论文中国高等教育影响因素的空间计量分析，本文是高等教育相关论文范例和高等教育和空间计量分析和影响因素有关论文怎么写.
摘 要：采用证实性空间数据分析方法(CSDA)从经济政策、人口因素和交通区位三个维度分析中国高等教育发展的空间格局及相关影响因素,研究结果表明：在经济政策维度和交通区位维度中,空间误差模型(SEM)的拟合优度最佳,说明中国高等教育的空间正相关性是随机误差冲出的结果,其中教育固定资产投资、第三产业的发展、区域交通和地理因素对高等教育的发展具有显著的影响.在人口因素维度中,空间滞后模型(SLM)的拟合优度比较理想,高等教育的空间依赖性是由于空间溢出或空间扩散效应引起的,人口素质和教育行业从业人数是影响高等教育发展的重要因素.
关键词：高等教育；空间依赖性；影响因素；CSDA
中图分类号：G646文献标识码：A文章编号：1674-5485 (2018) 06-0006-06
关于高等教育区域发展差异化影响因素的分析,目前学者尝试从不同角度加以探寻,并取得丰硕成果,但这些研究的共同特点是在研究高等教育的过程中忽略了空间因素的影响.本文在探索高等教育空间相关性的基础上,引入空间计量方法中的CSDA技术,将时间和空间因素纳入统一的实证框架,以中国高等教育发展指数为因变量,从经济政策、人口因素和交通区位三个维度选择自变量,建立空间回归分析模型,识别影响中国高等教育发展的主要因素,探寻高等教育资源优化的驱动机制,以期为教育相关部门和学者研究提供一些参考和实证依据.
一、数据来源与指标体系的构建
（一）数据来源
本文以全国31个省份（鉴于数据的可得性,港澳台除外）2006-2015年的数据为研究对象,数据来源于国家统计局网站、EPS全球统计数据库、中经网统计数据库等,其中2015年生均高等教育经费支出通过2006-2014年的年均增长率计算得到（2016年《中国教育经费统计年鉴》未发布）,高等教育毛入学率数据主要来自各个省市区的教育事业发展统计公报和国民经济与社会发展统计公报.如无特殊说明,本文所指的高等教育均为普通高等教育.
（二）高等教育发展水平指标体系的构建
本文综合考虑高等教育发展特征和数据获取的便捷性,从4个维度设置了11个指标反映高等教育发展水平（见表1）.高等教育规模维度是反映一个地区高等教育发展总量的指标维度.高等学校数量多少是发展高等教育的首要问题,表现一个地区高等教育承载力状况.学校数量多,高等教育招生比例就高,高等教育毛入学率就会提升,即在校生数量就会提高.因此,本文以高等学校数、每十万人口高等学校在校生数、高等教育毛入学率3个指标从绝对规模和相对规模两个方面反映了区域高等教育的承载能力和总量水平.高等教育基础设施维度涉及到高等教育的办学条件,是影响到高等教育能否持续健康发展的基础要素.高校固定资产总值、图书量和学校产权建筑面积都是从高校的硬件基础来考虑的,因为硬件基础设施的发展较容易从量上去考量.本文从生均角度出发（避免了区域人口、面积等因素的影响）,以高校生均固定资产总值、高校生均图书量和高校生均产权建筑面积3个指标反映生均高等教育资源的拥有量,以及省域高等教育办学条件.教育经费的投入与国民经济的发展息息相关,囿于国内经济增长的影响,我国直到2012年才达到财政性教育经费的支出占国民生产总值4%的目标,因此,教育经费的投入在一定程度上决定了高等教育可持续发展能力,本文通过设置地方普通高等教育经费支出占当地GDP比例、生均教育经费支出2个指标来反映地方对高等教育的重视程度和支持力度.师资力量是高等院校长期积累的软实力,是推动高等教育发展的潜力因子,良好的师资决定了高等教育发展的质量和效率,本文设置了生师比、高校专任教师数、博士学历人数占专任教师数比例3个指标直观反映高等教育师资和学术水平的高低.
二、模型的参数估计与实证结果分析
（一）空间相关性检验
CSDA分析法（证实性空间数据分析,Confirmatory Spatial Data Analysis）是对探索性空间数据分析法(ESDA)的延伸分析,通过引入空间变量,建立空间回归模型,识别高等教育发展的主要影响因素,并检验空间数据的空间依赖性和空间异质性.在构建CSDA空间模型之前,首先有必要对中国高等教育的空间相关性进行Moran´s I检验.若经济计量模型中的变量或误差项存在显著的空间相关性,则需要在模型中进行空间相关性的设置,以验证中国高等教育发展的空间效应.
