论文部分内容阅读
摘 要： 基于高职教育与经济增长的理论辨析，采用主成分分析法，就高职教育与本科教育对江苏经济增长、三次产业发展贡献进行比较，研究表明高职教育在对第二产业发展贡献上已经超越本科教育，在对整体经济增长贡献、第一产业和第三产业发展贡献上则要低于本科教育；灰色模型分析表明，研发经费投入和产业从业人员增长是高职教育人才需求增长的主要动力，产业从业人员和对外贸易增长是本科教育人才需求增长的主要动因；进一步借助灰色模型就社会对高职教育和本科教育人才需求进行预测，分析表明未来社会对高职教育人才需求将大于本科教育，高职教育将成为江苏经济发展的重要推动力。
关键词： 高职教育； 本科教育； 江苏； 经济增长； 贡献
中图分类号： G 718.5，G 648 文献标志码： A 文章编号： 1671-2153（2017）06-0001-05
0 引 言
高职教育与经济增长之间的关系，一般认为高职教育能够促进经济增长，国外的高职教育能促进经济和社会发展已得到证实，一些发达国家的高职教育模式由于其突出的实践性，被普遍的得以模仿，如德国的双元制、英国的现代学徒制、澳大利亚的新学徒制以及美国的社区学院等[1]。国内对高职教育的研究起步较迟，但日趋成熟和深入，一些学者从理论上研究了高职教育与经济增长的关系，研究范围涉及高职教育与产业发展互动、高职教育专业设置与产业的匹配度、高职教育与行业、企业校企的融合等领域；另一些学者则更进一步就高职教育与经济增长的关系采用了计量模型的论证[2]。但是，虽然高职教育对经济增长的贡献得到普遍认可，但对高职教育对经济发展贡献的程度如何难以科学的度量。本文采用主成分分析法尝试分析高职教育与本科教育对江苏经济增长的贡献，以期判定高职教育在经济发展贡献中的地位，从侧面解释高职教育的贡献程度。
1 基于主成分分析法的高职教育对江苏经济增长贡献
主成分分析也称主分量分析，在实际问题研究中，为了全面、系统地分析问题，必须考虑众多影响变量，虽然每个变量都在不同程度上反映了所研究问题的某些信息，但很多指标之间彼此存在一定的相关和交叉性，因而所得的统计数据反映的信息会存在某种程度的重叠。主成分分析法可以对变量进行消减，旨在利用降维的思想，把多个相关指标转化为少数几个彼此独立的综合指标，减轻工作量和确保研究的正确性。一般认为原始数据的KMO 检验大于0.5，就可以运用主成分分析法进行数据处理[3]。
1.1 高职教育对经济发展水平贡献
根据前人的分析，结合经济和产业发展的特点，可以对江苏经济和产业发展水平影响因素进行定位，全面衡量和评价江苏经济发展水平，选择经济发展规模、固定资产投资、对外贸易水平、研发经费投入、从业人员规模、高职教育规模、本科教育规模等五项指标，构建江苏产业发展水平评价指标体系。其中江苏经济发展规模用GDP衡量、江苏固定资产投资用固定资产投资额衡量，江苏对外贸易水平用对外贸易额衡量；江苏研发经费投入用研发经费内部支出衡量；江苏从业人员规模用从业人员数衡量；高职教育规模和本科教育规模分别以高职教育毕业生数和本科教育毕业生数来衡量。
代入江苏2000-2015各年各指标的原始数据，经KMO和Bartlett检验发现，江苏经济发展水平原始数据的KMO检验值为0.754，Bartlett检验的值为0，说明江苏经济发展水平原始数据符合主成分分析法的要求，可以用主成分分析法进行处理。根据特征根大于1，贡献率大于85%的原则，得到特征根，进行数据整理，得到江苏经济发展水平表達式为
F=0.990江苏经济发展规模+0.987固定资产投资+0.978对外贸易水平+0.995研发经费投入+0.904从业人员规模+0.976高职教育规模+0.989本科教育规模。
进一步对权重进行调整。权重是指某指标在整体评价中的相对重要程度。江苏经济发展水平中每个指标所对应的系数就是每个指标的权重。为了便于分析哪一个指标对江苏发展水平的影响程度最大，对每个指标的权重进行归一化处理，即用每个指标的权重除以所有指标权重之和，得出调整后的权重，调整后的主成分表达式为
F=0.1453经济发展规模+0.1439固定资产投资+0.1436对外贸易水平+0.1461研发经费投入+0.1327从业人员规模+0.1432高职教育规模+0.1452本科教育规模。
从调整后的权重可以看出，对江苏经济发展贡献最大的是研发经费投入，其次是江苏经济发展规模、江苏本科教育、江苏对外贸易水平、江苏高职教育和江苏从业人员规模。同时也可以发现，高职教育和本科教育对江苏经济发展做出了重要贡献，对江苏经济发展水平的权重分别达到14.32%和14.52%，即总体而言，江苏高职教育对江苏经济增长的贡献略低于本科教育，这与江苏高职教育的发展历史较短有为重要的关系。
