高等教育集聚对都市圈经济增长的影响

□文/罗 英 赵聆邑

（上海师范大学 上海）

［提要］面对单一城市的发展瓶颈，我国在2019年正式将都市圈这种一体化发展模式上升至国家战略。本文选取2007～2019年上海大都市圈中9个城市的统计数据进行研究，结果显示：都市圈内上海、苏州、舟山和常州存在高等教育集聚现象；高等教育集聚水平的提升对于经济增长有显著的正向推进作用。为此，提出建议：（1）进一步提升高等教育集聚水平和质量；（2）淡化城市壁垒，加速助推都市圈一体化建设；（3）推进政产学研一体化建设。

上海大都市圈地处长江三角洲地区，其范围根据《长江三角洲区域一体化发展规划纲要》的实施方案划定，该都市圈的总面积约为5.4万平方公里，由9个城市组成，具体划分为：上海；苏州、无锡、常州、南通的4个地处江苏省的城市和嘉兴、宁波、舟山、湖州这4个隶属于浙江省的城市。

一、上海大都市圈经济发展和高等教育集聚现状

（一）上海大都市圈经济发展现状。2019年上海大都市圈生产总值达到10.8万亿元，当年度全国生产总值为98.9万亿元。上海大都市圈虽仅占我国国土面积的0.5%，但其经济贡献却占我国整体生产总值的11%。根据各省市统计年鉴数据显示，都市圈中的9个城市间的生产总值差距显著。作为都市圈中的核心城市——上海的生产总值遥遥领先，为38，155.324亿元，占整个都市圈生产总值的35.3%。舟山是其余8个城市中生产总值最低的城市，为1，371.6亿元。

（二）上海大都市圈高等教育数量和质量分析。从高校的数量上来说，长江三角洲作为高等教育的集聚地，仅上海大都市圈内就有超过150所高校。但是，从高等教育的整体质量而言，除了上海以外，其余城市的水平较弱。继“211工程”和“985工程”后，我国为了能进一步提升中国高等教育的整体实力和国际竞争力，于2017年10月正式提出“双一流”建设。上海大都市圈范围内总共占17所，其中14所都位于上海。根据教育部公示名单进行整理，如表1所示。（表1）

表1 上海大都市圈范围内“双一流”大学建设一览表

（三）上海大都市圈高等教育集聚现状分析。本文从地域层面上研究高校集聚水平对于地区发展的地位和作用，选用区位熵指数作为测度方法，其计算公式如下：

式中，eit表示在t时间中i区域内高校教育在校人数；et表示在t时间内上海大都市圈的总高等教育在校人数；pit表示在t时间内i区域内的总人口数；pt为在t时间内上海大都市圈的总人口数。区位熵可以用来衡量某地区的产业聚集水平，值越大越能表明该行业的产业集聚在数量上的水平之高。当LQit＞1时，我们可以认为该区域存在高等教育集聚效应，并在都市圈中占优势；反之，我们认为该区域的集聚效应较弱，在都市圈中劣势。

本文通过收集3个省市统计年鉴中的数据，采用2007～2019年9个城市的高等教育在校人数和年末常住人口进行计算，根据区位熵公式进行计算，结果如表2所示。（表2）

从表2中数据来看，上海大都市圈9个城市中上海、苏州、舟山和常州存在高等教育集聚现象，在都市圈中占优，但是其中作为核心城市的上海，其区位熵连年走低。数据显示，13年中上海在校人数的稳定增长和常住人口的大幅涌入，增幅更是达到近20%，这使常住人口数的增长幅度远高于在校人数的增幅，从而导致了区位熵的连年走低，但是和其办学质量相互结合，坐拥14所“双一流”高校无疑奠定了其高等教育在整个都市圈的优势。

表2 上海大都市圈各地区高等教育集聚水平一览表

苏州则是在常住人口增幅达21.5%的情况下实现了区位熵的不断攀升，其原因在于吸引国内外优质高校在苏州建设分校区，实现高校间联合发展，如西交利物浦大学、中国人民大学苏州校区以及南京人学苏州校区。在这些外来优质高等教育资源的助推下，苏州的高等教育集聚水平不断向好发展。

在都市圈中区位熵值最高的常州，则是常住人口和在校人数这两个统计数据变化都十分稳定，但在常州范围内16所院校中只有4所是本科院校，虽有很高的集聚水平，但是整体水平不尽如人意。对于其他区位熵低于1的城市，其高等教育没有呈现明显集聚现象，行业处于劣势地位。

二、高等教育集聚对经济增长的影响实证分析

（一）变量选取（表3）

表3 变量选取和描述性分析一览表

1、被解释变量。人均生产总值（pgdp）：国内人均生产总值是经济研究中使用最为频繁的衡量地区经济发展水平的指标。本文选用2007～2019年9个城市的人均生产总值作为被解释变量，其数据来源于各城市统计年鉴。