本文首先利用熵权法合成中国省域高等教育发展指数(HE),然后借助GeoDa软件,对2006-2015年中国省域高等教育发展指数进行空间相关性检验,得出其Moran´s I估计值及其显著性（见表2）.
由表2可以看出,我国省域高等教育在2006-2015年间Moran´s I检验值均为正值且在0.3左右,并在5%的显著性水平下都通过了显著性检验,说明近些年来中国高等教育发展的空间分布规律并不是随机的,而是存在较强的空间相关性.同时,空间效应呈波动增长趋势,表明各省域之间的空间相关性在逐渐增强.因此,介于空间关联性的存在,研究我国高等教育的发展必须纳入空间地理要素.
（二）空间计量模型的构建与实证结果分析
本文以中国高等教育发展指数(HE)为因变量,从经济政策、人口因素和交通区位3个维度选择自变量分别对其影响因素进行回归分析.数据分别取各个自变量2006-2015年平均值.
1．经济政策维度空间模型分析
高等教育的发展与社会经济发展紧密相连,一个地区经济发展实力和水平,很大程度上代表了该区域高等教育的发展水平,而产业结构状况又反映了经济状况.教育全社会固定资产投资(EFA)是教育事业发展的物质基础和财政支撑,随着我国综合国力的增强,终于在2012年国家财政性教育经费支出占GDP的比重达到4%的目标,而我国积极促进产业结构的转型为经济实力的提高提供了条件.因此,本文以教育全社会固定资产投资(EFA)来表示某一地区经济状况,以第三产业增加值占地区生产总值比重(TG)来表示经济结构.另外,当前我国高等教育经费主要依靠政府财政的转移性支出,因此,本文以地方财政教育支出(PE)表示政府财政的支付能力和政府的财政政策倾向.高等教育与经济政策的空间回归模型如下：
由表3可知,代表空间误差项的拉格朗日乘数误差统计量LM-error和滞后统计量LM-lag在5%的显著性水平下都是显著的,其显著性水平分别为0.01和0.02,很明显,LM- error比LM-lag更显著,且Robust LM-error显著,Robust LM-lag木显著.根据空间模型的选择标准,选择空间误差模型对数据进行回归分析更加合理.对HE进行空间误差回归,对比OLS和SEM的回归结果,可以判断模型的拟合情况（见表4）.
由表4可以发现,SEM的Log-L大于OLS的Log-L,而SEM的AIC值和SC值均小于OLS的AIC值和SC值,根据判定准则,选择空间误差模型是比较合理的.透过相关系数方差矩阵可以直观地知道因变量与自变量之间的相关性究竟如何,得到模型参数估计效果和诊断结果（见表5）.
根据表5估计结果可知,在OLS模型中,教育全社会固定资产投资(EFA)和地方财政教育支出(PE)都是不显著的；而在SEM模型中,除地方财政教育支出(PE)不显著之外,其余变量均显著,可见空间误差模型对结果有很大的改善,说明了教育全社会固定资产投资对于促进教育事业发展具有积极作用,增加教育财政支出是高等教育可持续发展的重要保障,这也印证了我国一直以来强调教育的总投入,确保教育经费投入的“三个增长”.从模型检验角度来看,在OLS模型中,JB检验在10%的显著性水平下并不显著,说明模型的残差不能拒绝其服从正态分布的原假设；而BP检验、KB检验和White检验也不显著,说明模型不存在异方差现象.而在SEM模型中,BP检验也说明模型不存在明显的异方差,而且似然比（LRT）的P值也是显著的,说明空间误差模型的回归结果比较理想,反映了区域之间的空间溢出效应是随机误差冲出的结果.
2．人口因素维度空间模型分析
教育行业从业人数和人口素质对高等教育的发展起到重要的推动作用.教育行业城镇单位就业人员数量代表着一地区从事教育行业的人数,反映着这一地区教育事业的发达程度.客观上,教育行业从业人数多的地区高等教育较发达；人均受教育年限代表着人力资本的质量,而高等教育对于人力资本的形成贡献最明显.因此,本文采用教育行业城镇单位就业人员数(EP)表示人口数量,人均受教育年限（RJEDU）表示人口素质.高等教育与人口因素的空间回归模型如下：
由表6可知,LM-lag和Robust LM-lag在10%的显著性水平下都是显著的,且LM- error和RobustLM- error都不显著.根据空间模型的选择标准,选择空间滞后模型对数据进行回归分析更加合理.
为了作进一步对比分析,需要对HE进行空间滞后回归（见表7）.
