基于潛在剖面分析的教育發展與國家競爭力的關聯研究

浦小松 劉曉莉

摘 ? 要：教育提升國家競爭力的作用越來越受到重視，文章基于國際數據，運用潛在剖面分析、方差分析探討教育發展與國家競爭力的關系。研究發現：數學成績、科學成績、閱讀成績、高等院校入學率與全球競爭力指數均呈顯著正相關;“高競爭力-高教育水平”國家的全球競爭力指數最高，PISA各科測試成績和高等院校入學率同樣最高，“中上競爭力-中上教育水平”國家、“中下競爭力-中下教育水平”國家和“低競爭力-低教育水平”國家的全球競爭力指數和教育水平逐漸降低;較高競爭力和教育水平國家的人均GDP、研發支出、科技期刊論文發表數量均高于較低競爭力和教育水平國家。

關鍵詞：教育發展 國家競爭力 潛在剖面分析 方差分析

一、引言

當今世界，國家之間綜合國力的競爭實際上是科技創新能力和人力資本的競爭，而科學技術的創新、人力資本的積累都依賴于國家的教育發展水平。20世紀80年代，哈佛商學院的邁克爾·波特教授最早提出國家競爭優勢理論，為競爭力研究提供了理論分析框架[1]。世界經濟論壇發布的《全球競爭力報告》認為國家競爭力即決定一國生產力水平的一系列制度、政策和要素，而在衡量全球競爭力的指標中，教育是主要的指標之一。

教育發展對于提升國家競爭力的重要作用越來越顯著，也越來越受到各國的廣泛重視。項賢明認為教育通過開發人力和知識資源、改善社會基礎結構、促進知識和技術創新、推動社會價值觀以及整個社會文明的進步等來促進國家競爭力的提高。教育促進國家競爭力的作用表現出鮮明的時代特征，社會文明越是發展到高級階段，教育對國家競爭力的促進作用也越表現出全面性和綜合性。[2]

部分學者則從教育競爭力的角度進行研究。薛海平和胡詠梅運用因子分析的方法，探求出反映國際教育競爭力水平的四個綜合指標，即“教育投入”“教育規模”“教育效率”和“教育產出”。根據這四個綜合指標，采用聚類分析的方法得到國際教育競爭力水平的排名和等級劃分[3]。唐曉玲利用熵值法構建高等教育國際競爭力的評價模型，選取《全球競爭力報告》中與高等教育國際競爭力相關的指標，計算各指標的熵值和權重，對高等教育國際競爭力水平進行綜合評價。[4]

教育發展水平和國家競爭力的關系如何？本文基于定量分析視角，選取部分可一定程度上反映二者相關情況的若干可比指標，采用跨國面板數據，應用描述性分析、潛在剖面分析、單因素方差分析等方法進行研究，以期進一步明晰二者之間的關系與關聯程度。

二、研究設計與變量描述

（一）研究方法

1.描述性分析

描述性分析是展示數據基本信息的一種分析方法：對于連續變量，展示變量的平均值、標準差、最小值、最大值以及相關系數等描述數據的信息;對于分類變量，展示各類別的樣本量和百分比。通過對變量的描述性展示，可以了解變量的基本數據結構。

2.潛在剖面分析

潛在剖面分析用來探索連續外顯變量的最優潛在類別。本文基于各國全球競爭力指數與教育水平的相關變量（數學成績、科學成績、閱讀成績、高等院校入學率等）進行潛在剖面分析，并通過各模型擬合指標（AIC、BIC、adjusted BIC、Entropy、LMR、BLRT等①）綜合判斷最優模型，以探索最恰當的分類類別和數目。

3.單因素方差分析

單因素方差分析用于檢驗生成的類別變量對單一因變量的影響程度。根據研究目的對變量進行單因素方差分析，得到不同類別下的均值結果，并通過F檢驗值對應的P檢驗值②判斷變量之間的差異顯著性，以進一步應用于事后多重檢驗，觀察兩類別之間的差異性程度。

（二）數據與變量

1.數據來源

本文數據來源于世界銀行和世界經濟論壇數據庫。針對原始數據中存在缺失值的問題，本文的處理方式為：先剔除缺失數據較多的國家樣本，剩余的缺失值采用趨勢值插補。最終得到的分析數據中包含42個國家，7個年份，共計264個樣本。③

