“双一流”建设高校校区的空间分布特征及其影响因素

彭小菊, 金石柱

(延边大学 地理与海洋科学学院,吉林 延吉 133002)

建设高等教育强国是建设中国特色社会主义现代化强国的重要内容和组成部分,发挥着重要的基础性作用。20世纪90年代以来,我国先后通过实施重点建设100所左右高等学校的“211工程”、以建设若干所世界一流大学为目标的“985工程”等重点建设。2015年11月,国务院正式发布《统筹推进世界一流大学和一流学科建设总体方案》,简称“双一流”建设,这是继“211工程”“985工程”之后的又一国家战略。2017年9月,教育部、财政部、国家发展改革委通过印发《关于公布世界一流大学和一流学科建设高校及建设学科名单的通知》,公布了“双一流”建设高校名单,共140所。其中,一流大学建设高校共计42所,一流学科建设高校95所,一流学科共计465个(含自定学科)。2018年8月,3部门印发《关于高等学校加快“双一流”建设的指导意见》的通知,指出以“双一流”建设学科为核心,以优势特色学科为主体[1]。2022年1月,《关于深入推进世界一流大学和一流学科建设的若干意见》明确提出要统筹推进、分类建设一流大学和一流学科[2]。同年,教育部公布了第二轮“双一流”建设高校及学科名单[3],新一轮“双一流”建设正式启动。相较于第一轮“双一流”建设方案,新一轮“双一流”共有建设高校147所,涉及96个教育部一级学科;不再区分一流大学建设高校和一流学科建设高校;新增了7所高校和部分高校中的学科;调整了部分学科;公布警示了部分高校部分学科等。无论是原则、名单还是方案,新一轮“双一流”建设都对中国大学的学科建设与发展提出了更新更高的要求[4]。随着“双一流”建设的推进,高等教育改革发展进入到一个新的发展阶段[5-6]。

“双一流”大学既是我国高校的杰出代表,也是高水平学术成果发表的重要来源,对“双一流”大学的建设关系到我国高等教育发展质量[7-8]。近年来,关于高校空间布局特征的研究持续升温。由于选取的研究区域范围、评价指标及时间跨度不同,所得到的结论也不尽相同[9]。现有关于我国高等教育资源空间分布的研究,既有从区域[10]、城市群[11]、省级[12]、城市[13]、县域[14]不同层面,也有从师生比[15]、专职教师数[16]、高校数[15-16]、在校大学生[13-16]、生均经费[17]、校均学生规模[18]等不同指标来分析我国高等教育资源的空间分布状况。在方法上,主要采用空间基尼系数法[19]、聚类分析法[20]、GIS可视化方法[15]等不同方法对高等教育分布格局进行测度。以往这些研究多从高等教育资源的整体空间配置视角展开,忽略了优质高等资源的校区空间配置,特别是“双一流”建设高校校区空间分布带来的高等教育资源配置差异。“双一流”建设以来,学者们对一流大学和一流学科建设理念[21-22]、实践[23]、评价[24]等方面的探讨颇为集中,对“双一流”背景下我国重点高校区域分布[25]的研究虽有一定数量,但“双一流”建设高校校区空间分布特征方面的研究成果数量较少。在高等教育资源的影响因素[26]方面,学者们主要分析经济与文化[26]、历史与政治[27]、自然地理条件[28]因素对高等教育资源空间分布的影响,而很少考虑“双一流”建设高校校区在地理空间分布的影响因素。

建设世界一流大学和一流学科,是党中央、国务院作出的重大战略决策,对于提升我国教育发展水平、增强国家核心竞争力、奠定长远发展基础等方面具有十分重要的意义。“双一流”建设为我国高等教育事业带来了全新的发展动力和契机,并将在今后相当长的时期内引领着我国高校的发展。“双一流”建设高校校区作为最主要的优质高等教育资源的空间承载地,其空间分布在一定程度上反映了优质高等教育资源的整体配置状况。分析“双一流”建设高校校区的空间分布及其影响因素,以期为未来高校校区的空间合理布设、“双一流”建设高校的一流大学和一流学科的建设策略、其他院校入选下一轮“双一流”建设高校提供参考依据。基于此,该研究拟以两轮入选“双一流”建设高校校区为切入点,采用GIS空间统计分析、多元线性回归分析和地理探测器,分析“双一流”建设高校校区的空间分布特征及影响其经济和社会因素。

