王 婷，劉 毅，劉艷楓

(西南民族大學(xué)管理學(xué)院，四川 成都 610041)

1 引言及文獻述評

中國經(jīng)濟增長由投入驅(qū)動向全要素生產(chǎn)率驅(qū)動的轉(zhuǎn)型勢在必行[1].在經(jīng)濟增速下降、發(fā)展方式轉(zhuǎn)變和結(jié)構(gòu)調(diào)整的新常態(tài)下，為經(jīng)濟增長保駕護航的投資、消費和出口的作用逐漸勢弱，全要素生產(chǎn)率在推動經(jīng)濟增長中的重要作用愈加凸顯.伴隨資本邊際報酬遞減、“人口紅利”逐漸消失和出口增速的回落，物質(zhì)資本、勞動和出口在推動經(jīng)濟增長中顯得后繼乏力，為了助力中國經(jīng)濟跨越“中等收入陷阱”，為了實現(xiàn)中華民族的偉大復(fù)興，轉(zhuǎn)變發(fā)展方式、轉(zhuǎn)換發(fā)展動力及增強發(fā)展動能已刻不容緩.

與傳統(tǒng)發(fā)展動力不同，全要素生產(chǎn)率是指在要素投入水平既定的條件下，經(jīng)濟增長所達到的額外效率，它可彌補資本邊際報酬遞減的消極影響，具有長期可持續(xù)性，是經(jīng)濟增長經(jīng)久不衰的引擎[1].因此，提高全要素生產(chǎn)率才是維持經(jīng)濟可持續(xù)發(fā)展的根本途徑.

創(chuàng)新是提高全要素生產(chǎn)率的必由之路.然而如何提高全要素生產(chǎn)率，不同學(xué)者提出的路徑并不完全一致.Zachariadis[2]通過對10個OECD國家的研究表明，提高R＆D強度可推動全要素生產(chǎn)率增長；郭慶旺和賈俊雪[3]的研究指出，技術(shù)進步和能力實現(xiàn)改善可提高全要素生產(chǎn)率；趙志耘和楊朝峰[4]認為全要素生產(chǎn)率提高的源泉在于技術(shù)進步和資源配置效應(yīng)的改進.盡管對全要素生產(chǎn)率增長源泉的認識存在差異，但歸根結(jié)底，全要素生產(chǎn)率的提高在于技術(shù)進步、制度創(chuàng)新、組織管理完善以及資源配置效率的改進等，而這些方面都離不開創(chuàng)新驅(qū)動的支持.因此，要乘勢“大眾創(chuàng)業(yè)、萬眾創(chuàng)新”，讓創(chuàng)新在全社會蔚然成風(fēng)，為全要素生產(chǎn)率的提高鋪平道路，為經(jīng)濟的可持續(xù)發(fā)展鼓足后勁.

教育為創(chuàng)新提供有效的人力資本，是全要素生產(chǎn)率提高的智力源泉.創(chuàng)新是一個國家能夠長久立足于世界民族之林的根本保障，如何維持創(chuàng)新的可持續(xù)性就成為全社會關(guān)注的焦點.創(chuàng)新是智力活動的產(chǎn)物，需要借助人力資本的載體，而教育發(fā)展直接關(guān)系到人力資本培養(yǎng)水平的高低，高水平的人力資本將激發(fā)更多的創(chuàng)新動力和活力.因此，教育與創(chuàng)新息息相關(guān)，創(chuàng)新的順利推動離不開教育的持續(xù)發(fā)展.同時，教育也為全要素生產(chǎn)率的持續(xù)提升提供了源源不斷的智力支撐.盡管受教育年限是全要素生產(chǎn)率的重要影響因素[5]，但不同的受教育水平對全要素生產(chǎn)率的影響存在差異[6]，不過人力資本依然是全要素生產(chǎn)率的促進因素[7]，且高質(zhì)量的人力資本對應(yīng)更高水平的全要素生產(chǎn)率[8].然而，人力資本的錯配將降低這種促進作用，而人力資本配置效率的改進，需要進一步擴大教育規(guī)模[9].正所謂“百年大計，教育為本”，為了“兩個一百年”目標的順利實現(xiàn)，提高全要素生產(chǎn)率是根本途徑，加強創(chuàng)新是必然選擇，提升教育水平和質(zhì)量是長久之路.

