摘要：自Roemer提出机会均等的概念以来，机会不平等（Inequality of Opportunity，后文简称IOP）就一直与收入差距挂钩，成为经济学家讨论的热点问题。本文回顾了国内外机会不平等的产生和发展历程，梳理了几十年来关于IOP的主要理论和实证文献，总结了影响机会不平等的重要因素，归纳和评述了测度机会不平等的几种主要方法，并对国内外学者的研究实证做了全面的总结。最后发掘了现有的研究不足以及今后拓展的方向。

关键词：机会不平等（IOP）；收入差距；测度

一、引言

党的十九届五中全会审议通过“十四五”规划和2035年远景目标建议，向着更长远的目标谋划共同富裕，并提出重大举措，到2035年全体人民共同富裕取得更为明显的实质性进展。基于共同富裕的远景目标建议，缩小贫富差距成为当下经济学家讨论和关注的热点问题。但在社会环境中，由于种族、家庭、教育不同而造成的贫富差距比那些由于施加不同程度的努力而造成的收入差距更令人反感，这就是所谓的机会不平等（IOP）。

关于机会平等理论，吕光明（2014）曾做过一篇综合性的评述，国内并没有其他相关的文献综述，基于此，本文的主要贡献在于：一是本文追踪了一些最新的文献，可供学者把握研究发展的脉络与趋势；二是对实证研究的分析，前人主要以测度方法为区分，本文以具体研究内容为区分，总结了现有的国内外的研究方向，为学者们的研究创新提供有益的思路；三是结合国内环境，指明了国内研究的不足和今后的拓展方向。

二、机会不平等的产生与发展

我们在谈论不平等时，首先要区分两个概念，收入平等和机会平等。收入平等指的是大家最常谈论的财富分配的问题，也就是贫富差距。机会平等指的是，无论你出身如何，都能在一个大致相同的起点上开始奋斗，也都能得到大致平等的机会，不受外部环境不同影响。

在经济学中，机会均等原则最具影响力的正式化定义应归功于Roemer（1998）。Roemer对机会不平等的定义包括个人所处环境与他们所付出努力程度之间的相互作用；环境是个体无法控制的外生因素，而努力是社会希望个人承担责任的选择的结果。Roemer并没有明确地写下机会不平等的定义。相反，他的理论提出了一个选择再分配政策的标准，以促进机会均等。罗默的理论区分了决定个人结果的两类因素：一种是个人可以控制的因素，他称之为努力；另一种是个人不能对其负责的因素，他称之为环境。他将分配某种理想结果中的机会均等定义为，在这种情况下，个人因其所处环境的差异而得到补偿，只要这些差异影响到他们获得的优势。为了实现机会均等，罗默提出将人口划分为不同类型。同一类型是一组具有完全相同的环境特征的个体。当付出努力时，同类型的个体有同样的能力将资源转化为结果。因此，机会均等政策规定忽略结果的类型内可变性，它的定义是由于个人努力，并要求消除任何类型之间的不平等。

三、测度机会不平等的模型与方法

在明确机会不平等的概念和影响因素后，学者们对机会不平等理论进行了深入研究。例如，就整体不平等而言，IOP的贡献程度是多少？具体贡献是什么？环境和努力存在什么关系？发达国家和发展中国家之间的IOP程度是否存在差异？哪些经济政策有助于减小机会等环境因素对个人收入的影响？以上问题，大都建立在能够度量IOP的基础上。因此，IOP指数的量化成了学者们关注的首要问题。

大多数人都会同意，收入是两组变量的函数。那些超出个人控制的变量即称为环境变量，那些个人能力范围内的自主可控的情况，即称为努力。二者之间通过复杂的内生关系，加上一定的运气成分，共同影响个人收入。Roemer（1998）提出了机会不平等的经典分类方法，即环境和努力，前者被社会经济、文化、种族等背景所解释，如父母的教育和财富程度等；后者源于个人的后天性选择，如工作时间、职业选择、受教育程度等。与收入函数刚好对应。根据Roemer的“环境－努力”二维分析框架，学者们开始研究机会不平等的测度问题。

为了进一步测度机会不平等指数，我们总结了广大学者们的研究内容，归纳了以下几种主流方法。

1、参数法

在所有测度方法中，参数法是最被广泛使用的一种方法。参数法（Bourguignon et al，2007；Marrero and Rodrigues，2012）是一种基于回归的方法，它的基本程序是：设定收入为环境和努力变量的线性函数并估计这一函数；根据估计结果，模拟消除环境影响后的“反事实”收入分布；计算实际收入分布与“反事实”收入分布不平等程度的差异，从实际收入不平等中分解出机会不平等。

