分级教育中性别比对经济增长的影响

张 凡 骆永民 方大春 赵仁芳

(安徽工业大学商学院 安徽马鞍山 243002)

分级教育中性别比对经济增长的影响

张 凡 骆永民 方大春 赵仁芳

(安徽工业大学商学院 安徽马鞍山 243002)

现有人力资本理论认为，不同教育层次的人力资本具有不可替代性。基于此，本文重点考察了分级教育中性别差异的经济增长效应。在理论分析的基础上，本文选取了30个省(市、自治区)2001—2014年的数据，通过建立静态、动态面板模型以及空间计量模型进行实证分析，结果表明：具有初级教育水平的劳动者性别比越偏重于男性，经济增长效率就越高；中级和高级教育水平的劳动者性别比越偏重于女性，则经济增长效率越高。

教育层次；性别比；GMM估计；空间计量

人力资本通过要素投入、技术革新等机制作用于经济增长[1]，不同结构的人力资本对经济增长的影响差异较大，所以异质人力资本的假定相比于同质人力资本更具合理性。教育程度和性别差异是异质人力资本的重要体现，重点反映了人力资本结构。一般来说，教育程度与人的创造力成正比，教育程度越高对经济增长的贡献度就越大。这也是近年来我国大力发展高等教育的原因。改革开放以来，我国十分重视人力资本和教育的作用，陆续推出了“科教兴国”和“人才强国”战略。虽然我们的人力资本水平有了很大的提高，但是仍存在着诸多问题。2014年全国就业人员中，受过初级教育(小学和初中)的劳动者占66.7%，受过中级教育(高中)的劳动者占17.2%，受过高等教育(大学专科、大学本科和研究生)的劳动者仅有16.1%。从这个数字可以发现，我国目前人力资本结构还存在着较大的问题，受过高等教育的劳动者所占比重明显小于受过中级教育和初级教育的劳动者。

同样，性别差异也是人力资本结构中不可忽视的。女性人力资本折旧率高于男性[2]、男性的投资收益率高于女性[3]，并且同一教育水平上的就业人员，两性之间因为生理结构、社会分工、身份定位等差异以致在思维方面也已形成了普遍的不同，这些决定了男性和女性在工作中承担着不同的角色，创造力也有很大的差异。这些因素共同导致了我国相同的教育程度上性别差异比较明显。

一般认为，教育能丰富人的知识结构，教育层次与人的技能和创造力有关。教育性别差异可能导致男性和女性在社会经济发展中的角色和地位不同；其次，教育性别比的变化从某种程度上反映了社会大众教育观念、性别观念的变迁，或者直接反映了女性地位的变化。在同一教育水平上，性别差异对经济增长有何影响？不同的教育水平上，影响是否一致？对这些问题的探讨可以为我国教育政策的转变提供建议。

一、文献综述

自人力资本提出之际，它就没有离开过与经济增长关系的研究。无论是Uzawa[4]包含人力资本要素的经济增长模型还是Romer[5][6]的内生增长模型，都突出人力资本对经济增长的重要影响。人力资本外溢性作用机制是影响经济增长又一重要方面。教育在人力资本的形成和经济增长中的不可替代作用都有目共睹[7][8]。在主流文献中通常认为人力资本是同质的，一般按照教育年限法折算成一个总量，用来代替一个地区的人力资本[9]。然而，劳动力所受教育层次不同，在相同教育层次中男女劳动者之间存在着区别。王巍建立受教育程度与经济增长的计量模型，得出缺少高中和中专、大专及以上文化程度的劳动力是我国农村经济增长缓慢的原因[10]。黄燕萍等通过改进的BS方程和计量模型发现：无论是初级教育还是高级教育对经济增长都有明显的促进作用，但是现阶段的我国，初级教育对经济增长的促进作用比高级教育明显[11]。吴宇晖等采用与黄燕萍类似的方法得出：受过高等教育的劳动力对经济增长的贡献度大，欠发达地区的贡献作用不明显，中级教育对地区经济增长的贡献作用不明显[12]。石丽认为接受中等教育程度的劳动力对我国目前经济增长的贡献作用最明显，这与吴宇晖的结论正好相反[13]。

