广东省高校人才培养与区域经济协同发展研究

罗 珊，蔡泽丰

(华南师范大学经济与管理学院，广州510006)

在知识经济年代，区域经济发展离不开人才的支持．高校是人才培养的最重要地方，人才的结构、质量和分布将对区域经济发展起着关键作用．广东省作为我国一个经济大省，其高校人才培养与经济发展是否存在良好的互动发展关系．本文结合广东省高校人才培养的现状，利用协整分析、误差修正模型和格兰杰因果检验，对1990年至2011年广东省高校人才培养和区域经济增长进行实证分析，探讨广东省高校人才培养和区域经济增长之间的关系．

1 研究概况

不同发展水平的国家教育所起的作用各不相同，在发展中国家，小学和中学教育扮演着更重要的作用;而在OECD经济体中，高等教育起着更加重要的作用［1］．

袁文［2］通过利用C-D生产函数分析了安徽省实际经济产出和高等教育经费投入的关系，得出的结论是经济增长是推动高等教育加快发展的原因，高等教育与经济增长之间存在真实的均衡关系，但是在短期则对产出增长影响不大．

赵树宽等［3］研究了我国教育投入与经济增长的长期动态关系，得出结论:我国高等教育经费投入、人力投入与经济增长之间存在长期均衡关系，经费投入是高等教育促进我国经济增长的源动力．

李淑贞［4］则采用灰色关联度分析和研究广东省高等教育和经济发展之间的关系，通过分析在校生数和教育经费与经济发展的关系得出相应的结论．

大部分研究是从高等教育的投入和经济增长的角度出发，并且是以国家宏观背景下所作的研究，对区域的研究和分析较少，尤其是针对高等教育各个层次人才培养与经济发展关系的研究更少．本文利用广东省的数据，对高校人才培养与区域经济互动发展进行实证分析，为优化高校人才培养提供相应的决策参考．

2 高校人才培养与区域经济协同发展分析

2．1 高校人才培养对区域经济增长影响

第一，高校人才培养有利于提高社会劳动生产率，从而促进区域经济增长．人力资源的素质是影响社会劳动生产率水平的主要因素．而高等教育是劳动者提高劳动生产率的主要途径．联合国科教文组织提供的研究结果表明，劳动者受高等教育的程度跟劳动者的生产率存在正相关的关系．与文盲相比，小学毕业可提高生产率43%，初中毕业可提高108%，大学毕业可提高300%．因此，高校人才培养能够提高人力资源的劳动生产率，从而促使一个区域的经济更快增长．

第二，高校人才培养有利于科技进步，从而促进区域经济增长．区域经济的增长离不开科技进步，邓小平曾经说过“科学技术是第一生产力”，无论是从历史还是当今社会的经济发展过程来看，科学技术对经济的发展具有巨大的推动和促进作用．人才作为科技进步的载体，是决定科技进步和经济增长的重要因素．高校人才培养可以不断提高劳动者的科技水平，不断创造新的科学技术，并在实际工作中转化为生产力．高等教育可以对不同区域经济活动的经验和教训整理分析，并进行创新，突破现有理论的瓶颈，从而形成自己区域的发展理论，并将这些理论在经济发展的过程中加以推广和应用，从而推动本地区经济发展的新突破，促使经济活动更加科学和准确．

2．2 区域经济增长对高校人才培养

高校人才培养的发展是在经济增长到一定阶段和水平上才出现的，并随经济发展而变化．首先，经济增长为高等人才培养的发展提供了物质基础．高等教育由于不直接生产物质资料，所以它的运作依赖于人力、财力等社会生产资料和社会资源的支持．较高的经济发展水平可为高等教育的发展提供更多的物质支持，从而培养出更多的高素质人才．

其次，经济增长决定了高校人才培养的规模、速度和结构的变化．只有当经济增长，社会经济总量规模和速度发生变化时，高校人才培养的规模和速度才会随之变化，只有当社会对人才结构需求发生变化时，高校人才培养的结构才会随之变化．在日益竞争激烈的高等教育市场上，高校的生存和发展都必须依赖于培养能够适应产业部门需要的人才上，否则，高等院校就会造成大量的人力、财力、物力的浪费和闲置．

第三，经济增长决定高校人才培养的内容．高等教育的课程内容主要是来自于社会实践的结晶和成果．随着现代经济的高速发展，科学技术的变化也会日新月异，这也会推动者高等教育的内容不断发生变化，从而使得高校人才接受的教育内容也不断发生变化．

