长江师楚学院学报 ssN1674-3652CN50-11952 《长江师范学院学报》网络首发论文 题目： 共同富裕视域下分配公平对幸福感的影响一一因果推断与机器学习在社会科 学中的融合应用 作者： 田一川，张茂关 021.01.38 网络首发日期： 2023-09-2 引用格式： 田一川，张茂英。共同富裕视域下分配公平对幸福感的影响一 一因果推断与 机器学习在社会科学中的融合应用即OL小.长江师范学院学报. https://link.cnki.net/urlid/50,1195.z20230923.0532.002 @nKit图 网络首发：在编辑部工作流程中，稿件从录用到出版要经历录用定稿、排板定稿、整期汇编定稿等阶 段，录用定稿指内容已经确定，且通过同行评议、丰编终审同意刊用的件，挂版定稿指录用定按照 刊特定版式（包括网络呈现版式）持版后的稿件，可暂不确定出版年、卷、期和项码。整期汇编定稿指出 版年、卷、期、页码均已确定的印刷或数字出版的整期汇编稿件，录用定稿网络首发稿件内容必须符合( 版管理条例》和《期刊出版管理规定》的有关规定：学术研究成果具有创新性、科学性和先进性，符合细 辑部对刊文的录用要求，不存在学术不端行为及其他侵权行为：稿件内容应基本符合国家有关书刊编辑、 出版的技术标准，正确使用和统一规范语言文字、符号、数字、外文字母、法定计量单位及地图标注等。 为确保录用定稿网络首发的严肃性，录用定稿一经发布，不得修改论文愿目、作者、机构名称和学术内容 只可基于编辑规范进行少量文字的修政， 出版确认：纸质期刊编辑部通过与《中国学术期刊（光盘版）》电子杂志社有限公司签约，在《中 学术期刊（网络版）》出版传播平台上创办与纸质期刊内容一致的网络版，以单篇或整期出版形式，在印刷 出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿。因为《中国学术期刊（网络板）》是国家新闻出 版广电总局批准的网络连续型出版物(SSN2096-4188,CN11-6037亿)，所以签约期刊的网络版上网络首 发论文视为正式出版
长江师范学院学报 Journal of Yangtze Normal University ISSN 1674-3652,CN 50-1195/Z 《长江师范学院学报》网络首发论文 题目： 共同富裕视域下分配公平对幸福感的影响——因果推断与机器学习在社会科 学中的融合应用 作者： 田一川，张茂英 收稿日期： 2023-03-28 网络首发日期： 2023-09-25 引用格式： 田一川，张茂英．共同富裕视域下分配公平对幸福感的影响——因果推断与 机器学习在社会科学中的融合应用[J/OL]．长江师范学院学报. https://link.cnki.net/urlid/50.1195.z.20230923.0532.002 网络首发：在编辑部工作流程中，稿件从录用到出版要经历录用定稿、排版定稿、整期汇编定稿等阶 段。录用定稿指内容已经确定，且通过同行评议、主编终审同意刊用的稿件。排版定稿指录用定稿按照期 刊特定版式（包括网络呈现版式）排版后的稿件，可暂不确定出版年、卷、期和页码。整期汇编定稿指出 版年、卷、期、页码均已确定的印刷或数字出版的整期汇编稿件。录用定稿网络首发稿件内容必须符合《出 版管理条例》和《期刊出版管理规定》的有关规定；学术研究成果具有创新性、科学性和先进性，符合编 辑部对刊文的录用要求，不存在学术不端行为及其他侵权行为；稿件内容应基本符合国家有关书刊编辑、 出版的技术标准，正确使用和统一规范语言文字、符号、数字、外文字母、法定计量单位及地图标注等。 为确保录用定稿网络首发的严肃性，录用定稿一经发布，不得修改论文题目、作者、机构名称和学术内容， 只可基于编辑规范进行少量文字的修改。 出版确认：纸质期刊编辑部通过与《中国学术期刊（光盘版）》电子杂志社有限公司签约，在《中国 学术期刊（网络版）》出版传播平台上创办与纸质期刊内容一致的网络版，以单篇或整期出版形式，在印刷 出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿。因为《中国学术期刊（网络版）》是国家新闻出 版广电总局批准的网络连续型出版物（ISSN 2096-4188，CN 11-6037/Z），所以签约期刊的网络版上网络首 发论文视为正式出版
网格首发时：20230925101751d501195220230923053202 共同富裕研究专题 引用格式田一川，张茂英共同高裕视域下分配公平对幸福感的影响 一因果推断与机器学习在社会科 学中的融合应用长江师范学院学报 202 共同富裕视域下分配公平对幸福感的影响 一因果推断与机器学习在社会科学中的融合应用 田一川，张茂英 (安徽师范大学法学院，安撒芜湖241000) 摘要：共同富裕既是“全体人民共同富裕”，也是“人民群众物质生活和清神生活都富 裕”。根据2015年中国综合社会调查数据，采用倾向得分匹配与因果森林算法系统考察了机 会公平与结米公平对幸福感的影响。结米显示：机会公平与结公平均对幸福感具有正向 进效应：女性身份及大学学历能够强化机会公平的幸福感提升效应，城镇户籍能够强化结果 公平的幸福感提升效应：结果公平的幸福感提升效应在住房刚需群体中最为明显，并且在三 十岁前后存在明显转向。为此建议，为实现共同富裕应加快构建机会公平机制、稳步推进结 果公平球设 关键词：共同富裕：人民幸福 :机会公平：结果公平 中图分类号：D66 文献标识码：A DOI: 一、引言 党的 二十大报告明确指出：“中国式现代化是全体人民共同富裕的现代化”。而共同 富裕既是“全体人民共同富裕”，也是“人民群众物质生活和精神生活都富裕 ,幸福感 作为人民群众精神生活水平的重要体现，是最高境界的富裕圆，为人民谋幸福更是共产党人 的奋斗初心。分配制度是促进共同富裕的基础性制度，要实现共同富裕就必须建立公正的社 会分配制度。因此，研究共同富裕视域下分配公平对幸福感的影响兼具政策支持、理论价 值与现实意义 关于分配公平的划分维度，国内外学界仍存有诸多争议。基于二十大报告中提出的“保 障人民权益、激发人民创造活力”、“规范收入分配秩序，规范财富积累机制”“鼓励勤劳致 富，促进机会公平”，本文将分配公平划分为四个维度：权利公平、规则公平、机会公平与 结果公平，其中权利公平与规则公平为宏观分配公平，机会公平与结果公平为微观分配公平。 囿于现有数据操作化层面的限制，以及宏观分配公平难以测度的客观事实，下文将主要探讨 微观分配公平会 时人民幸福感 生何种影响。 在对既往文献进行梳理后发现，当前鲜有研究将共同富裕、幸福感与分配公平结合起来 进行探讨，其中将机会公平纳入分析框架的更是寥寥无几。此外，虽然针对结果公平与幸福 感间影响关系的研究已有众多，但仍存在对实证程序规范性重视不足以及对处理效应异质性 2023 修空注民主视线下民生项人大代表系制运行制完 合肥市的实证研究 作者简介 Em 张茂英(1999一)，女，四川资阳人，项士研究生，主要从事数学治理、基层治理研究