参数法虽然是目前在机会不平等领域使用最多的方法之一，但其也存在许多问题。一是初始的收入决定方程便假定为线性的，使得回归结果变得狭隘，可能实际情况存在出入。二是将努力变量全部归于随机干扰项，忽略了努力与环境的内生关系，使得测算的结果是有偏的。三是努力变量难以直接量化，无法对回归结果做出实际检验。

2、非参数法

非参数法采用标准的不平等指数分解方法，基于环境变量或努力变量对样本对象的收入进行分组，计算得到的组间不平等（按环境变量分组）或组内不平等（按努力变量分组）即为机会不平等（Ruiz-Castillo，2003；Checchi and Peragine，2005）。

非参数法虽然可以间接的识别收入不平等中的机会和努力成分，但也存在一些弊端。由于需要通过环境变量或者努力变量对样本进行分组，一旦样本量过大，就会需要更多的分组；一旦样本环境变量过多，分组工作也变得困难。而且努力变量难以量化，很难将付出相同努力的人界定出来。

3、机器学习

Brunori et al等人（2018）将机器学习算法，应用到机会不平等的研究中，即条件推理回归树。分类树和回归树起源于计算机领域，是由morgan和Sonquist（1963）提出的预测算法，并在近20年后由Breiman et al等人（1984）推广。

该算法将数据集的空间划分到非重叠区域来实现，通过计算机对大量环境数据集进行训练，将对应人口划分为相互排斥的类型，不同的类型看作具有不同的外部环境，以考察环境变量对于个体收入的影响。在非参数方法中，我们将总体分组时，一旦变量类型多，数据集大的时候，就会难以实现。在机器学习中，我们通过计算机，可以很轻易的将数据集划分为不用类型的组别。运用最广泛的机器学习方法就是回归树。

4、随机占优法

随机占优法的目的是验证机会不平等是否存在。虽然现实情况下，机会不平等一定存在，但也能通过此方法验证某些极端情况下机会不平等是否消除。

随机占优方法是一种非参数方法，通过个体收入的累计分布图可以直观明了地对是否存在机会不平等进行判断，也可以进行横向的比较，但是无法给出机会不平等具体的程度或指数，也无法识别机会不平等影响因素。

四、机会不平等理论的实证研究

在过去几年中，关于机会不平等的大多数经济论文的实证研究集中在四个主要问题上，（i）找到一个更精确的机会不平等指数，以衡量机会对收入的影响程度；（ii）机会不平等的主要影响因素以及各影响因素对机会的贡献程度；（iii）机会不平等的变化趋势；（iiii）适当的公共政策制定。本文的独特出发点，也即从研究内容的角度出发，总结和概括了国内外的实证研究方向。

1、机会不平等对收入不平等的贡献程度

在机会不平等的实证研究中，最重要的就是研究机会与收入的关系，也即机会不平等在收入不平等中占的比重。对此，学者们通过大量实证分析，给出了不同国家的机会不平等程度。

在发达国家中，Lefranc等（2008）基于20世纪90年代9个发达国家的数据，研究了收入差距与IOP之间的关系，发现机会不平等与收入差距呈现明显的正向关系，而美国和意大利在9个国家之中收入不平等和机会不均等程度均为最高。Checchi和Peragine（2010）将意大利在收入和认知能力（以15岁儿童的阅读素养分数来衡量）方面观察到的不平等现象分解为一个由单一外生环境（父母教育）造成的因素和一个由努力造成的剩余因素。他们使用两种不同的非参数方法来评估机会的不平等：在“类型”中消除不平等（在平均值上），以及在“部分”（在不同类型中具有相同百分比的组）中测量不平等，指出意大利总体机会不平等占比达到19.5%。

而在发展中国家中，机会不平等的程度普遍较高。拉美六国的机会不平等贡献程度大概在23%-35%之间（Francisco，2011），本土居民和宗教少数群体是收入分配的弱势群体。印度的机会不平等程度较低，在11%-17%之间（Singh，2010）。在中国，潘春阳（2011）选择教育、父母等环境变量，测算了2003、2005和2006年中国居民收入分配的机会不平等指数；而江求川等（2014）则侧重于中国城市居民的机会不平等程度，他还同时考察了分年龄、分性别和分地区的机会不平等程度的差异。他们得出的结论是，中国的机会不平等程度在20%-40%之间，且地区和城乡间差异较大。