关于教育中性别差异的研究很少，仅有零星的几篇文章。Hill和King利用时间序列的方法，将性别不平等(具体是用男女注册人数之比来衡量)与收入进行回归分析，得出男女性教育差距的缩小有利于全社会福利的增加[14]。冯登国(Sadeghi)通过建立一个简单的模型(模型中只包含三个主要的变量，假设经济增长只取决于教育中的性别差异和城市差异)进行实证分析，结果表明教育中性别比例差异的缩小对经济产生显著的影响[15]。教育性别平衡对经济增长的促进作用更明显[16]。

综上所述，已有的研究对我们认识以教育程度和性别差异为主的人力资本结构有着重要的指导作用。这给本文留下了继续研究的空间，目前关于不同的教育层次和性别比例的研究还是分开的，还没有人研究不同教育层次上的性别比的经济增长效应。本文在分级教育的基础上加入性别因素，探讨初级教育(小学和初中教育)、中级教育(高中教育)和高级教育(大专及以上教育)的性别差异对经济增长的影响效应。

二、理论分析

一般来说，劳动密集型企业对劳动者的知识和技能要求较低，为了节约生产成本通常会雇佣一些受教育水平较低的劳动者。在劳动密集型企业中，男性具有生理和身体上的优势。在一些重体力工作方面，女性无法胜任。这种情况在农村地区特别明显，许多男性在中小学毕业后都不再继续读书而选择外出务工，流向一些比较发达的地区，由于受制于自己的知识水平，他们只能从事简单的体力劳动，从而为劳动密集型企业提供了丰富的廉价劳动力，促进了这些企业的发展，从而有利于经济的增长。女性特别在结婚后，流动性变弱。她们依附于男性，为了家庭和孩子放弃了出去工作。

具有中级和高级教育水平的劳动者，他们具有一定知识水平和技能。性别差异相比于知识水平，可以被忽视，也就是说具有中级和高级教育的女性劳动者，可以和男性等同视之。受过中级教育和高级教育的劳动者，具备了一定的专业技能。由于这种技能，他们不太可能从事一些简单劳动。他们不再像具有初级教育水平的劳动者那样靠自己的体力劳动谋生，而是依赖于自己的专业知识和技能。在这一方面，女性和男性是没有差别的。简单加工型产业逐渐淘汰，产业结构持续优化，需要越来越多样化的高等教育人才，所以教育均衡化才是最终对经济增长有利的。另外，王爱君(2014)认为女性的投资效率被低估，社会在受教育上性别差异有了显著改善，这种观点的转变同样也是经济增长的催化剂[17]。

2014年初级教育中男女性别比例为99.37%，中级教育中男女性别比例为128.29%，高级教育中男女性别比例为110.52%(数据来源于《中国统计年鉴》)。从这个数字可以看出：我国初级教育中的性别差异较小，其中女性的数量略高于男性；高中和高等教育中男性的数量明显多于女性，性别差异很明显。根据以上分析和目前我国初级、中级和高级教育中男女之间的性别差异，本文得到以下命题：

命题1：初级教育水平的劳动者性别偏重于男性，经济增长效率就越高。

命题2：中级教育水平的劳动者性别偏重于女性，性别差异缩小，对经济增长有利。

命题3：高级教育水平的劳动者性别偏重于女性，即教育均衡化，对经济增长促进作用大。

三、研究设计

(一)数据来源与指标变量

综合考虑各变量数据的可得性，样本选取中国内地除西藏(因为西藏地区数据不全)以外30个省(市、自治区)，时间跨度为2001—2014年。所有数据均来自于《中国统计年鉴》、《中国劳动统计年鉴》和各省(市、自治区)统计年鉴。

