中等收入群体规模测度及影响因素探究——基于CGSS2017数据

杨夏丹，沈 贝， 张 琳，李竹颖

（浙江工业大学管理学院，浙江 杭州 310023）

“中国特色社会主义进入新时代，我国社会主要矛盾已经转化为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾”，收入分配问题正是这一主要矛盾的突出表现。中等收入群体是国家发展的重要组成部分，我国中等收入群体的规模远低于发达国家，如何扩大这一群体，是政府各部门密切关注的问题，将影响到宏观经济调控与政策制定。这一群体的扩大，有利于促进消费、扩大内需，有利于促进经济持续稳定增长与社会的稳定发展，促进“橄榄型”社会的形成。

1.中等收入群体测度方法

本文选用绝对标准法对我国中等收入群体规模进行测度。2019年国家统计局发布的《2018 年全国时间利用调查公报》指出了对于不同收入群体的划分标准，将月收入在2000元以下的收入群体定义为低收入群体，月收入在2000元到5000元的收入群体定义为中等收入群体；将月收入在5000元以上的收入群体定义为较高及高收入群体。本文采取国家统计局提出的该项中等收入群体标准，进行简单推算后，以家庭人均年收入2.4万-6万元为划分标准，对全国主要城市的中等收入群体规模进行测度。

2.数据分析

本文使用中国综合社会调查（CGSS）数据库2017年公布的数据进行研究。CGSS是我国最早的全国性、综合性、连续性学术调查项目。CGSS（2017）数据库全面地收集社会、社区、家庭、个人多个层次多达12000余条数据，是研究中国社会最主要的数据来源之一。

2.1 中等收入群体各省测度结果

本文利用国家统计局的中等收入群体测度方法对2017年CGSS数据进行了分析，结果如表1所示。从总体上看，2016年全部样本的中等收入群体占27.47%，高收入群体占12.33%,低收入群体占60.2%。从分省数据看，上海市的中等收入群体比例为53.38%，北京、江苏和浙江省中等收入群体比例在40% -50%，山东省的比例位于30% -40%之间，中等收入群体比例位于20% -30%之间的省份数量最多，包括吉林、湖北、黑龙江、四川、宁夏、安徽、江西、河北、广西、内蒙古、陕西在内的11个省份比例都位于这一区间。河南、甘肃、重庆、云南的中等收入群体占比较低，小于20%。

表1 中等收入群体按省测度结果

2.2 中等收入群体城乡对比

表2给出了中等收入群体在城乡的分布情况。由表2可知，中等收入群体比例存在显著的城乡差异。2016年农村家庭中70.54%的家庭属于低收入群体，只有19.38%属于中等收入群体，10.08 %的家庭属于高收入群体。农村中等收入群体比例在25%以上的只有上海、北京、浙江、江苏、山东5个省份，其中浙江省农村家庭的中等收入群体比例最高，达39.34%。城镇家庭中成为中等收入群体的比例已达44.42%，低收入群体占39.12%，高收入家庭占16.46%。如果只考察城镇家庭，“橄榄”形的收入分配结构已经初步形成。上海、江苏两个省份的中等收入群体的比例已超过50%，绝大部分省份城镇家庭的中等收入群体比例高于农村家庭20个以上的百分点。可见，中等收入群体的形成存在着明显的城乡差异，该群体主要集中在城镇地区，农村地区的比例远落后于城镇地区。

表2 农村家庭和城市家庭的收入群体划分

2.3 影响因素测度分析

基于前文中等收入群体规模的测度，本小节将建立多元Logistic 回归模型，进一步深入研究比较低收入群体、中等收入群体、高收入群体之间的差异性，得出影响中等收入群体形成的主要因素。

2.3.1 模型的建立

多元Logistic回归模型将某一类别设定为对照组，分析其他组与对照组之间的对比情况。多元Logistic回归模型的公式为：

本节建立的多元Logistic模型，因变量分三类：1、2、3。1表示低收入群体，2表示中等收入群体，3表示高收入群体。本次模型以类别1为参考类别，即以低收入群体为参考类别。

2.3.2 指标的选取

本研究将“所属收入群体”作为被解释变量，具体划分为低收入群体、中等收入群体、高收入群体三类。同时，将人口统计学相关变量（性别、婚姻状况、户口登记状况、最高受教育程度）、工作情况相关变量（目前工作的单位类型、工作的性质、管理活动的情况、每周平均工作时长）、社会保障水平相关变量（是否参加农村/城市医疗保险、是否参加农村/城市养老保险）以及住房相关变量（是否拥有房产）作为解释变量进行多元 Logistic 回归分析。

