楊 燦 王 輝

內容提要：本文利用中國家庭追蹤調查(CFPS)2010年和2016年面板數(shù)據(jù)分別進行OB分解和FFL分解，從稟賦效應和回報效應兩個方面探討社會網(wǎng)絡對中國家庭凈財產的影響。結果表明，2010年和2016年家庭凈財產差異主要是由回報差異造成，且回報差異在總體上是顯著的；2016年社會網(wǎng)絡對各分位點上的家庭財產有顯著正向影響，社會網(wǎng)絡與家庭財產水平呈U型變化。另外，采用夏普利值分解考察社會網(wǎng)絡對家庭財產差距的貢獻率發(fā)現(xiàn)，社會網(wǎng)絡對家庭財產差距的貢獻度不斷擴大，由2010年的0.66%上升到2016年的1.18%。

一、引言及文獻綜述

隨著中國經濟快速發(fā)展、人民生活水平不斷提高，貧富差距也在不斷擴大。越來越多的學者意識到，收入差距并不等同于貧富差距，財產差距也是衡量貧富差距狀況的重要方面[1-2]。近年來，財產不平等程度不斷加劇，2012 年中國家庭凈財產的基尼系數(shù)高達 0.73[3]，明顯高于收入不平等程度。陳彥斌(2008)對中國2007年城鄉(xiāng)居民財產分布進行分析，發(fā)現(xiàn)中國城鄉(xiāng)居民財產差距較大[4]。初始財產分布差距、要素配置差異以及城市導向型的經濟政策，使得城鄉(xiāng)居民財產分布差距成為總體財產差距中最為重要的一部分[5]。

現(xiàn)有研究大多從個體特征、家庭結構和社會環(huán)境三個方面，分析影響中國居民財產水平及財產差距擴大的原因。李實等(2000)利用1995年中國社會科學院經濟研究所調查數(shù)據(jù)分析發(fā)現(xiàn)，戶主年齡、人力資本、收入水平和家庭成員結構對城鎮(zhèn)居民財產的影響較為顯著[1]。梁運文等(2010)利用奧爾多中心2005年和2007年調查數(shù)據(jù)分析發(fā)現(xiàn)，中國城鄉(xiāng)居民財產差距不平等程度較大，職業(yè)、健康狀況、受教育程度、黨員身份等個體特征都會影響居民財產水平[6]。此外，保永文和熊捍宏(2016)利用2002年中國家庭收入調查(CHIPS)數(shù)據(jù)和2010年中國家庭追蹤調查(CFPS)數(shù)據(jù)分析發(fā)現(xiàn)，各地信貸約束、戶主投資參與度、風險偏好及社會滿意度都會影響居民的財產水平[5]。多數(shù)學者認為，金融資產和房產價值分布不平等是城鄉(xiāng)居民財產分布不平等的主要來源[5-6]。

近年來，從社會資本視角研究居民財富是經濟學研究居民財富差距的重要突破點。一些研究表明，社會資本對收入具有顯著正向作用[7]，能夠有效地促進就業(yè)和增加收入[8-9]。林(Lin，2001)最早從理論上探究社會資本對收入差距的影響，并提出資本欠缺和回報欠缺的概念[10]。有學者通過分位數(shù)回歸方法發(fā)現(xiàn)，社會資本回報率隨著不同收入組別的提高而降低，從而認為社會資本是“窮人的資本”[11-12]。趙劍治和陸銘(2010)采用基于回歸的夏普利值分解研究社會網(wǎng)絡對農村居民收入差距的影響，發(fā)現(xiàn)社會網(wǎng)絡對農村居民收入不平等的貢獻達到12.1%～13.4%，從而提出社會網(wǎng)絡不僅是“窮人的資本”，也是“富人的資本”[13]，即高收入者不僅擁有更多的社會網(wǎng)絡，而且從社會網(wǎng)絡中獲得的回報也較高。

