全球性經濟衰退下高等教育系統的現狀與發展

河南大學經濟學院 趙澤宇

一、引言

教育是關系人類命運發展的基礎性事業,與國家的未來息息相關。擁有一個健康、可持續發展的高等教育系統，是一個國家國民經濟發展和可持續的基礎。隨著全球化程度的不斷加深,高等教育逐漸走向國際化。同時近年來全球的高等教育毛入學率不斷增加，接受高等教育的人數比例越來越高，高等教育擴張成為很多國家的發展趨勢，高等教育邁入普及化階段。在高等教育發展普及化、全球化的背景之下,教育面臨著新的機遇和挑戰。教育可持續發展、高等教育改革等問題越來越受到社會各界的廣泛關注。高等教育的可持續發展狀況如何，極大地影響和制約著經濟、社會、環境的可持續發展，同時也決定了生產部門以及文化、科技和衛生等部門的發展規模、速度和水平。

二、數據指標的處理

（一）指標篩選

高等教育發展水平是衡量一個國家或區域高等教育規模、結構、質量、效益相統一，經濟發展與高等教育發展相協調程度的綜合指標。在遵循科學性、客觀性和可操作原則下，參考已有的研究成果，同時考慮數據的可獲得性等，對反映高等教育發展水平的指標進行篩選后，本文主要從高等教育的規模、研究水平和公平性三個方面來建立高等教育發展水平綜合評價指標體系。

1.規模：公共教育開支、大學數量、大學生人數

高等教育的規模指一國或一個地區高等教育的總體容量，受經濟、政治、文化等多種因素的影響。高等教育的發展規模是高等教育普及化的重要保證,其大小在一定程度上代表了高等教育發展水平，因此選取此項指標具有重要的意義。

2.研究水平：論文數量、大學排名、重要獎項

教育的根本目的在于促進學生的學習與發展，高等教育的研究水平一定程度上反映了學生的學習成果，這對于評價高等教育發展水平具有重要意義。衡量高等教育的研究水平有很多方面，這里主要考慮論文數量、QS世界大學排名、累計諾貝爾獎數量三個指標。

3.高等教育的公平性：入學率、性別比

高等教育的公平性也是衡量高等教育發展水平的一個重要方面。教育的公平性是一個難以界定的概念，因為教育公平是基于一定的價值判斷而提出的,比教育均等和平等要求更高的教育理念，不同的學者對教育公平有不同的觀點。但是一個健康的教育體系對于每個人的機會應該是相同的。

確定了三個一級指標和八個二級指標后，開始搜集各個國家的相關數據，為了使評價模型適用于所有國家，選取了美國、英國、加拿大、俄羅斯、巴西、印度六個國家過去15年的數據來建立和檢驗模型，其中既有發達國家，又有發展中國家，代表了不同經濟發展水平的國家。

（二）數據標準化

在進行多指標綜合評價時,由于各指標的數量級和單位的不同，如元、萬元、次數、比率等，往往需要對指標值進行無量綱化處理,以消除指標間量綱的影響,便于綜合評價及決策分析[1]。當各指標間的水平相差很大時，如果直接用原始指標值進行分析，就會突出數值較高的指標在綜合分析中的作用，相對削弱數值水平較低指標的作用。因此，為了保證結果的可靠性，需要對原始指標數據進行標準化處理。

（三）指標降維

對于上述8個數據集，如果直接將其進行建模分析，會受到噪聲與異常值的影響，除此之外，輸入層的數目與數據過多也會嚴重影響到收斂的速度。因此，有必要對所有數據集通過因子分析進行調整與降維。將原有變量綜合成少數幾個因子是因子分析的核心內容，所以針對數據進行了KMO和巴特利特檢驗，通過結果可以看出數據具有較高的結構效度，可以進行主成分分析。主成分分析依據特征值進行,其假定所有觀測變量的方差都能為公因子所解釋,即公因子方差為1[2]。根據碎石圖和方差貢獻率等條件可判斷,應保留3個主成分。所以，研究3個公因子可以對指標集作出很好的解釋。

三、基于BP神經網絡的健康性評價模型

本部分根據前部分提取的三個一級指標建立BP神經網絡的評價體系。由于缺少數據與訓練集，所以嘗試使用標準數據進行訓練，并對5個國家的高等教育健康狀況進行評價。在評價時，將美國的高等教育健康狀況作為5級，將印度的高等教育健康狀況作為1級，逐級分類。

基于BP神經網絡的高等教育體系評價模型建立過程包括BP神經網絡構建、BP神經網絡訓練和BP神經網絡評價三步。BP神經網絡的構建需要根據系統輸入輸出數據特點確定結構，因為一級指標輸入信號為3維，預設的國家高等教育健康狀況共有5類，所以BP神經網絡的結構為3—5—1，即輸入層有3個節點，隱含層有5個節點，輸出層有1個節點。

