基于县域尺度的人口平均受教育年限时空分异及其影响因素研究

李良鑫 李文颜 李慧 魏兴萍

摘要：为探究县域尺度的人口平均受教育年限时空分异特征及其影响因素，以四川省183个区县为研究对象，采用Morans I指数、冷热点分析等方法，利用OLS模型和GWR模型分析四川省人口平均受教育年限的空间分布格局和演变特征及其影响因素。结果表明：四川省大部分区县人口平均受教育年限处于初中水平，区域差距显著，两极分化明显；成都平原区人口平均受教育年限相对较高，周边低山丘陵区相对均衡，高山、高原和边远地区相对较低；空间集聚特征显著，中间热，西部冷，呈现出数字“10”字形分布格局，热点区以成都市为核心呈类圆状分布，冷点区多见于西部，随着时间推移冷热点区域变化不明显；GDP、第一产业比重、城镇化率、单位面积学校所服务范围、小学生师比5个变量估计系数的空间分异明显，且各因素间在空间上存在异质性。未来四川省在保障教育资源、教育机会的公平性时，要明确西部地区与其他地区、冷点区与热点区的差距，补齐落后与发达地区之间的平均受教育年限差距是实现教育脱贫的重要措施。

关键词：平均受教育年限；地理加权回归；空间分布；时空分异；四川省

中图分类号：K901.3文献标志码：A文章编号：1673-5072（2024）03-026708

教育是以培养人为中心的社会活动，受教育程度影响着社会的发展［1］。自1986年我国首次实施义务教育以来，教育水平和质量大幅度提升。据2020年第七次全国人口普查公报，我国15岁及以上人口的平均受教育年限由9.08年提高至9.91年，文盲率由原來的4.08%下降为2.67%［23］。尽管如此，教育发展不平衡不充分问题在新时代背景下仍然明显，东西部之间［45］、城乡之间［67］、民族地区之间［89］都存在一定差距。区域性、结构性等不平等问题将在一段时间内依然存在。四川省作为集平原、高原、山地、丘陵、盆地于一身的省份，地形多样，区域教育发展水平差异明显。

教育发展同经济发展一样表现出区域间的差序格局［10］，教育资源失衡影响着区域的人口平均受教育年限［1113］。人口平均受教育年限受教育资源配置的制约，可以很好地反映地区教育差距［14］。空间自相关主要反映空间数据整体和局部子系统的区域差异特征，可以很好地展现教育水平空间特征，常用指标包括Morans I指数、Getis G统计量、Ripleys K系数等［15］。李陈和叶磊［16］基于泰尔指数、空间自相关Morans I指数分析了中国各省人口文化素质指数区域差异。孙林等［17］利用Morans I指数对内蒙古贫困聚集特征进行分析，发现平均受教育年限是该区域致贫的主要因素。Gao等［18］以中国2 873个县为统计单元，利用Morans I指数和GetisOrd G*i空间分析工具并结合泰尔指数对其空间可达性进行了统计和图形化分析。目前对教育年限和受教育水平的研究主要集中在资源配置的时空差异、影响因子、空间可达性、对策建议及其布局效率等方面，对教育年限的可视化研究较少。

基于此，本研究以2010—2020年四川省183个区县人口平均受教育年限为研究对象，采用Global Morans I和GetisOrd G*i分析四川省县域之间人口平均受教育年限的空间分布特征，通过构建OLS和GWR模型，分析2010—2020年四川省人口平均受教育年限的变化趋势和影响因子，揭示四川省人口平均受教育年限的特征及其影响因素，以期为探讨区域教育间的发展格局问题，缩小教育水平差距，提高人口素质提供数据参考。

1材料与方法

1.1研究区域选取四川省全域183个区县作为研究区域，对15岁以上人口的平均受教育年限进行研究。四川省总面积48.61万km2［19］，整体地势西高东低，自西由川西高原和横断山脉为主的高原山地向东以四川盆地为主的盆地、丘陵过渡，由西北向东南倾斜。全省共计21个市（州），其中地级市18个，自治州3个。在行政单元划分的基础上又可以划分为五大区域，即成都平原地区、川东北地区、川南地区、川西北地区、攀西地区。

