论文部分内容阅读
摘要：文章利用2011年和2016年全国城市统计年鉴据对我国97个城市的高等教育与区域经济的数据做因子分子，得出二者协调性主要指标的综合得分算式和城市排名。
关键词：高等教育；区域经济；协调性
一、研究背景
城市群是一个地区的经济力量在地域空间上的集中体现，城市群的发展程度是一个地区经济发展水平的主要标志。目前，我国大陆地区主要形成了包括京津冀、长三角、珠三角、山东半岛、辽中南、中原、长江中游、海峡西岸、川渝及关中等在内的十大城市群。这十大城市群以不到10%的国土面积，承载了30%以上的人口，创造了50%以上的GDP。[1]同时，十大城市群还是我国优质高等教育资源的聚集地，汇集了我国绝大部分的高等院校和科研机构，其高等教育质量和水平也遥遥领先于全国其他地区。从高等教育与区域经济的相互作用规律来看，区域高等教育与区域经济水平应保持适度协调，才能有助于实现高等教育与区域经济的相互促进和共同发展。[2]本研究利用2011年和2016年全国城市统计年鉴数据，对我国十大城市群97个主要城市高等教育与区域经济协调度影响因素进行了实证研究。
二、定量分析
基于笔者前期的研究，构建了由目标层、准则层和指标层构成的城市群高等教育与经济发展评价指标体系。目标层为城市群主要城市高等教育水平与经济发展水平；准则层从高等教育规模和高等教育质量两个维度对高等教育水平进行反映，从经济规模、经济结构、经济增长和经济效益四个维度对经济水平进行反映；指标层总共包括12项具体指标，进一步对2011年和2016年数据做了因子分析。使用主成份分析法，按照特征值大于0.9的原则进行因子提取，可得到衡量十大城群97个主要城市高等教育水平的两个公因子和衡量区域经济发展水平的三个公因子。
1.数据因子分析适应性检验
从KMO和球形Bartlett检验中可验证出变量间是否适合做因子分析。衡量十大城市群高等教育水平和区域经济水平各指标的KMO值2011年分别为0.613和0.785，2016年分别为0.677和0.759，均在适合因子分析的临界值内；球形Bartlett检验的相伴概率P值为0.000，可以认为相关系数矩阵和单位矩阵有显著差异，适合于作因子分析。
2. 2011年相关矩阵特征值、方差贡献率与综合得分
使用主成份分析法，按照特征值大于0.9的原则进行因子提取，可以得到衡量十大城群97个主要城市高等教育水平的两个公因子和衡量区域经济发展水平的三个公因子。
以公因子的方差贡献率为权数，分别得到十大城市群97个主要城市高等教育水平和区域经济发展水平的综合得分计算公式：
2011年97个主要城市高等教育水平综合得分=（F1×70.001+F2×19.345）/89.346 （1）
（根据旋转后的成份矩阵，取F1为H1，F2为H2）
2011年97个主要城市区域经济水平综合得分=（F1×60.362+F2×17.593+F3×13.058）/91.013（2）
（根据旋转后的成份矩阵，取F1为E11、E12、E13、E41的综合得分，F2为E31的综合得分，F3为E21的综合得分）
2016年97个主要城市高等教育水平综合得分=（F1×71.412+F2×18.875）/90.288 （3）
2016年97个主要城市区域经济水平综合得分=（F1×55.896+F2×14.653+F3×14.185）/84.733（4）
根據公式（1）和（2），（3）和（4）可分别计算中国十大城市群97个主要城市2011年和2016年高等教育水平综合得分及区域经济发展水平综合得分，并根据综合水平得分得到城市综合排名。
2.高等教育与经济发展的相关性分析
