徐伟
摘 要 利用引力模型以及空间计量模型等方法分析中国省域高等职业教育空间联系的演化特征及其经济增长效应，研究发现：2007-2018年，在高等职业教育空间联系势能方面，以北京为核心的京津冀地区和以上海为核心的江浙沪地区表现最为突出;空间上呈现出集聚的态势，空间集聚强度也表现出“M”型形态的波动情况;冷热点的空间结构从整体上呈现出东中西部不均衡发展的形态;空间联系网络结构逐渐从简单的折线型演变为区域型、直到形成复杂的网络型空间网络结构;高等职业教育发展对经济增长存在明显的空间溢出效应和空间异质性。
关键词 高等职业教育;空间联系;演化特征;经济增长
一、引言
随着中国经济发展进入新常态，经济增长动力从主要依靠资源和低端劳动力等要素投入转向为依托创新驱动和大量高层次创新型人才[1][2][3]。一直以来，我国高度重视教育的发展，提出科教兴国战略和人才强国战略，以培养出富有创新活力的科技人才，促进经济社会的高质量发展[4]。作为教育重要组成部分之一的高等职业教育，其首要任务就是在知识创新和技术发明领域培养新型的创新人才，由此推动技术成果转化、新技术产业发展，以达到培育新经济增长点的效果[5][6]。
目前，中国高等职业教育虽然形成了较为完善的教育体系，但是仍然存在着教育资源紧缺、地区间发展不均衡等问题[7][8]。高等职业教育发展如果与经济增长不协调，其影响力就会起到负面的效果[9]。在此状况下，应当统筹社会整体资源，推动其合理配置，有效促进高等职业教育与经济共同发展[10]。以往，学术界对教育促进经济增长的研究主要聚焦于理论研究，基于实证研究分析具体机制仍相对不足[11][12]。教育作为一个多因素结合的研究问题，难以进行定量分析，尽管有学者对中国高等职业教育经费投入的形成机理进行研究，但仍然停留在理论框架的探讨阶段[13]。
因此，本研究拟以中国省域2007-2018年的面板数据为样本，利用引力模型分析高等职业教育空间联系的演化特征，再运用空间计量模型对经济增长效应进行分析。以期谋划基于区域协同联系的职业教育发展新策略，深化高等职业教育改革，为推动高等职业教育事业高质量发展及推动经济增长提供科学依据及理论支持。
二、数据来源和研究方法
（一）数据来源
本研究以中国31个省份（包括直辖市和自治区）为研究区域（不包含香港特别行政区、澳门特别行政区及台湾地区），考察中国普通高等学校教育经费支出指标，数据来源于《中国教育经费统计年鉴》（2008-2019）以及《中国教育统计年鉴》（2008-2019）。
另外，本研究还收集了中国省域对应的资本要素和劳动力要素，相关数值来自于《中国宏观经济数据库》（2008-2019）。
（二）研究方法
1.高等职业教育空间联系引力模型
引力模型是研究空间相互作用能力的典型模型[14][15]。基于此，本研究利用引力模型研究省域高等职业教育的空间联系，量化区域高等职业教育的联系强度。模型设立见文献[16]。
2.高等职业教育空间联系势能的空间自相关分析
（1）Moran's I指数。全局Moran's I指数通常用来分析空间自相关情况，其计算过程见文献[17]。
（2）Getis-Ord Gi指数。Getis-Ord Gi指数可以识别高值的空间聚集情况和低值的空间聚集情况[18]。
3.高等职业教育空间联系的经济增长效应模型
本研究认为高等职业教育对某地区的经济增长有较大的促进作用并建立中国省域高等职业教育空间联系对经济增长的模型[19]。同时，在普通面板模型的基础上，进一步计入了空间因素，探讨中国省域之间的空间相关性以及个体之间的异质性，形成了空间面板数据模型。根据相关研究成果[20]，构建中国省域高等职业教育空间联系势能的经济增长空间模型。
三、高等职业教育空间联系的演化特征
（一）高等职业教育空间联系的势能演化
