一、引言

近些年，“拼爹”一词频繁出现在各种媒体中，反映出收入差距在代际间的传递问题受到越来越多的关注。与父母家庭背景相关的一些特征对孩子的人生有很大影响(Sirniö et al., 2016a)，其中家庭收入对孩子的影响尤其重要(Corcoran et al., 1992)。收入是反映个体阶层地位的主要信号，而且是决定个体生活幸福程度的重要因素之一。相对于职业而言，收入水平是反映个人社会阶层的更精确的度量指标(Sirniö et al., 2016a)。

代际收入弹性是衡量代际收入流动性或代际收入传递程度的最常用指标，它的值越大意味代际收入流动性越低。测度中国的代际收入弹性的文献比较多，比如王海港(2005)、陈琳、袁志刚(2012)、江求川(2017)等，但可能由于样本、计量模型和对收入的界定等方面的不同，得到的代际收入弹性估计值的差异较大，大致分布在0.3-0.8区间。这些研究尝试用各种方法计算个人的永久收入，继而计算代际收入弹性。但个人收入的变动有明显的阶段性，而且，这种变动随着个人教育水平、工作经历、家庭背景和社会经济形势的不同而不同。如果没有劳动者历年的收入值，准确地估算一生收入是非常困难的。目前，我国尚无追踪劳动者整个职业生涯的调查。

虽然年轻人在职业早期可以运用自身的竞争力、决策力、掌控力对他们的以后人生发展路径做出选择，但这些选择会受到由社会结构带来的机会和约束的影响(Shanahan，2000)，也会受到家庭背景的影响。父母的一些特征诸如收入等可以直接影响孩子的事业；同时，拥有更多社会经济资源的家庭，会通过主动参与子代未来的长期计划和对其有风险的决策提供信息资源从而间接影响子代的发展(Kim and Schneider, 2005)。这两种家庭影响主要通过父母参与甚至主导子代人力资本和社会资本的投资决策来实现。

进入劳动力市场时的起点，对于子代长期或最后的职业成就具有决定性作用(Härkönen and Bihagen, 2011)。根据Diprete and Eirich(2006)的累积优势理论，早期优势可以作为资源以创造后续的利益。那么，在步入劳动市场起点时，由父母收入差异造成的子代收入或社会地位的差异，可能会形成一种路径依赖效应，影响子代未来的收入轨迹。父母收入与职业早期的子代收入是否有因果联系？如果有，这种联系的程度如何？这些问题的答案对于缓解贫富差距，增强代际收入流动性有重要的现实意义。

本文尝试打开代际收入传递的黑箱，从职业早期入手，研究代际收入传递的程度。本文的创新点在于利用连续变量处理效应模型，估计出职业早期子代收入的反事实分布，揭示父代收入与子代收入之间的因果关系，得到职业早期的代际收入弹性。研究发现，与一生的代际收入流动性相比，职业早期的代际收入流动性相对较大，这意味贫困或收入差距的代际传递主要发生于劳动者职业生涯的中、后期——这是本文的主要边际贡献。

二、文献回顾

一些学者研究了以父母收入为主的家庭背景对子代职业早期收入或职业的影响。Corcoran et al.(1992)指出，家庭收入等与父母家庭背景相关的一些特征会影响孩子的人生成就，父代收入对处于劳动力市场早期的子女收入可能至关重要。Bukodi and Goldthorpe(2011)和Härkönen and Bihagen(2011)都发现父母的社会经济地位对子代职业流动性有显著的影响，尤其是在子代进入劳动力市场的早期阶段。Sirniö et al.(2016b)研究了芬兰人毕业八年后收入的轨迹，发现高收入父母的子女在进入劳动力市场后拥有更高的收入水平以及更快的收入增速。许庆红(2018)发现在中国改革开放中期，父亲在高收入行业工作会提高子代进入高收入行业的概率，父亲在高收入行业工作的子代进入高行业工作的机会是父亲在低收入行业工作的子代的2.72倍。

