梁银鹤 周建波 董志勇

摘要：采用CHIPS 1995年和2002年、CFPS 2010年的微观数据，研究全国财富不平等变动情况，估计教育的财富异质性回报。结果发现：个人教育水平对于财富的正向影响大于对于收入的影响。异质性分析结果表明，教育回报率在城乡之间和调查年份之间都存在异质性。分位数回归的结果表明，教育对财富和收入的影响存在非线性关系，教育信号对于低财富人群有更大影响。因此，政府应该加大对于农村和低财富人群的教育投入，以缓解我国财富差距。

关键词：教育;财富不平等;收入不平等;基尼系数

中图分类号：D14;D31   文献标识码：A   文章编号：1007-2101（2019）02-0013-08

一、引言

改革开放后，特别是社会主义市场经济体制确立后，国家鼓励私有产权激发了市场活力，也促进了经济发展。个人可以通过自身努力，将自身的人力资本转换为个人收入和财富。由于个体之间能力和禀赋的差异，其所得到的经济回报也有不同，居民之间必然存在财富和收入的差距和不平等。教育通过改变个人的人力资本，进而影响个人在劳动力市场上的物质性回报和非物质性回报，并且教育也可以通过扩宽个体的投资渠道和投资回报率来影响财產性收入和个人财富[1]。因此，教育对于财富和收入具有直接和间接的影响。那么，在市场化进程逐步推进的过程中，我国1990年代至今的财富和收入不平等变化趋势是什么？教育如何影响财富和收入不平等程度？这个问题的回答对于我国收入分配改革和国家教育政策制定都有重要意义。

目前关于我国财富不平等程度影响机制的研究，部分是从住房的私有化进程（特别是住房体制改革）的角度进行分析。1990年代中后期，我国住房体制改革毫无疑问增加了农村财富，但是也显著扩大了城市和农村地区的财富不平等[2]。比如，Porter和Park（2012）研究了住房改革和中国住房市场的代际转移和老年人的幸福度，认为我国1990年代的住房体制改革把房产从单位分给居民，这个不可预期的意外所得随着房产价格的增长，显著影响了财产持有量和被影响的城市居民财富[3]。同时，也有学者对遗产机制和家庭财富杠杆等因素进行分析。比如，吴卫星等（2016）研究了家庭财务杠杆因素对于不同家庭之间财富差距的影响，发现财富杠杆促使富裕家庭的财富增长更快，这最终导致了家庭财富差距的扩大[4]。另外，部分研究从代际人力资本转移进行了分析。相关研究认为，人力资本从父母到子女的转移是家户财富和收入能力的非常重要的机制[5]。Saez and Zucman（2016）认为，财富不平等的增长是由于高收入人群与储蓄不平等的增长[6]。Lusardi等（2017）认为金融知识是一个关键的决定因素，金融知识使得个人能够更好地分配一生的资源，并且退休财富不平等的30%至40%是由财务知识造成的[7]。

本文采用CHIPS 1995年和2002年、CFPS 2010年的微观数据，分析教育对于个人财富和个人收入的影响。与以往文献相比，本文主要有以下三点边际贡献。第一，以往研究主要采用单年份或者两个年份的数据[8-10]，本文的研究时间是1995年、2002年和2010年，时间跨度大于现有研究，可以对我国1990年代至今的不平等状况进行更为详细的梳理和对比分析，从而研究结果更具有代表性。第二，McKinley（1993）侧重于农村样本[8]，Park and Shen（2015）侧重于45岁以上样本[9]，而本文不仅分析城镇和农村样本，并且户主的年龄没有限制。第三，以往对于我国财富不平等产生原因的分析主要侧重于住房体制改革的影响分析，虽然1990年代的住房体制改革对于我国的影响非常大，但是住房私有化改革主要影响在事业单位工作的家庭，对其他家庭的影响相对小。因此，本文从教育的角度分析财富不平等和收入不平等产生的原因，这对于不平等的文献是有益的补充。

