分位数回归在居民收入差距测算中的实证分析.docxVIP

分位数回归在居民收入差距测算中的实证分析

一、居民收入差距测算的理论与现实背景

（一）居民收入差距的内涵与测算意义

居民收入差距是社会分配格局的核心表现，它不仅指“贫富两极”的极端差异，更涵盖不同收入层级群体（如低收入、中等收入、高收入群体）之间的结构分化。比如，同样是“收入差距扩大”，可能是低收入群体收入增长停滞，也可能是高收入群体收入过快增长，还可能是中等收入群体规模萎缩——这些不同的“差距结构”，对社会稳定、经济增长的影响完全不同。从本质上说，收入差距的测算，是“打开”收入分配“黑箱”的过程：我们需要知道，哪些群体的收入在“掉队”，哪些群体的收入在“领跑”，以及这种分化的原因是什么。

测算收入差距的现实意义，直接指向政策的精准性。比如，若差距源于低收入群体的“生存型困境”，政策需聚焦“兜底保障”（如提高低保标准）；若源于中等收入群体的“增长型瓶颈”，政策需聚焦“能力提升”（如职业技能培训）；若源于高收入群体的“过度积累”，政策需聚焦“调节过高收入”（如累进税）。可以说，没有对收入差距的精准测算，就没有对收入分配的有效治理——这是分位数回归方法应用的现实起点。

（二）传统收入差距测算方法的局限

长期以来，学界和政策界主要用基尼系数“泰尔指数”“库兹涅茨比率”等指标测算收入差距。这些方法虽能反映整体差距，但存在明显的“结构性盲区”：

其一，重“整体平均”，轻“群体异质性”。比如基尼系数，它衡量的是“收入分配偏离绝对平均的程度”，数值越高表示差距越大，但无法区分“差距来自哪里”。举个例子：A地区基尼系数0.45，可能是10%低收入群体仅占总收入的1%；B地区基尼系数同样0.45，可能是10%高收入群体占了总收入的40%——但基尼系数无法区分这两种情况，而前者需要“扶低”政策，后者需要“限高”政策，方向完全相反。

其二，重“极端值”，轻“中间层”。传统指标多关注“最穷10%”与“最富10%”的差距，却忽视了占人口多数的中等收入群体（如25%-75%分位）。比如，库兹涅茨比率用“最富20%收入与最穷20%收入的比值”衡量差距，但中等收入群体的收入增长是否稳定、规模是否扩大，这些对社会稳定更关键的问题，传统方法无法回答。

其三，对“差距来源”解释力弱。传统方法能告诉你“差距很大”，但无法告诉你“差距为什么大”。比如泰尔指数能分解城乡差距占总差距的比例，但无法分解“城乡差距是来自农村低收入群体与城市高收入群体的差距，还是农村高收入群体与城市高收入群体的差距”——而这正是政策需要解决的核心问题。

传统方法的局限，本质上是“整体视角”的局限：它们将收入分布视为一个“不可分割的整体”，而忽视了不同群体的“个性化差异”。当我们需要从“模糊的平均主义”转向“精准的群体治理”时，这种方法就显得“力不从心”了——分位数回归的出现，恰好弥补了这一缺陷。

二、分位数回归的理论基础与应用优势

（一）分位数回归的核心概念与方法逻辑

分位数回归的核心思想，是“逐点分析收入分布的条件关系”。如果把收入分布比作一条“spectrum（光谱）”，普通回归（如OLS）是“测整个光谱的平均亮度”，而分位数回归是“测每个波长点的亮度”——它针对收入分布中的每个“位置点”（如最穷的10%、中间的50%、最富的90%），分别建立回归模型，分析自变量对该位置点收入的影响。

举个通俗的例子：假设我们想研究“教育对收入的影响”，普通回归会说“平均来看，教育年限每增加1年，收入增加8%”；而分位数回归会说：“对于最穷的10%群体，教育年限每增加1年，收入增加5%；对于中间的50%群体，增加7%；对于最富的90%群体，增加12%”。这种“分点结果”，能直接反映教育对不同群体的“异质性回报”——高收入群体从教育中获得的好处更多，而低收入群体的教育回报更低。这正是传统方法无法捕捉的“结构差异”。

（二）分位数回归在收入差距测算中的应用优势

分位数回归之所以适合收入差距测算，核心优势有三点：

第一，打开“收入分布黑箱”，捕捉群体异质性。传统方法关注“整体差距”，而分位数回归关注“群体差距”。比如，通过分位数回归，我们可以发现：“地区因素对低收入群体的收入影响更大（东部低收入群体比西部高30%），而教育因素对高收入群体的影响更大（高学历高收入群体比低学历高收入群体高50%）”——这种“分群体的影响强度差异”，直接指向政策的“靶向性”：对低收入群体，要解决“区域发展不均衡”；对高收入群体，要解决“教育资源不平等”。

第二，对极端值更稳健。收入数据中，极端值（如少数富豪的高收入）很常见，普通回归会被这些极端值“拉偏”（比如一个富豪的收入可能拉高整体均值），而分位数回归因为是“逐点建模”，极端值仅影响其所在分位的结果，不会干扰其他分位。比如，一个富豪的收入可能会拉高95%分位的回归系数，但不会影