评价网 > 科教论文 > 经济学毕业论文 > 经济论文 > 正文

中国经济增长的影响因素实证分析毕业论文

2013-10-15 02:02

中国经济增长的影响因素实证分析
引言：一直以来，各国都试国寻找最有效的发展途径和最便捷的快速增长方式，努力寻找解决本国财富与知识增加、提高民众生活的“安全出口”。由于各国的经济、政治、文化及各种背景的不同，我们很难找到他们完全一致的发展道路，完全相同的发展轨迹。但是，教育却能成为其中主要的安全出口，不管是二战战败国日本，还是战胜国美国；不管是在欧洲还是亚洲，几乎所有经济发展较快、民众生活水平提高较快的，无一不把教育当做他们解决问题的重点，而对教育的重视也给这些国家带来较高的回报，国民素质的提高、综合国力的增强、加快发展的科学技术等，无一不与教育的发展有关。无论对于个人还是国家而言,教育都是创造知识和传播知识的关键。通过教育,人们的文化水平得到提高,相应的提高了劳动生产率,从而带来ＧＤＰ的增长和整个社会经济的发展。教育投资和物质资本投资都是经济增长不可或缺的因素。

内容摘要：“科教兴国”作为中国长期基本国策，有其重要意义，而教育是此基本国策的有效实施途径，因此考虑教育对社会经济发展的影响至关重要。
 本文重点从教育投入及其他一些因素着手分析，并使用经济计量的方法建立模型，以揭示教育投入的增长和经济增长的相关关系。
 
关键词：GDP 消费价格指数 职工 自相关 多重共线性

一.理论叙述：
 <一>几种具有代表性的研究教育影响经济的理论、方法：
舒尔茨的余数分析法：舒尔茨是把柯布—道格拉斯生产函数中资本的投入分解为物质资本投入和人力资本投入，通过计算社会积累的教育资本量及其收益率来衡量教育的社会经济效益。 （科教范文网http://fw.ΝsΕΑc.com编辑）
丹尼森的经济增长因素法：丹尼森不象舒尔茨那样，把教育资本的增加看作是国民经济的增长，而是把教育当作提高劳动力质量的一个因素，以劳动的多少作为简化劳动的尺度，来确定教育对经济增长的贡献。
斯特鲁米林劳动简化法：这种方法依据马克思劳动价值论中复杂劳动等于倍加的简单劳动的原理，按照一定的比例关系，把多种不同程序的复杂劳动折算为同一的简单劳动，标志着劳动者由于受教育程度的提高而导致的劳动复杂程度，或熟练程序的提高，如果计算出劳动复杂度的提高而引起的国民收入增量，就能计算出教育对国民收入增长所做的贡献。
在发展经济学的学习中，对教育成本——收益分析的内部收益率法有了初步了解，根据哈夫曼和沃尔夫在1984年所做的研究表明，使用收益率法计量教育教育的价值大约只能捕捉到教育价值的一半。
 上诉计量方法所测量的教育投资的经济效益，是用教育投资所引起的国民生产总值的增长量来反应的，其中包括因教育而增加的个人所得收入以及由教育引起所得增加而增加的利税额，通过这些计量方法所衡量的教育对国民经济的作用，只是教育的直接收益，属于其内部作用。
 〈二〉、文章依据理论的叙述：
 教育作为一个部门，与经济中其他部门的联系是重要的，而要估计教育对非教育部门的影响，就需要关注教育对非教育部门的基础性影响作用，即外溢作用。
    教育对经济增长的影响可以分为内部作用和外溢作用按照卢卡斯的定义，教育的内部作用是“个人的能力资本对其生产力（率）的作用”（1988），可以表述为：由教育带来的货币收入的增加；而教育的外溢作用，其内容相对复杂：（1）提高子女的品质（指健康状况、认识能力的发展、接受教育的程度、选择的职业性质、未来收入等）；（2）提高家庭内部劳务生产的生产率；（3）有助于改善受教育者本人的健康状况；（4）改善配偶和家庭成员的健康状况；（5）降低生育率；（6）提高消费者选择效率；（7）提高劳动力市场双向选择的效率；（8）婚姻选择更具有效率；（9）提高储蓄率；（10）降低犯罪率；（11）提高社会和谐程度；（12）促进技术进步与传播。

