民族地区高等教育普及化进程及其影响因素研究——基于1998—2018年省际数据的实证分析

（南开大学，天津 300350）

教育普及化是教育现代化的重要反映，2019年出台的《中国教育现代化2035》明确提出了分地区推进的实施路径，而民族地区高等教育普及化是全国高等教育普及化的薄弱区和深水区，因此，深化对民族地区高等教育普及化的研究具有重要意义。高等教育普及化概念最早由马丁·特罗（Martin Trow）在其高等教育发展三阶段理论中提出，他认为高等教育依次从精英化、大众化向普及化阶段发展演进，衡量标准包括数量和质量两个层面。从数量标准看，高等教育毛入学率超过50%代表进入普及化阶段；从质量标准看，普及化阶段的高等教育系统将更加开放、多元，更加包容、个性；就入学与选拔而言，普及化阶段将从精英标准转向强调不同阶层、不同种族的平等成就。[1]故此，民族地区高等教育普及化是我国高等教育普及化和现代化的题中之义。本研究中民族地区采用 “民族八省区”的概念范畴，即宁夏回族自治区、广西壮族自治区、新疆维吾尔自治区、西藏自治区、内蒙古自治区和云南省、贵州省、青海省。

毋庸置疑，普及化高等教育意味着更多数量的人口进入高等学校，意味着人民有更多的受教育机会，意味着更加民主化的社会。[2]别敦荣指出，衡量高等教育发展水平的标准首先是数量标准，毛入学率无疑是衡量高等教育发展阶段的关键标准。[3]张继明也认为数据本身不是问题，问题在于把作为客观反映和预警的描述性数据误用为导向性、评价性的目标数据。[4]客观而言，高等教育毛入学率既能从纵向反映高等教育发展速度，也能从横向反映同时期适龄人口接受高等教育的规模，是衡量社会经济发展水平的核心指标，也是衡量高等教育与社会经济互动发展水平的核心指标，而且也是国际通用的高等教育发展衡量指标。[5]因此，以高等教育毛入学率衡量高等教育普及化水平具有较高的认可度和较强的可比性，除高等教育毛入学率之外，劳动人口受高等教育人数比例、每十万人口高等教育在校生人数等指标也被用来衡量高等教育的普及化水平。教育部发布的最新统计数据显示，2019年我国高等教育毛入学率为51.6%，[6]超过50%的普及化标准。然而，党的十九大报告中鲜明提出了 “中国特色社会主义进入新时代，我国社会主要矛盾已经转化为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾”的重大判断，从高等教育毛入学率看，不同地区省份之间存在发展不平衡现象，据不完全统计，截至2015年，16个省份的毛入学率超过了全国水平，[7]其余省份则低于全国水平。那么，目前民族地区的高等教育普及化程度在纵向时间维度上的发展如何？在横向空间维度上与全国和发达地区相比处于什么水平？预计何时进入普及化阶段？哪些因素影响普及化进程？时间、空间和环境三维分析有何政策启示？这是本研究试图探讨并尝试回答的问题。

一、文献回顾

目前，与本研究议题相关的研究主要涉及三个方面。第一，对我国高等教育普及化发展的历史、现状进行梳理和分析。研究发现，在政府政策刚性驱动为主的发展模式下，我国高等教育在改革开放后，尤其是1999年实施高校扩招政策以来实现了规模上的快速增长，从1999—2018年，高等教育毛入学率以年均增长1.88%的速度从10.5%增长到了48.1%，[8]2019年毛入学率超过50%进入普及化阶段。从世界范围看，1975—1999年全球共有20个国家先后进入普及化阶段，最早实现普及化的美国从实现大众化到1975年进入普及化阶段用了近30年时间，[9]英国、法国和德国分别用了25—27年的时间，[10]而我国从2002年的15%到2019年超过50%，用时17年，[11]普及化进程比主要发达国家平均快了10年左右。