1.2 对第一产业发展贡献
进一步采用主成分分析法分析第一产业发展中各种因素的影响。选取第一产业规模、第一产业固定资产投资、第一产业从业人员规模、第一产业高职教育规模、第一产业本科教育规模作为指标，其中江苏第一产业规模用第一产业GDP来衡量，第一产业固定资产投资用第一产业固定投资额衡量，第一产业从业人员规模用第一产业从业人数衡量，第一产业高职教育和本科教育规模分别用高职教育和本科教育第一产业毕业人数来衡量。代入江苏2000-2015各年第一产业发展水平的原始数据，经KMO和Bartlett检验发现，江苏第一产业发展水平原始数据的KMO检验值为0.789，Bartlett检验的值为0，说明江苏第一产业发展水平数据符合主成分分析法的要求，可以用主成分分析法进行处理。根据特征根大于1，贡献率大于85%的原则，进行数据整理，得到江苏第一产业发展水平表达式为
F=0.988第一产业规模+0.956第一产业固定投资-0.992第一产业从业人员规模+0.878第一产业高职教育规模+0.915第一产业本科教育规模。 从调整后的权重可以看出，对江苏第一产业发展贡献最大的是产业规模，其次是产业固定投资、本科教育、高职教育，至于第一产业从业人数贡献反而是负值，说明江苏第一产业从业人数过剩，需要向第二产业、第三产业转型。在对第一产业发展水平贡献中，本科教育对第一产业发展贡献高于高职教育，这契合实际，高职教育对第一产业开设的相关专业较少。
1.3 对第二产业发展贡献
采用主成分分析法分析第二产业发展水平中各种因素的影响。选取第二产业规模、第二产业固定资产投资、第二产业对外贸易水平、第二产业研发经费投入、第二产业从业人员规模、高职教育第二产业规模、本科第二产业规模作为指标。指标意义和前述雷同，不在重复。这里选择第二产业对外贸易水平和研发经费投入原因在于，江苏的对外贸易和技术研发主要集中在第二产业，因此它们的水平也反应了江苏第二产业发展的水平。代入江苏2000-2015各年第二产业发展水平的原始数据，经KMO和Bartlett检验发现，江苏第二产业发展水平的KMO检验值为0.829，Bartlett检验的值为0，说明江苏第二产业发展水平数据符合主成分分析法的要求，可以用主成分分析法进行处理。根据特征根大于1，贡献率大于85%的原则，进行数据整理，得到江苏第二产业发展水平表达式为
F=0.992第二产业规模+0.986第二产业固定资产投资+0.991对外贸易水平+0.989研发经费投入+0.998第二产业从业规模+0.988第二产业高职教育规模+0.971第二产业本科教育规模。
进一步对权重进行归一化处理，得到权重归一化后江苏第二产业发展水平主成分分析表达式为
F=0.1435第二产业规模+0.1426第二产业固定资产投资+0.1433对外贸易水平+0.1430研发经费投入+0.1443第二产业从业规模+0.1429第二产业高职教育规模+0.1404第二产业本科教育规模。
从调整后的权重可以看出，对江苏第二产业发展贡献最大的是第二产业从业规模，其次是产业规模，接着依次是对外贸易水平、研发投入、第二产业高职教育规模、产业固定投资和本科教育规模，从中也可以看出江苏第二产业仍然是劳动密集型产业，仍然以一般从业人员的付出作为基础；此外，高职教育对第二产业的贡献已经超越了本科教育，这符合高职教育设立的宗旨，培养技术技能型人才，而第二产业转型升级需要更多更专业技术技能型人才的支撑。
1.4 对第三产业发展贡献
采用主成分分析法分析第三产业发展水平中各种因素的影响。选取第三产业规模、第三产业固定资产投资、第三产业从业人员规模、第三产业高职教育规模、第三产业本科教育规模作为指标。代入江苏2000-2015各年第三产业发展水平的原始数据，为使各个指标变动的方向与产业安全的变动方向一致，对各种指标进行归一化处理，经KMO和Bartlett检验发现，江苏第三产业发展水平原始数据的KMO检验值为0.812，Bartlett检验的值为0，说明江苏第三产业发展水平数据符合主成分分析法的要求，可以用主成分分析法进行处理。根据特征根大于1，贡献率大于85%的原则，进行数据整理，得到江苏第三经济发展水平表达式为
F=0.984第三产业规模+0.988第三产业固定资产投资+0.997第三产业从业人员规模+0.981第三产业高职教育规模+0.991第三产业本科教育规模。
进一步对权重进行归一化处理，得到归一化后的各指标权重，代入主成分分析式中，得权重归一化后主成分分析表达式为
F=0.1991第三产业规模+0.2000第三固定资产投资+0.2018第三产业从业人员规模+0.1985第三产业高职教育规模+0.2006第三产业本科教育规模。
