陆铭华潜艇 万广华 陆铭 陈钊:全球化与地区间收入差距:来自中国的证据

摘要:加入WTO 将加快中国融入全球经济的进程,由此人们也更加关注全球化对国内不断扩大的地区间收入差距的作用。本文讨论了中国的全球化进程,估计了一个包含贸易和FDI变量的收入决定函数。然后本文运用最新发展起来的夏普里值(Shapley value )分解法来衡量全球化和其他变量对于地区间收入差距的影响。

我们发现:(1)全球化对于地区间收入差距的贡献显著为正,并且随着时间而加强;(2)资本是导致地区间收入差距的最为主要且日益重要的因素;(3)以非国有化为特征的经济改革对地区间收入差距有显著作用;(4)教育、地理位置、城市化和人口负担率对地区间收入差距的相对贡献在减弱。

关键词:全球化,收入差距分解,夏普里值

一、引言

关于全球化如何影响收入差距的讨论非常激烈。Stiglitz、Hurrell 和Woods 指出,全球化会导致收入差距扩大,因为贸易将加大教育和技能回报率的差异,全球化还导致特定人群或地区被边缘化,并且经济的自由化也往往缺乏充够的制度和治理结构作为前提。

[②]这种观点在中国等对外开放后收入差距显著扩大的转型经济中得到了经验支持[③],而在发达国家,收入差距的扩大也与贸易增长或国际分工密切相关[④].与此形成对照的是,另一些研究提出,全球化使收入差距缩小,而这一观点也符合那些对外开放以后收入差距缩小的国家的经验[⑤].

介于这两种对立观点之间的是,有些学者发现全球化和收入差距之间并没有显著的关系[⑥].

对这些观点的差异可以有很多解释。首先,既有的文献不仅在收入差距指数的选择上存在差异,而且对收入差距的度量角度也不一样。例如,一些研究关注个体间的收入差距,而另一些则关注国家间的收入差距。一些研究关注于一个国家或几个国家的收入差距,而另一些则讨论全球性的收入差距。

其次,文献采用的分析方法也各不相同,大部分研究使用了跨国数据回归,另一些则讨论了收入差距与各种定义的全球化[⑦]之间的偏相关性。当采用不同控制变量或不同的模型形式的时候,相关性分析很难控制其他的影响因素,于是,跨国数据回归就可能产生不同的结果。最后,不同研究的样本覆盖面(对国家和时段的选择)也有差异。

本文着眼于检验全球化对中国地区间收入差距的影响。中国经济已成为决定全球收入不平等趋势的重要因素,这使本文的意义更显重大。除此之外,本文也能减少在跨国数据分析中经常出现的数据异质性和数据可比性的问题[⑧].

为了增强我们的实证结果的稳健性,我们首先通过Box-Cox 模型来模拟潜在的收入决定过程,然后用所有常规的收入不均等度量指数来量化地分析全球化对收入差距的影响。在对收入差距进行分解时,我们运用了夏普里值框架,它可以在收入函数的基础上,分解出决定收入的各个因素对收入差距的贡献[⑨].

更为具体地来说,本文试图回答以下两个问题:在中国,全球化和地区间收入差距有什么关系?在中国,全球化对地区间收入差距的影响程度如何?第一个问题已经有文献进行了研究。Kanbur和Zhang 发现了开放程度(通过有效关税税率和贸易额/GDP比率来衡量)和地区间收入差距的正向关系。

Xing和Zhang 运用FDI 作为开放程度的衡量指标得到了相似的结论。然而,Wei 和Wu则得到了城乡收入差距和贸易额/GDP比率之间的负向关系。

[⑩]关于第二个问题,除了Zhang 和Zhang 的研究以外几乎没有文献涉及,他们建立了一个劳动生产率(GDP/劳动的比率)函数,并且将劳动生产率不平等(变量的对数值方差)分解成许多部分,其中有的因素与开放有关。[11]但是,变量对数值的方差作为不平等的衡量指标违反了不平等指标应该符合的转移原理,而且在中国,GDP/劳动的比率也不一定与个人收入相关。[12]

