我國中等職業教育規模的區域差異、空間效應與演進態勢研究

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

關鍵詞 中等職業教育規模；區域差異；空間效應；核密度估計

中國式職業教育現代化是中國式現代化的重要組成部分，也是中國式現代化的內生驅動力。中等職業教育作為職業教育層次的主體，發揮著培養生產、經營、管理與服務一線技能型人才，服務脫貧攻堅與鄉村振興，促進城鄉共同富裕，賦能經濟社會持續發展的基礎作用。改革開放以來，我國職業教育事業取得了重大突破，已形成了世界上規模最大的職業教育體系，而如今在專業分工日益細化、技術與產業深入變革演進的時代，提高中等職業教育發展水平又面臨著新的挑戰。中等職業教育規模縮減的趨勢明顯，且區域發展不平衡已成為當前中等職業教育存在的主要矛盾之一，將不斷加重地區間勞動力結構失衡、經濟水平差距過大、教育不公平的現象，也將制約我國職業教育的可持續發展與職業教育強國的建設。本文聚焦2015年至2021年我國中等職業教育規模的區域差異、空間效應與演進態勢，為中等職業教育領域公平性的研究提供科學的證據支撐，并提出中等職業教育規模合理優化布局的戰略構想，以推動有關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、產業的全面轉型，在宏觀大背景的驅動下，關于中等職業教育的研究成果不斷涌現。學術界已有聚焦于中等職業教育規模的相關研究主要集中在兩個方面：一個是中等職業教育規模與其他系統尤其是社會經濟的相互關系研究，另一個是中等職業教育規模的分布態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，采用的方法與技術也有諸多相似之處。

首先是中等職業教育規模與經濟、產業的相互關系研究。譬如，原新國運用ESDA與ArcGIS空間分析，探索中等職業教育規模與經濟總量的關系，結果顯示東中西三大區域呈現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縣域的面板數據，構建計量模型，最終總結出中等職業教育規模與經濟發展總體上呈正相關，并且受政策導向與產業結構等方面影響的結論[2]。張亞中、袁璨對2009至2018年中等職業教育的政策支持滯后效應、技能型人才就業瓶頸問題與專業結構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個城市的中等職業教育在校生數量進行了模型檢驗，以研究城市發展對中等職業教育規模的影響[4]。蔡文伯、莫亞男基于2006年至2016年的省際面板數據，利用動態面板GMM模型與面板門檻效應模型得出中等職業教育規模擴張將抑制經濟高質量增長，且東中西不同地區的影響不同，中等職業教育質量的提升有助于經濟高質量增長[5]。安雪慧、元靜通過省級面板數據的實證研究從規模與質量兩個方面考察中等職業教育規模對城鄉居民收入差異的影響[6]。

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

通過梳理發現，學術界對中等職業教育規模的研究總體較少，大部分集中于職業教育的宏觀角度，且研究高等職業教育規模的較多。在研究方法上，近些年逐步興起中等職業教育規模與經濟協調性的相關計量統計分析以及未來趨勢預測研究。而中等職業教育規模的區域不均衡發展是職業教育不均衡發展研究的突破口，空間統計學中的空間效應分析是研究我國不同省域間中職教育規模關聯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教育規模的區域差異、空間效應以及演進態勢是對中職教育規模現狀與演進狀態準確判斷，并為我國中等職業教育未來發展提出戰略性構想的根本保證。

二、研究設計

（一）樣本選擇與數據來源

中等職業教育規模的指標主要有招生數、在校生數、畢業生數等，招生數和畢業生數反映的是中職的流入量和流出量，而在校生數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教育規模。本文選取2015年至2021年我國31個省區市的中等職業教育在校生數量統計數據，并將其整理成面板數據。數據主要來源于《中國統計年鑒》、教育部官網發布的統計數據。

（二）研究方法

1.泰爾指數

泰爾指數（Theil Index）是泰爾（Theil）在1967年將信息熵理論應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引入到教育的公平性分析中，如孫旭通過泰爾指數的分解技術探究中國教育的獲得差距[10]。劉寧寧、唐玉光在提出假設的基礎上運用基尼系數和泰爾指數解析不同地區研究生教育規模差距，歸納出2003年至2014年的兩個發展階段并深入探討每個階段的特征[11]。泰爾指數[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域間中等職業教育規模的差異狀況。為初步了解我國2015年至2021年區域間中等職業教育規模的全國整體差異水平，并為推動區域中等職業教育規模空間效應作出分析，將教育泰爾指數（T）定義為：

