婚姻中的教育匹配对中国收入差距的影响

江求川

(郑州大学 商学院，河南 郑州 450000)

一、引言

婚姻作为连接个人和家庭的纽带，对收入不平等以及整个宏观经济都有着深远的影响[1][2]。那么中国居民的婚姻匹配模式对家庭间的收入差距及其演变产生着怎样的作用呢？本文试从婚姻的教育匹配视角探讨这一话题。教育是重要的人力资本，夫妻间的教育同质性匹配程度增加有可能降低家庭内部的收入差距，进而扩大家庭之间的收入差距。

为了检验上述逻辑在中国是否成立，不少学者研究了婚姻中的教育同类匹配对中国收入差距的影响，发现教育同类匹配大约导致中国家庭间的收入基尼系数上升了9.3%～17.9%[3][4]。然而，中国在过去三十年里不仅经历了婚姻中的教育匹配行为变化，还经历了居民整体受教育水平提升和教育回报率上升等重要变化。这些变化给我们精确识别婚姻中的教育匹配行为本身对中国收入差距的影响带来障碍。原因是，即便婚配过程中的教育匹配行为没有变动，上述变化也会导致我们观察到的教育匹配结果发生变化[5]，进而引起收入分布的变化。可见，精确地识别教育匹配行为本身对中国收入差距的影响需要解决两种基本问题：一是控制居民整体教育水平提高这一基本事实的干扰，精确地度量婚姻过程中的教育匹配程度；二是控制教育回报率提升这一基本事实的干扰，精确地估算教育匹配对收入差距产生的影响。

为精确地估计教育匹配对收入差距的影响，本文利用Eika 等的测度方法准确有效地刻画居民的教育匹配行为模式及其变迁特征[6]，并借助DiNardo 等的收入分布分解方法分离出教育匹配行为对收入分布的影响[7]。具体而言，我们用Eika 等提出的相对教育匹配概率反映居民的教育匹配程度[6]。与以往研究使用的绝对匹配概率相比，相对匹配概率更加充分地考虑了社会总体教育水平提升的变化，能更好地反映居民的教育匹配程度。在准确度量教育匹配程度之后，我们利用DiNardo 等的反事实收入分布构建技术构建出“保持教育匹配程度不变”的反事实收入分布，通过对比反事实收入分布与真实收入分布的差距，分离出教育匹配行为对收入分布的影响，进而估算教育匹配行为对收入差距的影响[7]。研究结果表明：第一，中国居民在婚姻过程中存在显著的正向教育匹配行为，而传统的相关性统计或频率分布统计均不能充分反映教育匹配行为变迁的关键特征；第二，婚姻的教育匹配行为使得各年的收入基尼系数提高0.5%～5.5%；第三，教育匹配行为的变化也是收入差距上升的因素之一；第四，如果不考虑劳动市场的一般均衡效应，教育资源的扩张可以缩小收入差距。与以往的研究相比，本文的结论仍然支持了婚姻中的教育匹配行为扩大了家庭间收入差距这一结论。但是本文的估算结果显示，教育匹配对中国收入差距的影响并不像以往研究给出的那么大。

二、文献评述

一个国家的社会经济文化不断发展必然引起居民的婚姻匹配模式发生质的变化。自中华人民共和国成立以来，尤其是改革开放以来，中国居民的婚姻匹配模式正在演绎这一过程。大量关于中国居民婚姻匹配模式的研究得出的基本结论是，传统婚配中所看重的“先赋性特征”在婚姻匹配中的作用不断削弱，取而代之的是“自致性特征”[8][9][10]。“先赋性特征”主要是指家庭背景，以此为主的婚姻匹配模式即为“门当户对”式的婚姻匹配。“自致性特征”主要是指男女双方的个人特征(主要为教育、职业、身高及长相等)，以此为主的婚姻匹配模式即为“郎才女貌”式的婚姻匹配。而教育是所有“自致性特征”中最受关注的个体特征，这是因为，在现代社会中，教育是反映一个人发展潜能的重要指标之一。李煜利用2000年全国1‰人口抽样调查数据研究发现，教育程度相同的夫妻占全部夫妻总数的54%，妻子比丈夫教育程度低一级的占比为30%[8]。可见，中国居民在婚姻选择中的教育匹配行为呈现出男女教育程度相同或“男高女低”特征。更为重要的是，这种男女教育程度相同或“男高女低”的教育匹配模式有明显的上升趋势[8]。

