张同功，张 隆，赵得志，初桂民 | 我国公共教育支出经济绩效空间溢出效应研究

点击蓝字 关注我们

我国公共教育支出经济绩效空间溢出效应研究

张同功¹，张　隆¹，赵得志²，初桂民¹

(1.青岛科技大学 经济与管理学院，山东青岛 266061；2.青岛市 市南区发展研究中心，山东青岛 266000)

摘　要：教育是具有明显外部性的准公共物品，人力资本流动和知识溢出决定了教育投入存在空间溢出效应。基于2000－2018年各省域单位面板数据，借助动态空间计量模型和固定效应模型，深入分析了我国各省域单位教育支出对区域经济增长的空间溢出效应。研究结果表明：第一，我国公共教育支出存在显著的空间集聚和溢出效应；第二，东部区域内教育溢出效应要强于中、西部地区，东、西部之间的溢出效应强于中部与东、西部之间；第三，经济发展速度、科技发展水平和教育投入力度会对教育溢出产生正向影响，劳动力成本和高等教育水平则产生负向影响。因此，各地区应因地制宜，兼顾其他地区教育发展政策，考虑宏观经济形势来制定相应的教育发展政策，以平衡区域间教育资源分布，疏导教育溢出效应传导机制，进而促进我国区域经济协调发展。

关键词：公共教育支出；经济绩效；空间溢出效应；空间面板计量模型

01

引    言

十九大报告中明确提出，必须把教育事业放在优先位置，深化教育改革，加快教育现代化，办好人民满意的教育。21世纪以来，我国财政性教育经费投入逐年大幅增加，年均增长率高达15.57%，至2019年，财政性教育经费占GDP比重已连续8年超过4%，说明国家对教育事业重要性的认识达到了新高度。但是由于我国幅员辽阔，各地区自然资源禀赋差别决定了经济发展与教育水平存在明显的区域差异性。同时教育是具有明显外部性的准公共物品，人力资本流动和知识溢出决定了教育投入不仅会促进当地经济发展，还会对邻地经济造成影响。伴随我国区域协调发展战略的推进，资本、信息、劳动力等要素流动加快，区域间教育事业发展的关联性和竞争性逐步加强。因此，做好教育溢出对区域经济发展影响的研究，对促进我国区域协调发展具有重要意义。

20世纪60年代，Schultz(1961)、Becker(1965)等通过对人力资本的研究，直接建立了教育与经济间的联系^[1－2]。此后，詹新宇和刘文彬(2019)等众多学者均发现教育投入能够显著推动经济增长^[3]。随着计量模型的发展和研究的深入，Mcmahon(2006)、顾佳峰(2012)等学者发现，教育投入不仅能够提升当地经济发展水平，还会对临近地区经济活动产生影响^[4－5]。李晓欣(2014)、杜浩波(2018)研究发现空间计量模型的拟合优度高于传统计量回归模型，更适合进行实证分析^[6－7]；沈立等(2019)研究发现，科教支出的空间溢出效应在不同时段有不同的表现形式^[8]。

教育投入可以通过提升人力资本水平来间接促进经济增长^[9]，所以人力资本在区域间的流动就会使本地教育投入影响其他地区的经济发展。高远东和花拥军(2012)、蒋佳等(2019)、Khalid(2020)等的研究结论均认为人力资本流动是造成教育溢出的重要原因^[10－12]；施晓丽(2014)、Läpple等(2016)、李晓飞(2018)等认为知识溢出在教育溢出中也具有重要作用^[13－15]。此外，蔡文伯和翟柳淅(2018)、秦惠民和王名扬(2016)、邹璇和杨雪(2018)、宋亚峰等(2019)还分别从减缓贫困^[16]、家庭流动^[17]、年龄和教育结构^[18]、教育资源配置^[19]等方面对教育溢出效应进行了研究。同时，谢童伟(2010)、孙阳春和朱莲花(2016)、Martak(2021)研究发现教育溢出也带来了东部与中西部的经济发展差距拉大^[20]、高等教育入学的“机会公平”降低^[21]、周边地区福利水平降低等负面影响^[22]。

通过分析国内外相关文献，可以梳理出教育溢出效应影响经济增长的路径，主要通过人力资本流动和知识溢出两个途径，又分为正向和负向空间溢出效应，而溢出方向则取决于正向和负向空间溢出效应间的强弱对比。相应的溢出和影响机制流程如图1所示。

