经济学研究年评（第一卷）

与类似出版物不同的是，《年评》不直接收录论文，而是发表一线学者撰写的综述性文章，覆盖面广、针对性强，易于让读者了解一个领域的研究全貌和最新进展。同时，重视对研究方法的介绍，并展示方法在研究中国问题方面的应用。相信这样的取向将推动中国经济学在规范化和科学化方面的进步。

本系列图书重在介绍当年的国际学术前沿与国内重要的经济学论题、经济学重大进展，反映国内学者在国际学术前沿上展开的对中国问题研究的最新成果，或者是基于研究成果对国内经济学学术研究方向、方法和焦点的思考。主要内容包括国际前沿文献综述、研究综述，体现中国经济前沿问题的研究成果，代表国内学者在国际前沿研究上的整体风貌，可视为国际知名经济学期刊、引证率最高的出版物之一Annual Review of Economics的中国版本。

清华大学文科资深教授、清华大学经济管理学院院长（2006—2018）。 北京大学博雅特聘教授，北京大学国家发展研究院院长。 

序一  新常态下的经济学研究创新
序二  深入中国现实、做对中国有用的研究
匹配理论与大学录取：对中国高考制度改革的研究 
经济机会、代际流动性和共同富裕：一个文献综述 
贸易保护的复兴与中美贸易的未来：中美贸易摩擦6周年回顾
劳动力市场与金融
结构转型路径上的宏观稳定政策 

