高校扩招对创新效率的政策效应-基于准实验与双重差分模型的计重检验.docx

高校扩招对创新效率的政策效应基于准实验与双重差分模型的计重检验 三、计量方法(一)准实验与双重差分高等教育扩招在短期内大幅增加了接受高等教育的人口和潜在研发人员的数量急剧的政策变化，可能是政府出于减缓就业压力和保持经济增长的目标进行的一次公共政策实验(吴要武、赵泉，2010)双重差分计量分析法有着自然科学实验方法与统计科学相结合的特性，常被用于公共政策效果评估该方法对来自经济系统外部的政策效应研究具有良好的解释力和稳健性因此，本文使用双重差分计量模型进行研究将内地省份作为实验组，台湾和香港地区作为对照组实验组的分组虚拟变量P等于1，表明受到扩招政策冲击；对照组的分组虚拟变量P等于0，表明没有受到政策冲击二)样本选择及分组在经典的自然实验研究中，如Meyer(1995)的实验对象为高收入和低收入工人，工人个体之间不具有根本性差异虽然个人之间的所有差别无法在实验中完全消除，但由于实验选择了同类人群，“无关变异量”④已被尽可能最小化准实验虽然可以在一定程度上放松该假设，但研究分组对象之间的差异不能过大即准实验的样本分组要求分组事件完全来自实验系统外部，与计量模型的各变量及误差项均不相关。

关于样本选择与分组，本文并没有使用常用的国际比较法首先，与中国人口、土地规模相对应的国家不多，对照组样本不足，且实验组也不能仅有一个样本因此，受到扩招政策冲击的内地省份自然是理想的实验组样本其次，为避免科学技术积淀、民族特质与文化、国家与省份差异等影响，对照组样本采用台湾和香港地区再次，考虑到经济总量与高等教育水平的差距，实验组样本选择北京、天津、上海、江苏、浙江、福建、山东、广东8个省份剔除澳门的主要原因是经济总量偏小及统计指标缺失最后，由于政策非内生性是准实验的基本前提(Meyer，1995)，台湾和香港地区不受内地1999年扩招政策的影响，也就是说实验分组依据的是出自本次教育政策实验系统外的自然(随机)事件，其实验分组可视为系统外生，政策的实施对象选择没有内生性三)基础计量方程为了分离宏观经济与社会环境对地区技术创新效应的影响，获得高校扩招对实验组(内地沿海省份)创新的效率的“净影响”，双重差分计量模型设定为：其中，Ait为创新的效率值，Pit为分组虚拟变量(实验组为1，对照组为0)，Tit为时间分组变量(冲击前为0，冲击后为1)，dit为双重差分变量，是Tit与Pit的乘积，其系数估计是系统外冲击(高校扩招政策)对被解释变量的影响是否显著的判别依据。

xit为与创新效率相关、可能影响创新效率的控制变量，αj是相应的回归系数，εit为随机误差项从效率评价来看，时间分组变量Tit控制的是2004年前后所有内地省份与香港、台湾地区共同面临的经济与社会环境变化；而分组虚拟变量Pit控制的是内地省份与香港、台湾地区之间的创新效率差异，即由制度、文化等产生的效率影响因素；双重差分变量dit则用来考察扩招导致的创新效率差异，并兼顾扩招时间Tit及宏观环境Pit两个因素由于控制了分组效应β1与时间效应β2，扩招政策的“净影响”即为β3，即交互项dit的系数双重差分计量模型可以剔除那些影响所有省份的宏观经济、社会文化和制度环境差异等因素，可供研究者更加准确直观地估计扩招政策对内地各省份的影响若β3显著为正说明扩招对创新的效率有正的效应；显著为负说明扩招损害了创新效率；若β3在统计上不显著，则表明扩招政策对创新效率的作用不明显把创新的超效率值作为被解释变量，进行创新效率的影响因素分析时，由于因变量(效率值)存在小于或等于0的数据截取问题，若直接使用OLS估计，结果将会有偏且不一致为此，本文以DEA-Tobit模型对计量方程进行以下修正：其中，Ait*为潜在因变量向量，Ait为创新效率值向量，Xit为解释变量(即Pit、Tit、dit、xit等影响创新效率的变量)向量，γ为回归系数向量，εit服从正态分布N(0，σ2)。

四)变量说明本研究的解释变量包括分组虚拟变量Pit、时间虚拟变量Tit和双重差分变量dit，考虑到经济总量与高等教育水平的可比性，本文把北京、天津、上海、江苏、浙江、福建、山东、广东作为实验组，Pit取值为1，把台湾和香港地区作为对照组，Pit取值为0考虑到1999年受扩招冲击的第一批大学生在2003年本科毕业或2005年硕士研究生毕业后开始参加工作，加上参与科研的时滞，本文假设扩招政策对创新效率于2005年开始产生冲击，1998～2004年Tit取值为0，2005～2011年Tit取值为1双重差分变量dit，是虚拟变量Pit与Tit的乘积本文参照已有研究对创新效率的环境影响因素的探讨，加入4个与高等教育及其创新效率相关的控制变量，以控制地区之间经济发展程度、社会文化、地理空间、制度环境等维度的差异，从而分离双重差分变量对被解释变量的影响，进而得到高校扩招的具体政策效应接受高等教育的人口数量代表该地区的人力资本总体水平，同时也反映地区间的社会文化环境、地理空间差异因为高等教育水平在某种程度上代表一个地区的文化特质例如，西部地区因所处地理空间的特殊而导致人口基数小，接受高等教育人口数量自然较少。

