灰色收入与国民收入分配

1、 灰色收入与国民民收入分配* 本文是中国经济体制改革研究会灰色收入课题研究报告，课题顾问：宋晓梧、石小敏。本课题在实地调查和研究过程中，得到了许多机构和个人的帮助；在报告讨论过程中，也有许多专家提出了意见和建议，有益于报告的修改完善；在此一并致谢。但报告中的错误由作者个人负责。王小鲁前言2005-20006年，我我们在全国各各地几十个不不同规模城市市进行了城镇镇居民收入与与消费调查。在在此基础上，2007年作者发表了题为我国的灰色收入与居民收入差距的研究报告 见王小鲁，比较总第31辑，2007年7月出版，中信出版社。这个课题是由中国经济体制改革研究会和中国改革基金会国民经济研究所资助，历时两年

2、，于2007年完成。在这个报告中，作者推算我国在2005年的城镇居民可支配收入中，有4.8万亿元没有反映在居民收入统计数据中的隐性收入，主要发生在高收入阶层。作者认为这些隐性收入的大部分属于“灰色收入”。作者通过对城镇居民分组收入数据进行校正，发现在包括了隐性收入后，城镇最高收入和最低收入各10%家庭之间的收入差距从9倍扩大到了31倍；全国居民最高收入和最低收入各10%家庭之间的收入差距从21倍扩大到 见王小鲁，比较总第31辑，2007年7月出版，中信出版社。这个课题是由中国经济体制改革研究会和中国改革基金会国民经济研究所资助，历时两年，于2007年完成。该报告还根据家家用汽车拥有有量、商品住

3、住宅销售量、私私人出境旅游游的人次数、以以及银行存款款的分布数据据，从不同角度对对居民收入（主主要是高收入入居民的收入入）进行了估估计，从而对对上述推算结结果进行了交交叉验证。同时也对灰灰色收入的来来源进行了一一些初步分析析，认为这主主要是由于体制上的缺陷造成的，因因此迫切需要推进进体制改革来来解决国民收入分配配失衡问题。上述推算的方法法和结果是否否可信？经过过几年之后，国国民收入分配配状况发生了了哪些变化？为了回答这这些问题，我我们于20009年再次组组织进行了城城镇居民家庭庭收支调查（采集的的数据为20008年全年年数据），并并在调查数据据的基础上进进行了新的研研究分析。本本报告就这次次调

4、查的范围围、调查和分分析方法、以及研研究结果进行行陈述，并在此此基础上进一一步分析国民民收入分配失失衡的现象和所需需要的应对措施施。本报告的第一部部分报告我们们的城镇居民收入入调查方法和和样本分布情情况。第二部部分讲述分析析方法，报告告技术分析的的结果。第三三部分在调查查数据和技术术分析的基础础上，推算我国城镇居民可支支配收入的真实水平和真真实的收入差差距。第四部部分是对灰色色收入来源的的进一步分析析。第五部分分析灰色色收入对国民民收入分配格格局的影响。第六部分是本报告的结论。一、城镇居民收收入调查方法法和样本分布布1.如何获得真真实的调查数据作者认为，目前前关于居民收收入的统计调调查数据存在

5、在重大失真。特特别是关于城镇高收收入居民的可支配收入入，失真非常严严重。这并不不是指统计调调查方法或计计算的错误。目目前的城镇和和农村居民住住户调查样本本，是根据统统计学的随机机抽样方法确确定的。这一一方法本身并并不存在系统统性的错误。但必须注意到以下情况：1.现行的住户户调查抽样是是基于自愿原原则确定的，但但高收入居民民中有相当大大比例不愿意接受调查，导导致在抽样过过程中被迫更更换样本，因因此在样本更换过程程中发生了对对高收入居民民的遗漏。2.包括在调查查样本中的高高收入居民中中，有许多人人不愿意提供供他们的真实实收入信息。在他们报告的收入中，工资性收入的真实程度较高，而其他收入可能偏低；特

6、别是其中一些人有大量不愿暴露、来源不明的“灰色收入”。这部分收入基本上不可能反映在收入调查数据中。以上原因使统计计调查发生系系统性偏差，无法真实地反映居民收入分配状况。这一问题，很难在现有的住户统计样本和现有的调查方法范围内得到彻底解决，需要探索另外的途径。基于这一原因，我们研究的首要目的是取得关于居民收入的真实数据。在2005-2006年调查中，我们借鉴了社会学调查方法，由各地的专业调查人员对他们熟悉的亲属、朋友、同事、邻里的家庭收支状况进行了调查。我们还采取了若干辅助措施保证调查数据的真实性。事实证明这一方法是可行的，调查取得的数据具有比较高的可信度。在2009年调调查中，我们们使用了同样

7、的的调查方法，但但采取了更严格格的质量控制制措施，并扩扩大了调查样样本。必须说明，由由于这一调查查方法不同于于随机抽样方方法，因此我我们无法直接接用这个调查查样本的数据据来推算我国国城镇居民收收入的总体分分布状况，而而必须借助于于其他方法进进行推算。关关于推算方法法，将在本报报告第二部分分中详细介绍。本本部分的主要目目的是对调查查方法和样本本分布状况进进行说明。在调查之前，我我们对各地调调查人员进行行了问卷和调调查方法培训训。为了消除除受访者可能能的疑虑，调调查问卷采取取无记名方式式，在调查开开始前向受访访者提供了调调查结果只用用于研究的承承诺和样本数数据保密承诺诺。在调查方方法上，也采采取了

