澳大利亚不同人群的参与税率差异：基于生命周期视角的Shapley-Owen与Oaxaca分解方法研究

《Economic Analysis and Policy》：Cohort Differences of Participation Tax Rates in Australia: A Life-Cycle Perspective Using Shapley-Owen and Oaxaca Decompositions

　　Nhung Nguyen|Jinjing Li
堪培拉大学商业、治理与法学院，澳大利亚首都领地堪培拉，2600

**摘要**
本文利用《澳大利亚家庭、收入与劳动力动态调查》（HILDA）（2001-2019年）的数据，研究了澳大利亚参与税率（Participation Tax Rates, PTRs）的群体差异和生命周期动态。通过运用Shapley-Owen和Oaxaca分解技术，我们分析了不同出生群体（婴儿潮一代、X世代和千禧一代）及其生命阶段中参与税率的变化情况。研究发现，参与税率在生命周期中呈现出不同的模式，在个人35至40岁之间达到峰值，此时家庭责任和享受与子女相关的福利的资格最高。这些模式在不同世代之间存在差异，婴儿潮一代的参与税率明显高于年轻世代，这可能加剧了劳动力参与度的代际差异。我们的分解分析表明，人口统计因素（尤其是家庭构成和是否有年幼子女）是导致这些差异的主要驱动因素，平均解释了超过90%的变异。尽管澳大利亚的税收和转移支付系统有效支持了有年幼子女的家庭，但这些发现表明，它可能会无意中对某些人群（尤其是次要收入来源者）产生更高的工作抑制效应。此外，这些抑制效应在不同世代之间的分布并不均衡，这凸显了在设计和实施税收及转移支付政策时考虑长期影响的重要性。

**1. 引言**
税收和转移支付系统是重新分配收入和影响工作激励的重要工具（Joumard等人，2013年）。澳大利亚的累进所得税制度结合基于收入的福利措施，形成了复杂的动态机制，影响着个人是否参与劳动力的决策。了解这些激励措施如何随时间、不同出生群体以及生命周期阶段而变化，对于有效制定政策至关重要。参与税率（PTRs）为评估税收和转移支付系统产生的经济激励提供了有力的工具。鉴于人口老龄化以及劳动力市场条件的变化，政策制定者对这些动态变化表现出浓厚兴趣。参与税率反映了税收和福利体系的复杂性，全面反映了其在不同群体和生命周期阶段中的运作情况。

国际上，已有多项研究通过参与税率来探讨工作激励问题，包括Adam & Browne（2010年）对英国的研究、Selin（2014年）对瑞典的分析以及Brewer & Shaw（2018年）对多个欧洲国家的研究。然而，这些研究通常依赖于税收-福利微观模拟模型，仅提供了特定子群体的快照视图，而忽略了群体间的动态差异。在澳大利亚背景下，关于参与税率随时间变化的探索相对有限，尤其是从群体和生命周期的角度来看。本文通过使用《澳大利亚家庭、收入与劳动力动态调查》的前19波数据以及微观模拟模型，分析了澳大利亚税收和转移支付系统的激励结构，探讨了不同出生群体及生命周期阶段中这些激励措施的变化。

本文有三个主要贡献：首先，它提供了较长时间范围内参与税率的全面分析，强调了不同出生群体之间的差异及生命周期效应；其次，我们估算了整个个人所得税体系下的参与税率，结合了所有潜在福利，反映了各种家庭情况下税收和转移支付政策的实际使用情况；第三，通过运用Shapley-Owen和Oaxaca分解方法，我们识别并量化了驱动参与税率随时间和群体变化的关键因素。

**2. 文献综述**
理解工作激励的群体差异和生命周期动态对于设计有效的税收和转移支付政策至关重要。虽然横截面分析提供了有价值的快照，但研究财务激励如何随世代和生命周期阶段演变能更深入地洞察政策效果（Meghir & Phillips，2010年）。然而，同时结合世代和生命周期视角的综合性研究仍然较少。关于参与税率（PTRs）的文献主要集中在国家间的横截面比较上。Immervoll等人（2007年）使用EUROMOD微观模拟模型分析了欧洲各国的参与税率，发现北欧国家（丹麦、芬兰和瑞典）的平均参与税率最高（76%-77%），而税收负担较低的国家（如希腊、卢森堡、西班牙和英国）的参与税率在58%-64%之间。后续研究进一步扩展了这一分析，包括Adam & Browne（2010年）对英国情况的探讨、Selin（2014年）对瑞典改革的分析以及Brewer & Shaw（2018年）对多个欧洲国家的比较。尽管这些研究强调了税收-转移支付系统在塑造工作激励方面的重要性，但它们通常缺乏纵向或代际视角。

