教育投入与经济绩效——基于京沪粤的区域比较
钟无涯
【摘 要】基于北京、上海和广东三地的面板数据，本文采用修正的新古典经济增长模型，在协整基础上运用Granger因果检验、ECM模型及脉冲响应等方法进行教育投入与经济增长绩效长、短期关系的区域比较，发现北京教育投入对经济增长绩效统计不显著，上海、广东教育投入与经济增长均存在双向Granger因果关系，而广东教育投入对经济增长具有持续显著的高正向激励。本研究的现实意义是：资源高聚集区域的教育投入适度转移，能提高教育投入对经济增长贡献；教育发展程度较低区域的教育投入具有更显著、正向和持久的增长驱动力。【期刊名称】教育与经济【年(卷),期】2014(000)002【总页数】9
【关键词】教育投入；经济增长绩效；区域比较研究生论坛
一、引言
经济增长绩效与要素投入类型、数量与效率关系问题一直是国内外的研究热点。我国经济持续数十年高速增长，其经济增长的制度设计、动力机制、路径依赖与增长方式转型等问题也亟待探索。以不同切入点探索要素投入数量、质量、规模与区域经济增长绩效关系等研究较多。
近几十年来，密集的劳动力要素投入是我国实现经济高速增长的重要支撑，但不同时期、不同区域和不同形式的劳动力投入在经济增长过程具有显著的效率差异。尤其对于复杂形态和组合方式的劳动要素，其贡献在不同机制下进行增长绩效分解，结论具有较大差异。
教育是劳动力要素效率提升的催化剂，也是土地、资本等要素在“黑箱”实现和提升组合效率的粘合剂。全球化、知识化、信息化强化和深化资本与劳动要素的边际效率，同时通过教育等手段强化人力资本效率，降低实际物质资本消耗的比例与数量。这种人力资本深化已成为经济增长中最重要的生产要素。明治维新与二战后日本经济快速发展凸显了教育投入与经济增长关系，香港、新加坡、台湾和韩国的经济奇迹也提供案例支撑。目前我国各区域经济持续高速发展，教育投入不断增加，可能存在类似作用机制。北京、上海、广州和深圳等一线城市，经历了中国经济高速增长的全过程，保持着教育投入稳定增加的持续性，这为研究经济增长绩效与教育投入之间关系的区域比较提供一个较好的研究样本。
宏观上，北京、上海、广东的经济增长是基于要素投入、制度优势和管理创新等多因素合理配置，但其经济发展的模式和质量又具有一定差异性。其中，教育的投入、产出和绩效未曾分离度量
，因此，无从判断教育投入在经济增长中的实际效率。微观上，教育投入对经济增长具有激励作用已是共识，但并不能肯定这些区域经济增长绩效分离出的教育投入变量必然具有显著性。在一个高速增长的经济环境中，不同要素投入的数量、方式和效率，在技术处理中其绩效评价体系往往注重相对效率而非绝对效率。因此，有必要通过规范的实证方法对区域层次的教育投入和经济增长关系进行分析，厘清具有不同教育发展基础的经济高速增长地区，其教育投入是否都具有显著产出效率，同时考察这些区域的经济增长与教育投入之间因果关系如何等问题，为教育投入这一重要的公共资源在区域选择、类型选择以及方式选择等方面提供参考。
二、文献评述
主流经济学一直强调经济增长中物质资本的作用，开始内生化教育变量于经济增长模式中进行分析的是Solow（1957）[1]。Schultz（1961）[2]定量分析美国1929-1957年间教育投入和经济增长数据，从理论和实证两方面建立起教育、投资与经济增长的确切关系，认为人力资本投资既是回报率最高的投资，也是经久耐用的消费品。沿着Schultz的分析框架，后续研究从正规学校教育、职业技能教育及社会教育等角度对教育投入与经济增长关系进行理论探索和实证研究。大多结论认为教育投入对经济增长存在长期正向激励。
张铁明(2002)[3]认为，国内主流学界及政府强调上层建筑的教育须与经济基础适应，淡化教育对经济增长的贡献。然而，随着教育重视和经济发展程度的提高，对二者关系的探索渐增。蔡增正（1999）[4]使用194个国家和地区1965-1990年数据考察教育对各国经济增长的贡献，认为教育对于经济增长贡献巨大；乔琳（2013）利用菲德尔模型就金砖五国教育投资与经济增长贡献和外溢效应进行比较，发现金砖五国教育投资对经济的促进作用明显[5]。毛洪涛(2004)[6]以误差修正模型(Error Correction Model，ECM)刻画了教育与经济增长动态调整关系，同时，李玲(2004)[7]采取静态指标体系计算中国教育支出对经济增长的贡献度和贡献率，认为教育投入对经济增长的贡献能力高于固定资产；但陆铭（2005）[8]认为教育对于经济增长的作用不如投资。虽然他们对于经济增长、投资和固定资产等概念存在界定差异，但一定程度反映出对于教育投入与经济增长关系的观点多样化。