1.2数据来源及处理人口受教育年限基础数据来源于各市（州）2010年第六次和2020年第七次人口普查公报、统计年鉴。GDP、城镇化率等社会经济数据则来源于《四川省统计年鉴》。空间自相关采用ArcGIS 10.8软件分析；数据统计分析采用Excel 2016和SPSS Statistics 23软件；数据绘图采用OriginPro 2022软件。

1.3研究方法

1.3.1人口平均受教育年限结合我国学制、人口数量和教育权重系数将平均受教育年限分为4个不同等级［20］，具体的折算标准是：0～6年为小学（含文盲）；6～9年为初中；9～12年为高中（含中专）；大于12年为大专及以上。计算公式为

式中：AEY表示平均受教育年限，i为以受教育程度为标准划分的等级，i=1，2，3，4，分别代表小学（含文盲）、初中、高中（含中专）、大专及以上教育水平；Pi为第i种受教育程度的人口数；Ei为第i种受教育程度折算成受教育年限的系数，小学取6，初中取9，高中取12，大专及以上取16；p为15岁以上人口总数。

1.3.2空间自相关分析空间自相关分析用于检验具有空间位置的某变量的观测值是否显著地与其相邻空间点上的观测值相关联，主要涉及各变量与其邻近统计分析变量的空间位置关系和属性的数值特性。本文采用全局自相关Morans I指数［2122］描述整个研究区域各对象空间上的关联程度；局部自相关分析采用GetisOrd G*i［2324］，以此揭示研究对象的空间聚集特征，识别具有统计显著性的高值（热点）和低值（冷点）的空间聚类。

1.3.3地理加权回归地理加权回归（GWR）［25］是基于局部光滑思想探究空间背后各因素之间关系的空间回归模型，可实现不同区域回归模型的系数随空间地理位置的变化而变化，能够反映出自变量在不同的区域对因变量产生的不同影响。

2结果与分析

2.1人口平均受教育年限时空分布特征2010—2020年四川省人口平均受教育年限从8.35年提高至9.24年。2010年时四川省人口平均受教育年限为初中水平，2020年达到高中（含中专）水平。2020年文盲人口333万，占比由544%下降到398%。处于义务教育阶段（含文盲）的比重由8960%下降到73.76%；高中及以上阶段的比例由1140%提升至26.24%；减幅最大为初中，增幅最大为高中（图1）。从空间分布来看，成都平原地区的人口平均受教育年限为全省最高，川南地区和川东北地区处于中间水平，川西北地区和攀西地区相对较低。2020年，部分边远地区人口平均受教育年限还处在小学水平，而成都核心区部分区县已达大专及以上水平，区域间差距较大，两极分化明显（图2）。

2.2人口平均受教育年限的时空关联特征对2010、2020年四川省人口平均受教育年限进行空间自相关分析，其Morans I指数分别为070和067，标准化检验Z值分别为15.44和14.72，均在001的显著性水平下通过检验，表明在空间上不是随机分布，呈现出显著的正自相关性，具有明显的聚类趋势。

据局部自相关分析结果（图3）显示，2010年人口平均受教育年限高高集聚类型以成都核心区及其周边平原地区为主要分布区，2020年该聚类模式面积有所减少，原因在于成都平原地区区位优势明显和资源禀赋优异，为教育提供了良好的经济基础，使得该区域人口平均受教育年限相比其他地区更高。成都作为四川省的经济、政治、文化中心起到巨大輻射作用推动区域集聚，教育发展水平高于同期其他区域。低低集聚类型以川西地区为主连片集中分布，2010年该类型集中分布于川西北和攀西地区，2020年数量有所下降，雅江县、得荣县、木里藏族自治县和会东县转变为其他类型，马边彝族自治县和德昌县转变为低低集聚类型。川西北地区和攀西地区属成都平原向青藏高原的过渡带，地形闭塞、交通受阻、经济发展缓慢，严重影响了该地区的教育水平，文化水平整体偏低。高低集聚类型2010年主要为马尔康市、丹巴县、西昌市和德昌县4个区县。马尔康市和西昌市作为阿坝藏族羌族自治州和凉山彝族自治州首府，相对于周边区域优势明显，丹巴县和德昌县地缘上连接马尔康市和西昌市，得益于区位优势及其与周边地区的地缘关系，呈现出高低集聚，但受地形以及近年来交通发展水平落后的限制，影响了受教育年限的提高，逐渐落后于其他地区，从而转变为低低集聚类型。2020年高低集聚类型仅剩马尔康市和西昌市。2010到2020年低高集聚类型增加了梓潼县、中江县、安居区、资中县、仁寿县、荣县和洪雅县等区县，减少了沿滩区和泸县，由于这些区域邻近成都，受成都集聚效应影响，青年人口流失，从而导致人口平均受教育年限降低。