从调整后的权重可以看出，对江苏第三产业发展贡献最大的是第三产业从业人员规模，其次是第三产业固定资产投资，再次依次为本科教育、第三产业规模、高职教育。可以看出江苏第三产业的发展也主要依靠低端服务业的带动，以人力取胜，此外从中也可以看出，本科教育对第三产业经济增长贡献要比高职教育要高，考虑到第三产业的服务性，说明本科教育人才在管理、经营方面要强于高职教育。
2 高职教育人才需求影响因素及预测
技术人才的素质不仅影响产品质量和生产效率，而且直接左右着科技成果向生产力的转化。随着江苏经济快速发展，对技术人才的需求也越来越多，职业技术教育是培养技术人才的摇篮，这都要求增加对高职教育人才的需求。[4]以下我们采用灰色系统模型分析江苏经济发展对高职教育人才和本科教育人才的需求，从而明晰高职教育未来发展定位。
2.1 基于灰色系统的高职教育人才需求影响因素
根据系统中信息的明确程度对系统进行分类，部分信息明确、部分信息不明确的系统称为灰色系统。灰色关联分析是灰色系统分析的主要内容之一，它对样本量的多少和样本有无规律都同样适用，且计算量小，十分方便，弥补了采用数理统计方法做系统分析所导致的缺憾，因此得到广泛运用。灰色关联分析的基础思想是根据序列曲线的几何相似程度来判断其联系是否紧密。曲线越接近，相应序列之间的关联度就越大，反之就越小，从而找出引起该系统发展的主要因素和次要因素。
根据数据的可得性， 采用2008年到2015年共8年的数据，分析江苏经济发展对高职教育人才需求与江苏GDP、固定资产投资、对外贸易水平、从业人员规模和研究与发展经费内部支出的关系，采用灰色关联度进行评价，灰色关联度既体现了系统特征序列和相关因素序列的相似程度，又反映了系统特征序列和相关因素序列相对于始点的变化速率的接近程度，能够较全面的反映江苏经济发展对高职教育人才的需求与江苏主要经济指标之间的密切程度。
根据灰色关联度分析可知，2008-2015年江苏经济发展对高职教育人才的需求与江苏GDP、固定资产投资、对外贸易水平、研究与发展经费内部支出、从业人员规模的灰色关联度依次为0.916356，0.916666，0.920659，0.982685，0.924214。可以看出：研究与发展经费内部支出是对高职教育人才需求增长的最主要动因，其次是从业人员规模扩大，再次是对外贸易、固定资产投资的增长，影响最小的因素是江苏GDP的增长。这也证明经济发展对技术人才的需求是高职教育人才需求增長的主要动因，这也从侧面证明高职教育的确培养了大批社会需要的技术技能人才。 2.2 江苏高职教育人才需求预测
通过计算经济发展对高职教育人才的需求与多个经济指标之间的灰色关联度，得到研发与发展经费内部支出和社会从业人员规模扩大对高职教育人才需求的影响最大。运用这两个指标与经济发展对高职教育人才需求的关系，对未来社会对高职毕业生的人才需求进行预测，分别运用GM（1，1）模型和多元线性回归法，确保研究结果的正确性。
2.2.1 GM（1，1）模型预测
对系统变量的未来行为进行预测，称为数列预测，GM（1，1）模型是常用的数列预测模型，用原始数据组成原始序列，经累加生成法生成新序列，然后对生成变换后的序列建立微分方程型的模型即GM模型，GM（1，1）模型表示1阶的、1个变量的微分方程模型，它可以弱化原始数据的随机性，使其呈现出较为明显的特征规律。运用GM（1，1）模型，对社会对高职教育人才需求进行模型构建，带入2008年到2015年数据，得到平均误差2.28058，时间响应函数为
X（k+1）=145.087167exp（0.028745k）-141.501235。
通过计算，得到高职教育人才需求量的 5 步预测值，分别对应2016-2020年江苏经济发展对江苏高职教育人才需求，分别为176.64，205.41，239.92，281.50，331.82萬人。
2.2.2 多元线性回归预测
为进一步验证灰色系统分析的正确性，这里进一步通过多元线性回归模型来做同样的预测。通过灰色关联度分析知道，研究与发展内部经费支出和从业人员人数对高职教育人才需求的影响最大，因此选择这两个因素作为自变量，以江苏经济发展对高职教育人才需求作为因变量，对高职教育人才需求进行预测，根据多元回归模型的建模原理，借助计量分析软件 SPSS，构造回归模型为
V=-437.697+51.741E+0.597R，Sig. 0，0.015，0.015，0.015，
式中：V为社会对高职教育人才的需求规模；E和R分别为从业人员规模和研究与发展经费内部支出。为了预测 2016-2020 年经济增长对高职教育人才的需求，必须首先得到这段时间的从业人员规模和研发与发展经费内部支出，本文运用 GM（1，1）模型对这两个指标进行预测，结果如表 1 所示。