本文的结构如下:第二部分分析收入决定函数,第三部分讨论了收入差距分解的结果。最后,第四部分将指出本文的政策含义。

二、解释中国地区间收入差距

作为第三次全球化进程的积极参与者,中国融入世界经济的速度和她的经济增长速度一样惊人。对外开放20多年以来,中国已成为外商直接投资(FDI )的主要接受国以及自2002年以来世界第五大贸易国。全球化进程所带来的利益和代价并不是在地区间或个人间均匀分配的,所以,在设计并实施控制中国迅速扩大的地区间收入差距的有效政策之前,我们很有必要分析全球化对于收入差距的影响。

为了得到收入差距与全球化之间的关系,首先需要建立一个收入决定函数,然后将收入差距的指标计算方法运用到这个函数的两端(对此将在后面加以讨论)。为了确定函数的形式,有必要对其他因素进行控制。许多人认为,政策倾向(包括对投资、税收和财政支出、以及放松管制的政策)在导致地区收入差距扩大的因素中非常重要。

[13]我们将用人均资本变量来表示投资,用人均的用于经济发展的财政支出来表示财政扶持,用非国企职工在全部职工中的比率作为非国有化的指标来表示放松管制。

此外,地理也是影响经济发展的重要因素。因此,我们需要引入东部、中部和西部的虚拟变量来控制地理因素和基础设施因素[14].进一步来看,地区之间的城市化程度不同,这也影响了各地区的人均收入,进而影响了地区间的收入差距,这种影响可以用城市化指标来控制,本文使用非农业人口比率来作为城市化指标。

最后,我们必须考虑资本、劳动力和教育这样的常规变量。给定中国劳动力过剩以及劳动力变量和人口负担率之间的线性关系,我们选择了人口负担率作为代表劳动的控制变量,人口负担率的收敛趋势意味着这个变量对于收入差距的影响程度在减弱。各变量的具体解释请参见附录。

我们使用的1987年至2001年的省级数据来自国家统计局出版的《新中国五十年统计资料汇编》以及各年的《中国统计年鉴》。除了台湾、香港和澳门,有中国31个地区(省、市、自治区)的数据。为了保证数据的一致性,重庆(成立于1997年的直辖市)和四川的数据合并在了一起。西藏由于缺乏完整的数据而未被包含在内。因此,本文的研究中包含了29个地区的数据。

关于资本的数据取自张军等人的估算[15],Zhang 和Zhang 的研究也运用了同样的方法来估算资本数据,但张军等的研究没有把存货包括在资本形成里,而Zhang 和Zhang 的研究则把存货包含在内。

[16]张军等构造了资本存量从1952年以来的时间序列,而Zhang 和Zhang 构造的时间序列则从1978年开始,由于资本存量仅代表潜在的而不是有效的生产投入,并且它的估计偏差随着最初年份和当前年份的时间间隔的扩大而减小,所以本文将采用来自张军等人的数据。

表1是半对数模型的估计结果。θ系数的t 检验值没有报告,因为它是由搜索来得来的。

模型选择过程中已经拒绝了双对数模型,这表明θ是显著不为零的。R2很高,表明这个模型与数据的拟合度非常好。所有的参数在1%或5%的程度上都显著不为0,并且所有参数估计的结果都和期望相一致。地理位置虚拟变量的估计系数也表明西部比中部贫穷,而中部又比东部贫穷。

从弹性估计来看,收入增长对改革、教育、政府支持、城市化以及国内资本的变动都很敏感。FDI 的样本均值(517元)相对于国内资本的样本均值(4403元)来说比较小,所以,FDI 的低弹性值是可以理解的。由于人均国内资本是人均FDI 的8.5倍,可以算出,FDI 对收入的边际影响比国内资本对收入的边际影响大45%,这也符合直觉。

三、地区收入差距的分解(略)

为了分析收入差距而不是收入的对数的差距,我们需要写出收入变量Y 的决定函数:

接下来,我们以Gini指数作为指标来举例说明收入差距的分解结果,结果参见表2.总收入差距表现出了明显的上升趋势,从1987年到2001年增长了24%.在用其他指标时收入差距增长也非常明显。Gini系数的值可能比通常人们认为的水平更低,这是因为它们仅表示了地区间的收入差距部分,而没有考虑地区内部的收入差距。为了计算地区内部的收入差距需要用个人或家庭的数据。