共同富裕研究专题 引用格式：田一川,张茂英. 共同富裕视域下分配公平对幸福感的影响——因果推断与机器学习在社会科 学中的融合应用[J]. 长江师范学院学报，2023. 共同富裕视域下分配公平对幸福感的影响 ——因果推断与机器学习在社会科学中的融合应用 田一川1，张茂英2 (安徽师范大学 法学院，安徽芜湖 241000) 摘要：共同富裕既是“全体人民共同富裕”，也是“人民群众物质生活和精神生活都富 裕”。根据 2015 年中国综合社会调查数据，采用倾向得分匹配与因果森林算法系统考察了机 会公平与结果公平对幸福感的影响。结果显示：机会公平与结果公平均对幸福感具有正向促 进效应；女性身份及大学学历能够强化机会公平的幸福感提升效应，城镇户籍能够强化结果 公平的幸福感提升效应；结果公平的幸福感提升效应在住房刚需群体中最为明显，并且在三 十岁前后存在明显转向。为此建议，为实现共同富裕应加快构建机会公平机制、稳步推进结 果公平建设。 关键词：共同富裕；人民幸福；机会公平；结果公平 中图分类号：D668 文献标识码：A DOI： 一、引言 党的二十大报告明确指出：“中国式现代化是全体人民共同富裕的现代化” [1]。而共同 富裕既是“全体人民共同富裕”，也是“人民群众物质生活和精神生活都富裕” [2]。幸福感 作为人民群众精神生活水平的重要体现，是最高境界的富裕[3]，为人民谋幸福更是共产党人 的奋斗初心。分配制度是促进共同富裕的基础性制度，要实现共同富裕就必须建立公正的社 会分配制度[4]。因此，研究共同富裕视域下分配公平对幸福感的影响兼具政策支持、理论价 值与现实意义。 关于分配公平的划分维度，国内外学界仍存有诸多争议。基于二十大报告中提出的“保 障人民权益、激发人民创造活力”、“规范收入分配秩序，规范财富积累机制”、“鼓励勤劳致 富，促进机会公平”，本文将分配公平划分为四个维度：权利公平、规则公平、机会公平与 结果公平，其中权利公平与规则公平为宏观分配公平，机会公平与结果公平为微观分配公平。 囿于现有数据操作化层面的限制，以及宏观分配公平难以测度的客观事实，下文将主要探讨 微观分配公平会对人民幸福感产生何种影响。 在对既往文献进行梳理后发现，当前鲜有研究将共同富裕、幸福感与分配公平结合起来 进行探讨，其中将机会公平纳入分析框架的更是寥寥无几。此外，虽然针对结果公平与幸福 感间影响关系的研究已有众多，但仍存在对实证程序规范性重视不足以及对处理效应异质性 收稿日期：2023-03-28 修回日期：2023-05-25 基金项目：合肥市哲学社会科学青年项目“全过程民主视域下民生实事项目人大代表票决制运行机制探究 ——基于合肥市的实证研究”（HFSKQN202307）阶段成果。 作者简介：田一川（2001—），男，安徽安庆人，硕士研究生，主要从事环境管理、环境政策研究。通讯作 者，Email：tianyichuan@ahnu.edu.cn。 张茂英（1999—），女，四川资阳人，硕士研究生，主要从事数字治理、基层治理研究。 网络首发时间：2023-09-25 10:17:51 网络首发地址：https://link.cnki.net/urlid/50.1195.z.20230923.0532.002
讨论不够等普遍问题。那么，机会公平是否同样会影响人民幸福感？在结果公平影响人民幸 福感的过程中是否存在尚未发现的处理效应异质性？为回答这两个问题，本文在梳理分配公 平理论脉络与提出研究假设的基础上，利用倾向得分匹配与因果森林算法，通过对2015年 中国综合社会调查数据进行分析，以期揭示机会公平与幸福感的因果关系以及结果公平在其 影响过程中所呈现的处理效应异质性，从而为共同富裕视域下分配公平提升人民幸福感何以 可能与何以可为提供理论依据及实践指导。 二、理论分析与研究假设 对于分配公平与幸福感间因果关系的探讨由来已久，目前学界主流分析框架可概括为 “一个悖论与两种理论”，即伊斯特林悖论、相对剥夺理论与隧道效应理论。伊斯特林同认 为，在一个国家内部，虽然富人的平均幸福水平相较于穷人来说更高，但人均收入的提高并 不会带来幸福感的提升效应，这就是著名的伊斯特林悼论。其后，为回应来自各国的质疑声 音，伊斯特林等引入时间序列分析方法对所持观点进行了部分修正， 提出虽然短期内国民 幸福感与其整体收入水平呈现同频趋势，但从长期视角（通常是十年及更长时间）来看，社 会整体幸福水平仍然不会随着国民收入水平的增加而增加，同时实证检验了这种关系在发达 国家与发展中国家中均适用。那么，伊斯特林悖论适用于中国吗？答案显然是否定的。一方 面，支撞伊斯特林悖论的相关研究大多是使用的是前三轮世界价值观调查(VS)数据集， 彼时该调查在中国的抽样对象主要以有识 能力的居民与城市居民为主，且样本量偏小，因 此基于其得出的估计结果可能存在潜在的样本选择偏误。 方面 即便是使用世界价值 调查数据得出的中国居民整体幸福感变化情况也难以证明伊斯特林悖论。第四至第七轮世界 价值观调查数据显示，中国居民整体幸福感在2001、2007、2012、2018年分别为6.890、 7.130、7.257、7.633四，伊斯特林悖论不攻自破。值得注意的是，伊斯特林提出作为幸福 相对剥夺理论认为，分配不均会导致相对剥夺感的产生，进而降低公民幸福感。作为个 一种心理感知，相对剥夺感并不来源于客观的物质条件，而是指人们在与其他个体或群 体进行比较的过程中发现自 处于劣势地位，进而产生的被剥夺心 以及由此激发 负面心理感知。可以说，比较是相对剥夺感形成过程中的关键步骤， 这种比较包 含横向的 人际间比较，又包含纵向的人际内比较。人际间比较是将可观察到的、交往密切的或是与自 己具有某种相似属性的“类己者”作为比较对象，人际内比较则主要以过去的自己作为比较 对象。诸多探讨收入差距及贫富分化等分配结果不均现象对个体幸福感的负面影响的研究 均可为横向剥夺机制提供实证支持，但横向剥夺所关注的收入平等仅仅是分配结果层面 的平等，而纵向剥夺所关注的机会平等则可以作为分配过程 的衡量指标 。相较于分 配结果而言，人们更关心分配过程中的机会平等，“机会平等导向”的社会发展模式是幸福 感持续增长的重要保障图。 隧道效应理论同样被广泛用于分析分配公平对幸福感的影响机制：在经济野蛮生长的早 期发展阶段，当不同阶层、部门与地区间的分配不平等迅速扩大时，社会对这种差距的容忍 程度可能会与常识相悖，这就是隧道效应。隧道效应根据经济发展阶段或者说经济现代化 进程可以分为正向隧道效应与负向递道效应。其中，正向隧道效应是指让一部分人或地区先 言起来所导致的收入差距扩大现象能够带来更乐观的收入预期，讲而潜在地提高了幸福成 但这种效应的成立以机会均等假设为前提，俏 假 得不到满足，那么势必会导致收入流动 性降低，收入差距扩大带来乐观预期的机制也难以为继“。负向隧道效应则发生于乐观预斯 假设落空后，为便于理解，此处采用Hirschman和Rothsechild的例子进行解释。假设存 在一条单向双车道拥堵隧道，即使自身所处车道仍处于堵塞状态，但当人们发现另一侧车道
讨论不够等普遍问题。那么，机会公平是否同样会影响人民幸福感？在结果公平影响人民幸 福感的过程中是否存在尚未发现的处理效应异质性？为回答这两个问题，本文在梳理分配公 平理论脉络与提出研究假设的基础上，利用倾向得分匹配与因果森林算法，通过对 2015 年 中国综合社会调查数据进行分析，以期揭示机会公平与幸福感的因果关系以及结果公平在其 影响过程中所呈现的处理效应异质性，从而为共同富裕视域下分配公平提升人民幸福感何以 可能与何以可为提供理论依据及实践指导。 二、理论分析与研究假设 对于分配公平与幸福感间因果关系的探讨由来已久，目前学界主流分析框架可概括为 “一个悖论与两种理论”，即伊斯特林悖论、相对剥夺理论与隧道效应理论。伊斯特林[5]认 为，在一个国家内部，虽然富人的平均幸福水平相较于穷人来说更高，但人均收入的提高并 不会带来幸福感的提升效应，这就是著名的伊斯特林悖论。其后，为回应来自各国的质疑声 音，伊斯特林等[6]引入时间序列分析方法对所持观点进行了部分修正，提出虽然短期内国民 幸福感与其整体收入水平呈现同频趋势，但从长期视角（通常是十年及更长时间）来看，社 会整体幸福水平仍然不会随着国民收入水平的增加而增加，同时实证检验了这种关系在发达 国家与发展中国家中均适用。那么，伊斯特林悖论适用于中国吗？答案显然是否定的。一方 面，支撑伊斯特林悖论的相关研究大多是使用的是前三轮世界价值观调查（WVS）数据集， 彼时该调查在中国的抽样对象主要以有识字能力的居民与城市居民为主，且样本量偏小，因 此基于其得出的估计结果可能存在潜在的样本选择偏误。