省域视野下高等教育增长布局的空间探讨

张会锋，王 露

(1.河南工程学院， 河南 郑州 451191; 2.武汉大学 经济与管理学院， 湖北 武汉 430072； 3.中国农业发展银行 平顶山分行，河南 平顶山 467000)

高等教育是强国基石。至2020年6月底，我国共有各类高校3005所，和2009年时的2305所相比增长显著，但与美国相比仍有一定差距，截至2018年，美国高校总数达6502所[1]，远高于我国，若考虑两国人口总量，差距会更大。当然，为适应庞大人口基数形成的高等教育需求和教育大众化的国家战略，我国高校的总录取率和人数实现了更快增长，在校生总数是反超美国的。在校生数量增量不能为高校数量增量充分消化，导致我国众多高校单体规模持续攀升，巨无霸型大学不断涌现。问题随之而来，如高生师比。有研究比较了中美大学的生师比，美国最佳前50高校生师比的平均值、中位数分别为10.8和10，我国985高校相应值则为17.1和17.4[2],差距明显。此外，学校管理、校园校舍等也都决定了高校单体规模不可能无限扩大。由于宏观经济的双循环变局对我国高等教育发展提出了质和量的双重迫切要求，所以未来相当长时期内新设高校或现有高校分校区将继续增长。

高等教育需要所在地的各种支持，又能在多个方面反哺后者。设立普通高等学校，决定其具体空间安排的主体为省级人民政府。从省域空间看，如何布局高校才能实现高校质与量的共同增长、实现高校与地方的良性互动？

一个不争的事实是几乎各省会城市均集聚了众多高校，无论数量还是质量都普遍高于一般地级城市。此现象由来已久，有学者[3]在2005年的研究就显示：我国省会城市在校大学生数的全国占比远高于其GDP和人口的全国占比，普通地级城市正相反，而美国特区、州府、郡等各类城市高校在校生比例与其人口、GDP的比例基本一致。薛颖慧等[4]利用地理信息系统进行分析，得到类似结论。伍红军等[5]及刘佳[6]的研究进一步指出，省会高校集聚现象发生在各个层面，无论是普通本科、专科院校还是高职院校，无论是公办院校还是民办院校皆是如此。这种上行的集中趋势近年来仍在延续，比如位于晋中的山西农业大学将注册地改为省会太原，位于开封的河南大学启用郑州校区等。因为作为地方政治、经济中心的省会城市建成区不断外延，整体资源优势突出，而且这种省级行政区内的集聚或不均衡现象并不被作为个体的社会公众所关注，再加上我国高等教育入学的命题、录取等制度依省而定，省内各地之间不存在不公平性，以至于坊间甚至呼吁地级市高校应在省会设立分校，或者迁至省会，以促进发展[7-8]。但是，省会及中心城市的绝对空间毕竟有限，当前许多高校转而重寻20世纪80年代异地办学的思路，而且是下沉式的，即往县级基层行政区域扩张。比如武汉商贸职业学院在黄冈的红安县设立了校区，武昌首义学院在咸宁的嘉鱼县设立了校区。

对于省会高校集聚现象，学界多持批判观点，认为这会导致城市发展机会不均、政治中心拥堵、教育资源浪费、办学定位趋同等。有人认为，要控制省会城市高校增量，积极推进地级城市高校建设[9]。有人认为，重点应放在尚无高等院校或高等教育薄弱的中小城市，尤其是西部地区，体现出对弱势经济地区的扶持和拉动作用，而不是对政治中心或经济中心的依附[10]。有人认为，可以从自然环境和文化氛围出发，在一些文化名城、风景优美地区甚至乡村创办新的大学[5]。与之对应的是，国家教育主管部门对高校的异地办学持审慎态度，如：2018年教育部在全国政协的提案答复中表示，对高校异地办学一直持不鼓励、不支持的基本政策；2020年教育部在全国人大的建议答复中继续指出，异地办学会稀释高校原有优质教育资源品牌，导致学校规范管理的递减效应，难以形成与本校一体化的育人氛围[11]。

显然，关于上行和下沉，在现实、理论、政策三方面都存在矛盾，问题的关键在于集聚性。因为上行几乎总意味着集聚性的提高，而下沉可以是远距离异地下沉式办学——这通常会降低集聚性，也可以围绕着合理区域形成新的集聚，因而有必要从价值无涉的实证角度考察集聚性对高校本身的影响。目前而言，这一研究取向是缺失的，相关研究大多将集聚和不均衡、不公平联系起来，并持较强的规范性、情感性立场，统计意义上的实证分析尚且缺乏。本研究将致力于这种考察，以期为新设高校布局、高校分校区布设等问题提供借鉴。