澳大利亚关于参与税率的文献也受到类似限制，研究大多采用针对特定人口子群体的横截面方法（Commission等人，2015年；Dockery等人，2011年），或在不考虑代际差异的情况下研究财务激励（Thomas & O’Reilly，2016年）。这种有限的研究范围使得关于代际公平性和生命周期效应的重要问题尚未得到充分探讨（Ingles & Plunkett，2016年；Whiteford，2010年）。认识到这些局限性后，研究人员越来越重视纵向分析在理解政策变化对行为反应中的作用（Blundell，2016年）。这种方法可以揭示随着个体年龄增长和政策环境在代际间的变化，工作激励如何演变。鉴于政府经常调整政策以促进劳动力参与，这种时间视角尤为重要，因为税收、福利和个体选择之间存在复杂的相互作用（Adam等人，2006年；Blundell，2003年）。

分解技术的方法论进步增强了我们解析这些复杂关系的能力。Shorrocks等人（1999年）提出的Shapley-Owen方法能够分析不同因素对观察结果的贡献。这种方法在劳动力市场分析中特别有价值（Bargain & Callan，2010年；Gupta，2023年），有助于了解人口统计、政策和经济因素在决定参与决策中的相对重要性（Bourguignon等人，2008年）。尽管取得了这些分析进展，我们对代际和生命周期参与税率动态的理解仍存在明显不足。虽然已有研究探讨了工作激励的各个方面，但很少有研究使用分解技术全面分析这些激励措施如何随世代演变。本文通过研究影响参与税率的多方面因素，填补了这一空白，为政策变化、财务激励和劳动力市场行为之间的复杂关系提供了见解。

**3. 数据**
本研究的主要数据来源是2001-2019年的《澳大利亚家庭、收入与劳动力动态调查》（HILDA）。HILDA是一项具有全国代表性的纵向调查，能够跟踪个人随时间的变化，非常适合研究代际和生命周期动态。该调查涵盖了澳大利亚人的生活状况，包括经济和个人福祉、家庭情况、劳动力市场动态、教育及健康等方面。2001年至2019年间，HILDA数据包含387,695个观测值，其中包括超过191,000个收入单位。因此，HILDA非常适合本研究，因为它是一个具有全国代表性的澳大利亚家庭面板数据集，并附有权重以确保样本数据能够反映整个人口情况。此外，该调查涵盖了收入的许多方面和社会福利，使研究人员和政策制定者能够分析参与税率及澳大利亚劳动力供应随时间的变化（Wilkins等人，2020年）。

虽然数据集中所有个体都计算了参与税率，但分析仅限于处于劳动参与主要年龄段的群体（定义为25至60岁的人）。这一群体占据了劳动力的大部分。25岁以下的人被排除在外，以减少教育和培训过渡期的影响（Dockery等人，2011年）。同样，60岁以上的人也被排除在外，以减少提前退休的影响。分析中包含的观测值分为四类：单身人士、单亲、仅伴侣和有子女的伴侣。对于任何一年收入低于法定最低工资标准的个体，其收入数据使用Heckman模型进行估算，以避免选择偏差和收入报告不准确（详见方法论部分）。数据分析中约有7%的个体报告的收入低于最低工资标准。

为了便于群体分析，我们将人口分为三个不同的出生群体：第一个群体是婴儿潮一代（1946年至1964年出生，占样本的38.74%）；其次是X世代（1965年至1980年出生，占样本的46.28%）；最后一个群体是千禧一代/Y世代（1981年至1996年出生）。这种分类使我们能够研究这些代际群体之间的趋势和差异。样本包括184,191名25至60岁的个体，其中89,191人为男性，95,000人为女性，大多数人的收入来自有偿工作（其他收入占少量）。样本中有26%的人没有工作，其中61%为女性。在使用的19波数据中，受访者的平均年龄为42岁。男性的收入高于女性，分别为每两周2,861澳元和1,886澳元。教育水平分为三类：研究生和学士学位；证书和12年级；以及11年级及以下。证书和12年级的受访者比例最高，占男性的49%，女性的41%。女性拥有高等教育资格的比例比男性高6个百分点。超过一半的样本属于伴侣关系，约20%的伴侣中有4岁以下的孩子，而单亲（尤其是男性单亲）在总样本中的比例很小（不到5%）（见表1）。

**4. 方法论**
**4.1. 参与税率（PTRs）**
根据Bartels & Pestel（2016年）的方法，我们将参与税率定义为在给定可支配收入水平下的实际税率（Ingles & Plunkett，2016年）。参与税率衡量的是参与劳动力市场时实际被征税的收入比例。较高的参与税率意味着工作带来的经济收益较低；参与税率超过1表示工作会使个人状况恶化；参与税率等于1表示没有经济回报；参与税率为零表示全部收入得以保留。当福利取决于就业情况时（例如与工作相关的税收抵免），可能会出现负参与税率。