1.被解释变量

地区经济增长用人均gdp来表示，使用GDP平减指数换算成以2001年为基期的不变价格，并对这个数值取对数，记为Lnpgdp(单位：元)。

2.解释变量

本文意在探究不同教育层次中的性别差异与经济增长效率的关系，解释变量为不同教育等级的性别差异(FMi)，i分别是初级教育、中级和高级教育的性别差异，用FMP、FMM和FMS表示。

(1)

对所得的变量取对数，分别记为：LnFMP、LnFMM和LnFMS(单位：%)。

3.控制变量

物质资本存量：本文用人均固定资本存量来表示。参考单豪杰(2008)固定资本存量的算法[18]，我们补充了2010—2014年的数据和重庆市的数据，并用平减指数剔除价格因素的影响，接着对所得的数值除以各年末人口数，得到人均固定资本存量，并将人均固定资本存量取对数，记为Lninf(单位：万元/人)。人力资本存量用人均受教育年限来表示。本文意在研究分级教育中性别差异的影响效应，故将人力资本存量分为初级人力资本存量(edup)、中级人力资本存量(edum)和高级人力资本存量(edus)。根据我国现行的教育制度，初级教育(小学和初中)、中级教育(高中)和高级教育(大专及以上学历)的教育年限分别为9年、12年和16年。基于此，edup=具有初级教育水平的劳动者×9/总就业人员数；edum=具有中级教育水平的劳动者×12/总就业人员数；edus=具有高级教育水平的劳动者×16/总就业人员数。然后对所得数值进行对数化处理，并分别记为Lnedup、Lnedum和Lnedus(单位：年)。加快资本项目开放有助于提升我国新常态下经济增长水平[19]，又因进出口贸易是影响经济增长的重要因素[20]，本文用进出口总额(按经营单位所在地分)占GDP的比重来表示对外开放度，记为Lnopen(单位：%)。财政收入比率用财政收入占GDP的比重来表示，借此来考察各地区经济负担的影响[21]，取对数后记作Lnfina(单位：%)。公路密度在一定程度上反映一个地区交通基础设施状况，用公路运营里程与国土面积之比来表示[22]，并对其取对数记为Lnroad(单位：公里/平方公里)。各变量描述性统计量见表1。

表1 各变量描述性统计量特征

(二)模型介绍

1. 静态面板模型

不考虑任何空间特征的情况下，将模型设定为：

Lnpgdpit=LnAi+αLnFMit+βLneduit+γXit+εit

(2)

其中，pgdp是人均实际GDP，LnFM是[LnFMP、LnFMM、LnFMS]′向量，Lnedu是[Lnedup、Lnedum、Lnedus]′向量，分别表示初级、中级和高级人力资本，Xit是其他控制变量向量，εit扰动项向量；α、β和γ分别是向量LnFM、向量Lnedu和控制变量向量的回归系数；i是地区，t是时间。

2.动态面板模型

实际上，任何经济因素变化本身均具有一定的惯性，前一期结果往往对后一期有一定影响[23][24]。前期人均GDP对当期GDP增长必然有影响，需要纳入到模型中。加之，GMM可以很好地处理模型当中的内生性。所以，需要构建动态面板模型进行分析，为此将模型设定为：

Lnpgdpit=c+δLnpgdpi,t-1+φLnFMit+θLneduit+υXit+εit

(3)

四、实证分析

(一)静态面板模型的回归结果

根据模型(2)，利用stata12.0进行回归。通过hausman检验，本文选择个体固定效应模型对模型进行回归(由于文章篇幅所限，故没有列出个体固定效应的回归结果)。值得注意的是，为了使回归结果更加准确无误，需要对个体固定效应模型进行相关检验，主要有异方差检验、序列相关检验和截面相关检验。其检验结果见表2。

