普高教育经费配置研究

导语：普高教育经费配置研究一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

一、变量、指标和数据的说明

对教育经费配置情况的测量、比较和分析，通常意味着使用多个维度的指标，例如教育事业费拨款、工资福利支出、生均教育经费支出个人部分等。据此，本文选取了《中国教育经费统计年鉴2011》中的相关变量，来比较国内各地区普通高校教育经费配置情况，并对其进行分类。本文选取的变量有教育事业费拨款、基本建设拨款、科研拨款、其他拨款、工资福利支出、对个人和家庭的补助支出、商品和服务支出、其他资本性支出、生均教育经费支出个人部分、生均教育经费支出公用部分，共计10个变量。上述变量或指标的相关数据均来源于《中国教育经费统计年鉴2011》。

二、区域教育经费配置情况：两因子的描述

（一）因子分析的基本原理因子分析的主旨是在最少信息丢失的条件下，将众多观测变量浓缩成几个因子。这表明，因子分析是通过降维的方式来实现浓缩变量的目的，进而探索隐藏在众多观测变量背后的变量结构。对于因子分析的方法，陶双宾认为：“用少数几个因子去描述许多指标或因素之间的联系，即按照比较严密的运算规则，将比较密切相关的几个变量归于一类，每一类变量就成为一个因子，以较少的几个因子反映原资料的大部分信息。”降维是因子分析的核心。

（二）两因子的提取本文运用SPSS19.0统计软件，通过因子分析的方法浓缩从《中国教育经费统计年鉴2011》上选取的10个变量，即对这10个变量进行降维。在运用因子分析方法之前，首先要判断所选数据资料是否适合进行因子分析。分析某组数据是否适合进行因子分析，主要是通过相关系数矩阵、KMO值和Bartlett的显著性检验来判定。选取表示教育经费配置情况的10个变量，对其进行因子分析。由SPSS19.0统计软件生成的有关检验结果可知：该组数据各变量之间的相关系数绝大部分都在0.78以上，KMO值为0.847，并且通过了Bartlett的显著性检验（具体如表1所示）。据此可以确定，该组数据适合进行因子分析。从表2中的旋转前提取平方和载入解释百分比可知，提取两个公因子可以解释所有变化的92.376%，也就是说，这2个公因子所承载的内容已经能够解释原始数据的绝大部分信息。本文还通过正交旋转的方法来对各个因子载荷做出更为合理的解释。正交旋转方法的作用在于它能够简化因子负载矩阵，并且旋转之后的各因子之间不相关。如表2所示，旋转后的平方和载入解释百分比与旋转前的平方和载入解释百分比保持一致，这说明，通过对初始因子进行的正交旋转没有影响到变量对总方差的解释力度。正交旋转后获取的2个公因子以及相应的因子载荷矩阵可以作为测量、比较和分析国内大陆各地区普通高校教育经费配置情况的新变量。在因子分析中，对公因子的命名一般依据正交旋转后的因子载荷矩阵中各因子负载值的高低来完成。由表3可知，公因子1在教育事业费拨款、基本建设拨款、科研拨款、其他拨款、工资福利支出、对个人和家庭的补助支出、商品和服务支出、其他资本性支出8项指标上有较高的负载值，公因子2在生均教育经费支出个人部分、生均教育经费支出公用部分2个指标上有很好的负载值。因此，公因子1主要表现的是普通高校教育经费配置的总体情况，所以将公因子1命名为总体教育经费因子；公因子2主要体现了普通高校教育经费配置的人均情况，所以将公因子2命名为人均教育经费因子。表4中的因子总得分是通过赋予2个公因子不同权重并计算后获得的，计算过程是总体教育经费因子乘以45与人均教育经费因子乘以50得到的乘积之和。因子总得分整体上体现了我国各地区普通高校教育经费配置的差异。从表4中可知，普通高校教育经费配置较高的地区有北京、上海、江苏、广东、浙江，教育经费配置较低的地区是西藏、贵州、海南、宁夏、青海。

三、教育经费配置的区域划分及其差异的比较：基于两因子的聚类分析

（一）以两因子为基础的聚类分析

以上的内容在一定程度上说明了我国各地区普通高校教育经费配置的差异。接下来，我们将在2个公因子的基础之上，对国内大陆地区普通高校教育经费配置情况做分区研究，并比较各分区之间的不同。为了对各地区进行有效的分类，本文选用SPSS19.0统计软件中的系统聚类方法，对国内大陆地区的31个省份进行分类。系统聚类即层次聚类，陶双宾认为其主要思想是：首先，将所有个案各自当作一类，并规定个案之间的距离和类与类之间的距离，然后将距离最近的2类合并成1个新类，计算新类与其他类的距离，重复进行2个最近类的合并，每次减少1类，直到所有个案都合成1类。本文在两个公因子的基础上，通过SPSS19.0统计软件对国内大陆各地区进行系统聚类分析之后，得到清晰的结果如图1所示。本研究结合树状图显示的分类结果以及实际分析中的需要，将我国大陆的31个省份分为5类。结合树状图对各地区进行分类后发现，北京、上海各自归属一类。从两个地区的属性以及散点图（图2）呈现的地区分布情况可以看出，北京、上海两个省份教育经费配置情况较为相似，因此将北京与上海归为一类。这样，分类结果由最初的5类变成了4类，具体分类结果如表5所示。