学术界对婚姻市场中的匹配行为给出了多种解释。Becker借助家庭生产模型从理论上证明，如果男女的某些个体特征在家庭生产中是互补品，人们便会在婚配过程中选择那些与自己特征相似的人为结婚对象[1]。对于夫妇双方特征相似的另外三个更为直观的解释为：特征相似的男女在婚姻市场中相遇的机率更大；人们选择配偶时倾向于选择与自己的价值观、兴趣爱好及生活习惯等相似的对象，这必然导致个体特征相似；人们在婚配时倾向于追求对方潜在经济能力的最大化，均衡的结果是特征相似的个体结为夫妻[9]。而对婚姻过程中“男高女低”的教育匹配模式，Chiappori 等和沈新凤分别从教育投资回报(包括市场回报和婚姻回报)和内生家庭谈判能力的角度对这种教育匹配模式进行了理论解释[11][12]。

婚姻匹配行为在很大程度影响着经济资源在不同家庭间的配置以及家庭内部的配置情况，进而会对社会经济发展产生深远的影响。学者们从生育决策、储蓄决策以及劳动供给决策等角度对婚姻匹配的潜在影响进行了大量理论分析[13][14]。其中，学者们最为关注的问题是婚姻匹配行为对收入差距以及经济增长的影响。Fernandez 等从理论上证实，由于后代的人力资本积累依赖于父母掌握的经济资源，因此，在不存在完备的资本市场时，同类婚姻匹配必然会导致无效的人力资本积累以及较高的工资差距和较低的人均产出[2]。大量实证研究也支持了上述Fernandez等的理论。一方面，同类婚姻匹配确实加剧了收入不平等的代际传递[15]。另一方面，大量经验研究发现，同类婚姻匹配程度越强，具有相似社会经济特征的夫妻越多，夫妻双方的收入相关性越高[16]。夫妻双方收入相关性提高意味着高收入男性更有可能与高收入女性组成家庭，低收入男性更有可能与低收入女性组成家庭，这会导致家庭间的收入差距拉大。针对欧美国家的一些经验研究发现，婚姻匹配中表现出的教育同类匹配的确加剧了收入不平等[2][17][18][19]。

三、分析方法

(一)教育匹配测度

假定男性和女性的教育水平分别用xm和xf表示，均可取e1,…,eJ，即有J种不同的值。借鉴Eika 等的做法，夫妻教育水平分别为ei和ej的匹配程度sij计算方法如下[6]：

(1)

式(1)中，分子是男性和女性教育水平分别为ei和ej的夫妻占总样本的比例，分母是教育水平为ei的男性占比和教育水平为ej的女性占比的乘积。如果人们在选择婚配时关于教育水平是随机的，则sij=1。sij>1表明，同随机匹配相比，人们在选择婚配时更倾向于达成xm=ei,xf=ej的夫妻组合。与教育匹配频率(Pr(xm=ei,xf=ej))和教育相关性(Cor(xm,xf))等常用的夫妻教育匹配程度指标相比，本文使用的指标(Sij)更加真实地反映人们的教育匹配行为[2]。例如，在教育不发达的年代，接受高等教育的人非常少，即便是其中的男性和女性均结成夫妻，这类高教育水平的夫妻组合在样本中的占比Pr(xm=ei,xf=ej)仍然很小，但用相对值sij则可以准确地反映出这类人群的教育匹配程度很高这一事实。

(二)反事实分布构建

为量化婚姻的教育匹配与截面收入差距的静态关系以及与时序收入差距变化的动态关系，我们借助DiNardo 等的分布分解方法(简称DFL方法)构建反事实收入分布[7]，分离出婚姻的教育匹配行为对收入分布的影响。每个家庭都可表示成一个向量(y,x,t)，其中，y为家庭总收入的对数，x=(xf,xm)，t为年份。(y,x,t)服从收入、教育以及时间的联合分布F(y,x,t)。给定年份t，该时点上收入和教育的联合分布可记为F(y,x|t)。分布F(y,x|t)还与婚姻匹配程度参数st有关。因此，可进一步将第t年的收入和教育的联合分布记为F(y,x|t;st)。我们关心的是每年的家庭总收入分布，其密度函数ft(y)可以通过对联合分布F(y,x|t;st)的密度函数关于教育水平x积分得到①：

