《现代财经-早读早分享》2024年12月21日周六（第3221期）

今天是2024年12月21日，星期六，农历十一月二十二，美好的一天从阅读《现代财经-早读早分享》开始！

以下内容是由《现代财经》编辑部根据国内外财经类门户网站相关资讯编辑整理而成（总第3221期）。原创不易，敬请尊重。谢谢鼓励。

  一、早读分享   

寒门何以出贵子：农村低收入群体收入跃升的机会不平等

  导读  

一、引 言

共同富裕是社会主义的本质要求，是中国式现代化的重要特征。扩大中等收入群体比重，增加低收入群体收入，加快形成中间大、两头小的“橄榄型”收入分配格局，是实现共同富裕的关键。促进共同富裕，最艰巨、最繁重的任务仍然在农村。当前，中国农村社会分化日益凸显，社会流动效率低，处于弱势的农村低收入群体阶层相对固化，农村不同收入群体之间收入机会不平等加剧，农村居民内部收入差距持续扩大，有可能阻碍农村居民共同富裕进程［1］。习近平总书记强调，要保障不同群体发展机会公平，推动更多低收入群体迈入中等收入群体行列［2］。农村低收入群体收入跃升是推进农村居民共同富裕的重点，而机会平等则是实现低收入群体收入跃升的重要前提［3］。反之，机会不平等则意味着个体由于缺失公平的发展机会，往往在激烈的社会竞争中处于弱势，导致其实际收入较低，甚至造成阶层固化，产生贫困的代际传递，即所谓的“寒门再难出贵子”［4］。因此，改善农村低收入群体面临的机会不平等，助力农村低收入群体收入跃升是实现中国农村居民共同富裕的重要路径。

美国政治哲学家Rawls［5］首次提出“机会不平等”的概念。他认为，一个公平公正的社会应该保证每个人都能够获得平等的机会和权利，应该尽可能地减少社会和经济的不平等。经济学家Roemer［6］将机会不平等理论融入经济学研究框架中，并运用数理模型构建了基于“环境—努力”机会均等分析框架。具体而言，Roemer［6］将影响个人结果（如收入、健康和教育等）的因素划分为环境因素和努力因素。环境因素是指个体自出生就无法自我控制的外生因素，如家庭背景、出生地、种族和性别等；努力因素则是指个体可问责或能够受个体自我控制的因素，如受教育程度、就业选择和工作的努力程度等。Roemer［6］研究发现，环境因素是个体无法控制的因素，由不合理环境因素所导致的不平等可称为“机会不平等”，这部分不平等应当受到政策重点关注并得到相应补偿。相反，努力因素受个体选择的影响，由努力差异所导致的不平等在一定程度上是可以接受的。近年来，中国居民收入分配的机会不平等占整体收入不平等的比重为20%—35%［7-8］，机会不平等占比远高于欧美发达国家。李实和沈扬扬［9］研究发现，2013—2018年，农村居民收入机会不平等占比为22%—24%，且对比2013 年，2018 年收入机会不平等占比呈小幅下降趋势。杨昭和孙欣［10］研究发现，中国农村居民机会不平等占比为51%—58%，且机会不平等份额在年龄、性别和地区之间存在较大差异。史新杰等［11］尝试揭示环境因素通过影响个体努力而间接对个体收入机会不平等产生影响的作用机制。此外，少数学者关注机会不平等对个体主观幸福感［12］、就业水平［13］、家庭财富不平等［14］、多维贫困［15］和经济增长［16］等的影响。

现有研究多运用参数估计方法测算机会不平等系数，其过于简化的函数形式或过多的环境因素，导致对机会不平等系数的测算存在不同程度的低估或高估［8］，且不同研究在不平等指标的选取上不一致，也导致研究结果存在较大差异。因此，本文尝试运用非参数条件推断树方法，从助力农村低收入群体收入跃升的视角出发，探究机会不平等是否及如何影响农村低收入群体陷入低收入状态，进而揭示农村低收入群体收入跃升的机会不平等现状及其演变规律。因此，本文可能的边际贡献在于：其一，从机会不平等视角考察影响农村低收入群体收入跃升的机会因素，丰富了农村低收入群体治理帮扶的相关研究。其二，运用非参数条件推断树方法对农村低收入群体陷入低收入状态的概率进行预测，并采用相异指数衡量农村低收入群体的收入机会不平等程度，从而避免参数估计方法容易产生的遗漏变量偏差和过度拟合问题，在降低机会不平等估计偏误方面进行了有益尝试。

