高收入数据引入视角下我国居民收入极化问题研究

荣慧娟　李庆海　李欣桐　冯瑶琪　葛晓燕

摘要：衡量居民收入不平等的指标除了基尼系数之外，还有收入极化这一重要变量。然而，已有的测算我国居民收入极化程度的研究，往往由于忽略高收入群体的存在而导致估计结果出现偏误。对此，文章基于2013年和2018年住户数据（CHIP数据），引入高收入群体数据（TIC数据）进行拼接，进而得到更具代表性的中国居民的收入数据库。以此为基础，研究我国居民的收入极化程度、特征及其变化趋势。研究发现，我国居民收入极化程度整体处于较高水平，特别在引入高收入群体数据后极化程度明显提高，由此表明引入高收入群体以测算极化程度是有必要和价值的;我国居民收入极化程度规律发生变化，在引入高收入群体数据前极化程度有所降低，但在引入高收入群体后有所提高;“认同—疏离感”框架可知，在引入高收入群体数据前，认同感在减弱而疏离感在增强，但在引入后认同感和疏离感均有所上升。文章对正确认识我国居民收入不平等、收入分配政策的制定和调整具有重要参考意义。

关键词：住户数据;高收入群体数据;数据拼接;收入极化

一、引言

改革开放以来，我国经济水平较快增长，综合国力不断增强，人民收入水平得到显著提升，然而我国居民的收入差距始终处于较高水平（罗楚亮等，2020）。收入不平等现象引起了人们的广泛关注，对此学者们主要围绕衡量收入不平等的重要指标——收入基尼系数进行研究，并取得了丰硕成果（陈宗胜和张杰，2021）。然而，对于衡量收入差距的另一重要指标——收入极化程度的研究相对较少，近年来这一问题逐步得到重视。事实上，公众最为熟知的收入两极分化从另一重要角度描述了收入的不平等现象，即收入的中端人群不断地减少，高收入群体尤其是低收入群体规模不断扩大，最后导致“中产阶级空洞化”的社会分配结构（Foster and Wolfson，2014）。在两极分化的基础上，会逐渐衍生出多极分化，即收入空间中的个体已经集聚成若干个势均力敌的收入群体，但群体内部之间相对认同，群体之间相互冲突。换句话说，收入多极分化就是社会的大部分收入向少数几个群体聚集的过程，它会导致阶级固化和社会撕裂，影响经济的发展与社会的和谐（Esteban and Ray，1991）。

有关收入极化问题的研究最早起源于国外。20世纪90年代 Esteban and Ray（1991）提出了ER指数，而Duclos et al.（2004）对其做了改进，即如今使用的DER指数，这是目前较常用的衡量收入极化程度的重要指标。Esteban and Ray（1991）构建了“认同-疏离感”框架，认为收入相近的人群聚集为同一群体，群体内部认同感较强，内部成员之间具有较为类似的特征;但不同群体之间疏离感较强，与其他组的成员存在明显不同，这一框架也是分析收入极化问题的经典工具。目前，国外对于极化问题的研究日趋完善和成熟，包括一国或者地区收入极化程度的测度、分解及其变动趋势（Gochoco-Bautista et al.，2013），对经济增长或者社会犯罪率等方面的影响（Lee and Shin，2011），以及收入极化程度的影响因素等（Duca John V and Saving Jason L，2016）。近年来，国内学术界借鉴国外相关研究，陆续展开了对收入极化问题的研究，主要包括收入极化程度的测度、分解及其演化趋势（汪晨，2015;冯毓文，2020），收入极化程度的影响因素（冯毓文，2020），收入极化程度对经济发展和社会稳定等方面的影响（张晓芳，2017）。

值得注意的是，针对中国居民收入极化问题的研究，主要基于国家统计局公布的住户调查数据或者学者们自行组织开展的大型微观住户数据（CFPS、CHIPS、CHFS等）进行。然而，由于调查时间、成本和空间等诸多方面的限制，住户数据往往仅对中低收入者具有良好的代表性，对于高收入的代表性却不足。可想而知，不能真实地反映我国居民收入分布的极化程度。近年来，有学者尝试通过引入高收入群体对我国居民收入不平等进行重新测算，并发现在引入高收入群体数据后，居民收入差距的基尼系数往往显著提高（罗楚亮，2019;Li et al.，2020）。

