基于區位基尼系數的五大城市群高等教育資源的空間集聚程度分析

摘要：以京津冀、長三角、珠三角、成渝和長江中游為代表的五大城市群已經為中國的區域協同發展、一體化戰略積累了非常成熟的經驗。本文從高等學校資源的視角出發，運用平均差和區位基尼系數這兩種方法檢驗了五大城市群的空間集聚程度，研究發現，2017—2021年，五大城市群的空間集聚程度都有明顯的下降，分布趨向于均衡，但是各群之間的差異性依然較為顯著。

關鍵詞：平均差；區位基尼系數；高等教育資源；空間集聚程度

城市群的發展是全球城市化發展的趨勢，也是中國經濟高質量發展的重要戰略之一，它是推進中國城市化、區域協同發展、一體化戰略的重要舉措和有效途徑。在最新的“十四五”的規劃中，一共要形成十九個國家級的城市群。而已經發展得相對比較成熟的京津冀城市群、長三角城市群、珠三角城市群，成渝城市群和長江中游城市群并納入“優化提升范圍”這一類型。

一、基于平均差的五大城市群的集聚程度分析

考察區域內差異程度的大小，最簡單的方法可以選擇平均差來進行計算檢驗。公式（1）中x-表示算術平均數，n為研究對象的個數。計算出來如果平均差A越大，表明指標值與算術平均數的差距越大，x-的代表性越小；如果平均差A越小，表明各指標值與算術平均數的差距越小，x-的代表性就越大。

A=∑nixi-x-n（1）

以五大城市群的普通高校數這一指標為例（見表1），2017—2021年，成渝地區普通高校數的平均差普遍都高于算術平均數，各城市指標值與算術平均數的差異程度均較大。京津冀城市群、長三角城市群與珠三角城市群則是每一年的平均差都低于算術平均數，長江中游城市群在2017—2019年是差異程度較大，2020年開始差異程度有所縮小。

同樣的方法對其他三個指標進行驗算，不難發現長三角城市群在所有的指標中平均差都是小于算術平均數的；在校大學生人數這一指標的達標群除了長三角之外還有京津冀和珠三角；長江中游城市群則在專利授權數這一指標中脫穎而出。采用平均差得到的這些初步的結果也為下文其他方法的考察做好鋪墊，可以對比檢驗，看看結果是否一致。

二、基于區位基尼系數的五大城市群的空間集聚表征

（一）公式定義與數據選取

區位基尼系數是目前測度產業聚集程度的一個重要工具［1］。根據計算公式（2）可知，G的取值范圍在［0，1］之間。G值越大，就說明被測量的指標越不平均、不均衡，資源越集聚；相反，G值越小，說明份額、區位商等的差距越小，資源的分配是平均的、均衡的。

G=12n2μ∑ni=1∑nj=1Hi-Hj（2）

公式（2）中，Hi和Hj分別表示城市群中城市i和城市j的變量值。μ代表城市群中各城市指標值的算術平均值，n為城市群中所有城市的數量。

本文研究的視角是高等學校資源，目的是促進五大城市群的高質量發展，因此將高等學校資源按照物質、人力和創新三個維度進行劃分，通過對歷年的《中國城市統計年鑒》進行梳理、對比，最終篩選出高等學校數（物質）、專任教師數（人力）、普通高校本專科在校生數（人力）和專利授權數（創新）這四個指標。同時考慮到指標的前后一致性與統一性，選取的研究時間范圍確定為2017—2021年。

（二）五大城市群的空間集聚表征

1.成渝地區的普通高校分布最不均衡，珠三角各城市之間的差異最小

2017年，成渝城市群的G值就是最高的，超過0.6（具體數據見表2）的還有長江中游城市群。到了2021年，還維持在0.6以上的僅僅只有成渝地區一個了。從具體數值來看，成渝16個城市，重慶與成都兩個城市在五年中發展較突出，同時成都市與重慶市的差距在不斷縮小。其他14個城市中，高校數量在兩位數以上的只有德陽市和綿陽市，而且都是不超過15所。

五大城市群的變化趨勢都是一致下降的。相較于長三角地區而言，珠三角地區在2018年以后開始轉折，超過長三角地區成為普通高校分布最均衡的一個城市群。雖然廣州一個城市的高校數量比其他8個城市的和還要多，但是其他城市相互之間的差距較小。剔除廣州之后，珠三角的8個城市基本上分為兩大梯隊，深圳、珠海、佛山、肇慶和東莞屬于第一梯隊，高校數量都是在10所上下徘徊；江門、惠州和中山屬于第二梯隊，除了江門的高校數量從2017年的3所增加到2019年的5所之外，其余沒有任何變化。

2.專任教師數與本專科在校生數的分布均衡程度在京津冀地區排第一，成渝地區依然是最集聚的

京津冀協同發展上升為國家戰略始于2014年，也是國家三大戰略之一，以北京、天津為孵化器，向四周輻射。從國家統計年鑒的計算發現：自2019年起，河北省的GDP增速開始高于北京和天津，三地內部的經濟發展差異明顯有縮小的態勢。