高等职业教育的势能可以衡量某一省份在空间联系格局中的中心地位。由表1可知，2007-2018年高等职业教育空间联系势能以北京为核心的京津冀地区和以上海为核心的江浙沪地区最为突出。2007年中国省域高等职业教育势能比重最大的是北京，占全国省域的9.57%，位列第一，表明北京的高等职业教育水平辐射能力居全国首位;天津、上海、浙江分别占全国的比例为6.09%、6.99%和6.15%，位列第二、第三和第四;排名第五和第六的分别是江苏和河北，前六名高等职业教育空间联系势能共占全国的37.4%，表明京津冀和江浙沪地区高等职业教育势能表现地较为突出。到2012年，虽然整体的空间联系势能在大幅度增长，但是各省份的比例并没有发生特别明显的变动，各省份的排名也基本保持不变。直至2018年，天津高等職业教育势能比例有所下降，而上海持续增长攀升至第二位，但总体以京津冀和江浙沪地区为重点区域的格局仍未变化。
（二）高等职业教育空间联系的自相关演化
本研究进一步测算高等职业教育空间联系的全局Moran's I指数和G值，探索高等职业教育空间联系分布的空间集聚性，结果如表2所示。
由表2可知，2007-2018年高等职业教育空间联系势能的Moran's I指数均通过了1%的显著性水平检验，说明中国各省域之间的高等职业教育情况存在显著的空间集聚。整体而言，Moran's I指数的数值均在0.500上下波动，总体变化趋势较为接近，但在2015年出现最低值0.298，说明此时高等职业教育空间联系的集聚效应表现相对较弱。同时，G指数也表现出显著为正，即说明高等职业教育空间联系的势能存在显著的热点集聚区和冷点集聚区;而进一步分析G指数的变动情况，可以发现数值呈现出“M”型形态的波动情况。
为进一步探究中国省域高等职业教育空间联系的高低值聚集分布情况，本研究将局域Getis-Ord Gi指数，利用ArcGIS软件按照自然断点法从高到低分为五种类型，分别命名为热点区域、次热点区域、随机分布区、次冷点区域和冷点区域，选取具有代表性的2007年、2012年和2018年数据经可视化表达为图1。
由图1可知，省域高等职业教育冷热点分布的空间结构从整体上呈现出“东部高值集聚，中部随机分布，西部低值集聚”的不均衡发展态势，热点区域主要集中在京津冀以及江浙沪地区，而冷点区域主要集中在云南、西藏等西部地区。在2007年，东部地区存在明显的高等职业教育空间集聚特征，形成了较为突出的高值聚集区域;冷点区域和次冷点区域为新疆、西藏和青海等西部地区。到2012年，冷点区域和次点区域数量呈现出扩张的趋势，达到了7个和6个，其中黑龙江、吉林和海南由原来的随机分布区转变为次冷点区域。2018年热点区域又增加到4个，河北和江苏由原先的次热点区域跃升到热点区域，另有山东等3个次热点区域。冷点区域、次热点区域则主要分布在西部地区和东北地区。总体而言，空间联系的热点区域主要在京津冀和江浙沪这两块地区，而冷点区域的数量却呈现出扩张蔓延的趋势。
（三）高等职业教育的空间联系网络演化
为方便对比高等职业教育空间联系网络结构的变化，利用ArcGIS10.2软件进行网络分析，在已有研究结果的基础上，研究选取空间联系量的数据，将中国31个省份高等职业教育的空间联系量按统一尺度标准划分，分别为小于500、500～2000、2000～5000、5000～10000和大于10000，共5个等级，并进行可视化处理，绘制出高等职业教育空间联系网络分布图，见图2。
根据图2可以发现，2007年至2018年，中国省域高等职业教育空间联系网络结构发生了显著变化，逐渐从简单的折线型演变为区域型、直到形成复杂的网络型空间网络结构。
2007年，中国省域高等职业教育空间联系仅表现在东部地区，且还处于简单的雏形状态，形成了以“北京—天津、上海—浙江”连线为核心的“折线型”空间结构。这也符合早期中国教育资源主要集中在东部沿海地区的状况，是早期空间格局形成与发展的重要基础。到2012年，地区间彼此联系开始加强，空间联系网络格局变化显著并越来越复杂，逐渐形成了简单的“区域型”空间结构。到2018年，网络结构整体上呈现扩散态势，并向中西部地区不断辐射蔓延。各省域高等職业教育增长幅度不同，加剧了空间联系的差异性，从而进一步形成复杂的“网络型”空间网络结构。省域之间的空间联系持续显著增强，以京津冀和江浙沪两大区域为核心构成网络结构的空间联系密集区，形成了以“山西—北京—黑龙江，内蒙古—北京—浙江”交叉“十”字形为核心的复杂的空间网络结构。
四、中国省域高等职业教育空间联系的经济增长分析
