一流大学促进地区经济高质量发展的作用机制研究

时间：

　　摘要:高质量发展和地区经济发展不平衡问题是当前学术界､社会和决策者关注的重要话题｡本文基于省级面板数据,研究一流大学的建设和发展对地区经济高质量发展水平的影响,并着重考察一流大学与普通高校对地区经济高质量发展水平影响的差异及其作用机制｡研究结果显示,普通高校和一流大学均能促进地区经济高质量发展,但一流大学相较于普通高校能够对提高地区经济高质量发展水平产生更大的促进作用;异质性分析结果表明,一流大学对东部地区经济高质量发展的正效应大于普通高校,但对中部和西部地区的影响小于普通高校;进一步的机制分析结果显示,一流大学对研发经费支出､研发人员数量､专利申请数的增加均有显著的促进作用,较普通高校而言,一流大学对技术创新的促进作用更大｡本文从一流大学视角切入,为促进地区经济高质量发展提供新的经验证据｡

　　关键词:高等教育;一流大学;经济高质量发展;科技创新

变量描述性统计分析

　　论文《一流大学促进地区经济高质量发展的作用机制研究》发表在《复旦教育论坛》，版权归《复旦教育论坛》所有。本文来自网络平台，仅供参考。

　　一､引言

　　党的二十大报告指出,高质量发展是全面建设社会主义现代化国家的首要任务｡但当前地区发展不平衡不充分问题仍然突出,推进高质量发展还面临诸多挑战与瓶颈｡我国高等教育与经济社会发展密不可分,越来越多的学者关注到高等教育在我国经济增长奇迹中的积极效应｡这突出表现在,改革开放40多年来,高等教育规模的迅速扩大为我国经济高速增长提供了质优量大的人力资本｡但随着高等教育从精英化迈入普及化发展阶段,高等教育规模拉动经济增长的规模效应逐渐丧失,此时,通过提升创新型人才培养质量､转变高等教育发展方式释放的高等教育质量红利将成为中国经济高质量发展的新动力[1]｡作为高等教育明珠的世界一流大学(以下简称“一流大学”)不仅是培养高质量人力资本的主力军,也是重要的科技创新资源｡因此,研究普通高校和一流大学对经济高质量发展水平的影响及其作用机制,具有重要的理论价值和现实意义｡

　　以往经验研究已达成一个共识:教育对经济发展的影响是异质的,且具有较为复杂的作用机制[2]｡首先,不同层级的教育对经济增长具有不同的影响｡依据新经济增长理论,教育水平越高,就越会形成更高质量､更有创新能力的人力资本,进而推动技术进步,实现经济持续增长[3]｡有研究发现,教育对国家的收入增长率有统计上显著的积极影响,教育水平(小学､中学､高等)越高,教育对经济增长的影响就越大[4]｡同时,不同层级的教育对经济增长的影响与这一国家或地区的经济发展水平也有关｡随着经济发展水平的提高,初等教育型人力资本占比的提高对经济增长的促进作用逐渐减小,而高等教育型人力资本的影响作用则会逐渐增大[5]｡有学者将高等教育对两个不同国家群体(G8 国家和OPEC 国家)经济增长的影响进行了比较研究,结果表明:在OPEC 国家,高等教育对经济增长没有显著影响;相反,在G8 国家,高等教育对经济增长有显著影响[6]｡

　　其次,教育促进经济发展的作用机制较为复杂,主要表现在教育对经济增长的促进作用并不是直接的｡内生增长理论认为,从业人员的受教育水平会通过技术创新和技术外溢促进经济增长,其核心是人力资本先作用于创新和知识外溢,再间接影响经济增长｡对于教育促进经济发展的内在机制,现有文献也主要是从提高个人劳动生产率和推进技术外溢与技术创新两个方面进行讨论的｡其一,教育作为一种人力资本投资,可以培养人力资本､提高人力资本水平,而人力资本本身所产生的“知识外溢性”和要素互补性可以提高劳动生产率[7-8]｡相关研究结果表明,人力资本对全要素生产率存在显著的正效应[9]｡其二,教育通过促进技术进步影响经济增长,即通过影响技术开发活动间接促进经济增长[10-11]｡有研究发现,一国劳动力的受教育水平对经济增长有重要影响,高素质劳动力与技术创新对经济增长的影响是互补的,这意味着教育可以通过鼓励技术扩散与提升技术效率促进经济增长[12]｡

　　以往研究对教育的衡量,大多使用平均受教育年限､教育结构中的高等教育以及教育经费投入等指标,较少考虑教育的质量因素｡有研究发现,初级教育和高级教育都能促进经济增长,但二者的作用方式不同,其中初级教育作为生产要素直接促进最终产出,高级教育则通过加快技术创新与模仿的速度提高全要素生产率[13]｡同时,高等教育质量的提升对促进经济增长的边际效应也存在区域异质性[14]｡与现有文献不同的是,本文从教育质量的角度出发考察高等教育对我国经济高质量发展水平的影响｡此外,现有文献大多从国家层面出发,较少以省(自治区､直辖市)为分析对象｡在中国,高等教育规模与经济高质量发展水平在各省(自治区､直辖市)间的差异十分明显｡基于此,本文利用2012-2020 年的省级面板数据,考察一流大学规模对地区经济高质量发展水平的影响,并分析这些影响与普通高校对地区经济高质量发展的影响有何差异｡本文研究这一问题具有如下重要的理论和实践价值:第一,有助于更好地了解普通高校与一流大学对经济高质量发展水平的差异化影响;第二,丰富了高等教育与经济发展关系的相关研究,有助于理解改革开放以来我国经济的快速发展,尤其是近十年来经济的高质量发展与一流大学建设的关系｡

