收入差距、高房价与阶层流动——基于CHNS微观家庭数据的实证分析

程　琦　刘艳华

(安徽工业大学商学院　安徽马鞍山　243002)



·经济与管理·

收入差距、高房价与阶层流动
——基于CHNS微观家庭数据的实证分析

程琦刘艳华

(安徽工业大学商学院安徽马鞍山243002)

摘要：本文使用中国健康与营养调查(CHNS)数据，从微观的家庭层面入手研究收入差距、高房价和阶层流动三者间的关系，并得出以下结论：高房价对收入差距的扩大有显著性影响；高房价对收入差距的影响具有地区效应；相较于农村地区，高房价对收入差距的作用在城市表现得更为明显；高房价所导致的收入差距对高收入阶层和低收入阶层具有不同的影响；当前，我国的阶层流动变缓，出现了阶层固化。

关键词：收入差距；高房价；阶层流动；CHNS数据；面板分位数模型

一、研究背景

自从20世纪90年代以来，居民在收入增长的同时，实际中的收入差距也在逐渐拉大[1]。2014年，国家统计局公布的数据显示：用以衡量居民收入分配差距的基尼系数在2008年达到0.491的峰值，但近年来有所回落，2014年降为0.469，但仍高于联合国等有关组织规定的0.4的警戒线。与此同时，我国的房价也在不断上涨，2003年至2012年全国商品房均价累计上涨145．48%，商品住宅均价累计上涨147．15%，相比而言，城镇居民人均工资性收入从2003年的6410.2元，增加到17335.6元，上涨的幅度为170.44%，只比商品房均价或商品住宅均价上涨的幅度高了不到30个百分点。2014年，上海易居房地产研究院公布35个大中城市房价收入比均值为8.5，远高于国际上公认的3～6的合理区间。

在市场经济条件下，收入差距的形成有着多种多样的原因。大量文献从发展中国家的城市偏向政策[2]、人力资本差异[3]、户籍制度和劳动力流动成本[4]等角度展开了研究。但将房地产价格作为影响因素探讨其对居民收入差距影响的还比较少。实际上通过理论分析可知，房地产作为特殊的资产确实跟城镇居民不断扩大的收入差距有莫大的关系。伴随着房价的不断上涨，房屋的拥有者通过出售和出租能够获得很高的收益，而没有住房的人则承担了不断上涨的租金和不断上涨的房价。Kookshin Ahn(1997)[5]研究发现韩国在1965至1994年近30年间房价不断上涨是引起贫富差距持续扩大的非常重要的原因。国内学者采用协整分析、误差修正模型、格兰杰因果关系检验等方法定量揭示了住房价格上涨对城市居民收入差距的影响程度[6-8]。

学者们同时发现，高房价对阶层流动也有重要的影响。高房价具有非经济性的后果，突出表现为高房价会影响到社会阶层结构的优化[9]；会剥夺没有住房的年轻人向上层社会流动的机会[10]；底层人群向上流动的机会越来越小，上升通道几乎被堵塞，被固化在社会底层，使社会关系紧张[11]；也导致人力资源的低效利用与浪费，远期后果是形成负激励机制，导致资源、人才的大量外流，技术的停滞和现代化的夭折[12]；中等收入阶层逐渐消失，也难以培育“两头小、中间大”的橄榄型社会阶层结构。

综上所述，影响收入差距的因素多种多样，但将视角聚焦于房地产价格变化的并不多，这是由于我国房改启动时间较晚，并且房价在新千年以后才开始大幅攀升，但相关文献的逐渐增多，表明这已成为研究收入差距问题的一个新突破口。同时研究高房价对社会阶层影响的文章多为文字性的理论分析，缺乏数据和实证研究的支撑。有鉴于此，本文使用微观家庭数据进行研究，相较采取宏观数据更加细致具体；同时将高房价对收入差距的影响群体进行了区分，分为城市居民、农村居民和东部地区、中部地区、西部地区；将被持续调查的家庭作为面板数据，研究了高房价对低收入阶层和高收入阶层的不同影响以及阶层流动情况。

为此，本文提出如下假设：假设(1)：高房价对收入差距的扩大有显著性影响；假设(2)：高房价对收入差距的影响具有地区效应；假设(3)：相较于农村地区，高房价对收入差距的作用在城市表现得更为明显；假设(4)：高房价所导致的收入差距对高收入阶层和低收入阶层具有不同的影响。