(2)

式(2)中，Ωx表示夫妻双方教育水平的取值范围。f(y|x,ty=t)为给定教育水平x的条件下，t年的收入分布核密度，它由t年的教育回报率以及其他不可观测的因素决定。F(x|tx=t;st)为第t年的教育组合x=(xf,xm)的分布(联合分布)，它取决于男性教育水平xm的分布(边际分布)、女性教育水平xf的分布(边际分布)以及t年的婚姻匹配程度参数st。按照DFL方法，教育匹配模式保持为t0年的模式，t1年的反事实收入分布核密度如式(3)所示。

(3)

估计f(y;ty=t1,tx=t1,st0)的关键环节是权重函数ψs(x)。我们用随机模拟方法估计Pr(ei,ej|tx=t1,st0)。估计出ψs(x)之后，f(y;ty=t1,tx=t1,st0)可以利用加权的核密度估计方法得到。核密度估计的重要一步是选择带宽，本文按照DiNardo等的建议选择带宽[7]。

四、数据处理

本文使用的数据来自中国家庭收入调查(CHIP)1988～2013年进行的5轮截面调查中的城镇家庭样本。该调查数据有以下几个优点使得它比较适合本文的研究。第一，CHIP的每轮调查覆盖了我国至少85%的省份，样本量较大。第二，CHIP是截面数据并且时间跨度较长，能够反映不同时代的婚姻匹配特征。第三，每一轮的CHIP都比较详细地询问了每个家庭成员的工作、收入以及其他人口统计信息。

家庭收入是本文考查的核心变量之一，按照同类研究的标准做法[6][16]，本文将家庭收入定义为夫妻双方的个人收入总和。其中，个人收入定义为个人月平均收入，包含月平均工资收入和个人月平均经营性净收入之和。我们剔除了夫妻双方至少有一个人的个人收入数据缺失和夫妻双方收入均为0的家庭。另外，遵循已往文献的常用方法[6][16][18][19]，我们仅保留夫妻双方的年龄均在20～60岁之间的家庭。

本文的另一核心变量是受访者的教育程度。我们将受访者的教育水平划分为四类，分别是初中及以下、高中(中专)、大专和本科及以上。我们剔除了至少有夫妻一方的教育信息缺失的家庭。

表1是样本主要信息的基本统计结果。从表1中可发现，无论男性还是女性，平均受教育水平都有明显的上升趋势。而且男女的教育差距也表现出缩小的趋势。从家庭总收入的不平等程度看，1988～2007年间的基尼系数呈现出比较明显的上升趋势，但2013年的基尼系数比2007年的略低。这一点和大部分有关中国收入差距的研究结果是一致的[20]。值得说明的是，我们估计的城镇家庭收入基尼系数与现有的研究给出的结果略有差异，这是因为本文的家庭收入实际上是夫妻双方的收入总和，而且我们根据夫妻双方的个人收入是否缺失对家庭样本进行了一些删减，最终保留在样本中的家庭与相关的收入差距研究文献所使用的样本略有差异。

表1 样本主要统计特征

注：所有收入均为以2002年为基年进行CPI调整后的值；基尼系数计算的是家庭总收入不平等情况。

五、经验结果

(一)教育匹配模式及其变迁

我们首先考察教育匹配的模式及其变化情况。每年的教育匹配模式由16个教育匹配程度参数sij来反映，可以用一个4×4的矩阵来表示，矩阵的对角线元素表示具有相同教育程度的男性和女性结成夫妻的相对概率，即同类(正向)教育匹配程度。当然，同类教育匹配仅仅是整个社会婚姻教育匹配的一部分特征。非对角线上的元素同样是值得关注的部分。