由表7可以发现,SLM的Log-L大于OLS的Log-L,而SLM的AIC值和SC值均小于OLS的AIC值和SC值,根据判定准则,Log-L的值越大,说明模型的拟合效果越好,而AIC和SC数值越小,说明模型的拟合效果越好,因此,选择空间滞后模型是比较合理的,从具体的模型参数估计效果和诊断结果可以有效说明（见表8）.
根据表8估计结果可知,在OLS模型和SLM模型中,人均受教育年限( RJEDU)、教育行业城镇单位就业人员数(EP)在5%的显著性水平下都是显著的,可见人口总体受教育水平和教育行业从业人数对高等教育发展的积极影响是明显的.而从模型检验方面看,在OLS模型中,JB检验在5%的显著性水平下是显著的,观测值为6.93,P值是0.03,P值过小,拒绝正态性假设,因此不服从正态分布；通过White检验发现,P值为0.00,在5%的显著性水平下非常显著,说明模型存在异方差现象.而在SLM模型中,BP检验表示不显著,说明空间滞后模型改善了回归结果,异方差现象得到控制,而且似然比（LRT）的P值也通过了10%的显著性检验,说明空间滞后模型的回归结果比较理想,也表明高等教育在发展的过程存在的空间依赖性是由空间溢出或空间扩散效应所引起的.
3．交通区位维度的空间模型分析
随着交通设施的逐渐完善,交通区位因素在人们对高等院校选择中的影响逐渐增强.城镇化率的主要特点是要素的集中,尤其是人口要素的集聚,这将会提高高等教育的投入水平和资源分配效率.各国政府教育的投入占公共支出的比重与城镇化的发展存在正相关关系,政府对教育的投入与城镇化的进程是相互促进的.铁路网密度代表着城市基础设施建设水平和城市化的发展水平,目前我国高等院校大部分是由地方政府主管,高等院校与当地城市发展关系日益密切.因此,本文以城镇化率( URBAN)和铁路网密度(WAY)来表示交通区位因素.高等教育与交通区位维度的空间回归模型如下：
由表9可以看出,LM- error在10%的显著性水平下比LM-lag显著,且Robust LM-error显著,而Robust LM-lag不显著.因此,根据空间模型的选择标准,选择空间误差模型对数据进行回归分析更加理想（见表10）.
由表10可以发现,SEM的Log-L大于OLS的Log-L,而SEM的AIC值和SC值均小于OLS的AIC值和SC值,根据判定准则,Log-L的值越大,说明模型的拟合效果越好,而AIC和SC数值越小,说明模型的拟合效果越好,因此,选择空间误差模型是比较合理的（见表11）.
根据表11估计结果可知,在OLS模型中,只有城镇化率( URBAN)是显著的,而在SEM模型中,城镇化率( URBAN)和铁路网密度(WAY)都是显著的,可见空间误差模型对结果有一定的改善,这也验证了交通区位条件的优化对高等教育的发展的积极影响,二者存在相互促进的正相关关系.一般情况下,交通区位便利意味着城市化的水平更高,城市基础设施建设更完善,投入到高等院校的教育资源相对也更为丰富.因此,一线与二线、省会城市是高等院校的聚集区,吸引着越来越多的生源.从模型检验上看,在OLS模型中,JB检验在10%的显著性水平下并不显著,说明模型的残差不能拒绝其服从正态分布的原假设；而BP检验、KB检验和White检验在10%的显著性水平下都是显著的,说明模型存在严重的异方差现象.而在加入空间地理因素的SEM模型中,BP检验在10%的显著性水平下不显著,表示模型回归估计结果已不存在异方差,说明空间误差模型的回归结果比较理想,也表明误差项之间的空间正相关关系是由于空间数据无法准确测量而导致遗漏与因变量相关的变量,同时也存在区域之间的空间溢出效应是随机误差冲出的结果的可能.
三、研究结论与建议
本文通过熵权法构建了中国高等教育发展指数,运用GeoDa软件,将空间地理因素纳入到高等教育研究中,并从经济政策、人口因素和交通区位三个维度进行了空间模型的构建与分析,进一步验证了中国高等教育空间相关性的存在形式及其形成原因,实证考察了我国高等教育发展的空间格局和影响因素.从整体上看,中国高等教育Moran´s I指数自2006年以来一直处于波动上升的趋势,说明中国区域高等教育发展呈现显著的空间正相关性和空间依赖性.