为研究中国省域高等职业教育空间联系的经济增长效应，本研究运用R语言的plm包首先对普通面板数据进行了参数估计，并在传统非空间面板数据的基础上，利用splm扩展包对省域空间面板数据模型进行了极大似然估计，得到了参数估计的结果，见表3。同时，为了充分探讨高等职业教育空间联系与经济增长之间的联系，将高等职业教育空间联系势能值作为引入自变量逐步增加到模型中，得到了不包含高等职业教育空间联系的模型I与包含高等职业教育空间联系的模型II，分别进行参数估计。在研究空间面板模型时，通常采用bsktest函数来检验模型中是否存在个体效应（随机效应或者固定效应）、是否存在空间效应（空间自回归项是否有必要引入模型）等。结果得到LM-H=2018.6，p-value<2.2e-16，说明可以拒绝零假设，即模型中需要考虑随机效应及空间相关性。
由表3可知，在OLS估计结果中，模型II的R2=0.954，大于模型I的R2=0.937，即添加了高等职业教育空间联系自变量的模型II的拟合效果优于未添加的模型I，证实了高等职业教育本身对经济增长有着显著的促进作用。可以发现，在模型I中劳动力要素的贡献最小，技术进步对经济增长的促进程度表现突出，而加入了高等职业教育空间联系变量的模型II中，劳动力要素和资本要素的贡献程度均有所下降，技术进步的数值反而进一步增长。究其原因，高等职业教育在不断提高毕业生素质的同时，职业教育为技术的落地提供了支撑，推动科技这一关键经济增长动力得到强化。
通过比较模型的检验值，可以发现广义空间面板模型（SAC）是比SLM和SEM更加适合的模型，此时资本要素是经济增长的主要力量，高等职业教育水平也呈现出显著的正向推动作用。同时，资本要素、劳动力要素、技术水平和高等职业教育水平均通过了1%的显著性水平检验，且所有变量系数的显著性以及数值在不同模型中呈现出较好的一致性，系数符号与期望的一致，符合传统认知及相关理论的研究。进一步分析参数可以发现，单独考虑空间滞后效应或是空间误差效应，不管是随机效应还是固定效应模型，系数λ与ρ都非常显著，这表明中国省域高等职业教育的发展对经济增长存在明显的空间溢出效应。但在SAC模型中同时考虑空间滞后效应和空间误差效应时，λ系数仍然为正且显著，说明高等职业教育对经济增长的空间异质性表现明显;而ρ系数性质从正值变为负值，仍保持显著性，这可能是由于省域间高等职业教育的不均衡性所导致的。
五、研究结论与对策建议
（一）研究结论
第一，2007-2018年高等职业教育空间联系势能以北京为核心的京津冀地区和以上海为核心的江浙沪地区最为突出，其中心性及中心地位也最高。同时，空间集聚程度呈现出“M”型的波动情况。
第二，中国省域高等职业教育冷热点的空间结构从整体上呈现出“东部高值集聚，中部随机分布，西部低值集聚”不均衡发展的态势。在研究期内，空间联系网络结构发生了明显变化，逐渐从简单的省域一体化格局演变为以“山西—北京—黑龙江，内蒙古—北京—浙江”交叉“十”字形为核心的复杂的空间网络结构。
第三，中国省域高等职业教育的发展对经济增长存在明显的空间溢出效应和空间异质性。高等职业教育在经济新常态下成为技术创新发挥作用的关键支撑，是推动区域科技创新和经济增长的重要力量。
（二）对策建议
第一，加强省域间空间聯系，切实提升教育水平。研究结果表明职业教育空间联系具有显著经济增长效应，因此需要加强职业教育省域间的空间联系，建立合理的人才流动机制，充分发挥人力资本显著的空间外溢性，从而实现经济效用的最大化，以适应未来区域间的产业结构变动。
第二，加速教育资源整合，促进区域协调联动发展。相对落后的省份要想走出“洼地”，就必须深化空间关联性和经济体制改革，才可能为高等职业教育发展走向“高地”提供强有力的动力支撑。各级政府应当综合考虑该地区长远的发展方向，努力通过地域间的合作分工以及利益共享，统筹区域间高等职业教育的协调发展，有效推动该地区经济可持续地健康发展。
第三，加快职业教育内涵式转型发展，适应经济新常态。在新常态的背景下，职业教育人才的培养需要从增量发展转为走存量优化发展道路。职业教育人才的质量提升是新常态下职业内涵式发展、存量优化的关键。
参 考 文 献
[1]钞小静，沈坤荣.城乡收入差距、劳动力质量与中国经济增长[J].经济研究，2014（6）：30-43.