不过，也有些研究发现家庭背景对子女职场早期收入和职业影响很小。比如，Erola et al.(2016)利用芬兰数据考察了在子代0-4、5-9、10-14、15-19、20-24和25-29岁不同生命周期时，父母收入等家庭背景特征对孩子职业地位的影响，发现以上所有观测期内父母收入对孩子职业成就影响非常弱。再如，岳昌君等(2004)对全国高校毕业生就业状况展开调查发现，除父亲的教育水平外，父亲职业状况等家庭变量对毕业生的求职结果和起薪水平没有显著影响。类似地，许多多(2017)研究发现，家庭背景对大学生初职收入没有影响，贫困家庭出身的大学生在初职收入上与非贫困大学生无显著差别。

还有些学者研究了子代职业早期的代际收入传递的作用机制，指出父代收入可能通过影响子代的人力资本影响子代的收入。Becker and Tomes(1979)最先将人力资本引入代际收入流动的模型中，指出父代利用自己的收入对子代进行人力资本投资，继而影响子代的收入或财富。Bowles et al.(2001)也验证了人力资本在代际收入传递间的中介作用，发现家庭背景较优的人更自信且具有更高的认知能力，有更好的工作表现。这些效应在子代职业早期很可能有所体现。Blanden et al.(2007)就提供了证据，该研究发现：富裕和贫困家庭的子代拥有不同的资源和能力，父代收入主要通过影响子代人力资本存量进而影响其收入。

此外，父代收入也可能通过影响子代社会资本存量来影响子代职业早期的收入。Mastekaasa(2011)发现家庭的社会关系会影响一个人的工作机会。Magruder(2010)利用南非数据研究发现，父亲的社会关系对孩子的就业有重要影响，社会资本解释了儿子就业率增长的1/3。具体地讲，父亲通过向子女提供工作信息、社会关系，使得子女获得劳动市场中的优势，这种代际社会网络的传递可能会重新分配工作资源，将工作机会转移到一个有“关系”而非有能力的人手中。Li et al.(2012)研究发现官员子女进入劳动力市场时的起薪高于非官员子女。而且，随着子女行政级别的提高，父母政治资本会加快子女的提拔速度(王生发、刘金东，2016)。邵宜航(2016)研究发现，关系或社会资本能促进子代向相邻上级阶层流动，但抑制了父代处于最低职业阶层的子代的跨层级流动。

通过对文献的梳理，我们发现已有关于职业早期代际收入传递影响的研究有一个共同点：由于研究方法的原因，实证分析结论揭示的都是变量间的统计关系，而非因果关系。例如，Sirniö et al.(2016b)用的是重复测量线性回归模型(repeated-measures linear regression)；Erola et al.(2016)用的是方差分解方法；Bukodi and Goldthorpe(2011)、Li et al.(2012)、许多多(2017)和岳昌君等(2004)用的是OLS回归模型；Härkönen and Bihagen(2011)用的是随机效应模型；许庆红(2018)用的是有序Logit模型；Corcoran et al.(1992)用加权最小二乘法估计了线性回归模型。正常来讲，这些方法只能发现变量之间的统计联系，不能发现因果关系，除非能证明两个比较严苛的假设同时成立：第一，解释变量的分布对于所有个体而言是一样的。第二，给定解释变量的分布，被解释变量的条件分布对于所有个体而言也是一样的。对于本文研究主题，第一条假设就极难成立：出身于不同收入水平家庭的孩子在其他解释变量的分布上很可能会有明显的差异，例如在本人教育水平、父母职业和教育水平方面。第二条假设是否成立则不容易断定。由于至少第一条假设不成立，现有相关研究得到的结论都无法揭示因果关系。

本文实证分析所采用的连续变量处理效应模型，可以克服现有研究的不足，不需要上述两条假设，能够在估计职业早期的子代收入的反事实条件分布基础上，揭示父代收入与职业早期子代收入之间的因果性关系。

三、理论模型

本文的代际收入流动模型以Becker and Tomes(1979)和Solon(2004)的理论为基础。

假设父代的收入为Y_f，并假设父代将其收入用于投资I_f和自身消费C_f，其中投资分为对子代人力资本的投资I_fh和对社会资本的投资I_fs，即：

$ {Y_f} = {C_f} + {I_f} $

(1)