二、数据处理方法和变量定义

（一）数据来源

本文分别采用中国家庭收入调查（China Household Income Projects，CHIPS）的1995年和2002年数据以及中国家庭追踪调查（China Family Panel Studies，CFPS）的2010年数据。采用CFPS 2010数据而不采用CHIPS 2013数据，主要有以下两个原因。第一，由于CHIPS 2013的对外公布数据中缺失了房屋价值的变量1，而这个变量在家户的财富中占比非常高，根据Knight和Li（2016）采用CHIPS 2013的研究结果，在全国层面，家户的房屋价值占家户总财富的71.1%[10]。如果采用缺失房产财富的调查数据，计算和估计结果的偏误会非常大。第二，虽然两个调查的省份有差异，但是在调查方法和财富与收入变量的定义方面，CFPS与CHIPS调查几乎完全一致。因此，为了更加精确地估计家户财富水平，参照Li和Wan（2015）的方法[11]，本文采用CFPS 2010年数据对我国2010年家户财富水平进行测度。

虽然CHIPS 2013的对外公布数据中不包含房屋价值的变量，但是CHIPS 2013的全样本和全变量中应该是包含房屋价值的数据。比如Knight和Li（2016）采用CHIPS 2013的数据对我国的家户财富水平进行了测度，其中就包含家户房产的数据。

（二）财富变量的定义和处理方法

本文将财富定义为家户拥有的所有净资产的当前市场价值，这与Piketty等（2017）的定义一致[12]。因此，由于相比较于非人力资本财富，人力资本不能在市场上售卖，本文的财富概念不包含人力资本。另外，本文采用Knight and Li（2016）的方法[10]，把家户的财产分为以下七类。

第一，净房屋价值等于房屋价值减去房屋负债。（1）对于那些报告了房屋面积，但是没有报告房屋价值的样本，本文先计算得到该县或者市的平均房屋价格，然后通过“该地区平均房屋价格*房屋面积”的方程来对房屋总价值进行估算。需要说明的是，虽然这种方法可以解决房屋价值的缺失值问题，但是由于把缺失值用平均值替代，那么样本的波动性就会降低，从而会低估财富的基尼系数。（2）对于没有房屋所有权，但是报告了房屋面积和房屋价值的样本，我们设定其房屋价值为0。（3）在CFPS调查样本中，对于共有房屋产权的样本，借鉴Knight和Li（2016）的方法[10]，本文认为家户具有50%的产权对其房屋价值进行估算。（4）对于2002年和2010年的调查数据中，房屋每平米价格高于100 000元或者低于10元的样本，采用该县或者市的平均房屋价格对其房屋价值进行重新估算。

第二，净金融资产。（1）对于金融资产总价值不等于自报告的总价值的情况，本文以自报告的加总价格为准。（2）对于拥有某项金融资产，但是没有报告具体金额的样本。本文根据该县或者市该项金融资产的平均价值来对其进行估算。

第三，非房屋负债。本文采用非房屋负债单项的加总数据。

第四，生产性固定资产。对于CHIPS数据，本文采用农业和非农业的生产性固定资产（在问卷中报告的）的加总数据;对于CFPS数据，用农业和非农业的固定生产资产的单项数据加总得到。

第五，消费耐用品。本文采用家户有形财产的市场价值，比如私人（非商业）的汽车和其他耐用消费品。对于在CHIPS和CFPS的部分数据仅仅公布的家户耐用消费品的件数，但是没有公布单项或者加总的耐用品价值的样本，本文采用以下两种方法进行估算。（1）CHIPS 1995的城市数据缺失耐用消费品价格或者价值数据，本文采用CHIPS 1995的农村样本建立耐用品总价值与每种消费品数量的回归方程（不含截距项），然后把每种消费品的估计价格与数量进行相乘得到总价值。（2）对于CFPS 2010數据，本文采用城镇住户调查数据（UHS）估计出该年耐用消费品的平均价格，然后再估算家户耐用消费品的总价值。

第六，农村土地价值。由于农村土地价值没有准确的数据，所以本文采用Li and Wan（2015）的方法进行估算[11]，具体方法如下。一亩水地等于两亩旱地;家户农业净收入等于农业收入减去生产成本。基于净农业收入的25%来自于土地，并且土地的回报率为25%（McKinley，1993）[8]。本文计算的土地价值为家户净农业收入的25/8。另外，由于我国的城市家户不拥有土地，因此，本文设定城市家户的土地价值为0。

