市场化、政治身份及其收入效应，本文主要内容关键词为：效应论文,身份论文,收入论文,政治论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
改革开放以来，伴随着从计划经济向市场经济逐步转型，中国经济持续高速增长，创造了举世瞩目的“增长奇迹”。一些学者认识到政治力量在这场伟大变革中的推动作用(lin，1992)，也承认政治身份获得经济收益①的必要性。Morduch和Sicular(2000)研究表明，中国农村的改革成功，得益于乡镇基层干部对国家改革政策的认可和努力执行，而这归功于他们从该改革中得到了比普通农民更多的经济利益而形成的激励。同时，也有学者担心政治身份拥有者获得过多经济利益加剧了农户收入分配不平等，从而导致社会福利和效率损失(Szelenyi & Kostello，1996)，不利于社会和谐与政治稳定(万广华，2004；zhang et al.，2012)。一般来说，影响收入分配的因素可以归纳为两类：一类是非市场因素，另一类是市场因素。在不完善的市场机制下，例如计划经济或转型经济国家或地区，不公平的政策、制度，以及政治身份等非市场因素对收入分配起决定性作用。在完善的市场机制下，以人力资本为核心的市场因素对收入分配将起决定性作用(Yang，2004；张车伟，2006)。基于此，研究政治身份在中国农村的经济收益状况，无论是对于农村收入分配不平等问题，还是农村市场化进程问题，都具有重要的价值和意义。 围绕政治身份及其在中国农村的经济收益或收入效应问题，国内外已有诸多研究，积累了较丰富的文献。首先，学者们一致承认政治身份具有显著的收入效应，但对于该收入效应的大小存在较大分歧。例如：以党员身份为替代变量，Walder(2002a)认为政治身份的收入效应是9%，Liu(2003)认为是10%～38%，刘和旺和王宇锋(2010)认为是11.2%。以乡村基层干部身份为替代变量，Morduch和Sicular(2000)认为政治身份的收入效应是16%，Zhang等(2012)认为是9.5%，Jin等(2014)认为是10.3%。其次，对于政治身份收入效应的来源与机理，学者们也存在争论。Morduch和Sicular(2000)认为，政治身份在中国农村的收入效应主要来源于干部工资，以及对农村地方资源控制所获得的政治租金。Walder(2002b)、Appleton等(2009)研究则表明，党员或干部会依靠其政治身份从迅猛兴起的私营企业、国有或集体企业私有化中谋得经济收益，使其经济收入远高于普通农户。Kung和Lee(2001)、Knight和Yueh(2008)等认为，政治身份是一种重要的社会资本，党员、干部通过会议、文件等形式，能更快更准确地获取有价值的政治、经济信息，并相互提供帮助，获得诸如就业选择、社会福利等收益，最后转化为明显的经济收益。Wu(2006)的研究进一步发现，在中国农村，党员或者干部户自我雇佣的倾向性更强，即更大比例是受雇经营者，而不是受雇劳动者，从而使得其经济收入明显高于普通农户。最后，学者们感兴趣的问题是，随着中国经济转型，政治身份的收入效应是否会减弱？Nee(1996)、Li和Walder(2001)、Whiting(2001)的研究均发现，在从计划经济向市场经济的转型过程中，中国政府在农村的管控逐步放松，但党员、干部等依靠政治身份获取的经济收益越来越大。其中，Nee(1996)、Whiting(2001)的研究表明，在改革开放初期，农民的企业家精神会获得超额收益，但后期的超额收益则主要来自于政治资本；Li和Walder(2001)把教育和政治资本均视为一种投资，实证结果表明，在中国农村，政治资本投资对经济收益的影响更为显著且有增强的趋势。刘和旺和王宇锋(2010)的研究则得出了相反的结论，并认为其原因在于“政治资本对个人收入的影响在很大程度上是通过影响就业途径的选择来实现的，而该机制在市场化进程中作用的削弱可能导致了政治资本收益呈现减少的趋势”。 就上述国内外已有研究看，其不足或缺陷主要有4个方面。一是数据量较少，样本覆盖面低，且数据较陈旧。绝大多数已有研究的样本来自于某一个省，甚至某一个县，样本量均在数千份甚至数百份之内，没有涵盖中国大部分省份的大样本数据。且所用数据皆截止于2005年之前，基于2005年之后数据的研究尚处于空白状态。例如：引用率较高、影响较大的Nee(1996)、Morduch和Sicular(2000)的研究都是基于山东省邹平县的16村调查，共有259个样本，而数据调查于1990-1993年；Zhang等(2012)的研究，在已有文献中数据量是较大的，但其所用数据截止于2003年。二是研究者们已经认识到，影响农户收入的因素十分复杂，特别是政治身份获得高收入可能是由于其代表着较高的个人能力或良好的家庭背景等原因导致的。因此只有较好地控制人力资本、家庭背景等对农户收入有重要影响的变量，才能精确“分割”出政治身份的经济收益(杨瑞龙等，2010)。但由于数据缺乏或者模型建立的局限，已有研究的控制变量选择不够系统或全面，既可能导致模型的解释力不足，也可能导致研究结果存在偏差，甚至错误。同时，由于数据的局限，已有研究主要是通过个人政治身份对其自身的收入影响来考察政治身份的收入效应。