二、文献综述

（一）机会不平等的测算

在机会不平等的测算方面，Roemer 的“环境—努力”机会均等分析框架的核心是剥离个人结果中归属于环境因素的部分和归属于努力因素的部分，进而测算个体结果变量的机会不平等。Ferreira 和Gignoux［17］根据是否需要关注努力因素，将机会不平等分为事前机会不平等和事后机会不平等。事前机会不平等以个体的环境因素为分组依据，将拥有相同环境的个体分到同一个组，不同组之间的个体结果差异则被视为事前机会不平等；事后机会不平等以个体的努力程度为分组依据，将付出相同努力程度的个体分到同一个组，同一个组内部的差异便是事后机会不平等。事前机会不平等关注的是不同组之间受到环境差异影响的分配结果不平等，而事后机会不平等关注的是付出相同努力程度的分组内部的分配结果不平等。然而，由于个体的努力是不可观测的，测算时很难将努力与其他不可观测的因素区分开。因此，现有研究主要关注不需要识别努力程度的事前机会不平等。

在事前机会不平等的测算框架中，可以运用参数估计法和非参数估计法进行测算。参数估计法一般通过设定收入决定回归方程，根据参数估计系数构建基于环境因素差异的反事实收入分布，利用基尼系数等指标通过计算个体的真实收入与反事实收入的差距，从而测算得到个体的收入机会不平等程度；非参数估计法则不依赖于收入决定方程的设定，直接将个体环境因素的差异作为分类依据对需要测算的样本进行分类，分类之后测算得到的不同环境类别之间的差距被视为个体的收入机会不平等。由于非参数估计法需要对样本依据环境因素差异进行分类，在环境因素较多的情况下可能会出现分类类别倍增的情况。因此，非参数估计法对测算的样本规模有较高的要求。在国外研究中，Ferreira 和Gignoux［17］、Bourguignon 等［18］、Niehues 和Peichl［19］与Kartseva和Kuznetsova［20］运用参数估计法或非参数估计法分别测算了拉美六国、巴西、德国、美国和俄罗斯的收入机会不平等程度。从国内来看，陈东和黄旭锋［21］、史新杰等［3］、雷欣等［22］、刘波等［23］与吕光明和杜子青［24］运用参数估计法测算收入机会不平等程度。此外，得益于近年来大数据技术的迅猛发展，部分研究开始运用非参数机器学习方法测算收入机会不平等程度［25］。

（二）环境因素对机会不平等的影响及其作用机制

史新杰等［3］研究发现，个体是否陷入低收入状态很大程度上受个体自身无法控制的环境因素影响。因此，要分析农村低收入群体的机会不平等问题，首先，要明确影响农村低收入群体机会不平等的环境因素。根据Roemer 的机会不平等理论对环境因素和努力因素的定义，个体的性别、出生地、父母受教育程度和父母就业等家庭背景是最常见的环境因素。其中，性别作为个体自身无法控制的环境因素，在中国劳动力市场中扮演重要角色。其次，在关于个体出生地和家庭背景作为环境因素的研究中，史新杰等［3］研究发现，父母教育和职业背景会对个体的教育和职业状态产生影响，进而影响个体的收入水平以及是否能够实现收入跃升。此外，个体的年龄因素也是机会不平等研究中考虑较多的环境因素［7-8］。最后，在机制讨论方面，宋扬［26］、史新杰等［27］与李莹和吕光明［7］运用不同的分解框架对机会不平等的作用机制进行分析，重点考察环境与努力因素之间的交互作用。但由于不同研究对直接和间接途径识别框架构建的差别，机制分析结果存在差异。此外，环境因素与努力因素之间可能还存在因果关系［6］。为了尽量克服环境和努力因素界限不清晰的问题，李莹和吕光明［7］与刘波等［23］考察了环境对努力的间接影响。然而，上述研究均未涉及对农村低收入群体收入机会不平等作用机制的探讨。

三、研究方法、变量选取与数据说明

（一）低收入状态机会不平等测算方法

根据Roemer［6］的“环境—努力”机会均等分析框架，假设X ={x1，x2，…，xn}，其中，xi表示第i 个个体，n 表示样本总数。个体对应的低收入状态向量为Y ={y1，y2，…，yn}，其中，个体i 的低收入状态yi 由个体自出生就无法控制的环境因素Ωi ={C1i，…，Cpi，…，Cki}与个体能够自我控制的努力因素Θi ={E1i，…，Epi，…，Eki}两类因素共同决定。因此，个体是否陷入低收入状态的决定方程为g：Ω→R+。具体而言，每一个环境变量Cpi ∈Ω用Zp 表示，且某一个环境变量的实际观测值可表示为zp。将所有样本分为M个不重叠的环境类别T =(t1，…，tm，…，tM)，其中，M=∏kp= 1ZP。如果zpi=zpj，∀Cpi ∈Ω，则个体i 和j为相同的环境类别；反之，如果∃Cpi ∈Ω，zpi ≠zpj，则个体i和j分属于不同的环境类别。

