高等教育资源发展及对高技术产业的驱动效应分异研究*——以成渝地区双城经济圈为例

胡进超，刘 睿

（1.重庆师范大学地理与旅游学院，重庆 401331；2.地理信息系统应用研究重庆市高校重点实验室，重庆 401331）

1 研究背景

创新是引领发展的第一动力[1]。当前我国经济已转向高质量发展的新阶段[2]，经济增长模式向创新驱动转变[3]，高校作为重要的创新主体[4]，已成为转变经济增长方式、推动区域经济高质量发展的新动力[5-6]，同时技术知识密集的高技术产业，业已成为中国经济发展的重要引擎、新的增长动力点和增长极[7-9]。创新是高技术产业发展的动力[10]，高校作为我国科技创新的新动能和区域发展的新地标[11-12]，通过发挥其教育功能优化人才结构[13]，科学研究功能为创新活动提供科技支撑，以及社会服务功能推动科技成果转化[14]、激发创新动力[15]，为高技术产业提供人才保障并推动科技进步，对高技术产业具有极其显著的驱动效应。当前我国正处于科技创新驱动的上升关键期，准确把握高校高等教育资源现状及对高技术产业的驱动逻辑，对优化区域高等教育资源空间配置、推动高技术产业发展、增强我国在国际中的竞争力与话语权具有重要意义。

高校是承载高等教育资源的重要主体[16]，明晰高校高等教育资源的客观现状，是梳理创新内在驱动逻辑的基础。当前面向高等教育资源空间分布的研究主要集中于高等教育资源水平以及配置等方面。有效评价高等教育资源是探究其空间分布的前提，运用单一指标或构建综合评价指标体系是学者表征高等教育资源的主要手段，如采用高校在校生数、专任教师数的单一指标[15]，或高等教育资源条件性、主体性和发展性资源3 个维度的多项细化指标[17]对其进行评价。研究认为，省域层面高等教育资源水平[18-20]及配置[21-23]的空间分布等方面呈不均衡态势，也有研究结果表明区域间高等教育资源配置效率不存在显著差异[24]；地级市层面高等教育资源水平空间格局呈多中心分布结构[12，25]，高等教育资源呈现出分化趋势[14]等。而对于高等教育资源对高技术产业的驱动研究，主要集中在高校人力资源和科技资源方面。研究表明二者对高技术产业的集聚[26]、创新[27-29]以及综合发展[30-32]等具有正向驱动作用。已有研究对深入认识与理解高校教育资源及其空间分布与驱动效应分异具有重要意义，但也存在部分不足。现行高等教育资源空间分布及驱动研究多着眼于全国及东中西区域等大范围，省域、城市群和地级市尺度，在高技术产业空间布局更加专业化与区域化的背景下，原有的大尺度研究结论存在适用性偏差问题。同时，鲜有研究探讨了优质高等教育资源的空间分布特征，且表征指标较为单一或笼统，此外未有研究揭示了高等教育资源对高技术产业发展的驱动效应分异特征。

本研究以我国西部重点城市群——成渝地区双城经济圈为研究区域，基于创新驱动视角构建高等教育资源评价指标体系，定量分析区域内的高等教育资源分布，探明区域高等教育资源的时空演变特征，并在已有研究证实高等教育资源对高技术产业存在驱动效应的基础上，进一步定量分析高等教育资源发展对地区高技术产业及其细分行业的驱动作用，以期在理论上丰富高等教育相关研究，在应用上为成渝地区双城经济圈高等教育资源优化配置及区域高等教育资源与高技术产业协调发展提供决策参考。

2 研究设计

2.1 研究区域

成渝地区双城经济圈共计142 个区（县），总面积18.5 万km2，是我国西部最大的城市群，在国家发展大局中具有独特而重要的战略地位。区域内共有普通高等学校200 余所，高等教育资源优质而丰富，同时成渝地区高端要素和产业加速集聚，高技术产业优势明显，对西部地区发展具有重要的示范引领作用。但相比长三角、京津冀、珠三角等地区，经济圈的高等教育和高技术产业仍有较大差距，且二者还未达到相互支撑的效果[33]。成渝双城高质量协同发展，需要高等教育不断提供高素质人才支撑和科技创新驱动，同时，高等教育发展也要符合产业发展需要。

2.2 研究数据

研究基于2010 年、2014 年、2018 年3 个时间节点，开展对成渝地区双城经济圈高等教育资源的评价及驱动高技术产业发展的效应分异研究，研究数据及数据来源见表1。在数据处理过程中，为减小部分高校存在多个校区而产生资源空间分布的误差，将高等教育资源按各校区在校生规模比例进行分配。同时，剔除了诸如参保人数为0 的高技术企业，以保证高技术产业数据的科学性和有效性。