为了计算参与税率，我们比较了个体在两种情况下的财务状况：一种是按当前工资就业的情况，另一种是失业并领取适用福利的情况（参考早期研究如Aaberge & Colombino（2018年）和MaCurdy（1981年）。这一过程涉及同时或两步估计。然而，仍然存在模拟偏差，Heckman模型用于解决因未观测工资率导致的选择偏差问题（Heckman，1979年）。Heckman模型专门设计用于处理数据可能不完全观测情况下的选择偏差。它包括两个步骤的估计过程：第一步处理选择过程或就业概率，考虑的工作经验、教育水平、出生地、是否有4岁以下的孩子以及是否有伴侣等解释变量；第二步则专注于估计就业者的工资方程。请注意，我们在选择方程中包含了是否有4岁以下儿童和是否有伴侣这两个二元变量，但在工资方程中排除了这些变量，因为我们假设它们影响劳动力参与率但不影响工资水平（Heckman, 1979; Mroz, 1987）。该模型纠正了由于工资数据观察不完全可能导致的任何偏差，有助于提供更准确的工资率估计。这种方法被用来处理已知的模拟偏差，确保在研究背景下工资率的估计更加稳健和可靠（见附录A）。劳动收入计算为工资率乘以40个工作小时，假设在这种情况下所有人都有全职有偿工作（每周40小时）。对于这两种情况，我们都使用STINMOD+微观模拟模型来计算家庭可支配总收入，这与Li等人（2021年）的方法类似。该模型考虑了所得税、社会保障支付、家庭福利和其他转移支付，使我们能够全面了解澳大利亚税收和转移支付系统对工作激励的影响。详细的计算和假设见附录B。

对于一个收入单位中的个人，PTR公式为：
PTR_i = 1 - (Y_hW - Y_hU) / E_i
其中：
- Y_hW 是个人i工作时收入单位的可支配收入
- Y_hU 是个人i失业时的可支配收入
- E_i 是个人的劳动收入

为了确保可比性，我们将工作时间标准化为每周40小时，并相应地调整收入。

3.4.2. 瓦哈卡分解
为了分析人口变化和税收立法的发展如何相互作用，导致不同代际之间的PTR差异，我们采用了瓦哈卡分解方法。这种方法特别适用于队列分析，因为它可以区分PTR差异是由于不同队列具有不同的特征（例如教育水平）还是由于税收系统随时间对这些特征的不同对待方式造成的。

税收和转移支付系统对不同的人口群体适用不同的规则，从而在社会经济特征和工作激励之间形成了复杂的关系。这些关系仅通过考察立法是难以理解的，因为它们涉及许多随时间变化的相互作用因素。瓦哈卡方法允许我们将观察到的不同年龄队列之间的PTR差异分解为三个不同的组成部分：
- **禀赋（特征）**：这部分差异由队列之间可观察到的社会经济因素的变化解释，如收入水平、教育程度和家庭结构。这反映了代际之间固有的人口差异。
- **系数（税收-转移支付待遇）**：这部分差异由税收和转移支付系统通过不同的有效税率和福利对这些特征的不同对待方式解释。这代表了不同代际面临的变化中的立法和政策环境的影响。
- **交互效应**：这部分差异是由具有不同特征和不同税收-转移支付待遇的结合效应造成的。这反映了人口变化和政策变化如何相互加强或抵消。

数学上，两个队列之间PTR差异的瓦哈卡分解可以表示为：
ΔPTR = (X?_A - X?_B)β^A + X?_B(β^A - β^B) + (X?_A - X?_B)(β^A - β^B)
其中，X?_A和X?_B分别代表队列A和B的平均特征，β^A和β^B表示它们的估计系数。第一项量化了禀赋效应——PTR差异中有多少是由于队列具有不同的特征造成的。第二项衡量了系数效应——税收和转移支付系统对这些特征的不同对待方式。第三项捕捉了特征变化与其税收-转移支付待遇之间的交互效应。这种分解使我们能够量化代际间PTR差异主要是反映了人口变化还是政策变化的影响。

4.3. 夏普利-欧文分解
虽然瓦哈卡分解揭示了代际间PTR差异是如何由广泛的人口变化驱动的，但它无法确定在任何给定时间点哪些特定特征最具影响力。为了补充这种队列分析，我们采用了夏普利-欧文分解方法来隔离个体特征（如收入、教育或家庭结构）对PTR变化的当代贡献。这种方法使我们能够量化例如PTR变化中有多少是由于收入差异、教育差异还是家庭构成差异造成的。通过分解每个特征的相对重要性，我们可以确定哪些个体因素对参与税率的影响最大，从而确定哪些政策杠杆可能最有效地影响工作激励。