那么，对下列问题的回答就变得极为重要：基于住户数据研究所得的我国居民的收入极化程度如何？将高收入群体数据与住户数据拼接后，我国居民的收入极化程度又会如何，是否发生明显变化？收入极化的变化趋势如何，是否同样发生改变？这些问题都是本论文研究的出发点和归宿点，并且收入极化问题的研究对中国建设和谐社会和保持经济平穩增长具有重要的理论和实践意义。鉴于此，本文采用北京师范大学中国收入分配研究院构建的中国高收入群体数据库（Top income in China database，以下简称TIC数据库），并与2013年和2018年的住户数据（中国家庭收入调查数据，以下简称CHIP数据）进行拼接，进而对2013和2018年我国居民收入极化程度、特征及其变化趋势进行修正。

与已有文献相比，本文的主要贡献在于以下方面：第一，已有有关中国高收入群体的数据主要为超级富豪群体，局限于高收入群体的最顶端部分，高收入群体的代表性显然严重不足（Li et al.，2020）。本文补充了其他几类较有代表性的非顶端高收入者，为本领域研究奠定了良好的数据基础。第二，本文比较了引入高收入群体后，我国居民收入极化的程度、特征及其变化趋势有何变化，对本领域研究有着较好的补充和深入。第三，已有文献在将住户数据和高收入人群数据进行拼接时，拼接点与拼接方法的选择存在具有一定主观性和缺乏严格标准等问题。对此，本文借鉴国际上前沿的拼接方法进行拼接，所得结论更为准确和可靠。第四，本文从“认同-疏离”框架出发，分析和比较了我国居民收入极化规律的动态变化特征，有利于正确和深入理解我国居民收入极化问题。

本文剩余部分安排如下：第二部分是文献综述，对现有文献进行梳理和分析;第三部分介绍数据，包括本文使用的住户数据（CHIP数据）与高收入群体数据（TIC数据）;第四部分是研究方法，介绍了将CHIP数据与TIC数据进行拼接的方法，并且对所使用的DER指数进行简要解释;第五部分是极化的测算与结果分析;最后是结论与政策建议。

二、文献综述

（一）收入极化的相关研究

1. 国际研究

国际上关于收入极化问题的研究开展较早。就收入极化程度的测度而言，Esteban and Ray（1991）较早对收入极化进行研究，该文阐释了收入极化的概念与内涵，并首次提出通过“认同性，疏离性”框架（目前的极化指数都遵从该框架）构建 ER 极化指数。Duclos et al.（2004）在 ER 指数的基础上将其改进变为 DER 指数，是目前较为常用的测度指标。

就收入极化程度的结论方面，Wang et al.（2018）对欧洲国家的收入极化进行测度后发现，2004～2012年间整个欧洲的两极分化相对稳定。Schettino and Khan（2020）通过对美国两极分化研究测度发现，1998～2018年美国出现了典型的两极分化，并且其国内的种族、阶级和性别等共同作用于弱势群体造成了两极分化的恶性循环。

就收入极化的影响而言，Lee and Shin（2011）研究发现，当收入向两极分化时，处于底层人民的收入较低，并且较难获得较高收入，所以他们的犯罪倾向更高。在欧洲，收入不平等经常与政治极化相联系，收入不平等的加剧经常会加剧政治的两极分化，并且这两者之间存在双向的相关关系（Duca and Saving，2016）。Mussini（2016）运用回归树分析收入极化后发现，教育状况，就业状况，教育与年龄的交互项，就业与年龄的交互项都是影响收入极化的重要影响因素。

2. 国内研究

在国内，近年来收入极化问题也受到相关学者的重视，大都借鉴国外的研究思路与方法展开。就收入极化程度的结论而言，张晓芳（2017）研究发现，我国两极分化的增长速  度小于收入不平等的增长速度;胡志军等（2018）研究发现，我国 1985～2009 年总体极化程度逐渐加剧，而 2009 年以后有所下降。 高艳云等（2020）基于CFPS数据的分析认为，我国的收入极化现象日趋严重，并且工资性收入在极化变动中起主导作用。

