高等职业教育的财政投入对高质量经济发展的影响

原文作者 Suming Xi 单位 School of Economics, Jinan University

摘要：我国经济已由高速增长阶段转向高质量发展阶段，经济发展方式的转变对人力资源提出了新的要求。因此，本文基于2011-2017年省级面板数据，采用固定效应模型分析高等职业教育财政投入对劳动生产率的影响，并验证前者是否能对经济高质量发展产生积极作用。研究表明，高等职业教育财政投入对劳动生产率有明显的促进作用，加大投入对经济高质量发展有促进作用。最后，本文根据分析结果，提出了相应的对策。

关键词：高质量经济发展； 金融投资； 高等职业教育；固定效应模型

简介

在中国共产党第十九次全国代表大会的报告中，习近平总书记指出：“我国经济已由高速增长阶段转向高质量发展阶段。”这表明，中国正在逐步摒弃“唯GDP论”的经济发展模式， 正处于转变发展方式和优化发展方式的过程中。在经济结构攻坚期和增长动力转换期，经济高质量发展已成为当今和未来中国经济建设的主题。另一方面，《国家职业教育改革实施方案》明确提出：“随着我国进入新的发展阶段，产业升级和经济结构调整不断加快，各行业对技术技能人才的需求越来越迫切。职业教育的重要地位和作用更加突出。”可见，通过提高劳动力供给质量来提高劳动生产率是促进中国经济高质量发展的有效途径。

张海峰等（2010）人认为，教育质量与劳动生产率之间存在着正相关关系。教育质量越高，越能促进劳动生产率的提高[1]。同时，劳动生产率也会受到其他因素的影响。吴昊（2017）选取了全国286个地级市的数据板块作为样本，用FE、RE等方法发现，人力资本投资对中国劳动生产率的影响最为明显[2]。毛丰福等（2012）在城市产出函数中引入了资本存量和产业结构变量，认为每个劳动力的资本存量对中国城市劳动生产率的提高有显著影响[3]。严鹏飞等（2004）利用DEA方法对各省30的面板数据进行了实证检验，指出技术进步是导致各地区生产力的差异[4]。与普通教育相比，职业教育对劳动者的技能水平和应用能力的提高更为直接和明显。因此，一些学者直接讨论了职业教育对劳动生产率的影响。王磊（2011）采用变量系数个体随机效应模型进行分析，得到的结论是：职业教育的发展可以促进经济增长，各地区职业教育对经济增长的平均贡献率为0.23%[5]。关于高等职业教育，钟武亚（2015）认为，加大对高等职业教育的投入，扩大高等职业教育的规模，丰富教育类型，可以促进产业发展[6]。关于高等职业教育与劳动生产率的关系，魏晋（2009）指出，与普通高校毕业生相比，专业对口的高职毕业生具有更高的工作满意度，从而带来更高的劳动生产率[7]。

综上所述，关于高等职业教育与劳动生产率关系的探讨，相关研究要么没有把高等职业教育投资作为核心解释变量，要么仅仅局限于高等职业教育这一单一变量。笔者认为，在中国经济转型和产业升级的关键时刻，有必要深入探讨金融高等职业教育投资对劳动生产率的影响，进而分析金融高等职业教育投资对经济高质量发展的影响，探索通过金融引导促进经济 高质量发展的更有效的可行方案。因此，本文提出了财政性高等职业教育投资对劳动生产率 的贡献模型，以促进经济高质量发展。本文利用2011-2017年省级面板数据进行实证分析和稳健性检验，最后提出有针对性的政策建议。

实证分析

模型选择

为了验证高等职业教育财政投入与经济高质量发展之间的关系。本文主要探讨了2011- 2017年中国31个省份高等职业教育财政投入与劳动生产率之间的关系。研究内容包括时间和空间两个维度，固定效应模型可以为本文的分析提供良好的基础。为了消除单位差分、自相关和异方差对实证结果的影响，本文对所有变量取对数。因此，本文建立了以下模型。

??(??_it)=? ?₁lowast;?.??(???_it) ?₂lowast;??(???_it) ?₃lowast;??(???_it) ?₄lowast;??(????_it) ?₅lowast;??(???_it) ε_it

i代表一个省，t代表一个特定的年份，alpha;是一个常数项，?_i代表一个影响因子，?_it是一个随机干扰项。

变量描述

本研究中的高等教育财政投入数据主要来自《2011-2017年中国教育统计年鉴》和《中国教育经费统计年鉴》，劳动生产率、工业化水平和单位劳动力资本存量等控制变量数据均 来自《中国统计年鉴》。

本文的核心解释变量是高等职业教育的财政投入（Edu）。该变量由地方普通高等职业院 校的生均公共财政预算教育支出表示。它用该省当年的教育支出与普通高职院校学生人数的比率来表示。教育支出分为事业费和基本建设支出。支出包括人员经费和公用经费，可以较好地反映教师数量等因素对教学质量的影响。基本建设支出包括建设校舍、购买教学设备和仪器的费用，可以有效保证教学质量。由于高等职业教育财政投入带来的人力资本增加的收入一般具有滞后效应，本文选择生均公共财政预算教育支出的一阶滞后作为核心解释变量。

本文的解释变量是劳动生产率（LP），它是反映一个地区的劳动生产率的指标。本文以该地区当年的实际GDP与职工总数之比作为劳动生产率的替代变量。实际GDP是对同一产品在不同时期产出变化的衡量，而不变的价格反映了同一产品在不同时期的最终实际价值。因此，用实际GDP与从业人数的比值可以更有效地说明不同时期劳动生产的实际价值，从而更好地反映一个地区劳动的实际生产效率。

本文主要讨论生均公共财政预算教育支出与劳动生产率的关系，但不能忽视劳动生产率在实际经济活动中也会受到其他因素的影响。因此，作者选择了四个控制变量：工业化程度（ Idu）、每个劳动力的资本存量（Cap）、劳动教育水平（Ellf）和规模以上企业的研发投入（RDI）。其中，工业化程度由第二产业的增加值与第一产业的增加值之比决定。该比率越高，工业化程度越高；每个劳动力的资本存量由固定资产投资与职工总数的比率决定，该比率越高代表劳动力越多。人均资本存量越大；劳动力的教育水平是由劳动力中拥有本科以上学历的雇员人数与雇员总数的比率决定的。该比例越高，说明劳动力的教育水平越高，人力资本积累越充分；研发投入是根据规模以上工业企业研发经费与规模以上工业企业研发人员全时当量的比例确定。

模型分析

描述性统计

从表1可以看出，样本数据中的劳动生产率和学生人均公共预算教育支出存在明显差异。劳动生产率最高的是（2017年的74.26江苏省），最小的只有（11.112012年的西藏自治区）。两者之间的差距接近7倍。生均公共预算教育支出为61,403元（北京市在2017年），最低为元1085（内蒙古自治区在2011年）。两者之间的差距约为60倍。此外，不同地区在不同时间点的工业化程度、每个劳动力的资本存量、劳动教育水平、规模以上企业的研发投入等方面也有不同程度的差异。

单位根检验

为了保证模型估计结果的有效性，避免出现伪回归问题，需要首先对面板数据进行静止性检验。本文在单位根检验中采用ADF-Fisher检验数据的平稳性，检验结果见表 2.

表1 描述性统计

表2 单位根检验

注：*、**、***分别表示变量系数在10%、5%和1%时的显著性检验。

从结果可以看出，所有变量都拒绝了无效假设，所以不存在单位根。每个序列都是一阶单整序列，在同阶的情况下，该序列可能存在协整关系，需要对子变量进一步进行协整检验。

协整检验

表3 协整检验