丹尼森用此模型在1974年测算了美国教育对经济增长的贡献。在计算教育程度提高对国民收入增长的贡献时,丹尼森将教育程度提高归人人力资本投入量增加的范畴。把教育水平提高看作是促进人力资本质量提高,从而是对经济增长产生影响的主要因素,由此计算出美国1922-1957年间的经济增长有20%应归功于教育。另根据丹尼森的测算,如果假设美国1929-1969年间,其人均国民收入增长率为1.89%,则教育对国民经济的贡献率大约为0.39%。这种方法假定了工资差别与人力资本受教育程度对经济增长贡献程度相同以及将知识进展当成独立要素,得到了广泛认可,分解结果被广泛引用。2001年北京师范大学崔玉平,采用与丹尼森大致相同的方法,研究了1982-1990年期间我国教育对经济增长率的贡献。结果发现教育对经济增长率的贡献率是8.84%,其中,职业教育的贡献率仅为0.48%。
在丹尼森计算教育对经济增长率贡献的模型与方法当中,没能给出分别估算各类教育对经济增长率贡献的具体方法。杭永宝根据丹尼森计算模型,采用“权数分配法”,从而计算出小学、初中、普通高中、中职、高职、本科以上高等教育对经济增长率的贡献。
(三)面板数据(Panel Data)模型方法
陈用芳基于计算经济理论中的Panel Data模型,考察了教育发展水平对经济增长的贡献程度。
面板数据(panel data)也称平行数据,或时间序列截面数据(time series and cross section data)或混合数据(pool da-ta),是指在时间序列上取多个截面,在这些截面上同时选取样本观测值所构成的样本数据。面板数据从横截面上看是由若干个体在某一时刻构成的截面观测值,从纵剖面上看是一个时间序列。
伴随着经济理论,包括宏观经济理论和微观经济理论、计算机技术和统计方法的发展,Panel Data模型在经济学领域的应用逐渐被经济计算学家推广。在宏观经济领域,它被广泛应用于经济增长、技术创新、金融、税收政策等领域;在微观经济领域,它被大量应用于就业、家庭消费、入学、市场营销等领域。PandData模型既能反映某一时期各个个体数据中所隐含的规律,也能描述每个个体随时间变化的规律,集合了时经济增长、经济增长方式的转变与高等职业教育间序列和截面数据两方面的信息,能够提供更大容量的样本点,改善参数估计的有效性,可以用来深入分析复杂的经济问题。面板数据模型的一般形式可以写成:
y=a+xb+U (4)
对于平衡的面板数据,即在每一个截面单元上具有相同个数的观测值,模型样本观测数据的总数等于NT。
陈用芳以全国31个省(市、自治区)国内生产总值为因变量,以全国31个省(市、自治区)的平均受教育年限及受教育人口为自变量,采用面板数据作为样本数据进行了回归分析。
(四)基于熵值法的灰色关联度模型
灰色综合评价主要是依据以下模型:
R=Y×W (5)
式中,R为M个被评价对象的综合评价结果向量:W为N个评价指标的权重向量;Y为各指标的评判矩阵:根据R的数值。进行排序。
在信息论中,熵是对不确定性的一种度量。信息量越大,不确定性就越小,熵也就越小;信息量越小,不确定性越大,熵也越大。根据熵的特性,可以通过计算熵值来判断一个事件的随机性及无序程度,也可以用熵值来判断某个指标的离散程度,指标的离散程度越大,该指标对综合评价的影响越大。
巩海霞运用基于熵值法德灰色关联度模型对江苏省1990-2007年教育支出与经济增长的关系进行了分析,将家庭教育支出人和财政教育投入通过适当的权重配比化成一个综合指标。再将其和经济指标(地区生产总值)做灰色关联度分析。结果发现,家庭教育支出对经济增长的贡献率为8.53%,财政教育投入对经济增长的贡献率为8.46%。
三、小结
综上所述,通过对高等教育对经济发展的互动关系的文献综述分析,揭示高等教育对经济的提升作用,同时经济对高等教育的促进作用,但分析的方法比较单一,本文认为应将定性与定量相结合进行分析。
以上是威廉希尔app 为您提供的其它经济学论文:教育对经济互动发展影响研究，希望更好的帮助您。