第七，其他资产，主要包含不属于以上的资产类别。本文主要变量的描述统计见表1。

（三）实证策略

本文主要研究教育对于个人财富和个人收入的影响，估计方程为

ln_wealthijt=？琢+？茁*edu_yearijt+？酌*Xijt+？鬃j+？浊t+？着ijt

ln_incomeijt=？琢+？茁*edu_yearijt+？酌*Xijt+？鬃j+？浊t+？着ijt（1）

其中，回归部分的被解释变量为CPI调整后的人均财富和CPI调整后的人均收入。由于财富和收入的值比较大，为了估计结果的可读性和部分消除异方差问题，本文对人均财富和人均收入进行了对数化处理。并且，本文也采用未进行CPI调整的人均财富和人均收入作为被解释变量进行了分析，估计结果与已有结果差异不大。

另外，本文对于所有回归结果都进行了以下三点处理。第一，为了控制个体特征X对于结果的影响，在回归中额外控制了城镇与农村的虚拟变量和户主的年龄和性别。第二，为了剔除地区异质性对估计结果的影响，在所有回归中均控制了地区（市县）固定效应？鬃j，并且所有回归结果的标准误都采用地区层面cluster处理。第三，由于本文的研究年份为1995—2010年，年份跨度很大，因此，所有回归结果也都控制了调查年份固定效应？浊t。

不过，对于以上方程的估计，可能存在反向因果、遗漏变量和测量误差等内生性问题。第一，反向因果问题。由于本文的调查样本为户主及其配偶，这部分人群已经成家立业，基本完成了学业。那么，个人财富水平变化很难影响十几年前（甚至几十年前）的个人最高受教育程度。因此，个人受教育程度与个人财富之间不存在反向因果的问题。第二，遗漏变量和测量误差的问题。对于遗漏变量问题最直接的解决方法是工具变量法，比如采用所在地区的平均受教育年限[13]、农民所在村庄到附近初中的时间[14]作为个人受教育程度的工具变量。但是，这两个变量可能与地区层面的遗漏变量（比如，经商文化）相关，这会导致工具变量必须满足的“排他性假设”不成立。另外，根据Angrist等[15]，在样本之间具有较大差异的情况下，工具变量估计的结果可能只是“顺从者”（compliers）的处理效应，这只占很小的比例，从而会导致估计结果不能很好的估计出整体影响。因此，本文认为代理变量的估计结果可能比工具变量更加稳健。另外，本文在控制变量中，控制了个人特征，以及地区与时间层面的固定效应，以控制个体异质性和随地区与时间不变因素的影响。

三、财富与收入的不平等趋势分析

由于本文对于缺失值和异常值的处理方法与Knight和Li（2016）不同[10]，因此，本文计算的财富和收入值与其有差异。不过，本文更加侧重于趋势分析，具体数值的微小差异对于结果的分析没有太大影响。由图1可知，我国1995年、2002年和2010年财富和收入的基尼系数情况主要有以下三个特点。

第一，从图1中的收入和财富洛伦兹曲线可以发现，1995年、2002—2010年，收入和财富的洛伦兹曲线都逐渐向右侧倾斜，这说明收入和财富的不平等程度都有增大的趋势。并且，财富洛伦兹曲线向右侧倾斜的程度要高于收入洛伦兹曲线，这也说明，从1995—2010年，我国居民的财富不平等程度要高于收入不平等程度。

第二，在1995年和2002年，财富基尼系数增加量小于收入的基尼系数。这可能是由于在20世纪90年代，财富作为一个存量的变量，在房产价格变化不是非常快的情况下，收入增长主要靠储蓄增长;而收入作为流量的变量，会随着经济发展相对迅速地做出调整。从2002—2010年，收入不平等趋势得到有效缓解。

第三，2002—2010年，我国的财富基尼系数变化率明显大于收入变化率。2002年以后，随着我国加入WTO和市场经济的深化，偏向性技术进步使得收入差距明显扩大。与此同时，由经济发展引致的房产价格迅速上升导致城市之间、城乡之间的家户财富差距明显增长，受益于房产财富增长快的家户有明显的家户财富增长。

