居民收入差距的测量及其合理判断

李 实，高 霞,2

（1.北京师范大学 经济与工商管理学院，北京 100875；2.河南财经政法大学 经济学院，郑州 450003）

中国的居民收入差距问题是近年来引起人们的热点问题之一，由于对收入概念、收入调查方式以及收入差距指数等有不同认知和理解，人们对中国收入差距的状况有不同的感知、判断乃至猜测，这也引发了不少争论。2012年12月，西南财经大学中国家庭金融调查中心根据其住户调查计算并公布了2010年全国居民收入差距的基尼系数，数值为0.61。随后，2013年1月，国家统计局公布了从2003～2012年的全国居民收入基尼系数，分别为：0.479、0.473、0.485、0.487、0.484、0.491、0.490、0.481、0.477 和0.474。两组不同而差异明显的基尼系数即刻引发了学术界和媒体的激烈争论,至今没有停息。争论的背后涉及到一系列的问题，这些问题需要做出清晰的说明。本文通过一些数据模拟和经验分析，对居民收入差距测量过程中的基础数据来源、收入指标选取、异常值处理、地区价格差异调整、高收入样本缺失等问题进行说明，并对中国基尼系数的取值进行了合理判断。

1 居民收入差距测量中的相关问题

1.1 基尼系数估算时的基础数据来源问题：样本点数据与分层（分组）数据

根据新帕雷格拉夫经济学辞典（第2卷）中基尼系数的原始计算公式，原始的基尼系数是一种绝对基尼系数。经过后人的改造，我们现在常用的基尼系数是一种相对基尼系数，其一般计算公式可表示为：

其中，|yi-yj|为任何一对样本的收入差的绝对值，n为样本数量，μ为所有样本的收入均值。

研究者在分析居民收入差距时所利用的基础数据，可能来自于样本点数据，也可能来自于分组数据。样本点数据又被称为分户或个人数据或微观数据，指包含单个住户或个人信息的数据；而分组数据是根据住户或个人某一特征(如收入、年龄、文化程度、职业)对微观数据进行分组汇总后的数据。在计算基尼系数时，所用的分组资料一般为收入等分组资料，也可称之为分层资料。

从基尼系数的公式（1）可以看出，其计算是建立在任何两个样本的收入差距的基础上，不需要对全部样本进行分层（分组）。另外，20世纪80年代以来，随着对基尼系数估算方法的不断改进以及计算机的迅速发展，即使是很大的样本，根据样本点数据直接估计基尼系数已不成问题。在微观数据无法获取的情况下，研究者也可以利用公开发表的分层（分组）数据对基尼系数进行大致的估算，但这也只能是一种不得已的办法。先分组后估算的基尼系数存在着估算上的误差问题，这是因为在不考虑各组内收入分布的情况下，利用分层（分组）资料所估算的收入差距忽视了组内差距，而只包含了组间差距，从而会造成估计上的一定误差；组内差距在总差距中所占的比重的越大，这种估计上的误差就越大。而从微观数据直接计算基尼系数，则不存在计算上的误差问题。为说明利用分层（分组）数据与样本点数据所计算的基尼系数之间的偏差程度，我们利用“中国居民收入分配课题组”（CHIP）2007年的城镇住户抽样调查数据，进行了一个简单的模拟分析。

在公开发表的分层（分组）资料中，一般收入层不超过10层，表1分别给出了五等分组和十等分组情况下，各组的平均收入和基尼系数。从中我们可以看到，不仅各组之间存在着收入差距，各收入组内部同时也存在着收入差距。其中，最低收入组和最高收入组内部的收入分配不平等程度要远远大于中间收入组，在五等分组和十等分组情况下，最低和最高收入组的组内基尼系数是中间收入组的3-4倍和5-7倍。如果是利用分层（分组）资料测算居民收入差距，则将忽略这部分组内差距，从而会造成基尼系数的低估。表2模拟出了利用不同的分组资料所计算出的基尼系数（用Gini2表示），同时也给出了其与利用样本点数据得到的基尼系数（用Gini1表示，如果对样本点数据不做任何处理，所计算出的基尼系数为0.33887）的相对差，以及不同分组情况下的组内差距在总收入差距中的占比情况。根据表2中的结果可以看出，只要是利用分组资料计算收入差距，便会存在不同程度的低估误差。从收入分层（分组）资料来看，分层越细，组别越多，组内差距占总差距的比重越小，从而基尼系数的低估误差越小。比如，根据这里的数据库，利用一百等分组资料得到的Gini2与Gini1的差额极小，仅比Gini1低0.05%；而利用五等分组资料得到的Gini2比Gini1则低了近7个百分点。一种更极端的情况是，如果我们直接利用地区分组资料来计算基尼系数，由于组内差距的占比高达80%，其Gini2与Gini1低了1/2以上。当然，这里的结果并不表明一百等分组资料的误差低估一定是可以忽略不计的，或者二十等分组资料的误差低估一定不大（如这里的不足1%），分层（分组）资料对收入差距的低估程度还要视具体样本数据中的组内差距比重情况而定。

