山东省教育发展促进经济增长的实证研究天津工业大学张林林、薛睿娟、王健摘要：山东是我国北方一个经济大省，也是一个教育大省。

长期以来，山东省的教育发展对本省的经济增长起到了积极的促进作用。

本文以经济学和统计学为理论指导，利用山东省1996-2009年的相关数据，用回归分析方法，以GDP为因变量，以全部教育经费和教育年限总和为自变量，对山东省教育发展促进经济增长进行了实证分析。

研究结果表明：山东省GDP与全部教育经费、教育年限总和之间存在着显著的线性正相关关系，即山东省的教育发展对该省的经济增长具有正向推动作用。

关键字：教育发展，经济增长，全部教育经费，教育年限总和，实证研究一、研究背景发展经济是强国之路，是硬道理。

同样，发展为经济提供人才和智力支持的教育也是不容忽视的，它是民族素质提高的基础，因此，发展教育也是硬道理。

经济的运行有其特定的规律，教育在其运行过程中也有规律可依。

经济规律反映经济运行中各种变量与其发展趋势之间的关系，教育规律则反映教育内部各因素的关系及其与教育外部发展条件的关系，两者都存在着相互联系、相互作用的关系。

长期以来，理论界关于教育对经济作用的认识一直存在着较大的分歧，许多国外学者都认为资本才是经济增长的根本性因素。

直到20世纪60年代，舒尔茨将资本分解为物质资本和人力资本两部分，对1929-1957年美国教育投资对经济增长的关系作了定量研究，揭示了教育投入对一个国家的经济发展起着相当重要的作用，这才开始了有关教育对经济增长作用的研究。

国内学者对教育投入与经济增长之间的关系进行了诸多实证研究，结论不一。

靳希斌通过对1952-1978年我国经济增长的测算发现，教育对国民经济增长的贡献率达20.9%。

乔晶对1952-2002年我国教育投入和经济增长之间的关系进行了研究，结果表明教育投入与国内生产总值互为因果关系。

杨晓华、王大强以吉林省为例，分析了改革开放以来教育对经济增长的影响，结果表明高等教育对于经济增长有显著的推动作用，基础教育对经济增长的作用不显著。

覃思乾认为，从长期看，教育投入与经济增长两者互为因果关系；从短期看，经济增长是教育投入增长的原因。

白芸认为，公共教育支出对我国经济增长起了很大的促进作用，但是从教育支出结构来看，各层级教育支出严重不平衡，从长远来看不利于经济的发展；因此，就国内研究结果来看，有的学者认为经济发展是教育发展的先导原因。

也有研究表明，二者的关系中，教育是因，发展是果；另有一些学者认为二者互为因果关系。

而且，国内学者的实证研究大多采用全国的数据，从国家层面整体分析我国教育投入与经济增长的关系，对某个地区有关教育发展与经济增长之间关系的研究则比较少见。

山东省是我国北方一个经济大省，2010年其经济总量占全国10%，人口占全国7.15%，在我国经济和社会发展中具有重要地位。

同时，山东省也是一个教育大省，多年来，教育投入不断增加，各级各类教育机构办学条件不断得到改善，义务教育普及率保持较高水平，高中阶段教育中普通高中与中等职业教育结构进一步趋于合理，高等教育稳步发展，民办教育持续健康发展，师资水平不断提升，各级毕业学生的规模和素质也有不同程度的提高。

可以说，山东省教育发展对经济增长起到了重要推动作用。

因此，对山东省教育发展促进经济增长的研究是一个有意义的工作。

二、指标的选取和数据来源（一）指标的选取研究教育发展与经济增长之间的数量关系，必须要明确教育发展和经济增长两个概念的本质意义，才能够进而正确地选取用于定量分析的指标。

1.教育发展指标的选取教育发展是指教育事业的进步和拓展的程度。

我们认为，尽管教育发展可以从多个方面得到反映，但最终可以从两个角度来概括，即从教育的投入和教育的产出反映教育发展状况。

（1）教育投入是从教育主体的角度来反映教育发展。

教育投入是教育主体通过投入人、财、物来扩大教育规模、提高教育水平和调整教育结构等，以达到教育产出的最佳效果。

教育投入主要体现在教育机构规模、师资力量、教学场地及设施、教育经费和教育管理等多个方面。

鉴于数据的可获取性和对问题研究的重要性，我们选取教育经费作为反映教育投入的综合性指标。

按国家统计局规定，教育经费的来源分为国家财政性教育经费、社会团体和公民个人办学经费、社会捐赠经费、事业收入、其他教育经费等。

因此，在使用教育经费该指标时，必须要界定其统计范围。

目前，多数学者在研究时使用“国家财政性教育经费”作为反映教育经费投入的指标。

经过分析我们发现，不仅全国范围，而且各地的教育经费投入中，国家财政性教育经费占全部教育经费的比重不是很高。

如山东省，1996年的占比为74%，2005年为60%，尽管此后的几年该比重有所上升，但也没有超过3/4。

这样，仅以国家财政性教育经费代表教育经费，就存在着很大的误差。

因此，在教育经费指标的具体选取上，本文选用了“全部教育经费”指标。

（2）教育产出可以从教育客体的角度反映教育发展。

教育产出的是人才，主要体现在培养学生数量、学生素质和能力，教育教学质量和水平、公民受教育年限、以及受教育者对社会贡献等多个方面。

同样，考虑到数据的可获取性和对问题研究的重要性，我们选取最能反映这一方面内容的“教育年限总和”指标。

该指标数值的增加意味着接受教育的人口数量的增加或学历层次的提升，教育对社会的贡献越大，并直接推动经济的增长。

2．经济增长指标的选取经济增长通常是指在一个较长的时间跨度上，一个国家或地区生产活动成果的持续增加。

由于国内生产总值（GDP）反映了一个国家或地区的经济总量，是多数学者在经济增长问题的研究中最常使用的一个指标，因此，本文选用山东省生产总值（GDP）作为衡量山东经济增长的指标。