为进一步探测四川省县域单元平均受教育年限的空间异质性，将2010年和2020年人口平均受教育年限的GetisOrd G*i值由高到低划分为5个等级，得到冷热点空间分布图（图4）。四川省2010年与2020年冷热点分布格局大体相似：中间热，西部冷，呈“10”字形分布；热点区以成都市为圆心向四周散开，呈类圆状集中分布；次热点区域分布在热点区域外围，相对分散；冷点区多见于四川西部，以理塘县为中心，呈西北东南走向长条状分布，与川西高原走向大致吻合。

2.3影响因素分析

2.3.1变量选取考虑四川地区的实际情况，选取GDP、人均GDP、一产比重、人均消费额、城镇化率、65岁以上人口比重、小学生师比、中学生师比、单位面积学校服务范围、人口密度等10个变量与2020年人口平均受教育年限进行变量相关性分析［2629］。

2.3.2OLS模型

以2020年人口平均受教育年限作为因变量，上述10个因子为自变量，构建最小二乘法（OLS）模型，分析自变量对因变量的影响程度，并结合SPSS共线性检验。结果显示（表1）：GDP、一产比重、城镇化水平、小学生师比、单位面积学校服务范围等5个自变量通过了显著性检验，VIF值均小于5，拟合优度R2为0.881，具有明显的显著性和模拟精度。

2.3.3GWR模型

基于空间异质性，在OLS模型检验的基础上，选取OLS模型中具有显著相关性的自变量进一步利用GWR模型进行优化检验。回归系数的计算在ArcGis10.8软件中应用GWR工具实现，其中模型列宽的计算运用AICc方法，核密度类型使用ADAPTIVE。结果显示（表2）：拟合优度R2由原来的0881提升至0887，说明GWR模型的拟合结果优于OLS模型。

2.4结果分析

2.4.1GDP对人口平均受教育年限影响的空间变异特征GDP与人口平均受教育年限之间呈正向关系，系数自北向南呈梯度递增趋势（图5）。川西北地区东北部阿坝藏族羌族自治州部分区县人口平均受教育年限受GDP的影响弱于攀西地区南部的部分区县。阿坝藏族羌族自治州和甘孜藏族自治州的自然和社会经济条件资源禀赋差，整体GDP较低，对教育的投入也相对较少，影响着教育年限的提高。攀西地区南部部分区县为系数高值区域，表明GDP对人口平均受教育年限的作用更明显。以攀枝花市东区和凉山州西昌市为代表，二者同作为市级政府驻地，GDP都为全市最高，同时教育年限也最高。此外，攀枝花市除东区和西区外其余区县GDP均超过百亿但人口最高仅有26万人，而凉山州除西昌市外其余16区县中11个区县GDP不足百亿，GDP都相对较低，反映到教育年限上则表现为攀枝花市人口平均受教育年限为9.17年，明显高于凉山州的6.79年。

2.4.2一产比重对人口平均受教育年限影响的空间变异特征一产比重与人口平均受教育年限之间呈负向关系，绝大多数地区农业比重越高通常经济越不发达，回归系数绝对值自西北向东逐步减小（图6）。川西北地区的石渠、德格、甘孜、色达、白玉、巴塘等县回归系数绝对值最高，说明这个区域的人口平均受教育年限对一产比重的敏感度高于其他地区。2020年时该区域的农业产业增加值占GDP的比重最低均超过30%，高于全省平均的15.6%的水平，人口平均受教育年限仅为721年，而一产比重相对较低的成都市人口平均受教育年限则为10.74年。川东北和川南地区绝大多数区县一产比重对人口平均受教育年限的作用弱于川西北地区。

