推文人 | 袁梦 

原文信息：Chetty, R., J. Friedman, N. Hendren, M. Jones, and S. Porter(2018). The Opportunity Atlas:Mapping the Childhood Roots of Social Mobility. Working Paper 25147, National Bureau of Economic Research.

 

引 言

 

古有孟母三迁，今有拼“学区房”，这都反映着天下父母选择好的环境、为子女谋求更好的未来的良苦用心，折射出良好的社区环境对孩子未来发展的重要性。那么，到底住哪里能给孩子好的未来?买房买哪里能改变孩子的命运? 社区环境的哪些因素影响着阶层流动呢？低收入群体又该如何寻求负担得起的高流动性的地区呢？

 

哈佛著名经济学家Raj Chetty联合美国人口普查局和布朗大学的学者通过收集几乎覆盖美国1978-1983年出生人口的匿名纵向数据，构建了强大的在线地图集The Opportunity Atlas——公开的儿童成年时期的结果地图集（可进入“机会地图”官网，浏览数据相关信息以及各指标对应地图），通过分社区，根据父母收入、种族和性别，估计儿童的收入分布、入监率及其他成年时期的结果，将影响儿童不同未来的原因追溯到童年时期生活的社区环境。

 

变量说明

 

Opportunity Atlas聚焦于不同的社区（成长）环境如何影响儿童的未来，变量涉及父母特征及家庭背景变量、纳税记录、美国社区调查及普查短表和长表反映的儿童成年后结果变量以及社区特征变量（详细定义不再赘述，可见原文Section II.B &Online Appendix A）。

在全样本中，家庭收入的中位数为56730美元，且父母收入和婚姻状态在不同种族和民族间差异很大：白种人家庭收入的中位数为71470美元，黑种人家庭收入的中位数为29600美元，西班牙裔家庭收入的中位数为33470美元；约79.6%的白种人在双亲家庭长大，约32.5%的黑种人在双亲家庭长大，约57.2%的西班牙裔在双亲家庭长大(见Online Appendix Table A)。1978-1983年出生群体在2014-15年家庭收入中位数为42360美元，个人收入中位数为29440美元。该群体在2010年4月10日的入监率约1.5%，约19.7%的女性未成年时生育，约69.5%的群体获得大学学分，不同种族和民族的儿童有着不同的未来。

 

社区层面的估计：方法论

社区差异及相关干预政策

 

美国有大量通过干预社区特征改善儿童未来发展的政策，那么生活在不同社区的儿童会有怎样不同的未来？怎样评判社区环境？怎样的社区才更有利于促进向上流动呢？

 

1.童年生活的社区如何影响成年结果？

 

从图2我们不难发现，洛杉矶地区不同社区间儿童有着十分迥异的收入排序，中心地带的收入流动性远低于周边地区（由深红逐渐变为深蓝），值得注意的是，黑种人往往比同社区其他种族更难实现收入向上流动（Chetty et al, 2018），中心地区更多地是黑种人，也就是说社区间的差异部分反映着种族和民族间向上流动性的差异；不同社区的黑种人的收入向上流动性也存在明显差异，如图2，给定父母收入等级为25%，Watts和2.3公里外的Compton的黑人男性平均家庭收入相差约12000美元，这一差异在入监率表现得更为突出，Watts低收入家庭的黑人入监率为44.1%，而Compton仅为6.2%。

2.多维度的社区

 

以往研究多从单一维度定义社区环境的“好坏”，作者使用洛杉矶和全美国的样本，讨论这种简化是否为合适的近似。在图2，聚焦黑种女性，给定父母收入等级为25%，Watts的黑人平均家庭收入约19489美元，排序为29.0%左右，远高于该地区的黑人男性，而和2.3公里外的Compton的黑人平均家庭收入相差仅2000美元，远小于该地区黑人男性的差异，这便反映出单一的好坏指标并未反映性别间异质性差异，同样地，种族间差异也无法通过一维指标反映。

 

此外，组内未来结果也存在着异质性，表3表明，无论各种族、民族间收入排序的相关系数，还是按种族、民族加权的未来结果的相关系数均小于1，即单因素模型难以很好地描述社区特征。因而，社区质量或者说改善社区质量的政策并不能“一刀切”，宜根据具体问题对具体群体进行具体分析。

3.怎样的社区有高的向上流动性？

 

向上流动性高的社区一般有什么特征，是否伴随着低贫困率？工作机会更多？更少的单亲家庭？文中进一步探究向上流动性和社区特征间的相关性。从图5不难发现，工作可用性在短距离内（如5公里内工作数量、高工资工作的数量）并无影响，社区2000年就业率与向上流动性间存在着显著的正相关关系，这反映出并不是生活的社区的工作机会的多寡预测向上流动性，而是社区内有多少人工作。

 

在通勤区层面，低收入家庭的儿童成年后收入和就业增长速度并无联系（见图6），如有着高就业增长速度（45%）的Atlanta和Charlotte更多地吸引高技能人群获得高收入工作，使得向上流动性较低，而就业增长速度仅为18%的Minneapolis却有着更高的向上流动性，因而，繁荣的劳动力市场并不能理解为当地居民更易于实现向上流动，促成高产劳动力市场的因素并不等同于促进人力资本积累、实现收入向上流动的因素。