四、回归分析

（一）教育对于财富和收入的影响（基础回归）

从表2的第（1）列和第（2）列中可以看到四种受教育水平对于人均财富和人均收入都有显著的正向影响。这说明教育作为个人人力资本的重要标志，对于个人的财富和受教育的水平影响很大。同时，户主与配偶平均受教育水平对于人均财富和人均收入的系数最大，这说明家户的投资和收入决策主要根据两者的平均受教育水平，而仅仅根据户主受教育水平可能使得估计结果的系数有偏误。另外，根据教育程度的系数大小可以发现，教育对于财富值的影响要大于对于收入的影响，这与Park and Shen（2015）的结论是不一致的[9]。这可能有两方面的原因。第一，两篇文章的时间跨度不同，而且教育的财富回报率和收入回报率自20世纪90年代至今发生着变化。Park和Shen（2015）主要采用CHARLS 2011基线调查数据进行研究[9]，而本文的时间跨度为1995年至2010年，从本文的表2中也可以看出，在1995年和2002年，教育对于财富的作用大于收入（与Park and Shen（2015）的结论有差异）[9]，而在2010年，教育对于财富的改善作用小于收入（与Park and Shen（2015）的结论一致）[9]。第二，教育对于财富改善作用的年份差异，可能与我国20世纪90年代实施的住房改革和国有企业改革有关。我国居民在20世纪80年代拥有的个人财富值比较少，社会财富主要由国家支配。但是，20世纪90年代实施的住房体制改革和国有企业改革打破了这种格局，不过，这次改革主要是政府和企事业单位的城镇居民受益，这部分人群的受教育程度普遍比较高，因此，在1995年和2002年，教育对财富的改善作用要明显大于对于收入的改善作用。

另外，本文也分析了教育对于财富与收入的城乡差异。根据表2第（3）至（6）列的估计结果，城市地区的教育收入回报率和财富回报率高于农村地区。这可能是由于以下两个原因导致的。第一，城乡之间财富回报率差异。由于信贷投向和投资渠道可达性存在城乡差异（Lusardi等，2017）[7]，财富回报率也存在明显差距，进而对影响财富转变为收入的渠道产生影响。第二，城市工资溢价效应的存在。人口在城市集聚会在提升本地区经济发展的同时提升城市的教育回报率，提升城市的工资溢价，导致教育对于城市影响的作用大于对于农村样本的影响。另外，根据全样本与城乡分样本估计结果的对比可以发现，城市地区教育的两种回报率都高于全国平均水平，而农村地区的教育回报率低于全国平均水平。

（二）教育对于财富和收入的年份差异（分调查年份）

对于人均财富来说，教育对于财富在各个调查年份有明显差异，从1995—2002年，教育对于人均财富的促进作用增长明显，这可能与我国在20世纪90年代实施的国有企业改革和住房私有化政策有关。1991年和1996年实施的城市住房私有化改革在1998年大规模实施，这种房产带来的财富以外所得对于家户的财富有明显提升，这次改革主要影响城市居民中在事业单位工作的人群，而这部分人群的受教育水平整体比较高。同时，城市居民还更多地享有“铁饭碗”，比如保障就业、住房、健康保险、救济金和其他福利，而这些福利是农村居民不能得到的（即使移民到城市）[16]。因此，在个人人力资本和1990年代住房私有化改革的共同作用下，2000年前后的教育財富回报率和收入回报率发生了显著变化。同时，相比较于CHIPS 2002的样本，CFPS 2010调查样本下的教育财富回归率变化不大，而收入的回报率发生了明显的变化，这可能是由于两方面的原因导致的。第一，2002年和2010年的家户中房产价值的占比越来越高，这说明房产价格波动对于家户财富的影响非常大，并且，这种变化与原住民的受教育水平无关。第二，2002年以后，由于WTO和我国市场化改革的推动，人力资本逐渐在市场中发挥作用，教育的收入回报率迅速提升，并且在城市工资溢价的作用下，教育对于人均收入的作用越来越大。