2.變量設計

本文共收集8個主要變量，分別是全球競爭力指數（GCI）、數學成績（lnmath）、科學成績（lnscience）、閱讀成績（lnread）、高等院校入學率（educ_attain）、人均國內生產總值（2010年不變價美元，lnGDP_pc，下文簡稱人均GDP）、研發支出（R&D）和科技期刊論文發表數量（lnpapernum）。

全球競爭力指數反映該國家在中長期取得經濟持續增長的能力;數學成績、科學成績、閱讀成績是指國際學生評估項目（PISA）學生各科測評成績;高等院校入學率是指高等教育在學人口占總適齡人口的比率;人均GDP是在2010年不變價美元條件下以國內生產總值除以年中人口的方式計算得出的比率;研發支出是指該國家用于研發的國內總支出，用GDP的百分比表示;科技期刊論文發表數量是指該國家在物理學、生物學、化學、數學、臨床醫學、生物醫學研究、工程和技術以及地球與空間科學領域發表的科學和工程文章的數量。

3.描述性分析

樣本中全球競爭力指數均值為4.75，最高值為6.03，最低值為3.23，全距為2.80。

對數化的數學成績、科學成績、閱讀成績的平均測評成績分別為6.16、6.17、6.16，三科成績的均值和中位數值比較接近;高等院校入學率均值為60%，最大值為114%，最小值為6%，國家之間的高等院校入學率差距較大。

對數化的人均GDP均值是9.96;平均研發支出為1.50，中位數為1.26，最高為4.85，最低為0.15，全距為4.70;對數化的科技期刊論文發表數量均值為9.09，最多為13.18，最少為0。可見，國家間研發支出和科技期刊論文發表數量差距較大（見表1）。

進一步探索主要變量之間的相關關系發現，數學成績、科學成績、閱讀成績、高等院校入學率與全球競爭力指數均在0.001的顯著性水平下存在顯著正相關（見表2）。

本文將采用潛在剖面分析方法剖析各個國家的潛在類別，得到各個國家逐年類別的變化情況。

三、國家類別的潛在剖面分析

（一）類別數目和命名

基于各個國家的全球競爭力指數、數學成績、科學成績、閱讀成績、高等院校入學率五個變量分別分為2類、3類、4類、5類模型進行潛在剖面分析，結果顯示（見表3）：AIC、BIC和adjusted BIC數值隨著類別的增加逐漸減小，2類模型AIC、BIC和adjusted BIC最大，因此不考慮2類模型;在5類模型中，LMR（p）=0.626>0.05，表明5類模型不優于4類模型，因此不考慮5類模型。對比3類模型和4類模型發現，4類模型比3類模型包含最少的信息量以及更高的個體分類正確率（Entropy（4）>Entropy（3）），因此選擇4類模型為最終剖面分類模型，新生成的四類潛在國家類別變量命名為class。

以新生成的潛在國家類別變量class為自變量，分別以全球競爭力指數、數學成績、科學成績、閱讀成績、高等院校入學率的標準化Z分數為因變量進行單因素方差分析。由表4的結果可知，不同類別國家的全球競爭力指數、數學成績、科學成績、閱讀成績、高等院校入學率在0.001的顯著性水平下存在顯著差異，說明新生成的潛在國家類別變量有效。

通過潛在剖面分析結果得到四類潛在國家類別，分別對其命名：第一類包含22個樣本，占比為8.33%，在各變量上的分值均是最低值，因此命名為“低競爭力-低教育水平”;第二類包含44個樣本，占比為16.67%，在各變量上的分值高于第一類，因此命名為“中下競爭力-中下教育水平”;第三類包含93個樣本，占比為35.23%，在各變量上的分值高于第一類和第二類，因此命名為“中上競爭力-中上教育水平”;第四類包含105個樣本，占比為39.77%，在各變量上的分值均是最高值，因此命名為“高競爭力-高教育水平”（見圖1）。

（二）四類潛在國家類別

通過潛在剖面分析得到的四種分類分別是“高競爭力-高教育水平”“中上競爭力-中上教育水平”“中下競爭力-中下教育水平”“低競爭力-低教育水平”。樣本年份內類別無變化的國家及各年份類別情況見圖2。