近些年来，得益于更加可靠全面的大数据的普及应用，代际流动性的研究不再局限于单纯地估计代际流动相关性，而是以此为出发点，从各个角度探究代际流动性的影响因素，尝试用实证检验模型中的理论机制，从而提出有效可行的政策建议。近10年内，从经济学国际“五大顶级期刊”，以及一些高水平的工作论文来看，代际流动性相关文献的研究前沿主要集中在以下几个方向。 
（一）代际流动性与其他社会经济变量的关联
大数据的重要优势之一在于不同数据之间的可连接性。在前文中，我们介绍了Raj Chetty所带领的研究团队基于美国的个体收入数据进行的关于收入代际流动性及其地区差异的研究。事实上，该团队还将此数据集与其他数据进行连接，包括专利数据、高校学生的数据、以及社交媒体的数据等，展开了一系列富有创造性的实证研究，为我们从代际流动性的角度理解创新与发明、高等教育以及社会资本等问题提供了崭新的视角。以下我们就对这些研究做简要介绍：
第一，Bell等（2019）将美国的专利申请数据、收入数据与学校成绩数据进行匹配，发现美国的专利发明人高度集中于高收入的家庭中；小学时同样成绩优异的学生，其成年后的发明产出与其家庭背景仍高度相关。同时，这项研究还利用不同专利技术领域之间的差异性，识别了孩子幼年成长环境的因素在塑造创新产出方面的代际流动性中的作用。创新是经济增长的驱动力。在一个社会中，如果很多天赋较高的孩子因其家庭背景的限制而没有得到后续的培养和上升空间，没有发挥出其在发明创造方面的禀赋，这本身是一种经济机会不平等的表现，也会对经济的可持续发展产生不利的影响。
第二，Chetty等（2020b）将美国各高校就读学生的信息与其父母的收入信息相匹配，考察了美国的高等教育体系在塑造代际流动性方面的作用。他们发现，不同家庭背景的孩子成年后的收入差异，主要是由父母的收入与孩子所就读的大学之间的关联所解释；美国的大学在学生家庭背景上呈现高度的分割（segregation），在给定SAT/ACT考试分数不变的情况下，高收入家庭的孩子进入顶尖大学的概率仍然远高于中低收入家庭；改善这种分割的状态有助于提高美国社会的代际流动性。事实上，这项研究对于理解我国的高考和高校体系在塑造社会流动性方面的作用具有一定的启发性，这方面值得在我国得到更深入的实证研究。
第三，社会资本也是塑造代际流动性的重要因素。在本文第二部分提出的理论框架中，代际传承的禀赋中就包含了社会资本。Chetty等（2022a, b）使用社交媒体Facebook上的朋友关系的信息，利用网络结构的实证分析方法，在美国的邮政编码地区层面界定了若干种对于社会资本的度量，并考察了社会资本与地区层面的代际流动性之间的关联，发现高SES和低SES的人之间的连接性（connectedness）越强的地方表现出显著更强的代际流动性。这项研究为关于社会互动、流动性和不平等之间的关系的探究在视角和方法上做出了重大的创新，也给未来的研究指出了可能的发展方向。
（二）多代人间的代际流动性
基于Becker和Tomes（1979）的两代人模型，大多数研究代际流动性的实证文献都仅仅关注两代人之间的代际流动性，尤其是父亲-儿子之间。但是基因禀赋、财富积累、家庭文化、社会网络等影响个体人力资本积累的家庭特征具有很强的持久性，因此社会经济地位在家庭中的传承不仅仅是一阶自回归过程（Mare, 2011; Solon, 2018）。在这个问题上，Stuhler（2012）在模型中引入市场中的运气因素、技能的多维度特征、祖父母对孙辈的直接影响等，发现长期的多代之间的流动性会低于一阶自回归过程的假定所预测的水平。
Lindahl等（2015），Braun和Stuhler（2018），Long和Ferrie（2018），Colagrossi等（2020）和 Modalsli（2021）使用多代人数据分别研究了收入、教育和职业等社会经济地位变量的代际相关性，涵盖美国、英国、德国、瑞典等多个国家，均发现即使控制了父辈特征，祖辈以及更久远的祖辈特征依然会对子代特征产生影响，所以仅使用两代人的实证研究低估了代际持久性，从而高估了代际流动性。而且，Adermon等（2021）使用整个扩展家庭的数据，发现除了直系亲属以外，父母的兄弟姐妹及其配偶等旁系家庭成员的特征（教育成就）同样与个体相关，这在一定程度上也说明了婚姻匹配在代际流动中的作用。
此外，Clark等（2015），Clark和Cummins（2015），Barone和Mocetti（2016）和Hao（2021） 等使用姓氏作为社会经济地位的标志，利用历史数据将个体根据姓氏进行匹配亲缘匹配，同样证实了很强的多代持久性的存在。使用姓氏作为代际联系的问题在于，同一个姓氏但没有亲缘关系的个体，可能受到相同的居住地、种族等家族以外的共有特征影响，因此可能高估代际相关性。因此实证文献中通常选择比较罕见的姓氏以缓解这一问题。Güell等（2015）使用横截面数据，将罕见姓氏对于个体教育成就的解释力作为姓氏的信息含量，同样发现很强的代际相关性。
（三）社会经济地位、家庭教育与偏好
禀赋继承和人力资本投资是决定代际流动性的重要因素，其中“禀赋”本身的内涵也非常丰富。禀赋不仅包括种族、能力、健康状况等特征的基因遗传，也包括家庭所拥有的社会网络、人际关系、家庭文化（比如目标、观念等）（Becker and Tomes, 1979）；而人力资本投资也不仅限于以金钱形式进行，父母的时间投入和言传身教都会积累子代的人力资本。因此，来自于社会经济地位高的家庭的个体，不仅享有经济资源的直接优势，而且还会在其他方面受到家庭背景的间接影响，而后者的作用甚至超过了前者。例如，Lefgren等（2012）发现父子代际收入相关性中至多有37% 是由家庭金融资产的直接因果作用导致的。
