省域視野下高等教育增長(zhǎng)布局的空間探討

張會(huì)鋒，王 露

(1.河南工程學(xué)院， 河南 鄭州 451191; 2.武漢大學(xué) 經(jīng)濟(jì)與管理學(xué)院， 湖北 武漢 430072； 3.中國(guó)農(nóng)業(yè)發(fā)展銀行 平頂山分行，河南 平頂山 467000)

高等教育是強(qiáng)國(guó)基石。至2020年6月底，我國(guó)共有各類高校3005所，和2009年時(shí)的2305所相比增長(zhǎng)顯著，但與美國(guó)相比仍有一定差距，截至2018年，美國(guó)高?？倲?shù)達(dá)6502所[1]，遠(yuǎn)高于我國(guó)，若考慮兩國(guó)人口總量，差距會(huì)更大。當(dāng)然，為適應(yīng)龐大人口基數(shù)形成的高等教育需求和教育大眾化的國(guó)家戰(zhàn)略，我國(guó)高校的總錄取率和人數(shù)實(shí)現(xiàn)了更快增長(zhǎng)，在校生總數(shù)是反超美國(guó)的。在校生數(shù)量增量不能為高校數(shù)量增量充分消化，導(dǎo)致我國(guó)眾多高校單體規(guī)模持續(xù)攀升，巨無(wú)霸型大學(xué)不斷涌現(xiàn)。問(wèn)題隨之而來(lái)，如高生師比。有研究比較了中美大學(xué)的生師比，美國(guó)最佳前50高校生師比的平均值、中位數(shù)分別為10.8和10，我國(guó)985高校相應(yīng)值則為17.1和17.4[2],差距明顯。此外，學(xué)校管理、校園校舍等也都決定了高校單體規(guī)模不可能無(wú)限擴(kuò)大。由于宏觀經(jīng)濟(jì)的雙循環(huán)變局對(duì)我國(guó)高等教育發(fā)展提出了質(zhì)和量的雙重迫切要求，所以未來(lái)相當(dāng)長(zhǎng)時(shí)期內(nèi)新設(shè)高?；颥F(xiàn)有高校分校區(qū)將繼續(xù)增長(zhǎng)。

高等教育需要所在地的各種支持，又能在多個(gè)方面反哺后者。設(shè)立普通高等學(xué)校，決定其具體空間安排的主體為省級(jí)人民政府。從省域空間看，如何布局高校才能實(shí)現(xiàn)高校質(zhì)與量的共同增長(zhǎng)、實(shí)現(xiàn)高校與地方的良性互動(dòng)？

一個(gè)不爭(zhēng)的事實(shí)是幾乎各省會(huì)城市均集聚了眾多高校，無(wú)論數(shù)量還是質(zhì)量都普遍高于一般地級(jí)城市。此現(xiàn)象由來(lái)已久，有學(xué)者[3]在2005年的研究就顯示：我國(guó)省會(huì)城市在校大學(xué)生數(shù)的全國(guó)占比遠(yuǎn)高于其GDP和人口的全國(guó)占比，普通地級(jí)城市正相反，而美國(guó)特區(qū)、州府、郡等各類城市高校在校生比例與其人口、GDP的比例基本一致。薛穎慧等[4]利用地理信息系統(tǒng)進(jìn)行分析，得到類似結(jié)論。伍紅軍等[5]及劉佳[6]的研究進(jìn)一步指出，省會(huì)高校集聚現(xiàn)象發(fā)生在各個(gè)層面，無(wú)論是普通本科、?？圃盒＿€是高職院校，無(wú)論是公辦院校還是民辦院校皆是如此。這種上行的集中趨勢(shì)近年來(lái)仍在延續(xù)，比如位于晉中的山西農(nóng)業(yè)大學(xué)將注冊(cè)地改為省會(huì)太原，位于開(kāi)封的河南大學(xué)啟用鄭州校區(qū)等。因?yàn)樽鳛榈胤秸?、?jīng)濟(jì)中心的省會(huì)城市建成區(qū)不斷外延，整體資源優(yōu)勢(shì)突出，而且這種省級(jí)行政區(qū)內(nèi)的集聚或不均衡現(xiàn)象并不被作為個(gè)體的社會(huì)公眾所關(guān)注，再加上我國(guó)高等教育入學(xué)的命題、錄取等制度依省而定，省內(nèi)各地之間不存在不公平性，以至于坊間甚至呼吁地級(jí)市高校應(yīng)在省會(huì)設(shè)立分校，或者遷至省會(huì)，以促進(jìn)發(fā)展[7-8]。但是，省會(huì)及中心城市的絕對(duì)空間畢竟有限，當(dāng)前許多高校轉(zhuǎn)而重尋20世紀(jì)80年代異地辦學(xué)的思路，而且是下沉式的，即往縣級(jí)基層行政區(qū)域擴(kuò)張。比如武漢商貿(mào)職業(yè)學(xué)院在黃岡的紅安縣設(shè)立了校區(qū)，武昌首義學(xué)院在咸寧的嘉魚(yú)縣設(shè)立了校區(qū)。

