EN中文

Economic geography >

2024 , Vol. 44 >Issue 10: 12 - 23

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.10.002

Inter Provincial Differences in the Proportion of Labor Income in China

  • LIU Changgeng , 1, 2 ,
  • LIU Linzhi , 1, ※
Expand
  • 1. Business School，Xiangtan University，Xiangtan 411105，Hunan，China
  • 2. School of Economics，Hunan University of Finance and Economics，Changsha 410205，Hunan，China

Received date: 2024-01-13

  Revised date: 2024-08-15

  Online published: 2024-11-29

Fold

Abstract

This article re-adjusts the calculation formula for the labor income share, estimates the labor income share of China's provincial-level regions from 1978 to 2017, calculates the bias parameters of technological progress in each provincial-level regions using a standardized supply-side system approach,and conducts a trend analysis of the labor income share across provincial-level regions. It uses the Dagum Gini coefficient to depict the evolution pattern of inter-provincial differences in China's labor income share,and analyzes its sources. Based on the spatial econometric method,it explores the reasons behind the formation of the spatial distribution pattern of factor income. It's found that: 1) The overall spatial distribution pattern of labor income share exhibits a trend,which is the highest in the west of China,followed by central China and the east of China, the more developed region is, the lower the labor income share is. The spatial distribution patterns of depreciation and net production taxes in GDP are opposite to this trend,while the spatial distribution pattern of mixed income in GDP aligns with it. 2) The overall average trend of labor income share of all provincial-level regions showed an inverted U-shape,with the most obvious upward trend in Beijing and Shanghai and the most obvious downward trend in Xizang. Technological progress is biased toward capital in most provincial-level regions,which is a crucial factor contributing to the notable decline in the labor income share. 3) The Gini coefficient reflecting inter-provincial differences in labor income share remains relatively large. From the perspective of intra-regional disparities, the eastern region exhibits the largest internal gap, which is also showing a significant downward trend. In terms of inter-regional Gini coefficients,the disparities between the eastern and central regions, as well as between the eastern and western regions, are more pronounced,while the disparity between the central and western regions is relatively smaller. 4) Spatial econometric analysis reveals that industrial structure exerts a negative spatial spillover effect on labor income share.

Key words： income distribution system; proportion of labor income; inter provincial differences; calculation caliber; standardized supply-side systematic approach; technological progress; industrial structure

Cite this article

LIU Changgeng , LIU Linzhi . Inter Provincial Differences in the Proportion of Labor Income in China[J]. Economic geography, 2024 , 44(10) : 12 -23 . DOI: 10.15957/j.cnki.jjdl.2024.10.002

劳动收入是我国居民收入的主要来源，劳动收入占比的高低直接反映了劳动者共享经济发展成果的多寡，是衡量共同富裕程度的重要指标。党的二十大报告指出，中国式现代化是全体人民共同富裕的现代化。初次分配制度是促进共同富裕的基础性制度，要坚持多劳多得，鼓励勤劳致富，努力提高劳动报酬在初次分配中的比重。初次分配对我国收入分配起着决定性作用，在整个分配制度中比重最大、影响最深[1]。然而根据一般的收入法GDP测算，我国劳动收入占比自2000年以来均低于50%，近期缓慢回升但增幅有限[2]，与全球劳动收入占比下降趋势基本同步[3-4]。劳动收入占比下降是诱发收入分配结构失衡的重要因素，势必会通过减少居民需求、抑制企业投资来制约经济社会的高质量发展。不仅如此，收入分配结构失衡还体现为地区间发展的不平衡。1990 年代以来，伴随着我国省际劳动收入占比表现出的一致性整体下降，劳动收入占比的地区差异性日益凸显，时序波动性和空间非均衡性特征较为突出[5]，这种地区间的层次性差距不是区域协调发展的应有之义，不利于全体人民共同富裕的实现。当前，在提高经济发展的平衡性、协调性和包容性理念的引领下，准确测算各省份劳动收入占比，总结劳动收入占比的地区差距演化格局和空间分布特征，对于促进区域协调发展、扎实推进全体人民共同富裕具有重要的理论和现实意义。
关于各省份劳动收入占比的测算主要分为两个方面：一方面，由于中国统计数据口径的调整，学者们尝试对前后的劳动收入占比数据进行口径统一，但测算方法不尽相同，争论焦点主要是分子和分母分别如何构成，例如在计算劳动报酬时个体户业主的收入应该如何划分；另一方面，分析各省份劳动收入占比的分配格局，劳动收入占比的动态趋势有何变化规律?省际差异有多大?主要是区域内的差异还是区域间的差异?差异形成的原因是什么?目前学术界对此问题的研究相对缺乏。为此，本文重新调整分子分母的计算口径，分子考虑个体户业主的混合收入，分母采用比GDP更合适的国民收入，对1978—2017年我国各省份劳动收入占比进行测算，通过空间分布分析探究劳动收入占比及其构成的空间分布，比较不同地区劳动收入占比的大小，总结劳动收入占比的阶段性变化特征，使用标准化供给面系统方法测算出各省份要素技术进步偏向参数和要素替代弹性，对各省份劳动收入占比变化趋势进行分析；在此基础上，通过Dagum基尼系数分解方法对劳动收入占比省际差异的构成进行深入剖析，利用空间计量方法分析要素收入空间分配格局形成的原因，为促进要素分配区域均衡，推进全体人民共同富裕提供政策参考。

1 测算方法、数据说明与研究方法

1.1 测算现状与方法调整

1.1.1 总体测算现状

测算劳动收入占比的数据主要来源于省际收入法GDP、资金流量表和投入产出表，李稻葵等使用省际收入法GDP计算劳动收入占比，发现中国劳动收入占比呈显著下降趋势[6]；李琦在此基础上将个体业主混合收入进行重新推算，结论基本保持不变[7]。刘亚琳等重新调整了2004年前后的劳动报酬口径，用相同方法进行趋势分析，发现总体上劳动收入占比与经济发展水平呈现U形规律[8]。吕光明改用资金流量表对数据进行修正，发现中国劳动收入占比在1999年之前保持稳定上升，此后显著下降至2007年的60.56%，比其他国家低5~10个百分点[9]。也有学者运用投入产出表数据计算劳动收入占比，其结果是从1987年的47.2%下降到2007年的41.4%[10]。张晓婧等进一步梳理了不同年份投入产出表的核算口径，发现劳动收入占比最低点为2011年，此后逐年上升[11]。