首先,从经济政策维度的空间回归模型结果来看,教育全社会固定资产投资(EFA)和第三产业增加值占地区生产总值比重(TG)呈显著的空间正向效应,说明其对高等教育的发展起到一定的积极促进作用.因此,在当前国际国内环境下,必须坚持稳健的经济增长政策,加大教育财政支出,加强高校基础设施建设,提高高等教育水平.另外,要充分利用第三产业对高等教育发展的引导作用,完善高等教育与产业结构之间的联动机制,切实发挥高等教育的人才培养作用.而地方政府教育财政支出(PE)呈不显著的空间正向效应,说明地方政府教育财政支出的增加虽然能够促进高等教育规模的扩大,但是未必能够提升高等教育的质量.这与我国当前教育经费财政拨款制度有关,高校通过扩大招生数量,从而获得国家更多的生均高等教育经费,结果导致我国高等教育毛入学率年年攀升,高等教育规模已进入世界前列,但是高等教育质量却没有质的提升.鉴于此,相关教育部门应该改革教育经费拨款制度,切实提高高校师资水平,加强学科建设,提升科研实力,完善高校之间学术交流与合作机制,共享优质教育资源,从而增强我国高等教育综合实力.
第二,从人口因素维度的空间回归模型结果来看,人均受教育年限（RJEDU）和教育行业城镇单位就业人员数(EP)均呈显著的空间正向效应,说明人口素质和教育行业从业人数也是影响高等教育发展的重要因素.人口素质的提高与高等教育的发展是辩证关联的互动关系,二者相互促进；教育行业城镇单位就业人员数在一定程度上反映了地区教育行业的发展情况,客观上对高等教育的发展具有一定的促进作用.因此,高度重视发展高等教育、提高高校录取率、扩大高校招生规模是提高国民素质的重要途径.此外,要大力发展教育事业和与教育相关的产业,扩大教育行业从业人数,提高教育产业占第三产业的比重,形成教育事业与教育产业之间的良性互动.
第三,从交通区位维度的空间回归模型结果来看,城镇化率( URBAN)和铁路网密度(WAY)均呈显著的空间正向效应,说明区域交通状况和区域地理因素对高等教育的发展具有显著的影响.城镇化率的提升和交通网的改善,反映了城市基础设施的完善、城市服务水平的增强,从而提升了对高校生源的吸引力,成为影响高校生源选择的一个重要因素.因此,积极转变城市发展新理念,探索可持续发展的城市化道路是十分必要的.同时继续加大城市基础设施建设,完善城市服务功能,提高城市服务质量,从而提升城市品质,增强城市发展核心竞争力.
结论：本文是一篇适合不知如何写高等教育和空间计量分析和影响因素方面的高等教育专业大学硕士和本科毕业论文以及关于高等教育论文开题报告范文和相关职称论文写作参考文献资料.
参考文献：
1、 中国特色小镇空间分布特征与影响因素分析 摘要研究中国特色小镇的空间分布特征及规律,有利于优化小镇的空间格局规划,通过分析特色小镇与我国交通网络的关系,能为其交通基础设施的建设与合理投资提供科学根据 基于GIS空间分析技术,分析了400处中国.
2、 中国西部地区城镇化格局与影响因素 摘要揭示中国西部城镇化格局发展状况,分析其影响因素,对于推进中国新型城镇化发展具有重要意义 本文基于２００５—２０１５年中国西部地区城镇化数据,利用地理探测器模型分析城镇化发展格局及影响因.
3、 中国玉米生产技术效率的测度与其影响因素基于19952019年省级面板数据的实证 摘要运用随机前沿函数和技术效率损失函数在测度1995—2015年全国及省级层面玉米生产技术效率的基础上,进一步实证检验了农业机械化……外生因素对玉米技术效率损失的影响 研究显示中国玉米生产.
4、 中国对印度农产品出口波动与影响因素基于CMS模型的实证分析 摘要本文对20002016年中国对印度农产品出口波动进行分析 研究表明,中国对印度农产品出口整体水平较低且发展缓慢,以非食用畜产品和园艺类产品为主,前者比重逐渐下降,而后者比重稳步上升 CMS模型分析.
5、 中国食品出口美日的贸易现状与其影响因素分析 摘要美国和日本是中国食品出口的两大主要市场,随着中国与美日贸易摩擦的加剧,中国对美日食品出口贸易受到了不同程度的影响 本文结合中国与美国和日本贸易摩擦的背景,分析了2007—2016年中国.
6、 中国古代影响图书的因素 【摘要】中国古代图书的发展受政治因素的影响颇大,因战争、阶级内部斗争、强权政治、思想专制的影响,图书的发展受到灾难性的毁坏,诸多优秀文学典籍毁于战火 但同时文学载体的不断改进,使得图书得到较好的传播、.