高等教育发展与经济增长的动态交互效应及地区差异

孟越 张晓清

基于2006-2018年省际面板数据，建立PVAR模型对高等教育发展与经济增长的动态交互效应进行实证检验。研究发现：一方面，高等教育发展是我国经济增长强有力的驱动力量，另一方面经济增长对高等教育发展具有正向促进作用，但程度上稍弱。高等教育发展与经济增长的动态交互效应存在地区差异。高等教育发展，尤其是高等教育质量的提升对经济增长的促进作用，表现为西高东低。经济增长对高等教育发展的促进作用则表现为东强西弱。本文认为，应在中、西部地区实施质量优先，兼顾规模的高等教育发展战略。

一、引言

我国高等教育已迈入普及化和高质量发展的新阶段，极大地满足了人民群众接受更高层次教育的愿望需求，为各行各业输送了数以千万计的高级专门人才，有力提升了我国人力资源开发水平，成为科技进步和经济增长的重要引擎。与此同时科技进步和经济增长也对高等教育产生深刻影响。可以说，高等教育普及化、大众化是经济社会发展的必然结果。但是，正如《中国教育现代化2035》所指出的，我国教育发展仍不平衡不充分，区域之间的发展水平尚存在明显差距。对于高等教育而言，这一问题同样存在。因此，客观刻画高等教育发展与经济增长的互动关系及地区差异，对推动高等教育充分、均衡发展，促进经济社会全面、协调、可持续发展具有重要的理论与现实意义。

教育通过提供技术和知识来提高劳动生产率，促进经济增长与社会发展。纳尔逊等（1966）认为教育加快了吸收、转化和传播技术进步的效率。曼昆等（1992）通过扩展新古典增长模型，将人力资本累积的过程加入到公式中，人力资本同物质资本一样，是促进经济增长的重要要素。刘倩等（2019）的研究表明，实际经济增长对高等教育规模增长有较强拉动效应。潘兴侠等（2020）的研究发现，高等教育发展水平具有显著的空间溢出效应，教育发达地区经济发展水平的弹性系数更大，投入到高等教育中的资源更多。邹克等（2020）认为，随着时间的推移，高等教育不充分发展的结构异质性加大，高等教育质量的区域不平衡逐步演变为高等教育发展不平衡的最核心问题。白彦锋等（2018）通过构建PVAR模型发现，高校教师数量的增长可以带来该地区经济的持续增长，而地区经济的发展状况和教育经费的投入情况对高校教师人数的变化也具有不可忽视的作用。

本文认为，在对高等教育“量”的积累的同时，不应忽视对“质”的要求。因此从高等教育规模和高等教育质量两个维度出发，对高等教育发展与经济增长的动态交互效应及地区差异展开实证检验，并提出政策建议。本文构建的PVAR模型能够较好地克服变量内生性问题。

二、实证设计

（一）样本选择、数据来源及变量定义

本文以2006-2018年我国31个省区（不含港澳台）为研究对象，获得由403个有效样本构成的平衡面板。研究数据来自《中国统计年鉴》和《中国教育统计年鉴》。本文主要变量定义如下：

1.反映经济增长的变量

ECO：平减后的GDP增长率，该变量反映经济增长情况。

2.反映高等教育发展的变量

高等教育发展应包括规模扩张与质量提升两个方面，用两个变量分别反映。

（1）EDUscale：普通高等院校在校生数的增长率，该变量反映高等教育规模扩张。

（2）EDUquality：生师比是反映高等教育质量的常用的核心指标，生师比越高，说明教育质量越低。为方便表述，本文以生师比的相反数表征高等教育質量，以其增长率（EDUquality）反映高等教育质量的变化。

（二）实证模型设定

本文采用面板向量自回归模型（Penal Vector Autoregressive Model，简称PVAR模型）进行实证分析，检验高等教育发展与经济增长的动态交互效应。首先，采用广义矩估计法（GMM）进行参数估计;其次，通过正交化脉冲响应函数分离出某一内生变量的冲击对其他内生变量的影响程度，绘制动态脉冲响应图，直观刻画各变量对冲击的反应;最后，通过误差项的方差分解，提供每个扰动因素对各内生变量影响的相对程度并进行分析。本文的PVAR模型设定如下：

Yi，t=Φ0+Φ（L）Yit-1+Fi+Dt+εi，t （1）

其中，Φ0是常数（截距）项;Yi，t是由模型所有内生变量构成的向量，本文中为{ECO，EDUscale，EDUquality}，分别代表i地区在t年的经济增长、高等教育规模扩张和高等教育质量提升;Φ（L）是滞后算子向量;Fi是固定效应向量;Dt是时间效应向量;εi，t是随机扰动项。

三、实证检验与分析

（一）描述性统计

主要变量描述性统计结果如表1所示。

（二）模型处理

1.数据平稳性检验。数据不平稳会出现伪回归现象，也会影响脉冲响应与方差分解的稳定性。本文采用主流的LLC、IPS、HT和ADF-Fisher四种检验方法对模型变量进行单位根检验，结果显示三个变量原序列数据平稳。

2.最佳滞后阶数的选择。根据AIC、BIC、HQIC三个准则，结合脉冲响应函数的收敛情况和实践经验，判定样本的最佳滞后阶数为3。

3.模型平稳性检验。处于非稳定状态的动态系统面临外生冲击时，某些内生变量会一直增加，难以刻画符合现实的动态发展趋势。本模型为三个变量滞后三期构成的系统，特征根均位于单位圆之内，如图1所示，说明模型具有平稳性。

4.格兰杰因果检验。用于判断变量的滞后项对于其他变量是否有显著影响，从而说明变量之间在时间上的因果关系。本模型格兰杰因果检验结果显示高等教育发展与经济增长之间的双向因果关系在统计上显著，验证了本研究采用PVAR模型的合理性。

（三）PVAR模型的参数估计

GMM参数估计结果如表2所示。表2第（1）列以ECO为被解释变量，EDUscale和EDUquality的系数均大于零且多数具有显著性，说明高等教育发展对经济增长具有明确而显著的正向影响。第（2）列以EDUscale为被解释变量，ECO系数的符号和显著性并不统一，说明经济发展对高等教育规模的影响较为复杂，长期影响难以通过参数估计结果得出明确结论。EDUquality的系数均小于零但不显著，说明提升高等教育质量短期内不会显著抑制高等教育规模。第（3）列以EDUquality为被解释变量，ECO和EDUscale系数的符号均不统一且不显著，说明高等教育质量短期内不容易受到显著影响。