中国城乡家庭代际贫困流动性对比研究

肖殿荒 王姝力 毕艳成

摘要：在2008—2016年中国家庭追踪调查（CFPS）数据的基础上，构建多元回归模型及Logit二元选择模型，运用两阶段最小二乘法对城乡家庭代际贫困流动性进行测度，对比分析了城乡家庭之间代际贫困流动性的差异。研究结果表明：第一，城乡家庭整体代际贫困流动性不断降低，并且农村家庭的代际贫困流动性普遍高于城镇;第二，教育支出水平的提高日益成为城乡贫困家庭子辈跳出贫困陷阱的关键;第三，农村医疗条件虽然有所改善，但父辈的健康水平依然是子辈摆脱贫困状态的制约因素。结论是改善贫困地区教育和医疗条件，能够促进城乡贫困家庭提高收入水平，增强不同社会阶层的流动性。

关键词：代际贫困;流动性;教育因素;健康水平;医疗条件

中图分类号：F061.3   文献标识码：A   文章编号：1007-2101（2019）04-0016-06

一、引言

改革开放40年来，中国城乡居民收入水平都得到了显著提高，但与此同时，城乡家庭之间的收入差距也在不断拉大。虽然该问题已经引起学者及政府相关部门关注，但目前我国收入分配领域中面临的问题，并不仅仅是简单的收入差距扩大的问题，而是造成分配不平等的内在根源问题[1]。分配不平等主要包括机会不平等和结果不平等，学者们已经就两者之间的关系形成了普遍共识，即机会不平等使贫困家庭居民很难通过自身努力来改变经济与社会地位，是造成结果不平等的关键因素。衡量机会不平等的传统指标如基尼系数、泰尔指数等，刻画的是静态收入分配结果，无法反映收入分配的动态变化以及贫困状态在代际间的流动问题[2]。事实上，在当前党和国家积极推进扶贫攻坚的关键阶段，研究代际贫困流动问题具有极其重要的实践意义。因此，本文对我国城乡居民家庭的代际贫困流动性进行测度，重点考察城乡家庭之间代际贫困流动的差异，以期能为扶贫战略的推进提供借鉴。

二、文献回顾

马尔萨斯（1789）是最早对贫困问题进行研究的西方学者，他提出了多重稳态平衡增长模型，目的是为了探索当时英国的高生育率与普遍存在的贫困问题之间的联系。马尔萨斯认为，如果贫困国家的人均收入水平低于某个阀值，那么该国家将会陷入贫困陷阱，摆脱贫困的唯一途径则是通过控制生育率，但马尔萨斯在模型设定过程中没有考虑人力资本的因素[3]。舒尔茨（1960）在人力资本研究领域做了开创性的工作，他强调人力资本是居民收入提高的决定因素，而政府部门提供的公共教育是消除贫困的有效手段[4]。Blan和Duncan（1967）认为子辈的经济地位主要受到个人能力、父辈的职业以及受教育水平等因素的共同影响，父辈经济地位的不平等会在子辈中不同程度的再现，即如果贫困家庭中父辈的职业地位和受教育水平都很低，那么子辈贫困的可能性则较大，他们的研究为分析代际贫困传递问题提供了可以量化的实证分析框架[5]。Becker和Tomes（1979）开始对贫困问题进行系统研究，并将人力资本理论引入家庭层面，但未对代际贫困流动问题进行解释[6]。Solon（1992）运用工具变量法估计了美国居民家庭的代际收入弹性，该研究克服了模型的向下偏误，进而奠定后来学者们研究的微观基础，如Maoz和Moav（1999）将信贷约束加入到Solon的模型中，结果发现，贫困家庭很难筹措到足够的资金對子女进行教育资本投资，从而导致了贫困家庭子辈很少有机会提升其收入水平，这不仅导致了贫困在代际之间传递，也影响了社会的长期经济效率[7-8]。Cabrillana（2009）认为，如果贫困家庭中父辈的个人能力比较突出，也能够从银行借到资金来增加子辈的教育资本支出，最终会降低家庭代际贫困的持续性[9]。Solon（2004）将公共教育支出和家庭教育支出进行综合考虑，重点分析了公共教育支出对代际贫困流动的影响，结果表明两者存在反向变化关系[10]。Mayer和Lopoo（2008）假设父辈对子辈的教育资本投资面临一定的资金约束，并且引入了公共教育支出变量进行研究，结果表明，公共教育支出可以显著缩小不同收入阶层之间的贫富差距[11]。Golley和Kong（2013）以2008年中国城乡劳动力流动调查数据为研究样本，对我国城镇与农村地区代际流动的相关系数进行估计，结果发现教育因素对于打破固化的社会流动机制具有重要作用[12]。

