我國中等職業(yè)教育規(guī)模的區(qū)域差異、空間效應(yīng)與演進態(tài)勢研究

摘 要 基于2015年至2021年全國31個省區(qū)市的數(shù)據(jù)，采用泰爾指數(shù)、全局Moran指數(shù)、局部Moran指數(shù)、冷熱點分析以及核密度估計對我國中等職業(yè)教育規(guī)模的區(qū)域差異、空間集聚結(jié)構(gòu)與演進態(tài)勢進行測度與評價。結(jié)果顯示：第一，我國中等職業(yè)教育規(guī)模存在合理水平的差異，且差異程度輕度提高。第二，我國31個省區(qū)市中等職業(yè)教育規(guī)模存在正的空間自相關(guān)，兩級分化趨勢明顯；高-高集聚模式主要集中于中部地區(qū)與部分西南地區(qū)，低-低集聚模式主要集中于東北地區(qū)與西部地區(qū)；熱點區(qū)主要分布在山東、河南、安徽、江西、廣西，冷點區(qū)分布在內(nèi)蒙古與新疆；全國中等職業(yè)教育規(guī)模整體空間結(jié)構(gòu)相對穩(wěn)定，東南沿海地區(qū)空間格局變動較為活躍。第三，全國整體、高值區(qū)、中值區(qū)與低值區(qū)的中等職業(yè)教育規(guī)模水平保持平穩(wěn)；全國的兩極分化現(xiàn)象逐步弱化；高值區(qū)與中值區(qū)的內(nèi)部差異小于低值區(qū)內(nèi)部的差異，且高值區(qū)與中值區(qū)的內(nèi)部差異在逐步減弱。

關(guān)鍵詞 中等職業(yè)教育規(guī)模；區(qū)域差異；空間效應(yīng)；核密度估計

中國式職業(yè)教育現(xiàn)代化是中國式現(xiàn)代化的重要組成部分，也是中國式現(xiàn)代化的內(nèi)生驅(qū)動力。中等職業(yè)教育作為職業(yè)教育層次的主體，發(fā)揮著培養(yǎng)生產(chǎn)、經(jīng)營、管理與服務(wù)一線技能型人才，服務(wù)脫貧攻堅與鄉(xiāng)村振興，促進城鄉(xiāng)共同富裕，賦能經(jīng)濟社會持續(xù)發(fā)展的基礎(chǔ)作用。改革開放以來，我國職業(yè)教育事業(yè)取得了重大突破，已形成了世界上規(guī)模最大的職業(yè)教育體系，而如今在專業(yè)分工日益細化、技術(shù)與產(chǎn)業(yè)深入變革演進的時代，提高中等職業(yè)教育發(fā)展水平又面臨著新的挑戰(zhàn)。中等職業(yè)教育規(guī)模縮減的趨勢明顯，且區(qū)域發(fā)展不平衡已成為當前中等職業(yè)教育存在的主要矛盾之一，將不斷加重地區(qū)間勞動力結(jié)構(gòu)失衡、經(jīng)濟水平差距過大、教育不公平的現(xiàn)象，也將制約我國職業(yè)教育的可持續(xù)發(fā)展與職業(yè)教育強國的建設(shè)。本文聚焦2015年至2021年我國中等職業(yè)教育規(guī)模的區(qū)域差異、空間效應(yīng)與演進態(tài)勢，為中等職業(yè)教育領(lǐng)域公平性的研究提供科學的證據(jù)支撐，并提出中等職業(yè)教育規(guī)模合理優(yōu)化布局的戰(zhàn)略構(gòu)想，以推動有關(guān)政策的制定與制度體系的重建。

一、文獻綜述

自本世紀以來，隨著我國技術(shù)、產(chǎn)業(yè)的全面轉(zhuǎn)型，在宏觀大背景的驅(qū)動下，關(guān)于中等職業(yè)教育的研究成果不斷涌現(xiàn)。學術(shù)界已有聚焦于中等職業(yè)教育規(guī)模的相關(guān)研究主要集中在兩個方面：一個是中等職業(yè)教育規(guī)模與其他系統(tǒng)尤其是社會經(jīng)濟的相互關(guān)系研究，另一個是中等職業(yè)教育規(guī)模的分布態(tài)勢與變化趨勢或附加影響因素的研究。兩種視角相互融合與借鑒的趨向明顯，采用的方法與技術(shù)也有諸多相似之處。

