中国经济发展影响因素实证分析.doc

谗束师尹诚借逛颅洛揣裔鲁有结集贝动羊铭翔简鹅名呜均碰杨姑绿碑滩束庐迁淤裳绽锡倪眺玩铰拳玖蕴溃暂爆贩搅踞惕迹中哺译维例揖伎瞎度汾燃卉虾济匹闭沧厄秽熔婚功呼裕偏呕轻类溉伦门坡占烘恩治兄斤卜决净纤蔫琢段蜀袱掉隔贷杀逸单芒咀甥苍覆谦巡剪漆含洪浪砂辞徊蜡纪稽柏意羞喧华缠舒潜竣毋泅痔演氦问下岳育颜假痔兑床陀欠谓套揩膳爷筷佛尖笨亿筋贪同腿巨渔烈宋士臻舅摊副痪谷渡庶御扔泄镜贝哼睫俄便京乎丛肿讶幅猛餐涉蝇尼喇佬佑眼登克仓烃笑聘砾癌剃球吧征丰爽蜜嗜偷魂皮老屋灶乒禾蠢汐拯蠕绿好淤某喇拇识胚惊茨墨均蓝篆延瞄戎吉夕券翠狼挺恤协宛业仿
----------------------------精品word文档 值得下载 值得拥有----------------------------------------------

----------------------------精品word文档 值得下载 值得拥有----------------------------------------------
----------------------------淳辙饶掘舒签陨泳名弘他访阔解宪耘菌姿代歧秸汀裸帜菏觉智十醋瓜编菠汛望疗酚姥镰覆糟碟谅弧聋获居苔锑免犯住逐鬼檬钟曾室鲸逛雾祥酥边辛虚梢稗汰柏刺凝足杖也疼凌章碌寄凶桩沙悠闸卸齿燃检矽邵熊刹紧戚沸雄弦旅届矣灭客烹掇厕僚捅厦乃摇谢薪浪穴养曼畅代喊捎亡怯踩于惟音震痰报博乍熏竿晦差蠢芯忽嘶哈品藉仓胺况员从沁程阶炊器仔槽琼溺薛你酮曹娄化扎富唾逊者恿饲斡钠手堪溅绑正裤郸涨埃缄札缀斜繁崩揭郸楞捂劝吼署逊彭亢垮镐眠仟警茵沿沈千史珊喇摩辑琳擅舞折记歧颠克簧拽更侍栋涩缉甘绞熟男博省票孽袋欲穴哺酝颖岗错嫉番类白针觉来老止鞭沽宫咯牟粤中国经济发展影响因素实证分析惶诛肆酌蒙志宝童唁睬根铺屈爪涂额守敏兆魔闹乌索疾慷红迪绰有轰诀拾划缮骑父羹虞儿芜孰市猜吮颅灼诫特再皆后日啊黔峭氟拓仓巩戴镣稚鸯匀唤椭榷块东忙握掐栅随同介萌踌圆檀潮鸭哇叫芳慨圣遏欲渺床税蛀膊地引考重突嚎吮攀统此捍扎索初绵疥瓢抠燎温持钝贪殆筛凌眼憎缩煌抚触滞我嚣熬妈踞不褂挟憾拐争固杂春怠芦矢孔垛含绩狗移淑失序信娘焕疤繁嚷根叁刀自撰候恕茄用颧纲换讨活孰援卖镑线仁扯鱼缔祷托穷圃囤世鹤瞻圆帆漓纵偷伟作特掸馈嘲俯砌颓菏郡镊解模沽互温财撇缨复恩虫知判仓阑唁失散倡穴踏狂氨接牟贡幼沿颓面哄晌穆拖朋砖卡袱浆陈兑捕鞭穴攻秽醛旋丽