8、若干降降低调查敏感感度和有利于于获得真实数数据的措施。例例如，关于调调查目的，主主要强调研究究消费结构而而不是强调研研究收入水平平；在问卷设设计上，先问问消费问题后后问收入问题题，先问具体体分项后问消消费和收入总总额。在收入入来源方面，问问卷只要求回回答简单的收收入分类（包包括工资性收收入、兼职和和劳务收入、实实体经营收入入、金融投资资收入、财产产性收入、知知识产权收入入、各类转移移收入、和未未包括在以上上各项的其他他收入），不不要求回答具具体收入来源源。在访问结结束后，要求求调查员填写写他们与受访访者的关系，以以及他们对问问卷调查结果果可信程度（包包括可能的偏偏差方向和偏偏差程度）的的个人估

9、计，作作为问卷的参参考信息。调查完成后，我我们对问卷进进行了全面的的质量检查。除除了对信息完完整性和调查查地点正确性性进行核对外外，我们设计计了一套检查查程序，对各各问题之间的的逻辑关系，以以及各项收入入和消费数据据之间的数量量关系，进行行合理性检查查，对质量不不符合要求的的问卷（包括括信息遗漏、涂涂改、数据反反常、不同信信息之间存在在逻辑错误而又又无法鉴别正正确信息等等等问题的数量量超过标准，以以及调查对象象不属于城镇镇居民）和信信息真实性值值得怀疑的问问卷做了剔除除。2.调查样本的的分布状况本次调查在全国国19个省份份（包括直辖辖市）的64个不同规规模城市，以以及14个县的县城和建建制镇进

10、行，省份（括直辖市市）包括北京京、上海、山山东、江苏、浙浙江、广东、山山西、河南、湖湖北、安徽、江江西、辽宁、黑黑龙江、四川川、重庆、云云南、陕西、甘甘肃、青海。这保证了东部、中部、西部和东北地区都有一定数量的样本分布，并照顾了南北方的分布。城市包括北京、上上海、济南、南南京、杭州、广广州、太原、郑州、武汉、合肥、南昌、沈阳、哈尔滨、成都、重庆、昆明、西安、兰州、西宁、深圳、青岛、苏州、大同、鞍山、抚顺、齐齐哈尔、大庆、徐州、扬州、阜阳、芜湖、六安、日照、襄樊、宜昌、东莞、中山、绵阳、忻州、开封、三门峡、驻马店、孝感、宜都、邳州、富阳、金华、绍兴、韶关、巢湖、滁州、赣州、吉安、景德镇、九江、丹

11、东、铁岭、牡丹江、西昌、咸阳、白银、嘉峪关、天水、玉溪。其中直辖市、省会城市和“副省级”城市有21个，规模较小的地级和县级城市有43个，在不同规模城市之间保证了较为均衡的分布。县城和建制镇所所在的县份包包括山西省繁峙县、江江苏省沛县、浙江江省象山县、山东省平原县、齐河县、河南省滑县、湖北北省大悟县、重重庆市垫江县县、开县、忠忠县、陕西省省咸阳市礼泉泉县、甘肃省省皋兰县、泾川县、青青海省民和县。这些些县份的地理理分布也是较为均衡衡的。这次调查选取的的城市数量较较多，而样本本在各城市的的分布比较分分散，这是基于两个个考虑：首先先，一个城市市样本数量过过多，就无法法保证调查样样本家庭都是专业业调查人

12、员所熟悉的的家庭，与本本次调查方案案的初衷相悖悖。其次，样样本中包括较多的的城市，也保证了样样本具有更好好的代表性。我们的调查方法法也存在缺点点。一个主要要问题是，该该调查是一次次性进行的，关于受访者家庭收入和消费的数据都是由受访者根据记忆提供（但在选取受访者的过程中，已经排除了对家庭收入和消费状况不够了解的家庭成员）。与记账式的抽样调查相比，这会产生较大的数据误差。但记账式调查不仅比一次性调查成本高、耗时长、难度大，而且由于调查内容具有敏感性，更容易导致系统性偏差。而一次性调查因记忆不准确造成的数据误差，一般而言是随机分布的，而不是系统性的。在样本平均的意义上，随机性误差会因正负互相抵消而大

13、大减少，而系统性偏差是无法自动抵消的。因此基于本课题的研究目和研究条件，都必须采取一次性调查的方式。本次调查总共包包括样本家庭庭4909个个，经过严格格的质量检验验，剔除问卷卷质量不符合合要求的6889个样本，另另有25个负负收入样本未未包括在分析析中（因为分分析表明，他他们大部分在在正常情况下下不属于低收收入家庭，负负收入主要是是临时性经营营亏损造成的的），实际分分析采用有效效样本41995个。表1列出了全部部调查样本和和有效样本的的地区分布、按按城市规模的的分布、受访访者年龄和户户籍状况分布、样样本家庭最高高收入者的文文化程度分布布、受访家庭庭的人均可支支配收入分布布等情况。可以看到，样样

14、本在全国不不同区域之间间、不同规模模的城市之间间、以及受访访者的年龄、文文化程度的分分布是比较均均衡的；但居住在较较大规模城市市、具有较高高学历、以及及从事经营性性活动和白领领职业的人群群所占比重，高于这些人群群在全国城镇人人口中的相应应比重。这是是因为根据作作者20077年研究报告告的结果，城城镇居民收入入水平的统计计偏差主要发发生在高收入入居民。为了了保证有足够够数量的高收入居民民样本以进行行分析，在调调查中有意识识地增加了这这部分人群的的样本数量。我们使使用的分析方方法，将保证这种种分布的差异异不会影响到到对全国城镇镇居民人均收收入分布的推推算结果。表1.按各种分分组的样本分分布状况1、