1.1.2 地区测算现状

罗长远等比较了不同省份劳动收入占比的大小，其中西藏最高，达71%，上海最低，仅为36%[12]；白重恩等也得出了类似的结论，经济发达的沿海省份普遍较低，内陆地区普遍较高[13]。这可能是因为经济发展滞后的地区，其国民总产出的分配更多地倾向于劳动而非资本，使得劳动收入占比在地区间具有层次性差距[2]。同时，经济结构转型、技术进步方向的变迁和生产率冲击也是解释劳动收入占比省际差异形成的重要因素[14-16]。但是，也有学者指出不同地区劳动收入占比变化趋势的成因存在差异，东部取决于就业效应，而中西部取决于产值效应[17]。还有学者综合了中国资金流量表和省际收入法GDP两种方法对中国各地区的劳动收入占比进行测算，发现各地区劳动收入占比波动幅度、趋势差异明显，其中辽宁、江苏的变化趋势尤为突出[18-19]。
综上，在测算各地区劳动收入占比的基础上，现有文献主要采用了Dagum基尼系数等一系列方法对省际劳动收入占比的时空演进特征进行了分析，但未进行测算口径调整，难以客观、准确地进行省际差异比较，因此本文将对劳动收入占比分子分母的计算口径进行重新调整。

1.1.3 测算方法调整

①分子选用个体户业主混合收入。多数研究直接使用收入法统计项目中的劳动报酬作为分子，这一做法的问题在于没有考虑混合收入中的劳动报酬。本文借鉴刘长庚等的前期方法调整劳动收入占比分子的计算口径[2]。从具体情况来看，1978—1992年各省份劳动者报酬包括了个体户业主的全部混合收入；1993—2003年有16个省份个体户业主的混合收入全部计入营业盈余，15个省份个体户业主的混合收入全部计入劳动者报酬；2004—2007年个体户业主的混合收入全部计入营业盈余；2009—2017年8个省份个体户业主的混合收入全部计入营业盈余，23个省份个体户业主的混合收入全部计入劳动者报酬（表1）。从计算口径来看，将计入营业盈余的省份在原始数据基础上加70%的个体户业主混合收入，而计入劳动者报酬的省份在原始数据基础上减30%的个体户业主混合收入，从而获得具有统一口径的各省份劳动者报酬。具体步骤如下。
表1 中国各省份个体户业主混合收入计算方法及分布

Tab.1 Calculation method and distribution of mixed income of individual business owners in various provincial-level regions of China

混合收入计算方法 1993—2003年 2009—2017年
计入营业盈余的省份 北京、天津、山西、内蒙古、江苏、浙江、安徽、河南、广东、广西、海南、重庆、陕西、甘肃、青海、宁夏 吉林、黑龙江、浙江、江西、重庆、四川、陕西、甘肃
计入劳动者报酬的省份 河北、辽宁、吉林、黑龙江、上海、福建、江西、山东、湖北、湖南、四川、贵州、云南、西藏、新疆 北京、天津、山西、内蒙古、江苏、安徽、河南、广东、广西、海南、青海、宁夏、河北、辽宁、上海、福建、山东、湖北、湖南、贵州、云南、西藏、新疆
首先，借鉴白重恩等的方法[20]，计算出2004年各省份个体户业主的混合收入。需要说明的是第一次经济普查数据中个体就业人数总量是9422.8万人，而各省份加总只有4587.1万人，因此需要按省份进行缩减。用2004年固定资产原值乘5%得到固定资产折旧，然后用2004年营业收入减去营业支出和固定资产折旧，得到2004年营业盈余。2004年各省份个体户混合收入通过2004年营业盈余乘上省份个体就业加总数据与经济普查个体就业总量数据的比值重新调整2004年各省份个体户混合收入的口径，利用2004年各省份混合收入占2004年劳动者报酬与营业盈余之和的比值，乘上历年各省份个体户业主数量与2004年各省份个体户业主数量的比值，计算出历年各省份个体户混合收入占历年劳动者报酬与营业盈余之和的比值，最后乘上历年劳动者报酬与营业盈余之和得到历年各省份个体户混合收入。
②分母选择国民收入。对劳动收入占比测算争议最大的是分母选择GDP还是扣除折旧、扣除生产税净额、加上净国外要素收入的国民收入。由于折旧的支出性、自增长机制和折旧率的变动，分母包含折旧易造成资本收益的低估或者高估，难以判断劳动收入是否居于主体地位[21-22]。从概念上讲，生产税净额归属于要素成本，而非要素收入，分母包含生产税净额难以真实反映居民福利的分配结果。相比于GDP，包含净国外要素的国民收入更侧重国民性质。总体来说，相比于GDP和总劳动收入占比，使用国民收入以及净劳动收入占比更适合研究居民福利和社会不平等[23]，在收入分配领域中，净劳动收入占比是衡量要素分配结构更加适当的指标[24]。因此，本文计算劳动收入占比的分母采用扣除折旧、扣除生产税净额、加上净国外要素收入的国民收入。

1.2 数据说明

上述各指标数据来源于历年的《中国统计年鉴》《中国国内生产总值核算历史资料：1952—1995》《中国资金流量表历史资料：1992—2004》，研究区域为除港澳台地区外的31个省、自治区、直辖市（以下简称“省份”）。其中，1992年之前各省份农村个体户业主数量存在数据缺失，本文采用各省份1992年城镇个体户业主数量与农村个体户业主数量的比例推算出1992年之前各省份农村个体户业主数量；2008年的各项数据存在缺失，本文采用前后取平均的方法进行测算；1978—1989年部分省份数据存在缺失，利用《新中国60年统计资料汇编》中的各产业值作为已知，收入法构成则根据1990—1995年各项目值占GDP比重的均值来推算。综合以上内容，即可计算出历年各省份调整后的劳动者报酬；折旧、生产税净额来源于《中国统计年鉴》《中国国内生产总值核算历史资料：1952—1995》《中国资金流量表历史资料：1992—2004》，各省份缺少净国外要素收入，本文采用历年各省份GDP占省份加总GDP的比率进行估算。在估计各省份技术进步偏向参数时需要计算各省份历年资本存量，本文借鉴张军等的方法采用永续盘存法计算各年的资本存量[25]，实际新增投资采用投资隐含平减指数对固定资本形成总额进行折算，初始资本存量则采纳单豪杰的建议[26]。计算各省份资本存量所需要的数据来源于《新中国60年统计资料汇编》《中国国内生产总值核算历史资料1952—1995》《中国国内生产总值核算历史资料1996—2004》以及历年的《中国统计年鉴》、各省份统计年鉴。