（转载自http://www.ＮＳＥＡＣ.com中国科教评价网）

二．相关数据收集
  在进行实证分析的过程中，所需要的数据应是能够度量影响经济增长的因素，以下我们采用1985—2003年的相关因素的数据进行分析。  
 其中，我们采用的相关因素有就业人数，教育投入，消费价格指数，职工平均工资水平，以及高等院校在校生人数。 相关数据如下：                                                               
年份 GDP
Y（亿元） 就业人数X1（万人） 教育投入X2（亿元） 消费价格指数X3 职工平均工资X4（元） 高等院校在校生人数X5（万人）
1985 8989.1  49873 363.25  109.3 1148 170.3
1986 10201.4  51247 400.98  108.3 1352 188.0
1987 11954.5  53954 462.34  113.4 1503 195.9
1988 14922.3  54254 512.54    116.5 1630. 206.6
1989 16917.8  55329 587.43 118.0 1935 208.2
1990 18598.4  64749 659.38 103.1 2140 206.3
1991 21662.5  65491 731.5 103.4 2340 204.4
1992 26651.9  66152 867.05 106.4 2711 218.4
1993 34560.5  66808 1059.94 114.7 3371 253.6
1994 46670.0  67455 1488.78 124.1 4538 279.9
1995 57494.9  68065 1877.95 117.1 5500 290.6
1996 66850.5  68950 2262.34 108.3 6210 302.1
1997 73142.7  69820 2531.73 102.8 6470 317.4 （科教作文网http://zw.ΝsΕAc.com发布）
1998 76967.2  70637 2949.06 99.2 7479 340.9
1999 80579.4  71394 3349.04 98.6 8346 413.4
2000 88254.0  72085 3849.08 100.4 9371 556.1
2001 95727.9  73025 4637.66 100.7 10870 719.1
2002 103935.3  73740 5480.03 99.2 12422 903.4
2003 116603.2  74432 6406.26 101.2 14040 1108.6

 

 

 

 

 

 

 

 

 

 

 

 

 

 

三．计量经济模型的建立
设定经济模型如下：

其中，Y：GDP
：就业人数
：教育投入
：消费价格指数
：职工平均工资
：高等院校在校生人数
：固定值
：随机扰动项
：系数（i=1，2，3，4，5）
四．模型的求解和检验
 我们利用EVIEWS软件，分别用最小二乘法进行回归分析，并针对其中的多重共线性、异方差和自相关进行了统计检验，最后进行修正再来估计参数。
1．最小二乘法回归分析：
用OLS法进行最小二乘估计，结果如图：  
                     
Dependent Variable: Y
Method: Least Squares
Date: 05/08/05   Time: 21:07
Sample: 1985 2003
Included observations: 19
Variable Coefficient Std. Error t-Statistic Prob. 
C -54237.16 23513.39 -2.306650 0.0382
X1 0.468305 0.228991 2.045080 0.0616
X2 27.37488 14.45704 1.893533 0.0808
X3 397.2618 160.4383 2.476104 0.0278
X4 1.401707 5.771030 0.242887 0.8119

X5 -90.85419 18.40130 -4.937379 0.0003
R-squared 0.997493     Mean dependent var 51088.61
Adjusted R-squared 0.996529     S.D. dependent var 35774.57
S.E. of regression 2107.718     Akaike info criterion 18.39669
Sum squared resid 57752184     Schwarz criterion 18.69493
Log likelihood -168.7685     F-statistic 1034.514
Durbin-Watson stat 1.800604     Prob(F-statistic) 0.000000
由上图可见，R^2和F-检验值较大，说明总体拟合效果比较好。但是X4的T检验值不显著，故去掉X4，再次进行OLS分析，结果如下：

