关于基尼系数争论的回顾

　　质疑与回应

　　1.样本偏差问题

　　首先有必要对西财住户抽样方法给予简单的介绍。西财住户调查采取了三阶段抽样方法。第一阶段抽样抽取市县；第二阶段从样本市县中抽取居/村委会；第三阶段从样本居/村委会抽取住户。各阶段设计的样本量为：全国样本市县为80个，每个样本市县中抽取4个居/村委会，全国共320个样本居/村委会，从每个居/村委会抽取20户到50户不等的样本户，但平均样本户数为25户，全国样本户规模在8000户~8500户。项目的最终样本量为8438户。

　　在第一阶段抽样抽取市县时，其抽样单元不是全国31个省的所有市县，其中西藏、新疆、内蒙古等3个自治区所有市县被排除抽样单元之外，由此产生的抽样单元为全国25个省的2585市县。西财项目要求，80样本市县的地理分布要均匀，且富裕地区的样本不能过少。为此，25省的2585个市县按人均GDP划分为十层，在每一层内，以市县人口数为权数采取PPS抽样，各抽取8个样本市县，全国共抽取80个市县。80个市县中，东、中、西三个地区的样本数分别为32、27、21。在本文的下一节，我们将根据西财项目给出的权数变量，来评价其样本户在东、中、西三个地区之间的分布及其与总体分布之间的差异。

　　在第二阶段抽取居/村委会时，第一阶段抽取的80个市县样本按非农人口比重标准五等分组，从非农人口比重最高组到最低组，抽取居委会与村委会个数的比率依次为0:4、1:3、2:2、3:1、4:0。居委会和村委会比率直接关系到住户样本的城乡分配，在下述的第三阶段抽样中，从村委会抽取的住户为农村住户样本，从居委会抽取的住户为城镇样本。因此，此处村/居委会样本的抽取办法意味着，从非农人口比重最高的16个市县（把80个市县五等分组，每组为16市县）仅仅抽取城镇样本住户，而不抽取农村样本。相反，在非农人口比重最低的16个市县仅抽取农村样本住户，而不抽取城镇样本。

　　第三阶段抽样是从村/居委会样本中抽取住户样本。在这一阶段抽样，从村委会抽取的（农村）样本户统一设定为20户。对于居委会，为了“更多地抽取富裕户”，样本居委会按社区平均住房价格分成四组，从房价最高组到最低组抽取的样本户数分别设定为50、45、40、35。

　　对于上述抽样方法，我们的质疑有三点：

　　其一，样本量小，抽样误差大，样本难以有全国代表性。

　　其二，随机抽样原则没有得到彻底的贯彻。在以前质疑中，我们仅仅提到了第二阶段抽样中存在的非随机抽样问题。如上所述，在第二阶段抽取居/村委会时，从非农人口最高的16个市县中仅抽取居委会，而从最低的16个县市中仅村委会，这意味着把前者16个县市中的农村家庭，以及后者16个县市中的城镇家庭的入样概率人为地设定为0，这显然违背随机抽样的原则。此外，明显违背随机抽样原则的操作还有：在第一阶段抽取市县时，西藏、新疆、内蒙古三个自治区所属市县被排除在抽样范围之外。

　　其三，西财样本的地区分布与总体分布偏差大。根据西财项目住户数据中给出的抽样权重变量计算，东、中、西部地区的样本户比重为53%、25%和22%，而第六次人口普查数据显示在东、中、西部地区的家庭户比重分别为36.5%、36.5%和27.0%。也就是说，西财住户样本中东部地区的比重较总体比重高出近17%。如此之大的差异说明西财项目样本缺少全国代表性。