　　二､研究方法与数据来源

　　(一)研究方法

　　1.研究模型

　　本文旨在探究普通高校和一流大学规模对地区经济高质量发展水平的影响及差异｡基于瓦莱罗和范·雷恩(Valero A. & Van Reenen J.)[15]的经验框架,本文设定以下计量模型:

　　[high_quality _{i t}=alpha_{0}+alpha_{1} × ln _{-} u n i_{i t-1}+alpha_{2} × X_{i t}+]

　　[high_quality _{i j}=eta_{0}+eta_{1} × ln \_t o p_{i t-1}+eta_{2} × X_{i t}+]

　　[gamma_{i}+ au_{i}+delta_{i t} quad(2)]

　　其中,下标 i 和 t 分别表示省份和时间｡因变量 (high\_quality_{it}) 表示地区经济高质量发展水平｡ (ln\_uni_{it -1}) 和 (ln\_top _{i t-1}) 分别表示上一期普通高校规模和上一期一流大学规模｡之所以使用自变量的滞后一期值,是因为地区经济高质量发展水平本身也可能会影响到普通高校或一流大学的发展,这样做可以在一定程度上控制内生关联[16]｡ (mu_{i}) 和 (gamma_{i}) 表示不随时间变化的个体效应, ( heta_{1}) 和 τ 表示时间效应, (varepsilon_{i t}) 和 (delta_{i t}) 表示随机扰动项｡

　　2.一流大学与普通高校

　　一流大学主要是指科研教育水平卓越,具有极高知名度,大学排名位于世界大学排行榜前列的高校｡但如何判定一所高校已经达到世界一流水平,目前学术界还没有统一､明确的标准,各国对此的判定也有很大差异[17]｡有学者将排名前100 位的高校列为世界一流大学,将排名第101-200位的高校列为世界著名大学,将排名第201-500 位的高校列为世界知名大学[18]｡考虑到我国大学排名的实际情况以及本文的研究目的,我们把ARWU 世界大学学术排行榜前200 名的中国高校选定为一流大学｡本文选用ARWU 世界大学学术排行榜作为研究对象是因为这一榜单具有代表性,并被广泛认可｡基于数据的可得性,一流大学规模((ln\_top))用一流大学在校学生人数来衡量,并取其对数值｡采用对数值的原因是可以减小变量数值的绝对差异,避免个别极端值的影响,使数据更加平稳;同时,也可以在一定程度上削弱面板模型的共线性､异方差等影响｡此外,本文还使用了“双一流”建设高校作为一流大学的替代变量进行稳健性检验,用各省(自治区､直辖市) “双一流”建设高校在校学生人数的对数((ln\_double))表示｡

　　原则上,一流大学是普通高校的一部分,但是为了突出一流大学在高等教育中的地位以及在经济发展中的巨大影响,本文在衡量普通高校规模时剔除了一流大学的数据｡具体来说,本文采用普通高校在校学生人数(剔除一流大学在校学生人数)的对数来衡量普通高校规模((ln\_uni))｡其中,普通高校和一流大学在校学生主要包括全日制本科生和全日制研究生｡

　　(二)指标设定

　　本文采用2012-2020 年中国30 个省､自治区､直辖市(西藏地区相关指标数据缺失严重,故剔除)的面板数据进行实证分析｡样本时间的选择主要考虑两点:一是实证研究的需要,研究中涉及的一流大学样本在2012年以前几乎为零,2012年以后我国一流大学建设发展迅速,位列ARWU 世界大学学术排行榜前200 名的高校数量逐渐增加;二是2012 年党的十八大召开之后我国确立了高质量发展的理念和路径,这一背景切合本文研究的主题｡

　　1.因变量

　　本文的核心因变量是地区经济高质量发展水平 ((high\_quality))｡目前对于经济高质量发展水平的测度主要有两种趋势｡一是以单一指标如全要素生产率为主｡有研究认为,实现经济高质量发展最为关键的内涵在于全要素生产率能够得到稳步提升,全要素生产率的提升与经济高质量发展在本质上是一致的[19]｡二是以合成指标为主｡有学者从经济活力､创新驱动､协调发展､绿色发展､开放发展和成果共享六个层面构建中国经济高质量发展水平指标评价体系,并采用主成分分析法测算1997-2017 年30 个省份的经济高质量发展水平[20]｡本文以运用第二种方法测算出的2012-2020 年各省份经济高质量发展指数为因变量｡机制分析部分还使用了创新投入和创新产出这两个变量,其中创新投入分别用研究与试验发展 (R&D)经费支出的对数((ln\_rdexp))和R&D人员全时当量占人口的比重((rd\_res))来衡量,创新产出用发明专利申请数的对数((ln\_invent))来衡量｡