（二）不同地区在2个因子方向上的差异

为了对各地区之间差异有更加清楚的认识，本文报告了不同类型地区在因子总得分、总体教育经费因子得分、人均教育经费因子得分上的均值，如表6所示。为了更加直观的了解不同类型地区之间的差异，本文通过SPSS19.0统计软件生成了总体教育经费因子与人均教育经费因子的散点图（图2）。图2说明了总体教育经费因子与人均教育经费因子的相关关系，图中的每一个点代表一个省份，所有的点均是相应横纵坐标垂线的交点。散点图展现了不同地区在两个公因子上的分布情况。作为1类地区的北京、上海，无论是在总体教育经费因子上，还是在人均教育经费因子上都有很高的得分，特别是北京。这就说明，北京在教育事业费拨款、基本建设拨款、科研拨款、其他拨款、工资福利支出、对个人和家庭的补助支出、商品和服务支出、其他资本性支出、生均教育经费支出个人部分、生均教育经费支出公用部分等方面都位居全国前列。由于上海是后期被归入到1类地区，所以与北京相比仍有所差异。从散点图中可知，上海虽然在总体教育经费因子得分上低于北京，甚至低于其他部分省份，但在人均教育经费因子上具有很高的得分，仅次于北京。因此可以说，上海在生均教育经费支出个人部分、生均教育经费支出公用部分上有明显的优势。江苏、广东作为2类地区，在总体教育经费因子上的得分较高。这表明，2类地区在教育事业费拨款、基本建设拨款、科研拨款、其他拨款、工资福利支出、对个人和家庭的补助支出、商品和服务支出、其他资本性支出等方面具有一定的优势。然而，在人均教育经费因子上，2类地区较弱，处于全国的中游水平。整体而言，2类地区的江苏、广东不分伯仲，在总体教育经费因子上江苏比广东好些，而在人均教育经费因子上广东更有优势。与2类地区的江苏、广东几乎正好相反，4类地区的西藏、青海、天津在人均教育经费因子上具有一定的优势，即该类地区在生均教育经费支出个人部分和生均教育经费支出公用部分方面位于全国的上游，而在总体教育经费因子上却具有明显的劣势，特别是西藏和青海这2个省份，都处于全国的末端。相比而言，作为直辖市的天津，比西藏、青海好很多。从图2可知，3类地区的海南、宁夏、湖南、河南、四川、山东、河北、云南、广西、江西、安徽、重庆、福建、甘肃、贵州、内蒙古、吉林、新疆、浙江、辽宁、黑龙江、山西、陕西、湖北24个省份比较集中。该类地区无论是在总体教育经费因子上，还是在人均教育经费因子上，都表现出明显的劣势。但具体而言，浙江在2个公因子上得分较为均衡，表明该省份正处于大力发展教育事业的阶段。

（三）各分区在具体指标上的差异

从上述因子分析以及聚类分析的结果可以看出，总体教育经费配置与人均教育经费配置直接决定了我国各地区的教育经费配置水平，其中，人均教育经费配置水平的高低是反映地区教育经费配置水平的一个有力指标。教育经费配置情况取决于地方教育事业发展水平，教育事业发展水平越高，提供给教育事业的经费资源相对也就越多，而教育事业从表7中可以看出，分类后的各类型地区之间的差异较为明显。1类地区，即北京、上海，其主要优势在于：一是普通高校教育经费拨款的总体配置较高，例如教育事业费拨款、基本建设拨款、科研拨款、其他拨款；二是普通高校教育经费的人均配置较高，例如生均教育经费支出个人部分、生均教育经费支出公用部分。4类地区无论是在教育经费拨款，还是在教育经费的总体支出上都具有明显的劣势。在人均教育经费支出上3类地区劣势较为明显。2类地区整体处于全国的中游水平。普通高校教育经费的总体配置和人均配置情况基本反映了各地区在教育事业上的经济资源投入情况。

四、研究结论

通过上述的内容可知，本研究以总体教育经费和人均教育经费两个因子为指标，将我国的31个省份划分为4类。这两个因子基本上反映了各地区教育经费的配置情况，同时也反映出我国教育事业发展的两条路径：一是追求教育事业发展总体水平的规模路径，二是追求教育事业发展人均水平的效益路径。两条路径揭示出了政府和市场在普通高校教育经费配置中的作用。我国各地区普通高校教育经费配置的差异，揭示出各地区教育事业发展水平的不同。更为重要的是，教育经费配置的情况基本上与我国经济社会发展的总体趋势保持一致，但是作为直辖市的天津较为特殊。实际上，国内各地区教育经费资源配置的失衡也揭示出了中国社会转型在普通高校教育事业发展中的作用。因此，如何有效分配政府与市场在教育经费调配中所扮演的角色，是我国各地区普通高校教育事业发展的关键所在。

作者：鲁佩涛陶双宾工作单位：沈阳师范大学社会学学院