表2是1988年和2013年的教育匹配程度sij的估计结果。1988年估计结果的对角线元素均大于1，说明在这一时期内具有相同或相近教育水平的男性和女性结成夫妻的实际概率比随机匹配下结成夫妻的概率高得多。不同教育水平的人群具有不同的匹配程度。初中及以下的男性和女性结成夫妻的可能性比随机匹配高1.3174倍。虽然1988年的总样本中接受本科及以上教育的人群很少，但这些高教育水平的人更倾向于选择与自己教育水平相近的人结婚，因此本科及以上的男性和女性的教育匹配程度高达7.7103。2013年的教育匹配程度矩阵中对角线元素也均大于1。2013年的样本中初中及以下教育水平的夫妻占比较低，但由于总样中本这类人群占比也大幅下降，所以这类人群的教育匹配程度有所上升。此外，可以看出，教育水平反差较大的男性和女性(如本科女性和初中及以下男性)结为夫妻的可能性比随机匹配下的可能性小得多。

表2 1988年和2013年的教育匹配程度

从教育匹配程度的变化上看，不同教育水平人群的教育匹配程度变化趋势有着明显差异。图1绘制了各年教育匹配程度矩阵的对角线元素和反对角线元素变化情况。从图1(a)的正向教育匹配结果中可以清晰地看出，高中(中专)和初中及以下这两类人群的教育匹配程度有上升的趋势，而大专和本科及以上这两类人群的教匹配程度有下降的趋势。图1(b)表明，本科及以上男性配初中及以下女性和大专男性配高中/中专女性这两种男性向下错层匹配的现象快速减少，本科及以上女性配初中及以下男性和大专女性配高中/中专男性这两种女性向下错层匹配的现象也有所减少，但下降的幅度相对男性而言较小②。

图1 教育匹配模式的主要变化趋势

以往的研究多用夫妻间的教育相关性统计反映教育匹配情况，表3汇报了斯皮尔曼相关系数和多分格相关系数这两种常用的相关系数统计结果，不难发现，夫妻间的教育相关性不断增加，这和其他相关研究结论是一致的[3][8]。但图1和表2告诉我们，简单的相关性统计难以充分反映居民教育匹配模式变化的复杂过程，而本文的教育匹配程度矩阵可以反映更丰富的信息，因此为更精确地识别教育匹配对收入差距的影响提供了基础。另外，我们的结论可以包含以往研究给出的结论。为了说明这一点，我们用每一年中具有相同教育类型的夫妻数(家庭数)为相对权重将四个对角线上的教育匹配程度加权平均，得到正向教育匹配程度总指标。类似地，利用反对角线上的元素和对应类型家庭的占比，得到反对角线上的错层教育匹配程度的总体指标。由表3结果可见，正向教育匹配有上升趋势，而反对角线上的错层教育匹配有下降趋势，这两种趋势是夫妻教育相关性增加的主要原因。

(二)DFL分解结果

接着利用DFL分解方法进一步量化教育匹配对家庭间收入差距的影响。DFL分解的关键在于构建反事实的收入分布。我们采用两种反事实收入分布构建方法。第一，我们假定人们的婚配选择过程关于教育水平是随机的，构造随机教育匹配情形下的反事实收入分布。第二，我们假定各年的教育匹配程度保持为1988年(或2013年)的教育匹配程度，构造1988年(或2013年)的教育匹配情形下的反事实收入分布。通过对比真实收入分布与反事实收入分布的差别，我们可以判断教育匹配程度的变化对收入差距的影响。其中，第一种反事实收入分布构建方法可以回答“如果不存教育匹配行为，各年的收入差距将是多少？”，并且这一内容可以反映教育匹配对收入差距的静态影响。第二种反事实收入分布构建方法可以回答“如果婚姻的教育匹配模式回到1988年(或2013年)的模式，其余因素保持不变，其他各年的收入差距将会是多少？”，并且这一内容可以反映教育匹配对收入差距变化的动态影响。