表1 研究数据及数据来源

2.3 研究方法

2.3.1 评价体系构建

1）高等教育资源水平。综合借鉴前人构建高等教育资源水平评价指标体系的经验[14，17，19]，基于创新驱动视角下高等教育资源发展的基本逻辑与本质要求，本着数据科学性、可计量以及可获取原则，从高等教育创新基础和产出资源两个维度的9 项指标构建评价指标体系（见表2）。

表2 成渝地区双城经济圈高等教育资源与高技术产业发展水平评价指标体系及权重

2）高技术产业水平。参照《高技术产业（制造业）分类（2017）》，选取医药制造业、航空航天器及设备制造业、电子及通信设备制造业、计算机及办公设备制造业、医疗设备及仪器仪表制造业及信息化学品制造业6 类高技术企业作为评价对象。通过企查查平台获取2010—2018 年企业注册资金、企业年龄（成立年限）、参保人数以及企业数量4 项指标综合测度其发展水平（见表2），以避免单一指标表征的不足。

为保证评价结果的客观性，消除人为主观因素的影响，采用改进熵值法计算高等教育资源以及高技术产业发展水平的指标权重[34]。

2.3.2 空间自相关

空间自相关反映高等教育资源在空间上的集聚特征，一般可用莫兰指数（Moran's I）表征[35]。用全局空间自相关表示高等教育资源在空间上的整体关联态势及空间差异程度，以Global Moran's I 指数表示集聚程度，其值范围为[-1，1]，当取值为正时表示空间集聚，为负时表示空间分散，为0 时表示空间不相关（空间随机）。局部空间自相关可进一步揭示研究单元观察值与其邻域空间的相关性，以全面反映高等教育资源空间差异的变化趋势。

2.3.3 相对发展率

相对发展率（NICH）用来衡量各个区域在某一时段相对于整个研究区的发展速度[36]，本文主要用来探讨各县域研究单元的高等教育资源相对于成渝地区双城经济圈的发展快慢，计算方法为

式中：S2k、S1k分别为区域k 在某一时段末期和初期的发展水平；S2、S1则分别为整个研究区在某一时段末期和初期的平均发展水平。

2.3.4 最小二乘法（OLS）回归模型

回归分析是对现象之间相互关系的分析，主要适用于两个定距变量之间的相关分析和推断，是一种把定性分析与定量分析相结合，在定性分析基础上进行定量分析的研究方法。最小二乘法（OLS）回归模型广泛用于评估2 个或更多要素属性之间的关系，并使得回归模型中所有观察值的残差平方和达到最小[37]，本文用于测算高等教育资源对于高技术产业发展的驱动效应。

3 结果与分析

3.1 高等教育资源发展的空间分布特征

3.1.1 高等教育资源综合发展水平

研究期内成渝地区双城经济圈高等教育资源发展迅速，县际差异和集散态势变化较大（见表3）。为了减少小数位数并且增强数据可比性，将计算结果等比例放大100 倍[36]。2010—2018 年成渝地区双城经济圈高等教育资源综合得分由543.48 上升至852.60，增长56.88%，呈上升态势。2010—2014年和2014—2018 年两时段发展速度存在显著差异，前一时段高等教育资源发展更快，增长率为31.14%，发展水平快速提升；后一时段发展水平保持增长，但增速明显放缓，仅为19.63%。

表3 成渝地区双城经济圈高等教育资源综合发展水平

研究期内，县域平均得分由2010 年的3.80 增长至2018 年的5.96，平均每期增长1.08，平均增长率为11.37%。由极差和标准差变化趋势可知，县域间各单元高等教育资源发展水平差距持续扩大，存在显著的两极分化，后一时段差距扩大速度有所放缓。偏度与峰度不断减小分别表明高等教育资源发展的右偏程度逐渐减弱和由集聚向离散态势转变。

成渝地区双城经济圈各单元高等教育资源空间格局和等级演变特征突出。为观察高等教育资源水平的等级与变动情况，按照四分位法[36]，将高等教育资源发展水平划分为高水平、中高水平、中低水平、低水平4 个等级（见图1）。从空间角度看，成渝地区双城经济圈高等教育资源呈现出西北—东南两翼连片分布、中部塌陷的空间分布格局；同时，成渝中心城区为高等教育资源高水平密集区，各单元发展水平以此为原点向外减弱，映照距离衰减规律；此外，存在涪城区、顺庆区和万州区等高等教育资源次中心。

图1 成渝地区双城经济圈高等教育资源综合发展水平分级

从时间角度看，2010 年，成渝地区双城经济圈共有高等教育资源单元64 个，其中高水平单元13 个，川渝分别有9 个和4 个；中高水平单元共有13 个，川渝分别有6 个和7 个；中低水平单元18 个，川渝分别有16 个和2 个；低水平单元20 个，川渝分别有15 个和5 个，该年份中低水平单元和低水平单元共占比59.38%，整体水平较低。

