1、政府教育支出 与经济增长的协整分析 注意改下格式，编辑表明，图名以及列下参考文献 摘要： 本文 应用协整理论对我国教育支出和经济增长之间的关系进行实证分析。 得出了我国教育支出对经济的发展支持不够，教育投入不够的结论 【 关键词 】 教育支出 经济增长 格兰杰因果关系 协整 0 引言 政府教育支出是由教育产品的公共品性质所决定的。判断教育产品是公共产品、准公共产品还是私人产品对于合理界定政府的公共支出范围，优化政府资源配置，加强政府 对宏观经济调控，促进社会经济和社会事业的健康、稳定发展具有重要意义。 本文主要从协整角度研究教育支出、财政支出和 GDP 之间的协整关系，格兰杰因果关系，以及三者
2、之间的 VAR 模型，以期其能做为政府决策教育支出的参考意见。 政府教育支出对宏观经济的影响应该从两个方面来考虑：一是政府教育支出直接构成社会投资和消费资金的一部分，并且政府的公共教育支出通过产业的关联性和乘数效应还直接或间接地影响到宏观经济的增长。二是从长期来看，政府教育支出作为一种人力资本的投资，能大大提高劳动力的技术知识和管理知识，这必然导致社会劳动 生产力的提高和技术的进步，从而对宏观经济产生巨大影响。 1 文献综述 美国著名经济学家舒尔茨 1962 年运用大量统计数据得出 1929-1957 年美国经济增长有33%的份额要归因于美国教育的发展，前苏联著名学者斯特鲁米林运用劳动简化率算
3、得1940-1960 国民收入增长额中有 30%由于教育投资提高了劳动者整体文化程度，而近二十年该比例还有所提高。再看近代日本和亚洲四小龙创造的经济奇迹，他们具有一个共同的特点：高度过重视国民教育投资，人力资本在经济发展中处于绝对 重要的地位。在知识经济时代，经济发展的支撑重点转移于人力资源，许多经济学家称“开发人力资源，增加人力资本投资”是促进社会、科技、经济全面发展的第一原动力。 丹尼森把 1929 1982 年间美国经济增长的因素核算分为：劳动、资本、单位投入产量、知识进展、资源配置和规模经济几个部分，经过核算表明， 1929 1982 年间 2.92%的年实际经济增长率中的 1.90%
4、归功于要素投入增长， 1.02%应归功于技术进步。其中，知识进展对整个经济增长的贡献为 0.66 个百分点。由此可见，政府教育支出作为人力资本投资的一部分能极大地促 进社会劳动生产率的提高和技术进步，从而对宏观经济的长期、稳定增长产生巨大影响。 由于各国的经济、政治、文化及各种背景的不同，我们很难找到他们完全一致的发展道路，完全相同的发展轨迹。但是，教育却能成为其中主要的安全出口，不管是二战战败国日本，还是战胜国美国；不管是在欧洲还是亚洲，几乎所有经济发展较快、民众生活水平提高较快的国家，无一不把教育当做他们解决问题的重点，而对教育的重视也给这些国家带来较高的回报，国民素质的提高、综合国力的增
5、强、加快发展的科学技术等，无一不与教育的发展有关。 无论对于个人还是国家而言 ,教 育都是创造知识和传播知识的关键。通过教育 ,人们的文化水平得到提高 ,相应的提高了劳动生产率 ,从而带来的增长和整个社会经济的发展。教育投资和物质资本投资都是经济增长不可或缺的因素 , 但我国由于经济发展不充分，教育投入力度不够，我国教育投资对国民经济发展的贡献份额较其他发达国家明显偏低，从长远利益来看，这必将阻碍我国经济的发展。因此，我们运用大量统计资料 ,从定量角度分析教育投资对增长的贡献率 ,以使大家更直观地了解教育的重要性。 政府的公共教育支出对宏观经济的影响是政府教育自身发挥其经济职能的表现。由于 教
6、育对人力资本影响的经济效益的复杂性及理论研究的欠缺，所以教育支出影响的人力资本和技术进步对于经济增长的贡献，至今没有一个理想的统一衡量标准（王文博等， 2001）。目前，具有代表性的几种计量方法主要有：舒尔茨（ Schultz ）的余数分析法、丹尼森（ Denison） 的经济增长因素法和斯特鲁米林（ Sterlumlin）的劳动简化法。上述分析方法都有一个共同的特点，就是在研究教育支出对经济效益的影响时，将教育表现为资本投入的一种因素，力求以劳动技术投入量和货币资本投入量来共同估算人力资本对宏观经济所产生的影响 。然而，这种量化关系的建立是演绎推导出来的，计算结果虽然不能够准确说明问题，但是