如图1所示，正向空间溢出路径主要通过人力资本流动和知识溢出来实现。教育支出可以通过提升劳动力生产水平和创新、改进生产技术来促进当地经济水平发展。因此，区域间人力资本的相互交流、学习可以间接促进科学技术的传播，对邻地的经济发展产生正向溢出效应。知识溢出通过区域间交流、互动方式来进行，主要通过示范、模仿、竞争和激励效应来实现。邻近地区间会相互模仿良好的教育发展模式，促进教育水平发展。同时，地区间通过相互竞争来吸引人才及资金流入，这种竞争会促进社会各方面的改进，改善教育资源使用效率，从而促进区域间经济共同发展；负向空间溢出效应的主要路径为区域间人力资本单向流动。劳动力会由于经济、环境、政治、社会文化等因素在区域间进行迁移，而经济发展水平高、基础设施完善、环境优美的地区会吸引大量劳动力流入，在地理空间上引起人力资本的集聚化发展。经济基础较差、社会发展滞后地区的劳动力倾向于迁移到经济其他发展良好的地区，使得本地区教育支出间接促进了其他地区的经济发展，造成负向空间溢出效应。

综合来看，关于教育溢出效应的研究已较为深入，大多从教育支出、人力资本流动和知识溢出三个方面进行讨论，且教育溢出对于经济增长、社会发展和减缓贫困等都具有显著的影响效应，但是在空间溢出效应的区域差异和影响因素研究方面有所欠缺。因此，本文借助空间计量模型对我国公共教育支出经济绩效空间溢出效应进行定量测算，并通过变换空间权重矩阵来分析区域内和区域间的溢出效应，深入探讨了各省域单位教育支出对经济增长的空间溢出效应，同时从人力资本流动和知识溢出两个方面选取变量，借助面板数据模型定量分析了溢出效应的影响因素，在完善相关领域研究不足的同时，能够为推动区域间教育事业科学协调发展，建立更加有效的区域协调发展新机制助力。

02

研 究 设 计

(一)空间相关性分析

任何事物之间都具有相互关联性，但距离较近事物的关联性强于较远事物^[23]。因此在分析教育支出与经济增长之间的联系时，应考虑区域间的关联性。空间自相关分析既能揭示教育支出的时空变化特征，又是构建空间面板计量模型的必要条件。本文借助全域和局域空间相关性指数，检验我国各省域单位教育支出是否存在显著的空间依赖性，并借助时空跃迁(Space－time transitions)测度法分析空间自相关类型的变化^[24]。

在全域空间相关性检验方面，大多数学者通常采用全域莫兰指数(Moran's I)进行测度^[25]，计算公式如下：

式（1）中：n为样本个数，x_i为i地区观测值，x为观测均值， w_ij为N×N空间权重矩阵元素，表示i地区与j地区间的邻近关系。全域Moran’s I指数介于-1和1之间（包含-1和1），当指数大于0时，表示观测值存在空间正相关，当指数小于0时，表示观测值存在空间负相关，且指数绝对值越大，空间相关度越高，反之则越小。

由于我国幅员辽阔，各地区在经济、文化、人口等因素方面差异较大，只考虑整体空间集聚状况可能会忽略局部地区的非典型性特征^[26]，因此，还需要借助局域Moran’s I指数对我国各省域单位教育支出进行局域空间相关性分析，计算公式如下：

式(2)中相关变量解释与公式1相同。局域空间相关性通常借助Moran's I散点图来呈现，分为HH(高值被高值包围)、LH(低值被高值包围)、LL(低值被低值包围)和HL(高值被低值包围)四个象限。

(二)空间权重矩阵构建

空间权重矩阵是构建空间计量模型的重要组成部分，本文基于多维距离视角，构造了四类矩阵：①0－1邻接权重矩阵(W₁)，采用后相邻规则，若两地区相邻，则矩阵对应元素取值为1，否则取值为0；②地理距离权重矩阵(W₂)，选取各省会城市间最短公路里程数的倒数作为矩阵元素；③经济距离权重矩阵(W₃)，选取各省域单位人均GDP差额绝对值的倒数作为矩阵元素；④地理经济距离嵌套权重矩阵(W₄)，同时考虑地理和经济因素，将W2矩阵和W3矩阵作加权处理，用φW₂＋(1－φ)W₃的形式进行研究，本文借鉴邵帅等(2016)^[25]的设定方法，φ取值为0.5。

为了分析区域间教育溢出效应，需要对空间权重矩阵做进一步处理。本文借鉴何兴强和王利霞(2008)^[27]的处理方法，进行如下调整：如果两个观测单元位于同一区域，则相应矩阵元素值为0；如果两个观测单元位于不同区域，则相应矩阵元素为两观测单元间地理或经济因素的函数。以东部和中部为例，在考虑东中部间的溢出效应时，假设区域1、2位于东部，区域3、4位于中部，则空间权重矩阵形式如下：