對(duì)于省會(huì)高校集聚現(xiàn)象，學(xué)界多持批判觀點(diǎn)，認(rèn)為這會(huì)導(dǎo)致城市發(fā)展機(jī)會(huì)不均、政治中心擁堵、教育資源浪費(fèi)、辦學(xué)定位趨同等。有人認(rèn)為，要控制省會(huì)城市高校增量，積極推進(jìn)地級(jí)城市高校建設(shè)[9]。有人認(rèn)為，重點(diǎn)應(yīng)放在尚無(wú)高等院校或高等教育薄弱的中小城市，尤其是西部地區(qū)，體現(xiàn)出對(duì)弱勢(shì)經(jīng)濟(jì)地區(qū)的扶持和拉動(dòng)作用，而不是對(duì)政治中心或經(jīng)濟(jì)中心的依附[10]。有人認(rèn)為，可以從自然環(huán)境和文化氛圍出發(fā)，在一些文化名城、風(fēng)景優(yōu)美地區(qū)甚至鄉(xiāng)村創(chuàng)辦新的大學(xué)[5]。與之對(duì)應(yīng)的是，國(guó)家教育主管部門(mén)對(duì)高校的異地辦學(xué)持審慎態(tài)度，如：2018年教育部在全國(guó)政協(xié)的提案答復(fù)中表示，對(duì)高校異地辦學(xué)一直持不鼓勵(lì)、不支持的基本政策；2020年教育部在全國(guó)人大的建議答復(fù)中繼續(xù)指出，異地辦學(xué)會(huì)稀釋高校原有優(yōu)質(zhì)教育資源品牌，導(dǎo)致學(xué)校規(guī)范管理的遞減效應(yīng)，難以形成與本校一體化的育人氛圍[11]。

顯然，關(guān)于上行和下沉，在現(xiàn)實(shí)、理論、政策三方面都存在矛盾，問(wèn)題的關(guān)鍵在于集聚性。因?yàn)樯闲袔缀蹩傄馕吨坌缘奶岣?，而下沉可以是遠(yuǎn)距離異地下沉式辦學(xué)——這通常會(huì)降低集聚性，也可以圍繞著合理區(qū)域形成新的集聚，因而有必要從價(jià)值無(wú)涉的實(shí)證角度考察集聚性對(duì)高校本身的影響。目前而言，這一研究取向是缺失的，相關(guān)研究大多將集聚和不均衡、不公平聯(lián)系起來(lái)，并持較強(qiáng)的規(guī)范性、情感性立場(chǎng)，統(tǒng)計(jì)意義上的實(shí)證分析尚且缺乏。本研究將致力于這種考察，以期為新設(shè)高校布局、高校分校區(qū)布設(shè)等問(wèn)題提供借鑒。

一、研究思路和假設(shè)

第一，省際高等教育規(guī)模或數(shù)量上的不均衡正在或已經(jīng)得到扭轉(zhuǎn)。早在2005年，潘璐璐等[12]就利用GINⅠ模型比較了我國(guó)高等教育的東西部差異，發(fā)現(xiàn)在高考擴(kuò)招后，不均衡的程度已經(jīng)改善。趙宏斌等[3]利用2004年數(shù)據(jù)對(duì)中美高校空間分布做了比較研究，本研究依2019年數(shù)據(jù)重新計(jì)算并整合于表1。如表1所示：2004年，我國(guó)各省份人口、GDP與其高校在校生總數(shù)、本?？粕鷶?shù)的相關(guān)系數(shù)雖略低于美國(guó)，但已經(jīng)表現(xiàn)出了較高的正相關(guān)性，即人口越多、經(jīng)濟(jì)越發(fā)達(dá)，在校生就越多，至2019年，則基本追上了美國(guó)(因美國(guó)各相關(guān)性已經(jīng)很高，提升空間不大，故不再計(jì)算其最新數(shù)據(jù))。通過(guò)國(guó)家高等教育政策的持續(xù)調(diào)整和傾斜，我國(guó)高等教育省際數(shù)量上的均衡性已大大提高。