夏普利-欧文分解使用的回归模型可以表示为：
PTR_i = β_0 + ∑_{j=1}^K β_j x_{ij} + ?_i
其中：
- x_{ij}：个体i的解释变量
- β_j：从数据中估计的系数
- ?_i：误差项

其中PTR是Xi的函数，X是控制变量向量；β_0是截距；β是从数据中估计的系数；?_i是误差项。控制变量包括典型的人口特征，如个人收入、伴侣收入、年龄、教育水平、子女数量和家庭类型。正如Becker（1962年）和Mincer（1958年）的基础研究所示，年龄和教育水平显著影响税前收入，通常较高的教育和年龄与较高的收入相关。教育水平通过基于最高完成学级的虚拟变量来捕捉，分为三个类别：研究生/学士学位、证书/12年级和11年级及以下。伴侣收入、子女数量和家庭类型确定了潜在的转移支付，如儿童保育补贴、家庭税收福利和其他基于家庭的福利。额外的虚拟变量涵盖了家庭情况，包括4岁以下儿童、5-15岁儿童、15岁以上儿童和婚姻状况（已婚或单身）。年份虚拟变量捕捉了商业周期和政策变化。然后使用夏普利-欧文分解方法研究哪些变量最强烈地影响PTR（Israeli, 2007）。虽然人口特征影响可支配收入，从而影响PTR，但标准OLS回归仅显示相关性而不揭示变量的相对重要性（Israeli, 2007; Nathans et al., 2012）。夏普利分解方法来自博弈论，提供了一种计算每个变量对模型拟合优度（R平方）贡献的方法，使我们能够识别驱动PTR趋势的关键因素（Huettner & Sunder, 2012; Sastre & Trannoy, 2002; Sun et al., 2019）。

对于具有N个回归量的OLS模型，分解R平方需要计算所有成对回归量的R平方值（2N个子模型）。回归量i的部分R平方为：
R_i^2 = ∑_{T?Z(x_i)} K!(N?K?1)! / N![R^2(T∪x_i) - R^2(T)]
其中T是包含K个回归量但不包含回归量x_i的子模型，T < x_i是包含x_i的相同模型。集合Z包含所有回归量组合的子模型。因此，夏普利值是变量对所有可能子模型组合的R平方的平均边际贡献（Abrate & Viglia, 2016）。

5. 结果
5.1. 生命周期各阶段的PTR分布
本节报告了参与税率（PTR）随时间的变化及其与年龄分布的模式。总体而言，澳大利亚25至60岁之间的大多数人的PTR在20%到60%之间，平均在35%到45%之间。随着收入的增长，澳大利亚的PTR在过去十年中呈现总体下降趋势。低收入人群的PTR分散度特别高。澳大利亚的基于收入的转移支付系统意味着低收入人群有资格获得许多类型的福利，如NSA（新开始津贴）、Austudy（学生经济援助）和税收减免；当他们的收入增加或有有偿工作时，这些福利可能会减少。这可能导致PTR超过60%（见附录C）。

按收入五分位数划分，PTR随收入减少，并且在这一时期呈现下降趋势：较高的收入与较低的PTR相关。这一发现与许多先前的研究结果一致（例如，Adam & Browne, 2010; Dusek et al., 2013; Jara et al., 2017）。在假设全职工作的情况下（40小时样本），最低五分位数的男性和女性的PTR约为40%-50%，而最高五分位数的PTR约为35%-40%（见附录C，图1）。

下载：下载高分辨率图像（214KB）
下载：下载全尺寸图像

图1. 按性别和年龄组划分的中位数PTR
来源：作者基于HILDA第1波数据计算

PTR遵循明显的生活周期模式，即在较年轻和中年时期相对较高（约40%-45%），而在老年人时期较低（28%-35%）（图1）。这种模式反映了个人收入通常在年轻时上升，在四十年代初达到峰值，然后在接近退休时下降。2006年预算中的税收调整导致2007年PTR显著下降，2008年的金融危机进一步加剧了这一趋势。35-44岁的群体（通常称为“黄金年龄”群体）的PTR逐渐下降。根据HILDA数据，2001-2018年间，这一人口群体的平均可支配收入每年稳定增长1.4%。35岁及以上的人更有可能处于伴侣关系中，从而受益于次要收入者的税收减免。这导致在澳大利亚的累进税制下PTR较低，从而激励更多人参与有偿就业，特别是在低收入时期。然而，35-44岁的人通常有15岁以下的儿童，因此由于定向的家庭补贴，他们的PTR相对较高。随着年龄的增长，PTR趋于下降，这与生命周期动态和不断变化的税收及转移支付环境一致（Barr, 2020; Whiteford, 2006）。