                   
Dependent Variable: Y
Method: Least Squares
Date: 05/08/05   Time: 21:20
Sample: 1985 2003
Included observations: 19
Variable Coefficient Std. Error t-Statistic Prob. 
C -59212.11 11152.58 -5.309273 0.0001
X1 0.515788 0.115168 4.478557 0.0005
X2 30.86898 1.385218 22.28456 0.0000
X3 430.4021 81.51619 5.279958 0.0001
X5 -94.88078 7.712977 -12.30145 0.0000
R-squared 0.997482     Mean dependent var 51088.61
Adjusted R-squared 0.996762     S.D. dependent var 35774.57
S.E. of regression 2035.651     Akaike info criterion 18.29595
Sum squared resid 58014264     Schwarz criterion 18.54449
Log likelihood -168.8116     F-statistic 1386.307
Durbin-Watson stat 1.811326     Prob(F-statistic) 0.000000 （转载自中国科教评价网http://www.nseac.com）
回归模型初步确定为：
Y=-59212.11+0.515788X1+30.86898X2+430.4021X3-94.88078X5
 (-5.309273)(4.478557)(22.28546)(5.279958)(-12.30145)
 R^2=0.996762
可以看出所有解释变量的T检验值都很显著。

2.多重共线性分析：
 下面我们进行多重共线性的检验。通过Eview软件分析得出解释变量就业人数X1，教育投入X2，消费价格指数X3，高等院校在校生人数X5之间的简单相关系数矩阵如下：
               X1         X2         X3          X5      
X1  1.000000  0.788246 -0.523152  0.659876
X2  0.788246  1.000000 -0.605328  0.957572
X3 -0.523152 -0.605328  1.000000 -0.518727
X5  0.659876  0.957572 -0.518727  1.000000
 由上表可以看出X1、X2 、X3、X5都是高度相关，它们之间存在严重的多重共线性，须对其进行修正。
 （1）.采用逐步回归法以剔除部分因素，使模型的拟合效果更好。下面我们运用OLS方法逐一求Y对X1、X2 、X3、X5的回归。
  首先选取X1，回归结果如下：
 可以看出X3的T检验值仍然不显著，于是去掉X3，再做OLS分析，结果如下：

Dependent Variable: Y
Method: Least Squares
Date: 06/05/05   Time: 18:51
Sample: 1985 2003
Included observations: 19
Variable Coefficient Std. Error t-Statistic Prob. 
C -201438.7 34922.34 -5.768192 0.0000
X1 3.877313 0.532380 7.282984 0.0000
R-squared 0.757288     Mean dependent var 51088.61
Adjusted R-squared 0.743011     S.D. dependent var 35774.57 大学排名
S.E. of regression 18135.60     Akaike info criterion 22.54844
Sum squared resid 5.59E+09     Schwarz criterion 22.64786
Log likelihood -212.2102     F-statistic 53.04186
Durbin-Watson stat 0.308916     Prob(F-statistic) 0.000001
 再选取X2，结果如下：
Dependent Variable: Y
Method: Least Squares
Date: 06/05/05   Time: 18:56
Sample: 1985 2003
Included observations: 19
Variable Coefficient Std. Error t-Statistic Prob. 
C 11382.12 3203.560 3.552961 0.0024
X2 18.63862 1.145754 16.26756 0.0000
R-squared 0.939638     Mean dependent var 51088.61
Adjusted R-squared 0.936087     S.D. dependent var 35774.57
S.E. of regression 9044.167     Akaike info criterion 21.15693
Sum squared resid 1.39E+09     Schwarz criterion 21.25634
Log likelihood -198.9908     F-statistic 264.6334
Durbin-Watson stat 0.166515     Prob(F-statistic) 0.000000
 再选取X3，结果如下：
Dependent Variable: Y
Method: Least Squares
Date: 06/05/05   Time: 18:57
Sample: 1985 2003
Included observations: 19
Variable Coefficient Std. Error t-Statistic Prob. 
C 339816.5 99558.12 3.413248 0.0033
X3 -2682.951 922.8997 -2.907089 0.0098
R-squared 0.332054     Mean dependent var 51088.61
Adjusted R-squared 0.292763     S.D. dependent var 35774.57
S.E. of regression 30085.47     Akaike info criterion 23.56077 （科教作文网http://zw.NSEaC.com编辑发布）
Sum squared resid 1.54E+10     Schwarz criterion 23.66019
Log likelihood -221.8273     F-statistic 8.451165
Durbin-Watson stat 0.344662     Prob(F-statistic) 0.009814
 再取X5，结果如下：
Dependent Variable: Y
Method: Least Squares
Date: 06/05/05   Time: 18:58
Sample: 1985 2003
Included observations: 19
Variable Coefficient Std. Error t-Statistic Prob. 
C 7467.306 7469.544 0.999700 0.3315
X5 117.0099 16.49007 7.095781 0.0000
R-squared 0.747588     Mean dependent var 51088.61
Adjusted R-squared 0.732740     S.D. dependent var 35774.57
S.E. of regression 18494.45     Akaike info criterion 22.58763
Sum squared resid 5.81E+09     Schwarz criterion 22.68704
Log likelihood -212.5825     F-statistic 50.35011
Durbin-Watson stat 0.146730     Prob(F-statistic) 0.000002
 由以上这些表所显示的数据，结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。经分析，在四个一元回归模型中教育投入X2的t值最大，对Y线性关系强，拟合程度好，因此把X2作为基本变量，得如下模型：
 Y=11382.12+18.63862X2
        (3.552961) (16.26756)
       R2=0.939638,Ř2=0.936087,F=264.6334
（2）.逐步回归。将X1、X3、X5逐个加入回归分析可得如下这些表：
表1.
Dependent Variable: Y
Method: Least Squares
Date: 06/05/05   Time: 20:12
Sample: 1985 2003
Included observations: 19
Variable Coefficient Std. Error t-Statistic Prob. 