基于此，在分析各省域单位教育溢出效应时，只考虑某地区与其余地区之间的空间联系，不考虑其余地区之间的空间关联性。以北京市为例，空间权重矩阵只保留北京市与其他地区的空间关联性，而其他地区间的元素均为0。

(三)模型设定

空间面板计量模型与传统面板计量模型相比，考虑了区域间的空间依赖性^[28]，即某区域的样本观测值依赖于其他区域的观测值。Manski(1993)[29]指出一般空间计量模型形式如下：

式(4)中：Y为被解释变量，WY为被解释变量间的内生交互效应，X为解释变量，WX为解释变量间的外生交互效应，Wu为误差项之间的交互效应。lN与常数项α相对应。ρ为空间自回归系数，λ为空间自相关系数，β和θ为待估参数向量，ε为随机扰动项。

由式(4)可以演变出三种基本的空间计量模型，当λ＝0且θ＝0时，为空间自回归模型(SAR)，SAR模型只考虑被解释变量间的内生交互效应和空间自相关性，表达式如下：

当ρ＝0且θ＝0时，为空间误差模型(SEM)，SEM模型在传统面板回归模型中加入了误差项的空间滞后项，表示一些被遗漏的或无法准确量化的与被解释变量相关的变量，表达式如下：

当λ＝0时，为空间杜宾模型(SDM)，SDM模型同时考虑了外生交互效应和内生交互效应，表达式如下：

仅构建静态空间面板计量模型可能存在由解释变量与扰动项存在相关关系而引起的内生性问题，因此，引入被解释变量的时间滞后项Y_t－1和时空滞后项WY_t－1构建动态空间面板计量模型，能够有效解决内生性问题，也更加符合实际^[30]，相应表达式如下：

与普通面板回归不同，当空间面板计量模型中ρ值显著不为零时，需要对空间计量模型表达式做相应变换，对解释变量的系数进行拆解，来分析解释变量对被解释变量的直接和间接效应，以SDM模型为例，将式(7)中被解释变量空间滞后项移至等式左边后做如下变换：

据此可以求出被解释变量Y对第k个解释变量x_k的N个空间单位(x_ik，i＝1，…，N)的偏导数矩阵，如式(10)所示。

LeSage和Pace(2009)[31]指出，式(10)中右边矩阵对角线上元素的平均值为直接效应，表示本地特定解释变量对被解释变量的平均影响。而矩阵中非对角线元素所对应的行或列的均值为间接效应，行元素和的均值表示本地外所有地区特定解释变量变化对本地解释变量的平均影响，列元素和的均值表示本地特定解释变量变化对其他地区解释变量的平均影响，通常这两种计算方法的结果是相同的。

(四)变量选取及数据说明

本文选取我国31个省域单位作为研究单元。研究数据取自2001－2019年《中国/各省域统计年鉴》《中国教育经费统计年鉴》和《中国就业与人口统计年鉴》，绝对量以2000年为基准进行平减处理。

1. 空间溢出效应变量选取

被解释变量：经济发展水平(pgdp)。由于区域间人口差异较大，人均地区生产总值相较于地区生产总值更能代表某地区的经济发展水平，用地区生产总值除以年末人口数表示。

核心解释变量：教育支出水平(sedu)。鉴于各地区学生数量差别较大，生均教育经费支出比教育经费总支出更能代表某地区教育支出水平，用地区财政性教育经费除以当地学生数量表示，其中财政性教育经费不包含中央转移支付部分。

为减少变量遗漏可能带来的内生性偏误，特添加以下控制变量：①城市化水平(city)，用非农人口占总人口比重表示；②贸易开放度(trade)，用进出口总额占GDP比重表示；③物质资本水平(k)，用永续盘存法核算，相应公式为k_it＝k_it－1*(1－δ)＋I_it/P_it，其中I_it为当年固定资产投入量，P_it为相应价格指数，δ为折旧率，本文借鉴张军等(2004)^[32]的研究方法，取δ值为9.6%；④人力资本水平(h)，用劳动力平均受教育年限来表示，劳动力平均受教育年限＝[小学(文化程度人口)×6＋初中×9＋高中×12＋大学×16＋研究生×20]÷样本人口总数^[33]；⑤交通便利程度(traf)，用每万平方公里拥有的公路里程数表示。

为缓解异方差问题，对人均地区生产总值、生均教育经费、物质资本水平和交通便利程度做取对数处理。根据模型设定和选取变量，最终确定空间面板计量模型如式(11)所示，其中β₀为常数项，ρ为被解释变量空间滞后项系数，α为被解释变量时间滞后项系数，γ为被解释变量时空滞后项系数，β₁－β₆为各解释变量系数，β₇－β₁₂为各解释变量空间交互项系数，εit为随机扰动项。

