Ⅰ人力資本視角下國代際收入性的傳遞機制研究內(nèi)容提要：本文基于中國家庭追蹤調(diào)查微觀數(shù)據(jù)庫，為探究人力資本在中國社會代際收入流動性傳遞機制中的作用，運用計量經(jīng)濟學方法實證分析父代收入水平對子代人力資本的影響。使用國際社會經(jīng)濟地位指數(shù)作為工具變量的兩階段最小二乘法回歸結果表明，父代收入水平對子代人力資本具有顯著的正面效應。針對子代不同性別樣本的比較分析顯示，男性子代受到的正面影響更加顯著。由此認為，為改善中國社會收入代際流動性，應致力于從制度上防止收入階層固化，減少家庭經(jīng)濟狀況對教育和就業(yè)的影響，完善現(xiàn)有的公共教育制度，使受教育機會更加平等，從而改善由人力資本水平差距引起的收入差距。關鍵詞：人力資本代際收入流動性公共教育傳遞機制中圖分類號：F124.7目錄一、引言 （引言十九大報告中提到社會主要矛盾的轉(zhuǎn)變之后2017年10月18日，習近平同志在十九大報告中強調(diào)，中國特色社會主義進入新時代，我國社會主要矛盾已經(jīng)轉(zhuǎn)化為人民日益增長的美好生活需要和不平衡不充分的發(fā)展之間的矛盾。2017年10月18日，習近平同志在十九大報告中強調(diào)，中國特色社會主義進入新時代，我國社會主要矛盾已經(jīng)轉(zhuǎn)化為人民日益增長的美好生活需要和不平衡不充分的發(fā)展之間的矛盾。代際收入流動性牽涉眾多，早在上個世紀就有學者提出人力資本是代際收入流動性傳遞的重要機制之一（BeckerandTomes,1979），而關于人力資本的表現(xiàn)形式，最受認可的是Schultz（1960）提出的受教育水平，本文據(jù)此嘗試展開從人力資本視角探究代際收入流動機制的研究。人力資本在代際收入傳遞中的作用可解釋為：父代收入水平將會影響子代的人力資本，結合教育回報率相關研究得到的結論“受教育程度與個人收入水平呈正相關關系”，即越高的子代的人力資本水平，則其收入水平相應會較高，本文的實證重點即探究父代收入水平如何影響子代的人力資本，在此提出猜想：父代收入水平將會正向影響子代受教育的機會和質(zhì)量。本文將采用中國家庭追蹤調(diào)查微觀數(shù)據(jù)庫2020年公布的2018版本最新數(shù)據(jù)，研究當前中國社會中，父代收入水平對子代人力資本的影響，并進一步分析其因果關系，思考其演變趨勢，提出合理的政策建議。本文的實證思路是：首先建立普通最小二乘法方法回歸模型驗證相關性，之后選擇合適的工具變量破解模型不可避免的內(nèi)生性問題，采用兩階段最小二乘法來得到更加具有實證意義的回歸估計系數(shù)，幫助分析因果關系。最后，由于考慮到中國社會目前依然存在的“重男輕女”封建思想以及其他可能存在的性別歧視問題，按照性別分樣本進行比較研究展開異質(zhì)性分析?？赡艿膭?chuàng)新之處：一方面，在研究方法上，采用工具變量法克服普通最小二乘法模型的內(nèi)生性缺陷，并進一步將不同性別樣本分開進行比較研究，從性別層面分析父親收入對子代受教育水平的影響，比較回歸系數(shù)的差異并嘗試分析原因，從而結合實際現(xiàn)象提出政策建議。另一方面，使用目前能夠獲取的較為可靠的最新數(shù)據(jù)進行實證分析，實證結果更具有時效性，結合當前的時事及政策信息，提出對當前階段問題的針對性思考。本文的結構如下：第一節(jié)引言，提出問題點明研究目的，介紹本文的研究背景，概述實證方法和數(shù)據(jù)來源。第二節(jié)時政背景和文獻綜述，介紹當前制度環(huán)境下中國有關人力資本投資的現(xiàn)象，簡述國內(nèi)外相關文獻的研究成果。