　　2.控制变量

　　新增长理论认为,人力资本对经济增长具有重要的促进作用,物质资本投入是经济增长的主要源泉｡因此,本文在基准回归中对人力资本和物质资本两个要素加以控制,分别采用各省份的人口出生率((birth)) 和资本存量((ln\_cap))来减少因遗漏此类重要变量而引起的估计偏误｡此外,参考以往研究的做法,模型(1) 和(2)还控制了产业结构((ind))､经济对外开放程度 ((trade))和城镇化水平((urban)),分别用各省份第三产业增加值占国内生产总值(GDP)的比重､进出口总额(按当年汇率折算)占GDP 的比重和城镇人口占总人口的比重表示｡关于资本存量的计算,本文参考单豪杰研究中的指标选取和估计方法[21],以1978 年为基期,采用永续盘存法测算各省份历年固定资本存量,相关省份的缺失数据也是参考单豪杰研究中的方法进行处理的｡其他影响创新投入与创新产出的各项指标如下:市场规模((ln\_gdp),用GDP 的对数表示)､人均收入 ((ln\_pgdp),用人均GDP的对数表示)､外商直接投资(按当年汇率折算)占GDP 的比重((fdi))､外商直接投资的对数((ln\_fdi))和R&D 人员全时当量((ln\_rdres),用R&D 人员全时当量的对数表示)｡为使量级基本一致,本文将R&D 人员全时当量占人口比重这一变量做了原始数值乘以100的处理｡

　　(三)数据来源

　　一流大学和“双一流”建设高校在校学生人数数据来自各高校历年《本科教育质量统计报告》和学校官网;其余变量及计算资本存量的相关指标数据均来自《中国统计年鉴》和各省份统计年鉴｡描述性统计如表1所示｡

　　三､实证分析

　　(一)基准模型估计与分析

　　基准模型是典型的面板数据模型,Hausman 检验拒绝了随机效应模型,因此本文用固定效应(FE)模型对基准模型进行回归分析｡普通高校对地区经济高质量发展水平影响的估计结果如表2的第(1)和(2)列所示｡表2的第(1)列仅在回归中引入普通高校规模, 其系数为0.099 且在1% 置信水平上显著,这表明普通高校对地区经济高质量发展产生显著的积极影响｡为了避免遗漏经济增长方程中其他可能存在的重要变量,本文在第(2)列中引入人口出生率､资本存量､产业结构､经济对外开放程度､城镇化水平等变量加以控制｡结果显示,普通高校规模的系数略有上升且统计显著性不变,控制变量的系数也都具有理论预期的正向性和显著性,说明这些变量的提高都能促进经济高质量发展,也进一步表明估计结果是稳健的｡

　　表1 变量描述性统计分析

　　| 变量名 | 变量描述 | 观测值 | 均值 | 标准差 | 最小值 | 最大值 |

　　| high_quality | 地区经济高质量发展水平 | 270 | 1.50 | 0.63 | 0.68 | 4.28 |

　　| ln_gdp | GDP对数 | 270 | 9.84 | 0.89 | - | - |

　　| ln_pgdp | 人均GDP对数 | 270 | - | 0.42 | - | 12.01 |

　　| ln_uni | 普通高校在校学生人数对数 | 270 | 13.56 | 0.79 | - | - |

　　| ln_top | 一流大学在校学生人数的对数 | 270 | - | 4.68 | - | 11.69 |

　　| ln_double | "双一流"建设高校在校学生人数的对数 | 270 | - | - | 0 | - |

　　| birth | 人口出生率 | 270 | - | - | - | - |

　　| ln_cap | 资本存量对数 | 270 | - | - | - | 11.24 |

　　| ind | 产业结构 | 270 | - | 9.17 | 4.08 | 83.69 |

　　| trade | 经济对外开放程度 | 270 | 26.63 | 27.87 | - | - |

　　| ln_rdexp | R&D经费支出的对数 | 270 | - | - | - | 17.37 |

　　| rd_res | R&D 人员全时当量占人口比重 | 270 | - | 0.27 | 0.05 | - |

　　| ln_rdres | R&D人员全时当量对数 | 270 | - | 1.19 | 8.30 | 13.68 |

　　| ln_invent | 发明专利申请数对数 | 270 | 9.67 | - | - | 12.29 |

　　| ln_fdi | 外商直接投资的对数 | 270 | - | - | - | 15.09 |

　　一流大学对地区经济高质量发展水平影响的估计结果如表2 的第(3)和(4)列所示｡表2 的第(3)列依旧仅在回归中引入一流大学规模,可以看出,一流大学规模的系数为0.415,且在1% 置信水平上显著, 表明一流大学建设能显著促进地区经济高质量发展｡表2的第(4)列是加入控制变量后的估计结果,可以看出,一流大学规模的系数为0.245 且统计显著｡同样地,人口出生率､资本存量､产业结构､经济对外开放程度､城镇化水平等变量对地区经济高质量发展也具有理论预期的符号性和显著性,表明估计的结果是稳健的｡与第(2)列中普通高校规模系数相比,一流大学对地区经济高质量发展的增长效应更大｡