表1 中美各省域(州)人口、GDP與其高校各類在校生數(shù)的相關(guān)系數(shù)

第二，省際高等教育質(zhì)量或發(fā)達(dá)水平的不均衡性依然存在并且多樣化。在校研究生數(shù)一定程度上代表了高等教育的發(fā)達(dá)程度。由表1可知，2019年各省份在校研究生數(shù)與人口、GDP的相關(guān)系數(shù)同2004年相比并無(wú)明顯提高，其中與人口依然是不相關(guān)的，均衡性明顯落后于美國(guó)。進(jìn)一步的計(jì)算也顯示，我國(guó)各省份在校研究生數(shù)的離散性要大于在校本?？粕鷶?shù)的離散性(以2019年計(jì)，離散系數(shù)分別為0.91和0.61，表1未列示)，因而我國(guó)經(jīng)濟(jì)發(fā)達(dá)程度和人口數(shù)從東部到中西部的遞減特征并未于在校研究生數(shù)上得到相應(yīng)的一致體現(xiàn)，表明省際高等教育發(fā)達(dá)程度和傳統(tǒng)特定地理區(qū)位間的關(guān)系并不密切，例如：除京、滬及蘇、粵等東部強(qiáng)省高校持續(xù)領(lǐng)先之外，湖南、湖北、陜西、四川、重慶等一些中西部省份高等教育發(fā)展勢(shì)頭同樣強(qiáng)勁；相反，另一些東部省份如海南、河北等卻相對(duì)平緩。當(dāng)然，換個(gè)視角看，這種不均衡性反而可能是正面的，恰恰表明經(jīng)濟(jì)和人口弱勢(shì)地區(qū)可以借助某種安排提升高等教育水平，也意味著僅用省份經(jīng)濟(jì)發(fā)達(dá)水平、人口總量來(lái)解釋其高等教育發(fā)達(dá)程度是不夠的?，F(xiàn)有研究主要關(guān)注高等教育數(shù)量或規(guī)模上的不均衡，并將之歸因于集聚性，忽視了考察集聚性和高等教育質(zhì)量或水平間的關(guān)系，也忽視了民眾更關(guān)注省際高等教育水平的不均衡而不是省際間或省內(nèi)地區(qū)間高等教育規(guī)模的不均衡這一事實(shí)。

綜上，本研究引入高校集聚性這一因素，探討其對(duì)省份高等教育發(fā)達(dá)水平的影響。根據(jù)產(chǎn)業(yè)集聚理論，產(chǎn)業(yè)組織在地理空間上的靠攏可帶來(lái)諸多益處，比如外部和內(nèi)部規(guī)模經(jīng)濟(jì)性、投入品和勞動(dòng)力的共享、知識(shí)和技術(shù)的溢出、專門(mén)化技能的集中等，因而產(chǎn)業(yè)集聚成為國(guó)家和地區(qū)提高產(chǎn)業(yè)競(jìng)爭(zhēng)力的重要手段。迄今為止，關(guān)于我國(guó)高校集聚性的研究多為描述性、概念性的，缺乏專門(mén)定量考察，并多在國(guó)家宏觀經(jīng)濟(jì)、地理區(qū)域劃分帶層面討論，省域?qū)用嫔儆醒芯?，個(gè)別研究者如陳慧青[13]對(duì)部分省份高校集聚性做了粗略的描述性統(tǒng)計(jì)，大體特征為省會(huì)城市高校數(shù)量占本省高校的比例在東部地區(qū)較小，在中部或西部地區(qū)較高，因?yàn)槲醋鰢?yán)格數(shù)據(jù)分析，結(jié)果并不明確，所以本研究提出H1。

