不平等的统计模型

根据Saez和Zucman（2014）的数据，我们考虑的四种情景旨在捕捉财富份额未来可能发生的一系列变化，这些变化的幅度比过去几十年观察到的变化要小。事实上，根据这些数据，在过去30年中观察到的财富份额变化的幅度很难与任何稳定的财富分配相协调，我们将在下面更详细地讨论这一点。表2-5中报告了四种情况下预测的未来稳定财富分布。这些未来分布在波动率σk的低估计值和高估计值之间有所不同，尽管表格显示，在大多数情况下，这两个估计值之间的可能结果范围相当狭窄。这四种情景合在一起表明，如果财富分布在未来趋于稳定，即使当今美国经济中的顶级财富份额出现小幅上升趋势，也可能意味着财富集中度大幅提高。事实上，情景3中，顶层0.01%和0.01-0.1%持有的财富份额根据SCF，同期顶层股票的变化幅度小于Saez和Zucman（2014）报告的幅度。根据SCF数据的调整方式，这些数据与场景2和场景4之间的潜在趋势一致。家庭数量每年分别以1.5%和0.5%的速度适度增长，这意味着未来美国财富分布稳定，σk的低估计值和高估计值的财富集中度都达到了前所未有的水平。

情景4涉及到比情景3更快的不平等上升趋势，因此，根据定理2.4，这种情景意味着分布分为不同的亚群体，其中最顶层的0.01%的家庭拥有全部财富。图2使用波动率σk的高估计值联合绘制了所有四种情况下的财富分布。该图显示了未来财富分布对当今顶级财富份额上升趋势的敏感性。尽管情景1和情景2的结果略有不同，但一旦假设0.01%的最富裕家庭所占财富份额每年增长1%以上，如情景3和情景4所示，未来的财富分配将发生巨大变化。这些对美国未来财富分配的假设性估计并不是对未来的精确定量预测。未来是不确定的，影响财富分配的因素（如政策、制度、技术和全球化）会发生无法预测的变化。这些因素将在未来发生变化，这些变化将对回归率产生影响-因此，财富的稳定分布。预测这些因素的变化远远超出了本文的范围。相反，表2-5中对美国未来稳定财富分配的估计，旨在描述未来经济环境没有任何变化的情况下不平等的轨迹。这些估计描述了美国财富分配目前的走向，而不是在其他事情改变其轨迹之前，它是否真的会达到这一目标。情景4中出现的财富绝对集中是财富分布不稳定的一组重要结果的一部分。

如果排名前0.01%的家庭所持财富份额增长足够快，就会出现这种情况，因为这种快速增长意味着排名前0.01%的家庭（那些拥有k≤ 100）为正。太多大于零的αk值违反了定理2.3中的稳定性条件，该定理指出α+·····+αk<0，对于所有k=1，N- 1、在这些不稳定的情况下，我们从定理2.4中了解到，一些家庭成员与其他人口不同，形成了一个独立的稳定分布，最终将拥有所有财富。这部分家庭最终与其他人口永久分离，因此不再有人进入或离开这一顶级群体。在情景4的情况下，这种不同的亚群体由前0.01%的住房组成，因为大多数参数αkar的调整值对该群体为正值，而对其余人口为负值。图3-4说明了这种情况下美国财富分配的动态。鉴于2012年美国的初始财富份额与Saez和Zucman（2014）报告的财富份额相等，图3显示了经济体中前1%家庭中不同群体持有的总财富份额随时间的模拟演变。虽然这一数字的总体趋势是明确无误的，但也很明显，情景4的差异是不均衡的，最富裕的0.01%家庭所占的财富份额有时会连续几年下降。然而，随着时间的推移，最富有的0.01%的家庭在总财富中所占的份额逐渐但稳步增加，到2100年，他们的财富占比超过40%，到2200年，他们的财富占比超过80%。