第三節(jié)數(shù)據(jù)處理和描述性統(tǒng)計，介紹數(shù)據(jù)的選取和來源，解釋實證模型設定中的變量定義和原始數(shù)據(jù)處理方式，對涉及樣本的數(shù)據(jù)進行描述性統(tǒng)計分析，為后文的計量回歸模型打下基礎。第四節(jié)實證結果，包含基準回歸結果和在其基礎上的一系列檢驗和分析。第五節(jié)總結和政策啟示，總結實證結論并提出下一階段的研究方向，結合實證結果和時事分析，嘗試提出相應的政策建議。時政背景和文獻綜述首先簡述本文的相關時政背景。市場化改革使中國經(jīng)濟進入高速發(fā)展階段，與此同時重視教育和鼓勵創(chuàng)新被視作經(jīng)濟增長的重要驅(qū)動力，上世紀九十年代就將教育和人才培養(yǎng)提高到國家戰(zhàn)略高度，加之我國的社會文化特征之一就是父母對下一代的培養(yǎng)往往分外看重，“再苦不能苦孩子，再窮不能窮教育”的思想根深蒂固，由于上述種種原因，近年來“超級中學”現(xiàn)象、學區(qū)房、借讀費、課外輔導班、一對一家教等教育相關話題一次次出現(xiàn)在我們的視野中，由此可以看到，盡管我國實施義務教育基本國策，在小學和初中的九年教育階段無需繳納學費，在高中和大學階段也會為學生提供形式種類多樣的低息助學貸款、貧困生獎助學金等，但由于教育資源分配不均的問題相對嚴峻，尤其為了面對高考的激烈競爭以及高等教育階段多元化的招生規(guī)則，一般家庭往往會會選擇支付高昂的費用為學生報名參加形式多樣的輔導班和興趣特長培訓班，父母和家庭經(jīng)濟狀況能夠給予的支持將會直接影響學生所能接觸到的教育資源，從而影響教育成果。這也是一些人提出“寒門再難出貴子”的原因所在，反映了當前中國社會逐漸顯現(xiàn)出的階層固化問題。在進行數(shù)據(jù)處理和實證研究之前，通過閱讀現(xiàn)有的國內(nèi)外相關文獻學習實證思路，對實證結果進行初步預判。分析中國的代際收入流動性傳遞機制的文獻成果與國外相比相對較少，陳琳和袁志剛（2012）分解了中國代際收入彈性的影響因素，計算人力資本、社會資本、財富資本分別的貢獻及趨勢，得到的研究結論可以概括為：代際收入傳遞主要途徑占據(jù)比重的排序中，社會資本接近10%，人力資本的影響更大一點，最重要的是財富資本。龍翠紅和王瀟（2014）估算了2009年中國代際收入彈性，認為子代收入受到其原生家庭因素的制約。何石軍和黃桂田（2013）、陳敏（2015）等學者使用的數(shù)據(jù)來源不盡相同，但在研究中均發(fā)現(xiàn)收入越高的家庭對后代教育支出更加慷慨，從而正向地影響后代收入。由于收入對教育的具有較為復雜的相關關系，且一般的模型設定中都會存在內(nèi)生性問題，國外學者已發(fā)表的文獻中可以看到許多嘗試使用工具變量法解決內(nèi)生性問題的成功實例。一類學者采用改革政策等外生沖擊作為父代收入的工具變量，如Duncan（2011）在研究中采用希望工程（NewHopeProject）等多種福利改革和反貧困改革性質(zhì)的外生沖擊作為工具變量，實證部分的回歸估計系數(shù)表明了政策影響下父親年收入水平上升對應的子代人力資本水平上升程度。另一類學者選擇以父代的個人特征變量作為工具變量，如Shea（1997）的兩階段最小二乘法回歸模型中以父親主要職業(yè)所屬行業(yè)、在工會組織中的角色和是否曾被解雇或因其他方式失去工作作為工具變量，同樣分析代際收入傳遞機制中人力資本的環(huán)節(jié)，得到的實證結果發(fā)現(xiàn)在低收入家庭群體中家庭收入狀況對孩子人力資本的影響更加顯著，總體樣本中卻沒有發(fā)現(xiàn)很大的正面效應。由于沒有找到適合作為工具變量的中國現(xiàn)有政策沖擊和福利改革，本文選擇以可以反映父親的職業(yè)地位的特征指標作為工具變量。