无论是发达国家还是发展中国家，机会不平等都是普遍存在的，从现有的研究来看，经济发展水平的高低与机会不平等的程度，难以找到显著的关系。

2、机会不平等的主要影响因素

为了更准确的度量机会不平等的贡献程度，影响因素作为解释变量也是学者们关注的主要问题。由于影响因素受限于社会大环境影响，不同国家的显著影响因素也不相同。

Marreo和Rodriguez（2012）用父母教育、职业、出生地等信息来衡量欧洲23国的机会不平等，结果表明发展水平，教育和社会保障支出均显著影响着机会不平等。他们还测算了美国的机会不平等，指出种族是七十年代和八十年代机会不平等的主因，而近年来父母教育是主因。Bourguignon和Ferreira（2013）以巴西城镇男性工资作为数据样本，研究发现父母的受教育水平、种族和父亲的职业对收入影响显著，而这几个因素，皆是代表机会不平等的环境因素。

李莹和吕光明（2018）则认为，除了教育和父母职业之外，年龄、性别和地区三大环境因素也应该被考虑到中国城镇居民机会不平等的主要影响因素中。汪晨、张彤进和万广华（2020）更深入的度量了全国、城镇和农村地区的机会不平等，指出，在2010—2015年间，年龄与性别因素是导致农村机会不均等过高的原因，而居住地差异是城镇机会不均等的主要来源。刘成奎等人（2020）则通过对机会不平等的进一步分解，计算出户籍、性别和父母教育水平分别解释了收入不平等的6.01%、3.42%和2.96%，三者构成了现阶段居民机会不平等的主要来源。

综上可见，无论是欧美还是拉丁美洲，教育，种族和父母职业都是影响机会不平等的显著因素。而在中国，种族和父母职业的影响较小，但地区间发展不平衡和性别歧视导致的机会不平等较为显著。家庭背景和教育的不平等则几乎是所有国家共同面临的问题。

3、机会不平等的变化趋势

从上文的分析，我们可以看出，机会不平等虽然是由收入等经济指标所衡量的，但却不仅仅是个经济问题，经济水平的提高，并不一定会降低机会不平等的程度，它更是个社会历史问题，与地区、教育、社保、性别等息息相关。那么，随着社会的变革与发展，机会不平等又将有怎样的变化趋势？

Ferreira和Paes de Barros（1999）在对巴西的研究中发现，收入不平等从1976年到1988年上升，然后一直到1996年都是呈现下降趋势。而汪晨、张彤进和万广华（2020）在对中国的研究中也得出了类似的结论，在一段时间内，中国的机会不均等也经历了先上升后下降的过程。在近几年的研究中，李实、沈扬扬（2022）利用CHIP2013年和2018年数据对农村机会不平等问题进行研究，发现农村居民机会不平等从2013年的24.4%下降到2018年的22.2%，但整体变化不明显。对于变化趋势的研究，并没有文献对某个国家做出长期的研究，大都是某一个短时期的变化。

4、机会、努力和居民幸福感的关系

除了对机会不平等自身的研究，也有少部分学者，对于其衍生层面做了探讨，如努力、幸福感等。

龚锋、李智、雷欣（2016）构造了所有个体均付出最高努力时的“反事实”收入分布，检验努力提高能否改善收入分配的机会不平等程度。万广华、张彤进（2020）度量了中国县区层面的机会不平等，估算了其对全样本、城镇以及农村居民主观幸福感的影响，结果表明，机会不平等对主观幸福感的影响呈现倒U形。

五、总结性评论以及在中国的研究展望

通过机会不平等概念从1998年被正式提出，到现如今这二十多年以来，我们对机会不平等理论的理论研究和实证检验从未中断，然而结论却莫衷一是。现有的理论文献，虽然为我们研究收入不平等中的机会不平等，提供了丰富的视角和深刻的洞见。然而，也存在诸多问题与不足。