5.2. 不同队列的PTR模式
该分析考察了三个出生队列（婴儿潮一代（1946-1964年）、X世代（1965-1980年）和千禧一代/Y世代（1981-1996年）的PTR模式。图2显示了队列间的PTR差异模式，并给出了95%的置信区间（CI），特别是对于两性来说，队列差异在统计上是显著的（联合Wald检验，p<0.001）。对于两性而言，X世代和千禧一代的PTR通常比婴儿潮一代随着年龄的增长而降低。

下载：下载高分辨率图像（180KB）
下载：下载全尺寸图像

图2. 按年龄组划分的全职PTR均值和年龄队列
注：连接的点是按年龄加权的PTR均值的3点移动平均值；队列和性别。垂直条显示了使用SEs和列举的人口权重通过delta方法获得的平滑系列的95% CI。

婴儿潮一代在40岁以后的PTR显著下降，男性婴儿潮一代的PTR从0.5降至0.33。这一趋势可能反映了这一群体向退休的过渡以及他们在工作后期取得的较高收入。X世代显示出下降的PTR轨迹，从0.48开始，在50岁时降至0.32。虽然这种下降与较老的队列模式相似，但其起始点略低，但总体趋势与观察到的婴儿潮一代相似。这一群体，特别是那些有年幼孩子的家庭，最初由于家庭税收福利（FTB）和其他津贴而享有较高的PTR。千禧一代，特别是男性群体，显示出最低的PTR值。这表明他们可能享有较少的与家庭相关的税收福利，并面临与其他世代不同的经济激励。千禧一代在PTR上的性别差距最小，可能反映了不断变化的社会规范和政策鼓励女性劳动力参与。

这些代际间的PTR模式差异表明，不同队列与税收和转移支付系统的互动方式发生了显著变化，这些变化受到经济条件、政策环境和代际间社会结构的影响。

5.3. 瓦哈卡分解结果
瓦哈卡分解量化了禀赋（特征差异）和系数（特征奖励方式的差异）对观察到的队列间PTR差异的贡献。下表展示了瓦哈卡分解结果，显示了PTR差异如何由三个因素解释：禀赋、系数和交互效应（完整结果见附录F）。总体而言，人口特征主要驱动了队列间的PTR差异。

对于1946-1964年的婴儿潮一代，婴儿潮一代与X世代之间的PTR差异为-0.05487。其中92%的差异可以由禀赋解释，即年龄、性别和收入等人口特征。系数解释了4%的差异，而两个因素之间的交互效应贡献了3%。这表明人口差异是这一队列中PTR差距的主要原因。

对于1965-1980年的X世代，PTR差异较小，为0.02434。其中88%的差异归因于禀赋，但系数减少了33%，表明特征奖励方式略微缩小了PTR差距。另一方面，交互效应贡献了44%的差异，表明人口统计因素及其回报的结合在解释X世代的参与税率（PTR）差异中起着更大的作用。对于最年轻的群体——1981-1996年出生的Y世代，PTR差异为-0.03053。禀赋因素解释了139%的差异，意味着人口统计特征具有压倒性的影响。系数贡献了33%的差异，表明特征的价值评估受到中等程度的影响。然而，交互效应贡献了-71%，大大减少了总体差异。这表明，尽管人口统计因素对于解释这一群体的PTR差距很重要，但特征与其回报之间的相互作用显著抵消了这些效应。因此，人口统计特征（禀赋）在解释所有群体的PTR差异中起着重要作用，这些因素的相互作用和回报方式存在差异。在最年轻的群体中，交互效应尤为显著，它们显著减少了总体PTR差异。

5.4. Shapley-Owen分解结果
Shapley-Owen分解评估了各种因素在解释PTR变化中的相对重要性。PTR反映了工作的税收激励，对劳动力供应决策有重要影响。Shapley分解方法评估了每个变量对解释PTR趋势的分布和集体贡献。这种方法有助于确定单个或组合变量相对于关键统计指标——模型的R平方值的显著性。理解这些因素对R平方值的贡献对于理解它们对PTR趋势的具体影响至关重要。因此，本节探讨了人口统计特征（收入、年龄、教育和家庭状况）如何强烈影响PTR的变化。

解释变量被分为九组，鉴于澳大利亚税收和转移制度的设计，这些组可能在形成PTR方面发挥重要作用。使用Shapley-Owen方法通过计算其对R平方值的百分比贡献来估计每组的贡献。

5.5. 变量组
- 年龄：年龄和年龄的平方
- 收入：对数工资率和对数其他家庭收入（包括伴侣的收入）
- 4岁以下儿童
- 5-15岁儿童
- 15岁以上儿童
- 婚姻状况：是否处于伴侣关系中
- 教育水平（学士学位或以上、12年级或证书等）
- 年份虚拟变量：捕捉政策变化和宏观经济条件
- 州虚拟变量：捕捉固定州/地区差异