世界經(jīng)濟在低迷中蹣跚前行，中國經(jīng)濟步入“三期疊加”，下行壓力依然較大.盡管國內(nèi)經(jīng)濟長期向好的基本面沒有變，但提質(zhì)增效、轉(zhuǎn)型升級的要求更加迫切，如何提高經(jīng)濟增長質(zhì)量和效益，如何增強經(jīng)濟發(fā)展的可持續(xù)性，眾多學(xué)者提出的路徑較為一致：提高全要素生產(chǎn)率水平.如何提高全要素生產(chǎn)率，加強創(chuàng)新是首選，“十三五規(guī)劃”已把創(chuàng)新發(fā)展放置于新發(fā)展理念的首位，同時，發(fā)展教育也必不可少，科教興國戰(zhàn)略和人才強國戰(zhàn)略也在穩(wěn)步推進.

然而，現(xiàn)階段我國經(jīng)濟增長對要素投入的依賴依然較大[10]，且由于2008年的金融危機，全要素生產(chǎn)率步入了下滑通道[11]，其對經(jīng)濟增長的貢獻度隨之下降，經(jīng)濟的可持續(xù)發(fā)展面臨挑戰(zhàn)，那么，隨之而來且亟須解決的問題在于，創(chuàng)新驅(qū)動和教育發(fā)展是否依然為全要素生產(chǎn)率的推動因素?對此加以研究的文獻尚不多見.基于此，本文在前人研究的基礎(chǔ)上，借助計量經(jīng)濟模型和最新相關(guān)數(shù)據(jù)，進一步論證和闡述創(chuàng)新驅(qū)動、教育發(fā)展和全要素生產(chǎn)率的動態(tài)演化關(guān)系，以此挖掘新常態(tài)下經(jīng)濟可持續(xù)發(fā)展的可行路徑.

2 模型建立與數(shù)據(jù)來源

2.1 模型建立

在對創(chuàng)新驅(qū)動、教育發(fā)展與全要素生產(chǎn)率變化的關(guān)系進行分析時，所面臨的首要問題為如何對全要素生產(chǎn)率進行估算.對此，目前主要存在四種方法：增長核算法、生產(chǎn)函數(shù)法、隨機前沿分析法以及數(shù)據(jù)包絡(luò)分析法(Malmquist指數(shù)法)[12-13].增長核算法簡單直觀，但不適于具體實證分析[14]；隨機前沿分析法把全要素生產(chǎn)率視為一個獨立的狀態(tài)空間變量，以此從殘差中分離出來，因而全要素生產(chǎn)率的估計更為精確，但本文的實證數(shù)據(jù)無法滿足；Malmquist指數(shù)法適于面板數(shù)據(jù)，本文的數(shù)據(jù)為時間序列.因此，本文將借助生產(chǎn)函數(shù)法，即索洛殘差法，對全要素生產(chǎn)率的變化進行測度.

索洛殘差法的核心在于假定規(guī)模收益不變和?？怂怪行约夹g(shù)滿足，經(jīng)濟增長中扣除各投入要素貢獻后的余額，即技術(shù)進步對經(jīng)濟增長的貢獻，就是全要素生產(chǎn)率的變化率.

假定總量生產(chǎn)函數(shù)為C-D函數(shù)

其中，Yt為總產(chǎn)出，Kt為資本投入，Lt為勞動投入，At為滿足?？怂怪行缘募夹g(shù)進步系數(shù).根據(jù)規(guī)模收益不變的假定，α+β＝1.對(1)式兩邊分別取對數(shù)，并求關(guān)于時間t的導(dǎo)數(shù).可得

由(2)式，可得

(3)式就是全要素生產(chǎn)率的變化率.