2、核心解释变量。高等教育集聚（E）：主要研究高等教育集聚水平该指标对于经济增长的影响水平。前文已对各地区的历年高等教育集聚的区位熵进行计算。

3、控制变量。资本投入（K）：通过查阅文献，我们可以发现多数学者选用固定资产投资作为资本投入的分析数据。故而，本文选用各省市2007～2019年统计年鉴中的固定资产投入。劳动力投入（L）：对于劳动力投入的数据，选择使用2007～2019年各省市的全社会从业人员年末数来反映一年时间中该地区的劳动力资源的实际情况。

除了资本和劳动力以外，还有很多因素也会对经济增长影响，为了能准确研究高等教育集聚对经济增长的，本文还选择如下控制变量：

对外开放水平（open）：上海近年来不断坚持进出口贸易并行，建设开放性经济体系。本文对外开放水平的计算方法是计算该地区一年进出口总额与该地区总GDP之比。鉴于多市统计年鉴中进出口贸易总额在2016年以前是以美元作为统计单位，所以以全国统计年鉴中历年人民币对美元年平均汇价为基准进行计算，在得到相应的人民币总金额后，进行对外开放水平的计算。

外商直接投资（FDI）：跨国公司的建设为地区带来了先进的技术，推动区域经济增长，故而选用2007～2019年各城市的实际外商直接投资所占比重作为衡量数据。由于该数据统计单位为亿美元，我们同样经过汇率换算后计算占比。

产业结构（ind）：产业结构一直是用来衡量区域经济整体发展水平的重要指标，全球发达国家的第三产业增长占比在70%～80%的范围。目前，我国经济正处于高质量产业转型期，上海更是致力于打造金融科技高地，加强其在全球范围的影响力，2019年上海市第三产业占比达72.7%。本文选用2007～2019年9个城市的第三产业增长所占GDP的比重来反映第三产业对各地区经济的推动水平。

（二）模型建立。本文选用柯布-道格拉斯生产函数建立理论模型，这是经济学中使用最为广泛的模型，在计量经济学中有着重要地位。一般形式表示如下：

式中，该地区的区域生产总值用Y来表示，劳动要素投入和资本要素投入则分别用L和K表示，A表示技术水平，α和β分别代表劳动要素和资本要素的弹性系数。

两边同时取对数，可得：

根据前文对变量的整理，本文以柯布-道格拉斯生产函数为基础并对其进行扩展，对于前文中的以比例形式归纳的变量，在后续建模中不采用对数模式，最终得到以下模型：

式中，i=1，2，…，9代指上海、宁波、嘉兴、湖州等上海大都市圈中的9个城市，t=1，2，…，12表示2007～2019年的时间段，β1～β6为各个变量的系数，εit为随机扰动项。

（三）回归模型检验

1、多重共线性检验。多重共线性指所选用的解释变量在该计量模型中存在高度相关，其相关性会导致最终回归结果的失真问题。根据公式（4），本文所选择的模型共有6个变量，为了使后期的实证分析更加真实准确，本文采用方差膨胀因子作为检验方式，对以上6个变量相互间是否存在共线性进行验证。经过计算，各变量的结果均小于10，故而我们可以认为6个变量间不存在多重共线性。

2、ADF检验。由于本文选用面板数据，所以除了对于变量多重共线性的检测外，还需要对计量模型中的各个变量进行单位根检验来确认其平稳性，所有变量中只有对外开放水平在5%的水平下未通过检测，故而认为原序列是不平稳的，所以对这些变量同时进行一阶差分，并检测在变量一阶差分下是否平稳，结果可以看出，所有的一阶差分变量在1%的水平下显著，即所有一阶差分均是平稳的。

3、协整检验。协整检验是为了检测各变量间是否存在长期均衡关系。根据单位根检测我们可知，该面板数据的变量均为一阶单整序列，故而本文采用EG两步检测法来检验上海大都市圈各个解释变量与经济增长间是否处于长期均衡状态。结果显示，残差序列是平稳的，故而我们可以认为在上海大都市圈内高等教育区位熵、资本投入、劳动力投入、对外开放水平、FDI、产业结构与人均生产总值存在协整关系，即长期均衡关系。

4、面板数据模型选择。本文使用2007～2019年共计12年的上海大都市圈内的9个城市构建面板数据，进行回归分析。在进行回归分析之前，我们需要首先确定回归模型。常见的处理面板数据的模型有混合回归模型和变截距模型，其中变截距模型包含随机效应和固定效应。

（1）F检验。一般对于混合回归模型和变截距模型的选择，我们采用F检验。根据计算结果可知，P值小于0.05。我们认为在5%的显著水平时，回归模型拒绝原假设，选择变截距模型。

（2）Haus man检验。对变截距模型的两种效应选择中，采用Hausman检验，计算得出P值小于0.05。我们认为在5%的显著水平时，回归模型拒绝原假设，最终结果选择固定效应模型。