H1：省份高校集聚程度越高，其高等教育就越發(fā)達(dá)。

不同于一般產(chǎn)業(yè)，高校群落內(nèi)相互間并無(wú)上下游供應(yīng)、配套關(guān)系，而外包、轉(zhuǎn)包、交易成本降低及明顯的規(guī)模收益遞增和范圍經(jīng)濟(jì)同樣不太適于討論作為非營(yíng)利性組織的高校的集聚性，容易觀察到的效應(yīng)可能為高校之間的相互學(xué)習(xí)、交流與合作，這種學(xué)習(xí)與合作可發(fā)生在教學(xué)、科研、管理模式等各個(gè)層面。典型如武漢市，包括武漢大學(xué)、華中科技大學(xué)在內(nèi)的七所高校建立了密切的聯(lián)盟關(guān)系，在多個(gè)層面展開(kāi)合作。比如教學(xué)層面，各校本科生可跨校選修課程，修滿學(xué)分后可獲得對(duì)方學(xué)校的學(xué)位證。當(dāng)然，合作并不一定局限于同城高校，盡管空間距離有所限制，但省內(nèi)異地高校間的合作也一樣存在，所以本研究提出H2。

H2：省內(nèi)高校間合作越密切，其高等教育就越發(fā)達(dá)。

屬地的經(jīng)濟(jì)發(fā)達(dá)水平無(wú)疑對(duì)高等教育有重要影響。長(zhǎng)期以來(lái)，屬地生源一直在各高校生源構(gòu)成中占據(jù)最大比重。常識(shí)來(lái)看，高校的發(fā)展水平可能受本省人口總量的影響，所以本研究提出H3。

“互聯(lián)網(wǎng)+”是李克強(qiáng)總理在中國(guó)互聯(lián)網(wǎng)第三個(gè)十年的開(kāi)局之年首次提出的行動(dòng)計(jì)劃，是指在經(jīng)濟(jì) 、社會(huì)生活等各方面使用以互聯(lián)網(wǎng)為主的一套信息技術(shù)的過(guò)程，其中包括移動(dòng)互聯(lián)網(wǎng) 、云計(jì)算 、大數(shù)據(jù)技術(shù)等[2]?！盎ヂ?lián)網(wǎng)+”時(shí)代的到來(lái)為信息的獲得提供了更為便捷的途徑，使各行各業(yè)都呈現(xiàn)出了新的變化。教育與互聯(lián)網(wǎng)的碰撞，推動(dòng)了互聯(lián)網(wǎng)的校園化，為教育的發(fā)展提供了新的思路，同時(shí)，也為少數(shù)民族基礎(chǔ)數(shù)學(xué)教育的發(fā)展提供了新平臺(tái)。

H3：省份經(jīng)濟(jì)和人口總量越大，其高等教育就越發(fā)達(dá)。

作為一種非營(yíng)利性為主導(dǎo)的特殊組織，高校本身在運(yùn)營(yíng)、管理等很多方面有別于一般工商產(chǎn)業(yè)組織，再加上我國(guó)高校主體為國(guó)有公辦，其管理、資金、人事、招生等受政府管控，并非市場(chǎng)化的。因此，除高校間明顯的合作外，空間上的集聚效應(yīng)可能更多是隱性的、微妙的，也是難以觀察和量化的。為考察集聚性的調(diào)節(jié)效應(yīng)，本研究提出H4。

H4：省份高校集聚性對(duì)省份經(jīng)濟(jì)總量、人口總量、高校間合作等因素與省份高等教育水平間的關(guān)系存在調(diào)節(jié)作用。