由(3)式可知，估算全要素生產(chǎn)率變化率的關(guān)鍵在于估計資本的邊際貢獻α.對(1)式兩邊分別除以L，并取自然對數(shù).則有回歸方程

其中，yt＝ Yt/Lt為人均產(chǎn)出，kt＝ Kt/Lt為人均資本.同時，需要估算資本存量K，估算公式為：

其中，Kt為第t年的資本存量，Kt-1為第t-1年的資本存量，Pt為固定資產(chǎn)投資價格指數(shù)，It為以第t年價格計量的固定資產(chǎn)投資，δ為折舊率.如此，可根據(jù)(5)式估算出各年的資本存量.

考慮到資本的邊際貢獻在所分析的樣本期間內(nèi)可能發(fā)生結(jié)構(gòu)性變化，即資本對經(jīng)濟增長的貢獻具有時變性，也就是說，α隨時間發(fā)生變化，不是恒定的.基于此，把α看作一階自回歸過程，(2)式可變形為：

其中，ρ是自回歸系數(shù)，v是白噪聲過程.(6)式和(7)式組成了狀態(tài)空間模型，(6)式是觀測方程，(7)式為狀態(tài)方程.利用極大似然法同時估計(6)和(7)式，可估算出資本的邊際貢獻序列αt.然后根據(jù)(3)式可測度出歷年的全要素生產(chǎn)率變化率.

估算出全要素生產(chǎn)率變化率之后，就可借助協(xié)整檢驗?zāi)Ｐ万炞C創(chuàng)新驅(qū)動、教育發(fā)展與全要素生產(chǎn)率變化率之間是否存在長期均衡關(guān)系，并分析三者之間是否存在短期因果關(guān)系，利用脈沖效應(yīng)描述三者之間相互影響的動態(tài)軌跡，最后，運用方差分解評價各內(nèi)生變量對預(yù)測方差的貢獻度.

2.2 數(shù)據(jù)來源

本文的研究期間為1978至2014年，總產(chǎn)出用國內(nèi)生產(chǎn)總值(GDP)代表，勞動力指標取年初和年末就業(yè)人數(shù)的平均數(shù)，其數(shù)據(jù)均來自于各年的《中國統(tǒng)計年鑒》以及《新中國六十年統(tǒng)計資料匯編》，為了消除價格因素的影響，本文用1986年為基期的GDP平減指數(shù)對其進行平減處理.物質(zhì)資本存量采用郭慶旺和賈俊雪(2005)的估算方法，折舊率取5%.教育發(fā)展指標的代表性因素較多，可使用財政性教育經(jīng)費支出、人均接受教育年限、財政性教育經(jīng)費占GDP和財政支出的比例等.由于財政性教育經(jīng)費具有滯后性的特點，當年的財政性教育經(jīng)費支出對經(jīng)濟增長的全部影響需要若干年后才能發(fā)揮出來.基于此，本文使用平均受教育年限作為替代性指標.該指標計算過程中所使用的數(shù)據(jù)來自于歷年的《中國勞動統(tǒng)計年鑒》和《中國人口和就業(yè)統(tǒng)計年鑒》、《中國人口統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》.創(chuàng)新驅(qū)動指標采用專利申請授權(quán)數(shù)替代，數(shù)據(jù)來自于歷年《中國科技統(tǒng)計年鑒》.

3 統(tǒng)計分析

借助VAR模型，對創(chuàng)新驅(qū)動、教育發(fā)展與全要素生產(chǎn)率之間的長期動態(tài)均衡關(guān)系進行實證分析.在建立VAR模型之前，首先需要估算全要素生產(chǎn)率，然后對各變量的平穩(wěn)性進行檢驗.如果所分析的變量是同階單整的，進一步建立VAR模型，運用Johansen協(xié)整檢驗考察變量之間的協(xié)整關(guān)系，以此建立協(xié)整方程.最后在VAR模型的基礎(chǔ)上，運用因果關(guān)系檢驗、脈沖響應(yīng)函數(shù)和方差分解深入研究創(chuàng)新驅(qū)動、教育發(fā)展與全要素生產(chǎn)率變化之間的因果關(guān)系和動態(tài)影響過程.