表3 夫妻双方的教育相关性及教育的正向匹配、错层匹配

1.教育匹配对截面收入差距的影响

教育匹配是随机的，意味着对任意的i和j都有sij=1，因此可利用上文介绍的反事实分布构建方法回答该问题。我们首先观察婚姻教育匹配对整个收入分布的影响。为了更清晰地展示这种影响，我们在图2中绘制了两个核密度的差值大小。图2中的实线为真实分布的核密度与反事实分布核密度的差值，实线在0以上表明实际分布在对应位置上的核密度更大；垂直虚线为各年收入的众数位置。从核密度差距的大小上看，(a)(b)(c)3图的差距较小，差距的绝对值小于0.06，(d)(e)2图的差距稍大，说明后两年的收入分布受教育匹配的影响会大一些。另外，我们还可以借助Kullback和Leibler提出的散度统计量反映两个核密度的“距离”[21]③。“距离”越大说明两个核密度偏离的越多，例如，1988年的真实核密度与随机匹配的反事实核密度之间的“距离”为0.0014，偏离较少；而2013年两个核密度之间的“距离”为0.0201，偏离较多。

图2 真实核密度与随机匹配模式下的核密度之差

图2表明教育匹配行为确实会导致整个收入分布发生变化，为量化这种变化对收入差距造成的影响，我们利用核密度的估计结果估算反事实分布的基尼系数。由于总收入v=exp(y)，所以总收入的基尼系数可表示为:

其中g(v)为总收入的核密度，L(v)为洛仑兹曲线。我们通过模拟方法估计的是对数收入y的核密度f(y)，它与总收入的核密度g(v)之间有如下关系：

g(v)=f(y)/v

为了保证结果的稳健性，我们同时估计了泰尔指数。通过核密度估计结果估算泰尔指数的方法如下：

表4汇报了教育随机匹配下的反事实收入分布不平等估计结果④。为了避免因估计方法不同所导致的结果偏差，真实分布的基尼系数和泰尔指数也用真实分布的核密度估计结果估算。从表4基尼系数的3列结果可以看出，婚姻选择过程中的教育匹配在一定程度上加剧了家庭间的收入差距。但在不同时期，婚姻匹配对收入差距的影响程度不同。在20世纪90年代，婚姻的教育匹配对整个社会的收入差距影响较小，尤其是1988年的估计结果表明，婚姻的教育匹配仅使得基尼系数增加了不到1个百分点。但2000年以后，婚姻教育匹配对收入差距的影响力增强了，教育匹配导致基尼系数增加了4～6个百分点。泰尔指数的估计结果反映出的情况与基尼系数相似。1988年，婚姻的教育匹配导致泰尔指数增加了1.44个百分点，1988年以后，婚姻的教育匹配导致泰尔指数增加了5～12个百分点。总体来看，婚姻的教育匹配对我国收入差距的影响程度有上升的趋势。根据现有的研究文献，导致这一结果的原因是多方面的，例如改革开放以后，择偶过程不再受政治因素影响，人们的自主性增加，而“铁饭碗”被打破、市场不确定性增加等因素促使人们在择偶过程中更加注重个人的发展潜力，最终导致潜力大的男女相互选择，而潜力小的男女只能在潜力小的人群中选择自己的婚配对象。

