EN中文

华南地理学报 >

2024 , Vol. 2 >Issue 2: 1 - 10

DOI: https://doi.org/10.20125/j.2097-2245.202402001

应用研究

粤港澳大湾区高等教育资源空间分布均衡性及影响因素研究

  • 吴大放 , 1 ,
  • 蓝婉倩 1 ,
  • 何尹杰 , 2 ,
  • 许国洋 1 ,
  • 张秋林 1 ,
  • 张灿嘉 1 ,
  • 刘乾进 1 ,
  • 陈若琳 1
展开
  • 1. 广州大学 地理科学与遥感学院，广州 510006
  • 2. 香港中文大学 深圳研究院，深圳 518057
何尹杰（1992—），男，广西梧州人，博士，博士后研究员，主要从事土地资源管理研究。E-mail：

吴大放（1981—），男，湖南岳阳人，博士，副教授，主要从事土地资源开发利用与保护研究。E-mail：

收稿日期: 2024-01-11

  修回日期: 2024-02-01

  网络出版日期: 2024-12-13

基金资助

国家重点研发计划(2022YFB3903704)

2022年度广州市高等教育教学质量与教学改革工程教学团队项目(2022JXTD001)

2022年广州市教育局高校科研项目(202235269)

2023年教育教学研究和改革项目(WGKM2023139)

2023年度广东省本科高校教学质量与教学改革工程项目(269)

2024年广州大学产教融合教学改革建设项目(24CJRH13)

2024年广州市高校科产教融合实践教学基地项目(2024KCJJD002)

2023年度广州市质量工程建设项目(2023KCSZ004)

收起

Research of the Equilibrium of Spatial Distribution and Influencing Factors of Higher Education Resources in Guangdong-Hong Kong-Macao Greater Bay Area

  • WU Dafang , 1 ,
  • LAN Wanqian 1 ,
  • HE Yinjie , 2 ,
  • XU Guoyang 1 ,
  • ZHANG Qiulin 1 ,
  • ZHANG Canjia 1 ,
  • LIU Qianjin 1 ,
  • CHEN Ruolin 1
Expand
  • 1. School of Geography and Remote Sensing, Guangzhou University, Guangzhou 510006, China
  • 2. Shenzhen Research Institute, The Chinese University of Hong Kong, Shenzhen 518057, China

Received date: 2024-01-11

  Revised date: 2024-02-01

  Online published: 2024-12-13

Fold

摘要

高等教育资源的空间分布和配置直接关系到地区的创新能力和竞争力。粤港澳大湾区作为中国最具活力的经济区域，高等教育资源的合理布局对支撑其进阶成为世界一流湾区至关重要。文章基于地理空间视角，总结国内外的研究和不足，遵循“资源格局分布及影响机制”的路径，采用GINI系数和地理探测器分析方法，对粤港澳大湾区的高等教育资源空间分布均衡性及影响因素进行分析。研究发现：（1）粤港澳大湾区的高等教育资源的空间分布具有明显的不平衡性，其中广州和深圳尤为明显；（2）粤港澳大湾区的高等教育资源空间分布与城市中小学在校生数量、城市人均GDP、城市人口数量和城市教育支出等因子高度相关，特别是受中小学在校生数量的影响非常大，说明高等教育受基础教育影响较大；（3）在交互因子探测中，城市中小学在校生数量，在与经济、教育、就业和社会人口结构等因子相互作用时会达到较大的非线性增强作用。粤港澳大湾区教育资源空间结构在未来会以香港、澳门、广州和深圳为核心，珠海、东莞、佛山等7所城市为外围的地理空间圈层结构，辐射带动周边区域的发展。研究有助于理解大湾区高等教育资源空间结构均衡性的具体差距，也有益于对高等教育资源合理配置和政策的倾斜。

关键词： 高等教育资源; 空间布局; GINI系数; 地理探测器; 粤港澳大湾区

本文引用格式

吴大放 , 蓝婉倩 , 何尹杰 , 许国洋 , 张秋林 , 张灿嘉 , 刘乾进 , 陈若琳 . 粤港澳大湾区高等教育资源空间分布均衡性及影响因素研究[J]. 华南地理学报, 2024 , 2(2) : 1 -10 . DOI: 10.20125/j.2097-2245.202402001

