教育投资/人力资本提高与西部经济的崛起

　   摘 要：基于协整理论和向量误差修正模型，利用贵州省1950—2008年的时间序列数据，分析西部地区教育投入与经济增长之间的长短期因果关系。研究结果发现：从长期来看，教育确实对西部经济增长起到了促进作用，而且经济增长对各类教育指标也有显著影响。从短期来看，只有政府教育支出对总产出有显著影响，不过该影响为负，即政府教育支出增加1%会使得总产出减少0.13%。此外，普通高校专任教师数和在校学生数在短期内对总产出没有显著影响。
　　关键词：经济增长；教育投资；人力资本；西部经济；协整检验；Granger因果关系检验

　　一、引言
　　长期以来，由于各种历史和现实原因，西部经济的发展程度远远落后于东部和中部地区。为了实现东中西部地区协调发展，大力支持西部地区开发建设成为我们党领导经济工作的一条重要方针，也是我国现代化建设中的一项重要战略任务。自2000年3月国务院西部开发办正式开始运行，西部大开发战略已经实施了11年。在这11年里，西部12个省市区经济保持平稳较快增长势头，并在农村生产生活条件、基础设施、生态环境、特色产业、东西合作等方面取得了显著成效。要实现西部经济的全面崛起，除了实行各种有利于加快经济发展的政策外，发展教育特别是发展基础教育和高等教育也至关重要。美国经济学家舒尔茨认为，经济发展主要取决于人的质量而不是自然资源的丰裕或资本存量的多寡，而人力资本的形成又离不开教育。从这个意义上讲，发展教育才是西部经济崛起的必由之路。在西部大开发的11年里，国家西部“两基”攻坚计划实现了西部“普九”的突破：农村寄宿制学校建设新增校舍面积近1200万平方米，“两免一补”政策广泛实施，农村中小学现代远程教育工程覆盖中西部36万所农村中小学，这些成就使广大农村学生能够“进得来”、“留得住”、“学得好”。在国家实施的“贫困地区义务教育工程”二期计划、“中小学危房改造工程”、“中西部农村初中校舍改造工程”等一系列专项工程中，中央累计投入的360亿元多数投向西部地区，带来了西部办学条件的显著改善。
　　 考虑到教育的重要性以及政府对西部教育基础设施的大力投资，我们不禁要问以下几个问题：一是既然教育对西部经济发展这么重要，那么政府投资教育基础设施到底能对西部经济增长起到多大作用？二是教育投资属于长期投资，那么在短期内，教育投资的回报率是多少？第三是教育基础设施与西部经济发展的因果关系是怎样的，到底是教育基础设施的建设促进了西部经济的发展，还是经济发展后产生了对教育基础设施的需求？回答这些问题具有很强的现实意义，可以为西部大开发战略的继续实施提供理论和实践依据。鉴于此，本文基于协整理论和向量误差修正模型，利用贵州省1950—2008年的时间序列数据分析西部地区教育投入与其经济增长之间的协整关系以及Granger因果关系，并给出相应的政策建议。
　　 二、文献综述
　　 在经济学的发展历史上，有许多经济学家、哲学家及政治家都不同程度地描述过教育能够促进一国经济的增长。但是真正把教育当作经济增长的重要要素来分析的经济学家是索洛(Solow, 1957)，他把资本和劳动力这些传统生产要素作用外无法解释的“残余”贡献归功于技术进步，间接地肯定了教育对经济发展的贡献。然而在索罗模型中，技术进步是外生决定的，这个假定限制了该模型的解释力。［1］随着教育在经济增长中所起到的作用越来越受到人们的重视，教育与经济增长之间的关系也成为该领域的研究热点，自此该领域涌现出大量相关文献。Schultz(1961)、Denison(1962)及Becker(1964)从不同角度提出了人力资本理论，其核心观点是人力资本投资是经济增长的主要源泉。［2］［3］［4］罗默(Romer, 1990)和卢卡斯(Lucas, 1988)通过大量的研究提出了内生增长理论。该理论明确把教育的作用放在首要位置，并认为教育通过两个主要的途径影响国家的经济增长。［5］［6］曼昆(Mankiw, 1992)提出了“扩展索罗模型”，巴罗(Barro, 1991; 1997)提出了“扩展新古典模型”。