表4 随机匹配模式下的收入差距与真实收入差距

2.教育匹配对收入差距变化的影响

接下来，我们以某一年的教育匹配模式为比较基础，这一反事实分布的构建也要利用式(3)进行，对应的权重ψs(x)同样借助随机模拟的方法进行估算。具体的过程与上文类似，即先估计反事实收入分布的核密度，再根据核密度估计结果估算反事实分布对应的基尼系数和泰尔指数。表5的估计结果表明，如果婚姻的教育匹配程度回到1988年的水平，2002年、2007年、2013年的基尼系数分别下降1.85%、2.33%和1.77%，泰尔指数会分别下降4.07%、4.68%和2.94%。比较表4与表5的结果可以发现，教育匹配模式的变化对1988年与2002年、1988年与2007年、1988年与2013年的基尼系数上升分别解释了4.49%、4.50%和3.83%。这些结果都表明，如果教育匹配模式保持为1988年的模式不变，2002年、2007年和2013年的收入差距都会缩小，即教育匹配模式的变化是推动收入差距扩大的原因之一。1995年的结果比较特殊，从基尼系数的估计结果看，婚姻的教育匹配变化是导致1995年的收入差距扩大的因素，但作用的程度非常小；从泰尔指数的估计结果看，婚姻教育匹配的变动不仅不是1995收入差距扩大的原因，反而会导致1995年的收入差距缩小。出现这种差异的原因在于，基尼系数对分布的中部变化非常敏感，泰尔指数对分布的右尾变化非常敏感⑤。由于真实收入分布与反事实分布的的差别非常小(KL散度值仅为0.0001)，因此两个收入分布对应的收入差距差异也非常小，这导致收入差距的估算结果受测度指数的敏感性影响较大。而我们的结果说明，1995年的反事实分布在众数附近比真实分布更集中，而在右尾处比真实分布更分散，从而导致基尼系数和泰尔指数的结果出现差异。为了分析结果的稳健性，我们以2013年的教育匹配程度为基础估计其他年份的反事实分布，保持其他条件不变。收入差距估计结果表明，当教育匹配模式与2013年相同时，1988年、1995年、2002年和2007年的收入差距会进一步扩大，这也说明，1988～2013年的收入差距变化确实有一部分是教育匹配模式变化导致的。

表5 真实收入差距与按1998年和2013年匹配模式调整后的收入差距

注：此表的基尼系数和泰尔指数均为反事实收入分布的不平等估计值，实际分布的不平等估计结果与表4相同。

虽然匹配模式的变动涉及匹配程度矩阵中的16个元素，但我们可以用对角线和反对角线元素对表5的结果进行大致的解释。首先，图1表明高等教育类型的匹配程度不断下降，在其他因素不变的条件下，这会导致这类人群的家庭间教育差距缩小，进而会缩小收入差距。相反，初等教育类型的匹配程度变动对收入差距有提升作用。但在我们的样本期内，中初等教育类型的人群占据了绝大部分，直到2013年这类人群的占比仍超过60%。因此，总体上我们看到的是中初等教育类型的匹配程度变动对收入差距有提升作用。其次，错层匹配缩小家庭间的差距，使收入差距的缩小。图1表明，几类主要的错层教育匹配程度都有下降趋势，因此对收入差距的缩小作用不断下降。最后，表3说明教育的正向匹配总体趋势是上升的，这种上升趋势会扩大收入差距。

(三)其他讨论

从理论上讲，按照DiNardo 等的分析思路，我们还可以进一步分析教育结构以及教育回报率的变化对收入差距的影响，但这些分解以及我们对教育匹配效应的分解都建立在一定的假定条件之上。我们就这些假定的合理性及结论的可靠性加以讨论。

1.教育结构变化对收入差距变化的影响

分析男性和女性的边际教育分布变化对收入差距的影响需要构造反事实核密度f(y;ty=t1,tx=t0,st1)，其含义是保持t0年的教育边际分布不变，t1年的反事实收入分布的核密度。

(4)

表6是利用核密度估计结果估算的收入差距。表6的估计结果表明，在其他条件不变且不考虑一般均衡效应的情况下，按照其余各年的教育构成情况，1988年收入差距将有所缩小。这可能是由于20世纪80年代末期开始推行的义务教育改革和90年代末开始的高等教育扩招等教育改革措施，在提高居民教育水平的同时，也在一定程度上缩小了区域间、性别间的教育差距。而在教育匹配和教育回报率等其他条件不变的情况下，教育差距的缩小会导致收入差距缩小。

表6 1988年的真实收入差距及按其他年份教育结构调整后的收入差距

2.教育回报率及其他因素变化对收入差距变化的影响

为了分析教育回报率的影响，我们构建如下反事实核密度：

(5)

