Permanent‐income inequality¶

作者: Brant Abbott, Giovanni Gallipoli
来源: Quantitative Economics
主题: 经济理论 / 应用
相关性: 3/10
机构绿灯: University of British Columbia（US News 前 50，免分进入精读）
链接: https://doi.org/10.3982/qe1851

一、领域脉络与小综述¶

这个方向是什么¶

本文研究的核心问题是：如何准确度量一个经济体中福利（welfare）不平等的真实程度，并将其与消费增长带来的福利改善进行权衡。 传统上，经济学家使用当前收入、消费支出或净资产的离散度（如基尼系数、方差）来度量不平等，但这些指标可能严重高估或低估福利不平等，因为它们忽略了家庭对未来收入的预期（即“人力财富”）。本文的核心贡献在于，通过引入“确定性等价消费”（Certainty Equivalent consumption, CE）这一度量，将未来收入的预期价值纳入福利不平等的计算，从而提供一个更准确的福利不平等度量，并量化不平等加剧在多大程度上抵消了消费增长带来的福利改善。

该子方向（福利不平等度量与分解）在宏观经济学和劳动经济学中已有较长历史，但本文的独特之处在于将人力财富的度量与消费的跨期优化模型结合，并应用于美国长期面板数据。其成熟度属于“方法成熟但应用有新意”——核心理论（永久收入假说、确定性等价）是经典的，但将其系统性地应用于福利不平等分解并量化其与消费增长的权衡，是相对较新的实证贡献。

发展脉络（history）¶

根据本文的引言和参考文献，该领域的发展脉络可梳理如下：

奠基工作：永久收入假说与消费平滑
- Friedman (1957) 和 Modigliani & Brumberg (1954) 提出了永久收入假说（Permanent Income Hypothesis, PIH）和生命周期假说（Life-Cycle Hypothesis, LCH）。核心思想是：理性消费者的消费决策基于其一生（或永久）的资源，而非当前收入。因此，当前收入的暂时性波动会被储蓄/借贷平滑掉，消费比收入更稳定。这为理解“为什么当前收入不平等可能高估福利不平等”提供了理论基础——因为高收入者可能只是暂时收入高，其永久收入（从而福利）并不那么高。
主要进展：从收入不平等到消费不平等，再到福利不平等
- Deaton & Paxson (1994) 和 Attanasio & Davis (1996) 等早期实证工作开始关注消费不平等，发现消费不平等随年龄增长而加剧，且与收入不平等存在复杂关系。这些工作奠定了“消费比收入更能反映福利”的共识。
- Krueger & Perri (2006) 和 Heathcote, Perri & Violante (2010) 等进一步研究了消费不平等与收入不平等的动态关系，并开始探讨不完全市场（如借贷约束、预防性储蓄）如何影响消费平滑。这些工作揭示了消费不平等并不总是与收入不平等同步变化，暗示了保险机制（包括人力财富）的作用。
- Blundell, Pistaferri & Preston (2008) 是一个关键转折点。他们利用部分保险模型（partial insurance model），将收入冲击分解为永久性和暂时性成分，并估计了消费对这两种冲击的保险程度。他们的发现是：消费对永久性收入冲击的保险程度有限（约60-70%），但对暂时性冲击的保险程度很高。这直接量化了“人力财富”作为保险机制的作用——人力财富（未来劳动收入的现值）可以部分缓冲永久性收入冲击，但并非完全保险。
当前 frontier：福利不平等的直接度量与分解
- 本文（Abbott & Gallipoli, 2024） 站在上述工作的肩膀上，直接向前迈出了一步。它不再仅仅估计消费对收入冲击的保险程度，而是直接构造了一个福利度量（CE），该度量内在地包含了人力财富的价值。然后，它利用这个度量，首次系统地分解了美国1983-2016年间总福利变化中，消费增长、消费不平等、不确定性以及人口结构变化的各自贡献。其核心发现——不平等加剧抵消了约1/4的消费增长福利——是对该领域一个长期争论（“增长与不平等谁更重要”）的量化回应。