而实际上，正如一些研究所指出的，干部或党员往往会利用政治关系或权力安排配偶或子女到更有利的职业或岗位上，从而使得家庭总体收入提高(Morduch & Sicular，2000；Jin et al.，2014)。因此，采用家庭人均收入或劳均收入来考察政治身份的收入效应，将更合理和精确。三是已有研究多是总体性研究，深化的结构性研究较少。一方面，被解释变量往往仅考虑总收入，而没有细化考察结构性收入。而对结构性收入的考察，有利于解读政治身份收入效应的途径和机理。另一方面，对于政治身份的替代变量，要么仅采用党员身份，要么仅采用干部身份，同时考虑党员和干部身份，并比较政治身份差异、政治资本强弱及其收入效应的文献十分罕见。四是已有研究认识到了政治身份具有的收入效应，并担心其对农户收入不平等的影响。但对于该收入效应对农户收入不平等的影响是否严重却很少探讨。 基于上述已有研究的争论或存在的不足，本文的贡献和创新主要有4个方面。第一，采用2003-2010年全国农村固定观察点数据，该数据涵盖全国31个省、自治区、直辖市，共计家庭数据163305份，家庭成员数据660286份，是具有极强代表性的大样本微观农户数据。一方面，该数据的时效性使得本研究衔接了已有研究采用的2005年之前的数据，进行时间维度上的推进。另一方面，该数据的系统性使得本研究得以采用更全面的影响农户收入水平的控制变量，特别是考虑了部分随着社会变化而逐渐呈现影响的因素，例如金融资产和惠农政策等。同时也使得采用家庭人均收入作为被解释变量成为可能，而这都将增强分析结果的精确性。第二，在测算政治身份收入效应大小的基础上，采用回归分解方法，判断该收入效应对农户收入不平等的影响有多大？是否严重？第三，从结构性收入和政治身份差异的视角进行细化研究，以比较政治资本强弱及其收入效应差异，并揭示政治身份收入效应的作用途径和机理。第四，基于2003年以来中国农村不断推进制度改革和惠农政策的背景，引入市场化水平指标，以判断政治身份的收入效应究竟是在增加还是减少。 总之，本研究并不苛求超越已有文献的研究框架，并得益于学者们在该框架中的激烈争论。运用基于大样本微观数据的实证分析和深化研究进一步回答如下4个问题：第一，政治身份的收入效应是否确实存在？若存在，到底有多大？是否对农户收入不平等产生了严重影响？第二，不同的政治身份，代表着政治资本强弱，其收入效应是否存在显著差异？第三，政治身份获得经济收益的路径和机理是什么？是否有权力寻租存在？第四，随着市场化进程，政治身份在中国农村的经济收益究竟是在增加还是减少？ 二、研究设计与模型建立 (一)政治身份替代变量的设定与讨论 对于政治身份(Political Status)的界定，一般文献中论及的政治身份即制度化的社会资本，指的是由政党、政权及意识形态提供的身份、权力、资源和由此而来的威慑和影响力(Szelenyi，1978；Lin，2001)。在众多围绕市场转型理论进行争论的学者那里，干部或党员身份经常被用作政治身份的表征，用以定量研究政治身份对收入差距的影响(Morduch & Sicular，2000)。严格来讲，除了政治身份，与之相关的概念还包括政治资本(Political Capital)、政治关联(Political Connection)、政治网络(Political Network)和政治关系(Political Relationship)等。这些概念的厘清可见杨瑞龙等(2010)的讨论。本文并不严格区分这些概念，而是根据大多数已有文献的做法，以干部或党员身份作为政治身份的替代变量。根据本文所采用的国家农村固定观察点的数据特征，本文中的政治身份采用3个替代变量来衡量，即“是否国家干部户”、“是否乡村干部户”和“是否中共党员户”(下文简称“是否党员户”)。只要拥有以上三者中任何一种身份(包含同时拥有其中任何两种，或者同时拥有这3种身份)，即界定为政治身份户；相反，若不拥有以上三者中任何一种身份，即界定为非政治身份户。 (二)模型建立与变量设置 收入变量一般是符合正态分布的(Shorrocks & Wan，2005)，对本文数据中收入变量的正态性检验也证实了这一点(swilk检验中，Z值为27.73，具有良好的显著性)。因此，本文选择半对数模型，基于农户收入函数(Morduch & Sicular，2000)，扩展并建立本文的基础计量方程如下：
在以上两个方程中，被解释变量
表示j省份t年第i个农户人均年收入的对数。农户人均收入采用不变价格，是以2003年为基年，采用历年各省份农村居民消费价格指数(CPI)进行调整，数据来自于历年《中国统计年鉴》②。在方程(1)中，解释变量politics表示政治身份户(是=1；否=0)，由于其涵盖了所有的政治身份，本文称之为总体政治身份方程。在方程(2)中，ccadre、vcadre和party分别表示“国家干部户(是=1；否=0)”、“乡村干部户(是=1；否=0)”和“党员户(是=1；否=0)”，由于其细化考虑了政治身份的类型，本文称之为结构性政治身份方程。在两个方程中，X代表所有随时间变动、可能会影响农户人均收入水平的系列控制变量，主要包括“人力资本”、“物质资本”、“金融资产”、“行业与职业”、“制度与政策”、“家庭特征”、“村落特征”等7组变量③。这7组变量，每组变量又包含细化的分变量或替代变量，具体的设置、度量方法及统计性描述见表1。
