本文是在教育部人文社会科学项目“中国及各地区教育经济贡献率软计算应用研究”(项目编号：06JA880668)的基础上完成的。　　 新经济条件下，教育对经济的巨大作用已被大多数经济学家认可，教育的经济价值将比任何时候都要重要，教育和经济增长相互影响的趋势越来越明显。一方面，经济的持续、稳定增长增强了国家的经济实力，有可能加大国家在教育上的投入，从而改善教学条件，提高教育质量和基础教育的普及率；另一方面，教育的大力发展，教育水平的普遍提高，可以培养造就出更多高素质的劳动力，从而推动经济向前发展。因为随着高素质劳动力向各产业的输入，将会加速各产业内部劳动密集型向技术密集型、知识密集型的转变，从而可以提高各产业内部的劳动生产率和经济效率。科教兴国是党中央为保证我国社会主义四化建设持续、快速、健康发展，迎接21世纪激烈竞争与挑战而制定的一项基本战略。实施科教兴国战略，事关国家兴衰成败，民族的生存与发展。在已经成功跨入知识经济时代的历史进程之后，教育已成为国民经济和社会发展全局性、先导性、基础性的关键领域。推动经济增长和社会进步，在很大程度上取决于教育发展的速度和质量。加速培养同现代化要求相适应的数以亿计的高素质劳动者和专门人才，发挥我国巨大的人力资源优势，关系未来社会主义事业的全局。在这种局面下，教育在国民经济和社会发展中占据着越来越重要的地位和作用。　　 国内外对于教育的经济增长贡献的研究讨论由来已久，传统上关于教育对经济增长贡献的研究方法主要有：舒尔茨的余数分析法，丹尼森的因素分析法，斯特鲁米林的劳动简化法，以及我国学者的总课时简化法，劳动生产率简化法，道格拉斯生产函数法等。通过比较，这些方法各有利弊，它们的共同的不足在于：第一，传统计算遵循：教育—人力资本—经济增长链，但如何估计增长链中教育对经济增长的长期性、滞后性；第二，全社会劳动当量等于劳动者个人的工作量的简单累加，不符合系统性原理；第三，采用精确思维下的经典计算方法，即硬计算方法，没有考虑客观事物的复杂性、人们思维的主观性和模糊性。因此，传统的硬计算方法只是一种粗略的估算，不足以作为政府、企业、个人投资决策的依据。　　 软计算(Soft Computing)是最近几年才开始明朗的一种创建智能系统的新颖的方法。就目前的认识来看，人们为了在不确定及不精确环境下处理复杂的实际问题，需要智能系统对各种不同来源的知识、技术和方法进行组合。它与人脑相对应，在解决实际问题时，协同地而非互斥地采用几种技术进行计算。这里我们研究了一种软计算技术，主要内涵是：人工神经网络(Artificial Neural Networks，ANN)负责识别模式和按变化的环境进行自组织学习：模糊系统(Fuzzy Systems，FS)实现对人类知识进行推理和决策；遗传算法(Genetic Algorithm，GA)引导系统达到优化。三种技术相互衔接，既密切的配合又各司其责，联合发挥模式识别、知识推理、优化计算等多种功能，三者互补集成为软计算。　　 因此，本文将引入软计算的方法对四川省教育经济贡献进行定量研究。教育对经济增长贡献率软计算方法的思路是：首先将目标系统(国家或者地区)按照科技进步水平软分类，然后在同一类中，一方面计算教育引起的劳动者潜在人力资本，另一方面直接从GDP中分离出实际人力资本，并建立两种人力资本的内在联系(模糊映射)；第二建立包括人力资本在内的生产要素到经济增长的模糊映射；通过提取潜在人力资本到实际人力资本的贡献率以及实际人力资本到经济增长的贡献率，最终可以计算该类地区教育对经济增长的贡献率，即经济增长对实际人力资本的变化率以及实际人力资本对潜在人力资本的变化率的数量积就是教育对经济增长的贡献率。　　 本文中，作者通过大量的数据搜集和处理，利用软计算方法(模糊系统、神经网络和遗传算法)分别以四川省各地区和全国各地区作为系统目标，计算四川省教育对经济增长的贡献率。然后结合计算结果，对比省内及全国各地区的教育和经济发展情况，分析四川省教育对经济增长贡献现状，并浅剖教育发展与经济发展中的问题，期望为更深层次的教育的经济贡献研究提供基础。　　 本文分为理论分析和实证分析两部分，使用定性分析和定量分析相结合的方法，理论分析是对教育与经济增长的关系进行定性的探讨，为定量分析奠定理论基础，指导定量分析；实证分析是选取四川省为主要研究对象进行定量研究，从数据上验证定量分析。另外，在数据分析上还使用静态分析和动态分析相结合的方法以及数据分析和图表分析相结合的方法。