首先是中等職業(yè)教育規(guī)模與經(jīng)濟、產(chǎn)業(yè)的相互關(guān)系研究。譬如，原新國運用ESDA與ArcGIS空間分析，探索中等職業(yè)教育規(guī)模與經(jīng)濟總量的關(guān)系，結(jié)果顯示東中西三大區(qū)域呈現(xiàn)出不同的空間分布趨勢[1]。王青平、范煒烽基于1986年至2012年JN縣域的面板數(shù)據(jù)，構(gòu)建計量模型，最終總結(jié)出中等職業(yè)教育規(guī)模與經(jīng)濟發(fā)展總體上呈正相關(guān)，并且受政策導向與產(chǎn)業(yè)結(jié)構(gòu)等方面影響的結(jié)論[2]。張亞中、袁璨對2009至2018年中等職業(yè)教育的政策支持滯后效應(yīng)、技能型人才就業(yè)瓶頸問題與專業(yè)結(jié)構(gòu)與市場需求偏差估計等問題進行了分析[3]。王藝燕、朱洵與孫毅對2011年至2017年全國267個城市的中等職業(yè)教育在校生數(shù)量進行了模型檢驗，以研究城市發(fā)展對中等職業(yè)教育規(guī)模的影響[4]。蔡文伯、莫亞男基于2006年至2016年的省際面板數(shù)據(jù)，利用動態(tài)面板GMM模型與面板門檻效應(yīng)模型得出中等職業(yè)教育規(guī)模擴張將抑制經(jīng)濟高質(zhì)量增長，且東中西不同地區(qū)的影響不同，中等職業(yè)教育質(zhì)量的提升有助于經(jīng)濟高質(zhì)量增長[5]。安雪慧、元靜通過省級面板數(shù)據(jù)的實證研究從規(guī)模與質(zhì)量兩個方面考察中等職業(yè)教育規(guī)模對城鄉(xiāng)居民收入差異的影響[6]。

其次是中等職業(yè)教育規(guī)模分布態(tài)勢、演變趨勢以及原因探析的相關(guān)研究。諸如，譙欣怡將我國1985年至2014年中等職業(yè)教育規(guī)模的演變劃分為增長、下降、再增長、再下降四個階段，又通過多元回歸發(fā)現(xiàn)人均GDP、初中畢業(yè)生數(shù)與中職教育質(zhì)量是影響中等職業(yè)教育規(guī)模的因素，最后根據(jù)影響因素分別提出相應(yīng)的對策[7]。徐涵則對1992年至2016年德國中等職業(yè)教育規(guī)模進行了發(fā)展趨勢的分析，通過探究德國多樣化的中等職業(yè)教育體系以為我國提供經(jīng)驗借鑒[8]。劉新鈺、郄海霞與楊瑞龍運用實證模型預測“十四五”期間我國中等職業(yè)教育師生規(guī)模與影響因素，并最終提出我國中等職業(yè)教育師生供給改革思路[9]。

通過梳理發(fā)現(xiàn)，學術(shù)界對中等職業(yè)教育規(guī)模的研究總體較少，大部分集中于職業(yè)教育的宏觀角度，且研究高等職業(yè)教育規(guī)模的較多。在研究方法上，近些年逐步興起中等職業(yè)教育規(guī)模與經(jīng)濟協(xié)調(diào)性的相關(guān)計量統(tǒng)計分析以及未來趨勢預測研究。而中等職業(yè)教育規(guī)模的區(qū)域不均衡發(fā)展是職業(yè)教育不均衡發(fā)展研究的突破口，空間統(tǒng)計學中的空間效應(yīng)分析是研究我國不同省域間中職教育規(guī)模關(guān)聯(lián)模式以及時空躍遷的重要工具，以往卻較少涉及。因此，進一步探究我國中等職業(yè)教育規(guī)模的區(qū)域差異、空間效應(yīng)以及演進態(tài)勢是對中職教育規(guī)模現(xiàn)狀與演進狀態(tài)準確判斷，并為我國中等職業(yè)教育未來發(fā)展提出戰(zhàn)略性構(gòu)想的根本保證。

二、研究設(shè)計

（一）樣本選擇與數(shù)據(jù)來源

中等職業(yè)教育規(guī)模的指標主要有招生數(shù)、在校生數(shù)、畢業(yè)生數(shù)等，招生數(shù)和畢業(yè)生數(shù)反映的是中職的流入量和流出量，而在校生數(shù)反映的是中職的存量，能夠更加合理、公平地評價我國中等職業(yè)教育規(guī)模。本文選取2015年至2021年我國31個省區(qū)市的中等職業(yè)教育在校生數(shù)量統(tǒng)計數(shù)據(jù)，并將其整理成面板數(shù)據(jù)。數(shù)據(jù)主要來源于《中國統(tǒng)計年鑒》、教育部官網(wǎng)發(fā)布的統(tǒng)計數(shù)據(jù)。

（二）研究方法

1.泰爾指數(shù)

泰爾指數(shù)（Theil Index）是泰爾（Theil）在1967年將信息熵理論應(yīng)用于收入差距研究提出的，我國主要在21世紀初逐步將泰爾指數(shù)引入到教育的公平性分析中，如孫旭通過泰爾指數(shù)的分解技術(shù)探究中國教育的獲得差距[10]。劉寧寧、唐玉光在提出假設(shè)的基礎(chǔ)上運用基尼系數(shù)和泰爾指數(shù)解析不同地區(qū)研究生教育規(guī)模差距，歸納出2003年至2014年的兩個發(fā)展階段并深入探討每個階段的特征[11]。泰爾指數(shù)[12]作為教育公平的量化指標更加直觀易于理解，能夠非常有效地評估全國或區(qū)域間中等職業(yè)教育規(guī)模的差異狀況。為初步了解我國2015年至2021年區(qū)域間中等職業(yè)教育規(guī)模的全國整體差異水平，并為推動區(qū)域中等職業(yè)教育規(guī)模空間效應(yīng)作出分析，將教育泰爾指數(shù)（T）定義為：

