全国各省市高等教育发展水平比较研究
摘要：在经历为期数十年的改革开放之后，中国大陆的高等教育呈现出了深刻的变化。然而在此过程中，不同地区高等教育的发展水平差异问题也日益显著。在此背景下，对全国各省市高等教育发展水平进行比较、综合评价其情况、探寻诸方面因素就成为了重要课题。本文通过对全国各省市高等教育发展水平、不同地区经济增长与高等教育发展之间关系、全国各省市高等教育发展力三个方面进行研究和评价，试图对其中的问题加以阐述和分析并找出解决问题的对策。
关键词：高等教育 发展水平 经济增长 发展力
一、关于全国各省市高等教育发展水平的实证研究
（一）选取指标情况及相关理论依据
众所周知，不同省市间的高等教育发展程度不均这一问题，来自于多种不同方面的因素的“交相影响”，而并非能够用“一刀切”的“经济发展差异”以及“公共财政支持力度不同”之类的话“一言以蔽之”的。导致这一问题的原因可以是当地的经济发展水平、各个级别政府的财政支持力度、不同地域的社会平均受教育程度、历史等原因造成的高教工作者数量及其质量之类。故而，在对全国各省市之间出现的高等教育发展水平不均这一问题加以分析和研究的过程中，有必要将上述各种因素进行综合而尽可能全面的考虑，进而选取尽可能充分反映更多的影响因素的指标体系。在这样的思想指导下，此方面的实证研究过程中，将2013年全国不同的省市中六种能够分别尽可能多地反映不同影响因素的相关指标，分别是普通高校学生与教师之比（单位：%）、一般情况下的预算收入（单位：亿元人民币）、有关于教育的各种支出（单位：亿元人民币）、2013年度普通高校招生具体人数（单位：人）、普通高校目前拥有的教职工具体人数（单位：人）、普通高校在校生人数在该省区总人数中所占比重（单位：每十万人）。 （二）相关模型的实证研究
1、快速聚类法指导下进行的实证结果分析
根据相关理论，最终将相关的省区分为三个类型，其具体分类方式及分类情况如下： 第一类共计八省，即粤、冀、豫、鄂、湘、苏、鲁、浙。 第二类共计两省三市，即京、津、沪、辽、秦。
第三类共计十二省五区一市，即皖、闽、陇、黔、琼、黑、吉、赣、青、晋、蜀、滇、桂、蒙、宁、藏、新、渝。
就快速聚类法的相关理论和不同类别的分组情况中不难看出：三个组分别是以高等教育发展的先进与落后有着密切的关系。如此的分组情况，也和现实中各省的高等教育情况基本上保持着一致性。
2、因子分析法指导下的实证研究情况 （1）对因子分析这一活动的本质的概述
所谓“因子分析”，这一思想的核心以及最主要表现形式是“主成分分析法”。而这一概念，则是研究者通过找出多个不同的变量之间客观存在的一定程度上或浅显，或隐含的“相关性”，并将其以线性组合这一方法加以处理，从而使得能够在众多的指标中以最大效率来提取出有效的信息的形式。这一方法一般能够用于提取不同的各类指标中存在的“公因子”，并再进一步活动中寻找和归纳其中隐含着的各种“潜在”的影响因子。
就全国各省市高等教育发展水平之间的比较中的各种因子的方分析而言，有必要对其中存在的“公因子”加以分析，并随之进行“重要性排名”，进而对其中要主要研究的“重要因子”筛选出来。
（2）因子分析法指导下的实证研究结果分析
全国不同省市间的高等教育发展情况颇为不均衡，而这一问题也正如前文所述，其因素来自多种多样的原因，经过如前一节中讲述的的研究方式，此研究最终获取的因子可分为三个类型，具体情况如下：
第一类型因子可以称作“政策因子”，包括一般情况下的预算收入（单位：亿元人民币）、有关于教育的各种支出（单位：亿元人民币）、2013年度普通高校招生具体人数（单位：人）、普通高校目前拥有的教职工具体人数（单位：人）等方面。
第二类型因子可以称作“社会素质因子”，主要内容是普通高校在校生人数在该省区总人数中所占比重（单位：每十万人）。
第三类型因子可以称作“师资因子”，主要内容是分别是普通高校学生与教师之比（单位：%）。