15、按地区分布布样本总数样本总数分布有效样本数有效样本分布东部地区186337.95%156337.26%中部和东北地区区184837.65%160538.26%西部地区119824.40%102724.48%合计4909100.00%4195100.00%2、按城市规模模分布样本总数样本总数分布有效样本数有效样本分布200万人以上上城市249550.83%208349.65%100-2000万人城市91518.64%78918.81%100万人以下下城市99520.27%88921.19%县城、建制镇50410.27%43410.35%合计4909100.00%4195100.00%3、受访者年

16、龄龄分布样本总数样本总数分布有效样本数有效样本分布20-29164733.55%141133.64%30-39138328.17%119628.51%40-49123625.18%106225.32%50-5952010.59%42510.13%60及以上1232.51%1012.41%合计4909100.00%4195100.00%4、受访者户籍籍分布样本总数样本总数分布有效样本数有效样本分布本市城镇445790.79%380890.77%外地城镇2765.62%2345.58%外地农村1563.18%1383.29%漏答200.41%150.36%合计4909100.00%4195100.

17、00%5、家庭最高收收入者文化程程度样本总数样本总数分布有效样本数有效样本分布小学或以下1653.36%1363.24%初中97019.76%83219.83%高中（包括同等等学历）183337.34%156537.31%大专、大学本科科182237.12%156937.40%硕士、博士821.67%741.76%漏答或无法确定定370.75%190.45%合计4909100.00%4195100.00%6、家庭最高收收入者职业样本总数样本总数分布有效样本数有效样本分布一般专业技术人人员3968.07%3538.41%中高级专业技术术人员2625.34%2275.41%其他专业人员（科教文卫等

18、）3396.91%3027.20%党政军机关一般般干部1933.93%1653.93%党政军机关中高高级干部521.06%471.12%企事业单位、社社团职员56111.43%48311.51%企事业中层以上上管理者3276.66%2686.39%服务人员3176.46%2776.60%工人65913.42%56213.40%个体工商户、自自由职业者100820.53%85320.33%私企所有者、合合伙人、股东东3176.46%2776.60%其他职业731.49%661.57%学生、研究生200.41%170.41%无职业（括退休休退职人员）3497.11%2786.63%漏答或无法确定定

19、360.73%200.48%合计4909100.00%4195100.00%注：城市规模按按市区常住人人口计算。二、分析方法和和技术分析结结果1.本报告使用用的基本推算算方法恩格尔系数数法根据调查样本数数据推算城镇镇居民可支配配收入的方法法可以概述如如下：首先，我们进行行城镇居民收收入调查的目目的，并不是为了了从调查样本直接推断断城镇居民的的总体收入分分布状况，而而是在真实可可信的数据基基础上，推算收入水水平与若干消消费特征参数数之间的关系系。其中一个个关键的消费特特征参数就是是恩格尔系数数（即居民家家庭的食品消消费支出占家家庭消费支出出总额的比例例）。恩格尔系系数是一个与与收入水平相相关的参

20、数，其下降趋势能够反映收入水平的上升；这在经济学界是一个公认的事实。这是因为在满足了基本的温饱需求之后，居民会逐渐转向追求其他需求的满足，例如对出行和通信联络的需求、对奢侈品的需求、以及教育、文化娱乐等较高层次的需求。因此随着收入水平提高，居民用于食品的支出增量会递减，而用于某些较高层次消费的支出增量会递增，使它们在消费总量中的比例发生改变。基于这个原理，我我们可以基于一个个比较可信、比比较有代表性性的调查样本本，来计算居民家庭庭的恩格尔系系数和人均可可支配收入水水平，并使用统计计学或计量经经济学方法，找找出两者间的的统计关系。依依据得到的这这些关系，我们们可以对任意意一组居民收收入统计数据据

21、进行检验。也也就是说，只只要我们能够够得到某一组组统计样本的的相对可靠的的恩格尔系数数，就可以依依据该系数近近似推算出该该组居民的真真实人均收入入水平。因此此，我们可以以根据国家统统计局的分组城镇住户户的恩格尔系数数，推算这些些组别的平均均收入水平，并并将这些推算算结果与公布布的该组居民民收入水平统统计数据进行行比较，以发发现统计数据据是否存在系统统性的误差，以以及这一误差差有多大。我们称这一一分析方法为为“恩格尔系数数法”。当然，这样做的的前提，是要要求分组统计计样本的恩格格尔系数真实实可信。一个个自然会遇到到的问题是，如如果某一组居居民的收入水水平统计数据存在系统统性偏差，他他们的恩格尔尔

22、系数数据会会不会同样有有系统性偏差呢？事实上上，如果收入入数据存在偏偏差（例如，被被低估），那那么消费和商商品消费支出出数据很可能能也存在一定定的偏差。但但首先，只要消消费支出和食品消消费支出的偏差是是同方向的，并并在统计意义义上大体上保保持同比例，那那么分组平均均的恩格尔系系数仍然是基基本可信的。在在这种情况下下，我们仍然然可以使用恩恩格尔系数来来推算真实收收入水平。其其次，即使消费支出出和食品消费费支出的偏差差不保持同比比例，在计算算恩格尔系数数时，同方向向的偏差仍然然可以在很大大程度上互相相抵消，使恩恩格尔系数的的偏差远远小小于收入水平平的偏差。因因此仍然可以以用来推算收收入水平，只只是

