财政教育投入、产业结构升级对全要素生产率的影响

摘 要： 财政教育投入是我国教育投入的主要力量，对于普及义务教育和形成人力资本发挥着重要作用。人力资本是提高劳动力质量和实现技术进步的主要基础，研究财政教育投入对经济增长效率的作用机制和区域差异具有很好的理论和实践意义。在内生经济增长理论框架下，探究产业结构升级在财政教育投入影响全要素生产率过程中的调节效应。从全国数据看，财政教育投入可以直接提高全要素生产率，我国东部和中部地区的产业结构升级弱化了财政教育投入对全要素生产率的促进作用，西部地区的产业结构升级增强了财政教育投入对全要素生产率的促进作用。在其他控制变量中，GDP增长率和城镇化水平对全要素生产率具有明显促进作用，对外开放程度、外商直接投资、金融深化和科技投入占比对全要素生产率的影响存在较大区域差异。据此提出相应对策建议。

关 键 词： 财政教育投入； 产业结构升级； 全要素生产率； 半参数OP模型

中图分类号： F752 文献标志码： A 文章编号： 1674-0823（2024）02-0192-06

财政教育投入是形成个体人力资本和人力资本积累的重要力量，由于不同国家和地区的经济发展水平差异以及对教育重视程度的不同，使得不同国家（地区）的财政教育投入规模也存在差异。我国财政教育支出占财政一般预算支出的比重从2007年的14.30％提高到2012年的16.90％，然后缓慢下降到2020年的14.80％。其中，我国东部地区财政教育支出占财政一般预算支出的比重从2007年的17.75％上升到2012年的19.02％，然后缓慢下降到2020年的17.55％；中部地区财政教育支出占财政一般预算支出的比重从2007年的17.36％上升到2012年的18.81％，然后缓慢下降到2020年的15.40％；西部地区财政教育支出占财政一般预算支出的比重从2007年的16.80％缓慢下降到2020年的15.87％①。数据分析表明，我国东部和中部地区的财政教育支出占比呈先上升后下降的倒“U型”走势，西部地区则呈逐渐下降走势。不同地区的财政教育投入差异，加上各地区的经济结构和禀赋不同，使得财政教育投入对地区全要素生产率的影响存在不同。深入探究财政教育投入对全要素生产率影响及区域差异性，对制定差异化经济发展政策具有重要意义。

一、文献回顾

国内外关于教育投入与经济增长关系的研究主要可分为两类：一是基于内生经济增长框架研究财政教育投入与经济增长之间的线性关系，研究方法大多基于因果检验和VAR模型。SCHULTZ利用索罗余值法测算三种不同教育投入（基础教育、中等教育和高等教育）对经济增长的贡献［1］。MALUMFASHI在内生经济增长框架下研究发现，尼日利亚教育投入和经济增长之间存在显著正相关关系［2］。李兴江等利用格兰杰因果检验和误差修正模型研究甘肃省财政教育投入关系，发现二者互为因果关系［3］。焦青霞基于状态空间模型分析财政教育投入对经济增长贡献的动态特征，发现财政教育投入带动经济增长0.465％～0.482％［4］。陈颖利用面板数据模型研究我国华东地区各省市财政教育经费支出和经济增长之间的关系，发现教育投入是影响经济增长的重要因素之一，且存在较为明显的区域差异性［5］。方超等基于我国省际面板数据分析发现，财政教育投入的经济增长效应显著，东、中、西部地区教育投入对区域经济增长的影响表现出一定的差异性［6］。范志生基于VAR模型，通过格兰杰因果检验、脉冲响应分析，研究东、中、西部地区财政教育支出与经济增长之间的相互影响和地区差异，并提出与地区经济发展相适应的财政教育支持政策建议［7］。李常在分析了财政教育投入对经济增长和技术创新的影响机制和内涵［8］。

二是探究教育经费投入与经济增长之间的非线性关系。这类研究主要是基于门限计量方法进行研究。高彩梅研究发现，我国西北地区教育投入与经济增长之间存在显著的单门槛特征［9］。于伟等研究表明，教育经费投入与经济增长效率存在非线性关系，并表现出双重门限特征，随着教育经费存量跨越不同门限，教育经费的经济增长效率效应表现出加速现象［10］。浦小松基于面板分位数回归测算和分析283个地级市的财政教育投入对经济增长的影响，认为增加财政教育投入对人均GDP高的城市影响更大，即经济发展水平越高，财政教育投入对人均GDP的促进作用越明显［11］。