另一方面，即便是使用世界价值观 调查数据得出的中国居民整体幸福感变化情况也难以证明伊斯特林悖论。第四至第七轮世界 价值观调查数据显示，中国居民整体幸福感在 2001、2007、2012、2018 年分别为 6.890、 7.130、7.257、7.633[7]，伊斯特林悖论不攻自破。值得注意的是，伊斯特林[8]提出作为幸福 基础的物质需要与绝对收入水平同比例增长是导致悖论产生的重要原因，这种观点在一定程 度上推动了学者利用相对剥夺理论探索公民幸福感变化趋势的进程。 相对剥夺理论认为，分配不均会导致相对剥夺感的产生，进而降低公民幸福感。作为个 体的一种心理感知，相对剥夺感并不来源于客观的物质条件，而是指人们在与其他个体或群 体进行比较的过程中发现自身处于劣势地位，进而产生的被剥夺心理体验，以及由此激发的 负面心理感知。可以说，比较是相对剥夺感形成过程中的关键步骤，这种比较既包含横向的 人际间比较，又包含纵向的人际内比较。人际间比较是将可观察到的、交往密切的或是与自 己具有某种相似属性的“类己者”作为比较对象，人际内比较则主要以过去的自己作为比较 对象[9]。诸多探讨收入差距及贫富分化等分配结果不均现象对个体幸福感的负面影响的研究 均可为横向剥夺机制提供实证支持[10-11]，但横向剥夺所关注的收入平等仅仅是分配结果层面 的平等，而纵向剥夺所关注的机会平等则可以作为分配过程是否平等的衡量指标。相较于分 配结果而言，人们更关心分配过程中的机会平等，“机会平等导向”的社会发展模式是幸福 感持续增长的重要保障[12]。 隧道效应理论同样被广泛用于分析分配公平对幸福感的影响机制。在经济野蛮生长的早 期发展阶段，当不同阶层、部门与地区间的分配不平等迅速扩大时，社会对这种差距的容忍 程度可能会与常识相悖，这就是隧道效应[13]。隧道效应根据经济发展阶段或者说经济现代化 进程可以分为正向隧道效应与负向隧道效应。其中，正向隧道效应是指让一部分人或地区先 富起来所导致的收入差距扩大现象能够带来更乐观的收入预期，进而潜在地提高了幸福感， 但这种效应的成立以机会均等假设为前提，倘若假设得不到满足，那么势必会导致收入流动 性降低，收入差距扩大带来乐观预期的机制也难以为继[14]。负向隧道效应则发生于乐观预期 假设落空后，为便于理解，此处采用 Hirschman 和 Rothsechild[13]的例子进行解释。假设存 在一条单向双车道拥堵隧道，即使自身所处车道仍处于堵塞状态，但当人们发现另一侧车道
开始疏通时，通常都会产生一种即将摆脱堵塞的乐观预期，这就是所谓的正向隧道效应。然 而，正向学道效应只是暂时的，当期望没有得到满足时，人们对拥堵（不公）的评价就会趋 向于负面，如果期望长期无法满足，负面情绪的膨张甚至会导致社会冲突的产生，这种机 制被称之为负向隧道效应。两相比较，不难发现正向隧道效应的前提假设过于严背， 且其 较强时效性，当人们感知到不平等之时，这种短暂效应往往会被负向隧道效应取代。如果说 结果公平决定着人们对负向隧道效应的容忍限度，那么机会公平测更多起到润滑剂的作用。 结果公平通常可以采用定量指标来测量与纠偏，但问题在于结果公平并不能涵括社会资源分 配的全部内容，譬如社会资本与人力资本的代际传递就属于其作用域之外的真空地带，而机 会公平却能够以一种软约束的形式嵌入其中，构建二者的耦合协调机制则有利于维护公民幸 福感的稳步提升。 综上，提出假设1和假设2： 假设1：机会公平能够提高公民幸福感 假设2：结果公平能够提高公民幸福感 让人民生活幸福是“国之大者”。现代中国是一个目标导向型国家，它承诺要让大部分 中国人过上更好、更幸福的生活，同时现代中国又因“一个文教，多种宗教”的传统而区 别于其他后发现代化国家。 个文教 ·指的便 是儒家之教化 文教传统使得儒家内化于中 国人的精神世界，并在中国人的精神生活中占据特殊地位，塑造了一种普遍的共同价值” 需要指出的是，这种文教传统在五四之后便迈上了现代化步伐，伴随男女两性逐步挣脱家族 一元体控制，即便是儒家文化中令人诟病的性别差等结构也发生了时代性变革圆。但变革意 味着渐进性，即实现两性机会公平无法一而就。譬如，女性在生产、生育、性行为与儿童 社会化过程中仍承担者更多的负担圆，这意味者 女性在市场就业中的隐性成本相较于男 性而言更高，出于风险规避考虑，企业很难给予女性以同等机会公平。而从纵向相对剥夺视 角来看，当女性倾向于认同机会公平程度相较于以往有所改善时，会自发地将以往同当下进 行比较并产生相对满足感，个体的幸福感也因此得以提升。其次，儒家思想形成之初便重视 对数有文化的弘扬与人力资本的培有，“有教无类”、“海人不倦”的教化理念更为酒识性教 有在民间的普及提供了重要思想支撑。时至今日】 在崇学重教 的儒家 趋势双重作用】 即使学历溢价不断 大部分 历水 来相当程度的利益回报，这其实暗含若学历越高机会越多的社会性隐喻。再次，儒家文化叶 安士重迁的思想虽然在中国古代小农经济的发展过程中起到了积极作用，但如今却无形中对 突破城乡二元结构造成了负面影响，具体表现为安土重迁思想依然深刻地影响着农民外出穷 工的行为洗择，对时家乡的情谊和家族的题一定程度上阳限若农民外出工。尽管城乡 体化建设己取得 完成里 元隔阂并未完全消 化配套的政策体系建 设、法律制度建设与基础设施建设仍有待加强，统筹推进城乡一体化发展仍然在路上 综上，提出假设1.1、1.2与2.1： 假设1,1：在机会公平影响过程中，女性身份能够强化幸福感提升效应 假设1.2：在机会公平影响过程中，大学文凭能够强化幸福感提升效应 假设2.1：在结果公平影响过程中，城镇户籍能够强化幸福感提升效应 三、数据、变量与方法 (一)数据与变量 本文使用的数据来源于2015年中国综合社会调查(Chinese General Social Survey, CGSS),该调查始于2003年，是我国最具权威性的综合社会调查项目。根据数据分析需婴 在进行变量操作化前开展了数据清洗工作，别除“无法回答”、“不知道”等缺失值与明显的
开始疏通时，通常都会产生一种即将摆脱堵塞的乐观预期，这就是所谓的正向隧道效应。然 而，正向隧道效应只是暂时的，当期望没有得到满足时，人们对拥堵（不公）的评价就会趋 向于负面，如果期望长期无法满足，负面情绪的膨胀甚至会导致社会冲突的产生[15]，这种机 制被称之为负向隧道效应。两相比较，不难发现正向隧道效应的前提假设过于严苛，且具有 较强时效性，当人们感知到不平等之时，这种短暂效应往往会被负向隧道效应取代。如果说 结果公平决定着人们对负向隧道效应的容忍限度，那么机会公平则更多起到润滑剂的作用。 结果公平通常可以采用定量指标来测量与纠偏，但问题在于结果公平并不能涵括社会资源分 配的全部内容，譬如社会资本与人力资本的代际传递就属于其作用域之外的真空地带，而机 会公平却能够以一种软约束的形式嵌入其中，构建二者的耦合协调机制则有利于维护公民幸 福感的稳步提升。 综上，提出假设 1 和假设 2： 假设 1：机会公平能够提高公民幸福感； 假设 2：结果公平能够提高公民幸福感。 让人民生活幸福是“国之大者”。现代中国是一个目标导向型国家，它承诺要让大部分 中国人过上更好、更幸福的生活 [16]，同时现代中国又因“一个文教，多种宗教”的传统而区 别于其他后发现代化国家。“一个文教”指的便是儒家之教化，文教传统使得儒家内化于中 国人的精神世界，并在中国人的精神生活中占据特殊地位，塑造了一种普遍的共同价值[17]。 需要指出的是，这种文教传统在五四之后便迈上了现代化步伐，伴随男女两性逐步挣脱家族 一元体控制，即便是儒家文化中令人诟病的性别差等结构也发生了时代性变革[18]。