7、这些分析方法都对因教育投入促使人力资本水平的提高而导致经济增长做了一些相关的、合理的估算。 美国著名经济学家舒尔茨 1962年运用大量统计数据得出 1929-1957年美国经济增长有33%的份额要归因于美国教育的发展， 舒尔茨教授（和他的追随者们）通过研究证实，美国经济在 “人力资本 ”上的投资收益大于在实物资本上的投资收益，而这种状况正是导致教育投资的增长速度大大高于其他投资的增长速度的一个原因。这样，舒尔茨教授通过农业经济学研究，特别 是大量的实证研究，发现并提出了 “人力资本 ”理论，并进而把这一理论应用到经济发展领域。 前苏联著名学者斯特鲁米林运用劳动简化率算得 1940-1960国民
8、收入增长额中有 30%由于教育投资提高了劳动者整体文化程度，而近二十年该比例还有所提高。 丹尼森把 1929 1982 年间美国经济增长的因素核算分为：劳动、资本、单位投入产量、知识进展、资源配置和规模经济几个部分，经过核算表明， 1929 1982 年间 2.92%的年实际经济增长率中的 1.90%归功于要素投入增长， 1.02%应归功于技术进步。其中，知识进展对整个经济增 长的贡献为 0.66 个百分点。由此可见，政府教育支出作为人力资本投资的一部分能极大地促进社会劳动生产率的提高和技术进步，从而对宏观经济的长期、稳定增长产生巨大影响。 二、研究方法及数据来源 1、数据来源 本文运用的关于
9、 GDP 、财政支出（ GE）和教育支出（ EDUGE）的年度数据来源于 国家 统计局主编的 中国 统计年鉴 2001 和 中国 统计年鉴 2011 整理而得，为了消除时间序列的影响，在不改变变量特征的前提下，本文对三组数据均做了对数化处理，分别表示为：LGDP, LGE， LEDUGE（见附表 1）。这种情况也 可以通过从 GDP 、 GE 和 EDUGE 经对数化处理前后的时间序列图上反映出来，如图 1 和图 2 所示。本文运用 Eviews6.0 计量经济学软件对数据进行分析。 02468101255 60 65 70 75 80 85 90 95 00 05 10L G D P L E
10、 D U G E LG E2 平稳性检验 单位根检验法 Dickey and Fuller (1979 )针对 AR(1)的时间序列形式提出所谓的 Dickey- Fuller (DF) 单位根检验法，检验序列是否存在非平稳的单位根现象。由于 Dickey-Fuller (DF) 单位根检验法是假设为误差项，然而回归残差项常会有显著的自相关现象，此现象将会影响检验的效果。因 此 Dickey and Fuller (1981 )在考虑残差项序列相关之后，就以 AR(p)的形式进行单位根检验，称为修正后的 DF 检验 (Augmented Dickey-Fuller test, ADF)，其模型
11、如下所示： （ 1） 无常数项且无时间趋势项： 111pt t t t tty y y （ 2） 含常数项但无时间趋势项： 111pt t t t tty y y （ 3） 含常数项与时间趋势项： 111pt t t t tty t y y DF 检验其实是 ADF 检验的一个特例。当假 设检验成立时，表示变量具有单位根现象，为一非平稳的时间序列资料；反之，若拒绝假设检验时，则表示变量不具有单位根现象，为一平稳性的时间序列。只要变量的原始序列的水平项接受任何一种形式的单位根检验的假设，本文即认定该变量属于非平稳性的时间序列，必须更进一步对变量进行一次差分的单位根检验以确保序列的协整阶次。在 E
12、views 中给出的是由 Mackinnon 改进的单位根检验的临界值。如果变量是单整的，那么我们将对相关变量进行协整检验（ Cointegration Test）分别确定 GDP 、财政收入和财政支出之间的 长期关系。 3、协整检验 JJ 检验法 本文采用 Johansen (1988, 1990, and 1994 )及 Johansen and Juselius (1990 )所提出的多变量协整检验法，利用最大似然估计检验法来检验协整的关系。这种方法以一个高斯向量自回归模型 (Gaussian Vector Autoregression Model)为出发点，利用其所对应的误差修正表现形