3 广东省高校人才培养与区域经济增长的实证研究

3．1 广东省高校人才培养状况

高质量的毕业生为广东省提供了源源不断的高素质人力资源支持，促进了区域的经济增长．根据《中国教育统计年鉴》(人民出版社，2011年版)数据，2010年广东省GDP占全国GDP高达11．46%，而2010年，广东省的高等教育毕业生数占全国的比例分别为:大专7%，本科4．83%，硕士生4．61%，博士生4．97%(图1)．这与广东省的经济发展状况不相符，由于招生规模是由中央统一统筹，所以广东省未来的经济发展必须通过继续吸纳更多的外省毕业生到广东工作来解决高校人才培养与经济发展规模不匹配的现状．

图1 2010年全国毕业生人数及广东省所占比例Figure 1 The number of graduates in the country and the percentage of Guangdong Province

3．2 协整分析与因果关系研究的模型和方法

在进行时间序列变量的分析时，时间序列变量必须是平稳的，否则会导致“伪回归”．但事实上，经济问题的时间序列通常是不平稳的序列．为了解决上述问题，近年来发展了一种处理非平稳序列的新方法——协整分析．协整的概念最初由Granger提出，经Engle和Granger的发展和严谨的证明，最终提出了操作性框架［5］．协整的基本思想认为，对于两个或者两个以上的不平稳的时间序列之间的某种线性组合是平稳的，则可以认为它们存在协整关系，及存在长期均衡关系．针对两时间序列变量，只有当它们是同阶单整时，才存在协整关系．

本文运用每年受过高等教育的毕业生人数作为当年高校人才培养的人员数量．因此涉及高校人才培养的数据有:大专毕业人数(College，简称C)，本科毕业人数(Graduate，简称 G)，硕士毕业人数(Master，简称 M)，博士生毕业人数(Doctor，简称D)．其对数分别为 ln C、ln G、ln M 和ln D．

经济增长则利用广东省历年生产总值(GDP)剔除通货膨胀后作为衡量区域经济增长的指标．

首先对所涉及数据取对数．取对数不仅不改变变量的长期关系，并使变量趋势线性化，而且能降低异方差对数据的影响．经过取对数后，lnGDP表现为经济增长指标，而ln C、ln G、ln M和ln D表现为各层次高校人才培养指标．

(1)单位根检验

分别对 ln C、ln G、ln M、ln D、lnGDP 进行单位根检验，确定各个时间序列变量的单整阶数．

对GDP进行单位根检验的回归方程为:

模型1:

模型2:

在模型1中加入常数项，则:

模型3:

在模型2中加入时间趋势项，则

进行单位根检验时，一般按模型3、模型2、模型1的顺序．当该检验拒绝零假设，则说明原序列不存在单位根，此时可停止检验．否则继续检验，换句话说，只有检验到最后，才能得到原序列是否存在单位根的结论．如果序列不平稳，必须对其查分后进一步检验其单位根．

对ln C、ln G、ln M、ln D进行检验，得出是否存在单位根的结论．

(2)协整检验

均衡是指一个经济系统达到均衡状态时将不存在破坏均衡的内在机制．协整是对非平稳变量长期均衡关系的一种统计描述．对于服从I(d)过程的变量，如果某一线性组合能使d减小，那么这一线性组合则为协整关系．本文采用E-G(Engle-Granger)两步法［4］检验GDP和大专、本科、硕士、博士生毕业人数的协整关系．具体步骤如下:

第一步:用最小二乘法(OLS)估计以下方程:

得到

第二步:利用迪基-福勒检验(ADF)方法［6］检验的单整性．

分别检验GDP和本科、硕士、博士生毕业人数的协整关系．

(3)误差修正模型(ECM)

误差修正模型(ECM)是一种具有特定形式的计量经济学模型，根据Granger定理，若变量序列之间是协整的，则其产生的误差为均衡误差，它反映序列与均衡之间的关系，主要用来研究模型的短期动态和长期调整特征，即DHSY模型［7］．

对 ADL(1，1)模型

通过移项整理可得:

按照同样的方法可以得到lnGDP和ln G、lnGDP和ln M、lnGDP和ln D之间的误差修正模型．

(4)Granger(格兰杰)因果关系检验

通过协整检验，可以得出变量之间是否存在协整关系，但是这种长期的均衡关系究竟是怎样的因果关系，这需要对变量进行Granger因果关系检验．Granger因果关系检验在考察变量X是否是变量Y产生的原因时先估计当前的变量Y被其自身之后期所能解释的程度，然后通过引入变量X的滞后值是否可以提高变量Y的被解释程度．如果是，则X是Y的Granger原因，此时的滞后期系数具有统计显著性．除此之外，还要考虑Y是否为X的Granger原因．其中滞后阶数按照Akaike信息准则(AIC)来选取;

以GDP和大专毕业人数为例，具体步骤为:

对回归方程:

中的βi(i=1，2，…，m)=0进行检验，其中 m为最大滞后阶数，如果拒绝βi(i=1，2，…，m)=0的原假设，则拒绝“ln C不是引起lnGDP变化的原因”的假设，从而得出ln C是引起lnGDP的Granger原因．同样对 βj(j=1，2，…，m)=0进行检验，判断lnGDP是否是ln C的Granger原因．