在这些模型中，人力资本作为独立的投入要素被引入到总量生产函数中，通过分析发现人力资本投资可以导致产出的提高，从而导致经济增长。［7］［8］［9］随着信息经济学的兴起，斯宾塞(Spencer, 1993)成功地将信息不对称的思想引入到教育对经济发展贡献的研究中，提出了“教育甄别假说”［10］。20世纪80年代以后，国际贸易理论也被用于研究教育对经济增长的贡献。人们发现教育具有类似于出口的性质(Haveman R.H and B.L. Wolfe,1984; B.L. Wolfe and Zuvekas, 1997)，换句话说，教育除了可以直接增加人力资本外，还能够通过多种渠道促进其他部门的生产，产生外溢效应。

   除了理论研究，许多经济学家也对教育与经济增长的关系进行了大量的实证研究。舒尔茨(1961)对美国1929—1957年教育投资增量的收益率作了测算，结果发现美国教育对国民经济增长的贡献率为33%。［2］丹尼森(Dennison, 1962)采用因素分解的方法，计算出美国1922—1957年间的经济增长大约有1/5应归功于教育。［3］乔根森和弗朗梅尼(Jorgenson and Fraumeni, 1992)对美国1948 —1986年的增长进行核算表明，人力资本质量的提高对经济增长的贡献占经济增长的26%。［13］曼金、罗默和韦尔(Mankiw、Romer and WEil, 1992)对98个国家1985年每个工人产出的跨国差异进行了核算，结果表明人力资本水平对跨国差异的贡献为49%，每个工人人力资本提高1%将导致产出增长0?28%。［14］克鲁格(Krueger, 1998)发现人力资本存量与经济增长之间存在着倒U形关系，平均受教育年数对经济增长作用的峰值为7.5年，而1990年这些国家人口的平均受教育年龄为8.4年，意味着这些国家进一步扩张教育将会得到负的收益。［15］国内学者对此也进行了大量的实证研究(崔玉平, 2001; 宋华明、王荣, 2004; 宋华明, 2005; 李雯, 2006; 周平、徐晓艳, 2007; 樊华, 2006; 刘林, 2007; 周祥, 2007)。［16］［17］［18］［19］［20］［21］［22］［23］
　　 分析以上参考文献，不难发现：第一，大部分文献都是利用柯布-道格拉斯生产函数分析计算教育对经济增长的贡献率，但该种方法存在着模型设定和参数估计等方面的问题，比如利用时间序列数据进行回归就会产生“伪回归”现象。第二，大部分文献都没有进一步考察教育与经济增长之间的因果关系，只是默认教育对经济增长有促进作用，而忽略了经济增长对教育发展的反作用。第三，大部分文献都只是研究一定时期内教育对经济增长的平均作用，而忽略了教育的长短期回报率。第四，大部分文献都是以教育支出为解释变量进行回归分析，无法全面地反映教育对经济增长的影响。
　　 鉴于此，本文利用贵州省1950—2008年的时间序列数据，基于协整理论和向量误差修正模型，实证研究教育对西部经济增长的长短期影响。与以往研究相比，本文所作的改进主要包括以下三点：第一，在进行实证分析时，本文将使用向量自回归模型，可以有效地克服时间序列数据的自相关和伪回归等问题。第二，本文将使用协整理论找出教育与经济增长之间的长期均衡关系，并通过构建向量误差修正模型找出这二者之间的短期因果关系。第三，本文将从政府、学校及学生三个角度描述教育发展水平，从而全面地分析教育对西部经济的增长作用。
　　 三、方法介绍及数据描述
　　 (一)方法介绍
　　 目前，大部分学者都利用生产函数法实证研究教育与经济增长之间的关系，但是该方法存在着模型设定和参数估计等方面的问题，比如由于时间序列共同趋势引起的“伪回归”问题。不仅如此，教育与经济增长的因果关系也无法确定。向量自回归法(Vector Autoregression, VAR)不过多拘泥于经济理论分析框架，而是以有限数目的当期变量对变量自身和其他变量的滞后值进行回归，也就是说“让数据自己说话” ［24］。换句话说，该方法是依据数据自身的内在特征来探讨数据之间的长短期均衡关系。