二、變量定義和數(shù)據(jù)收集

(一)省份高等教育發(fā)達(dá)水平

高等教育承擔(dān)很多社會(huì)功能，很難像商業(yè)組織那樣通過(guò)營(yíng)業(yè)收入、利潤(rùn)等財(cái)務(wù)指標(biāo)來(lái)衡量或比較，而且由于學(xué)科、專業(yè)、位置等硬性差異，以及歷史沿革、社會(huì)聲譽(yù)等軟性區(qū)別，學(xué)校與學(xué)校之間的比較本身就很困難，再將各省份所轄高校合并為一個(gè)抽象整體進(jìn)行省際比較就更為困難。因此，本研究摒棄了計(jì)量、加總高校各種指標(biāo)的直接測(cè)量方式，轉(zhuǎn)而引用國(guó)內(nèi)高校排名中的數(shù)據(jù)。具體衡量方法為全國(guó)高校排名中位數(shù)以上的學(xué)校中，以各省份擁有的學(xué)校數(shù)量作為其高等教育發(fā)達(dá)水平的賦值。盡管高校排名經(jīng)常引發(fā)爭(zhēng)議，并不為官方所倡導(dǎo)，但高校排名又的確在學(xué)生擇校、就業(yè)等方面發(fā)揮重要作用，甚至一些公務(wù)員崗位都會(huì)對(duì)應(yīng)聘者畢業(yè)院校的排名做出要求，可見(jiàn)排名的存在自有其原因。另外，雖然各種排名的計(jì)量指標(biāo)、權(quán)重、算法各有側(cè)重，但大體都覆蓋了高校的教學(xué)、科研、就業(yè)、社會(huì)聲譽(yù)等方面。至于哪種更合理、更權(quán)威雖無(wú)定論，對(duì)所有高校也無(wú)法做到公平，但從省際視域來(lái)看則相對(duì)公平，因?yàn)楦魇》莞咝ｎ愋拖鄬?duì)均衡，幾乎各省份都設(shè)置了綜合、理工、財(cái)經(jīng)、師范、農(nóng)林等各種類型。而且，盡管一個(gè)高校在不同排行榜中的位次可能不同，但大抵接近，況且高校具體名次對(duì)本研究的計(jì)量來(lái)說(shuō)并不重要，因?yàn)楸狙芯恐唤y(tǒng)計(jì)各省份占據(jù)排名中位數(shù)以上的高校數(shù)量，即使多數(shù)高校在不同榜單中名次會(huì)有變動(dòng)，但只要變動(dòng)幅度不大就不會(huì)對(duì)本研究造成大的影響。本研究隨機(jī)選取中國(guó)科學(xué)評(píng)價(jià)研究中心、武漢大學(xué)中國(guó)教育質(zhì)量評(píng)價(jià)中心等聯(lián)合發(fā)布的2019本科高校800強(qiáng)排名(以下簡(jiǎn)稱RCCSE排名)，對(duì)前400名高校依省份進(jìn)行篩選，作為各省份高等教育發(fā)達(dá)水平的賦值，變量命名為Ranks。為驗(yàn)證研究的穩(wěn)健性，本研究還使用上海交大(軟科)發(fā)布的“2020軟科中國(guó)大學(xué)排名”中的前400名數(shù)據(jù)對(duì)Ranks賦值，作為比對(duì)研究。

(二)省份高校集聚性

相比較地區(qū)產(chǎn)業(yè)規(guī)模總量，集聚效應(yīng)更依賴于產(chǎn)業(yè)組織間的各種交互性，因而主要和集聚的產(chǎn)業(yè)組織數(shù)量及其多樣性有關(guān)，即使組織規(guī)模(人數(shù)或產(chǎn)值等)很大，但若僅有很少的這類組織在空間上接近，也很難產(chǎn)生顯著的集聚效應(yīng)。本研究舍棄了使用在校生數(shù)或教師數(shù)測(cè)算集聚性的方式，因?yàn)楦咝Ｒ?guī)模的差異會(huì)掩蓋高校數(shù)量上的集聚，也就放棄了利用這類規(guī)模數(shù)據(jù)計(jì)算類似區(qū)位熵或空間基尼系數(shù)等的測(cè)量方法。由于我國(guó)各省份高校都有明確的省會(huì)政治中心集聚性，這種具體的、局部的集聚特征使用產(chǎn)業(yè)集中度指標(biāo)描述更為適合，但出于同樣原因，本研究不考慮在校生數(shù)、教師數(shù)等規(guī)模因素，只計(jì)算高校數(shù)量，即各省會(huì)城市擁有的高校數(shù)量占全省高?？偭康谋壤?。另外，許多省份在省會(huì)城市之外還存在第二個(gè)明顯的高校集聚地，這些地方可能是計(jì)劃單列市，可能是省內(nèi)經(jīng)濟(jì)強(qiáng)市或人口大市，也可能是正著力打造的省內(nèi)副中心城市等。為反映這種現(xiàn)象，本研究將各省份擁有高校數(shù)據(jù)第二的城市納入統(tǒng)計(jì)，將省會(huì)與其共同擁有的高校數(shù)量比重作為該省份高校集聚性的度量，以Cr2命名。具體數(shù)據(jù)采集于教育部陽(yáng)光高考平臺(tái)的院校庫(kù)。