但变革意 味着渐进性，即实现两性机会公平无法一蹴而就。譬如，女性在生产、生育、性行为与儿童 社会化过程中仍承担着更多的负担[19]p24-27，这意味着女性在市场就业中的隐性成本相较于男 性而言更高，出于风险规避考虑，企业很难给予女性以同等机会公平。而从纵向相对剥夺视 角来看，当女性倾向于认同机会公平程度相较于以往有所改善时，会自发地将以往同当下进 行比较并产生相对满足感，个体的幸福感也因此得以提升。其次，儒家思想形成之初便重视 对教育文化的弘扬与人力资本的培育，“有教无类”、“诲人不倦”的教化理念更为通识性教 育在民间的普及提供了重要思想支撑。时至今日，在崇学重教的儒家文化与高校扩招的升学 趋势双重作用下，即使学历溢价不断降低，大部分社会成员却仍然认同提升学历水平能够带 来相当程度的利益回报，这其实暗含着学历越高机会越多的社会性隐喻。再次，儒家文化中 安土重迁的思想虽然在中国古代小农经济的发展过程中起到了积极作用，但如今却无形中对 突破城乡二元结构造成了负面影响，具体表现为安土重迁思想依然深刻地影响着农民外出务 工的行为选择，对家乡的情谊和家族的羁绊一定程度上阻碍着农民外出务工[20]。尽管城乡一 体化建设已取得一定成果，但城乡二元隔阂并未完全消除，与城乡一体化配套的政策体系建 设、法律制度建设与基础设施建设仍有待加强，统筹推进城乡一体化发展仍然在路上。 综上，提出假设 1.1、1.2 与 2.1： 假设 1.1：在机会公平影响过程中，女性身份能够强化幸福感提升效应； 假设 1.2：在机会公平影响过程中，大学文凭能够强化幸福感提升效应； 假设 2.1：在结果公平影响过程中，城镇户籍能够强化幸福感提升效应。 三、数据、变量与方法 （一）数据与变量 本文使用的数据来源于 2015 年中国综合社会调查（Chinese General Social Survey， CGSS），该调查始于 2003 年，是我国最具权威性的综合社会调查项目。根据数据分析需要， 在进行变量操作化前开展了数据清洗工作，剔除“无法回答”、“不知道”等缺失值与明显的
异常值后，最终保留有效样本8589个。 表1李量的描述件统计结果 变量赋值 最小值最大值均值标准差 幸福感 非常不幸福=1：非常幸福=5 1 5 3.8840.802 机合公平 不公平-0：公平1 0 0.6150.48 结果公平 不公平0：公平1 0 0.5060.500 男1：女-2 .500 拔访者实际年龄 18 94 50.38816.14 户籍 农村=1：城镇=2 1 2 1.375 0.484 党员身份 否01是=1 0 1 0.1110.914 大学学历 无0：有=1 0 1 0161 026 0 0.316 康状 被访者对自身健康 状况的主观评 1 3.636 1.06e 主现阶层认同 被访者对自身在社会中阶层地位的主观评价 1 5 2.4780.831 家庭收入对数 对家庭年收入进行对数处理 2.3016.954 4.5720.490 住房面积 被访者目前住房的套内建筑面积 9 2400 11691.745 1.结果变量 幸福感。以往学者主要基于认知与情感层面的主观评价来对幸福感的概念进行界定， 些研究者在认知的层面上加以理解，将幸福感等同于生活满意感，另一些研究者则在情感层 面上使用这 将其理解为快乐 ,等在整合认知与情感两种诠释视角的基 础上，认为人们的情感反应、具体领域满意度以及整体生活满意度都应被涵括于幸福感的概 念范畴回。因此，本文在充分认识到幸福感评价的主观性与整体性的基础上，将幸福感变量 操作化为“总的来说，您觉得您的生活是否幸福？”这一问题，回答选项为1-5,1代表“非 常不幸福”，5代表“非常幸短”。 2.处理变量 机会公平与结果公平。有关分配公平概念的早期研究主要集中于个体或群体间报磷和产 出的分配状况，DetsCh在引入杜会心理学分析视角后，将机会与晋升等对个体福有影咱 的诸多因素纳入分 配公平概念的内容范 观公平感的变量操作化思路也由此清晰，即微 观分配公平感的量化可以通过测量人们对“结果“和“机会 分配公平程度的感知来实现 ”。基于此，本文将机会公平操作化为“只要孩子够努力、够聪明，都能有同样的升学机会 与“在我们这个社会，工人和农民的后代与其他人的后代一样，有同样多的机会”两个问恶， 回答选项为1-5，为便于分析，本文对其进行了反向赋值，1代表“非常不同意”，5代表“非 常同音”。其次，将结果公平操作化为“围在右的人挣的钱多，有的人挣的少，但这是公平 的”与“考虑到您的能力和工作状况，您目前的收入是否合理”两个问题 本文同样对其进 行了反向赋值。反向赋值后，前者回答选项为1-5,1代表“非常不同意”，5代表“非常同 意”，后者回答选项为1-4,1代表“非常不合理”，4代表“非常合理”。此外，考虑到处理 变量的特殊性，本文对机会公平与结果公平进行了二分处理，划分规则为当被访者对两个问 颗的回答均为同意（合理）或军少其中一个为非常同意（合理）日另一个为无所谓时，则 以被认为具有良好机会公平或结果公平感知 3.协变量 在颜向得分匹配中，应尽可能将同时影响处理变量和结果变量的混着因素置于协变量洗 择框架内。通过对既往文献的回顾，选取性别、年龄 户籍、党员身份 、健康状 况、家庭年收入对数以及主观阶层认同作为协变量纳入倾向值预测模型 。此外，在高
异常值后，最终保留有效样本 8589 个。 表 1 变量的描述性统计结果 变量赋值 最小值 最大值 均值 标准差 幸福感 非常不幸福=1；非常幸福=5 1 5 3.884 0.802 机会公平 不公平=0；公平=1 0 1 0.615 0.487 结果公平 不公平=0；公平=1 0 1 0.506 0.500 性别 男=1；女=2 1 2 1.507 0.500 年龄 被访者实际年龄 18 94 50.388 16.144 户籍 农村=1；城镇=2 1 2 1.375 0.484 党员身份 否=0；是=1 0 1 0.111 0.314 大学学历 无=0；有=1 0 1 0.161 0.368 婚姻状况 未婚=0；已婚=1 0 1 0.887 0.316 健康状况 被访者对自身健康状况的主观评价 1 5 3.636 1.058 主观阶层认同 被访者对自身在社会中阶层地位的主观评价 1 5 2.478 0.831 家庭收入对数 对家庭年收入进行对数处理 2.301 6.954 4.572 0.490 住房面积 被访者目前住房的套内建筑面积 3 2400 116 91.745 1.结果变量 幸福感。以往学者主要基于认知与情感层面的主观评价来对幸福感的概念进行界定，一 些研究者在认知的层面上加以理解，将幸福感等同于生活满意感，另一些研究者则在情感层 面上使用这一术语，将其理解为快乐感[21]。Diener 等在整合认知与情感两种诠释视角的基 础上，认为人们的情感反应、具体领域满意度以及整体生活满意度都应被涵括于幸福感的概 念范畴[22]。因此，本文在充分认识到幸福感评价的主观性与整体性的基础上，将幸福感变量 操作化为“总的来说，您觉得您的生活是否幸福？”这一问题，回答选项为 1-5，1 代表“非 常不幸福”，5 代表“非常幸福”。 2.处理变量 机会公平与结果公平。有关分配公平概念的早期研究主要集中于个体或群体间报酬和产 出的分配状况，Deutsch 在引入社会心理学分析视角后，将机会与晋升等对个体福祉有影响 的诸多因素纳入分配公平概念的内容范畴，微观公平感的变量操作化思路也由此清晰，即微 观分配公平感的量化可以通过测量人们对“结果”和“机会”分配公平程度的感知来实现[23]- [24]。基于此，本文将机会公平操作化为“只要孩子够努力、够聪明，都能有同样的升学机会” 与“在我们这个社会，工人和农民的后代与其他人的后代一样，有同样多的机会”两个问题， 回答选项为 1-5，为便于分析，本文对其进行了反向赋值，1 代表“非常不同意”，5 代表“非 常同意”。其次，将结果公平操作化为“现在有的人挣的钱多，有的人挣的少，但这是公平 的”与“考虑到您的能力和工作状况，您目前的收入是否合理”两个问题，本文同样对其进 行了反向赋值。反向赋值后，前者回答选项为 1-5，1 代表“非常不同意”，5 代表“非常同 意”，后者回答选项为 1-4，1 代表“非常不合理”，4 代表“非常合理”。此外，考虑到处理 变量的特殊性，本文对机会公平与结果公平进行了二分处理，划分规则为当被访者对两个问 题的回答均为同意（合理）或至少其中一个为非常同意（合理）且另一个为无所谓时，则可 以被认为具有良好机会公平或结果公平感知。 3.协变量 在倾向得分匹配中，应尽可能将同时影响处理变量和结果变量的混淆因素置于协变量选 择框架内。通过对既往文献的回顾，选取性别、年龄、户籍、党员身份、婚姻状况、健康状 况、家庭年收入对数以及主观阶层认同作为协变量纳入倾向值预测模型[9][24][25]。此外，在高