将预测值带入上述回归方程，可以得到 2016-2020年江苏经济发展对高职教育人才需求，分别为169.43，192.55，218.83，248.71，282.65万人。
通过以上两种方法对未来经济发展对高职教育人才需求进行预测，并把预测结果进行比较，如图1所示。由两种模型对高职毕业生人才需求的变化趋势可以看出，两种预测方法的预测结果相差不大，预测的高职教育人才需求的变化趋势一致，均呈逐年递增，到 2020年社会对高职教育的人才需求量将达到 280 万人左右。在高职院校办学规模上升有限的情况下，未来高职教育人才供需缺口将进一步加大，而职业教育院校是培养高技能人才的主力，因而社会迫切需要发展职业教育，为经济发展培养、输送大量的、合格的高技术技能人才，来弥补供需缺口[5]。
3 对本科与高职教育人才需求的比较
同样我们采用灰色关联分析，探讨对本科教育人才需求的影响，发现对本科教育的人才需求与江苏GDP、固定资产投资、对外贸易水平、研究与发展经费内部支出、从业人员规模的灰色关联度依次为0.916061，0.916667，0.94894，0.893987，0.957014。可以看出：对本科教育人才需求影响最大的是从业人员规模，其次是对外贸易水平，再次是江苏固定资产投资、江苏GDP，最后是研究与发展经费内部支出。因此，可以认为，除从业人员规模扩大对本科教育人才需求增加以外，外向型人才需求的增长是对本科教育人才需求增加的重要动因。采用灰色模型GM（1，1）对未来本科人才需求进行预测，平均相对误差为4.675076，时间响应函数为
X（k+1）=452.206709exp（0.008675k）-449.430452。
2016到2020年江苏经济发展对本科教育人才需求的预测值为65.78652302，68.23024898，70.7872571，73.46359666，76.26590623万人。对高职教育与本科教育人才需求规模进行对比，由图2可以看出，随着经济的进一步发展，社会对高职人才和本科人才的需求都呈现增加趋势，但对高职教育人才需求的增长速度明显要高于本科教育，这说明随着江苏经济的转型和制造业2025的实施，对高技能人才的需求越来越多，技能人才的支撑也是江苏经济增长的重要动力。
4 结果与讨论
目前，江苏经济发展正处于转型升级的关键时期，对高端高素质人才的需求越来越多。作为培养生力军的高职教育和本科教育对经济的贡献如何，是关系江苏经济能否快速发展和可持续发展的重要问题。采用主成分分析法，就2000-2015年高职教育和本科教育对江苏经济增长和三次产业发展的贡献分析表明，本科教育对经济发展总体贡献要比高职教育大；在第一产业发展贡献上，本科教育的贡献率要大于高职教育，在第二产业发展贡献上，高职教育的贡献率已经超过本科教育；在第三产业发展贡献上，本科教育的贡献率要大于高职教育。
为进一步比较高职教育和本科教育对经济增长的贡献，我们采用灰色模型，就未来社会对高职教育和本科教育人才需求进行预测。灰色模型分析表明，随着我国经济的发展，社会对高职教育人才需求越来越多，未来对高职教育人才需求要远超本科教育，而且人才需求增速也高于本科教育。因此，今后大力培养经济和社会发展需要的高职教育人才，也将是江苏经济发展的关键[6]。
目前，虽然江苏高职教育规模发展较快，但也存在一些重要问题，亟待解决。如高职教育质量还有待进一步提升[7]，高职教育的专业设置不尽合理，还需要调整，[8]高职教育生源质量差等问题是影响高职教育对经济发展贡献的重要障碍，这些问题都需要高职教育在未来采取一定的措施来加以克服，需要政府加大力度支持和宣传高职教育，需要深入推广校企合作，增强学生的实践能力和行业认可度，多管齐下，才能取得多赢的效果，彻底释放高职教育对社会和经济发展的重要贡献。
参考文献：
[1] 张剑，王威. 高职教育与区域经济协调发展研究[J]. 中国成人教育，2013（23）：98-99.
[2] 李富.高职教育对江苏经济增长贡献及与本科以上教育的比较[J]. 职业技术教育，2016，37（33）：54-58.
[3] 刘晓明，王金明. 浙江省高等职业教育经费投入与经济增长的关系分析[J]. 浙江师范大学学报（社会科学版），2013，38（6）：86-89.
[4] 李晓峰，李祥英. 广东经济发展与高职教育的社会需求分析[J]. 继续教育研究，2012（5）：84-86.
[5] 杨志其. 区域经济发展与高职教育之间的关系探究——以鄱阳湖生态经济区为例[J]. 职教论坛，2013（26）：15-16.