3.1 全要素生產(chǎn)率變化率的測度

在估算全要素生產(chǎn)率變化率時，首先，根據(jù)(5)式估算出歷年的資本存量，然后估計出生產(chǎn)函數(shù)和全要素生產(chǎn)率變化率.在估計生產(chǎn)函數(shù)時，需對規(guī)模收益不變的假設(shè)進行檢驗，同時，還需對生產(chǎn)函數(shù)的穩(wěn)定性進行檢驗.利用Wald檢驗對無約束回歸方程lnYt＝lnAt+αlnKt+βlnLt+εt中的假設(shè)α+β＝1進行驗證，相應(yīng)的F統(tǒng)計量的值為2.0929，伴隨概率P值為0.1571，可知，P＞0.1，因此，在10%的顯著性水平上，接受α+β＝1這一假設(shè)，即生產(chǎn)函數(shù)滿足規(guī)模報酬不變.然后，對(4)式進行OLS回歸，結(jié)果如下：

從回歸結(jié)果可知，小括號內(nèi)的 t統(tǒng)計量值為76.0079，以及中括號內(nèi)的伴隨概率P值為0.0000，P＜0.01，因此，在1%的顯著性水平上，參數(shù)α是顯著異于0的，也就是說lnkt對lnyt具有顯著性影響，即物質(zhì)資本每增長1%，產(chǎn)出將增長0.69%.接下來，借助CUSUM檢驗對參數(shù)α的恒定性進行檢驗，檢驗結(jié)果見圖1.

圖1 模型穩(wěn)定性的CUSUM檢驗

從圖1可看出，在1997-2011年期間，生產(chǎn)函數(shù)的CUSUM檢驗值在5%的顯著性水平上均超出了臨界值邊界(虛線表示)，這說明生產(chǎn)函數(shù)模型參數(shù)不恒定，具有隨時間變化的趨勢，需要建立可變參數(shù)狀態(tài)空間模型對生產(chǎn)函數(shù)做進一步分析.最終，(6)和(7)式組成的狀態(tài)空間模型的估計結(jié)果為：

其中，括號內(nèi)為t統(tǒng)計量值，從估計結(jié)果可知，資本的邊際彈性αt是隨機游走過程，其變化趨勢見圖2.

圖2 資本的邊際彈性αt序列的變化趨勢

從圖2可知，資本的邊際產(chǎn)出彈性具有時變性(實線表示)，1979至1991年期間，總體上呈現(xiàn)下降趨勢，1992至2008年期間，趨于上升，而2009-2014年，掉頭向下.虛線部分表示的是1979至2014年期間這一彈性的平均值.

估算出資本的邊際彈性αt之后，就可通過(3)式計算出全要素生產(chǎn)率變化率GA.該變化率序列的描 述性統(tǒng)計見表1.

表1 全要素生產(chǎn)率變化率的描述性統(tǒng)計

從表1可知，全要素生產(chǎn)率變化率處于-0.0433和0.0701之間，均值為-0.0019，中位數(shù)為0.0020，從中位數(shù)來看，全要素生產(chǎn)率增加率的幅度較小.

3.2 長期均衡關(guān)系

在獲得了全要素生產(chǎn)率變化率序列之后，接下研究專利申請授權(quán)數(shù)、受教育年限和全要素生產(chǎn)率變化之間的長期動態(tài)關(guān)系.首先，對序列的平穩(wěn)性進行檢驗，檢驗結(jié)果見表2.

表2 ADF方法單位根檢驗結(jié)果

從表2可知，在10%的顯著性水平上，全要素生產(chǎn)率變化率、受教育年限和專利申請授權(quán)數(shù)的原序列均是非平穩(wěn)的，一階差分后，各序列在1%的顯著性水平上平穩(wěn)，因而各序列均是一階單整過程，即I(1).由于三個序列是同階單整的，所以可對三個序列是否存在長期均衡關(guān)系進行驗證，本文采用Johansen協(xié)整檢驗方法，檢驗結(jié)果見表3.