⒈参数估计方法

在传统的收入机会不平等研究中，通常假设C 表示个体环境因素，E 表示个体努力程度，μ表示除环境因素和努力因素之外的其他不可观测因素，三者共同决定个体i的低收入状态yi。同时，环境因素会对个体努力程度产生影响，因而建立如下个体陷入低收入状态的决定方程：

其中，vi为剔除环境因素之外的影响个体努力程度的其他因素。为了测算个体陷入低收入状态的机会不平等，需要设定低收入状态决定方程的具体形式。本文的产出变量为个体陷入低收入状态，是二元变量。因此，本文参考Juárez 和Soloaga［28］与史新杰等［3］的做法，将式（1）拓展为如下形式：

其中，yi表示个体是否陷入低收入状态。根据该式可以通过Probit回归模型计算出个体i陷入低收入状态的预测分布i。其中，。通过计算i的不平等程度，即可得到个体陷入低收入状态的绝对估计量IOP，。其中，I表示收入机会不平等。当结果变量为二元变量时，一般可采用相异指数（Dissimilarity Index）衡量个体的收入机会不平等程度。因此，本文采用相异指数衡量预测分布i的收入机会不平等程度。

在式（2）中，令，则农村低收入群体陷入低收入状态的预测分布均值。其中，ω =1/n。那么，相异指数的表达式如下：

其中，相异指数的取值范围为0—1。当D = 0时，个体的收入机会平等；当D 取（0，1）内的任意值时，该取值表示个体收入机会不平等程度；当D = 1时，个体的收入机会完全不平等。

⒉非参数估计方法

机会不平等测算的核心是将环境因素和努力因素所引致的结果进行分离，这一过程主要基于环境因素差异，通过构造个体的反事实结果分布实现。其本质上是预测不同环境因素导致的个体结果差异。而相较于传统的参数线性模型，近年来兴起的机器学习算法更加擅长预测。Brunori等［29］通过建立输入变量集I ={I1，…，Ip，…，Ik}，运用回归树方法将总样本划分为M个不重叠的组G =(g1，…，gm，…，gM)。由于每个组gm 内部具有相同的环境因素，个体的结果变量预测值可通过对个体所在组的结果变量实际观测值取均值得到。因此，针对个体{yi}，可以相对应地得到该个体的预测值。其中：

对样本进行精准分隔是减少机会不平等估计偏差的关键，选取合适的回归树类型则是精准分隔的前提。在目前的回归方法中，条件推断树方法通过引入统计显著性，用置换检验合理确定节点变量和切分点，能够有效缓解参数估计方法存在的过度拟合和遗漏变量偏误问题［2］。因此，本文参考Brunori 等［29］的做法，运用条件推断树方法进行样本分隔和个体陷入低收入状态预测，在得到个体陷入低收入状态的预测值后，采用相异指数衡量个体的收入机会不平等程度，进而测算农村低收入群体陷入低收入状态的机会不平等程度。

（二）影响机会不平等的作用渠道

有两个渠道可能产生机会不平等：一是环境因素的直接作用，即环境因素直接影响个体是否陷入低收入状态。比如，出生在东部地区的农村低收入群体相较其他地区的农村低收入群体而言具有更多的发展机会，其因环境因素而陷入低收入状态的可能性更低。二是环境因素通过影响努力而间接地影响个体陷入低收入状态。比如，具有高学历父母的子女，从小受到家庭环境的影响，其在学习和工作中往往更加努力从而可以获得更多的发展机会，其陷入低收入状态的可能性更低。本文参考史新杰等［3］与李莹和吕光明［7］的做法，探究环境因素通过教育和就业间接影响个体陷入低收入状态的作用渠道。由于个体的教育背景在很大程度上会影响其在就业市场上的表现，因而本文参考Palomino 等［30］的做法，将教育视为影响就业的先验中介，对个体陷入低收入状态的机会不平等的间接渠道进行分析。具体而言，根据生命周期中个体教育和就业的自然顺序，首先，测算环境因素通过教育对个体陷入低收入状态的间接影响。基于式（2）得到的个体陷入低收入状态的预测分布i，对个体受教育程度变量（edu）代入数据进行OLS 回归后可拟合出一个反事实的预测分布，在该分布中，处于同等教育水平的个体具有相同的陷入低收入状态的概率。而则表示环境因素通过个体受教育程度间接影响其陷入低收入状态的机会不平等程度。同时，对个体受教育程度变量进行OLS回归得到的残差部分表示除教育外环境因素影响个体陷入低收入状态的其他作用渠道。因此，机会不平等间接渠道可分解为如下两部分：

