高职教育对经济增长贡献与地理区位关系研究
——以江苏五市为例

◎李 富

（无锡商业职业技术学院 国际商务学院，江苏 无锡 214153）

一、高职教育与经济增长关系的理论研究

高职教育与经济增长的关系，国内外学者持正面主张的较多，深入研究发现主要有两种范式：一是从高职教育对经济增长的直接作用入手，认为高职教育能促进经济发展，是一国工业发展关键，对一国经济发展影响较大，巴洛夫等更是主张发展中国家职业教育与经济发展是相辅相成的关系；一些国内学者就高职教育与经济增长的关系进行了实证分析，利用柯布-道格拉斯生产函数先后测算了2001年到2012年全国高职教育对经济增长的贡献、高职教育对区域经济增长的贡献，由此评价高职教育对经济增长的贡献率。

二是一些学者从高职教育学生在学校期间能学习技能、提高工作后的适应性入手，间接证明高职教育对经济发展的作用。通过对高中阶段是否参与职业教育培训的调研，认为通过职业教育培训的学生，收入比没有参加过职业教育培训的学生收入高，学生在职业院校不仅能学习到理论知识，还能学习到专业的工作技能，让人们更有效地开展工作，满足社会和经济发展对人才的需求，因此21世纪需要更多的人接受职业教育。

当然，国际上也有一些学者怀疑职业教育，包括高职教育的投入、产出效率，针对过去三十年职业教育在发展中国家的快速发展，认为发展中国家职业教育的成本与效力问题值得怀疑；通过就职业教育和普通教育人数分布比例构建动力学模型，发现职业教育人数比例并没有与经济发展呈现线性关系，而是呈现先上升而后下降的U形关系，这也就意味着高职教育与经济增长关系这一命题还有进一步深入研究的空间，其内在的关系还有待探究。由于对高职教育效力的质疑主要集中在发展中国家，因此对发展中国家高职教育效力的评价就显得尤为必要。对我国高职教育研究，特别是对不同区域高职教育贡献的研究将有助于澄清这一问题。

二、高职教育对经济增长贡献测度的模型基础

高职教育与经济增长的关系研究方法有一些，学者界普遍采用丹尼森系数法。丹尼森系数法是在柯布-道格拉斯生产函数基础上进一步拓展而形成的，是将经济增长率和各项要素投入增长率联系起来，通过比较，来测算各项要素的投入对经济增长的贡献。[1]美国数学家柯布和经济学家保罗·道格拉斯在20世纪30年代在研究美国1899年到1922年制造业资本和劳动投入对生产的影响时，提出了著名的柯布-道格拉斯生产函数模型为：

该模型中Y、A、L、K依次代表工业总产值、综合技术水平、不包括教育影响的劳动力投入和资本投入；α和β分别代表资本产出的弹性系数、劳动力产出的弹性系数；并假设α＞0，β＞0，α+β=1，即生产规模报酬不变，生产效率只和技术水平有关，和生产规模无关，只有技术水平进步，生产效率才会提高。[2]基于人力资本理论研究基础，美国经济学家和教育学家丹尼森进一步把教育因素引入到柯布-道格拉斯生产函数中，把劳动投入分解成原始劳动力投入（L）和教育投入（E），柯布-道格拉斯生产函数由此演变为：

对上式两边求全导数，化成差分形式，经过整理后可得投入-产出的经济增长模型为：

这里Y、a、k、L分别表示经济、技术、资本投入、原始劳动力投入的年均增长率，e表示教育投入年均增长率，这里用教育综合指数的年均增长率代替，α和β分别表示资本产出弹性系数和劳动产出弹性系数。由此，可以判定教育对经济增长的贡献可表示为：

进一步可以判定高职教育对经济增长的贡献率为：EhRe。其中Eh为高职教育在教育综合指数年均增长率中的比重。β值，借鉴丹尼森计算美国劳工工资占国民收入总额的经验，确定为0.73，考虑到教育只是影响个人劳动报酬的一部分，借鉴国内外相关学者经验，在计算教育对经济增长贡献时，引入折算系数（0.6），即 Re’=0.6Re。

