人口拐點(diǎn)下的“蓄水池”效應(yīng)：高等教育規(guī)模的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)及影響因素解構(gòu)

摘要：為精準(zhǔn)研判高等教育規(guī)模的未來(lái)走向及其復(fù)雜影響機(jī)制，該研究構(gòu)建了基于BP神經(jīng)網(wǎng)絡(luò)的高等教育規(guī)模預(yù)測(cè)模型，并運(yùn)用灰色關(guān)聯(lián)分析其核心驅(qū)動(dòng)因素。首先，基于1994—2023年歷史數(shù)據(jù)，通過(guò)滑動(dòng)窗口法構(gòu)建時(shí)序預(yù)測(cè)模型。結(jié)果顯示，模型在驗(yàn)證集上的相對(duì)誤差均小于0.3%，具有良好的擬合優(yōu)度。預(yù)測(cè)表明，未來(lái)5年我國(guó)本科在校生規(guī)模將持續(xù)增長(zhǎng)但增速趨緩，人口結(jié)構(gòu)變化的影響將在2035年后顯現(xiàn)。其次，影響因素分析發(fā)現(xiàn)，就業(yè)率、第三產(chǎn)業(yè)占比和適齡人口是關(guān)聯(lián)度最高的3個(gè)指標(biāo)。該研究進(jìn)一步提出了一個(gè)“需求—供給—載體”三維耦合分析框架，揭示了勞動(dòng)力市場(chǎng)的“蓄水池”效應(yīng)（需求） 、人口基數(shù)的剛性約束（供給） 與城鎮(zhèn)化的資源集聚（載體） 共同作用于高等教育規(guī)模的動(dòng)態(tài)演化機(jī)制。研究結(jié)論可為我國(guó)教育強(qiáng)國(guó)建設(shè)中的資源優(yōu)化配置與政策精準(zhǔn)調(diào)控提供數(shù)據(jù)支持與理論參考。

關(guān)鍵詞：高等教育規(guī)模；影響因素分析；BP神經(jīng)網(wǎng)絡(luò)；灰色關(guān)聯(lián)分析

中圖分類號(hào)：TP311" " " " 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2025）28-0019-03

開(kāi)放科學(xué)（資源服務(wù)） 標(biāo)識(shí)碼（OSID）

0 引言

教育強(qiáng)國(guó)戰(zhàn)略背景下，高等教育規(guī)模的動(dòng)態(tài)調(diào)控已成為國(guó)家人才培養(yǎng)與經(jīng)濟(jì)社會(huì)發(fā)展的核心議題。當(dāng)前，我國(guó)正經(jīng)歷深刻的人口結(jié)構(gòu)轉(zhuǎn)型，第七次人口普查數(shù)據(jù)顯示，學(xué)齡人口規(guī)模在 2020—2035 年間將呈現(xiàn)先升后降的倒 “U”型趨勢(shì)，而經(jīng)濟(jì)高質(zhì)量發(fā)展對(duì)高素質(zhì)勞動(dòng)力的需求卻持續(xù)攀升，這種供需矛盾對(duì)高等教育資源配置提出了嚴(yán)峻挑戰(zhàn)。科學(xué)預(yù)測(cè)高等教育規(guī)模并剖析其影響機(jī)制，不僅能為教育主管部門制定招生計(jì)劃、優(yōu)化學(xué)科布局提供決策依據(jù)，更是實(shí)現(xiàn) 2035 年 “建成教育強(qiáng)國(guó)” 目標(biāo)的關(guān)鍵前提。然而，現(xiàn)有研究或局限于單一因素分析，或依賴傳統(tǒng)線性模型，難以捕捉人口、經(jīng)濟(jì)、政策等多維度因素的非線性交互作用，亟須更系統(tǒng)的理論框架與方法創(chuàng)新。