　　 在后面的实证分析中，我们首先会对本文所使用的数据进行平稳性检验，如果这些数据都具有相同的单整阶数，那么我们就可以进行协整检验(Co-integration Test)和Granger因果关系检验(Granger Causality Test)，从而获得变量间的长期均衡关系，并确定这些变量之间的因果关系。在协整分析的基础上，我们将进一步构造向量误差修正模型(Vector Error Correction Model, VECM)，从而得出变量间的短期波动关系。
　　 (二)数据描述
　　 本文使用贵州省1950—2008年的时间序列数据进行回归分析。之所以选择贵州省作为研究对象是因为：第一，贵州省的经济发展程度在西部12个省市区中属于中等水平①①以2007、2008年为例，贵州省的生产总值在西部12个省市区中排第六位。；第二，贵州省的教育水平也大致处于西部12个省市区的中等位置。因此，贵州省的情况基本上能代表西部12个省市区的情况，研究其教育与经济增长的关系基本上可以反映整个西部的教育与经济增长的长短期关系。
　　 本文所使用的数据全部来自《新中国60年统计资料汇编》［25］，表1列出了各变量的统计性描述。在回归模型中，我们将用贵州省历年的生产总值(Y)表示该地区的经济发展程度，并根据GDP平减指数进行调整以去除价格因素。教育投入指标是本文重点考察的变量。为了更加准确地估计出教育与经济增长的长短期关系，本文拟从政府、学校及学生三个角度入手衡量教育水平。从政府角度出发，本文用政府教育支出总额(G)来表示政府的教育投入；从学校角度出发，本文用普通高校专任教师数(N1)表示学校的基础设施建设②②由于没有找到学校数量、教学楼数量等指标，所以本文用高校专任教师数量表示教育基础设施的发展程度。从广义的角度讲，这种做法是合理的，因为教师数量本身就是学校软件设施建设的衡量标准之一。；从学生角度出发，本文用普通高校在校学生数(N2)表示该地区居民对教育的需求。
　　 值得注意的是，总产出不可能仅仅只受教育水平的影响，还与其他很多经济变量存在联系。因此，我们要尽可能地考虑其他经济因素对总产出的影响，从而更加准确地反映教育与经济增长的真实关系。但是，模型中涉及的变量又不能太多，因为过多的变量会使得向量自回归模型中的待估参数大大增加。鉴于此，本文只添加地区总人口(POP)和地区固定资产投资额(I)这两个变量。其中，固定资产投资额用固定资产投资价格指数进行调整以消除价格因素。另外，在进行平稳性检验前，我们会对数据进行对数处理，这样做不仅会使数据的波动幅度变小，而且处理后的数据会具备一些良好的特性，同时还不影响变量之间存在的协整关系。在变量符号前加L表示数据经过了对数处理。
　　(三)数据的平稳性检验
　　 在构造VAR模型和进行协整分析之前，必须对变量的平稳性进行检验，只有当相关变量都具有相同的单整阶数时，才能进行协整分析。为确保结果的准确性，本文使用ADF单位根检验方法检验上述变量的平稳性，在滞后期数的选择上，参照赤池信息准则(Akaike Info Criterion, AIC)。①①由于该检验过程比较简单，为了节省篇幅，此处省略检验过程。从检验结果来看，时间序列LY、LG、LN1、LN2、LPOP、LI的水平值均为非平稳序列，经过一阶差分之后变得平稳，因此它们都是I(1)序列。
　　 四、实证分析结果
　　 协整关系的检验通常有两种方法：Engle-Granger两步法（基于回归残差的协整检验）和Johansen检验法。Engle-Granger两步法使用方便，但小样本下协整估计具有实质性偏差，而且该方法只适用于单一协整关系的估计和检验。多变量协整关系检验通常采用Johansen极大似然检验法。［26］一般来说，Johansen检验方法具有相对较高检验势。考虑到本文使用的是VAR模型，下文将采用Johansen法进行协整检验。