其中，n為省域總數(shù)；yi為第i個省域的中等職業(yè)學校在校生；y-為各個省域中等職業(yè)學校在校生的均值。泰爾指數(shù)的取值在0～∞，其數(shù)值越大，表示各省域中等職業(yè)教育規(guī)模的差異越大。

2.空間自相關(guān)檢驗

區(qū)域間的經(jīng)濟地理行為都存在著一定的空間相關(guān)性，空間效應(yīng)就是經(jīng)濟地理行為在不同地區(qū)之間存在的空間交互作用。空間效應(yīng)檢驗多運用于經(jīng)濟與管理、地理統(tǒng)計分析等研究，如袁冬梅、魏后凱、于斌通過全局與局部Moran指數(shù)分析我國1997年至2008年31個省區(qū)市制造業(yè)與服務(wù)業(yè)的集聚情況[13]。李赟鵬與張靜將莫蘭指數(shù)模型和杜賓面板模型用來研究金融要素對宏觀經(jīng)濟效率的作用[14]。崔和瑞、朱曉宏與趙巧芝將基尼系數(shù)與Moran指數(shù)運用到“一帶一路”共建經(jīng)濟體的金融開放度分析[15]。王健、張玉真與詹珉珉同樣運用空間相關(guān)性檢驗與空間杜賓模型對我國長三角地區(qū)交通運輸網(wǎng)絡(luò)的空間聚集現(xiàn)象進行分析[16]。本文則聚焦于中等職業(yè)教育規(guī)模，運用空間統(tǒng)計學的研究方法，基于省份的面板數(shù)據(jù)，通過全局Moran指數(shù)對我國區(qū)域中等職業(yè)教育規(guī)模全域相關(guān)性進行檢驗[17]，并通過局部Moran散點圖與局部冷熱點分析來探究區(qū)域中等職業(yè)教育規(guī)模的局部空間關(guān)聯(lián)模式[18][19][20]。

（1）全局空間自相關(guān)

全局Moran指數(shù)定義如下：

其中，；；Yi表示第i個空間單元的屬性值；n為空間單元總個數(shù)。Cij=（Yi-y- ）·（Yj-y- ）表示空間單元i和空間單元j的屬性相似性。確定了空間權(quán)重矩陣Wij[21]和屬性相似值Cij，就可以計算出全局Moran指數(shù)，并需要通過z值的p檢驗來確定空間自相關(guān)的顯著性水平。在此，空間權(quán)重矩陣選取rook一階空間權(quán)重矩陣，其定義為：

空間單元i與空間單元j相鄰

空間單元i與空間單元j不相鄰

（2）局部空間自相關(guān)

一是局部Moran指數(shù)。局部Moran指數(shù)定義如下：

Ii表示第i個空間單元的局部Moran指數(shù)；Xi為空間單元的屬性值；Wij為空間單元i和空間單元j之間的影響程度；；。

二是局部冷熱點分析。Getis-ord G* 指數(shù)定義如下：

其中，Wij為空間權(quán)重矩陣；S為樣本的標準差；x-" " " 為空間觀測值的均值；n為空間數(shù)；Xj為第j個空間的觀測值。Getis-ord G* 指數(shù)將z值得分與p值檢驗作為冷熱區(qū)識別的依據(jù)。若該指數(shù)為正值且通過顯著性檢驗時，則認為中等職業(yè)教育規(guī)模的高值在空間呈現(xiàn)集聚的狀態(tài)，為熱點區(qū)；若該指數(shù)為負值且通過顯著性檢驗時，則認為中等職業(yè)教育規(guī)模的低值在空間呈現(xiàn)集聚的狀態(tài)，為冷點區(qū)。

3.核密度估計

核密度估計（Kernel）作為估計概率密度函數(shù)的非參數(shù)檢驗方法，被稱為“光滑化”直方圖，能夠有效地估計變量的動態(tài)演進與趨勢特征，現(xiàn)已廣泛應(yīng)用于有關(guān)地理經(jīng)濟計量方面的研究中，如張卓群、張濤與馮冬發(fā)以中國283個城市以及重大戰(zhàn)略區(qū)碳排放強度為研究對象，通過Dagum基尼系數(shù)、核密度估計與收斂模型等實證方法探索碳排放強度的區(qū)域差異與變動[22]。平衛(wèi)英與肖秀華通過核密度估計與空間計量對觀測階段的各省份數(shù)字經(jīng)濟核心產(chǎn)業(yè)規(guī)模空間集聚效應(yīng)與演進過程進行了分析[23]。楊孟陽、唐曉彬基于2013年至2020年京津冀13個城市的數(shù)字金融數(shù)據(jù)進行了耦合協(xié)調(diào)度模型、空間效應(yīng)分析與核密度分析等方面的研究[24]。

核密度估計公式如下：

其中，n為省份總數(shù)；Xi為i省份的中等職業(yè)教育規(guī)模；X為觀測值的平均值；hgt;0為帶寬；K（·）表示高斯核函數(shù)。

三、研究結(jié)果

（一）全國中等職業(yè)教育規(guī)模的泰爾指數(shù)