梳理现有关于教育投入与经济增长关系的研究可见，大部分研究通过VAR模型或者格兰杰因果关系分析教育投入和经济增长总量之间的影响和均衡关系，这种双变量间的VAR模型或因果关系仅能粗略分析教育投入对经济增长的影响方向和程度，容易受到异方差影响，而且不能很好地明确财政教育投入对经济增长效率的影响机制［12-17］；鲜有文献分析财政教育投入对全要素生产效率的影响，也少有文献探究财政教育投入影响全要素生产率的作用路径或者机制。本文基于我国省级财政教育投入的相对指标数据，测算各省财政教育投入对全要素生产效率的影响机制，及产业结构升级在财政教育投入影响全要素生产效率过程中的调节效应。

二、教育投入对经济增长的影响机制

罗默和卢卡斯在内生经济增长模型中假定的生产函数形式为Y=F（K，L，H，T），认为经济增长是资本、劳动、人力资本以及技术的共同作用，技术的理论来源就是知识，知识能够带来比投入更大的回报率，并且抵消物质资本投入所引起的规模报酬递减效应。因此，要重视对知识的投资，其中教育投入可以直接促进知识的增长，提高全体劳动力的素质水平，间接促进经济增长以及全要素生产率提高。一方面，随着劳动力素质的提高，为社会提供了大量高素质劳动力，使得经济增长由粗放型向集约型转变，提高了经济增长的全要素生产率水平；另一方面，根据配第克拉克定律，随着产业结构的不断升级，第一产业产值比重不断下降，第二产业产值和第三产业产值比重不断上升，劳动力也从第一产业逐步向第二产业转移，随着第二产业的劳动生产率提高，劳动力又逐渐向第三产业转移，最后第三产业的劳动力占比会逐渐超过第二产业和第一产业。在这一过程中，如果产业结构升级是产值替代型的，即经济增长中第三产业产值的增加大多来源于第二产业产值的减少，那么产业结构升级就会表现为减少财政教育投入对全要素生产率的促进作用；如果产业结构升级是技术进步型的，那么产业结构升级就会表现为增加财政教育投入对全要素生产率的影响。

三、数据来源及全要素生产效率测算

1. 数据来源及变量选取

本文选择我国内地30个省份（西藏自治区相关数据缺失，未纳入样本）2007—2020年相关数据测算全要素生产率。（1）总产出指标，以各省份GDP表示，并以2000年为基期进行价格平减。（2）劳动力投入指标，以各省份年末单位从业人员表示。（3）资本存量指标，采用目前通用的永续盘存法计算：Ki，t=Ii，t+（1-δ）Ki，t-1，式中：Ki，t为第i省份第t年的资本存量；Ii，t为第i省份第t年的固定资产投资；δ为折旧率。首先，利用各省份固定资产投资价格指数以2000年为基期对固定资产投资总额进行价格平减。其次，参考单豪杰的方法测算各省份基年（2007年）的资本存量，参考张军的研究取折旧率δ=9.6％，测算各省份资本存量。

2. 基于OP方法的全要素生产率测算

全要素生产率测算主要有三种方法：一是参数方法，主要有索洛余值法、生产函数法及随机前沿分析法。该类方法需要设定具体函数形式以及满足一系列假定条件，否则测算结果就会有较大误差。二是非参数方法，主要包括指数法和数据包络分析。该类方法不需要设定具体函数形式，但是不能导出对TFP贡献份额的确切估算，如果遗漏重要的投入产出数据就会导致测算结果的偏移。三是半参数方法，主要包括OP和LP法，主要是为了避免生产率估计过程中的内生性问题。OP法利用投资作为不可观测且随时间变化的生产率冲击效应代理变量来解决内生性问题，LP法与OP方法的主要区别在于用中间投入而非投资作为生产率的代理变量［18］。

四、财政教育投入对全要素生产率影响的调节效应模型

为了探究产业结构升级在地区财政教育投入影响全要素生产效率过程中的作用机制，构建面板数据模型测算产业结构升级的调节效应，即

tfpit=ci+α1eduit+α2rGDPit+α3openit+α4FDIit+α5findit+α6teciit+α7cityit+εit（1）

tfpit=ci+α1eduit+α2struit+α3struiteduit+ α4rGDPit+α5openit+α6FDIit+α7findit+α8teciit+α9cityit+εit（2）

