一、前言
党的十九大报告中提出了乡村振兴战略，而在当下的教育结构中农村职业教育有助于培养造就一支高素质的“三农”工作队伍，农业人才队伍建设有利于促进乡村振兴战略的发展和脱贫攻坚目标的实现。在乡村振兴的大背景下，重视农村职业教育支出的研究，分析财政性教育支出最优规模，特别是调整和优化财政性农村职业教育支出水平，对于乡村振兴、打赢脱贫攻坚战以及解决可能出现的部分地区返贫问题的研究都具有重大意义。
近些年来，中央和地方多次提及职业教育的重要性，对农村职业教育的扶持政策已经取得了一定的成效，主要表现为教学规模的扩大，教学质量的提升及教学基础设施的完善等方面，但是财政支持力度不足，财政资源利用效率低下等问题依然存在。对于财政教育支出的研究，大部分学者的研究重点多集中于包括义务教育在内的基础教育以及普通高等教育方面，然而对于农村职业教育的讨论较少，而对财政性农村职业教育支出最优规模的研究就更少了。舒尔茨（1961）认为人力资本的积累是社会经济增长的源泉；罗默、卢卡斯等均认证了教育程度与经济发展的关系。国内学者普遍认为教育投入能够促进经济增长。马拴友（2002）实证分析了公共教育支出和经济增长之间的关系，发现当我国财政教育支出占GDP 达2.4%时，为最优支出规模；[1]栾天航（2019）利用柯布道格拉斯生产函数进行实证分析，提出只有扩大吉林省财政性教育支出的规模，才能更好的促进吉林省教育事业及经济发展；[2]徐鲲（2012）提出当前中国农村教育的发展并不能有效提振农村经济的增长；[3]王敬红（2015）认为农村职业教育在整个国民教育体系中仍处于弱势地位；[4]王凤羽（2019）发现基础设施投资、教学人力资源投入并不能显着促进经济增长，但农村职业教育支出存在最优规模，要重视农村职业教育财政投入对经济增长的重要贡献。[5]在新时代乡村振兴的背景下，对农村职业教育的重视程度不够将限制农村经济发展，政府应不断优化财政性教育支出结构，提高财政支出的利用效率。
二、天津市农村职业教育支出情况现状分析
根据国家统计局《2018 年全国教育经费执行情况统计公告》，国家财政性教育经费为36995.77 亿元，比上年的34207.75 亿元增长8.15%，财政支出占公共财政支出的比例为14.48%，相对而言，天津2018 年财政教育支出为448.04亿元，教育支出占总财政支出的比例为14.44%略低于全国水平，同期增长3.09%，远低于全国水平。如图一，近些年来，国家开始认识到中等职业教育的重要作用，不断增加中等职业教育财政教育经费支出水平，中等职业教育支出增速稳定，相比而言，天津市2016 年后中职教育经费支出增速下降明显，由统计公告数据，2017 年至2018 年中等职业学校生均公共财政预算教育事业费全国增长率为7.90%，天津市仅为1.33%，在注重刚性约束条件的同时，应继续优化财政支出结构，提高财政资金的使用效率，促进天津市的经济发展。
图1 生均公共财政预算教育事业费情况对比表
三、农村职业教育支出最优规模估计
（一）理论与研究方法
农村职业教育具有公共产品属性，首先由最优规模的边际理论可知，当资源配置达到最优时，财政支出的边际收益等于边际成本，此时财政投入的净效益达最大值，而具有公共产品属性的社会资源配置是否达到最优主要取决于达到最优支出规模时，财政支出的边际正效用是否与税收产生的边际负效用相抵消。另外由最优规模的内生经济增长理论，巴罗(1990)将公共部门引入生产函数中，后来学者们在巴罗模型的基础上，加入政府资本，其中包括基础设施等，并把这些政府投入对经济产生的影响吸纳到生产函数中，因此政府对公共产品的投入可以成为影响经济发展的因素。
（二）模型构建与说明
本文参照王凤羽（2019）[6]的最优财政支出模型并进行适当改动，将生产函数设为：Y=F（Z，E），为使数据平稳，估计农村职业教育支出的弹性系数，在此对解释变量和被解释变量取对数，构成模型：
Y 为农村职业教育对经济增长的贡献，E 为政府财政投入，Z 为农村职业教育的资本存量。γ，α 为参数。γ 代表资本存量的边际产出弹性，α 代表财政性农村职业教育财政支出的边际产出弹性。依据弹性定义可知：
其中α 为弹性，教育财政投入的弹性是两个数的乘积，如上式所列左边∂Y/∂E 为财政支出的边际产出，可表示为MPE，右边E/Y 为财政支出占农村职业教育对经济增长贡献的比重，故职业教育支出的最优支出模型亦可写为：
一方面财政性教育支出增加能够促进经济增长，另一方面会在某种程度上削减人们的可支配收入，降低消费投资及经济增速，在长期经济发展中增长率达到最优的财政支出水平是客观存在的，使得边际收益等于边际成本。故当MPE ＜l，说明政府财政支出过度；当MPE=1 时，农村职业教育支出达到最优规模；当MPE ＞l，表明支出不足。
（三）数据来源与说明