2015年至2021年，全國中等職業(yè)教育規(guī)模的泰爾指數(shù)始終保持在0.3以下，表明全國總體中等職業(yè)教育規(guī)模差異水平較為合理，見表1。總泰爾指數(shù)（31個省份的差異）在這7年內(nèi)整體呈上升態(tài)勢（上升幅度為0.011），其變化呈現(xiàn)V型態(tài)勢，2015年至2016年31個省份差異水平先下降，于2016年下降至最低0.2606，然后開始直線上升，于2021年到達最大值0.2748。總的來說，全國31個省份中等職業(yè)教育規(guī)模存在合理水平的差距，但自2016年開始差異逐年增大，增長速度卻不斷減緩。

（二）全局空間自相關(guān)檢驗結(jié)果

首先通過全局Moran指數(shù)進行空間自相關(guān)分析，利用Stata16軟件對2015年至2021年31個省份中等職業(yè)教育規(guī)模進行了全局空間自相關(guān)檢驗，見表2。各年份的Moran指數(shù)值均為正（Moran’s I指數(shù)的取值范圍為[-1，1]，Moran’s Igt;0時表示臨近單元之間存在正相關(guān)；Moran’s I=0時表示不相關(guān)；Moran’s Ilt;0時表示存在負相關(guān)），且顯著性水平檢驗的p值均小于0.05，能夠有95%的把握拒絕零假設(shè)，說明2015年至2021年31個省份中等職業(yè)教育規(guī)模存在正的空間自相關(guān)，即相似的屬性值趨于空間集聚，屬性值越大（小）越容易集聚在一起，且空間效應(yīng)對中等職業(yè)教育規(guī)模的影響表現(xiàn)為正向指引作用。2015年至2016年Moran’s I指數(shù)略有下降，2016年至2020年Moran’s I指數(shù)一直保持上升趨勢，2020年上升至頂峰0.204，隨后2021年又降至0.196。2016年至2020年31個省份空間集聚能力逐步增強，表明中等職業(yè)教育規(guī)模相似的省份集聚程度越來越強。2020年后空間相關(guān)強度呈現(xiàn)微小減弱的趨勢，表明中等職業(yè)教育規(guī)模相似的省份集聚力量有所松動。

（三）局部空間自相關(guān)聚類分析結(jié)果

1.Moran散點圖

全局Moran指數(shù)存在顯著性，說明31個省份空間集聚能力較強，但其描述的是整個空間范圍內(nèi)的自相關(guān)性，可以進一步深入分析局部Moran指數(shù)來探索不同省份之間具體的空間依賴結(jié)構(gòu)。將局部Moran指數(shù)制作成散點圖，Moran散點圖X軸（離值z值）代表屬性值與均值的距離，越靠近右側(cè)表示其值相對越大，一個省份越靠近右側(cè)則表示該省份的中等職業(yè)教育規(guī)模相對越大。Y軸表示空間滯后值，該值越大表示樣本周邊的屬性值相對越大，一個省份Y軸的值越大則表示該省鄰接省份的中等職業(yè)教育規(guī)模相對越大。X軸和Y軸共同將二維平面劃分成四個象限，第Ⅰ象限呈現(xiàn)空間正相關(guān)性，為高—高集聚的空間關(guān)聯(lián)模式（H-H）；第Ⅱ象限呈現(xiàn)空間負相關(guān)性，為低—高集聚的空間關(guān)聯(lián)模式（L-H）；第Ⅲ象限呈現(xiàn)空間正相關(guān)性，為低—低集聚型（L-L）；第Ⅳ象限呈現(xiàn)空間負相關(guān)性，為高—低集聚型（H-L）。

利用Stata16軟件，計算出2015年至2021年31個省份中等職業(yè)教育規(guī)模的局部Moran指數(shù)，并將計算結(jié)果繪制成Moran散點圖，由于篇幅限制，現(xiàn)將有代表性的年份（2015年、2018年、2020年、2021年）Moran散點圖進行匯總，見圖1。其中，圖中數(shù)字代表不同省份的序號，特制作表格以更加清晰展示省份間中等職業(yè)教育規(guī)模的集聚情況，見表3。