C -60904.52 18482.33 -3.295284 0.0046
X1 1.248846 0.316711 3.943170 0.0012
X2 14.39043 1.366774 10.52875 0.0000
.R-squared 0.969387     Mean dependent var 51088.61
Adjusted R-squared 0.965560     S.D. dependent var 35774.57
S.E. of regression 6639.006     Akaike info criterion 20.58325
Sum squared resid 7.05E+08     Schwarz criterion 20.73237
Log likelihood -192.5409     F-statistic 253.3276
Durbin-Watson stat 0.405090     Prob(F-statistic) 0.000000
表2.
Dependent Variable: Y
Method: Least Squares
Date: 06/05/05   Time: 20:12
Sample: 1985 2003
Included observations: 19
Variable Coefficient Std. Error t-Statistic Prob. 
C -81690.50 36525.06 -2.236561 0.0409
X1 1.269040 0.323826 3.918890 0.0014
X2 14.75594 1.496260 9.861886 0.0000
X3 173.6929 261.6071 0.663946 0.5168
R-squared 0.970261     Mean dependent var 51088.61
Adjusted R-squared 0.964313     S.D. dependent var 35774.57
S.E. of regression 6758.150     Akaike info criterion 20.65955
Sum squared resid 6.85E+08     Schwarz criterion 20.85838
Log likelihood -192.2657     F-statistic 163.1297
Durbin-Watson stat 0.353611     Prob(F-statistic) 0.000000
表3.
Dependent Variable: Y
Method: Least Squares
Date: 06/05/05   Time: 20:13
Sample: 1985 2003
Included observations: 19
Variable Coefficient Std. Error t-Statistic Prob. 
C -59212.11 11152.58 -5.309273 0.0001
X1 0.515788 0.115168 4.478557 0.0005
X2 30.86898 1.385218 22.28456 0.0000
X3 430.4021 81.51619 5.279958 0.0001
X5 -94.88078 7.712977 -12.30145 0.0000
R-squared 0.997482     Mean dependent var 51088.61
Adjusted R-squared 0.996762     S.D. dependent var 35774.57
S.E. of regression 2035.651     Akaike info criterion 18.29595
Sum squared resid 58014264     Schwarz criterion 18.54449
Log likelihood -168.8116     F-statistic 1386.307
Durbin-Watson stat 1.811326     Prob(F-statistic) 0.000000
   加入X1后，可决系数并无显著变化，但是却引起X2的t检验值发生较大的下降，由此可以看出X1引起多重共线性，故将其剔除。
   加入X3后，可决系数反而有些上升，然而X3的t检验值为0.663946，较小，对Y的影响并不显著，因而将其剔除。
    加入X5之后，可决系数也有较大的升高，达到了很高的程度，F值也有一定的增加，但X5的系数为负不符合经济意义。故将其予以剔除。所以，经逐步回归修正后模型可以确定为：
 Y=11382.12+18.63862X2
        (3.552961) (16.26756)
       R2=0.939638,Ř2=0.936087,F=264.6334
3.异方差检验：
接下来进行异方差检验，用ARCH检验法可得如下结果：