2. 溢出效应影响因素变量选取

被解释变量：教育支出经济绩效溢出系数(η)。借鉴Manski一般空间计量模型中对被解释变量交互效应所做的加权处理，本文选取空间计量模型回归结果中拟合优度最高的空间权重矩阵对被解释变量进行加权处理，即Wlnpgdp，表示邻地与本地的经济关联程度，并利用公式(12)进行横截面数据回归，得出各省域单位2000－2018年的教育支出经济绩效溢出系数η，代表本地教育投入对其他地区经济增长的影响程度，用以衡量本地区公共教育支出经济绩效空间溢出效应。

解释变量：①经济增长速度(gdpup)，用地区生产总值增长率表示，各地区经济增长水平差异可以引起区域间人力资本流动，也会对本地区科技发展水平产生影响，增强教育溢出效应，经济增长速度越快，对教育溢出效应的提升作用应该越强，预期系数为正值；②科技发展水平(tech)，用R&D经费投入占地区生产总值比重来表示，本地知识技术可以通过知识溢出促进邻地经济增长，科技发展水平越高，越能带动邻地经济增长，促进教育溢出效应，预期系数为正值；③劳动力成本(labcost)，用相对工资率表示，相对工资率＝人均工资/劳动生产率^[27]，劳动生产率为地区生产总值与从业人员数量的比值，人力资本倾向于流向相对工资较高的地区，某地区相对工资越高，越能吸引劳动力流入，引起教育溢入效应，预期系数为负值；④高等教育水平(highsch)，用各地区高等教育机构数量表示，高等教育是引起区域间学生流动的主要因素，某地区高等教育水平越高，越能吸引高水平人才的聚集，引起教育溢入效应，预期系数为负值；⑤教育投入强度(edu)，用财政性教育经费占财政支出的比重表示，教育投入强度可以衡量某地区对教育的重视程度，同时可以为教育溢出效应提供基础财政支持，教育投入强度越高，溢出效应应该越强，预期系数为正值。

根据所选数据构建教育支出经济绩效溢出效应影响因素模型如公式(13)所示，其中β₀为常数项，β₁－β₅为各解释变量回归系数，ε_it为随机扰动项。

03

实  证  分  析

(一)空间相关性分析

1.全域空间相关性分析

用Stata14.0软件对2000－2018年我国生均教育支出进行全域Moran's I指数测算，结果如表1所示。四种空间权重矩阵的全域Moran's I指数在样本期内均为正值，除个别年份外均在相应水平上通过了显著性检验，表明我国生均教育支出存在显著的空间集聚特征。2011年之前，各省域单位生均教育支出的空间相关性逐步升高，之后呈现下降趋势，空间集聚性减弱。其中经济距离权重矩阵的全域Moran's I指数最高，说明生均教育支出与经济发展水平的相关性高于空间地理位置的相关性。由于以地理距离权重矩阵为基础测算的全域Moran's I指数明显低于其余3个矩阵，故后文以W₁、W₃和W₄为基础进行分析。

2.局域空间相关性分析

根据全域Moran's I指数特征，特截取2000、2011和2018三个年份进行局域相关性分析，其中2000－2011年为空间集聚特征提高阶段，2011－2018年为空间集聚特征减弱阶段^[34]。图2给出了这三个年份生均教育支出的Moran's I散点图。从图中可以看出，我国生均教育经费的局域空间集聚特征明显，大部分地区位于第三象限，即低值与低值集聚(LL)区域。2000年，HH和LL型地区的数量分别为5个和16个，占全国总数的68%，而LH型和HL型的地区仅占32%，表明我国生均教育支出在空间分布上呈现出明显的二元结构。2011年，HH型和LL型地区分别增加了4个和1个，说明2000－2011年我国生均教育支出的空间集聚程度有所增强。与2011年相比，2018年HH型地区数量减少了4个，说明我国生均教育经费的空间差异程度有进一步缩小的趋势。

为从时间角度探讨生均教育支出的空间集聚特征，本文采用时空跃迁测度法，将我国31个省域单位划分为4种类型，分析不同时段各类型区域数量的增减变动，来探寻其时空跃迁规律。Ⅰ型表示某地区的相对跃迁，Ⅱ型表示空间邻近地区的跃迁，Ⅲ型表示某地区与其邻近地区同时发生跃迁，Ⅳ型表示稳定状态，没有发生跃迁，具体结果如表2所示。时空跃迁矩阵主对角线上的元素为Ⅳ型地区，三个时段Ⅳ型地区占总数比重分别为71%、77%和71%，表明我国生均教育支出分布有一定的空间锁定或路径依赖性；而各时段跃迁至LL型地区的比重均为55%，跃迁至HH型地区的比重分别为29%、16%和16%，表明生均教育支出较低和较高地区的空间集聚程度减弱，生均教育支出区域分布有公平化趋势。