　　上述分析表明,一流大学建设更有助于促进地区经济高质量发展｡纵观世界各国,绝大多数一流大学都位于大型经济体的发达国家,如美国､英国等,而一些陷入“中等收入陷阱”的国家,如巴西､墨西哥等,尽管人口众多且具备一定的经济实力,但是这些国家的一流大学极少甚至没有一流大学｡这一研究结果为我们理解改革开放以来我国经济的快速发展,尤其是近10 年来经济的高质量发展与一流大学建设的关系提供了依据｡

　　(二)稳健性检验

　　1.选择不同的估计模型

　　由于面板数据一般都存在异方差和序列相关等问题,SCC 模型 (改进后的固定效应模型)能给出比固定效应模型更稳健的估计结果[22]｡因此,本文对SCC 模型的估计结果进行了稳健性检验｡在基准回归中,本文采用的自变量滞后一期值虽能控制其与因变量之间的内生关联,但也会导致实证结果不够直观｡为此,本文还运用了工具变量(IV)估计方法对模型(1)和 (2)进行检验｡需要说明的是,上述IV 估计方法仍基于面板数据估计方法(以下称 “FE-IV估计方法”),而非普通的OLS工具变量法｡具体来说,使用FE-IV 估计方法时,核心自变量不再是滞后期值而是当期值,其滞后一期值作为当期值的工具变量｡

　　表3 第(1)和(2)列的SCC 模型估计结果显示,各变量的系数估计值与FE 模型相比并未发生改变,但标准误明显增大了,这使得估计结果更加保守｡使用 FE-IV 估计方法估计的结果见表3 的第(3)和(4)列, 可以看出,普通高校规模和一流大学规模的估计系数值均为正数且在1% 统计水平上显著,后者的系数值大于前者;与FE 模型和SCC 模型相比,各变量的系数值未发生大的改变｡需要说明的是,工具变量的F 检验和Hansen 检验结果表明本文选取的工具变量是适用的,且不存在过度识别问题｡因此,表2的基准回归结果是可靠且稳健的｡

　　表2 基准模型估计结果:固定效应

　　| L.ln_uni | 0.099*
(0.028) | - | - | - |

　　| L.ln_top | - | - | 0.415* | 0.245*
(0.037) |

　　| birth | - | 0.0241*
(0.0071) | - | 0.0241*
(0.003) |

　　| ln_cap | - | * | - | *
(0.003) |

　　| trade | - | * | - | 0.0037
(0.0014) |

　　| urban | - | *
(0.002) | - | * |

　　| Constant | -0.330 | -3.606 | - | (0.325) |

　　| R² | - | 0.897 | - | 0.907 |

　　| 时间效应 | Yes | Yes | Yes | Yes |

　　| 个体效应 | Yes | Yes | Yes | Yes |

　　| N | 240 | 240 | 240 | 240 |

　　注:括号内为t统计值,*､､*分别表示估计值在1%､ 5%､10%的水平上统计显著｡下同｡

　　表3 稳健性检验(一):SCC和FE-IV估计结果

　　| ln_uni | 0.142
(0.06) | - | - | - |

　　| ln_top | - | *
(0.06) | - | - |

　　| birth | 0.0242
(0.010) | 0.024
(0.008) | 0.024 | 0.028* |

　　| ln_cap | *
(0.06) | 0.174*
(0.05) | 0.068
(0.03) | *
(0.03) |

　　| ind | 0.026
(0.01) | 0.022
(0.01) | 0.022
(0.01) | 0.022 |

　　| trade | *
(0.004) | *
(0.004) | 0.004 | * |

　　| urban | 0.013*
(0.007) | 0.013*
(0.01) | - | - |

　　| Constant | - | (0.87) | -3.347*
(0.68) | -2.269 |

　　| N | 240 | 240 | 240 | 240 |

　　2.变换核心自变量:采用“双一流”建设高校代替一流大学

　　前文模型中的核心自变量都是一流大学规模｡考虑到“双一流”建设高校是国家长期重点建设､具有先进办学理念､办学实力强､社会认可度较高的高校, 属于中国最高档次的高校,本文采用教育部2022年公布的147所“双一流”建设高校代替ARWU世界大学学术排行榜前200 名的中国高校做稳健性检验是合理的｡具体来说,用各省份“双一流”建设高校在校学生人数的对数表示各省份“双一流”建设高校｡由于模型中个别变量目前只能搜集到2020年的数据,本文在做回归分析时使用的各变量统一采用2020年的数据｡此时样本数据变为截面数据,核心自变量使用其当期值,回归分析结果如表4所示｡

　　由表4 可知,普通高校和“双一流”建设高校的系数值均为正数且在1% 置信水平上显著,人口出生率､资本存量､产业结构､经济对外开放程度､城镇化水平等变量对地区经济高质量发展也具有理论预期的符号和显著性｡比较两者的系数值可以发现, “双一流” 建设高校的系数值大于普通高校,说明“双一流”建设高校对地区经济高质量发展的促进作用大于普通高校,结果与表2的第(2)和(4)列一致｡