Dependent Variable: E2 
Method: Least Squares
Date: 05/08/05   Time: 21:43
Sample(adjusted): 1988 2003
Included observations: 16 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.  （科教论文网 lw.nSeAc.com编辑发布）
C 1924079. 1863160. 1.032696 0.3221
E2(-1) 0.115201 0.288414 0.399430 0.6966
E2(-2) 0.299332 0.277938 1.076976 0.3027
E2(-3) -0.003290 0.287969 -0.011425 0.9911
R-squared 0.111640     Mean dependent var 3324693.
Adjusted R-squared -0.110450     S.D. dependent var 4860014.
S.E. of regression 5121381.     Akaike info criterion 33.94806
Sum squared resid 3.15E+14     Schwarz criterion 34.14121
Log likelihood -267.5845     F-statistic 0.502677
Durbin-Watson stat 1.991352     Prob(F-statistic) 0.687550
由上表数据可得，(n-p)*R^2=1.78624<χ20.05(3).说明无异方差。
4,自相关检验：
再进行下一步自相关的检验
Dependent Variable: Y
Method: Least Squares
Date: 06/06/05   Time: 10:58
Sample: 1985 2003
Included observations: 19
Variable Coefficient Std. Error t-Statistic Prob. 
C 11382.12 3203.560 3.552961 0.0024
X2 18.63862 1.145754 16.26756 0.0000
R-squared 0.939638     Mean dependent var 51088.61
Adjusted R-squared 0.936087     S.D. dependent var 35774.57
S.E. of regression 9044.167     Akaike info criterion 21.15693
Sum squared resid 1.39E+09     Schwarz criterion 21.25634
Log likelihood -198.9908     F-statistic 264.6334
Durbin-Watson stat 0.166515     Prob(F-statistic) 0.000000
在0.05的显著性水平下，查Durbin-Watson表n=19，k=1得到下限临界值为dl=1.180，上限临界值du=1.401，所以根据公式得到无自相关区间为（1.401，2.699）。因为D-W统计量为0.166515，D-W〈dl，所以，X2具有正自相关性。下面要对其修正 （科教作文网 zw.nseac.com整理）
5自相关修正
（1）由DW值为0.166515，根据ρ=1-DW/2计算出ρ=0.9167425

Dependent Variable: DY
Method: Least Squares
Date: 06/06/05   Time: 11:17
Sample(adjusted): 1986 2003
Included observations: 18 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. 
C 3798.092 1013.730 3.746651 0.0018
DX2 12.42815 1.594479 7.794493 0.0000
R-squared 0.791542     Mean dependent var 9929.038
Adjusted R-squared 0.778514     S.D. dependent var 5764.977
S.E. of regression 2713.134     Akaike info criterion 18.75404
Sum squared resid 1.18E+08     Schwarz criterion 18.85297
Log likelihood -166.7863     F-statistic 60.75412
Durbin-Watson stat 0.564633     Prob(F-statistic) 0.000001
结果为DY=3798.092+12.42815DX2
        T=(3.746651)    (7.794493)
   R^2=0.791542 F=60.75412,DW=0564633
这时，我们发现经过用广义差分法后，DW值有所提高，但仍然存在自相关性
（2）Cochrance-Orcutt迭代法