式中：tfpit为第i个省份第t年的全要素生产率；eduit为第i个省份第t年的财政教育投入占GDP的比重；struit为第i个省份第t年的产业结构升级指数；struit=r1+2r2+3r3，其中r1，r2，r3分别表示第一产业、第二产业和第三产业产值占GDP的比重。

控制变量如下：

rGDPit为第i个省份第t年的GDP增长率，较高的经济增长率使得该地区有能力用先进机器设备替换陈旧机器设备，雇佣具有较高技术水平的劳动力，从而有利于全要素生产效率提升［19］。

openit为第i个省份第t年的对外开放程度，利用进出口总额（以当年人民币兑美元汇率折合成人民币）与GDP的比值表示。对外贸易总额的增加有利于先进技术的引进，其对经济增长全要素生产率的影响取决于该地区的对外贸易结构及对先进技术的消化吸收能力［20］。如果一个地区的出口大都是劳动密集型产品或者对新技术消化吸收能力较弱，那么其对经济增长全要素生产率的影响方向待定。

FDIit为第i个省份第t年的外商投资水平，利用实际利用外资水平（以当年人民币兑美元汇率折合成人民币）占GDP的比重表示。FDI的流入不仅使得资金不足的局面得到改善，还带来国际间技术溢出，一定程度上有利于全要素生产率的提升［21］。与对外贸易额的影响类似，FDI对全要素生产率的影响取决于技术引进的发达程度及该地区对国外先进技术的吸收能力，如果引进的技术比较落后，甚至属于污染较大的生产技术，则可能对生产效率产生负向影响。

findit为第i个省份第t年的金融发展水平，用人民币存贷款总额占GDP的比重表示。一般而言，较高的金融发展水平有利于企业突破信贷约束，有利于促进经济增长和效率提升。但如果地区金融发展水平提升过快，会引起金融资源“脱实向虚”，从而不利于实体经济的发展［22］。

teciit为第i个省份第t年的科技投入水平，利用财政科技支出占财政支出的比重表示。财政科技投入对经济增长的作用主要是正向影响，但是有学者研究发现，我国省级财政科技投入对经济的影响作用是递减的［23-24］，因此，这里将财政科技投入作为影响经济增长效率的控制变量，其影响方向取决于财政科技投入与全要素生产率增长的相对速度［25］，投入超前或投入不足，都可能使其对经济增长效率的影响为负。

cityit为第i个省份第t年的城镇化水平，用城镇人口占总人口的比重度量。城镇化通过土地、人力资本、技术和消费水平对经济增长产生促进作用［26］。

若模型（1）、（2）中财政教育投入的回归系数α1gt;0，则说明财政教育投入对全要素生产率具有正向影响，否则为负向影响；如模型（2）中财政教育投入与产业结构升级指数乘积项的回归系数α3gt;0，则表明产业结构升级增强了财政教育投入对全要素生产率的促进作用，反之就是阻碍作用。

五、面板单位根检验和协整检验

为了避免伪回归的出现，使结果更加可信，利用面板单位根检验的LLC方法对模型（1）、（2）涉及的变量进行单位根检验，结果见表1、2。

分析表1数据可见，所有变量的面板单位根LLC检验结果都是平稳的。利用KAO检验判断回归变量之间是否为协整的，结果见表2。

分析表2数据可见，模型（1）、（2）的回归变量之间存在稳定的协整关系。

六、财政教育投入对全要素生产率影响的调节效应检验及稳健性检验

由于我国不同省份的GDP增长率等变量可能存在异方差，相邻省份的经济变量可能存在序列相关问题，因此需要在回归之前进行检验，以便确定具体的回归模型形式。经过检验发现，组间异方差的Wald检验统计量值为3102.85，即在1％的统计水平上拒绝同方差的假定；同时，分别在统计量服从正态分布和卡方分布的情况下，检验是否存在组间序列相关，结果发现统计量服从正态分布下Pesaran检验统计量值为24.57，统计量服从卡方分布下Friedman检验统计量值为105.05，二者均在1％统计水平上显著。因此，选择控制组间异方差和组间序列相关的广义最小二乘FGLS进行估计。

为了区分我国东、中、西部不同地区财政教育投入对全要素生产率影响的差别，分别对数据进行回归，结果见表3。

通过分析表3的回归结果，发现在没有添加产业结构升级和交叉项的模型（1）的4个回归方程中，全国、中部和西部地区的财政教育投入对全要素生产率具有显著的正向影响，在东部地区为微弱的负向影响。在添加产业结构升级和交叉项的模型（2）的4个回归方程中，全国、东部和中部地区的产业结构升级对全要素生产率具有显著的正向影响，在西部地区的影响不显著。在交叉项的系数（调节效应）中，全国、东部和中部地区的回归系数显著为负，说明产业结构升级弱化了财政教育投入对全要素生产率的影响；西部地区的回归系数为正，说明产业结构升级提高了财政教育投入对全要素生产率的影响。