　　表4 稳健性检验(二):以“双一流”建设高校代替一流大学

　　| 自变量 | (1)普通高校 | (2)双一流高校 |

　　| ln_uni | 0.143*
(0.021) | - |

　　| ln_double | - | 0.209*
(0.063) |

　　| birth | 0.063* | 0.063* |

　　| ind | 0.040*
(0.003) | * |

　　| trade | 0.003 | 0.003
(0.008) |

　　| Constant | *
(0.397) | *
(1.092) |

　　| N | 30 | 30 |

　　3.变换因变量:采用人均GDP代替经济高质量发展指数

　　人均GDP 能够体现地区的经济发展水平,因此, 本文采用各省份人均GDP 的对数代替地区经济高质量发展指数,核心自变量采用滞后一期值,回归分析结果如表5 所示｡我们可以发现,变换因变量后的回归分析结果与基准模型的回归分析结果一致,说明本文的基准回归结果非常稳健｡

　　表5 稳健性检验(三):以人均GDP代替经济高质量发展指数

　　| 自变量 | 因变量:ln_pgdp
普通高校 (1) | 因变量:ln_pgdp
一流大学 (2) |

　　| L.ln_uni | 0.018
(0.022) | - |

　　| L.ln_top | - | 0.077*
(0.026) |

　　| birth | 0.0229*
(0.005) | 0.024*
(0.005) |

　　| ln_cap | 0.100*
(0.024) | 0.112*
(0.015) |

　　| ind | 0.006
(0.002) | 0.005
(0.002) |

　　| trade | -0.0003
(0.001) | -0.0006
(0.001) |

　　| urban | 0.017*
(0.002) | 0.018*
(0.002) |

　　| Constant | 7.928*
(0.283) | 8.093*
(0.228) |

　　| Adjusted R-squared | 0.885 | 0.889 |

　　| 时间效应 | Yes | Yes |

　　| 个体效应 | Yes | Yes |

　　| N | 270 | 270 |

　　(三)异质性分析

　　为了比较不同地区普通高校和一流大学对经济高质量发展水平影响的差异,本文将考察的30个省份划分为东部､中部和西部三大地区:东部地区包括北京､天津､河北､辽宁､上海､江苏､浙江､山东､福建､广东和海南11个省(直辖市);中部地区包括山西､吉林､黑龙江､安徽､江西､河南､湖北和湖南8 个省;西部地区包括内蒙古､广西､重庆､四川､贵州､云南､陕西､甘肃､青海､宁夏和新疆11个省(自治区､直辖市)｡我们采用FE-IV 估计方法进行估计,表6 显示了2012- 2020 年三大地区普通高校和一流大学对经济高质量发展水平影响的回归分析结果｡

　　表6 异质性分析结果

　　| L.ln_uni | 0.375
(0.18) | 0.461*
(0.08) | 0.166*
(0.02) | - | - | - |

　　| L.ln_top | - | - | - | 0.505*
(0.13) | 0.151*
(0.03) | 0.161*
(0.04) |

　　| birth | 0.012
(0.02) | -0.001
(0.01) | 0.011*
(0.01) | 0.011
(0.01) | 0.023
(0.01) | -0.011
(0.01) |

　　| ln_cap | -0.069
(0.15) | -0.058
(0.03) | -0.128
(0.02) | 0.153
(0.04) | 0.188*
(0.03) | -0.042
(0.02) |

　　| ind | 0.031*
(0.01) | 0.024*
(0.00) | 0.001
(0.00) | 0.024
(0.01) | 0.021*
(0.00) | -0.007
(0.00) |

　　| trade | 0.004
(0.00) | 0.009*
(0.01) | 0.002
(0.00) | 0.001
(0.00) | -0.001
(0.00) | 0.011*
(0.00) |

　　| urban | 0.005
(0.01) | 0.012*
(0.00) | 0.023*
(0.00) | 0.007
(0.01) | 0.010
(0.00) | 0.011
(0.00) |

　　| Constant | -4.763*
(1.42) | -6.375*
(1.09) | -1.126
(0.47) | -1.513
(0.84) | -2.144
(0.48) | 1.484
(0.43) |

　　| Adjusted R-squared | 0.832 | 0.874 | 0.896 | 0.866 | 0.797 | 0.875 |

　　| 时间效应 | Yes | Yes | Yes | Yes | Yes | Yes |

　　| 个体效应 | Yes | Yes | Yes | Yes | Yes | Yes |

　　| N | 88 | 64 | 88 | 88 | 64 | 88 |

　　首先,普通高校对中部地区经济高质量发展水平的影响最大,再是东部地区,对西部地区的影响最小｡一流大学对东部地区经济高质量发展水平的影响最大,再是西部地区,对中部地区的影响最小｡东､中､西部的差异比较大,东部地区大多是经济发展较好的省市,其贡献了约全国一半的GDP,这与国家的发展战略有关,其经济的发展对人才引进和高校建设有明显的促进作用｡其次,比较普通高校和一流大学对经济高质量发展水平影响的系数值可知,一流大学对东部地区经济高质量发展的正向作用大于普通高校,但对中部和西部地区的影响小于普通高校｡这说明一流大学建设对经济发展水平较高的东部地区影响更大,而现阶段中､西部地区的经济高质量发展水平仍与普通高校的发展密切相关｡研究结果表明,不同教育水平对经济增长的影响在很大程度上取决于这一地区的经济发展水平｡这与既有研究的结果一致｡