1 数据来源与研究方法

1.1 数据来源

该研究对2017年12月教育部官网(http://www.moe.gov.cn/)公布的《“双一流”建设高校名单》和2022年2月《第二轮“双一流”建设高校及建设学科名单》的“双一流”建设高校校区开展研究。“双一流”建设高校校区有关数据主要来源于各“双一流”建设高校官方网站,第一轮的校区数量统计是2017年9月以前已正式建设完成并招生的校区数量,第二轮则是以2022年9月作为时间界限,共收集到2017年9月为止的校区336个,2022年9月为止的校区366个。该研究采用的中国行政区划地图来源于地理国情监测云平台(http://www.dsac.cn/),统计数据来自《2022年中国统计年鉴》,该文的研究数据及范围均不包含港澳台高校的校区。

1.2 研究方法

1.2.1 最近邻指数

最近邻指数(Nearest Neighbor Index,NNI)是用来判断要素在一定区域内是集聚分布还是分散分布的指标[29],NNI表示平均观测距离与预期平均距离之间的比率[30]。根据最近邻指数计算公式[31],R为最邻近指数。当R>1时,表示均匀性分布,当R<1时,表示聚集性分布,当R=1时,表示随机性分布。NNI可用于分析“双一流”建设高校校区的空间集散特征。

1.2.2 核密度估计

核密度估计法(Kernel Density Estimation,KDE)是通过考察研究区域内样本点密度的空间变化来研究样本的分布特征,其结果可以识别并表示样本在研究区域内的集聚与分散情况[32]。KDE常用于可视化点数据的空间分布及变化特征,揭示地理要素在空间上的局部特征,也可反映要素的集聚和扩散程度。该研究主要借助KDE来反映“双一流”建设高校校区的空间密度特征,计算公式如下[33]。

(1)

式中:设定x1,…,xn是从分布密度函数为f的总体中抽取的独立同分布样本,估计f在某点x处的值为fn(x);k()为核函数;h为带宽;x-xi为估计点x到样本xi处的距离。

1.2.3 标准差椭圆

标准差椭圆(Standard Deviation Ellipse,SDE)是一种衡量地理要素分布特征的空间统计技术[34]。SDE包含平均中心、方位角、短轴、长轴等4个要素,平均中心表示地理要素空间分布的相对位置,方位角表示发展的主趋势方向,长轴代表地理要素在主趋势方向上的离散程度,短轴代表地理要素在次要方向上的离散程度。SDE可以从多重角度揭示“双一流”建设高校校区的空间演化过程。

1.2.4 多元线性回归

该研究尝试采用多元线性回归分析法来探讨“双一流”建设高校校区密度与经济和社会因素的数量关系,确定影响校区密度的主导因素,并借助逐步回归分析方法进行共线性诊断,剔除多余因子,构建优化的线性回归模型[35]。

1.2.5 地理探测器

地理探测器[36]是用于探测地理要素的空间异质性以及揭示其背后驱动作用因子的一种新的统计学方法,该研究利用地理探测器提取“双一流”建设高校校区分异的主导因素,并对影响因素进行定量分析,其模型构建如下。

(2)

式中,q代表“双一流”建设高校校区空间格局影响因素的探测力值;n为样本数;k为影响因素的类别;ni、hi2分别为i层样本量及方差。q取值区间为[0,1],q值越大说明探测因子对“双一流”建设高校校区空间格局的影响力度越大,反之则越小。

2 “双一流”建设高校校区空间分布特征

主要从空间集散、密度、演变特征3个方面分析“双一流”建设高校校区空间分布特征。

2.1 空间集散特征

1) 对“双一流”建设高校校区数量进行统计(表1)。从新3大地带[37]来看,东北及东部沿海、中部及近西部、远西部地区的第1批“双一流”建设高校校区数量占比分别为66.37%、29.46%和4.17%,第2批的占比为66.94%、28.96%和4.10%。由此可知,“双一流”建设高校校区在新3大地带的分布差异巨大,我国优质高等教育带间分布不均衡的现象突出。