第二，通过高等教育毛入学率对我国普及化进程进行预测分析。学界较多采用时间序列趋势外推法进行预测，毛建青指出时间序列趋势外推法是根据历年教育规模统计数据的绝对值和相对值，以时间为变量进行趋势分析，探寻因变量的内部发展规律。李硕豪团队先后于2013年和2018年两次采用时间序列趋势外推法对我国高等教育毛入学率进行预测分析，第一次选用逆函数（Inverse）、二次曲线（Quadratic）、 三次曲线（Cubic）、对数（Logarithmic）等四种模型，数据显示四种模型的预测值较为接近，故将四个预测值的平均数作为最终预测值，结果显示2030年高等教育毛入学率首次超过50%进入普及化阶段，[12]然而，后续实际发展数据表明预测存在较大偏差；2018年，在总结分析之前经验的基础上，该团队通过理论和实践两个层面的深入分析论证，选用Logistic曲线模型再次对我国高等教育毛入学率进行预测，结果显示2019年将超过50%进入普及化阶段，2030年毛入学率将达到79%，2031年将超过80%。[13]此外，易梦春于2016年采用时间序列趋势外推法，在对线性、二次曲线、三次曲线和指数曲线等模型进行比较分析的基础上，选用二次曲线模型对我国高等教育毛入学率进行了预测，结果分为预测值和区间值两种，预测值显示毛入学率将在2021年超过50%，区间值显示毛入学率将在2019—2022年超过50%。[14]

第三，对影响我国高等教育普及化进程的因素进行分析。部分研究表明，经济发展水平、城市化、产业结构等因素影响高等教育规模，[15]也有部分研究认为生源的升学意愿、基础教育和高中阶段教育的发展、国家发展战略[16]、人民生活水平[17]、教育投入[18]等因素制约高等教育规模及普及化程度。概而言之，普及化程度受政治、经济、文化、社会等因素的综合影响。在测量指标方面，衡量宏观经济发展水平的主要指标之一是人均GDP，宏观经济发展在微观人民生活水平层面的主要衡量指标是恩格尔系数，经济发展既可以影响高等教育的需求侧，又可以影响高等教育的供给侧；衡量经济结构和国家现代化的主要指标之一是第三产业占比，研究认为第三产业对高层次人才的吸纳能力较强，其发展状况直接影响大学生的就业岗位和机会，该指标综合体现经济与社会发展的互动；衡量政府教育投入的主要指标之一是人均教育经费，该指标反映政府对高等教育的重视程度，是政治和经济影响的综合体现；同时，高校数量规模也是政府重视程度的重要体现。此外，在实证检验方面，多数研究认为除恩格尔系数与高等教育规模呈负向关系外，其余指标均呈正向关系。最后，关于区域高等教育普及化的实证研究，有学者关注了上海、北京等较早实现普及化的城市，对中西部地区，尤其是民族地区高等教育普及化问题的系统专门研究较为欠缺。

二、民族地区高等教育普及化：历时态与共时态

基于数据的可获得性、可比较性等原则，以省区为单位，结合民族八省区平均水平，选取高等教育毛入学率和就业人口受高等教育人数比例两个指标，①从纵向历时态和横向共时态两个维度对民族地区高等教育普及化程度进行分析。由于我国在1998年出台的《面向21世纪教育振兴计划》中首次将高等教育毛入学率作为目标性发展指标，此后各省区才开始将毛入学率作为常规教育统计指标纳入政府统计工作，因此，我们通过公开途径获取的省级数据均是1998年及其之后的数据。研究本着尽可能溯及更早时间点、更长时间段的原则，通过尽可能多的途径对相关数据进行了收集整理。