分别代表农户和年份固定效应(Fixed Effects)。此时，所有不随时间变化的影响被农户固定效应控制，所有农户共同的年度变化由年份固定效用控制，双差法(Difference-in-differences Model)得以实现(白重恩等，2012)④。
是年份和省份的交互项，以控制数据所在年份各省份之间可能存在的经济冲击及区域差异。其中，年份虚拟变量主要反映了技术进步及改革的影响。省份虚拟变量主要反映自然资源禀赋、气候、基础设施乃至市场成熟度等和农户收入密切相关的因素。系数
等是半弹性系数(Semi-elastic Coefficient)，表示解释变量变化一个单位引致的人均收入水平变化百分比。
是随机扰动项。 需要说明的是，和模型设立相一致，豪斯曼检验(Hausman Test)的结果表明，本文所建立的所有模型都适合采用固定效应模型⑤。同时，由于数据、特别是同村数据之间可能存在一定的相关性，本文所有模型在回归分析时均采用了聚类稳健标准差(Clustering Robust Standard Errors)和稳健性分析(Robust Analysis)。
注：(1)数据来源：国家农村固定观察点(2003-2010年)，下同。(2)所用软件为Stata/SE 12.0，下同。(3)“显著性检验”中的数值是政治身份户和非政治身份户各变量“均值”的差，“***”、“**”、“*”分别表示在1%、5%和10%水平上显著，限于篇幅，“显著性检验”的t值不做报告。(4)+核心家庭是指在一个家庭中只存在一对姻缘关系，也即由一对夫妇或一对夫妇与未婚子女组成的家庭；直系家庭是指在一个家庭中存在两对及以上姻缘关系，且这些姻缘关系之间是异代之间的关系，同代之间不存在妯娌或连襟关系；扩展家庭是指在一个家庭中存在两对及以上的姻缘关系，且这些姻缘关系在同代间存在妯娌或连襟关系；不完全家庭是指不存在完整夫妻关系的家庭，即夫妻双方离异或一方丧偶，由单方与子女生活。(5)※包括“农业税减免”、“农业补贴政策(包含问卷中的粮食直接补贴、良种补贴、生产资料综合补贴、农机购置补贴、家电下乡补贴、汽车下乡补贴等项)”、“新农保政策”等，只要享有或参与其中一项，即赋值为“1”，否者赋值为“0”。 三、数据来源与统计性描述 (一)数据来源及处理方法 农村固定观察点是1984年经中共中央书记处批准建立，目前由中央政策研究室和农业部具体组织指导，在全国各省、自治区、直辖市已连续跟踪长达29年(1986-2013年)的一项全国性农村调查工作。该调查在2003年后启用农村住户(农户)和家庭成员两级问卷，较为全面地反映了中国各地区农户及其家庭成员的生产、投资、消费、就业及其他活动，为本文较全面的选择变量提供了可能及良好的数据基础。2003-2010年，共获得住户数据163305份，家庭成员数据660286份，具体的样本分布见表2。本文数据的基本处理方式是：首先处理家庭成员数据，计算并生成实证分析中需要的人均受教育年限、健康评价均值等诸多家庭成员(劳动力)信息或变量；然后以户主为标识码(ID)，把家庭成员数据与住户数据对接，并把数据处理干净(主要是对缺失值和偏离值的处理)，共得到本文实证分析所应用的核心数据161752份，该数据为非平衡面板数据(Unbalanced Panel Data)。 (二)政治身份户的分布及特征 政治身份户比例及分布趋势如图1所示，分析可见：2003-2010年间，在全体农户中，政治身份户占比稳中有降，从2003年的19.97%降至2010年的18.57%，下降了1.40个百分点⑥。对应的，国家干部户占比从5.41%降至4.08%，下降了1.33个百分点；乡村干部户占比从4.77%降至4.24%，下降了0.53个百分点；党员户占比从15.29%降至15.18%，下降了0.11个百分点。从区域分布看(图2)，在经济发达的东部地区和经济欠发达的西部地区，政治身份户占比较高(分别为20.57%和19.70%)；而在经济发展居中的中部和东北地区，政治身份户占比较低(分别为18.95%和15.25%)。其中，经济发达的东部地区，党员户比例最高(16.87%)，而经济欠发达的西部地区，乡村干部户比例最高(5.01%)。进一步的，就党员户中干部户的比例看，虽然该比例从2003年的34.14%降至29.38%，下降了4.76个百分点。但党员户中干部户的比例依旧很高，表明党员户拥有更多的政治优势成为国家干部户或乡村干部户。其中，在经济欠发达的西部和中部地区，党员户成为干部户的比例更高(分别为33.98%和31.89%)，而在经济较发达的东部和东北地区，该比例相对偏低(分别为31.48%和28.10%)。 进一步的，简单分析表1的统计性描述结果，可以发现政治身份户和非政治身份户的一些显著差异。首先，政治身份户的优势是多元的，在人力资本、物质资本、金融资产、户籍制度等方面均具有显著性优势。例如：政治身份户人均受教育年限是7.39年，显著高于非政治身份户的6.66年；政治身份户非农户籍家庭成员比例是8.45%，显著高于非政治身份户的3.27%。其次，政治身份户对土地的依附较弱，非农就业倾向明显。例如：政治身份户人均耕地面积和非农就业比例分别是1.76亩和36.82%，显著高于非政治身份户的2.06亩和35.54%。最后，政治身份户存在权力寻租的可能或“痕迹”。例如：对于农村弱势群体“五保户”，政治身份户竟然显著高于非政治身份户，表明政治身份户可能利用自身的资源配置权力获得了该项本应该给予农村弱势群体的经济补助(万广华等，2005)。