研究期间内，一直处于HH型地区的有北京、天津、上海和浙江，均为东部地区。而2000－2011年，新疆、辽宁、西藏和青海跃迁至HH型地区，但是至2018年，除青海外都迁出了HH型地区。2000－2018年，福建、广东、海南和辽宁迁入LL型地区，均为东部地区，说明当地生均教育支出相比周围地区有所下降。而内蒙古、四川和云南均逐步迁出了LL型地区，说明当地生均教育支出较之于周围地区有所提升。总体来看，生均教育支出较高的地区主要集中于东部，但也有部分地区的生均教育支出偏低。西部生均教育支出水平提升最为明显，发展较快，说明国家近年来支援西部建设的政策取得了明显成效。值得重点关注的是中部地区，常年处于低值集聚区域，在教育水平上呈现出“中部塌陷”现象，生均教育投入过低，以后应该加大教育投入力度。

(二)空间溢出效应分析

1. 全样本空间溢出效应分析

我国生均教育支出呈现出显著的空间相关性，表明省域间教育支出强度存在空间交互效应。因此，可以使用空间面板计量模型进行回归分析，以避免传统面板计量模型忽略空间交互效应可能带来的模型设定与计算结果偏误。首先对SDM模型进行LR和Wald检验，相关结果如表3所示。

根据表3中数据，LR和Wald检验结果均在1%水平下显著，表明SDM模型不可以退化为SAR和SEM模型，故本文应以SDM为主要模型进行后续分析。表4给出了基于SDM模型构建的空间动态面板计量模型的回归结果。

　从表4中R2可以看出，模型整体拟合优度较高，能够较好地反应区域经济增长与各变量间的关系。在不同空间权重矩阵下，绝大部分变量回归系数的符号和显著性均未发生变化，尤其是核心解释变量lnsedu，说明模型回归结果具有较高的稳健性。为选择更加适合的模型进行后续分析，本文综合R2、Log－Likelihood(简称为Log－L)、AIC值和BIC值来判断最优模型，其中R2与Log－L遵循最大值原则，AIC和BIC遵循最小值原则，故本文采用基于W4矩阵构建的空间动态面板模型进行后续分析。

表4中被解释变量的时间滞后项lnpgdp－1和空间滞后项Wlnpgdp的回归系数分别为0.857和0.586，均在1%水平下显著，表明我国经济发展表现出显著的时间连续和空间依赖特征。这主要是因为基础设施的进一步完善，科学技术发展加快，以及区域间生产要素流动的加快，加强了区域间经济发展的联系。被解释变量的时空滞后项Wlnpgdp－1回归系数为－0.590，表明经济发展的时空交互影响呈现负向影响，且作用显著，因此各地区在制定经济发展政策规划时，应结合经济发展水平的空间相关性考虑宏观经济形势。核心解释变量lnsedu的系数为0.112，在1%水平下显著，其空间交互项Wlnsedu的系数为0.034，没有通过显著性检验，均表明公共教育支出对我国经济增长呈现正向影响作用。但这两个系数不能直接反映教育支出对经济增长的贡献程度，需要借助偏微分方法将其分解为直接效应和间接效应进行分析。表4中生均教育支出经济绩效的直接、间接和总效应分别为0.120、0.244和0.364，均在5%水平下显著，表明我国公共教育支出不仅对当地经济增长具有显著的推动作用，还存在显著的空间溢出效用，对邻近地区的经济增长产生显著的正向影响。这主要是因为区域间生产要素流动的加快，增强了人力资本和知识技术的交互影响作用，使得教育支出存在显著的空间溢出效应。

2. 东、中、西部空间溢出效应分析

由于我国区域间经济发展及教育水平差异较大，有必要深入区域内并考察区域间的教育支出经济绩效空间溢出效应。因此将31个省域单位划分为东、中、西三个子样本^①，分析区域内和区域间的教育溢出效应，相关结果见表5。

