区域经济发展中教育贡献率实证检验.docVIP

区域经济发展中教育贡献率实证检验 　　中图分类号：F061.5 文献标识码：A 　　内容摘要：随着产业结构的不断升级和调整，我国经济尤其是区域经济取得了长足的发展，由教育带来的经济效益，促进了我国经济发展。而若想让教育进一步促进区域经济发展，就要确立教育在区域经济中的地位，以及量化教育对区域经济的贡献作用。笔者以DEA模型为基础，构建超效率DEA模型，研究吉林和黑龙江两省相关教育指标对经济增长的影响，得出教育对区域经济增长的贡献率，并根据分析结果提出合理化建议。 　　关键词：区域经济贡献率 教育 超效率DEA模型 DEA模型 　　引言 　　区域经济增长是指一定时期内，区域内居民财富的真实增长速度和真实增加量。随着知识经济时代的来临（蔡晓斌，2009），影响区域经济增长的因素，由原先的资本积累、劳动力数量和自然资源转变为人力资本和制度创新，研究教育对于区域经济增长的影响和贡献率成为我国现阶段亟待研究的问题。通过将数学模型运用到研究教育对区域经济贡献率的课题中（张晓冬，2008），既是融合多个学科相互研究的典范，同时也是把实践与理论相结合的最有效证明。 　　数据包络分析（Data Envelopment Analysis，DEA），是一种遵循相对效率为基础，并量化多指标的投入和产出的决策单元（Decision Making Unit，DMU），进行科学有效评估的方法（解茹玉、师萍，2008）。由于DEA模型存在的诸多优势，开始被大范围运用于各种领域。随着超效率DEA模型的出现，它能够对较多DMU进行排序和处理，并且能帮助使用者深层次地分析同样有效的DMU之间的效率高低。 　　超效率DEA模型构建及检验 　　不同的DMU在具有相同的产出变量和投入变量的同时，可以通过一个DMU所提供的资源和服务与其他DMU相比较，并将多个产出变量和投入变量都转变为效率评估指标（欧阳露莎等，2009）。即假定DEA模型的DMU最高效率为1，那么其他DMU则趋于0-1之间。 　　首先假定一组决策DMU的数量为n，那么每个DMU都有m个输入变量和s个输出变量。通常Xij表示DMUi是j种投入量的输入。Yik表示DMUi是第K种产出量的输出。因此，DMUi的投入就可以表示为： 　　Xi=（xi1，xi2，...，xim）T，（i=1，2，...，n） （1） 　　得出DMUi的产出为： 　　Yi=（yi1，yi2，...，yis）T，（i=1，2，...，n） （2） 　　得出DMUi的效率为： 　　Ei=，（i=1，2，...，n） （3） 　　其中vTuT分别表示投入指标和产出指标的权向量，因此，适当选用权重v和u，能达到Ei≥1，i=1，2，...，n。 　　但如果对第i0个DMU进行评估，就应该标记为DMU0，其产出量为Y0投入量为X0，从而得到第i0个DMU的效率对比模型： 　　（4） 　　（5） 　　（6） 　　然后使用偶规划理论以及Chamess-Cooper变换，并加入松弛变量s-，s+，和Archimedes无穷小量ε，将以上模型的线性分式代入到线性规划模型： 　　（7） 　　（8） 　　（9） 　　（10） 　　（11） 　　再将第K个DMU的总有效率代入到以下线性规划模型： 　　minθ 　　（12） 　　（13） 　　（14） 　　通过规模效益为固定值的假设性得出CCR模型，公式中的θ就是第K个DMU的总效率值，它满足0≤θ≤1。其中包含的经济含义为：一个DMU产出的Y，被K个DMU产出的线性规划组合所替换时，它的投入量X就表示可浓缩程度，其浓缩比例为θ，也可以理解为效率测度值。而当θ=1时，就表示该DMU的效率值处于前端，可以理解成该DMU的状态为有效；而对于 θ 　　结论与建议 　　超效率DEA模型评估结果显示，投入指标为教育事业费支出时，各个区域的超效率DEA评估值均为DEA有效，且评估值的波动较大。详细来说，可以长春市为例，长春市经济的发展受教育因素的较大影响，其经济开始迅猛发展，教育的地位和作用已不言而喻。然而，如何让教学更高效地促进区域经济的增长，需要更进一步的分析和研究。根据以上结论的基础，同时结合研究对象长春市，本文提出政策建议：首先应构建人性化的高校毕业生就业体系，构建的就业体系，应符合知识经济的时代背景，同时也要充分掌握就业市场的特殊性，相关部门应积极促进用人单位、高校毕业生以及高校之间关系的融洽发展；同时相关部门也要加大对就业市场的整治，而用人单位作为就业市场的需求方，也应构建全面化、人性化的用人制度；还有高校毕业生自身，作为就业市场的供给方，也应积极分析我国目前的就业市场和就业形势，主动适应市场大环境，做到不消极、不盲目地选择用人单位。