　　四､机制分析

　　前文的实证分析得出一个结论:普通高校和一流大学均能显著促进地区经济高质量发展,相比较而言,一流大学对地区经济高质量发展的促进作用更大,原因可能在于它们促进经济增长的影响机制不同｡普通高校和一流大学的主要功能都是培养人才和开展科研活动,然而,一流大学和普通高校在这两个方面所发挥的作用通常被认为存在巨大差异,一流大学的作用很难被普通高校替代｡这也是本文需要做进一步分析的主要原因｡

　　事实上,一些陷入“中等收入陷阱”的国家,如阿根廷､土耳其等,其高等教育毛入学率接近甚至超过一些发达国家,其经济体量也并不小｡如果仅仅发展普通高等教育就能有效促进经济持续､高质量发展, 那么像阿根廷､土耳其这些具有较高高等教育毛入学率的国家现如今就不会陷入“中等收入陷阱”｡有学者指出,高校作为基础研究的主要承担者,其学科质量水平代表着科技创新的底盘牢固程度,同时他们发现高校学科得分排名的提高有助于增加该学科对应的城市专利申请数和专利被引用数[23]｡还有研究以不同国家发表的Nature 和Science 论文数量､诺贝尔奖获得数､SCI 论文数量为衡量依据,指出高校是知识创新体系的主体,而名牌高校则是知识创新体系的核心[24]｡学界普遍认为世界科学中心和世界高等教育中心存在着高度的关联性[25]｡这些研究指出高校特别是一流大学在国家创新系统中起着引领作用,为我们了解一流大学和普通高校对经济高质量发展水平的影响机制提供了帮助｡

　　按照既有文献的观点,创新活动一般表现为创新投入和创新产出｡创新投入通常以R&D 经费支出或 R&D 人员数量来衡量,创新产出通常以专利数量､创新数量或新产品销售收入来衡量｡本文基于张桂贤和林平(Cheung & Lin)[26]的理论框架,设定以下模型来分析普通高校和一流大学对创新活动的机制影响:

　　[ln \_r dexp _{i t}=alpha_{0}+alpha_{1} ln _{-} u n i_{i t}+alpha_{2} ln \_t o p_{i t}+]

　　[rd\_res_{it} = eta_0 + eta_1 ln\_uni_{it} + eta_2 ln\_top_{it} + eta_3X_{it} + mu_i + au_t + varepsilon_{it} quad(4)]

　　[In\_invent _{i t}=gamma_{0}+gamma_{1} ln \_u n i_{i t}+gamma_{2} ln \_t o p_{i t}+]

　　[X_{it}+mu_{i}+ au_{i}+varepsilon_{i t} quad(5)]

　　模型(3)中,下标i 和t 分别表示省份和时间｡ (ln\_rdexp) 表示R&D 经费支出,采用其自然对数值｡ (X_{i t}) 是影响研发投入的变量,参考既有文献对研发投入的衡量[27],本文选取市场规模((ln\_gdp))､人均GDP ((ln\_pgdp))､进出口总额(按当年汇率折算)占GDP的比重((trade))和外商直接投资(按当年汇率折算)占GDP 的比重((fdi))｡ (mu_{i}) 表示地区特征的个体效应, τ 是时间效应, (varepsilon_{i t}) 是随机扰动项｡

　　模型(4)中, (rd\_res _{i t}) 表示研发人员,用R&D人员全时当量占人口的比重表示｡ (X_{it }) 是影响R&D 人员全时当量的变量,本文选取人均GDP((ln\_pgdp))､进出口总额(按当年汇率折算)占GDP 的比重((trade))和外商直接投资(按当年汇率折算)占GDP 的比重((fdi))｡其他变量说明与模型(3)相同｡

　　模型(5)中, (ln\_invent _{i t}) 表示发明专利申请数,采用其自然对数值｡ (X_{i t}) 是影响发明专利申请数的变量, 参考既有文献,本文选取外商直接投资的对数((ln\_fdi)) 和R&D 人员全时当量的对数((ln\_rdres))两个变量加以控制｡其他变量说明与模型(3)相同｡

　　在模型(3)(4)(5)中,Hausman检验均拒绝了随机效应,因此本文采用固定效应模型对上述模型进行估计｡

　　(一)普通高校､一流大学与R&D经费支出

　　表7 显示了普通高校和一流大学对R&D 经费支出的影响结果｡第(1)列是只加入控制变量的回归分析结果,可以看出,市场规模､人均GDP､进出口总额占GDP 的比重和外商直接投资占GDP 的比重的系数值均为正数且统计显著,这表明上述四个变量对R&D 经费支出的增长具有正效应｡第(2)列是加入普通高校和一流大学规模变量的回归分析结果,可以看出, 普通高校和一流大学规模的系数均值为正数且都在 1% 置信水平上显著,这说明无论是普通高校还是一流大学规模的增加,均能显著提高R&D经费支出｡比较两者系数值可以发现,普通高校对R&D经费支出的促进作用大于一流大学,这可能是因为受到普通高等教育规模效应的影响｡

