中图分类号：F08;G40-054 文献标识码：A 文章编号：1003-4870(2002)03-0015-05 一、区域教育竞争力研究的必要性和重要性 中国已经加入世界贸易组织，市场化进程推进的速度在不断加快。对于中国及各个不同层次的区域来说，正面临着如何积极应对“入世”后与同级别对手的激烈竞争和严峻挑战。当然，参与竞争必须首先具备竞争力，因而有关竞争力的研究逐渐引起了国内外学者们的重视。目前，国内外对竞争力的研究的侧重点基本上可以分成四个层面，即企业竞争力、产业竞争力、区域（城市）竞争力和国家竞争力。其中，对区域竞争力的研究相对比较薄弱。区域竞争力是国家竞争力的具体体现和承载。虽然现有的研究成果从各个层面对竞争力进行了一定程度的触及，但是，未能抓住竞争力的本质和核心。实际上，要提高我国的国家竞争力必须首先提高各个区域的竞争力，而要提高区域竞争力，关键是要提高区域教育竞争力，区域综合实力的竞争归根结底是教育的竞争和人才的竞争。可见，区域教育竞争力在一个国家和地区的经济发展中具有重要的地位和作用。 国内外学者对发达的教育对经济增长的贡献[1-3]、区域教育对区域经济发展的作用[4、5]已经有比较深刻的认识，教育与信息、知识一道成为影响区域经济可持续发展的内在要素。已有学者对教育发展进行了定量研究[6]，也有学者认识到中国的教育发展在地区之间是不平衡的[7]，我国教育竞争力在国际上还很弱[8]。现有的对教育发展的区域差异的研究[9]和教育竞争力的研究主要还是以定性分析为主，对区域教育竞争力进行定量的模型研究并作出综合评估和排名的研究成果较少，因此，急需从指标体系的建立到综合评估方法进行理论和实证研究。研究区域教育竞争力对增强我国区域竞争力、实现区域经济可持续发展具有重要意义。 二、中国区域教育竞争力综合评估指标体系的构建 综合考虑目前我国教育发展特点和教育竞争力的实际情况，在充分参考前人研究成果的基础上，遵循综合性、针对性、操作性、可比性、可得性等原则，构建了中国省级区域教育竞争力综合评估指标体系，该体系从教育资源、教育质量、教育投入、教育规模、教育效率和教育产出状况6个方面、25项具体指标来反映和衡量中国31个省、直辖市、自治区的区域教育竞争力状况。 1.教育资源：包括教育人力资源、教育基础设施资源，具体包括每个小学教师负担学生数（人）、每个中学教师负担学生数（人）、每个大学教师负担学生数（人）、每万人小学个数（所）、每万人中学个数（所）、每万人高等院校数（所）。 2.教育质量：每万人在校小学生数、每万人在校中学生数、每万人在校大学生数、文盲半文盲人口占15岁及以上人口比例（％）、小学入学率（％）、人均教育年限（年）。 3.教育投入：教育经费占GDP比重（％）、教育经费占全国比例（％）、人均教育经费（元）。 4.教育规模：平均每所小学在校学生数（人）、平均每所中学在校学生数（人）、平均每所大学在校学生数（人）。 5.教育效率：小学毕业生数（万人）、中学毕业生数（万人）、大学毕业生数（万人）。 6.教育产出：6岁及6岁以上人口不识字或少识字人数比（％）、6岁及6岁以上人口小学程度人数比（％）、6岁及6岁以上人口中学程度人数比（％）、6岁及6岁以上人口中大专以上程度人数比（％）。 实际上，这些指标还可以从基本教育、初等教育、高等教育竞争力等层次衡量区域教育竞争力。以上25项指标的每一项具体数据来源于2000年的《中国统计年鉴》和《中国教育年鉴》，可保证统计口径的一致性。 三、中国区域教育竞争力评估方法的选择 在建立了区域教育竞争力综合评估指标体系及获取数据后，还需要对综合评估数据进行预处理，然后选择确定评估方法进行定量研究。 1.数据预处理 区域教育竞争力综合评估数据在收集到之后必须进行检查。如果都是正指标，即可直接进行综合评估；如果指标体系中具有逆指标，则必须对数据进行预处理，变逆指标为正指标；同时，如果有极端值，还要消除极端值和量纲的影响，才能从指标的源头上保证综合评估结果的科学性和客观性。在本文建立的区域教育竞争力综合评估指标体系中的25项指标中，除文盲半文盲率、人口中不（少）识字人数比2项指标是逆指标，其它都是正指标。逆指标正向化处理方法是：设综合评估数据矩阵为X[,ij]，第j项指标是逆指标，可用以下公式对逆指标进行正向化处理，获得正向化后的指标数据矩阵： X[1,ij]=1/X[,ij](i=1,2,…m;j=1,2,…,n) 2.评估方法确定 目前，综合评估方法很多，如（专家）综合评分法、层次分析法、因素（子）分析法、灰色关联法、信息熵法、聚类分析法、人工神经网络法等。这些方法各具特色，有定性的主观赋权法（如综合评分法），也有定量的客观评估法（因子分析法、灰色关联分析法等）。根据笔者的研究经验，适合于进行教育竞争力综合评估比较成熟的方法是因素分析法[9]。因素分析法(Factor Analysis)是通过在多个变量指标中寻找主因素，用主因素来充分反映原始变量信息，并通过因子来确定权数，以达到降维的目的，所得的结果比较符合客观实际。在因素分析法中，当各公共因子对原指标反映不明显时，可通过因子旋转（原始变量不相关的正交旋转与原始变量相关的斜交旋转）法，使得公共因子的贡献较分散，即第一公共因子代表一部分变量，第二公共因子代表另一部分变量，依次类推，这样的处理使各个公共因子有明显的实际含义，有利于分析与解释。因素分析法可实现两个重要研究目的：因素分析和综合评估。