表2中的“组”列报告了R平方分解的总体百分比；“Owen”列显示了每个子组的百分比。其中，年龄平方变量通过提供一种机制来捕捉模型内的非线性关系，其存在对于解释年龄与因变量之间的关系中的潜在曲率或转换至关重要。

表2. Oaxaca分解的结果

空单元格
婴儿潮一代 & X世代差异百分比
X世代 & Y世代差异百分比
婴儿潮一代 & Y世代差异百分比
PTR差异 -0.055
0.024
-0.031
禀赋 -0.051
92%
0.022
88%
-0.042
139%
系数 -0.0024%
-0.008
-33%
-0.0133%
交互作用 -0.0023%
0.011
44%
0.022
-71%

来源：作者基于HILDA第1波数据计算得出

表3显示了回归结果以及每个因素在解释PTR变化中的贡献百分比。总体而言，年龄和收入的增加对PTR有负面的且统计上显著的影响。所有其他变量也对PTR的变化有统计上显著的影响。回归结果也显示了上述模式：在其他变量保持不变的情况下，男性和女性的PTR分别每增加一年年龄会减少0.0012和0.0061个百分点。

表3. 带有R平方分解的OLS回归结果

组变量
男性系数
男性R2（%）
女性系数
女性R2（%）
1. 年龄 -0.001
*** 6.23
-0.006
*** 7.89
2. 对数工资率 -0.030
*** 1.82
-0.014
*** 0.51
对数其他收入 -0.0104
*** 9.56
-0.0135
*** 6.95
3. 有4岁以下孩子 0.218
*** 55.3
0.300
*** 59.9
4. 有5-15岁孩子 0.100
*** 17.05
0.092
*** 9.65
5. 有15岁以上孩子 0.014
*** 0.47
0.012
*** 0.66
6. 处于伴侣关系中 0.058
*** 2.13
-0.096
*** 7.14

同样，收入也与PTR呈负相关，这与所得税的设计初衷相反。如果一个人的收入增加1%，他们的PTR将分别减少0.03个百分点（男性）和0.014个百分点（女性）。这是因为随着收入的增加，他们获得任何可能转移支付的资格会降低，从而影响PTR，因为PTR是一个描述税收和转移系统综合影响的指数（Maag等人，2012年）。家庭成员的收入也会影响PTR，这种影响对女性（0.0135个百分点）比对男性（0.0104个百分点）更大。分解结果还提供了关于有小孩对工作激励的 Critical影响的实证证据。这反映了澳大利亚当前的转移制度。有一个4岁以下的额外孩子会使PTR增加0.22个百分点，而一个5至15岁的孩子会使PTR增加0.1个百分点，一个15岁以上的额外孩子会使PTR增加0.014个百分点。

结果表明，澳大利亚税收和转移系统施加的货币激励主要受家庭状况的影响，而不是与个人所得税强烈相关的收入。有4岁以下的孩子是最重要的因素，特别是对女性而言。有小孩的存在解释了PTR变化的50%以上，平均而言，女性占72.52%，男性占70.22%。特别是有4岁以下孩子的组别对PTR变化的边际R平方贡献最大，男性为55.3%，女性为59.91%。有5-15岁孩子的组别是第二大贡献组，分别为17.05%和9.65%，其次是个人所在的年龄组，分别为6.23%和7.89%。这些人口群体通常有资格获得家庭税收福利以及与儿童保育相关的福利，此外还有其他可能的养老金和津贴。

尽管收入是大多数税收和转移规则的主要参考因素，但收入组的总R平方贡献为男性11.38%，女性7.46%，其中“其他收入”对推动PTR趋势的影响大于工资率，分别为9.56%和6.95%。处于伴侣关系中的组的边际R平方贡献对女性的PTR影响大于男性，分别为7.14%和2.13%。此外，政策变化也对PTR的变化有一定影响，年份虚拟变量贡献了大约5.9%的拟合度。然而，教育并不是推动PTR变化的特别关键因素，对男性和女性的拟合度贡献分别为1.37%和1.28%。同样，州之间的差异也很小，分别为0.33%和0.30%，表明州之间的PTR差异很小。这些结果表明，尽管收入变量很重要，但家庭构成和年份虚拟变量对PTR变化的贡献更大，表明政策变化的影响是可测量的但较小。