結(jié)合圖1和表3來看，觀測年間大部分省份屬于低—低集聚型和高—高集聚型，低—低集聚型最多，高—低集聚型最少，說明全國各省區(qū)市兩極分化趨勢顯著。一是低—低集聚型省份主要分布在東北地區(qū)、西部地區(qū)，這些區(qū)域由于人口規(guī)模以及整體教育水平等原因，中等職業(yè)教育規(guī)模較小，并且其相鄰省份的規(guī)模具有相似性，因而形成穩(wěn)定的弱弱集合體。而北京和天津最初也屬于低—低集聚型，2020年北京成為跨越低—低和低—高兩種模式的城市，2021年北京躍遷為低—高模式，天津則于2021年躍遷為跨越低—低和低—高兩種模式的城市。可見北京與天津作為北方的中心城市，存在中等職業(yè)教育規(guī)模與產(chǎn)業(yè)升級矛盾，新興產(chǎn)業(yè)與現(xiàn)代服務(wù)業(yè)的發(fā)展制約了中等職業(yè)教育規(guī)模的擴大，且逐步呈現(xiàn)出周邊集聚效應(yīng)，轉(zhuǎn)移趨勢明顯。二是高—高集聚型省份主要分布在中部地區(qū)與部分西南地區(qū)，中部省份由于人口基數(shù)大，且城市教育投入偏好較強，保障了中等職業(yè)教育生源，如河南、安徽等省份。西南地區(qū)主要得益于政策傾斜力度，中等職業(yè)教育體系相對較大，且其周圍省份也保持著相似狀態(tài)，這些區(qū)域具有較強的擴散效應(yīng)。三是河北、四川一直處于高—低集聚區(qū)，表現(xiàn)出較為顯著的極化效應(yīng)。四川由于具有獨特的地理環(huán)境以及治安穩(wěn)定的優(yōu)勢，相較于周圍省份屬于高集聚區(qū)，與周圍省份的規(guī)模差距較大。四是較為發(fā)達的地區(qū)除了北京、天津等位于北方的中心城市，東南沿海地區(qū)也呈現(xiàn)出了獨特的集聚現(xiàn)象。上海在觀測年間始終屬于低—高集聚型；福建在觀測年間也始終處于低—高集聚模式；江蘇始終處于高—高集聚模式；浙江逐步從高—高集聚型變?yōu)楦摺图坌停粡V東則逐步從高—低集聚模式躍遷為高—高集聚模式。可見東南沿海地區(qū)處于農(nóng)村人口的城市轉(zhuǎn)移、貿(mào)易、金融等多種網(wǎng)絡(luò)交叉的復雜體，空間格局變動較大，省份處于多種集聚模式的過渡狀態(tài)，與周圍省份呈現(xiàn)負相關(guān)的空間格局，極化效應(yīng)比較明顯。五是其他典型省份集聚模式的變化有貴州，由高—高集聚模式變?yōu)榈汀吣Ｊ健⒔骱秃庇傻汀呒勰Ｊ阶優(yōu)楦?高集聚模式。

總的來說，我國2015年至2021年31個省份中等職業(yè)教育規(guī)模呈現(xiàn)出空間布局不均衡、時間影響持久的特征。從省份的躍遷角度來看，7年間產(chǎn)生位移的省份約占23%，大部分省份沒有顯著位移，空間結(jié)構(gòu)相對穩(wěn)定。中部地區(qū)、東北地區(qū)、西部地區(qū)較為穩(wěn)定，經(jīng)濟發(fā)達地區(qū)尤其是東南沿海地區(qū)較為活躍，空間格局變化大。從極化程度來看，雖然31個省份整體已出現(xiàn)融合發(fā)展態(tài)勢，但兩極分化趨勢明顯，大部分省份屬于低—低集聚型和高—高集聚型。

2.局部冷熱點分析

若以冷熱點分析對通過顯著性檢驗的高值簇與低值簇進行驗證，將更加清晰地看出集聚省份的分布。本文通過ArcGIS10.8軟件繪制出2015年、2018年、2020年與2021年31個省份中等職業(yè)教育規(guī)模的冷熱點分布圖，見圖2，白色的區(qū)域為未通過顯著性檢驗的省份。2015年的冷點區(qū)為內(nèi)蒙古與新疆，熱點區(qū)為山東、河南、安徽、江西、湖南、貴州、廣西與廣東；2018年的冷點區(qū)為內(nèi)蒙古與新疆，熱點區(qū)為山東、河南、安徽、江西、貴州與廣西；2020年的冷點區(qū)同樣為內(nèi)蒙古與新疆，熱點區(qū)為山東、河南、安徽、湖北、江西與廣西；2021年的冷點區(qū)為新疆，內(nèi)蒙古不再顯著，熱點區(qū)為山東、河南、安徽、湖北、江西、廣西與廣東。總的來說，觀測年間中等職業(yè)教育規(guī)模的冷點區(qū)分布在內(nèi)蒙古與新疆，內(nèi)蒙古于2021年不再顯著。始終處于熱點區(qū)的有山東、河南、安徽、江西、廣西，近兩年湖北與廣東為新晉熱點省份。

（四）核密度估計

為進一步探索我國中等職業(yè)教育規(guī)模的動態(tài)演進趨勢，通過三維核密度圖來直觀展示中等職業(yè)教育規(guī)模的分布重心趨勢、極化趨勢以及延展趨勢。將觀測期的所有省份中等職業(yè)教育規(guī)模進行加總和排序，分成高值區(qū)、中值區(qū)與低值區(qū)三個部分，以截面數(shù)據(jù)進行核密度估計。高值區(qū)包括河南、廣東、四川、山東、安徽、河北、廣西、江蘇、湖南、浙江；中值區(qū)包括云南、貴州、江西、福建、湖北、山西、重慶、陜西、遼寧、新疆；低值區(qū)包括甘肅、黑龍江、內(nèi)蒙古、吉林、海南、上海、北京、天津、寧夏、青海、西藏。通過Matlab2018軟件繪制出全國整體核密度圖、高值區(qū)核密度圖、中值區(qū)核密度圖與低值區(qū)核密度圖，見圖3。