相关数据表明，我国中等职业学校中农村生源约占70%，中等职业学校教育事业费能反映国家对于农村职业教育的投入力度。[7]天津市农村职业教育GDP 表示农村职业教育对经济增长的贡献，采用0.525%来估计。[8]鉴于数据可获得性选取《天津统计年鉴》2001 年至2017 年天津市GDP，在计量方程中用指标Y 表示。
农村职业教育财政投入E，主要包括中等专业学校和职业高中的教育经费之和，数据来源于《中国教育经费统计年鉴》。由于年鉴中在2006 年之后调整了中等职业教育经费的统计口径，调整后中等职业学校主要包括普通中专，成人中专，职业高中，故2006 年之前教育经费的数据也汇总年鉴中以上学校的数据。
资本存量Z，用中等职业学校固定资产的数额来代替，数据来源《天津教育年鉴》2001 年到2017 年的中等职业学校的年末固定资产。在模型中用Z 表示。
以上数据全部经过2001 年为100 的GDP 平减指数进行平减以消除物价变动的影响。
（四）结果估计与分析
首先为了防止伪回归现象，要对时间序列数据进行平稳性检验，如下
1.单位根检验与协整检验
首先对数据进行对数处理，应用EVIEWS9.0 版本首先对各变量一阶差分，然后进行单位根检验，发现各变量在一阶差分下的单位根检验值都小于1%，即所有变量均一阶差分平稳。接下来对LNY，LNZ，LNE 进行Johansen 协整检验，结果显示各变量存在协整关系，能够进行回归分析。
2.回归分析
应用EVIEWS9.0 对模型回归，得到以下：
表1 计量模型检验结果
根据表1，财政投入的解释变量前的系数为0.8856，由结果可知此系数的P 值远小于0.05，说明财政经费投入对经济增长呈正向显着影响，LnE每增加1 单位，可导致被解释变量增加0.8856 个单位；LnZ前的系数为-0.3013，由结果可知P 值为0.1521，远大于0.05，说明固定资产水平对经济增长存在负向不显着影响。
回归模型表示为：
天津市农村职业教育财政支出弹性为0.8856，即α=0.8856，而最优规模为，实现最优规模时农村职业教育财政投入的MPE 值应接近1。
如表2，从MPE 值可以看出，天津市农村职业教育支出规模与最优规模相比有差距，天津市农村职业教育财政投入的规模效率较理想水平偏低。其主要原因可能是首先，农村职业教育支出属于公共产品，该部分的财政投入要受到其他的财政投入，经济发展水平，法律制度的刚性约束；其次，由年鉴数据，研究对象仅包括普通中专，成人中专，职业高中，因此财政支出的统计口径上可能偏小，农村职业教育财政支出可能被低估。
为预测未来年份农村职业教育支出最优规模，提出以下假设：首先，根据天津市十三五规划，天津市GDP 会保持8.5%的增长速度，另农村职业教育对经济增长的贡献值仍然按0.525%计算；其次，由上文结果，假设农村职业教育财政支出对其GDP 贡献弹性为0.8856；最后，由规模报酬递减规律，农村职业教育投入经过较长时间最终会达到最优规模，此时MPE 值为1。假设此过程需要8 年，在2025 年实现，2018年到2022 年边际产出的递减速度为15%，2023 年到2025 年的递减速度为10%，2025 年边际产出弹性接近1（表3），支出规模为97.03 亿元。
表2 2005-2017 年天津市农村职业教育支出边际产出
表3 天津市农村职业教育支出规模预测
四、结论与建议
本文以分析财政支出与效用最大化为基础，构建了财政性农村职业教育支出最优规模模型，该模型为，对天津市财政性农村职业教育支出最优规模进行了定量分析，得出农村职业教育支出增加会显着促进经济增长，弹性值约为0.8856，固定资产水平对经济增长影响不显着；预期在2025 年达到最优规模，支出规模为97.03 亿元。当然，最优支出规模的估算是一个动态过程，本文由计量经济学得到的结论可根据时间变化进行新的预算。
政策建议：（1）加大中等职业教育投入。由国外经验可知，如果要令一个国家的人力资本状况适应经济发展，教育投资增长必须快于GDP 的增长。[9]应提高职业教育投入在GDP 中的比重，不断完善农村职业教育经费投入体制，提高对农村职业教育的重视程度。资金来源方面，以政府投资为主，同时引导激励企业对学校进行资金与资源支持，推动校企合作，促进学校融资多样化。（2）科学制定财政支出水平。依据最优投入模型，科学地制定财政支出水平，不断调整和优化支出结构，提升农村职业教育财政资源的配置效率，实现帕累托改进。（3）根据十九大报告明确提出的实施“乡村振兴战略”以及“完善职业教育和培训体系”的要求，将财政投入规模与农村人才培养目标结合起来，将新型高素质农业人才培养的数量和质量纳入财政教育支出规模的考核要素。（4）健全农村职业教育支出监管制度。职业教育支出作为公共产品，政府除做好制定者之外，更应承担起监管者的责任，才能真正促进社会和谐公平。经费账单及时以各种形式向公众公布，可利用网络监督平台，提振财政支出绩效。