2014 年，成渝地区双城经济圈共有高等教育资源水平单元72 个，其中高水平单元15 个，新增2 个；中高水平单元18 个，新增7 个；中低水平单元16 个，新增6 个；低水平单元23 个，新增8 个。该年份单元总数快速增加，且多个单元发展水平等级有所提升，尤其是中高水平单元占比由20.31%提升至25.00%；同时，各等级水平新增单元均由2010 年的较低一级水平单元发展而来。

2018 年，成渝地区双城经济圈共有高等教育资源单元73 个，其中高水平单元19 个，新增4 个；中高水平单元17 个，新增3 个；中低水平单元共18 个，新增1 个；低水平单元减少至19 个。该年份中高水平单元和低水平单元明显减少，而高水平单元占比由20.83%提升至26.03%；同时，该年份各等级水平单元，除通川区由2014 年的中高水平回落至中低水平外，新增单元仍为2014 年的较低一级水平单元发展而来。对比以上3 个年份可以发现：一是总体上，高等教育资源单元总数及各等级水平单元变化明显，中高级水平以上单元总体增加，尤其是高水平单元增加最快；二是2012—2014年低水平单元得到了较大发展且有较多新单元布局有高等教育资源，2014—2018 年高水平单元增加最为迅速，两时段共同表明高等教育资源在向更高水平迈进；三是各单元高等教育资源水平在发展过程中，逐级提升特征显著，仅有个别单元向较低水平方向回落；四是当前研究单元发展水平呈圈层式演变态势，即越靠近高水平单元密集区的单元，其向较高水平等级迈进的特征越明显。

3.1.2 高等教育资源空间自相关分析

2010—2018 年高等教育资源空间自相关分析结果显示，Moran's I 指数均高于0.251，且通过0.01水平显著性检验（见表4）。

表4 成渝地区双城经济圈高等教育资源Moran's I 指数

表明各区县高等教育资源存在显著的正向空间自相关特征，高等教育资源水平相似的区县在空间上集中分布，即呈高水平区与高水平区邻近、低水平区与低水平区邻近的集聚状态；同时，较大的空间正相关性表明了空间差异的存在。从时间尺度上看，这种集聚状态先快速减弱后略有增强，总体上集聚趋势（态势）有所减弱。

研究期内成渝地区双城经济圈各区县高等教育资源呈现出显著的空间分异格局且总体稳定（见图2）。高—高集聚区集中分布在成渝中心城区，包括成都的新都区、金牛区、温江区、锦江区、双流区以及主城区外的都江堰市，重庆的沙坪坝区、北碚区、渝北区、渝中区，为高等教育资源“热点”区域；低—低集聚区分布少且极为分散，但研究期内在经济圈偏北翼有增多和集中趋势，为“冷点”区域；高—低集聚区主要位于经济圈东西两端，包括四川的雨城区、峨眉山市和重庆的万州区，为“局部高地”；低—高集聚区除彭州市外均位于成渝中心城区外围，紧邻高—高集聚区，包括青羊区、璧山区、九龙坡区、渝中区、江北区，为“局部洼地”。综上，研究期内成渝地区双城经济圈高等教育资源局部空间自相关格局总体较为稳定，但局域有所变化，“热点”区极化特征较为明显，“冷点”区有增多与集中趋势。结合全局空间自相关与局部空间自相关结果可知，经济圈内高等教育资源集中区与稀疏区均有一定程度发展，空间分布趋向均衡。

图2 成渝地区双城经济圈高等教育资源局部自相关分析结果

3.1.3 高等教育资源相对发展情况

分别计算2010—2014 年和2014—2018 年成渝地区双城经济圈143 个区县高等教育资源的相对发展速率并进行可视化，得到成渝地区双城经济圈高等教育资源相对发展率指数，见图3。由图3 可以发现以下特征。

图3 成渝地区双城经济圈高等教育资源相对发展率指数

1）成渝地区双城经济圈各区县高等教育资源相对发展速度差异极大。成渝双核心为相对发展率最高值区，发展速度最快，相比之下其余各区县显著较低，并以双核心为中心向外围逐渐递减。但在双城最核心区，相比其外围邻近区更低。

2）两时段成渝地区双城经济圈各区县高等教育资源相对发展速度整体稳定，四川部分较重庆部分而言变动更大。总体而言，2010—2014 年与2014—2018 年相对发展率指数折线吻合度较高，表明两时段各区县相对发展速度差异不大。但对比重庆和四川两部分发现，重庆各区县相对发展态势较为一致，多数区县相对发展率均有所上升，尤以在巴南区和江津区两区提升最为明显；而四川各区县变动程度则差异较大，如成都中心城区的金牛区、成华区、武侯区等区相对发展率有所下降，旌阳区、雨城区、龙马潭区等区则有较大程度提升。