另外，从表3的回归结果中可以看出，在三个调查年份下，教育对于个人住房财富的影响要小于对于总净财富的影响;并且三个年份相比，2002年教育对住房财富产生的影响最大，这种影响呈现“先上升，再下降”的态势。这是因为，在住房私有化改革后，住房财富主要取决于自己的工作性质是否属于事业单位，以及所在地区制定的房屋私有化价格与自身的人力资本关系不大。同时，2000年以后，我国房屋价格的上涨主要与所在地区的房屋价格有关，而与自身的人力资本关系越来越弱。另外，教育对于非住房财富的影响逐年增加，并且一直大于对于住房财富的作用。

五、进一步分析：教育对财富和收入的非线性影响

为了研究不同财富和收入水平的教育边际报酬率差异，采用分位数回归，分不同的调查年份和城乡地区，选择5个具有代表性的分位数，进一步研究教育对于人均财富和个人收入的影响。表4的回归结果可以得到以下两点结论。

第一，不论全国和城乡层面，教育对于人均财富的影响均呈现下降趋势，也就是说，随着财富的增长，教育信号对于财富的影响逐渐变弱，这可能与房产财富有关。对于高财富人群来说，房产财富占比较高，并且教育对于房产财富的影响比较小，因此财富值越高，教育对于总净财富的影响越小。

第二，对于城市来说，教育对于收入的影响逐渐下降，对于农村而言，教育对于收入的影响呈现出“倒U”的形态，这与居民的个人收入构成有很大关系。对于低收入人群来说，个人收入主要是非财产性收入，这部分收入主要是个人在劳动力市场中，通过自身人力资本来实现收入增长，而人力资本与教育的关系较强;另外，对于高收入人群来说，个人收入中财产性收入的比重要高于低收入人群，而财产性收入主要取决于自身的财产拥有量和资产回报率，这些变量受教育的影响要小很多。因此，对于城市和农村的高收入人群来说，教育对其影响会小一些。这也意味着，农村地区教育水平的提升对于低收入群体财富和收入的作用要大于高收入人群，因此，提升农村平均受教育水平会有助于改善农村的财富和收入不平等程度。

六、结论和政策建议

在市场经济条件下，群体之间的人力资本、努力程度和运气等有很大的差异，这使得居民内部的私有收入和财富积累出现很大差异。而收入是流量的概念，相对容易被体察和改善。但是，财富是存量的概念，一旦形成，很难逆转。同时，相对于收入不平等，财富不平等对于经济增长有更加明显的负面作用[17]。因此，对于财富不平等的研究需要引起足够重视。本研究主要结论如下：

第一，在1995年、2002年和2010年，财富和收入的基尼系数在增加，并且财富不平等程度都高于收入的不平等程度。改革开放至今（特别是1992年社会主义市场经济体制建设至今），我国经济发展取得了长足进步，社会收入和财富分配格局也发生了巨大变革。经过住房体制改革、国有企业改革和市场化改革等一系列改革，人力资本在经济发展中的作用逐步增强，人力资本回报率不断增加。但与此同时，我国的财富不平等程度也在逐步变大，重视程度有待进一步加强。

第二，户主受教育水平对于人均财富和人均收入都有显著的正向影响，而教育对于财富值的影响要大于对于收入的影响，并且这种影响具有异质性。城市地区的教育收入回报率和财富回报率高于农村地区。另外，教育对于住房财富的影响小于对总净财富的作用。从1995—2002年，教育对于人均财富的促进作用有明显增长，同时，相比较于CHIPS 2002的样本，CFPS 2010调查样本下的教育财富回归率变化不大，而收入的回报率变化明显。

第三，分位数回归结果表明，教育对财富和收入的影响存在非线性关系。随着财富增长，教育信号对于财富的影响逐渐变弱;不过，对于农村而言，教育对于收入的影响呈现出“倒U”的形态;农村地区教育水平提升对于低收入群体财富和收入的作用要大于高收入人群，因此，政府应该加大对于农村和低财富人群的教育投入。一方面，加大农村的教育基础设施投入，推行免费午餐和义务教育阶段免费政策，以及扩大高中教育的质量和规模。另一方面，对于低收入人群来说，不论城市和农村，都应该加大在职培训的力度和覆盖范围，通过重点扶持来调节社会财富和收入不平等程度。