二、数据说明

(一)数据来源

本文使用的数据来自“中国健康与营养调查”(CHNS)，该数据库是由美国北卡罗来那大学和中国预防科学医学院联合调查和创建的。它涵盖了辽宁、黑龙江、江苏、山东、河南、湖北、湖南、广西和贵州共9个省份，以及1989年、1991年、1994年、1997年、2000年、2003年、2006、2009年、2011年，共9次调查。每次调查大约访问200个左右的城乡社区(包括城市的街道居委会和农村的村委会)，每个社区大约访问20个家庭，共4000户左右的家庭，城乡比为1:2。

(二)数据处理

由于调查的时间跨度较大，所以对相关的数据做了平减处理，将房屋的价值、家庭总收入、人均收入等数据，以调查年份为基础，依据物价指数平减到2011年。为避免异常值对测算结果的影响，我们还对数据进行了缩尾处理，在1%的水平上双向缩尾，因为CHNS是大样本的数据，缩尾后仍保留了大量的观测值，这样的处理对回归结果的影响不大。在住户调查问卷中，问题l9“您这栋房子(或这套住房)值多少钱(元)”，询问了住户现有住宅的价值，但是在整理数据的过程中，我们发现回答数据缺损严重，只有少数的家庭对房屋价值进行了估价，所以采用了住宅特征价格模型[13]，相关研究表明该模型对住宅价格的拟合值具有很好的效果，可以用拟合值来代替缺损值。

(三)变量说明

1．阶层分类。与黄静、屠梅曾(2009)[14]的研究类似，本文把家庭总收入取对数后，按照从低至高的顺序平均分成4个组，依次为低收入组(l_inc)、中等收入组(m_inc)、较高收入组(mh_inc)和高收入组(h_inc)，并且将收入与阶层一一对应，低收入组为阶层4，中等收入组为阶层3，较高收入组为阶层2，高收入组为阶层1。

2.地区变量。本文将被调查的9个省份，按地域分为三个地区，分别是东部地区(山东、江苏、辽宁)、中部地区(湖南、湖北、河南、黑龙江)和西部地区(贵州、广西)。

3.职业类型和单位类型。职业类型分为单位负责人和高级专业技术人员(occup1)、职员和一般专业技术人员(occup2)、非技术工人和服务行业人员(occup3)、农民及其他职业类型(occup4)。户主在事业单位(hunit)、户主在企业(munit)、户主在其他类型的单位(lunit)。

4.控制变量。由于户主在家庭中具有举足轻重的地位，于是采用户主的人口学特征来代表家庭的人口学特征，主要有户主性别(gender)、户主年龄(age)、户籍(urban)、户主的受教育程度(seceduc为高中或中职学历，higheduc为大专及以上学历)、户主的医保情况(medcare)、户主的工作(job)、第二职业(secjob)。一般而言，收入和年龄呈现倒U型的关系，所以加入了年龄的平方项(age2)。

表1　变量的定义和基本描述性统计

三、计量模型、实证结果及分析

(一)基本计量模型

为解释高房价对收入差距的影响，构建如下的计量模型：

lnhhincgro=β0+β1h_value+β2h_own*lnh_value+β3X1+β4X2+εi

被解释变量是平减到2011年的家庭总收入的对数形式，其中解释变量包括了房产价值和房产所有权与房产价值的交乘项，用来验证是否拥有住房对家庭总收入有何影响；X1是家庭特征变量，包括了家庭规模、家庭户口、家庭特征等；X2是有关户主的特征变量，包括户主年龄、受教育程度、职业类型、单位类型、是否有第二职业、是否有医保等；β0为常数项、εi为误差项。