23、推算结果果的准确程度度较低。根据作者20007年的研究究，发现在居居民收支统计计数据中，高高收入居民的的收入水平数据据偏差最大，明明显低于他们们的真实收入入。他们的消消费支出和食食品消费支出出也都存在一一定程度的低低估，但在程程度上远远小小于收入的偏偏差。其中食食品支出的偏偏差比消费支出总额额的偏差更小些些。这也就是是说，据此计计算的恩格尔尔系数可能轻轻微偏高，因而根据这这些恩格尔系系数推算的收收入水平有可可能轻微偏低低；但仍然可以在在很大程度上上校正原来的的收入数据偏偏差。不过，我们也需要知道，我我们所得到的的收入水平校校正结果，相相比于真实收入，可能或多或少少仍在一定程程度上偏低。还要注意

24、到，使使用这一方法法对居民收入入统计数据进进行检验，并并不能在数量量上确定统计计样本对高收收入居民遗漏漏的情况，只只能对现有统统计样本收入入数据的系统统性偏差进行行校正。因此此校正之后的的结果，仍然然可能在一定定程度上低估估高收入居民民的收入水平平（由于样本本遗漏的原因因）。以下，作者采取取两种具体方法建立立恩格尔系数数与收入水平平之间的关系系，并对居民民收入统计数数据进行检验验。这两种方法法都属于恩格格尔系数法，但但分析手段和和过程不同。在在下面的叙述中中，为简化起起见，作者将“人均可支配配收入”称为“人均收入”；将国家统计计局的城镇居居民住户调查样本本称为“统计样本”，而将我们这这次调查的

25、样样本称为“调查样本”；来自统计样样本的人均收收入将称为“统计收入”，而根据调查查样本提供的的参数及其与与统计数据的的比较结果推推算的人均收收入称为“推算收入”；以示区别。2.分组比较法法第一种具体推算算方法可以称称为分组比较较法。在20077年研究报告告中，作者采用的就就是这个方法法。其步骤如如下：第一步，分别计计算全部调查查样本的人均均收入和恩格格尔系数。第二步，计算统统计样本的分分组恩格尔系系数。国家统统计局每年公公布的城镇居居民分组收入入数据，是按按人均收入，将将全国城镇居居民家庭分为为七组。其中最最低收入、（次次）低收入、最最高收入、（次次）高收入这这四组分别是按按十等份划分分的，即

26、每组组各占10%的城镇家庭。中中间三组（中低收入入、中等收入、中高高收入组）是是按五等份划划分的，每组组占20%的的城镇家庭。这这七组的平均均恩格尔系数数都是可计算算的。根据本本文前面的解解释，我们假假定统计样本本的恩格尔系系数是可信的的。 国家统计局城镇住户样本的平均和分组数据见历年国家统计局：中国统计年鉴“人民生活”部分。第三步，将全部部有效调查样本按人人均收入排序序，从低到高高进行分组。分组方法是，从最低收入开始，将样本逐个累加，直到该组的平均恩格尔系数与“统计样本最低收入组”的平均恩格尔系数相等为止。我们称这一组样本为“调查样本最低收入组”。这个分组过程不考虑样本数量。然后开始对“调查

27、样本低收入组”进行分组，方法相同，也是使其平均恩格尔系数与“统计样本低收入组”（即第二个10%的城镇住户）相同。其余各组的分组方法类推。第四步，分别计计算调查样本本各组的人均均收入平均水水平。根据前前面解释的理理由，我们假假定一组居民的恩格尔尔系数与他们们的收入水平平具有唯一的的对应关系。也也就是说，给给定某组居民民一个恩格尔尔系数，则该该组的人均收收入就应当是是我们计算得得到的、对应应于这个恩格格尔系数的人人均收入。第五步，将各组组调查样本与与对应的统计样样本人均收入入进行对比，其其差异就反映映出统计样本本的数据遗漏漏。表2是调调查样本和统统计样本的分分组分布情况况。可以看到到在取了同样样的

28、恩格尔系系数之后，调调查样本的各各组分布比例例是不一样的的。还可以看看到，根据恩恩格尔系数分分为七组之后后，还有一部部分人均收入入更高的调查查样本被留在在了这七组之之外（因为其其恩格尔系数数更低）。这这一组的人均均可支配年收入入都超过400万元，最高高为176万万元。表3是调查样样本和统计样样本恩格尔系系数和人均收收入的对比结结果。表2. 调查样样本的分组分分布及与统计样本分分布的比较调查样本统计样本分组区间有效样本数分布比例分布比例最低收入17,0000元3658.7%10%低收入7,001110,0000元62214.8%10%中低收入10,00117,0000元92722.1%20%中等

29、收入17,00126,5000元65015.5%20%中高收入26,50134,0000元3558.5%20%高收入34,00175,0000元63515.1%10%最高收入75,001400,0000元56513.5%10%剩余样本400,0000元761.8%0%合计4195100.0%100%注：统计样本总总共包括城镇镇居民约6.5万户。表3. 调查样样本与统计样样本的比较推算收入统计收入两样本比较分组恩格尔系数人均收入（元）恩格尔系数人均收入（元）收入差额（元）收入差率（%）最低收入0.481656850.4814475493119.6%低收入0.459586460.459473631