为了分解出环境因素通过就业因素影响个体陷入低收入状态的作用渠道，通过引入个体受教育程度变量进行OLS 回归得到的残差部分对个人就业变量（occ）做回归，可计算得到剔除教育作用渠道影响的预测分布，表示环境因素通过就业间接对个体陷入低收入状态产生的影响。同理，机会不平等的间接作用渠道可进一步分解为以下三个部分：

基于式（6），可计算得到教育作用渠道的贡献度及就业作用渠道的贡献度。

（三）变量选取

⒈因变量

本文因变量为农村低收入群体陷入低收入状态。参考低收入群体识别的国际标准、沈扬扬和李实［31］的研究，以调查年度前1 年全国农村居民人均可支配收入中位数40%标准。将样本划分为低收入样本和非低收入样本，当个体被识别为低收入样本时，取值为1；反之，取值为0。

⒉环境变量

本文选取性别、年龄、家庭规模、户口迁移、地区、父母受教育程度和父母职业作为环境变量。其中，性别分为男性和女性，男性取值为1，女性取值为0。年龄根据样本的出生日期推算得到。家庭规模以调查当年全部样本的家庭人口数中位数为划分标准，中位数以下取值为1，中位数及以上取值为0。户口迁移根据调查问卷中的问题“您的户口是哪一年迁到此地的？”划分，若回答“自最初实行户籍制度/出生起就是”取值为0；反之，则取值为1。地区依据国家统计局最新标准按照所在城市划分为东中西部，并构造相应的虚拟变量。参考史新杰等［3］的做法，将父母受教育程度划分为高中以下和高中及以上（高中以下=0，高中及以上=1）。父母职业划分为务农、非农职业和其他（务农=1，非农职业=2，其他=3）。参考李莹和吕光明［7］与李实和沈扬扬［9］的做法，父母受教育程度和父母职业分别取父母受教育程度和父母职业状态的综合结果。

⒊努力变量

本文选取个体受教育程度和就业作为努力变量。其中，个体受教育程度划分为四类：未上学取值为1，小学取值为2，初中取值为3，高中及以上取值为4。就业则划分为两类：农业就业取值为0，非农就业取值为1。

（四）数据说明

本文的数据来源于中国社会状况综合调查（Chinese Social Survey，CSS）。CSS 是中国社会科学院社会学研究所于2005 年发起的一项覆盖全国范围的大型微观调查项目，调查内容涵盖中国城乡居民的劳动就业、家庭及社会生活和社会态度等多个方面。基于各变量各年份调查数据的完整程度，本文选取2015年、2017年、2019年和2021年调查数据，在删除缺失值和异常值后，本文采用的CSS2015、CSS2017、CSS2019、CSS2021 的样本量分别为3 147 个、2 917 个、4 144 个、3 904个，共计14 112个样本。本文主要变量的描述性统计结果如表1所示。