[6] 解鹏，李健宁. 江苏高职教育发展水平与社会经济关系的统计分析[J]. 教育评论，2016（2）：35-38.
[7] 李富.泛在学习视角下的职业院校移动教学资源库构建研究[J]. 职教论坛，2016（6）：76-80.
[8] 李富.大数据时代世界产业发展的趋向及其对高职教育的影响[J]. 教育与职业，2015（18）：14-17.
关键词： 高职教育； 本科教育； 江苏； 经济增长； 贡献
中图分类号： G 718.5，G 648 文献标志码： A 文章编号： 1671-2153（2017）06-0001-05
0 引 言
高职教育与经济增长之间的关系，一般认为高职教育能够促进经济增长，国外的高职教育能促进经济和社会发展已得到证实，一些发达国家的高职教育模式由于其突出的实践性，被普遍的得以模仿，如德国的双元制、英国的现代学徒制、澳大利亚的新学徒制以及美国的社区学院等[1]。国内对高职教育的研究起步较迟，但日趋成熟和深入，一些学者从理论上研究了高职教育与经济增长的关系，研究范围涉及高职教育与产业发展互动、高职教育专业设置与产业的匹配度、高职教育与行业、企业校企的融合等领域；另一些学者则更进一步就高职教育与经济增长的关系采用了计量模型的论证[2]。但是，虽然高职教育对经济增长的贡献得到普遍认可，但对高职教育对经济发展贡献的程度如何难以科学的度量。本文采用主成分分析法尝试分析高职教育与本科教育对江苏经济增长的贡献，以期判定高职教育在经济发展贡献中的地位，从侧面解释高职教育的贡献程度。
1 基于主成分分析法的高职教育对江苏经济增长贡献
主成分分析也称主分量分析，在实际问题研究中，为了全面、系统地分析问题，必须考虑众多影响变量，虽然每个变量都在不同程度上反映了所研究问题的某些信息，但很多指标之间彼此存在一定的相关和交叉性，因而所得的统计数据反映的信息会存在某种程度的重叠。主成分分析法可以对变量进行消减，旨在利用降维的思想，把多个相关指标转化为少数几个彼此独立的综合指标，减轻工作量和确保研究的正确性。一般认为原始数据的KMO 检验大于0.5，就可以运用主成分分析法进行数据处理[3]。
1.1 高职教育对经济发展水平贡献
根据前人的分析，结合经济和产业发展的特点，可以对江苏经济和产业发展水平影响因素进行定位，全面衡量和评价江苏经济发展水平，选择经济发展规模、固定资产投资、对外贸易水平、研发经费投入、从业人员规模、高职教育规模、本科教育规模等五项指标，构建江苏产业发展水平评价指标体系。其中江苏经济发展规模用GDP衡量、江苏固定资产投资用固定资产投资额衡量，江苏对外贸易水平用对外贸易额衡量；江苏研发经费投入用研发经费内部支出衡量；江苏从业人员规模用从业人员数衡量；高职教育规模和本科教育规模分别以高职教育毕业生数和本科教育毕业生数来衡量。
代入江苏2000-2015各年各指标的原始数据，经KMO和Bartlett检验发现，江苏经济发展水平原始数据的KMO检验值为0.754，Bartlett检验的值为0，说明江苏经济发展水平原始数据符合主成分分析法的要求，可以用主成分分析法进行处理。根据特征根大于1，贡献率大于85%的原则，得到特征根，进行数据整理，得到江苏经济发展水平表達式为
F=0.990江苏经济发展规模+0.987固定资产投资+0.978对外贸易水平+0.995研发经费投入+0.904从业人员规模+0.976高职教育规模+0.989本科教育规模。
进一步对权重进行调整。权重是指某指标在整体评价中的相对重要程度。江苏经济发展水平中每个指标所对应的系数就是每个指标的权重。为了便于分析哪一个指标对江苏发展水平的影响程度最大，对每个指标的权重进行归一化处理，即用每个指标的权重除以所有指标权重之和，得出调整后的权重，调整后的主成分表达式为
F=0.1453经济发展规模+0.1439固定资产投资+0.1436对外贸易水平+0.1461研发经费投入+0.1327从业人员规模+0.1432高职教育规模+0.1452本科教育规模。
从调整后的权重可以看出，对江苏经济发展贡献最大的是研发经费投入，其次是江苏经济发展规模、江苏本科教育、江苏对外贸易水平、江苏高职教育和江苏从业人员规模。同时也可以发现，高职教育和本科教育对江苏经济发展做出了重要贡献，对江苏经济发展水平的权重分别达到14.32%和14.52%，即总体而言，江苏高职教育对江苏经济增长的贡献略低于本科教育，这与江苏高职教育的发展历史较短有为重要的关系。
1.2 对第一产业发展贡献