2) 为更直观地看出“双一流”建设高校校区集散特征,对其进行可视化(图1),可以看出东北及东部沿海地带集中了“双一流”建设高校校区的大多数,空间上表现出东多西少的聚集分布。值得注意的是,经相关研究[37]可知,中部及近西部地带是中国人口数量最多的地区,约占53.1%,但“双一流”建设高校校区数量平均占比只有29.21%,是东北及东部沿海地带占比的4/9,优质高等教育资源的供给不足。

3) 从省级的角度分析同一地带的校区数量分布,例如东北及东部沿海地带的第2批“双一流”建设高校校区,北京(65个)、江苏(43个)、上海(38个)、广东(28个)的数量较多;而黑龙江(4个)、海南(3个)、河北(2个)的数量较少,由此可以看出,“双一流”建设高校校区数量的省际差异非常显著,带内聚集性强。

为进一步分析“双一流”建设高校校区与我国其他不同阶段重点建设高校的集散差异,利用ArcGIS软件对不同阶段的重点建设高校及“双一流”建设高校校区进行平均最邻近指数分析。由表2可知,显著性水平P值为0,均通过显著性水平检验,而且最邻近指数R均小于1,在空间分布上呈现集聚形态。从不同阶段的重点建设高校来看,由“211工程”到第2批“双一流”建设高校,最邻近指数由0.337 8下降至0.290 1,空间集聚程度趋于减弱。究其原因主要是进入新时代以来,我国在高等教育公平方面制定并采取了一系列措施,并取得了一定的成就,特别是针对我国区域高等教育发展不平衡问题,国家制定了有针对性的“倾斜性”政策,逐步扩大重点建设高校的分布范围,各区域间的重点建设高校空间内部差异缩小,从而导致空间集聚程度逐渐减弱。从校区的角度看,第1批到第2批校区的最邻近指数R从0.163 8下降到0.161 1,下降的幅度很小,说明两轮“双一流”建设高校校区的集聚状态差异不大。这是由于新增的“双一流”建设高校只有7所且大部分属于原集聚区内,再加上教育部从严控制高校异地办学,不鼓励、不支持高校开展跨省异地办学,并且按照平稳有序的原则逐步清理规范已有的高校异地校区,所以异地校区数量没有大幅增长。

表2 重点建设高校和校区的数量及最邻近点指数

2.2 空间密度特征

对不同阶段的重点建设高校和“双一流”建设高校校区进行核密度估计(图2)。

图2 重点建设高校及校区的核密度分布

不同阶段的重点建设高校呈现出以下特征:1) 形成多个高密度区和次级核心区;2) 初步形成4大集聚区,分别是以北京为中心的京津集聚区;以江浙沪为核心的长三角集聚区,包括江苏、浙江、上海、安徽;以广东为核心形成的东南沿海集聚区,以四川、重庆为核心形成的西南集聚区;3) 初步分析表明重点建设高校具有沿海分布和沿经济发达地区分布的特征。

从校区角度看“双一流”建设高校,主要分布特征有:1) 形成了5个高密度核心区,其中,长三角集聚区的密度分布范围最大,京津集聚区密度值最高,2个微型核心区出现在两湖地区;2) 两批“双一流”建设高校校区密度差别不大,主要是密度值由0.001 237 1下降至0.001 248 39,新一轮“双一流”建设高校校区的集聚程度下降,与最邻近指数分析结果一致。

2.3 空间演变特征

为展示不同阶段重点建设高校和“双一流”建设高校校区的空间演变特征,对其进行标准差椭圆分析。其中,一流学科是一流大学的基础,也是一流大学建设的重要内容[38-39],由此以高校的一流学科数量作为校区标准椭圆差计算的权重。

