上文基于戶籍確定受訪農民樣本為寬口徑定義的農民。進一步基于居住地標準,在戶籍農民中剔除已進城工作的農民,將仍居住于農村的受訪農民定義為窄口徑的農民。表7為窄口徑下全樣本的匯報結果,并將寬口徑下的相應測算結果作為對比,由于窄口徑下的樣本量偏少,為減少測量偏差,不再分樣本測算?？芍趶较碌牟煌樾蔚腗LD指數、AMLD指數及AMLD占比變化規律和寬口徑下的較為一致,也就是說,不論基于何種口徑,機會不平等都能在較大程度上解釋農民的收入差距。

表7 不同口徑測算農村居民機會不平等結果

從各類指數對比來看,窄口徑下的各類指數值都略高于寬口徑下的相應值。這說明農村居民的城鎮遷移既可降低總收入差距,也可降低收入差距中的機會不平等,即在城市中農民更容易通過自我努力提高收入。換言之,農民收入越依賴于農業農村,越會受限于諸多不可控的環境因素。

五、進一步討論:環境紅利對農村居民收入的調節效應分析

上文驗證了環境因素作用于個體收入的兩種路徑:一是環境因素直接對收入產生影響,二是環境因素通過影響努力因素進而對收入產生影響。另外,環境變量還能強化(弱化)努力因素對收入的影響。例如,即便具有相同的受教育背景且從事相似職業,人們在東部地區工作的收入水平也要高于中、西部地區。在這種情況下,環境因素影響努力因素的渠道不再是直接的傳導效應,而是調節效應,本文把該效應稱為環境紅利的作用。為驗證這一效應,考慮到研究的經濟意義,本文重點關注時代紅利[15]、性別歧視[34]以及區域分割[35]三大類環境因素。其中時代紅利用受訪農民出生年份是否在1978年以后的虛擬變量表示(1978年以后出生設為1)、性別歧視用受訪農民性別虛擬變量表示(男性設為1)、區域分割用受訪農民工作所在地是否在東部地區的虛擬變量表述(東部地區設為1)。通過逐個構造上述三類環境變量和受訪農民努力變量的交互項,基于明瑟收入方程進行OLS回歸,回歸結果見表8。

表8 環境紅利作用回歸結果匯總

表8(1)列的回歸結果表明,從時代紅利的作用看,出生在1978年以后的農民,受教育程度對收入的正向刺激作用更顯著。這說明受益于改革開放,個人更容易通過提高學歷改變命運。時代紅利對工作性質影響收入水平的調節效應不顯著。

表8(2)列的回歸結果表明,從性別歧視的影響看,男性提高受教育程度的增收效應更顯著,女性務農和從事非農自雇工作對其增收更有利;在臨時受雇的非正規就業市場上男性收入水平更高,而在正規就業市場上,工作的增收效應未呈現出顯著性別差異。這些結果說明工作性質的增收效應存在性別歧視造成的差異,但有效的勞動保障可在一定程度上緩解這一現象。

表8(3)列的回歸結果表明,從區域分割的影響看,受教育程度對收入的影響并未呈現出顯著的區域分割。工作性質對收入的影響呈現出一定的區域分割,在東部地區臨時受雇不利于農民增收,穩定受雇的增收效應更明顯,這表明從就業的規范程度對收入的拉動作用來看,東部地區更具優勢。

六、結論和建議

基于“環境-努力”框架,使用CFPS2020數據研究了我國農民收入差距中的機會不平等問題,使用的測度指標為對數偏差均值指數(MLD)以及不公平對數偏差均值指數(AMLD),較好克服了既有研究機會平等文獻中指標不可比的問題。研究證實,農民收入水平受到其努力因素以及環境因素的顯著影響。在此基礎上進行的測算結果顯示,我國農民收入差距MLD指數為0.488,機會不平等所致的份額在51.0%和58.4%之間。分樣本看,高年齡組、女性以及中西部農民總收入不平等的AMLD指數最高,這一結果在將AMLD指數替換為AG指數時仍成立。另外,低年齡組、女性以及中西部農民收入分配中機會不平等成分更高?？紤]不可觀測努力變量時AMLD指數明顯偏低,但仍有40%左右的收入差距是由于機會不平等導致?；诓煌趶蕉x農民的測算結果表明,窄口徑下的農民收入差距中機會不平等所占的份額更高,說明城鎮遷移可為農民提供更公平的增收機會。進一步的研究顯示,時代紅利、性別歧視和區域分割都會影響個人努力的增收效應?？傮w來看,機會不平等是我國農民收入差距的重要肇因,若要切實縮小農民收入差距,除了各類直接調節收入差距的政策外,更重要的是從初次分配入手,為農民增收創造公平的機會。

根據上述結論,為降低農民收入差距中的機會不平等,消除影響農民增收的體制機制性障礙,充分調動農民主觀能動性,可從以下幾個方面著手。一是持續提高生產效率。從農業來看,持續推進鄉村振興戰略,加快農業農村現代化,以科技賦能和產業化經營理念切實降低農業生產成本,促進小農戶和現代農業發展有機銜接,提高農產品附加值,增加農民務農收入。跳出農業來看,要以數字經濟發展為契機,創造新的時代紅利,全面激活各類生產要素,為農民增收提供條件。二是深入推進區域以及城鄉基本公共服務均等化。加大農村以及中西部地區教育、醫療和養老等基本民生投入,提高基本公共服務水平,保障人人共享發展成果。鞏固脫貧攻堅成果,加強對農村弱勢群體家庭的幫扶力度,優化社會救助和慈善制度,提高農村基礎性和兜底性的民生保障。三是合理引導農民流動。大力發展縣域經濟,不斷推動城鄉深度融合,完善農民非農就業的平臺,提高農民非農就業的穩定性,進而拓寬農民長效增收渠道。健全農業轉移人口市民化配套政策體系,消除城鄉身份壁壘,提高農業轉移人口市民化水平并形成示范帶動效應。四是持續規范勞動力市場。逐步打造統一的全國勞動力市場,打破區域分割。強化勞動相關法律法規的硬約束,保障勞動者合法權益。通過財政補貼、觀念引導以及制度規范等方式消除勞動力市場的性別歧視,切實維護女性勞動者基本權益。