从表5中看出，各模型被解释变量空间滞后项Wlnpgdp的系数ρ均在1%水平下显著且不为零，因此可以对公共教育支出经济绩效进行分解。其中东部区域内的ρ值小于零，说明东部经济发展的“竞争效应”大于“协同效应”。从三大地区内部来看，东、中、西部生均教育支出对促进当地经济增长的直接效应分别为0.132、0.114和0.090，均在10%水平下显著，促进其他地区经济增长的间接效应分别为0.396、－0.043和0.040，只有东部通过了显著性检验，中部的间接效应为负值，但并不显著，不论是直接效应还是间接效应，东部均优于中、西部。从三大地区之间的结果来看，东中部、中西部和东西部地区之间直接效应分别为0.187、0.114和0.156，均在1%水平下显著，间接效应分别为0.072、0.116和0.217，只有东西部之间通过了显著性检验，且高于东中部之间和中西部之间，由此可以看出东部地区教育资源不仅在区域内的互动作用较强，对西部经济增长也具有较强的带动作用。这主要因为东部交通条件、经济基础等优于中、西部，劳动力集聚明显，东部各地区为争夺人才制定各项人才政策，加强了东部区域内的竞争态势，且企业组织为在激烈竞争中脱颖而出，加快了生产技术创新改造流程，间接促进了教育支出对经济增长的推动作用。近年来随着国家各项西部帮扶计划显现成效，西部地区经济与教育发展速度明显加快，尽管西部教育支出经济绩效直接效应低于中部，但总效应强于中部，且东、西部教育支出间接效应显著，表明东部对于西部教育支出经济绩效的拉动作用明显，但依然存在差距。

3. 我国各省域单位空间溢出效应分析

为深入分析各省域单位的教育溢出效应，将空间权重矩阵按前文所述分省域进行处理，相关回归结果如表6所示。

从表6中数据可以看出，各地区生均教育支出直接效应均通过了显著性检验，且均为正值，由此可见各地区教育支出能够显著推动当地经济增长，且各地区间的差距不大。其中甘肃、广西、贵州等经济基础较弱、教育水平较低的地区，教育支出能够有力促进当地经济增长，这主要得益于当地教育政策的针对性较强，教育资金使用效率高。相比之下，同样经济基础较弱的内蒙古、青海、宁夏等地区教育支出直接效应却偏低，主要因为当地教育资源匮乏，从而限制了教育支出对当地经济增长的推动作用，未来应该调整教育政策，从甘肃、广西等地学习教育发展经验，以提高教育支出对当地经济增长的贡献。东部地区经济基础雄厚，教育资源充足，像河北、浙江、江苏等地教育支出能够很好地推动当地经济增长，相较之下辽宁、上海、广东等地教育投入高，直接效用却较弱，原因应在于当地教育资源配置存在问题，呈现出边际递减趋势，未来应该优化教育资源配置，有针对性地使用教育资金，以提高教育支出对本地区经济增长的推动作用，减少教育资金浪费现象。

从间接效应来看，部分地区呈现出正向溢出效应，部分地区为负向溢出效应，且显著程度有较大差异。正向溢出方面，溢出效应较强(间接效应占总效应比重高)的地区有浙江、山东、西藏、河南、新疆等。山东、河南为生源大省，学生数量巨大，因为升学等原因造成教育资源外溢，而像西藏、新疆等地，劳动力倾向于流向东部发达地区，造成人力资本外溢，使得教育支出呈现明显的正向空间溢出现象。像浙江、北京、江苏等地，当地高校科研投入巨大，知识溢出显著，能够带动邻近地区生产技术的进步，从而表现出正向空间溢出效应。但是北京对于劳动力有很强的吸引力，对其他地区造成负向溢出，从而在一定程度上抵减了正向溢出作用。造成教育支出负向溢出的主要原因是吸引外地劳动力流入，且本地知识溢出和人力资本交流所造成的正向溢出程度低于负向溢出。像上海、广东等对于劳动力有较强吸引力的地区，正向溢出效应不足以抵消人力资本流入所造成的负向溢出效应，像吉林、黑龙江等地区，科研投入强度低于全国平均水平，知识溢出效应较弱，从而造成当地教育支出的负向空间溢出效应。

(三)溢出效应影响因素分析

影响教育溢出效应的因素大体可以分为两类：人力资本流动和知识溢出。本文从经济增长速度、科技发展水平、劳动力成本、高等教育发展水平和教育投入力度5个方面对上述两大因素进行定量回归分析，结果如表7所示。

从R²来看各模型的整体拟合优度较好，说明此模型能够很好地表示各变量与教育溢出效应之间的联系。F检验和Hausman检验均在1%水平下显著，说明应选用固定效应模型进行后续分析。

在固定效应模型中，各变量的系数符号均与预期相符。其中经济增长速度的系数为正，说明区域经济增长越快，越能促进区域间人力资本流动，同时能够加强教育资金投入的力度，加速知识发展和传播，从而提高教育溢出效应，带动其他地区的经济发展；技术发展水平的系数显著为正，其显著性和回归系数均优于其他变量，说明本地科学技术水平的发展能够有效带动其