就收入极化程度的影响因素而言，宏观方面，冯大力和李后强（2013）认为，经济  规律、制度缺陷、法制不完善和教育不平等都会对收入极化产生深远的影响;洪兴建等（2020）研究发现，我国城乡长期多维极化呈现明显下降的趋势，其主要原因是教育、交通、通信支出导致极化效应下降。微观层面上的分析相对较少，有学者认为家庭户主的个性特征和家庭本身的特征都不同程度上对收入极化产生显著影响（黄永强，2019）。罗楚亮（2010）研究认为，城乡合并样本下的极化主要由于城镇内部基尼系数和城乡收入差距所解释，而就业及经济转型对于城镇内部极化现象具有重要的解释作用。

就收入极化的影响而言，很多学者认为严重的收入极化不利于社会经济的发展，对社会的和谐与稳定都会产生负面影响（汪晨等，2015;张晓芳，2017）。譬如，汪晨等（2015）研究认为我国城乡之间存在的两极分化与多极分化，无法有效刺激经济增长和消费提振;张晓芳（2017）研究发现，收入极化将不利于劳动参与率的提高，社会将很有可能出现一系列以经济为主的诈骗、盗窃、抢劫和抢夺等不法现象，导致更高的犯罪率。

（二）弥补住户数据中高收入群体数据缺失的相关研究

由于住户数据只对中低收入者具有良好的代表性，对于高收入的代表性却不足，因此不能真实地反映我国居民收入的真实分布，更不用说正确评估收入的极化程度。为了解决高收入人群遗漏问题对于我国极化研究的影响，有必要进一步弥补和完善住户数据库，进而来提高測算收入极化指标的准确性。遗憾的是，目前对住户数据进行高收入群体修正的文献主要集中在收入基尼系数方面，有关收入极化的文章较为匮乏。

目前，对于住户数据中高收入者代表性不足的问题，国际上的主流做法主要是试图从数据角度去完善和补充高收入群体部分，主要有遗产税数据倒推、纳税数据修正、政府行政部门数据推断及个体行为数据预测等，并且取得了较好的研究效果（Atkinson et al.，2011）。然而，中国并未建立遗产税制度，税务部门的纳税数据难以获取，跨部门行政信息联动平台尚未成熟，个体行为数据的适用性也较差，导致上述方法在中国的应用受到了诸多限制（Li et al.，2020）。

对此，部分学者尝试从技术层面修正中国住户数据中高收入群体数据缺失导致的估计偏差。譬如，罗楚亮（2019）通过收集两榜富豪（胡润百富榜和福布斯中国富豪榜）的数据，将资产按照一定比例折算为收入后，使用OLS回归得到帕累托（Pareto）分布函数的参数估计值，并将帕累托函数向左延伸以补充缺失的高收入人群，进而与住户数据合并形成完整的收入分布，以此为基础推算全国居民的收入差距。Li et al.（2020）引入了不同行业的高收入群体后，修正后发现2016年中国居民收入基尼系数由0.46提高到0.64，其中高收入群体主要包括两榜超级富豪、私营企业主、上市公司高管、演员、网红和网络作家等较具代表性人群，这也是迄今为止有关中国高收入群体最具代表性的研究之一。

综上，目前国内外对于收入极化的研究已经较为丰富，但囿于住户数据中对高收入群体的捕捉不足，因此对收入极化的测度可能存在一定低估。

三、使用数据

本文的数据包括两个来源，即住户数据为中国家庭收入项目调查（ CHIP）2013年和2018年数据，高收入群体数据来自2013和2018年的中国高收入群体数据库（Top income in China，简称TIC数据库），下面分别予以介绍。

（一）住户数据

为了追踪中国收入分配的动态情况，北京师范大学中国收入分配研究院收集了1988、1995、2002、2007、2013和2018年的中国家庭的收支状况等方面信息，也就是国内外知名的CHIP数据。调查样本来自国家统计局的年度常规住户调查样本框，调查内容主要侧重于就业、收入和消费支出等方面。被抽中的调查户要求以日记账的形式记录每天所发生的经济活动及相应的收入和支出金额，统计部门根据这些信息可汇总得到各种分项收入和家庭总收入信息，对一般居民的收入具有较好的代表性。本文主要使用2013年和2018年数据。值得注意的是，本文将收入小于0的个体按照常见处理方法，收入一律取值为0（罗楚亮，2020;Li et al.， 2020）。