1.3 研究方法

1.3.1 标准化供给面系统方法

本文借鉴Klump等三方程标准化系统方法估算各省份技术进步偏向参数[27]。具体方法如下：
α = Y L L S 1 - δ ε ε - 1
β = Y K 1 - L S δ Y ε ε - 1
θ = ε - 1 ε β ˙ - α ˙
式（1）~式（3）为要素技术进步效率的判别公式。式中Y表示调整后的国民收入，K表示资本，L表示劳动，LS表示劳动收入占比， δ表示资本的产出弹性， ε表示要素替代弹性， α表示劳动要素技术进步效率， β表示资本要素技术进步效率， α ˙表示劳动要素技术进步效率的增长率， β ˙表示资本要素技术进步效率的增长率， θ表示技术进步偏向参数。若 ε < 1，即资本与劳动呈互补关系，当 α ˙ - β ˙ > 0，即要素技术进步效率表现为劳动增进型，技术进步偏向于资本，导致劳动收入占比下降；当 α ˙ - β ˙ < 0，即要素技术进步效率表现为资本增进型，技术进步偏向于劳动，导致劳动收入占比上升。若 ε > 1，即资本与劳动呈替代关系，当 α ˙ - β ˙ > 0，即要素技术进步效率表现为劳动增进型，技术进步偏向于劳动，导致劳动收入占比上升；当 α ˙ - β ˙ < 0，即要素技术进步效率表现为资本增进型，技术进步偏向于资本，导致劳动收入占比下降。
l n Y t = l n Y ¯ + l n ξ + ε ε - 1 · l n 1 - δ L t L ¯ e γ N t ¯ λ N t t ¯ λ N - 1 + δ K t K ¯ e γ M t ¯ λ M t t ¯ λ M - 1 l n L S t = l n 1 - δ + ε - 1 ε · l n ξ + γ N t ¯ λ N t t ¯ λ N - 1 - l n Y t / Y ¯ L t / L ¯ l n 1 - L S t = l n δ + ε - 1 ε · l n ξ + γ M t ¯ λ M t t ¯ λ M - 1 - l n Y t / Y ¯ K t / K ¯
式（4）为标准化的生产函数、资本与劳动的一阶条件组成的系统方程。式中 ξ表示规模参数， γ N和 γ M分别表示劳动和资本要素的技术效率参数， λ N和 λ M分别表示劳动和资本的技术进步时间变化参数，t表示时期， Y ¯、 K ¯、 L ¯和 t ¯表示样本均值。根据联立方程联合似然值最大化原理，本文采用GNLS（广义非线性最小二乘估计）对各省份技术进步偏向参数进行估计。

1.3.2 Dagum基尼系数及分解方法

本文采用Dagum基尼系数及分解方法探究我国劳动收入占比的省际差异程度及演变趋势。Dagum将基尼系数分解为组内差异贡献 G w、组间差异净值贡献 G n b和组间超变密度 G t三部分，有效解决了样本数据间交叉重叠等问题[28]。

1.3.3 空间计量方法

空间计量方法主要是利用空间计量模型分析区域发展的空间相关性，空间计量模型主要有空间自回归模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM）等，空间计量模型基本形式如下：
Y i t = α + ρ W Y i t + β X i t + λ W X i t + μ i + ν t + ε i t
ε i t = θ W ε i t + e i t
式中： α为常数项； μ i和 ν t分别表示省份固定效应和年份固定效应； β为待估计一般回归系数； ρ、 λ和 θ都是待估空间相关参数，当 ρ ≠ 0， λ = 0， θ = 0时，所构建的模型为空间自回归模型（SAR）；当 ρ = 0， λ = 0， θ ≠ 0时，所构建的模型为空间误差模型（SEM）；当 ρ ≠ 0， λ ≠ 0， θ = 0时，所构建的模型为空间杜宾模型（SDM）； ε i t和 e i t表示随机误差项。

2 劳动收入占比的省际差异对比分析

本文测算了中国各省份调整前后劳动收入占比的均值，空间分布结果如图1所示，其中颜色越深代表劳动收入占比越高。从图1看出，调整前后的劳动收入占比略有差异，如甘肃、吉林等省份的顺位变化较大，调整前甘肃省的劳动收入占比均值位列第19位，调整后变为第2位，吉林省调整前后相差11位，但调整前后劳动收入占比的基本特征保持一致；上海最低，调整前后均值分别为34.2%和50.0%；西藏最高，调整前后均值分别为74.6%和86.5%。整体呈现出西部>中部>东部的空间分配格局，经济愈发达的地区劳动收入占比反而愈低，说明发达地区更倾向于给资本要素分配更多的报酬。这可能是由于改革开放以来，国家实施东部优先发展战略和新型工业化战略，制造业比重的变动使处在不同发展阶段省份的劳动收入占比呈现明显差异。各省份调整前后的劳动收入占比的均值分别为51.7%和70.6%，这与刘长庚等的已有研究结果比较接近[2]。
图1 调整前后中国各省份劳动收入占比均值的空间分布

注：基于自然资源部标准地图服务网站下载的审图号为GS（2023）2767号的标准地图制作，底图无修改。香港、澳门和台湾地区数据缺失。图2同。

Fig.1 Mean distribution chart of labor income proportion in different provincial-level regions of China before and after adjustment

为了进一步探究劳动收入占比各组成部分的省际差异，本文对劳动收入占比的构成进行空间分析，图2依次为折旧、生产税净额、混合收入以及国民收入占GDP比重均值的空间分布。①折旧方面，东部地区折旧占GDP的比重略大，中部次之，西部最小，说明经济发达地区在发展过程中资本占GDP的比重相对较大。随着工业化的发展，资本的积累速度加快，部门盈余增多。②生产税净额方面，与折旧相同，东部地区生产税净额占GDP的比重最高，按照一般的收入法GDP计算，生产税净额占GDP的比重越高，劳动收入占比越低。实际上，国有企业以及大型的民营企业主要集中在东部沿海，征收的营业税、增值税等生产税较多，并且沿海对外贸易具有得天独厚的地理优势，流通过程中也会产生大量的关税。③混合收入方面，呈现出与折旧和生产税净额不同的分配格局，中部地区占比最高，西部地区次之，东部地区普遍较低，这可能是因为经济越发达的地区，非正规就业占比越少，混合收入占比越低。④国民收入方面，差距相对较小，普遍集中在70%~75%之间，其中最低的上海为69.4%，最高的西藏为80.7%，总体水平为73.4%。
图2 中国各省份劳动收入占比构成均值的空间分布

Fig.2 Distribution map of the average proportion of labor income in different provincial-level regions of China