數(shù)據(jù)處理和描述性統(tǒng)計首先選擇模型所用數(shù)據(jù)，并從相應數(shù)據(jù)庫進行收集整理。本文的數(shù)據(jù)來源是采用的中國家庭追蹤調(diào)查（ChinaFamilyPanelStudies，CFPS）微觀數(shù)據(jù)庫，該數(shù)據(jù)庫的調(diào)查和發(fā)布工作由北京大學中國社會科學調(diào)查中心（InstituteofSocialScienceSurvey，ISSI）主導。其團隊收集了包含不同層面的大量數(shù)據(jù)，包括成年和兒童個體，以及不同地區(qū)的家庭和社區(qū)。本文使用的是2020年更新發(fā)布的最新版本CFPS2018的截面數(shù)據(jù)，CFPS2018共完成了對約15,000個家庭的訪問，采集個人問卷約44,000份，樣本分布在900多個區(qū)縣的近3000多個村居。數(shù)據(jù)來源：中國家庭追蹤調(diào)查2018年數(shù)據(jù)庫介紹及數(shù)據(jù)清理報告。該數(shù)據(jù)庫的優(yōu)點在于其調(diào)查問卷設計合理，其中涉及的內(nèi)容十分廣泛，涵蓋受訪對象的社會關系、經(jīng)濟狀況、教育和健康水平等研究所需要的數(shù)據(jù)。另一方面，這一數(shù)據(jù)庫具備較完整的地域覆蓋能力和巨大的樣本量，有助于得出更可靠的結論數(shù)據(jù)來源：中國家庭追蹤調(diào)查2018年數(shù)據(jù)庫介紹及數(shù)據(jù)清理報告。從CFPS官網(wǎng)數(shù)據(jù)平臺下載原始數(shù)據(jù)文件及問卷、codebook等文件，在充分理解不同變量的定義及限制條件之后，使用Stata統(tǒng)計軟件對數(shù)據(jù)進行初步整理，篩選出符合條件的家庭樣本，將需要的子代、父代特征變量進行匹配，刪除缺失值，得到下述描述性統(tǒng)計結果：表1描述性統(tǒng)計變量定義變量符號觀測值均值標準差最小值最大值子代受教育年限E29489.4174.8760.00022.000父代收入I294810.3030.8540.00013.122子代年齡X1294821.1937.8399.00078.000子代性別X29480.5690.4950.0001.000子代健康X29480.9760.1520.0001.000父代戶籍X29480.3210.4670.0001.000父代社會經(jīng)濟地位指數(shù)Z294837.10514.16119.00090.000下面具體解釋各變量來源、處理方式以及定義：被解釋變量是子代人力資本水平。前文已提到主流文獻中采用受教育程度作為人力資本水平的表現(xiàn)形式，這里選擇受教育年限來反映受教育程度，用E1表示。在尋找合適的變量時，由于在初步觀測和理解原始問卷和數(shù)據(jù)的過程中，發(fā)現(xiàn)CFPS2018的原始數(shù)據(jù)中“最高學歷”和“受教育年限”存在不匹配的問題，如某問卷結果中顯示某調(diào)查對象填寫的受教育年限為11年，但最高學歷為“小學”，考慮到可能是因為農(nóng)村地區(qū)學生存在輟學而拿不到畢業(yè)證的情況，此時使用原始數(shù)據(jù)中的受教育年限作為被解釋變量則是不合適的，于是借鑒陳敏（2015）和余新平（2015）的方法，將CFPS2018數(shù)據(jù)中的最高學歷代碼轉(zhuǎn)換為受教育年限。