教育規(guī)模預(yù)測(cè)是指用科學(xué)的預(yù)測(cè)方法對(duì)未來(lái)一定時(shí)期內(nèi)的教育變動(dòng)趨勢(shì)或者教育與其影響因素間的互動(dòng)關(guān)系進(jìn)行探究。現(xiàn)有研究對(duì)高等教育規(guī)模影響因素的探討主要集中于三大維度。1） 人口結(jié)構(gòu)維度：學(xué)齡人口規(guī)模被普遍視為需求端的基礎(chǔ)變量。任增元等 [1]基于隊(duì)列要素法證實(shí)，我國(guó)高等教育學(xué)齡人口在 2024—2040 年將經(jīng)歷 “攀升—縮減” 的倒 “U” 型變化，而李德顯等 [2]進(jìn)一步發(fā)現(xiàn)，學(xué)前至高中階段適齡人口的持續(xù)下降將間接影響高等教育生源結(jié)構(gòu)。2） 經(jīng)濟(jì)與社會(huì)維度：張茂聰?shù)?[3]通過(guò)省級(jí)面板數(shù)據(jù)驗(yàn)證，高等教育規(guī)模對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)具有直接促進(jìn)作用，城鎮(zhèn)化進(jìn)程在其中發(fā)揮顯著中介效應(yīng)；謝雨彤等 [4]以粵港澳大灣區(qū)為例，發(fā)現(xiàn)高等教育與經(jīng)濟(jì)的協(xié)調(diào)度已從 “嚴(yán)重失調(diào)” 演進(jìn)至 “良好協(xié)調(diào)”，但區(qū)域間仍存在顯著差異。3） 政策與制度維度：趙之燦等 [5]指出，產(chǎn)業(yè)政策與高等教育規(guī)模的耦合協(xié)調(diào)須通過(guò)補(bǔ)齊區(qū)域短板實(shí)現(xiàn)，而國(guó)家 “雙一流” 建設(shè)等政策則直接推動(dòng)了優(yōu)質(zhì)教育資源的空間重構(gòu)。現(xiàn)有研究多聚焦線性關(guān)系分析，如聯(lián)立方程或回歸模型，較少關(guān)注人口結(jié)構(gòu)變遷、經(jīng)濟(jì)轉(zhuǎn)型與政策調(diào)整的交互影響，難以刻畫 “人口下降—經(jīng)濟(jì)升級(jí)—政策響應(yīng)” 的復(fù)雜動(dòng)態(tài)機(jī)制。

高等教育規(guī)模預(yù)測(cè)方法的演進(jìn)呈現(xiàn)兩條技術(shù)路徑。傳統(tǒng)統(tǒng)計(jì)方法，如隊(duì)列要素法、回歸分析及灰色模型等被廣泛應(yīng)用。例如，任增元等利用隊(duì)列要素法提出“生源四階段調(diào)控策略”，但該方法對(duì)非線性數(shù)據(jù)的適應(yīng)性較弱；灰色 GM （1，1） 模型雖能處理小樣本數(shù)據(jù)，卻難以捕捉多變量間的動(dòng)態(tài)關(guān)聯(lián)。現(xiàn)代人工智能算法方面，機(jī)器學(xué)習(xí)模型如 BP 神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林等逐漸被引入。這類方法通過(guò)多層神經(jīng)元網(wǎng)絡(luò)擬合非線性關(guān)系，在處理時(shí)序數(shù)據(jù)時(shí)表現(xiàn)出更高精度，但當(dāng)前應(yīng)用仍局限于少數(shù)案例，如某省份高等教育預(yù)測(cè)，尚未形成普適性分析框架。傳統(tǒng)方法難以突破線性假設(shè)的限制，而現(xiàn)代人工智能算法的應(yīng)用仍缺乏與影響因素分析的深度結(jié)合，導(dǎo)致預(yù)測(cè)結(jié)果難以追溯至具體驅(qū)動(dòng)因素。

綜上所述，現(xiàn)有研究存在雙重局限。理論層面，缺乏對(duì) “人口—經(jīng)濟(jì)—政策” 多維因素交互作用的系統(tǒng)分析，多停留在單因素關(guān)聯(lián)研究；方法層面，傳統(tǒng)線性模型難以刻畫高等教育規(guī)模的非線性演變規(guī)律，而智能算法的應(yīng)用尚未與影響機(jī)制分析形成閉環(huán)。