3 劳动收入占比省际差异的测算与分析

3.1 各省份劳动收入占比阶段性特征和趋势分析

表2为1978—2017年我国31个省份劳动收入占比各阶段水平和总体均值，依据总体均值的变化特征将劳动收入占比变化趋势分为4个阶段，分别是1978—1992、1992—2002、2002—2012和2012—2017年。劳动收入占比呈上升趋势的省份一共有12个，其中北京上升幅度最高，约36个百分点，上海、甘肃也超过了30个百分点；大部分省份处于下降趋势，其中西藏下降幅度最大，为36个百分点。部分省份部分年份的劳动收入占比出现超过1的数值，这是因为该省份本年度的营业盈余为负，按照调整后的计算公式国民收入会小于劳动收入。尽管总体均值变动幅度不大，但是各阶段劳动收入占比的变化趋势存在显著波动。具体来看，1978—1992年，大部分省份劳动收入占比的波动幅度不大，主要集中在7%以内。北京、上海上升幅度较大，分别上升了17和24个百分点，这可能是经济结构转型所致，如上海1978年第二产业占比为77.36%，1992年下降至60.33%，而第三产业占比显著上升。相反，海南、重庆下降幅度较大，分别下降了18和15个百分点，其中海南1978年第一产业占比为53.17%，1992年下降至28.97%。总体上，各省份劳动收入占比总体均值从1978年的69.09%略微下降到1992年的68.03%；1992—2012年，除福建、西藏外，各省份劳动收入占比均呈上升趋势，这可能是有偏技术进步的作用表现出阶段性特征所致，劳动偏向型技术进步显著提高了各部门的劳动收入占比[29-30]。总体上，各省份劳动收入占比均值提升了近11个百分点；2002—2012年，除辽宁、黑龙江等少数省份外，其他省份劳动收入占比均呈显著下降趋势。各省份工业化步伐明显加快，而服务业的提升趋势不明显，部分省份还出现第三产业占比下降现象。总体上，各省份劳动收入占比均值从2002年的78.79%显著下降到2012年的65.41%；2012—2017年，与第一阶段类同，大部分省份劳动收入占比的波动幅度较小，只有吉林、甘肃等少数省份超过10个百分点。除西藏外，各省份产业结构不断优化，第二产业占比逐渐下降，第三产业占比逐渐上升。总体上，各省劳动收入占比均值从2012年的65.41%略微上升至2017年的67.29%。
表2 1978—2017年中国各省份劳动收入占比的阶段性特征(调整后)(单位:%)

Tab.2 Labor income share in various provincial-level regions of China from 1978 to 2017 after adjustment (unit:%)

省份 1978年 1978—1992年均值 1992年 1992—2002年均值 2002年 2002—2012年均值 2012年 2012—2017年均值 2017年
北京 35.19 41.96 52.23 69.71 65.59 66.75 70.96 71.44 71.13
天津 43.19 44.70 55.32 70.96 71.30 54.76 52.64 54.02 58.57
河北 64.94 63.77 57.13 62.32 61.82 63.26 63.95 62.36 59.47
山西 67.85 66.67 64.53 83.07 83.73 61.95 52.57 54.58 51.80
内蒙古 69.57 67.86 71.16 91.57 101.91 64.66 47.30 49.37 52.30
辽宁 47.80 52.13 58.88 62.80 59.27 67.30 67.48 62.19 55.30
吉林 75.62 74.48 66.47 78.27 82.18 72.89 74.65 85.65 97.25
黑龙江 57.67 67.25 61.23 61.15 61.95 61.31 69.01 76.06 81.76
上海 28.61 38.32 53.12 54.21 58.18 56.50 61.10 62.47 62.08
江苏 59.13 62.36 63.01 72.06 74.59 61.55 54.57 54.21 52.52
浙江 69.23 66.90 62.71 65.52 68.75 63.33 67.34 73.32 76.50
安徽 78.82 79.25 73.48 81.42 84.64 69.51 63.38 62.01 59.36
福建 78.83 77.05 74.21 64.26 61.50 63.18 61.30 61.47 57.06
江西 80.55 76.62 75.39 79.53 83.54 73.15 75.98 75.57 76.63
山东 59.75 66.21 59.64 63.57 72.70 58.69 50.40 51.59 52.48
河南 74.46 75.52 74.57 96.56 95.01 70.21 56.51 52.47 45.71
湖北 68.94 69.84 67.13 75.82 81.17 67.12 58.94 55.70 54.90
湖南 79.26 78.98 70.20 81.40 85.43 69.65 64.56 64.31 63.06
广东 80.05 77.40 73.01 75.97 74.37 63.18 64.08 62.36 60.18
广西 77.66 78.81 75.70 89.26 95.74 75.71 67.91 67.32 64.11
海南 81.40 78.10 63.42 77.31 80.89 74.86 76.01 71.42 68.60
重庆 76.87 72.16 61.50 76.03 73.48 71.71 73.67 79.62 84.46
四川 76.80 73.51 75.18 75.50 78.02 73.92 71.91 77.16 82.80
贵州 69.18 75.82 69.65 89.75 85.11 73.82 73.79 72.62 69.15
云南 73.96 71.64 69.14 71.32 73.27 71.72 72.28 70.13 70.63
西藏 98.32 100.03 95.50 95.33 84.72 80.71 68.15 66.98 62.42
陕西 73.47 75.40 78.28 88.57 88.95 65.78 59.55 67.78 69.88
甘肃 77.74 73.57 68.91 84.81 95.01 79.51 84.19 93.91 107.87
青海 77.72 77.58 79.32 92.46 93.33 75.07 64.52 73.70 77.73
宁夏 68.47 70.47 69.68 85.37 93.45 74.73 66.09 68.15 65.85
新疆 70.76 72.27 69.26 75.82 78.49 71.80 72.85 75.95 74.55
均值 69.09 69.89 68.03 77.15 78.97 68.33 65.41 66.96 67.29
正如表2所呈现的阶段性特征，总体均值的变化趋势呈倒“U”型，在第一和第四阶段较为平缓，第二阶段显著上升，第三阶段显著下降。所有省份中北京和上海的上升趋势最为明显，下降趋势最为明显的省份是西藏。少数省份与总体趋势一致，大部分省份围绕各自均值上下波动，没有明显的变化规律。可能原因是，一方面不同地区由于在经济转型过程中产业结构的差异导致劳动收入占比呈现出不同的变化趋势，另一方面不同地区技术进步偏向性会非对称地影响要素边际产出，从而改变各地区要素收入分配格局。本文使用标准化供给面系统方法测算各省份的要素替代弹性和产出弹性，并分析其技术进步偏向类型，为各省份劳动收入占比的总体变化趋势提供合理的解释。
表3为各省份技术进步偏向各参数的估计结果，要素替代弹性、规模因子、产出弹性均在1%水平上显著，而劳动和资本要素的技术效率参数以及劳动和资本的技术进步时间变化参数均存在显著差异。大部分省份要素替代弹性小于1，但均靠近1，其中云南的要素替代弹性最接近于1，说明该省份的生产函数形式近似为柯布道格拉斯函数。云南省劳动收入占比的波动幅度相对较小，要素份额的稳定性特征较为突出。
表3 1978—2017年中国各省份技术进步偏向各参数估计

Tab.3 Estimation of technological progress bias parameters in various provincial-level regions of China from 1978 to 2017