Abstract

The spatial distribution and allocation of higher education resources are directly related to the region's innovation ability and competitiveness. As China's most dynamic economic region, rational layout of higher education resources of the Guangdong-Hong Kong-Macao Greater Bay Area is crucial to support its advancement into a world-class bay area. Based on the perspective of geographic space, this study summarizes the shortcomings of domestic and foreign research, follows the path of "resource pattern distribution and influencing mechanism", and uses the GINI coefficient and geographic detector analysis method to analyze the spatial distribution balance and influencing factors of higher education resources in the Guangdong-Hong Kong-Macao Greater Bay Area. The research shows: (1) The spatial distribution of higher education resources in the Guangdong-Hong Kong-Macao Greater Bay Area is obviously unbalanced, among which Guangzhou and Shenzhen are obviously unbalanced relative to population and economic distribution. (2) The spatial distribution of higher education resources in the Guangdong-Hong Kong-Macao Greater Bay Area is highly correlated with factors such as the number of urban primary and secondary school students, urban per capita GDP, urban population and urban education expenditure. In particular, it is greatly affected by the number of primary and secondary school students, indicating that higher education is greatly affected by basic education. (3) In the interactive factor detection, the number of urban primary and secondary school students combined with other factors will achieve a large nonlinear enhancement effect. It is expected that the spatial structure of educational resources in the Guangdong-Hong Kong-Macao Greater Bay Area will form a geographical spatial circle structure with four core cities of Hong Kong, Macao, Guangzhou and Shenzhen, and other cities such as Zhuhai, Dongguan and Foshan as the periphery in the future, radiating and driving the development of surrounding areas. The research helps to understand the specific gaps in the balance of the spatial structure of higher education resources in the Greater Bay Area, which is beneficial to the rational allocation of higher education resources and the rational tilt of policies.

Key words： higher education; spatial pattern; GINI coefficient; GeoDetector; Guangdong-Hong Kong-Macao greater bay area

高等教育资源的空间分布状况对地区的社会发展和经济进步具有重要的影响［1-2］。城市群协同发展背景下高等教育资源的空间布局和协调是一个亟待探究的热点问题。粤港澳大湾区（以下简称“大湾区”）是国家的发展战略。不同于世界其它湾区，作为多元制度下的一个区域，粤港澳大湾区的教育资源发展有其独一无二的特殊性和单独探讨的必要性［3-6］。大湾区旨在构建一个国际化的教育与科研高地，虽然其高等院校众多，但顶尖院校和高质量教育资源依旧集中在少数城市，这不仅影响了大湾区整体竞争力的提升，也会带来社会公平性的问题。因此，从空间地理学的研究角度出发，如何实现资源的有效配置与均衡发展，成为了一个值得深入探讨的问题。
高等教育资源分布的不平衡，以及优质教育资源过度集中在某个地区，这种现象在世界各地普遍存在，包括经济发达的欧美地区［7-8］。根据空间地理学的理论，集聚、效率与均衡似乎成为了高等教育发展的“不可能三角”［9］。国外地理学背景的研究人员试图使用不同的框架来解释该现象。尤其是新马克思主义哲学家Henri Lefebvre［10］提出的“社会空间”这一概念。地理导向的教育研究出现在20世纪90年代，Bradford［11］探讨了居住环境对学生学业成就的重要性。Ainsworth［12］在其论文中继续了这一研究方向，讨论了社区对教育成就的影响，作者认为自己的研究会带来教育研究的“范式转变”。该研究后来也成为了社会地理学者分析的理论依据［13］。城市社会学领域的著名期刊《城市研究》（Urban Studies）以教育为主题刊发了特刊，其中Gordon和Monastiriotis［14］发现当地教育政策会影响学校层面的成功率。该刊另一篇从空间角度进行探讨学校选择和市场化，Brattbakk和Wessel［15］研究了社区对奥斯陆教育成就的影响，发现虽然影响较小，但具有统计学意义。Maloutas［16］研究了雅典不同类型居住区的教育不平等问题，并讨论了中产阶级的学校选择策略。Maloutas和Lobato［17］再次讨论了雅典和多特蒙德的住房市场与教育不平等之间的关系。Alexander［18］分析挪威在过去的25年里，高等教育的城乡差异是如何变化的，关注空间不平等问题。Quartey［7］研究了2010—2020年美国女性本科高等教育课程招生的空间格局，该研究有助于了解地区差异，揭示了影响美国女性本科入学率的因素。
与欧美相比，中国在空间视角探讨教育的问题起步虽晚，但发展十分迅速，通过对Web of Science（WOS）数据库检索发现，中国的相关英文文献已在数量上超越欧美。近年来，中国学者将社会学的理论与地理学的技术方法结合起来，利用多源时空面板数据和各种指数分析方法，在宏观、中观及微观尺度下，对教育资源空间格局分布评价提出了众多具有建设性的意见。研究普遍认为随着改革开放的深化，高等教育发展不平衡问题凸显，原已存在的地域差异呈现逐渐扩大的趋势。游小珺［19］和袁振杰［20］利用Cartogram地图空间分析技术探讨中国优质教育资源空间结构不平衡问题，反思和探索教育资源结构所蕴含和产生的政治意义和社会影响研究成果分别发表在《地理科学》和《地理学报》上。针对粤港澳大湾区这一特定区域，王志强［3］、齐宏纲［4］、黄炳超［5］及李清刚［6］等学者专门探讨了高等教育治理的时空格局及形态特征演变，并提出发展建议。
综上所述，现有研究多从社会学和空间地理角度出发，探讨影响高等教育的分布特征以及相关对策，但也发现，高等教育资源的区域分布作为因变量，利用特定的模型定量化地研究其影响因素的研究不多见，此外国内多数定量研究并未将港澳地区纳入分析的范畴。基于此，本文拟从以下3方面作为研究内容展开，深入剖析空间结构与高等教育资源配置的科学性：（1）利用GINI系数分析粤港澳大湾区3地各城市的高等教育资源空间分布现状、特征及均衡性；（2）利用地理探测器分析其空间分布的影响因素；（3）根据研究结果总结规律，预测未来的发展形态，针对性地给出发展建议。以通过空间地理学的角度切入，在理论层面丰富和扩展教育研究的方法论体系；通过定量化评价和分析，为粤港澳大湾区的教育均衡发展政策和措施的制定提供客观有力的依据，提高决策的科学化程度。

