摘要：缩小机会不平等，消除收入差距扩大的源生动力，从而达到分配公平，是实现共同富裕的必由之路，也是推进中国式现代化的治理抓手。本文采用基于集成回归树算法的机器学习模型，同时引入分位数回归森林将收入均值的机会不平等拓展至收入分布的机会不平等。本文基于2010～2021年中国综合社会调查数据的测算结果表明，以基尼系数衡量的全样本收入均值的机会不平等约为0.244～0.307，大致占总体不平等的38.1%～52.4%，这种非线性机器学习模型的测算结果明显高于依赖线性模型的传统测算方法。城镇居民收入的机会不平等高于农村，环境因素对城乡间收入差距形成的贡献度最大；个体及其父亲的可观测特征差异更倾向于拉大收入差距，而其母亲的可观测特征则相反。另外，收入分布的机会不平等测算结果表明，环境因素显著影响子代的收入风险，优良的环境基础更倾向于赋予子代收入分布的右偏优势；从分布结构看，收入下限、收入上限、偶然收入和收入风险的不平等程度都显著高于收入均值的机会不平等。
文章目录
一、引言
二、机会不平等测算方法
（一）树模型
（二）集成树
三、收入机会不平等测算结果与分析
（一）样本选择与变量度量
1. 样本来源与筛选
2. 变量选择与描述性统计
（二）收入机会不平等测算结果
1. 全样本收入机会不平等测算
2. 城镇和农村收入机会不平等测算
3. 收入机会不平等的演变趋势
4. 与已有研究关于测算结果的比较
（三）环境因素贡献度测算和分析
四、机会不平等的新视角：从均值不平等到分布不平等
（一）模型介绍与指标设计
1. 分位数回归森林
2. 收入分布机会不平等指标设计
（二）收入分布的机会不平等测算
1. 全样本收入分布的机会不平等测算
2. 城镇和农村收入分布的机会不平等测算
3. 收入分布机会不平等的演变趋势
五、研究结论与政策建议