图1 政治身份户比例及时间趋势
图2 政治身份户比例及区域分布 (三)收入水平、结构及比较 政治身份户、非政治身份户及全部样本的人均年收入如表3所示。就均值看，2003-2010年，政治身份户和非政治身份户的人均年收入分别为7592.11元和6359.39元，前者比后者高1232.72元或19.38%。就趋势看，2010年，政治身份户比非政治身份户高15.35%，而2003年该比例为20.16%，表明非政治身份户与政治身份户的收入差距有缩小的趋势。在政治身份户中，人均收入最高的是乡村干部户(8859.58元)，其次是党员户(7747.89元)，再次是国家干部户(7190.80元)；分别比非政治身份户高39.25%、21.78%和13.02%。就收入增速看，农户人均收入水平保持较快增长，从2003年的5238.64元到2010年的8712.83元，年均增速达7.62%。其中，非政治身份户(7.81%)略高于政治身份户(7.11%)。在政治身份户中，增长较快的是国家干部户(7.32%)，其次是乡村干部户(7.17%)，最慢的是党员户(6.91%)。就区域差异看，东部农户收入最高(8324.96元)，其次是东北(7437.09元)，较低的是中部(5582.93元)和西部(5104.38元)。就政治身份户、非政治身份户之间的收入差距看，西部地区差距最大(23.84%)，其次是东北(20.36%)，再次是东部(18.86%)，最小的是中部(15.98%)。 进一步的，分析农户结构性收入。根据调查问卷，从收入来源的视角，把农户收入归纳为家庭经营收入、外出务工收入、国家干部工资性收入、财产性收入和转移性支付收入⑦。各结构性收入占总收入的比重见表4。首先，就全体农户看，2003-2010年，农户最主要的收入来源是家庭经营收入和外出务工收入，其占总收入的比例分别为57.84%和24.90%，合计占比达82.74%。由此可见，家庭经营收入依旧是中国农户的核心收入来源⑧，基于家庭经营的小农经济依旧是中国农村经济的鲜明特征。随着城镇化推进和农村劳动力持续外流，外出务工收入已经成为农户收入的重要组成部分。以上两项均属于劳动性收入，则表明农户收入以劳动性收入为主，财产性收入和转移性支付收入的比例较低(分别为6.28%和8.66%)。其次，就政治身份户和非政治身份户比较看，政治身份户在家庭经营收入和外出务工收入两项结构性收入上低于非政治身份户，而在其余三项结构性收入上均高于非政治身份户。最后，就结构性政治身份看，和其他政治身份相比，国家干部户对职工工资性收入的依赖最强(30.14%)；而对家庭经营收入的依赖较低(34.39%)。乡村干部户并没有脱离传统的家庭经营，家庭经营收入依旧是其核心收入来源(60.13%)，但其外出务工的意愿和倾向性明显较低(13.28%)。和乡村干部户一样，党员户依旧依赖于传统的家庭经营(58.57%)，但其外出务工收入的意愿和倾向性明显高于其他政治身份户。总结可见，一方面，和非政治身份户相比，政治身份户对于传统劳动性收入的依赖减弱，而对非劳动性收入的依赖增强。另一方面，除了国家干部户外，其他政治身份户具有明显的兼业性，特别是并没有脱离传统的家庭经营，表明其基本属性依旧是农民。
四、政治身份、政治资本强弱及其收入效应 (一)政治身份的收入效应及其变化趋势 基于方程(1)，对总体政治身份的回归分析结果见表5的模型1和模型2。从模型的R2和F值看，所选择的解释变量对被解释变量有一定的解释力，模型的整体显著性较强。具体分析如下： (1)在模型1中，“政治身份户”的系数在1%显著性水平上显著为正。表明在政治身份的作用下，政治身份户比非政治身份户的人均年收入高5.84%。在上文的统计性分析中(表3)，政治身份户比非政治身份户的人均收入高19.38%，该差距是由政治身份及其他众多因素(例如人力资本)共同导致的收入总差距。在控制政治身份以外的系列影响因素后，该比例是5.84%。因此，在导致政治身份户和非政治身份户收入差距的诸多影响变量中，政治身份的影响权重达30.13%，是重要的影响因素之一。值得简要讨论的是，若以方程(1)为基础模型，建立标准收入模型，即以农户人均收入为被解释变量，则回归结果表明：政治身份的收入效应是441.05元。若继续采用方程(1)的对数收入模型，但不再控制农户固定效应，则基于OLS回归的结果⑨表明：政治身份的收入效应是9.92%，远高于固定效应模型(5.84%)。该结果充分说明，正如表1中统计性描述分析显示的，除了政治身份，政治身份户确实比非政治身份户具有其他的可观察或不可观察的能力(Unobserved Ability)影响了其收入水平。因此，要精确估计政治身份的收入效应，控制这些政治身份之外的能力差异是必要的。