图1 民族八省区就业人口受高等教育比例（1998—2018 年）

（一）民族地区高等教育普及化的历时态

长期以来，在党和国家有关政策的大力扶持下，民族地区高等教育取得了巨大进步和显著成就。第一，从就业人口受高等教育人数比例看（见图1）。②1998—2018年数据表明，与1998年相比，2018年新疆就业人口受高等教育人数比例增长了16.1个百分点，达到23.9%；宁夏增长了17.5个百分点，达到21.9%；内蒙古增长了16.5个百分点，达到21.3%；青海增长了16.9个百分点，达到19.6%；广西增长了11.7个百分点，达到12.9%；西藏增长了11.2个百分点，达到11.7%；贵州增长了7.4个百分点，达到10.2%；云南增长了7.9个百分点，达到9.5%。总之，与1998年相比，经过20年的发展，八省区就业人口受高等教育人数比例平均增量为13.15个百分点，最高增量为17.5个百分点，青海、宁夏、内蒙古和新疆四省区的增量超过了全国，各省区就业人口受高等教育人数比例总体均呈较快增长趋势。

图2 民族八省区高等教育毛入学率（1998—2018 年）

第二， 从高等教育毛入学率看（见图2）。③与1998年相比，2018年宁夏毛入学率增长了41.6个百分点，达到49.5%；青海增长了37.4个百分点，达到43.4%；新疆增长了34.1个百分点，达到42.1%；云南增长了39.0个百分点，达到41.7%；西藏增长了35.7个百分点，达到39.2%；广西增长了32.0个百分点，达到39.0%；内蒙古增长了29.6个百分点，达到37.2%；贵州增长了32.4个百分点，达到36.0%。1998—2018年八省区高等教育毛入学率平均增量为35.2个百分点，最高增量为41.6个百分点，云南、宁夏增量超过全国，各省区毛入学率总体均呈较快增长趋势。总之，经过世纪之交20年的发展，从高等教育毛入学率和就业人口受高等教育人数比例两个指标来看，民族八省区高等教育发展取得了较大进步，有力促进了民族地区高等教育的普及化程度。

（二）民族地区高等教育普及化的共时态

目前，全国高等教育已经进入普及化阶段，那么，民族地区与全国和江浙等发达地区相比处于什么水平呢？现从高等教育毛入学率和就业人口受高等教育人数比例两个指标，对民族八省区与全国和江浙等发达地区的发展进行对比分析，并对民族地区内各省区做比较分析。其中，采用民族八省区平均值表征民族地区的整体水平。

图3 就业人口受高等教育比例比较（1998—2018 年）

从就业人口受高等教育人数比例来看（见图3）。第一，1998—2018年的整体数据显示民族地区平均发展水平低于全国和江浙地区，与全国水平的差距相对较小，与江浙地区的差距相对较大。其中，民族地区平均值为8.6%，而全国平均值为9.4%，江浙地区平均值为11.2%。民族地区与全国相差0.8个百分点，与江浙地区相差2.6个百分点。第二，从民族地区内来看，发展水平也存在差异，个别省区甚至存在较大差距。在1998—2018年期间，以全国水平为参照，西藏、广西、云南和贵州的就业人口受高等教育人数比例均整体低于全国水平，其余四省区整体高于全国水平；以各省区1998—2018年的平均值来看，最高的是新疆，最低的是西藏，二者相差10.2个百分点，均值由高到低：前四位是新疆14.3%，内蒙古11.2%，宁夏11.1%，青海10.5%；后四位是广西6.3%，贵州6.0%，云南5.2%，西藏4.1%。同时，全国平均值是9.4%。