表2　高房价对家庭总收入的回归模型

续表2

说明： *、**、***分别表示在10%、5%、1%的水平下通过显著性检验。

模型(1)将住房价值lnh_value作为解释变量对家庭总收入进行回归，具有显著性正向影响，具体来讲，家庭住房价值每提高1个单位，则家庭总收入提高约0.17个单位，所以家庭住房价值的差异会拉大家庭间的收入差距，从而验证了假设(1)。同时，该实证结果也验证了学者们之前研究的相关假设：因为经济发展水平的差异，东部地区较其他地区对家庭总收入的影响较大；家庭总收入与户主年龄呈现库兹涅茨曲线分布；更高的受教育水平能获得更高的收入；职业类型分化对收入的影响也不同，单位负责人和专业技术人员的收入高于一般员工；就业并拥有第二职业能显著促进收入的增加；医疗保险对家庭收入也有正向刺激作用。模型(2)采用住房所有权与住房价值的交乘项h_own*lnh_value作为解释变量，能进一步验证住房价值影响收入差距的假设，即拥有住房的家庭具有更高的家庭总收入。需要注意的一点是，样本的数量大量地减少了，这是由于住户调查问卷的提问l200(您是否拥有住房的所有权？)中数据出现了大量的缺损所导致的。模型(3)将模型(1)和模型(2)的解释变量同时带入，发现住房价值的系数变大了约15.2%，但是住房所有权与住房价值的交乘项变得不显著，并且系数很小。总体而言，还是模型(1)具有更好的拟合效果。

为了对假设(2)进行验证，我们将住房价值对家庭总收入分为东、中、西三个地区分别进行回归。结果发现：其回归系数的大小与经济发展水平呈现正相关，经济发展水平越高的地区，城市化的程度越高、工业化进程较快、金融发展水平较高的东部地区房地产升值较中、西部快，呈现出一种正向积累的效应。东部地区的回归系数(0.1920)较中部地区回归系数(0.1579)和西部地区(0.1479)分别扩大了22%和30%，而中部地区回归系数(0.1579)较西部地区回归系数(0.1479)扩大了6.8%，与假设(2)相符。

将住房价值对家庭总收入分为城市和农村进行回归，发现城市拥有住房的家庭回归系数是农村拥有住房家庭回归系数的5倍之多。虽然都是拥有住房资产，但是由于区位差异，农村住房价值远不如城市，房价上涨带来的资产性收入的增加远远落后于城市，表明近年来房价上涨所带来的红利更多的被城市居民所截取。同时，这样的资产增值所导致的家庭收入差距进一步扩大，验证了假设(3)，城乡收入差距扩大部分是由于高房价所导致的。

(二)面板分位数模型

在CHNS所做的共9次调查中，有一部分家庭持续受到了关注，他们参与了每一次的调研。所以，可以把这些家庭看做面板数据，以解释家庭总收入与住房价值、阶层流动的相关关系。依据生活经验可知，在高房价的社会背景下，不同阶层家庭的收入差距扩大的幅度明显小于其房产价值，所以由于拥有住房的异质性，使得阶层的差距进一步被拉大。为了对这种情况进行验证和量化，特采用面板分位数模型。通过将分位数回归和面板数据模型相结合对变量之间的关系进行研究，可以在控制个体差异的基础上对因变量条件分布的不同点位上各种变量之间的关系进行分析。分位数回归则是自变量对因变量在某个特定分位数水平上影响的边际效果[15]。对于处于不同阶层的家庭，更好地在控制异质性的基础上分析家庭房产价值对家庭总收入的边际效果，亦即高房价对收入差距的边际效果。

依据前文，按照家庭总收入对家庭进行分层，第25百分位代表的是低收入家庭，而第75百分位代表的是高收入家庭。将家庭总收入与家庭房产价值作比较，可以发现：低收入家庭与高收入家庭尽管收入差距不断加大，但是家庭总收入之间的差距远远小于家庭房产价值之间的差距。相比于低收入家庭，高收入家庭可能拥有更大的住房面积、更优异的区位条件、更好的居住环境等，其住房价值上升的空间远远大于低收入阶层的住房。如果这两个阶层的家庭总收入，可以称为差距的话，那么其家庭房产价值只能称为“鸿沟”了，正是由于家庭房产价值的分化，导致了家庭总资产的巨大差异，阶层的流动变得异常的困难。因此，提出假设(4)：高房价所导致的收入差距对高收入阶层和低收入阶层具有不同的影响。