校扩招背景下，是否拥有大学学历一定程度上会对个体的机会公平感与幸福感产生影响。而 住房作为满足公民生存与发展需要的基本物质条件，其居住舒话度也能够影响个体的结果公 平感与幸福感。因此，大学学历与住房面积也是本文需要控制的变量。上述变量的描述性统 计参见表1。 (二)研究方法 一般来说，随机实验是探素因果规律的“金标准”，然而受社会科学伦理与具体操作化 的双重限制，完全随机的实验设计方法在社会科学领域并不常见圆“。但在观测性研究中， 处理变量在研究对象中的随机分配难以得到保证，从而导致大部分样本都存在一定的“选择 性偏误”，这会对因果关系的推断产生不利影响。也正因如此，基于Rosenbaum和Rubin 提出的倾向值衍生而来的各类匹配方法越来越受到推崇。候向得分匹配法在本文中的应用步 [l-E 聚如下 ①协变量选择：本文通过对既往文献的梳理，筛选出10个协变量并 将其纳入倾向值预测模型。②估计倾向得分：通常使用Logit或Probit模型来实现，本文 所采用的是L0gt模型。③进行倾向得分匹配：本文所采用的匹配方法有近邻匹配、核匹配 与卡尺匹配。④匹配效果拾验：主要采用核度图对匹配前后实验组与控制组的共同支撞封 进行可视化检验， 并根据相关统计量对匹配前后解释变量的平衡性进行检验。 此外，当匹配 结果并不理想时，则需要重新筛选协变量或改变匹配方式。⑤计算平均处理效应：实现对样 本的匹配后，可以对处理组处理效应进行估计，其表达式如下： ATT=E(happiness()fairnessi=1)-E(happiness(fairness:=1) =E(happi s()fairnessi=1,e(Xi)) E(=0,e(X)) (1) 式中，happiness.)表示认同机会公平与结果公平的居民的幸福感得分情况， happinessio则与之相反，fairness:=1表示将研究对象限定在处理组，通过测算处理组样 本在处理与否两种情况下的幸福感差值，就能够得出相对纯净的处理组处理效应。但问题在 于现实生活中只能观测到处理组样本在接受处理状况下的幸福感，即 E(happiness6o)fairness:=1)无法被观测。此时，在可忽略性假设前提下，通过估计出来 的倾向得分(X)可以在对照组中为处理组匹配一个相近样本，即采用 E(happinessfairnessi=0,e(X)作为E(happiness/airness:=1)的替代值，从而 实现对处理组处理效应的估计。 为讨论处理效应的异质性作用，本文使用了Wager和Athey0提出的因果森林算法。作 为目前有监督机器学习算法与计量经济学结合的前沿产物，因果森林能够从现有数据中得到 更多关于异质性的信息，极大促进了经济学家在因果效果异质性上的探索。因果森林的算 法雏形来源于Athey和Imbens提出的因果树，他们通过“Honest”方法将回归树改进为因 果树，实现了对子样本无偏异质性因果效应的获取：Wager和Athey进一步将集成学习经典 算法随机森林与潜在因果模型相结合，最终构建起因果森林的基本框架：在此基础上，Athy 和Wager对R语言中因果森林的算法实现问题进行了更详细的介绍，同时基于全美学习心 态数据集展示了因果森林算法在应用层面的操作流程mt圆。参照Athey和Wager的研 究，构建如下异质性处理效果估计表达式：
校扩招背景下，是否拥有大学学历一定程度上会对个体的机会公平感与幸福感产生影响。而 住房作为满足公民生存与发展需要的基本物质条件，其居住舒适度也能够影响个体的结果公 平感与幸福感。因此，大学学历与住房面积也是本文需要控制的变量。上述变量的描述性统 计参见表 1。 （二）研究方法 一般来说，随机实验是探索因果规律的“金标准”，然而受社会科学伦理与具体操作化 的双重限制，完全随机的实验设计方法在社会科学领域并不常见[26]p14-24。但在观测性研究中， 处理变量在研究对象中的随机分配难以得到保证，从而导致大部分样本都存在一定的“选择 性偏误”，这会对因果关系的推断产生不利影响。也正因如此，基于 Rosenbaum 和 Rubin[27] 提出的倾向值衍生而来的各类匹配方法越来越受到推崇。倾向得分匹配法在本文中的应用步 骤如下[28]p543-544[29]p157-164：①协变量选择；本文通过对既往文献的梳理，筛选出 10 个协变量并 将其纳入倾向值预测模型。②估计倾向得分；通常使用 Logit 或 Probit 模型来实现，本文 所采用的是 Logit 模型。③进行倾向得分匹配；本文所采用的匹配方法有近邻匹配、核匹配 与卡尺匹配。④匹配效果检验；主要采用核密度图对匹配前后实验组与控制组的共同支撑域 进行可视化检验，并根据相关统计量对匹配前后解释变量的平衡性进行检验。此外，当匹配 结果并不理想时，则需要重新筛选协变量或改变匹配方式。⑤计算平均处理效应；实现对样 本的匹配后，可以对处理组处理效应进行估计，其表达式如下： 𝐴𝑇𝑇 = 𝐸(ℎ𝑎𝑝𝑝𝑖𝑛𝑒𝑠𝑠(𝑖,1) |𝑓𝑎𝑖𝑟𝑛𝑒𝑠𝑠𝑖 = 1) − 𝐸(ℎ𝑎𝑝𝑝𝑖𝑛𝑒𝑠𝑠(𝑖,0) |𝑓𝑎𝑖𝑟𝑛𝑒𝑠𝑠𝑖 = 1) = 𝐸(ℎ𝑎𝑝𝑝𝑖𝑛𝑒𝑠𝑠(𝑖,1) |𝑓𝑎𝑖𝑟𝑛𝑒𝑠𝑠𝑖 = 1, 𝑒(𝑋𝑖)) − 𝐸(ℎ𝑎𝑝𝑝𝑖𝑛𝑒𝑠𝑠(𝑖,0) |𝑓𝑎𝑖𝑟𝑛𝑒𝑠𝑠𝑖 = 0, 𝑒(𝑋𝑖)) (1) 式中，ℎ𝑎𝑝𝑝𝑖𝑛𝑒𝑠𝑠(𝑖,1)表示认同机会公平与结果公平的居民的幸福感得分情况， ℎ𝑎𝑝𝑝𝑖𝑛𝑒𝑠𝑠(𝑖,0)则与之相反，𝑓𝑎𝑖𝑟𝑛𝑒𝑠𝑠𝑖 = 1表示将研究对象限定在处理组，通过测算处理组样 本在处理与否两种情况下的幸福感差值，就能够得出相对纯净的处理组处理效应。但问题在 于 现 实 生 活 中 只 能 观 测 到 处 理 组 样 本 在 接 受 处 理 状 况 下 的 幸 福 感 ， 即 𝐸(ℎ𝑎𝑝𝑝𝑖𝑛𝑒𝑠𝑠(𝑖,0) |𝑓𝑎𝑖𝑟𝑛𝑒𝑠𝑠𝑖 = 1)无法被观测。此时，在可忽略性假设前提下，通过估计出来 的倾向得分 𝑒(𝑋𝑖) 可以在 对 照 组中为处理组匹配一个相近样本，即采用 𝐸(ℎ𝑎𝑝𝑝𝑖𝑛𝑒𝑠𝑠(𝑖,0) |𝑓𝑎𝑖𝑟𝑛𝑒𝑠𝑠𝑖 = 0, 𝑒(𝑋𝑖))作为𝐸(ℎ𝑎𝑝𝑝𝑖𝑛𝑒𝑠𝑠(𝑖,0) |𝑓𝑎𝑖𝑟𝑛𝑒𝑠𝑠𝑖 = 1)的替代值，从而 实现对处理组处理效应的估计。 为讨论处理效应的异质性作用，本文使用了 Wager 和 Athey[30]提出的因果森林算法。作 为目前有监督机器学习算法与计量经济学结合的前沿产物，因果森林能够从现有数据中得到 更多关于异质性的信息，极大促进了经济学家在因果效果异质性上的探索[31]。因果森林的算 法雏形来源于 Athey 和 Imbens 提出的因果树，他们通过“Honest”方法将回归树改进为因 果树，实现了对子样本无偏异质性因果效应的获取；Wager 和 Athey 进一步将集成学习经典 算法随机森林与潜在因果模型相结合，最终构建起因果森林的基本框架；在此基础上，Athey 和 Wager 对 R 语言中因果森林的算法实现问题进行了更详细的介绍，同时基于全美学习心 态数据集展示了因果森林算法在应用层面的操作流程[30][32][33]。参照 Athey 和 Wager[33]的研 究，构建如下异质性处理效果估计表达式：