（二）高收入群体数据

TIC数据库同样为中国收入分配研究院构建，其构建的原理和思路参阅中国居民收入分配研究院（2019）和Li et al.（2020），简便起见此处不再赘述。事实上，目前关于高收入群体的定义尚无统一标准。但国家统计局发布的《2018年全国时间利用调查公报》中，曾经指出高收入人群是指月收入在1万元以上，即年收入12万元以上的个人。2016年底颁布的《个人所得税自行纳税申报办法（试行）》规定年收入12万元为个人自行申报纳税的起点。尽管纳税申报起点并不涉及高低收入人群的界限，但年收入低于12万尚未达到纳税申报标准，难以列入高收入人群的范畴。由此，TIC数据库制定高收入样本时界限，仍沿用了12万元作为数据收集的门槛。采用年收入12万元这一相对保守的门槛，是为了尽量避免遗漏“可能”属于高收入人群的样本。以12万元为数据收集门槛，建立高收入数据库，经过简单的处理后，就可以保留研究所需的实际高收入样本信息。

四、研究方法

（一）收入多极分化程度的测度方法

参照已有研究，此时衡量居民收入多级分化程度的DER指数如（1）所示：

DER=Pα（f）= f（x）1+α |x-y|dxdy（1）

式（1）中，α表示多极分化指标的敏感性参数，取值范围为0.25≤α≤1;f表示密度函数。|x-y|表示个体收入位于x点与个体收入位于y点之间的收入差距。式（1）进一步可以改写为式（2）：

DER=Pα（F）= f（y）a（y）αdF（y）（2）

式（2）中a（y）=μ+y（2F（y）-1）-2 xdF（x）假定收入yi满足随机独立分布且满足y1≤y2≤……≤yn，F（y）为收入分布函数。那么，DER 指数可以表示为式（3）：

DER=Pα（F）=n-1∑  ^f（yi）αa^（yi）（3）

式（3）中，a^（yi）=μ+yi（n-12（i-1）-1）-n-1（2∑  yjyi。其中，f（yi）α是基于非参数核密度估计的结果，μ表示样本的均值。通过非参数核密度估计的方式依据式（3）可以计算出 DER指数。一般来说，DER取值越大则表明多级分化程度越高。

进一步，借鉴 Esteban andRay （1991）提出的“认同—疏离”分析框架，其中认同度表示为τ（x）=f（y）^α，疏离度表示为I（x）= f（y）|x-y|dy，考察不同群组之间的内部差异和外部差异。由于|x-y|表示收入为x与收入为y二者之间的差距，那么x与y存在着两种情形，即当x>y 时，|x-y|=x-y，否则|x-y|=0。疏离程度I（x）可以改写为I（x）= （[τ（x，y）+τ（y，x）]）f（y）dy。τ（x，y）和τ（y，x） 分别表示“认同—疏离”的两种情形。τ（x，y）表示当x>y时的|x-y|结果，τ（y，x） 表示当xDER=τ（x）×I（x）×（1+ρ）（4）

式（4）中，τ（x）表示加总后的社会平均认同程度，I（x）表示加总后社会平均疏离程度，ρ表示相关程度。其中，τ（x）= f（y）1+αdy，I（x）= f（x）|x-y|dxdy。簡便起见，此处不再赘述，具体可参阅Duclos et al.（2004）的介绍。

（二）住户数据和高收入群体数据的拼接方法

在一般的住户数据中，往往对中低收入群体有着较好的覆盖性，但对高收入群体覆盖不足。所以直接采用住户数据进行我国的收入极化研究，相关结论可能会出现偏误。要想正确度量收入分化程度，首先需要选取科学和合理的拼接点，将高收入群体数据与住户数据进行合理拼接后得到混合数据，进而得到更具代表性的居民收入分布数据，在此基础上考察居民收入极化结论可能更为合理和科学。