 

此外，社区的不利条件（如贫困线以上人口比例、平均家庭收入、3年级数学成绩平均分和大学毕业生比例）越少，越可能促进收入的向上流动；家庭背景和社会资本亦对向上流动有着重要影响，往往单亲家庭比例越高的社区，越不利于收入的向上流动。

作者的分析主要根据人口普查的社区来定义街区，为研究这一维度是否合理，进一步从普查的街区（tracts）和社区（blocks）两种地理纬度，分析了贫困率对白种人的向上流动的影响如何随空间变化。从表7可以看出，贫困率对向上流动性的解释力随距离变远而衰退，自己所在社区的贫困率的系数为-0.31，最近的社区（仅1.9公里远）的影响则为-0.02。所以说，儿童成长的环境的变化，即使是半公里的变化，都会影响着未来的结果。

因果效应和社区选择

 

不同社区儿童为何成年后发展各异？可能的原因有两点：第一是迁移到不同社区改变儿童未来发展，第二是不同社区居住的人群差异，即到底是社区本身带来的因果效应还是自选择效应？作者通过与MTO项目的估计结果比较，发现回归线的斜率为0.71，即70%的向上流动性的地区差异是源于因果效应；此外，作者使用迁移者数据进行的拟实验估计（详细设计见原文Section V. B）也表明，迁移到不同社区对儿童成年后结果有着因果效应，且儿童越早迁移到“好的”社区，社区环境对向上流动性的影响越大（见图11）。

那么，如何根据机会地图集对机会进行定价，确定低收入家庭能够负担得起的高机会社区的租金呢？从图12可以看出，一方面，向上流动性与反映社区环境的租金密切相关，另一方面，相同租金的不同地区可能有着不同的向上流动性，如Alsip和Hyde Park二居室的平均租金（1990年）同为1000美元，但Alsip地区的低收入家庭儿童成年后可能进入更高收入阶层（收入等级为47%），这就为想进入高机会社区的低收入家庭提供了可能。

 

虽然在土地使用规制程度高的地区，机会的定价较高，但向上流动性的差异并未完全在住房市场的定价体现，这可能源于（1）高流动性、低租金的社区往往可能有其他不利，如通勤时间长（控制通勤时间后，社区间收入排序标准差减小至4.60，通勤因素影响较小）；（2）住房市场的摩擦可能阻止家庭尤其是低收入家庭迁至向上流动性更高的社区，如受到歧视、权利受限等；（3）住户可能缺乏什么样的社区能带给儿童更好未来的信息，尤其是不可观测部分，如未被意识到的“机会廉价”地区，即可以讨价还价的有好机会的地区，这其实也为低收入家庭向上流动提供了可能。

总 结

 

Chetty及其合作者建立的可视化工具-机会地图集无疑是理解社会流动性根源的强大工具，不仅为研究者理解经济机会的影响因素提供良好工具，而且为政策制定者实施更具针对性地改善弱势群体的经济机会的措施提供参考。Chetty etal.这篇文章不仅数据独特，而且不同维度的变量选取丰富，描述分析详实，给出大量特征性的结论，并通过拟实验及与其他数据的比较进行因果分析，实为值得反复阅读的文献！在社会流动问题日益受到关注的现在，这一数据集也为理解中国地区间社会流动性的根源、设计促进社会流动的社会政策提供了很好的参考，如果中国也有这样一份地图集，也许为子女未来奔波的父母们就能有更多的信息，找到适合自己的房子和社区吧（当然，作者提及的住房市场的摩擦等问题还是会存在）。

 

Abstract

 

We construct a publicly available atlas of children’s outcomes in adulthood by Census tract using anonymized longitudinal data covering nearly the entire U.S. population. For each tract, we estimate children’s earnings distributions, incarceration rates, and other outcomes in adulthood by parental income, race, and gender. These estimates allow us to trace the roots of outcomes such as poverty and incarceration back to the neighborhoods in which children grew up. We find that children’s outcomes vary sharply across nearby tracts: for children of parents at the 25th percentile of the income distribution, the standard deviation of mean household income at age 35 is $5,000 across tracts within counties. We illustrate how these tract-level data can provide insight into how neighborhoods shape the development of human capital and support local economic policy using two applications. First, we show that the estimates permit precise targeting of policies to improve economic opportunity by uncovering specific neighborhoods where certain subgroups of children grow up to have poor outcomes. Neighborhoods matter at a very granular level: conditional on characteristics such as poverty rates in a child’s own Census tract, characteristics of tracts that are one mile away have little predictive power for a child’s outcomes. Our historical estimates are informative predictors of outcomes even for children growing up today because neighborhood conditions are relatively stable over time. Second, we show that the observational estimates are highly predictive of neighborhoods’ causal effects, based on a comparison to data from the Moving to Opportunity experiment and a quasi-experimental research design analyzing movers’ outcomes. We then identify high-opportunity neighborhoods that are affordable to low-income families, providing an input into the design of affordable housing policies. Our measures of children’s long-term outcomes are only weakly correlated with traditional proxies for local economic success such as rates of job growth, showing that the conditions that create greater upward mobility are not necessarily the same as those that lead to productive labor markets.