职业教育发展与新质生产力提升

摘 要 利用2010-2022年中国274个城市的数据，分析职业教育发展对城市新质生产力水平的影响及其作用机制。研究结果显示：职业教育显著提升了城市新质生产力，这一结论经稳健性检验后仍然成立。机制分析发现，职业教育通过促进技术成果市场化和产业数字化，提升了城市新质生产力水平。异质性分析表明，职业教育发展对城市新质生产力的影响呈现多维异质性，职业教育对中西部区域、教育经费投入大的城市和新质生产力分位数较高城市的促进作用更为明显。据此，应紧扣社会需求，大力推动职业教育高质量发展；畅通转化渠道，充分发挥职业教育加快技术成果市场化和产业数字化的机制作用；遵循比较优势，制定差异化职业教育发展政策。

关键词 新质生产力；职业教育；产业数字化；技术成果市场化

中图分类号 G719.2 文献标识码 A 文章编号 1008-3219（2024）16-0028-08

新质生产力“是中国共产党人对马克思主义生产力理论的原创性贡献”[1]。“自从习近平总书记2023年9月在黑龙江省考察时首次提出‘新质生产力’这个概念以来，学术界进行了广泛而深入的研究”[2]。概括来看，这些研究大致可以分为两支。一支专注于探讨新质生产力的影响效应。宏观上，新质生产力可以赋能中国式现代化[3][4][5]、推动经济社会高质量发展[6]、保障国家经济安全[7]和助力共同富裕[8]等。中观上，新质生产力有助于会计数字化转型[9]、出版业高质量发展[10]、农业高质量发展[11]、数字乡村建设[12]和新型工业化推进[13]等。另一支文献集中于探讨新质生产力的驱动因素，包括数字经济[14][15]、金融集聚[16]、数实融合[17]、数据要素[18]、数字技术[19]、税收[20]等。

职业教育与新质生产力之间存在着密切且互补的关系。一方面，职业教育通过提供与新质生产力相适应的技术培训和专业教育，为社会输送技术技能型人才，直接支持和促进了新质生产力的发展。另一方面，新质生产力的涌现和更新也促使职业教育不断调整教育内容和方法，以满足产业发展的新需求。与本文紧密相关的研究是教育对新质生产力的影响。代表性文献有王顶明和黄葱[21]、林夕宝、余景波和宋燕[22]、徐平利[23]、冯海芬[24]、李奕[25]等学者的相关研究成果。这些文献为深入理解教育与新质生产力的关系奠定了坚实基础，但多从泛化的教育层面，定性阐释两者间相互作用逻辑，还存在有待深入探究的空间：一是专门聚焦于职业教育与新质生产力关系的研究还比较少，尤其是缺少采用合理计量模型，准确测度职业教育对新质生产力贡献度的研究；二是由于实证研究的不足，无法科学识别出职业教育促进新质生产力发展的作用机制，以及职业教育作用效应的异质性。

为了更好地补充和完善现有文献，本文利用2010-2022年中国274个城市的面板数据，从职业教育的视角研究城市新质生产力水平的影响因素，构建了职业教育赋能新质生产力水平的影响模型，以期为理解职业教育在新质生产力提升中的作用提供依据。

一、理论分析与研究假说

本文关注的是城市新质生产力水平，其以劳动者、劳动资料、劳动对象及其优化组合的跃升为基本内涵。拼合现有教育与新质生产力关系的片段式分析，本文构建如下理论框架，见图1。

（一）职业教育发展对新质生产力水平的直接影响

“职业教育赋能新质生产力本质上就是为新质生产力的形成与发展提供要素支持。”[26]从系统观来看，新质生产力是一个包含劳动者、劳动资料和劳动对象3个基本要素的系统。职业教育发展可通过对系统内劳动者、劳动资料和劳动对象的优化组合，提升新质生产力水平。一是提升劳动者创新素质。职业教育通过融入最新行业知识和技术动态，强化实践教学和技能训练，培养学生解决问题能力和创新实践能力，使学生在真实工作环境中锻炼和提升创新素质。二是优化整合劳动资料。职业教育通过不断更新和完善课程体系，强化与行业企业的合作，将最新的生产工具、信息技术和自动化设备纳入教学内容，确保学生能够熟练掌握和运用这些劳动资料，从而有效提升劳动资料的使用效率和生产过程的智能化水平。三是拓展延伸劳动对象。职业教育不仅培养学生对传统物质产品的生产能力，还通过不断调整和优化专业设置，在智能制造、绿色能源、数字经济等新兴前沿领域提升学生的参与度和贡献能力，拓宽劳动对象的范围。基于以上理论分析，本文提出：