文盲/半文盲（代碼為1）對應受教育年限0年，小學（代碼為2）對應受教育年限6年，初中（代碼為3）對應受教育年限9年，高中/中專（代碼為4）對應受教育年限12年，大專（代碼為5）對應受教育年限15年，大學本科（代碼為6）對應受教育年限16年，碩士（代碼為7）對應受教育年限18年，博士（代碼為8）對應受教育年限22年。核心解釋變量是父代收入，用I0表示。由于收入數(shù)據(jù)種類較多，結合當前中國社會中家庭實際情況，最終選擇采用CFPS2018中父親的“工作總收入”變量來反映父代的收入水平，考慮到非線性關系，將其進行對數(shù)化處理?？刂谱兞恳还灿兴膫€，這里使用樣本的一系列個人特征變量作為控制變量，納入了性別、年齡、健康狀況和城鄉(xiāng)環(huán)境狀況。年齡變量即為個人問卷中對年齡的回答，用X1來表示。子代性別設置為二值虛擬變量，具體而言，性別為“男性”則取值為1，與之相對應，“女性”的取值為0，用X2來表示。使用CFPS個人自答庫中對健康狀況的回答作為判斷樣本個體是否健康的判準，同樣設置為二值虛擬變量，，用X3來表示健康變量。具體而言，本文的處理參考了陽義南、連玉君（2015工具變量符號為Z0，是父代的國際社會經(jīng)濟地位指標，即國際社會經(jīng)濟地位指數(shù)（InternationalSocioeconomicIndex,ISEI），下文簡稱ISEI。在工具變量的選取上，考慮到變量與核心解釋變量的相關性，最初想要以作為父親的受訪者對“是否退休”這一問題的回答作為工具變量，但由于數(shù)據(jù)庫中該項缺失值較多且部分職業(yè)難以定義是否退休等因素，并不是一個好的工具變量。最終選擇國際社會經(jīng)濟地位指數(shù)ISEI作為工具變量，ISEI是連續(xù)變量，對職業(yè)的分類較為細化，量化的過程能夠包含教育、收入等與經(jīng)濟地位和職業(yè)聲望相關的因素，若某職業(yè)的社會經(jīng)濟地位越高，其ISEI越高。具體而言，本文采用CFPS2018中給出的主要工作職業(yè)（qg303）的ISEI作為工具變量。實證結果基準回歸結果基準回歸包含普通最小二乘法回歸(OrdinaryLeastSquare，OLS)及應用工具變量進行兩階段最小二乘法回歸（TwoStageLeastSquares,2SLS）兩部分。在現(xiàn)有數(shù)據(jù)基礎上建立本文的實證回歸模型。本文的基本回歸模型設定如下：(1)其中，E1代表被解釋變量子代的人力資本水平（以受教育程度體現(xiàn)），I0代表核心解釋變量（以父親的工作總收入對數(shù)來體現(xiàn)），X表示子代的性別、年齡、健康狀況以及父代的戶籍狀況等一系列控制變量，由于普通最小二乘法回歸模型中，存在遺漏變量且遺漏變量可能與父代收入水平相關從而導致的內(nèi)生性問題，無法確定所得到的估計結果的一致性，本文采用工具變量法解決內(nèi)生性問題，進行更進一步的實證分析。使用工具變量法的兩階段最小二乘法計量模型設定是：(2)(3)其中，Z0代表模型中的工具變量父代的國際社會經(jīng)濟地位指數(shù)ISEI，ε和μ表示隨機接下來將會匯報采用OLS回歸結果和工具變量法進行兩階段最小二乘法的回歸結果，進行弱工具變量檢驗、過度識別檢驗等，并對結果進行進一步修正。表2第一列展示了普通最小二乘法模型的回歸結果，顯示核心解釋變量I0在1%的水平上是顯著的，回歸系數(shù)0.393表示當父代收入水平增加1%，子代的受教育年限將隨之增加0.393個單位，也就是體現(xiàn)了父代收入對子代人力資本具有正面的影響。為了解決上文OLS回歸模型不可避免的內(nèi)生性問題，表2后兩列匯報了使用父代國際社會經(jīng)濟地位指數(shù)作為工具變量的兩階段最小二乘法估計結果。第二列匯報了第一階段工具變量的回歸結果，可以看到工具變量Z0在1%的水平上是顯著的。