高等教育赋能新质生产力发展的影响研究——基于双重机器学习模型的实证分析
Research on the Impact of Higher Education Empowering the Development of New Quality Productive Forces—An Empirical Analysis Based on a Double Machine Learning Model
摘要: 新质生产力以创新为核心,兼具高科技、高效能、高质量特征,高等教育作为科技、人才与创新的联结点,对其发展具有关键支撑作用。基于2013~2022年中国31个省市自治区面板数据,构建包含科技、绿色、数字生产力的评价指标体系,通过双重机器学习模型分析显示,高等教育对新质生产力发展呈显著正向作用,且在东北、西部及欠发达地区效果更突出。进一步分析表明,高等教育通过科技创新提升技术突破与成果转化能力、推动产业结构向高端化与服务化升级的双重路径,赋能新质生产力发展。为强化高等教育效能,建议优化区域资源配置,加大对欠发达地区的支持力度;深化“政产学研用”融合,构建协同创新生态;推进高等教育供给侧改革,提升学科与产业需求的适配度,以增强对新质生产力的支撑能力。
Abstract: New quality productive force, with innovation at its core, is characterized by high technology, high efficiency, and high quality. As a connecting point for science and technology, talent, and innovation, higher education plays a crucial supporting role in its development. Based on the panel data of 31 provinces, autonomous regions, and municipalities in China from 2013 to 2022, an evaluation index system including scientific and technological productivity, green productivity, and digital productivity was constructed. Analysis using a double machine learning model shows that higher education has a significantly positive effect on the development of new quality productive forces, and this effect is more prominent in the northeast, western, and less developed regions. Further analysis indicates that higher education empowers the development of new quality productive forces through a dual path: enhancing technological breakthrough and achievement transformation capabilities through technological innovation, and promoting the upgrading of industrial structures to high-end and service-oriented. To strengthen the effectiveness of higher education, it is recommended to optimize regional resource allocation and increase support for less developed regions; deepen the integration of “government, industry, university, research, and application” to build a collaborative innovation ecosystem; and promote the supply-side reform of higher education to improve the adaptability of disciplines to industrial needs, so as to enhance the supporting capacity for new quality productive forces.
文章引用:魏建, 徐登可. 高等教育赋能新质生产力发展的影响研究——基于双重机器学习模型的实证分析[J]. 统计学与应用, 2026, 15(9): 181-194. https://doi.org/10.12677/sa.2026.159217

参考文献

[1] 雷小苗. 新质生产力推动经济高质量发展的理论渊源及实践路径[J]. 北京社会科学, 2025(7): 4-14.
[2] 邵剑耀. 高等教育、科技创新、人力资本与新质生产力的耦合协调及2035图景[J]. 重庆高教研究, 2025, 13(5): 61-74.
[3] 周文, 许凌云. 论新质生产力: 内涵特征与重要着力点[J]. 改革, 2023(10): 1-13.
[4] 黄群慧, 盛方富. 新质生产力系统: 要素特质、结构承载与功能取向[J]. 改革, 2024(2): 15-24.
[5] 方江山. 因地制宜发展新质生产力要牢牢把握好六个关系[J]. 人民论坛, 2024(11): 6-10.
[6] 胡欢欢, 刘传明. 中国新质生产力发展水平的统计测度及动态演进[J]. 统计与决策, 2024, 40(14): 5-10.
[7] 王子凤, 张桂文. 新质生产力促进劳动力高质量充分就业的机制与效应[J]. 华东经济管理, 2025, 39(6): 46-57.
[8] 吴小军. 数字经济何以赋能新质生产力: 基于生产关系理论与双重机器学习模型[J]. 暨南学报(哲学社会科学版), 2025, 47(4): 29-44.
[9] 周文, 杨正源. 人工智能赋能新质生产力: 作用机理与实践进路[J]. 改革, 2025(4): 1-15.
[10] 闫亚飞, 崔俊辉. 发展农业新质生产力, 赋能农业高质量发展[J]. 中国科学院院刊, 2025, 40(3): 561-570.
[11] 徐龙建, 王浩源. 新质生产力赋能中国式现代化研究[J]. 现代经济探讨, 2025(1): 36-44.
[12] 景安磊, 朱元嘉. 高等教育“三融”体系赋能新质生产力发展[J]. 教育研究, 2025, 46(4): 112-122.
[13] 崔友兴. 高等教育深度集聚赋能新质生产力的逻辑与路径[J]. 湖北社会科学, 2025(1): 108-115.
[14] 邢占军, 王晶心. 高等教育数智化转型赋能新质生产力的内在机理与实现路径[J]. 南京社会科学, 2024(12): 155-162.