在構造BP神經網絡的評價模型時，先構造一定數量的學習樣本，建立起評價體系。為了最小化評價的誤差，使用了行為錨定量化方法，定義了不同的水平刻度，構造滿足條件的數據集作為訓練樣本。

通過對BP神經網絡的反復測試，可以發現建立的BP神經網絡并不穩定，出現了收斂時間過長，每次測試權值和閾值相差較大的情況，這就說明，在該數據下，單純的BP神經網絡很難實現良好的評價效果，事實上，網絡權值與閾值的確定一直是網絡訓練的難點。隨機選用的參數會嚴重影響網絡的準確程度。針對BP神經網絡的不足，利用遺傳算法自動搜索全局最優解的計算模型來對BP神經網絡參數進行優化，從而得到最優的參數值，這樣就極大地提高了BP神經網絡的學習效果和預測精度。

本文用改進的遺傳算法優化BP神經網絡權值的主要思想是：初始化神經網絡權值后，首先用BP神經網絡進行訓練，如果能滿足精度要求就結束，如果不能滿足的話再用改進的遺傳算法對BP神經網絡權值進行優化，在解空間中找出一個較好、較小的搜索空間，然后用BP算法在這個較小的解空間中搜索出最優解。

根據建立的國家高等教育系統健康狀況評價模型，得到了六個國家的具體評級為：美國為5級，英國為4級，加拿大和俄羅斯為3級，巴西為2級，印度為1級。

四、基于ARMA模型的可持續評估

通過比較一個國家的當前水平和未來水平來判斷其可持續性需要建立一個預測模型，該模型可以預測一個國家未來高等教育體系的水平。第一步，利用主成分分析提取的三個一級指標進行時間序列分析。第二步，將三個指標的預測值代入健康評價模型，得到該等級的預測值并與之前的等級進行比較，判斷其可持續性。

本文以三個指標值的歷史數據為樣本，通過建立ARMA模型對未來15年的指標值進行預測。ARMA用于處理平穩非白噪聲時間序列數據，先進行平穩性檢驗，通過MATLAB計算出ACF和PACF相關系數，根據美國、澳大利亞等六個國家的平均學費進行擬合預測，觀測到國家的高等教育可持續發展呈穩步上升路線，其中美國高等教育可持續發展走勢最好，其他五個國家較為平穩。依據六個國家大學生就業率以及SCI論文數量進行預測，可知六個國家的指標走勢呈現上升狀態。由這三個指標得出，各國的高等教育系統都具有良好的可持續性。

將預測的結果代入到前文的國家高等教育健康狀況評價模型，可以得到未來15年六個國家高等教育健康性的評級，把得到的評級與過去15年的評級作比較，來判斷其高等教育系統的可持續性。通過預測得知，英國的高等教育系統的評級下降，可持續性較差；美國、加拿大、俄羅斯、巴西的高等教育系統評級不變，可持續性一般；印度的高等教育系統評級上升，可持續性良好。

五、模型的應用和政策建議

（一）模型應用

根據模型結果，英國的高等教育健康評級為4，按照預測未來會下降到3，可持續性較差，是使用模型分析的六個國家里唯一等級下降的國家。坐擁牛津、劍橋等世界頂尖大學的英國有著強大的高等教育體系，本該取得更好的成績，卻因為政策等各種原因呈現下降的趨勢。通過高等教育系統評價模型，它反映了目前英國高等教育系統存在一些問題需要改進。

（二）政策建議

基于對英國高等教育系統現狀的分析，短期任務是解決資金短缺的問題，中期任務是解決大學生人數增長緩慢的問題，長期任務是要增強高等教育系統的活力。以下是針對性的政策：

1.短期政策（2021-2025）

（1）大學應該簡化機構，作出相應的改革以減少不必要的經費支出。

（2）政府應該加大高等教育投入。

（3）大學必須主動尋找研究經費來源，通過社會贊助或者尋求國際間的合作來籌集經費用于科研事業。

2.中期政策（2026-2030）

（1）政府應該適度減免學費，提高學生讀大學的意愿。

（2）政府可適當放寬簽證政策,吸引優秀的外國學生。

3.長期政策（2031-2035）

（1）大學應該加強與產業界的聯系，建立完善的學術成果轉化機制。

（2）鼓勵高等教育市場充分競爭。

六、結論

全球性的生產、貿易受挫，導致各個國家的經濟、文化、教育受到重創，經濟的衰退、出行的不變給高等教育系統帶來了巨大的挑戰。各個國家應該結合自身實際情況，增大教育投資支出、創新教育模式、加強校企合作，從三個階段來制定政策，以保持高等教育系統的健康發展。考慮到改變現實是十分困難的，在過渡期間政策的實施將對學生、教師、學校、社區和國家產生巨大影響，因此要注重國家層面的統籌兼顧，為政策的順利推行構想一個合理高效的實施方案。