Method: Least Squares
Date: 06/06/05   Time: 11:22
Sample(adjusted): 1986 2003
Included observations: 18 after adjusting endpoints
Convergence not achieved after 100 iterations
Variable Coefficient Std. Error t-Statistic Prob. 
C -4020984. 4.01E+08 -0.010028 0.9921
X2 9.378280 4.692899 1.998398 0.0641
AR(1) 1.000699 0.070593 14.17560 0.0000
R-squared 0.994674     Mean dependent var 53427.47
Adjusted R-squared 0.993964     S.D. dependent var 35285.33 （科教论文网 lw.nSeAc.com编辑发布）
S.E. of regression 2741.414     Akaike info criterion 18.82135
Sum squared resid 1.13E+08     Schwarz criterion 18.96974
Log likelihood -166.3921     F-statistic 1400.680
Durbin-Watson stat 0.622211     Prob(F-statistic) 0.000000
Inverted AR Roots        1.00
 Estimated AR process is nonstationary
从表中可以看出DW=0.622211，还是落在了正自相关区域
（3）利用对数线性回归修正自相关
Dependent Variable: LY
Method: Least Squares
Date: 06/06/05   Time: 11:29
Sample: 1985 2003
Included observations: 19
Variable Coefficient Std. Error t-Statistic Prob. 
C 4.008062 0.260173 15.40540 0.0000
LX2 0.898408 0.035523 25.29059 0.0000
R-squared 0.974110     Mean dependent var 10.53521
Adjusted R-squared 0.972587     S.D. dependent var 0.865725
S.E. of regression 0.143338     Akaike info criterion -0.947922
Sum squared resid 0.349278     Schwarz criterion -0.848508
Log likelihood 11.00526     F-statistic 639.6141
Durbin-Watson stat 0.166743     Prob(F-statistic) 0.000000
从表中可以看出， DW值越来越小，还是落在正自相关区域
同时考虑Cochrance-Orcutt迭代.
Dependent Variable: LY
Method: Least Squares
Date: 06/06/05   Time: 11:31
Sample(adjusted): 1986 2003
Included observations: 18 after adjusting endpoints
Convergence achieved after 10 iterations
Variable Coefficient Std. Error t-Statistic Prob. 
C 6.191256 1.912245 3.237690 0.0055

（转载自http://www.ＮＳＥＡＣ.com中国科教评价网）

LX2 0.640844 0.199644 3.209939 0.0058
AR(1) 0.874936 0.095358 9.175231 0.0000
R-squared 0.996876     Mean dependent var 10.61474
Adjusted R-squared 0.996459     S.D. dependent var 0.816296
S.E. of regression 0.048575     Akaike info criterion -3.060408
Sum squared resid 0.035393     Schwarz criterion -2.912012
Log likelihood 30.54367     F-statistic 2392.940
Durbin-Watson stat 1.022588     Prob(F-statistic) 0.000000
Inverted AR Roots        .87
从表中可以看出，DW值在经过此修正后已经有明显好转，但是还是落在正自相关区域，因而可以考虑认为我们所假设的模型失败。
五总结报告及其启示：
 通过以上对就业人数，教育投入，消费价格指数，职工平均工资，高等院校在校生人数等因素的综合分析，以及对模型中因素的各种检验，最后我们可以认为我们选取的因素可能不合适，但是通过各国的实践及众多经济学家的经济路论分析，我们可以得知：教育投入是经济增长的重要因素。教育投入和经济增长之间存在着高度相关的关系，政府对教育的投入对GDP的增长具有重要的影响，有很大的促进作用。众多的经济学家也得出一个共识：经济对GDP增长的贡献率很高。因此，在发展经济的过程中，一定要注意到这一点，重视教育投入对经济增长的重要作用，以便能在现实中更好的利用这一因素来促进经济的增长。
 我们通过近一段时间对各国教育投入及各国所取得的成绩的观察，我们可以得出以下几点结论和启示：
 1、教育的外溢作用对于经济增长有显著的推动作用，这一方面的研究需要给予较高的重视，以便全面估计教育对经济增长的作用，从而为制定有效的政策提供坚实的理论基础。