国内学者中，王海港（2005）较早对我国城乡居民家庭代际贫困流动性进行测度，他选择了中国社会调查数据中1988年和1995年两年的单年数据作为样本构建回归方程，研究结果表明，虽然我国城乡家庭代际贫困流动性在不断降低，但农村家庭整体流动性水平要高于城镇家庭[13]。郭丛斌和闵维方（2009）按照收入水平的高、中、低将研究样本分为三组，通过构建二元Logistic模型和运用通径分析技术，对不同收入群体的代际收入弹性进行测算，结果表明，贫困家庭和富裕家庭的代际收入流动性都显著高于中等收入家庭[14]。方鸣和应瑞瑶（2010）认为中国农村家庭代际贫困流动性显著高于城镇，教育资本投资和职业代际传递是影响代际贫困流动性的主要因素[15]。徐晓红（2015）将中国家庭调查数据与中国居民收入调查数据进行匹配，利用双样本工具变量法对2002—2012年我国城乡家庭的代际收入弹性进行估计，研究发现城镇家庭社会流动的整体固化程度高于农村家庭，而农村贫困家庭的子辈则更加容易陷入贫困流动性陷阱[16]。杨娟等（2015）认为，农村贫困家庭自身收入条件限制了对子辈的教育资本投资，是导致农村贫困家庭陷入贫困流动陷阱的主要因素[17]。亓寿伟（2016）以中国健康营养调查（CHNS）数据为样本，对男性代际贫困流动性进行检验，结果表明：城镇家庭的代际贫困流动性大约是农村家庭的两倍，并且他认为家庭收入是导致代际贫困流动的最主要因素[18]。张亚明等（2018）分别从自然、社会以及经济三个层面建立了贫困综合评价机制，同时利用ArcGIS地理信息软件对环京津地区27个县的居民家庭贫困状况进行测度。研究发现，环京津地区居民贫困问题的多重叠加，严重影响了居民的综合贫困程度。因此，他们认为应该阻断代际贫困传递的恶性循环通道，鼓励企业投资或者政府拨款，进而提高地区教育经费支出[19]。

由于研究样本和方法的不同，学者们得出的结论并不一致，并且学者们主要用代际收入弹性的估计结果来衡量代际贫困流动性，缺乏对贫困程度的直接度量。同时，从城乡差异的视角对比分析代际贫困流动性及其动态变化趋势的研究也较少。本文试图弥补以上不足之处，通过重新构建代际收入弹性模型，运用两阶段最小二乘法，并选择合适的工具变量和代理变量，对代际贫困流动性进行测度。根据实证研究结论，本文提出若干政策建议，以期能够为政府扶贫政策的制定和落实提供理论支持。

三、模型与数据

（一）模型设定

本文在Solon（2004）研究基础上，构建如下代际收入弹性模型：

lnyzix=？茁0+？茁1lnyfix+？茁2edufix+？茁3lngzix+？茁4eduzix+？茁5heafix+？茁6sexzix+？茁7urbzix+？着ix（1）

个体贫困特征为虚拟变量，为了分析城乡家庭代际贫困流动性的差异，还需要构建如下形式的多元回归模型和Logit离散二元选择模型：

povzix=？茁0+？茁1lnyfix+？茁2edufix+？茁3lngzix+？茁4eduzix+？茁5heafix+？茁6sexzix+？茁7urbzix+？着ix（2）

ln■=？茁0+？茁1lnyfix+？茁2edufix+？茁3lngzix+？茁4eduzix+？茁5heafix+？茁6sexzix+？茁7urbzix+？着ix（3）

上式中下标f和z分别表示父辈和子辈，下标x表示样本数据所属的地区，i表示父辈和子辈可以进行配对的样本。？茁i表示各解释变量的系数，？着ix表示随机误差项。具体说明如下：

1. 被解释变量。povzix表示子辈所处的贫困状态。本文选取总体样本数据中个体收入中位数的50%为相对贫困线，收入水平低于该贫困线即为贫困，高于该贫困线则为非贫困[20]。由于贫困变量为虚拟变量，故作如下赋值：贫困=1;非贫困=0。

