Page 227 - 《社会》2020年第2期

社会 · ２０２０ · ２

方式 ， 不同计算方式得到的结果会有些许差异 ， 但由于其为 ０－１ 之间
的数值 ， 能够较为直观地理解收入差距程度 ， 从而成为测量收入不平等
状况被较多使用的指标之一 （ 万广华 ， ２００８ ）。 文章采用如下计算方式 ：
考虑到一个调查总体 （ 犻＝１ ，…， 狀 ）， 权重为 狑 ， 目标总体为 犖 ＝
犻
狀
∑ 狔 狔
狑 ， 相应的人均家庭收入为 ， 人均家庭收入的算术均值为， 人
犻
犻
犻
均家庭收入按照 升序排列 ， 那么基尼系数的计算如下 ：
狔
犻
１ ２
狀
（）狔 犖 （ ） ∑
狔
犵 犻狀犻 ＝ １ ＋ － ２ ［（ 犖 － 犻 ＋ １ ）（）］
犖
犻
犻 ＝ １
感知收入差距 操作化为 “ 您认为当前社会财富分配不公 ， 贫富悬
殊过大的严重程度如何？ ” 答案分为五类 ， 分别是 ： １． “ 非常不严重 ”， ２．
“ 比较不严重 ”， ３． “ 一般 ”， ４． “ 比较严重 ”， ５． “ 非常严重 ”。 为了后续分
析和解释的方便 ， 与前文对因变量的操作一致 ， 我们同样将其视为连续
型变量 ， 数值越大 ， 意味着受访者感知的收入差距越大 。
３． 控制变量
为尽量消减变量遗漏可能带来的估计偏误 ， 我们还将在以往研究
的基础上 ， 纳入相关控制变量 。
首先 ， 人们对社会总体收入差距状况的判断往往要基于相应的信
息基础 ， 这又取决于信息的可得性与信息内容 。 有关 “ 信息框架理论 ”
的研究发现 ， 媒体信息在塑造个体关于公共议题的价值判断时发挥着
重要的建构作用 （ 犕狅犾狅狋犮犺犪狀犱犔犲狊狋犲狉 ， １９７４ ； 犅犲狉犽狅狑犻狋狕犪狀犱犇狅狌 犵 犾犪狊 ，
１９９３ ）。 为此 ， 我们根据调查数据中的相关量表生成信息获得因子 。 该
量表包含不同的信息来源及使用频率 ， 验证性因子分析的结果表明 （ 见
表 １ ）， 所选用的题器较好地聚合到一起 ， 量表的信度系数较为理想 ， 可
用作对信息获得状况的度量 。 ９ 尽管我们无法获得关于具体信息内容
的观测 ， 但依此生成的因子数值越大 ， 可表明对各类信息媒介使用的频
率越高 ， 信息的可得性越便捷 。
其次 ， 在文献回顾部分我们探讨了个体对收入差距的容忍度还受
诸多微观因素影响 ， 为保证研究结论的可靠性 ， 也根据数据中已有变量
进行操作化 。

９． 在验证性因子分析框架下 ， 常用的量表信度系数 犆狉狅狀犫犪犮犺 的 α 值不能恰当地拟合指标和
因子关系 ， 我们因此采用雷科夫 （ 犚犪 狔 犽狅狏 ， ２００２ ） 提出的方法测量量表和题器信度 。

· ２ ·
０
２