a(x)(happiness:(()(fairness -0(X】 (2) 式中，a:(x)是数据自适应核函数，m(K)表示给定协变量条件下幸福感的预测值。符号 -i表示“袋外”顶测，即happiness不用于计算m-)(X),而happiness、fairness,e(X) 的含义均与式(1)保持一致。概言之，先构造两个独立的随机森林来估计（⊙与(），然后 利用这两个森林进行“袋外”预测，进而以式(2)的方式生成一个因果森林脚。需要指出 的是，由于第三方库中可用参数的限制，本文在利用因果森林进行稳健性检验时仍采用处理 组平均处理效应(ATT),但在绘制拟合曲线时所采用的是条件平均处理效应(CATE) 需要说明的是领向得分匹配与因果森林算法在本文中的应用具有必要性。一方面，具有 良好分配公平感的公民可能会因为自身所持有的其他积极心理特征而感到幸福，这在学理层 面被表述为解释变量分配公平并非随机分布，而是样本选择的结果，使得计算过程在一定程 度上合违背传统线性回归的无偏估计得设，讲而导致分配公平对卖短成的处理效应估计产生 偏差， 即研究对象间 可能存在样本自选择问题 这就使得采用倾向得分匹配法具有必要性 另一方面，传统线性回归模型对于连续变量异质性的分析依赖于交互项处理，但是这种方法 存在变量选择和模型形式等限制，而因果森林算法在克服传统交互项限制的同时，还可以估 计出处理效应异质性在个体层面的分布，这就使得采用因果森林算法具有必要性。 四、实证分析 (一)匹配效果检验 匹配前后 配 图1机会公平匹配前后核密度分布图（近邻匹配） 资料米源：笔者采用statal7,0绘制 匹配前 图2结果公平匹配前后核密度分布图（近邻匹配） 资科来源：笔者采用statal7?,0绘制
𝜏̂ = ∑ 𝑎𝑖(𝑥) 𝑛 𝑖=1 (ℎ𝑎𝑝𝑝𝑖𝑛𝑒𝑠𝑠𝑖 − 𝑚̂ (−𝑖) (𝑋𝑖))(𝑓𝑎𝑖𝑟𝑛𝑒𝑠𝑠𝑖 − 𝑒̂ (−𝑖) (𝑋𝑖)) ∑ 𝑎𝑖(𝑥) 𝑛 𝑖=1 (𝑓𝑎𝑖𝑟𝑛𝑒𝑠𝑠𝑖 − 𝑒̂ (−𝑖)(𝑋𝑖)) 2 (2) 式中，𝑎𝑖 (𝑥)是数据自适应核函数，𝑚(𝑋𝑖 )表示给定协变量条件下幸福感的预测值。符号 −𝑖表示“袋外”预测，即ℎ𝑎𝑝𝑝𝑖𝑛𝑒𝑠𝑠𝑖不用于计算𝑚̂ (−𝑖) (𝑋𝑖)，而ℎ𝑎𝑝𝑝𝑖𝑛𝑒𝑠𝑠𝑖、𝑓𝑎𝑖𝑟𝑛𝑒𝑠𝑠𝑖、𝑒(𝑋𝑖) 的含义均与式（1）保持一致。概言之，先构造两个独立的随机森林来估计𝑚̂(·)与𝑒̂(·)，然后 利用这两个森林进行“袋外”预测，进而以式（2）的方式生成一个因果森林[34]。需要指出 的是，由于第三方库中可用参数的限制，本文在利用因果森林进行稳健性检验时仍采用处理 组平均处理效应（ATT），但在绘制拟合曲线时所采用的是条件平均处理效应（CATE）。 需要说明的是倾向得分匹配与因果森林算法在本文中的应用具有必要性。一方面，具有 良好分配公平感的公民可能会因为自身所持有的其他积极心理特征而感到幸福，这在学理层 面被表述为解释变量分配公平并非随机分布，而是样本选择的结果，使得计算过程在一定程 度上会违背传统线性回归的无偏估计假设，进而导致分配公平对幸福感的处理效应估计产生 偏差，即研究对象间可能存在样本自选择问题，这就使得采用倾向得分匹配法具有必要性。 另一方面，传统线性回归模型对于连续变量异质性的分析依赖于交互项处理，但是这种方法 存在变量选择和模型形式等限制，而因果森林算法在克服传统交互项限制的同时，还可以估 计出处理效应异质性在个体层面的分布，这就使得采用因果森林算法具有必要性。 四、实证分析 （一）匹配效果检验 图 1 机会公平匹配前后核密度分布图（近邻匹配） 资料来源：笔者采用 stata17.0 绘制 图 2 结果公平匹配前后核密度分布图（近邻匹配） 资料来源：笔者采用 stata17.0 绘制
在构建机会公平与结果公平的二项L0gt预测模型的基础上，可以计算得出个体认同 两方面对匹配效果进行检验。常见的匹配方法有近邻L配、卡尺配。其性贮分衡性 机会公平与结果公平的倾向值得分，随后根据得分实现样本匹配，并从共同支撑域与平衡性 本文选择以研究中常用的近邻匹配(1对4匹配 为基准 同时也采用了卡 匹配（卡尺范围0.01）及核匹配（带宽0.06）来验证结果的稳健性。图1与图2分别呈现 了近邻匹配前后两种公平的样本倾向得分核密度函数分布，从中可以看出，匹配后实验组与 控制组的倾向值密度分布均十分接近，说明两组样本在机会公平与结果公平上的倾向值相 近，匹配效果良好。同时，针对机会公平与结果公平的平衡性拾验也取得了较好的结果。 (二)平均处理效应估计 表2机会公平与结果公平的平均处理效应 ATT 匹配方法 实验组 控制组 机会公平 结果公平 兀配的 0.12 0.018 0284 0.0171 近邻匹配1： 3932 822 0.11 002 +(0.020 核匹配（带宽=0.06） 3.932 3.803 0.130**球(0.018) 0.198*林(0.018 卡尺匹配（卡尺惹雷0.01） 3.933 3.840 0.093**w(0.024) 0.199*t(0.024) 平均值 3.932 3.822 0.111 0.195 注：p0.1、*p<0 09 ,括号内 机会公平与结果公平对幸福感的提升具有显著的促进作用。表2为采用上述三种匹面 方法得到的处理组平均处理效应(ATT),结果显示，无论采用何种匹配方法，机会公平与结 果公平的ATT值均在1%的水平上通过显著性检验，说明估计结果具有良好的稳健性。从平 均值来看，机会公平与结果公平的平均处理效应分别为0.111与0.195，这表明在控制样本 自选择偏误后 机会公平与结果公平均对幸福感具有正向影响，假设1和假设2得以证实 此外，结果公平所带来的正向效应要高于机会公平，这一结果同实证预期及实际情况相一致 反映出在如何兼顾两种公平从而提升人民幸福感的问题上，仍需以促进结果公平为主攻方 向，同时积极推进基本公共服务均等化以引导教有资源配置公平，深化城乡户籍制度改革以 推动城乡居民发展公平，加快全面实施市场准入负面清单制度与公平竞争审查制度以促进市 场竞争公平，扎实推进妇女劳动权益保障法律建设与普惠性托育服务体系建设以维护就业性 别公平，最终实现有限资源在机会公平建设与结果公平建设中的合理分配 (三)组群差异分析 为进一步探素机会公平与结果公平对不同群体幸福感的处理效应异质性，本文以性别、 大学文凭以及户籍为分组依据，检验两种公平对幸福感影响的组间差异。基于近邻匹配(1 对4匹配)方法的组群差异估计结果如表3所示。 从不同性别的估计结果对比来看，女性群体的TT值比男性群体的ATT值高O.O41,即 机会公平对女性幸福感提升的促进作用大于男性，假设1.1得以证实 因此 在明确机会公 平在分配公平体系建设中的重要地位后，还应者重强调女性群体的就业公平与生有公平。家 务劳动是列宁眼中“妇女所从事的最无生产性、最无人性和最艰巨的工作”，恩格斯也指出 “妇女的解放，只有在妇女可以大量地、社会规模地参加生产，而家务劳动只占她们极少工 夫的时候，才有可能”0图。亭无疑问，若保女性就业公平与生有公平，就必须实 现家庭场域内家务分工的性别平等，通过大力宣传家务劳动的情感支持 老来激励男性更多 地参与家务劳动，并鼓励女性接纳、允许与享受男性的家务劳动参与，基于此构建夫妻合 囿于篇幅所限，此处不予以展示，数据留存备索