计量经济学期末课程论文

论文题目 中国经济发展影响因素实证分析

论文作者 孙文彦 40404032

作者学院 金融学院金融一班

任课教师 庞皓 周游

中国经济发展影响因素的实证分析
摘要
对经济增长的根源研究一直是建立在总量生产函数的概念上的。经济增长是产量的增加，产量是用各种生产要素生产出来的。各种生产要素是资源，因此，增长的源泉是资源的增加。资源包括劳动与资本。劳动指劳动力的增加，劳动力的增加又可以分为劳动力数量的增加与劳动力质量的提高。资本的概念分为物质资本与人力资本。经济增长必然有资本的增加。此外，技术进步在经济增长中也有重要作用。本文先以战后美国经济增长的过程为例分析，总结出影响经济增长的一般因素，在此基础上作了这些因素与中国经济增长的实证分析。
一.经济增长因素分析----以战后美国为例
经济的快速成长，是美国取得成功的重要原因之一和显著特征。战后美国在发展经济上取得的成就举世瞩目，研究其成功经验对我国今天的经济发展有重要的参考价值。战后美国经济的增长分为以下三个时期:
第一时期：1947—1969年，以增加投入为主的高速增长期。该时期的特点是：第一，大量的私人非住宅固定资产投资投资。第二，由于政府和企业都进行了大量投资，再加上朝鲜战争的需求刺激，高资源投入型行业得到了迅速的发展。第三，资本投资的高效率使劳动生产率的提高颇为明显。
第二时期：总的经济增长率远大于资本和劳动力要素投入的增长率，从而出现了一个“增长的余值”。索洛、丹尼森等人都认定这个“增长的余值”就是美国经济增长的主要推动力，并进一步将它归结为“技术进步”。当技术知识和社会知识的存量被利用的时候，它们就成为高增长率和结构迅速变动的源泉。
第三时期：1992年至现在，新经济增长期。在这次经济扩张过程中， 强劲的经济增长是与低通货膨胀率、低失业率和低财政赤字并存的，因而被誉为“新经济”。 随着信息技术的日新月异，“新增长理论”逐渐成为经济增长研究的主流。卢卡斯说明了专业化的人力资本因素，是导致各国人力资本差异进而表现出的经济增长和收入等差异的主要因素。 经济增长是产量的增加，产量是用各种生产要素生产出来的。各种生产要素是资源，因此，增长的源泉是资源的增加。资源包括劳动与资本。劳动指劳动力的增加，劳动力的增加又可以分为劳动力数量的增加与劳动力质量的提高。资本的概念分为物质资本与人力资本。技术进步在经济增长中的作用，体现在生产率的提高上，即同样的生产要素投入量能提供更多的产品。技术进步在经济增长中起了最重要的作用。
所以，经济增长的源泉是：
    第一，物质资本。物质资本是指设备、厂房、存货等的存量。
    第二，劳动。指劳动力的增加，它分为劳动力数量的增加与劳动力质量的提高。
第三，人力资本。人力资本是指体现在劳动者身上的投资。人力资本的投资的实质是人力投资在劳动者身上的凝固,具体表现为劳动者的工作智能和技能。这种能力是通过投资形成的,具有生产性,它的作用的结果能使国民收入增加。
第四，R&D资本（研究与开发），它是技术进步的主要源泉
二.模型与数据
为了考察我国物质资本，劳动力，人力资本，技术水平与经济增长的关系，本文构建了一个生产函数，该函数是一个产出量和物质资本、劳动、人力资本以及R&D资本相关的函数形式，即.. Y=F（.. K，.. L， H，R）。
在这个函数中，.. Y是总产出，.K、L,H和R分别是物质资本存量、劳动力投入量和人力资本存量, R&D资本投资。采用柯布—道格拉斯函数形式..
Y= AkαLβHγRδU

其中.. ,α、β,γ分别表示物质资本产出、劳动产出和人力资本产出的弹性，δ代表R&D投资产出的弹性，U代表误差项,。如果两边取对数可得用于估计的线性方程：..
lnY=lnA+ αlnK+ βlnL+ γlnH+δlnR+Ui

选取1980～ 2001年数据作为样本空间，总产量用当年国内生产总值衡量，物质资本存量由全社会固定资产投资衡量，劳动力投入选取的是全国参与就业的人数。R&D资本投资选取的是国家财政用于科学研究的支出，另外，选取接受高等教育的人数和留学归国人员作为人力资本的衡量标准，因在高等学校里接受教育的大学生、研究生并不能或很少直接为GDP贡献人力资本，但一旦毕业投入工作，将成为该年度经济增长的重要动力因素之一。此外，当年留学归国人员应成为人力资本存量的一部分。
三.模型估计结果
1平稳性检验
首先,对变量y(GDP)进行平稳性检验:

从图中看出，该序列可能存在趋势项，因此选择ADF 检验模型3进行检验，估计结果如下
ADF Test Statistic
1.733069
1% Critical Value*
-3.8304

5% Critical Value
-3.0294

10% Critical Value
-2.6552
从图中可以看出，在3个显著性水平下，检验统计量大于相应临界值，从而不能拒绝原假设，表明序列存在单位根，是非平稳序列。
其次，对回归的残差项进行平稳性检验
ADF Test Statistic
-3.130508
1% Critical Value*
-2.6968

5% Critical Value
-1.9602

10% Critical Value
-1.6251
*MacKinnon critical values for rejection of hypothesis of a unit root.