為彌補(bǔ)上述不足，本研究采用 “預(yù)測(cè)—?dú)w因—建模”的遞進(jìn)邏輯。首先，基于2000—2023年數(shù)據(jù)，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)模型對(duì)2024—2030年高等教育本科在校生規(guī)模進(jìn)行中短期預(yù)測(cè)，重點(diǎn)捕捉學(xué)齡人口下降與經(jīng)濟(jì)升級(jí)背景下的規(guī)模拐點(diǎn)。其次，通過(guò)灰色關(guān)聯(lián)分析，量化人口結(jié)構(gòu)（如18～22歲人口數(shù)量） 、經(jīng)濟(jì)指標(biāo)（如人均 GDP） 、教育投入（如財(cái)政性教育經(jīng)費(fèi)） 等變量的關(guān)聯(lián)度，篩選核心驅(qū)動(dòng)因素。最后，基于分析結(jié)果，構(gòu)建 “需求—供給—載體” 理論框架，提出適應(yīng)人口結(jié)構(gòu)變化與經(jīng)濟(jì)轉(zhuǎn)型的高等教育規(guī)模調(diào)控策略，為教育強(qiáng)國(guó)目標(biāo)下的資源優(yōu)化配置提供決策參考。

1 研究設(shè)計(jì)

1.1 數(shù)據(jù)來(lái)源

本文擬基于1994—2023年高等教育發(fā)展歷史數(shù)據(jù)測(cè)算2024—2030年高等教育發(fā)展前景，借助灰色關(guān)聯(lián)模型分析高等教育核心影響因素。用本科在校生人數(shù)反映教育規(guī)模，影響高等教育規(guī)模的核心影響因素有經(jīng)濟(jì)發(fā)展水平、人口規(guī)模、人力資源需求和教育投入等因素，因此，本研究選用GDP、人均GDP、第二產(chǎn)業(yè)占比、第三產(chǎn)業(yè)占比來(lái)反映經(jīng)濟(jì)發(fā)展水平；選用理論適齡人口數(shù)量來(lái)反映人口規(guī)模，該指標(biāo)通過(guò)出生人口數(shù)據(jù)推算18～22歲人口數(shù)量；選用城鎮(zhèn)化率和就業(yè)率來(lái)反映人力資源需求；采用財(cái)政教育經(jīng)費(fèi)和生均公共預(yù)算教育支出反映教育投入。需要說(shuō)明的是，理論適齡人口數(shù)的計(jì)算未考慮高等教育入學(xué)率非 100%、復(fù)讀、延遲入學(xué)等實(shí)際情況，本質(zhì)上是對(duì)適齡人口的估算。該估算方法能夠捕捉人口結(jié)構(gòu)變化的長(zhǎng)期趨勢(shì)，為宏觀規(guī)模預(yù)測(cè)提供基礎(chǔ)參考。其余分析數(shù)據(jù)均來(lái)自國(guó)家統(tǒng)計(jì)局網(wǎng)站、教育部官網(wǎng)、財(cái)政部官網(wǎng)。

1.2 基于BP神經(jīng)網(wǎng)絡(luò)模型的高等教育規(guī)模預(yù)測(cè)

本文將1994—2021年度普通高等院校本科在校生數(shù)據(jù)用于網(wǎng)絡(luò)訓(xùn)練，2022—2023年數(shù)據(jù)作為驗(yàn)證集。模型構(gòu)建時(shí)，將歷史本科在校生序列作為網(wǎng)絡(luò)輸入特征，輸出層預(yù)測(cè)當(dāng)前本科在校生人數(shù)。具體步驟如下：

