[论文解读] Uncovering the Dynamics of the Wealth Distribution

Thomas Blanchet|arXiv (Cornell University)|Nov 24, 2022

Economic theories and models被引用 6

一句话总结

本文提出了一种非参数、连续时间的随机模型，仅利用重复的横截面数据即可分解财富分配动态，分离出储蓄、回报、劳动收入、人口结构、遗产继承和同质婚配的影响。研究发现，自1980年代以来美国前1%财富集中度的上升主要由更高的储蓄、资本利得和劳动收入不平等驱动，并推导出一个简洁的长期财富税负担公式，其最大化税收收入的税率约为12%。

ABSTRACT

I introduce a new way of decomposing the evolution of the wealth distribution using a simple continuous time stochastic model, which separates the effects of mobility, savings, labor income, rates of return, demography, inheritance, and assortative mating. Based on two results from stochastic calculus, I show that this decomposition is nonparametrically identified and can be estimated based solely on repeated cross-sections of the data. I estimate it in the United States since 1962 using historical data on income, wealth, and demography. I find that the main drivers of the rise of the top 1% wealth share since the 1980s have been, in decreasing level of importance, higher savings at the top, higher rates of return on wealth (essentially in the form of capital gains), and higher labor income inequality. I then use the model to study the effects of wealth taxation. I derive simple formulas for how the tax base reacts to the net-of-tax rate in the long run, which nest insights from several existing models, and can be calibrated using estimable elasticities. In the benchmark calibration, the revenue-maximizing wealth tax rate at the top is high (around 12%), but the revenue collected from the tax is much lower than in the static case.

研究动机与目标

• 仅使用重复横截面数据，识别美国财富不平等上升的直接可观测驱动因素，尽管缺乏纵向财富数据。
• 开发一种非参数分解框架，将流动、储蓄、回报、劳动收入、人口结构、遗产继承和同质婚配对财富分配动态的贡献分离出来。
• 利用自1962年以来的美国收入、财富和人口历史数据校准并应用该模型，以估计各因素的相对重要性。
• 将模型扩展至分析财富税对财富分配长期响应的机制，基于可估计的弹性推导出税基反应的简化公式。
• 提供一个简洁透明的框架，用于评估财富和遗产税政策，避免标准最优税收模型中常见的极端“角点解”问题。

提出的方法

• 利用随机微积分的两个结果，非参数地识别个体层面因素对财富分配动态的贡献，无需依赖面板数据。
• 采用连续时间随机模型，追踪财富份额随时间的演变，将变化分解为储蓄、回报、劳动收入、人口结构、遗产继承和同质婚配的贡献。
• 结合收入和财富的微观数据（如Saez-Zucman和Piketty-Saez数据）与人口普查、调查及宏观经济数据，构建婚姻、离婚、分年龄生育率以及代际财富传递的时变指标。
• 通过微观模拟自19世纪中叶以来的美国人口历史，统计重建代际联系并估计遗产效应。
• 推导出基于资本供给对税后税率弹性之响应的长期财富税税基反应公式，使模型可通过经验估计进行校准。
• 利用可估计的弹性与历史数据校准模型，模拟财富税对财富分配与税收收入的长期影响。

实验结果

研究问题

• RQ1 自1980年代以来，储蓄、回报、劳动收入、人口结构、遗产继承和同质婚配对美国前1%财富份额上升的相对贡献是什么？
• RQ2 如何仅使用重复横截面数据，非参数地分解财富分配动态，而无需依赖纵向财富数据？
• RQ3 财富税对财富分配的长期响应是什么？如何建模以避免标准最优税收模型中常见的退化解？
• RQ4 长期来看，财富税的收入最大化税率是多少？与美国背景下的静态估计相比有何差异？
• RQ5 资本利得、遗产税变化以及代际财富传递等因素如何塑造顶层财富份额的演变？

主要发现

• 自1980年代以来，美国前1%财富份额的上升主要由顶层更高的储蓄驱动，其次是更高的回报率（尤其是资本利得）和劳动收入不平等。
• 该模型识别出更高的储蓄是最重要的驱动因素，其对顶层财富集中度上升的贡献超过其他任何因素。
• 更高的回报率，特别是资本利得形式，是第二重要的驱动因素，表明金融市场表现显著放大了财富集中。
• 劳动收入不平等也作出了显著贡献，尽管低于储蓄和回报，表明工资差异在财富集中中也起着关键作用。
• 长期来看，顶层财富税的收入最大化税率估计约为12%，但由于行为响应，实际征税收入远低于静态模型的预测。
• 该模型推导出的财富税税基响应公式整合了多个现有模型的洞见，且基于可估计的弹性进行校准，为政策分析提供了稳健且可解释的框架。