　　表7 普通高校和一流大学对R&D经费支出的影响结果

　　| 自变量 | (1) | (2) |

　　| ln_uni | - | 0.700*
(0.08) |

　　| ln_top | - | 1.153*
(0.08) |

　　| ln_gdp | * | 1.178* |

　　| ln_pgdp | * | * |

　　| trade | 0.005*
(0.00) | * |

　　| fdi | *
(0.01) | * |

　　| Constant | -4.213
(1.35) | -12.734*
(1.06) |

　　| 时间固定效应 | Yes | Yes |

　　| 地区固定效应 | Yes | Yes |

　　| N | 270 | 270 |

　　(二)普通高校､一流大学与研发人员数量

　　表8显示了普通高校和一流大学对研发人员数量的影响结果｡第(1)列是只加入控制变量的回归分析结果,可以看出,人均GDP､进出口总额占GDP 的比重和外商直接投资占GDP 的比重的系数值均为正数且统计显著,这表明上述三个变量对研发人员数量的增加具有正效应｡加入普通高校和一流大学规模后的回归分析结果如表8第(2)列所示,普通高校规模的系数值为正数但不显著,一流大学规模的系数值为正数且在1% 置信水平上显著,这表明一流大学规模的增加能有效促进研发人员数量的增加,也说明建设一流大学更有利于培养创新型的高水平人力资本,进而推动经济高质量发展｡

　　表8 普通高校和一流大学对研发人员数量的影响结果

　　| 自变量 | 因变量: rd_res (1) | 因变量: rd_res (2) |

　　| ln_uni | - | 0.004
(0.01) |

　　| ln_top | - | 0.073*
(0.02) |

　　| ln_pgdp | *
(0.05) | 0.332*
(0.05) |

　　| trade | 0.002
(0.00) | 0.002
(0.00) |

　　| fdi | 0.010
(0.00) | 0.010
(0.00) |

　　| Constant | -3.634*
(0.52) | *
(0.46) |

　　| R² | 0.816 | 0.826 |

　　| 时间固定效应 | Yes | Yes |

　　| 地区固定效应 | Yes | Yes |

　　| N | 270 | 270 |

　　(三)普通高校､一流大学与发明专利申请数

　　专利产品的指标主要是专利申请数和专利授权数｡由于创新产出具有明确的时滞效应,在使用时如果不将产出指标相对应的投入指标做滞后处理,专利申请数可能更为准确,因为从专利申请到专利授权需要一定的时间[28]｡中国专利共分为3 种类型,分别为发明专利､实用新型专利和外观设计专利｡一般认为,发明专利更能反映一国自主创新能力,因此本文选择发明专利申请数作为产出指标,没有做相应的滞后处理｡普通高校和一流大学规模对发明专利申请数的影响结果如表9所示｡

　　表9 的第(1)列是只加入控制变量的回归分析结果,可以看出,外商直接投资的系数值为负数,这说明其对发明专利申请数产生了负的外部效应,与相关文献的“抑制论”观点一致[29]｡也就是说,外商直接投资的进入使得本国企业过分依赖外国技术,从而丧失了自主创新的动力｡R&D 人员全时当量的系数值为正数且统计显著,这说明研发投入对发明专利申请数的增加具有促进作用｡第(2)列是加入核心自变量的回归分析结果,可以看出,普通高校规模的系数值为正数但不显著,而一流大学规模的系数值为正数且在 1% 置信水平上显著,其余变量系数值的方向及显著性并没有发生改变｡这个结论说明一流大学规模对发明专利申请数能够产生显著的正向效应,这与一流大学具有较强的基础研究能力和自主创新能力分不开｡

　　表9 普通高校和一流大学规模对发明专利申请数的影响结果

　　| 自变量 | (1) | (2) |

　　| ln_uni | - | - |

　　| ln_top | - | 0.073*
(0.02) |

　　| ln_rdres | 0.357*
(0.05) | 0.332*
(0.05) |

　　| trade | 0.002
(0.00) | 0.002
(0.00) |

　　| ln_fdi | 0.010
(0.00) | 0.010
(0.00) |

　　| Constant | *
(0.52) | -3.425*
(0.52) |

　　| R² | 0.816 | 0.826 |

　　| 时间固定效应 | Yes | Yes |

　　| 地区固定效应 | Yes | Yes |

　　| N | 270 | 270 |

　　五､结论

　　本文利用中国30 个省份2012-2020 年的面板数据,采用多种计量方法考察了普通高校､一流大学对地区经济高质量发展水平的影响及差异,在此基础上又分析了两者对经济增长的作用机制,并得出以下结论｡第一,普通高校和一流大学均能促进地区经济高质量发展,但一流大学相较于普通高校对地区经济高质量发展的促进作用更大,并且结论通过了稳健性检验｡第二,异质性分析结果表明,一流大学对东部地区经济高质量发展的正向作用大于普通高校,但对中部和西部地区的影响小于普通高校｡这说明一流大学建设对经济发展水平较高的东部地区影响更大,而现阶段中､西部地区的经济高质量发展水平仍与普通高校的发展密切相关｡第三,机制分析结果显示,普通高校对R&D经费支出的增长具有显著的促进作用, 对研发人员数量和专利申请数的影响虽为正值但不显著｡一流大学对R&D 经费支出､研发人员数量､专利申请数的增加均有显著的促进作用,且较普通高校而言,一流大学对创新活动的促进作用更大｡以上研究结果揭示了一流大学对促进地区经济高质量发展的重要性,国家应加快一流大学建设步伐,为地方经济高质量发展赋能｡