三、高职教育对江苏各区域经济发展的贡献评价

（一）计算2003年、2015年江苏五市从业人员受教育程度

江苏五市高职院校起始于2001年，2003年才有毕业生，因此选择2003年为基期、2015年为报告期，计算从2003年到2015年高职教育对无锡经济增长的贡献。数据来源于无锡统计年鉴、江苏统计年鉴等，2003年及之前虽然没有高职生，但有大专生，现在大专生在很多统计口径中与高职生一并统计，鉴于此，2003年以前的大专生也作为高职生统计，计算整理得到锡、苏、常、通、淮五市2003年和2015年区域文化程度分布百分比如表1和表2所示：

表1 2003年江苏主要区域文化程度分布百分比（%）

表2 2015年江苏主要区域文化程度分布百分比（%）

（二）计算2003年、2015年五市从业人员人均受各级教育的年数

将受过某级教育的人数分布比相加，再乘以本级教育的受教育年限，计算出该级教育的人均受教育年限。[3]我国目前中小学、初中、高中、高职、本科的受教育年限分别为6年、3年、3年、3年、4年，依次计算出2003年和2015年江苏五市从业人员人均受各级教育年数如表3和表4所示：

表3 2003年江苏五市人均受各级教育的年数

表4 2015年江苏五市人均受各级教育的年数

（三）计算2003-2015年江苏省从业人员的教育综合指数年均增长率

知识和技术水平的差异将会影响劳动报酬的高低，因此不同教育程度的人的劳动报酬也有高低。这里采用劳动报酬法来计算从业人员的劳动简化指数。参考有关研究成果，将受小学教育水平的从业人员的劳动简化率指数定为1，2003年江苏五市的小学、初中、高中、高职、本科文化程度从业人员的劳动简化率指数依次定义为 1、1.28、1.38、1.81、2.20，2015 年江苏五市小学、初中、高中、高职、本科文化程度从业人员的劳动简化率指数依次定为1、1.90、2.65、4.26、5.46。江苏各区域教育综合指数为每个教育层次劳动简化率指数乘以该级人均受教育年限，然后加总求得，如表5：

表5 2003年、2015年江苏五市教育综合指数

根据2003年和2015年教育综合指数，可以计算出2003-2015年间江苏五市从业人员教育综合指数的年均增长率，教育综合指数的年均增长率为2015年的区域教育综合指数和2003年的区域教育综合指数之比开12次方减去100%所得。由于教育只是造成工资差别的其中一种原因，因此，按照丹尼森等学者通行做法，对依据劳动报酬计算出的江苏五市教育综合指数年均增长率，按照0.6进行折算，所得折算前后江苏五市教育综合指数的年均增长率指标如表6所示：

表6 2003-2015年江苏五市教育综合指数年均增长率指标（%）

由此，可以计算出从2003年到2015年间江苏五市锡、苏、常、通、淮教育综合指数中高职教育的贡献率依次为:0.81%、0.92%、0.91%，0.70%，0.49%，高职教育在江苏五市教育综合指数年均增长率中占比依次为：17.96%、13.63%、18.42%、16.13%、12.76%；采用2015年区域高职教育人均受教育年限与2003年区域高职教育人均受教育年限之比开12次方减去100%，可以推算出江苏五市2003-2015年间人均接受高职教育年数的年均增长率如下表7所示：

排除高职教育后，进一步计算2003-2015年间江苏五市教育综合指数的年均增长率，以无锡为例，如下所示，计算结果为3.70%；依次计算苏州、常州、南通、淮安排除高职教育后的教育综合指数年均增长率分别为：5.83%、4.03%、3.64%、3.35%。