图4 高等教育毛入学率比较（1998—2018 年）

从高等教育毛入学率来看（见图4）。第一，1998—2018年的整体数据显示民族地区平均发展水平低于全国和江浙地区，与全国水平差距相对较小，与江浙地区差距相对较大。其中，民族地区平均值为21.1%，而全国平均值为25.8%，江浙地区平均值为37.3%。民族地区与全国相差4.7个百分点，与江浙地区相差16.2个百分点。第二，从民族地区内来看，发展水平也存在差异。在1998—2018年期间，以全国水平为参照，八省区的高等教育毛入学率整体上均低于全国水平。以各省区1998—2018年的平均值来看，最高的是宁夏和青海，最低的是贵州，二者相差7个百分点，均值由高到低：前四位是青海24.2%，宁夏24.2%，新疆23.1%，内蒙古23.0%；后四位是西藏19.1%，广西19.1%，云南18.4%，贵州17.2%。同时，全国平均值是25.8%。第三，从增长量和平均增长量的比较来看，在1998—2018年期间，全国高等教育毛入学率的平均增长量为1.9个百分点；江苏和浙江的平均增长量分别为2.4和2.6个百分点；宁夏、云南、青海、西藏、新疆、贵州、广西和内蒙古的平均增长量分别为2.1、2.0、1.9、1.8、1.7、1.6、1.6和1.5个百分点。进一步比较增长量和平均增长量发现，全国、江苏和浙江的历年增长量均未超过其平均增长量的2倍，但民族地区中宁夏一个年份的增长量超过其平均增长量的3倍，贵州和内蒙古分别有一个年份的增长量超过其平均增长量的2倍。这表明，民族地区中部分省区的高等教育规模增长存在不同程度的波动，宁夏的波动尤为显著；与之相比，全国和江浙地区高等教育规模的增长相对较为平稳。

综合就业人口受高等教育人数比例和高等教育毛入学率两项指标可以得出：第一，民族地区高等教育普及化平均水平略低于全国水平，但与江浙地区差距较大。第二，从增长量与平均增长量的比较来看，与全国和江浙地区相比，民族地区高等教育规模增长的波动性相对较大，个别省区的个别年份存在急剧增长情况。第三，从民族地区内来看，发现存在较为明显的梯队分层现象。结合高等教育毛入学率和就业人口受高等教育比例两方面因素，1998—2018年的平均发展水平显示，西藏、云南、贵州和广西的普及化水平明显偏低，而新疆、内蒙古、宁夏和青海的普及化水平相对较高。

三、民族地区高等教育普及化进程预测

2020年我国整体上正式迈入普及化阶段，然而分析发现，各地区之间的普及化程度存在差异，那么民族地区高等教育预计何时进入普及化阶段呢？研究采用1998—2018年历史数据对民族八省区2019—2030年高等教育毛入学率进行预测。

（一）基于时间序列趋势外推法的预测模型构建

时间序列趋势外推法是根据预测对象在时间序列上的历史变化趋势，对未来一段时期的发展进行推演预测的时序预测法。趋势外推法包括线性趋势预测法、非线性趋势预测法和曲线模型预测法等。本研究选用Logistic曲线模型对民族地区的高等教育毛入学率进行预测。以下从模型选用、构建、检验和说明四个方面进行介绍。

1.模型选用与构建

Logistic曲线总体呈持续增长趋势，其增长规律是早期缓慢增长，中期快速增长，后期增速逐渐减缓直至饱和。李硕豪等综合理论和实证两方面的分析发现，Logistic曲线模型对我国高等教育毛入学率具有较高的预测度。在理论层面，从精英化到大众化、普及化阶段高等教育毛入学率的增长趋势与Logistic曲线的变化趋势较为吻合。在实证层面，分析历史数据发现，我国高等教育毛入学率增长呈非线性和由慢到快再到趋缓的特征。对民族地区而言，前述历时态分析显示，民族地区高等教育正处于大众化阶段，个别省区即将进入普及化阶段，其总体发展趋势与全国基本一致。因此，选用Logistic曲线模型对民族地区毛入学率进行预测较为合适。高等教育毛入学率的Logistic函数表达式为：

其中，Y(t)即第t年的高等教育毛入学率，α是高等教育毛入学率的最大上限；β（或 b）是常量，β=eb；k是瞬时增长率。实际使用中α的上限值一般为100%，即 α=1。根据 1998—2018年民族地区高等教育毛入学率平均值数据，以毛入学率为因变量，时间为自变量，在SPSS 21.0中启动曲线估计中的Logistic进行回归得出β和k值，其中β=14.994，k=0.114，即高等教育毛入学率的Logistic模型为：