第三列展示了2SLS回歸結果，核心解釋變量I0的估計系數(shù)是1.226，意味著父代的收入水平每增加1%，則子代的受教育年限會增加1.226年，與O另外，在使用工具變量法時，為驗證工具變量是否具有有效性和模型設置是否具有合理性，對所使用的的工具變量和回歸模型進行了一系列檢驗。不可識別檢驗（Underidentificationtest）的P值小于0.001，在1%的顯著性水平上拒絕了工具變量和內(nèi)生變量不相關的原假設。弱工具變量檢驗（Weakidentificationtest）中Cragg-DonaldWaldF統(tǒng)計量為82.911，大于所有臨界值，證明不存在弱工具變量的問題，也就是驗證了所選取的工具變量具有有效性。過度識別檢驗(Overidentificationtest）顯示恰好識別，不存在過度識別問題。表2基準回歸結果變量OLSFirstStage2SLSI0.393***1.226**(4.86)(2.471)X0.416***-0.0224***0.435***(47.45)(-11.61)(30.37)X-0.908***-0.0145-0.897***(-6.72)(-0.477)(-6.518)X0.926**0.1290.801*(2.11)(1.309)(1.770)X1.263***0.197***1.030***(8.74)(5.906)(5.129)Z0.0100***(9.106)Constant-4.240***10.22***-13.04**(-4.31)(88.01)(-2.478)Observations2,9482,9482,948R-squared0.4510.0930.431說明：（1）括號內(nèi)為t值；*、**、***分別表示在10%、5%、1%水平上顯著。由工具變量法解決內(nèi)生性問題可以幫助我們更好地識別模型中的因果效應，即父代收入對子代人力資本水平的正向影響機制是與父代的職業(yè)聲望（通過社會經(jīng)濟地位指數(shù)可以反映）密切相關的。接下來將在基準回歸結果的基礎上嘗試改變變量定義進行穩(wěn)健性檢驗，分樣本進行異質(zhì)性分析，研究不同性別樣本的結果的不同之處，使實證分析更具有實際意義。穩(wěn)健性檢驗本節(jié)的研究目的是進一步明確前文結論的可靠性，本節(jié)將從父代收入水平的不同定義角度對基準回歸結果進行穩(wěn)健性分析。在穩(wěn)健性檢驗部分中，采用改變變量定義的方式，前文中核心解釋變量是以父親的工作總收入對數(shù)來衡量父代收入水平，此處改用父代的家庭人均純收入對數(shù)作為核心解釋變量，這樣處理能夠在核心解釋變量中納入父親工作收入之外的母親收入、房租收入等其他方面的父代收入的影響。依然采用與基準回歸模型類似的方法來觀測回歸估計結果是否會產(chǎn)生變化。表3展示了改變變量定義后的回歸估計結果。第一列展示了OLS回歸結果，核心解釋變量父代的家庭人均純收入對數(shù)（Ip0）在1%的水平上是顯著的，估計系數(shù)為1.060，估計系數(shù)大于0，印證了顯著的正面效應。第二列展示的是工具變量的第一階段回歸結果，可以看到工具變量Z0的系數(shù)依然是顯著的，顯著性水平也達到了1%。