事实上，一个完整的收入分布曲线应当如图1所示，包含覆盖性较好的居民收入数据 A部分，也包括居民收入调查少部分覆盖的 B 部分，还有居民收入调查没有涉及的 C 部分。但是 B 部分和 C 部分在调查中被遗漏的原因却是不同的。其中，C样本由于处于收入的顶端即顶级富豪群体，这部分群体在平时的抽样中被抽中的概率极低，并且如上文提到的，总会因为一些原因无法通过调查获得他们的收入信息，但是该群体是受到社会普遍关注的人群，其中许多人的收入和财富方面的信息被聚集在媒体和公众的视线内。B 部分样本代表高收入群体的非顶端部分或者是高收入群体中的“相对中低收入者”，在全部人口中占据一定比例，被抽到的概率相对要高些。但是，在抽样过程中被调查对象未必会积极配合，譬如拒绝回答或者瞒报真实收入等，往往他们的收入和财富方面的信息也难以获得。因此，实际抽样调查的样本往往对这两类高收入群体缺乏代表性。

诸多研究表明，居民收入在超过特定门槛后往往就服从典型的帕累托分布。本节运用帕累托分布进行分析。

让x代表收入，在连续分布？譹？訛下帕累托函数的概率密度p（x）可表示为：

p（x）dx=Pr（x≤X

在式（5）中，X是观测值，C是标准化常数，α称为标度参数。当x→0时，这个概率密度函数是发散的，因此上式不能适用于所有x≥0，必须有某个幂律行为的下限，这里用xmin表示这个界限，称为门槛值（the lower bond）。然后，假设α>1，计算标准化常量发现式（6）：

p（x）= （ ） （6）

在连续情况下，对应的互补累计分布函数P（x）？譺？訛可以表示为式（7）：

P（x）= p（x′）dx′=（ ） （7）

传统文献往往采用最小二乘回归法（OLS）来估计标度参数，但此类方法会产生显著的系统性误差，更为具体的讨论参阅附录A。而Clauset et al.（2009）在使用人工数据集进行参数估计时发现，最大似然估计法（MLE）在上述帕累托模型中可以得到一致、渐近无偏并且渐近有效的规模参数估计值。因此，相较于OLS方法，MLE方法更具适用性。根据（7）式可以得到对数似然统计量MLE为式（8）：

L=lnp（x|α）=ln    = [ln（α-1）-lnxmin-αln ]=nln（α-1）-nlnxmin-α∑  ln （8）

设定 =0，求解最大似然估计量，从而得到关于规模参数α的解析解式（9）：

=1+n[∑  （ln ）] （9）

无论使用上述哪一种估计方法，都必须事先确定幂律分布的门槛值。早期文献广泛使用的一种方法通过观察图像的方法来选择起点，将帕累托分布的概率密度函数取对数，绘制观测值与概率密度函数对数的图像，认为图像呈现直线形式的部分符合帕累托分布。Jenkins （2017）等研究对此类主观做法提出了质疑：一方面，使用直接观察的方法存在一定的误差;另一方面，无法对帕累托分布和对数正态分布加以统计学意义上的区分。鉴于此，Jenkins （2017）提出了一种更为客观的方法，使用Kolmogorov Smirnov（KS）统计量最小化拟合帕累托模型与经验分布之间的距离D，表示为式（10）：

minD=min{ |S（x）-P（x）|}（10）

在式（10）中，S（x）表示实际数据在给点门槛值以上的互补累积分布函数，P（x）表示通过给定门槛值拟合的幂律分布所估计的互补累积分布函数。

运用上文介绍的参数估计方法，发现TIC2013中的高收入人群年收入从103万元开始服从帕累托分布。103万之前的数据使用CHIP数据，103万之后的数据使用TIC数据，由此得到的混合数据可能对中国居民收入分布有着更为科学和合理的认知（Li et al.， 2020）。类似地，CHIP2018年数据从94万开始服从帕累托分布，此处不再赘述。