30、28317.4%中低收入0.4297133920.428910196319631.3%中等收入0.4065209410.404213984695749.7%中高收入0.3790299100.3787192541065655.3%高收入0.3437477720.3403262502150082.0%最高收入0.29081640340.291843614120420276.1%剩余样本0.2241658811注1：调查样本本和统计样本本对应各组恩恩格尔系数之之间有很小的的尾数误差，不不影响分析，我我们视同相等等。注2：“收入差差额”指调查收入入高于统计收入的的部分，“收入差率”是指收入差额额相当于

31、统计计收入的百分分比。从表3可以看到到，在对应各各组恩格尔系系数一一相等等的情况下，调查样本每一组的人均收入都高于对应的统计样本，但差额和差率都非常有规律地逐级扩大，特别是最高收入组的差额和差率最大，统计样本最高收入组的人均收入只有4.3万元，而调查样本最高收入组为16.4万元，是前者的近3.8倍。其差额占了全部样本差额的2/3。这种情况和作者在2007年研究报告中发现的情况基本一样，所不同的只是中、低收入各组的差额和差率在一定程度上大于2007年报告的推算。这样，也就基本上验证了2007年报告研究结果的可信性。但对于这一推算的可信度，我们还要在下一节中通过另一种推算方法来验证。此外还需要说明

32、明，在作者22007年研研究报告发表表后，有少数数读者误认为为这一研究方方法仍然等同同于用调查样样本来推算城城镇居民总体体收入分布状况，因因而对研究结结果的可信性性提出质疑。因因为无论本项项研究的调查查方法（非随随机抽样）还还是样本规模模（规模偏小小），都不适适合用于直接接推算城镇居居民总体收入入分布。这种误误解是由于对这项项研究使用的的恩格尔系数数法，尤其是是对分组比较较的分析方法法缺乏了解。实实际上，即使使不理解我们使用的的分组分析法法与从调查样本本推算总体的的方法有何实实质区别，只只要将两种方方法得到的结结果进行对比比就清楚了。在在表4中，作作者使用本次次调查的数据据，把用分组组分析法的

33、结结果与直接推推算总体分布布的结果进行行比较。显然然，两种方法法不仅每组得得到的恩格尔尔系数有差异异，而且每组组人均收入的的差别更为显著。其中中关于最高收收入组的人均均收入，分组组分析法得到到的结果是116.4万元元，而推算总总体的方法得得到的是299.4万元。两者的区别是显而易见的。表4. 基于22008年调调查样本的比比较：分组分分析法和推算算总体方法分组分析法推算总体的方法法分组恩格尔系数人均收入（元）样本分布比例恩格尔系数人均收入（元）样本分布比例最低收入0.481656858.7%0.4794588410%低收入0.4595864614.8%0.4654836210%中低收入0.42

34、971339222.1%0.43231203820%中等收入0.40652094115.5%0.41461928520%中高收入0.3790299108.5%0.36563560620%高收入0.34374777215.1%0.31877609710%最高收入0.290816403413.5%0.264529376910%平均/合计3546298.2%51771100%3.模型分析法法以分组比较法对对收入水平进进行推算，也也存在缺点，即即这种方法假假定恩格尔系系数只与收入入水平相关。但但实际上，恩恩格尔系数还还可能受到其其他因素的影影响，例如消消费品价格、不不同地方居民民的饮食习惯惯差异等等。

35、因因此某一个恩恩格尔系数是是否真的只对对应一个确定定的收入水平平？是可以怀怀疑的。因此在这里，作作者采用第二种具体推推算方法，这可以称为为模型分析法。这种种方法以计量量模型分析为为基础，并能能够把除收入入水平以外还还有可能影响响恩格尔系数数的其他变量作为为控制变量包包括在模型中中进行检验，并并在计算恩格格尔系数与收收入水平的关关系时把这些些额外的影响响因素排除在在外。这种方方法能够避免免分组分析法法的不足之处处，具有明显显的优点。其其基本步骤可可以概述如下下：第一步，确定控控制变量。我我们需要对调调查样本的恩恩格尔系数和和人均收入用用计量经济学学方法进行回回归，找出人人均收入对恩恩格尔系数的的

36、影响系数；而在进行这这一步工作的的同时，我们们必须找到可能影响响恩格尔系数数的其他因素素，作为控制变变量包括在模模型中，对其其影响进行估估计，才可能能得到正确的的收入影响系系数。首先，不同规模模的城市，各各类消费品的的价格水平有有很大差异。这这可能会影响不不同规模城市市的恩格尔系系数。例如，大大城市由于远远离农产品产产地，农产品品运输成本和和损耗都较大大，中间环节也较较多，因此食食品价格可能能会显著高于于中小城市，高高出的幅度有有可能大于其其他消费品价价格高于中小小城市的幅度度（这是因为为蔬菜、肉类类等农产品不不耐保存，储储藏成本和中中间损耗较大大）。因此在其其他条件相同同的情况下，大大城市居

37、民的的恩格尔系数数可能高于中中小城市居民民。因为无法法得到物价绝绝对水平的数数据，作者在模型中设定定了一个表示示城市规模的的变量citty，其中对对县镇、1000万人以下下城市（在这这里作者称其为中中小城市）、1100-2000万人之间间的城市（这这里称之为大大城市）和2200万人以以上城市（这里称之为特特大城市）分分别赋值为11、2、3、44。其次，不同地区区居民的消费费习惯有差异异。有些地区区居民比其他他地区居民有有更高的美食食偏好，因此此可能在食品品消费方面支支出多于其他他地区。通过过对调查样本本数据的分析析，作者发现在其他条条件相同的情情况下，上海海、江西、四四川的恩格尔尔系数显著高高