在构建机会公平与结果公平的二项 Logit 预测模型的基础上，可以计算得出个体认同 机会公平与结果公平的倾向值得分，随后根据得分实现样本匹配，并从共同支撑域与平衡性 两方面对匹配效果进行检验。常见的匹配方法有近邻匹配、卡尺匹配、核匹配与分层匹配 [29]p160-163，本文选择以研究中常用的近邻匹配（1 对 4 匹配）为基准匹配，同时也采用了卡尺 匹配（卡尺范围 0.01）及核匹配（带宽 0.06）来验证结果的稳健性。图 1 与图 2 分别呈现 了近邻匹配前后两种公平的样本倾向得分核密度函数分布，从中可以看出，匹配后实验组与 控制组的倾向值密度分布均十分接近，说明两组样本在机会公平与结果公平上的倾向值相 近，匹配效果良好。同时，针对机会公平与结果公平的平衡性检验也取得了较好的结果3。 （二）平均处理效应估计 表 2 机会公平与结果公平的平均处理效应 注：*p<0.1、**p<0.05、***p<0.01，括号内为标准误，下同。 机会公平与结果公平对幸福感的提升具有显著的促进作用。表 2 为采用上述三种匹配 方法得到的处理组平均处理效应（ATT），结果显示，无论采用何种匹配方法，机会公平与结 果公平的 ATT 值均在 1%的水平上通过显著性检验，说明估计结果具有良好的稳健性。从平 均值来看，机会公平与结果公平的平均处理效应分别为 0.111 与 0.195，这表明在控制样本 自选择偏误后，机会公平与结果公平均对幸福感具有正向影响，假设 1 和假设 2 得以证实。 此外，结果公平所带来的正向效应要高于机会公平，这一结果同实证预期及实际情况相一致， 反映出在如何兼顾两种公平从而提升人民幸福感的问题上，仍需以促进结果公平为主攻方 向，同时积极推进基本公共服务均等化以引导教育资源配置公平，深化城乡户籍制度改革以 推动城乡居民发展公平，加快全面实施市场准入负面清单制度与公平竞争审查制度以促进市 场竞争公平，扎实推进妇女劳动权益保障法律建设与普惠性托育服务体系建设以维护就业性 别公平，最终实现有限资源在机会公平建设与结果公平建设中的合理分配。 （三）组群差异分析 为进一步探索机会公平与结果公平对不同群体幸福感的处理效应异质性，本文以性别、 大学文凭以及户籍为分组依据，检验两种公平对幸福感影响的组间差异。基于近邻匹配（1 对 4 匹配）方法的组群差异估计结果如表 3 所示。 从不同性别的估计结果对比来看，女性群体的 ATT 值比男性群体的 ATT 值高 0.041，即 机会公平对女性幸福感提升的促进作用大于男性，假设 1.1 得以证实。因此，在明确机会公 平在分配公平体系建设中的重要地位后，还应着重强调女性群体的就业公平与生育公平。家 务劳动是列宁眼中“妇女所从事的最无生产性、最无人性和最艰巨的工作”，恩格斯也指出 “妇女的解放，只有在妇女可以大量地、社会规模地参加生产，而家务劳动只占她们极少工 夫的时候，才有可能”[35]p180-181。毫无疑问，若想促进女性就业公平与生育公平，就必须先实 现家庭场域内家务分工的性别平等，通过大力宣传家务劳动的情感支持功能来激励男性更多 地参与家务劳动，并鼓励女性接纳、允许与享受男性的家务劳动参与[36]，基于此构建夫妻合 3 囿于篇幅所限，此处不予以展示，数据留存备索。 ATT 匹配方法 实验组 控制组 机会公平 结果公平 匹配前 3.932 3.806 0.126***(0.018) 0.284***(0.017) 近邻匹配(1:4) 3.932 3.822 0.110***(0.020) 0.188***(0.020) 核匹配(带宽=0.06) 3.932 3.803 0.130***(0.018) 0.198***(0.018) 卡尺匹配(卡尺范围 0.01) 3.933 3.840 0.093***(0.024) 0.199***(0.024) 平均值 3.932 3.822 0.111 0.195
作型家务劳动模式，进而促进家庭这一最小社会组织单元中的劳动分工平等。 从有于大学文任的估计结里对比来看，有大学文任群体的AT值比于大学文任群体的 AT值高Q.008,即有大学文凭群体在机会公平层面获取的幸福感提于 效应略大于无大学文 凭群体，假设1.2得以证实。但需要指出的一点是，这种幸福感提升效应并不明显 ,可能是 因为在高校扩招背景下，高校教学内容与市场专业需求间的失衡进一步加刚了高等教育劳动 力供给的相对过剩，而较小的组间差异则是这一现象在实证层面的映射。 从不同户籍的估计结果对比来看，农村户第群体的ATT值略低于城镇户籍群体的AT门 值，假设2.1得以证实。同时，通过对组间差值进行对比可以发现二者差异并不悬殊，这也 充分说明了在结果公平影申公民幸福感的过程中，城乡户籍差异所带来的异质性影响正逐 戚弱，反映出在探索中国特色共同富裕道路的历史进程中，城乡融合发展己取得一定成效。 表3处理效应的组群差异分析（近邻匹配） 群体 样本 实验组 控制组 机会公平 结果公平 男性 4,238 3.926 3.813 0.113**(0.028) 女性 4.351 3.939 3.786 0.154**(0.028) 有大学文凭 1.384 4.008 3 986 0.112**(0.040) 无大学文纯 7.205 3.806 0.1044(0.02) 5364 98 7 0.193*#(0.026） 城慎 3,225 4.108 3.912 0.196#(0.030) (四)进一步分析：基于因果森林算法 表4基于因果森林算法的稳健性与异质性检验 幸福感 机会公平 结果公平 ATT 0.115*+料 01只8** t0.0170 (0.016) Differential 0.118 0.656 (0.266 (0.238) 聚类 否 李 菊木数量 2000 2000 样本量 8,589 8.58g 在使用候向得分匹配法控制样本自选择偏误的基础上，采用因果森林模型对机会公平 结果公平的处理效应进行稳健性检验与异质性检验。结果显示，基于因果森林模型得出的机 会公平与结果公平的AT值分别为0.115与0.188，且均在1%的水平上显著为正，与上文估 计结果保持高度一致，再次验证了结论的稳健性。 传统的异质性分析方法通常依托于回归模型的分组与交互项，其后以倾向值为导向的处 理效应异质性分析虽然在此基础上有所突破，但也有自身的问恩，而因果森林等非参数模型 则以一种“匹配”的分析逻辑估计和趋近个体处理效应，从而能够帮助研究者分析处理效应 异质性的决定因素，同时早现出处理效应异质性的经验分布动。此外，Chernozhukoy等 提出的“最优线性预测法”也为机会公平与结果公平的异质性检验提供了理论依据，当算法 序坛行得出的Diffe ential估计系数显著为正时，可以认为样本的处理效应存在异质性 到。通过表 可以发现，机会公平 1估计系数并不显若 而结果公平的 Differential估计系数在1%的水平上显著为正，说明结果公平对幸福感的影响存在明显的