(2)在模型2中，以方程(1)为基础模型，加入了政治身份户与年份及区域的交叉项，以考察政治身份对农户收入影响的时间趋势及区域差异。就时间趋势看，和2003年相比，2006年、2007年和2010年3个年份，政治身份的收入效应存在显著弱化的趋势，分别减少2.76%、2.77%和3.26%，其余4年不显著。由此可见，2003-2010年间，政治身份的收入效应在某些年份有所弱化，但并没有形成一致性的弱化趋势。就区域差异看，和东部相比，其余3个区域的系数均不显著。表明政治身份的收入效应，不受区域的影响。即在任何一个区域，无论是经济发达区域，还是经济欠发达区域，政治身份的收入效应普遍存在且无显著差异。 (二)政治资本强弱及其收入效应的比较 上文以“政治身份户”为核心解释变量，分析了总体政治身份对农户收入的影响。而实际上，由于距离权力中心的远近不同，政治身份所拥有的政治资本通常有强弱的区别(Walder，2002a)。为了辨别“国家干部户”、“乡村干部户”和“党员户”等不同政治身份拥有政治资本的强弱，一个可行的思路是：分别以这3个变量和教育形成交叉项，通过分析交叉项对农户收入影响的显著性，判断各项政治身份对农户收入的影响是否依赖于教育水平。若依赖于教育水平，则表示该项政治身份对收入的影响同时依赖于人力资本，该项政治身份所拥有的政治资本较弱，反之则较强。回归结果见表6。如表6所示，“党员户与教育”的交叉项在5%显著性水平上显著，而“乡村干部户与教育”、“国家干部户与教育”的交叉项均不显著。因此，对于“乡村干部户”和“国家干部户”来说，其政治身份获得的经济收益具有较强的刚性(Rigidity)，不依赖于教育，即：无论教育水平高低，只要是干部户，均可以依赖政治身份获得较高的收入。但对于“党员户”来说，政治身份能否带来经济收益，对家庭成员受教育水平存在依赖，只有教育水平较高的党员户，才能获得较高的经济收入。该结论表明，和“乡村干部户”和“国家干部户”相比，“党员户”所拥有的政治资本较弱，其收入效应也相对缺乏刚性。该结论和Walder(2002b)的判断相一致。 “乡村干部户”、“国家干部户”等拥有较强政治资本的政治身份是否具有更强的收入效应呢？基于方程(2)，对结构性政治身份的回归分析结果见表5的模型3和模型4。在模型3中，所关注的三项结构性政治身份变量均在1%显著性水平上显著为正。其中，“国家干部户”比“非国家干部户”高6.05%；“乡村干部户”比“非乡村干部户”高7.73%；“党员户”比“非党员户”高3.94%。由此可见，在政治身份户中，政治身份收入效应最高的是“乡村干部户”，再次是“国家干部户”，最低的是“党员户”。该结论表明：拥有的政治资本越强，政治身份的收入效应越大。在模型4中，加入了各结构性政治身份与年份及区域的交叉项，以考察结构性政治身份对农户收入影响的时间趋势及区域差异。就时间趋势看，和2003年相比，“国家干部户”的收入效应在2004-2007年存在显著的弱化趋势，但2008年后不再显著；“乡村干部户”的收入效应在所有年份均不显著；“党员户”的收入效应仅在2010年显著降低。就区域差异看，和东部相比，西部和中部“国家干部户”的收入效应显著较低，表明在经济欠发达地区，国家干部户的收入效应低于经济发达地区。“乡村干部户”和“党员户”的系数均不显著，则表明这两项政治身份的收入效应不受区域差异的影响。 (三)政治身份对农户收入不平等的影响严重吗？ 上文的模型和实证，仅仅估计了政治身份对农户收入及差距的影响或边际作用，并不能测算其对农户收入不平等的贡献率。因此我们难以知道，政治身份的收入效应对农户收入不平等的影响到底有多大？是否严重？回归分解方法(Regression Based Approach)能较好地解决该问题。该方法最早由Oxaca(1973)和Blinder(1973)提出。依此为起点，学者们不断扩展这一方法，形成了越来越丰富的分解方法及理论体系⑩。在诸多回归分解方法中，应用较为广泛的有FY方法、MS方法和sharply值方法(万广华，2004)。根据本文采用的数据及计量模型特征，十分适合采用FY方法。FY方法是Fields和Yoo(2000)将Shorrocks(1982)自然分解原理运用到对数收入方程中提出的分解方法，其使用条件有两个，一是收入取对数形式，即回归方程为对数收入方程；二是对数收入的不平等以变异系数平方(CV[2])来衡量。基于上文已经建立的对数收入方程及其回归结果，求得不平等分解结果如表7所示。 表7中的数值，是以变异系数平方衡量的政治身份对农户收入不平等的贡献率。分析可见：就总体政治身份看，2003-2010年间，政治身份对农户收入不平等的总贡献率为0.48%。随着时间推进，该贡献率略有下降，从2003-2005年的0.55%下降到2009-2010年的0.51%，下降了0.04个百分点。在经济欠发达的西部和东部地区，该贡献率明显较高(分别为0.66%和0.49%)；在经济发达的东部和东北地区，该贡献率较低(分别为0.47%和0.29%)。由此可见，政治身份虽然有显著的收入效应，但其对农户收入不平等的影响有限，并不是造成中国农村收入不平等的主要原因。一个可能的解释是：虽然政治户的收入较高(见表3)，但政治户的比例较低(见图1)，因此对总体收入不平等的影响有限。另外，三项结构性政治身份对农户收入不平等的贡献率均为0.20%，不存在显著差异。但就时间趋势看，“乡村干部户”和“党员户”对收入不平等的贡献率呈弱化趋势，“国家干部户”则没有显著变化。分析区域差异可见，“国家干部户”在经济欠发达的西部和中部地区对收入不平等的贡献较大，而“乡村干部户”则是在经济发达的东部和东北地区对收入不平等的贡献较大。