五、收入极化的测算与分析

（一）基于住户数据的收入极化测算

本文首先采用CHIP2013和2018年数据，对我国居民收入极化特征及其变化进行分析，结果如表1所示。稳健性起见，此时敏感性系数α取值分别为0.5和0.1。

由表1可知，就2013年而言，随着敏感性系数α的增大，DER指数出现下降，即收入极化程度降低，疏离性基本保持不变，认同性显著减小，即DER指数随敏感性系数下降的主要原因在于同一群组内的认同性出现下降。类似地，2018年的DER指数随着敏感性系数的变化及其原因与之类似。这一特征吻合其他论文的结论，由于不是本文的关注重点，此处不再赘述。

就收入极化程度而言，与2013年相比，无论敏感性系数取值为0.5还是1，2018年的收入极化程度相较2013年有所下降，即居民收入极化现象有所缓解。究其原因，与2013年相比，2018年认同性有所下降，而疏离性有所增强。一般而言，组内认同感度量了收入群体内部的局部聚拢现象的强度，其下降表明收入分布中局部聚拢的现象有所减弱;组间疏离感度量了不同收入群体之间的局部距离大小，其上升表明不同收入群体间的极化在加剧，反之在下降。由此表明，2018年收入极化与2013年相比有所下降的原因在于认同性下降所主导，即同一群组内部成员间的认同感减弱，但不同群组之间的疏离感有所增加。

（二）引入高收入数据后的居民收入极化

下面，本文将CHIP与TIC进行拼接得到混合数据，重新考察我国居民的收入极化程度，具体结果如表2所示。

表2与表1相比，无论α取值为0.5还是取值为1，无论是2013年还是2018年，DER指数均有明显提高，这就表明以往文献单纯采用住户数据估算收入极化程度可能会出现低估现象，由此表明本文引入高收入群体数据的必要性和合理性。

就极化程度的变化趋势而言，与2013年相比，2018年DER指数出现明显提高，即居民收入极化程度有所增强，这与表1中极化程度出现下降形成鲜明对比。例如：CHIP测算的DER指数在0.181～0.256，而加入TIC数据库之后的DER指数在0.537～0.621，远高于CHIP数据所测算得出的结果。即在引入高收入群体数据后，我国居民收入的极化程度不是有所下降而是有所上升，再次表明本文引入高收入群体数据进行修正是有必要的。

进一步来看，在引入高收入群体数据后，无论是认同性还是疏离性均有显著提升，这与采用住户数据中认同性有所下降而疏离性有所增强有所不同。在引入高收入群体后，同一群组内部成员间的认同感在增强，但疏离感也在增强，最终导致收入极化程度有所提升。

六、结论及政策建议

本文基于2013年和2018年住户数据（CHIP）和高收入群体数据（TIC），采用合理的统计学工具将二者进行拼接，避免了住户数据中对高收入群体覆盖不足的痼疾，重新估算了我国居民收入分布的多极分化程度。本文主要有如下结论：首先，无论是否引入高收入群体数据，我国居民收入多级分化特征明显，尤其是引入高收入群體后居民收入多极分化程序明显提高，因此引入高收入群体以修正居民收入极化程度的测算是有必要和价值的。其次，在引入高收入群体数据后，我国居民收入的极化程度规律有所变化，在引入高收入群体数据前极化程度有所降低，但在引入高收入群体后有所提高，再次表明引入高收入群体数据的重要性。最后，由认同—疏离框架可知，认同感在减弱而疏离感在增强，但在引入后认同感和疏离感均有所增强。

综合研究结论和具体国情，本文提出以下几点政策建议：1.调整并完善现行经济政策，通过初次分配和再分配降低收入差距。利用初次分配扩大劳动者报酬占国民收入的比重，提升人均收入水平，提高初次分配的效率，体现社会公平。在再分配中，细化调整所得税体制，通过税收政策对极端高收入的特殊行业进行收入调节，降低收入分布的认同性及疏离性，改善收入极化现象。2.为低收入群体提供以帮扶为主，救济为辅的基本生活保障。对低收入群体提供更加优惠的信贷政策，鼓励其自主创收，摆脱贫困。集中对有就业意愿的低收入者进行就业培训，为其提供就业岗位，增强其融入市场的能力，从而缩小低收入群体的规模，不断提高其收入下限，降低总体收入差距，减弱收入极化现象。3.建立并完善高收入数据库，对高收入人群收入来源、纳税等问题进行登记。完善高收入数据库并将其与CHIP数据相结合，有利于对现有的收入不平等状况的测算进行修正，降低偏离程度，更加真实准确反映出我国实际的收入分布状况，对于我国收入分配的宏观调控有着重要参考价值。

参考文献：

[1]Atkinson A，Piketty T，Saez E.Top Incomes in the Long Run of History[J].Post-Print，2011，49（1）：3–71.