表7 1988年的真实收入差距及按其他年份教育结构和教育匹配模式调整后的收入差距

3.本文结论的可靠性

虽然忽略一般均衡效应使得我们无法可靠地分析教育结构以及教育回报对收入差距变化的影响，但我们认为，本文关于教育匹配行为对收入差距影响的分析是可靠的。这是因为教育匹配效应的分解所利用的是式(3)，得到这一结果只需要假定教育匹配与条件密度f(y|x,ty=t1)无关。由于劳动力市场的一般均衡效应对教育回报的影响主要取决于男性和女性的教育构成，而改变男性与女性间的教育匹配模式只是改变了家庭教育的联合分布并没有影响其边际分布，因此教育匹配效应的分解不受一般均衡效应的限制。当然，教育匹配模式的变化有可能间接影响劳动市场中的教育构成情况。例如，当夫妻双方的教育组合变化时，有可能会影响夫妻双方的劳动参与情况，进而导致劳动市场的教育构成情况发生变化，但我们认为这种间接作用对中国劳动市场的影响非常小。首先，对已婚的女性而言，丈夫的社会经济特征对其劳动参与率的解释力非常小，女性的劳动参与率更多地取决于客观的就业形势[23]，是否有子女需要照顾以及是否有老人协助家务等其他家庭结构特征[24]。因此，仅改变男性的教育特征对女性劳动参与的影响作用非常小。其次，从本文的样本看，女性的劳动参与率虽然略有下降，但始终保持在80%～90%，而男性的劳动参与率更是维持在95%左右的高水平。综合以上两点，我们认为一般均衡效应对本文的教育匹配效应分解影响较小，本文的分析是可靠的。

六、结论、展望与政策建议

本文利用1988～2013年的微观数据，探讨了居民在婚姻选择过程中的教育匹配行为对收入差距及其演化的影响。我们研究结果表明，中国居民在婚姻过程中存在显著的正向教育匹配行为，即具有相似教育背景的男性和女性结成夫妻的可能性比随机匹配下结成夫妻的可能性更大，而且受教育水平不同的人群表现出不同的教育匹配变迁特征。运用DFL方法进行收入分布分解发现，教育匹配导致每年的收入基尼系数提高5%左右。从收入差距变化的角度看，教育匹配行为的变化也在一定程度上促进了收入差距的扩大。

虽然本文认为以往的相关研究有可能过高地估计了教育匹配对中国收入差距的扩大效应，但这种扩大效应确实是存在的。这对进一步完善我国的收入分配政策具有一定的借鉴意义。例如，我国的个人所得税征收对象以个人为单位，忽略了不同家庭间的收入与负担的总体差异。因此，适时引入纳税人家庭特征、家庭负担、夫妻双方收入等信息，有可能是未来进一步完善税前扣除标准、优化税率结构以及促进税收公平可借鉴的方向。

本文的研究仍然存在一定的不足。由于受到劳动市场的一般均衡效应影响，本文无法精确分析教育结构变化对收入差距变动的影响。但我们发现，如果不考虑劳动市场的一般均衡效应，教育资源的扩张可以缩小收入差距。由于无法将教育回报率和其他影响收入分布的因素区分开，本文也没有分析教育回报率变化对收入差距变化的影响。但我们认为，总体上的收入差距变动主要由包含教育回报率在内的其他因素所决定。考虑到中国在过去三十年里进行的一系列教育改革，分析教育结构变化和教育回报率变化对中国收入差距的影响仍然是一个值得探讨的话题。另外，值得强调的是，本文的结论并不能作为教育匹配与收入差距之间的因果解释。这一点是本文的不足之处，也是其他利用反事实分布构建技术进行分布(或分布特征)分解研究的不足之处。当然，虽然经济学中的分解方法不能为我们更深刻地理解两个变量背后的机制和因果关系提供帮助，但通过分解，它向我们指明了哪些变量之间的关联是需要我们重点关注的。

注释：

①这里我们隐含了一个假定是教育匹配模式是通过最终的教育影响家庭收入，而其自身不直接影响收入。

②表2只汇报了1988年和2013年的教育匹配模式矩阵，图1只汇报了教育匹配模式矩阵对角线元素和反对角线元素的变化趋势，其他年份的教育匹配模式矩阵及其他非对角线元素变化趋势可向作者索取。

④我们没有直接用随机配对的夫妻总收入估计基尼系数，这是因为该方法无法有效地考虑婚配对内生劳动供给行为产生的影响。事实上，通过这种方式计算出来的基尼系数下降幅度更大，1988～2013年的反事实基尼系数分别为0.16456、0.22449、0.27933、0.34919和0.30132，这比表6中的结果要更小。

⑤泰尔指数是参数α=1时的广义熵指数GE(α)，参数α可取所有实数，α越小广义熵指数对左尾变动越敏感，越大对右尾变动越敏感。

[1] Becker，G.S.A Theory of Marriage:Part I[J].Journal of Political Economy,1973，81(4):813—846.