目前關于社會網(wǎng)絡對中國家庭財產差距影響的文獻很少，只有何金財和王文春(2016)對這一問題進行探討。他們使用中國家庭金融調查(CHFS)2011年數(shù)據(jù)分析發(fā)現(xiàn)，社會網(wǎng)絡會顯著提高家庭財產水平，進一步擴大居民財產差距；通過夏普利值分解發(fā)現(xiàn)，社會網(wǎng)絡對家庭財產差距的貢獻度約為22%，且對城鎮(zhèn)家庭財產差距的貢獻度高于農村家庭[14]。他們的研究雖然為家庭財產差距的微觀形成原因提供了實證依據(jù)，說明了社會網(wǎng)絡是擴大財產差距的重要因素；但是，在得出實證結論之前缺少相應的理論機制分析，之后也缺少對具體效應及其成因的深入分析。另外，現(xiàn)有文獻大多采用橫截面數(shù)據(jù)進行分析，很難有效避免個體差異及時間變化所產生的內生性問題。因此，本文將利用2010年和2016年中國家庭追蹤調查(CFPS)數(shù)據(jù)，從稟賦效應和回報效應兩個方面探討社會網(wǎng)絡對中國居民財產差距的影響機制。

本文的主要貢獻在于：第一，采用2010年和2016年面板數(shù)據(jù)縱向(時間維度)分析社會網(wǎng)絡對財產差距的影響機制；第二，從稟賦效應和回報效應兩個方面橫向分析社會網(wǎng)絡對財產差距的影響機制；第三，利用OB(Oaxaca-Blinder)分解和基于RIF無條件分位數(shù)回歸的FFL分解探討社會網(wǎng)絡對財產差異的影響及貢獻率；第四，使用夏普利值分解探討社會網(wǎng)絡對家庭財產差距貢獻度的變化情況。

二、理論機制分析框架

本節(jié)將結合橫向(稟賦效應和回報效應)和縱向(時間)兩個維度分析社會網(wǎng)絡對中國家庭財產差距的影響機制。從橫向上看，社會網(wǎng)絡對居民財產水平的影響可以分為稟賦效應和回報效應；從縱向上看，隨著時間推移，社會網(wǎng)絡不平等不斷擴大，導致社會網(wǎng)絡對財產差距的影響不斷增強(見圖1)。

圖1 理論機制分析框架

在財產差距形成過程中，變量對財產差距的貢獻主要取決于兩個方面：一是變量自身的分布效應，即稟賦效應；二是變量對于財產的偏效應，即回報效應。這與林(2001)[10]提出的資本欠缺和回報欠缺的概念一致。資本欠缺主要是指由于投資和機會的不同導致不同群體擁有不同質量和數(shù)量的資本。社會資本作為一種無形資產或擔保，能夠為社會資本擁有者提供更多機會進而增加其收入，社會資本初始稟賦差距將進一步加劇財富不平等。回報欠缺則是指由于群體間動員策略、行動努力或制度性反應的不同而引起的一定數(shù)量的社會資本對于不同個體產生不同的回報[10]。二者就是前面提到的稟賦效應和回報效應。因此，本文將從社會網(wǎng)絡的稟賦效應和回報效應兩方面考察社會網(wǎng)絡對財產差距的影響。

(一)社會網(wǎng)絡的稟賦效應

社會網(wǎng)絡的稟賦效應是指不同群體因社會網(wǎng)絡的擁有量差異導致財產差距的變化，即給定社會網(wǎng)絡的財產回報率相同，個體社會網(wǎng)絡的異質性會進一步擴大財產差距。社會網(wǎng)絡的稟賦效應可以從橫向和縱向兩個維度進行分析：從橫向上看，財產水平越高的群體，其社會網(wǎng)絡擁有量越高；從縱向上看，初始稟賦越低的群體，其社會網(wǎng)絡的累積速度越慢。社會網(wǎng)絡的積累可能存在“低社會網(wǎng)絡陷阱”，即如果個體的社會網(wǎng)絡初始稟賦較低，其對社會網(wǎng)絡的投資可能很低，由此滯留在低社會成本、低教育投資及低收入的“陷阱”中[15]。隨著時間推移，社會網(wǎng)絡稟賦差異不斷擴大，形成“馬太效應”，即擁有高水平社會網(wǎng)絡的居民將會獲得更高水平的社會網(wǎng)絡，社會網(wǎng)絡初始稟賦較低的群體可能陷入“低社會網(wǎng)絡陷阱”。社會網(wǎng)絡不平等不斷加劇，進而導致社會網(wǎng)絡稟賦差異的不斷擴大，最終導致財產差距進一步擴大。