第三列展示了2SLS回歸結果，核心解釋變量父代的家庭人均純收入對數(shù)的估計系數(shù)是1.668，代表父代的收入水平每增加1%，則子代的受教育年限會增加表3穩(wěn)健性檢驗結果變量OLSFirstStage2SLSIp1.060***1.668**(12.00)(2.462)X0.375***0.0305***0.357***(42.46)(17.40)(16.15)X-1.017***0.104***-1.081***(-7.63)(3.758)(-7.131)X0.867**0.162*0.757*(2.00)(1.798)(1.671)X0.850***0.428***0.554(5.78)(14.11)(1.544)Z0.00715***(7.154)Constant-9.669***8.731***-15.12**(-10.43)(82.68)(-2.481)Observations2,9252,9252,925R-squared0.4730.1870.464說明：（1）括號內(nèi)為t值；*、**、***分別表示在10%、5%、1%水平上顯著。同樣進行弱工具變量檢驗，此時第一階段回歸的Cragg-DonaldWaldF統(tǒng)計量為51.175，依然大于所有臨界值，證明不存在弱工具變量的問題，也就是所選取的工具變量有效性依然能夠得到驗證。由此可知，更換核心解釋變量父代收入水平的定義之后，系數(shù)大小和顯著性水平并未發(fā)生明顯變化，回歸估計結果不改變本文的核心結論，進一步驗證了實證結果的穩(wěn)健性。異質(zhì)性分析本節(jié)在前文的基礎上，將子代的男性樣本和女性樣本分開，比較研究不同性別層面的研究結論是否會發(fā)生變化。表4匯報了男性子代樣本的回歸結果，男性樣本的回歸估計系數(shù)明顯高于前文中所匯報的估計系數(shù)，下表第一列中核心解釋變量的OLS回歸系數(shù)為0.602，表示父代收入水平每增加1%則子代的受教育年限將增加0.602年，比總體回歸系數(shù)0.393高出約50%，第三列中2SLS估計系數(shù)為1.791，與總體樣本的1.226相比也高出了近50%，而且達到了1%的顯著性水平。由此我們可以認為，男性個體的子代人力資本水平將會更顯著地受到父代收入水平的正向影響。表4男性子代回歸結果變量OLSFirstStage2SLSI0.602***(5.47)1.791***(2.593)X0.367***(33.39)-0.0209***(-8.870)0.392***(21.44)X0.333(0.60)0.147(1.218)0.146(0.251)X1.159***(5.97)0.210***(4.813)0.811***(2.872)Z0.00975***(6.823)Constant-5.609***(-4.29)10.17***(71.29)-18.09**(-2.486)Observations1,6781,6781,678R-squared0.4130.0960.372說明：（1）括號內(nèi)為t值；*、**、***分別表示在10%、5%、1%水平上顯著。表5則匯報了女性樣本的回歸結果，由第二列結果可以看出工具變量依然顯著，第一列和第三列分別匯報了OLS回歸結果和使用工具變量法的2SLS回歸結果，第一列中核心解釋變量的OLS回歸系數(shù)為0.180，第三列中2SLS估計系數(shù)為0.767，明顯小于男性樣本和總體樣本所得到的系數(shù)0.602和1.791，且兩次回歸中核心解釋變量的顯著性水平都不理想，沒有達到10%，無法證實父親收入對女兒教育的影響。由此可見，不同性別樣本的異質(zhì)性可以認為是影響全樣本基準回歸顯著性結果的一大主要因素。表5女性子代回歸結果變量OLSFirstStage2SLSE0.1800.767(1.56)(1.093)X0.507***-0.0251***0.523***(35.81)(-7.539)(22.59)X1.948***0.1001.865***(2.75)(0.590)(2.591)X1.283***0.184***1.127***(6.09)(3.546)(4.006)Z0.0103***(5.973)Constant-4.907***10.30***-11.16(-3.38)(52.90)(-1.485)Observations1,2701,2701,270R-squared0.5250.0890.516說明：（1）括號內(nèi)為t值；*、**、***分別表示在10%、5%、1%水平上顯著。