在此因子类型分类的前提下，最终获得结果如下表所示： 行政区名 广东 江苏 山东 北京 河南 湖北 浙江 上海 河北 湖南 陕西 辽宁 四川 安徽 江西 福建 天津 黑龙江 吉林 重庆 广西 山西 云南 甘肃 内蒙古 海南 贵州 新疆 宁夏 青海 政策 2.37 2.62 2.05 0.21 1.21 0.48 0.88 0.09 0.66 0.30 0.08 0.45 0.05 -0.37 -0.13 -0.19 -0.87 -0.24 -0.68 -0.57 -0.22 -0.18 -0.36 -1.01 -0.48 -1.18 -0.63 -0.66 -1.48 -1.04 社会素质 -0.56 0.04 -0.54 3.72 -0.82 0.50 -0.20 1.94 -0.51 -0.27 0.80 0.32 -0.24 -0.22 -0.18 -0.14 2.00 0.16 0.51 0.18 -0.76 -0.23 -0.83 -0.19 -0.35 -0.10 -1.06 -0.78 -0.16 -1.13 师资 0.87 -1.53 -0.40 -1.00 0.42 0.83 -0.34 -0.27 0.55 0.80 0.24 -0.37 0.98 1.33 0.09 0.22 -0.17 -0.19 0.61 0.36 0.17 -0.64 0.40 1.48 -0.07 1.33 -0.00 -0.57 0.33 -2.78 综合得分 1.46 1.26 1.02 0.72 0.63 0.55 0.41 0.41 0.39 0.28 0.26 0.26 0.17 -0.01 -0.10 -0.10 -0.13 -0.14 -0.17 -0.23 -0.26 -0.28 -0.31 -0.35 -0.37 -0.46 -0.60 -0.67 -0.85 -1.40 排名 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 西藏 -1.16 -0.90 -2.75 -1.41 31 3、从因子得分这一方面进行综合评价模型所作出的实证研究 （1）对因子得分综合评价这一模型本质的分析
所谓“因子得分综合评价模型”，其实质上就是是一个对因子的得分情况进行一系列的加权综合这一过程，而在此过程中的因子得分的权数，则应以其方差贡献率来加以确定，其原因在于后者能够反映各因子得分背后的“信息量”。 （2）因子得分综合评价模型获得的结果
从前文中的表格里不难看出：因子得分综合评价以及其中的排名情况基本上与快速聚类一致，粤、苏、鲁三省位列三甲，说明三省高等教育发展水平处于全国前列，就政策因子情况而言：三省的得分优势明显，说明其公共财政对高等教育有着巨大的支持力度。就社会素质因子情况而言：京、津、沪优势最为明显，说明三市的高等教育社会背景优于其他地区，同时该地区居民相关素质也较高，高等教育社会基础良好。就师资因子而言：陇、琼、皖三省优势明显，说明三省高等教育师资力量强于其他地区，分析后也不难看出其原因来自两个方面：其一是如皖琼两省，自然环境和相关待遇良好，对人才有吸引力；其二如甘肃省，由于国家鼓励支教的行为，使得相关人才有机会从事高等教育事业。 （三）结论与建议
从前文中所述的“快速聚类”、“因子得分”两种综合评价模型获得的结果中不难看出：粤、苏、鲁三省综合得分最高，而且在分类中也属于“一类地区”，其在一般预算收入、教育支出之类的可以同政策“挂钩”的指标都在同类中占据巨大优势，同时也能够从因子分析反面看出“政策因子”在诸多因子类型中，是影响各省市高等教育呈现出差异的最主要者。
就此而言，如若想缓解不同省市之间高等教育情况的巨大不平情况，最重要的一点就在于政策这一方面，尤其是一些高等教育情况较差的地区，有必要增强政府支持高等教育的力度并升级其方法，具体做法应定位为着重发展本地区经济，并尽最大努力来增加财政收入，同时增强公共财政对高等教育的支持这一方面的“力道”；第二，有必要在社会素质因子方面分数低下的省市增强一些有关于高等教育重要性的宣传，从而从社会效应方面加强正面引领；第三，则是要提升对高等教育尚不发达的省市的师资方面的支持，如提升高校教职工待遇等方式，提高高等教育发展水平 。
二、中国大陆各省市高等教育发展对经济增长贡献研究
（一）相关模型的建立方式与相应分析
考虑到目前存在的高等教育规模及此情况产生的各种影响之类的因素，在此方面的研究采取了各省市的人均生产总值的对数序列，以及人口（每百万人）中的高校学生比重的的对数序列二者来建立相关模型。
此方卖弄研究的“面板数据模型”，指的是按照时间顺序，按照空间方向加以扩展，或者将其截面数据以时间为方向，加以扩展进而形成的“二维结构”中的数据集合。同时，对于面板数据中内部包含一个解释变量者，可以分为变系数、不变系数、变截距三种形式。、