根據(jù)上述分析，本文提出如下兩個假設：

H1：財產水平越高的群體，其社會網(wǎng)絡擁有量越高。

H2：社會網(wǎng)絡初始稟賦越低的群體，其社會網(wǎng)絡的累積速度越慢。

(二)社會網(wǎng)絡的回報效應

社會網(wǎng)絡的回報效應是指不同群體因社會網(wǎng)絡的財產回報率差異導致財產差距的變化，即給定個體社會網(wǎng)絡擁有量相同，社會網(wǎng)絡的財產回報率的異質性會進一步影響財產差距。不同群體由于動員策略、行動努力或制度性反應差異，使得社會網(wǎng)絡對不同群體產生不同的回報。一方面，社會網(wǎng)絡作為一種生產要素應服從邊際產出遞減的普適規(guī)律，窮人的社會網(wǎng)絡擁有量低于富人，那么窮人的社會網(wǎng)絡回報率可能高于富人。另一方面，社會網(wǎng)絡作為一種特殊的生產要素，從達高性、異質性和廣泛性來看，窮人缺乏高質量的社會資本，能夠獲取的社會資源劣于富人[10]，因此窮人的社會網(wǎng)絡回報率也可能低于富人。最終社會網(wǎng)絡回報效應取決于上述兩種情況的綜合，這需要用經驗研究進行回答。馬光榮和楊恩艷(2011)提出擁有更多社會網(wǎng)絡的農民，會有更多的民間借貸渠道，從而更有可能創(chuàng)辦自營工商業(yè)[16]。社會網(wǎng)絡還會影響家庭風險投資選擇[17]，提高家庭股票市場參與度[18]。投資選擇的變化最終會以金融資產或非金融資產等形式反映到家庭財產水平上。何金財和王文春(2016)實證分析發(fā)現(xiàn)社會網(wǎng)絡對家庭財產水平的提高作用呈U型特征[14]。由此，本文提出如下假設：

H3：財產水平越高的家庭，其社會網(wǎng)絡回報率越高。

三、數(shù)據(jù)及關鍵變量

(一)數(shù)據(jù)說明

本文數(shù)據(jù)來自2010年和2016年中國家庭追蹤調查(CFPS)，該調查包括全國29個省級行政區(qū)域，涵蓋個體、家庭、社區(qū)三個層次的數(shù)據(jù)。問卷涉及家庭收入、財產、負債、消費等多方面的信息。本文選取問卷中“財務回答人”作為家庭主事者，2010年選擇了“財務回答人”的家庭有14 790戶，2016年為11 278戶，數(shù)據(jù)匹配后的家庭共有11 203戶。

(二)變量說明

本文主要涉及以下幾個變量。

1.家庭凈財產

根據(jù)現(xiàn)有文獻的通用做法，使用扣除負債之后的家庭凈財產作為家庭財產差距的衡量指標。家庭凈財產包含土地價值、房產凈值、金融凈資產、經營性資產、耐用品等其他資產。由于家庭凈財產的分布不服從正態(tài)分布，而是向低財產值扭曲，如果直接用凈財產值進行分析，回歸結果容易受到極端值的影響；且家庭凈財產中存在0值和負值情形，不能使用傳統(tǒng)直接取對數(shù)的形式進行處理。因此，本文對財產(NW)進行如下處理[19-20]：

f(NW)=ln[NW-min(NW,0)+1]

(1)