假设1：职业教育发展有助于提升新质生产力水平。

（二）职业教育发展对新质生产力水平的作用机制

根据熊彼特的创造性破坏理论，职业教育不仅充当着知识和技能“储水池”的功能，这些知识和技能的运用，还会加速产业数字化和技术成果市场化，对现有的生产体系产生“扰动”，通过淘汰旧的技术和生产体系，打破现有生产力均衡，逐渐建立起新的、更高级的生产力均衡。这种熊彼特式的创造性破坏效应将成为职业教育作用于新质生产力的重要媒介。一是产业数字化。职业教育通过优化专业设置、构建丰富的数字化教育资源、实施混合式教学、深化产教融合与校企合作，为产业数字化发展提供坚实的人才支持。产业数字化通过自动化和智能化手段提高生产效率，降低运营成本，优化生产流程和决策制定，从而培育新的经济增长点，实现新质生产力提升。二是技术成果市场化。一方面，职业教育通过与行业企业搭建技术成果转化平台，促进校企之间的技术交流与合作，加速技术成果的孵化和商业化应用。另一方面，职业教育通过举办各类技能竞赛、创新项目和创业指导活动，加快技术成果的市场化进程。在市场分割、信息不对称和交易成本高昂等多重因素的共同作用下，创新要素市场常常处于非瓦尔拉斯均衡状态。技术成果市场化加速了知识资本化和技术产业化的速度，促进了新技术、新工艺、新材料的应用，提高了生产效率和产品质量，消减了信息交流障碍，增加了创新资源的匹配精度和配置效率，提升了新质生产力水平。根据以上分析，本文提出：

假设2：职业教育发展通过产业数字化、技术成果市场化提升新质生产力水平。

二、研究设计

（一）计量模型

针对本文研究的核心问题，即职业教育发展对新质生产力水平的影响，设定如下计量模型：

Nqpit=β0+β1Voeduit+δX+λi+φt+μit                       （1）

式中，i表示城市，t表示年份。Nqp为被解释变量：城市新质生产力指数；Voedu为核心解释变量：职业教育发展指数；X为一系列控制变量，λi为城市固定效应；φt为时间固定效应，μit为随机扰动项。β0为常数项，β1和δ都是模型估计参数，其中β1是本文主要关心的参数，若β1为正且显著，表明职业教育发展对城市新质生产力水平具有显著提升作用。

（二）内生性讨论

在基准回归模型中可能存在遗漏变量和反向因果的问题，这可能会导致回归结果出现偏差。针对遗漏变量的内生性问题，本文借鉴现有文献，在模型中尽可能多地加入控制变量，同时使用面板数据控制城市不可观测效应，因此遗漏变量的可能性较小。所以本文主要讨论由反向因果关系导致的内生性问题。一般来讲，新质生产力水平高的城市可能会提供更好的条件促进职业教育发展。因此，职业教育和城市新质生产力水平之间可能存在反向因果关系。本文借鉴罗泽尔（Rozelle）等的做法[27]，引入同一省份其他城市职业教育发展指数作为本城市职业教育发展指数的工具变量，来检验职业教育发展对城市新质生产力水平的影响。

（三）变量说明

1.被解释变量

本文被解释变量是城市新质生产力指数。当前对新质生产力的测量主要有区域宏观和企业微观两种视角。区域宏观视角下，有两种主要测量思路，一是根据新质生产力的内涵，从劳动者、劳动资料和劳动对象3个维度进行指标体系设计；二是根据新质生产力的外延，从科技生产力、绿色生产力和数字生产力3个维度设计指标体系[28]。企业微观视角下，主要基于生产力二要素理论，从劳动力和生产工具2个维度进行指标体系设计[29]。本文研究的是城市新质生产力发展状况，因此，参考区域宏观视角下大多数学者的研究成果[30][31]，从劳动者、劳动资料和劳动对象3个维度构建指标体系，并运用熵值法确定各层级指标权重，计算出各城市新质生产力指数，见表1。