具体而言，建立前文所述的全国各省市高等教育发展与经济增长二者关系的的面板数据模型公式定义为ln（人均生产总值）it=A+Bln（高校学生比重）it+C it（i=1，2，……31；t=1，2，……10）。其中ln（人均生产总值）it和ln（高校学生比重）it中的数据均取自2008-2013年数据，C it是随机扰动项，该项满足均值为0，方差为σ2v这一假设。
在此基础上，第一部是将每个省市相应的“回归模型”（其回归结果如括号内所示，前为斜率，后为截距），按“斜率近似相等”这一原则将所有省市分为五个组别，详细情况如下：
第一组共计一省一区两市：京（1.53，1.80）、吉（0.98，4.68）、蒙（0.98，5.23）、沪（0.97，5.56）。
第二组共计五省一区一市：秦（0.94，4.43）、晋（0.86，5.34）、青（0.89，5.62）、辽（0.86，5.61）、宁（0.88，5.38）、津（0.85，5.67）、苏（0.88，5.74）。
第三组共计两省两区一市：新（0.83，5.77）、桂（0.79，5.76）、黔（0.81，5.37）、粤（0.78，6.59）、渝（0.80，5.55）。、
第四组共计九省：陇（0.74，5.63）、湘（0.71，5.97）、黑（0.68，6.30）、豫（0.74，6.08）、滇（0.69，6.25）、鲁（0.68，6.71）、浙（0.71，6.78）、冀（0.68，6.43）、蜀（0.67，6.18）。
第五组共计五省一区：藏（0.61，6.61）、闽（0.59，7.17）、皖（0.61，6.39）、赣（0.55，6.50）、鄂（0.60，6.40）、琼（0.47，7.28）。
分组后，在不同组中通过面板数据模型设定相关的假设检验，在此过程中市场采取协方差分析检验。
从一系列计算后最终获得的结果中不难看出，全国各省市高等教育发展对经济增长的贡献基本上与其经济发展情况成正比关系如，北京市在此方面的的贡献度达到了1.53，上海市的同类数据也高达是0.97。然而由于众多原因，经济发展缓慢的西藏自治区，高等教育发展对经济增长的贡献就仅仅是0.61而已，其他少数民族占多数的省市中，如贵州省、广西壮族自治区、云南省等地的高等教育发展对经济增长的贡献数字也显得“捉襟见肘”，分别为0.81、0.79、0.69。2013年，高等学校在校生人数超过了一百万的省市中，除了经济发展情况较好的江苏省之外，其余的省市高等教育发展对经济增长的贡献度堪称“小之又小”如河北为0.68、山东为0.67、河南为0.74、湖北为0.60、广东为0.78等。说明“教育大省”，即教育规模相对较大的省市，其高等教育发展对经济发展贡献的能力却不及高等教育规模较小的省市。然而由于不同的由于各个省市在数据方面分别进行回归分析的样本显得过于渺小，故而分析结果并没有能够获得保证的可靠性。
在此方面的面板数据模型分析结果为：第一组高等教育发展对经济增长的贡献度为 1.025，R-Square 为 0.9411，残差平方和为1.4574 (截距为：北京0.2256；吉林0.4044；内蒙古0.2136；上海0.4165 ；第二组贡献度为 0.879，R-Square 为 0.9435，残差平方和为 1.7068 （截距为：陕西0.6912；青海 0.2788；宁夏 0.0003；江苏0.3246；山西0.1439；辽宁0.1032；天津 0.1289）；第三组贡献度为 0.799，R-Square 为 0.9583，残差平方和为 0.8930（截距为：新疆 0.0736；贵州 0.4086；重庆 0.2605；广西0.0763；广东0.6718）；第四组贡献度为 0.699，R-Square 为 0.9453，残差平方和为 1.5879 （截距为：甘肃 0.4640；河南 0.0240；浙江0.584；湖南 0.2444；云南 0.0446；河北 0.0885；黑龙江 0.0549；山东0.3514；四川0.1921）；第五组贡献度为0.563，R-Square 为0.9379，残差平方和为0.7864（截距为：西藏0.029；安徽0.1792；湖北 0.1887；福建0.5235；江西0.3126；海南 0.1281）。