表1 等分组中各组的平均收入、基尼系数和平均家庭规模

表2 利用分组资料模拟的基尼系数及其测算误差

1.2 收入指标的选取问题：家庭平均收入与家庭人均收入

如果我们研究的是居民收入差距，那么收入分配的对象应该是非常明确的，即只能是居民个人，而不是单位或集体，严格意义上来说也不是家庭。这也就意味着在计算反映居民收入差距的基尼系数时，首先是不能选取家庭平均收入作为收入指标的，用家庭收入计算的基尼系数，反映的只是家庭之间的收入差距。根据前面提到的收入含义，一个家庭中的非就业者，虽然其没有直接从劳动市场中获取收入，但其通过家庭内部成员间的转移支付实际得到了收入，因此个人收入往往与家庭收入交织在一起（特别是在农村）。如果要测算居民收入差距，严格来讲，需要将家庭收入准确地归算到每个家庭成员头上，但非就业者实际得到的家庭内部转移支付额很难通过住户调查来得到相关数据。也就是说，在实际统计中，我们比较容易得到是家庭收入，而不是个人收入。在这种情况下，获取个人收入只能采取这样一种办法，即用家庭收入除以家庭人口，也就是用家庭人均收入来代替个人收入以计算居民收入差距，这也是计算基尼系数的一般国际惯例。

一般来讲，由于生育存在机会成本，因此高收入人群的子女数量一般较少，低收入人群的子女数量较多。另外，即使家庭总收入不太低，但如果其非就业者较多，家庭规模比较大，从而每个家庭成员所分摊得到的收入也会较低。从表1中的最后一栏我们可以观察到，个人收入越高的家庭，其人口规模越小，即个人收入与家庭人口规模存在着负相关的关系。在这种情况下，若没有采用家庭人均收入，而是用家庭平均收入来计算基尼系数，则会造成居民收入差距的低估。比如，我们根据上面所使用的CHIP(2007)数据，如果选择家庭收入来计算居民的基尼系数，所得到的基尼系数为0.33553，这比用家庭人均收入所计算出的基尼系数（即Gini1）要低1%。

不过，用家庭人均收入来代替个人收入来计算居民收入差距，仍然是有偏差的，因为这种办法是建立在两个假定前提上：一是个人单独或与其他家庭成员共同获得的收入都要在家庭内部进行分配，应该说这一假定是合理的，不然没有获取收入能力的家庭成员就无法生存；第二个假定是同一家庭内部不同成员之间的收入分配是均等的，这一假定则并非合理，因为有大量研究成果表明，在男性占统治地位的社会中，家庭消费更多地向男性倾斜，教育费用更多地花在男孩身上。由于对家庭内部收入分配的了解非常困难，采用家庭人均收入计算居民收入差距是别无选择，但第二个假定在一定程度上造成了个人收入差距的低估。

1.3 地区价格差异问题

由于我国经济发展的地区非平衡性，各地区的生活成本也存在着一定的差异，如果要真实反映一个国家的实际居民收入差距，而不仅仅是名义居民收入差距，则需要考虑地区价格差异。一般来讲，高收入地区的物价水平也相对较高，因此在进行了地区之间货币购买力的调整之后，所计算出的基尼系数要低于不考虑地区价格差异时的基尼系数。比如，如果直接利用江小涓和李辉（2005）所计算的各省会城市的价格指数来作为各省（直辖市）的价格指数，利用前面的CHIP(2007）数据所得到的基尼系数将为0.31697，比没有经过地区PPP调整的Gini1低6.5%。也就是说，如果不考虑地区价格差异问题，我们所计算出的基尼系数是高估或夸大了实际收入差距的。

