近年来教育与经济发展的关系研究评述

近年来教育与经济发展的关系研究评述

柯 文 静

（江西农业大学 高教所，江西 南昌 330045）

摘 要：教育与经济关系与生俱来，相互依存、相互促进、相互制约，两者的互动关系，中外学者进行了大量的定性定量研究。近年来，教育与经济关系的研究又有新的发展。为此，本文主要就我国近年来教育与经济发展的关系进行回顾，拟在从中得出一些启发。

关键词：教育；经济；相互关系

1 教育与经济关系研究历史追溯

教育与经济关系源远流长，早在古希腊时代，思想家、教育家柏拉图提出了教育与国家经济增长的关系说[1]。系统地论述教育的经济要素的学者是亚当·斯密，揭示民人的知识和才能是一种具有生产性的资本[2]。而真正把教育当成经济增长的内生变量的现代学者是索洛，他通过对1909-1949年美国经济增长的实证研究，得出了教育对经济增长的贡献。上个世纪60年代美国著名的经济学家舒尔茨率先提出人力资本

[4]、人力资源的提高对经济增长的作用，远比物质资本的增加重要得多。人力资本在各个生产要素之间发挥着相互替代和补充作用。通过量化计算分析表明教育促进经济增长是通过提高人们处理不均衡状态的能力的具体方式实现的。其后丹尼逊，罗克尔等学者通过对人力资本论的进一步研究表明，一国人力资本存量的提高能有效地促进经济增长。1986—1988年罗默的知识溢出和驱动模型（4）和卢卡斯的的人力资本积累与溢出模型［5］，接着对两种模型进行了比较分析。从罗默、卢卡斯人力资本理论对经济增长作用的理论分析中认识到人力资本对于我国社会主义经济的发展和持续增长具有重要意义。1956年曼昆首次创立了索洛模型［6］用来说明储蓄、资本积累和增长三者之间的关系。表明在索罗模型中，较高的储蓄导致较快的经济增长。巴罗提出扩展新古典模型［7］认为人力资本作为独立的投入要素被引入生产函数模型，证明教育可以人力资本的投资可以带来产量的提高，推动经济的增长。

2 近年来我国有关经济与经济关系的研究

近年来特别是随着经济危机的爆发，大学生就业困难，文凭造假一系列问题的产生，引起了社会的广泛的关注就这些问题中外学者针对教育与经济的关系这一问题进行了深刻的探讨和研究。

2．1 教育与经济关系的理论研究

教育与经济的关系，一般而言是正相关的，即教育推动经济的发展，经济发展又带动教育水平的提高。具体的说经济发展以教育为基础，教育水平的提高又促进经济的进一步发展，教育对经济的发展是长期的，潜在的和综合性的，能为经济的发展提供高素质的专门的人才。

1道格拉斯函数

叶茂林等学者基于柯布—道格拉斯生产函数，提出教育生产函数，对经济与教育的研究采取模型如下：1234y AK L L L L β1β2β3β4=α 此式为道格拉斯生产函数的变形，把

劳动力按照受教育的程度的不同划分为初等教学以下劳动力(LLI),初等教育劳动力（JOU ）,劳动力，中等教育劳动力（SEN ）和高等教育劳动力（HIGH ）4个层次，从在业人口受教育程度百分比与总在业人口的乘积计算得到，分别用1L ，2，3，4L L L 表示。Y 为产业，利用经过价格调整后的国内生产总值（GDP ）表示（按1990年不变价格缩减）。K 用固定资产投资代表。

对前式两边分别取对数可变为：1123344=y c L L L L +2+++αΚ+ββββ.其中，α为资本K 的产出弹性;1,2,3,4ββββ分别为初等教育以下的劳动力1L ，初等教育劳动力2L ，中等教育劳动力3L 和高等教育劳动力4L 的产出弹性，表示资本和不同受教育程度劳动力对经济增长的贡献水平。

2面板数据模型

陈用芳等学者基于Panel Data 模型。分析了经济增长对教育的贡献程度。面板数据也称平行数据，或时间序列截面数据或混合数据面板数据（panel data）也称平行数据，或时间序列截面数据（time series and cross section data）或混合数据（pool data），是指在时间序列上取多个截面，在这些截面上同时选取样本观测值所构成的样本数据。面板数据从横截面上看是由若干个体在某一时刻构成的截面观测值， 从纵剖面上看是一个时间序列。伴随着经济理论，包括宏观经济理论和微观经济理论、计算机技术和统计方法的发展，Panel Data 模型在经济学领域的应用逐渐被经济计算学家推广。在宏观经济领域，它被广泛应用于经济增长、技术创新、金融、税收政策等领域；在微观经济领域，它被大量应用于就业、家庭消费、入学、市场营销等领域。PanelData 模型既能反映某一时期各个个体数据中所隐含的规律，也能描述每个个体随时间变化的规律，集合了时经济增长、经济增长方式的转变与高等职业教育间序列和截面数据两方面的信息， 能够提供更大容量的样本点，改善参数估计的有效性，可以用来深入分析复杂的经济问题。面板数据模型的一般形式可以写成：y=a+xb+U

(4)对于平衡的面板数据， 即在每一个截同个数的观测值，模型样本观测数据的总数等于NT。陈用芳以全国31 个省（市、自治区）国内生产总值为因变量，以全国31 省（市、自治区）的平均受教育年限及受教育人口为自变量， 采用面板数据作为样本数据进行了回归分析。

3基于熵值法的灰色关联度模型

灰色综合评价主要是依据以下模型：R=Y×W (5)式中，R 为M 个被评价对象的综合评价结果向量；W 为N 个评价指标的权重向量；Y 为各指标的评判矩阵； 根据R的数值进行排序。在信息论中，熵是对不确定性的一种度量。信息量越大，不确定性就越小，熵也就越小；信息量越小，不确定性越大，熵也越大。根据熵的特性，可以通过计算熵值来判断一个事件的随机性及无序程度， 也可以用熵值来判断某个指标的离散程度，指标的离散程度越大，该指标对综合评价的影响越大。巩海霞运用基于熵值法德灰色关联度模型对江苏省1990-2007 年教育支出与经济增长的关系进行了分析，将家 庭教育支出入和财政教育投入通过适当的权重配比化成一个综合指标，再将其和经济指标（地区生产总值）做灰色关联度分析。结果发现，家庭教育支出对经济增长的贡献率为8.53%，财政教育投入对经济增长的贡献率为8.46%。

2．2 教育对经济发展贡献的研究

随着改革开放的发展，我国高等教育又进入了一个新阶段，为社会主义市场建设培养了大批的人才，在高等教育的规模和管理上也有了明显的提高。就经济与教育之