表7 2003-2015年江苏五市教育综合指数中高职教育贡献率与年均增长率（%）

（四）计算2013-2015年江苏五市教育对GDP年均增长率的贡献

2003年至2015年间锡、苏、常、通、淮GDP的年均增长率依次为13.66%、14.68%、16.00%、16.28%、16.48%，根据Ce=βRe’/y，计算出锡、苏、常、通、淮五市的教育对区域GDP年均增长率的贡献分别为14.48%、20.14%、13.51%、11.66%和10.19%，高职教育对江苏锡、苏、常、通、淮五市GDP年均增长率的贡献（Ch=CeEh）依次为：2.60%、2.75%、2.49%、1.88%、1.30%。

分析可以看出，江苏五市高职教育发展迅速，人均接受高职教育年数逐步增长，最高年均增长率为南通，达到18.14%；最低的是苏州，也达到14.49%；高职教育在教育综合指数中的占比最高的常州，达到18.42%，最低的是淮安为12.76%，由此看到江苏高职教育发展的蓬勃现状，在区域教育中的综合地位较高，但也应看到高职教育对经济增长的贡献并不与高职教育在教育综合指数中占比成正比，苏州高职教育虽然在教育综合指数中占比较低，但其高职教育对经济增长贡献最大，达到2.75%；其次通过比较也发现，高职教育对经济增长贡献大小与区域方位有密切关系，苏中、苏北地区高职教育对经济增长贡献明显低于苏南地区，这其中与苏中、苏北地区培养的人才外流有很大程度的关系，人才外流造成高职教育贡献率下降，也影响了区域经济的发展。

四、江苏主要区域高职教育专业设置与行业发展匹配性

（一）江苏五市行业发展水平比较

改革开放以来江苏经济取得了很大发展，但各个行业发展水平呈现一定的差距。高职院校服务于区域经济，专业设置理论上也应跟行业的发展水平相适应，因此有必要评价江苏各个区域的发展水平。借助主成分分析法，选择指标综合评价五市各个行业的发展水平。由于专业设置要依据上年的行业发展水平，这里行业发展水平选择2014年江苏五市现状，专业设置选择2015年五市高职院校各专业设置。[3]选取行业产值、行业固定资产投资两个指标反映行业的规模，选择行业技术开发经费反映行业的发展潜力和创新程度，选择主营业务税金和行业产值占区域总值的比重反映行业对社会发展的贡献。

由于公安与司法大类没有产值等数据统计，因此分析时该大类不考虑在内，不计入主成分分析法中。首先对各个区域行业发展原数据进行KMO（Kaiser-Meyer-Olkin)和巴特利特球度检验，一般认为KMO值大于0.5，Sig值小于显著性水平0.05，表示变量适合做主成分分析，分析表明锡、苏、常、通、淮等五市KMO值最低为0.557，最高为0.755，Bartlett球度检验的Sig值为000，表明五市的行业发展水平数据都适合做主成分分析。根据特征根大于1，贡献率大于85%，提取特征根，计算出江苏五市2014年各行业的发展水平，结果可发现江苏五市区域内各个行业发展存在一定的差距，比较结果如图1所示：

同向比较而言，无锡在能源动力与材料大类、装备制造业大类和财经商贸大类相比本地区其他行业具有比较优势；苏州在装备制造业大类、电子信息大类、土木建筑大类相比本地区其他行业具有比较优势；常州在装备制造业大类、土木建筑大类、能源动力与材料大类相比本地区其他行业具有比较优势；南通在生物与化工大类、装备制造业大类和电子信息大类相比本地区其他行业具有比较优势；淮安在装备制造业大类、轻功纺织大类、农林牧渔大类相比本地区其他行业具有比较优势。