13、式 (Error Correction Represenation)作为最大似然估计法的基础，并以两种似然比检验(Likelihood Ratio Tests )统计量来确认协整向量的个数，并使用 Akailke (1973)所提出的 AIC 准则和 Schwarz criterion(SC 准则 )作为最佳落差期数的判断准则，这两项数值越小越好。Johansen 协整检验的模型共有以下五个： 然后，我们再根据相关准则选出最优模型。 4、格兰杰因果关系检验 Granger (1986 )指出，若变量间具有协整现象时，在采用向量自回归 (VA R )模型进行研究时，必须在向量自回归模型各方程式后
14、再加上一个或数个误差修正项 (Error Correction Terms )，以形成向量误差修正模型 (Vector Error Correction Model; VECM)；也就是说，误差修正模型是建立于变量间具有长期均衡的协整关系下，所以其分析兼具变量间隐含的长期及短期动态的信息。该模型公式如下： 1 1 , 2 , 1 ,1 1 1m m mit it t i t i i t i i t i itt t ty Z a y b y c y Ac (9) 在此基础上，再根据 Granger 所提出的因果关系检验方法，判断各变量之间的因果关系。Granger 因果关系检验的基本原理是，如果
15、变量 过去和现在的信息有助于改进变量 的预测，则 认为 是由 引起的 Granger 原因。 Granger 因果关系检验中最主要的是最优滞后期的确定，在本文中，最优滞后期的确定是按 Schwarts Information Criterion(SIC) 确定的。 四、实证过程与结果分析 1、平稳性检验 我们运用 ADF 检验方法进行变量的单位根检验，以确定各变量的平稳性。从图 1 中我们发现各变量是有时间趋势的，因此我们采用含常数项与时间趋势项的模型对它们进行平稳性检验。检验结果显示， 河南 省的 LGDP、 LGE 和 LEDUGE 的原水平序列的 ADF 值都大于 Mackinnon 临
16、界值，而一阶差分后的 ADF 值都小于 Mackinnon 临界值（见表 1），很显然，所有的数据在一阶差分之前是非平稳的，但是在一阶差分处理之后，所有的数据都出现平稳的态势。因此， LGDP、 LGE 和 LEDUGE 是 I(1) 的。 表 1 中国财政 支 出，教育支出和 GDP 单位根检验结果 变量 水平检验结果 一阶差分检验结果 ADF 值 1% 5% ADF 值 1% 5% LGDP 2.41 -3.56 -2.92 -3.78 -3.55 -2.91 LGE -3.78 -3.55 -2.91 -7.64 -3.56 -2.92 LEDUGE 2.53 -3.55 -2.91 -
17、6.59 -3.55 -2.91 2、变量的协整检验 由于上述各变量都是单整的，因此，我们可以利用 JJ 检验法判断它们之间是否存在协整关系，并进一步确定相关变量之间的符号关系。显然， Johansen 的协整检验对时滞的选择是十分敏感的。 Schwarts Information Criterion(SIC) 被用来去选择协整检验需要的时滞。SIC 显示在时滞为 1 时其值是最小的，因此比较适合 VAR 模型。表 2 显示了 Johansen 和Jnselius(1990)协整检验的结果。 表 2 gdp， ge， eduge 的 Johansen 协整检验结果 假设的协整方程个数 特征值
18、迹统计量 临界值（ 5） Prob. 没有 0.233162 25.91382 29.79707 0.1313 最多一个 0.107396 10.78147 15.49471 0.2253 最多两个 0.072754 4.305579 3.841466 0.0380 可以看出， 三者之间有且仅有一个协整关系 协整等式如 下： 表 3 协整结果 LEDUGE LGDP LGE 1.000000 0.181986 -1.259562 (0.28812) (0.29887) 下面进行格兰杰因果关系检验，得出如下结果： 表 4 格兰杰因果关系结果 原假设 OBS F 统计量 P 值 结论 LGDP L