其中，${I_f} = {I_{{f_h}}} + {I_{{f_s}}}$。子代收入由自身的人力资本H_s和社会资本S_s决定，设子代的收入为Y_s，有：

$ {Y_s} = {\lambda _0}H_s^{{p_1}}S_s^{{p_2}} $

(2)

其中p₁、p₂分别表示人力资本和社会资本的边际产出。子代的社会资本是通过将父亲的社会资本投资部分转化为自身社会资本从而形成的。子代的人力资本一部分来源于父代的人力资本投资，且人力资本投资的边际产量递减(Solon，2004)，另一部分来自于个人享有的政府对人力资本的投资g。设β_h和β_s分别为人力资本投资和社会资本投资的边际产出，相当于人力资本回报率和社会资本回报率，则有：

$ {H_s} = {\lambda _1}{\left({{I_{{f_h}}} + g} \right)^{{\beta _h}}} $

(3)

$ {S_s} = {\lambda _2}I_{{f_s}}^{{\beta _s}} $

(4)

由于利他主义，父代的效用U来源于自身的消费和子代的收入。在预算约束下，父代使得自身效用最大化，即：

$ \begin{array}{l} \begin{array}{*{20}{c}} {\mathit{Max}}\\ {\left\{ {{I_{{f_h}}}, {I_{{f_s}}}} \right\}} \end{array}U = \alpha \log {Y_s} + (1 - \alpha)\log {C_f}\\ {\rm{s}}{\rm{.t}}{\rm{.}}\;\;{Y_f} = {C_f} + {I_f};{I_f} = {I_{{f_h}}} + {I_{{f_s}}};{H_s} = {\lambda _1}{\left({{I_{{f_h}}} + g} \right)^{{\beta _h}}};{S_s} = {\lambda _2}I_{{f_s}}^{{\beta _s}};{Y_s} = {\lambda _0}H_s^{{p_1}}S_s^{{p_2}} \end{array} $

(5)

其中，α为利他系数。为了保证目标函数有内点解，设每个人所享有的政府人力资本投资远小于自身的收入，使得父代必须将一部分私人投资用于子代人力资本的投资。可以求出最优的子代人力资本投资I_fh^*和子代社会资本I_fs^*分别为：

$ I_{{f_h}}^* = \frac{{\alpha {p_1}{\beta _h}{Y_f} - \left({1 - \alpha + \alpha {p_2}{\beta _s}} \right)g}}{{1 - \alpha + \alpha {p_1}{\beta _h} + \alpha {p_2}{\beta _s}}} $

(6)

$ I_{{f_s}}^* = \frac{{\alpha {p_2}{\beta _s}\left({{Y_f} + g} \right)}}{{1 - \alpha + \alpha {p_1}{\beta _h} + \alpha {p_2}{\beta _s}}} $

(7)

将I_fh^*，I_fs^*代入logY_s的表达式中，有：

$ \log {Y_s} = {\mu _0} + \left({{p_1}{\beta _h} + {p_2}{\beta _s}} \right)\log \left({{Y_f}\left({1 + \frac{g}{{{Y_f}}}} \right)} \right) $

(8)

其中，

$ {\mu _0} = \log {\lambda _0} + {p_1}\log {\lambda _1} + {p_2}\log {\lambda _2} + {p_1}{\beta _h}\log \left({\frac{{\alpha {p_1}{\beta _h}}}{{1 - \alpha + \alpha {p_1}{\beta _h} + \alpha {p_2}{\beta _s}}}} \right) + {p_2}{\beta _s}\log \left({\frac{{\alpha {p_2}{\beta _s}}}{{1 - \alpha + \alpha {p_1}{\beta _h} + \alpha {p_2}{\beta _s}}}} \right) $

参照Solon(2004)的作法，由于$\frac{g}{{{Y_f}}}$较小，有$\log \left({1 + \frac{g}{{{Y_f}}}} \right) \approx \frac{g}{{{Y_f}}}$，并将$\frac{g}{{{Y_f}}}$表示为φ-γlogY_f，其中的γ代表政府人力资本投资(或公共教育投资)的累进性。若γ>0，父亲收入越低，政府人力资本投资占父亲收入的比例越大，而且γ越大，这种累进性越强。