Adermon等（2021）认为，家庭成员的影响可以通过货币或和非货币投资途径发挥作用，比如与儿童度过的优质时间，以及通过家庭传统和行为规范、言传身教等途径影响儿童的人力资本积累。类似的，Falk等（2021）通过在德国进行随机控制试验，发现来自社会经济地位高的家庭的孩子更聪明、更耐心、更利他主义、风险偏好的倾向更小，从而实现更好的健康状况、更少参与风险行为、实现更高的教育水平，从而获得更高的收入。而且，机制研究也证实了上述观点：父母教育和家庭收入直接影响父母的人力资本投资数量和质量，教育水平高、收入高的父母，倾向于多陪孩子，且教育方式更倾向于奖励而不是惩罚，而且亲子互动时间更加高效。在《爱，金钱和孩子》一书中，Doepke和Zilibotti（2019）对“教养方式”（parenting style）这一心理学概念在代际流动性中扮演的作用进行了理论模型和实证的研究，他们发现，社会经济地位较高的家长更少地使用专制型的教养方式，而更多地使用具有更高反应性教养方式，这有利于子代认知能力和非认知能力的发展。 
此外，利用挪威的领养儿童数据的诸多研究也表明，先天基因因素和后天家庭环境培养对于个体的社会经济偏好、行为都会产生深远影响，比如受教育水平（Björklund et al.，2006），选举参与度（Cesarini et al., 2014），犯罪行为（Hjalmarsson and Lindquist, 2013），创业行为（Lindquist et al., 2015），长期健康状况（Lindahl et al., 2016），以及金融市场上的风险偏好等（Black et al., 2017）。Ager等（2021）使用美国内战废除奴隶制作为外生冲击，发现相对于奴隶数量更少的富裕家庭而言，南方大奴隶主损失惨重，但是他们的子辈以及孙辈的财产水平恢复更快，主要是通过联姻以及与其他精英家族的社会网络加速了财产积累，而其他企业家精神和技能水平等遗传特征作用并不显著。
（四）区分环境和基因的相对作用
早期文献使用同一家庭中兄弟姐妹在社会经济方面的结果的相关性，来代表家庭以及社会背景（观测到的和不可观测的因素）对于决定个体成年表现中所发挥的作用。如果家庭和社会背景的作用大，则兄弟姐妹的表现应该高度相关；反之，则该相关性应该与总体中随机匹配的两个人的相关性没有显著差异（Solon, 1999）。同时，该方法也存在一些问题。一方面，兄弟姐妹所共享的不仅仅是家庭社会经济地位，也包括父母特征、家庭文化，以及学校和居住环境等共同因素。另一方面，家庭特有的但是即使对于兄弟姐妹也存在异质性的因素没有被考虑，比如并不完全的相同的基因遗传、由于出生时间、出生次序不同而导致的资源配置差异等（Rosenzweig and Zhang, 2009）。 
此外，自Sacerdote（2007）以来，很多文献使用领养儿童数据来区分基因因素和环境因素在决定代际相关性中的相对重要性，考察的结果变量包括教育和收入水平（Björklund et al., 2006; Björklund et al., 2007; Sacerdote, 2007），风险偏好和投资组合选择（Sacerdote, 2007; Fagereng et al., 2021），以及财富积累（Fagereng et al.，2021）。在文献中被普遍接受的是，二者均会产生显著影响，但是对于不同的结果变量，基因遗传和后天家庭环境的相对作用大小存在异质性。比如Adermon等（2021）使用瑞典领养儿童数据，发现研究教育成就的代际相关性主要是由父母的基因遗传决定的，家庭环境因素影响仅仅在30-40%左右。Fagereng等（2021）使用相同的数据，发现对于（金融）资产积累而言，基因的作用更大，是环境影响的2倍左右；对于金融风险偏好而言，家庭环境因素作用很大，而基因作用不大；而且基因和家庭环境的影响存在负相关，即基因禀赋更差的父母会通过提供更好的成长环境或者财富直接转移来弥补孩子的先天劣势。
（五）成长环境的因果效应
社区层面的阶层分割被认为是影响社会代际流动性的重要因素，未成年时期所在社区的环境如何影响个体实现阶层上升的概率也得到越来越多的实证研究。在理论层面，Durlauf和Seshadri（2018）构建理论模型，刻画了社区层面的分割现象在解释“了不起的盖茨比曲线”中的作用。在实证研究上，Chetty 等（2014b）系统估计了美国全国范围内通勤区层面的代际收入向上流动性（AUM），并在此基础上进一步将地理单元细化到县级层面和普查区层面（Chetty et al., 2018）。相比于以往侧重于跨国比较的文献，这一系列文献聚焦于国家内部的代际流动性差异分析，使用一个国家内部统一的税收数据，口径一致且覆盖全面，地区间具有可比性。
在此基础上，Chetty和Hendren（2018a，2018b）和Chetty等（2016a）分别利用美国家庭跨区域搬家的准自然实验和美国MTO项目数据，证实了童年时的成长环境对于儿童成年表现（大学入学率、收入等）的影响，在实证上区别了因果效应和类聚效应。而且，社区的因果效应在划分很细的地理单元中发挥作用：条件于自己所在的人口普查区中的贫困率，仅仅1英里以外的普查区的特征对于儿童预期表现几乎没有任何解释力（Chetty et al., 2018）。而且在23岁之前，儿童在高质量社区度过的时间每增加1年，其AUM可以提高4个百分点。这些高质量、代际流动性高的社区在多个方面具有一致的特征：居住区分割现象弱，收入不平等水平低，初等学校质量高，社会资本水平高，且家庭稳定性高（Chetty et al., 2018）。基于Chetty和Hendren（2018a，2018b）的估计，美国国内代际收入向上流动性的地区差异中有62%可以由不同地区的社区环境的因果效应解释。 
类似地，Bergman等（2019）在西雅图和King County进行随机控制试验，发现大部分低收入家庭并不是按类聚效应所预测的那样偏好居住在低流动性的地区；相反，普遍存在的基于收入的居住分隔现象主要是由于租房搜寻过程中存在的障碍。如果对低收入家庭提供针对性帮助，比如提供租房搜寻辅助、为家庭与房东联系提供便利、提供定制的短期金融协助等，都可以显著减少家庭所面临的障碍，促使低收入家庭搬到高流动性地区，提高政府住房补贴的效率，从而提高代际流动性，缩小贫富差距。