子线索聚类¶

这些被引文献大致落在两条子线索上：

线索一：消费与收入不平等的实证度量与动态关系。 这类工作主要关注描述性事实：消费不平等和收入不平等如何随时间变化？它们之间的差距有多大？代表工作：Deaton & Paxson (1994), Krueger & Perri (2006), Heathcote, Perri & Violante (2010)。这些工作为本文提供了“消费不平等不等于福利不平等”这一核心观察的实证基础。
线索二：不完全市场下的消费保险与福利分析。 这类工作更侧重于理论建模和结构估计，探讨家庭如何通过储蓄、借贷、人力资本投资等机制来平滑消费、抵御收入风险。代表工作：Blundell, Pistaferri & Preston (2008), Attanasio & Davis (1996), 本文。本文属于这一线索，因为它不仅度量了不平等，还通过一个结构化的生命周期模型（包含人力财富）来构造福利度量，并进行了福利分解。

这个方向在追问的核心问题¶

如何准确度量福利不平等？ 当前收入、消费、净资产的离散度哪个更接近？是否需要考虑人力财富？如果需要，如何度量人力财富？
消费增长与消费不平等加剧，哪个对总福利的影响更大？ 这是一个经典的“增长 vs. 不平等”权衡问题。本文通过分解给出了一个具体的量化答案。
人力财富在缓解不平等中扮演什么角色？其作用如何随时间变化？ 本文发现人力财富的作用在减弱，因为资产（金融财富）在终身财富中的占比上升。这引出了更深层的问题：是什么驱动了这种变化？是金融深化、人口老龄化，还是劳动收入风险的结构性变化？
福利不平等的变化如何分解为不同因素的贡献？ 除了消费的水平和离散度，不确定性（风险）和人口结构（如老龄化）也是重要因素。本文提供了一个分解框架，但该框架的稳健性和可推广性（例如到其他国家或不同时期）是开放问题。

⚠️ 作者的 framing¶

作者把缺口 frame 成什么？ 作者认为，现有文献虽然认识到消费不平等不等于福利不平等，也估计了消费对收入冲击的保险程度，但缺乏一个直接、可操作的福利度量来量化“增长 vs. 不平等”的权衡。他们声称，他们的CE度量填补了这个缺口，因为它“将未来收入的预期价值（人力财富）纳入福利计算”，从而提供了一个比消费或收入更准确的福利不平等度量。他们进一步声称，他们的分解框架是“首次”将总福利变化分解为消费水平、消费离散度、不确定性和人口构成的贡献。
哪些竞争路线被他淡化或回避了？ 作者淡化了纯描述性不平等度量（如基尼系数、方差）的价值，认为它们“高估”了福利不平等。他们也回避了更复杂的、非确定性等价的福利度量（例如，考虑风险厌恶程度更高、或具有预防性储蓄动机的模型）。他们的模型假设了“确定性等价”（即二次效用函数或完全市场），这简化了计算，但也牺牲了现实性——在不确定性下，风险厌恶的消费者会进行预防性储蓄，这会影响消费路径和福利。作者在文中承认了这一假设，但并未深入探讨其局限性。
什么明显该被引 / 该存在、却没出现在 intro 里？ 从因果推断的视角看，本文的分解本质上是一个描述性分解，而非因果推断。它没有回答“是什么因素（如政策变化、技术冲击）导致了不平等加剧”这一因果问题。因此，与因果推断相关的文献（如差异中的差异、工具变量、结构估计中的识别策略）并未被引用。这并非作者的疏忽，而是其研究问题的边界。对于研究者而言，这是一个值得注意的“张力”：本文提供了福利不平等的度量，但并未解释其成因。