樣本年份內一直處于“高競爭力-高教育水平”的國家有愛沙尼亞、比利時、丹麥、法國、芬蘭、韓國、荷蘭、加拿大、美國、英國、中國;樣本年份內一直處于“中上競爭力-中上教育水平”的國家有俄羅斯、克羅地亞、拉脫維亞、立陶宛、盧森堡、葡萄牙、斯洛伐克、西班牙、希臘、匈牙利、意大利;樣本年份內一直處于“中下競爭力-中下教育水平”的國家有保加利亞、羅馬尼亞、馬來西亞、塞爾維亞、泰國、烏拉圭;樣本年份內一直處于“低競爭力-低教育水平”的國家有巴西、突尼斯。

樣本年份內類別有變化的國家及各年份類別情況見圖3。根據樣本年份內國家的類別變化情況可分為四種不同的變化類別，分別是：基本穩定型、低轉高型、高轉低型和波動變化型。

1.基本穩定型

基本穩定型國家有阿根廷、哥倫比亞、墨西哥、挪威、愛爾蘭、瑞典和捷克。阿根廷、哥倫比亞在2015年之前處于“低競爭力-低教育水平”，2015年由“低競爭力-低教育水平”上升至“中下競爭力-中下教育水平”，2018年又落回“低競爭力-低教育水平”，但在樣本年份內基本穩定在“低競爭力-低教育水平”;墨西哥在2003年下降至“低競爭力-低教育水平”，但在之后的樣本年份內基本保持在“中下競爭力-中下教育水平”;挪威、愛爾蘭和瑞典雖然各自在2006年、2009年、2012年下降至“中上競爭力-中上教育水平”，但它們總體處于“高競爭力-高教育水平”;捷克雖然在2003年和2006年到達過“高競爭力-高教育水平”，但其總體處于“中上競爭力-中上教育水平”。

2.低轉高型

低轉高型國家有以色列和波蘭。以色列在2000年和2006年處于“中下競爭力-中下教育水平”，自2006年之后躍至“中上競爭力-中上教育水平”;波蘭2000—2009年處于“中上競爭力-中上教育水平”，自2009年之后躍至“高競爭力-高教育水平”。

3.高轉低型

高轉低型國家有冰島。冰島在2000—2009年一直處于“高競爭力-高教育水平”，但自2009年之后下降至“中上競爭力-中上教育水平”。

4.波動變化型

波動變化型國家有奧地利和斯洛文尼亞。奧地利在“高競爭力-高教育水平”和“中上競爭力-中上教育水平”之間波動變化;斯洛文尼亞在2006年處于“高競爭力-高教育水平”，在2009—2012年落至“中上競爭力-中上教育水平”，而在2015—2018年回升至“高競爭力-高教育水平”，呈現波動變化的趨勢。

（三）不同類別國家的人均GDP差異

以國家類型為自變量，以人均GDP為因變量進行單因素方差分析，結果顯示，不同類型國家的人均GDP存在顯著差異（F=100.63，p<0.001）（見表5）。事后多重檢驗結果顯示：“中上競爭力-中上教育水平”國家人均GDP比“低競爭力-低教育水平”國家和“中下競爭力-中下教育水平”國家分別高出1.092、1.006;“高競爭力-高教育水平”國家人均GDP比“低競爭力-低教育水平”國家、“中下競爭力-中下教育水平”國家、“中上競爭力-中上教育水平”國家分別高出1.630、1.544、0.538。

（四）不同類別國家的研發支出差異

以國家類型為自變量，以研發支出為因變量進行單因素方差分析，結果顯示，不同類型國家的研發支出存在顯著差異（F=58.30，p<0.001）（見表6）。事后多重檢驗結果顯示，“中上競爭力-中上教育水平”國家研發支出比“低競爭力-低教育水平”國家和“中下競爭力-中下教育水平”國家分別高出0.628、0.577;“高競爭力-高教育水平”國家研發支出比“低競爭力-低教育水平”國家、“中下競爭力-中下教育水平”國家、“中上競爭力-中上教育水平”國家分別高出1.576、1.525、0.948。