2.模型检验与说明

民族地区均值及八省区高等教育毛入学率的Logistic模型检验结果显示（见表1），模型能够解释各自高等教育毛入学率的94.9%—98.7%，显著性系数和回归系数均在0.001水平上显著，全部通过检验，可以利用此模型对未来一段时期的高等教育毛入学率进行预测，设定95%的置信区间，可以得到相应的预测区间值。

表1 Logistic模型检验

关于模型应用的说明。应用时间序列趋势外推法构建理论模型对高等教育毛入学率进行预测具有科学性和适恰性，但需要说明的是预测结果不可避免地与实际情况存在一定误差。其原因在于：第一，时间序列趋势外推法的基本理论假设为事物发展过程是渐进式而非跳跃式的，也即决定1998—2018年高等教育毛入学率发展变化的主要因素在2019—2030年仍然持续发挥作用，并保持相对稳定；第二，高等教育毛入学率受适龄人口变动的影响，由于各省区适龄人口历史数据获取的困难性，未能将该因素纳入模型，也正是考虑到2016年开始实施的 “全面二孩”政策将会影响2034年及其之后的适龄人口变化趋向，本研究将预测区间选定在2019—2030年；第三，在构建模型时采用统计学技术对缺失数据进行了估算，限于受个别省区个别年份的高等教育毛入学率数据的缺失，尽管存在一些不完美和不确定因素，但借助统计学方法和技术，从检验结果来看，该模型具有较高的信度和效度，采用它进行预测有助于了解民族地区未来高等教育普及化的可能趋势。

（二）民族地区高等教育普及化进程预测结果分析

采用Logistic模型在95%置信水平上，对2019—2030年度民族八省区高等教育毛入学率进行预测的结果包括预测值和预测区间值（见表2）。总体上，从预测值来看，民族八省区最迟于2024年进入普及化阶段，其中，2019年、2021年、2023年和2024年各有一个省区，2020年和2022年各有两个省区。从预测区间值来看，青海在2016—2022年之间，宁夏在2018—2022年之间，云南在2018—2023年之间，西藏在2017—2024年之间，贵州在2020—2024年之间，内蒙古在2019—2025年之间，新疆在 2020—2025年之间，广西在2022—2026年之间进入普及化阶段。根据预测值和预测区间值，结合实际发展状况，民族八省区较大概率在2019—2026年先后进入普及化阶段。为检验模型的预测效果，取2019年实际值与预测值进行对比检验。最近，民族地区部分省区公布了2019年高等教育毛入学率数据，对比发现预测值与实际值较为接近，尤其是西藏自治区最新公布的数据显示其2019年高等教育毛入学率为47.65%，[19]相比2018年增长了8.45个百分点，增量高于1998—2018年平均增量的4倍，与历史平均增幅的偏离较大；但是，本研究预测结果显示西藏自治区2019年毛入学率预测值为46.89%，预测精度为1.6%，表明预测精度较高，模型具有较好的信度和效度。

以2025年和2030年为时间节点分析发现，经过未来5年的发展，截至2025年，较高概率下民族地区多数省区的高等教育毛入学率将接近或超过60%；经过未来10年的发展，截至2030年，较高概率下民族地区多数省区的高等教育毛入学率将接近或超过70%。第一，截至2025年。从预测值看，将有六个省区的毛入学率接近或超过60%，分别是青海68.69%、宁夏66.09%、西藏67.05%、云南66.83%、贵州62.23%、内蒙古58.57%；其余两省区的毛入学率分别是新疆56.28%，广西54.00%。第二，截至2030年。从预测值看，将有六个省区的毛入学率超过或接近70%，分别是云南80.35%，西藏80.32%、青海80.10%、宁夏77.43%、贵州76.04%、内蒙古69.67%；新疆和广西的毛入学率预测值分别为66.91%和66.04%。