对logY_s表达式进一步化简得：

$ \log {Y_s} \approx {\mu _1} + \left({{p_1}{\beta _h} + {p_2}{\beta _s}} \right)(1 - \gamma)\log {Y_f} $

(9)

其中μ₁=μ₀+φ(p₁β_h+p₂β_s)。

因此，两代人之间的代际收入弹性为$\left({{p_1}{\beta _h} + {p_2}{\beta _s}} \right)(1 - \gamma)$。由此可见：代际收入弹性与人力资本回报率和社会资本回报率正相关，而与政府人力投资的累进性负相关。根据此结论还可以推断出两点：

第一，由于不同人群可能有不同的人力资本回报率或社会资本回报率，比如分别在城市和农村读相同年级的子女，他们的人力资本回报率可能不同，所以不同人群的代际收入弹性会有差异。由于公共政策导向的原因，政府人力资本投资累进性的程度对于不同人群也可能是不同的，也会使得不同人群的代际收入弹性不同。

第二，相同人群的人力资本回报率和社会资本回报率在不同时期可能会有变化。因此，如果计算某几个时期的非全局性代际收入弹性，可能会发现代际收入弹性随着时间变化而有所不同。

四、计量模型、数据及变量说明 (一) 计量模型的设立

处理效应模型是进行因果分析的常用方法，被解释变量作为“果”，作为“因”的解释变量被称为处理变量。在常见的处理效应模型中，处理变量是离散型变量，而如果作为“因”的解释变量是连续型变量，一般要将其离散化，得到离散型的处理变量，Chernozhukov et al.(2009)等就采取这种做法。但将连续变量离散化的缺陷很明显：对连续变量的区间划分具有明显的主观性，得到的分析结果更容易受到人为因素的影响。

参照Callaway and Huang(2018)，本文将父代收入这一连续变量作为处理变量，建立连续变量处理效应模型，以分析代际收入传递中的因果关系。设子代收入为Y，父代收入为T，其他影响子代收入的协变量为X(Y|T)，估计出给定父亲收入的条件下子代收入的反事实分布F^C(Y|T)。具体思路如下：

第一步，利用分布回归估计可观测的子代收入分布F(Y|T, X)。设定如下模型：

$ {F_{{\rm{Y}}\left| {{\rm{T}}, X} \right.}}(y|t, x) = E(I\{ Y \le y\} |x, t) = \varphi \left[ {{\alpha _1}(y)x + {\alpha _2}(y)t} \right] $

(10)

其中I( )代表指示函数，ϕ( )为logistic连接函数，α₁(y)和α₂(y)是与y相关的未知参数。利用分布回归得到${{\hat a}_1}$和${{\hat a}_2}$的估计值。

第二步，估计子代收入的反事实分布F^C(Y|T)。通过调整协变量X的分布，使其转化为X在总样本下的分布，从而找到子代收入的反事实分布：

$ {{\hat F}^C}\;{_{Y\left| T \right.}}(y|t) = \int_X {{{\hat F}_{Y\left| T \right., X}}(y|t, x)d{F_X}(x)} $

(11)

其中子代收入的反事实分布${{\hat F}^C}{\;_{Y\left| T \right.}}(y|t)$就是处理效应中的结果变量的潜在分布。

第三步，计算代际收入弹性和平均处理效应等。利用子代收入的反事实分布函数，可以求出给定父亲收入下子代收入分布的均值E^C(Y|T)、方差、局部代际收入弹性，这些子代收入分布函数的特征以及局部代际收入弹性都是关于父亲收入的函数。其中，代际收入弹性定义为：

$ \frac{{{E^C}\left[ {Y|T = t + \varepsilon } \right] - {E^C}\left[ {Y|T = t - \varepsilon } \right]}}{{2\varepsilon }} $

(12)