1 数据来源与研究方法

1.1　数据来源

数据来源于2020年的《广东省统计年鉴》《香港统计年鉴》《澳门统计年鉴》以及其他9个城市的统计年鉴。其中，以港元或澳门元为计量单位的数据均以当年港元和澳门元兑换人民币的年平均汇率进行单位换算，该年的年平均汇率数据参照《中国统计年鉴》。同样，地理探测器中影响因子的数据时间点也均为2020年。

1.2　研究方法

1.2.1　GINI系数

关于GINI系数的计算方法参考文献［21］，把粤港澳大湾区各个城市高等院校的学生数及相关指标作为衡量因素，计算各个城市GINI系数，计算公式如下：
G I N I = 1 _ N ( N - 1 ) ∑ i > j ∑ j y i - y j
其中：_N为待考察集合内数据的算术平均数；N为待考察集合内的数据个数； y i、 y j为待考察集合内的数据，称为衡量指标，GINI系数在0和1之间取值（表1所示）。国际上通用的对GINI系数的评判标准见表1。0.4被公认为危险警戒线。
表1 GINI系数分布区间

Tab.1 GINI coefficient distribution interval

GINI系数分布区间 数据分布平均状况
0.0~0.2 绝对平均
0.2~0.3 比较平均
0.3~0.4 相对合理
0.4~0.5 差距较大
0.5~0.6 较不平均
0.6~1.0 绝对不平均

1.2.2　地理探测器

空间自相关性是地理学“第一定律”，能够反映一个区域单元内某种现象或某一属性值与邻近区域单元内同一现象或属性值的相关程度［22-23］。如果某个自变量对某个因变量有重要影响，那么自变量和因变量的空间分布应该具有相似性。对此，王劲峰［24］提出了地理探测器，来揭示因子背后驱动机制。地理探测器是一种基于空间地理位置的新型统计学方法，该方法除了探测自然要素驱动机制以外，在社会科学等多领域也同样得到了成功应用。研究主要利用到地理探测器的因子探测和交互探测功能，探测不同的社会经济指标对粤港澳大湾区高校分布的影响强弱。
（1）因子探测。探测某因子X多大程度上，解释属性Y的空间分异。用q值度量，表达式为：
q = 1 - ∑ h = 1 L N h σ h 2 N σ 2 = 1 - S S W S S T，
S S W = ∑ h = 1 L N h σ h 2 ,      S S T = N σ 2，
其中：h=1，…，L为变量Y或因子X的分层（Strata），即分类或分区；Nh、N分别为层h、全区的单元数； σ h 2、 σ 2分别是层h、全区的Y值的方差。SSW、SST分别为层内方差之和（Within Sum of Squares）、全区总方差（Total Sum of Squares）。q值域为［0，1］，值越大说明Y的空间分异性越明显；如果分层是由自变量X生成的，则q值越大表示自变量X对属性Y的解释力越强，反之则越弱。极端情况下，q值为1表明因子X完全控制了Y的空间分布，X值100%解释了Y，q值为0则表明因子X与Y没有任何关系。
（2）交互作用探测。识别不同因子Xs 之间的交互作用，即评估因子X 1和X 2共同作用时是否会增强或减弱对因变量Y的解释力，或这些因子对Y的影响是否相互独立。方法的核心是，首先分别计算两种因子X 1和X 2对Y的q值，即q（X 1）和q（X 2），并且计算它们交互（叠加变量X 1和X 2两图层相切所形成的新的多边形分布）时的q值，即q（X 1∩X 2），并对q（X 1）、q（X 2）与q（X 1∩X 2）进行比较。两个因子之间的关系分为以下几类：
非线性减弱：q（X 1∩X 2）<Min［q（X 1），q（X 2）］
Min［q（X 1），q（X 2）］<q（X 1∩X 2）<
单因子非线性减弱：Max［q（X 1），q（X 2）］
q（X 1∩X 2）>Max［q（X 1），q（X 2）］
双因子增强：
表 2 影响因子的选取