表2 我国民族地区高等教育毛入学率预测

2027 73.66 70.96 72.89 72.78 68.17 63.19 60.66 58.96 65.12 65.47 61.32 63.22 60.91 56.16 55.21 53.60 80.73 75.90 82.01 80.61 74.65 69.70 65.85 64.11 2028下限上限75.95 73.24 75.55 75.49 70.95 65.42 62.79 61.37 67.68 67.89 64.36 66.29 63.86 58.42 57.34 56.01 82.64 77.98 84.09 82.84 77.14 71.80 67.94 66.48 2029下限上限下限上限预测值预测区间预测值预测区间预测值预测区间预测值预测区间78.10 75.40 78.03 78.02 73.57 67.58 64.88 63.74 70.13 70.22 67.29 69.21 66.71 60.64 59.45 58.39 84.41 79.93 85.98 84.85 79.46 73.82 69.95 68.77 2030下限上限80.10 77.43 80.32 80.35 76.04 69.67 66.91 66.04 72.47 72.44 70.08 71.99 69.44 62.81 61.51 60.73 86.03 81.75 87.67 86.68 81.60 75.75 71.89 70.97

四、影响民族地区高等教育普及化进程的因素分析

收集有关省份统计数据，以民族八省区平均值作为民族地区整体水平代表对影响民族地区高等教育普及化进程的因素进行分析。高等教育普及化进程受多种因素影响，结合已有研究选取人均教育经费、每百万人口普通高校数、第三产业占比和城镇恩格尔系数作为解释变量，四项指标在一定程度上能够反映政治、经济、文化和社会因素的综合影响。省级恩格尔系数一般按城镇恩格尔系数和农村恩格尔系数分别统计，本研究选取城镇恩格尔系数，恩格尔系数越低代表地区居民收入水平越高。为了对可能影响民族地区高等教育毛入学率的因素进行验证做出如下假设：

假设1：人均教育经费对民族地区高等教育毛入学率具有正向影响，高等教育毛入学率随着人均教育经费的增长而增长；

假设2：每百万人口普通高校数对民族地区高等教育毛入学率具有正向影响，高等教育毛入学率随着每百万人口普通高校数的增长而增长；

假设3：城镇恩格尔系数对民族地区高等教育毛入学率具有负向影响，高等教育毛入学率随着城镇恩格尔系数的降低而增长；

假设4：第三产业占比对民族地区高等教育毛入学率具有正向影响，高等教育毛入学率随着第三产业占比的增长而增长。

研究采集民族八省区2001—2017年人均教育经费、每百万人口普通高校数、第三产业占比和城镇恩格尔系数的省级数据，④并对四项指标分别逐年计算八省区平均值作为解释变量，同时以2001—2017年民族八省区高等教育毛入学率均值作为被解释变量，在SPSS 21.0统计软件中对数据进行时间序列平稳化处理后启动逐步多元线性回归模型进行分析（见表3）。共线性检验结果显示，容忍度系数均大于0.1，方差膨胀系数均小于10，表明解释变量之间不存在多元共线性问题。多元回归分析通过对自变量的逐步比选，最终剔除第三产业占比和城镇恩格尔系数两个自变量确定了最优模型，最优模型的拟合度、显著性和回归系数均在0.001水平上显著。标准化回归方程为：

表3 多元线性回归模型

高等教育毛入学率=0.628×人均教育经费+0.392×每百万人口普通高校数

分析结果显示，假设1和假设2成立，假设3和假设4不成立。在99.8%的概率水平上民族地区人均教育经费和每百万人口普通高校数共同正向影响高等教育毛入学率，即随着人均教育经费和每百万人口普通高校数的增长，民族地区高等教育毛入学率逐渐增长；第三产业占比和城镇恩格尔系数对高等教育毛入学率的影响不显著。这充分表明，民族地区高等教育普及化目前主要受经费投入和教育规模制约。