田祖荫(2007)[9]依据宏微观机制的差异，考察低、中、高收入水平国家教育对经济增长的绩效，认为增加教育投入是降低发展中国家贫困率的重要战略；这个观点对当前我国区域经济发展不平衡、教育发展不平衡以及教育投入不平衡的现实背景具有指导意义。祝树金（2008）[10]利用1987-2004年间的中国省际面板数据对开放环境下教育支出与经济增长的机理与渠道进行研究，肯定教育支出对中国区域经济增长具有推动作用；丁西省（2012）[11]论证我国教育投入与经济增长之间存在着格兰杰双向因果关系。
然而，由于样本、数据跨期、分析技术等方面的差异，我国区域经济增长与教育投入关系的定量分析并没有形成共识。陈霞（2011）[12]通过新疆高等教育投入与经济增长的实证，认为短期内新疆高等教育投入与经济增长关系并不显著。这个结论在当前大学生就业困难与高等教育改革呼声高涨
背景下意义重大；邹琪（2013）[13]采用1978-2008年的数据，运用格兰杰因果关系检验和脉冲响应函数方法对江浙沪经济增长和教育支出实证，发现仅上海教育支出对经济增长贡献显著。综上，我国现阶段教育投入与区域经济增长关系已呈现多样化特征。
北京、上海和广东是京津冀、长三角和珠三角都市经济圈的经济增长极和区域经济高速增长的代表。同时，也是我国高校最为集中的若干区域，在某种程度上说明这些区域的教育投入具有历史传统和总量保证。京沪粤之间教育投入水平、教育普及程度以及人均受教育年限等指标存在显著梯度，是考察教育投入与区域经济增长绩效差异化的良好样本。
根据新结构经济学的观点，资源集聚优势的极化必然导致该生产要素配置结构不平衡。理论上，北京、上海和广东拥有丰富的高素质劳动力，教育投入在经济增长过程的激励效果更显著；但大量高素质劳动力聚集，人均资本等要素因而稀释。管理方式和使用方式等差异，必然导致劳动力要素配置的结构不平衡，因而，教育投入在经济增长中未必统计显著。Psacharopoulos(2004)发现低收入水平国家的教育回报率显著高于中等收入水平与高收入水平国家[14]。具有收入水平差异的北京、上海和广东可能存在类似情形。
基于此，本文构建扩展的新古典生产函数，选择北京、上海和广东1996-2012年数据进行定量探析，在我国最具代表性的经济增长区域，教育投入是否具有显著的经济产出效率，并考察其相互关系与作用机制。
三、模型界定与数据描述
（一）模型界定
Barro（1990）[15]以新古典经济模型分析区域经济增长与要素间投入的收敛性及交互性关系，其基本表达式为：
其中，Yit指i区域在t期的人均GDP，Yi,t|T为i区域在间隔期（T）期初人均GDP值。因此，方程左边表示人均GDP的年均增长率，β为人均GDP的收敛速度，其变化由方程右边的其他变量Vn所决定。Vn可具体为教育、资本、劳动力、区域差异等诸多变量，因此，在公式中抽象表示为其他变量。本文力图从宏观角度考察区域教育投入与当地经济绩效间的微观机制，并不考虑诸如教育外部性、科技进步效率、劳动力素质以及劳动力资本效率变化等微观问题，故无需详细设定其他微观变量。沿用Miller和Upadhyay(2000)[16]的思路，笔者将方程拓展为多要素投入的经济增长关系计量方程，并选择将教育投入量化为地方教育经费支出并作为独立投入要素融入生产函数。出于简洁考虑，模型仅仅纳入资本、劳动、平均受教育年限和教育投入。其中，Y代表经济绩效，K代表资本投入量，L代表劳动力投入量，而E则代表教育投入量。将函数对数化分解并线性化后更加简洁，同时避免可能存在的异方差问题，方程形式选择（2）-（4）：
其中，t为时间变量，i（i=p,s,g分别代表北京、上海和广东）为地区变量，LnAi,t为常数项
，LnHi,t为劳动力平均受教育年限。在双对数模型中，a、β、γ、θ分别表示资本投资、劳动力投资、教育投入和劳动力素质的产出弹性，μi,t是随机误差项。（二）数据描述
沿用大多数文献的做法，笔者选择以北京、上海和广东的人均GDP来衡量当地的经济增长水平；以当地教育经费支出近似代表其教育投入。其中，教育经费支出项已包括当年事业性经费支出和基本建设支出两部分。教育经费支出数据来源于目前较完整公布各省份教育收入与支出情况的数据集《中国教育经费统计年鉴》。
对于模型中劳动力投入的素质与规模的度量问题，学界目前未有统一观点和成熟方法。陆铭（2005）认为人均教育水平是人力资本较为直接的度量，因此，将其作为教育投资变量。邹琪（2013）则采取年末就业人数表征劳动力要素投入，而陈霞（2011）在考察教育投入与经济增长关系问题时选择直接略去劳动力投入变量①目前各地劳动力人均教育年限数据并未常态化公布，故存在若干数据缺失，本文采用均值法插入补全。北京劳动力人均教育年限一直居于全国之首，上海始终位列前四，且二者数值接近。广东劳动力人均教育年限排名略后。该指标一定程度体现三地教育发展基础和发展现状差异。。本文沿袭以上思路，以劳动力人均教育年限表征区域劳动力素质差异，并结合劳动力数量构成劳动力要素投入。资本投入数据依据张军（2004）的永续盘存法进行处理。
