教育投资、人力资本提高与西部经济的崛起—以贵州省1950—2008年的时间序列数据为例-论文网

LY=46.24+1.26LN-4.98LPOP+1.67LI(3)

LY=14.99+0.86LN-4.76LPOP+2.11LI(4)

表6各VAR系统的标准协整向量系数

注：括号内为t统计量；***、**、*分别表示在1%、5%、10%的显著性水平下显著。

从表6的回归结果中可以看出，就长期而言，各类教育指标与经济增长之间存在正相关关系。具体而言，第一、政府教育支出的产出弹性最大，而且在5%的显著性水平下显著，其经济含义是政府教育支出每增加1%，贵州省总产出将增加1.61%。这和大部分研究结果类似。政府增加教育投入会大大改进教育基础设施，使得各层次的学校能够培养出更多优秀的人才为地区经济的发展做贡献。第二、高校专任教师数的产出弹性为1.26，但只是在10%的显著性水平下才显著。其经济含义是普通高校专任教师数每增加1%，贵州省总产出将增加1.26%。此产出弹性小于教育支出的产出弹性，这也不难理解，因为教育支出可以用于很多方面，增加教师数量只是其中一个。第三，普通高校在校学生数的产出弹性最小，不过非常显著，其经济含义是普通高校在校学生数每增加1%，贵州省总产出将增加0.86%。学生数的产出弹性不高说明单单依靠增加学生数量，比如说高校扩招，如果相应的教育基础设施无法跟上的话，其效果不一定理想。

另外，在3个VAR系统中，人口的产出弹性都为负，而且都比较显著。这和西部落后地区的实际情况是相符合的。人口增加，虽然一方面会增加这些地区的劳动力数量，但是另一方而也会加重政府的财政负担，考虑到西部地区经济比较落后，人口增加的综合结果很有可能是总产出下降。3个VAR系统中的固定资产投资额的产出弹性为正，而且非常显著。这与西部落后地区劳动力丰裕，资本稀缺的现实相吻合。

(三)向量误差修正模型

协整检验结果证明了总产出、各类教育指标、总人口和固定资产投资额之间存在长期稳定的均衡关系，但二者之间是否存在短期波动关系，还需要进一步验证。下面，本文将借助向量误差修正模型，建立教育与经济增长之间的短期波动模型。由于向量误差修正模型的滞后期是无约束VAR模型一阶差分变量的滞后期，前文确定的所有无约束VAR模型的滞后期为2，所以对应的VECM滞后期应为1。回归模型时，我们还是假定序列没有确定性线性趋势而且协整方程只有截距。具体估计结果详见表7。

为了节省篇幅，表7中只列出了3个VAR系统中以DLY和各类教育指标为因变量的误差修正方程。从回归结果来看，以DLY为因变量的误差修正方程中，误差修正项ECM的系数都很显著，它的大小反映了对偏离长期均衡的调整力度，其经济含义是，当短期波动偏离长期均衡时，3个VAR系统的ECM将以-0.16、-0.15、-0.12的调整力度将非均衡状态拉回到均衡状态。另外，以各类教育指标为因变量的误差修正方程中，误差修正项ECM的系数也比较显著。其经济学解释和上面相同，故不再赘述。

表7向量误差修正模型的回归结果

注：括号内为t统计量；***、**、*分别表示在1%、5%、10%的显著性水平下显著。

下面我们讨论一下各类教育指标与总产出在短期内的因果关系。首先，我们看一下各类教育指标对总产出的短期影响。从回归结果来看，不难发现以下几个结论。第一、政府教育支出的回归系数为-0.13，而且在5%的显著性水平下显著。这说明，就短期而言，政府教育支出增加1%会使得总产出减少0.13%。教育投资是一种长期投资，从长远来看，教育投资的回报率会非常得高，方程(2)就是一个佐证。但是由于接受教育需要一个过程，不能一蹴而就，所以在短期内增加教育支出对经济增长的作用不会太明显。不仅如此，教育支出的增加意味着其它有利可图的投资减少，因此，综合的结果有可能是总产出下降，正如本文的回归结果所示，不过总产出下降的幅度不是很大（仅仅下降0.13%）。第二、普通高校专任教师数的回归系数为负但不显著。和上面分析一样，教育投资具有长期性，因而，教育基础设施的投资效果具有一定的滞后性。第三、普通高校在校学生数的回归系数为负也不显著。这从另一个角度说明了高校扩招的经济效果不是很理想，特别是在短期。

接着，我们讨论一下总产出对各类教育指标的短期影响。第一、总产出在短期内对教育支出没有影响。西部落后地区经济不发达，政府财政收入不是很宽裕，但政府需要投资的项目非常得多，考虑到教育投资的长期性以及发展经济的急迫性，政府在短期内不急于增加教育支出也是可以理解的。

 4/5   首页 上一页 2 3 4 5 下一页 尾页