由图3和4可以看出,不同阶段重点建设高校的标准差椭圆均以各高校或校区的中心为中心,位于安徽省和河南省之间,整体上呈现出东北—西南的空间分布态势。各高校和校区的标准差椭圆总体上变化幅度不大,基本位于东北及东部沿海和中部及近西部2大地带的长江中下游和黄河中下游平原地区。标准差椭圆的各参数计算结果如表3所示。从生成椭圆的面积来看,211工程高校的分布范围最广。从方位角的变化范围来看,由211工程高校的21.13°缩小到第2批“双一流”建设高校的14.45°,表明总体上重点建设高校的空间分布呈现出东北—西南格局,并且这种格局有向正东—正西方向转变的趋势。标准差椭圆的长轴反映高校或校区空间分布的范围,椭圆内部的区域是重点高校或“双一流”校区分布的主体区域。从标准差椭圆分布形状变化分析,重点建设高校的空间分布标准差椭圆长轴和短轴总体上是减少的。具体来看,长轴的标准差处于先减后增再增,短轴的标准差则呈现为先减后增再减的态势,表明重点建设高校空间分布在东北—西南方向呈现先收缩后扩张再扩张的趋势,在西北—东南方向呈现先收缩后扩张再收缩的趋势。从校区角度来看,“双一流”建设高校和“双一流”建设高校校区长短轴差值下降幅度很大,说明校区的数量增加可以降低集聚程度。

图3 重点建设高校的标准椭圆差变动

图4 “双一流”建设高校校区的标准差椭圆变动

表3 重点建设高校及“双一流”建设高校校区的标准差椭圆参数

通过加权标准差椭圆方法计算“双一流”建设高校校区的分布椭圆(表3),其中,第1批和第2批校区加权椭圆中心分别在安徽省淮北市和毫州市,出现了较大幅度的移动。一流学科加权后的“双一流”建设高校校区的分布范围变小,说明一流学科集中于某些“双一流”建设高校校区。校区分布总体也是表现为东北-西南的空间分布态势,加权后的长短轴差值上升幅度很大,说明一流学科的数量对“双一流”建设高校分布起到关键作用。对平均中心的移动情况(图5)进行细致的分析发现,一流学科数量比校区数量更能拉动平均中心的变动,加权后的平均中心向东南移动,说明一流学科数量在东南方向较多。这证明了一流学科是一流大学的基础,也是一流大学建设的重要内容,其数量建设应引起重视。

图5 平均中心变动情况

3 “双一流”建设高校校区空间分异的主要影响因素

3.1 变量选取

选取人口数、人口密度、城镇化率作为社会影响因素,选取GDP、人均GDP、第三产业占GDP的比重作为经济影响因素(表4),分析其对“双一流”建设高校校区空间分布的影响。其中,人口数、人口密度反映人口情况,城镇化率反映社会发展程度,GDP、人均GDP反映经济水平[40],第三产业占GDP的比重反映产业结构[41]。其中,计算第1批和第2批“双一流”建设高校校区时,分别选取2012—2016年统计数据的平均值、2017—2021年统计数据的平均值进行统计分析。为避免行政区划面积的影响,用校区密度表征校区数量将更为合理。

表4 “双一流”建设高校校区密度分异的影响因素

3.2 多元线性回归结果分析

多元线性回归分析结果如表5所示。

表5 “双一流”建设高校校区多元线性回归结果

由表5可知,“双一流”建设高校校区的回归方程显著,第1批与第2批的F与P分别为F=8.532,8.015,P=0.006,0.041<0.05。第1批和第2批非标准化回归方程分别为:Y1=-21.492+1.166X2+0.467X6,y1=-31.471+1.047x2+0.611x6;标准化的回归方程分别为:Y2=0.549X2+0.596X6,y2=0.485x2+0.517x6。其中,人口密度变大、第三产业占GDP的比重提高显著正向预测“双一流”建设高校校区密度。这是由于社会发展对高等教育所培养人才的需求和人民群众对接受高等教育需求,还有第三产业能够吸纳各种高素质的“双一流”建设高校毕业生就业。正如国内学者[41]所证明的那样高等教育规模与第三产业关系密切,一般情况下高等教育规模与第三产业呈现正相关关系,而与第一、二产业关系并不是很大。也就是说受过高等教育大学生的就业去向往往是第三产业,由此影响到“双一流”建设高校校区密度。年末人口数、GDP、人均GDP和城镇化率回归结果不显著,不能预测“双一流”建设高校校区密度。这些变量分别解释第1批和第2批“双一流”建设高校校区密度60.10%和58.40%的变异。因此,最终确定“双一流”建设高校校区密度空间分异的主导驱动因子主要为人口密度和第三产业占GDP的比重。