2.4.3单位面积学校服务范围对人口平均受教育年限影响的空间变异特征单位面积学校服务范围能够反映出教育资源的分布，学校服务范围小，说明教育资源密集，反之，教育资源稀疏。当教育资源稀疏时，学生可选择的空间小，或受距离的影响而被迫中断学习，受教育程度受到影响。通过GWR拟合发现，单位面积学校服务范围与人口平均受教育年限在四川省全域范围内均呈负向关系。从空间分布来看，回归系数绝对值呈现两边低中间高的分布格局。高值区分布在川西北地区绝大多数区县以及攀西地区西北部部分区县，表明该区域人口平均受教育年限受单位面积学校服务范围作用更敏感。该区域地处川西高原腹地，山地面积大，学校数量少，导致学校服务辐射的范围更广，学生上学的距离更远，增加了受教育的难度，从而影响人口平均受教育年限的提高。

2.4.4城镇化率对人口平均受教育年限影响的空间变异特征城镇化率与人口平均受教育年限呈正向关联。空间上，回归系数呈现自东向西逐渐降低的趋势，分布较为分散，但是区域异质性还是相对明显（图8），说明西部地区的区县人口平均受教育年限受城镇化率影响的敏感度低于东部地区。城镇化的加快带来人口的快速流动和农业劳动力的转移，农村高学历人口向城市流失，甚至将自己子女带入城市就读，进一步扩大了区域间人口平均受教育年限的差距。

2.4.5小学生师比对人口平均受教育年限影响的空间变异特征小学生师比通常被用作教育质量的替代指标，而一个地区的教育质量与该地区受教育年限的高低息息相关。通过GWR分析发现，小学生师比回归系数在四川全域均呈负值，绝对值由东向西呈“低—高—低”的分布趋势（图9），川西高原及其周边部分区县受自然和社会条件的制约，学校服务范围辐射更广，学校数量相对其他经济发达的地区数量更少，影响了受教育年限的提高。中东部地区的教育资源和教育质量要优于西部地区，这与四川省人口平均受教育年限的空间分布格局相一致。

3结论与讨论

对四川省183个县域单元人口平均受教育年限进行可视化并利用空间自相关方法分析了其时空分布特征，识别了人口平均受教育年限的冷点区和热点区，选取了经济因素、社会因素和教育因素3个维度10个变量，运用OLS和GWR模型探测其人口平均受教育年限的影响因素，得出如下结论。

1）四川省县域单元人口平均受教育年限东西区域差异大，两极分化严重。成都及其周边地区人口平均受教育年限较高，部分已经达到大专及以上水平。川西北甘孜藏族自治州与攀西地区的布拖县、昭觉县、美姑县、雷波县等地区人口平均受教育年限最低，目前部分仍处于小学水平。川南地区自贡、泸州、内江、宜宾等区域和川东北地区南充、巴中、广元和达州等地人口平均受教育年限差距相对较小且多处于初中水平。时间变化上，处于义务教育阶段水平的县域数量下降，高中和大专及以上水平县域数量上升。

2）四川省县域单元人口平均受教育年限具有较强的空间集聚性，2010年与2020年均呈现出较为相似的数字“10”字形分布特征，中间热，西部冷。热点主要集中在以成都市为中心向外拓展的类圆型区域。冷点区主要分布在以理塘县为中心向西北和东南方向延伸的区县。

3）GDP、一产比重、单位面积学校服务范围、城镇化率、小学生师比对人口平均受教育年限具有显著的影响。其中，GDP和城镇化率为正向作用，一产比重、小学生师比和单位面积学校服务范围为负向作用。各要素对人口平均受教育年限的影响程度随区域的差异而不同，异质性明显。