他地区的科技水平，从而间接促进经济增长；劳动力成本和高等教育水平的回归系数均为负值，虽然劳动力成本对教育溢出效应的影响程度要高于高等教育水平，但是其显著性水平却较低，说明劳动力成本的提高和高等教育水平的发展均能吸引人力资本向本地区流动，形成教育溢入效应；教育投入强度的回归系数显著为正，说明教育投入力度越大，越能在促进教育事业发展的基础上提升教育溢出效应。

04

结 论 与 建 议

综上所述，本文系统测算了我国教育支出经济绩效的空间溢出效应。研究发现：第一，我国公共教育支出具有明显的空间集聚特征，高值集聚以东部为主，低值集聚以中部为主，西部地区的教育支出增长明显，在地理空间上呈现出“中部塌陷”现象；第二，各省域单位教育支出不仅能够显著推动其他当地经济增长，还存在显著的空间溢出效应，影响其他地区的经济发展水平；第三，东部区域内教育溢出效应要强于中西部，且东西部之间的溢出效应要强于中部与东、西部之间；第四，经济发展速度、科技发展水平和教育投入力度会对教育溢出产生正向影响，而劳动力成本和高等教育水平会对教育溢出产生负向影响。

基于此，提出如下对策建议。第一，加大教育投入力度，优化教育资源配置。研究表明教育投入能够显著促进本地和邻地经济增长，且教育投入力度越高，教育溢出效应越强。因此，进一步加大教育投入力度可以促进区域间经济共同发展。此外，教育经费投入较多的地区应在进一步加大教育投入力度的同时，优化教育资源分配制度，以提升教育资金使用效率，而教育经费投入较少且财政资金来源不足的地区，应考虑拓宽教育资金来源渠道，鼓励社会对教育资金的投入，在促进教育事业发展的同时缓解政府财政压力。第二，加强区域间高新技术企业合作与人才交流。科学技术水平的发展能够显著提升教育溢出效应，且科学技术发展所带来的知识溢出为正向溢出，能够带动周边地区的经济增长。现阶段我国区域间科技水平发展存在较大差距，加强区域间高新技术企业合作与人才交流能够带动落后地区的科技发展水平，激发市场创新动力。同时各地政府应支持、鼓励区域间人才交流，打破人力资本流动壁垒，通过溢出效应促进区域间人力资本的均衡发展。第三，中西部地区应围绕优势产业发展相关教育事业。目前由于经济水平和薪资水平等原因，人力资本由中西部流向东部，造成本地人力资本相对不足，从而影响当地经济发展。基于此，中西部地区可以围绕优势产业发展特色教育事业，吸引高水平人力资本流入，形成产业与教育的良性互动循环，进而平衡区域间人力资本水平，以更好地促进区域经济协调发展。第四，完善中央转移支付制度，建立健全区域教育政策协调制度。现阶段我国教育经费的中央转移支付制度主要倾向于高等教育，使得中央教育经费主要拨付于东部地区，进一步拉大了中西部与东部之间的教育水平差距。因此，中央教育经费拨付应基于溢出效应，倾向于教育绩效外溢现象较严重的地区，以弥补溢出效应给当地带来的不利影响。同时鉴于教育支出具有明显的外溢效应，各地区在制定相关教育政策时要兼顾其他地区的教育政策，考虑宏观经济形势，建立有效的教育政策协调制度，从而促进区域教育资源的合理配置，疏导教育资金溢出效应传导机制，进而响应中央号召，促进区域间协调发展。

注

释

①东部地区为：北京、天津、上海、广东、山东、江苏、浙江、福建、河北、辽宁和海南；中部地区为：黑龙江、吉林、山西、内蒙古、河南、安徽、江西、湖北和湖南；西部地区为：陕西、甘肃、青海、宁夏、四川、重庆、云南、广西、贵州、西藏和新疆。

参考文献

[1]SCHULTZ T W. Investment in human capital[J]. American economic review,1961(51)：1－17.

[2]BECKER GS. A theory of the allocation of time[J]. Economic theory,1965,75(299)：493－517.

[3]詹新宇，刘文彬.中国财政性教育支出的经济增长质量效应研究——基于“五大发展理念”的视角[J].教育与经济，2019(1)：46－57.

[4]MCMAHON W W. Education finance policy：financing the nonmarket and social benefits[J]. Journal of education finance,2006,32(2)：264－284.

[5]顾佳峰.县际竞争和公共教育财政资源配置——基于空间经济计量研究[J].经济地理，2012,32(4)：38－43.

[6]李晓欣.基于空间计量模型的地区财政教育支出对经济增长影响研究[J].天津大学学报(社会科学版),2014,16(1)：22－25.

