主题：关于我国基尼系数的真相和争论 -- hwd99

5 我国收入统计数据本身存在的问题

5.1可靠性评价：

在这些调查数据中，北师大研究者岳希明、李实认为，国家统计局数据具有较高的可靠性，主要包括较大的样本数，较可靠的收集方法。例如，国家统计局通过日记账方式收集样本户收入和支出信息，比西南财大采取的一次性回忆的数据收集方法更为准确。更重要的是，统计局住户调查详细地收集了农户各种粮食作物产量等信息，因此对农户自产自用农产品收入的估计十分准确，这一点是以往其他住户收支调查难以做到的。

已经有文章指出，西南财大的报告低估了低收入人口的数据，中国家庭金融调查与研究中心在一份英文资料中给出了城镇有25%的居民家庭年收入在6420元以下，农村有25%的 居民家庭年收入在4294元以下的计算结果。有人指出，这一结果意味着，“在2010年，中国城镇居民家庭四户中有一户的人均月收入在200元以下，即每 天约为6元以下，农村中四户中有一户的人均月收入在100元以下，即每天3元钱以下。这意味着中国有四分之一家庭濒于或正处于饥饿状态中。”这种极端现象 不现实，因此，西南财大的课题组在计算基尼系数时，“将收入小于0的家庭去掉，同时去除最高和最低收入的1%的家庭。”对自己的调查数据进行了修正。

岳希明、李实也不否认，国家统计局数据存在缺陷，主要是对高收入群体调查数据偏低，直接导致对城镇内部收入差距的低估、城乡之间收入差距的低估和全国收入差距的低估。同时指出，这不是中国独有的问题,是世界各国都面临的问题。（http://www.ciidbnu.org/news/201301/20130123092800706.html）

图3 统计年鉴提供的平均收入与根据分组收入数据计算的收入之间的相对偏差

统计年鉴上提供的城镇分组收入数据可计算平均收入，农村分组数据从2002年开始比较完备，也可以计算得到平均收入，而年鉴本身均提供了当年的城镇和农村平均收入，但是，很多年份，两者之间都存在较大偏差，如图3所示，最大正负误差都超过了10%。

5.2 其他问题

Khan和Riskin评论国家统计数据太少，用于收入分配分析不够。Fang等同样认为这个问题比较突出。例如，1996年人均收入2000元以上分区的农户已经占38.4%，2007年，人均收入5000元以上分区的农户已经占30.94%。

城乡二元问题，提供的城乡两个群体内部的分布数据，没有提供整体分布数据，难以准确计算整体基尼系数。目前很多研究者给出了自己的研究结果，但是，大家的答案相差很大。对1995年中国基尼系数，有很多不同估计。1999年陈宗胜估计为0.365，2002年，他和周云波采用另外两个方法估计为0.384和0.419；2006年程永宏估算为0.417，2008年又估算为0.393；shujian Xiang1998年估算为0.3515；后来估计为0.328（1999）。赵人伟等估计为0.445；Khan和Riskin在2001年估算为0.452；2007年Ravallion和chen估算为0.415(世界银行)。

李实等认为，城市还有很多隐藏收入，包括住房，医疗，养老金，和失业保险金等，如果考虑这些隐私，城乡居民收入差距还将增加三分之一。

收入和人口的统计标准不一致。1991年前，收入是平均收入，而不是可支配收入。 还有一些错误，例如，1994年出版的1985和1991年乡村居民累积收入超过100%，1993－1995年出版的1991年数据互不相同。

还有人指出，登记数据的标准也经常变化，1982年前，统计资料依据登记居民，1982－1989是根据第三和第四次人口统计。1990－2000根据2005年第五次人口统计资料估算，2001年以后，又来自取样调查。第五次人口统计资料认为居住城市6个月以上为城市人口，而第四次统计则要求一年以上。不管怎么说，中国的家庭登记系统要求城市居民是登记在册的居民，不管他们是否居住在当地。这个标准与统计年鉴标准非常不同。在城市登记的，也许住在农村，而许多农村住民实际居住在城市，却不在城市登记。根据第五次人口普查，1998年33.35%人口居住在城市，根据第四次则为30.4%，而根据登记系统，则为24.7%。笔者以为，这个主要影响城乡收入差别的分析，不影响总体基尼系数估算。