1.4 异常值的正确处理问题

异常值（也称异常观测值、可疑值、极端值）是指样本中的个别值，其数值明显偏离它（或它们）所属样本的其余观测值。异常值的出现可能来自于两种情况：一种异常值可能是总体固有的随机变异性的极端表现，这种异常值和样本中其余观测值属于同一总体；另一种异常值也可能是由于试验条件和试验方法的偶然偏离所产生的后果，或产生于观测、计算、记录中的失误，这种异常值和样本与其余观测值不属于同一总体。因此，在计算居民收入差距的过程中，对于调查样本所出现的异常值问题，需要谨慎对待，不能简单粗暴的直接剔除。

当出现可疑值时，我们需要首先利用统计方法进行异常值诊断。当确定为异常值时，一般应首先选择进行样本清理，通过反复检查、核对、寻找出现异常的可确定的原因，以对其进行修正。若找不到出现异常的任何原因，则不能将这种数值随意删除。即使是有充分的技术上的、物理上的说明其异常的理由，我们一般在剔除异常值的同时，也会考虑追加适宜的观测值计入样本，以保证调查样本代表性的稳定。

应该说，异常值样本点是否需要剔除，取决于样本本身的质量，如果样本质量好，即使出现了异常值，也无需剔除。而分析者在决定剔除异常值时所选取的剔除标准（如是1%还是0.01%），带有一定的主观性，也反映了其对样本质量的信心。如果极端值样本点（即极高收入样本和极低收入样本）被简单粗暴地直接剔除，无疑将会带来基尼系数的低估。

1.5 高收入人群样本的缺失问题

利用抽样调查的住户收入数据来估计总体居民收入差距，首先应当保证所抽取的样本对总体具有充分的代表性，包括对不同人群间的代表性，如城乡、地区以及不同收入组间的代表性，即应当覆盖具有不同收入水平的人群。一般说来，城乡和地区代表性可以通过合理的抽样方法或重新加权的办法保证，而不同收入人群的代表性难以通过类似方式保证。许多研究都发现，高收入人群通常会存在更为严重的收入低报、样本遗漏等问题。

图1 高收入人群样本遗漏示意

在样本具有充分代表性的情况下，样本分布如图1所示，不同收入人群样本既包括了A样本，也包括了B样本和C样本。后两类样本对应高收入人群，实际调查通常不能有效覆盖。不过，两者不能有效覆盖的原因是不同的。C样本对应人口由于在全部人口中所占比重非常低，因此在抽样中对应小概率事件。B样本对应人口尽管在全部人口中占有一定的比重，在理论上具有较高的抽样概率，然而在抽样调查的实践过程中，高收入人群往往不太配合。高收入人群分为两种：一种是其收入来源完全合法，比如私营企业老板合法经营获得高收入；还有一种是其部分收入来源不当，比如腐败官员收取的贿赂。即使是前一种人，由于存在许多顾虑（如怕露富），也不太愿意接受收入调查，从而使得住户调查中B样本的比重偏低。即使是B类人群参加了抽样调查，也有较强的主动低报收入的倾向。因此，实际抽样调查的样本往往对这部分人群缺乏代表性。即使国家统计局的大样本住户调查，也存在高收入人群样本比重偏低的问题（王有捐，2010）。实际抽样分布中对高收入人群缺乏有效的覆盖，在许多国家的住户调查中都显得越来越严重，而并非中国独有的问题。