可见，这里的代际收入弹性是局部意义上的，本文中的代际收入弹性均指局部代际收入弹性。父代收入的平均处理效应为：

$ ATE = {E^C}\left[ {Y\left| {T = {t_2}} \right.} \right] - {E^C}\left[ {Y|T = {t_1}} \right] $

(13)

(二) 数据来源及变量说明

本文的数据来源于中国营养与健康追踪调查(CHNS)1991年至2015年数据，该调查是由北卡罗来纳大学和国家营养与健康研究所合作实施，每隔约三年进行一次调查，抽取了中国的15个省份或城市7000多个家庭约30000多个个体的样本。

我们利用有工作的子代生命周期的收入变化情况，选取属于职业早期阶段的子代样本。采用按年龄划分的各组别人群收入的方差最小的标准，对子代收入及其年龄进行决策树分析。如图 1所示，在子代的生命周期内，其收入水平以25岁为节点，其中，25岁之前的收入组别的均值为6799元，占子代总样本的53%；25岁之后的收入组别的均值为20000元，占子代总样本的47%。

本文主要研究父代收入对子女职场早期收入的影响，结合决策树结果并考虑到中国法定工作年龄为16岁，我们选取有工作的16-25岁子代样本, 将这个时期里的父亲和子女的个人年收入分别作为本文的核心解释变量和被解释变量。这里的年收入包含个人的农业、工商业、渔业、林业和牧业收入、非退休工资和退休收入。为了找到子代收入的反事实分布，我们加入了影响子代收入的协变量，如子代的受教育年限、职业、性别、父亲的职业及受教育年限等。其中，参照齐良书(2006)对职业类型的处理方法，本文将问卷中的高级专业或技术工作者、管理者、行政官员、经理、军官与警官、运动员、演员、演奏员归类于较高职业地位；办公室一般工作人员、技术工人、非技术工人、士兵与警察、司机、服务行业人员归类于较低职业地位；农民、渔民、猎人归类于农民和低职业地位。同时，由于受访者的收入水平可能受到受访年份和区域中不同的经济环境的影响，本文控制了时间和地区虚拟变量。

五、实证分析结果

基于分布回归，我们得到了给定父亲收入值时子代收入的反事实分布。为了更直观地展示代际收入的传递情况，我们具体分析了子代收入分布的统计特征及局部代际收入弹性与父亲收入之间的关系。

(一) 代际收入传递的因果分析 1. 父亲收入对子女收入均值的影响

图 2展示了父亲收入对子代收入分布均值的影响。首先，可以看出父亲收入与子代收入呈现正相关关系，低收入父亲的子女的平均收入不及高收入父亲的子女。其次，当父亲收入处于较低收入时，子代收入分布的均值都超过了父亲的收入值，而当父亲收入水平处于较高水平时，子代收入分布的均值低于父亲的收入。

为更好地定量分析父亲收入对子代收入分布的影响，我们利用父亲收入的四分位点，将父亲收入水平由高到低分成低收入、较低收入、较高收入、高收入四组(四分位点分别为Q₁=2341.68、Q₂=5528.39、Q₃=10640.62)，求出每组的平均值，记为M₁=685.18、M₂=3614.21、M₃=7267.46、M₄=22316.24，然后计算了给定以上父亲收入值时子代收入分布的均值、方差、局部代际收入弹性值。结果见表 2。

从表 2可以看出，随着父亲所处组别收入水平的提高，子代收入分布的均值也在提高。当父亲收入处于其低收入组、较低收入组、较高收入组、高收入组平均水平时，子代收入分布均值分别为2789.14、3791.81、4171.77、4867.26元。相应地，可以计算出当父亲收入水平从低收入组平均水平上升并且达到较低收入、较高收入、高收入组平均水平时，对子代职业早期收入的平均处理效应分别为1002.67、1382.63、2078.12元。这说明父亲的收入对子代收入有正向的因果性影响。

2. 父亲收入对局部代际收入弹性的影响

本文的局部代际收入弹性反映了在某一特定父亲收入水平上，父亲收入上升一个百分点会使子代收入上升多少个百分点。这也刻画了不同父亲收入水平下，父亲收入对子代收入的因果影响，且相对于平均处理效应，局部代际收入弹性更具可比性。