省份 ξ ε δ γ N λ N γ M λ M 联合似然值
北京 0.421***（0.010） 0.928***（0.014） 0.430***（0.011） -0.114**（0.049） 0.543**（0.234） 0.361***（0.063） 1.652***（0.128） 137.032
天津 0.481***（0.012） 0.934***（0.015） 0.477***（0.015） -0.001（0.002） 9.343**（4.047） 0.190***（0.012） 1.485***（0.113） 93.074
河北 0.590***（0.012） 0.996***（0.004） 0.358***（0.004） 0.520（0.430） 1.533***（0.112） -0.647（0.765） 1.918***（0.475） 258.714
山西 0.489***（0.016） 0.953***（0.043） 0.316***（0.020） 0.299*（0.178） 1.647***（0.113） -0.271（0.359） 2.111*（1.152） 87.960
内蒙古 0.486***（0.024） 0.935***（0.046） 0.318***（0.028） 0.295**（0.117） 1.568***（0.110） -0.231（0.214） 2.112**（0.849） 82.212
辽宁 0.666***（0.014） 0.985***（0.004） 0.399***（0.007） -0.396***（0.095） 0.574***（0.152） 0.799***（0.139） 0.880***（0.131） 174.527
吉林 0.495***（0.009） 1.429***（0.035） 0.297***（0.008） 0.140***（0.002） 1.076***（0.038） -0.334***（0.004） 1.088**（0.458） 165.650
黑龙江 0.567***（0.018） 0.989***（0.005） 0.328***（0.010） -0.363***（0.139） 0.779***（0.275） 1.010***（0.281） 1.064***（0.224） 132.637
上海 0.595***（0.014） 0.946***（0.009） 0.492***（0.005） -0.175***（0.055） 0.147（0.106） 0.313***（0.056） 1.087***（0.074） 198.654
江苏 0.412***（0.010） 0.819***（0.010） 0.310***（0.007） 0.165***（0.004） 1.336***（0.057） -0.018**（0.009） 3.654***（1.143） 173.934
浙江 0.571***（0.015） 1.006***（0.002） 0.330***（0.006） 0.788***（0.168） 1.481***（0.120） -1.368***（0.352） 2.002***（0.124） 210.745
安徽 0.462***（0.013） 0.841***（0.015） 0.216***（0.008） 0.165***（0.006） 1.189***（0.059） -0.093***（0.021） 1.973***（0.456） 154.508
福建 0.512***（0.015） 0.984***（0.003） 0.306***（0.005） 0.607***（0.084） 0.947***（0.072） -1.009***（0.179） 0.651***（0.094） 212.747
江西 0.471***（0.013） 1.001***（0.001） 0.223***（0.006） -1.014（0.620） 2.404***（0.201） 3.999*（2.148） 2.070***（0.191） 175.908
山东 0.529***（0.011） 0.881***（0.012） 0.354***（0.008） 0.189***（0.008） 1.030***（0.043） -0.066***（0.014） 2.092***（0.330） 201.892
河南 0.414***（0.022） 0.807***（0.088） 0.199***（0.034） 0.181***（0.030） 1.397***（0.159） -0.084（0.087） 2.801*（1.448） 40.165
湖北 0.469***（0.014） 1.554***（0.056） 0.371***（0.013） 0.100***（0.003） 0.753***（0.062） 0.044***（0.009） 2.394***（0.630） 129.590
湖南 0.417***（0.012） 0.926***（0.017） 0.239***（0.008） 0.221***（0.024） 1.289***（0.086） -0.213***（0.069） 1.431***（0.370） 157.307
广东 0.465***（0.011） 1.018***（0.003） 0.274***（0.006） -0.281***（0.067） 2.738***（0.124） 1.154***（0.194） 1.319***（0.129） 166.183
广西 0.543***（0.022） 1.008***（0.003） 0.222***（0.011） -0.436***（0.126） 2.861***（0.207） 2.048***（0.414） 1.721***（0.178） 79.730
海南 0.495***（0.013） 1.004***（0.002） 0.216***（0.006） -0.481***（0.176） 2.580***（0.176） 2.237***（0.659） 1.854***（0.184） 160.313
重庆 0.429***（0.014） 1.009***（0.006） 0.262***（0.007） 0.496***（0.180） 1.690***（0.221） -0.919*（0.513） 2.594***（0.191） 159.516
四川 0.514***（0.015） 0.913***（0.004） 0.246***（0.004） 0.096***（0.005） 0.611***（0.071） 0.0213（0.015） 5.580***（1.384） 214.608
贵州 0.356***（0.015） 1.003***（0.004） 0.232***（0.012） -0.525（0.485） 1.586***（0.539） 2.147（1.575） 1.350***（0.415） 41.661
云南 0.515***（0.012） 1.000***（0.000） 0.281***（0.004） 2.181（1.729） 0.456（0.306） -5.254（4.450） 0.408（0.322） 231.369
西藏 0.389***（0.007） 0.701***（0.039） 0.042***（0.007） 0.141***（0.005） 1.272***（0.040） -0.237***（0.037） 0.960***（0.118） 88.964
陕西 0.393***（0.021） 1.944***（0.435） 0.347***（0.041） 0.122***（0.004） 1.026***（0.091） 0.053***（0.012） 1.343*（0.810） 18.594
甘肃 0.435***（0.011） 0.782***（0.036） 0.157***（0.016） 0.093***（0.007） 1.179***（0.148） 0.159***（0.032） 1.739***（0.468） 73.058
青海 0.476***（0.018） 1.013***（0.012） 0.230***（0.015） -0.007（0.035） -0.470（1.554） 0.439***（0.128） 0.668*（0.381） 33.077
宁夏 0.419***（0.015） 1.004***（0.011） 0.283***（0.011） -0.174（0.718） 2.254**（1.143） 0.825（1.830） 1.492*（0.848） 78.993
新疆 0.542***（0.012） 0.999***（0.013） 0.274***（0.007） -0.323（6.150） 1.771（5.132） 1.224（16.26） 1.386（1.994） 186.491

注：括号内数值为标准误；***p<0.01，**p<0.05，*p<0.10。表6同。

根据判别式（4）~（6），结合要素替代弹性大小，分析各省份技术进步偏向类型（表4）。具体来看，西藏等省份的要素替代弹性小于1，其劳动技术进步效率总体上大于资本，技术进步偏向于资本，因此其劳动收入占比呈下降趋势；相反，上海等省份的劳动技术进步效率总体上小于资本，技术进步偏向于劳动，劳动收入占比呈上升趋势。在要素替代弹性大于1时，浙江、吉林的要素技术进步效率属于劳动增进型，技术进步偏向于劳动，因此其劳动收入占比总体呈上升趋势；而广东等省份属于资本增进型技术进步，技术进步偏向于资本，劳动收入占比总体呈下降趋势。总体上，各省份劳动收入占比在各阶段出现上下波动的趋势表明其要素技术进步类型一直在变动，但判断标准与表4完全一致，这说明技术进步偏向较好地解释了各省份劳动收入占比变化趋势形成的原因。
表4 中国各省份技术进步方向和要素替代弹性类型