五、结论与讨论

（一）结论

总体而言，研究贯穿时间、空间和环境三条线索。第一，从时间之维看。首先，1998—2018年民族地区高等教育普及化的发展历程表明，以就业人口受高等教育人数比例和高等教育毛入学率为代表的高等教育规模指数较快增长；其次，对高等教育毛入学率的预测结果显示，民族八省区较大概率于2019—2026年先后进入普及化阶段，截至2030年，多数省区毛入学率将接近或超过70%。第二，从空间之维看。首先，民族地区高等教育普及化水平与全国相比存在小幅差距，与江浙地区相比差距较大；其次，民族地区内存在较为明显的梯队分层现象，西藏、云南、贵州和广西的普及化水平明显偏低，而其余四省区的普及化水平相对较高；最后，发现全国和江浙地区的毛入学率增长相对较为平稳，而民族地区的波动性相对较大。第三，从环境之维看。多元线性回归分析结果显示，人均教育经费和每百万人口普通高校数共同正向影响民族地区高等教育毛入学率的发展变化。总之，三维分析表明：民族地区高等教育普及化水平与全国相比存在小幅差距，与江浙地区差距相对较大；同时，区域内部存在梯队分层现象，而且发展的平稳性不足，进而发现制约民族地区高等教育普及化发展的主要因素是教育经费投入和普通高校数量规模，表明民族地区高等教育仍然处于 “外延式”发展阶段。

（二）讨论

基于研究过程中的疑惑，进一步对数据的量与质问题进行探讨。通过民族地区和江浙地区的对比分析发现，民族地区高等教育规模增长的波动性相对较大，个别省区个别年份甚至存在激增情况。在1998—2018年期间，江苏和浙江高等教育毛入学率的年平均增长量分别为2.4和2.6个百分点，民族八省区的年平均增长量分别在1.5—2.1个百分点之间。进一步考察发现，江苏和浙江的历年增长量均未超过其平均增长量的两倍，而民族地区中宁夏的平均增长量是2.1个百分点，但其2016年的毛入学率相比2015年增长了11.67个百分点，增长量远超过其平均增长量的两倍。那么，这一急剧增长是如何实现的呢？根据高等教育毛入学率的计算公式推断，急剧增长的原因只有两个，或是分子骤增，或是分母骤减，即2016年高校招生人数大幅增长致使在校生人数大幅增长，或者2016年对应的高等教育适龄人口数锐减。首先，宁夏2016年对应的18—22岁适龄人口总数是否大幅减少呢？具体来看，2016年适龄人口对应的出生年份是1998—2001年，统计数据显示1998—2001年宁夏平均人口出生率是17.3‰，而2015年和2014年对应的平均人口出生率分别是17.89‰和18.52‰，[20]与2015年相比，2016年人口出生率呈降低趋势，但其降幅与前一年基本持平。结合1998—2001年社会稳定情况，可以推断2016年宁夏高等教育适龄人口大幅减少的概率较小。排除这一因素，原因只可能是2016年宁夏籍生源对应的高等教育招生人数大幅增长，那么，实际情况如何呢？依据教育部公布的最新统计标准，高等教育在校生总规模=研究生在校生数+普通高等教育本科专科在校生数+成人本专科折合在校生数（成人脱产班在校生数+成人夜大在校生数×0.5+成人函授在校生数×0.5）+网络本专科在校生数×0.5+自学考试毕业人数×1.5+在职攻读学位研究生在学人数+研究生课程进修班在学人数×0.5+军事院校本专科在在校生数。[21]宁夏有关数据显示，2016年占高等教育主体的普通高等教育招生人数和成人高等教育招生人数较前一年均未发生大幅激增。其一，普通高等教育招生情况。与前一年相比，2016年普通高考报名人数增长率为2.09%，高考录取率的增量为2.4个百分点；2015年普通高考报名人数增长率为5.14%，高考录取率的增量为1.1个百分点，结合来看，2016年普通高等教育招生人数较2015年不存在大幅增长的可能。其二，成人高等教育招生情况。与前一年相比，2016年成人高等教育招生人数的增长率为5.40%，2015年的增长率为-18.47%，结合来看，2016年成人高等教育招生人数较2015年大幅减少。⑤因此，据此推断宁夏2016年高等教育规模的大幅增长不是通过以学校教育为主的正规高等教育规模的增长而实现的。