从R-Square、残差平方和等指标来看，面板数据模型分析结果比每个省市单独回归分析结果的效果要好。面板数据模型结果也反映出经济发达省市的高等教育发展对经济增长的贡献较大，而经济不发达的民族地区如广西、云南、西藏、宁夏、新疆的高等教育发展对经济增长的贡献较小。
（二）就研究结果得出的结论与建议 1、结论
通过对中国 31 个省市的高等教育发展对经济增长贡献度的分析得出： （1）高等教育发展对经济发展的贡献度大小与经济发展程度有着较大的关系。考察 31 个省市自治区的分析结果，可以看出经济发达省市的高等教育发展对经济增长的贡献相对较大。对于经济不发达地区特别是民族地区，高等教育发展对经济增长贡献较小。从而看出，高等教育发展是带动经济发展的一个重要因素。
（2）教育规模较大的省份，即所谓的“教育大省”，它们的高等教育发展对经济发展贡献度不如教育规模小的省份。这说明当高等教育发展到一定程度后，它对经济发展的贡献度
将不再持续增加。
（3）根据 31 个省市的高等教育发展对经济增长贡献度的大小，利用面板数据模型的分析方法，可将 31 个省市分为五组。第一组、第二组、第三组高等教育发展对经济增长的贡献度为 1.025、0.879、0.799，高于全国教育发展对经济增长的贡献度；第四组、第五组高等教育发展对经济增长的贡献度为0.699、0.563，低于全国教育发展对经济增长的贡献度。
本文采用了两种分析方法研究中国 31 个省市自治区高等教育发展对经济增长的贡献度。两种方法得到的结果虽有所不同，但共同点是各省市教育发展对经济增长的贡献度与经济发展水平关系密切。 2、建议
（1）经济发达地区需协调好经济与高等教育的发展：对于经济较发达地区，如北京、上海等，高等教育的发展对经济发展的促进作用较大，所以经济发达地区在发展经济时，应同时协调高等教育的发展，从而使高等教育发展更好地为地区经济发展服务。
（2）加大民族地区高等教育投入：民族地区经济发展相对落后，这极大地影响了民族高等教育的发展，也抑制了高等教育对经济发展的促进作用。在发展民族地区经济的同时，应加大民族地区高等教育投入，从根本上提高地区经济竞争力，从而提高地区高等教育对经济发展的贡献度。
（3）保持教育大省的高等教育规模：对于高等教育规模较大的教育大省，高等教育发展对经济的贡献度已经接近于或达到峰值，所以只需保持或适当精简高等教育规模，使高等教育发展对经济的贡献度达到或维持在最高水平。
三、针对中国大陆各省市高等教育发展力评价研究
（一）指标体系的圈定
各地区高等教育水平比较指标设置：通过对大量数据的搜集，加工，整理以及分类，已把全部因素划分为4个一级指标，以及具体的14各因素为二级指标，来基本涵盖所有被研究内容，具体情况如下所示：
第一：宏观经济能力，包括四个二级指标，即教育经费、国家财政性教育经费、事业收入、社会捐赠。
第二：科技实力，包括两个二级指标，即技术投入额和教职工数。
第三：产业结构，包括五个二级指标，即招生、在校生、毕业生、预计毕业生、院校的数量。
第四：个体经济实力，包括三个二级指标，即人均可支配收入、人均总收入、居民消费水平。
（二）研究方法与分析 1、因子分析
因子选取自中国统计局2013年度，中国大陆31个省区关于教育统计的主要数据，根据因子模型对其发展状况进行综合分析评价，借助SPSS软件进行相关数据处理，对原始数据进行标准化处理。根据KMO与巴特莱特球形检验的结果，KMO值为0.787，适合做因子分析。巴特莱特检验的F值等于0.000，表明所选取的数据服从正态分布。
第一主因子F1包含的因素有：毕业生数、授予学位数、事业收入、高等教育总人数、国家财政性教育投入等，可概括为教育发展基本指标和经费。第一主因子对全部初始变量的方差贡献达67.416%，是省级地区性高等教育水平指标体系中重要的指标。
第二主因子F2包含的因素有：城镇居民人均总收入、城镇居民人均可支配收入、人均总收入、人均可支配收入、城镇居民人均教育支出，概括为家庭生活水平指标。该主因子对所有初始变量的方差贡献率为21.141%，在因子重要性排名中虽然位居第二，但与第一主因子一样，是指标体系中的重要方面。第三主因子F3包含的因素有：平均家庭人口数、平均
经济学毕业论文《全国各省市高等教育发展水平比较研究》