按照同样的方法分别判断lnGDP和ln G、lnGDP和ln M、lnGDP和ln D的Granger因果关系

3．3 协整分析及GRANGER因果关系检验

(1)数据来源和处理

采用1990年～2011年共21年《广东省统计年鉴》数据，GDP为名义国内生产总值按可比价格计算的国内生产总值指数P(上年=100)进行调整，得到实际的国内生产总值．

表1 样本数据及预处理过程Table 1 Sample data and the preprocessing

为了消除异方差的影响，对数据进行取对数处理，以增强数据的平稳性，结果如表2．

表2 对数处理后的数据Table 2 Data after logarithmic processing

(2)时间序列变量的初步分析

分别对lnGDP和ln C、ln G、ln M、ln D进行相关分析，考察lnGDP分别和 ln C、ln G、ln M、ln D变量是否存在依附关系，测定其关系的密切程度，并检验有效性．根据以上数据，测算出lnGDP和ln C、lnGDP和ln G、lnGDP和ln M、lnGDP和ln D之间的相关系数分别为:0．956 1、0．970 5、0．898 7 和 0．893 2，这表明lnGDP和ln C、lnGDP和ln G、lnGDP和ln M、lnGDP和ln D都存在着高度的正相关关系．

(3)时间序列变量的单位根检验

在对时间变量进行协整分析之前，采用ADF检验方法对各变量进行单位根检验，对 lnGDP、ln C、ln G、ln M、ln D及Δln D进行平稳性检验(表3)．

由各变量序列单位根检验结果可得，在1%显著性水平，lnGDP、ln C、ln G的ADF值能通过平稳性检验，在5%显著性水平，ln M的ADF值能通过平稳性检验，于是 lnGDP、ln C、ln G、ln M 是平稳序列;ln D在10%显著性水平ADF值都不能够通过平稳性检验，但是Δln D在1%显著性水平，ADF值能够通过平稳性检验，于是ln D为非平稳数列，但是ln D的一阶差分均为平稳序列．所以可以得出结论:lnGDP、ln C、ln G、ln M均为平稳序列，而 ln D为一阶单整序列．

表3 各变量序列单位根检验结果Table 3 Test results of each variable sequence unit-root

(4)时间序列变量的协整分析

因为 lnGDP、ln C、ln G、ln M 均为平稳序列，而ln D为一阶单整序列，所以可进一步分析lnGDP和ln C、lnGDP和ln G、lnGDP和ln M、之间的协整关系．

采用E-G两步法检验lnGDP和ln C、lnGDP和ln G、lnGDP和ln M、之间的协整关系．

第一步:利用 OLS对 lnGDP和 ln C、lnGDP和ln G、lnGDP和ln M分别进行回归得到其协整回归方程为(括号里为t统计量，下同):

①lnGDP和ln C

②lnGDP和ln G

③lnGDP和ln M

第二步:对残差进行单位根检验(表4)

由残差单位根检验结果可以看出，在1%的显著性水平上，残差序列e1能够通过平稳性检验，在5%的显著性水平，残差序列e2和e3能够通过平稳性检验．这说明lnGDP和ln C、lnGDP和ln G、lnGDP和ln M存在协整关系．

表4 残差单位根检验结果Table 4 Test results of residual unit-root

(5)时间序列变量的误差修正模型

由Granger定理可知两个具有协整关系的变量一定具有误差修正模型．设定为ADL(1，1)模型分别对 lnGDP和 ln C、lnGDP和 ln G、lnGDP和 ln M 估计方程，在剔除没有统计显著性的变量后，可以分别得到方程为

①lnGDP和ln C

此时变量系数都通过显著性检验，拟合优度接近1，移项后，整理可得误差修正模型:

式中ecm为误差修正值．

②lnGDP和ln G

此时变量系数都通过显著性检验，拟合优度接近1，移项后，整理可得误差修正模型:

③lnGDP和ln M

此时变量系数都通过显著性检验，拟合优度接近1，移项后，整理可得误差修正模型:

根据协整模型(1)、(2)、(3)，长期内，广东省大专生毕业人数每变动1%，GDP将同方向变动0．563%，即从长期来看，广东省的大专生毕业人数对GDP的弹性为0．563;同理，广东省本科生毕业人数、硕士生人数对GDP的弹性分别为0．871 4和0．606 4．结果说明第一，在长期，高校人才培养中的大专生、本科生和硕士生能够促进GDP的增长，而且以本科生对GDP贡献的程度最大，大专生次之，硕士生最少;第二，大专生、本科生、硕士毕业生人数变动所带来的GDP增长的比例很少，说明广东省高校人才培养对区域经济增长的贡献不大．