這些年在人力資源方面，北京與天津一直是全國的領頭羊。根據2022年的《中國區域科技創新評價報告》可悉：首先，2020年綜合的“科技創新水平指數值”超過全國平均水平的地區（具體包括上海、北京、天津、廣東、江蘇和浙江）都排在五大城市群的前列。其次，2020年“科技人力資源指數”的排名前四強分別是北京、天津、上海和江蘇。再次，在“萬人大專以上學歷人數”“十萬人博士畢業生數”“萬人高等學校在校學生數”等人力資源的指標中北京都是穩居榜首，天津排在前三甲，河北省排在第25名前后［2］。隨著協同發展不斷向廣度和深度遞進，其未來目標也在不斷升級。2023年7月20日，京津冀協同發展聯合工作辦公室在北京成立，意味著“協同協作在向聯合融合升級”［3］。

3.專利授權數的區位基尼系數在珠三角最小，在成渝最大

盡管橫向上看珠三角城市群的區位基尼系數值是最小的（見表4），但是縱向上從2017年到2021年，珠三角的9個城市之間的差異度是在遞增的。2021年，廣東省中的9個城市的專利授權數之和占全國的17.86%，深圳一個城市占9座城市總和的35.66%，深圳與廣州合起來已經占到59.86%。這樣的結果可能要歸結于這兩座城市在近幾年的發展實在太迅猛了，其他城市已經鉚足了勁在不停地追趕，可惜基數本來差距就大，增速又超不了甚至抵不過。

相似結論還出現在長三角城市群與長江中游城市群，區位基尼系數值僅有2018年是下降的，之后都是在不斷增加。

首先，長三角地區在全國的權重就大，2021年的專利授權數占到全國總數的32.83%，41個城市中上海就占到了12.46%，滬蘇杭三市占到33.84%，而系數值在015～0.89之間的城市達到18個，1～5之間的有17個，5～10之間的僅有3個，10～13之間的只有2個，剔除滬蘇杭之后，余下的城市間差異依然十分顯著。

其次，長江中游城市群雖然在全國的份額僅有6.95%，但是武漢、長沙的核心位置也是十分突出的。武漢一個城市占到這個城市群30個城市的28.36%，長沙占到14.63%，南昌也達到了7.81%。

三、結論

（1）平均差與區位基尼系數的計算結果還是有出入的。平均差的計算過程中采用了絕對值的方法來消除指標值與算術平均數的差為負的差異，實際上并不能夠更好地詮釋指標值之間的離散程度，尤其是當指標值之間的差異較大、目標值的樣本量較多的時候。因此，在數據來源、指標前后一致等的客觀約束下，區位基尼系數的計算顯得更加科學，更加嚴謹，結果與客觀事實更加接近。

（2）高校資源的分布動態上是向均衡化、分散化運動的。五大城市群都不再出現單一的中心城市資源高度集聚現象，每個城市群都有多個中心城市牽頭，向周邊溢出、輻射，協同發展。然而，城市群相互之間協同發展的效果差異依舊十分明顯，長三角城市群在經濟支撐、創新驅動等方面一馬當先，“產業鏈與人才鏈已經深度融合”［4］。珠三角九大城市之間的融合互動在全國是首屈一指的，廣州與深圳這兩座萬億級別城市的核心作用進一步強化，佛山與東莞緊隨其后，江門與肇慶的不斷融入，九座城市之間的差異化在不斷縮小。當前，京津冀、長三角與珠三角都已經成為國際級別的城市群。與此同時，成渝城市群的集聚程度相對較嚴重，直轄市、省會城市與其他城市之間的鴻溝短時間內還不能填補。比如省會城市的高等學校到地級市設立分校區、與地級市學校合作辦學等都需要一定的建設期、人才培養的周期，地級市的引智政策傾斜程度還要依托于城市經濟實力的提升、特色產業鏈的合理布局、創新驅動的引擎新開發等。

參考文獻：

［1］戴平生.區位基尼系數的計算、性質及其應用［J］.數量經濟技術經濟研究，2015（7）：149161.

［2］中國科學技術發展戰略研究院.中國區域科技創新評價報告2022［R］.北京：科學技術文獻出版社，2022.

［3］王明浩，郭宇靖.從協同協作升級為聯合融合，京津冀協同發展邁上更高臺階［EB/OL］.（2023720）［2023823］.https：//baijiahao.baidu.com/s？id=1771948339841830254&wfr=spider&for=pc.

［4］姚凱.長三角人才一體化發展向縱深推進［EB/OL］.（2023627）［2023828］.https：//fddi.fudan.edu.cn/bf/29/c21257a507689/page.htm.

［5］宋耀輝，王寧.基于區位基尼系數的陜西省產業空間集聚研究［J］.西安石油大學學報（社會科學版），2017（4）：1421.

［6］周光禮，趙之燦，耿孟茹.高等教育資源空間布局及其對區域科技創新能力的影響：基于中國五大城市群的實證研究［J］.現代大學教育，2023，39（01）：6675+112.

基金項目：教育部人文社會科學研究規劃基金項目“中國外商直接投資（FDI）績效的時空差異及其提升研究”（項目編號：21YJA790065）

作者簡介：蔣蘭陵（1978—），女，漢族，江蘇揚州人，經濟學博士，副教授，碩士生導師，研究方向：國際直接投資與跨國公司管理。