表1 主要变量的描述性统计结果

四、机会不平等的测算结果与分解

（一）机会不平等的测算结果

⒈测算结果

表2展示了运用非参数条件推断树方法和参数估计法测算的农村低收入群体陷入低收入状态的机会不平等系数。2015—2021 年，运用非参数条件推断树方法测算的农村低收入群体陷入低收入状态的机会不平等系数为0.2356—0.2925，运用参数估计方法测算的该系数为0.1952—0.2562。从中可以看出，参数估计方法的测算结果略低于非参数条件推断树方法的测算结果。可能的原因是，函数简化、遗漏变量等问题导致参数估计方法测算的机会不平等系数被低估，参数估计结果实际为机会不平等的下限估计［18］。非参数条件推断树方法能够借助机器学习算法的优势，充分考虑环境因素对结果的非线性影响和因素之间的相互作用，规避参数估计方法因函数简化和遗漏变量导致机会不平等被低估的问题，从而使得非参数估计结果更为准确。此外，农村低收入群体由于机会的差异导致其陷入低收入状态的概率超过20%，说明当前农村低收入群体陷入低收入状态的机会不平等程度仍处在相对较高的水平。从分样本来看，农村低收入群体陷入低收入状态的机会不平等在性别、家庭规模、年龄、地区的组内差异较大。具体而言，在性别差异上，农村低收入群体中，男性陷入低收入状态的机会不平等系数较女性更高，说明农村男性居民较女性而言更容易由于机会的缺失而陷入低收入状态。在年龄差异上，80 后、90 后的机会不平等系数显著高于50后、60后和70后，说明改革开放后出生的青年群体更容易受机会差异的影响而陷入低收入状态。可能的原因是，改革开放带来了巨大的发展机会，青年群体的教育水平和个人就业偏好导致其一旦面临机会缺失则更容易陷入低收入状态。在家庭规模差异上，家庭人口规模小于中位数（4—5 人以下）的农村低收入群体，其陷入低收入状态的机会不平等系数显著高于其他样本，说明家庭人口规模较小的农村低收入群体可能由于人力资本不足而缺失更多的发展机会，进而更容易陷入低收入状态。在地区差异上，东部农村的机会不平等系数整体较中部和西部更高，说明虽然东部经济程度更高，但其内部机会差异仍然较大。相较于中西部，东部农村低收入群体往往更容易由于机会的缺失而陷入低收入状态。

表2 机会不平等系数的测算结果

⒉机会不平等系数的变动趋势

根据非参数条件推断树方法测算的结果，2015年、2017年、2019年和2021年农村低收入群体的机会不平等系数分别为0.2597、0.2925、0.2356 和0.2362。2015—2021 年，农村低收入群体陷入低收入状态的机会不平等系数先上升而后下降。其中，农村低收入群体陷入低收入状态的机会不平等系数上升趋势的转折点出现在2017 年，对比2015 年和2017 年，农村低收入群体陷入低收入状态的机会不平等系数增幅为12.63%，而后在2019 年出现19.45%的降幅，2021 年则较2019 年出现0.25%的增幅。若只考虑样本期两端，2021 年，农村低收入群体陷入低收入状态的机会不平等系数较2015年下降9.05%。从分样本来看，除了女性样本和父母受教育程度为高中以下的样本外，其他各组的农村低收入群体陷入低收入状态的机会不平等系数均是先上升后下降，与整体趋势保持一致。2015—2021 年，农村低收入群体陷入低收入状态的机会不平等系数整体呈下降趋势，说明随着农村经济的快速发展和收入分配改革的持续深化，农村低收入群体陷入低收入状态的机会不平等程度有所缓解。然而，2017—2019 年，农村低收入群体陷入低收入状态的机会不平等系数出现先反弹而后下降的趋势。原因可能在于，2017 年的国际贸易摩擦导致宏观经济环境发生变化，通常以吸纳农村劳动力为主的劳动密集型企业受到需求下滑影响减少招聘岗位，外出务工就业机会减少，进而加剧了农村低收入群体因个体环境差异而导致的收入机会不平等程度。

⒊稳健性检验① 稳健性检验结果未在正文中列出，留存备索。

一是更换研究方法。参考Brunori等［29］的做法，运用条件推断森林方法重新测算农村低收入群体陷入低收入状态的机会不平等系数，该测算结果较条件推断树方法的测算结果低，但二者在时间变化上的整体趋势一致，说明本文研究结论稳健。二是重新设定低收入状态的识别标准。用调查年度前一年全国农村低收入群体人均可支配收入中位数50%为标准替换原识别标准重新进行测算，测算结果与上文结果基本一致。三是更换研究数据。由于调查样本中出现的极端收入等异常值可能对测算结果产生影响，本文对家庭人均纯收入变量进行上下1%的缩尾处理后重新测算农村低收入群体陷入低收入状态的机会不平等系数，测算结果与上文结果基本一致。