表3 協(xié)整檢驗結(jié)果

根據(jù)跡統(tǒng)計量和5%臨界值的大小，可對協(xié)整方程個數(shù)進行判斷.若跡統(tǒng)計量大于5%臨界值，則拒絕原假設(shè)；若跡統(tǒng)計量小于5%臨界值，則接受原假設(shè).從表3可知，在5%的顯著性水平上，存在一個協(xié)整方程.標準化的協(xié)整方程為：

從所估計的協(xié)整方程可知，專利申請授權(quán)數(shù)對全要素生產(chǎn)率變化的系數(shù)為0.1184，標準差為0.0303，受教育年限對全要素生產(chǎn)率變化的邊際系數(shù)為-0.1711，標準差為0.0389.在5%的顯著性水平上，專利申請授權(quán)數(shù)和受教育年限對全要素生產(chǎn)率變化的影響均顯著.長期來看，專利申請授權(quán)數(shù)每增加1%，全要素生產(chǎn)率變化率將增加0.1184，相反，受教育年限每增加一年，全要素生產(chǎn)率的變化率將降低0.1711.

3.3 短期因果關(guān)系

協(xié)整檢驗的結(jié)果表明，專利申請授權(quán)數(shù)、受教育年限與全要素生產(chǎn)率變化之間存在長期動態(tài)均衡關(guān)系.然而，短期來看，三者之間會呈現(xiàn)何種互動.下面將借助Granger因果關(guān)系檢驗以驗證三個變量之間是否存在短期因果關(guān)系，若存在，將進一步指出兩個變量之間是否互為對方的Granger原因.檢驗結(jié)果見表4.

表4 因果關(guān)系檢驗結(jié)果

從表4可知，在滯后1期時，在5%的顯著性水平上，只有專利申請授權(quán)數(shù)是全要素生產(chǎn)率變化的Granger原因；在滯后2期時，在10%的顯著性水平上，全要素生產(chǎn)率的變化是專利申請授權(quán)數(shù)的Granger原因，這表明全要素生產(chǎn)率對專利申請授權(quán)數(shù)的反饋具有滯后性；在滯后5期時，專利申請授權(quán)數(shù)和受教育年限同為全要素生產(chǎn)率變化的Granger原因，受教育年限對全要素生產(chǎn)率變化的影響需要在更長的時間內(nèi)才能顯現(xiàn)；在所有的滯后期內(nèi)，專利申請授權(quán)數(shù)均為受教育年限的Granger原因，這也驗證了創(chuàng)新活動需要人力資本這一載體，人力資本的培養(yǎng)需要教育發(fā)展的支撐.

3.4 脈沖響應(yīng)分析

協(xié)整檢驗和Granger因果關(guān)系檢驗的結(jié)果表明，專利申請授權(quán)數(shù)、受教育年限和全要素生產(chǎn)率變化之間不僅存在長期的動態(tài)均衡關(guān)系，而且具有短期的因果關(guān)系.然而，在由這三個變量組成的系統(tǒng)內(nèi)，一個隨機擾動項的變化會對系統(tǒng)內(nèi)的變量產(chǎn)生何種程度的沖擊，持續(xù)時間如何，接下來，運用VAR模型的脈沖響應(yīng)對這一問題進行探討.

脈沖效應(yīng)函數(shù)描述的是變量的一個標準差隨機擾動項的沖擊對自身和其他變量的當期和未來期的影響軌跡，專利申請授權(quán)數(shù)、受教育年限和全要素生產(chǎn)率變化之間的脈沖響應(yīng)函數(shù)見圖3.

圖3 專利申請授權(quán)數(shù)、受教育年限和全要素生產(chǎn)率變化之間的脈沖響應(yīng)函數(shù)

從圖3的左圖可知，全要素生產(chǎn)率變化對自身一個標準差正向新息沖擊的響應(yīng)，在10個期間內(nèi)始終為正，第2期達到最大，第4期處于最低，前4期波動較大，而后波動較為平穩(wěn)；全要素生產(chǎn)率變化對專利申請授權(quán)數(shù)一個標準差正向新息沖擊的響應(yīng)，在第1期為零，第2至4期處于響應(yīng)力度減弱階段，隨后兩期趨于上升，第6期達到最大，第8期之后趨于穩(wěn)定；全要素生產(chǎn)率變化對受教育年限一個標準差正向新息沖擊的響應(yīng)，第1期為零，第2和3期為正，此后響應(yīng)一直為負.綜合判斷，全要素生產(chǎn)率變化對自身的沖擊響應(yīng)力度最強，專利申請授權(quán)數(shù)次之，且方向始終為正，對受教育年限的響應(yīng)不僅強度最弱，而且，長期來看，方向為負.這表明創(chuàng)新驅(qū)動是全要素生產(chǎn)率變化的積極因素，而教育發(fā)展的增加并沒有推動全要素生產(chǎn)率的提高，這與協(xié)整檢驗的結(jié)果一致.