(三)高校合作

本研究從整個(gè)省域視野來(lái)看待高校間合作，而不限于同城，遵循實(shí)質(zhì)重于形式的原則，從以下方面收集各省份高等教育的網(wǎng)絡(luò)公開(kāi)信息：比較正式的省內(nèi)高校間聯(lián)盟關(guān)系，或者即使沒(méi)有相對(duì)正式的聯(lián)盟關(guān)系，但存在比如師資互訪互聘、科研團(tuán)隊(duì)共建、教學(xué)資源共享、課程互修、學(xué)分互認(rèn)等現(xiàn)象，然后手工整理這些信息并綜合評(píng)估各省份內(nèi)部高校間的合作情況，按合作程度由低至高進(jìn)行5級(jí)賦值，即最低值為1，最高值為5，變量記為UC(University Cooperation，UC)。

(四)省份經(jīng)濟(jì)總量和人口總量

發(fā)展教育需要長(zhǎng)期持續(xù)積累，經(jīng)濟(jì)投入有很大滯后性，測(cè)算當(dāng)下經(jīng)濟(jì)總量的效應(yīng)并不合理，所以本研究收集了各省份過(guò)去10年的GDP數(shù)據(jù)，以其平均值作為各省份經(jīng)濟(jì)總量的取值，對(duì)人口總量也做同樣處理。變量分別記作GDPav和Popav。

三、實(shí)證分析

(一)描述統(tǒng)計(jì)

表2描述了除港澳臺(tái)外31個(gè)省份全部5個(gè)變量的取值情況。對(duì)于取極值的行政區(qū)予以標(biāo)注，比如西藏和海南各僅有1所高校進(jìn)入排名前400，河北省高校集中度最低，為0.52。需要指出的是，4個(gè)直轄市比較特殊，其所轄各區(qū)位于同一城市，不同于其他省轄地級(jí)市，所以作為1個(gè)城市對(duì)待，集中度按1計(jì)。此外，青海、海南兩省集中度也為1。

表2 變量取值描述性統(tǒng)計(jì)

注：N為各省份的高?？倲?shù)

(二)分析模型

省份高等教育發(fā)達(dá)水平即因變量Ranks為非負(fù)離散型計(jì)數(shù)變量，采用泊松回歸方法進(jìn)行分析，由于各省份高?？倲?shù)存在較大差異，為控制這種影響，以各省份的高?？倲?shù)N作為暴露期間(觀察基數(shù))，基本模型為

表2顯示，因變量Ranks的方差為9.452=89.3025，約是其均值12.94的7倍，數(shù)據(jù)存在過(guò)度離散的風(fēng)險(xiǎn)，負(fù)二項(xiàng)回歸也許更合適。下面在僅考慮主效應(yīng)情況下，分別用泊松回歸和負(fù)二項(xiàng)回歸進(jìn)行分析，以擇優(yōu)建模，結(jié)果見(jiàn)表3。

表3 泊松回歸模型和負(fù)二項(xiàng)回歸模型比較

由表3可知，兩種回歸的系數(shù)及顯著性基本一致。泊松回歸的偏差殘差/自由度和Pearson卡方值/自由度分別為1.3和1.28，略大于1，表明過(guò)度離散性雖然存在但不嚴(yán)重，而且模型兩個(gè)擬合度檢驗(yàn)的p值分別為0.1511和0.1655，均大于0.05，表明泊松回歸模型擬合良好，并基本飽和。負(fù)二項(xiàng)回歸Alpha檢驗(yàn)的p值為0.177，大于0.05，說(shuō)明過(guò)度離散性不明顯，負(fù)二項(xiàng)回歸并不合適。此外，泊松回歸模型的偽R2系數(shù)高于負(fù)二項(xiàng)回歸模型，而AIC和BIC兩種信息準(zhǔn)則值均低于負(fù)二項(xiàng)回歸模型。綜合來(lái)看，泊松回歸模型更優(yōu)。

(三)數(shù)據(jù)分析

由于要考察高校集聚性Cr2的調(diào)節(jié)效應(yīng)，對(duì)全部4個(gè)自變量Cr2、UC、GDPav、Popav均做中心化處理(變量未更名)，然后分層回歸，結(jié)果如表4所示。