19、GE 57 6.63105 0.0027 拒绝 LGE LGDP 57 0.29510 0.7457 接受 LGDP LEDUGE 57 5.21387 0.0086 拒绝 LEDUGE LGDP 57 1.15426 0.3232 接受 LGE LEDUGE 57 1.82477 0.1714 接受 LEDUGE LGE 57 4.81248 0.0121 拒绝 可以看出， GDP 增长是财政支出增长的格兰杰原因，反过来不成立， GDP 是教育支出增长的格兰杰原因，反过来不成立，而财政支出和教育支出之间则仅有微弱的因果关系。这说明了财政支出，教育支出对经济的拉动不够，我们应该加大教育投入，使
20、 其发挥最大的对经济拉动作用 下面分析三者之间的 VAR 模型 于是，我们得到 LEDUGE=-0.073+0.82LEDUGE(-1)+ 0.043LEDUGE(-2)+0.50LGDP(-1)-0.37LGDP(-2)+0.10LGE(-1) 该等式可用于对教育支出的预测。 四对中国教育资本现状的分析 （一）中国在人力资本上的投资与发达国家的差距是很明显的 在中国，政府的教育支出占整个社会教育支出的绝大部分，在整个 1990 年代，中国各级政府的教育支出占 GDP 的比重不足 3，而在实物上的投资却大约占到 GDP 的 30%.相比之下，美国教育投资和实物投资占 GDP 的比重分别是 5.
21、4%和 17。即使是在发展中国家，中国在人力资本上的投资也是低于平均水平。 近年来政府在人力资本投资的绝对量有所上升，但相对水平的国际比较只降不升。 2002年，中国教育支出占 GDP 的比重上升到 3.3，但实物投资占 GDP 的比重更上升到 45！在中国，实物资本与人力资本投资的比例比其他大多数国家都要高得多。 在一个有效的投资市场中，应该是各种形式、各个地区的投资回报率都是一样的，否则资本会从低回报的地方流向高回报的地方。如果实物资本的 投资回报远远高于人力资本的回报，那么这种不平衡是合理的。但是，实际上中国人力资本的潜在投资回报率不但远远高于实物资本的投资回报率，也高于发达国家的教育投
22、资回报率。只是中国存在很大的政策扭曲，使得这种潜在回报率无法实现。在这个意义上，可以说中国的教育投资严重不足。这极大地阻碍了中国经济的发展。 （二）中国人力资本投资的潜在回报比发达国家还要高得多 中国是个处于转型期的大国，其变化日新月异。越是有知识和技能的人，越能很好地适应各种变化，并反过来更好地推进经济的发展。与此同时，中国与国际经济的联系日益紧密，新思想 、新技术的本土化，以及中国经济的全球化都迫切需要大量受过良好教育的人，因为大量实物资本的投资，需要很高的技术含量，也需要大量高素质的人员去操作。需要高效率运转的项目投资尤其如此。而且，中国当前大量不熟练劳工进入城市，也需要高素质人员去培训
23、他们。 由于中国整体处于一个比较低的水平，所以有知识和技能的人接受新技术、帮助整个社会的 “溢出效应 “更为显著。换句话说，就是人力资本投资的社会总回报很高。新近的一项研究表明，如果考虑对社会产出的贡献，而不仅仅是个人收入，中国人力资本投资回报率高达30%至 40%，高于物质资本 投资的回报（估计可以高达 20%），也高于美国等发达国家的人力资本投资回报（ 15% 20%）。 （三）必须为这些潜在的回报变成真正的回报创造条件 关键的问题是，首先，放开劳动市场，消除劳动力市场的结构性障碍，让教育的高回报真正体现出来，让人们愿意投资教育。其次，改革教育市场，对所有形式的资本开放竞争，创造融资的条件
24、，让人们不但愿意、而且可以投资教育。中国已经有一些资金投资于教育领域，也有一批私营学校，但这些都需要大大加速。教育的各个领域，包括大学都可以引入各种形式的资金进入竞争，从而促进教育基础设施和教育水平 的提高。与此同时，发展教育融资市场，使得人们不至于由于流动性约束而失去受教育的机会。 结论： 中国经济的高速增长掩盖不住效率偏低的现实，这是无法回避的问题。仅看中国这个“世界工厂 “在全球产业价值链中的低端位置，就可以知道，中国的增长模式亟待改变。而中国已经明确提出了 “以人为本 “的发展观，同时把转换经济发展模式作为当前一个迫切的任务。 【 参考 文献 】 1 计量经济学导论（美） 2 3 现代
25、经济探讨 2001 年第 7 期。 4 贝克尔 .人力资本 .北京 :北京大学出版社 ,1987。 5 斯特鲁米林 国民教育的经济意义 6 丹尼森 美国经济增长的原因与我们面临的选择 7 詹姆斯赫克曼商务周刊 附录： year LGDP LGE LEDUGE 1952 3.586016 0.506818 2.400619 1953 3.720862 0.871293 2.957511 1954 3.784644 1.036737 2.994231 1955 3.840097 1.075002 2.944439 1956 3.873698 1.497388 3.278276 1957 3.961