按年份和性别划分的结果也证实，有小孩、处于伴侣关系中、他人的收入和政策变化是长期来看PTR的重要驱动因素。总体而言，对男性而言，影响PTR的因素百分比比女性更稳定（见附录E）。在20年间，有孩子，特别是4岁以下的孩子，仍然是对男性和女性PTR的最大贡献因素。这一比例在男性中约为60%，在整个时期保持稳定；例如，2001年有4岁以下孩子的比例为60.6%，2018年为59.7%。对于女性，虽然有4岁以下孩子是最大的因素，但这一比例逐渐下降，2001年为70.9%，2018年降至55%。对女性而言，收入（包括工资和其他家庭收入）是第二大贡献因素。2001年收入在R平方值中的比例为4.1%，到2018年增加了三倍，达到13.4%。同样，处于伴侣关系中也在女性的决策中起着重要作用，这一比例在2001年至2018年间增加了三倍，从4.3%增加到13.45%。这些因素组之间的比例变化表明，收入和家庭状况长期来看对女性的劳动力决策影响更大。

简而言之，回归结果表明，PTR的下降确实与年龄和收入的增加相关，尤其是对女性而言。此外，Shapley-Owen模型的结果表明，性别（女性）和家庭类型（有小孩的家庭）是澳大利亚PTR最重要的因素。这一模式与其他一些经合组织国家最近的研究结果一致，这些研究发现，儿童保育和家庭税收福利是鼓励女性劳动力参与的最重要政策之一（参见Baker等人（2008年）；Havnes & Mogstad（2011年）；Lundin等人（2008年））。例如，荷兰的一项重大改革将正式儿童保育的费用减半，使有小孩的女性的参与率增加了2.3个百分点（Bettendorf等人，2015年）。芬兰的经验表明，平均而言，失业福利的增加会导致PTR的增加，而对高收入者的较低税收和对单亲家庭的更多收入支持有助于显著降低平均PTR（Kotam?ki，2016年）。这表明，传统的福利计划可能导致劳动力供应的负面反应，因此，从效率的角度来看，工作福利改革比无条件的收入转移政策更可取（Immervoll等人，2007年）。

6. 政策讨论
我们的发现对税收和转移政策设计具有重要意义，特别是在代际公平和生命周期考虑方面。年龄组和Oaxaca分析揭示了生命周期中参与税率（PTR）的明显模式。PTR在个人30多岁到40岁出头达到峰值，然后随着接近退休年龄而下降。这一模式主要由人口统计因素驱动，禀赋（如年龄、性别和收入）解释了不同年龄组之间PTR差异的92%。剩余的差异源于这些特征在税收-转移系统中的奖励方式及其相互作用。

家庭状况成为澳大利亚PTR的最重要驱动因素，突显了税收和转移系统如何有效地将收入从高收入家庭重新分配给低收入家庭（Lloyd等人，2005年）。有小孩的家庭获得的转移支付大大抵消了大部分税收，而无子女的家庭和老年人则不然。有小孩的因素在R平方分解中占最高比例（55%），并在Shapley-Owen模型中显示出与PTR变化成正比的相关性。虽然该系统成功地支持了家庭，但在撤回福利时，高PTR可能会产生潜在的抑制作用（Thomas & O’Reilly，2016年）。

福利系统而非所得税主要决定了有效的参与税率。与孩子相关的福利对PTR的贡献最大（超过50%），尽管这一效应对女性的影响逐渐减弱，而所得税的影响有所增加。次要收入者，主要是女性，对经济激励反应强烈，表明有针对性的政策可以显著影响劳动力参与。这些发现表明，澳大利亚当前的税收-转移系统虽然有效地支持了有小孩的家庭，但可能会通过高PTR无意中创造劳动力参与的障碍。该系统特别影响了主要工作年龄段的次要收入者，这通常与家庭形成时期重合。这表明需要重新考虑提供家庭支持的方式，同时不损害工作激励。借鉴国际上的成功案例，澳大利亚可以探索调整福利领取率，以平滑过渡到就业。英国的工作福利经验表明，有针对性的支持可以在维持家庭援助的同时鼓励劳动力参与。

群体分析显示，年轻群体面临的PTR环境与其前辈不同，这表明政策设置需要不断调整以反映经济和社会条件的变化。虽然千禧一代的PTR通常较低，但系统对家庭福利的处理继续显著影响各代人的工作决策。这突显了在设计税收和转移政策时考虑长期代际影响的重要性。鉴于福利系统在决定PTR中的主导作用，政策改革应侧重于福利设计而不仅仅是税收调整。特别是对于有小孩的家庭，可以考虑更灵活的福利结构，在提供支持的同时减少参与障碍。北欧国家在儿童保育支持方面的做法为我们提供了启示，帮助澳大利亚更好地平衡家庭援助与工作激励机制。因为慷慨且补贴性的儿童保育服务降低了工作的实际成本，有助于维持劳动力的参与度。然而，正如Mogstad等人（2025年）指出的，这些成果与集体谈判的制度环境密切相关，而在北欧国家，集体谈判比在澳大利亚更为普遍。集体协议不仅影响工资底线和就业稳定性，还促进了有利于家庭的实践，这些实践与公共儿童保育服务相辅相成。这表明，尽管扩大澳大利亚的儿童保育支持可能有助于降低参与门槛，但在缺乏类似强大劳动力市场制度的情况下，其效果可能会受到限制。