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

2.空間自相關檢驗

區域間的經濟地理行為都存在著一定的空間相關性，空間效應就是經濟地理行為在不同地區之間存在的空間交互作用。空間效應檢驗多運用于經濟與管理、地理統計分析等研究，如袁冬梅、魏后凱、于斌通過全局與局部Moran指數分析我國1997年至2008年31個省區市制造業與服務業的集聚情況[13]。李赟鵬與張靜將莫蘭指數模型和杜賓面板模型用來研究金融要素對宏觀經濟效率的作用[14]。崔和瑞、朱曉宏與趙巧芝將基尼系數與Moran指數運用到“一帶一路”共建經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性檢驗與空間杜賓模型對我國長三角地區交通運輸網絡的空間聚集現象進行分析[16]。本文則聚焦于中等職業教育規模，運用空間統計學的研究方法，基于省份的面板數據，通過全局Moran指數對我國區域中等職業教育規模全域相關性進行檢驗[17]，并通過局部Moran散點圖與局部冷熱點分析來探究區域中等職業教育規模的局部空間關聯模式[18][19][20]。

（1）全局空間自相關

全局Moran指數定義如下：

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。Cij=（Yi-y- ）·（Yj-y- ）表示空間單元i和空間單元j的屬性相似性。確定了空間權重矩陣Wij[21]和屬性相似值Cij，就可以計算出全局Moran指數，并需要通過z值的p檢驗來確定空間自相關的顯著性水平。在此，空間權重矩陣選取rook一階空間權重矩陣，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

一是局部Moran指數。局部Moran指數定義如下：

Ii表示第i個空間單元的局部Moran指數；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* 指數定義如下：

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

3.核密度估計

核密度估計（Kernel）作為估計概率密度函數的非參數檢驗方法，被稱為“光滑化”直方圖，能夠有效地估計變量的動態演進與趨勢特征，現已廣泛應用于有關地理經濟計量方面的研究中，如張卓群、張濤與馮冬發以中國283個城市以及重大戰略區碳排放強度為研究對象，通過Dagum基尼系數、核密度估計與收斂模型等實證方法探索碳排放強度的區域差異與變動[22]。平衛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字經濟核心產業規模空間集聚效應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個城市的數字金融數據進行了耦合協調度模型、空間效應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；Xi為i省份的中等職業教育規模；X為觀測值的平均值；hgt;0為帶寬；K（·）表示高斯核函數。

三、研究結果

（一）全國中等職業教育規模的泰爾指數

2015年至2021年，全國中等職業教育規模的泰爾指數始終保持在0.3以下，表明全國總體中等職業教育規模差異水平較為合理，見表1。總泰爾指數（31個省份的差異）在這7年內整體呈上升態勢（上升幅度為0.011），其變化呈現V型態勢，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個省份中等職業教育規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）全局空間自相關檢驗結果

首先通過全局Moran指數進行空間自相關分析，利用Stata16軟件對2015年至2021年31個省份中等職業教育規模進行了全局空間自相關檢驗，見表2。各年份的Moran指數值均為正（Moran’s I指數的取值范圍為[-1，1]，Moran’s Igt;0時表示臨近單元之間存在正相關；Moran’s I=0時表示不相關；Moran’s Ilt;0時表示存在負相關），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，說明2015年至2021年31個省份中等職業教育規模存在正的空間自相關，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，且空間效應對中等職業教育規模的影響表現為正向指引作用。2015年至2016年Moran’s I指數略有下降，2016年至2020年Moran’s I指數一直保持上升趨勢，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，表明中等職業教育規模相似的省份集聚程度越來越強。2020年后空間相關強度呈現微小減弱的趨勢，表明中等職業教育規模相似的省份集聚力量有所松動。

（三）局部空間自相關聚類分析結果

1.Moran散點圖

全局Moran指數存在顯著性，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的自相關性，可以進一步深入分析局部Moran指數來探索不同省份之間具體的空間依賴結構。將局部Moran指數制作成散點圖，Moran散點圖X軸（離值z值）代表屬性值與均值的距離，越靠近右側表示其值相對越大，一個省份越靠近右側則表示該省份的中等職業教育規模相對越大。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教育規模相對越大。X軸和Y軸共同將二維平面劃分成四個象限，第Ⅰ象限呈現空間正相關性，為高—高集聚的空間關聯模式（H-H）；第Ⅱ象限呈現空間負相關性，為低—高集聚的空間關聯模式（L-H）；第Ⅲ象限呈現空間正相關性，為低—低集聚型（L-L）；第Ⅳ象限呈現空間負相關性，為高—低集聚型（H-L）。