26、765 1.470176 3.33149 1958 4.106932 2.500616 3.24142 1959 4.159352 2.711378 3.507358 1960 4.191925 2.90963 3.836006 1961 3.834926 2.384165 3.495295 1962 3.761665 1.819699 3.316003 1963 3.748327 2.065596 3.38845 1964 3.939638 2.556452 3.549043 1965 4.1425 2.243896 3.578227 1966 4.335852 2.299581 3.702
27、042 1967 4.363608 2.182675 3.608753 1968 4.279302 2.069391 3.314186 1969 4.392967 2.452728 3.297317 1970 4.576668 2.666534 3.316365 1971 4.652054 2.72261 3.517201 1972 4.713217 2.75684 3.673258 1973 4.762601 2.829087 3.771611 1974 4.786825 2.905808 3.932218 1975 4.850232 3.011606 3.973682 1976 4.832
28、465 3.085116 4.046554 1977 4.970577 3.068518 4.088662 1978 5.093259 3.320349 4.318155 1979 5.247498 3.39652 4.534318 1980 5.43442 3.286161 4.737513 1981 5.52022 3.251924 4.810476 1982 5.573294 3.394844 4.924424 1983 5.792861 3.403195 5.044972 1984 5.913611 3.605226 5.197834 1985 6.113107 3.902175 5.
29、424201 1986 6.220411 4.237001 5.615752 1987 6.412803 4.178379 5.683342 1988 6.618859 4.333624 5.876783 1989 6.746071 4.47358 6.02197 1990 6.840172 4.494574 6.136538 1991 6.95247 4.583742 6.277376 1992 7.15442 4.757805 6.432474 1993 7.416234 4.995386 6.626585 1994 7.707256 5.133561 6.926361 1995 8.00
30、728 5.334071 7.087281 1996 8.205541 5.5424 7.255386 1997 8.313671 5.672773 7.34331 1998 8.379447 5.779601 7.453736 1999 8.428602 5.951476 7.563886 2000 8.544353 6.099265 7.68686 2001 8.637659 6.231623 7.877337 2002 8.705411 6.444417 8.041088 2003 8.834585 6.574518 8.11711 2004 9.05413 6.779876 8.300976 2005 9.267422 7.017542 8.447993 2006 9.422446 7.272461 8.664854 2007 9.616636 7.53402 8.943101 2008 9.799156 7.732637 9.178396 2009 9.877167 7.97445 9.411737 2010 10.04726 8.136267 9.584906