2. 解释变量。lnyfix表示父辈的收入水平。由于在数据调查过程中，难以获取个体永久性收入数据，因此采用单期数据作为替代变量，并且假设单期收入是永久性收入与随机扰动项的联合（Haider和Solon，2006），以克服周期性误差[21]。

lngzix表示政府公共教育支出的对数。由于各省市的公共教育支出在不同年份存在差异，并且教育对子辈收入的影响存在滞后性[17]。因此，本文以各地区在2000—2008年的生均教育经费的均值，来衡量政府公共教育的支出水平。

edufix和eduzix分别表示父辈与子辈的受教育水平。本文参照Machin（2004）的处理方法，采用受教育年限来衡量个体的受教育水平，且作如下赋值：未上过学=0;小学=1;初中=2;高中=3;职高/技校/中专=4;大专=5;本科=6;硕士及以上=7。

heafix表示父辈的健康水平，作如下赋值：很差=0;较差=1;一般=2;较好=3;很好=4。sexzix表示子辈性别，作如下赋值：女=0，男=1。urbzix表示子辈户籍类型，赋值方式如下：城镇=1，农村=0。

考虑到父辈的单期收入可能会与随机扰动项之间存在相关性，本文将父辈年龄、父辈年龄的平方项和父辈职业类型设置为工具变量（Corak和Piraino，2011）[22]。職业类型变量作如下赋值：务农=0;个体=1;私营=2;合资或外商独资=3;集体企业=4;国有企业=5;事业单位=6;党政机关团体=7。

（二）数据说明

各地区生均教育经费支出数据来源于2000—2008年《中国教育经费统计年鉴》，个人收入等其它变量数据来源于2008—2016年CFPS数据库。将CFPS数据中国标码与《中国教育经费统计年鉴》各地区名称进行匹配，获取样本教育经费支出数据。根据数据库中的个人与家庭代码，匹配父辈和子辈样本。同时，对匹配后的样本数据作如下处理：（1）剔除年龄大于60岁以及小于40岁的父辈样本;（2）剔除年龄小于20岁的子辈样本;（3）剔除父辈与子辈年龄差距小于16岁的样本;（4）剔除收入处于最低1%和最高1%的样本[23];（5）剔除数据值有缺失以及子辈仍在上学的样本;（6）将CFPS数据库中收入样本中位数的50%，作为相对贫困线标准，筛选出父辈贫困的家庭样本数据（赵红霞和高培培，2017）。为了克服年龄差异的影响，按照子辈的出生年份（1988），将样本分为两个阶段进行研究[24]。表1和表2报告了样本数据的描述性统计。

在表1和表2中，农村组的样本数量高于城镇组，这主要是因为贫困主要发生在农村地区。同时可以看出，父辈年龄主要介于40～50岁;从收入和公共教育支出来看，城镇样本的收入水平和公共教育支出水平都明显高于农村样本，这也与现实状况相符。从受教育水平看，出生年份≤1988的样本中，城镇家庭子辈受教育水平大约在大专水平，农村家庭子辈受教育水平大约为中专或者职高水平;在出生年份>1988的样本中，城镇家庭子辈的受教育水平在高中以上水平，而农村家庭父辈的受教育水平大约为初中水平。在健康水平方面，城镇家庭子辈与农村家庭子辈之间不存在显著差异。

四、实证分析

（一）代际收入弹性估计

为了对样本代际收入弹性进行准确估计，接下来采用两阶段最小二乘法对模型（1）进行回归，同时把父辈年龄、年龄平方项以及父辈职业类型等变量设置为父辈收入的工具变量（见表3）。

表3报告了模型（1）的估计结果，可以看出父辈收入对子辈收入具有显著的正向影响，农村家庭子辈的代际收入流动性低于城镇家庭子辈，说明农村家庭代际贫困流动性高于城镇家庭。低年龄组样本的代际收入流动性高于高年龄组样本，说明城乡家庭代际贫困流动性呈现下降趋势。子辈受教育水平和公共教育支出的系数在0.01水平上显著，系数值较大且为正，说明教育变量是影响子辈收入水平的主要因素，并且与子辈收入水平呈现正向的变化关系。父辈健康水平和父辈受教育水平等因素，在0.05的水平上对子辈收入也具有显著影响。另外，在高年龄组样本中，子辈受教育水平对收入的影响要小于低年龄组样本，说明随着经济的发展，劳动力市场竞争日趋激烈，而教育的作用也更加凸显。

