不兼顧分配正義的資本主義最終會引起暴動(eaton)

不兼顧分配正義的資本主義最終會引起暴動

文：蘇東波(童振東)

根據Thomas Piketty的《21世紀的資本》研究，除世界大戰和少數例外時期，世界主要國家每年資本報酬率r大於經濟成長率g。除非徵適當稅率並進行財富重分配，否則1%富人不勞而獲的所得將讓財富成為世襲，天份和教育都改變不了。若政府不介入，主流經濟學主張的新自由經濟主義將會讓人類重回「財富世襲」的新封建時代。他的研究成果已得到各界證實。瑞信2013年的報告，全世界前10%富裕人口掌握86%財富。把範圍縮小到資本主義發達的美國，最富有的10%人的財富占全美75.3%，而上述比例在30年前還不到一半。若未來再不採行對策，未來貧富差距會更誇張。那時，馬克思說的：「資本主義是他自己的掘墓工人」就會實現，社會暴動恐難避免。

台灣呢？筆者粗估，台灣過去50年資本(含房地產)報酬率r比g高出5%，但是台灣中產階級的比例相對於先進國家高很多，所以財富集中度沒有那麼嚴重。未來呢？受到人口成長趨緩及資源短缺等種種因素制約，筆者預期r大於g會縮減為3%，就算如此，再過30年，前10%的財富相對於其他人將高出1.4倍，前10%的人將會掌握90%財富。扭轉情勢的關鍵在於調整不當的租稅政策，只是政府多年來的作為令人悲觀。台灣的股市及房產資本利得稅、房產持有稅、遺產稅不是幾無，就是超低，加上逃漏稅、兩稅合一，代表跨國比較稅負高低的租稅負擔率，台灣僅僅12%，不到先進國家的一半，甚至不到三分之一，相當離譜。

人類社會為什麼淪落至此？多數經濟專家承認，那是新自由經濟主義(或稱放任式資本主義或巫毒經濟學)所造成的。因個人利益等種種因素，主流經濟學派(芝加哥學派和新古典經濟學派)始終拉不下臉，不敢公然否定巫毒經濟學。新自由經濟主義主張小政府，取消國營事業，盡力降低稅率，不干涉私人經濟自由，其目的是讓富人享受滿桌佳肴之際，窮人可以撿拾掉到地上的殘渣。共產黨橫行的時代背景，加上新自由經濟主義的先驅海耶克的宣傳，曾經讓中曾根康弘、雷根、柴契爾等人誤以為自由社會下的政府會主持社會正義，所以不必談公平分配，更不必正視市場失靈造成的不公平。經過40年發展，證實利益並不能涓滴到一般人身上，一般人最終還是和當年共產黨控制的人民一樣，通往海耶克筆下的「被奴役之路」，只是時間早晚而已。可惡的是，台灣直到如今，「政治服務經濟」竟成為受益者的口頭禪，主政國家發展政策的官員更提出「不能提高最低工資，免得無米下鍋」的名言。

台灣基層的低薪、三流的社會福利、高房價及人吃人的商業環境，在在說明新自由經濟主義不能再走下去了。政府不必是極左派的大政府，但國家確實需要政府的干預力量，才能負起起碼的公平正義。目前解決問題的首要之務在於租稅改革，而改革並不需要高尚的社會道德，只需要政策跟隨世界標準運作即可。若推託不做，或只是做個樣子，就沒有改變的可能。改革之路是有一些技術問題，但是經濟／財政政策屬於社會科學領域，想要利用方程式找到分析解(analytical solutions)是行不通的(註1)。這時，我們必須向工程科學學習：最佳化(最適化)的設計通常透過經驗法則(rule of thumb)，逐步修正調整(iterative cut-and-try)得來。我們不必擔心，只要心志堅定，摸石問路不難找到能永續發展，對多數人有利的出路。

極端的中央集權與自由主義都無法創造全人類的幸福，我們必須披荊斬棘開出新路，這需要付出代價。就像美國羅斯福總統說，「如果你甘於選擇坐在舒服的椅子上，僅僅當個旁觀的評論家，那就去吧。然而，有人選擇守護自己與夢想的約定誓言，為了追求夢想奮不顧身地跌倒起身、弄髒衣服，甚至受傷流血，但他們並不害怕，因為他們選擇勇敢的生命方式。」所幸，彼得杜拉克曾說，沒有人可以抵擋人口統計學的力量。台灣未來10年，每年滿18歲的年輕人有25-30萬人，保守的老年人則死去15-20萬人，年輕人已是關鍵多數，飄忽不定的中間選民即將退位。最近的選舉結果告訴我們，多數選民的投票行為不再受「政黨勝負、獨立與否、八卦新聞或網路嘴砲」影響，而是覺醒到自己被剝削，沒有未來。扭轉台灣過度偏右的契機已經來到，我們應好好把握機會。盼望兼顧分配正義的資本主義，類似北歐或部分歐洲國家的萊茵模式，鰥寡孤獨廢疾者皆有所養的大同世界有朝一日在台灣實現。

〔註1〕經濟系統的特性一直在變，就像希臘哲學家赫拉克利特（Ἡράκλειτος，前540年－前480年）說的，「人無法重複走進同一條河流」，無法孤立控制變因。社科數據天生不乾淨，數據經常藏有不相關因素的貢獻，就算統計顯著相關，也不易分辨是因果或共線性，除非有大量田野調查經驗的專家，否則恐怕連內容效度都禁不起檢驗。加上受到交互作用的影響(例如：未知的中介變數；新生變數；未知的自變數；time lag)，變數間的因果關係並非恆常，因此歸納法難以適用，模型的信度偏低。