[15] 周密, 李明, 杨欣. 发展新质生产力视域下高校拔尖创新人才培养的目标、困境与路径[J]. 现代教育管理, 2025(5): 26-36.
[16] 陈立斌, 赵莉莎, 王小华. 新质生产力视域下高等教育产教融合的实践困境与优化路径[J]. 高等工程教育研究, 2025(1): 111-116.
[17] 韩飞, 郭广帅, 姬鸣. 面向教育强国: 高校拔尖创新人才培养与新质生产力的内生耦合[J]. 大学教育科学, 202(3): 43-51.
[18] 宣勇, 翁默斯. 高等教育促进新质生产力发展: 价值意蕴、分析框架与议题设置[J]. 苏州大学学报(教育科学版), 2025, 13(2): 1-10.
[19] 姜朝晖, 金紫薇. 教育赋能新质生产力: 理论逻辑与实践路径[J]. 重庆高教研究, 2024, 12(1): 108-117.
[20] 赵志强, 屈西西. 新时代高等教育学科结构与产业结构的协同性研究[J]. 复旦教育论坛, 2024, 22(3): 102-110.
[21] Chernozhukov, V., Chetverikov, D., Demirer, M., Duflo, E., Hansen, C., Newey, W., et al. (2018) Double/Debiased Machine Learning for Treatment and Structural Parameters. The Econometrics Journal, 21, C1-C68.
https://doi.org/10.1111/ectj.12097
[22] 卢江, 郭子昂, 王煜萍. 新质生产力发展水平、区域差异与提升路径[J]. 重庆大学学报(社会科学版), 2024, 30(3): 1-17.
[23] 张心悦, 马莉萍. 高等教育提升全要素生产率的作用机制[J]. 教育研究, 2022, 43(1): 35-46.
[24] 李海奇, 张晶. 金融科技对我国产业结构优化与产业升级的影响[J]. 统计研究, 2022, 39(10): 102-118.
[25] 徐敏, 姜勇. 中国产业结构升级能缩小城乡消费差距吗? [J]. 数量经济技术经济研究, 2015, 32(3): 3-21.
[26] 刘在洲, 汪发元. 高等教育赋能农业新质生产力的效应与机制——基于省级面板数据的实证[J]. 华中农业大学学报(社会科学版), 2025(4): 94-105.
[27] 毛晓蒙, 王仁曾. 数字普惠金融与共同富裕——基于创业与创新双重视角[J]. 统计与决策, 2025, 41(7): 152-157.
[28] 马银琦, 许志通, 张天雪. 高等教育资源配置何以成为推动新质生产力发展的引擎——基于2012-2021年省级面板数据的实证分析[J]. 中国高教研究, 2024(8): 23-31.
[29] 余曼靖, 许有款, 黄燕芬. 政绩考核体系转型的共同富裕效应研究——基于城乡收入差距的经验证据[J/OL]. 当代财经, 1-14.
https://doi.org/10.13676/j.cnki.cn36-1030/f.20260915.001, 2026-09-16.
[30] 张茂聪, 黎敏辉, 范晓婷. 教育何以促进共同富裕——基于2003-2020年省级面板数据的实证检验[J]. 教育研究, 2024, 45(5): 132-149.
[31] 张涛, 李均超. 网络基础设施、包容性绿色增长与地区差距——基于双重机器学习的因果推断[J]. 数量经济技术经济研究, 2023, 40(4): 113-135.
[32] 罗仲尤, 刘伟豪, 邹明, 等. 高等教育赋能新质生产力发展: 机制逻辑与实证检验[J]. 湖南师范大学教育科学学报, 2024, 23(6): 25-37.
[33] Nunn, N. and Qian, N. (2014) US Food Aid and Civil Conflict. American Economic Review, 104, 1630-1666.
https://doi.org/10.1257/aer.104.6.1630
[34] 陈旭东, 沈利芸, 秦文晋. 数字经济、财政纵向失衡与区域经济包容性增长——基于双重机器学习的因果推断[J]. 经济与管理研究, 2024, 45(9): 61-77.
[35] 黄海刚, 毋偲奇, 曲越. 高等教育与经济高质量发展: 机制、路径与贡献[J]. 华东师范大学学报(教育科学版), 2023, 41(5): 26-40.
[36] 江艇. 因果推断经验研究中的中介效应与调节效应[J]. 中国工业经济, 2022(5): 100-120.
[37] 陈鸣, 王志帆. 智慧城市建设对共同富裕的影响: 基于双重机器学习的实证评估[J]. 现代财经(天津财经大学学报), 2024, 44(9): 20-36.