（二）代際贫困流动性变化

为了分析城乡家庭代际贫困流动性之间的差异，接下来对模型（2）进行估计，表4显示了估计结果。可以看出，子辈受教育水平和公共教育支出水平对于代际贫困流动性具有抑制作用，尤其对农村家庭子辈代际贫困流动性的抑制作用更加显著。父辈健康水平变量对农村子辈的代际贫困流动性具有显著影响，且对低年龄组样本的影响大于高年龄组样本，这说明近些年农村医疗保障水平虽然有所改善，但是“因病致贫”现象依然存在。父辈收入和父辈受教育水平对代际贫困流动性的影响都比较显著，并且在农村样本中，父辈收入对代际贫困流动性的影响远高于城镇样本。

为了更加直观地观察城乡家庭代际贫困流动性的动态变化，本文运用Stata15软件对模型（3）进行回归，并在图1中绘制了城乡家庭代际贫困流动性的变化趋势。图1中虚线表示2008—2016年全样本代际贫困流动性的均值（0.113），两条折线分别表示农村家庭样本和城镇家庭样本不同年份的代际贫困流动性变化趋势。需要说明，代际贫困流动性只是从动态视角反映子辈陷入贫困状态的机会，但无法反映个体实际的贫困状况。2008—2016年，农村家庭代际贫困流动性从0.168下降到0.089，下降比例为47.02%;城镇家庭代际贫困传递流动性从0.174下降到0.058，下降比例为66.67%。可以看出，城乡家庭代际贫困流动性均呈现递减趋势，曲线在图中呈现向右下方倾斜的特点。说明近些年扶贫政策已经取得了巨大成效。但同时我们也应该注意到，农村家庭代际贫困流动性普遍高于城镇，并且差距在不断拉大，这说明农村的减贫难度高于城镇。

（三）稳健性检验

由于本文在对样本进行估计时，将父辈年龄、父辈年龄的平方以及父辈职业类型等变量设置为工具变量，因此有必要对模型进行内生性检验、弱工具变量检验以及过度识别检验，以提高研究结论的可信度。在存在异方差可能的条件下，传统Hausman检验对于检验模型内生性不再有效，因此采用DW-Hausman检验。同时，本文借鉴Stock与Yogo（2005）的研究方法，对模型进行过度识别检验和内生性检验。表5给出了稳健性检验结果。在内生性检验中，伴随概率均小于0.000，显著拒绝了原假设，可以认为模型不存在内生性。在弱工具变量检验中，F统计量全部大于临界值10，因此拒绝“弱工具变量”的原假设。在过度识别检验中，三个模型的LM统计量的伴随概率均大于0.05，即工具变量存在过度识别。总体来说，模型设定较为合理，估计结果可信。

五、结论与启示

文章在2008—2016年中国家庭追踪调查数据的基础上，采用两阶段最小二乘法对城乡家庭代际贫困流动性进行测度。研究发现：城乡家庭代际贫困流动性整体不断下降，且农村家庭的整体流动性水平高于城镇家庭，城乡收入差距也在不断扩大，说明政府的扶贫政策虽然取得了巨大成效，但农村的减贫难度依然高于城镇。子辈受教育水平和公共教育支出对代际贫困流动性都具有抑制作用，尤其对农村家庭子辈代际贫困流动性抑制作用更加显著。说明随着经济的发展，提高受教育水平日益成为子辈跳出贫困陷阱的关键。父辈健康水平对农村家庭子辈代际贫困流动性的影响较为显著，并且对低年龄组子辈的影响大于高年龄组，说明近些年农村医疗保障水平有所改善，但是因病致贫的现象依然存在。基于以上结论，本文得出如下启示：第一，教育因素是促进城乡居民提高收入的关键，能够有效阻断贫困在父辈与子辈之间流动，尤其对于农村贫困家庭而言，教育可以弥补子辈在先赋性因素方面的竞争劣势，不仅有助于贫困家庭子辈获得平等的就业机会，也能够促进社会不同收入阶层的流动。因此政府应该不断完善教育机制，提高农村地区师资力量，增加配套教育资源，并且注重农村贫困家庭子女的职业技能培训。第二，父辈健康水平对农村家庭代际贫困流动性的影响远大于城镇，因此农村地区扶贫政策的重点还应该包括改善农村医疗条件，提高医疗服务的可及性，增加农民医疗费用的转移支付，健全农村医疗保险制度等。

参考文献：

[1]Harper C，Marcus R，Moore K. Enduring Poverty and the Conditions of Childhood：Lifecourse and Intergenerational Poverty Transmissions[J]. World Development，2003，31（3）：535-554.