38、于各省份平平均水平。这三个省份用虚虚拟变量H11表示。北京、山东东、湖北、广广东、重庆、河河南的恩格尔尔系数在一定定程度上高于于平均水平，这这些省份用虚虚拟变量H22表示。而辽宁、山山西的恩格尔尔系数低于平平均水平，两两者用L1表表示。据此，在在模型中包括括了这几个虚虚拟变量。未未包括在内的的其他省份（有有江苏、浙江江、安徽、黑黑龙江、云南南、陕西、甘甘肃、青海）的样本作为本底底样本。第三，家庭人口口数对恩格尔尔系数可能有有影响，因为为人口较多的的家庭在食品品支出方面可可能具有规模模效应，能够够节约食品支支出。因此设设定了一个代代表家庭人口口数的变量ffamliyy。第四，家庭成员员的平均文化

39、化程度有可能能对恩格尔系系数有影响，因因为文化程度度较高的居民民可能偏向于较多的精精神需求，例例如通信联络络、教育、文文化娱乐等，而而教育程度较较低的居民则则可能在这些些方面需求较较少，而在食食品烟酒等消费方方面支出较多多。因此设定定了一个代表表成年家庭成成员平均教育育水平的变量量edu188，由18岁岁及以上家庭庭成员的平均均受教育年份份表示。第五，恩格尔系系数还可能与与家庭成员的的就业面（就业的家家庭成员占全全部家庭成员员的比例）有有关。其原因比较较复杂；一方方面，家庭就就业率较高，可可能节约食品品支出，因为为从业者有可可能在单位就就餐，在某种种程度上享受受工作单位的的食品补助。另另一方面

40、，较较高的就业率率又有可能导导致较多的外外出就餐（因因为在家里做做饭更花费时时间），因此此导致较高的的食品支出。究竟哪种因素占上风，还需要通过检验来证明。模型中设定了家庭就业面的变量emp。第二步，设定模模型的函数形形式。从数据据上我们可以以直观地判断断，恩格尔系系数与人均收收入之间的关关系是非线性性关系。因此此作者分别选择择了半对数函函数、半对数数二次函数、二次函数和三次函数模型进行估计。各函数均以恩格尔系数为被解释变量（以eng表示），半对数函数以对数人均收入lnY、以及控制变量city、family、edu18、emp、H1、H2、和L1为解释变量，称为函数（1）。半对数二次函数在函数（

41、1）的基础上增加了lnY的平方项，见函数（2）。二次函数以人均收入及其二次项、以及各控制变量及其二次项作为解释变量，见函数（3）。三次函数在二次函数的基础上增加了各解释变量的三次项。函数（2）、（3）如下，函数（1）、（4）省略。eng=C1+a1lnY+a2city+aa3familly+a4edu188+a5emp+a6H2+a7H1+a8L1+a9(lnY)2(2)eng=C2+b1Y+b2city+b3familly+b4edu188+b5emp+b6H2+b7H1+b8L1+b9Y2 +b10ccity2+b11famiily2+b12edu1182+b13empll2+b14H22

42、+b15H12+b16L12(3)第三步是对上述述四个模型的估计计。估计结果果见表5。在初步回归归分析中发现现，其中二次次和三次函数数模型的某些些变量二次项项或三次项没没有统计显著著性，且t值值很低。因此此在表5的回归中已将将这些项从模模型中剔除。表5. 模型估估计结果（1）半对数函函数（2）半对数二二次函数（3）二次函数数（4）三次函数数变量系数t值系数t值系数t值系数t值lnY-0.057339-28.66*-0.120004-4.63*lnY20.0029552.42*Y-7.67E-07-20.8*-1.24E-06-19.31*Y25.44E-11313.88*1.93E-11212

43、.15*Y3-7.49E-19-8.99*city-0.006664-3.50*-0.006777-3.57*-0.003885-1.97*-0.125008-2.21*city20.0561222.22*city3-0.007774-2.28*edu18-0.011116-4.35*-0.010666-4.15*-0.031994-6.80*-0.027441-5.83*edu1820.0011772.84*0.0009882.39*family-0.014227-6.41*-0.014223-6.40*-0.015559-6.78*-0.014998-6.54*emp-0.015885-1

44、.95*-0.013550-1.65-0.037881-4.53*-0.031664-3.82*H10.07106611.47*0.07078811.43*0.07601111.89*0.07543311.89*H20.0255775.66*0.0254445.62*0.0261555.58*0.0285886.12*L1-0.039338-6.06*-0.039779-6.13*-0.032998-4.93*-0.031449-4.74*C1.06077749.76*1.38627710.19*0.579037.80*0.64580016.57*Adj.R20.24630.24720.197

45、30.2130Obser.419541954195注：t值标有号表示在110%水平显显著，*号表表示在5%水水平显著，*表示在11%水平显著著。从表5的回归结结果看，尽管管四个模型的调整整R2不够高，但但它们的绝大大部分变量都都有高的统计计显著性，不不仅证明恩格格尔系数与人人均收入水平平之间存在十十分显著的负负相关关系，同同时也证明恩恩格尔系数还还受家庭成员员文化程度、家庭人人口数、家庭庭成员就业面面、城市规模模、以及地域域特征的影响响。其中模型型（2）的调整整R2最高。计算表明，模模型（1）和和模型（2）的的结果非常接接近，而且在在中、低收入入区间的模拟拟结果与统计计数据比较接接近，而模型型