首先，從分布重心來看，2015年至2021年全國整體中等職業(yè)教育規(guī)模水平保持平穩(wěn)，未出現(xiàn)明顯的左右移動。高值區(qū)、中值區(qū)與低值區(qū)的中等職業(yè)教育規(guī)模表現(xiàn)出相同的特征，也未出現(xiàn)明顯的重心移動。其次，從曲線的分布延展來看，全國整體的核密度曲線呈現(xiàn)右拖尾現(xiàn)象，說明全國整體的中等職業(yè)教育規(guī)模存在一定的區(qū)域差異，存在部分省份中等職業(yè)教育規(guī)模顯著高于其他省份的現(xiàn)象。而與全國拖尾程度相比，高值區(qū)、中值區(qū)與低值區(qū)的曲線拖尾程度不太顯著。再次，從波峰形態(tài)來看，全國整體核密度曲線存在兩個波峰，表明全國中等職業(yè)教育規(guī)模存在明顯的兩極分化現(xiàn)象，但側(cè)峰較為平緩，且2020年與2021年變得更為平緩，表明全國中等職業(yè)教育規(guī)模兩極分化現(xiàn)象有逐步弱化的趨勢。高值區(qū)的曲線也存在兩個波峰，說明高值區(qū)也存在典型的兩極分化現(xiàn)象。而中值區(qū)的核密度曲線2015年至2018年只存在單峰，且單峰的高度低跨度大，說明這4年間中值區(qū)中等職業(yè)教育規(guī)模不存在極化現(xiàn)象，但區(qū)域內(nèi)整體差距大。2019年作為一個突變點，出現(xiàn)了明顯的側(cè)峰，說明該區(qū)域內(nèi)兩極分化凸顯出來，但自2020年開始，側(cè)峰又逐漸變得平緩，兩極分化趨勢逐步減弱。低值區(qū)核密度曲線存在兩個波峰，表明低值區(qū)中等職業(yè)教育規(guī)模存在明顯兩極分化現(xiàn)象，但側(cè)峰較為平緩，兩極分化現(xiàn)象不太顯著。最后，從主峰形態(tài)來看，全國的曲線主峰表現(xiàn)出明顯的寬峰特征，7年間有微弱的拓寬，說明全國中等職業(yè)教育規(guī)模具有一定的擴大傾向但比較穩(wěn)定。而高值區(qū)則與全國的主峰表現(xiàn)出完全不同的特征，高值區(qū)的主峰表現(xiàn)出明顯的尖峰特征，相較于其他年份，2017年與2019年主峰尖度變高，說明差距在減弱。中值區(qū)自2019年開始，主峰變尖變細，說明區(qū)域內(nèi)整體差異有減弱的趨勢。低值區(qū)與全國整體的主峰形態(tài)則相似，表現(xiàn)為寬峰且穩(wěn)定。

四、結(jié)論與討論

研究結(jié)果表明：第一，2015年至2021年，全國中等職業(yè)教育規(guī)模的泰爾指數(shù)始終保持在0.3以下，全國總體的規(guī)模差異水平較為合理。總泰爾指數(shù)變化呈現(xiàn)V型態(tài)勢，自2016年開始，全國差異呈現(xiàn)微弱的增大態(tài)勢。第二，2015年至2021年的全局Moran指數(shù)值均為正，中等職業(yè)教育規(guī)模存在正的空間自相關(guān)，Moran指數(shù)先下降后上升再下降，省份間集聚水平上下浮動。局部Moran指數(shù)揭示的具體空間結(jié)構(gòu)顯示，我國中等職業(yè)教育規(guī)模的兩極分化趨勢明顯，大部分省份屬于低—低集聚型和高—高集聚型，低—低集聚型最多，高—低集聚型最少。低—低集聚型省份主要分布在東北地區(qū)、西部地區(qū)。高—高集聚型省份主要分布在中部地區(qū)與部分西南地區(qū)，高—低集聚區(qū)主要為河北、四川等省份。觀測年間大部分省區(qū)空間結(jié)構(gòu)相對穩(wěn)定，東南沿海地區(qū)較為活躍。若以冷熱點角度來看，中等職業(yè)教育規(guī)模的冷點區(qū)分布在內(nèi)蒙古與新疆，而內(nèi)蒙古于2021年不再顯著。觀測年間始終處于熱點區(qū)的有山東、河南、安徽、江西、廣西，以近兩年為例，湖北自2020年成為熱點區(qū)，廣東2021年成為熱點區(qū)。第三，從核密度曲線來分析我國中等職業(yè)教育規(guī)模的動態(tài)演進過程。從分布重心來看，2015年至2021年全國整體、高值區(qū)、中值區(qū)與低值區(qū)的分布重心無明顯移動，中等職業(yè)教育規(guī)模水平保持平穩(wěn)。從分布延展性來看，全國整體呈現(xiàn)右拖尾現(xiàn)象，高值區(qū)、中值區(qū)與低值區(qū)的曲線拖尾程度不太顯著。從波峰形態(tài)來看，全國核密度曲線存在兩個波峰，存在明顯的兩極分化現(xiàn)象，但側(cè)峰逐步變得平緩，兩極分化現(xiàn)象逐步弱化。高值區(qū)與低值區(qū)的曲線都存在兩個波峰。中值區(qū)的曲線2015年至2018年只存在單峰，區(qū)域內(nèi)整體差距大，自2019年始出現(xiàn)側(cè)峰，兩極化趨勢出現(xiàn)，隨后逐步減弱。從主峰形態(tài)來看，低值區(qū)與全國的主峰形態(tài)為寬峰，高值區(qū)與低值區(qū)為尖峰，高值區(qū)與中值區(qū)的內(nèi)部差異小于低值區(qū)內(nèi)部與全國整體的差異，且高值區(qū)與中值區(qū)的差異在逐步減弱。