[2]Saving，Jason，L，et al.Income Inequality and Political Polarization：Time Series Evidence Over Nine Decades[J].Review of Income & Wealth Journal of the International Association for Research in Income & Wealth，2016，62（3）：445-466.

[3]Duclos J Y，Esteban J M，Ray D.Polarization：Concepts，Measurement，Estimation[J].Social Science Electronic Publishing，200472（6）：1737-1772.

[4]Esteban J M，Ray D.On the Measurement of Polarization[J].Boston University-Institute for Economic Development，1991（24）.

[5]Foster J E，Wolfson M C.Polarization and the decline of the middle class： Canada and the U.S.[J].Journal of Economic Inequality，2014，12（3）：435-437.

[6]Gochoco-Bautista，Socorro M，Bau-tista，et al.Income Polarization in Asia[J].Asian Economic Papers，2013，12（2）：101-136.

[7]Jenkins S P.Pareto Models，Top Incomes and Recent Trends in UK Income Inequality[J].LSE Research Online Documents on Economics，2017（334）.

[8]Li Q，Li S，Wan H.Top incomes in China：Data collection and the impact on income inequality[J].China Economic Review，2020，62

[9]Mussini，M.On measuring income polarization：an approach based on regression trees[J].Statistics in Transition New，2016（17）

[10]Schettino F，Khan H A.Income polarization in the USA：What happened to the middle class in the last few decades？[J].Structural Change and Economic Dynamics，2020， 53：23-54.

[11]Virkar Y，Clauset A.Power-Law Distributions in Empirical Data[J].Siam Review，2009，51（4）：661-703.

[12]Wang J，Caminada K，Goudswaard K，et al.Income polarization in European countries and Europe wide，2004～2012[Polarization of the poor： multivariate relative poverty measurement sans frontiers][J].Cambridge Journal of Economics，2018，42.

[13]陈宗胜，张杰.新中国前30年中国居民收入差别估算及影响因素分析——兼及改革开放前后中国居民收入基尼系数总趋势及比较[J].中国经济史研究，2021 （02）：160-183.

[14]冯大力，李后强.论两极分化的现状、成因及治理对策——兼论现阶段的非均分配与不当占有[J].经济体制改革，2013（05）：5-9.

[15]冯毓文.工资极化现象的出现、测度和影响[J].当代经济，2020 （12）：105-107.

[16]胡志军，陶纪坤.我国居民收入分布的极化测度及其影响因素[J].当代财经，2018（04）：3-13.

[17]黄永强.中国收入极化问题及其影响因素研究[D].武汉：中南财经政法大学，2019.

[18]罗楚亮.高收入人群缺失与收入差距低估[J].经济学动态，2019（01）：15-27.

[19]罗楚亮.收入结构与居民收入差距变动——新中国成立以来收入差距的基本特征[J].北京工商大学学报（社会科学版），2020，35（04）：32-42+56.

[20]汪晨，万广华，曹晖.中国城乡居民收入极化的趋势及其分解：1988～2007年[J].劳动经济研究，2015，3（05）：45-68.

[21]张晓芳.我国居民收入两极分化的特征及影响分析——基于EGR指数的研究[J].云南财经大学学报，2017，33（05）：73-84.

[22]羅楚亮.居民收入分布的极化[J].中国人口科学，2010（06）：12.

[23]高艳云，陈岩.基于CFPS数据我国居民收入极化的测度与分解研究[J].西南林业大学学报：社会科学，2020，4（03）：9.

[24]洪兴建，董君.多维极化的测度：新的方法及其应用[J].统计研究，2020，37（09）：10.

（作者单位：南京财经大学经济学院）