2.社會網(wǎng)絡

社會網(wǎng)絡的測度相對收斂，主要集中于親友數(shù)量、禮金支出、城市親戚、黨員干部、政治關系等指標。有文獻使用家庭所擁有的親友數(shù)量來度量家庭層面的社會網(wǎng)絡[21]。章元和陸銘(2009)將親友聯(lián)系擴展為送禮的數(shù)額和親友的數(shù)量兩個層面[22]。趙劍治和陸銘(2010)用“家庭有幾個關系親密的親友在政府部門工作”和“家庭有幾個城里經常聯(lián)系的親友”，同時結合“去年婚喪嫁娶、生日送禮支出”和“去年春節(jié)購買禮品支出”來衡量家庭社會網(wǎng)絡[13]。此外，何軍等(2005)用“親友隨禮金額”來表示農戶與本村村民、親戚、朋友之間的關系密度[23]。陳雨露等(2009)采用“家人是否擔任干部”“家里是否有黨員”和“是否有近親在城市定居”作為農戶社會資本的代理變量[24]。

本文借鑒何金財和王文春(2016)[14]的思路，通過主成分分析法構造多維度的社會網(wǎng)絡綜合指標。選取與社會網(wǎng)絡相關的6個變量，包括家庭黨員信息、職業(yè)類型、人情支出、經濟援助支出、文娛支出及交通通信支出比重。參照趙劍治和陸銘(2010)[13]關于社會網(wǎng)絡的處理方法，本文均使用比重的形式作為社會網(wǎng)絡變量的度量標準，盡可能緩解饋贈值高是因為樣本家庭本身財產高而引起的內生性問題。

通過主成分分析法，根據(jù)特征根和累計貢獻率提取出前三個主成分，并以此視為社會網(wǎng)絡的三個指標，社會網(wǎng)絡綜合指標為這三個主成分貢獻率的加權平均值(1)2010年這三個主成分能夠解釋的變異百分比分別為25.87%、21.26%和18.25%，總的貢獻率為65.38%。社會網(wǎng)絡綜合指標Network=0.396×y1+0.325×y2+0.279×y3。2016年這三個主成分能夠解釋的變異百分比分別為26.83%、21.19%和17.72%，總的貢獻率為65.74%。社會網(wǎng)絡綜合指標Network=0.408×y1+0.322×y2+0.27×y3。。如表1所示，第一主成分中“人情支出比”和“經濟援助支出比”的系數(shù)較大，可以視為家庭維系社會網(wǎng)絡的直接支出。第二主成分中“黨員信息”和“職業(yè)類型”的系數(shù)較大，可以反映家庭成員的政治身份及職業(yè)發(fā)展中的人脈資源。第三主成分中“文娛支出比”和“交通通信支出比”的系數(shù)較大，可以視為家庭維系社會網(wǎng)絡的間接支出。

3.控制變量

根據(jù)已有文獻研究結合CFPS2010年和2016年問卷信息，本文控制變量包括主事者的年齡、自評健康狀況、家庭可支配收入、家庭規(guī)模、家庭成員平均受教育年限，以及家庭中就業(yè)人員比重等。

表1 社會網(wǎng)絡綜合指標

表1(續(xù))