进一步采用主成分分析法分析第一产业发展中各种因素的影响。选取第一产业规模、第一产业固定资产投资、第一产业从业人员规模、第一产业高职教育规模、第一产业本科教育规模作为指标，其中江苏第一产业规模用第一产业GDP来衡量，第一产业固定资产投资用第一产业固定投资额衡量，第一产业从业人员规模用第一产业从业人数衡量，第一产业高职教育和本科教育规模分别用高职教育和本科教育第一产业毕业人数来衡量。代入江苏2000-2015各年第一产业发展水平的原始数据，经KMO和Bartlett检验发现，江苏第一产业发展水平原始数据的KMO检验值为0.789，Bartlett检验的值为0，说明江苏第一产业发展水平数据符合主成分分析法的要求，可以用主成分分析法进行处理。根据特征根大于1，贡献率大于85%的原则，进行数据整理，得到江苏第一产业发展水平表达式为
F=0.988第一产业规模+0.956第一产业固定投资-0.992第一产业从业人员规模+0.878第一产业高职教育规模+0.915第一产业本科教育规模。 从调整后的权重可以看出，对江苏第一产业发展贡献最大的是产业规模，其次是产业固定投资、本科教育、高职教育，至于第一产业从业人数贡献反而是负值，说明江苏第一产业从业人数过剩，需要向第二产业、第三产业转型。在对第一产业发展水平贡献中，本科教育对第一产业发展贡献高于高职教育，这契合实际，高职教育对第一产业开设的相关专业较少。
1.3 对第二产业发展贡献
采用主成分分析法分析第二产业发展水平中各种因素的影响。选取第二产业规模、第二产业固定资产投资、第二产业对外贸易水平、第二产业研发经费投入、第二产业从业人员规模、高职教育第二产业规模、本科第二产业规模作为指标。指标意义和前述雷同，不在重复。这里选择第二产业对外贸易水平和研发经费投入原因在于，江苏的对外贸易和技术研发主要集中在第二产业，因此它们的水平也反应了江苏第二产业发展的水平。代入江苏2000-2015各年第二产业发展水平的原始数据，经KMO和Bartlett检验发现，江苏第二产业发展水平的KMO检验值为0.829，Bartlett检验的值为0，说明江苏第二产业发展水平数据符合主成分分析法的要求，可以用主成分分析法进行处理。根据特征根大于1，贡献率大于85%的原则，进行数据整理，得到江苏第二产业发展水平表达式为
F=0.992第二产业规模+0.986第二产业固定资产投资+0.991对外贸易水平+0.989研发经费投入+0.998第二产业从业规模+0.988第二产业高职教育规模+0.971第二产业本科教育规模。
进一步对权重进行归一化处理，得到权重归一化后江苏第二产业发展水平主成分分析表达式为
F=0.1435第二产业规模+0.1426第二产业固定资产投资+0.1433对外贸易水平+0.1430研发经费投入+0.1443第二产业从业规模+0.1429第二产业高职教育规模+0.1404第二产业本科教育规模。
从调整后的权重可以看出，对江苏第二产业发展贡献最大的是第二产业从业规模，其次是产业规模，接着依次是对外贸易水平、研发投入、第二产业高职教育规模、产业固定投资和本科教育规模，从中也可以看出江苏第二产业仍然是劳动密集型产业，仍然以一般从业人员的付出作为基础；此外，高职教育对第二产业的贡献已经超越了本科教育，这符合高职教育设立的宗旨，培养技术技能型人才，而第二产业转型升级需要更多更专业技术技能型人才的支撑。
1.4 对第三产业发展贡献
采用主成分分析法分析第三产业发展水平中各种因素的影响。选取第三产业规模、第三产业固定资产投资、第三产业从业人员规模、第三产业高职教育规模、第三产业本科教育规模作为指标。代入江苏2000-2015各年第三产业发展水平的原始数据，为使各个指标变动的方向与产业安全的变动方向一致，对各种指标进行归一化处理，经KMO和Bartlett检验发现，江苏第三产业发展水平原始数据的KMO检验值为0.812，Bartlett检验的值为0，说明江苏第三产业发展水平数据符合主成分分析法的要求，可以用主成分分析法进行处理。根据特征根大于1，贡献率大于85%的原则，进行数据整理，得到江苏第三经济发展水平表达式为
F=0.984第三产业规模+0.988第三产业固定资产投资+0.997第三产业从业人员规模+0.981第三产业高职教育规模+0.991第三产业本科教育规模。
进一步对权重进行归一化处理，得到归一化后的各指标权重，代入主成分分析式中，得权重归一化后主成分分析表达式为
F=0.1991第三产业规模+0.2000第三固定资产投资+0.2018第三产业从业人员规模+0.1985第三产业高职教育规模+0.2006第三产业本科教育规模。
从调整后的权重可以看出，对江苏第三产业发展贡献最大的是第三产业从业人员规模，其次是第三产业固定资产投资，再次依次为本科教育、第三产业规模、高职教育。可以看出江苏第三产业的发展也主要依靠低端服务业的带动，以人力取胜，此外从中也可以看出，本科教育对第三产业经济增长贡献要比高职教育要高，考虑到第三产业的服务性，说明本科教育人才在管理、经营方面要强于高职教育。