2.3.3 模型估计结果

本研究使用SPSS软件对问卷数据进行多元Logistic分析，模型拟合的p值低于0.01，表明模型在1%的显著性水平下通过了检验，可以认为本研究建立的多元Logistic模型选择的自变量可以很好地解释不同收入群体的差异。在拟合优度上，模型的皮尔逊卡方显著性值为0.772，偏差卡方显著性值为0.998，数值较大，拟合优度较好，说明模型对原始数据的拟合通过检验。结果表明，模型在预测所属群体为中等收入群体上的准确率最高，达到68.0%。从总体上看，模型的预测正确百分比达到了55.7%，说明本预测精度较好，模型建立有效。模型的回归系数结果如表所示（所有自变量选取的参照项均为第一项）。

目前工作的单位类型=党政机关 0．427 0．363 0．239 0．653目前工作的单位类型=企业 0．191 0．142 0．179 1．210目前工作的单位类型=事业单位 0．172 0．209 0．411 1．187目前工作的单位类型=社会团体、村居委会 -0．179 0．369 0．628 0．836目前工作的单位类型=无单位/自雇（包括个体户） 0b ． ． ．工作性质=全职工作 0．734 0．173 0．000 2．083工作性质=非全职工作 0b ． ． ．管理活动的情况=只管别人，不受别人管理 0．943 0．308 0．002 2．569管理活动的情况=既管理别人，又受别人管理 0．582 0．215 0．007 1．789管理活动的情况=只受别人管理，不管理别人 -0．079 0．161 0．626 0．924管理活动的情况=既不管理别人，也不受别人管理 0b ． ． ．每周平均工作时长=21-30小时 -0．279 0．188 0．138 0．757每周平均工作时长=31-40小时 -0．673 0．296 0．023 0．510每周平均工作时长=31-40小时 0．413 0．169 0．015 1．511每周平均工作时长=41-50小时 0．234 0．172 0．174 1．264每周平均工作时长=51-60小时 0．145 0．158 0．358 0．865每周平均工作时长=61小时及以上 0b ． ． ．参加农村/城市医疗保险=否 -0．165 0．176 0．349 0．848参加农村/城市医疗保险=是 ． ． ．参加农村/城市养老保险=否 -0．126 0．121 0．297 0．882参加农村/城市养老保险=是 0b ． ． ．拥有房产=否 -0．390 0．132 0．003 0．677拥有房产=是 0b ． ． ．

表3表示中等收入群体与低收入群体的比较。根据表中根据Wald观测值和其相对应的P值可得，中等收入群体相对于低收入群体在性别、婚姻状况、最高受教育程度（1、2）、户口登记地（1、2）、工作性质、管理活动情况（1、2）、工作时间（1、2）、是否拥有房产因素上有显著差异（P值＜0.05）。其他方面无显著差异。

表3 多元logistics回归分析表

2.4 研究结论

总体来看，在中等收入群体与低收入群体概率比自然对数的模型中，性别在收入群体分布差异中影响显著，男性比女性有更大的概率成为中等收入群体。已婚、离异这两类已经历过婚姻的个体相比于未婚人群更容易是中等收入群体。而丧偶个体相比于未婚人群有可能是低收入群体。受教育程度与是中等收入群体的概率呈明显的正相关。同时，农村户口相对于居民户口，更有可能属于低收入群体。全职工作者是中等收入群体的概率更高。在工作管理情况中，具有“管理他人”权力的个体，更可能是中等收入群体。平均每周工作时长在21-30个小时的个体个体，相比于平均每周工作61小时及以上的个体更可能为低收入群体。而平均每周工作时长在31-40小时的个体，则更可能为中等收入群体。此外，在是否拥有（与他人共有）房屋产权因素上，相比于没有房屋产权的个体，拥有房屋产权的人群是中等收入群体的概率更大。

3.启示与建议

一是消除就业中的性别歧视，扩大女性中等收入群体比例。逐渐消除就业中的性别歧视，提高女性的就业率，提高女性的收入水平，可以有效缩小因性别差异所引起的我国居民收入差距，提高我国中等收入群体中女性所占比重。

二是重视人力资本，建设学习型社会。受教育程度越高，居民的收入主观感知越高，特别是硕士及以上学历居民的收入主观感知程度最高。教育投资作为人力投资的主要部分，反映出当前知识经济时代，人力资本作为一个重要的经济要素，对经济增长的贡献越来越重要，因此，要重视人力资本，建设学习型社会。