五、政治身份收入效应的来源：结构性收入分解视角 上文的统计性描述和计量分析表明：在中国农村，政治身份能带来显著的经济收益。那么，政治身份的经济收益从哪里来？其机制和途径是什么？本部分从收入结构和来源的视角，对该问题做出尝试性的阐释。以方程(1)和方程(2)为基础模型，分别对农户5种主要的收入来源建立计量模型。被解释变量分别是“家庭经营收入”、“外出务工收入”、“国家职工工资性收入”、“财产性收入”和“转移性支付收入”的对数(人均可比价格)。 基于方程(1)，对总体政治身份的回归分析结果见表8。分析可见，首先，政治身份户在“财产性收入”、“国家职工工资性收入”和“转移性支付收入”三项结构性收入中的系数显著为正。其中，政治身份户的“财产性收入”、“国家职工工资收入”和“转移性支付收入”分别比非政治身份户高21.11%、96.84%和7.34%。其次，在传统的“家庭经营收入”上，政治身份户并没有显著优势；而在“外出务工收入”这一日益重要的农户收入来源上，政治身份户显著处于劣势，比非政治身份户低16.36%。由此可见，除了“国家职工工资收入”，政治身份户在“财产性收入”和“转移性支付收入”等非劳动性收入上具有显著优势。而在以“家庭经营收入”和“外出务工收入”为核心的劳动性收入方面，政治身份并不具有显著的收入效应。 进一步的，基于方程(2)，对结构性政治身份的回归分析结果见表8。首先，就国家干部户看，仅有“国家职工工资收入”一项的系数显著为正，国家干部户比非国家干部户高194.47%。而在其余四项结构性收入中，国家干部户均没有显著优势。其次，就乡村干部户看，除了“外出务工收入”外，其在其余四项结构性收入中均具有显著优势。其中，乡村干部户的“家庭经营收入”、“财产性收入”、“国家职工工资收入”和“转移性支付收入”分别比非乡村干部户高12.03%、121.52%、85.38%和20.02%。最后，就党员户看，其仅仅在“外出务工收入”和“国家职工收入”上有显著优势，分别比非党员户高2.55%和33.06%。
以上的分析，是基于概括性的结构性收入进行的。而实际上，农户的收入来源可能更多元、更复杂，国家农村固定观察点的调查认识到这一点，对农户收入来源进行了更详细的划分，并根据时间推进和农户收入来源进行了调整。例如：2003-2008年，单列了“从集体所得收入”、“从股份制企业经营中得到的收入”和“从合伙、私营和三资企业经营中得到的收入”。2009-2010年，增加了“征地补偿收入”。对这几项收入来源，回归分析结果如表9所示。分析可见：政治身份户、特别是乡村干部户在“从集体所得收入”和“从股份制企业经营中得到的收入”这两项收入来源上具有显著优势。表明政治身份是农村集体所有制这一农村基本经济制度的受益者，特别是从集体企业或者集体企业私有化中得到了比普通农户更多的经济利益。这印证了Walder(2002b)、Appleton等(2009)的研究结论。 六、政治身份的收入效应随市场化进程增加还是减少？ 2004年以来，中央政府对“三农”问题更加关注，连续11年的中共中央“一号文件”均聚焦于“三农”。并陆续出台和实施了农村税费改革、粮食直接补贴、大型农业机械补贴、家电补贴、教育“两免一补”、新农合等系列惠农、支农政策。被一些学者称为“新一轮农村改革”(史清华等，2007)。那么，在该背景下，农村的这轮改革是否促进了农村市场化水平的提高，该市场化进程是否对政治身份的收入效应有所影响？以方程(1)和方程(2)为基础方程，加入市场化水平与政治变量的交叉项，其回归结果即可对该问题做出解答。但本方法的难点是，国家观察点数据并不包含市场化水平这一变量，且关于这一变量的数据，学界也存在较大争论(刘和旺、王宇锋，2010)。比较而言，樊纲等(2011)所编制的市场化指标具有较高的认可度，被学者们广泛使用(张爽等，2007；刘和旺、王宇锋，2010)。基于此，本文也采用樊纲等(2011)所编制的省级市场化指标。考虑到可能的内生性问题，采取刘和旺和王宇锋(2010)的做法，市场化指标滞后1期。 基于方程(1)，加入市场化指标后，对总体政治身份的回归分析结果见表10。从总收入看，政治身份户与市场化水平的交叉项不显著，表明政治身份的收入效应没有随市场化进程有显著改变。从结构性收入看，随着市场化水平提高，政治身份的收入效应在“外出务工收入”、“国家职工工资收入”两项上显著增强，在“财产性收入”上的经济收益显著降低，而“家庭经营收入”和“转移性收入”的系数不显著。因此，市场化水平的提升，仅仅是改变了政治身份在各结构性收入上的收入效应，对总收入的收入效应没有显著影响。该结果不支持刘和旺和王宇锋(2010)的研究结论。