從圖3的中圖可以看出，受教育年限對自身一個標準差正向新息沖擊的響應(yīng)，在第1期為正，且達到最大，而第2期就下降到零以下，此后一直為負，且波動較為平穩(wěn)；受教育年限對專利申請授權(quán)數(shù)一個標準差正向新息沖擊的響應(yīng)，第1期為零，第2期為負，第3期及以后均為正，第4期之后趨于穩(wěn)定，且響應(yīng)力度較強；受教育年限對全要素生產(chǎn)率變化一個標準差正向新息沖擊的響應(yīng)，方向始終為負，且強度較弱.通過對圖3的中圖的描述，可以發(fā)現(xiàn)，創(chuàng)新驅(qū)動能夠?qū)逃l(fā)展產(chǎn)生持續(xù)的推動作用，這與因果關(guān)系檢驗的結(jié)論一致.

從圖3的右圖可以看出，專利申請授權(quán)數(shù)對自身一個標準差正向新息沖擊的響應(yīng)，強度較為穩(wěn)定；面對全要素生產(chǎn)率變化一個標準差正向新息的沖擊，專利申請授權(quán)數(shù)的反應(yīng)強度較弱，方向始終為負；受教育年限一個標準差正向新息的變化，將對專利申請授權(quán)數(shù)產(chǎn)生持續(xù)的負向沖擊，不過，相對專利申請授權(quán)數(shù)自身的沖擊而言，力度稍弱.這充分說明創(chuàng)新驅(qū)動具有較強的慣性特征，其發(fā)展變化主要由自身推動，較少受其他兩個因素的影響，這與因果關(guān)系檢驗的結(jié)論一致.

3.5 方差分解

脈沖響應(yīng)函數(shù)描述了系統(tǒng)中每個內(nèi)生變量的沖擊對自身及其它變量影響的動態(tài)軌跡，而方差分解可以進一步評價各內(nèi)生變量對預(yù)測方差的貢獻度.通過方差分解，可比較相對重要性新息隨時間的變化趨勢，并能夠估計該變量的影響程度與作用時滯.專利申請授權(quán)數(shù)、受教育年限和全要素生產(chǎn)率變化的方差分解結(jié)果見圖4.

圖4 專利申請授權(quán)數(shù)、受教育年限和全要素生產(chǎn)率變化之間的方差分解

從圖4的左圖可知，在全要素生產(chǎn)率的方差分解中，在滯后1期時，專利申請授權(quán)數(shù)和受教育年限對全要素生產(chǎn)率變化的沖擊均為零，二者對全要素生產(chǎn)率的影響具有滯后性.專利申請授權(quán)數(shù)對全要素生產(chǎn)率變化的貢獻持續(xù)增加，在第10期時達到最大，為17.46%.受教育年限對全要素生產(chǎn)率變化的貢獻，在第5期達到最大，為5.85%，第7期之后趨于穩(wěn)定，不過，貢獻份額始終沒有超過5%.這表明創(chuàng)新驅(qū)動對全要素生產(chǎn)率具有持續(xù)增加的推動作用，而教育發(fā)展的對全要素生產(chǎn)率變化的影響程度較小.

從圖4的中圖可以看出，在受教育年限的方差分解中，在滯后1期時，全要素生產(chǎn)率變化和專利申請授權(quán)數(shù)的沖擊為零，二者對受教育年限的貢獻具有一定的滯后性.專利申請授權(quán)數(shù)對受教育年限的貢獻份額持續(xù)增加，且在第7期超過了受教育年限對自身的貢獻，第10期時，這一貢獻份額達到了46.99%.全要素生產(chǎn)率變化對受教育年限的沖擊，前3期相對較小，而第4期增加幅度較大，由第3期的13.30%提高到21.45%，此后增加較為緩慢.這說明教育發(fā)展需要創(chuàng)新活動的驅(qū)動，教育與創(chuàng)新密切相關(guān).