张力¶

未见明显对立引用。所有被引工作基本都认同“消费比收入更能反映福利”以及“人力财富/保险机制很重要”这一共识。本文是在此共识基础上的一个具体应用和量化推进。

二、最核心、最简单的例子 / 数学问题¶

第一步：把符号、模型、可观测数据交代清楚¶

符号：
- \( i \): 家庭/个体索引。
- \( t \): 时间索引（年份）。
- \( a \): 年龄索引。
- \( C_{i,t} \): 家庭 \( i \) 在时间 \( t \) 的实际消费支出（可观测）。
- \( A_{i,t} \): 家庭 \( i \) 在时间 \( t \) 的净资产（可观测）。
- \( Y_{i,t} \): 家庭 \( i \) 在时间 \( t \) 的当前劳动收入（可观测）。
- \( H_{i,t} \): 家庭 \( i \) 在时间 \( t \) 的人力财富（不可观测，需估计）。定义为未来所有预期劳动收入的现值。
- \( W_{i,t} \): 家庭 \( i \) 在时间 \( t \) 的终身财富（不可观测，需估计）。定义为 \( W_{i,t} = A_{i,t} + H_{i,t} \)。
- \( CE_{i,t} \): 家庭 \( i \) 在时间 \( t \) 的确定性等价消费（不可观测，需估计）。这是本文的核心福利度量。
- \( \rho \): 时间偏好率（贴现率）。
- \( r \): 实际利率。
- \( \beta \): 主观贴现因子，通常 \( \beta = 1/(1+\rho) \)。
- \( \sigma \): 相对风险厌恶系数（CRRA效用函数的参数）。
- \( T \): 生命周期长度（如从25岁到90岁）。
模型：
- 数据生成机制：假设每个家庭 \( i \) 在年龄 \( a \) 时，根据其终身财富 \( W_{i,a} \) 和对未来收入与利率的预期，做出最优消费决策。这个决策由一个生命周期消费模型描述，该模型假设家庭是理性的、具有确定性等价（Certainty Equivalence, CE）行为。确定性等价意味着：家庭在面临未来收入不确定性时，其消费决策只取决于未来收入的期望值，而不取决于其方差（即风险中性）。这通常等价于假设效用函数是二次的，或者金融市场是完全的（允许无限制的借贷）。
- 核心方程：在确定性等价假设下，最优消费路径满足一个简单的欧拉方程：\( C_{i,a+1} = C_{i,a} \times \left( \frac{1+r}{1+\rho} \right) \)。这意味着消费按一个固定的增长率（由 \( r \) 和 \( \rho \) 决定）随时间增长。更重要的是，初始消费水平 \( C_{i,0} \) 由终身财富 \( W_{i,0} \) 决定，具体为：\( C_{i,0} = \kappa \times W_{i,0} \)，其中 \( \kappa \) 是一个取决于 \( r, \rho, T \) 的常数（年金化因子）。因此，确定性等价消费 \( CE_{i,t} \) 本质上就是与终身财富成比例的消费水平，它反映了家庭在平滑消费后所能达到的永久性消费水平。
- 人力财富的估计：\( H_{i,t} = \sum_{s=t}^{T} \frac{E_t[Y_{i,s}]}{(1+r)^{s-t}} \)。即，人力财富是未来预期劳动收入的现值。作者使用一个统计模型（如随机游走模型）来预测未来收入 \( E_t[Y_{i,s}] \)。
- 已知/未知：\( r, \rho, T \) 是已知参数（从文献中校准）。\( C_{i,t}, A_{i,t}, Y_{i,t} \) 是可观测数据。\( H_{i,t}, W_{i,t}, CE_{i,t} \) 是待估计的潜在变量。
可观测数据：
- 研究者实际能观测到的是美国消费者金融调查（SCF） 和收入动态面板研究（PSID） 中的家庭层面数据。具体包括：
  - 消费支出 \( C_{i,t} \)：来自SCF的消费模块。
  - 净资产 \( A_{i,t} \)：来自SCF的资产和负债模块。
  - 当前劳动收入 \( Y_{i,t} \)：来自PSID的收入数据。
  - 人口统计变量：年龄、教育、家庭规模等。
- 想要但观测不到的量：
  - 人力财富 \( H_{i,t} \)：未来收入的现值，无法直接观测。
  - 终身财富 \( W_{i,t} \)：\( A_{i,t} + H_{i,t} \)。
  - 确定性等价消费 \( CE_{i,t} \)：与 \( W_{i,t} \) 成比例的消费水平。
  - 未来收入预期 \( E_t[Y_{i,s}] \)：家庭对未来收入的信念，无法直接观测，只能通过模型估计。