Tab.2 Selection of influence factors

类型 因子
经济 X 1公共财政支出
X 2城市GDP
X 3城市人均GDP
教育 X 4城市教育支出占公共财政支出比重
X 5城市教育支出
就业 X 6城市全社会从业人员人数
X 7城市失业率
X 8城市居民消费价格指数
社会人口结构 X 9城市人口数量
X 10城市中小学在校生数量
X 11城市中小学在校生数量占人口比重
相互独立：q（X 1∩X 2）=q（X 1）+q（X 2）
非线性增强：q（X 1∩X 2）>q（X 1）+q（X 2）
根据参考文献［25-27］，大湾区各个城市的高等教育资源空间格局分布与城市经济、教育就业和人口结构水平高度相关。因此，从经济、教育、就业和社会人口结构4方面共选取11个影响因子。特别说明的是，就业类型指标，表示一个城市对高等人才的吸引力，探究就业情况对城市高等教育的影响，而城市中小学在校生数量，意图是探究城市基础教育对高等教育资源的影响。

2 结果分析

2.1　GINI系数均衡性分析

分别对粤港澳大湾区11个城市的单因素、人口以及经济GINI系数进行了衡量，得到各个城市2020年高等教育资源的不平衡性对比。
结果（表3至表6）显示，大湾区各市高等教育分布相对于人口、经济分布具有明显的不平衡性，具体分析如下：
表3 各市在校加权学生数量作为指标得到的GINI系数

Tab.3 GINI coefficient values obtained by using the weighted number of students in schools in each municipality as an indicator

地区/GINI系数 广州 深圳 珠海 佛山 惠州 东莞 中山 江门 肇庆 香港 澳门
广州 0.000 0.810 0.851 0.821 0.988 0.873 0.985 0.976 0.965 0.499 0.943
深圳 0.810 0.000 0.132 0.036 0.892 0.217 0.868 0.791 0.714 0.521 0.563
珠海 0.851 0.132 0.000 0.097 0.862 0.088 0.832 0.736 0.643 0.611 0.467
佛山 0.821 0.036 0.097 0.000 0.885 0.183 0.859 0.777 0.696 0.546 0.539
惠州 0.988 0.892 0.862 0.885 0.000 0.837 0.107 0.345 0.491 0.965 0.661
东莞 0.873 0.217 0.088 0.183 0.837 0.000 0.802 0.692 0.588 0.663 0.394
中山 0.985 0.868 0.832 0.859 0.107 0.802 0.000 0.247 0.406 0.957 0.597
江门 0.976 0.791 0.736 0.777 0.345 0.692 0.247 0.000 0.176 0.929 0.410
肇庆 0.965 0.714 0.643 0.696 0.491 0.588 0.406 0.176 0.000 0.900 0.252
香港 0.499 0.521 0.611 0.546 0.965 0.663 0.957 0.929 0.900 0.000 0.838
澳门 0.943 0.563 0.467 0.539 0.661 0.394 0.597 0.410 0.252 0.838 0.000
表4 各市单位面积上高校在校人数作为指标得到的GINI系数

Tab.4 GINI coefficient value obtained by using the number of college students in each municipality per unit area as an indicator

地区/GINI系数 广州 深圳 珠海 佛山 惠州 东莞 中山 江门 肇庆 香港 澳门
广州 0.000 0.533 0.349 0.646 0.936 0.533 0.694 0.935 0.895 0.193 0.725
深圳 0.533 0.000 0.225 0.174 0.804 0.001 0.256 0.803 0.694 0.658 0.907
珠海 0.349 0.225 0.000 0.384 0.871 0.226 0.455 0.871 0.795 0.508 0.857
佛山 0.646 0.174 0.384 0.000 0.733 0.173 0.087 0.731 0.591 0.746 0.934
惠州 0.936 0.804 0.871 0.733 0.000 0.804 0.690 0.003 0.250 0.956 0.989
东莞 0.533 0.001 0.226 0.173 0.804 0.000 0.256 0.803 0.693 0.658 0.907
中山 0.694 0.256 0.455 0.087 0.690 0.256 0.000 0.688 0.532 0.782 0.944
江门 0.935 0.803 0.871 0.731 0.003 0.803 0.688 0.000 0.247 0.956 0.989
肇庆 0.895 0.694 0.795 0.591 0.250 0.693 0.532 0.247 0.000 0.928 0.983
香港 0.193 0.658 0.508 0.746 0.956 0.658 0.782 0.956 0.928 0.000 0.618
澳门 0.725 0.907 0.857 0.934 0.989 0.907 0.944 0.989 0.983 0.618 0.000
表5 各市高等教育规模相对总人口的GINI系数

