三、成果的学术创新、应用价值以及社会影响和效益

研究成果在以下方面存在特色与贡献：

（1）将劳动力素质纳入CGE模型，建立动态CGE模型，并分析劳动力素质对中国经济发展的影响。CGE模型通过对家庭、企业、政府等各个经济主体的行为设定，可对经济体系中各部门之间的相互影响进行定量分析，从而可以分析一项经济政策的直接与间接影响。模型的数据基础是在2007年中国投入产出表的基础上构建的社会核算矩阵（SAM）。SAM能够为CGE建模提供一个完整一致的核算框架。对于原始SAM表中不同来源统计数据存在的一些差异以及投入产出表本身存在的统计误差项，本课题采用跨熵法（cross entropy）进行调整。模型中的替代弹性、收入弹性等一些关键参数的取值主要是通过借鉴其他一些CGE模型相关文献确定，并根据课题组所进行的历次大样本企业调查数据来进行不同行业及地区的调整；其余参数的取值则是利用SAM表的基年数据和外生给定的关键参数通过校准（calibration）方法得到。课题组构造41部门的CGE模型，从而可以分析劳动力素质提升对于主要产业部门进出口的影响。课题组采用CGE模型对劳动力素质提升与经济增长的关系进行分析。模型运行的结果显示，劳动力素质的提升将会提高经济增长率，从2011年到2020年每年提高经济增长2个百分点左右，到2020年累计提高经济增长20%（也就是2020年冲击结果的GDP是基线GDP的1.2倍）。

（2）采取DEA模型对劳动力素质对全要素生产率的影响进行分析。课题组采用非参数的数据包络分析（DEA）方法测算全要素生产率，然后分析劳动力素质对全要素生产率的影响。目前所使用的测算全要素生产率的方法主要有参数方法与非参数方法两大类。非参数方法一般是以DEA方法为基础，首先通过线性规划测算出产出距离值，再将产出距离值动态化计算出反映全要素生产率的指数。参数方法与非参数方法各有其特点，对此已有许多文献进行过讨论。对于参数方法而言，首先需要设定生产函数的具体形式，并对误差项设定某些假设前提。其次，对于关键的要素投入产出弹性，要么通过计量方程回归获得，要么通过国民经济账户中的要素收入份额直接获得（仅限于CD函数时）。如果通过计量方程回归获得，那么所得到的要素投入产出弹性是所使用样本的平均值，难以反映样本的个体差异；如果是通过国民经济账户中的要素收入份额直接获得，则暗含的假定是生产要素的报酬等于其边际产出，这只有在完全竞争市场中才可能实现，对于中国等处于转型阶段的国家而言，这一假设条件难以满足。再次，对于经济增长核算所关心的全要素生产率，由于其在很大程度上取决于要素投入的产出弹性，因此，要素投入产出弹性的前述问题也会影响到全要素生产率测算结果的准确性。最后，由于各区域之间经济发展的空间依赖性，用参数方法进行分析的结果很可能是有偏差的。与参数方法相比，非参数方法无须对生产函数的形式进行先验设定，同时可以避免空间相关性带来的测量误差，因此在测算全要素生产率方面可能更为适宜。课题组利用非参数方法对劳动生产率进行了测算，并对其按不同生产要素进行了分解。

（3）利用三至六次全国人口普查数据分析了中国人口素质的时空演化规律，并对我国劳动力素质中长期变化趋势进行了预测。课题组通过对第三、四、五、六次全国人口普查数据中的省、自治区、直辖市的6岁及以上人口的受教育程度数据进行计算，分析了中国人口素质的时空演化规律。课题组在对中国人口素质现状分析的基础上，以第六次全国人口普查数据为基础，根据不同的情景，预测了中国劳动力素质的变化趋势。