图1　低收入阶层与高收入阶层的家庭总收入与家庭房产价值比较

1．面板分位数模型设定

lnhhincgroit=β0+β1h_valueit+β2X1i+β3X2i+εit

参考前文建立的模型，构建了面板分位数模型。lnhhincgro代表家庭总收入的对数；h_value为住房价值的对数；X1为包含地区因素的控制变量；X2代表包含户主年龄、受教育程度、职业类型和医疗保险状况等一系列个体特征的控制变量；ɛ代表残差，下标i代表不同的家庭，下标t代表受访时间。

2．实证结果及分析

由图1可知，收入差距迅速拉大主要集中于2004年至2011年，这期间共进行了四次访问调查(2004年、2006年、2009年、2011年)，并且低收入阶层(阶层4)与高收入阶层(阶层1)之间收入差距愈发扩大，所以采用这四年的数据构建面板分位数模型，将这两个阶层进行对照实证分析。

表3　住房价值对家庭总收入的面板分位数模型

说明： *、**、***表示在10%、5%、1%的水平下通过显著性检验。

2004年，低收入家庭相较高收入家庭而言，不仅住房价值对家庭总收入回归的系数很小，而且不显著，高收入阶层的回归系数是低收入阶层的3倍之多，说明此时高收入阶层普遍拥有住房，并且住房价格的上涨已经可以为其带来家庭财产性收入的增加。2006年，全国商品房平均销售价格同比上涨6.3%，远低于2003—2005年年平均17%的增长率，此时一部分低收入家庭可能选择了购房，从而使得回归系数为负，而高收入阶层持续接受房价上涨的红利，回归系数也愈加显著。2009年，低收入阶层的回归系数稍大于高收入阶层，意味着住房价值对家庭总收入的弹性，对低收入阶层更大，购房的低收入阶层由于房价的上涨对家庭总收入的影响更大。在经历了2008年房价的低谷之后，全国商品房均价一路上扬，高收入阶层投资或投机于房地产的倾向明显，他们凭借着在房产市场上获得的收益，汇聚了更多的家庭收入，进一步拉大了与低收入阶层的差距。

3．住房价值对家庭总收入的分位数回归图

图2

为了进一步研究住房价值对收入差距的影响，本文给出了从0到1每隔0.01分位点对应的系数估计值和对应的95%水平的置信区间。我们发现，住房价值对收入差距的冲击，对不同的阶层具有不同的影响。并且在不同的年份，系数估计值变化的趋势不同，但是基本都为正值，这也佐证了前文的实证结果，表明高房价确实扩大了收入差距。在不同阶层和不同的年份，基本表现为0.5分位点以上家庭的住房价值系数估计值较大，两端的置信区间较宽，说明对低收入阶层和高收入阶层的家庭，其住房价值对收入差距的影响分化更严重。总的来说，住房价值越高的家庭，其收入与其他家庭的差距就更大，与假设(5)相符。

(三)阶层变动情况分析

依前文所述，我们依据家庭的收入情况，将其分为了四个不同阶层。综合连续9次都被跟踪调查的家庭数据，发现处于各阶层家庭的数量具有如下的变化。

图3　依据家庭收入划分的阶层变动折线图

在1989年首次调查时，处于阶层4(低收入阶层)的家庭数量最多，阶层4与阶层3(中等收入阶层)总共占比约57.3%，阶层2(较高收入阶层)所占比例稍低于阶层1(高收入阶层)。在随后的调查年份中，阶层4的比重除了在2009年有所下降外，其他年份一直保持着缓慢上升的态势。阶层2的比重在历经波动后，最终于2011年保持在了28.9%，和1989年相比上升了1.53个百分点。阶层2的比重有所上升，表明部分其他的阶层流动到了该层级。阶层1的比重基本呈现出逐年下降的趋势，说明高收入家庭的占比越来越小。通过分析，流动到阶层2的家庭最有可能来自于阶层1，说明站在金字塔尖越来越难，阶层3和阶层4的比重逐渐增多，也意味着阶层分化明显，阶层流动日益困难，某种程度上底层家庭被固化在了低收入阶层，难以自拔。