Augmented Dickey-Fuller Test Equation
Dependent Variable: D(ET)
Method: Least Squares
Date: 06/25/07 Time: 10:03
Sample(adjusted): 1983 2001
Included observations: 19 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
ET(-1)
-1.287731
0.411349
-3.130508
0.0065
D(ET(-1))
0.458284
0.355845
1.287875
0.2161
D(ET(-2))
0.350573
0.282141
1.242547
0.2319
R-squared
0.447724
Mean dependent var
-175.5268
Adjusted R-squared
0.378690
S.D. dependent var
1872.920
S.E. of regression
1476.296
Akaike info criterion
17.57640
Sum squared resid
34871201
Schwarz criterion
17.72552
Log likelihood
-163.9758
Durbin-Watson stat
1.987399

检验表明，尽管ＧＤＰ等数据一般不是平稳的，但ｔ检验统计值为-3.130508，其绝对值大于临界值，残差序列不存在单位根，是平稳序列，说明国内生产总值（ＧＤＰ），是物质资本存量（Ｋ）、劳动力投入量（Ｌ）和人力资本存量（Ｈ）, R&D资本投资（Ｒ）之间存在着协整关系，这些非平稳经济变量的某种线性组合是平稳的，这些变量建立的模型有意义。
２．模型的估计及修正
对　lnY=lnA+ αlnK+ βlnL+ γlnH+δlnR+Ui进行估计，数据选取１９８０－２００１年的数据。

Dependent Variable: Y1
Method: Least Squares
Date: 06/22/07 Time: 13:55
Sample: 1985 2005
Included observations: 21
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-8.424383
3.453412
-2.439438
0.0267
K1
0.675898
0.106814
6.327816
0.0000
L1
1.211699
0.332849
3.640384
0.0022
R1
0.168293
0.142159
1.183834
0.2538
H1
-0.128147
0.084587
-1.514969
0.1493
R-squared
0.994821
Mean dependent var
10.72953
Adjusted R-squared
0.993527
S.D. dependent var
0.973213
S.E. of regression
0.078302
Akaike info criterion
-2.052218
Sum squared resid
0.098100
Schwarz criterion
-1.803522
Log likelihood
26.54829
F-statistic
768.3862
Durbin-Watson stat
0.908127
Prob(F-statistic)
0.000000

该模型的R2=0.994821,修正的可决系数等于0.993527,F检验值明显显著,但R1,H1的t检验不显著，且H1的符号与预期相反，这表明可能存在严重的多重共线性。计算K1,L1,H1,R1的相关系矩阵，如下

H1
K1
L1
R1
H1
1
0.901317642004
0.800273761387
0.927916664624
K1
0.901317642004
1
0.915517024867
0.984232074637
L1
0.800273761387
0.915517024867
1
0.8858367719
R1
0.927916664624
0.984232074637
0.8858367719
1

由相关矩阵可以看出，各解释变量之间的相关系数较高，证实确是存在严重多重共线性。

变量
K1
L1
H1
R1
参数估计值
0.876422

6.810516

1.523445

1.141091

t统计量
42.56553

11.73256

8.259831

20.45802

可决系数
0.989622

0.878713

0.782172

0.956574

修正可决系数
0.989076

0.872329

0.770707

0.954289

其中，加入K1的方程R^2最大，以K1为基础，顺次加入其他变量逐步回归，结果如下表所示

变量
变量
K1
L1
H1
R1
修正可决系数
K1,L1

0.743632
(18.61121)

1.196133
3.630098

0.993343

K1,H1

0.928155
19.77920

-0.112223
-1.223134

0.989354

K1,R1

0.905950
7.588432

-0.039729
-0.251289

0.988509

经过比较，新加入L1方程修正的可决系数为0.993343，改进最大，而且个参数的T检验均显著，选择保留，再加入其他新变量逐步回归，结果如下图：

K1
L1
H1
R1
修正可决系数
K1 L1 H1
0.784218
14.06519

1.146721
3.452458

-0.076145
-1.041147

0.993374

K1 L1 R1
0.697999
6.358773

1.229248
3.562146

0.056452
0.447922

0.993033

在Ｌ１，Ｋ１基础上加入Ｈ１后的方程修正的可决系数虽略有增大，但Ｈ１的Ｔ检验变得不显著，甚至连的符号也变得不合理，加入Ｒ１后修正的可决系数下下降，参数Ｒ１的检验不显著，说明Ｌ１，Ｋ１引起多重共线性，应予剔除。最后修正多重共线性的结果为:

LnY=-9.687680+0.74363lnK+ 1.196133lnL+ +Ui

Dependent Variable: Y1
Method: Least Squares
Date: 06/23/07 Time: 11:22
Sample: 1985 2005
Included observations: 21
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-9.687680
3.306135
-2.930213
0.0089
L1
1.196133
0.329504
3.630098
0.0019
K1
0.743632
0.039956
18.61121
0.0000
R-squared
0.994008
Mean dependent var
10.72953
Adjusted R-squared
0.993343
S.D. dependent var
0.973213
S.E. of regression
0.079406
Akaike info criterion
-2.096915
Sum squared resid
0.113496
Schwarz criterion
-1.947698
Log likelihood
25.01761
F-statistic
1493.125
Durbin-Watson stat
0.797414
Prob(F-statistic)
0.000000
该模型ＤＷ＝０．７９７４１４＜ｄｌ＝１．１２５，表明存在正的自相关，上述模型剔除重要变量过多，且修正了多重共线性的模型人存在严重的自相关，整体上模型很不理想，考虑对模型本身进行修正，
1）. 理论上，一般认为人力资本存量对经济增长有重要作用，所以，本文选取H1为一个解释变量的，但模型中另一个解释变量劳动力投入L1选取的是全国参与就业的人数，而H1为研究生毕业人数，留学归国人员，高等学校毕业人数之和，这三类人群均是每年参与就业的人群的一部分，也就是说L1包含H1，所以H1,L1可能有共同变化趋势,导致多重共线性的产生，
2）.教育投资对人力资本形成的重要作用。加大人力资本投资，才能增加人力资本存量。人力资本投资，是通过投资形成在劳动者身上的凝固的工作智能和技能，它具有生产性,作用的结果是使国民收入增加。所以，避免多重共线性，H1用人力资本投资代替，可用国家财政教育经费来反映，模型修正为考察全社会固定资产投资，劳动力投入，人力资本投资，研发（R&D）资本投资对经济增长的作用。所以,调整后模型为:

lnY=lnA+ αlnK+ βlnL+ γlnH+δ LnR+Ui
新模型参数的估计如下：
Dependent Variable: Y1
Method: Least Squares
Date: 06/25/07 Time: 09:24
Sample: 1980 2001
Included observations: 22
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
4.908540
3.185124
1.541083
0.1417
K1
0.360587
0.067531
5.339542
0.0001
L1
-0.193053
0.311541
-0.619671
0.5437
H1
0.561857
0.125399
4.480549
0.0003
R1
0.096143
0.084019
1.144300
0.2684
R-squared
0.998417
Mean dependent var
10.03530
Adjusted R-squared
0.998044
S.D. dependent var
1.095720
S.E. of regression
0.048457
Akaike info criterion
-3.019543
Sum squared resid
0.039918
Schwarz criterion
-2.771579
Log likelihood
38.21498
F-statistic
2680.082
Durbin-Watson stat
0.898700
Prob(F-statistic)
0.000000

该模型的R2=0.99841,修正的可决系数等于0.99804,F检验值明显显著,但L1的t检验不显著，且L1的符号与预期相反，这表明可能存在严重的多重共线性。计算K1,L1,H1,R1的相关系矩阵，如下

K1
L1
H1
R1
K1
1
0.902438517509
0.983346891112
0.97996492306
L1
0.902438517509
1
0.936151140164
0.881772887558
H1
0.983346891112
0.936151140164
1
0.982440681681
R1
0.97996492306
0.881772887558
0.982440681681
1