一、研究思路和假设

第一，省际高等教育规模或数量上的不均衡正在或已经得到扭转。早在2005年，潘璐璐等[12]就利用GINⅠ模型比较了我国高等教育的东西部差异，发现在高考扩招后，不均衡的程度已经改善。赵宏斌等[3]利用2004年数据对中美高校空间分布做了比较研究，本研究依2019年数据重新计算并整合于表1。如表1所示：2004年，我国各省份人口、GDP与其高校在校生总数、本专科生数的相关系数虽略低于美国，但已经表现出了较高的正相关性，即人口越多、经济越发达，在校生就越多，至2019年，则基本追上了美国(因美国各相关性已经很高，提升空间不大，故不再计算其最新数据)。通过国家高等教育政策的持续调整和倾斜，我国高等教育省际数量上的均衡性已大大提高。

表1 中美各省域(州)人口、GDP与其高校各类在校生数的相关系数

第二，省际高等教育质量或发达水平的不均衡性依然存在并且多样化。在校研究生数一定程度上代表了高等教育的发达程度。由表1可知，2019年各省份在校研究生数与人口、GDP的相关系数同2004年相比并无明显提高，其中与人口依然是不相关的，均衡性明显落后于美国。进一步的计算也显示，我国各省份在校研究生数的离散性要大于在校本专科生数的离散性(以2019年计，离散系数分别为0.91和0.61，表1未列示)，因而我国经济发达程度和人口数从东部到中西部的递减特征并未于在校研究生数上得到相应的一致体现，表明省际高等教育发达程度和传统特定地理区位间的关系并不密切，例如：除京、沪及苏、粤等东部强省高校持续领先之外，湖南、湖北、陕西、四川、重庆等一些中西部省份高等教育发展势头同样强劲；相反，另一些东部省份如海南、河北等却相对平缓。当然，换个视角看，这种不均衡性反而可能是正面的，恰恰表明经济和人口弱势地区可以借助某种安排提升高等教育水平，也意味着仅用省份经济发达水平、人口总量来解释其高等教育发达程度是不够的。现有研究主要关注高等教育数量或规模上的不均衡，并将之归因于集聚性，忽视了考察集聚性和高等教育质量或水平间的关系，也忽视了民众更关注省际高等教育水平的不均衡而不是省际间或省内地区间高等教育规模的不均衡这一事实。

综上，本研究引入高校集聚性这一因素，探讨其对省份高等教育发达水平的影响。根据产业集聚理论，产业组织在地理空间上的靠拢可带来诸多益处，比如外部和内部规模经济性、投入品和劳动力的共享、知识和技术的溢出、专门化技能的集中等，因而产业集聚成为国家和地区提高产业竞争力的重要手段。迄今为止，关于我国高校集聚性的研究多为描述性、概念性的，缺乏专门定量考察，并多在国家宏观经济、地理区域划分带层面讨论，省域层面少有研究，个别研究者如陈慧青[13]对部分省份高校集聚性做了粗略的描述性统计，大体特征为省会城市高校数量占本省高校的比例在东部地区较小，在中部或西部地区较高，因为未做严格数据分析，结果并不明确，所以本研究提出H1。

H1：省份高校集聚程度越高，其高等教育就越发达。

不同于一般产业，高校群落内相互间并无上下游供应、配套关系，而外包、转包、交易成本降低及明显的规模收益递增和范围经济同样不太适于讨论作为非营利性组织的高校的集聚性，容易观察到的效应可能为高校之间的相互学习、交流与合作，这种学习与合作可发生在教学、科研、管理模式等各个层面。典型如武汉市，包括武汉大学、华中科技大学在内的七所高校建立了密切的联盟关系，在多个层面展开合作。比如教学层面，各校本科生可跨校选修课程，修满学分后可获得对方学校的学位证。当然，合作并不一定局限于同城高校，尽管空间距离有所限制，但省内异地高校间的合作也一样存在，所以本研究提出H2。

H2：省内高校间合作越密切，其高等教育就越发达。

属地的经济发达水平无疑对高等教育有重要影响。长期以来，属地生源一直在各高校生源构成中占据最大比重。常识来看，高校的发展水平可能受本省人口总量的影响，所以本研究提出H3。