本文的样本数据全部来源于《北京统计年鉴》（2012）、《上海统计年鉴》（2012）、《广东统计年鉴》（2012）、《中国统计年鉴》（1996-2012）以及《中国教育经费统计年鉴》（1996-2012）。
文章旨在研究目标区域教育投入与经济增长绩效的关系，因此，表1仅列出教育投入与人均国内生产总值的相关统计指标。
由上表可见，1996-2011年考察期间，上海人均国内生产总值平均值最高，达到46046元，略高于北京且远高于广东省；广东教育投入的绝对规模高于北京和上海，但人均教育投入相对较低。目前，北京的教育资源密集程度最高，上海居中，广东省与二者相比仍有较大差距。经济增长高绩效、地方政府低教育投入以及相关资本、劳动力投入之间的逻辑，尚需要进一步定量分析。三地的人均国内生产总值峰度系数在2左右动，动，略低于正态峰尖3；地方教育投入相对正态而言亦有小范围偏移，但总体上偏度系数间起伏不大。基于以上分析，笔者认为三个区域的经济增长数据与教育投入数据基本满足正态分布条件。
四、实证检验与分析
（一）单位根检验
依赖于时间t的随机过程数据，其均值、方差和协方差等指标需要保证“一致性”约束，否则可能出现“虚假回归”的现象，因此，必须确定其稳定性条件。首先选择对各变量的序列数据进行对数化
过程，通过预处理消除序列的异方差问题，随后进行稳定性检验。由于样本数量有限，属于小样本的统计范畴，因此，在采用ADF检验同时，增加具有同样检验功能的GLS-DF检验，并增加Phillips-Perron检验强化结论。检验结果如表2所示：
通过平稳性检验发现，各序列数据的平稳性并不统一。部分原序列平稳或1阶平稳，但所有序列2阶都是平稳序列。由于协整检验要求各序列保持同阶平稳，因此，表2列出所有序列的2阶平稳检验结果。
（二）协整检验
并非所有I（1）和I（2）过程之间都存在稳定的长期关系，因此，必须对变量序列进行协整检验，以确认序列之间协整关系的存在性与稳定性。根据研究目的和研究对象，分别北京、上海和广东等变量序列数据进行协整检验。结果发现，方程（2）协整关系成立，而方程（3）和（4）协整关系不成立①陆铭（2005）的研究中采用劳动力年均受教育时间表征教育投资变量。在教育投入与经济增长关系研究中，多数研究者采用劳动力投入数量表示劳动要素投入，而未对劳动力采用教育年限分类或学历分类。可能的理由包括研究目的和研究方法两部分。对于教育投入与区域经济增长关系的研究目标，经济发达地区的就业市场供求机制与劳动力流动能够使劳动力素质与岗位得到相对有效的匹配。因此宏观视角下区域经济增长绩效能够与抽象教育投入对应；研究方法上，样本数量与变量数量导致的自由度问题、变量间的共线性问题以及变量协整等问题，使分类的操作性和意义降低。，因此后续研究选择方程（2）展开。检验结果见表3：
检验结果说明，北京、上海和广东相关变量的时间序列间存在稳定的协整关系，因此，继续拟合相关参数，得出变量之间的长期关系：
表4列出了各协整关系的具体参数，其中，因变量所在行列出的t值、p值是截距的显著性指标，F值是协整方程的显著性指标。从数据结果分析，北京的教育投入在经济增长过程中统计不显著，相反，资本投入的作用却特别明显；上海的情况和北京截然不同。在经济增长过程中，上海资本投入与教育投入发挥较显著的作用，意外的是劳动投入却具有显著负效应。
结合统计结果对北京、上海进行综合比较，可以推断，北京从90年代至今，亚运会、奥运会等一系列大型活动的举办，客观上伴随着大量资本投入，产生\用的相对弱化，这可能是密集的资本投入抑制其他要素投入的一个原因；而上海的情况不同，其资本、劳动和教育投入的系数都具有统计显著性，而且出现劳动投入显著为负。一个可能性是，在快速发展的过程中，上海劳动力规模快速扩张，一定程度导致人均资本量下降，使劳动产出效率被稀释。与北京和上海不同，地处珠三角的广东，其协整方程的劳动投入系数值最大，说明劳动要素投入对经济增长的贡献最大，同时，教育投入的产出效应得到确认，而资本投入的贡献却相对弱化。结合三地的劳动力平均受教育年限因素，北京劳动力平均受教育年限一直居于全国首位，上海也始终位列前四，而广东一直保持在全国平均水平，近几年广东才开始逐步趋同上海。京沪粤的教育投入与经济增长绩效实证数据，体现了教育这一要素投入边际收益递减的基本原理。此外，广东既包
教育投入与经济绩效--基于京沪粤的区域比较