3）成渝地区双城经济圈各单元高等教育资源发展“马太效应”特征显著。将各单元相对发展率与综合发展水平相结合，可以发现：高等教育资源高水平区与相对发展率高值区空间格局基本吻合，呈现出“马太效应”特征，即高水平单元的相对发展率也较快，而低水平单元的相对发展率也落后于其他单元。各区县之间相对发展率存有差异且两时段变动状态高度符合可对此加以验证，侧面证明了高等教育资源是一种地域根植性较强的资源，其粘留作用和锁定效应会增强其累积效应。

3.2 高等教育资源对高技术产业发展的驱动效应分异分析

高等教育资源对高技术产业发展存在较强的正向驱动效应，驱动强度存在行业分异特征。高等教育资源与高技术产业的OLS 回归结果显示（见表5），高等教育资源与高技术产业的发展水平呈显著正相关，回归系数均在0.677 以上，且具有统计学显著性（P＜0.01），表明高等教育资源量越大，高技术产业的发展水平也越高，高等教育资源对高技术产业发展起着较强的正向驱动效应。同时，研究期内回归系数逐渐上升，也说明高等教育资源对高技术产业发展的驱动作用逐渐加强。从高等教育资源对高技术产业细分行业的回归效果来看，高等教育资源对高技术产业水平的驱动强度不尽相同，按驱动强度由大到小依次为电子及通信设备制造业、计算机及办公设备制造业、医药制造业、医疗设备及仪器仪表制造业、信息化学品制造业、航空航天器及设备制造业。高等教育资源对高技术产业各细分行业的驱动作用差异显著，体现在对电子及通信设备制造业、计算机及办公设备制造业、医药制造业3 个行业存有极其显著的驱动作用，回归系数在0.742～0.864 之间；而对医疗设备及仪器仪表制造业、信息化学品制造业、航空航天器及设备制造业3 个行业的驱动作用则明显相对较弱，回归系数最高仅有0.418。但在研究期内，高等教育资源对高技术产业中驱动最明显的行业的作用在不同程度地减弱，而对驱动较弱的行业的作用则存在逐渐增强的趋势。总体而言，高等教育资源对高技术产业的正向驱动效应较为明显，对高技术产业发展有较强的拉动作用，但在各细分行业之间存在显著差异，既表现在影响力上，也表现在发展趋势上。

表5 成渝地区双城经济圈高等教育资源与高技术产业的OLS 模型参数估计及检验结果

4 结论与讨论

1）成渝地区双城经济圈各区县高等教育资源综合发展水平差距极大，存在围绕成渝中心城区双核心向外围逐渐递减的“核心—外围”空间分布格局，且西北—东南两翼间存有非常明显的塌陷区，空间失衡现象突出。研究期内高水平显著提高，具有在等级上逐级提升、空间上呈圈层式演变态势的规律。

2）成渝地区双城经济圈县域高等教育资源呈现十分显著的空间正相关性，集聚程度强但总体趋向减弱，各区县高等教育资源相对发展速度差距较大，存有明显的“马太效应”特征。成渝双核心区是显著的高等教育资源高地，研究期内，高等教育资源集聚趋势总体减弱，表明部分区县承接了中心城区外溢的高等教育资源以及有部分新的区县布局有高等教育资源。高水平单元的相对发展率也较快，而较低发展水平单元的相对发展率也落后于其他单元，且其变动程度也较其他单元更大，表明成渝地区双城经济圈各区县高等教育资源发展具有显著的“马太效应”特征。

3）成渝地区双城经济圈高等教育资源与高技术产业存在极为明显的空间正相关性与驱动效应分异特征，在各细分行业间分异较大。研究期内，高等教育资源对高技术产业中驱动最明显的行业的作用在不同程度地减弱，而对驱动较弱的行业的作用则存在逐渐增强的趋势。

通过研究县域尺度上高等教育资源的综合发展水平及其空间演变，首先可以发现区域高等教育资源空间分布集中，不均衡性突出，与众多前人研究结论一致。其次，引入了相对发展率指数表明高等教育资源的空间演变具有“马太效应”特征。最后，凭借对高等教育资源与高技术产业的发展关系的探究，证明高等教育资源对高技术产业存在显著的驱动作用，且存在行业分异。本研究为高等教育资源的优化配置及其经济效应研究提供了一定的基础。不足之处在于，基于较为精细的县域尺度以及创新驱动视角展开，由于数据限制，指标选择未必完善；同时，高等教育资源对高技术产业的驱动效应分异的探讨也较为表面。因此，今后将考虑更为科学地表征县域尺度下高等教育资源以及高技术产业质量水平，同时寻找更深度有效的研究方法，以更为准确与透彻地分析高等教育资源对高技术产业的驱动效应分异特征。