利用Stata16軟件，計算出2015年至2021年31個省份中等職業教育規模的局部Moran指數，并將計算結果繪制成Moran散點圖，由于篇幅限制，現將有代表性的年份（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教育規模的集聚情況，見表3。

結合圖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、西部地區，這些區域由于人口規模以及整體教育水平等原因，中等職業教育規模較小，并且其相鄰省份的規模具有相似性，因而形成穩定的弱弱集合體。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，存在中等職業教育規模與產業升級矛盾，新興產業與現代服務業的發展制約了中等職業教育規模的擴大，且逐步呈現出周邊集聚效應，轉移趨勢明顯。二是高—高集聚型省份主要分布在中部地區與部分西南地區，中部省份由于人口基數大，且城市教育投入偏好較強，保障了中等職業教育生源，如河南、安徽等省份。西南地區主要得益于政策傾斜力度，中等職業教育體系相對較大，且其周圍省份也保持著相似狀態，這些區域具有較強的擴散效應。三是河北、四川一直處于高—低集聚區，表現出較為顯著的極化效應。四川由于具有獨特的地理環境以及治安穩定的優勢，相較于周圍省份屬于高集聚區，與周圍省份的規模差距較大。四是較為發達的地區除了北京、天津等位于北方的中心城市，東南沿海地區也呈現出了獨特的集聚現象。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—高集聚型變為高—低集聚型；廣東則逐步從高—低集聚模式躍遷為高—高集聚模式。可見東南沿海地區處于農村人口的城市轉移、貿易、金融等多種網絡交叉的復雜體，空間格局變動較大，省份處于多種集聚模式的過渡狀態，與周圍省份呈現負相關的空間格局，極化效應比較明顯。五是其他典型省份集聚模式的變化有貴州，由高—高集聚模式變為低—高模式、江西和湖北由低—高集聚模式變為高-高集聚模式。

總的來說，我國2015年至2021年31個省份中等職業教育規模呈現出空間布局不均衡、時間影響持久的特征。從省份的躍遷角度來看，7年間產生位移的省份約占23%，大部分省份沒有顯著位移，空間結構相對穩定。中部地區、東北地區、西部地區較為穩定，經濟發達地區尤其是東南沿海地區較為活躍，空間格局變化大。從極化程度來看，雖然31個省份整體已出現融合發展態勢，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個省份中等職業教育規模的冷熱點分布圖，見圖2，白色的區域為未通過顯著性檢驗的省份。2015年的冷點區為內蒙古與新疆，熱點區為山東、河南、安徽、江西、湖南、貴州、廣西與廣東；2018年的冷點區為內蒙古與新疆，熱點區為山東、河南、安徽、江西、貴州與廣西；2020年的冷點區同樣為內蒙古與新疆，熱點區為山東、河南、安徽、湖北、江西與廣西；2021年的冷點區為新疆，內蒙古不再顯著，熱點區為山東、河南、安徽、湖北、江西、廣西與廣東。總的來說，觀測年間中等職業教育規模的冷點區分布在內蒙古與新疆，內蒙古于2021年不再顯著。始終處于熱點區的有山東、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教育規模的動態演進趨勢，通過三維核密度圖來直觀展示中等職業教育規模的分布重心趨勢、極化趨勢以及延展趨勢。將觀測期的所有省份中等職業教育規模進行加總和排序，分成高值區、中值區與低值區三個部分，以截面數據進行核密度估計。高值區包括河南、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；低值區包括甘肅、黑龍江、內蒙古、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、高值區核密度圖、中值區核密度圖與低值區核密度圖，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教育規模水平保持平穩，未出現明顯的左右移動。高值區、中值區與低值區的中等職業教育規模表現出相同的特征，也未出現明顯的重心移動。其次，從曲線的分布延展來看，全國整體的核密度曲線呈現右拖尾現象，說明全國整體的中等職業教育規模存在一定的區域差異，存在部分省份中等職業教育規模顯著高于其他省份的現象。而與全國拖尾程度相比，高值區、中值區與低值區的曲線拖尾程度不太顯著。再次，從波峰形態來看，全國整體核密度曲線存在兩個波峰，表明全國中等職業教育規模存在明顯的兩極分化現象，但側峰較為平緩，且2020年與2021年變得更為平緩，表明全國中等職業教育規模兩極分化現象有逐步弱化的趨勢。高值區的曲線也存在兩個波峰，說明高值區也存在典型的兩極分化現象。而中值區的核密度曲線2015年至2018年只存在單峰，且單峰的高度低跨度大，說明這4年間中值區中等職業教育規模不存在極化現象，但區域內整體差距大。2019年作為一個突變點，出現了明顯的側峰，說明該區域內兩極分化凸顯出來，但自2020年開始，側峰又逐漸變得平緩，兩極分化趨勢逐步減弱。低值區核密度曲線存在兩個波峰，表明低值區中等職業教育規模存在明顯兩極分化現象，但側峰較為平緩，兩極分化現象不太顯著。最后，從主峰形態來看，全國的曲線主峰表現出明顯的寬峰特征，7年間有微弱的拓寬，說明全國中等職業教育規模具有一定的擴大傾向但比較穩定。而高值區則與全國的主峰表現出完全不同的特征，高值區的主峰表現出明顯的尖峰特征，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。中值區自2019年開始，主峰變尖變細，說明區域內整體差異有減弱的趨勢。低值區與全國整體的主峰形態則相似，表現為寬峰且穩定。