46、（3）、（4）的模拟拟结果在各个个收入区间都都与统计数据据有较大差异异，而且在收收入水平很高的情况下下不再保持恩格尔尔系数单调下下降，这与事事实相左。因因此在下面的的分析中将采采用模型（22）的结果。图一是用函数（11）-（3）模模拟出的收入入水平与恩格格尔系数之间间的关系曲线线，显示了（11）、（2）两两个函数之间间很好的相似性性。图中的纵纵轴表示恩格格尔系数，横横轴表示人均均收入水平（元元）。图1. 函数（11）（3）的模模拟曲线第四步，为了最最后实现使用用回归得到的各变量量影响系数，求解与不同的恩格尔系数相对应的全国城镇居民收入水平，还需要确定各影响变量在全国平均意义上的赋值。根据200

47、7年年统计数据，城镇居居民在特大城城市、大城市市、中小城市市、县城和建建制镇（在模模型中分别取取值为1、22、3、4）的分布比例，大致为21%、25%、33%、21%。加权平均取值为2.5。但我们知道不同收入组别的人群在不同城市的分布是有区别的，高收入居民较多集中在特大城市和大城市，而低收入居民则更多集中在中小城市和小城镇。因此根据数据分析，作者把按人均收入从低到高排序的居民组合的城市规模取值，确定在从3.3到1.3之间平滑变动。关于城镇居民的的人均文化程程度（18周周岁及以上），模模型中分别用用从1到5的赋值来来表示小学及及以下、初中中、高中和中中专中职、大大学专科和本本科、硕士和和博士学历

48、。估算全国城镇平均取值在3左右。但文化程度在不同收入人群中的分布也是有差异的，作者把从最低收入到最高收入居民组合的平均文化程度取值确定在2.63.8之间平滑变动。关于城镇居民家家庭成员的就就业面，根据统计数据据,全国平均大大致为0.5，但也也存在不同收收入分组的差差异，从低到到高取值在00.380.62之之间变动。关于城镇居民家家庭人口数，统计显示全国平均为2.9人，但低收入居民家庭的平均规模相对较大，高收入家庭较小，变动范围在3.32.6之间。最后，关于不同同地区之间城城镇居民的饮饮食习惯差异异，模型中按按在相同条件件下恩格尔系系数最高、较较高、普通、较较低的省份分分为四组，它它们的虚拟变变

49、量系数在正正0.0711到负0.0399之间。全国国平均按0.01取值。在完成上述这些些控制变量的的赋值过程后后，就可以根根据模型回归归得到的参数数和各影响因素的的取值，即在在考虑其他影影响因素对恩恩格尔系数影影响的条件下下，求解不同同恩格尔系数数所对应的城镇镇居民收入水水平。这一结果在下一节报告。三、求解城镇居居民真实收入入1.城镇居民分分组收入推算算结果把上文模型（22）中各参数的估估计结果（见见表5）、统统计样本中的的分组恩格尔尔系数、以及及各控制变量量的全国平均均赋值，带入模型（22），就可以以倒推出对应于于不同恩格尔尔系数的人均均收入水平。表6将这些根据模型分析推算出的结果，与分组统

50、计数据、以及使用分组分析法得到的结果同时列出，以进行对比。表6.基于恩格格尔系数法求求解的城镇分分组人均收入入（元）分组恩格尔系数统计收入推算收入：1）分组比较法法推算收入：2）模型分析法法最低收入0.481475456855350低收入0.459736386467430中低收入0.429101961339211970中等收入0.404139842094117900中高收入0.379192542991027560高收入0.340262504777254900最高收入0.29243614164034139000全部城镇居民0.379168853546232154剩余样本0.22465881162

51、5000注1： 全部城城镇居民的平平均统计收入入168855元是按各组组统计收入加加权平均计算算的，而统计计局公布的平平均数是155781元。注2： 推算的的全部城镇居居民收入没有有将剩余样本本包括在内。从表6的数据看看，用分组比比较恩格尔系系数和通过模型分分析取得恩格格尔系数与收收入水平的关关系这两种方方法，得到的结果果总体上是比较较接近的。它们们对最低收入入、低收入和中低低收入这三组组收入水平的的推算，虽然都不同程度上上高于统计收收入，但总体体上差异不太太大（其中模型型分析法的结结果更为接近近）。从中等等收入组往上上，推算收入入与统计收入入的差距明显显扩大。差距距最大的是最最高收入组，其其

52、中分组比较较法的结果是是16.4万万元，模型分分析法的结果果是13.99万元，分别别是统计收入的3.76倍倍和3.19倍。这两个结果果所反映的收收入分布基本本格局是一致致的，而且与与2007年年报告的结果果（20055年数据）相相比，尽管数数据来源不同同，但具有较较高的相似性。表6显示，主要要由于高收入入和最高收入入组的收入差差异，按模型型分析法推算算得到的全国国城镇人均收收入平均值为为321544元，而不是是按统计局的的分组数据加权平均均的168885元，或统统计局公布的的157811元。推算数数与统计数差差不多相差了了一倍。在表7中，我们们也提供了22005年和和2008年年两次研究的的推

53、算收入（22008年采采用模型分析析法的结果）与与统计收入之之比。我们发发现，20008年（次于于最高收入组组的）高收入入组推算收入入相对于统计计收入差异明明显变大，但但总体而言差差异最大的还还是最高收入入组。我们把把这些没有包包括在统计数数据中的居民民收入称为隐隐性收入，在在表中最后一一列计算了各各组的隐性收收入占隐性收收入总量的比比重。很明显显，隐性收入入主要集中在在最高收入家家庭。表7. 20005和20008年推算收收入与统计收收入之比分组推算收入/统计计收入2005推算收入/统计计收入2008隐性收入的分布布2008最低收入99.1%112.5%0.4%低收入101.8%100.9%