2.核心解释变量

本文的核心解释变量为职业教育发展指数。我国职业教育主要包括中等和高等职业教育。由于高等职业教育相关数据在国家统计中跟普通高等教育混合在一起，难以被单独剥离出来[32]。参考相关研究的做法[33]，本文用中等职业教育相关数据替代职业教育发展水平。在职业教育测量指标方面，主要存在单一指标和多维度指标体系2种方式，相对来讲多维度指标体系更为全面[34]。限于城市职业教育相关数据的可获得性，参考相关研究[35][36]，本文从教育规模、教育经费和教育成果3个维度构建指标体系，并在对原始数据标准化处理的基础上，以熵值法计算职业教育发展指数，见表2。

3.控制变量

参考相关文献[37][38]，本文将以下可能影响新质生产力水平的因素作为控制变量，以最大程度降低因遗漏变量而产生的内生性偏误。一是劳动要素分配，以劳动报酬占GDP的比重来测量；二是就业率，以就业人数占总人数的比率来测量；三是固定资本投入，以各城市每年全社会固定资产与GDP的比值来测量；四是金融集聚度，用Fatit=（Fit/GDPit）/ （Fi/GDPi）表示，其中F为金融业增加值；五是工业化水平，用第二产业产值占GDP的比重来测量；六是对外开放程度，用实际利用外资额表示；七是城镇化水平，用城镇人口占年末总人口的比重来测量；八是市场化水平，用非国有企业就业人员与总就业人员的比值来测量；九是政府干预，用每年地方财政一般支出占GDP的比值来测量。

（四）数据来源

本文使用的数据来源于各城市历年统计年鉴及相关数据库，分别是《中国区域经济统计年鉴》《中国教育统计年鉴》《中国统计年鉴》《中国财政统计年鉴》和各城市统计年鉴，以及国家统计局数据库等。除此之外，示范院校数据来自教育部和各省教育厅网站；技能大赛获奖信息来自“职业院校技能大赛网（vcsc.org.cn）”“全国职业院校技能大赛网（chinaskills-jsw.org）”，以及教育部、各省教育厅、人力资源和社会保障厅、部分省大学生科技竞赛网等。对上述数据库进行匹配后得到274个城市2010-2022年的非平衡面板数据。需要说明的是：一是对数据缺失值，通过查阅该城市国民经济和社会发展统计公报或政府工作报告进行补充后，利用线性插值法进行填补；二是对于个别数据缺失严重的城市，以及设立期或终止期没有贯穿研究期始终的城市予以剔除；三是我国直辖市在教育、社会经济等方面都具有特殊性，为避免明显的政策差异和其他不可观测因素的影响，文中未统计直辖市的相关数据。

三、实证结果与分析

（一）基准回归

多重共线性检验表明，所有解释变量方差膨胀因子总值和单个变量的方差膨胀因子值都远小于10，说明基准模型的解释变量之间不存在明显的多重共线性问题。表3报告了职业教育发展对城市新质生产力水平影响的回归结果。其中第（1）列是未考虑控制变量和固定效应的估计结果，职业教育发展指数的系数为正，且通过1%的显著性水平检验，初步表明职业教育发展可以提升城市新质生产力水平。第（2）列是在第（1）列基础上加入控制变量后的估计结果。第（3）列是在第（2）列基础上加入年份固定效应后的估计结果。第（4）列是在第（3）列基础上进一步加入城市固定效应后的估计结果。第（4）列的R2高于前三列，职业教育发展指数的系数在1%的水平上显著为正，说明一个城市职业教育发展的确能够提升其新质生产力水平。从回归系数的值来看，职业教育发展指数每提高一个单位，城市新质生产力指数将增加0.161个单位。据此，假设1得到初步验证。