（四）回归结果。根据上述两个检验，本文最终选择固定效应模型Rstudio进行回归，回归结果显示：

1、在其他变量不变的情况下，固定资本投资在1%的显著水平下显著，并且对经济增长起到正向作用，资本投资每增加1%，经济增长0.26%。

2、在其他条件相同的情况下，劳动力对该都市圈的经济增长不显著。这是因为对于核心城市上海而言，更需要的是高科技人才，但是另一方面，那些发展略显欠缺的城市却需要劳动力的增长从而带动经济增长。两者相互作用，因此影响不显著。

3、高等教育集聚的区位熵回归系数为0.2915，该结果在5%水平下显著。一般而言，在控制其他变量不变的情况下，高等教育区位熵每提升1%，经济将约会增长0.29%，这表示了高校集聚对我国经济发展具有正向推动作用。高等教育集聚吸引全国各地的人才，人才的集中汇聚可以为各地输送优质的人才，进而达成经济增长的高质量转型。

4、对于对外开放水平，由于该数据在前期的单位根检测中存在不平稳现象，故而在回归检测中采用一阶差分变量d（open）。上海大都市圈的9个城市中，经济总量较高的城市，如上海、宁波近年来随着城市经济的不断发展，其进出口贸易总额所占GDP比重正在不断减少；而对于湖州、舟山等都市圈内发展欠佳的城市而言，对外开放水平正在稳步提升。故而，在上海大都市圈中对外开放水平变化存在正负向相互作用，因此不显著。

5、外商直接投资在0.1%的水平下影响显著，并对经济增长有着负向作用。2018年以来，中美两国之间贸易战愈演愈烈，此外，随着上海大都市圈的整体高质量发展和对FDI的“理性”高质量选择，让不少国外企业纷纷将投资目光转移至了中国一些内陆地区，更有甚者可能将一些基础的手工制造业转移至东南亚等劳动力成本更为廉价的地区。这两大因素的作用下，外商直接投资对于目前的上海大都市圈经济发展才会有负向作用。

6、在0.1%的显著水平下，产业结构呈现显著正向相关。一般来说，第三产业占GDP比重平均每增加1%，经济增长大约3.2%。数据显示，除了上海、舟山、无锡、苏州以外的5个城市的第三产业占比均小于50%，这说明上海大都市圈内的部分城市仍处在第二产业带动的阶段，比如南通。但是，产业结构对经济增长的正向作用也说明了在都市圈内各地第三产业的潜力巨大，更需要注重高质量的产业结构升级。

三、研究结论及政策建议

（一）研究结论。从高等教育集聚水平来看，都市圈内上海、苏州、舟山和常州存在高等教育集聚现象，且都市圈整体呈现出一种较为均衡的集聚状态。从实证分析角度看，高等教育集聚对经济增长有正向推动效果，即高等教育集聚水平的提升，会促进地方经济的增加。此外，产业结构优化会有效带动上海大都市内城市经济的提升；外商直接投资占比的增加则会对经济有负面作用，该现象只是由于中美贸易战所造成的短暂影响。

（二）政策建议。为进一步提升高等教育集聚对经济增长的正向推动能力，本文提出以下政策建议：一是进一步提升高等教育集聚水平和质量。各个城市规划将大学外移至郊区，并有意识地将他们集中在同一区域建设“大学城”，形成空间地理层面上的高校集聚效应。加强高校间的合作交流和竞争并存。在基础的教育设施方面，如教学楼、运动场馆、宿舍等，高校间可以提倡“共享”理念，减少建设和维护成本，从而达到教育资源共享。除了校际的合作建设之外，竞争意识的存在可以有效促进相邻高校间的进步。高等教育集聚水平的提升不应只单单停留在在校学生数字的提升上，同样也要对其教育质量有进一步的提升。以“双一流”高校建设为契机，提升高校办学质量，这样才能更全面地发挥出高等教育集聚作用对地方经济甚至是周边城市的经济增长的正向推动和辐射性。二是淡化城市壁垒，加速助推都市圈一体化建设的发展。结合上海大都市圈的“研发在沪，生产在外”的产业布局，来以此实现公共交通引导和产业引导的“双引导”的新型发展模式。上海大都市圈搭建以铁路交通为主导的“1个半小时通勤圈”，拉近城市间的距离，淡化城市壁垒；在高等教育集聚水平提升的基础上实现高等教育的供给侧改革，避免同一都市圈中产业同质，实现产业间的分工协调和功能互补，有效提升都市圈的整体能力，助推经济整体呈现高质量发展。三是推进政产学研一体化建设。高校内的研究院作为“孵化器”与公司和地方政府达成合作，加速科技创新成果更高效地产业化，而成功的科技公司也会反哺高校的建设发展，政府则出台各类政策来激励高校间、校企间的合作发展，从而形成政产学研的良性循环。