（二）高职教育各大类的发展水平

根据产业与高职教育的互动原理，2014年的行业发展水平将会影响2015年高职院校的招生目标和招生数量，影响各个专业和大类的生源情况，为此统计出江苏五市各个高职院校的2015年各个专业的招生情况，可以发现一些专业开设院校较多，如国际经济与贸易（实务）专业无锡地区有13所学校开，也就是每所高职院校都开，会计与审计、机电一体化分别有12所和11所院校开；苏州地区高职开设较多的专业首先是机电一体化和物流管理专业，几乎每所院校都开，分别是10所学校开，电气自动化和计算及网络技术开设院校也较多，分别有9所院校开；常州地区高职开设较多的专业是机电一体化、会计和电子商务专业，分别有19所院校、16所院校和14所院校开；南通地区机电一体化专业有10所高职院校开设，会计专业有8所院校开设，工程造价、数控技术、计算机应用技术和电子商务分别有6个院校开；淮安地区高职开设较多的专业是数控技术有5个院校开设，机电一体化技术有4个院校开设，计算机应用技术有3个院校开设，这说明各个区域之内高职院校开设专业具有较大的雷同性和重复性。

图1 锡、苏、常、通、淮行业发展水平比较

进一步探讨，会发现机电一体化、会计、电气自动化、电子商务、数控技术等五个专业排名在锡、苏、常、通、淮五市高职专业开设的前十名之内，计算机应用技术在四个区域高职专业开设的前十名之内，市场营销、计算机应用技术、物流管理在三个区域专业开设的前十名之内，这说明江苏五市之间开设专业具有较大的雷同性。

（三）高职教育专业发展水平与行业发展水平的匹配

高职教育各个专业发展水平很大程度上体现在招生规模上，因此这里用招生规模代表高职教育专业发展水平。把江苏五市各个高职学院2015年的招生数据与江苏五市行业发展水平比较，根据行业发展水平排名和招生规模排名的对比，来定性判断江苏五市高职教育的专业设置与行业发展水平是否相匹配以及匹配程度。把行业发展水平按由高到低进行排序，定为1到19，把高职教育专业发展水平也按照由高到低进行排序，定为1到19，排序越靠前说明行业发展水平越高或高职教育专业发展水平越高，把行业发展水平排序与高职教育专业发展水平排序的差用来衡量二者之间是否匹配，二者差值为正，说明高职教育专业发展水平高于行业发展水平，高职教育人才培养与行业发展水平脱节，培养的行业人才过剩；反之，说明高职教育专业发展水平不够，不能满足行业发展人才需求；如果结果为0，说明高职教育专业发展水平与行业发展水平适应性相对比较好，匹配度较高。

从图2可以看出，江苏五市高职教育专业发展水平与行业发展水平存在一定程度的差异，财经商贸大类、旅游大类、艺术大类、教育与体育大类、新闻大类高职专业发展水平普遍高于行业发展水平；能源动力与材料大类、生物化工大类、轻功纺织大类、水利大类、公共管理与服务大类（苏州除外）江苏五市高职教育专业发展水平普遍低于行业发展水平；装备制造业大类江苏五市高职教育专业发展水平与行业发展水平基本持平。

江苏五市高职教育专业设置与各区域经济发展存在的一定不匹配性限制了高职教育对区域经济增长贡献的提高。进一步，选择行业发展水平前十位的行业，把专业发展水平与行业发展水平差的绝对值分别乘以行业发展水平的排序，然后进行加权求和，称为匹配值，匹配值越高代表高职教育专业发展水平与行业发展水平偏离度越高，发现淮安的匹配值为319最高，表示其高职教育专业发展水平与行业发展水平不适应性最高，苏州的匹配值为164最低，说明其高职教育专业发展与行业发展水平偏差最小，其次为无锡的匹配值为165，南通匹配值为169，常州的匹配值为223。也基本可以说，高职教育专业设置与经济发展匹配方面，苏南地区（无锡、苏州）高职教育的匹配度要高于苏中和苏北地区。常州高职教育专业设置和产业发展匹配度较差，远远落后于无锡和苏州地区，甚至不如南通地区，这反映了常州高职教育发展与产业发展之间出现了某种问题，也侧面反映在常州经济发展总量和增速落后于南通经济发展总量和增速上。