據(jù)以上基于性別展開的異質(zhì)性分析實證結果，我們可以得到結論：父代收入水平對男性子代的人力資本具有的正面影響在統(tǒng)計意義上顯著性水平較高，意味著父代收入水平越高則男性子代的受教育水平越高，相較而言，子代女性個體受到的正面影響則不突出和不顯著。由工具變量法的兩階段最小二乘法回歸結果分析，可推斷原因是父親的社會地位和職業(yè)聲望對兒子的教育水平影響更大，對女兒則沒有顯著的影響。總結及政策建議實證部分總結本文基于中國家庭追蹤調(diào)查2018年的截面數(shù)據(jù)，探究了中國國民收入代際流動性涉及人力資本的傳遞機制，主要計量方法使用工具變量兩階段最小二乘回歸，實證分析證實了人力資本在代際收入傳遞過程中承擔重要角色，具體表現(xiàn)在父代收入水平對子代人力資本水平具有顯著的正面效應，具體而言，基于工具變量的兩階段最小二乘法回歸系數(shù)顯示，父代的收入水平每增加1%，則子代的受教育年限會增加1.226年。且穩(wěn)健性檢驗結果亦支持該結論。進一步地，按照不同性別分樣本進行子代男女樣本的比較研究時發(fā)現(xiàn)：盡管都得到了大于0的回歸估計系數(shù)，男性樣本回歸系數(shù)在數(shù)值上高于女性樣本，顯著性水平也達到了1%，子代女性樣本的回歸系數(shù)并不顯著，證明男性子代的人力資本水平更顯著地受到更強的正面影響。這意味著父親更傾向于對男性子代進行教育投資，從而提高兒子的人力資本水平。由于種種條件所限，本文的研究還有可以進一步完善的余地，反思如下，希望接下來可以從以下幾個方面展開進一步的研究：由于研究所涉及到的母親的收入和學歷數(shù)據(jù)在CFPS2018數(shù)據(jù)中缺失較多，因此建立的實證模型中，沒有將母親的個人特征變量納入到解釋變量中，在按性別分樣本研究時也沒有缺失了母子、母女這部分的分析，希望接下來能夠找到更加完備的數(shù)據(jù)庫彌補這些缺失。另一方面，在分析過程中發(fā)現(xiàn)，農(nóng)村地區(qū)樣本的學歷數(shù)據(jù)缺失情況更加嚴重，猜想如果在比較分析時按照戶籍將城鄉(xiāng)樣本分開，或可作為一個研究城鄉(xiāng)收入差距原因的切入點，探索公共教育資源在城鄉(xiāng)間的分配對解決不平衡不充分的發(fā)展矛盾的作用和意義。政策建議上一章節(jié)完成了實證模型的分析，在實證結果的基礎上，回到本文最開始，在引言中提出的問題是：如何改善中國的代際收入流動性？針對這個問題，下面將具體提出兩方面的政策建議。一方面，由父代收入和父母社會經(jīng)濟地位在代際收入傳遞中的決定性作用，聯(lián)想到如何縮小貧富差距問題；另一方面，由子代人力資本，思及應當關注教育公平性問題。適時推進征收遺產(chǎn)稅討論進程。中國社會科學院曾提出建議盡快實施房地產(chǎn)稅和遺產(chǎn)稅（《經(jīng)濟藍皮書》2017年版）。遺產(chǎn)稅將限制中高收入階層的家庭財富積累，有助于實現(xiàn)不同收入階層間的再分配，在某種程度上能夠幫助降低父代家庭財富和社會資本對子代就業(yè)的影響力，使就業(yè)市場更加公平，也是優(yōu)化收入分配環(huán)節(jié)的方式。立法過程中應參考發(fā)達國家法規(guī)中對遺產(chǎn)稅稅源和征收方式的選擇，結合具體國情，使更加完善的法律法規(guī)促進社會公平，縮小貧富差距。增加對公共教育的