（二）影响机会不平等的环境因素贡献度分解

参考史新杰等［3］与李莹和吕光明［7］的做法，用Shapley 分解方法对影响机会不平等的环境因素进行贡献度分解，具体结果如表3所示。

表3 分解结果单位：%

从表3可以看出，性别因素对农村低收入群体陷入低收入状态的机会不平等的贡献度均超过40%，始终占比最大，说明受个体获得的机会差异的影响，农村男性居民更容易陷入低收入状态；除2019 年外，年龄的贡献度均排在第二位，说明农村青年群体较其他群体更容易受到机会不平等影响而陷入低收入状态，因而农村青年群体中家庭背景较差的群体需要政府重点关注。除2017 年外，地区的贡献度均超过10%，说明地区经济发展水平和农村政策支持力度等地区因素的差异，对农村低收入群体陷入低收入状态的机会不平等存在显著影响。除2017 年外，父母受教育程度的贡献度均低于10%，说明其对农村低收入群体陷入低收入状态的机会不平等影响较小。从分性别样本看，在剔除性别影响后，地区对农村男性居民的陷入低收入状态的机会不平等的影响逐渐增强，相较于男性居民，农村女性居民受到年龄因素的影响更大。从年龄分组样本看，相较于中老年群体，青年群体的性别因素的贡献度更小，地区因素和户口迁移因素的贡献度却逐年增大，说明存在地区流动的农村青年群体更容易因为机会不平等而陷入低收入状态。从分地区样本看，性别因素在三个地区的贡献度均最大，其次是年龄、户口迁移、父母受教育程度和父母职业等环境因素。尤其是东部地区，随着时间的变化，户口迁移和父母职业的贡献度逐渐加大，到2021 年已超过年龄因素的贡献度。可见，随着时间的变化，东部农村低收入群体的年龄因素对农村低收入群体陷入低收入状态的机会不平等程度的影响逐渐减弱，而发生户口迁移和父母职业为务农的农村低收入群体陷入低收入状态的机会不平等程度在逐渐加强。

五、机会不平等的作用渠道分析

本文将教育变量作为就业变量的前置中介变量，在控制教育影响的前提下，进一步分解就业变量的作用渠道。表4 为机会不平等作用渠道贡献度的测算结果。从表4 可以看出，教育渠道对机会不平等的贡献度为34.34%—43.87%，说明环境因素不仅直接影响个体陷入低收入状态，还可以通过影响个体受教育程度间接影响个体陷入低收入状态。从时间变化上看，教育渠道的贡献度呈波动上升趋势，占比由2015 年的34.34%上升到2021 年的43.87%。就业渠道贡献度的占比整体呈先下降后回升的趋势，说明环境因素通过就业渠道对机会不平等的影响会随着外部环境变化出现波动。将教育渠道和就业渠道贡献度占比进行加总后可得到两者的总效应。从中可以看出，2015—2021 年，教育渠道和就业渠道对农村低收入群体陷入低收入状态的机会不平等的贡献度基本稳定，保持在43.34%—55.65%。因此，个体无法控制的环境因素对农村低收入群体陷入低收入状态的机会不平等的影响有8.46%—9.72%（机会不平等系数×教育渠道）通过“环境—教育—低收入状态”的作用机制传递，有1.18%—3.65%的影响通过“环境—就业—低收入状态”的作用机制传递。因此，对于如何促进农村低收入群体实现共同富裕，除了关注增收途径外，还需要关注农村低收入群体的机会差异及其教育和就业的机会不平等传递渠道，从而降低因机会不平等导致农村低收入群体陷入低收入状态的概率。

表4 作用渠道贡献度的测算结果

六、结论与建议

在如期打赢脱贫攻坚战后，中国已经进入到扎实推进全体人民共同富裕的历史阶段。作为推进共同富裕的关键群体，农村低收入群体的发展问题成为新发展阶段中国农村社会发展的新命题。在此背景下，保障农村低收入群体发展机会公平，助力农村低收入群体收入跃升是实现中国农村居民共同富裕的重要路径。本文基于2015—2021 年中国社会状况综合调查数据，将“环境—努力”机会均等分析框架引入影响农村低收入群体收入跃升的研究中，采用相异指数衡量农村低收入群体陷入低收入状态的收入机会不平等程度，运用非参数条件推断树方法测算了农村低收入群体收入跃升的机会不平等系数，并进一步讨论了环境因素对农村低收入群体陷入低收入状态的机会不平等的直接影响和间接影响。研究发现：（1）2015—2021 年，农村低收入群体陷入低收入状态的机会不平等系数为0.2356—0.2925，说明由于机会不平等导致农村低收入群体陷入低收入状态的概率超过20%。（2）农村低收入群体性别差异对机会不平等产生的影响最大，其次是地区和年龄。同时，随着时间的变化，机会差异导致户口迁移和父母务农的农村低收入群体陷入低收入状态的影响在逐渐加强。（3）环境因素可以通过教育和就业间接影响农村低收入群体陷入低收入状态。教育渠道和就业渠道总的贡献度为43.34%—55.65%，其中，教育渠道的贡献度为34.34%—43.87%，而就业渠道的贡献度仅有6.07%—14.26%。