四、结论及政策建议

在使用微观家庭数据“中国健康与营养调查(CHNS)”的基础上，分析了高房价对收入差距和阶层流动的影响，首先明确了住房价值对家庭总收入具有显著性影响。同时发现近年来，在收入差距不断扩大的同时，家庭房产价值也经历了巨大的涨幅，并且其上涨的幅度更大。将不同收入的家庭划分为不同的收入阶层，利用面板数据，构建了面板分位数模型，重点测度高收入阶层和低收入阶层。研究发现：住房价值对收入差距的影响对不同的阶层、在不同的年份表现出明显的差异性，对高收入阶层带来的红利高于低收入阶层。同时，在对阶层的动态变化研究中发现，低收入阶层越来越多，高收入和中高收入阶层越来越少，整体上的阶层流动呈现出向下的趋势，阶层上升的通道变窄，高房价是其中的阻碍之一，阶层在某种程度上发生了固化。

根据本文的研究结论可以知道，房地产价格的不断攀升的确造成了收入差距的扩大。为了控制收入差距的扩大，政府需要对房价实行有力的调控，利用廉租房、保障房等措施满足低收入阶层的居住需求，遏制高收入阶层在房地产上的投机行为，使收入差距保持在合理的区间。当前社会，极端事件频发，大多是由于收入差距过大，阶层分化严重，社会底层中极端分子的报复行为。为了构建安定、团结的和谐社会，加快解决收入差距和高房价问题是当务之急。

参考文献：

[1]李实，罗楚亮.行业垄断所有制与企业工资收入差距[J].管理世界,2011(4)：26-36.

[2]陈斌开，林毅夫.发展战略、城市化与城乡收入差距[J].中国社会科学,2013(4)：81-123.

[3]陈斌开，等.中国城镇居民劳动收入差距演变及其原因[J].经济研究,2009(12)：30-42.

[4]李实，等.中国居民财产分布不均等及其原因的经验分析[J].经济研究,2005(6)：4-15.

[5]Kookshin Ahn. Trends and Determinants of Income Distribution in Korea[J].JournalofEconomicDevelopment,1997(11)：224-267.

[6]陈灿煌.房价上涨与城市居民收入差距的关系[J].统计与决策,2007(22)：87-89.

[7]宁光杰.住房改革、房价上涨与居民收入差距扩大[J].当代经济科学,2009(9)：52-58.

[8]胡晓.收入差距与中国房地产价格:理论与实证——兼论当前房地产调控的有效性[J].财经科学,2010(12)：86-90.

[9]张振华.高房价是经济问题还是政治问题——分析中国房价的政治经济视角[J].西北师大学报(社会科学版),2010(2)：86-90.

[10]许原原,辛晔.高房价与城市社会既有的社会分层[J].商业文化,2012(1)：128-130.

[11]杨朝朝.收入差距固化社会阶层[J].现代商业,2010(34)：16-19.

[12]王文龙.制度缺陷、逆淘汰与阶层固化[J].吉首大学学报(社会科学版),2011(7)：114-117.

[13]周京奎.收入不确定性、住宅权属选择与住宅特征需求[J].经济学,2011(4)：1460-1498.

[14]黄静,屠梅曾.房地产财富与消费[J].管理世界,2009(7)：35-44.

[15]Koenker R,Bassett Jr G. Regression quantiles[J].Econometrica:journaloftheEconometricSociety,1978(10)：33-50.

[责任编辑陈玉兰]

收稿日期：2015-10-02

基金项目：本文系国家自然科学基金项目“基于二维空间的农户信贷配给空间异质规律研究”(项目编号：71203001)的阶段性成果。

作者简介：程琦(1991—)，男，硕士研究生，主要从事产业经济学研究。

中图分类号：F124.7

文献标志码：A

文章编号：1672-8505(2016)01-0063-07

Income Gap, High Price of Housing and Class Mobility:An Analysis Based on the CHNS Micro Family Data

CHENG QiLIU Yan-hua

(BusinessInstitute,AnhuiUniversityofTechnology,Ma’anshan,Anhui, 243002,China)

Abstract:The paper studies the relationship of income gap, high price of housing and class mobility from the perspective of the micro family aspect by using the data of CHNS. The result shows that the high price of housing has significant influence to the amplification of income gap as well as the district effects. Compared to rural area and low income stratum, this influence is more obvious in urban area and high income stratum. The class mobility of our country moves slowly, which causes the phenomenon of class solidification.

Key words：income gap; high price of housing; class mobility; CHNS data; Panel Quantile Model