“互联网+”是李克强总理在中国互联网第三个十年的开局之年首次提出的行动计划，是指在经济 、社会生活等各方面使用以互联网为主的一套信息技术的过程，其中包括移动互联网 、云计算 、大数据技术等[2]。“互联网+”时代的到来为信息的获得提供了更为便捷的途径，使各行各业都呈现出了新的变化。教育与互联网的碰撞，推动了互联网的校园化，为教育的发展提供了新的思路，同时，也为少数民族基础数学教育的发展提供了新平台。

H3：省份经济和人口总量越大，其高等教育就越发达。

作为一种非营利性为主导的特殊组织，高校本身在运营、管理等很多方面有别于一般工商产业组织，再加上我国高校主体为国有公办，其管理、资金、人事、招生等受政府管控，并非市场化的。因此，除高校间明显的合作外，空间上的集聚效应可能更多是隐性的、微妙的，也是难以观察和量化的。为考察集聚性的调节效应，本研究提出H4。

H4：省份高校集聚性对省份经济总量、人口总量、高校间合作等因素与省份高等教育水平间的关系存在调节作用。

二、变量定义和数据收集

(一)省份高等教育发达水平

高等教育承担很多社会功能，很难像商业组织那样通过营业收入、利润等财务指标来衡量或比较，而且由于学科、专业、位置等硬性差异，以及历史沿革、社会声誉等软性区别，学校与学校之间的比较本身就很困难，再将各省份所辖高校合并为一个抽象整体进行省际比较就更为困难。因此，本研究摒弃了计量、加总高校各种指标的直接测量方式，转而引用国内高校排名中的数据。具体衡量方法为全国高校排名中位数以上的学校中，以各省份拥有的学校数量作为其高等教育发达水平的赋值。尽管高校排名经常引发争议，并不为官方所倡导，但高校排名又的确在学生择校、就业等方面发挥重要作用，甚至一些公务员岗位都会对应聘者毕业院校的排名做出要求，可见排名的存在自有其原因。另外，虽然各种排名的计量指标、权重、算法各有侧重，但大体都覆盖了高校的教学、科研、就业、社会声誉等方面。至于哪种更合理、更权威虽无定论，对所有高校也无法做到公平，但从省际视域来看则相对公平，因为各省份高校类型相对均衡，几乎各省份都设置了综合、理工、财经、师范、农林等各种类型。而且，尽管一个高校在不同排行榜中的位次可能不同，但大抵接近，况且高校具体名次对本研究的计量来说并不重要，因为本研究只统计各省份占据排名中位数以上的高校数量，即使多数高校在不同榜单中名次会有变动，但只要变动幅度不大就不会对本研究造成大的影响。本研究随机选取中国科学评价研究中心、武汉大学中国教育质量评价中心等联合发布的2019本科高校800强排名(以下简称RCCSE排名)，对前400名高校依省份进行筛选，作为各省份高等教育发达水平的赋值，变量命名为Ranks。为验证研究的稳健性，本研究还使用上海交大(软科)发布的“2020软科中国大学排名”中的前400名数据对Ranks赋值，作为比对研究。

(二)省份高校集聚性

相比较地区产业规模总量，集聚效应更依赖于产业组织间的各种交互性，因而主要和集聚的产业组织数量及其多样性有关，即使组织规模(人数或产值等)很大，但若仅有很少的这类组织在空间上接近，也很难产生显著的集聚效应。本研究舍弃了使用在校生数或教师数测算集聚性的方式，因为高校规模的差异会掩盖高校数量上的集聚，也就放弃了利用这类规模数据计算类似区位熵或空间基尼系数等的测量方法。由于我国各省份高校都有明确的省会政治中心集聚性，这种具体的、局部的集聚特征使用产业集中度指标描述更为适合，但出于同样原因，本研究不考虑在校生数、教师数等规模因素，只计算高校数量，即各省会城市拥有的高校数量占全省高校总量的比例。另外，许多省份在省会城市之外还存在第二个明显的高校集聚地，这些地方可能是计划单列市，可能是省内经济强市或人口大市，也可能是正着力打造的省内副中心城市等。为反映这种现象，本研究将各省份拥有高校数据第二的城市纳入统计，将省会与其共同拥有的高校数量比重作为该省份高校集聚性的度量，以Cr2命名。具体数据采集于教育部阳光高考平台的院校库。