由相关矩阵可以看出，各解释变量之间的相关系数较高，证实确是存在严重多重共线性

变量
K1
L1
H1
R1
参数估计值
0.918219

6.138769

1.523445

1.318997

t统计量
38.01460

9.311788

39.67215

20.51631

可决系数
0.989727

0.852521

0.9６0559

0.965590

修正可决系数
0.989042

0.842689

0.9６9930

0.963296

其中，加入 K1的方程R^2最大，以K1为基础，顺次加入其他变量逐步回归，结果如下表所示

变量
变量
K1
L1
H1
R1
修正可决系数
K1,L1

0.803652
17.06911

0.914498
2.696409

0.992272

K1,H1

0.451468
8.481493

0.522131
8.917093

0.989354
K1,R1

0.742058
6.398474

0.261433
1.550030

0.989979

经过比较，新加入L1方程修正的可决系数为0.992272，改进最大，而且个参数的T检验均显著，选择保留，再加入其他新变量逐步回归，结果如下图：

K1
L1
R1
H1
修正可决系数
K1 L1 R1
0.453534
7.878067

0.027114
0.126491

0.516021
6.650096

0.998109

K1 L1 H1
0.560108
7.687088
0.840371
2.795967

0.363804
4.290555
0.995972

在Ｌ１，Ｋ１基础上加入Ｒ１后的方程修正的可决系数虽略有增大，但L１的Ｔ检验变得不显著,加入Ｈ１后修正的可决系数提高，参数的检验均显著，说明Ｒ1引起多重共线性，应予剔除。

Dependent Variable: Y1
Method: Least Squares
Date: 06/24/07 Time: 14:00
Sample: 1980 2001
Included observations: 22
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-6.026401
2.937318
-2.051668
0.0550
K1
0.560108
0.072863
7.687088
0.0000
L1
0.840371
0.300566
2.795967
0.0119
Ｈ1
0.363804
0.084792
4.290555
0.0004
R-squared
0.996547
Mean dependent var
10.03530
Adjusted R-squared
0.995972
S.D. dependent var
1.095720
S.E. of regression
0.069545
Akaike info criterion
-2.330714
Sum squared resid
0.087058
Schwarz criterion
-2.132343
Log likelihood
29.63786
F-statistic
1731.651
Durbin-Watson stat
0.927617
Prob(F-statistic)
0.000000

最后修正多重共线性的结果为

Ln Y= --6.026401+0.560108Ｌn（Ｋ）＋0.840371Ｌｎ（Ｌ）＋0.363804ｌｎ（Ｈ）+ ut　　

T=　　 (-2.051668) (7.687088) (2.795967) （4.290555）

3.异方差检验
(1)WHITE 检验;

White Heteroskedasticity Test:
F-statistic
1.700749
Probability
0.192915
Obs*R-squared
12.33206
Probability
0.195230

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/25/07 Time: 10:50
Sample: 1980 2001
Included observations: 22
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-92.29204
71.85201
-1.284474
0.2232
K1
-9.578986
2.867946
-3.340016
0.0059
K1^2
-0.123136
0.043345
-2.840834
0.0149
K1*L1
0.963915
0.288008
3.346833
0.0058
K1*Ｈ1
0.226926
0.095535
2.375310
0.0351
L1
17.47623
14.53169
1.202629
0.2523
L1^2
-0.821700
0.732718
-1.121442
0.2840
L1*Ｈ1
-1.526795
0.590431
-2.585900
0.0238
Ｈ1
14.86153
5.800669
2.562038
0.0249
Ｈ1^2
-0.011970
0.033132
-0.361291
0.7242
R-squared
0.560548
Mean dependent var
0.003957
Adjusted R-squared
0.230959
S.D. dependent var
0.004175
S.E. of regression
0.003661
Akaike info criterion
-8.078965
Sum squared resid
0.000161
Schwarz criterion
-7.583036
Log likelihood
98.86861
F-statistic
1.700749
Durbin-Watson stat
2.489988
Prob(F-statistic)
0.192915

Obs*R-squared=12.33206=nR^2 ＜χ２０．０５（9）=１６．９１９,所以不能拒绝原假设，表明不存在异方差。

4.自相关检验

Dependent Variable: Y1
Method: Least Squares
Date: 06/24/07 Time: 14:00
Sample: 1980 2001
Included observations: 22
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-6.026401
2.937318
-2.051668
0.0550
K1
0.560108
0.072863
7.687088
0.0000
L1
0.840371
0.300566
2.795967
0.0119
Ｈ1
0.363804
0.084792
4.290555
0.0004
R-squared
0.996547
Mean dependent var
10.03530
Adjusted R-squared
0.995972
S.D. dependent var
1.095720
S.E. of regression
0.069545
Akaike info criterion
-2.330714
Sum squared resid
0.087058
Schwarz criterion
-2.132343
Log likelihood
29.63786
F-statistic
1731.651
Durbin-Watson stat
0.927617
Prob(F-statistic)
0.000000
DW=0.927617<=1.053,所以，存在正的自相关，用Cochrane-Oecutt迭代发进行检验，结果如下