表2 个体固定效应模型的检验结果

从表2可以看出，个体固定效应模型回归结果会出现严重的异方差、序列相关和截面相关等问题，对于回归结果出现的上述问题，主要有两种处理方法：一是继续使用普通最小二乘法(OLS)来估计回归系数，利用面板校正标准误模型(PCSE)对标准误差进行校正；二是对异方差或自相关的具体形式进行假设，然后使用可行广义最小二乘法(FGLS)进行估计。对于个体单位较多、时间单位相对较小的数据结构，面板校正标准误(PCSE)估计更适用，能够使得参数估计结果更加稳健[25]。基于此，本文在静态面板数据模型中进一步选择面板校正标准误模型(PCSE)进行分析，PCSE结果见表3。

表3 面板校正标准误模型(PCSE)的回归结果

续表3

注：括号内为T统计量;***、**、*分别表示1%、5%、10%的统计水平显著;R2表示模型的拟合优度。

由表3可知：拟合优度R2数值较大，说明面板校正标准误模型(PCSE)较好拟合了回归结果。从模型回归结果来看，初级教育性别比模型中变量LnFMP的系数符号是正的，表明具有初级教育学历的劳动者性别比偏重男性，且在10%的统计水平下显著，这说明了具有初级教育学历的劳动者性别比偏重于男性，经济增长的效率就高；中级教育性别比和高级教育性别比中变量LnFMM和LnFMS的系数是负值，且都通过了显著性检验，这说明中级教育和高级教育中性别比偏重于女性，即中级教育和高级教育中的性别比趋向于均衡，对经济增长有促进作用。这与Dollar&Gatti(1999)得出的教育中性别不平衡对经济增长不利的结论是大致相同的[26]。

(二)动态面板模型的回归结果

根据模型(3)，本文加入被解释变量的滞后两阶作为解释变量，利用广义矩估计(GMM)进行回归，得到结果见表4。

表4 动态面板模型的回归结果

续表4

注：括号内为T统计量;***、**、* 分别表示1%、5%、10%的统计水平显著；Sargan是工具变量过度识别检验的具体统计量；AR(1)和AR(2)是扰动项一阶差分和二阶差分自相关检验。

表4给出了差分GMM和系统GMM的估计结果，从表中可以看出，三个模型的sargan检验表明模型所选择的工具变量都是有效的。其中，差分GMM和系统GMM随机扰动项存在一阶自相关，没有二阶自相关。通过以上两个检验，表明差分GMM和系统GMM进行估计是有效的。正如学者所认为的那样：系统GMM估计比差分GMM更有效率，对于存在非时变的遗漏变量问题，该估计将不再是有偏的[27]。基于此，本文选择系统GMM对模型进行估计。从系统GMM来看，初级教育性别比的系数是正值，且十分显著。这和PCSE估计结果相同，也就是说，具有初级教育学历的劳动者性别比偏重于男性，经济增长的效率就高。中级教育性别比系数是负值，在10%的统计水平上显著，这说明受中级教育的劳动者偏重于女性，也就是中级教育中的性别比差异缩小，对经济增长效率是有利的。高级教育性别比的系数是负值，通过了显著性检验，即受过高级教育的劳动者偏重于女性，其经济增长效应越显著，然而我国目前高级教育中男性比重明显高于女性，这也就意味着高级教育中性别均衡化，对经济增长的拉动作用更大。

(三)稳健性检验

卢卡斯认为人力资本具有较强的流动性和外溢性，因此本地区的人力资本水平与相邻地区之间存在着空间相关性。另外，各地区为了促进地区经济增长，利用各种优惠政策来吸引人才，因此各地区在引进人才上存在着竞争关系。因此，在分析人力资本时，可以利用空间计量模型。为检验本文研究结论的可靠性，本文利用空间计量模型进行稳健性检验。本文选择空间自相关和空间误差模型，其具体形式如下：

空间自相关模型(SAR模型)：

(4)

空间误差模型(SEM模型)：

Yit=Xitβ+εit

(5)

(6)