作型家务劳动模式，进而促进家庭这一最小社会组织单元中的劳动分工平等。 从有无大学文凭的估计结果对比来看，有大学文凭群体的 ATT 值比无大学文凭群体的 ATT 值高 0.008，即有大学文凭群体在机会公平层面获取的幸福感提升效应略大于无大学文 凭群体，假设 1.2 得以证实。但需要指出的一点是，这种幸福感提升效应并不明显，可能是 因为在高校扩招背景下，高校教学内容与市场专业需求间的失衡进一步加剧了高等教育劳动 力供给的相对过剩，而较小的组间差异则是这一现象在实证层面的映射。 从不同户籍的估计结果对比来看，农村户籍群体的 ATT 值略低于城镇户籍群体的 ATT 值，假设 2.1 得以证实。同时，通过对组间差值进行对比可以发现二者差异并不悬殊，这也 充分说明了在结果公平影响公民幸福感的过程中，城乡户籍差异所带来的异质性影响正逐渐 减弱，反映出在探索中国特色共同富裕道路的历史进程中，城乡融合发展已取得一定成效。 表 3 处理效应的组群差异分析（近邻匹配） 群体 样本量 实验组 控制组 ATT 机会公平 结果公平 男性 4,238 3.926 3.813 0.113***(0.028) 女性 4,351 3.939 3.786 0.154***(0.028) 有大学文凭 1,384 4.098 3.986 0.112***(0.040) 无大学文凭 7,205 3.909 3.805 0.104***(0.022) 农村 5,364 3.981 3.788 0.193***(0.026) 城镇 3,225 4.108 3.912 0.196***(0.030) （四）进一步分析：基于因果森林算法 表 4 基于因果森林算法的稳健性与异质性检验 幸福感 机会公平 结果公平 ATT 0.115*** (0.017) 0.188*** (0.016) Differential 0.118 (0.266) 0.656*** (0.238) 聚类 否 否 树木数量 2000 2000 样本量 8,589 8,589 在使用倾向得分匹配法控制样本自选择偏误的基础上，采用因果森林模型对机会公平与 结果公平的处理效应进行稳健性检验与异质性检验。结果显示，基于因果森林模型得出的机 会公平与结果公平的 ATT 值分别为 0.115 与 0.188，且均在 1%的水平上显著为正，与上文估 计结果保持高度一致，再次验证了结论的稳健性。 传统的异质性分析方法通常依托于回归模型的分组与交互项，其后以倾向值为导向的处 理效应异质性分析虽然在此基础上有所突破，但也有自身的问题，而因果森林等非参数模型 则以一种“匹配”的分析逻辑估计和趋近个体处理效应，从而能够帮助研究者分析处理效应 异质性的决定因素，同时呈现出处理效应异质性的经验分布[37]。此外，Chernozhukov 等 [38] 提出的“最优线性预测法”也为机会公平与结果公平的异质性检验提供了理论依据，当算法 程序运行得出的 Differential 估计系数显著为正时，可以认为样本的处理效应存在异质性 [33][39]。通过表 4 可以发现，机会公平的 Differential 估计系数并不显著，而结果公平的 Differential 估计系数在 1%的水平上显著为正，说明结果公平对幸福感的影响存在明显的
异质性。同时，考虑到将理论驱动与数据驱动相结合是当前计算社会科学发展的重要方向， 以及机器学习算法在异质性分析层面对传统计量方法仅强调“到U型”关系或“川型”关系 中一种的技术突破，本文后续将根据样本的年龄特征与住房面积特征绘制条件平均处理 效应的拟合曲线 以此实现对结果公平在不同群体中的幸福感提升效应 差异的可视化探索 安居乐业自农耕时代以来便一直是我国人民的共同心愿，实际上这其中暗含着 个强假 设：安居是乐业的“因”。以此类推，安居是乐业之因，就业是民生之本，而民生是人民幸 福之基，那么安居在结果公平对幸福感的处理效应中又起到了怎样的异质性作用呢？为探讨 文一议题，本文在图3中将住房面积作为多件，对结果公平的处理效应异质性讲行了可视化 操作。结果显示 随着住房面积的提升，结果公平的条件平均处理效应整体呈左偏“M型 关系。具体而言，当个体的住房套内面积为0-100平米时，条件平均处理效应呈“M型”关 系，即在居住场所为中小户型住宅的群体中，结果公平的幸福感提升效应不断增强，并在到 达顶点后逐步回落，直至住房面积趋近于100平米：当住房套内面积大于100平米时，拟合 曲线断趋平缓，住房面积所带来的异质性作用不再明显。研究结果也从侧面印证了住房保障 制度在民生幸福工程的重要地位。住房保障与幸福感皆为关乎国计民生的重大问题，为中低 收入居民提供住房保障是政府分内之事、应尽之责 政府一方面应大力发展公租房等租号 型保障房以及共有产权房等产权型保障房来为无房家庭提供住房兜底，另一方面积极推进 “租购同权”政策的有效落地，以保障租房人群平等享受基本公共服务的权利。 05 0.5 04 04 05 01 0.0- 0.0- 100 400500 20 40 80 图3以住房面积和年龄为条件的结果公平处理效应异质性 资料来源：笔者采用R语言及Rstudic0编译器绘制 三十而立中的“立”从孔子的立德、班固的立学、朱熹的立道到冯友兰的立礼，再到如 今主流语境中的成家立业，虽然对所立何物的争议从未停歌，但人们大多对三十当立的观点 持赞成态度。如图3所示，结果公平的处理效应在三十岁前后有着明显转向，或是由于“他 者凝视”带来的监督与规训起到了促进作用，抑或“躺平”心态随者年龄增长而逐渐在个体 思维方式形塑中占据主导地位，最终结果都是大样本支持下的结果公平处理效应从三十岁前 的不断下滑迈向三十岁后的止跌回升。政府在公民致力于三十而立的生命历程中能做的是深 化市场准入负面清单制度改革与加快劳动力市场制度建设，以市场准入负面清单制度助推 为方便展示，删去了部分住房面积过大的样本，最终剩余样本8540个，整体样本损失率小于1，影响 尚在可控范围内
异质性。同时，考虑到将理论驱动与数据驱动相结合是当前计算社会科学发展的重要方向， 以及机器学习算法在异质性分析层面对传统计量方法仅强调“倒 U 型”关系或“U 型”关系 中一种的技术突破[40]，本文后续将根据样本的年龄特征与住房面积特征绘制条件平均处理 效应的拟合曲线，以此实现对结果公平在不同群体中的幸福感提升效应差异的可视化探索。 安居乐业自农耕时代以来便一直是我国人民的共同心愿，实际上这其中暗含着一个强假 设：安居是乐业的“因”。以此类推，安居是乐业之因，就业是民生之本，而民生是人民幸 福之基，那么安居在结果公平对幸福感的处理效应中又起到了怎样的异质性作用呢？为探讨 这一议题，本文在图 3 中将住房面积作为条件，对结果公平的处理效应异质性进行了可视化 操作4。结果显示，随着住房面积的提升，结果公平的条件平均处理效应整体呈左偏“M 型” 关系。具体而言，当个体的住房套内面积为 0-100 平米时，条件平均处理效应呈“M 型”关 系，即在居住场所为中小户型住宅的群体中，结果公平的幸福感提升效应不断增强，并在到 达顶点后逐步回落，直至住房面积趋近于 100 平米；当住房套内面积大于 100 平米时，拟合 曲线渐趋平缓，住房面积所带来的异质性作用不再明显。研究结果也从侧面印证了住房保障 制度在民生幸福工程的重要地位。住房保障与幸福感皆为关乎国计民生的重大问题，为中低 收入居民提供住房保障是政府分内之事、应尽之责[41]，政府一方面应大力发展公租房等租赁 型保障房以及共有产权房等产权型保障房来为无房家庭提供住房兜底，另一方面积极推进 “租购同权”政策的有效落地，以保障租房人群平等享受基本公共服务的权利。 图 3 以住房面积和年龄为条件的结果公平处理效应异质性 资料来源：笔者采用 R 语言及 Rstudio 编译器绘制 三十而立中的“立”从孔子的立德、班固的立学、朱熹的立道到冯友兰的立礼，再到如 今主流语境中的成家立业，虽然对所立何物的争议从未停歇，但人们大多对三十当立的观点 持赞成态度。如图 3 所示，结果公平的处理效应在三十岁前后有着明显转向，或是由于“他 者凝视”带来的监督与规训起到了促进作用，抑或“躺平”心态随着年龄增长而逐渐在个体 思维方式形塑中占据主导地位，最终结果都是大样本支持下的结果公平处理效应从三十岁前 的不断下滑迈向三十岁后的止跌回升。政府在公民致力于三十而立的生命历程中能做的是深 化市场准入负面清单制度改革与加快劳动力市场制度建设，以市场准入负面清单制度助推 4 为方便展示，删去了部分住房面积过大的样本，最终剩余样本 8540 个，整体样本损失率小于 1%，影响 尚在可控范围内