（二）数据来源1. 本文采用了1996-2009年山东省的数据，数据来源于相关年份的《中国统计年鉴》。

2. 总教育经费包括：国家财政性教育经费、社会团体和公民个人办学经费、社会捐赠经费、事业收入、其他教育经费等。

3. 教育年限总和是将6岁及其以上人口接受的正规学历教育按年限求和。

具体计算办法是，首先，将全部6岁及其以上人口按受教育程度分为文盲和半文盲、小学、初中、高中、大专及以上五个层次；其次，根据我国学历教育的一般规律，对不同受教育程度分别赋予相应的受教育年限，上述受教育程度依次分别为3年、6年、9年、12年和16年；然后，将不同层次的人数乘以该对应的受教育年限，得出各个层次人群的受教育年限合计；最后，将各层次人群受教育年限合计相加，即为该人口群体的教育年限总和。

4. 山东省生产总值（GDP ）数据采用当年的实际数据。

三、方法简介为了说明山东省教育发展促进经济增长的数量关系，本文拟采用回归分析方法。

（一）线性回归模型变量Y 与有关变量1X ，2X ，…，k X 之间的关系：12(,,)k Y f X X X ε=+…，称为“回归模型”。

上式中：变量Y 称为因变量或“被解释变量”；变量1X ，2X ，…，k X 称为自变量或“解释变量”，用来说明或解释因变量；ε为随机变量即误差项（2~(0,)N εδ）。

当f 为线性关系时，回归模型称为线性回归模型。

其一般形式为：01122k k Y X X X ββββε=+++++…式中：01,,k βββ…,是未知参数，其中k βββ,,,21 为回归系数，表示解释变量的变化对被解释变量变化的影响。

当自变量为一个时，则为一元线性回归模型：X Y 10ββ+=式中：回归系数1β表示，当自变量X 每变化一个单位，导致因变量Y 平均增加或减少的数量。

（二）模型的求解与检验1. 模型的求解如对一元线性回归模型：X Y 10ββ+= 用最小二乘法求解模型中的两个参数，得到∑∑---=21)())((x x y y x x i i i βx b y -=0β2. 模型的检验 （1）t 检验t 检验即指回归系数的显著性检验，检验回归模型中因变量与每一个自变 量之间的线性关系是否显著。

对于一元线性回归模型，检验统计量为：2)ˆ(),2(~)(221--==--=∑∑n yyS n t X Xt i iy iσσβ其中，对于多元线性回归模型，检验统计量为：1)ˆ(其中，),1(~)(22---==---=∑∑p n y y S p n t x x t i iy i iji i σσβ式中： σ——总体标准差：S ——样本标准差；n ——样本单位数；P ——变量个数。

根据SPSS 计算结果可以确定，当t 统计量的Significance (2-tailed)输出值小于给定的显著性水平ɑ=0.05或ɑ=0.01时，即可以95%或99%的把握程度认定，该回归系数通过了显著性检验，说明X 与Y 之间存在着显著的线性相关关系。

（2）F 检验F 检验即回归模型的显著性检验，检验由因变量与自变量构建的回归模型是否具有代表性。

对于一元线性回归模型，检验统计量为：），（21~)2/()ˆ(1/)ˆ(22----=∑∑n F n yy y yF对于多元线性回归模型，检验统计量为：），（1p ~)1/()ˆ(/)ˆ(22------=∑∑p n F p n y y py y F根据SPSS 计算结果可以确定，当F 统计量的Significance (2-tailed)输出值小于给定的显著性水平ɑ=0.05或ɑ=0.01时，即可以95%或99%的把握程度认定，该回归模型整体上通过了显著性检验，说明该回归模型具有较强的代表性。

（3）相关分析和偏相关分析进行X 和Y 两个变量间线性关系的分析要计算样本相关系数r ：∑∑∑-∙---=22)()()()(yy xx yy x x iiii rr >0表示两变量存在正的线性相关关系；r <0表示两变量存在负的线性相关关系；r ＝1表示两变量完全正相关；r ＝-1表示两变量完全负相关；r ＝0表示两变量不存在线性相关关系。

相关系数是研究两变量间线性相关性的指标，若还存在对因变量有影响作用的其他因素，它未必是两变量间线性相关强弱的真实体现，往往有夸大的趋势。

这时，需要在剔除其他相关因素影响的条件下分析变量间的相关，即进行偏相关分析。

它是在控制其他变量的线性影响的条件下分析两变量间的线性关系，所采用的指标是偏相关系数。

偏相关系数的取值范围及大小含义与相关系数相同。

同样，根据SPSS 计算结果可以确定，当X 与Y 的相关系数r 的Significance (2-tailed)输出值小于给定的显著性水平ɑ=0.05或ɑ=0.01时，即可以95%或99%的把握程度认定，该两个变量之间存在着显著的线性相关关系。

对于一元线性回归模型，上述t 检验、F 检验和相关系数r 的检验是一致的，一般只需要进行其中一种检验即可。

四、实证分析本文采用上述基于普通最小二乘法（OLS ）的线性回归模型，运用SPSS 软件（15.0版本），求解模型的参数和统计量等。