图 3(a)展示了不同父亲收入值下的局部代际收入弹性，可以发现代际收入弹性整体低于0.3，低于已有对我国代际收入弹性测算的结果。但这些已有研究并没有区分职业生涯的不同阶段，这说明在子代职业早期，我国代际收入弹性较小，收入流动性较大，父亲收入对子代收入影响的因果效应相对较小。

结合前面的理论模型分析结果，我们认为职业早期代际收入流动性较大可能有以下原因：首先，我国市场化进程伴随时间推进，可能在提升了社会资本的认可度的同时降低了社会资本的含金量。当社会资本已经被广泛接受成为一种提升社会经济地位的工具时，社会资本相对贬值，即社会资本回报率降低(张文宏、张莉，2012)。其次，这也可能是因为我国义务教育的普及和高校的扩招降低了人力资本投资的回报率(Walker and Zhu, 2008)。

从图 3(a)还可以看出：随着父亲收入水平的增加，局部代际收入弹性不断降低，最终稳定在0.13左右。这说明低收入家庭出身的子女收入对父亲收入的依赖程度大于高收入家庭。结合理论分析，这可能是因为低收入家庭子女的社会资本回报率可能高于高收入家庭，而且这种差异大到可以抵消公共教育投资累进性的反方向影响。

3. 父亲收入对子代收入分布方差的影响

根据表 2，我们发现当父亲收入处于低收入群组均值水平时，子代收入分布的方差为9.50，当父亲收入处于高收入群组均值水平时，子代收入分布的方差为3.60。

图 3(b)展示了子代潜在收入分布的方差。当父亲收入水平较低时，子代收入分布方差较大，意味着子代收入波动较大，存在一部分人收入较高，另一部分人收入较低的现象；当父亲收入水平较高时，子代的收入分布方差较小，即高收入家庭子女的收入波动较小。

(二) 稳健性检验 1. 职业早期代际收入影响的城乡差异性

目前，中国存在较大的城乡差距，使得农村人和农民工的孩子在起跑线上可能明显落后于普通城镇家庭的子女。于是，我们对样本进行城乡分组，研究父代收入对子代收入的因果性影响是否存在城乡差异性。

图 4中(a)、(b)、(c)呈现了父亲收入对农村子女收入分布均值、方差、局部代际收入弹性影响的整体趋势，相对地，(d)、(e)、(f)反映了关于父亲收入变化的城市子女的收入分布均值、方差、局部代际收入弹性情况。

从图 4(a)和(d)可以看出，无论在城市和农村，子女收入均值都随着父亲收入的上升而上升。这与前面未分组的结果一致。表 3和表 4分别呈现了农村和城市子女父亲在全样本收入四分位点和按其收入四分位点划分的收入群组的均值水平上子女收入分布的均值、局部代际收入弹性、方差。

根据图 4(b)和表 3的第二列，在农村，局部代际收入弹性随着父亲收入的增加而下降，当父亲收入在较低收入、低收入、较高收入、高收入群组平均收入水平时，其代际收入弹性分别为0.199、0.161、0.148、0.125，在城市里，不管父亲的收入水平如何，局部代际收入弹性几乎稳定在0.27左右。除了父亲收入处于底部区域的情况以外，农村的局部代际收入弹性小于城市。

表 3和表 4分别显示，当父亲收入分别处于低收入、较低收入、较高收入、高收入群组的平均水平时，在农村的子代收入分布的均值分别为2657.54、3616.02、3951.54、4579.71元，在城市的子女收入分布的均值分别是2823.76、4193.51、5015.06、6824.56元，可见父亲收入相同的情况下，城市子女的收入更高。同时，还可以看出，当父亲收入水平从低收入平均水平分别上升达到较低收入、较高、高收入平均水平时，对农村子代收入的平均处理效应为958.48、1294、1922.17元；对城市子代收入的平均处理效应分别为1369.75、2191.3、4000.8元。可见，父亲收入对城市子女收入的影响大于对农村子女收入的影响。在城市和农村子女收入分布方差方面，我们发现农村子女收入分布方差随着父亲收入的增加而减少。而且，给定父亲收入值上，农村子女的收入分布的波动略大于城市子女。