总的收入差距和残差引起的收入差距之间的差就是收入决定函数中自变量的影响,因此,残差的作用可以表述为此函数包含的变量所不能解释的收入差距部分。换句话说,残差影响代表了被排除在外的变量对收入差距的作用。在理想的状态下,残差的影响为零,这时总收入差距几乎100%都能被解释,这需要收入决定函数达到完美的拟合。

一般来说,残差不为零是通常情况而不是例外。残差的负影响和正影响都表明估计的收入决定函数对总收入差距还缺乏解释力,残差的正(负)影响表明未包括的变量更有利于富裕群体(贫困群体)。

因此,我们用残差影响的绝对值与总收入差距的比率来表示没有被解释的收入差距部分,而1减这个比率就表示得到解释的收入差距部分,反映了这个模型起作用的程度。

当模型和数据的拟合度很低时,这个比率就会比较低,那么与此相关的研究成果价值也很低,基于这些研究上的政策建议就会没有效率[20].从这个角度来看,我们的建模是相当成功的,因为我们能够解释最高达到99.4%的总收入差距(表2的最后一列)。甚至在1993年最不理想的情况下,也有几乎90%的总收入差距能够被解释。

表2总收入差距和被解释比例

现在我们用Shorrocks 提出的夏普里值过程来看解释变量对收入差距的贡献[21].收入差距分别由Gini系数、广义熵指标(GE0and GE1)、Atkinson指数,以及变异系数(CV)的平方来表示。

正如所预期的那样,运用不同的收入差距指标得到的分解结果也不同,这并不奇怪,因为不同的指标对应着不同的社会福利函数以及不同的对收入差距厌恶的假定,而且在不同的指标下,对Lorenz曲线不同部分的重要程度的定义也不同。

在我们使用的指标中,变异系数平方违背了有关收入差距指标的转移原理,而Atkinson指数的整个度量结果能被表示为GE指数的单调变换,因此两者是序数等价的[22].鉴于此,在以下的讨论中我们只使用Gini、Theil 指标(GE1)、以及对数离差均值(GE0)。

不同的收入差距指标都显示出相似的增长趋势,但不同的指标下变量贡献的排序有些不同(表3)。然而,对于不重要的变量的影响,用不同的指标得到的排序大体是一致的。举例来说,三个指标都表明人口负担率是最不重要的变量,而且它们都将FDI 列为第二不重要的变量,教育为第三不重要的变量。

此外,使用不同的收入差距指标都表明资本和城市化是导致收入差距的最重要变量。在较早的年份中,改革和贸易,甚至政府支持的排序都明显一致。在后期的年份中,诸如地理位置和政府对经济发展的财政支持这些变量的重要性排序出现了变化。

由于使用不同指标得到的分解存在一些不一致性,我们可以选择一种特定的指标,或者利用不同的指标(仅适用于相对影响)所得结果的平均来进行讨论。表4列出了对三种指标的分解结果求平均以后每个自变量的相对影响。我们把全部被解释部分的收入差距作为分母来计算不同因素的相对影响,所以,不同因素的影响之和为100%.

表4右边的部分包含了基于平均影响的变量排序。最不重要的变量仍然是人口负担率,这可以归结于这个变量的收敛趋势,其中可能有全国范围内的计划生育政策的作用。

这个结果可能也反映了中国劳动力过剩这一事实,因此人口负担率的地区间差异在决定收入的过程中不重要。必须注意的是,这个结论仅在高度加总的水平下成立,在家庭层面上劳动力投入和人口负担率在收入决定过程中仍然贡献很大。

表3在不同收入差距指标下变量的相对影响的排序

注:一个数字代表是一致的排名。三个数字代表分别收入差距指标为Gini,GE0和GE1时各变量贡献的排名。

很显然,有形资本总是很重要的。它的重要性随着时间而增加,到现在已经对整个收入差距构成了20%的贡献,成为最大的影响因素。(点击此处阅读下一页)