理论模型的结论取决于假定条件，而实证研究结论又依赖于数据样本，计量方法以及市场的衡量指标。

而对于机会不平等的测度，虽然已经发现了基于不同视角下的众多方法，却始终无法厘清努力与机会之间复杂的内生关系，无论是参数法还是非参数法，不可避免要解决努力和机会的相互影响；而实证研究的过程，首要面临的是数据的收集和量化，对于数据来源，国内尤其缺乏。从上文的分析可以看出，对于机会不平等变化趋势的研究，缺乏连续的长期数据，而对于数据量化，努力因素的难以量化，也使得对单一环境因素的研究缺乏科学性，能否产生统一的体系量化环境因素以及合适的渠道量化努力因素，也是今后研究的一个方向。

总体来说，对于机会不平等的研究，国内尚处于初级阶段，由于复杂的中国国情，并未就广泛理论达成共识。但在共同富裕这一时代浪潮的推动下，机会平等的理念必将会引起越来越多的社会关注。对于在国内的研究而言，可大致分为以下几个方面深入。

一是基础理论研究方向。符合中国当下社会的测度机会不平等模型的构建，不同地区，不同年限的机会不平等程度测定；

二是机会平等的范围以及程度。考虑到机会不平等对于努力不平等具有相对激励作用，社会资源的分配相对公平，更大程度是对弱势群体的补偿，而不是完全的平权主义，这与共同富裕的理念不谋而合，并不是一刀切的平均；

三是机会不平等与财富不平等之间的联系。大多数人都会认为收入是影响财富的主要因素，但就机会层面而言，环境因素的不同，在很大程度上源于阶级和财富，进而影响收入。剔除个人努力不谈，可见三者之间的关系是，财富决定机会，机会决定收入，而减少机会不平等是否能更直接的的缩小阶级差距，减少财富不平等，促进共同富裕。

四是符合中国国情的政策设计。主要包括地区差异补偿、户籍制度改革、完善公共教育政策、消除劳动力市场性别歧视等方面。

参考文献：

[1]吕光明，徐曼，李彬.收入分配机会不平等问题研究进展[J].经济学动态，2014（8）：11.DOI：CNKI：SUN：JJXD.0.2014-08-016.

[2]潘春阳.（2012）.中国的机会不平等与居民幸福感研究.（Doctoral dissertation，复旦大学）.

[3]江求川，任洁，& 张克中.（2014）.中国城市居民机会不平等研究.世界经济（4），28.

[4]François Bourguignon，Ferreira，F.H.G.，& Marta Menéndez.（2013）.Inequality of opportunity in brazil.Review of Income & Wealth，59（3），585-618.

[5]李莹，& 吕光明.（2018）.我国城镇居民收入分配机会不平等因何而生.统计研究，35（9），12.

[6]汪晨，张彤进，& 万广华.（2020）.中国收入差距中的机会不均等.财贸经济，41（4），16.

[7]刘成奎，王宙翔，& 齐兴辉.（2019）.中国居民收入不公平的测度与分解.统计与决策（23），4.

[8]李实，& 沈扬扬.（2022）.中国农村居民收入分配中的机会不平等：2013—2018年.农业经济问题（1），11.

[9]龚锋，李智，雷欣，Gong，Feng，& Li等.（2017）.努力对机会不平等的影响：测度与比较.经济研究，52（3），15.

[10]François Bourguignon，Ferreira，F.H.G.，& Marta Menéndez.（2013）.Inequality of opportunity in brazil.Review of Income & Wealth，59（3），585-618.

[11]Marrero，G.A.，& Rodriguez，J.G..（2012）.Inequality of opportunity in europe.Review of Income and Wealth，58（4），597-621.

[12]Noble，S..（2003）."the measurement of the inequality of opportunities.Research on Economic Inequality，9（03），1-34.

[13]Checchi，D.，& Peragine，V..（2005）.Regional disparities and inequality of opportunity：the case of italy.IZA Discussion Papers.

[14]Brunori，P.，Hufe，P.，& Mahler，D.G..（2018）.The roots of inequality：estimating inequality of opportunity from regression trees.Policy Research Working Paper.

[15]Lefranc，A.，Pistolesi，N.，& Trannoy，A..（2009）.Equality of opportunity and luck：definitions and testable conditions，with an application to income in france *.Journal of Public Economics，93（11-12），1189-1207.

[16]Checchi，D.，& Peragine，V..（2010）.Inequality of opportunity in italy.Journal of Economic Inequality，8（4），429-450.

[17]Singh，A..（2010）.Inequality of opportunity in india.Mpra Paper.