注：括号内为t统计量;***、**、*分别表示1%、5%、10%的统计水平显著；λ(ρ)分别表示自变量自回归系数和空间误差自回归系数；R2表示模型的拟合优度。

从表5可以看出，无论是空间自相关模型还是空间误差模型，初级教育性别比的系数是正的、中级教育性别比的系数是负的、高级教育性别比的系数是负的，这与静态面板数据、动态面板数据模型的回归结果基本上一致，只是系数大小不同，并且这些变量的系数都通过了显著性检验。这说明模型的稳健性结果较好，同时也说明了静态面板数据模型和动态面板数据模型回归结果较为准确。

五、结论与启示

教育是国之根本，劳动者的受教育水平是影响一国创造力和经济增长的重要因素。近年来，我国劳动者的受教育水平有了较大提高，劳动者的素质有极大改善。而受传统“重男轻女”思想的影响，我国婴儿出生性别比失衡，进而影响我国劳动者的性别比。现阶段，具有初级教育水平的女性劳动者居多，然而受过中级教育和高级教育的男性劳动者居多。本文立足于人力资本理论“不同的教育层次具有不同的经济效应”，在此基础上把初级教育层次、中级教育层次和高级教育层次上的性别差异纳入经济增长模型当中，建立计量模型。通过静态面板模型和动态面板模型，并用空间计量模型对结果进行稳健性检验，得到如下结论：

第一，目前我国具有初级教育水平的人力资本的现状不利于经济增长；初级教育水平的劳动者性别偏重于男性，经济增长效率就越高。

第二，中级教育水平的人力资本和经济增长之间没有明显的相关关系；中级教育水平的劳动者性别偏重于女性，也就是性别比越趋向于均衡，对经济增长越有利。

第三，高级教育水平的人力资本对经济增长有明显的促进作用；高级教育水平的性别差异均衡化，对经济增长促进作用明显。

结合实证分析的结果和上文的结论，本文得出以下启示：

第一，加大教育投资和教育政策支持力度，增加人们受教育的机会。其次要不断提升女性地位，提高女性受教育水平，努力消除受教育机会的性别不平等，特别是中级和高级教育中，要尽量缩小性别差距。农村地区要将提高女性的受教育水平放在教育工作的突出位置，减少女性文盲的数量。

第二，改变人们的生育观念，抛弃传统“重男轻女”的观念。因此，要积极宣传“生男生女都一样”的思想，尤其是在农村地区。出生人口性别差异缩小是实现教育性别平衡的先决条件。

第三，个人的努力对于实现教育平等有着至关重要的作用。女性需要通过个人的努力，提高自己的学习成绩，这是女性提高受教育水平的内部因素，也是最重要的因素。

[1]R.E.Lucas.OnTheMechanicsofEconomicDevelopment[J].JournalofMonetaryEconomics,1988:3-42.

[2] 雅各布·明赛尔.人力资本研究[M].北京：中国经济出版社，2001.

[3] 潘锦棠.性别人力资本理论[J].中国人民大学学报,2003(3):94-104.

[4]UzawaHirofumi.OptimalTechnicalChangeinanAggregativeModelofEconomicGrowth[J].InternationalEconomicReview,1965(6):18-31.

[5]Romer,PaulM..IncreasingReturnsandLong-RunGrowth[J].JournalofPoliticalEconomy，1986,5(94):1002-1037.

[6]Romer，PaulM..EndogenousTechnicalChange[J].JournalofPoliticalEconomy,1990,98(10):S71-S102.

[7] 赵曙东.南京三资企业的技术、人力资本外溢效应分析——对在宁30家三资企业的问卷调查[J].南京社会科学,1999(11):60-71.

[8] 景跃军，刘晓红.基于卢卡斯溢出模型的我国人力资本对经济增长贡献率测算[J].东南学术,2013(1):105-112.

[9] 岳书敬,刘朝明.人力资本与区域全要素生产率分析[J].经济研究，2006(4):90-96.

[10] 王巍,郭翔宇.农民受教育程度与农村经济增长的计量经济分析[J].农场经济管理,2007(2):43-45.