(三)統(tǒng)計描述

表2給出了所有變量的統(tǒng)計描述結果。這里將重點探討2010年和2016年家庭社會網(wǎng)絡綜合指標與財產水平分布變化情況，通過計算2010年和2016年社會網(wǎng)絡分布不平等指標，發(fā)現(xiàn)社會網(wǎng)絡不平等程度加劇(2)社會網(wǎng)絡的基尼系數(shù)由2010年的0.63上升到2016年的0.71。。為探究社會網(wǎng)絡不平等程度加劇背后的機制，這里將通過社會網(wǎng)絡與財產水平分布變化及二次回歸曲線加以說明，從而驗證社會網(wǎng)絡稟賦效應的理論假說。圖2為2010年和2016年不同財產組別下社會網(wǎng)絡均值的二次回歸曲線，具體操作過程是：先根據(jù)家庭凈財產將2010年和2016年樣本進行100等分，然后分別計算2010年和2016年各財產組別的社會網(wǎng)絡均值，最后根據(jù)社會網(wǎng)絡均值與財產組別進行二次回歸。結果驗證假設H1成立，即財產水平越高的群體，其社會網(wǎng)絡擁有量越高。2010年和2016年低財產家庭社會網(wǎng)絡平均水平下降最快，其次是最高財產家庭，中高財產家庭社會網(wǎng)絡平均水平有所上升。這與劉倩(2017)[15]提出的“低社會網(wǎng)絡陷阱”相吻合。為了進一步探究社會網(wǎng)絡的累積是否存在“低社會網(wǎng)絡陷阱”，繪制2010年和2016年社會網(wǎng)絡的二次回歸曲線圖(見圖3)。具體操作過程是：先根據(jù)社會網(wǎng)絡將2010年和2016年樣本進行100等分，然后分別計算各組別的社會網(wǎng)絡均值，最后根據(jù)2010年和2016年社會網(wǎng)絡均值進行二次回歸。可以看出，2010年和2016年社會網(wǎng)絡均值的二次回歸曲線斜率不斷上升，該曲線斜率可以反映社會網(wǎng)絡的累積速度。由此驗證假設H2成立，即社會網(wǎng)絡初始稟賦越低的群體，其社會網(wǎng)絡的累積速度越慢。

表2 變量的描述性統(tǒng)計

表2(續(xù))

注：這里財產凈值、各分項財產和家庭可支配收入沒有對數(shù)轉化。后文回歸分析中如果有進行轉化會特別說明。

圖2 2010年和2016年各財產組別下的社會網(wǎng)絡二次回歸曲線

圖3 2010年和2016年社會網(wǎng)絡二次回歸曲線

四、財產決定模型及實證分析

(一)模型設計

根據(jù)前文選取的相關變量，構造家庭財產決定方程：

lnNWi,j=α0+β1Networki,j+β2Xi,j+ci+ui,j

(2)

其中，i、j分別表示家庭所在村居和家庭編碼，lnNWi,j表示經過處理后的家庭凈財產對數(shù)，Network表示家庭社會網(wǎng)絡綜合指標，X表示控制變量，包含主事者的年齡、自評健康狀況、家庭可支配收入、家庭規(guī)模、家庭成員平均受教育年限，以及家庭中就業(yè)人員比重，這里家庭可支配收入采取和凈資產同樣的對數(shù)處理方式。c為省份虛擬變量，包括控制由于地區(qū)經濟發(fā)展水平、金融環(huán)境、信息資源等差異對家庭財產水平的影響。

(二)實證分析

回歸結果見表3，其中模型一為普通最小二乘回歸(OLS)。如列(1)所示，主事者健康狀況對家庭凈財產有正向顯著影響，主事者自評健康狀況越好，其家庭凈財產水平越高。家庭可支配收入和人口規(guī)模對家庭凈財產有顯著影響，即可支配收入越高的家庭，其財產水平也越高；家庭人口規(guī)模越大，其財產水平也越高。家庭成員平均受教育程度和就業(yè)人員比重對家庭凈財產的影響較為顯著，即平均受教育程度越高的家庭，財產水平也越高；家庭中就業(yè)人員比重越高，其財產水平也越高。

引入社會網(wǎng)絡變量之后，如列(2)所示，其他控制變量的顯著性及符號沒有發(fā)生變化，社會網(wǎng)絡綜合指標在1%的水平上顯著。且社會網(wǎng)絡綜合指標每增長一個單位，家庭凈資產將提高8%。由此可見，社會網(wǎng)絡對家庭凈財產的提高有顯著正向影響。

表3 回歸結果

注：括號內為標準差。***、**、*分別表示在1%、5%和10%水平上顯著。由于篇幅原因，省份虛擬變量回歸結果省略。后同。

(三)穩(wěn)健性檢驗

Networki,j=ξ1NetworkIVi,j+ξ2Xi,j+ci+υi,j

(3)