[2] Fernandez，R.，Guner，N.，Knowles，J.Love and Money:A Theoretical and Empirical Analysis of Household Sorting and Inequality[J].Quarterly Journal of Economics，2005，120(1):273—334.

[3] 潘丽群，李静，踪家峰.教育同质性婚配与家庭收入不平等[J].中国工业经济,2015，(8):35—49.

[4] 李代.教育的同型婚姻与中国社会的家庭工资收入不平等：1996—2012[J].社会，2017，(3):103—130.

[5] Liu，H.，Lu，J.Measuring the Degree of Assortative Mating[J].Economic Letters，2006，92(3):317—322.

[6] Eika，L.，Mogstad，M.，Zafar，B.Educational Assortative Mating and Household Income Inequality[Z].NBER Working Paper No.20271， 2014.

[7] DiNardo，J.，Nicole，M.F.，Lemieux，T.Labor Market Institutions and the Distribution of Wages,1973—1992:A Semiparametric Approach[J].Econometrica，1996，64(5):1001—1044.

[8] 李煜.婚姻的教育匹配：50年来的变迁 [J].中国人口科学，2008，(3):73—79.

[9] 齐亚强，牛建林.新中国成立以来我国婚姻匹配模式的变迁[J].社会学研究，2012，(1):106—129.

[10] 王丰龙，何深静.中国劳动力婚姻匹配与婚姻迁移的空间模式研究[J].中国人口科学，2012，(3):88—94.

[11] Pierre-Andre Chiappori，Iyigun，M.，Weiss,Y.Investment in Schooling and the Marriage Market[J].The American Economic Review，2009，99(5):1689—1713.

[12] 沈新凤.内生家庭谈判力与婚姻匹配[J]，经济学(季刊)，2011,10，(4):1235—1249.

[13] Pierre-Andre Chiappori，Dias，M.，Meghir，C.The Marriage Market，Labor Supply and Education Choice[Z].NBER Working Paper No.21004,2016.

[14] Gousse，M.，Jacquemet，M.，Robin，J.M.Household Labour Supply and the Marriage Market in the UK，1991—2008[J].Labour Economics，2017，46:131—149.

[15] Ermisch，J.Francesconi，M.，Siedler，T.Intergenerational Mobility and Marital Sorting[J].The Economic Journal，2006，116(513):659—679.

[16] Schwartz，C.R.Earnings Inequality and the Changing Association between Spouses’ Earnings[J].American Journal of Sociology，2010，115(5):1524—1557.

[17] Breen，R.，Andersen，S.H.Educational Assortative Mating and Income Inequalityin Denmark[J].Demography，2012，49(3):867—887.

[18] Greenwood,J.，Guner，N.，Kocharkov，N.，Santos，C..Marry Your Like:Assortative Mating and Income Inequality[J].American Economic Review:Papers & Proceedings，2014，104(5):348—353.

[19] Pestel，N.Marital Sorting，Inequality and the Role of Female Labour Supply:Evidence from East and West Germany[J].Economica，2017,84(333):104—127.

[20] Xie，Y.，Zhou，X.Income Inequality in Today′s China[J].Proceedings of the National Academy of Sciences of the United States of America,2014，111(19):6928—6933.

[21] Kullback，S.，Leibler，R.A.On Information and Sufficiency[J].Annals of Mathematical Statistics，1951，22(1):79—86.

[22] 马汴京，蔡海静，姚先国.高校扩招与大学教育回报率变动——基于CGSS数据的经验研究[J].经济理论与经济管理，2016，36(6):45—57.

[23] 姚先国，谭岚.家庭收入与中国城镇已婚妇女劳动参与决策分析[J].经济研究，2005，(7):18—27.

[24] 沈可，章元，鄢萍.中国女性劳动参与率下降的新解释:家庭结构变迁的视角[J].人口研究，2012，(5):15—27.