　　参考文献

　　[1]马浚锋,胡阳光. 新发展阶段中国高等教育规模效应及其拐点研究[J].江苏高教,2022(1):19-28.

　　[2]黄斌,李波,方超. 教育促进共同富裕的独特作用:理论应然与经验实然[J].华东师范大学学报(教育科学版),2023,41(10):12-26.

　　[3]LUCAS R E. On the mechanics of economic development[J]. Journal of Monetary Economics,1988,22(1):3-42.

　　[4]MANKIW N G,ROMER D,WEIL D N. A contribution to the empirics of economic growth[J]. Quarterly Journal of Economics,1992,107(2): 407-437.

　　[5]台航,崔小勇. 人力资本结构与经济增长--基于跨国面板数据的分析[J].世界经济文汇,2017(2):48-71.

　　[6]JAHANI N,MOLAIE B. Comparative study of higher education influence on economic growth of G8 and OPEC countries[J]. Advances in Environmental Biology,2013,8(7):1427-1433.

　　[7]ROMER P M. Human capital and growth:theory and evidence[J]. Carnegie Rochester Conference,1990,32(1):251-286.

　　[8]AGHION P,HOWITT P. A model of growth through creative destruction[J]. Econometrica,1992,60(3):323-351.

　　[9]FLEISHER B,LI H,ZHAO M. Human capital,economic growth,and regional inequality in China[J]. Journal of Development Economics, 2010,92(2):215-231.

　　[10]NELSON R R,PHELPS E S. Investment in humans,technological diffusion and economic growth[J]. American Economic Review,1966,56(1/2):69-75.

　　[11]ROMER P M. Endogenous technological change[J]. Journal of Political Economy,1990,98(5):S71-S102.

　　[12]BARRO R J. Education and economic growth[M]// HALLIWELL J (Ed.). The contribution of human and social capital to sustained economic growth and well-being. Paris:OECD,2001:14-41.

　　[13]黄燕萍,刘榆,吴一群,等. 中国地区经济增长差异:基于分级教育的效应[J].经济研究,2013,48(4):94-105.

　　[14]HANUSHEK E A,WOESSMANN L. Education and economic growth [J]. Economics of Education,2010,60:60-67.

　　[15]VALERO A,VAN REENEN J. The economic impact of universities: evidence from across the globe[J]. Economics of Education Review, 2019,68:53-67.

　　[16]毛捷,吕冰洋,马光荣.转移支付与政府扩张:基于“价格效应”的研究[J].管理世界,2015(7):29-41.

　　[17]刘念才,程莹,刘莉,等. 我国名牌大学离世界一流有多远[J]. 高等教育研究,2002,23(4):19-24.

　　[18]程莹,刘少雪,刘念才. 我国何时能建成世界一流大学--从 GDP角度预测[J].高等教育研究,2005,26(4):1-6.

　　[19]刘志彪,凌永辉.结构转换､全要素生产率与高质量发展[J].管理世界,2020,36(7):15-29.

　　[20]王思薇,陈西坤. 中国区域经济高质量发展水平测度､空间分布及动态演进[J].统计与决策,2023,39(21):90-96.

　　[21]单豪杰. 中国资本存量K 的再估算:1952~2006 年[J]. 数量经济技术经济研究,2008(10):17-31.

　　[22]DRISCOLL J C,KRAAY A C. Consistent covariance matrix estimation with spatially dependent panel data[J]. Review of Economics and Statistics,1998,80(4):549-560.

　　[23]范剑勇,张丰,唐为. 高校学科质量与区域科技创新[J]. 世界经济,2024,47(4):65-98.

　　[24]SAMIMI A J,ROSHAN H R. Scientific output and GDP: evidence from countries around the world[J]. Journal of Education and Vocational Research,2011,2(2):38-41.

　　[25]BEN-DAVID J. Centers of learning:Britain,France,Germany, United States[M]. New York:McGraw-Hill Book Company,1977.

　　[26]CHEUNG K Y,LIN P. Spillover effects of FDI on innovation in China: evidence from the provincial data[J]. China Economic Review,2004,15(1):25-44.

　　[27]范红忠. 有效需求规模假说､研发投入与国家自主创新能力[J]. 经济研究,2007,42(3):33-44.

　　[28]刘凤朝,潘雄锋.我国八大经济区技术创新能力的评价与分析[J]. 中国科技论坛,2005(3):72-76.

　　[29]AITKEN B,HARRISON A. Do domestic firms benefit from direct foreign investment? Evidence from Venezuela[J].American Economic Review,1999,89(3):605-618.