通过对四川省人口平均受教育年限的时空分异及其影响因素研究发现，在分布格局上，四川县域人口平均受教育年限西部低于東部，成都平原地区最高；大部分区县人口平均受教育年限处于初中水平，这与前人关于四川省人口平均受教育年限的研究结论基本一致［30］。空间集聚上呈现中间热、西部冷，热点区以成都市为核心呈类圆状分布，冷点区多见于四川西部，这与地理条件紧密相关［31］。为此，四川省在保障教育资源、教育机会的公平性时要明确西部地区与其他地区之间的差距，对县域单元教育资源布局应充分考虑人口密度、经济水平、校园布点位置、师资质量和分配。生师比对人口平均受教育年限的作用除受师生数量影响之外，还受教育资源配置、师生自身状况等因素的影响，因此生师比对人口平均受教育年限的影响还需要进一步深入研究。本文对四川省县域单元人口平均受教育年限进行分析，但是未具体探讨城乡之间、性别之间与民族之间的差异，对这些方面的探讨有待后续研究，进一步揭示四川省人口平均受教育年限发展特点和历程。

参考文献：

［1］文辅相.关于教育与高等教育本质的讨论［J］.高等工程教育研究，1995（1）：9-14.

［2］龙开元，孙翊，戴特奇.科技创新支撑成渝双城经济圈建设路径研究［J］.华中师范大学学报（自然科学版）2021，55（5）：791-797.

［3］第七次全国人口普查公报（第六号）：人口受教育情况［J］.中国统计，2021（5）：11-13.

［4］游小珺，赵光龙，杜德斌，等.中国高等教育经费投入空间格局及形成机理研究［J］.地理科学，2016，36（2）：180-187.

［5］汪凡，白永平，周亮，等.中国基础教育公共服务均等化空间格局及其影响因素［J］.地理研究，2019，38（2）：285-296.

［6］吴磊，焦华富，叶雷，等.中国省际教育城镇化的时空特征及影响因素［J］.地理科学，2018，38（1）：58-66.

［7］赵思敏，芮旸，杨钰华.乡村学前和义务教育阶段学生跨尺度流动研究：基于陕西省淳化县的管窥［J］.地理研究，2022，41（3）：810-829.

［8］万明钢，杨金香.新时代我国民族教育差别化支持政策价值分析［J］.西南民族大学学报（人文社会科学版），2022，43（10）：207-214.

［9］周自波，廖水明.试论民族地区解决教育发展不平衡不充分的根本途径［J］.贵州民族研究，2018，39（7）：203-208.

［10］张志勇.教育的区域差距与政策选择［J］.北京师范大学学报（社会科学版），2005（3）：32-39.

［11］中国地区教育差距的定量分析［J］.市场与人口分析，2004，10（6）：41-45.

［12］GAO V，SHRIVASTAVA V，ZHANG L，et al.Synchronizing rural students cognition：an international case study about rural education gap in China［J］.Journal of Thermal Analysis，2013，4（9）：134145.

［13］葛强·琼达，次旦欧珠，次卓嘎.新型城镇化背景下西藏农牧民再教育质量提升［J］.西华师范大学学报（自然科学版），2022，43（4）：481-486.

［14］刘宏燕，陈雯.中国基础教育资源布局研究述评［J］.地理科学进展，2017，36（5）：557-568.

［15］陈彦光.基于Moran统计量的空间自相关理论发展和方法改进［J］.地理研究，2009，28（6）：1449-1463.

［16］李陈，叶磊.中国分省人口文化素质的区域差异研究：1982—2010［J］.干旱区资源与环境，2018，32（1）：1-7.

［17］孙林，王艳慧，柯文俊，等.内蒙古自治区农村人口多维贫困特征测算与分析［J］.人文地理，2016，31（1）：108-115.

［18］GAO Y，HE Q S，LIU Y L，et al.Imbalance in spatial accessibility to primary and secondary schools in China：guidance for education sustainability［J］.Sustainability，2016，8（12）：1-16.

［19］张晨.四川省近10年土地利用景观格局破碎化研究［D］.成都：四川农业大学，2018.