显然，B样本和C样本比重偏低的问题，会同时造成居民收入水平、居民收入差距的低估；如果这种偏差主要出现在城镇样本中，则还会造成城乡之间收入差距的低估，乃至全国居民收入差距的低估。B样本与C样本的差异体现在，后者代表极高收入人群，也是受到社会普遍关注的人群，其中许多人的收入和财富方面的信息被聚集在媒体和公众的视线内；而前者虽然也存在样本比重偏低的问题，但他们的收入和财富方面的信息难以获得。为解决该问题，北京师范大学“中国居民收入分配课题组”对修正中国居民收入差距估计中的样本结构偏差进行了有效的尝试。其中，在处理高收入人群样本偏差时采取了4个主要步骤：（1）收集2007年各种福布斯和胡润富人榜上中国最富人群的财富信息；（2）根据他们的财富估算其收入水平，估算的方式是假定财富获得5%的平均收益率；（3）将上市公司高管薪酬的数据与富人榜富人的收入数据合并；（4）假定图1中B样本和C样本所代表的人群的收入服从于帕累托分布(Pareto distribution)，利用该分布的性质，估计出在各收入水平上的人口的比重。根据高收入人群的帕累托分布估计参数，课题组推算了2007年年收入在12万元以上的人数以及这一人群的平均收入水平与基尼系数（见表3）。从表3可以看出，2007年这些高收入人群的人均收入接近51万元，收入水平超过12万元以上的人数大约为280万。

表3 对高收入人群收入及其分布的推算（2007年）

在上述估算的基础上，课题组将高收入数据与住户调查数据（包括年收入12万元以下的城镇住户样本、农村住户样本以及城镇中的农村流动户样本）结合在一起，通过对收入定义、样本权重结构、抽样偏差以及地区间货币购买力差异进行调整，最后所得到的基尼系数估计结果参见表4。

根据表4中的估计结果，在对高收入人群样本偏差修正之前，不管是按照国家统计局的收入定义，还是卡恩的收入定义，城镇内部个人收入差距的基尼系数大约为0.34；在对样本偏差修正以后，即将高收入人群的样本加入后，基尼系数上升到0.42，上升了8个百分点。这意味着高收入人群样本偏差导致了城镇内部收入差距的严重低估。对于全国收入差距的估计，课题组假定了农村住户抽样调查样本不存在高收入人群抽样偏差问题，同时将城镇里长期、稳定的农村流动人口划入城镇人口并做了相应的加权处理。如表5所示，在对城镇高收入人群样本偏差修正之前，按照卡恩的收入定义，在不包含流动人口的情况下，2007年全国的基尼系数为0.49；包括流动人口后的基尼系数略有下降，其原因在于大部分流动人口的收入处于城镇收入分布的中间偏下位置，这带来城乡之间收入差距的略微缩小。在对样本偏差修正以后，全国的基尼系数（包含流动人口）上升到0.53，上升了4个百分点。因此可以说，高收入人群样本偏差也带来了全国收入差距的较为严重的低估。不过根据城乡和地区购买力平价指数对个人收入进行调整后，全国的基尼系数下降为0.485，下降了约4.5个百分点。我们认为，这个数值是根据现有信息对收入差距估计中可能存在的偏差进行较为全面的修正后所得到的结果，基本上反映了中国个人收入差距的基本状况。

表4 城镇和全国基尼系数的估计（2007年）

2 对中国基尼系数取值区间的合理判断

国家统计局2013年公布的2007年的基尼系数为0.484，这与我们的课题组在表5中所估计的0.485相差无几。不过，根据王萍萍（2013）对本次所公布的基尼系数的测算方法与步骤的解释，国家统计局在本次测算中从农村居民纯收入指标中扣除了农村居民社保支出、利息支出、赠送城镇居民支出，增加了农民工在外花费的收入，在城镇居民人均可支配收入中扣除了交纳社保费用和所得税以外的全部转移支出、以及以房贷利息为主的全部财产性支出，并增加了自有住房折算净租金收入和实物折算收入，从而调整形成了城乡居民同口径的可支配收入；以个人所得税资料为依据校准了城镇高收入户调查收入偏差；将年内外出务工半年以上的农民工从现行的农村人口调整为城镇常住人口，并按历年城乡人口比重对城乡住户调查分户数据进行加权合并。在城乡合并样本数据的基础上，计算出了全体居民的可支配收入基尼系数。不过，所有数据未进行城乡、地区或时序的价格差异调整。也就是说，国家统计局的本次测算，基本使用了卡恩的收入定义、在一定程度上修正了高收入人群样本偏差、考虑了城镇里稳定的农村流动人口、也考虑了样本的城乡和地区结构，但没有进行PPP调整。这也意味着，如果进行地区价格调整，国家统计局所得到的基尼系数将比0.484低，从而其结果将与我们的0.485拉大一些差距。这可能是因为虽然为了纠正城镇高收入样本的偏差，国家统计局使用了国家税务总局年所得12万元以上个人所得税纳税人自行纳税申报信息，但这个做法到底在多大程度上可以修正高收入样本偏差问题值得研究。