将2011年和2016年反映高等教育发展水平和区域经济发展水平的综合得分值进行相关分析。从表5的分析结果中可以看出，2011年十大城市群主要城市高等教育与经济发展之间的Person相关系数为0.827，Kendall相关系数为0.343，Spearman相关系数为0.485，且相关性非常显著。由此可知，2011年十大城市群高等教育与区域经济发展之间的协调程度较高。而到2016年，Person参数相关系数降为0.814，而作为反映匹配性的Kendall相关系数升为0.502，反映等级相关程度的Spearman相关系数升为0.671。
3.回归分析
采用97个城市2011年和2016年的高等教育水平综合得分数据和区域经济水平综合得分数据进行回归分析，2011年十大城市群经济发展水平与高等教育发展水平的线性回归方程为：E=C+0.827H，其中E表示经济发展水平，H表示高等教育水平，C为常数项，该回归模型的R2=0.683，调整后的R2=0.680，表明模型整体拟合情况较好；2016年十大城市群经济发展水平与高等教育发展水平的线性回归方程为：E=C+0.814H，其中E表示经济发展水平，H表示高等教育水平，C为常数项，该回归模型的R2=0.662，调整后的R2=0.658，表明模型整体拟合情况较好。由此可知，从2011年到2016年，十大城市群97个主要城市高等教育与区域经济的相关性有一定程度的降低。这可能是由于随着高等教育的大扩展，高等教育质量亦有所下降，所以导致对区域经济发展的促进作用有所降低。
参考文献：
[1]高耀， 纪燕， 方鹏. 中国大陆十大城市群高等教育与区域经济协调度因素分析与集成评估——基于2000年和2010年的横截面数据[J]. 现代大学教育， 2013（05）：44-50.
[2]朱迎春， 王大鹏. 高等教育对区域经济增长贡献——基于省际面板数据的实证研究[J]. 软科学， 2010（02）：79-82.
作者简介：罗贵君，男，四川宜宾人，武汉工程大学法商学院高等教育学2016级研究生，研究方向：区域高等教育；乔正鹏，男，江苏人，武汉工程大学法商学院马克思主义经济学2016级研究生，研究方向：社会主义市场经济；严亚洲，男，湖北人，武汉工程大学法商学院马克思主义经济学2016级研究生，研究方向：社会主义市场经济。
关键词：高等教育；区域经济；协调性
一、研究背景
城市群是一个地区的经济力量在地域空间上的集中体现，城市群的发展程度是一个地区经济发展水平的主要标志。目前，我国大陆地区主要形成了包括京津冀、长三角、珠三角、山东半岛、辽中南、中原、长江中游、海峡西岸、川渝及关中等在内的十大城市群。这十大城市群以不到10%的国土面积，承载了30%以上的人口，创造了50%以上的GDP。[1]同时，十大城市群还是我国优质高等教育资源的聚集地，汇集了我国绝大部分的高等院校和科研机构，其高等教育质量和水平也遥遥领先于全国其他地区。从高等教育与区域经济的相互作用规律来看，区域高等教育与区域经济水平应保持适度协调，才能有助于实现高等教育与区域经济的相互促进和共同发展。[2]本研究利用2011年和2016年全国城市统计年鉴数据，对我国十大城市群97个主要城市高等教育与区域经济协调度影响因素进行了实证研究。
二、定量分析
基于笔者前期的研究，构建了由目标层、准则层和指标层构成的城市群高等教育与经济发展评价指标体系。目标层为城市群主要城市高等教育水平与经济发展水平；准则层从高等教育规模和高等教育质量两个维度对高等教育水平进行反映，从经济规模、经济结构、经济增长和经济效益四个维度对经济水平进行反映；指标层总共包括12项具体指标，进一步对2011年和2016年数据做了因子分析。使用主成份分析法，按照特征值大于0.9的原则进行因子提取，可得到衡量十大城群97个主要城市高等教育水平的两个公因子和衡量区域经济发展水平的三个公因子。
1.数据因子分析适应性检验
从KMO和球形Bartlett检验中可验证出变量间是否适合做因子分析。衡量十大城市群高等教育水平和区域经济水平各指标的KMO值2011年分别为0.613和0.785，2016年分别为0.677和0.759，均在适合因子分析的临界值内；球形Bartlett检验的相伴概率P值为0.000，可以认为相关系数矩阵和单位矩阵有显著差异，适合于作因子分析。