(三)高校合作

本研究从整个省域视野来看待高校间合作，而不限于同城，遵循实质重于形式的原则，从以下方面收集各省份高等教育的网络公开信息：比较正式的省内高校间联盟关系，或者即使没有相对正式的联盟关系，但存在比如师资互访互聘、科研团队共建、教学资源共享、课程互修、学分互认等现象，然后手工整理这些信息并综合评估各省份内部高校间的合作情况，按合作程度由低至高进行5级赋值，即最低值为1，最高值为5，变量记为UC(University Cooperation，UC)。

(四)省份经济总量和人口总量

发展教育需要长期持续积累，经济投入有很大滞后性，测算当下经济总量的效应并不合理，所以本研究收集了各省份过去10年的GDP数据，以其平均值作为各省份经济总量的取值，对人口总量也做同样处理。变量分别记作GDPav和Popav。

三、实证分析

(一)描述统计

表2描述了除港澳台外31个省份全部5个变量的取值情况。对于取极值的行政区予以标注，比如西藏和海南各仅有1所高校进入排名前400，河北省高校集中度最低，为0.52。需要指出的是，4个直辖市比较特殊，其所辖各区位于同一城市，不同于其他省辖地级市，所以作为1个城市对待，集中度按1计。此外，青海、海南两省集中度也为1。

表2 变量取值描述性统计

注：N为各省份的高校总数

(二)分析模型

省份高等教育发达水平即因变量Ranks为非负离散型计数变量，采用泊松回归方法进行分析，由于各省份高校总数存在较大差异，为控制这种影响，以各省份的高校总数N作为暴露期间(观察基数)，基本模型为

表2显示，因变量Ranks的方差为9.452=89.3025，约是其均值12.94的7倍，数据存在过度离散的风险，负二项回归也许更合适。下面在仅考虑主效应情况下，分别用泊松回归和负二项回归进行分析，以择优建模，结果见表3。

表3 泊松回归模型和负二项回归模型比较

由表3可知，两种回归的系数及显著性基本一致。泊松回归的偏差残差/自由度和Pearson卡方值/自由度分别为1.3和1.28，略大于1，表明过度离散性虽然存在但不严重，而且模型两个拟合度检验的p值分别为0.1511和0.1655，均大于0.05，表明泊松回归模型拟合良好，并基本饱和。负二项回归Alpha检验的p值为0.177，大于0.05，说明过度离散性不明显，负二项回归并不合适。此外，泊松回归模型的伪R2系数高于负二项回归模型，而AIC和BIC两种信息准则值均低于负二项回归模型。综合来看，泊松回归模型更优。

(三)数据分析

由于要考察高校集聚性Cr2的调节效应，对全部4个自变量Cr2、UC、GDPav、Popav均做中心化处理(变量未更名)，然后分层回归，结果如表4所示。

表4 因变量基于RCCSE排名的泊松回归

高校合作变量UC在模型1和模型2中均不显著，而且模型2中UC和集中度Cr2的交互作用也不显著，为保持模型的简洁性，将变量UC删去。由于集中度Cr2和人口Popav的交互作用在模型4中不显著，而且模型3的BIC的信息准则值小于模型4，因而模型3为最优结果。高校集聚性和经济总量的交互作用Cr2*GDPav显著，意味着省份高校越集中，经济投入对高校发展水平的贡献就越大。3个主效应中，高校集聚性Cr2的影响最重要，控制其他变量，Cr2每增加10%，GDPav取平均值14298.7亿元时，因变量Ranks(即拥有排名前400的高校数)可增加e2.09227×0.1+0.00011×0.1GDPav-1=44%,GDP每增加1000亿元，Cr2取平均值0.75时，Ranks增加e0.0000414×1000+0.00011×1000Cr2-1=13%。相比之下，人口总量的影响较弱，省份人口数每增加100万，Ranks平均减少1-e0.0001×100=1%。

本研究最重要的H1被证实，H3和H4部分被证实，其中人口总量的作用方向与假设相反，但影响很小，同表1中各省份人口数与在校研究生数的低相关性相呼应，实际意义不大。H2未被证实，高校合作变量被排除，原因可能是多方面的。首先，UC在本研究中为手工整理并评价的主观变量，本身存在信息可获得性和主观偏见等问题；其次，高校间的合作是多种多样的，并不限于本研究列示的类型，比如教育部在2001年启动的“对口支援西部地区高等学校计划”至今仍在实施，影响很大；最后，还有很多自主合作是跨省的。这些都会对高校发展产生影响，但本研究着眼于省内高校间的合作，故并未考虑在内。更重要的是，使用1到5的评分机制对一个省级行政区高校的整体合作性进行测评可能过于简单武断。因此，高校合作变量UC没有通过本研究验证可能主要是因为该变量定义和测量本身的缺陷，并不能否定高校合作的价值。所幸的是其他变量均为客观变量，模型整体分析并不受此影响(保留UC变量情况下，模型3和模型4基本不变，表4未列示)。