表4 因變量基于RCCSE排名的泊松回歸

高校合作變量UC在模型1和模型2中均不顯著，而且模型2中UC和集中度Cr2的交互作用也不顯著，為保持模型的簡(jiǎn)潔性，將變量UC刪去。由于集中度Cr2和人口Popav的交互作用在模型4中不顯著，而且模型3的BIC的信息準(zhǔn)則值小于模型4，因而模型3為最優(yōu)結(jié)果。高校集聚性和經(jīng)濟(jì)總量的交互作用Cr2*GDPav顯著，意味著省份高校越集中，經(jīng)濟(jì)投入對(duì)高校發(fā)展水平的貢獻(xiàn)就越大。3個(gè)主效應(yīng)中，高校集聚性Cr2的影響最重要，控制其他變量，Cr2每增加10%，GDPav取平均值14298.7億元時(shí)，因變量Ranks(即擁有排名前400的高校數(shù))可增加e2.09227×0.1+0.00011×0.1GDPav-1=44%,GDP每增加1000億元，Cr2取平均值0.75時(shí)，Ranks增加e0.0000414×1000+0.00011×1000Cr2-1=13%。相比之下，人口總量的影響較弱，省份人口數(shù)每增加100萬(wàn)，Ranks平均減少1-e0.0001×100=1%。

本研究最重要的H1被證實(shí)，H3和H4部分被證實(shí)，其中人口總量的作用方向與假設(shè)相反，但影響很小，同表1中各省份人口數(shù)與在校研究生數(shù)的低相關(guān)性相呼應(yīng)，實(shí)際意義不大。H2未被證實(shí)，高校合作變量被排除，原因可能是多方面的。首先，UC在本研究中為手工整理并評(píng)價(jià)的主觀變量，本身存在信息可獲得性和主觀偏見(jiàn)等問(wèn)題；其次，高校間的合作是多種多樣的，并不限于本研究列示的類型，比如教育部在2001年啟動(dòng)的“對(duì)口支援西部地區(qū)高等學(xué)校計(jì)劃”至今仍在實(shí)施，影響很大；最后，還有很多自主合作是跨省的。這些都會(huì)對(duì)高校發(fā)展產(chǎn)生影響，但本研究著眼于省內(nèi)高校間的合作，故并未考慮在內(nèi)。更重要的是，使用1到5的評(píng)分機(jī)制對(duì)一個(gè)省級(jí)行政區(qū)高校的整體合作性進(jìn)行測(cè)評(píng)可能過(guò)于簡(jiǎn)單武斷。因此，高校合作變量UC沒(méi)有通過(guò)本研究驗(yàn)證可能主要是因?yàn)樵撟兞慷x和測(cè)量本身的缺陷，并不能否定高校合作的價(jià)值。所幸的是其他變量均為客觀變量，模型整體分析并不受此影響(保留UC變量情況下，模型3和模型4基本不變，表4未列示)。

(四)穩(wěn)健性分析

為驗(yàn)證本研究的可靠性，本研究利用上海交大(軟科)發(fā)布的“2020軟科中國(guó)大學(xué)排名”對(duì)Ranks重新賦值，并執(zhí)行上述分析。結(jié)果見(jiàn)表5。

表5 因變量基于軟科排名的泊松回歸

由表5可知，高校合作變量UC及其與Cr2的交互作用皆不顯著，并且在模型2中對(duì)Cr2產(chǎn)生了嚴(yán)重的干擾，所以將UC刪去。模型4與模型3相比，偽R2更高，而信息準(zhǔn)則值更小。因此，模型4為最優(yōu)模型，Cr2與人口總量Popav的交互作用變得顯著了，人口越少的省份，高校集聚性對(duì)其高校發(fā)達(dá)水平的促進(jìn)作用越大，省份人口總量每少100萬(wàn)，Cr2取平均值0.75時(shí)，因變量Ranks可增加e=-0.00014×(-100)-0.00046×(-100)Cr2-1=4.96%，Cr2每增加10%，GDPav和Popav各取平均值時(shí)，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1000億元，Cr2取平均值 0.75 時(shí)，Ranks可增加e=0.00006×1000+0.00021×1000Cr2-1=23.3%。總體來(lái)看，表5和表4的結(jié)果基本一致，由于RCCSE排名和“2020軟科中國(guó)大學(xué)排名”算法存在差異，所以許多省份的Ranks有不小變化，比如江蘇(28→33)、廣東(16→21)、黑龍江(14→10)、貴州(6→3)、安徽(10→14)，驗(yàn)證了本研究的穩(wěn)健性。