2. 代际收入影响的性别差异

图 5的(a)、(b)、(c)呈现了父亲收入对儿子收入分布均值、方差、局部代际收入弹性影响的整体趋势，女儿收入分布的均值、方差、局部代际收入弹性关于父亲收入变化的情况在图 5的(d)、(e)、(f)中展现。这些图形与图 2和图 3中未分组情况下的图形非常相似。另外，由图 5的(b)和(e)对比看出，给定父亲收入下，儿子的代际收入弹性大于女儿的代际收入弹性，即儿子的代际收入流动性低于女儿。

表 5和表 6分别报告了四组父亲收入水平下的儿子和女儿收入分布均值、代际收入弹性、方差的具体数值。可以看到，当父亲收入水平在低收入组平均水平时，女儿收入分布的均值略大于儿子，而当父亲收入不断提升时，儿子收入分布的均值就超过了女儿。而当父亲收入从低收入群组平均水平依次上升至较低收入、较高收入、高收入群组平均水平时，对儿子收入的平均处理效应为1304.03、1837.86、2839.99元；对女儿收入的平均处理效应分别为528.73、784.32、1207.09元。这说明，在父亲收入上升同等程度的情况下，父亲收入对儿子收入的影响大于女儿。

从表 5和表 6可以看出，在父亲收入处于低收入、较低收入、较高收入、高收入群组平均水平时，儿子的局部代际收入弹性分别为0.246、0.209、0.186、0.169，而女儿的局部代际收入弹性分别为0.130、0.098、0.096、0.101。这种稍微明显的差异可能是由劳动市场的性别分割造成的。一些雇主可能会“理性地”选择女性从事对经验或技能的依赖程度相对较低的职位，来规避女性由于生育等家庭原因退出工作的风险，因此降低了女性人力资本回报(Becker，1985)。于是，在个体特征相同条件下，男女的人力资本回报率出现差距。此外，在社会资本方面，男女社会资本的构成侧重面不同，相比女性，男性更多地参与到工作、市场相关的交往之中，他们的网络主要由同事、领导和客户构成(Moore，1990)。女性动用社会资本的动机更倾向于平衡家庭与工作，女性的社会资本回报率可能低于男性。

在子代收入分布方差方面，我们发现，与全样本下子女收入分布方差的变化趋势一致，无论是男性还是女性，其收入分布方差都随着父亲收入的增加而减小，收入在平均值附近波动幅度较小。

六、结论及政策含义

本文利用连续变量处理效应模型分析了父代收入对子代职业早期收入的因果性影响，得到的主要结论包括：

(1) 根据理论模型分析，代际收入弹性与人力资本回报率、社会资本回报率正相关；与政府对人力资本投资的累进性负相关。

(2) 在职业早期，父亲收入对处于子代收入有显著的正向影响，代际收入弹性为正。但不同于我国其他关于代际收入流动性测算的研究，子代职业早期的代际收入流动性较大，父亲收入变化对子代收入的影响较小。而且随着父亲收入水平的提高，局部代际收入弹性降低，子代收入波动减小。

(3) 这种代际收入传递存在一定的城乡和性别差异。

本文的结论有如下政策含义：

第一，政府应继续完善公共教育政策，加大对低收入家庭的教育支出，增强公共教育政策的累进性，提高对低收入家庭优质教育资源的有效供给。还应提高教育选拔模式的公平性，增加低收入家庭子女通过教育实现阶层流动的可能性，并完善信贷市场和高等教育的奖助贷制度，如实施专项奖助贷政策，使低收入家庭的子女在基础教育之上享有足够的人力资本投资。

第二，在职业发展生涯早期，代际收入流动性较高，这意味着我国收入差距的代际传递主要发生于职业生涯的中、后期，所以，政府可以侧重于职业生涯中、后期，探索和制定有效可行的政策，以提升整体的代际收入流动性。