[2]Krishna A. Characteristics and Patterns of Intergenerational Poverty Traps and Escapes in Rural North India[J]. Development Policy Review，2012，30（5）：617–640.

[3]华民.“马尔萨斯制约”与经济发展的路径选择——对世界经济发展的重新认识[J]. 复旦学报（社会科学版），2005（5）：98-110.

[4]江涛.舒尔茨人力资本理论的核心思想及其启示[J]. 扬州大学学报（人文社会科学版），2008，12（6）：84-87.

[5]Blau P M， Duncan O D. The American occupational structure[J]. American Journal of Sociology，1967，33（2）：296.

[6]Becker G S， Tomes N. An equilibrium theory of the distribution of income and intergenerational mobility[J]. Journal of political Economy，1979，87（6）：1153-1189.

[7]Solon G. Intergenerational Income Mobility in the United States[J]. American Economic Review，1992，82（3）：393-408.

[8]Maoz Y D， Moav O. Intergenerational mobility and the process of development[J]. The Economic Journal，1999，109（458）：677-697.

[9]Cabrillana A H. Endogenous capital market imperfections，human capital， and intergenerational mobility[J]. Journal of Development Economics，2009，90（2）：285-298.

[10]Solon G. A model of intergenerational mobility variation over time and place[J]. Generational income mobility in North America and Europe，2004：38-47.

[11]Mayer S E，Lopoo L M. Government spending and intergenerational mobility[J]. Journal of Public Economics，2008，92（1-2）：139-158.

[12]Golley J，Kong S T. Inequality in intergenerational mobility of education in China[J]. China & World Economy，2013，21（2）：15-37.

[13]王海港.中国居民家庭的收入变动及其对长期平等的影响[J].經济研究，2005（1）：56-66.

[14]郭丛斌，闵维方.教育：创设合理的代际流动机制——结构方程模型在教育与代际流动关系研究中的应用[J]. 教育研究，2009（10）：5-12.

[15]方鸣，应瑞瑶.中国农村居民代际收入流动性研究[J]. 南京农业大学学报（社会科学版），2010，10（2）：14-18.

[16]徐晓红.中国城乡居民收入差距代际传递变动趋势：2002-2012[J].中国工业经济，2015（3）：5-17.

[17]杨娟，赖德胜，邱牧远. 如何通过教育缓解收入不平等？[J].经济研究，2015（9）：86-99.

[18]亓寿伟.中国代际收入传递趋势及教育在传递中的作用[J].统计研究，2016，33（5）：77-86.

[19]张亚明，石笑贤，严玲玉.环京津贫困带空间贫困测度与精准扶贫研究[J].河北经贸大学学报，2018（3）：74-80.

[20]赵红霞，高培培.子辈教育对中国农村家庭代际贫困传递的影响—基于CHIP2013的实证分析[J].教育学术月刊，2017（12）：26-32.

[21]Haider S， Solon G. Life-Cycle Variation in the Association between Current and Lifetime Earnings[J]. American Economic Review，2006，96（4）：1308-1320.

[22]Corak M，Piraino P. The Intergenerational Transmission of Employers[J]. Journal of Labor Economics，2011，29（1）：37-68.

[23]Black S E ，Devereux P J. Recent developments in intergenerational mobility[J]. Cepr Discussion Papers，2010，4（1）：1487-1541.

[24]李长健，胡月明. 城乡家庭代际贫困传递的比较研究[J]. 财经问题研究，2017（3）：99-105.

责任编辑：齐 园

Abstract： Based on the data of China Family Panel Studies （CFPS） from 2008 to 2016， this paper constructs the multiple regression model and Logit binary choice model， using two-stage least square method to measure the inter-generational poverty mobility of urban and rural families， and makes a comparative analysis on the difference of inter-generational poverty mobility between urban and rural families. The results show that： firstly， the overall inter-generational poverty mobility of urban and rural families is decreasing， and the inter-generational poverty mobility of rural families is generally higher than that of urban families; secondly， the increase of education expenditure level increasingly becomes the key for the children of poor families jump out of the poverty trap in urban and rural areas; thirdly， although rural medical conditions have improved， the health level of parents is still a constraint on their children's escape from poverty. So improving education and medical conditions in poor areas can promote the income level of poor families in urban and rural areas and enhance the mobility of different social classes.

Key words： inter-generational poverty， liquidity， education factor， health level， medical conditions