图2 锡、苏、常、通、淮高职专业招生与行业发展水平匹配

五、基于DEA模型的高职教育对江苏五市经济发展效率评价

评价效率最好的方法是数据包络分析法（DEA）。DEA法善于处理多投入和产出问题，它借助于数学规划确定相对有效的生产前沿面，在保持决策单元（DMU）的输入或者输入不变，将各个决策单元投影到DEA的生产前沿面上，然后通过比较决策单元偏离DEA前沿面的程度来评各单元的相对有效性。DEA方法对数据不直接处理，评价的结果与数据的量纲也不存在直接的关系，因此基本排除人为干扰，具有较好的客观性。

根据实践，影响一国行业发展的主要因素有劳动力投入、资本投入、技术开发、教育投入、外商投资等，考虑到高职教育起步较晚，认为高职教育对行业的影响，可以通过行业产值的增长率和行业产值占GDP的增长率来判断。因此，选择固定资本、技术开发支出经费、教育经费投入（以高职教育生均经费投入算出）为DEA模型的输入要素，以行业产值增长率和行业产值占GDP的增长率为DEA模型的输出要素，进行超效率DEA模型分析。

图3 锡、苏、常、通、淮高职教育投入相对行业大类冗余

图4 江苏高职教育经费投入冗余

从分析结果可以看出，江苏五市高职教育资金投入整体普遍存在冗余现象（见图3），以土木建筑大类、教育与体育大类、生物与化工大类、能源动力与材料大类、装备制造业大类、食品药品与安全大类、公共管理与服务大类、新闻大类资金整体冗余比较显著（至少四个区域存在投入冗余），尤以土木建筑大类和教育体育大类为最，在五个区域全部存在教育经费投入冗余。

相对行业发展而言，苏南地区（无锡、苏州和常州）高职教育经费投入冗余出现最多的在装备制造业大类；南通高职教育经费冗余主要出现在交通运输大类；淮安高职教育经费冗余主要出现在财经商贸大类，这也反映了各个区域高职教育今后在资金投入上应调整的方向和力度有所不同。

从区域整体来看，江苏五市在高职教育经费的使用上都或多或少的出现了冗余（见图4），影响了高职教育经济发展贡献率的提高。其中无锡高职教育经费冗余的现象最为严重，南通高职教育经费冗余最少，其次是淮安、苏州、常州和无锡，这也从侧面证实了南通、淮安经济发展较快的原因之一，在于高职教育的贡献在逐步提升。苏南地区高职教育经费冗余要比苏中和苏北地区要严重，苏中和苏北地区高职教育亟待更多的经费投入，而苏南地区高职教育则需要更好考虑如何利用现有的经费和资源，更好地服务于区域经济的发展。

六、江苏五市高职教育提高经济发展贡献的对策建议

从上述分析可以看出，锡、苏、常、通、淮五市由于其区域地理位置不同，高职教育对区域经济增长的贡献也不同，苏南地区高职教育对经济增长的贡献要高于苏中和苏北地区，苏南地区高职教育专业设置一般与行业发展水平更加匹配，这也可能是造成苏南地区高职教育经济增长贡献率普遍比较高的原因，当然除这个原因外，苏中和苏北高职教育培养的学生很少留在当地，较多的毕业生来到了苏南和浙江等发达地区，造成苏中和苏北地区高职教育对区域经济增长贡献率相对较弱。

另一方面，苏中和苏北地区的高职教育师资力量一般也弱于苏南地区，良好的生活环境吸引了很多苏中和苏北地区高层次人才都转投苏南高职教育的怀抱，再加上苏南地区外省高层次人才的引进，造成苏南地区高职教育师资队伍整体比较强大，这对培养的学生视野和知识面也有影响，也从侧面弱化了苏中和苏北高职教育对当地经济增长的贡献。