误差修正模型(4)、(5)、(6)中的误差修正项系数均为负数，调整方向符合误差修正机制．在模型(4)中，误差修正项系数为-0．066，意味着上一年度的非均衡误差以6．6%的比率对本年度的ΔlnGDP做出反向修正．在模型(5)和(6)中，这种修正的比率为14．9%和4．74%．其中以本科生毕业人数对经济增长修正的比率最大，大专生毕业生人数次之，硕士生最小．而三者的比率都较小，说明了广东省高校人才培养对经济增长的修正力度均较少，一旦短期波动偏离了长期均衡关系的轨道，误差修正机制的存在将慢慢将这种偏离带回长期均衡关系的轨道．而在短期，本期的大专毕业人数、本科毕业人数、硕士毕业人数每增加1%，将使GDP分别增加 0．563%、0．236 6%和 0．256%，这也说明了大专毕业人数短期内对经济增长的贡献要大于本科的和硕士生的对经济增长的贡献．

(6)时间序列变量的Granger因果关系检验

由相关分析可知，lnGDP和ln C、lnGDP和ln G、lnGDP和ln M都存在高度正相关关系．但是，究竟是GDP的增长会引起各高校人才培养的人数的增加还是各高校人才培养的人数增加会导致GDP的增长，或者是两者之间存在双向的因果关系呢?这需要利用Granger因果关系检验去进一步研究(表5)．

表5 Granger因果关系检验结果Table 5 Test results of Granger Causality

根据以上的结果，在10%的置信度下，广东省的大专毕业人数、本科、硕士毕业人数增加并不是GDP增加的Granger原因，而广东省GDP增加是大专毕业人数、本科、硕士毕业人数增加的Granger原因．

4 结论

根据广东省高校人才培养对经济增长的实证结果可以得出以下结论:

(1)各层次高校人才培养与广东省区域经济增长存在着正相关的关系;

(2)各层次高校人才培养对广东省经济增长存在长期均衡关系，但是广东省的各层次高校人才培养的贡献度不大;

(3)广东省高校人才培养不是经济增长的Granger原因，而经济增长是高校人才培养的Granger原因．但在协整分析上发现各层次高校人才培养与广东省区域经济增长存在着正相关的关系．可解释为:

第一，高校所培养的人才从事第三产业的较多，但是广东省的第一、二产业的产值占GDP的比重较大，因此高校人才培养对经济增长的直接贡献在本文的数据分析中可能较难反映．

第二，反映了目前高等教育发展存在的问题．有学者认为，目前的高等教育滞后于经济发展、专业结构、学科结构都与经济增长中不相匹配．教学中忽视学生的实践能力的培养;当然，从长期来看广东省高等教育滞后于经济增长，从经济承受能力来看，广东省的高校人才培养具有较为广阔的发展空间．

综上所述，广东省近年来对大力发展高等教育事业，积极进行教育改革，进一步扩大了各种高等学历教育的招生规模，毕业生数都有了很大的发展．但是与GDP相比，各层次教育毕业生数占全国比例都较小，这与广东省的经济发展状况极不相符;同时，各层次高校人才培养对广东省经济增长存在长期、短期均衡关系，但是广东省的各层次高校人才培养的贡献度十分有限，如何使广东省人才培养效果和广东省经济发展的规模和速度相适应是值得思考的问题．

［1］Petrakis P E，Stamatakis D．Growth and educational levels:A comparative analysis［J］．Economics of Education Review，2002，21(5):513-521．

［2］袁文．安徽省高等教育对经济增长影响的实证研究［D］．合肥工业大学，2007．Yuan W．Research on the influences of the higher education with economic growth in Anhui Province［D］．Hefei University of Technology，2007．

［3］赵树宽，余海晴，刘战礼．高等教育投入与经济增长关系的理论模型及实证研究［J］．中国高教研究，2011，(9):11-15．Zhao SK，Yu H Q，Liu Z L，et al．Theoretical model and empirical research of the relationship between higher education investment and economic growth［J］．China Higher Education，2011，(9):11-15．

［4］李淑贞．广东省高等教育与经济发展之间的关系——基于灰色关联度分析［J］．高教探索，2012(3):43-46．Li S Z．Relationship between higher education and economic development of Guangdong Province［J］．Higher Education Exploration，2012(3):43-46．

［5］Engle R F，Granger CW J．Co-integration and error correction:Representation，estimation and testing［J］．Econometrica，1987，55(2):251-276．

［6］Dickey D A，Fuller W A．Distribution of the Estimators for Autoregressive Time Serieswith a UnitRoot［J］．Journal of the American Statistical Association，1979，74:427-431．

［7］James E H D，David F H，Frank S，et al．Econometric modeling of the aggregate time-series relationship between consumers'expenditure and income in the United Kingdom［J］．The Economic Journal，1978，88:661-692．