(4)

表3中的模型二為引入工具變量后的兩階段最小二乘回歸估計結果，對工具變量進行弱工具變量檢驗發(fā)現(xiàn)，Cragg-Donald的Wald檢驗F統(tǒng)計值為2 192.47，遠高于該統(tǒng)計量在10%的水平上的臨界值16.38，拒絕“存在弱工具變量”的原假設;使用工具變量之后社會網(wǎng)絡綜合指標系數(shù)依然為正，且在1%的水平下顯著。為避免個體差異及時間變化所產生的內生性問題，本文還根據(jù)面板數(shù)據(jù)特征，分別采用隨機效應和固定效應模型進行分析。結果如表3列(4)和列(5)所示，社會網(wǎng)絡綜合指標在1%的水平下顯著。

(四)各類社會網(wǎng)絡指標的影響

本文采用主成分分析法生成的社會網(wǎng)絡綜合指標包含三類，分別為家庭維系社會網(wǎng)絡的人情成本、日常開銷，以及家庭人際關系。考慮到不同類型指標對家庭凈財產的影響有所差異，接下來將分別考察這三類指標對居民財產的影響。如表4列(4)所示，三類社會網(wǎng)絡指標對家庭凈財產的影響均在1%的水平下顯著。但是，家庭為維系社會網(wǎng)絡的人情成本每上升一個單位，家庭凈財產上升4.2%；用于維系社會網(wǎng)絡的日常開銷每上升一個單位，家庭凈財產下降5.4%。家庭人脈資源每增長一個單位，家庭凈財產上升6.1%，說明用于維系社會網(wǎng)絡的直接支出能夠顯著提高居民財產水平，而間接支出則會顯著降低居民財產水平。家庭成員政治身份及職業(yè)發(fā)展中的人脈資源能夠顯著增加居民財產水平。

表4 不同維度社會網(wǎng)絡指標的回歸結果

注：由于篇幅原因，這里只顯示不同維度下的社會網(wǎng)絡回歸結果。省略控制變量結果，控制變量包含主事者的年齡、自評健康狀況、家庭可支配收入、家庭規(guī)模、家庭成員平均受教育年限、家庭中就業(yè)人員比重及省份虛擬變量。后同。

五、2010—2016年財產差異分解

前文靜態(tài)分析社會網(wǎng)絡對家庭財產水平的影響，本節(jié)將考慮時間因素，從動態(tài)視角分析社會網(wǎng)絡變動對家庭財產水平變化的影響。本節(jié)將采用OB分解方法對2010年和2016年財產差異進行分解[27-28]。這里將簡化財產方程表達式，不再將社會網(wǎng)絡變量單獨列出。如式(5)所示：

(5)

(6)

本文以2010年為參照進行分解，考慮到某些解釋變量之間的強相關性會給分解結果帶來偏誤，本文將含義接近的變量進行合并(3)合并方法：根據(jù)回歸得出變量系數(shù)后，將分組后的變量與其對應系數(shù)相乘后再加總，得到一個新的變量。主事者年齡和年齡平方進行合并，家庭平均受教育程度、平均受教育程度平方和家庭規(guī)模進行合并生成家庭人力資本變量，所有的省份虛擬變量合并生成地區(qū)綜合變量。。結果如表5所示，2010年和2016年家庭凈財產差異主要是由回報差異造成，且回報差異在1%水平上顯著。從稟賦差異分項結果來看，社會網(wǎng)絡對財產差異的影響并不顯著；家庭可支配收入和主事者自評健康狀況對財產差異的影響較大，且在1%水平上顯著。從回報差異分項結果看來，僅社會網(wǎng)絡對財產差異有顯著正向影響。由此可見，社會網(wǎng)絡對居民財產差距的影響主要是通過回報效應進行反饋。

