论文导读:：教育作为一种准公共产品，具有较强的正外部性，是形成人力资本和实现创新的重要途径，对社会经济增长有很重要的影响。本文利用中国2002-2007年来31个省市的政府教育投入和国内生产总值的数据，采用面板数据模型分析方法实证分析了中国政府教育支出对经济增长的影响。结果表明，政府教育支出对经济增长有显著的正向影响。据此，提出了适当增加教育支出并优化经济增长结构以促进经济发展的政策建议。
论文关键词：政府教育支出，经济增长，人力资本，面板数据
从20 世纪60 年代舒尔茨提出“人力资本理论”以来，教育投资与经济增长关系一直是教育学和经济学关注的重要研究课题。教育作为一种准公共产品，具有较强的正外部性，是形成人力资本和实现创新的重要途径，对社会经济增长有很重要的影响。舒尔茨发现美国战后农业生产的增长中有80%主要是由教育以及与教育密切相关的科学技术所引起的。加西亚等人用美国48个州的超过14年的数据来估计由公共财政提供的教育的弹性系数，发现教育对促进当地经济发展的贡献很大。在知识经济时代，经济增长已经不单纯依靠物质资本和有形资产，科技和人力资本已经成为当今世界经济竞争的核心要素，而教育正是能够实现这一目的的手段。本文利用2002-2007年31个省市的政府教育投入和国内生产总值的数据，采用最新的面板数据模型分析方法对中国政府教育支出对经济增长的影响进行实证分析。
1 文献回顾
关于政府教育支出对经济增长的影响教育管理论文，国内相关文献大致作了以下研究：
美国经济学家舒尔茨(1961)在对美国1929年至1957年教育投资增量的收益率作了测算，发现1929年至1957年美国教育对国民经济增长的贡献率为33%，认为教育可以通过提高劳动生产率，进而促进经济的增长cssci期刊目录。Helms(1985)利用美国48个州1965年到1979年数据回归发现，增加教育支出可以提高以个人收人表示的经济增长。我国学者郭玉清和郭庆旺(2006)在Romer的两部门内生经济增长模型基础上构建动态计量模型，实证分析中国财政教育支出对知识积累和经济增长的动态影响以及各经济变量逐步达到稳定增长时所遵循的路径。王超 (2004)在进行我国教育与经济增长的实证研究中得出结论：作为一种特殊的公共支出，教育投入对经济增长的贡献将大大高于诸如资本品的其他要素投入对经济增长的贡献。马拴友( 2003)通过修改Park的模型，利用中国1983-1998 年GDP、资本存量、劳动、知识存量和人力资本的相关数据，得出中国知识存量和人力资本对经济增长影响的实证分析结果，中国公共教育支出的产出贡献率为23.7%，教育支出的收益率高于物质资本。刘振彪，郑颖（2008）通过对中国政府教育支出与经济增长的关系设立两部门内生增长模型，得出长时期内中国政府教育支出的经济增长效应为正的结论。吴舒卉（2006）通过对华东地区教育支出与经济增长关系的实证分析，得出教育支出对经济增长有明显促进作用，其影响高于固定资本对经济增长的影响。姚先国，张海峰（2008）通过的动态面板数据方法分析了教育、人力资本与地区经济差异，认为劳动力教育程度的提高对地区经济增长有显著积极的影响，并表现出一定程度的溢出效应。其他的一些学者在采用柯布-道格拉斯生产函数的基础上也分别测算了教育对我国经济增长的贡献率，如叶茂林等（2003）分析1981-2000年的数据得出教育对国民收入的贡献率为31.17%。
本文利用2002-2007年31个省市的政府教育投入和国内生产总值的数据，采用面板数据模型分析方法对中国政府教育支出对经济增长的影响进行实证分析。
2 实证分析
2.1数据来源与指标选取
本文选取来自于《中国统计年鉴》2002-2007年全国31个省区直辖市的面板数据。因政府对教育投资多少，反映了一个国家对教育的重视程度教育管理论文，而且政府投资一直占我国教育投资的绝大部分，故本文选择各地区国家财政性教育经费投入量作为反映我国教育投资水平的变量，用EDU表示；检验教育投资效果的经济总量指标选用国内生产总值GDP。本文回归均采用Eviews 6.0 进行，为了消除异方差的影响，对两变量分别取对数记为LnEDU 和LnGDP。
2.2 面板数据模型的类型和选取
面板数据又称平行数据，是把时间序列沿空间方向扩展，或把截面数据沿时间扩展构成的二维数据集合。面板数据模型是建立在面板数据之上、用于分析变量之间相互关系的计量经济模型。它不仅增加了样本观测量，而且可以减弱解释变量多重共线性的影响，降低估计误差cssci期刊目录。面板数据模型的一般形式为：
 ， ①
其中， 是被解释变量，是解释变量向量， 为参数变量，表示不同个体， 表示不同时间，是解释变量个数， 为随机扰动项且相互独立。且满足零均值、等方差。面板数据模型主要有以下三种形式：
认为个体间的差异是系统性的，是确定的，即假设 为常数，可以表示为： ②
模型中截距和斜率参数随着个体的不同都在改变，所以称模型②为“变系数模型”。在模型②中截距和斜率参数又可以有如下两种假设：
H01：回归斜率系数相同但截距不同
即有： 教育管理论文，模型为：
 ③
模型③称为变截距模型。
H02：回归斜率系数和截距都相同
即有： ，，模型为：
④
此时相当于将T个时期的横截面数据融合成一个“混合样本”，所以称模型④为“混合估计模型”。
因为利用这三种模型分别得出的结果存在很大的不同，所以在实际应用中需要判断样本数据究竟属于哪种模型形式，因此可以利用协方差分析构造F检验统计量来识别模型。
 ⑤
F2~ 
 ⑥
F1~
其中，S1 、S2 、S3 分别为变系数模型、变截距模型和混合估计模型的残差平方和。因此，对于给定的显著性水平，首先利用F2 统计量判断是否为混合估计模型。如果F2大(等)于某置信度(如95%)下的同分布临界值，则拒绝H02，应继续检验；反之，利用混合估计模型拟合样本。在拒绝H02的基础上，如果F1大(等)于某置信度(如95%)下的同分布临界值，则拒绝H01，应该用变系数模型拟合样本；反之，用变截距模型拟合。
分别运用模型②、③、④进行回归，得到的残差平方和依次为S1=7.271206、S2=7.587103、S3=31.45393，因为N=31，T=6，K=1，将它们代入F1、F2 表达式中教育管理论文，得出F2 = 6.873362，F1 = 0.179572，另外，NT-N(K+1)=124，(N-1)(K+1)=60，(N-1)K=30，所以在给定5%的显著水平上，查表可得：F(60，124)≈1.43 ，F(30，124)≈1.55。通过比较可得：F2 > F(60，124)，因此拒绝假设H02，不为混合估计模型；F1<F(30，124)，则接受假设H01，所以在本研究中采用变截距模型。结合上文分析，我们构造出政府教育支出对经济增长影响的变截距模型并采用这一模型进行回归，模型如下：
 ，⑦
1/2 1 2 下一页 尾页 |