Tab.5 GINI coefficient of the size of higher education in each municipality relative to the total population

地区/GINI系数 广州 深圳 珠海 佛山 惠州 东莞 中山 江门 肇庆 香港 澳门
广州 0.000 0.746 0.118 0.624 0.840 0.438 0.634 0.815 0.621 0.563 0.417
深圳 0.746 0.000 0.688 0.228 0.253 0.457 0.212 0.176 0.232 0.315 0.477
珠海 0.118 0.688 0.000 0.546 0.802 0.337 0.558 0.771 0.543 0.477 0.314
佛山 0.624 0.228 0.546 0.000 0.455 0.256 0.017 0.388 0.005 0.094 0.280
惠州 0.840 0.253 0.802 0.455 0.000 0.637 0.441 0.081 0.458 0.526 0.652
东莞 0.438 0.457 0.337 0.256 0.637 0.000 0.272 0.586 0.252 0.166 0.026
中山 0.634 0.212 0.558 0.017 0.441 0.272 0.000 0.374 0.021 0.110 0.295
江门 0.815 0.176 0.771 0.388 0.081 0.586 0.374 0.000 0.392 0.465 0.602
肇庆 0.621 0.232 0.543 0.005 0.458 0.252 0.021 0.392 0.000 0.089 0.276
香港 0.563 0.315 0.477 0.094 0.526 0.166 0.110 0.465 0.089 0.000 0.191
澳门 0.417 0.477 0.314 0.280 0.652 0.026 0.295 0.602 0.276 0.191 0.000
表 6 各市高等教育相对经济分布的GINI系数

Tab.6 GINI coefficient for the relative economic distribution of higher education in various municipalities

地区/GINI系数 广州 深圳 珠海 佛山 惠州 东莞 中山 江门 肇庆 香港 澳门
广州 0.000 0.859 0.117 0.589 0.300 0.579 0.491 0.498 0.205 0.628 0.385
深圳 0.859 0.000 0.824 0.546 0.752 0.556 0.635 0.630 0.793 0.500 0.708
珠海 0.117 0.824 0.000 0.507 0.190 0.495 0.397 0.405 0.090 0.552 0.280
佛山 0.589 0.546 0.507 0.000 0.350 0.015 0.137 0.128 0.436 0.063 0.264
惠州 0.300 0.752 0.190 0.350 0.000 0.337 0.224 0.233 0.101 0.404 0.095
东莞 0.579 0.556 0.495 0.015 0.337 0.000 0.122 0.113 0.424 0.078 0.250
中山 0.491 0.635 0.397 0.137 0.224 0.122 0.000 0.010 0.318 0.198 0.131
江门 0.498 0.630 0.405 0.128 0.233 0.113 0.010 0.000 0.327 0.189 0.141
肇庆 0.205 0.793 0.090 0.436 0.101 0.424 0.318 0.327 0.000 0.486 0.195
香港 0.628 0.500 0.552 0.063 0.404 0.078 0.198 0.189 0.486 0.000 0.321
澳门 0.385 0.708 0.280 0.264 0.095 0.250 0.131 0.141 0.195 0.321 0.000
（1）使用各市在校加权学生数量衡量的粤港澳大湾区高等教育分布GINI系数大致分布在0.035 5~0.988 1区间，0.4以上的占比为70.3%。其中，广州是该GINI系数均衡性差异最大的城市，其次为香港和惠州。惠州市系数高的原因是由于高等教育资源的相对缺乏。
（2）用各市单位面积上高校在校人数作为指标得出的GINI系数值，大致分布在0.000 5~0.989 5之间，0.4以上占比67.8％。其中，澳门是该GINI系数均衡性差异最大的城市，其次为江门和惠州。
（3）各市高等教育规模相对总人口的GINI系数分布在0.016 6~0.840 2，0.4以上占比44.6％。其中，广州同其他市不平衡性为最大。
（4）各市高等教育相对经济分布的GINI系数大致分布在0.009 5~0.858 6之间，GINI系数0.4以上占比38％。其中，深圳的高等教育规模同其经济发展状况处于极其不平衡的状态（均值达0.618 5，远高于其他城市）。
大湾区高等教育综合实力最强，国际化程度最高的城市为香港。将其作为标杆，可以发现：首先，在单因素中广州的高等教育资源最接近香港。其次，在高等教育规模相对于人口因素的GINI系数看来，同香港相比，广州、珠海、江门、惠州，均处于不均衡状态。其中，广州、珠海学生占总人口的比值要高于香港，而江门、惠州学生占总人口的比值要低于香港。江门、惠州的高等教育在粤港澳大湾区中处于劣势地位。最后，在高等教育规模相对于经济因素的GINI系数看来，广州、深圳、珠海、肇庆、惠州同香港相比均处于不均衡状态。