2007年后我们的课题组没有做全国的住户收入调查，不过从总体而言，我们认为无论是样本的代表性方面，还是收入指标的测量上，统计局住户调查数据质量比其他住户调查更高，尽管也可能存在一定的低估，但其所得到的基尼系数是基本可信的。当然，我们基本接受统计局的基尼系数并不意味着我国的基尼系数（不考虑非法收入的情况下）在2012年一定是统计局公布的0.474。数据收集工作的进一步完善和估计方法的不断改善都有可能使得现在公布的基尼系数出现上下2到3个百分点（即0.444～0.504）的波动。这属于正常情况，并不因此改变我们的基本判断。

对于2012年12月西南财大中国家庭金融调查中心根据其住户调查计算并公布数值的0.61的中国居民基尼系数，我们认为其存在严重的高估。原因在于该基尼系数估计所基于的住户调查，无论在样本抽样上，还是在住户收入的收集上，都存在明显的缺陷。在抽样上，除了样本量过小（全国8000户），抽样误差较大之外，样本抽样过程存在明显的偏重。具体地说，县市样本主要集中在东部，村/居委会样本明显偏重落后地区的村委会和发达地区的居委会，由此严重地忽略了处于中等收入水平的村/居委会样本（落后地区的居委会和发达地区的村样本）。住户样本的选择给予高房价居委会以更大的权重，与此同时低估了农村住户的样本。在收入信息收集上，仔细观察调查问卷显示，该调查仅仅收集了每户受访者及其配偶的收入，而没有收集家庭其他从业人员的收入。不仅如此，在收集计算农业生产经营和非农生产经营收入所需信息上，问卷也存在明显的缺陷。根据问卷收集的相关信息，很难准确地计算农户自产自用农产品收入以及非农经营收入。正是由于样本偏差和收入指标统计上的问题，让该调查对很多家庭给出了不现实的低收入，从而造成了居民收入差距（0.61的基尼系数）的高估。

从世界各国基尼系数的分布来看，基尼系数达到0.6以上基本上可以认为是小概率事件。本文通过搜索世界银行数据库、OECD数据库、联合国数据中心的网站，搜集了2007年以来的119个主要国家的基尼系数，结果表明只有南非一个国家的基尼系数超过了0.6，为0.63。从这些国家基尼系数的分布特征（如图2所示）可以看出，大多数国家的基尼系数集中在0.25～0.5之间。从分位数的计算结果可知，在这119个国家和地区中，有一半的国家和地区低于0.36；有近90%的国家和地区，其居民收入的基尼系数低于0.51。

图2 119个国家基尼系数的核密度分布

表5还给出了在全球具有一定影响，或与中国在经济发展水平和经济增长速度方面具有可比性的主要国家的基尼系数。其中，美国至韩国之间的15个国家为GDP总量世界排名前15位的国家；印尼至南非之间的11个国家为虽然GDP总量不在前15位但人口超过5000万的国家；新加坡至阿尔巴尼亚之间的13个国家为不属于上述两类国家但人均GDP超过4000美元且GDP增速超过4%的国家。从表5可以看出，在GDP总量排名前15位的国家中，除了巴西的基尼系数超过了中国且超过了0.5，其他13个国家的基尼系数均小于中国，其中德国的基尼系数最低，不到0.3；我们所观测的国家中，人口超过5000万的国家一共有22个，基尼系数最高的国家为南非，其次是巴西和中国，基尼系数最低的三个国家为巴基斯坦、德国和法国；我们所观测的人均GDP超过4000美元且GDP增速超过4%的国家共有14个，其中巴拿马的基尼系数最高，达到了0.52，其次是厄瓜多尔和秘鲁的基尼系数超过了中国，哈萨克斯坦和白俄罗斯的基尼系数最低且不到0.3；若考虑金砖五国，中国的基尼系数低于南非与巴西，但高于俄罗斯与印度，恰处于中间位置；若考虑表6中的亚洲国家，则中国的基尼系数是最高的。这些结果表明，放在国际背景下来看，中国0.474的基尼系数可以说是比较高的，反映了比较大的收入差距。