［20］四川省统计局，四川省第七次全国人口普查领导小组办公室.四川省第七次全国人口普查公报（第五号）人口受教育情况［J］.四川省情，2021（6）：41-42.

［21］李颉，郑步云，王劲峰.2008—2018年中国手足口病时空分异特征［J］.地球信息科学学报，2021，23（3）：419-430.

［22］肖航，张明斗.县域经济发展水平的空间差异与空间集聚研究：基于重庆市的个案分析［J］.西华师范大学学报（自然科学版），2018，39（2）：202-209.

［23］王少剑，高爽，陈静.基于GWR模型的中国城市雾霾污染影响因素的空间异质性研究［J］.地理研究，2020，39（3）：651-668.

［24］王琪林，杨霞，方怡.四川省红、绿、古色旅游景区分布格局及空间相关性分析［J］.西华师范大学学报（自然科学版），2023，44（4）：400407.

［25］张耀军，任正委.基于地理加权回归的山区人口分布影响因素实证研究：以贵州省毕节地区为例［J］.人口研究，2012，36（4）：53-63.

［26］任栋，张捷，曹改改，等.基于人类發展指数框架的中国教育指数的编制和比较研究［J］.华东师范大学学报（教育科学版），2021，39（11）：100-114.

［27］YAO L L，LYU M J，LI T，et al.Exploring the evolution of the accessibility of educational facilities and its influencing factors in mountainous areas：a case study of the rocky desertification area in Yunnan，Guangxi，and Guizhou［J］.ISPRS International Journal of GeoInformation，2022，11（5）：296.

［28］MA Y X，GOPAL S.Geographically weighted regression models in estimating median home prices in towns of Massachusetts based on an urban sustainability framework［J］.Sustainability，2018，10（4）：1-27.

［29］WEI Y D，XIAO W，SIMON C A，et al.Neighborhood，race and educational inequality［J］.Cities，2018（73）：1-13.

［30］廖亚菲.四川省居民受教育程度对消费结构的影响研究［D］.成都：西南财经大学，2020.

［31］岳斯玮.基于主成分聚类分析对区域教育综合发展水平评价［J］.西南民族大学学报（自然科学版），2012，38（1）：37-43.

Spatiotemporal Differentiation and Influencing Factorsof the Average Education Years of the PopulationBased on the County Scale：A Case Study of Sichuan Province

LI Liangxina，LI Wenyana，LI Huia，WEI Xingpingabc

（a.School of Geography and Tourism Science，b.Chongqing Key Laboratory of Wetland Science Research in the

Upper Yangtze River，c.Three Gorges Reservoir Area Earth Surface Ecological Processes of Chongqing Observation andResearch Station，Chongqing Normal University，Chongqing 401331，China）

Abstract：Taking 183 districts and counties in Sichuan province as the research objects，employing Morans I index，coldhot spot analysis and other methods，the spatial distribution pattern，evolution characteristics and influencing factors of the average education years of the population in Sichuan province are analyzed with the aid of OLS model and GWR model.The results are as follows：the average education years of the population in most districts and counties of Sichuan province are at the junior high school level，with significant regional differences and obvious polarization;the average education years of the population is relatively high in Chengdu Plain and balanced in the surrounding low mountains and hilly areas，but relatively low in the mountains，plateaus and remote areas;the spatial agglomeration characteristics are significant，hot in the middle and cold in the west，presenting a figure 10shaped distribution pattern;the hot spots are distributed in a circular shape with Chengdu as the core，and the cold spots are more common in the west，but the variation of cold and hot spots is not obvious over time;the spatial differentiation is obvious for the estimated coefficients of the five variables of GDP，the proportion of the primary industry，the urbanization rate，the service scope of the school per unit area，and the studentstaff ratio at primary school，and there is spatial heterogeneity among the factors.In the future，when ensuring the fairness of educational resources and educational opportunities，Sichuan province should clarify the gap between the west part and other areas，cold spots and hot spots，and fill in the gap between the average education years of the backward and developed areas.These are the important measures to achieve education poverty alleviation.

Keywords：the average education years;geographically weighted regression;spatial distribution;spatiotemporal differentiation;Sichuan province