1） 考慮時(shí)序數(shù)據(jù)特點(diǎn)，運(yùn)用滑動(dòng)窗口方法構(gòu)造訓(xùn)練樣本作為網(wǎng)絡(luò)輸入。具體實(shí)現(xiàn)流程為：設(shè)置固定長(zhǎng)度的時(shí)間窗口，以預(yù)設(shè)步長(zhǎng)滑動(dòng)截取數(shù)據(jù)子序列段作為輸入樣本。參考已有研究成果，設(shè)定窗口長(zhǎng)度為5個(gè)時(shí)間單位，即輸入層包含5個(gè)神經(jīng)元節(jié)點(diǎn)，輸出層設(shè)置1個(gè)神經(jīng)元節(jié)點(diǎn)。這意味著將連續(xù)5年的本科在校生人數(shù)數(shù)據(jù)作為輸入特征，第6年的本科在校生人數(shù)值作為預(yù)測(cè)目標(biāo)。基于1994年到2021年的本科在校生人數(shù)數(shù)據(jù)，通過(guò)滑動(dòng)窗口處理最終生成22個(gè)訓(xùn)練樣本和1個(gè)測(cè)試樣本。

2） 由于訓(xùn)練樣本數(shù)據(jù)量綱相同，無(wú)須進(jìn)行標(biāo)準(zhǔn)化過(guò)程，可直接構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型。根據(jù)隱藏層神經(jīng)元節(jié)點(diǎn)數(shù)計(jì)算公式得到設(shè)置區(qū)間[3，12]，最終發(fā)現(xiàn)當(dāng)節(jié)點(diǎn)數(shù)為3時(shí)，模型在測(cè)試集上的MSE最小，故確定隱藏層節(jié)點(diǎn)數(shù)為3。隱藏層選用tanh函數(shù)作為非線性激活函數(shù)，輸出層采用線性激活函數(shù)purelin函數(shù)。模型配置過(guò)程中，將均方誤差（MSE） 設(shè)為優(yōu)化目標(biāo)，并選用自適應(yīng)矩估計(jì)（adam） 算法進(jìn)行參數(shù)優(yōu)化。

3） 模型構(gòu)建完后，訓(xùn)練神經(jīng)網(wǎng)絡(luò)，將訓(xùn)練數(shù)據(jù)集訓(xùn)練100次，指定每次訓(xùn)練樣本數(shù)量為1，初始學(xué)習(xí)率為0.000 1。通過(guò)均方誤差（MSE） 、平均絕對(duì)誤差（MAE） 、決定系數(shù)（R2） 3個(gè)指標(biāo)來(lái)綜合評(píng)估模型性能。

4） 基于訓(xùn)練好的模型，重復(fù)進(jìn)行本科在校生人數(shù)滑動(dòng)窗口的預(yù)測(cè)，得到2024年到2030年的高等教育規(guī)模預(yù)測(cè)值。

1.3 基于灰色關(guān)聯(lián)分析的高等教育規(guī)模影響因素分析

灰關(guān)聯(lián)分析在樣本空間小、指標(biāo)間關(guān)系不清晰時(shí)，特別適合變量間關(guān)聯(lián)關(guān)系的分析。灰色關(guān)聯(lián)分析步驟如下：

第一步：對(duì)數(shù)據(jù)進(jìn)行無(wú)量綱化處理，具體方法如下：將每一列指標(biāo)中的每個(gè)元素除以該列的平均值，從而消除因不同數(shù)量級(jí)造成的影響。

第二步：計(jì)算每個(gè)子序列與母序列之間的關(guān)聯(lián)系數(shù)。在本研究中以本科在校生人數(shù)作為母序列， 9個(gè)評(píng)價(jià)項(xiàng)GDP，人均GDP、城鎮(zhèn)化率、就業(yè)率、 第三產(chǎn)業(yè)占比、 第二產(chǎn)業(yè)占比、財(cái)政教育經(jīng)費(fèi)、生均公共預(yù)算教育支出和適齡人口數(shù)為子序列。

第三步：計(jì)算各元素與參考序列的關(guān)聯(lián)度并計(jì)算均值。

2 高等教育規(guī)模預(yù)測(cè)結(jié)果及影響因素分析

2.1 高等教育規(guī)模預(yù)測(cè)結(jié)果分析

使用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)2022年與2023年的本科在校人數(shù)，為檢驗(yàn)?zāi)Ｐ偷臄M合質(zhì)量，將這兩年的真實(shí)值與預(yù)測(cè)值進(jìn)行對(duì)比分析。