Tab.4 Direction of technological progress and type of factor substitution elasticity in various provincial-level regions of China

劳动增进型技术进步 资本增进型技术进步
要素替代弹性大于1 浙江、吉林（劳动偏向） 广东、海南、湖北、广西、贵州、陕西、宁夏、青海（资本偏向）
要素替代弹性小于1 山东、江苏、河北、福建、山西、内蒙古、安徽、江西、河南、湖南、西藏（资本偏向） 上海、北京、天津、辽宁、黑龙江、重庆、四川、甘肃、新疆
（劳动偏向）

3.2 Dagum基尼系数测算结果与分析

图3为调整前劳动收入占比基尼系数区域差异的变化趋势。①1978—2017年劳动收入占比省际差异总体呈明显的下降趋势，从1978年的0.1179下降至2017年的0.0539，这表明要素收入分配的区域均衡性在逐年增强。②从地区内部差距来看，劳动收入占比基尼系数的均值整体呈现出东部>西部>中部的格局，尽管东部地区较大的内部差距是区域内差异的主要构成，但其基尼系数在显著缩小，空间非均衡性和区域分化特征有所缓和。从2011年开始，西部地区的基尼系数逐渐超过东、中部地区，近期成为区域内差距的主要来源。③区域间劳动收入占比基尼系数的演变格局存在显著差异，其中东—中、东—西之间差异最为明显，基尼系数均值分别达0.0954和0.1091，明显高于总体基尼系数，而中西部之间的差距相对较小。改革开放以来，随着工业化的快速发展和优先发展东部沿海地区的区域非均衡发展战略的推进，东部地区与内陆之间经济发展差距逐渐拉大，其中东西部地区间的发展差距最大。从动态趋势来看，东—中和东—西之间基尼系数呈明显的下降趋势，而中—西之间基尼系数的变化幅度相对较小。
图3 1978—2017年调整前劳动收入占比基尼系数的区域差异变化趋势

Fig.3 Trend of regional differences in the Gini coefficient of labor income before adjustment from 1978 to 2017

从图4调整前劳动收入占比省际基尼系数分解结果的变动来看，大多数时期区域间差异构成了全域内部差异最重要的来源，但从2011年开始区域内差异的重要性开始上升。时序特征显示，考察期内区域内差异呈小幅下降趋势，降幅达50%，区域间差异贡献率的变动相对较小，而超变密度的贡献率在2008年之后有所提高。
图4 1978—2017年调整前劳动收入占比省际基尼系数分解结果的变动

Fig.4 Result changes in the interprovincial Gini coefficient decomposition of labor income share before adjustment from 1978 to 2017

进一步对调整后劳动收入占比基尼系数进行测算，并绘制其变化趋势（图5）。与图3对比可以发现：①调整后的变化趋势在2008年出现转折，从最低点0.0543上升到2017年的0.1098，超过了起始年份0.1008，这说明我国劳动收入占比的省际差异仍然较大。②从地区内部差距来看，与调整前相比较，东西部劳动收入占比的基尼系数小于调整前，而中部地区劳动收入占比的基尼系数大于调整前，三大地区劳动收入占比的内部差距高低交错，演变趋势各异且具有明显的层次性差距。③区域间的差距在数值上与调整前相比差异不大，然而从动态趋势来看，东—中和东—西之间基尼系数的下降趋势较小，而中—西之间反而呈显著上升趋势，说明各区域发展战略的协同性不够，应积极推进各地区区域协调发展战略的协同融合。
图5 1978—2017年调整后劳动收入占比基尼系数的区域差异变化趋势

Fig.5 Trend of regional differences in the Gini coefficient of adjusted labor income share from 1978 to 2017

与调整前的分解结果比较，调整后区域内、区域间和超变密度的差别不大，但贡献率存在一定差异，主要是区域间差异的影响变大，而区域内差异的贡献率小于调整前。时序特征方面也存在不同，区域间差异保持下降趋势，而区域内差异和超变密度呈上升趋势。调整后劳动收入占比的基尼系数从2011年开始又逐渐变大，说明省际劳动报酬分配差距较大的问题仍然突出，发展的协调性、平衡性存在欠缺（图6）。
图6 1978—2017年调整后劳动收入占比省际基尼系数分解结果的变动

Fig.6 Result changes in the interprovincial Gini coefficient decomposition of labor income share after adjustment from 1978 to 2017

3.3 空间相关性及影响因素分析

3.3.1 空间相关性分析

地理学第一定律认为，空间关联性现象是普遍存在的，地理位置的距离与空间关联性呈正比。本文对劳动收入占比进行空间相关性分析，将有助于理解要素收入空间分配格局形成的原因。本文使用莫兰指数双边检验劳动收入占比是否存在空间相关性。表5检验结果显示，大部分年份劳动收入占比的Moran's I显著正相关，性质相似的空间单元产生集聚，拒绝了“无空间相关性”的原假设，满足空间计量分析的前提条件。
表5 1978—1997年劳动收入占比的莫兰指数双边检验结果

Tab.5 Bilateral test of Moran's I for the proportion of labor income in 1978-1997

年份 Moran's I Z 年份 Moran's I Z
1978 0.315 3.139 1998 0.116 1.293
1979 0.311 3.116 1999 0.123 1.356
1980 0.359 3.537 2000 0.102 1.174
1981 0.354 3.518 2001 0.136 1.458
1982 0.340 3.398 2002 0.170 1.760
1983 0.347 3.471 2003 0.161 1.679
1984 0.347 3.462 2004 0.334 3.236
1985 0.347 3.473 2005 0.238 2.472
1986 0.345 3.430 2006 0.190 2.050
1987 0.365 3.584 2007 0.236 2.481
1988 0.389 3.822 2008 0.337 3.224
1989 0.335 3.311 2009 0.306 2.934
1990 0.258 2.603 2010 0.155 1.650
1991 0.217 2.251 2011 0.246 2.418
1992 0.379 3.700 2012 0.143 1.533
1993 0.133 1.446 2013 0.209 2.112
1994 0.034 0.588 2014 0.151 1.615
1995 0.125 1.384 2015 0.158 1.662
1996 0.220 2.218 2016 0.223 2.242
1997 0.149 1.594 2017 0.176 1.871
为了确认空间模型形式，本文通过LR检验得到SDM与SAR、SEM的似然比值结果分别为101.33和96.53，强烈拒绝SDM模型与SAR模型存在本质差别、SDM模型与SEM模型存在本质差别，即空间杜宾模型为最优模型。在空间计量回归之前，需要构建空间权重矩阵，本文采用邻接空间权重矩阵，如果两个地区相邻，则取值为1，反之则取0，对角线取0。

