基于回归方程的中国农村收入差距的分解——兼论教育对收入差距的影响

三、教育对中国农村内部收入

差距影响的实证分析按照式（1），用已得到的农户家庭的面板数据进行了回归处理，我们以农户的人均纯收入的对数为被解释变量，对模型进行了广义最小二乘估计(GLS)，回归结果如下：

表2 GLS的模型估计结果

总的来说，模型的拟合效果较好，系数都在90%的水平上显著，系数的符号与预期一致。家庭总人口系数为负，表示家庭规模越大，人均收入水平越低；人均劳动力人口系数为正，表示劳动力负担越低，人均收入水平越高；非农就业比例的系数为正，表示劳动力中从事非农产业的比重越高，人均收入水平越高；人均耕地面积的系数为正，表示耕地面积越多，人均收入水平越高；人均资本投入的系数显著为正，证明资本对农民纯收入的正作用；劳动力平均受教育年限的系数和劳动力平均年龄的系数为正，而劳动力平均受教育年限和劳动力平均年龄的平方的系数为负，很好的证明了我们在模型中加入这两个平方项的意义，也验证了人力资本报酬递减的规律；市场化程度系数为正，证明了农民所在省份经济环境越好，农民收入水平越高，这符合我们的预期，也符合我国的实情。

在得到了农民人均纯收入的决定方程，只需要将收入的对数形式还原成收入的原始形式，然后再利用每一期的各个解释变量的数据就能够进行不平等的分解了。

在进行分解之前，还需要计算出原始的收入数据中的收入差距情况，以判断我们的模型是否对真实的情况具有很好的解释力。这里选取基尼系数和泰尓指数作为最主要的解释收入差距的指标，其中泰尓指数分为泰尔零阶指数和泰尔一阶指数，即Theil-L和Theil-T指数。具体计算结果见

从表3中可以得到这样的结论：在本世纪前十年，中国农民的收入差距是呈现不断拉大的趋势的。

根据表2中的模型估计结果进行收入差距的夏普里值分解，得到了在2000年，2004年和2009年的分解结果。由于计算量较大，人工计算非常麻烦，因此我们使用联合国大学经济发展国际研究院(UNU-WIDER)开发的JAVA程序进行了收入差距的夏普里值分解，具体结果见表4。

对比表3和表4，我们得到了不同年份的分解结果对各原始的收入差距指标的解释程度，在2000年中，分解结果对原始的数据的解释程度按照Gini 系数、Theil-L指数和Theil-T指数排序分别为57.85%、31.54%和28.49%；2004年分别为71.27%、47.73%和41.68%；2009年分别为71.67%、49.99%和45.23%。三个收入差距相对指标对原始计算的解释力都无法达到100%，这是因为总是存在难以量化到模型中的影响收入的变量，这些变量包括社会关系、政治关系因素等。按照不同的收入差距指标的分解结果不同，是因为不同的指标对应不同的社会福利函数，并且对洛伦茨曲线的不同部分敏感程度也不同（Wan，2004）。我们最终选取了Gini系数的分解结果作为我们的正式结果，因为Gini系数的分解结果对原始收入差距的解释力要远高于Theil指数，另外Gini系数也是更为常用的衡量不平等的指标。