进一步的，基于方程(2)，加入市场化指标后，对结构性政治身份的回归分析结果见表11。从总收入看，随着市场化水平提升，国家干部户的收入效应显著增强，乡村干部户和党员户的收入效应均无显著性变化。从结构性收入看，随着市场化水平提高，国家干部户的“转移性收入”显著增强，“国家职工工资性收入”显著降低。乡村干部户的“国家职工工资性收入”显著增强，但“财产性收入”和“转移性收入”均显著降低。党员户的“外出务工收入”和“国家职工工资性收入”显著增强，但“财产性收入”和“转移性收入”均显著降低。由此可见，市场化水平的提升，对不同政治身份的收入效应有调节作用。一方面，它强化了国家干部户的收入效应。另一方面，它抑制了乡村干部户的和党员户的“财产性收入”和“转移性收入”。而正如上文所阐述的，这两项收入往往是政治身份收入效应发挥作用的重要途径，且万广华等(2005)、程名望等(2014a)的研究认为，正是在“财产性收入”和“转移性收入”上，政治身份户易于利用自身掌握的再分配权力进行权力寻租。那么，若仅从这个角度看，市场化进程有利于抑制乡村干部户和党员户的收入效应。 七、内生性讨论与稳健性检验 在大多数相关的已有研究中，学者们都视政治身份为外生变量，没有充分考虑政治身份的内生性问题。而实际上，一方面，在转型经济背景下的中国，存在依靠经济基础获得政治身份的可能性，高收入者往往凭借经济实力获得政治身份或政治权力(陈钊等，2008)。另一方面，政治身份获得经济收益可能是源自于诸如能力等某些不可观察的因素(刘和旺、王宇锋，2010)。以上这两种情况，均可能导致所建立的模型存在内生性问题。前者是解释变量与被解释变量之间的双向交互影响导致的，后者是因为设定偏误(遗漏变量)导致的。在本文的计量模型和实证分析中，我们十分关注内生性问题可能对本文的实证结果产生的冲击。在难以找到十分合适的工具变量进行2SLS回归的情况下，采取了其他方法以尽量削弱内生性的影响。首先是代理变量(Proxy)法的采用。如表1所示，对一些难以观察却可能对农户收入产生影响的因素，均采用了对应的代理变量纳入模型，尽量减少“遗漏变量”问题带来的内生性。就已有文献看，Liu(2003)、Appleton等(2009)分别用父亲的教育水平和父亲的党员身份做工具变量，研究发现内生性问题并不严重，或者不显著，刘和旺和王宇锋(2010)的研究也得出了类似的结论。同以上3篇文献相比，本文对“遗漏变量”更为关注，解释变量的选择更为系统和全面，因此对内生性的控制会更好。其次是面板数据方法的应用。根据本文采用面板数据的特征，在方程(1)和方程(2)中，同时控制年份和农户固定效应实现了双差法。该方法在数据处理中是以政治身份户为处理组(Treatment Group)，非政治身份户为对照组(Control Group)，其实质是“自然事件法(Natural Experiment)”或“反事实法(Counterfactual Analysis)”，有助于消除一部分内生性问题。具体可参见周黎安和陈烨(2005)、白重恩等(2012)的文献及相关讨论。最后是前定变量法。在模型中，核心变量“政治户”及部分控制变量如“物质资本”、“金融资产”和“市场化指标”均滞后l期，以避免以上诸变量和收入之间可能存在的内生性。而实际上，按照齐书良(2011)的做法，以村政治户比例作为工具变量(11)，进行2SLS回归的结果也是十分稳健的，表明采用以上3种方法，本文的模型较好的克服了变量之间的内生性问题。 除了上述对内生性问题的尽量控制，我们还做了其他一些稳健性检验。为了强化政治身份的影响，在模型中增加了政治身份之间的交叉项，包括“同时是乡村干部户和国家干部户”、“同时是党员户与乡村干部户”、“同时是党员户与国家干部户”。在区域控制变量中，将省份控制改为按区域(四大经济带)控制；在时间控制变量中，将诸年控制改为年份段控制，这些都没有改变本文的结论。特别值得指出的是：(1)在表5的模型2中，为了考察政治身份收入效应区域差异的稳健性，我们缩小区域范围，用省份替代了经济带，回归结果发现：以北京为基准，仅有内蒙古、上海两个省份显著，其余27个省份均不显著。由此可见，在大部分省份，政治身份的收入效应并无显著差异。(2)在分析政治身份对农户收入不平等的贡献率时(表7)，FY方法给出的测量指标是变异系数平方，一些学者认为变异系数平方存在“夸大”不平等程度的嫌疑(万广华，2004)。基于此，我们采用另外一种回归分解方法(MS方法)，并同时采用基尼系数和泰尔指数对上文的结果进行稳健性检验，发现利用FY方法给出的变异系数平方的实证结果是稳健的。(3)对于市场化水平指标的选择，我们弥补刘和旺和王宇锋(2010)“村市场化水平指标难以获得”的遗憾，采用Nee(1996)的方法，以私营企业就业比例为市场化水平的衡量指标，计算出村市场化水平，替代上文中樊纲等(2011)所编制的省份市场化水平，回归结果也显示：政治身份的收入效应没有随市场化进程有显著改变。限于篇幅，这些稳健性检验的结果不做报告。 八、结论与评述 政治身份的研究具有深刻的政治、经济和社会含义。本文基于2003-2010年全国农村固定观察点微观住户数据，以党员和干部身份为衡量指标，研究了政治身份的收入效应及其变化趋势。研究发现： (1)政治身份具有显著的收入效应。2003-2010年间，政治身份户比非政治身份户的家庭人均收入高19.38%，其中有5.84个百分点来自于政治身份的贡献(收入效应)。因此，政治身份的收入效应可以解释政治身份户与非政治身份户收入差距的30.13%。就结构性政治身份看，乡村干部户的收入效应最高(7.73%)，其次是国家干部户(6.05%)，最弱的是党员户(3.94%)。另外，政治身份，特别是干部身份的收入效应具有较强的刚性，其在区域之间的差异不显著，也没有随时间推进呈现出持续减弱的趋势。但政治身份对农户收入不平等的总贡献率仅为0.48%，并不是造成中国农村收入不平等的核心原因。 (2)政治身份收入效应发挥作用的主要途径有三：一是国家职工工资；二是财产性收入和转移性支付收入等非劳动性收入；三是从村集体或股份制企业经营中得到的收入。虽然没有政治身份户直接的权力寻租或腐败的数据，但本文的实证结果依旧能反映出政治身份户权力寻租效应的存在。例如：在本文采用的3种政治身份中，乡村干部户的收入效应最为显著。特别是“转移性支付收入”竟然是其显著的收入来源之一。转移性支付是政府机构基于社会公平向农村贫困和弱势群体提供的经济扶助，但由于乡村干部户拥有的资源配置权力，转移性支付并没有显著流向弱势群体。虽然万广华等(2005)已经发现了该状况，但该结果依旧令人吃惊和担忧。因此，完善和规范农村的政治治理结构和模式，抑制乡村干部户权力寻租及其收入效应，是中国乡村治理乃至农村稳定面临的重要课题。 (3)市场化水平的提升，仅仅改变了政治身份在各结构性收入上的收入效应，对总收入的收入效应没有显著影响。因此，没有证据显示随着市场化程度提高，政治身份的收入效应有减弱的趋势。该结论表明，虽然中国农村的市场化进程在逐步推进，但市场机制配置资源与财富的作用依旧需要不断强化。该结论也从一个视角表明，中国经济依旧处在转型过程中，在中国农村构建一个完善的市场经济体系依旧任重道远。 需要说明的是，在政治身份及其经济收益的已有研究中，收入变量被广泛采用。但收入有可能被低估，特别是政治身份户有非常大的动机来隐藏自身的真实收入，尤其是寻租行为获取的收入，从而导致估计的政治身份的收入效应偏低。一些学者认识到该问题，认为采用消费变量的研究更真实和可靠(Binh et al.，2007；Emi et al.，2014)。因此，以农户消费为被解释变量，从消费不均等视角研究政治身份户的经济收益，以对本文的结论进行补充和验证，是需要进一步研究的问题。另外，由于诸多原因，本文采用的农村固定观察点数据并没有真正实现“固定跟踪”(朱喜等，2011)，使得该数据是非平衡面板数据。若采用Yang(2004)或朱喜等(2011)的处理方法“截取”到平衡面板数据，则可以从农户本身政治身份变化的视角建立动态固定效用模型进行研究，即考察农户从政治身份户变成非政治身份户，或者从非政治身份户变成政治身份户的身份改变所可能产生的收入差异，或者采用样本倾向匹配的视角，都将是很有意义的新视角。 ①政治身份的经济收益也被一些学者称为政治身份的收入效应、回报效应、收入优势或工资溢价(刘和旺、王宇锋，2010)。本文不严格区分这些略有差异的称谓，并主要采用“经济收益”或“收入效应”的概念。 ②同样的，下文中涉及的所有收入和资产变量，均是按照同样的方法调整后的不变价格，下文不再做单独说明。 ③首先，影响农户收入水平的因素是多元而复杂的，为了保证解释变量选取的科学性，我们主要基于经典的经济理论和相关文献进行选取，例如：选取金融负债，是基于流动性约束理论；选取工作经验，是基于的Mincer(1974)的经典文献等。一个详细的说明可参见程名望等(2014b)、程名望等(2015)。其次，在选取的众多解释变量中，物质资本、金融资产和收入之间可能存在内生性。因此，除“耕地”外，其余4个细分变量(经营性资本、非经营性资本、金融资产和金融负债)的数据均滞后l期。农村固定观察点面板数据中滞后一期的数据连接方法，采用朱喜等(2011)的做法。 ④双差法的优势在于能够消除所有不随时间变化的选择性偏差，使得模型给出无偏一致性估计。 ⑤本文所有的计量模型的豪斯曼检验p值均为0，表示应该采用固定效用模型。在下文的模型回归结果中不再报告该p值。 ⑥对于政治户比例下降的原因，我们尝试性地给出解释：一是政治机构的整合。2003年以来，随着新农村建设的开展，撤村并村在全国多地开展，撤村并村之后，加之“大学生村官”制度的实施，对应的政治户必然随之减少。二是2003年以来，国家出台并实施一系列支农惠农政策，特别是农业税的减免以及对农村治理的日益规范，使得农村政治户的经济收益和“寻租”空间逐步消失，从而抑制了做“村干部”的积极性，甚至出现“没有人愿意做村干部”的现象(武胜国，2011)。 ⑦实际上，外出务工收入和国家职工工资性收入均属于工资性收入，但根据经济常识，本文的研究对象、特别是干部户可能对国家职工工资性收入有较强依赖，所以没有把以上两项合并成工资性收入进行研究。 ⑧进一步的，就家庭经营收入的构成看，“农业收入”和“非农业收入”占比分别为58.73%和41.27%。而就农业收入的构成看，种植业、养殖业、林业的生产经营收入占比分别为66.60%、30.71%和2.68%。由此可见，农业经营在农户家庭经营中依旧占据首要地位，其中种植业是农业经营的重点。 ⑨限于篇幅，这两个模型的回归结果不做汇报，感兴趣的读者可通过邮件向作者索取。下同。 ⑩回归分解方法的详细论述及具体应用，可参阅Fields和Yoo(2000)、万广华(2004)、郭继强等(2011)的有关文献。 (11)很显然，村政治户比例对某农户是否成为政治户有一定影响(村政治户比例越高，某农户成为政治户的概率越大)，但对农户的收入没有直接影响(没有证据表明政治户比例高的村庄，其农户收入高或者低)。因此，该工具变量的选择不完美，但有一定可行性。
标签：政治论文; 收入效应论文; 经济模型论文; 家庭结构论文; 经济论文; 经济学论文; 国家干部论文; 人力资本论文; 干部身份论文;