[11] 黄燕萍,刘榆,吴一群,李文溥.中国地区经济增长差异:基于分级教育的效应[J].经济研究,2013(4):94-105.

[12] 吴宇晖,付淳宇.分级教育、人力资本与区域经济增长[J].社会科学辑刊,2014(3):88-94.

[13] 石丽,陈万明,石盛林.制度变迁、教育层次与中国经济增长[J].工业技术经济,2015(4):114-120.

[14]HillAnne&KingElizabeth.Women’sEducationandEconomicWell-being[J].FeministEconomic，1995，1(2):21-46.

[15]JavadSadeghi.TheRelationshipofGenderDifferenceinEducationtoEconomicGrowth:ACross-CountryAnalysis[R].ERF(EconomicResearchForumforArabCountries,IranandTurkey),1995,WorkingPaper.NO.9521.

[16] 孙灵灵.教育性别平等程度与经济增长水平关系的研究[D].杭州：浙江大学,2008.

[17] 王爱君.性别差异与经济发展关系研究前沿[J].经济学动态,2014(6):113-123.

[18] 单豪杰.中国资本存量K的再估算:1952～2006 年[J].数量经济技术经济研究,2008(10):17-31.

[19] 高峰.资本项目开放与经济增长关系实证研究[J].西南金融，2015(6)：45-50.

[20] 张焕明.地区差异条件下对外开放对经济增长的影响的实证分析[J].经济科学,2003(6):28-36.

[21] 郭庆旺,贾俊雪.公共教育政策、经济增长与人力资本溢价[J].经济研究,2009(10):22-35.

[22] 骆永民,樊丽明.中国农村基础设施增收效应的空间特征——基于空间相关性和空间异质性的实证研究[J].管理世界,2012(5):71-87.

[23] 杜立民.我国二氧化碳排放的影响因素：基于省级面板数据的研究[J].南方经济,2010(11): 20-33.

[24] 李锴,齐绍洲.贸易开放、经济增长与中国二氧化碳排放[J].经济研究,2011(11)：60-72.

[25]Beck,N.andJ.N.Katz.Whattodo(andnottodo)withTime-Series-Cross-SectionData[J].TheAmericanPoliticalScienceReview,1995，Vol.89:634-647.

[26]DollarDavid&GattiRoberta.GenderInequality,Income,andGrowth:AreGoodTimesforWomen?[R].WordBankPolicyResearchReportonGenderandDevelopment,WorkingPaper,1999,No.1.

[27]Blundell,R.andS.Bond.InitialConditionsandMomentRestrictionsinDynamicPanelDataModels[J].JournalofEconometrics,1998，Vol.87:115-143.

[28] 林光平,龙志和,吴梅.中国地区经济σ收敛的空间计量实证分析[J].数量经济技术经济研究,2006(4):14-21.

[责任编辑 刘 瑜]

On the Relationship Between Sex Ratio in Graded Education and Economic Growth

ZHANG Fan LUO Yong-min FANG Da-chun ZHAO Ren-fang

(SchoolofBusiness,AnhuiUniversityofTechnology,Ma’anshan,Anhui, 243002,China)

According to the existing human capital theory, human capital of various educational levels is irreplaceable, on the basis of which the essay has examined the effect of sex difference in graded education on the economic growth. Guided by theories and based on the data(2001—2014) from 30 inland provinces or regions, the essay has made an empirical study by setting up static-dynamic panel & spatial computation models. The findings are: the higher the male ratio in the workers with primary educational level, the higher the economic growth efficiency; the higher the female ratio in the workers with secondary-higher educational level, the higher the economic growth efficiency.

educational level; sex ratio; GMM; spatial computation

2016-05-06

本文得到国家自然科学基金青年项目(71403002)、安徽省自然科学基金(1408085QG140)、安徽省高校优秀青年人才基金重点项目(2013SQRW020ZD)的资助。

张凡(1990—)，男，硕士研究生，研究方向：区域政策与产业布局。

F124.1;F241

A

1672-8505(2016)05-0053-08