結(jié)果顯示，2022年預(yù)測(cè)的相對(duì)誤差為-0.056 9%，2 023年預(yù)測(cè)的相對(duì)誤差為-0.251 2%，預(yù)測(cè)值與真實(shí)值的相對(duì)誤差控制在5%以內(nèi)，雖存在輕微低估傾向且模型預(yù)測(cè)誤差隨時(shí)間略有增大，但整體誤差范圍表明BP神經(jīng)網(wǎng)絡(luò)在非線性特征提取中表現(xiàn)優(yōu)異。但由于滑動(dòng)窗口數(shù)據(jù)嚴(yán)重依賴在校生人數(shù)的歷史數(shù)據(jù)，因此，該方法適合進(jìn)行高等教育規(guī)模的中短期預(yù)測(cè)。2024年到2030年本科在校生人數(shù)預(yù)測(cè)結(jié)果見(jiàn)圖1，預(yù)測(cè)結(jié)果顯示本科在校生人數(shù)在未來(lái)5年仍然呈現(xiàn)增長(zhǎng)趨勢(shì)；計(jì)算本科在校生人數(shù)的年增長(zhǎng)率數(shù)據(jù)顯示，2022年和2023年增長(zhǎng)率分別為3.04%、3.31%，預(yù)測(cè)數(shù)據(jù)顯示，2024年到2030年的平均增長(zhǎng)率為3.05%，各年增長(zhǎng)率在3%上下小幅波動(dòng)，且呈現(xiàn)輕微下降趨勢(shì)。可能是由于中國(guó)2016年放開(kāi)二胎政策，在2016年和2017年迎來(lái)了兩年的局部生育高峰，這兩年出生的人口適齡入讀高等院校的時(shí)間約為2034年到2035年之間，預(yù)計(jì)2035年之后高等教育規(guī)模達(dá)到最大值，之后逐步下降，如圖1所示。

2.2 高等教育規(guī)模影響因素分析

根據(jù)灰色關(guān)聯(lián)分析的步驟，以本科在校生人數(shù)作為母序列，分別研究9個(gè)評(píng)價(jià)項(xiàng)與本科在校生人數(shù)的關(guān)聯(lián)度，計(jì)算出關(guān)聯(lián)系數(shù)值，如表1所示。

灰色關(guān)聯(lián)分析結(jié)果顯示，針對(duì)9個(gè)評(píng)價(jià)項(xiàng)進(jìn)行灰色關(guān)聯(lián)度分析，關(guān)聯(lián)度排名前5的影響因素有就業(yè)率、第三產(chǎn)業(yè)占比、適齡人口數(shù)、第二產(chǎn)業(yè)占比、城鎮(zhèn)化率，其關(guān)聯(lián)度均大于0.6，其中，就業(yè)率、第三產(chǎn)業(yè)占比和適齡人口與本科在校生人數(shù)的關(guān)聯(lián)度均大于0.7，位列前三。

就業(yè)率與本科在校生人數(shù)的高關(guān)聯(lián)性反映了勞動(dòng)力市場(chǎng)對(duì)“教育需求”的直接影響，就業(yè)市場(chǎng)的波動(dòng)性使該因素成為影響在校生規(guī)模的靈敏指標(biāo)。依據(jù)人力資本投資理論，個(gè)體通過(guò)本科教育積累知識(shí)與技能，以提升未來(lái)勞動(dòng)市場(chǎng)的收益預(yù)期。當(dāng)就業(yè)率下降時(shí)，本科教育作為重要的人力資本投資途徑，成為規(guī)避就業(yè)風(fēng)險(xiǎn)的 “蓄水池”。當(dāng)就業(yè)率下降時(shí)，本科教育作為人力資本投資的重要途徑，往往成為規(guī)避就業(yè)風(fēng)險(xiǎn)的“蓄水池”。企業(yè)招聘標(biāo)準(zhǔn)提高倒逼學(xué)生延長(zhǎng)教育周期，從信號(hào)理論視角來(lái)看，當(dāng)企業(yè)招聘標(biāo)準(zhǔn)提高時(shí)，延長(zhǎng)教育周期不僅是向雇主傳遞自身具備較強(qiáng)學(xué)習(xí)能力和發(fā)展?jié)摿Φ男盘?hào)，更是對(duì)專業(yè)技能的深化，待業(yè)群體通過(guò)學(xué)歷提升增強(qiáng)競(jìng)爭(zhēng)力，同樣是利用學(xué)歷作為信號(hào)，在勞動(dòng)力市場(chǎng)中獲得競(jìng)爭(zhēng)優(yōu)勢(shì)。當(dāng)就業(yè)率上升時(shí)，短期就業(yè)吸引力可能分流部分潛在生源，但依據(jù)人力資本投資理論，若經(jīng)濟(jì)增長(zhǎng)伴隨技術(shù)密集型產(chǎn)業(yè)擴(kuò)張，對(duì)高技能人才需求激增，將推動(dòng)教育需求結(jié)構(gòu)性增長(zhǎng)，促使更多人選擇通過(guò)本科教育進(jìn)行人力資本投資，以滿足市場(chǎng)需求。