[7]杜浩波.教育投资对经济增长方式影响的实证分析[J].统计与决策，2018,34(8)：149－151.

[8]沈立，倪鹏飞，王雨飞，等.科教支出、空间溢出与城市经济增长[J].金融评论，2019,11(3)：32－47,124.

[9]张同功，张隆，赵得志，等.公共教育支出、人力资本积累与经济增长：区域差异视角[J].宏观经济研究，2020(3)：132－144,175.

[10]高远东，花拥军.人力资本空间效应与区域经济增长[J].地理研究，2012,31(4)：711－719.

[11]蒋佳，赵晶晶，盛玉雪.高等教育、异质性人力资本和全要素生产率——基于空间溢出视角的实证研究[J].学海，2019(3)：170－175.

[12]KHALID N M. 2015－Human capital outflow and economic misery fresh evidence from Pakistan[J]. European academic research,2020,2(11)：14031－14045.

[13]施晓丽. 基于空间计量模型的区域间知识溢出分析[J]. 经济经纬，2014,31(6)：1－6.

[14]LÄPPLE D，RENWICK A，CULLINAN J，et al. What drives innovation in the agricultural sector？A spatial analysis of knowledge spillovers[J]. Land use policy,2016,56：  238－250.

[15]李晓飞，赵黎晨，候璠，等.空间知识溢出与区域经济增长——基于SDM及GWR模型的实证分析[J].软科学，2018,32(4)：16－19,30.

[16]蔡文伯，翟柳淅.民族地区教育财政支出减贫效应的空间溢出与门槛特征——基于新疆2001－2015年的面板数据分析[J].西南大学学报(社会科学版),2018,44(2)：69－76,192.

[17]秦惠民，王名扬.家庭流动作为高等教育溢出效应的形成原因、内在规律及发展趋势探析[J].中国高教研究，2016(11)：51－57.

[18]邹璇，杨雪.年龄结构、教育结构与产业结构优化——基于我国省级层面的空间溢出效应分析[J].河海大学学报(哲学社会科学版),2018,20(5)：50－56,91－92.

[19]宋亚峰，王世斌，潘海生.高等职业教育资源区域配置效率的空间计量研究[J].高等工程教育研究，2019(1)：144－151.

[20]谢童伟.农村劳动力流动与义务教育区域外部性及补偿——基于人力资本溢出视角[J].教育科学，2010,26(4)：37－40.

[21]孙阳春，朱莲花.地方高等教育收益的“空间溢出”及困境[J].高教探索，2016(10)：52－55.

[22]MARTAK Y F，CHOTIB C，NURHASANA R. Spatial disparity of rate of return on education in Indonesia and local spillover impact in metropolitan areas[J]. Universal journal of educational research,2021,9(1)：202－207.

[23]TOBLER W R. A computer movie simulating urban growth in the Detroit region[J]. Economic geography,1970,46：234－240.

[24]REY S J. Spatial empirics for economic growth and convergence[J]. Geographical analysis,2001,33(3)：195－214.

[25]邵帅，李欣，曹建华，等. 中国雾霾污染治理的经济政策选择——基于空间溢出效应的视角[J]. 经济研究，2016,51(9)：73－88.

[26]ANSELIN L. Local indicators of spatial association—LISA[J]. Geographical analysis,1995,27(2)：93－115.

[27]何兴强，王利霞.中国FDI区位分布的空间效应研究[J].经济研究，2008,43(11)：137－150.

[28]ANSELIN L. Spatial econometrics：methods and models[M]. Dordrecht：Kluwer Academic Publishers,1988.

[29]MANSKI C F. Identification of endogenous social effects：  the reflection problem[J]. The review of economic studies， 1993(3)：531－542.

[30]吕承超，商圆月.高技术产业集聚模式与创新产出的时空效应研究[J].管理科学，2017,30(2)：64－79.

[31]LESAGE J P， PACE R K.Introduction to spatial econometrics [M]. Boca Raton：Taylor&Francis,2009.

[32]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(10)：35－44.

[33]方超，黄斌.城镇化进程中教育人力资本收敛性的门槛效应与空间效应：理论假说与现实证据[J].西北师大学报(社会科学版),2018,55(4)：98－108.

[34]高长春，刘贤赵，李朝奎，等.近20年来中国能源消费碳排放时空格局动态[J].地理科学进展，2016,35(6)：747－757.

（原文刊于《教育与经济》2021年第3期）

往期 · 推荐

国家社科基金资助期刊

中文社会科学引文索引（CSSCI）来源期刊

全国中文核心期刊

中国人文社会科学核心期刊