基于上述結(jié)論，本文提出如下政策建議。首先，根據(jù)我國中等職業(yè)教育規(guī)模整體水平保持平穩(wěn)，無適度增長的實證結(jié)果，仍需進一步提升中等職業(yè)教育的吸引力，擴大中職學生規(guī)模，協(xié)調(diào)職普學生比例。職業(yè)教育與普通教育是兩種性質(zhì)不同、特點各異、功能互補的體系，應(yīng)共同協(xié)調(diào)發(fā)展。國家應(yīng)加強政策指引，改進社會傳統(tǒng)的勞動與職業(yè)學習思想觀念，強調(diào)勞動的價值與意義，提高社會勞動技術(shù)人員的待遇，提升人們?nèi)雽W意愿，同時建立完善的中職招生制度，各地與各初中學校、職業(yè)學校應(yīng)充分利用相關(guān)政策拓寬招生渠道，推動中等職業(yè)教育招生與培養(yǎng)的改革創(chuàng)新。其次，我國中等職業(yè)教育規(guī)模發(fā)展仍需要解決區(qū)域布局的差異性問題，我國中等職業(yè)教育規(guī)模差異呈現(xiàn)增大態(tài)勢，且省域間兩極化趨勢明顯，存在典型的冷熱點區(qū)域，高值區(qū)與中值區(qū)的差異小于低值區(qū)的差異。因此，應(yīng)主張基于不同省份的功能定位與社會需求合理布局中等職業(yè)教育。對于中等職業(yè)教育規(guī)模發(fā)展水平較高的區(qū)域應(yīng)積極探索新模式，發(fā)揮示范帶頭作用，建設(shè)中等職業(yè)教育示范區(qū)。而對于發(fā)展相對落后的區(qū)域應(yīng)給予政策傾斜，完善省域間財政轉(zhuǎn)移支付機制，銜接鄉(xiāng)村振興需求，滿足農(nóng)村勞動力轉(zhuǎn)移就業(yè)的需要，對口幫扶，定向引導，打好共同富裕組合拳。再次，我國省份間存在顯著的空間集聚效應(yīng)，空間效應(yīng)對中等職業(yè)教育規(guī)模的影響表現(xiàn)為正向指引作用。應(yīng)打破冷熱點區(qū)的界限，不斷健全區(qū)域中等職業(yè)教育合作機制，跨不同規(guī)模的集聚區(qū)形成持久的互助機制。推動省部共建職業(yè)教育創(chuàng)新發(fā)展，在人才培養(yǎng)、職業(yè)培訓、產(chǎn)業(yè)合作、學校建設(shè)等方面搭建合作橋梁，拓寬暢通與社會信息交流的渠道，整合中等職業(yè)教育資源，共同打造共建、共享、共贏的新局面。最后，推動我國中等職業(yè)教育規(guī)模與城市產(chǎn)業(yè)升級協(xié)調(diào)發(fā)展，各區(qū)域應(yīng)基于本地基礎(chǔ)情況，大力提升中職教育服務(wù)地方經(jīng)濟發(fā)展的能力。做好整體統(tǒng)籌，推動產(chǎn)教融合平臺建設(shè)，建立具有地方特色的產(chǎn)教融合基地，利用人工智能等優(yōu)質(zhì)資源，將技術(shù)優(yōu)勢轉(zhuǎn)化為產(chǎn)業(yè)發(fā)展優(yōu)勢。

參 考 文 獻

[1]原新國.中等職業(yè)教育規(guī)模與經(jīng)濟總量空間分異及協(xié)調(diào)性分析[J].成人教育，2013（10）：65-68.

[2]王青平，范煒烽.中等職業(yè)教育規(guī)模與經(jīng)濟發(fā)展的關(guān)聯(lián)度：JN個案[J].中國職業(yè)技術(shù)教育，2015（3）：50-54.

[3]張亞中，袁璨.中等職業(yè)教育發(fā)展趨勢及問題分析研究[J].職教論壇，2020（1）：16-21.

[4]王藝燕，朱洵，孫毅.城市發(fā)展影響中等職業(yè)教育規(guī)模的實證研究[J].中國職業(yè)技術(shù)教育，2020（21）：90-96.

[5]蔡文伯，莫亞男.助力經(jīng)濟高質(zhì)量發(fā)展：中等職業(yè)教育增質(zhì)抑或增量——基于系統(tǒng)GMM模型與門檻模型的實證檢驗[J].現(xiàn)代教育管理，2021（1）：92-99.

[6]安雪慧，元靜.中等職業(yè)教育：城鄉(xiāng)共同富裕的基礎(chǔ)路徑——基于省級面板數(shù)據(jù)的實證研究[J].教育研究，2023（3）：124-139.

[7]譙欣怡.我國中等職業(yè)教育規(guī)模的演變及影響因素分析[J].教育與經(jīng)濟，2015（4）：46-49+56.