表5 OB分解結果匯總

注：稟賦差異和回報差異百分比由稟賦差異和回報差異值除以總的財產差異值計算得到。

OB分解僅考察了社會網(wǎng)絡對均值財產差距的影響，但是不同財產分位上社會網(wǎng)絡的影響有所不同。因此，本文接下來將采用FFL分解方法對不同財產分位上的群體財產差異進行分解[29]。該方法主要分為兩步：首先，采用RIF無條件分位數(shù)回歸方法對2010年和2016年的樣本分別進行回歸；然后，借助OB分解對這兩組樣本在不同分位點的年份財產差距進行分解。

根據(jù)2010年和2016年RIF無條件分位數(shù)回歸結果可知，2010年社會網(wǎng)絡僅對75分位點上的家庭凈財產有顯著正向影響；2016年社會網(wǎng)絡對各分位點上的家庭凈財產有顯著正向影響，且該影響隨家庭凈資產的提高呈U型變化。這說明社會網(wǎng)絡能夠有效提高家庭財產水平，低財產和高財產家庭的社會網(wǎng)絡對其財產水平的影響大于中等財產家庭。表6為基于RIF無條件分位數(shù)回歸上進行OB分解的結果，從稟賦差異的分項結果看，社會網(wǎng)絡在各個分位點上，對家庭凈財產差異的作用均不顯著。稟賦差異主要是由家庭可支配收入和主事者自評健康狀況決定的。從回報差異的分項結果看，社會網(wǎng)絡在25分位點和50分位點上，對家庭凈財產差異有顯著正向影響(4)注：限于篇幅，RIF無條件分位數(shù)回歸結果不在正文顯示。如有需要，可與作者聯(lián)系。，即對于中、低財產家庭而言，社會網(wǎng)絡會擴大家庭凈財產差異，且隨著財產水平上升，社會網(wǎng)絡對財產差異的影響程度逐漸下降。

表6 RIF-OB分解結果匯總

六、夏普利(Shapley)值分解

根據(jù)前文研究發(fā)現(xiàn)社會網(wǎng)絡對家庭財產增長有顯著正向影響，且社會網(wǎng)絡對家庭財產差異的影響主要是通過回報效應所決定。然而，社會網(wǎng)絡對財產不平等的貢獻度有多大？接下來將采用基于回歸的夏普利值分解對財產不平等進行分解[30]。主要有兩個步驟：(1)根據(jù)財產決定方程，估算出各個自變量的系數(shù)；(2)將財產差距的計算指標運用到方程兩端，得到各自變量對財產差距指標的貢獻度。前文已經對財產決定方程進行估計，本部分重點在于估算各解釋變量對財產差距指標的貢獻度。

該分解方法借鑒合作博弈論中夏普利值分解的思想，某一因素對不平等的影響為其他因素依次被固定時，該因素對不平等影響的平均值。主要思路為：將財產決定函數(shù)的某一個變量Xn取均值，然后將Xn平均值與其他變量一起代入財產決定方程估算家庭凈財產，根據(jù)估計的財產值測算財產的不平等指數(shù)，記作I-n。當自變量Xn取平均值時，其他變量的取值可以是實際值，也可以是平均值，將各種方案下Xn貢獻度的均值作為最終結果。假設有N個被解釋變量，根據(jù)夏普利值方法計算各變量對財產不平等的貢獻率，具體操作方法如下：

第一階段僅對變量Xn取均值，其他變量為實際值，回歸擬合值的不平等指數(shù)為I-n，原先包含變量Xn的回歸擬合值的不平等指數(shù)為I,第一階段計算的第N個要素的不平等指數(shù)為：

(7)

(8)

(9)

依次下去，每一階段都按照上述方法計算該階段變量Xn的不平等貢獻度，最后將所有階段不平等貢獻度再次求均值，得到變量Xn按照夏普利值方法計算的不平等貢獻：

(10)