对于其他控制变量：GDP增长率在全国、东部和中部地区对全要素生产率的影响显著为正，在西部地区则不显著；对外开放水平在全国、中部地区的影响为正，在东部和西部地区的影响为负；FDI在全国范围、东部地区对全要素生产率的影响为正，在中部和西部地区的影响为负；金融深化在全国范围以及东、中、西部地区的影响均为负；财政科技投入在全国范围的影响不显著，在东部和中部地区的影响为正，在西部地区的影响为负；城镇化在全国和东、中、西部地区的影响均为正。

为了提高结果的可靠性，利用索洛余值方法重新测算全要素生产率，并作为被解释变量代入模型（1）、（2）中重新回归，结果见表4。

对比表3、4的结果，发现替换被解释变量之后回归结果基本一致，说明回归结论是稳健的。

七、结论与对策建议

本文利用我国内地30个省份（因数据缺失未含西藏自治区）2007—2020年财政教育投入、产业结构升级及全要素生产率等相关数据，在内生经济增长理论框架下，测算财政教育投入对全要素生产率的影响及其机制。结果表明，财政教育投入可以直接促进全要素生产率的提高，产业结构升级在财政教育投入对全要素生产率影响过程中具有显著的调节效应。其中部分年份调节效应为负的原因在于财政教育投入2012年开始出现下降态势，而各地的产业结构升级却为上升态势。

据此提出如下对策建议：

（1） 加大科技研发投入对经济增长效率的支持力度。各地区的产业结构调整应根据经济发展的实际情况而定，经济增长有时需要效率支撑。根据回归结果，尤其要加大对中部地区的财政教育投入力度，协调东部和西部地区财政教育投入的方向和结构，使其对经济增长效率产生正向作用。财政教育支出要与产业结构升级相结合，对我国东部和中部地区而言，要协调好产业结构升级的速度和质量，使人力资本水平能与产业结构升级产生合力，进一步对经济增长效率产生正向促进作用。

（2） 加大和调整对外开放程度以及引进外商投资的力度和结构。本文的实证结果说明，对外开放程度和外商直接投资对我国东部和西部地区存在抑制作用。因此，东部和西部地区要调整对外贸易和技术引进的方向和结构，增加高技术类的贸易和外资，推动从进口替代到出口导向转变；西部地区要维持现有的贸易和外商投资结构，使其对经济增长效率发挥更大的促进作用。

（3） 适当加快城镇化步伐。本文研究表明，我国东部和中部地区的城镇化明显促进了全要素生产率的提高，但城镇化应该与地区吸纳就业能力和促进消费升级紧密结合起来，避免单纯人口城镇化带来的负面效应。

参考文献：

［1］SCHULTZ T W.Investment in human capital ［J］.Ame-rican Economic Review，1961，151（3）：1-17.

［2］MALUMFASHI A.Education expenditure and economic growth in Nigeria：co-integration and correction technique ［J］.International Journal of Research in Commerce，Economics and Management，2012，2（8）：34-37.

［3］李兴江，高亚存.甘肃省财政教育投入与经济增长关系的实证分析 ［J］.财会研究，2012（3）：12-16.

［4］焦青霞.教育财政投入对经济增长贡献的动态研究 ［J］.经济经纬，2014，31（4）：122-126.

［5］陈颖.教育投入与经济增长关系的研究——基于华东地区2000—2016年数据 ［J］.太原城市职业技术学院学报，2018（10）：15-17.

［6］方超，黄斌.教育投入对中国经济增长的影响——基于增长回归框架的空间计量研究 ［J］.大连理工大学学报（社会科学版），2018，39（6）：91-99.

［7］范志生.经济增长与教育财政支出区域性差异分析 ［J］.合作经济与科技，2019（16）：6-9.

［8］李常在.财政教育投入对经济增长和技术创新的影响 ［J］.科技经济市场，2020（2）：43-45.

［9］高彩梅.西北地区教育投入对经济增长的门槛效应研究 ［J］.中小企业管理与科技（中旬刊），2016（10）：103-105.