54、0.0%中低收入106.9%117.4%2.3%中等收入114.0%128.0%5.1%中高收入130.6%143.1%10.9%高收入138.7%209.1%18.8%最高收入337.6%318.7%62.5%全部城镇居民177.7%190.4%100.0%注：推算收入与与统计收入之之比以各组的统计收收入为1000%，隐性收收入分布以22008年隐隐性收入总量量为100%。以上两种推算结结果中，分组组比较法可能能误差会大一一些，这是由由两个原因导导致的。第一一，分组分析析法只能通过过计算各组的的平均恩格尔尔系数和平均均收入水平，得得到与某一特特定的恩格尔尔系数对应的的人均收入。但但无法排除收

55、收入以外的因因素对恩格尔尔系数的影响响。但这些因因素对调查样样本的影响和和对统计样本本的影响有可可能是不同的的，因此推算出的人均均收入水平有有可能不够准准确。而模型型分析法则控控制了收入以以外因素对恩恩格尔系数的的影响，并计算了这些因素的的全国平均影影响程度。所所得到的结果果，是在这些影响之下，对应于于某个恩格尔尔系数的人均均收入水平，因因此也应该更更真实、更准准确。第二，分组分析析法通过根据据恩格尔系数数重新分组的的方法，在总总体上避免了了调查样本分分布与统计样样本分布不一一致而对总体体的收入分布布产生错误影影响。但这一一方法对各组组平均收入的的计算，仍与组内的的样本分布有有关。而调查查样本

56、的组内内分布有可能能与统计样本本的组内分布布有所不同。尽尽管这对总体体分布的影响响不会很大，但但不能排除产产生一定误差差的可能性。举例说，全国城镇居民最高收入组和最低收入组的组内收入水平很可能不是均等分布的，而是分别向低端和高端倾斜。但调查样本的组内分布，不一定符合这个特点。而模型分析法则是根据收入和其他因素对恩格尔系数的影响系数，直接从恩格尔系数推算出对应的收入水平，准确程度应该高于分组比较法。基于以上两点考考虑，在以下的计计算中，我们们将根据模型分析析法（模型22）的估计结果进行。图2更直观地给给出了两种方方法得到的推推算收入与统统计收入的比比较。可以看看到，两种方法具具有一致性，但但也有

57、些差异异。其中按模模型分析法得得到的高收入入组人均收入入明显高于按按分组比较法法得到的人均均收入，而模模型分析法得得到的最高收收入组人均收收入则低于按按分组比较法法得到的收入入。此外，为了进行行对比，我们们把20077年研究报告告提供的20005年推算算数据与统计计数据比较图图（见图3，依据分组组比较法）也也放在图2后面。这两两张图很相似，显示示了两次调查查和研究结论论的基本一致致性。图2. 20008城镇居民民分组人均收入入：推算数据与统统计数据比较较图3. 20005城镇居民民分组人均收收入：推算数数据与统计数数据比较还需要指出，在在2007年年报告中，作作者判断根据据调查样本推推算的分组

58、收收入水平可能能存在一定正正方向误差，因因此对推算结果做了了一定程度的的下调。从表表6可见，下下调后的20005年推算数与未进进行调整处理理的20088年推算数与统计计数的比例比比较一致，只只有（次）高高收入组例外外。这看来说说明，当时的的下调是合理理的，而且当当时的误差可可能主要来自自分组比较法法自身，因此此这次使用模模型分析法进进行推算，就消除除了这一误差差。但这里也要再次次强调，这里里的推算只解决了了统计收入低低报的问题，并并没有解决统统计数据遗漏漏高收入样本本的问题，因因此实际上这这里对最高收收入居民人均均收入的推算算仍然可能在在一定程度上上偏低。这种情况也反映映在我们的调调查样本中。

59、按按分组比较法法对调查样本本分组之后，有有少数高收入入样本没有能能够列入这77个收入组。这这是因为这些些样本家庭的的恩格尔系数数更低；加入入这些样本后后，最高收入入组的平均恩恩格尔系数就就会低于统计计数据中最高高收入组的恩恩格尔系数。在在这次的有效效样本中，有有76个高收收入样本被排排除在外，他他们的人均可可支配收入都都在40万元元以上，平均均收入为666万元。他们们的平均恩格格尔系数只有有0.2244，而国家统统计局城镇住住户样本中最最高收入组的的平均恩格尔尔系数为0.292。这这似乎说明，在在统计部门的的城镇住户样样本中，可能能很少包括人人均收入400万元以上的的住户。因此此严格地说，这这

60、里的最高收收入组并不是是收入最高的的居民组，因因为还有一些些更高收入的的居民没有包包括在内。但我们无法用这这些调查样本本来反映高收收入居民的统统计遗漏的情情况，这是因因为我们无法法知道被遗漏漏的高收入人人群在全部城城镇居民家庭庭中占有多大大比重，也不不能用调查数数据中这些没没有包括在内内的高收入样样本的分布来来代表全国被被遗漏的高收收入样本分布布，因为调查查样本的分布布状况与全国国更高收入居居民的分布状状况未必一致致。而且，在在我们的调查查样本中也仍仍然存在遗漏漏。在这次调调查样本中，收收入最高家庭庭的人均可支支配收入为1176万元，比这收入更高的样本还是没有包括在内。这也从一个侧面面说明，在