2 高职教育人才需求影响因素及预测
技术人才的素质不仅影响产品质量和生产效率，而且直接左右着科技成果向生产力的转化。随着江苏经济快速发展，对技术人才的需求也越来越多，职业技术教育是培养技术人才的摇篮，这都要求增加对高职教育人才的需求。[4]以下我们采用灰色系统模型分析江苏经济发展对高职教育人才和本科教育人才的需求，从而明晰高职教育未来发展定位。
2.1 基于灰色系统的高职教育人才需求影响因素
根据系统中信息的明确程度对系统进行分类，部分信息明确、部分信息不明确的系统称为灰色系统。灰色关联分析是灰色系统分析的主要内容之一，它对样本量的多少和样本有无规律都同样适用，且计算量小，十分方便，弥补了采用数理统计方法做系统分析所导致的缺憾，因此得到广泛运用。灰色关联分析的基础思想是根据序列曲线的几何相似程度来判断其联系是否紧密。曲线越接近，相应序列之间的关联度就越大，反之就越小，从而找出引起该系统发展的主要因素和次要因素。
根据数据的可得性， 采用2008年到2015年共8年的数据，分析江苏经济发展对高职教育人才需求与江苏GDP、固定资产投资、对外贸易水平、从业人员规模和研究与发展经费内部支出的关系，采用灰色关联度进行评价，灰色关联度既体现了系统特征序列和相关因素序列的相似程度，又反映了系统特征序列和相关因素序列相对于始点的变化速率的接近程度，能够较全面的反映江苏经济发展对高职教育人才的需求与江苏主要经济指标之间的密切程度。
根据灰色关联度分析可知，2008-2015年江苏经济发展对高职教育人才的需求与江苏GDP、固定资产投资、对外贸易水平、研究与发展经费内部支出、从业人员规模的灰色关联度依次为0.916356，0.916666，0.920659，0.982685，0.924214。可以看出：研究与发展经费内部支出是对高职教育人才需求增长的最主要动因，其次是从业人员规模扩大，再次是对外贸易、固定资产投资的增长，影响最小的因素是江苏GDP的增长。这也证明经济发展对技术人才的需求是高职教育人才需求增長的主要动因，这也从侧面证明高职教育的确培养了大批社会需要的技术技能人才。 2.2 江苏高职教育人才需求预测
通过计算经济发展对高职教育人才的需求与多个经济指标之间的灰色关联度，得到研发与发展经费内部支出和社会从业人员规模扩大对高职教育人才需求的影响最大。运用这两个指标与经济发展对高职教育人才需求的关系，对未来社会对高职毕业生的人才需求进行预测，分别运用GM（1，1）模型和多元线性回归法，确保研究结果的正确性。
2.2.1 GM（1，1）模型预测
对系统变量的未来行为进行预测，称为数列预测，GM（1，1）模型是常用的数列预测模型，用原始数据组成原始序列，经累加生成法生成新序列，然后对生成变换后的序列建立微分方程型的模型即GM模型，GM（1，1）模型表示1阶的、1个变量的微分方程模型，它可以弱化原始数据的随机性，使其呈现出较为明显的特征规律。运用GM（1，1）模型，对社会对高职教育人才需求进行模型构建，带入2008年到2015年数据，得到平均误差2.28058，时间响应函数为
X（k+1）=145.087167exp（0.028745k）-141.501235。
通过计算，得到高职教育人才需求量的 5 步预测值，分别对应2016-2020年江苏经济发展对江苏高职教育人才需求，分别为176.64，205.41，239.92，281.50，331.82萬人。
2.2.2 多元线性回归预测
为进一步验证灰色系统分析的正确性，这里进一步通过多元线性回归模型来做同样的预测。通过灰色关联度分析知道，研究与发展内部经费支出和从业人员人数对高职教育人才需求的影响最大，因此选择这两个因素作为自变量，以江苏经济发展对高职教育人才需求作为因变量，对高职教育人才需求进行预测，根据多元回归模型的建模原理，借助计量分析软件 SPSS，构造回归模型为
V=-437.697+51.741E+0.597R，Sig. 0，0.015，0.015，0.015，
式中：V为社会对高职教育人才的需求规模；E和R分别为从业人员规模和研究与发展经费内部支出。为了预测 2016-2020 年经济增长对高职教育人才的需求，必须首先得到这段时间的从业人员规模和研发与发展经费内部支出，本文运用 GM（1，1）模型对这两个指标进行预测，结果如表 1 所示。
将预测值带入上述回归方程，可以得到 2016-2020年江苏经济发展对高职教育人才需求，分别为169.43，192.55，218.83，248.71，282.65万人。