图4显示了经济体中排名前1%的家庭和其余99%的家庭的这种不同情况。当然，在现实世界中，很难想象财富的分配会像场景4那样真正分离和分化。早在这种情况发生之前，我们就预计经济环境的某些方面会发生变化。然而，有趣的是，很难拒绝目前美国财富分配的这种不同轨迹。根据Saez和Zucman（2014）的财富份额数据，自2000年以来，美国0.01%的顶级家庭所持有的财富份额平均每年增长3.5%以上，自1980年以来每年增长4%以上。这种幅度的变化意味着，使用波动率σk的低估计值和高估计值，0.01%以上的家庭的基于等级的相对增长率αkare的调整估计值为正。那么，根据Saez和Zucman（2014）的财富份额数据，这可能是指美国的家庭收入增长率。美国的财富分配目前处于一个暂时性的分歧轨道上，富裕家庭的耳鸣会不确定地增加其在总财富中的份额。归根结底，这些关于美国财富分配的当前轨迹及其未来方向的难题尚无法得到明确回答。目前，美国顶级财富份额增长的确切速度尚不确定，并且在不同的数据集中有所不同，这可以通过使用收入资本化方法对财富份额的估计与消费者金融调查中未经调整或调整的估计进行比较看出（Saezand Zucman，2014）。只有当更详细和高质量的数据可用时，我们才能以更大的可信度提供答案。

虽然本文确实提供了初步答案和估计，但更重要的贡献是引入一种灵活的经验方法来解决这些问题。3.3估计累进资本税原则的影响，任何税收政策对财富分配的影响都可以用我们的经验方法来近似。所有必要的是估计税收政策对基于等级的回归率的影响-α和波动率σk。毕竟，这两个因素单独决定了财富的分布。然而，在许多情况下，很难获得税收对不同家庭的回归率和财富波动性影响的可靠估计。一个重要的例外是累进资本税。第2节的经验方法特别适用于估算累进资本税的分配影响，因为此类税收旨在对财富分配中不同家庭的财富增长率产生更可预测的影响。为了简单起见，我们假设对经济中的某些家庭子集征收1%的资本税会使这些家庭的财富增长率降低1%（因此也会使他们的回归率提高1%）。当然，这一假设并没有直接考虑此类税收可能对家庭储蓄行为产生的均衡影响，以及家庭可能成功逃税的可能性。我们之所以选择这种简化，是因为它代表了一个自然而有用的基准案例，在这种情况下，家庭因资本税而减少的储蓄（这会加剧税收的影响）与家庭逃税的能力（这会减少税收的影响）完全平衡。

重要的是要强调，使用我们的经验方法，只需相应地调整税收对家庭财富增长率的影响，就可以轻松评估累进资本税影响的备选方案。事实上，只有Brevityth才会在本文中考虑此类替代方案。自Piketty（2014）提出累进资本税以应对不断加剧的收入和财富不平等以来，围绕这一政策的大部分辩论都集中在一个重大挑战上，即估算累进资本税的均衡效应涉及解决家庭在这种环境下面临的投资组合优化问题。在这方面取得的任何进一步进展都将产生这样一种信息，即这种税收可能会如何改变不同rankedhouseholds均衡的财富增长率。然后，可以将这些信息纳入本文的非参数方法中，以生成累进资本税分配效应的一般均衡估计。这些税收如何可能增加政府收入或扭曲经济结果，而不是如何影响财富分配。本文的贡献之一是解决后一个问题，并提供累进资本税对美国经济分配影响的估计。这些都是纯粹的经验估计，不依赖于对不平等根本原因的任何假设，这一点在第2节的模型介绍中得到了强调。我们分析了与Piketty（2014）提出的政策类似的简单累进资本税。我们的这一税收版本将经济中0.5%的最高家庭的资本税率设定为2%，0.5-1%的最高家庭的资本税率设定为1%，而其余99%的家庭则被假定既不缴纳也不接受任何税收或补贴。

按照顺序，ZF从这一进步的资本税中产生的收入没有一个被重新分配给较不富裕的家庭。根据2012年美国财富分配数据，对于总财富超过约600万美元的家庭，该累进资本税对应2%的税率，对于总财富在400万至600万美元之间的家庭，该税率对应1%。就参数而言，我们假设这一capitaltax将纳税家庭（最高1%）的基于等级的相对增长率αkof降低至纳税率。为了研究广泛的潜在情景，我们使用波动率σk的高估计值和低估计值，考虑了表2-5中情景1-4在累进资本税存在的情况下财富的稳定分布。这些结果如表6-9所示。图5-8中也以图形方式显示了它们，图中利用波动率σk的高估计值绘制了所有四种情况下的财富分布，包括有无累进资本税，表格和图表显示，仅对经济中1%的家庭征收简单的累进资本税，就可以极大地改变财富分配，减少不平等。例如，在情景1和情景2中，根据Saez和Zucman（2014）的历史财富份额数据，税后财富分布与20世纪70年代在美国观察到的分布相似。事实上，考虑这种再分配的分配效应是很简单的。