2.2　大湾区高等教育资源空间分布影响因素探究

2.2.1　影响因素因子探测

将X 1~X 11指标因子划分为5个级别，采用地理探测器模型，分别计算出各自变量因子（图1）对粤港澳大湾区各城市高等教育资源空间分布的贡献力q值。
图1 影响因子空间的结构特征

Fig.1 Structural characteristics of the influence factor space

从结果（表7）可知，粤港澳大湾区各城市高等教育资源空间分布主要受城市中小学在校生数量、城市人均GDP、城市人口数量和城市教育支出等因子的影响，而受城市全社会从业人员人数、城市居民消费价格指数和城市失业率因子影响较小。特别是受中小学在校生数量的影响非常大，说明高等教育受基础教育影响较大。具体分析如下：
表7 单因子探测结果

Tab.7 Single factor detection results

指标 一级区 二级区 三级区 四级区 五级区 q值
公共财政支出 375.63~442.38 442.38~677.62 677.62~1 003.04 1 003.04~4 178.42 4 178.42~6 554 0.269 5
城市GDP 1 684.09~2 311.65 2 311.65~3 481.94 3 481.94~4 221.79 4 221.79~10 816.47 10 816.47~27 670.24 0.396 3
城市人均GDP 56318 56 318~71 478 71 478~114 157 114 157~159 883 159 883~323 180.52 0.645 4
城市教育支出占公共财政支出比重 0.132 5~0.145 6 0.145 6~0.172 0 0.172 0~0.189 2 0.189 2~0.203 6 0.203 6~0.241 4 0.342 1
城市教育支出 78.53~87.1 87.1~111.9 111.9~129.1 129.1~202.89 202.89~954.4 0.472 8
城市全社会从业人员人数 36.06~103.02 103.02~286.31 286.31~533.85 533.85~1 292.29 1 292.29~3 690.9 0.050 4
城市失业率 0.021 8 0.021 8~0.023 9 0.023 9~0.025 0 0.025~0.058 0.058~0.252 0.174 2
城市居民消费价格指数 99.9 99.9~100.9 100.9~102.3 102.3~102.7 102.7~103.1 0.073 8
城市人口数量 68.5~244.96 244.96~605.72 605.72~1 048.36 1 048.36~1 874.03 1 874.03~7 401.5 0.485 8
城市中小学在校生数量 6.31 6.31~50.92 50.92~71.18 71.18~119.95 119.95~166.83 0.948 7
城市中小学在校生数量占人口比重 0.089 0~0.092 1 0.092 1~0.096 2 0.096 2~0.106 3 0.106 3~0.121 3 0.121 3~0.167 7 0.358 5
（1）社会人口结构因子对于高等教育资源的空间分布影响较其他的因子相比要大，影响的大小表现为：城市中小学在校生数量>城市人口数量>城市中小学在校生数量占城市人口数量的比重；教育因子的影响也较大，可见城市在教育方面的支出与高等教育资源的分布有着紧密的联系。其中，城市中小学在校生数量的q值高达0.9以上，由此可见高等教育资源的分布尤其与城市基础教育紧密相关。
（2）社会经济对于高等教育资源空间分布的影响也较大，影响的大小表现为：城市人均GDP>城市GDP>城市公共财政收入，可见经济是高等教育资源的重要支撑，同时也是吸引高等人才的一个重要因素。
（3）在选取的4类因子中，就业因子对高等教育资源空间分布的影响最小，q值最高的失业率也仅为0.17，说明相较其他因素而言，就业对于高等教育资源的分布影响较小。

2.2.2　影响因素交互探测

为度量影响因素之间对高等教育资源空间分布产生的交互影响，采用地理探测器中的交互探测对因子进行两两组合探测。结果表明表8：无论是经济因子、教育因子、就业因子以及人口结构建成环境因子，它们两两之间的交互影响力均大于各单一因子的影响力。
表 8 交互因子探测结果