该变量本来可以使用新中国成立后各省份大学毕业生人数扣除死亡率加总计算，但由于高校在地区之间的分布不平衡，高等教育水平落后省份的学生会到其他省份上大学，毕业后回到老家工作，这可能导致高估高等教育发达地区的大学生数量，同时低估欠发达地区的大学生数量因此，内地省份的高等教育人口数量采用“大专以上学历人口”指标，数据来自历年人口普查或人口抽样调查由于2001和2005年的“大专以上学历人口”数据没有公布，本文使用邻近年份数据进行缺失值估算，估算时忽略大学生省际流动造成的误差香港地区的高等教育人口数量使用《香港统计年刊》中“专上教育人口”，台湾地区则使用《台湾统计年鉴》提供的“专科”及“大学以上”的人口数据固定资本形成总额代表地区基础设施水平与经济发达程度，控制地区间的经济发展程度差异台湾地区对应的指标为“固定资产形成毛额”，香港地区对应的指标为“本地固定资本形成总额”地方财政科技拨款体现地方政府对创新活动的直接支持，控制地区间的关于创新的制度环境差异台湾和香港地区的数据分别来自《台湾统计年鉴》和《香港统计年刊》中的“政府部门研发经费支出”地方财政预算支出控制各省份对基础设施的投入力度台湾地区的数据来自《台湾统计年鉴》中的“各级政府岁出净额项”，香港地区数据来自《香港统计年刊》中“政府期初储备结余的开支项”。

上述各变量的统计特征如表3所示与货币相关的初始统计变量的数据进行以下两步处理：(1)使用每年年末最后一个工作日的港币、新台币兑人民币汇率中间价来代表本年汇率⑤，将台湾地区(新台币)和香港地区(港元)的数据换算成人民币；(2)鉴于时间跨度大，本文以2000年为基期，其他年份根据居民消费价格指数剔除通货膨胀因素表3 回归变量的统计特征(N=140)变量均值标准差最小值最大值被解释变量创新效率0.4600.2480.1101.130解释变量Pit0.8000.40001Tit0.5000.50201dit0.4000.49201控制变量高等教育人口数量(千万人)0.3450.2090.0511.041固定资本形成总额(百亿元)50.65738.0176.275188.225地方财政科技拨款(百亿元)0.5610.6330.0012.260地方财政预算支出(百亿元)19.15215.8781.35378.647四、实证分析(一)双重差分法的适用性检验：实验前测根据准实验及双重差分的理论基础，应用双重差分计量模型需要进行适用性检验该检验的必要性在于确定实施扩招政策的对象选择是“随机”的否则，若有与创新效率相关的因素同时影响到一个地区是否推行扩招政策，则选择的地区样本可能不构成有效的实验组和对照组，即要检验扩招政策的实施对象是否受到与技术创新高度相关的变量的影响。

假如政府是由于1999年前的内地省份创新效率低下而实施扩招改革，那么，这样的政策对象选择构成不了一次有效的准实验，双重差分计量模型无效鉴于此，本文使用Logit模型前测法，检验实验对象的选择是否“随机”以分组虚拟变量Pit为被解释变量，选取创新效率Ait为解释变量，从而考察创新效率Ait是否影响某个省份实行扩招政策若检验确实发现该因素在统计意义上显著影响了分组虚拟变量，那么双重差分计量模型将存在严重的内生性问题实验前测结果如表4所示检验结果显示，研究样本的分组具有显著的“随机性”，样本数据满足双重差分的使用前提表4 Logit模型检验结果：实验前测(N=140)变量Agovexpitgdpstrcit截距项分组虚拟变量-1.63(-0.09)-0.12(-0.41)—18.90(1.43)Pit-32.45(-0.97)—-110.99*(-1.93)94.98*(1.71)注：括号内数据为z值；*、**、***分别表示在10%、5%、1%水平上显著为了检验的稳健性，Logit回归分别加入地方财政预算支出govexpit和第三产业比重gdpstrcit作为控制变量二)扩招政策对创新效率的冲击综合前面计算的超效率值Ait，结合双重差分计量模型的实验前测及相关控制变量的讨论，使用Stata12.0软件对式(2)应用Tobit面板模型回归，得到模型1的回归结果(见表5)。

为了排除样本选择中造成的偏差，并保证结论的有效性，本文进行分组虚拟变量和时间虚拟变量的稳健性检验把实验组扩大到除西藏、重庆外的内地所有省份，对照组仍然为台湾和香港地区，得到模型2的结果(见表5)由于2004年为1999年第一届扩招大学生毕业参加工作后的第一个完整工作年度，为此将时间差分变量从2004年开始取1，回归结果如模型3所示(见表5)表5 回归结果变量回归结果模型1稳健性检验结果“新大学生”效应模型2模型3模型4Pit0.129(0.79)0.163(1.38)0.068(0.42)—Tit0.065(1.06)0.049(0.97)-0.015(-0.25)—dit-0.164**(-227)-0.164***(-3.01)-0.116*(-1.70)—strcit———-0.041***(-4.02)edupopulationit-0.697***(-3.26)-0.442***(-3.78)-0.542***(-2.62)—invfixcapit0.002(1.53)-0.0002(-0.35)0.002(1.61)—govrdexpit0185***(2.79)0.121***(3.25)0.182***(2.82)0.125***(3.24)govexpit0.009**(2.38)0.014***(5.43)0.008**(2.02)0.005***(3.29)截距项0.256*(1.67)0.164(1.39)0.310**(2.03)0.265***(10.86)有效观测值140434140406注：括号内数据为z值；*、**、***、分别表示在10%、5%、1%水平上显著。

表5显示，各回归方程的统计特征良好，显著性水平合。