2. 2011年相关矩阵特征值、方差贡献率与综合得分
使用主成份分析法，按照特征值大于0.9的原则进行因子提取，可以得到衡量十大城群97个主要城市高等教育水平的两个公因子和衡量区域经济发展水平的三个公因子。
以公因子的方差贡献率为权数，分别得到十大城市群97个主要城市高等教育水平和区域经济发展水平的综合得分计算公式：
2011年97个主要城市高等教育水平综合得分=（F1×70.001+F2×19.345）/89.346 （1）
（根据旋转后的成份矩阵，取F1为H1，F2为H2）
2011年97个主要城市区域经济水平综合得分=（F1×60.362+F2×17.593+F3×13.058）/91.013（2）
（根据旋转后的成份矩阵，取F1为E11、E12、E13、E41的综合得分，F2为E31的综合得分，F3为E21的综合得分）
2016年97个主要城市高等教育水平综合得分=（F1×71.412+F2×18.875）/90.288 （3）
2016年97个主要城市区域经济水平综合得分=（F1×55.896+F2×14.653+F3×14.185）/84.733（4）
根據公式（1）和（2），（3）和（4）可分别计算中国十大城市群97个主要城市2011年和2016年高等教育水平综合得分及区域经济发展水平综合得分，并根据综合水平得分得到城市综合排名。
2.高等教育与经济发展的相关性分析
将2011年和2016年反映高等教育发展水平和区域经济发展水平的综合得分值进行相关分析。从表5的分析结果中可以看出，2011年十大城市群主要城市高等教育与经济发展之间的Person相关系数为0.827，Kendall相关系数为0.343，Spearman相关系数为0.485，且相关性非常显著。由此可知，2011年十大城市群高等教育与区域经济发展之间的协调程度较高。而到2016年，Person参数相关系数降为0.814，而作为反映匹配性的Kendall相关系数升为0.502，反映等级相关程度的Spearman相关系数升为0.671。
3.回归分析
采用97个城市2011年和2016年的高等教育水平综合得分数据和区域经济水平综合得分数据进行回归分析，2011年十大城市群经济发展水平与高等教育发展水平的线性回归方程为：E=C+0.827H，其中E表示经济发展水平，H表示高等教育水平，C为常数项，该回归模型的R2=0.683，调整后的R2=0.680，表明模型整体拟合情况较好；2016年十大城市群经济发展水平与高等教育发展水平的线性回归方程为：E=C+0.814H，其中E表示经济发展水平，H表示高等教育水平，C为常数项，该回归模型的R2=0.662，调整后的R2=0.658，表明模型整体拟合情况较好。由此可知，从2011年到2016年，十大城市群97个主要城市高等教育与区域经济的相关性有一定程度的降低。这可能是由于随着高等教育的大扩展，高等教育质量亦有所下降，所以导致对区域经济发展的促进作用有所降低。
参考文献：
[1]高耀， 纪燕， 方鹏. 中国大陆十大城市群高等教育与区域经济协调度因素分析与集成评估——基于2000年和2010年的横截面数据[J]. 现代大学教育， 2013（05）：44-50.
[2]朱迎春， 王大鹏. 高等教育对区域经济增长贡献——基于省际面板数据的实证研究[J]. 软科学， 2010（02）：79-82.
作者简介：罗贵君，男，四川宜宾人，武汉工程大学法商学院高等教育学2016级研究生，研究方向：区域高等教育；乔正鹏，男，江苏人，武汉工程大学法商学院马克思主义经济学2016级研究生，研究方向：社会主义市场经济；严亚洲，男，湖北人，武汉工程大学法商学院马克思主义经济学2016级研究生，研究方向：社会主义市场经济。