3.3 地理探测器结果分析

借助地理探测器分别对2批“双一流”建设高校校区密度的分异特征进行因子探测、生态探测和交互探测分析,以期全面揭示“双一流”建设高校校区的影响因素。利用自然间断点法[42]对年末人口数、人口密度、GDP等要素划分为5类,对自变量进行分层;采用地理探测器得出各影响因素对“双一流”建设高校校区密度分布的解释力q值及其显著性水平P值(表6)。

表6 分异及因子探测结果

分异及因子探测结果发现,在置信度0.1水平下,人口密度因子对于2批“双一流”建设高校校区密度均有显著影响,人均GDP和第三产业占GDP比重对第2批建设高校校区密度有显著影响。人口密度对“双一流”建设高校校区密度的空间分异解释力大,人均GDP和第三产业占GDP比重对第2批建设高校校区密度空间分异的解释力为0.469和0.466。

生态探测着重比较每2个自变量对因变量空间分布的影响是否有显著的差异。结果(表7)表明,口密度分别与年末人口数、GDP的交互作用对两批“双一流”建设高校校区密度的空间分异有显著影响。第三产业占GDP的比重与年末人口数、GDP的交互作用对第2批“双一流”建设高校校区密度分异有显著影响。

表7 生态探测结果

交互探测是分析影响因素对“双一流”建设高校校区的影响是否存在交互作用。交互作用探测结果(表8)显示,部分不同因素交互作用对“双一流”建设高校校区分布的影响力均大于单独作用的影响力,各影响因素间的交互作用类型有非线性增强型和双因子增强型2种。第1批“双一流”建设高校校区大多数因子交互后均为非线性加强。说明不同影响因素之间交互后的因子解释力为非线性增强的组合,因子解释力更加显著。第2批“双一流”建设高校校区大多数因素交互后主要呈现双因子加强,说明第2批“双一流”建设高校校区分布主要是多数影响因素综合作用的结果,这也可从第2批“双一流”建设高校校区各影响因素的解释力差别不大得到印证。年末人口数与其他因素,如人口密度、GDP、城镇化率等因素交互之后的因子解释力,显著大于单个因子解释力。

表8 交互探测结果

4 讨论与结论

该研究以教育部公布的2批“双一流”建设高校校区为研究对象,借助GIS空间统计和分析工具,综合运用地理探测器工具和多元线性回归分析,探析两批“双一流”建设高校校区的空间分布特征及其影响因素研究结论如下。

1) “双一流”建设高校校区空间分布极不均衡,呈集聚分布特征。在新3大地带的分布上,东北及东部沿海地带集中了“双一流”建设高校校区的大多数,空间上表现出东多西少的聚集分布;在省级分布上,主要分布在北京市、江苏省和上海市,而河北、江西和广西等校区数量较少。

2) “双一流”建设高校校区形成了5个高密度核心区,其中,长三角集聚区的分布范围最大,京津地区密度最大。2个微型核心区出现在湖南和湖北。

3) “双一流”建设高校校区分布总体表现为“东北—西南”的空间分布态势,加权标准椭圆差结果说明,一流学科的数量对“双一流”建设高校分布影响起到关键作用。

4) 从社会因素层面来看,人口密度高的区域往往成为“双一流”建设高校校区分布密集的地区;从经济因素层面来看,“双一流”建设高校校区空间布局与地区的第三产业占GDP的比重密切相关。

总的来说,多元线性回归和地理探测器的结果均显示人口密度对“双一流”建设高校校区空间分异具有显著影响,第三产业占GDP的比重是新一轮“双一流”建设高校校区空间分异的重要影响因素。

该文在研究视角与研究内容上有所创新,但造成我国“双一流”建设高校建设校区分布不均衡的原因是多元复杂的,不仅与经济和社会因素有关,还受政策、历史和区位因素的制约。在分析“双一流”建设高校校区空间分布特征的影响因素时,受数据可获取性的制约,“双一流”建设高校校区分布影响因素的全面性有待进一步加强;在当前知识经济的背景下,合理布局“双一流”建设高校校区,以“双一流”建设高校校区建设推动产业转型和经济发展也是目前亟待解决的问题。显然,考虑上述因素,对“双一流”建设高校校区空间分布特征研究将会更加科学严谨,这也将是今后研究亟待加强的方面。