注释：

①虽然CHIPS 2013的对外公布数据中不包含房屋价值的变量，但是，CHIPS 2013的全样本和全变量中应该是包含房屋价值的数据。比如Knight和Li（2016）采用CHIPS2013的数据对我国的家户财富水平进行了测度，其中就包含家户房产的数据。

②为了剔除通货膨胀对于财富和收入的影响，使得各年份数据更有可比性，本文采用省级层面各年份的CPI指数，以1995年基准年份，对于个体指标进行了调整。

参考文献

[1]陈纯槿，李实.城镇劳动力市场结构变迁与收入不平等：1989～2009[J].管理世界，2013（1）：45-55+187.

[2]Gustafsson B，Shi L and Zhong W. The Distribution of Wealth in Urban China and in China as a Whole in 1995[J]. Review of Income and Wealth，2006，52（2）：173-188.

[3]Porter M and Park A. Housing Windfalls and Intergenerational Transfers in China[J]. Unpublished Manuscript，2013.

[4]吳卫星，邵旭方，陶利斌.家庭财富不平等会自我放大吗？——基于家庭财务杠杆的分析[J].管理世界，2016（9）：44-54.

[5]Mulligan C B. Parental priorities and economic inequality[M]. University of Chicago Press，1997.

[6]Saez E and Zucman G. Wealth inequality in the United States since 1913： Evidence from capitalized income tax data[J]. The Quarterly Journal of Economics，2016，131（2）：519-578.

[7]Lusardi A，Michaud P C and Mitchell O S. Optimal financial knowledge and wealth inequality[J]. Journal of Political Economy，2017，125（2）：431-477.

[8]McKinley T. The distribution of wealth in rural China[M]. The Distribution of Income in China. Palgrave Macmillan，London，1993：116-134.

[9]Park，A.，& Shen，Y. Understanding wealth and housing inequality among chinas older population[J]. China Economic Journal，2015，8（3），288-307.

[10]Knight J and Shi L. The Increasing Inequality of Wealth in China，2002-2013[R].2016.

[11]Li S and Wan H. Evolution of wealth inequality in China[J]. China Economic Journal，2015，8（3）：264-287.

[12]Piketty T，Yang L and Zucman G. Capital accumulation，private property and rising inequality in China，1978-2015[R]. National Bureau of Economic Research，2017.

[13]劉修岩，章元，贺小海.教育与消除农村贫困：基于上海市农户调查数据的实证研究[J].中国农村经济，2007（10）：61-68.

[14]谭华清，赵廷辰，谭之博.教育会促进农民自主创业吗？[J].经济科学，2015（3）：103-113.

[15]Angrist J D. Treatment effect heterogeneity in theory and practice[J]. The economic journal，2004，114（494）.

[16]Solinger D J. Citizenship issues in China's internal migration：Comparisons with Germany and Japan[J]. Political Science Quarterly，1999，114（3）：455-478.

[17]张春安，唐杰.不平等对经济增长影响的经验分析[J].世界经济，2004（6）：27-36.

责任编辑：母爱英

An Analysis of the Wealth Heterogeneity Return of Education

Liang Yinhe， Zhou Jianbo， Dong Zhiyong

（School of Economics， Peking University， Beijing 100871，China）

Abstract： This article uses the microscopic data set of the 1995，2002 CHIPS and the 2010 CFPS to analyze the changes in wealth inequality in China，and estimate the impact of education on inequality. The results show that the positive impact of education on wealth value is greater than that of income. The results of heterogeneity analysis show that，the rate of return on education has a heterogeneity between the urban and rural areas，and each survey year. Besides，the quantile regression results show that，there is a nonlinear relationship between education and wealth and income，and educational signals have a greater impact on low wealth people. Therefore，in order to alleviate the wealth gap in China，the government should increase the educational investment forrural and low wealth groups.

Key words：education，wealth inequality，income inequality，Gini coefficient