Tab.8 Detection results of interaction factors

因子 X 1 X 2 X 3 X 4 X 5 X 6 X 7 X 8 X 9 X 10 X 11
X 1 0.265 9
X 2 0.992 6 0.396 3
X 3 0.992 6 0.992 6 0.645 4
X 4 1.000 0 1.000 0 0.685 6 0.342 1
X 5 0.992 6 0.980 7 0.992 6 1.000 0 0.472 8
X 6 0.990 0 0.463 2 0.992 6 0.467 4 0.532 7 0.050 4
X 7 0.496 9 0.997 4 1.000 0 0.999 8 1.000 0 0.488 6 0.174 2
X 8 0.499 4 0.473 0 0.999 7 0.999 7 0.999 8 0.216 2 0.327 9 0.073 8
X 9 0.992 6 0.992 6 0.992 5 0.999 7 0.532 6 0.532 7 1.000 0 0.999 7 0.485 8
X 10 0.992 9 0.991 7 0.992 9 0.971 4 0.992 9 0.991 8 1.000 0 0.999 5 0.992 9 0.948 7
X 11 0.990 0 0.992 7 0.992 7 1.000 0 0.992 7 0.989 4 0.511 3 0.998 9 0.992 7 0.993 0 0.358 5
交互探测结果分析如下：
（1）交互探测中有几个因子共同作用达到了较大的非线性增强（数值等于1），分别是公共财政支出（X 1）和城市教育支出占公共财政支出比重（X 4）；城市GDP（X 2）和城市教育支出占公共财政支出比重（X 4）；城市人均GDP（X 3）和城市失业率（X 7）；城市教育支出占公共财政支出比重（X 4）和城市教育支出（X 5）；城市教育支出占公共财政支出比重（X 4）和城市中小学在校生数量占人口比重（X 11）；城市教育支出（X 5）和城市失业率（X 7）；城市失业率（X 7）和城市人口数量（X 9）；城市失业率（X 7）和城市中小学在校生数量（X 10）。
（2）单因子探测得到q值最大的X 10城市中小学在校生数量，在与各因子作用都会达到较大的非线性增强，均值达0.987 5。
（3）两两因子相互作用高于0.9以上的达到了65.15%。

3 结论与讨论

3.1　结论

本文通过GINI系数分析粤港澳大湾区高等教育资源空间分布的均衡性，利用地理探测器进行单因子和交互探测分析其格局形成的影响因素，主要结论如下：
（1）粤港澳大湾区各市的高等教育分布在人口和经济方面均存在明显的不平衡性，广州和深圳尤为明显。江门、惠州和肇庆等地区的高等教育资源相对缺乏，需要政策的倾斜扶持。
（2）城市的基础教育、经济状况和人口结构等因子对高等教育资源的空间分布影响显著，而城市全社会从业人员人数、城市居民消费价格指数和城市失业率的影响相对较小。在交互因子探测中，城市中小学在校生数量，在与经济、教育、就业和社会人口结构等因子相互作用时会达到较大的非线性增强。
（3）粤港澳大湾区目前已形成多中心的圈层环状结构，香港、澳门、广州和深圳四大发达城市是核心圈，珠海、佛山、东莞、中山、江门、惠州和肇庆等其他7所城市形成紧密圈，形成“中心—外围”的地理空间分布特征，同时辐射带动华南、东南和西南等周边区域城市发展，乃至对全国各个省市形成空间外溢效应。

3.2　讨论

研究对建成粤港澳大湾区人才高地、促进粤港澳大湾区高等教育资源均衡布局有一定的参考价值。但须指出的是，中国高等教育资源空间分布非均衡是由于历史、经济、政治等因素长期作用形成的，这是一个动态的且十分宏观的课题，本研究只是采用地理探测器对粤港澳大湾区经济、教育、就业和社会人口结构4个较大的影响方面进行指标体系的构建考虑，尽管从空间地理学角度定量分析为高等教育资源提供了一个独特的视角，但空间地理学并不能取代大规模社会学的定性分析和调查研究，只能作为其有益的补充。其次，研究未区分公办大学和民办大学，而是统一处理为高等教育资源，可能结论与现实会有一定的出入。对于中国而言，公办大学处于更高的社会地位，其开设与否是受到教育部的制约，并非由城市的经济发达程度而决定，这点未来研究需进一步细分。最后，应当承认高等教育资源和机会的空间不平衡是长期存在的，缩小不平衡、合理再分配资源是本研究想促成的结果。基于研究结果得到的启迪建议，望对大湾区公共政策制定和决策产生微薄的影响。

4 建议

（1）通过GINI系数分析看出，粤港澳大湾区高等教育分布参差不齐，因此，要尽快形成一个有机联动的整体，高等教育合作办学范围逐步扩大，数量增多，香港和澳门等世界知名高校不仅要在广州、深圳、东莞办学，惠州，江门和肇庆等地区也应该根据当地的产业特色，开展各种形式合作办学，港澳与内地之间相互开放，招生力度继续加大。各教育行政部门需多加强跨境交流合作，从“独立自治”到“合作共治”再到“协同善治”的空间形态转变。
（2）教育资源投入应向经济相对落后的地区倾斜。资金投入是影响当地高等教育发展的重要因素，因此对于教育相对落后地市，省级政府应加强对教育经费的使用和倾斜，要求高水平地区帮扶落后地市。对教育资源欠发达地区（如惠州、江门等）的学生提供更高的奖学金和经济援助，使经济背景较差地区的学生也有机会接触高等教育资源，适当扩大在这些地区的招生名额，让广深的优质资源能更多地惠及相对落后地区，整个大湾区内，逐步实现实现教育公平。
（3）粤港澳高等教育合作继续加快，通过创办科技园或虚拟大学园等科研机构和高校之间合作办学的模式，整合港澳国际知名大学、研究机构和科技企业等。按照“一园多校、市校共建”模式举办研究院、产学研结合示范基地，共建国家重点实验室（工程中心）平台等，以香港中文大学深圳研究院等一批高水平研究院为代表，通过共享基础设施、科技资源等实现高层次人才培养、科学技术创新、科技成果转化。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
1
刘华军, 张权, 杨骞.中国高等教育资源空间分布的非均衡与极化研究[J].教育发展研究, 2013,33(9):1-7.

