教育对全要素生产率（TFP）的间接贡献——基于Acemoglu技术工人匹配模型.pdfVIP

教育对全要素生产率（TFP）的间接贡献——基于Acemoglu技术工

人匹配模型

一、摘要与关键词

摘要：

全要素生产率（TFP）是衡量经济长期增长质量的核心指标，其来

源一直是宏观经济学研究的焦点。传统增长核算虽识别人力资本的直

接贡献，但教育对TFP的间接、系统性作用机制仍是理论上的“黑箱”

。本研究旨在基于阿西莫格鲁（Acemoglu）的技术—工人匹配模型，

构建并阐释教育对TFP的间接贡献路径。研究采用理论建模与机制分析

相结合的方法，深入剖析了在一个存在技能与技术异质性且匹配不完

美的劳动力市场中，教育系统如何通过影响匹配效率从而提升总体产

出。核心发现表明，教育对TFP的间接贡献主要通过三大机制实现：首

先，教育作为一种“信号精炼机制”，通过提供可靠的技能信号，降

低了企业与劳动者之间的信息不对称和搜寻成本，提升了市场的配置

效率。其次，教育扮演着“技能结构优化器”的角色，其课程体系与

培养方向的动态调整，能够主动适应并对齐由技术进步所决定的技能

需求结构，从而从根本上减少了结构性错配。最后，教育赋予劳动者

更强的适应能力，在技术冲击导致劳动力结构性调整时，充当了“再

配置加速器”，缩短了技能更新与岗位转移的摩擦时间。研究结论认

为，教育的宏观经济价值远不止于个体人力资本的简单加总，它更是

提升经济整体运行效率、降低资源错配成本的关键制度基础设施。因

此，促进TFP增长的教育政策，其核心应从单纯追求数量扩张，转向致

力于提升教育系统与技术前沿和产业需求的动态匹配与协同能力。

关键词：全要素生产率；教育；技术工人匹配；技能错配；配置

效率

二、引言

在全球经济增长面临结构性放缓、传统要素驱动模式难以为继的

宏观背景下，提升全要素生产率（TFP）已成为各国实现可持续、高质

量发展的核心战略路径。TFP，通常被称为“索洛余量”，衡量的是在

剔除所有有形要素（如资本和劳动）投入后，产出增长中无法被解释

的“残差”部分。它集中体现了技术进步、资源配置效率、管理创新

和制度质量等一系列无形要素对经济增长的综合贡献。因此，深入理

解并有效提升TFP，是破解长期经济增长之谜的关键所在。

在探寻TFP来源的众多研究中，教育和人力资本的作用被置于核心

位置。主流观点认为，教育通过提升劳动者的知识、技能和认知能力

，直接提高了劳动要素的质量和生产率。在增长核算中，这部分贡献

通常通过构建“经质量调整的劳动力投入”指数来衡量，并被视为产

出增长的直接来源。然而，这种视角在很大程度上将教育的效应局限

于对劳动者个体能力的线性提升，而可能低估了教育在一个复杂经济

系统中更为深刻、更为间接的宏观经济功能。一个核心的疑问是：教

育除了直接使工人“更聪明”之外，是否还通过某种系统性机制，使

得资本和劳动这两大要素的结合方式更有效率，从而间接但却根本性

地推动了TFP的增长？

为了回答这一问题，我们需要一个能够超越传统生产函数、深入

到要素配置微观过程的理论框架。达龙·阿西莫格鲁等人发展的“技

术—工人匹配模型”为此提供了强有力的分析工具。该模型的一个核

心洞见是，经济的总产出不仅取决于资本和劳动力的总量，更深刻地

取决于技术类型与工人技能类型之间的匹配质量。在一个存在异质性

技术（如不同复杂程度的机器）和异质性技能（如不同专业背景的工

人）的经济体中，如果高技能工人被错误地配置在低技术岗位上，或

者先进的机器缺乏能够熟练操作它的工人，都会产生巨大的资源错配

成本，从而拉低整个经济的生产率水平。在这种视角下，TFP的增长在

很大程度上可以被理解为全社会范围内“错配”程度的降低和“匹配

”效率的提升。

这一理论框架为我们重新审视教育的宏观经济角色提供了全新的

透镜。教育系统不再仅仅是一个生产“高技能劳动力”的工厂，它更

是一个决定着未来劳动力技能供给的“结构与质量”的战略性部门。

教育体系所设定的专业、教授的课程、培养的能力，直接决定了新生

劳动力能否与经济体中不断演进的技术前沿实现高效匹配。

因此，本研究的核心问题是：基于技术—工人匹配模型的理论框

架，教育系统究竟是通过何种具体的、间接的经济机制来减少劳动力

市场中的技能—技术错配，从而对全要素生产率（TFP）做出贡献的？

本研究旨在：第一，构建一个将教育系统作为内生变量的理论模型，

用以阐释教育在降低市场摩擦、优化技能供给结构中的作用。第二，

系统性地识别并分析教育通过信号精炼、结构优化和再配置加速这三

大机制，间接提升T