由于每增加一個變量，運算量將呈幾何級數(shù)增長，當變量過多時，通常無法得到分解結果。為保證夏普利值分解結果的有效性，參照趙劍治和陸銘(2010)[13]的方法對解釋變量進行降維，將含義相近的變量進行合并(5)合并方法：根據(jù)回歸得出變量系數(shù)后，將分組后的變量與其對應系數(shù)相乘后再加總，得到一個新的變量。主事者年齡和年齡平方進行合并，家庭平均受教育程度、平均受教育程度平方和家庭規(guī)模進行合并生成家庭人力資本變量，所有的省份虛擬變量合并生成地區(qū)綜合變量。，從而得到新的變量進行接下來的分解。如果直接采用家庭財產對數(shù)值分解，會造成財產變量分布的扭曲，因此需要對前文家庭財產決定方程進行轉換：

NWi,j=exp(α0)exp(β1Networki,j+β2Xi,j+ci)exp(u)

(11)

財產差距是由兩部分組成，即可被方程中自變量解釋的財產不平等和由殘差項引起的財產不平等。前者是根據(jù)回歸方程擬合值計算的財產差距與總財產差距的比值，后者即殘差項引起的財產不平等，為1減去可被解釋的財產差距部分。如表7所示，各樣本組下凈財產差距被解釋的比例均大于50%，說明財產方程中的自變量能夠解釋財產差距，從而可以保證接下來分解結果的可靠性。

表7 總財產差距和被解釋比例

由表8可知，整體看來，家庭綜合變量對居民財產差距的影響最大，其次是主事者綜合變量和省份虛擬變量，最后是社會網(wǎng)絡變量。2010年和2016年社會網(wǎng)絡綜合指標對居民財產差距的貢獻度由0.66%上升到1.18%，說明社會網(wǎng)絡對家庭凈財產差距的貢獻度不斷擴大。此外，根據(jù)城鄉(xiāng)劃分發(fā)現(xiàn)，農村家庭社會網(wǎng)絡對其財產差距的貢獻度縮小，而城鎮(zhèn)家庭社會網(wǎng)絡對其財產差距的貢獻度擴大。由此可見，2010年和2016年城鎮(zhèn)家庭社會網(wǎng)絡對財產不平等的貢獻逐漸大于農村家庭。

表8 2010年和2016年夏普利值分解結果

注：由于篇幅原因，這里不列示城鄉(xiāng)樣本分解結果。

七、總結

本文利用CFPS2010年和2016年面板數(shù)據(jù)，從稟賦效應和回報效應兩個方面探討社會網(wǎng)絡對中國居民財產差距的影響。通過財產決定方程實證分析發(fā)現(xiàn)，社會網(wǎng)絡對家庭凈財產的提高有顯著正向影響，即社會網(wǎng)絡總指標每增長1個單位，家庭凈資產將提高18.8%。考慮可能存在的內生性問題，分別采用工具變量法、隨機效應和固定效應模型進行檢驗后發(fā)現(xiàn)，社會網(wǎng)絡對家庭凈財產仍然有顯著正向影響。通過OB分解和FFL分解對2010年和2016年財產差異進行分析，結果表明2010年和2016年家庭凈財產差異主要是由回報差異造成，且回報差異在總體上是顯著的。根據(jù)城鄉(xiāng)劃分結果來看，社會網(wǎng)絡綜合指標對城鎮(zhèn)家庭財產的回報差異有顯著正向影響，且社會網(wǎng)絡與城鎮(zhèn)家庭財產水平呈U型變化。此外，本文還根據(jù)夏普利值分解對財產不平等進行分解，考察各因素對家庭凈財產不平等的貢獻率。結果表明，2010年和2016年社會網(wǎng)絡綜合指標對居民財產差距的貢獻度由0.66%上升到1.18%，說明社會網(wǎng)絡對家庭凈財產差距的貢獻度不斷擴大。

本文為家庭財產差距的微觀形成原因提供了實證依據(jù)，并且說明社會網(wǎng)絡對于城鄉(xiāng)財產差距的影響越來越重要。因此，要改變當前家庭財產差距不斷擴大的現(xiàn)狀，除了積極推行各項財富分配政策以外，還需要在制度上重視，營造公平公開的市場環(huán)境，使每位公民都能公平分享改革發(fā)展的紅利。