四、結論與討論

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

基于上述結論，本文提出如下政策建議。首先，根據我國中等職業教育規模整體水平保持平穩，無適度增長的實證結果，仍需進一步提升中等職業教育的吸引力，擴大中職學生規模，協調職普學生比例。職業教育與普通教育是兩種性質不同、特點各異、功能互補的體系，應共同協調發展。國家應加強政策指引，改進社會傳統的勞動與職業學習思想觀念，強調勞動的價值與意義，提高社會勞動技術人員的待遇，提升人們入學意愿，同時建立完善的中職招生制度，各地與各初中學校、職業學校應充分利用相關政策拓寬招生渠道，推動中等職業教育招生與培養的改革創新。其次，我國中等職業教育規模發展仍需要解決區域布局的差異性問題，我國中等職業教育規模差異呈現增大態勢，且省域間兩極化趨勢明顯，存在典型的冷熱點區域，高值區與中值區的差異小于低值區的差異。因此，應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教育。對于中等職業教育規模發展水平較高的區域應積極探索新模式，發揮示范帶頭作用，建設中等職業教育示范區。而對于發展相對落后的區域應給予政策傾斜，完善省域間財政轉移支付機制，銜接鄉村振興需求，滿足農村勞動力轉移就業的需要，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，空間效應對中等職業教育規模的影響表現為正向指引作用。應打破冷熱點區的界限，不斷健全區域中等職業教育合作機制，跨不同規模的集聚區形成持久的互助機制。推動省部共建職業教育創新發展，在人才培養、職業培訓、產業合作、學校建設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，推動我國中等職業教育規模與城市產業升級協調發展，各區域應基于本地基礎情況，大力提升中職教育服務地方經濟發展的能力。做好整體統籌，推動產教融合平臺建設，建立具有地方特色的產教融合基地，利用人工智能等優質資源，將技術優勢轉化為產業發展優勢。

參 考 文 獻

[1]原新國.中等職業教育規模與經濟總量空間分異及協調性分析[J].成人教育，2013（10）：65-68.

[2]王青平，范煒烽.中等職業教育規模與經濟發展的關聯度：JN個案[J].中國職業技術教育，2015（3）：50-54.

[3]張亞中，袁璨.中等職業教育發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.城市發展影響中等職業教育規模的實證研究[J].中國職業技術教育，2020（21）：90-96.

[5]蔡文伯，莫亞男.助力經濟高質量發展：中等職業教育增質抑或增量——基于系統GMM模型與門檻模型的實證檢驗[J].現代教育管理，2021（1）：92-99.

[6]安雪慧，元靜.中等職業教育：城鄉共同富裕的基礎路徑——基于省級面板數據的實證研究[J].教育研究，2023（3）：124-139.

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

[8]徐涵.德國中等職業教育發展趨勢——基于1992-2016年的數據分析[J].中國職業技術教育，2020（30）：78-86.

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

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

[11]劉寧寧，唐玉光.我國研究生教育規模的區域差異研究[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.中國地區經濟差距與產業布局的空間關聯性——基于Moran指數的解釋[J].中國軟科學，2012（12）：90-102.

[14]李赟鵬，張靜.金融要素對宏觀經濟效率影響的莫蘭指數分析[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].統計與決策，2021（13）144-147.

[16]王健，張玉真，詹珉珉.長三角地區交通運輸網絡空間格局與空間溢出效應研究[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.中國碳排放強度的區域差異、動態演進及收斂性研究[J].數量經濟技術經濟研究，2022（4）：67-87.

[23]平衛英，肖秀華.中國數字經濟核心產業規模的地區差距、空間效應和動態演進[J].調研世界，2022（7）：3-16.

[24]楊孟陽，唐曉彬.數字金融與經濟高質量發展的耦合協調度評價[J].統計與決策，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