家庭构成与参与税率（PTRs）之间的紧密关系表明，政策改革应特别关注工人面临家庭形成和劳动力参与决策的关键转折点。这可能涉及重新设计福利退出率，以在收入增加时实现更平稳的过渡，尤其是对于次要收入来源者而言。此类改革需要谨慎平衡对家庭的支持与减少工作激励之间的矛盾。

这种代际视角有助于更细致地理解如何根据不同群体和生活阶段有效调整政策。通过认识到人口因素与政策设置之间的复杂互动，政策制定者可以在维持对家庭基本支持的同时，更好地优化劳动力参与度。

**7. 结论**
本研究提供了关于2001-2019年间澳大利亚参与税率（PTRs）的代际和生命周期动态的新见解。通过创新应用Shapley-Owen和Oaxaca分解技术，我们发现参与税率存在明显的代际差异：婴儿潮一代的参与税率显著高于年轻群体，并在40岁后显著下降。X世代参与税率从0.48降至0.32，而千禧一代的参与税率最低，性别差距也最小，这表明政策影响在不同世代间有所演变。家庭构成，特别是幼儿的存在，是参与税率变化的主要驱动因素，解释了超过50%的变异。这一发现强调了澳大利亚的税收转移系统在有效支持家庭的同时，高参与税率可能会无意中产生工作激励的负面影响。我们的分解分析显示，人口特征解释了婴儿潮一代与X世代之间92%的参与税率差异，政策变化虽然作用较小但仍然重要。这些发现通过首次对澳大利亚长期参与税率进行全面的年龄群体分析，推动了相关研究的进展。我们的估计涵盖了各种家庭情况下税收转移互动的复杂性，而双重分解方法量化了当代和代际因素对参与税率变化的影响。

正如政策部分所讨论的，这些结果强调了家庭支持在澳大利亚提供工作激励方面的重要性。借鉴国际成功案例，澳大利亚可以考虑调整福利退出率，以平滑就业过渡。家庭构成与参与税率之间的紧密关系表明，政策改革应特别关注工人面临家庭形成和劳动力参与决策的关键转折点。此类改革需要谨慎平衡对家庭的支持与减少工作激励之间的矛盾。

尽管本研究提供了有价值的见解，但仍存在一些局限性，例如假设全职工作以及数据限制。其中一个局限性在于参与税率的计算基于全职工作小时数而非实际观察到的工作小时数。虽然这种方法规避了与观察选择相关的内生性问题，但它隐含地假设个人的主要激励来源于全职工资与福利系统的相互作用，这可能导致对潜在工资的高估，并可能误反映某些特定人群（如父母或更倾向于兼职工作的老年工人）的劳动力供应激励。尽管存在这一理论限制，我们的实证分析表明，使用观察数据和假设数据得出的估计结果差异很小，两种假设下的分析得出了类似的总体结论。

该研究的另一个局限性在于使用了静态微观模拟模型STINMOD+。我们的模型主要估计不同劳动力市场选择的价值，而非行为结果本身。因此，我们对参与税率的估计应被视为税收和转移系统的直接结果，而非实际劳动力供应反应的预测。例如，个人可能会根据激励调整工作小时数或参与度，但这些行为效应并未反映在我们的结果中。同样，该模型也没有考虑数据中未观察到的动态生命周期变化。考虑到这一点，或许可以将这一局限性重新定义为更关注与分析相关的广泛行为，如福利领取情况或家庭内部动态，以及州和地方税收的排除。

未来的研究可以探讨动态行为反应和国际比较分析，以进一步指导政策设计。这种代际视角有助于更细致地理解如何根据不同群体和生活阶段有效调整税收转移政策，帮助政策制定者在维持对家庭基本支持的同时，优化劳动力参与度。

**伦理批准和参与同意**
作者声明本手稿不侵犯任何其他人的版权、道德权利或其他知识产权。我们确认这项工作是原创的，尚未在其他地方发表，也不在考虑其他地方的出版。

**数据和材料的可用性**
支持本研究结论的数据来自澳大利亚家庭、收入和劳动力动态（HILDA）调查，但这些数据的可用性受到限制。不过，如需进一步的数据和分析信息，可向通讯作者提出合理请求，并获得HILDA的许可。

**资金**
本研究没有外部资助。

**作者贡献声明**
Nhung Nguyen：撰写——审阅与编辑、撰写——初稿、可视化、软件开发、调查、正式分析、数据管理、概念化。
Jinjing Li：撰写——审阅与编辑、监督、概念化。