從圖4的右圖可以看出，在專利申請授權(quán)數(shù)的方差分解中，專利申請授權(quán)數(shù)對自身沖擊的貢獻在每期均在80%以上，全要素生產(chǎn)率變化對專利申請授權(quán)數(shù)的貢獻在第1期最大，為12%，第2期降到5%左右，隨后趨于穩(wěn)定.受教育年限對專利申請授權(quán)數(shù)的貢獻在前3期緩慢增加，第4期之后趨于穩(wěn)定，并超過全要素生產(chǎn)率變化的貢獻，但貢獻份額始終較小.這說明現(xiàn)階段創(chuàng)新驅(qū)動具有較強的慣性，較少受教育發(fā)展和全要素生產(chǎn)率變化的影響.

4 基本結(jié)論及建議

4.1 基本結(jié)論

本文首先對全要素生產(chǎn)率變化進行了估算，然后借助協(xié)整檢驗、因果關(guān)系檢驗、脈沖響應(yīng)分析和方差分解，實證研究了創(chuàng)新驅(qū)動、教育發(fā)展與全要素生產(chǎn)率變化之間的關(guān)系，大體可以得到以下結(jié)論：

(1)資本的產(chǎn)出彈性具有時變性.從1978年至20世紀90年代初，資本的產(chǎn)出彈性趨于下降，然后，進入上升通道，至到2008年全球金融危機，隨后，彈性降低.不過，在資本的產(chǎn)出彈性下降的同時，全要素生產(chǎn)率的增加率也趨于下降.

(2)創(chuàng)新驅(qū)動、教育發(fā)展與全要素生產(chǎn)率之間存在長期的動態(tài)均衡關(guān)系.創(chuàng)新驅(qū)動對全要素生產(chǎn)率的提高起到積極的促進作用，而教育發(fā)展對全要素生產(chǎn)率并沒有起到預(yù)期的效果.

(3)創(chuàng)新驅(qū)動和教育發(fā)展均是全要素生產(chǎn)率變化的Granger原因，不過，教育發(fā)展發(fā)揮作用需要更長的滯后期，創(chuàng)新驅(qū)動也是教育發(fā)展的Granger原因.在全要素生產(chǎn)率變化的方差分解中，創(chuàng)新驅(qū)動和教育發(fā)展的貢獻份額較低，不過，創(chuàng)新驅(qū)動的貢獻在逐步增加.此外，創(chuàng)新驅(qū)動在教育發(fā)展的方差分解中逐步處于主導(dǎo)地位，成為推動教育發(fā)展的關(guān)鍵要素.

4.2 政策建議

根據(jù)研究結(jié)論，結(jié)合我國國情，給出相關(guān)政策建議：

(1)創(chuàng)新驅(qū)動對全要素生產(chǎn)率的提高具有顯著的促進作用.這要求進一步推動“大眾創(chuàng)業(yè)、萬眾創(chuàng)新”，使創(chuàng)新真正成為引領(lǐng)發(fā)展的第一動力，為全要素生產(chǎn)率的提高奠定最廣泛的基礎(chǔ).

(2)加快推動高等教育的發(fā)展.在本文的實證研究部分，教育發(fā)展既沒有對創(chuàng)新驅(qū)動產(chǎn)生積極的推動，也沒有促進全要素生產(chǎn)率的提高.原因可能在于，本文以受教育年限作為教育發(fā)展的指標，在我國的人均受教育年限的構(gòu)成中，初等教育占了較大比重，而高等教育的發(fā)展顯得相對不足，高水平的全要素生產(chǎn)率需要高質(zhì)量的人力資本，高質(zhì)量的人力資本需要高等教育的培養(yǎng).基于此，應(yīng)進一步擴大高等教育的規(guī)模，為全要素生產(chǎn)率的提高供應(yīng)源源不斷的智力資源.