在產(chǎn)業(yè)結(jié)構(gòu)方面，隨著知識(shí)經(jīng)濟(jì)與服務(wù)經(jīng)濟(jì)的蓬勃發(fā)展，第三產(chǎn)業(yè)對(duì)高技能人才的需求呈現(xiàn)剛性增長(zhǎng)態(tài)勢(shì)。工業(yè)化和城鎮(zhèn)化協(xié)同效應(yīng)，使得人口向城市集中，進(jìn)一步推動(dòng)第三產(chǎn)業(yè)發(fā)展，現(xiàn)代服務(wù)業(yè)高度依賴知識(shí)、技術(shù)和創(chuàng)新，對(duì)高素質(zhì)勞動(dòng)力有著迫切需求。這使得第三產(chǎn)業(yè)占比高成為影響高校本科在校人數(shù)的第二大因素，契合知識(shí)經(jīng)濟(jì)與服務(wù)經(jīng)濟(jì)時(shí)代，教育供給需與產(chǎn)業(yè)人才需求緊密匹配的理論邏輯，即高校通過(guò)擴(kuò)大本科在校生規(guī)模，為第三產(chǎn)業(yè)源源不斷輸送適配人才，以滿足產(chǎn)業(yè)發(fā)展的人才需要。

人口是教育規(guī)模的剛性基礎(chǔ)，適齡人口的關(guān)聯(lián)度突破0.7，體現(xiàn)了人口結(jié)構(gòu)在教育“供給端”的決定性作用。當(dāng)前在校生規(guī)模主要受18年前出生人口影響，2023年本科適齡人口對(duì)應(yīng)2005年前后出生隊(duì)列（年均1 600萬(wàn)） ，而2020年出生人口已降至1 200萬(wàn)，預(yù)示2038年后潛在生源將縮減。

財(cái)政投入關(guān)聯(lián)度未進(jìn)前五，但其對(duì)高等教育系統(tǒng)的調(diào)節(jié)作用顯著，深刻影響著教育供給質(zhì)量。財(cái)政教育經(jīng)費(fèi)關(guān)聯(lián)度排名靠后不僅反映出我國(guó)高等教育投入已邁過(guò)“規(guī)模擴(kuò)張”階段，更預(yù)示著高等教育發(fā)展正步入 “內(nèi)涵式發(fā)展” 與 “質(zhì)量提升” 的全新階段。隨著前期大規(guī)模資源投入帶來(lái)的規(guī)模擴(kuò)張紅利逐漸釋放，規(guī)模增長(zhǎng)對(duì)教育質(zhì)量提升和整體發(fā)展的邊際效應(yīng)正呈現(xiàn)遞減趨勢(shì)。在此背景下，單純依靠擴(kuò)大投入規(guī)模已難以滿足高質(zhì)量教育發(fā)展需求，轉(zhuǎn)而更注重資源的精細(xì)化配置與高效利用，聚焦于提升教育教學(xué)內(nèi)涵、優(yōu)化課程體系、加強(qiáng)師資隊(duì)伍建設(shè)等質(zhì)量提升維度。但生均經(jīng)費(fèi)仍是保障教育質(zhì)量的核心要素，只有確保充足且合理的生均經(jīng)費(fèi)投入，才能為內(nèi)涵式發(fā)展提供堅(jiān)實(shí)的物質(zhì)基礎(chǔ)，推動(dòng)高等教育質(zhì)量持續(xù)提升。