然而，由于我们发现，在我们的美国财富分配模型中，这些影响非常小，因此我们在本节中只关注简单的无需再分配的税收。Piketty（2014）为欧洲提出的基本累进资本税涉及总财富超过500万欧元的家庭税率为2%，总财富在1至5百万欧元之间的家庭税率为1%，其余家庭不征税。这一时期是美国上个世纪最平等的时期之一。这一时期突显了不平等现象的减少是多么重要。即使对于情景3和情景4，在没有累进资本税的情况下，财富分配高度或完全集中在顶层，在所有情况下，该税都会将不平等降低到低于2012年在美国观察到的水平。图8清楚地显示了这一巨大影响。由于在情景4的情况下，不存在使用σkin的高估计值的稳定分布，因此该图通过一条垂直线来表示没有累进资本税的财富分布，表明最顶层的0.01%家庭拥有经济中的所有财富。只有税收到位，才存在稳定的分布，如图中的红色虚线所示。为什么只对1%的家庭征收1-2%的累进资本税就能大幅降低生活质量？有人可能会认为，如此大规模地减少不平等需要对更多的家庭征税。然而，由于纳税最多的1%的家庭持有总财富的40-100%，这取决于场景，因此经济体总财富的很大一部分实际上受到这种累进资本税的影响。

正如模型所示，总财富的这一大部分足以让税收显著重塑财富的分配。最后，我们强调，这一结果并不是关于总体福利的声明，也不是对累进资本税的征收。正如导言中所讨论的，我们的统计模型仅对税收和其他政策的分配效应进行了实证估计，并没有衡量与此类政策相关的任何扭曲或成本。我们关于累进资本税对不平等的影响的结果只是为了增加我们对此类政策总体影响的了解。4结论在本文中，我们开发了一个不平等的统计模型，在该模型中，异质家庭在财富持有方面受到总量和特质的影响。该模型对家庭财富的这些波动施加了很少的限制，也没有参数结构。在这种情况下，我们应用新技术来获得财富稳定分布的封闭式逐户表征。根据这一特征，财富分布完全由两个因素决定，即不同等级家庭的财富逆转率和特殊波动率。这一结果的含蓄性和普遍性表明，要了解政策、制度、技术或全球化等因素对不平等的影响，只需了解这些因素对财富逆转率和特质波动性的影响。

因此，更详细的实证工作集中于准确测量财富的回归率和波动率，以及这两个因素随时间和跨不同地区的任何变化，可能会产生实质性的新见解。我们的统计模型可以精确匹配任何经验分布，我们使用Saez和Zucman（2014）的wealthshares数据来构建2012年美国财富分布的匹配。分析这种分布的一个挑战是，这些财富份额数据显示，在过去三十年中，顶级股票有明显的上升趋势。这些上升趋势意味着，任何依赖于财富稳定或稳态分布的分析都是错误的。本文介绍了一种可以解决这些稳定性问题的方法。特别是，我们的方法允许我们在存在顶级财富份额趋势的情况下，估计未来财富的稳定分布。我们提出了几种备选方案的此类估计，但最可能的方案可能是，根据Saez和Zucman（2014）的财富共享数据，美国的财富分布处于暂时不稳定的轨道上，分为两个不同的亚群体。我们还对累进资本税的分配影响进行了估计。具体而言，我们考虑对1%的家庭征收1-2%的资本税，类似于Piketty（2014）提出的税收。虽然这项税收的全部影响取决于未来不确定的稳定财富分配，但在所有情况下，我们都发现这项税收大大减少了不平等，并改变了财富分配。我们在本文中开发的统计模型是基于银行系统的一般方法。虽然这种方法非常适合建模财富分布，但它并不局限于建模财富。