(四)稳健性分析

为验证本研究的可靠性，本研究利用上海交大(软科)发布的“2020软科中国大学排名”对Ranks重新赋值，并执行上述分析。结果见表5。

表5 因变量基于软科排名的泊松回归

由表5可知，高校合作变量UC及其与Cr2的交互作用皆不显著，并且在模型2中对Cr2产生了严重的干扰，所以将UC删去。模型4与模型3相比，伪R2更高，而信息准则值更小。因此，模型4为最优模型，Cr2与人口总量Popav的交互作用变得显著了，人口越少的省份，高校集聚性对其高校发达水平的促进作用越大，省份人口总量每少100万，Cr2取平均值0.75时，因变量Ranks可增加e=-0.00014×(-100)-0.00046×(-100)Cr2-1=4.96%，Cr2每增加10%，GDPav和Popav各取平均值时，Ranks可增加e=1.42218×0.1+0.00021×0.1GDPav-0.00046×0.1Popav-1=27.8%，而GDP每增加1000亿元，Cr2取平均值 0.75 时，Ranks可增加e=0.00006×1000+0.00021×1000Cr2-1=23.3%。总体来看，表5和表4的结果基本一致，由于RCCSE排名和“2020软科中国大学排名”算法存在差异，所以许多省份的Ranks有不小变化，比如江苏(28→33)、广东(16→21)、黑龙江(14→10)、贵州(6→3)、安徽(10→14)，验证了本研究的稳健性。

四、高校集聚性的国外考察

欧洲的一些大学位于小城镇，如英国的牛津、剑桥，德国的哥廷根、弗莱堡、明斯特，美、法、日等教育发达国家也均有此现象。这或许代表了去都市化的一种趋势，却并非平均主义的均质分散或随机疏离，“一校一镇”并不等同于“一镇一校”或“每镇一校”。事实上，只有少数小城镇能够拥有大学，做到校镇合一。这些小城镇往往地理位置优越，通常是大都市的卫星城，比如牛津和剑桥。法国的许多大学离开巴黎核心城区迁往或新建于近郊小城镇，大多在20公里范围内。日本的筑波大学位于茨城县的小城土浦市，距东京60公里，仍在东京都市圈内。所以，从空间上看，发达国家高等教育的小城镇化布局依然是集聚式的——集聚在一些地理位置上靠拢的、特殊的小城镇中。美国大学的小城镇化集聚现象最具代表性，在位于马萨诸塞州波士顿市的小城坎布里奇及其周边，云集了哈佛大学、麻省理工学院、波士顿大学、东北大学等多所名校，而纽约的曼哈顿岛同样拥有哥伦比亚大学、纽约大学等很多高校。值得注意的是，根据阎光才[14]的研究，美国各主要城市的市政厅几乎无一例外地处于高校群落地带，政治中心集聚性非常显著。总之，无论是在大都市市区还是在特殊的小城镇，发达国家的高校布局基本是追求集聚的，高校新设或现有高校的扩展，大多依托既有群落，尽量毗邻而建。比如剑桥大学发展出了30多个学院，虽然这些学院相互独立，但皆位于剑桥镇；哈佛大学几经扩建，但从未远离坎布里奇；东京大学有3个校区，最远位于千叶的柏校区离东京校本部仅约20公里。

五、结论

比拼排名绝不应是大学的目标，办出特色、服务国家和社会才是根本。本研究证实了高校集聚性对其发展水平的积极作用：对省级行政区而言，增加高校的集中度和集聚性有利于提高本省高等教育水平，并能正向调节经济投入对高等教育的影响。双循环和内循环的宏观新主题将推动我国高等教育规模继续增长，而由于省会和直辖市等大型城市无法提供足够空间，向地级城市甚至城镇布设高校成为必然，但这并不等于应该进行名额或指标式的平均分配，仍需考虑集聚性，上行还是下沉不是重点，并无对错之分，省域视野下，合理布局的关键应是优选一些位置恰当的地理区域，从过去的省会城市单点集聚向多点集聚演进，从而在获取空间效用的同时不至于损失集聚效用。