3 研究結(jié)論

從高等教育規(guī)模中本科在校生人數(shù)預(yù)測(cè)結(jié)果來(lái)看，本科在校生人數(shù)仍然有提升空間，但受到出生人口減少、經(jīng)濟(jì)預(yù)期降低、人工智能等新興技術(shù)革命的多重影響，未來(lái)本科在校生人數(shù)的增速將進(jìn)一步放緩。

本研究的核心理論貢獻(xiàn)在于提出了一個(gè)解構(gòu)高等教育規(guī)模影響機(jī)制的 “需求—供給—載體” 三維耦合分析框架。在需求側(cè)，就業(yè)市場(chǎng)的即時(shí)波動(dòng)形成短期 “蓄水池” 效應(yīng)，就業(yè)率的升降直接影響個(gè)體對(duì)本科教育的選擇；同時(shí)，產(chǎn)業(yè)升級(jí)帶來(lái)的長(zhǎng)期結(jié)構(gòu)性需求，促使勞動(dòng)力市場(chǎng)對(duì)高技能人才需求發(fā)生轉(zhuǎn)變，共同塑造教育需求結(jié)構(gòu)。供給側(cè)方面，適齡人口基數(shù)構(gòu)成教育供給的剛性上限，其數(shù)量變化直接決定潛在生源規(guī)模；財(cái)政教育經(jīng)費(fèi)關(guān)聯(lián)度排名靠后，表明我國(guó)高等教育已跨越 “規(guī)模擴(kuò)張” 階段，轉(zhuǎn)向注重質(zhì)量投入的發(fā)展模式。在載體端，城鎮(zhèn)化進(jìn)程發(fā)揮著關(guān)鍵作用，其通過(guò)人口集聚和資源優(yōu)化配置，提升了高等教育的承載力與可達(dá)性，進(jìn)一步促進(jìn)教育資源的空間合理布局。需求、供給、載體這3個(gè)維度相互作用、彼此制約，共同決定了高等教育規(guī)模的動(dòng)態(tài)平衡點(diǎn)，為理解高等教育規(guī)模的演變機(jī)制提供了系統(tǒng)的理論視角。

參考文獻(xiàn)：

[1] 任增元，高靜，陶禹廷.面向2035：基于我國(guó)學(xué)齡人口變動(dòng)的高等教育資源需求預(yù)測(cè)及配置策略[J].大學(xué)教育科學(xué)，2024，15（6）：14-24.

[2] 李德顯，劉昭晨.學(xué)前適齡人口規(guī)模與教育資源供給預(yù)測(cè)研究：基于第七次全國(guó)人口普查數(shù)據(jù)[J].教育科學(xué)，2023，39（6）：79-85.

[3] 張茂聰，黎敏輝，范曉婷.教育何以促進(jìn)共同富裕：基于2003—2020年省級(jí)面板數(shù)據(jù)的實(shí)證檢驗(yàn)[J].教育研究，2024，45（5）：132-149.

[4] 謝雨彤，尚海龍.粵港澳大灣區(qū)高等教育規(guī)模與區(qū)域經(jīng)濟(jì)耦合協(xié)調(diào)時(shí)空格局研究：以廣東地區(qū)為例[J].高教探索，2024（4）：14-23.

[5] 趙之燦，田浩然.以區(qū)域高等教育發(fā)展破解產(chǎn)業(yè)與人才之間的循環(huán)困境：基于2005—2020年省級(jí)面板數(shù)據(jù)的實(shí)證分析[J].中國(guó)人民大學(xué)教育學(xué)刊，2023（2）：151-168.

【通聯(lián)編輯：聞翔軍】