通过以上两种方法对未来经济发展对高职教育人才需求进行预测，并把预测结果进行比较，如图1所示。由两种模型对高职毕业生人才需求的变化趋势可以看出，两种预测方法的预测结果相差不大，预测的高职教育人才需求的变化趋势一致，均呈逐年递增，到 2020年社会对高职教育的人才需求量将达到 280 万人左右。在高职院校办学规模上升有限的情况下，未来高职教育人才供需缺口将进一步加大，而职业教育院校是培养高技能人才的主力，因而社会迫切需要发展职业教育，为经济发展培养、输送大量的、合格的高技术技能人才，来弥补供需缺口[5]。
3 对本科与高职教育人才需求的比较
同样我们采用灰色关联分析，探讨对本科教育人才需求的影响，发现对本科教育的人才需求与江苏GDP、固定资产投资、对外贸易水平、研究与发展经费内部支出、从业人员规模的灰色关联度依次为0.916061，0.916667，0.94894，0.893987，0.957014。可以看出：对本科教育人才需求影响最大的是从业人员规模，其次是对外贸易水平，再次是江苏固定资产投资、江苏GDP，最后是研究与发展经费内部支出。因此，可以认为，除从业人员规模扩大对本科教育人才需求增加以外，外向型人才需求的增长是对本科教育人才需求增加的重要动因。采用灰色模型GM（1，1）对未来本科人才需求进行预测，平均相对误差为4.675076，时间响应函数为
X（k+1）=452.206709exp（0.008675k）-449.430452。
2016到2020年江苏经济发展对本科教育人才需求的预测值为65.78652302，68.23024898，70.7872571，73.46359666，76.26590623万人。对高职教育与本科教育人才需求规模进行对比，由图2可以看出，随着经济的进一步发展，社会对高职人才和本科人才的需求都呈现增加趋势，但对高职教育人才需求的增长速度明显要高于本科教育，这说明随着江苏经济的转型和制造业2025的实施，对高技能人才的需求越来越多，技能人才的支撑也是江苏经济增长的重要动力。
4 结果与讨论
目前，江苏经济发展正处于转型升级的关键时期，对高端高素质人才的需求越来越多。作为培养生力军的高职教育和本科教育对经济的贡献如何，是关系江苏经济能否快速发展和可持续发展的重要问题。采用主成分分析法，就2000-2015年高职教育和本科教育对江苏经济增长和三次产业发展的贡献分析表明，本科教育对经济发展总体贡献要比高职教育大；在第一产业发展贡献上，本科教育的贡献率要大于高职教育，在第二产业发展贡献上，高职教育的贡献率已经超过本科教育；在第三产业发展贡献上，本科教育的贡献率要大于高职教育。
为进一步比较高职教育和本科教育对经济增长的贡献，我们采用灰色模型，就未来社会对高职教育和本科教育人才需求进行预测。灰色模型分析表明，随着我国经济的发展，社会对高职教育人才需求越来越多，未来对高职教育人才需求要远超本科教育，而且人才需求增速也高于本科教育。因此，今后大力培养经济和社会发展需要的高职教育人才，也将是江苏经济发展的关键[6]。
目前，虽然江苏高职教育规模发展较快，但也存在一些重要问题，亟待解决。如高职教育质量还有待进一步提升[7]，高职教育的专业设置不尽合理，还需要调整，[8]高职教育生源质量差等问题是影响高职教育对经济发展贡献的重要障碍，这些问题都需要高职教育在未来采取一定的措施来加以克服，需要政府加大力度支持和宣传高职教育，需要深入推广校企合作，增强学生的实践能力和行业认可度，多管齐下，才能取得多赢的效果，彻底释放高职教育对社会和经济发展的重要贡献。
参考文献：
[1] 张剑，王威. 高职教育与区域经济协调发展研究[J]. 中国成人教育，2013（23）：98-99.
[2] 李富.高职教育对江苏经济增长贡献及与本科以上教育的比较[J]. 职业技术教育，2016，37（33）：54-58.
[3] 刘晓明，王金明. 浙江省高等职业教育经费投入与经济增长的关系分析[J]. 浙江师范大学学报（社会科学版），2013，38（6）：86-89.
[4] 李晓峰，李祥英. 广东经济发展与高职教育的社会需求分析[J]. 继续教育研究，2012（5）：84-86.
[5] 杨志其. 区域经济发展与高职教育之间的关系探究——以鄱阳湖生态经济区为例[J]. 职教论坛，2013（26）：15-16.
[6] 解鹏，李健宁. 江苏高职教育发展水平与社会经济关系的统计分析[J]. 教育评论，2016（2）：35-38.
[7] 李富.泛在学习视角下的职业院校移动教学资源库构建研究[J]. 职教论坛，2016（6）：76-80.
[8] 李富.大数据时代世界产业发展的趋向及其对高职教育的影响[J]. 教育与职业，2015（18）：14-17.