2
刘宁宁. 我国城市高等教育资源集聚水平及空间格局探析[J].高校教育管理, 2019,13(1):82-89.

3
王志强. 粤港澳大湾区高等教育空间布局：框架、现实与进路[J].中国高教研究, 2020(6):79-85.

4
齐宏纲, 戚伟, 刘盛和.港澳大湾区人才集聚的演化格局及影响因素[J].地理研究, 2020,39(9):2000-2014.

5
黄炳超, 陈先哲. 粤港澳大湾区高等教育治理的时空格局、形态嬗变及未来路向[J]. 国家教育行政学院学报, 2021,287(11):36-45.

6
李清刚.城市群空间演进背景下粤港澳高等教育的布局调适[J].高校教育管理, 2024,18(1):70-80.

7
Quartey, Dorcaslove Naa Oyo. Spatial patterns of women enrolled in undergraduate higher education coursework in the US from 2010 to 2020. MS thesis[M]. Kalamazoo: Western Michigan University, 2024.

8
Verdis, Athanasios, Kleomenis Kalogeropoulos, and Christos Chalkias. Regional disparities in access to higher education in greece[J]. Research in Comparative and International Education, 2019,14(2):318-335.

9
马浚锋.“从集聚走向均衡”: 中国高校顶尖人才集聚的空间溢出效应及其收敛性[J].科技进步与对策, 2024,41(15):12-21.

10
Henri, Lefebvre, and DonaldNicholson-Smith. The production of space[M]. Massachusetts: Blackwell, 1991.

11
Bradford, Michael. Education, attainment and the geography of choice[J]. Geography, 1990,75（1）:3-16.

12
Ainsworth, James W. "Why does it take a village? The mediation of neighborhood effects on educational achievement[J]. Social forces, 2002,81(1):117-152.

13
Brattbakk, Ingar. Block, neighbourhood or district? The importance of geographical scale for area effects on educational attainment[J]. Human Geography, 2014,96(2):109-125.

14
Gordon, Ian, Vassilis Monastiriotis. Education, location, education: a spatial analysis of English secondary school public examination results[J]. Urban Studies, 2007,44(7):1203-1228.

15
Brattbakk, Ingar, Terje Wessel. Long-term neighbourhood effects on education, income and employment among adolescents in oslo[J]. Urban Studies, 2013,50(2):391-406.

16
Maloutas, Thomas. Middle class education strategies and residential segregation in Athens[J]. Journal of Education Policy, 2007,22(1):49-68.

17
Maloutas, Thomas, and Isabel Ramos Lobato. Education and social reproduction: Educational mechanisms and residential segregation in Athens and Dortmund[J]. Local Economy, 2015,30(7):800-817.

18
Zahl-Thanem, Alexander, Johan Fredrik Rye. Spatial inequality in higher education: A growing urban-rural educational gap?[J]. European Sociological Review, 2024:jcae015.

19
游小珺, 赵光龙, 杜德斌, 等.中国高等教育经费投入空间格局及形成机理研究[J].地理科学, 2016,36(2):180-187.

20
袁振杰, 郭隽万果, 杨韵莹, 等.中国优质基础教育资源空间格局形成机制及综合效应[J].地理学报, 2020,75(2):318-331.

21
潘璐璐, 张炜, 赵红星, 等.我国东西部高等教育布局结构研究[J].数学的实践与认识, 2005,35(11):92-98.

22
方远平, 肖亚儿, 宋雅玲, 等.珠三角地区电子信息产业空间格局及影响因素——基于企业POI数据的分析[J].华南地理学报, 2023,1(2):15-26.

23
何尹杰, 张占录, 高文文.北京市政府搬迁至副中心对通州土地利用影响[J].水土保持研究, 2022,29(3):351-357, 366.

24
王劲峰, 徐成东.地理探测器:原理与展望[J].地理学报, 2017,72(1):116-134.

25
蔡蔚萍.高等教育的空间分布及其社会后果研究[D].武汉： 武汉大学, 2017-06.

26
乔文.我国高等教育投资效率的空间差距及影响因素分析[D].济南： 山东财经大学, 2017-06.

27
吴大放, 刘艳艳, 何尹杰, 等.人文地理与城乡规划专业“BCAC”实践教学综合改革与创新[J].高师理科学刊, 2020,40(6):101-106.

Options
文章导航

/

〈 〉