3.3.2 影响因素分析

改革开放以来，中国的产业结构经历了快速变迁，已基本完成由农业化国家向工业化国家转型。然而中国产业结构的变迁呈现明显的空间非均衡性特征，这是解释劳动收入占比空间格局形成的一个重要视角。重要影响因素产业结构（is）采用第二产业产值占GDP比重衡量，其余影响因素包括：①人均GDP（pgdp）；②人力资本水平（edu）采用劳动力平均受教育年限衡量；③城镇化率（ur）采用城镇人口与总人口的比值衡量；④金融发展水平（fd）采用金融机构贷款总额与GDP的比值衡量；⑤国有经济比重（soe）采用国有企业职工人数占总职工人数的比例衡量；⑥财政水平（gr）采用财政收入占GDP的比重衡量；⑦政府干预程度（gi）采用财政支出占GDP的比重衡量。原始数据来源于历年的《中国统计年鉴》《中国劳动统计年鉴》《新中国60年统计资料汇编》《中国人口与就业统计年鉴》以及各省份统计年鉴。回归结果见表6。
表6 面板回归和空间杜宾模型回归结果

Tab.6 Results of panel regression and spatial Durbin model regression

变量 面板回归 x Wx
is -0.720***（0.044） -0.617***（0.045） -0.193**（0.086）
pgdp -0.006***（0.002） -0.017***（0.027） 0.014***（0.004）
edu 0.010**（0.004） 0.014**（0.004） 0.013（0.009）
ur -0.188（0.046） 0.015（0.047） 0.037（0.094）
fd 0.033***（0.009） 0.052***（0.009） 0.105***（0.019）
soc -0.028（0.043） -0.092**（0.046） 0.532***（0.089）
gr -0.206***（0.054） -0.185***（0.056） -0.300**（0.118）
gi -0.000（0.000） -0.000（0.000） 0.000（0.000）
本文分别列出了面板回归、空间杜宾固定效应模型的回归结果，产业结构的估计系数均在1%的水平下显著为负，表明第二产业占比的增加会降低劳动收入占比。固定效应的回归结果表明，产业结构的“空间滞后项W·产业结构”与劳动收入占比负相关，邻近地区第二产业的发展对本地区的劳动收入占比产生负向影响，说明产业结构对劳动收入占比存在负向空间溢出效应。在资本要素流动相对通畅，劳动要素流动相对受阻的条件下，随着工业化的发展，产业结构的空间外溢使经济发展具有明显的资本偏向特征，从而提高了资本收入占国民收入的比重。相反，人力资本水平与劳动收入占比正相关，但其“空间滞后项W·人力资本水平”的回归系数不显著，这是因为户籍制度限制了劳动要素的自由流动，抑制了人力资本红利的空间溢出效应。
其他影响因素方面，人均GDP的估计系数在1%水平下显著负相关，论证了空间分布分析的结果，即经济愈发达，劳动收入占比愈低。而邻近地区人均GDP的影响刚好相反，邻近地区经济愈发达，本地区的劳动收入占比愈高，同样体现了要素收入分配的区域分布特征。本地区和邻近地区金融发展显著促进了劳动收入份额，这可能是由于大部分省份劳资替代弹性小于1，资本相对数量的增加有利于提高劳动报酬的相对份额。此外，国有经济比重、财政水平与劳动收入占比负相关，而邻近地区国有经济占比与劳动收入占比显著正相关，邻近地区财政水平与劳动收入占比负相关，这与空间分布分析的结果相对应。固定效应模型的空间相关系数 ρ在5%水平上显著为负，表明不同区域间劳动收入占比存在显著负溢出效应。

4 结论与建议

4.1 主要结论

本文重新调整了劳动收入占比分子分母的计算口径，分子考虑了个体户业主的混合收入，分母采用比GDP更合适的国民收入，对1978—2017年我国各省份劳动收入占比进行测算，通过空间分布分析探究了劳动收入占比及其构成的地区分布特征，比较了不同地区劳动收入占比的大小，总结了劳动收入占比的阶段性变化特征；继而使用标准化供给面系统方法测算了各省份要素技术进步偏向参数和要素替代弹性，对各省份劳动收入占比进行趋势分析；最后使用Dagum基尼系数描绘了劳动收入占比省际差异的演化格局，并通过分解方法对劳动收入占比省际差异的构成进行了深入剖析，厘清了差距来源以及贡献大小，同时还利用空间计量方法分析了要素收入空间分配格局形成的原因。得出主要结论如下：
①无论使用调整前还是调整后的测算方法，劳动收入占比整体都呈现西部>中部>东部的空间分配格局，经济愈发达的地区劳动收入占比愈低，其中上海最低，西藏最高。折旧以及生产税净额占GDP比重的空间分布与劳动收入占比相反，而混合收入占GDP比重与之相同。
②各省份劳动收入占比总体均值的变化趋势呈倒“U”型，其中1992—2002年显著上升，2002—2012年显著下降，两端较为平缓。所有省份中北京和上海上升趋势最为明显，西藏下降趋势最为明显。大部分省份要素替代弹性小于1，其中上海、北京属于资本增进型技术进步，而西藏属于劳动增进型技术进步。大部分省份技术进步偏向于资本，这是导致其劳动收入占比显著下降的重要原因。
③与调整前计算的劳动收入占比基尼系数省际差距相比较，调整后的总体差距呈上升趋势，省际差异较大的问题仍然突出。从地区内部差距来看，无论使用调整前还是调整后的测算方法，东部地区的内部差距最大，并且呈显著的下降趋势；调整前中部和西部地区内部差距呈下降趋势，而调整后呈上升趋势。从区域间的差异来看，东—中、东—西之间的差距较为明显，中—西间的差距相对较小。区域间劳动收入占比差异构成了全域内部差异最重要的差距来源。不同的是，使用调整后的测算方法区域间差异的影响更大，而区域内差异的影响更小。
④空间计量分析发现，产业结构对劳动收入占比有显著的负溢出效应，邻近地区第二产业占比越高，本地区的劳动收入占比越低；人力资本水平与劳动收入占比正相关，但户籍制度限制了劳动要素的自由流动，抑制了人力资本红利的空间溢出效应。