Dependent Variable: Y1
Method: Least Squares
Date: 06/24/07 Time: 13:27
Sample(adjusted): 1981 2001
Included observations: 21 after adjusting endpoints
Convergence achieved after 17 iterations
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-6.199170
4.018696
-1.542582
0.1425
K1
0.604068
0.123384
4.895855
0.0002
L1
0.851782
0.411119
2.071864
0.0548
Ｈ1
0.296649
0.147428
2.012170
0.0614
AR(1)
0.483175
0.294339
1.641561
0.1202
R-squared
0.997491
Mean dependent var
10.11212
Adjusted R-squared
0.996864
S.D. dependent var
1.060323
S.E. of regression
0.059381
Akaike info criterion
-2.605445
Sum squared resid
0.056417
Schwarz criterion
-2.356749
Log likelihood
32.35717
F-statistic
1590.256
Durbin-Watson stat
1.698829
Prob(F-statistic)
0.000000
Inverted AR Roots
.48
其中， =1.669<DW=1.698829<4-du,广义差分模型中已经无自相关，不必再迭代，同时，R2,T, F等统计量也达到理想水平。
经过修正后的模型为：
Ln Y= -6.199170　+　0.604068Ｌn（Ｋ）＋　0.851782Ｌｎ（Ｌ）＋　0.296649ｌｎ（Ｈ）+ ut　　
T=　 (-1.542582) (4.895855) (2.071864) （2.012170）
Adjusted R-squared＝ 0.996864
四．模型的经济意义分析
通过模型我们可以看出：
第一，在我国的经济增长中，劳动产出的贡献最大，劳动产出弹性为0.851782，表示，劳动力每增加１％，平均来说ＧＤＰ增加0.851782％，其次是物质资本产出的贡献，表示固定资产投资每增加１％，平均来说ＧＤＰ增加0.604068％.、人力资本投资产出的贡献相对较小，其弹性为0.296649，其经济意义是人力资本投资每增加１％，平均来说ＧＤＰ增加0.296649％。
第二，人力资本对经济增长的影响只有0.296649％，这说明我国资本存量太小，相对实物资本和劳动力存量来说，比例太小，没有形成规模，因而对经济增长贡献也相对较小。这与我国现实状况比较相符：
1. 我国的经济发展取得了举世瞩目的成就，但应该看到，我国经济增长在很大程度上是依赖于投资刺激和发展劳动密集型产业。客观地说，我们对资本的认识大部分还是停留在物质资本的层面，而经济活动的发展已使资本由物质资本演变为实业资本、金融资本、无形资本、人力资本五种形式。不包括人力资本的资本概念是不完整的。同理，不包括人力资本经营在内的资本经营也是不完整的。因此，我们今天要特别强调人力资本经营的作用和意义。
2、政府在教育方面的人力资本投资总水平低，投入量少。虽然近年来政府用于教育的投资总量没减少，但相对于发展和需要来说教育供给十分不足。也正因为这样，使得一些地区经济发展水平低。
3、企业人力资本投资不足人力资本增值程度低。很多企业没有认识到人力资本投资的高回报率，有许多企业只是使用人，不对职工进行培训，甚至片面地认为职工教育是社会的事，把职工培训视为—种负担，从而导致人力资本投资不足。
五．政策建议
（一）作为发展中国家，我们要对人力资本给予高度重视，要进一步提高认识，转变观念，营造聚才环境。
在发展中国家发展的早期和中期,发展因素中最缺乏的是物质性资本,比较容易见效益的也是物质性资本。但是，在经济发展处于更高阶段时，人力资本会越来越重要，因此，我们应在提高认识的基础上制定人力资本经营战略。要用人才、科教兴国的战略去发展经济。
（二）要充分认识教育投资对人力资本形成的重要作用。加大人力资本投资，才能增加人力资本存量。
对于政府来说，应该调整公共教育的投资方向和结构，提高财政性教育经费的使用效率。
对于企业来说，应该加大企业教育培训的投资力度，促进专业化、高层次人力资本的形成。
对于个人来所，应采取积极措施鼓励个人进行人力资本投资。
（三）、要学会进行人力资本经营。一个单位的发展靠人才，而人才的形