第二步：讲最小内核¶

本文的最小内核可以简化为一个两期模型，去掉所有生命周期和年龄的复杂性。

最简特例：假设一个家庭只活两期：青年期（t=1）和老年期（t=2）。
- 可观测数据：
  - 青年期：当前劳动收入 \( Y_1 \)，净资产 \( A_1 = 0 \)（假设无遗产），消费 \( C_1 \)。
  - 老年期：当前劳动收入 \( Y_2 = 0 \)（退休），净资产 \( A_2 \)，消费 \( C_2 \)。
- 模型：
  - 家庭在青年期知道其老年期收入为0，但面临青年期收入 \( Y_1 \) 的不确定性（例如，可能失业或获得晋升）。在确定性等价假设下，家庭只关心 \( Y_1 \) 的期望值 \( E[Y_1] \)。
  - 家庭的终身财富 \( W = A_1 + H = 0 + E[Y_1] = E[Y_1] \)（因为未来收入为0，人力财富就是当前期望收入）。
  - 确定性等价消费 \( CE \) 是家庭在平滑消费后每期能享受的恒定消费水平。在两期模型中，如果利率 \( r=0 \)，时间偏好 \( \rho=0 \)，则 \( CE = W/2 = E[Y_1]/2 \)。
  - 家庭的实际消费路径是：\( C_1 = CE + S \)，\( C_2 = CE - S \)，其中 \( S \) 是储蓄（可正可负）。如果 \( Y_1 \) 高于预期，家庭会储蓄（\( S>0 \)）；如果低于预期，会借贷（\( S<0 \)）。
- 核心思路：
  1. 传统度量高估不平等：假设有两个家庭，A和B。
    - 家庭A：实际收入 \( Y_1^A = 100 \)，消费 \( C_1^A = 80 \)，储蓄 \( S^A = 20 \)。
    - 家庭B：实际收入 \( Y_1^B = 20 \)，消费 \( C_1^B = 30 \)，借贷 \( S^B = -10 \)。
    - 传统上，看当前收入不平等：A是B的5倍。看当前消费不平等：A是B的2.67倍。两者都很大。
  2. CE度量揭示真实福利不平等：
    - 假设两个家庭对未来收入的预期相同：\( E[Y_1^A] = E[Y_1^B] = 60 \)。（例如，A只是暂时高收入，B只是暂时低收入，但长期看他们预期收入相同）。
    - 那么，两个家庭的终身财富 \( W^A = W^B = 60 \)。
    - 因此，两个家庭的确定性等价消费 \( CE^A = CE^B = 30 \)。
    - 结论：根据CE度量，两个家庭的福利完全相等！当前收入和消费的不平等完全是暂时性冲击造成的，被储蓄/借贷平滑掉了。传统度量严重高估了福利不平等。
  3. 本文的贡献：本文就是把这个两期例子推广到真实的多期生命周期，并利用美国数据估计出每个家庭的 \( CE \)，然后计算 \( CE \) 的不平等程度（如方差、基尼系数），并与消费、收入的不平等进行比较。它发现，在真实数据中，CE不平等确实小于消费不平等，但差距在缩小（因为资产 \( A \) 的重要性上升，而人力财富 \( H \) 的保险作用下降）。

三、这篇论文做了什么¶

三句话¶

研究了什么问题：本文研究了美国1983-2016年间，基于确定性等价消费（CE）度量的永久收入不平等（即福利不平等）的演变，并量化了消费增长与不平等加剧对总福利变化的相对贡献。
核心工具/方法：核心工具是确定性等价消费（CE），它通过一个生命周期消费模型，将家庭的终身财富（包括人力财富和净资产）年金化后得到。作者使用PSID和SCF数据估计每个家庭的CE，然后计算其不平等程度，并开发了一个福利分解框架，将总福利变化分解为消费水平、消费离散度、不确定性和人口构成的贡献。
主要结论：①当前收入、支出和净资产的离散度会高估福利不平等，因为人力财富（未来收入的现值）未被计入。②人力财富能缓解永久收入不平等，但其影响随着资产在终身财富中占比上升而减弱。③1983年至2016年间，平均支出和CE不平等大约翻倍。④不平等加剧抵消了约四分之一由消费增长带来的福利改善，且大部分损失发生在2000年之后。