[2]AGHION， PHILIPPE， AND PATRICK BOLTON. A trickle-down theory of growth and development with debt overhang[J]，1997，64（2）：151-62.
[3]JORGENSON， D. HO， M. & STIROH， K. Growth of US industries and investments in information technology and higher vocational education[M].Economic Systems Research， 2003，15（3）279-325.
[4]王建华.重启高等职业教育改革的理论思考[J].高等职业教育研究，2014（5）：1-10.
[5]杜伟，杨志江，夏国平.人力资本推动经济增长的作用机制研究[J].中国软科学，2014（8）：173-183.
[6]刘林，郭莉，李建波，等.高等职业教育和人才集聚投入对区域经济增长的共轭驱动研究——以江苏、浙江两省为例[J].经济地理，2013（11）：15-20.
[7]别敦荣，易梦春.中国高等职业教育发展的现实与政策应对[J].清华大学教育研究，2014（1）：11-16.
[8]纪宝成.当前高等职业教育发展中的五大困境[J].中国高教研究，2013（5）：4-8.
[9]孙蕾.教育产出结构、资源配置与中国经济增长[J].统计研究，2009（5）：59-69.
[10]吕普生.中国义务教育发展的不均衡性及其决定因素——基于2000-2008年数据的实证分析[J].中国软科学，2013（9）：82-96.
[11]宣小红，薛莉，马潇潇，等.教育学研究的热点与重点——对2013年度人大复印报刊资料《教育学》转载论文的分析与展望[J].教育研究，2014（2）：29-42.
[12]白玫.高等职业教育发展理论的认识论问题[J].高教探索，2013（3）：35-42.
[13]游小珺，赵光龙，杜德斌，等.中国高等职业教育经费投入空间格局及形成机理研究[J].地理科学，2016（2）：180-187.
[14]KIYONG KEUM. Tourism flows and trade theory： a panel data analysis with the gravity model[J].The Annals of Regional Science， 2010（3）：541-557.
[15]徐维祥，张凌燕，刘程军，等.城市功能与区域创新耦合协调的空间联系研究——以长江经济带107个城市为实证[J].地理科学，2017（11）：1659-1667.
[16]GONG Y， HU J， BOELHOUWER PJ. Spatial interrelations of Chinese housing markets： Spatial causality， convergence and diffusion[J].Regional Science and Urban Economics，2016，59：103-117.
[17][18]SEONG H C， ROLAND K ROBETS， SEUNG GYU KIM. Negative externalities on property values resulting from water impairment： the case of the pigeon river watershedt[J].Ecological Economics， 2011（12）：2390-2399.
[19]钱雪亚，缪仁余，胡博文.教育投入的人力资本积累效率研究——基于随机前沿教育生产函数模型[J].中国人口科学，2014（2）：74-83+127.
[20]陈海波，张悦.外商直接投资对江苏区域经济影响的实证分析——基于空间面板模型[J].国际贸易问题，2014（7）：62-71.
