搜索
6680.34我国教育投入与经济增长的实证分析指导教师：王立平4388.79小组成员：周利芬韩斌清张宏梅李倩刘光智张鸿箭（合肥工业大学人文经济学院经济学05-1班）2203.09目录1899061.11998一、文献综述37199.95二、研究的实证模型和检验方法4389.9242535.502299291.0（一）模型理论依据419997697.82（二）平稳性检验及协整关系判断44390.712742.652617051.4（三）2000误差修正模型8553.694418.14(ECM52995.432905677.2200169456.844434.2813302.96自相关性检验3370588.26200210606.8524458.02异方差性检验3849.2474044278.02003（五）格兰杰因果关系检验74468.67三、实证结果与分析5335.8074653849.62004四、结论及政策含义84482.52参考文献：85570009.3200518305.664510.128739.716188582.1备注：来源于1994—年的国家统计年鉴及江苏省统计年鉴，并经计算整理所得。第一部分:[摘要]本文利用协整及误差协整模型、Granger因果关系检验等计量方法对1978-2005年中国教育投入与GDP之间的年度数据进行了实证研究，得到教育投入对GDP的弹性系数为0.228;结果表明教育投入与经济发展之间存在双向的因果关系，教育的发展将在一定程度上促进经济的增长，反之经济发展也必然要求教育的提高。[关键词]Granger因果关系检验;教育投入;经济发展;弹性系数一、文献综述传统的经济增长理论认为，对经济起主要推动作用的是物质资本的投资，而在20世纪50年代，经济学家们就已经发现，用资本与劳动力两种生产要素的增加解释经济增长，会留下很大一块“残余”得不到解释。经济学家们把这部分“残余”归功于生产要素的品质获得大幅度改善，这种品质的改善既可以被包含在物质资本之中，也可以表现为人力资本的积累。教育投资是人力资本的最重要组成部分，根据人力资本理论，对教育的投资，会因为劳动力素质的提高、科学和技术的进步等原因，导致生产效率提高，最终引起经济增长。从现代经济增长经济学的角度来看,真正把教育当成经济增长的内生变量的现代学者是索罗(Solow,1957、1960,他使用生产方程考察投入产出关系时,对除去资本和劳动力这些传统生产要素作用之外无法解释的“残余”贡献,提出了技术进步因素的观点,实际上是间接指出了教育对经济增长的贡献。当然,有关教育对经济增长发生作用、提供贡献的最全面、最详尽、最经典的理论应当是舒尔茨人力资本理论中教育对经济增长的作用的认识。舒尔茨的研究表明,美国战后农业生产的增长中只有20%是物质资本积累所引起的,其余的80%主要是由教育以及与教育密切相关的科学技术所引起的。从20世纪60年代舒尔茨提出“人力资本理论”以来,各国学者对教育投入和经济增长的关系也进行了比较全面的研究，得出了许多有益的成果。丹尼森(Denison通过教育量简化系数法，得出1929—1985年教育对美国国民收入增长率的贡献为13．7％。国内学者也进行了诸多实证研究：靳希斌(1997证实中国1952一1978年教育在国民经济增长中的贡献率是20.9%；蔡增正(1999利用194个国家和地区的数据,考察了教育在1965—1990年中对经济增长的贡献。并且分别对低收入、中等收入和工业化国家的三个样本分别进行了估计。得到了教育对于经济增长的贡献巨大而具实质性,外溢作用不仅是正的,而且颇为可观;同时也发现,教育部门与经济中其他部门相比生产力低;教育对于经济增长的作用在经济发展的过程中表现为先弱、后强、最后稍有降低的趋势的结论。本文试图运用协整分析,误差修正模型和格兰杰因果检验对我国教育投资与经济增长的关系进行相关方面的研究。年份GDP（亿元）教育投入（亿元）物价指数年份GDP（亿元）教育投入（亿元）物价指数19783645.276．23100．0199226923.5538．74282．019794062.693．16106．9199335333.9644．39305．819804545.6113．19116．5199448197.9883．98320．019814891.6122．22126．2199560793.71028．39345．119825323.4137．20134．8199671176.61211．91377．619835962.7154．72145．8199778973.01357．73394．619847208.1180．14163．2199884402.31565．59417．819859016.0224．89185．2199989677.11815．76452．3198610275.2267．30194．0200099214.62085．68491．0198712058.6276．57205．52001109655.22582．38518．8198815042.8330．91221．52002120332.73105．99552．5198916992.3397．72221．02003135822.83351．32588．5199018667.8426．14229．22004159878.35244．00632．3199121781.5459．73249．02005183084.87002．99681．0二、研究的实证模型和检验方法表1教育投入与经济增长及物价指数数据资料来源：中国统计网《2006年统计年鉴》《统计观察》《中国教育投入与经济增长》（一）模型理论依据从《中国统计年鉴》与《中国教育投入与经济增长》各卷统计出中国1978—2005年的GDP与中国国家财政性教育投入及物价指数，分别记为、、，为了剔除物价因素的影响，对和作如下变换：，，其中为全国商品零售价格指数(以1978年为基数100，得到1978—2005年表示中国经济增长的GDP与国家财政性教育投入两者不变价的数据序列。