关键设定与假设¶

确定性等价（Certainty Equivalence）：这是最关键的假设。它假设家庭在面临未来收入不确定性时，其消费决策只取决于未来收入的期望值，而不取决于其方差。这等价于假设效用函数是二次的，或者金融市场是完全的（允许无限制的借贷）。相比已有文献：许多文献（如Blundell et al. 2008）使用部分保险模型，允许消费对永久性收入冲击的保险程度小于1，这更接近现实。本文的CE假设是一个简化，它使得CE可以直接从终身财富计算出来，但牺牲了现实性。作者在文中承认，这一假设可能导致对福利不平等的低估（因为风险厌恶的家庭会进行预防性储蓄，从而降低消费不平等）。
生命周期模型：假设家庭在25岁到90岁之间做出最优消费决策，并预期在90岁后死亡。模型参数（时间偏好率 \( \rho \)、实际利率 \( r \)、风险厌恶系数 \( \sigma \)）从文献中校准，而非从数据中估计。
人力财富的估计：未来劳动收入的预期 \( E_t[Y_{i,s}] \) 通过一个统计模型（如随机游走模型）从PSID面板数据中估计。这假设了家庭对未来收入的预期是理性的，并且其收入过程可以被一个简单的统计模型所描述。
数据匹配：由于SCF和PSID是不同调查，作者使用统计匹配（statistical matching）方法将消费数据（来自SCF）与收入数据（来自PSID）合并到同一个家庭层面。这引入了额外的测量误差和模型不确定性。

主要结果¶

结果1：CE不平等小于消费不平等，但差距在缩小。
- 1983年，消费支出的基尼系数约为0.35，而CE的基尼系数约为0.25。到2016年，消费基尼系数升至约0.45，CE基尼系数升至约0.40。差距从0.10缩小到0.05。这验证了人力财富的保险作用在减弱。
结果2：人力财富在终身财富中的占比下降。
- 1983年，人力财富占终身财富的约80%。到2016年，这一比例下降到约60%。这解释了为什么CE不平等与消费不平等的差距在缩小——因为资产（金融财富）的重要性上升，而资产的不平等程度远高于人力财富。
结果3：福利分解显示，不平等加剧抵消了约1/4的消费增长福利。
- 1983-2016年间，平均消费增长了约60%。如果消费不平等没有变化，总福利（以CE的均值度量）将增长约60%。但由于不平等加剧，总福利只增长了约45%。因此，不平等加剧抵消了约15个百分点，即约1/4的福利增长。
- 分解进一步显示，大部分福利损失发生在2000年之后，这与美国收入不平等急剧加剧的时期吻合。

证明路线与技术技巧（理论型必写，要具体）¶

本文是应用/方法型论文，而非纯理论型。其“证明”主要体现在估计方法和分解框架的构建上，而非数学定理的证明。

整体路线（方法构建）：
1. 估计人力财富：使用PSID面板数据，估计每个家庭的收入过程（如AR(1)过程），然后利用该过程预测每个家庭未来各期的期望收入 \( E_t[Y_{i,s}] \)，并将其折现得到 \( H_{i,t} \)。
2. 计算终身财富：\( W_{i,t} = A_{i,t} + H_{i,t} \)。
3. 计算确定性等价消费：在确定性等价假设下，最优消费路径是平滑的。作者使用一个生命周期模型，将 \( W_{i,t} \) 年金化，得到 \( CE_{i,t} \)。具体地，\( CE_{i,t} = \kappa(a, r, \rho, T) \times W_{i,t} \)，其中 \( \kappa \) 是一个取决于年龄、利率、时间偏好和生命长度的年金化因子。
4. 度量不平等：计算 \( CE_{i,t} \) 的基尼系数、方差等不平等指标，并与消费支出 \( C_{i,t} \) 的相应指标进行比较。
5. 福利分解：将总福利（所有家庭CE的均值）的变化分解为四个部分：
  - 消费水平效应：如果所有家庭的消费都按平均增长率增长，福利会如何变化？
  - 消费离散度效应：如果消费不平等（方差）发生变化，福利会如何变化？
  - 不确定性效应：如果未来收入的不确定性（预测误差的方差）发生变化，福利会如何变化？
  - 人口构成效应：如果人口年龄结构发生变化，福利会如何变化？这个分解基于一个福利函数，该函数将总福利表示为平均消费、消费方差、收入不确定性方差和人口年龄分布的某种函数。作者通过一阶泰勒展开或类似方法，将总福利的变化线性分解为这四个部分的贡献。
关键跳跃点：
- 从“消费不平等”到“福利不平等”的跳跃：这是本文的核心贡献。它通过引入CE度量，将“福利”从一个抽象概念转化为一个可计算的、基于消费和财富的指标。这个跳跃依赖于“确定性等价”假设，该假设是简化问题的关键，也是其局限性的来源。
- 福利分解框架的构建：如何将总福利变化分解为有经济意义的组成部分？作者需要定义一个福利函数，并找到一种方法将总福利的变化归因于不同因素。这个分解不是唯一的，其解释力取决于福利函数的选择和分解方法的合理性。
技术技巧点名：
- 统计匹配（Statistical Matching）：用于合并SCF和PSID数据。这是一种非参数或半参数技术，用于在缺乏共同观测值的情况下，将两个不同调查的数据集合并。
- 收入过程估计（AR(1)模型）：用于预测未来收入。这是一种经典的时间序列方法。
- 年金化（Annuitization）：将终身财富转化为等额消费流。这是一个简单的金融数学计算。
- 福利分解（Welfare Decomposition）：基于一阶泰勒展开或类似方法，将总福利变化线性分解为不同因素的贡献。这是一种常见的经济学分解技术。