4.2 政策建议

①以区域协调发展战略促进要素收入分布更加均衡。要把握各地区劳动收入占比所体现的差异性、阶段性和区域不平衡性特征，在充分发挥市场在空间资源配置中的决定性作用基础上，以公正分配为目标，通过宏观经济政策缓解要素收入分配区域失衡。要以实现全体人民共同富裕为落脚点促进发展的平衡性、协调性和包容性，各地区尤其在经济发达的东部地区要合理调节其资本收入，依法规范和引导我国资本健康发展，强化反垄断意识，防止资本无序扩张，有效防范风险，维护市场公平竞争。而在经济欠发达地区，要充分发挥资本作为重要生产要素的积极作用，不断提高对外开放水平，促进投资便利化，以良好的营商环境吸引更多外来资本投资。
②以产业结构转型升级增加劳动者人力资本溢价。长期以来，我国依靠资源和低成本劳动力等要素驱动经济增长。进入新发展阶段，尤其是经济落后地区，要从依靠资源和低成本劳动力等要素驱动转向创新、人力资本驱动发展，为此需要通过推动传统产业向高技术化、高知识化和高附加值产业进行转移，增加各地区服务业占总产值的比重，推动制造业从注重量向发展质的方向转变，加快资本密集型产业向新型劳动密集型和知识密集型转型，引导制造业向全球价值链上游迈进。同时应加强科教投入，促进人力资本积累，通过产业结构转型升级促进人力资本溢价。
③以新型城镇化战略引导劳动要素合理有序流动。一方面，我国城镇化质量有待进一步提升，户籍制度改革及其配套政策尚未全面落实，户籍人口城镇化率与常住人口城镇化率仍存在较大差距。另一方面，我国仍处在城镇化快速发展期，京津冀协同发展、长三角一体化发展、粤港澳大湾区建设等区域重大战略深入实施，使城市群和都市圈能够持续发展壮大。为此要继续深化户籍制度改革，放开放宽除个别超大城市外的落户限制，试行以经常居住地登记户口制度；完善城镇基本公共服务提供机制，建立基本公共服务同常住人口挂钩、由常住地供给的机制，稳步提高非户籍常住人口在流入地享有的基本公共服务项目数量和水平；降低劳动力转移的隐性成本，消除就业歧视，防止对劳动力市场的不当干预，实现劳动要素在城乡区域之间的自由流动。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
张璟龙, 刘李红. 共同富裕视阈下协调配套的分配制度体系——思想渊源、演进历程与实践进路[J]. 经济学家, 2023(2):5-14.

[2]
刘长庚, 柏园杰. 中国劳动收入居于主体地位吗——劳动收入份额再测算与国际比较[J]. 经济学动态, 2022(7):31-50.

[3]
Karabarbounis L, Neiman B. The global decline of the labor share[J]. The Quarterly Journal of Economics, 2013, 129(1):61-104.

[4]
Karabarbounis L, Loukas. Perspectives on the labor share[J]. Journal of Economic Perspectives, 2024, 38(2):107-36.

[5]
徐雷, 杨家辉, 郑理. 中国劳动收入份额的时空分异特征及动态演变研究[J]. 北京工商大学学报:社会科学版, 2021, 36(1):92-104.

[6]
李稻葵, 刘霖林, 王红领. GDP中劳动份额演变的U型规律[J]. 经济研究, 2009, 44(1):70-82.

[7]
李琦. 中国劳动份额再估计[J]. 统计研究, 2012, 29(10):23-29.

[8]
刘亚琳, 茅锐, 姚洋. 结构转型、金融危机与中国劳动收入份额的变化[J]. 经济学(季刊), 2018, 17(2):609-632.

[9]
吕光明. 中国劳动收入份额的测算研究:1993—2008[J]. 统计研究, 2011, 28(12):22-28.

[10]
张车伟. 中国劳动报酬份额变动与总体工资水平估算及分析[J]. 经济学动态, 2012(9):10-19.

[11]
张晓婧, 丁一兵. 中国行业层面劳动收入份额变动的测算及结构分解[J]. 劳动经济研究, 2022, 10(2):45-72.

[12]
罗长远, 张军. 经济发展中的劳动收入占比:基于中国产业数据的实证研究[J]. 中国社会科学, 2009(4):65-79,206.

[13]
白重恩, 钱震杰. 劳动收入份额决定因素:来自中国省际面板数据的证据[J]. 世界经济, 2010, 33(12):3-27.

[14]
刘亚琳, 申广军, 姚洋. 我国劳动收入份额:新变化与再考察[J]. 经济学(季刊), 2022, 22(5):1467-1488.

[15]
蒋娇燕, 郭继强. 中国技术进步方向:兼顾人力资本变动的测算[J]. 中国科技论坛, 2022(1):55-63,72.

[16]
张军, 张席斌, 张丽娜. 中国劳动报酬份额变化的动态一般均衡分析[J]. 经济研究, 2022, 57(7):26-44.

[17]
吴振华. 中国劳动收入份额变动的区域异质性及其影响因素分析[J]. 人口与发展, 2020, 26(3):2-15.

[18]
谭晓鹏, 钞小静. 中国要素收入分配再测算[J]. 当代经济科学, 2016, 38(6):7-16,122.

[19]
张亚斌, 吴江, 冯迪. 劳动收入份额的地区差异实证研究——来自中国省级面板数据的证据[J]. 经济地理, 2011, 31(9):1499-1503.

[20]
白重恩, 钱震杰. 国民收入的要素分配:统计数据背后的故事[J]. 经济研究, 2009, 44(3):27-41.

[21]
Grossman G M, Oberfield E. The elusive explanation for the declining labor share[J]. Annual Review of Economics, 2021,14:93-124.

[22]
Rognlie M. Deciphering the fall and rise in the net capital share:Accumulation or scarcity?[J]. Brookings Papers on Economic Activity, 2015(1):1-69.

[23]
Hulten C R. Growth accounting when technical change is embodied in capital[J]. American Economic Review, 1992, 82(4):964-980.

[24]
Bridgman B. Is Labor's loss capital's gain? Gross versus net labor shares[J]. Macroeconomic Dynamics, 2017,22:2070-2087.

[25]
张军, 吴桂英, 张吉鹏. 中国省际物质资本存量估算:1952—2000[J]. 经济研究, 2004(10):35-44.

[26]
单豪杰. 中国资本存量K的再估算:1952—2006年[J]. 数量经济技术经济研究, 2008, 25(10):17-31.

[27]
Klump R, McAdam P, Willman A. Factor substitution and factor-augmenting technical progress in the United States:A normalized supply-side system approach[J]. Review of Economics and Statistics, 2007, 89(1):183-192.

[28]
Dagum C. A New Approach to the decomposition of the Gini income inequality ratio[J]. Empirical Economics, 1997, 22(4):515-531.

[29]
王林辉, 袁礼. 有偏型技术进步、产业结构变迁和中国要素收入分配格局[J]. 经济研究, 2018, 53(11):115-131.

[30]
孙豪, 曹肖烨, 张俊英, 等. 浙江县域共同富裕的测度、评价及区域分异[J]. 经济地理, 2024, 44(8):97-105.

DOI

Options
Outlines

/

〈 〉