由此引发一系列新的疑问，究竟要普及何种高等教育？是以全日制学校教育为代表的正规高等教育为主还是以其他教育形式为主？目前国民接受远程网络等形式教育的出发点是否基于提高自身能力和素质？教育系统是否能够提供较高质量的远程网络等形式的教育？如何平衡数量与质量？等等。提出高等教育普及化概念的马丁·特罗指出美国关于教育普及化的共识是，人人都应尽量长时间参与正规教育。[22]笔者较为认同这一观点，以学校教育为主的正规高等教育具有不可替代的重要作用，只有普及以学校教育为主的正规高等教育，只有综合考虑政绩与可持续发展的关系、规模增长和质量保障的关系、教育发展与地区经济发展的关系，才能为地区经济社会发展输送更多高等专门人才，才能更好地提高地区人口素质，才能使教育与经济社会发展良性互动。总之，上述讨论表明民族地区个别省区毛入学率数据的质量偏低。

结合上述结论与讨论，建议：第一，加大对民族地区，尤其是西藏、云南、贵州和广西等滞后梯队省区的支持力度，进一步缩小民族地区与其他地区的发展差距；第二，民族地区应保持发展的相对稳定性和可持续性，坚持普及以学校教育为主的正规高等教育，为民族地区经济社会发展培养更多高层次人才；第三，综合考虑制约民族地区高等教育普及化的各类因素，进一步扩大规模，加大经费投入，提高经费使用效益，协调规模与质量，教育与经济社会发展，努力实现兼顾外延与内涵的现代化教育，从而为最终实现内涵式现代化教育奠定坚实基础。最后，需要指出由于民族地区有关数据获取的困难性，高等教育发展的不稳定性，致使对其发展规律的把握颇具挑战性。因此，研究仍然存在一些不足，希望可以引发学界讨论和相关研究的进一步深化。

注释：

①衡量高等教育对人口受教育程度贡献程度的一般指标是 “劳动人口受高等教育人数比例”，但是，由于省级层面国家连续完整公布的相近统计数据是 “就业人口受高等教育人数比例”，因此，本研究采用后者。二者的区别在于公式分母不同，前者分母是16—60岁总人口数，后者分母是16岁以上就业人员。

②就业人口受高等教育人数比例均引自历年《中国劳动统计年鉴》，为了保持数据的可比性，2016—2018年度的高等学校统计口径仍然按2015年及其之前的 “大专+本科+研究生”口径进行计算。

③历年高等教育毛入学率数据综合自全国及相关省区《统计年鉴》《年鉴》《教育年鉴》《教育事业发展统计公报（公告）》《国民经济和社会发展公报》《教育事业发展五年规划》等，对样本区间内个别年份的缺失数据采用统计学“线性插值法”进行了估算。

④普通高校数、城镇恩格尔系数、第三产业占比数据综合自历年《中国教育统计年鉴》以及各省区《统计年鉴》《年鉴》《国民经济和社会发展公报》等，每百万人口普通高校数由普通高校数与对应省区年末常住人口数的比值计算得出；人均教育经费（万）由教育经费投入额与省区常住总人口数的比值计算得出，教育经费数据来自历年《中国教育经费统计年鉴》以及相关省区《教育经费执行情况统计公告》，教育经费投入选取国家财政性教育经费额（亿），并选用中央和地方拨款的总和值。综合考虑各省区数据的公开程度和时间跨度一致性，将样本时间选定为2001—2017年。

⑤有关统计数据综合自《宁夏统计年鉴》、《宁夏年鉴》（2015—2017版）以及宁夏教育厅网站。