在数据处理方面，先对名义GDP、国家财政用于教育的支出取对数，消除变量的异方差。本研究以国家统计局发布的1978—2005年年度的统计数据为基础(如表1所示，采用Eviews的平稳性检验、Cointegratetest（协整及误差协整模型）、GrangerCausality因果关系检验和回归分析法，研究中国教育投入与经济增长之间的依存关系，考察两者之间是否存在因果关系，建立相关的数学模型，并测算教育投入对经济增长的贡献率。第二部分:（二）平稳性检验及协整关系判断以时间序列数据为依据的实证研究都是假定有关的时间序列是平稳的，否则会产生谬误回归(spuriousregression的问题。因而需要对其进行单位根检验。下面采用ADF检验方程。检验原理：（1）其中，{Et}为白噪声，△表示变量的一阶差分，t为时间趋势因素。原假设为Ho：p=1，即{Y。}存在单位根。若ADF值小于Mack／anon临界值，则拒绝原假设，序列是平稳的，否则是非平稳的。根据AIC和SC值最小原则确定滞后阶数。使用ADF检验法进行平稳性检验。对数列序列进行检验，其为非平稳序列，非平稳序列经过二阶差分平稳，所以是二阶单整序列。再对数列进行ADF检验，其也为非平稳序列，非平稳序列经过二阶差分平稳，所以是二阶单整序列。同理，对两序列取对数进行ADF检验，结果：在包含截距项而不包含时间趋势项的情况下为二阶单整序列，既不包含截距项有不包含时间去事项的情况下为二阶单整序列。协整能够说明模型是否有长期稳定关系，即协整关系。而误差修正模型能够对模型进行短期的调整关系。因而有必要对模型进行协整及修正模型检验。检验原理：若，……都是阶些单整，，使得，则，……都是阶协整。经检验确实存在着协整关系。序列、均为二阶单整序列，因而两者具有明显的协整关系，可以建立某种稳定的线性模型关系。（三）误差修正模型(ECM模型原理：对于模型（2）移项后，整理可得：（3）方程（3）即为ECM，其中是误差修正项，记位ecm。下面进行ECM误差修正，结果如表2。VariableCoefficientStd.Errort-StatisticProb.C0.0601390.0181643.3109290.0035X30.2433210.1314951.8504230.0791ECM(-10.1407330.1356701.0373210.3120R-squared0.231353Meandependentvar0.087615AdjustedR-squared0.154489S.D.dependentvar0.064085S.E.ofregression0.058928Akaikeinfocriterion-2.703906Sumsquaredresid0.0694Schwarz-49criterion2.555798Loglikelihood34.09491F-statistic3.009878Durbin-Watsonstat0.631540Prob(F-statistic0.071989表2误差修正模型检验结果得出的误差修正模型为：(4模型表明：这种方法建立的修正模型你和优度极低，检验的也比较大，只要取显著性水平为时就通不过检验。而且，一般来说，这才体现了均衡误差对的控制，因而此模型显然不是很合理。第三部分:（四）线性回归分析对所给数据用SCAT命令可知其呈线性关系。分别建立简单线性模型、单对数模型、双对数模型、多项式模型，对其经济意义、统计值、统计量、拟和优度进行比较，最后选取双对数模型。。因为序列取自然对数后可消除异方差的影响，且这种变换不会影响变量间长期稳定关系和短期调整效应，同时还可以检验多数经济变量时间序列服从或近似服从对数正态分布，而非正态分布。所以，为了消除原始数据序列的异方差，使数据更为平稳，建立模型如下：（5）下面对模型进行检验1自相关性检验N=28,k=1,查表得=1.328，=1.476，模型存在明显的一阶正相关。用偏相关系数进行检验（如图1）。图形表明，存在一阶相关。图1相关性检验图用迭代法模型进行一阶和二阶调整。调整后模型用DW检验表明已经消除了一阶相关性，而且剔除自相关后的模型显著的提高了拟合优度。因而模型方程建立如下：(62异方差性检验用WHITE检验、Park检验、Gleiser检验模型是否存在异方差性。由检验可知：模型已消除了异方差性。线性回归分析显然比ECM模型更合理，因而我们分析的时候采用线性模型方程（6）进行分析。第四部分:（五）格兰杰因果关系检验GrangerCausality因果关系检验法的基本思想是：如果的变化引起的变化，则应该有助于预测，即在关于过去值的回归中，增加的过去值作为独立变量应当显著地增加回归模型的方差解释能力。检验是否为引起Y变化的原因基本过程如下：(1作出原假设“不是引起Y变化的原因”；(2把Y对Y的滞后值及的滞后值进行回归，建立无限制条件的回归模型：(7(3把只对的滞后值进行回归，建立有限制条件的回归模型：(8(4用回归模型的残差平方和计算F统计值，检验回归系数b，b…b是否同时显著地不为零。如果是，就拒绝“不是引起变化的原因”的原假设，即．是引起变化的原因，说明与之间存在着因果关系。教育投入与GDP之间GrangerCausality因果关系检验结果如表3示：NullHypothesis:ObsF-StatisticProbabilityX1doesnotGrangerCauseY1267.971430.00266Y1doesnotGrangerCauseX16.141290.00794表3GrangerCausality因果关系检验从上述分析我们可以看出，F检验的值都较大，概率都较小，故拒绝原假设，与互为因果关系。可以得出结论：教育投入与经济增长之间存在着十分明显的双向因果关系，即教育投入的增加或减少必然引起GDP的增加或减少，而GDP