也有人认为，中国和其他国家在统计方法上的差别。例如，中国要求登记家庭年收入，其他国家登记的周收入，或两周收入等。比较而言，一年收入登记可以减小收入波动，从而会导致基尼系数低估。从原理上来看，减小收入波动，从而减小了数据误差，对基尼系数的影响，即使偏低，也是当期的，不是一年数据。

6 各方计算我国基尼系数结果：给出2张图

本节给出了30多种结果，还有一些结果并不包括在内，一方面是一些数据点少，只有某些年份的结果；还有一些是结果不太可信，例如，不久前大肆报道的我国基尼系数高达0.61；还有一个原因是我们收集不完全。所有计算都是依据我国统计局公布的数据，世界银行给出了从统计局公布数据演绎的5等份收入数据。但是，我们可以看到，不同研究者给出的结果的差别很大。以1995年我国基尼系数为例，1999年陈宗胜估计为0.365，2002年，他和周云波采用另外两个方法估计为0.384和0.419；2006年程永宏估算为0.417，2008年又估算为0.393；shujian Xiang1998年估算为0.3515；后来估计为0.328（1999）。赵人伟等估计为0.445；Khan和Riskin在2001年估算为0.452；2007年Ravallion和chen估算为0.415(世界银行)。

图4： 不同研究者给出的基尼系数 （19个结果）

1. Chen，Jiandong等， The trend of the Gini coefficient of China，January 2010

BWPI Working Paper 109

2、尹成远等（中国人身保险保费收入的实证分析与预测研究，保险研究20 08 年第1 期）。

3、田卫民，（中国基尼系数计算及其变动趋势分析,人文杂志，2012年2期）

4、徐映梅和张学新，中国基尼系数警戒线的一个估计, 统计研究,2011 年1 月

5、王祖祥等，中国基尼系数的估算研究, 经济评论 2009年第3期

6、Chen，Jiandong，Poverty and Income Inequality in China, 博士论文

7、世界银行数据http://www.worldbank.org/poverty/health/home/index.htm.

8、来自www.wider.unu.edu/wiid. Dowling and Soo 1983

9、Ying 1995 from www.wider.unu.edu/wiid.

10、Ximing Wu and Jeffrey M. Perloff, China’s Income Distribution and Inequality

11、胡志军 刘宗明 龚志民中国总体收入基尼系数的估计: 1985 －2008， 经济学( 季刊) ，2011 年7 月

12. 洪兴建, 一个新的基尼系数子群分解公式, 经济学( 季刊) 2008,第8 卷第1 期

13．尹虹潘和刘姝伶，中国总体基尼系数的变化趋势，中国人口科学2011 年第4 期

14. 程永宏，改革以来全国总体 基尼系数的演变及其城乡分解中国社会科学 2007 年第4 期

15、王亚峰中国城乡居民收入分布的估计：1985-2009，北京大学国家发展研究院，中国经济研究中心

16、Ravi Kanbur and Xiaobo Zhang, Fifty Years of Regional Inequality in China: a Journey Through Central Planning, Reform, and Openness

17、官方数据，http://www.zj.xinhuanet.com/finance/2013-01/19/c_114419086.htm

18、黄卫东， 图中标+

19、黄卫东， 图中标O

此图是根据陈建东博士论文资料作，注释如下：

1. The data in column 1 comes from the author’s calculation （作者的计算结果）

2. The data in column 2 comes from the estimation of Chen (1999)

3. The data in column 3 comes from the estimation of Liu and Lu (1991)

4. The data in column 4 comes from the estimation of World Bank (1997)

5. The data in column 5 comes from the estimation of Nankai University (1990)

6. The data in column 6 comes from the estimation of Xiang (1998)

7. The data in column 7 comes from the estimation of Zhao and Li (1999)

8. The data in column 8 comes from the estimation of NBS (2001)

9. The data in column 9 comes from the estimation of Chen and Zhou (2002)

10. The data in column 10 comes from the estimation of Chen and Zhou (2002)

11. The data in column 11 comes from the estimation of Khan and Riskin (2001)

12. The data in column 12 comes from the estimation of Lin (2000b)

13. The data in column 13 comes from the estimation of Kanbur and Zhang (2003)

14. The data in column 14 comes from the estimation of Hu (2005)

15. The data in column 15 comes from the estimation of Huang (1999)