基于上述结论，本文从机会公平视角，提出促进农村低收入群体收入跃升的建议，如下：

第一，从初次分配和再分配入手，将消除环境因素导致的机会不平等作为促进农村低收入群体收入跃升的重要路径。通过制度设计和环境补偿的方式，保障农村低收入群体的发展机会公平，缩小由于性别、年龄、地区和家庭环境等因素导致的机会不平等，进而减少农村低收入群体收入跃升的机会不平等阻碍。具体而言：一是规范收入分配秩序，减少机会不平等，改善农村收入分配环境，使农村低收入群体的个体努力得到公平的对待，并获取合理的回报。二是对欠发达地区农村弱势群体给予政策扶持，加大兜底性保障政策力度和积极发挥社会救助的作用，通过环境补偿的方式降低因机会不平等对其陷入低收入状态的影响。三是关注农村男性和中青年群体的机会不平等问题，重视其因家庭背景差异而引致的机会不平等及其影响，通过设计相应的机会公平保障制度尽可能地阻断环境因素对农村低收入群体机会不平等的影响，促进农村低收入群体收入跃升。

第二，加强教育基本公共服务均等分配，促进城乡教育均衡化发展。通过加大教育水平相对落后地区的教育资源投入，为农村低收入群体提供公平可及的教育机会，为农村“寒门出贵子”提供有效途径。具体而言：一是重视农村学前教育和义务教育的公平可及性，降低个体生命周期早期的教育机会不平等。二是完善对农村低收入家庭的教育资助体系，降低农村低收入群体的受教育成本。同时，建立对低收入家庭学生的补偿机制，避免因环境因素影响农村低收入居民获得受教育的机会。三是发展多样化的教育模式，促进职业教育发展，通过增加教育渠道的方式为农村低收入群体创造更多的受教育机会，进而提升农村低收入群体的受教育程度。

第三，完善促进农村低收入群体就业的制度设计，通过规范非农就业市场、消除农村劳动力市场歧视、促进农村劳动力跨区域有序流动等方式，为农村低收入群体提供更多就业机会，实现农村低收入群体稳定增收和收入跃升。具体而言：一是建立全国统一的劳动力市场，打破区域分割，促进农村劳动力跨区域有序流动。二是政府部门加强非农就业市场监管，营造公平有序就业环境，保障农村劳动者合法权益。三是通过稳岗就业补贴、组织技能培训和多渠道拓展就业岗位等方式增加农村低收入群体就业机会，促进农村低收入群体就业。四是健全农业转移人口市民化配套政策体系，消除城乡壁垒，保障农民工合法权益。

参考文献：

［1］ 李实，史新杰，陶彦君，等.以农村低收入人口增收为抓手促进共同富裕：重点、难点与政策建议［J］.农业经济问题，2023（2）：4-19.

［2］ 许光，王笑妍.习近平新时代共同富裕重要论述的科学逻辑与价值意蕴［J］.治理研究，2023，39（2）：67-79.

［3］ 史新杰，李实，陈天之，等.机会公平视角的共同富裕——来自低收入群体的实证研究［J］.经济研究，2022，57（9）：99-115.

［4］ 张彤进，万广华.机会不均等、社会资本与农民主观幸福感——基于CGSS 数据的实证分析［J］.上海财经大学学报，2020，22（5）：94-108.

［5］ RAWLS J. A theory of justice［M］. Cambridge：Harvard University Press，1971：1-56.

［6］ ROEMER J E.Equality of opportunity［M］. Cambridge：Harvard University Press，1998：5-12.

［7］ 李莹，吕光明.中国机会不平等的生成源泉与作用渠道研究［J］.中国工业经济，2019（9）：60-78.

［8］ 万相昱，张晨，唐亮.中国居民收入机会不平等再测算——来自机器学习的新发现［J］.数量经济技术经济研究，2024（1）：192-212.

［9］ 李实，沈扬扬.中国农村居民收入分配中的机会不平等：2013—2018年［J］.农业经济问题，2022（1）：4-14.

［10］ 杨昭，孙欣.我国农村居民收入差距中的机会不平等［J］.华南农业大学学报（社会科学版），2024，23（1）：35-47.

［11］ 史新杰，卫龙宝，方师乐，等.中国收入分配中的机会不平等［J］.管理世界，2018，34（3）：27-37.

［12］ 万广华，张彤进.机会不平等与中国居民主观幸福感［J］.世界经济，2021，44（5）：203-228.