不过需要指出的是，上面进行的只是一个简单的基尼系数的国际对比，这种对比并不严格。由于各国的统计口径和测算方法并不完全一致，进行基尼系数的严格国际比较需要审慎对待。比如，印度测算基尼系数采用的是居民消费支出统计，而中国采用的是居民收入水平调查，而采用消费支出测算基尼系数，会显著“掩盖”收入水平差异的程度。因此如果仅仅根据中国和印度的基尼系数数据，就得出中国的贫富差距大过印度的结论，则过于武断。

此外，一国的基尼系数与该国的经济发展阶段、经济结构、教育水平、人口结构、再分配政策等实际情况有关，从价值判断的角度而言，我们很难判断对于一个国家而言，究竟是0.4还是0.5才是该国基尼系数的合理取值。我们只能说，基尼系数是一个反映总体收入相对差距的客观数字指标，该数字背后的过程是极其复杂的，需要在充分的专业的调查数据的基础上，通过严格的数据处理来完成其测算过程。同时，基尼系数作为衡量收入差距的数字指标之一，并不能衡量收入分配的不公之处。收入差距和收入分配不公应该结合起来考虑，即使基尼系数还是在0.4以上，但如果大家认为的腐败和行政垄断等不公平的因素都消除了，实际的差距若很大程度上来自于个人的能力差异和职业的差别，那么我们认为这样的收入差距也是合理的。随着近年来我国要素流动自由度的提高、农村劳动力人口向城镇的大量转移、不同地区之间市场竞争程度的加强、城镇户籍在大部分城市更加易得，我国的基尼系数近年来基本保持稳定甚至有所下降的结果是可解释也是基本可信的。

表5 与中国具有可比性的主要国家的基尼系数

当然，从理论研究的角度而言，我们也更关注我国收入分配中的不合理因素，比如城乡二元结构中的城乡户籍制度和农村土地制度改革问题，行政性垄断所带来的部门之间和行业之间劳动力市场严重的分割性问题，社会保障制度在不同人群间的分割问题、资本市场的竞争性问题、教育资源分配的公平性问题、灰色收入和腐败收入问题等等。总体而言，我国的收入分配中所存在的更多的应该是如何减少政府作为的问题，这些问题也是我们在研究收入分配问题时更应该关注的内容。

3 结论

本文利用“中国居民收入分配课题组”（CHIP）2007年的住户抽样调查数据，通过一些数据模拟和经验分析，对目前正在被学术界热议的基尼系数这一指标背后所涉及的一系列的基础数据来源、收入指标选取、异常值处理、地区价格差异调整、高收入样本缺失等重要问题进行了说明。另外，本文通过对国家统计局和西南财大住户调查样本的分析，对中国基尼系数的取值进行了合理判断，我们认为中国目前的居民基尼系数在0.45～0.52区间的估计是比较可靠的。同时，根据国际比较数据以及结合基尼系数这一指标本身的数值性质，0.6以上的基尼系数估计，我们认为是相对不可靠的。

[1]江小涓，李辉.我国地区之间实际收入差距小于名义收入差距[J].经济研究，2005，(9).

[2]李实，罗楚亮.中国收入差距究竟有多大？——对修正样本结构偏差的尝试[J].经济研究，2011，(4).

[3]李实，史泰丽，别雍·古斯塔夫森主编.中国居民收入分配研究III[M].北京：北京师范大学出版社，2008.

[4]王萍萍.关于我国居民收入基尼系数测算的几个问题[EB/OL].http://www.stats.gov.cn/tjfx/grgd/t20130201_402871278.htm

[5]岳希明,李实.我们更应该相信谁的基尼系数[EB/OL].http://www.ciidbnu.org/news/201301/20130123092800706.html

[6]岳希明、徐静.我国个人所得税的居民收入分配效应[J].经济学动态，2012，(6).

[7]米尔顿·弗里德曼.价格理论[M].北京：华夏出版社，2011.