（科教论文网 lw.NsEac.com编辑整理）

 2、教育对经济增长的全部作用是经济规模增长的决定性因素，因为通过教育使专业化能力资源加速积累，使人们的“内生比较利益”规模递增，并且通过其外溢作用使其他生产要素产生递增收益，从而使总体经济实现规模收益递增，但外溢效应确是教育以外的其他部门所受益，受益了却未支付成本，势必造成教育供给的不足，其后果是资源在教育部门配置的减少，有鉴于此，作为全社会都有所收益的教育，其投入应该由社会各方面按适合比例给予支付，这是社会支持教育的理论基础。
 3、教育由于可被划分为内生作用和外溢效应，因而，其投资既是直接利益驱动下的家庭个人和企业组织的投资，也是作为间接投资者的纳税人通过政府部门“代理”的社会性投资，但这种社会性投资是由政府具体操作，其间有一个投资比例问题。由于基础教育为一个社会提供着国民经济体系得以形成和正常运转所必需的一般能力资本，其投资收益具有很强的外溢效应，故应采用义务的、普及的、由税收支持的公共教育投资由政府支付；而专业技术投资，一般由作为直接收益者的家庭个人和企业组织支付的方法。这是教育投资结构应该合理构架的理论依据。
 4.应当进一步加大教育投资在GDP中的比重。从前面的分析中，我们已清楚地看到教育投资与经济增长存在关显著的正相关关系，而且教育投资的边际收益远大于物质投资的边际收益，进一步加大教育投资在GDP中的比重，可以优化投资结构，以一定的投入获得最大的产出。我国政府教育经费投入占GDP的比重历年平均在2%左右，1952年为1.6%，1957年提高到2.2%，1970年降至1.2%，改革开放20年累计平均为2.2%，其中1978年为2.1%，最高为1986年的2.6%，1990年为2.2%。这一比例不仅与2000年的教育纲要提出的4%差了一半，与国外比较，仅为120个国家平均5.2%及低收入国家平均5.5%的1/3，居世界96位，比印度3.5%、泰国4.2%、韩国3.7%的投入比例还低很多。我国加大教育投资的力度是有空间的，也是有可能的，更是有必要的。

（转载自中国科教评价网http://www.nseac.com）

 5.拓宽财政性教育投资的收入来源：①适时开征教育税。国内学者杨丹尼和朱柏铭(2000)以及贾康(2001)都主张利用费改税的契机适时开征教育税。②考虑发行教育公债，以保证国家财政对教育的稳定支出。③通过发行教育彩票筹集部分教育资金。彩票是利用商业行为筹措资金的一条很好的途径,目前，在我国体育彩票、福利彩票等等相继出现，每年给相应的体育、慈善等事业发展筹措了大量的社会资金，同时也给国家以个人所得税形式筹集到一定量的财政收入。由此，使人们很自然地想到，为何不利用彩票为发展我国教育事业筹措资金，发行“教育彩票”呢？其实发行彩票筹集教育资金有许多优越性。
六，结语：
   由于我们小组成员水平有限，加之选取因素可能稍有偏差。我们设定的模型未能顺利通过各种检验，这在计量经济的分析过程中也是很常见的，但是从基本经济理论和实践我们可以知道教育投入对经济的发展还是有很大的促进作用，我想我们小组在以后的学习过程里还会继续对此问题做进一步更合理的研究，希望能得到老师和同学们的指导和帮助！
【参考文献】
庞皓《计量经济学》，西南财经大学出版社，2002年8月第二版.
中华人民共和国国家统计局网站.
Ｔ·Ｗ·舒尔茨.论人力资本投资[Ｍ].北京:北京经济学院出版社,1988.
中华人民共和国财政部网站
范先佐《教育经济学》，人民教育出版社，1999年12月.
Ｇ·Ｓ·贝克尔.人力资本[Ｍ].北京:北京大学出版社,1987.