分析也发现，苏南、苏中和苏北高职教育投入相对区域行业发展都出现冗余现象，苏南地区高职教育投入冗余更加严重，这是因为苏南地区经济较为发达，政府支持力度也较大，苏南地区高职教育享受的资源条件往往比苏中和苏北地区更加优越，资源出现冗余也就很好理解，因此对苏南高职教育来说，目前关键在于如何充分利用现有资源，特别是如何更加有效地解决装备制造业等大类的冗余问题；而苏中、苏北地区高职教育投入相对冗余比较少，为提高竞争力和服务于当地经济的发展，如何解决交通领域和财经商贸等大类的冗余则迫在眉睫。此外，对于苏中、苏北地区而言，今后如何吸收更多资源、强化专业设置、提高师资队伍水平也将是重点关注事项。[4]

不过，无论是苏南，还是苏中和苏北都要进一步提高高职教育对区域经济增长的贡献，注意要从高职教育招生规模、专业设置与行业发展的匹配以及提高高职教育投入和资源的使用效率着手，具体来说，需要采取一系列措施，如要促进产教深度融合，加深校行合作、校企合作，根据行业、企业的需要培养社会需要的人才，要真正建立校、政、行、企专家组成的专业建设指导委员会，吸引行业协会、企业全程参与高职教育的人才培养；要借助企业的资源优势，培养具有较高竞争力的高素质专业人才，同时也要加深科研开发等各方面的全方位合作，借助与企业合作，实现真正服务社会，与社会经济发展融入一体，真正提高高职院校经济发展贡献率。[5]其次，要做好区域性人才需求预测，高职院校要根据市场需求和经济发展环境的变迁、产业转型升级的趋势，积极对市场进行调研，做好市场人才需求预测，并有针对性根据调研的结果，对现有专业设置进行调整，以切实符合经济的发展趋势。[6]

再次，高职教育还需要建立专业预警调控机制，根据行业的发展、市场的需要和高职院校自身的硬、软件条件，合理地构建相应专业体系，科学地对本校专业体系进行预警，对于一些体系评价较低的专业予以调整，甚至剔除；对于一些具有发展前景，而本校又具有师资、硬件提供等办学条件的专业要重点发展，扩大招生规模，形成自己的比较优势。[7]

此外，对于同一区域高职院校来说，要互相协调，在专业设置和调整上要严格把控，既要考虑到本校的实际情况，也要从产业发展需要、区域布局着手，还要考虑到同区域别的高校需求；对于同区域专业布点多、开设院校普遍较多的专业，要严格控制招生的规模，对于一些新兴产业、科技含量高的产业和发展前景好的专业，如先进制造业和高新技术产业相关的专业，则要在自身实力基础上，勇于开拓，提升高职院校服务区域经济发展效果的可预见性，为自己院校的发展打下良好基础，也为区域经济的发展贡献自己学校应有的力量，实现双赢，甚至多赢的效果。[8]

参考文献：

[1]杨亚军,李洪天.江苏省高等教育对经济增长贡献率的估算及分析[J].教育研究，2006(7）:90-93.

[2]钟无涯.高职教育与经济增长——基于中国的经验证据:2004-2013[J].教育与经济,2015（5）：38-45.

[3]冯雪芬.高职专业设置与区域经济社会发展吻合度研究——以无锡市为例[J].江苏开放大学学报,2014(12）:52-55.

[4]曾福清,张红.高职院校专业设置的产业适应性差异分析[J].职业技术教育,2011(34）:32-36.

[5]李富.大数据时代世界产业发展的趋向及其对高职教育的影响[J].教育与职业,2015(8）:14-17.

[6]李海宗,杨燕.高职院校专业设置预警机制指标体系构建研究[J].中国高教研究,2014(5）：101-104.

[7]赵辉.以就业为导向的高职教育专业设置预警体系模型构建[J].教育发展研究,2014(23）:43-46.

[8]丁金昌.高职教育对接区域经济的现状分析与路径选择[J].高等教育研究,2013(3）:61-66.