[8]徐涵.德國中等職業(yè)教育發(fā)展趨勢——基于1992-2016年的數(shù)據(jù)分析[J].中國職業(yè)技術(shù)教育，2020（30）：78-86.

[9]劉新鈺，郄海霞，楊瑞龍.“十四五”期間我國中等職業(yè)教育師生規(guī)模預測研究[J].職業(yè)技術(shù)教育，2021（6）：20-32.

[10]孫旭.中國教育獲得差距：基于泰爾系數(shù)分解的分析[J].統(tǒng)計與信息論壇，2009（3）：87-91.

[11]劉寧寧，唐玉光.我國研究生教育規(guī)模的區(qū)域差異研究[J].研究生教育研究，2017（4）：1-7.

[12]MALAKA K， MISHR T， PATWARDHAN A. Inequality in water supply in India： an assessment using the Gini and Theil indices[J].Environment Development and Sustainability， 2018（20）：841-864.

[13]袁冬梅，魏后凱，于斌.中國地區(qū)經(jīng)濟差距與產(chǎn)業(yè)布局的空間關(guān)聯(lián)性——基于Moran指數(shù)的解釋[J].中國軟科學，2012（12）：90-102.

[14]李赟鵬，張靜.金融要素對宏觀經(jīng)濟效率影響的莫蘭指數(shù)分析[J].西南大學學報（自然科學版），2020（3）：124-129.

[15]崔和瑞，朱曉宏，趙巧芝.“一帶一路”沿線國家金融開放度空間特征分析[J].統(tǒng)計與決策，2021（13）144-147.

[16]王健，張玉真，詹珉珉.長三角地區(qū)交通運輸網(wǎng)絡(luò)空間格局與空間溢出效應(yīng)研究[J].江蘇大學學報（社會科學版），2022（5）：97-104.

[17]MORAN P A P. Notes on Continuous Stochastic Phenomena[J].Biometrika， 1950（1-2）：17-23.

[18]沈體雁，于瀚辰.空間計量經(jīng)濟學[M].北京：北京大學出版社，2019：10-21.

[19]Anselin L. Local Indicators of Spatial Association-LISA[J].Geographical Analysis， 1995（2）：93-115.

[20]Getis A， Ord J K. The Analysis of Spatial Association by Use of Distance Statistics[J].Geographical Analysis， 1992（3）：189-206.

[21]Chen Y G. Reconstructing the Mathematical Process of Spatial Autocorrelation Based on the Moran’s I Statistic[J].Geographical Research， 2009 （6）：1446-1463.

[22]張卓群，張濤，馮冬發(fā).中國碳排放強度的區(qū)域差異、動態(tài)演進及收斂性研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2022（4）：67-87.

[23]平衛(wèi)英，肖秀華.中國數(shù)字經(jīng)濟核心產(chǎn)業(yè)規(guī)模的地區(qū)差距、空間效應(yīng)和動態(tài)演進[J].調(diào)研世界，2022（7）：3-16.

[24]楊孟陽，唐曉彬.數(shù)字金融與經(jīng)濟高質(zhì)量發(fā)展的耦合協(xié)調(diào)度評價[J].統(tǒng)計與決策，2023（3）：126-130.

Research on Regional Differences， Spatial Effect and Dynamic Evolution of Secondary Vocational Education Scale in China

Hu Dexin， Liu Chang， Fu Jie

Abstract" Based on the data of 31 provinces in China from 2015 to 2021， this paper measures and evaluates the regional differences， spatial agglomeration structure and evolution trend of the scale of secondary vocational education in China by using Theil index， global Moran index， local Moran index， cold and hot spot analysis， kernel density function. The research results show that： Firstly， there are reasonable differences in the scale of secondary vocational education in China， and the degree of differences has slightly increased. Secondly， there is a positive spatial autocorrelation in the scale of secondary vocational education in 31 provinces， with a clear trend of two-level differentiation; The high-high agglomeration mode is mainly concentrated in the central region and some southwestern regions， while the low-low agglomeration mode is mainly concentrated in the northeast and western regions; Hot spots are mainly distributed in Shandong， Henan， Anhui， Jiangxi and Guangxi， Cold spot areas are distributed in Inner Mongolia and Xinjiang; The overall spatial structure of secondary vocational education in China is relatively stable， and the spatial pattern of the southeastern coastal areas is relatively active. Thirdly， the scale and level of secondary vocational education in the overall， high-value， median， and low-value areas of the country remain stable; The polarization phenomenon across the country is gradually weakening; The internal difference between the high-value area and the median area is smaller than the internal difference between the low-value area， and the internal difference between the high-value area and the median area is gradually weakening.

Key words" the scale of secondary vocational education; regional differences; spatial effect; kernel density function

Author" Hu Dexin， associate professor of College of Education of Tianjin University （Tianjin 300354）; Liu Chang， master student of the School of Education of Tianjin University; Fu Jie， Institute of Education of Tsinghua University

作者簡介

胡德鑫（1988- ），男，天津大學教育學院副教授，博士生導師，研究方向：教育政策與評價（天津，300354）；劉暢（2000- ），女，天津大學教育學院碩士研究生，研究方向：教育政策與評價；符杰，清華大學教育研究院