［13］ 张铭志，边恕，陈洋.机会不平等对就业水平和就业层级的影响［J］.人口学刊，2023，45（5）：83-96.

［14］ 葛永波，翟坤，赵国庆.机会不平等如何影响家庭财富不平等——来自 CHFS 数据的经验分析［J］.东岳论丛，2021，42（5）：23-32.

［15］ 何宗樾，宋旭光.中国农民工多维贫困及其户籍影响［J］.财经问题研究，2018（5）：82-89.

［16］ 石大千.收入不平等影响经济增长的双边效应——机会不平等和努力不平等的不同作用［J］.财贸经济，2018，39（8）：35-49.

［17］ FERREIRA F H G， GIGNOUX J. The measurement of inequality of opportunity：theory and an application to Latin America［J］. Review of income and wealth，2011，57（4）：622-657.

［18］ BOURGUIGNON F， FERREIRA F H G， MENÉNDEZ M.Inequality of opportunity in Brazil［J］.The review of income and wealth，2007，53（4）：585-618.

［19］ NIEHUES J， PEICHL A. Upper bounds of inequality of opportunity：theory and evidence for Germany and the US［J］. Social choice and welfare，2014，43（1）：73-99.

［20］ KARTSEVA M， KUZNETSOVA P，Is income inequality fair in Russia？Inequality of opportunity and income inequality［J］. Applied econometrics，2020，58（4）：5-31.

［21］ 陈东，黄旭锋.机会不平等在多大程度上影响了收入不平等？——基于代际转移的视角［J］.经济评论，2015（1）：3-16.

［22］ 雷欣，贾亚丽，龚锋.机会不平等的衡量：参数测度法的应用与改进［J］.统计研究，2018，35（4）：73-85.

［23］ 刘波，胡宗义，龚志民.中国收入差距中的机会不平等再测度——基于“环境—能力—收入”的新思路［J］.南开经济研究，2020（4）：107-126.

［24］ 吕光明，杜子青.多维机会不平等的演进动态与异质性特征研究［J］.财政研究，2023（12）：16-33.

［25］ 李金叶，郝雄磊.机会不平等的测度：回归树模型的应用与比较［J］.统计与信息论坛，2019，34（10）：3-13.

［26］ 宋扬.中国的机会不均等程度与作用机制——基于CGSS数据的实证分析［J］.财贸经济，2017，38（1）：34-50.

［27］ 史新杰，卫龙宝，方师乐，等.中国收入分配中的机会不平等［J］.管理世界，2018，34（3）：27-37.

［28］ JUÁREZ F W C， SOLOAGA I. Iop：estimating ex-ante inequality of opportunity［J］. The stata journal，2014，14（4）：830-846.

［29］ BRUNORI P， HUFE P， MAHLER D G. The roots of inequality：estimating inequality of opportunity from regression trees［R］. World Bank Policy Research Working Paper，2018.

［30］ PALOMINO J C， MARRERO G A， RODRÍGUEZ J G. Channels of inequality of opportunity：the role of education and occupation in Europe［J］. Social indicators research，2019，143（3）：1045-1074.

［31］ 沈扬扬，李实.如何确定相对贫困标准？——兼论“城乡统筹”相对贫困的可行方案［J］.华南师范大学学报（社会科学版），2020（2）：91-101.

作者简介：

平卫英（1979-），女，内蒙古锡林浩特人，教授，博士，博士生导师，主要从事宏观经济统计研究。E-mail：pingweiying815@163.com

黄 斐（通讯作者）（1995-），男，江西宜春人，博士研究生，主要从事统计研究。E-mail：terry_hf@163.com

【免责声明】《现代财经》微信公众平台所转载的专题文章，仅作佳作推介和学术研究之用，未有任何商业目的；对文中陈述、观点判断保持中立，请读者仅作参考，并请自行承担全部责任；文章版权属于原作者，如果分享内容有侵权或非授权发布之嫌，请联系我们，我们会及时审核处理。

《现代财经-早读分享》是由《现代财经》天津财经大学学报编辑部编辑出版（总第3221

期）

编辑整理：蔡子团队  

团队成员：陈晨、张晓丹、王建飞、吴玉婷、王晴晴、丁慧、李炳杰、杨国臣、孙桂萍、王敬峰、韩俊莹、庞清月、王旭、张雅彤

审核审校：蔡双立  方菲  胡少龙

长按以下二维码，关注《现代财经》公众微信号（modern-finance)

欣赏和阅读《现代财经》2024年第12期，敬请点击以下阅读原文