四、高校集聚性的國(guó)外考察

歐洲的一些大學(xué)位于小城鎮(zhèn)，如英國(guó)的牛津、劍橋，德國(guó)的哥廷根、弗萊堡、明斯特，美、法、日等教育發(fā)達(dá)國(guó)家也均有此現(xiàn)象。這或許代表了去都市化的一種趨勢(shì)，卻并非平均主義的均質(zhì)分散或隨機(jī)疏離，“一校一鎮(zhèn)”并不等同于“一鎮(zhèn)一?！被颉懊挎?zhèn)一校”。事實(shí)上，只有少數(shù)小城鎮(zhèn)能夠擁有大學(xué)，做到校鎮(zhèn)合一。這些小城鎮(zhèn)往往地理位置優(yōu)越，通常是大都市的衛(wèi)星城，比如牛津和劍橋。法國(guó)的許多大學(xué)離開(kāi)巴黎核心城區(qū)遷往或新建于近郊小城鎮(zhèn)，大多在20公里范圍內(nèi)。日本的筑波大學(xué)位于茨城縣的小城土浦市，距東京60公里，仍在東京都市圈內(nèi)。所以，從空間上看，發(fā)達(dá)國(guó)家高等教育的小城鎮(zhèn)化布局依然是集聚式的——集聚在一些地理位置上靠攏的、特殊的小城鎮(zhèn)中。美國(guó)大學(xué)的小城鎮(zhèn)化集聚現(xiàn)象最具代表性，在位于馬薩諸塞州波士頓市的小城坎布里奇及其周邊，云集了哈佛大學(xué)、麻省理工學(xué)院、波士頓大學(xué)、東北大學(xué)等多所名校，而紐約的曼哈頓島同樣擁有哥倫比亞大學(xué)、紐約大學(xué)等很多高校。值得注意的是，根據(jù)閻光才[14]的研究，美國(guó)各主要城市的市政廳幾乎無(wú)一例外地處于高校群落地帶，政治中心集聚性非常顯著?？傊?，無(wú)論是在大都市市區(qū)還是在特殊的小城鎮(zhèn)，發(fā)達(dá)國(guó)家的高校布局基本是追求集聚的，高校新設(shè)或現(xiàn)有高校的擴(kuò)展，大多依托既有群落，盡量毗鄰而建。比如劍橋大學(xué)發(fā)展出了30多個(gè)學(xué)院，雖然這些學(xué)院相互獨(dú)立，但皆位于劍橋鎮(zhèn)；哈佛大學(xué)幾經(jīng)擴(kuò)建，但從未遠(yuǎn)離坎布里奇；東京大學(xué)有3個(gè)校區(qū)，最遠(yuǎn)位于千葉的柏校區(qū)離東京校本部?jī)H約20公里。

五、結(jié)論

比拼排名絕不應(yīng)是大學(xué)的目標(biāo)，辦出特色、服務(wù)國(guó)家和社會(huì)才是根本。本研究證實(shí)了高校集聚性對(duì)其發(fā)展水平的積極作用：對(duì)省級(jí)行政區(qū)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，并能正向調(diào)節(jié)經(jīng)濟(jì)投入對(duì)高等教育的影響。雙循環(huán)和內(nèi)循環(huán)的宏觀新主題將推動(dòng)我國(guó)高等教育規(guī)模繼續(xù)增長(zhǎng)，而由于省會(huì)和直轄市等大型城市無(wú)法提供足夠空間，向地級(jí)城市甚至城鎮(zhèn)布設(shè)高校成為必然，但這并不等于應(yīng)該進(jìn)行名額或指標(biāo)式的平均分配，仍需考慮集聚性，上行還是下沉不是重點(diǎn)，并無(wú)對(duì)錯(cuò)之分，省域視野下，合理布局的關(guān)鍵應(yīng)是優(yōu)選一些位置恰當(dāng)?shù)牡乩韰^(qū)域，從過(guò)去的省會(huì)城市單點(diǎn)集聚向多點(diǎn)集聚演進(jìn)，從而在獲取空間效用的同時(shí)不至于損失集聚效用。