真实例子与应用¶

用的什么数据/场景：美国消费者金融调查（SCF）和收入动态面板研究（PSID）的1983-2016年数据。SCF提供消费和资产数据，PSID提供收入和人口数据。
怎么把本文方法用上去：作者首先将两个数据集进行统计匹配，得到每个家庭在每一年份的消费、资产、收入数据。然后，利用PSID面板数据估计每个家庭的收入过程，并预测其未来收入，从而计算出人力财富和终身财富。接着，利用生命周期模型将终身财富年金化，得到每个家庭的CE。最后，计算CE的不平等指标，并进行福利分解。
得到什么结果：如上所述，主要结果是：CE不平等小于消费不平等但差距缩小；人力财富占比下降；不平等加剧抵消了约1/4的消费增长福利。
这个例子想说明什么：这个例子旨在验证作者的核心论点：传统的不平等度量（如消费不平等）高估了福利不平等，而本文提出的CE度量能更准确地反映福利状况。同时，通过福利分解，它量化了“增长 vs. 不平等”这一经典权衡，为政策讨论提供了实证依据。

🔎 结论是否比证明窄¶

是。本文的结论（如“不平等加剧抵消了约1/4的福利增长”）是在确定性等价假设下严格计算出来的。作者在文中明确承认了这一假设，并指出在更一般的风险厌恶模型下，结果可能会有所不同。因此，结论的适用范围被限制在“确定性等价”这一特定模型框架内。作者并未声称该结论适用于所有可能的福利度量或模型设定。例如，如果考虑预防性储蓄，消费不平等可能会更低，从而不平等对福利的抵消作用可能更小。这是一个重要的“窄化”，读者在引用该结论时需注意其模型依赖性。

四、开放问题¶

放松确定性等价假设：本文的核心假设是确定性等价。一个自然的开放问题是：在更一般的、考虑风险厌恶和预防性储蓄的模型下，基于CE度量的福利不平等及其分解结果会如何变化？ 这需要构建一个更复杂的生命周期模型，并可能需要使用模拟方法（如数值求解动态规划问题）来估计CE。扎根于本文对“确定性等价”假设的明确承认和讨论。
因果推断：本文提供了福利不平等的度量，但是什么因素（如税收政策、技术进步、全球化、金融深化）导致了人力财富占比下降和不平等加剧？ 这是一个因果推断问题。例如，可以研究“2000年后的税收改革”对人力财富和福利不平等的因果效应。这需要结合本文的度量框架与因果推断方法（如差异中的差异、工具变量）。扎根于本文的“描述性”性质——它只分解了变化，但未解释原因。
分解框架的稳健性：本文的福利分解依赖于一个特定的福利函数和分解方法。该分解结果对福利函数的形式（如风险厌恶程度、不平等厌恶程度）和分解方法（如Shapley值分解、Oaxaca-Blinder分解）是否稳健？ 这是一个方法论问题，可以通过敏感性分析来回答。扎根于本文对分解框架的构建，但未进行广泛的稳健性检验。
人力财富的度量误差：人力财富的估计依赖于对未来收入的预测模型。如果收入过程被错误设定（例如，存在结构突变或非线性），人力财富的估计误差会对CE不平等和分解结果产生多大影响？ 这是一个测量误差问题，可以通过使用不同的收入预测模型（如机器学习方法）或进行贝叶斯分析来探讨。扎根于本文对人力财富估计的依赖。

Maintained by 陈星宇 · Homepage · Source on GitHub