［10］于伟，张鹏.教育经费投入对经济增长效率的非线性影响——基于门限回归模型的分析 ［J］.山东财经大学学报，2018，30（4）：75-82.

［11］浦小松.财政教育支出对经济增长的影响研究——来自283个市级地区面板分位数回归模型的证据 ［J］.价格理论与实践，2021（3）：96-99.

［12］单豪杰.中国资本存量K的再估算：1952—2006年 ［J］.数量经济技术经济研究，2008，25（10）：17-31.

［13］张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952—2000 ［J］.经济研究，2004，39（10）：35-44.

［14］李珊珊.安徽省财政教育投入、科技投入与经济增长的关系——基于VAR模型的实证分析 ［J］.湘南学院学报，2017，38（5）：64-71.

［15］刘斌.我国高等教育财政支出对经济增长影响的实证研究 ［D］.北京：首都经济贸易大学，2018.

［16］许晨曦，孟新月.财政教育支出与经济增长的相关性研究——基于西北五省的数据分析 ［J］.山西财政税务专科学校学报，2015，17（3）：7-10.

［17］胡少廷，孙丽雅，武长河.高等教育财政支出对经济增长影响空间差异综述 ［J］.改革与开放，2016（18）：17-19.

［18］鲁晓东，连玉君.中国工业企业全要素生产率估计：1999—2007 ［J］.经济学（季刊），2012，11（2）：541-558.

［19］杨康生.贫困地区经济增长效率及其影响因素研究——以滇西边境及哀牢山区7个县为例 ［D］.重庆：西南大学，2016.

［20］沈飞.金融发展水平、对外开放水平对湖南省经济增长技术效率的影响研究 ［D］.衡阳：南华大学，2015.

［21］陈逸凡.FDI对我国经济增长效率的影响——基于33个工业行业面板数据的实证分析 ［D］.厦门：厦门大学，2014.

［22］颜筱桑.我国金融深化与经济增长关系的实证研究——基于面板数据门限模型 ［D］.泉州：华侨大学，2016.

［23］张明喜.我国财政科技投入对经济增长贡献的测度 ［J］.财经论丛，2010（4）：18-23.

［24］祝云，毕正操.我国地方财政科技投入与经济增长关系分析 ［J］.西南交通大学学报（社会科学版），2007，8（5）：22-27.

［25］杨灵，于洋，蔡冬冬，等.研发约束、不确定性与全要素生产率 ［J］.沈阳工业大学学报（社会科学版），2022，15（3）：250-256.

［26］陈俊梁，史欢欢，林影，等.城镇化对经济增长影响的路径分析——基于长三角城市群的研究 ［J］.经济问题，2022（4）：49-57.

Influence of fiscal investment in education and industrial structure upgrading on total factor productivity

ZHU Tianxing1，2， CHEN Shenfang1，2， HE Li2，3

Abstract： Fiscal investment in education is a major force in the Chinese education input， which plays an important role in popularizing compulsory education and forming human capital. Human capital is the main basis of improving labor quality and realizing technological progress. It is of great theoretical and practical significance to study the functioning mechanism and regional difference of fiscal investment in education on economic growth efficiency. Under the framework of endogenous economic growth theory， the moderating effect of industrial structure upgrading is explored on the influence of fiscal investment in education on total factor productivity. According to the national data， the fiscal investment in education can directly improve the total factor productivity， the upgrading of industrial structure in the eastern and central regions of China weakens the promotion effect of fiscal investment in education on total factor productivity， while the upgrading of industrial structure in western region of China enhances the promoting effect of fiscal investment in education on total factor productivity. Among other control variables， GDP growth rate and urbanization level have a significant promoting effect on total factor productivity， but the degree of opening up， foreign direct investment， deepening finance and proportion of scientific and technological investment have large regional differences on the influences of total factor productivity. Countermeasures and suggestions are proposed accordingly.

Key words： fiscal investment in education; upgrading of industrial structure; total factor productivity; semiparametric OP model

（责任编辑：郭晓亮）

①数据来源：国家统计局网站，http：//www.stats.gov.cn。

收稿日期： 2022-09-04

基金项目： 国家社会科学基金项目（21BJL095）； 辽宁省教育厅项目（ljkmr20220491）； 沈阳市社会科学界联合会课题（SYSK2022-JD-35）； 吉林省教育厅项目（JJKH20220662KJ）。

作者简介： 朱天星（1970—），男，辽宁铁岭人，教授，博士，主要从事产业组织与政策等方面的研究。