（五）不同類別國家的科技期刊論文發表數量差異

以國家類型為自變量，以科技期刊論文發表數量為因變量進行單因素方差分析，結果顯示，不同類型國家的科技期刊論文發表數量存在顯著差異（F=14.80，p<0.001）（見表7）。事后多重檢驗結果顯示：“高競爭力-高教育水平”國家科技期刊論文發表數量比“中下競爭力-中下教育水平”國家、“中上競爭力-中上教育水平”國家分別高出1.835、1.051。

四、結論和討論

本文以跨國樣本為研究對象，綜合運用潛在剖面分析、單因素方差分析等方法，探討了教育發展水平和國家競爭力之間的關系，研究發現如下特點。

第一，數學成績、科學成績、閱讀成績、高等院校入學率與全球競爭力指數均呈現顯著正相關。教育作為立國之本，與國家全球競爭力的發展和提升息息相關。在當今社會，要更加重視教育對社會、經濟、文化等要素潛移默化的作用，提高學生的數學、科學學習興趣，豐富學生的數學、科學學習形式。要重視學生的閱讀內容篩選、閱讀時間保障以及閱讀成果轉化。此外，在高等教育普及的同時，要注重學生創新能力、實踐能力的培養。

第二，樣本中的國家可劃分為四類潛在國家類別。本文通過全球競爭力指數與教育水平（數學成績、科學成績、閱讀成績、高等院校入學率）變量，采用潛在剖面分析和相關的模型擬合優度信息探索國家的潛在類別，并根據模型提煉出四類潛在國家類別，分別是“高競爭力-高教育水平”“中上競爭力-中上教育水平”“中下競爭力-中下教育水平”“低競爭力-低教育水平”，四種類別在樣本中的占比分別為39.77%、35.23%、16.67%、8.33%。“高競爭力-高教育水平”國家的全球競爭力指數最高，PISA各科測試成績和高等院校入學率同樣最高，我國在樣本年份內處于“高競爭力-高教育水平”類別。“中上競爭力-中上教育水平”國家、“中下競爭力-中下教育水平”國家和“低競爭力-低教育水平”國家的全球競爭力指數和教育水平均逐漸降低。從所選樣本分析來看，并未出現“高競爭力-低教育水平”或“低競爭力-高教育水平”的情況，說明教育的發展與國家競爭力的提升具有一致性。

第三，不同類別國家的人均GDP、研發支出、科技期刊論文發表數量存在差異。本文以國家類型為自變量，分別以人均GDP、研發支出、科技期刊論文發表數量為因變量進行單因素方差分析發現，不同類別國家的人均GDP、研發支出、科技期刊論文發表數量存在差異。根據事后檢驗的結果可知，較高類別國家的人均GDP、研發支出、科技期刊論文發表數量均高于較低類別國家。可見，國家人均GDP、研發支出、科技期刊論文發表數量與國家的競爭力、教育水平存在較強的關聯性。

注釋：

①AIC信息準則是衡量統計模型擬合優良性的一種標準，AIC越小，模型越好;BIC和adjusted BIC分別為貝葉斯信息準則、調整的貝葉斯信息準則，是權衡估計模型復雜度和擬合數據優良性的標準，BIC、adjusted BIC越小，模型越好;Entropy（熵）泛指某些物質系統狀態的一種量度，如果系統越復雜，出現不同情況的種類越多，那么他的信息熵就比較大;LMR為似然比檢驗，BLRT為基于Bootstrap的似然比檢驗，這兩個檢驗指標均用來比較潛在類別模型的擬合差異，如果這兩個值的P值達到顯著水平，則表明k個類別的模型顯著優于k-1個類別的模型。

②單因素方差分析中由F統計量對應的P值判斷顯著性，P值越小，結果越顯著。

③7個年份分別是2000年、2003年、2006年、2009年、2012年、2015年、2018年。

參考文獻：

[1][美]邁克爾·波特.國家競爭優勢[M].李明軒，邱如美，譯.北京：中信出版社，2012：137-138.

[2]項賢明.教育發展與國家競爭力的理論探析[J].比較教育研究，2010（6）：1-7.

[3]薛海平，胡詠梅.國際教育競爭力的比較研究[J].教育科學，2006（1）：80-84.

[4]唐曉玲.基于熵值法的高等教育國際競爭力評價模型[J].實驗室研究與探索，2019（8）：272-277.

編輯 朱婷婷 ? 校對 王亭亭