文摘

高等教育人口的空间和时间分布(玫瑰)是高等教育发展水平的一个基本特征在一个地区或一个国家。基于年度人口抽样统计从2000年到2015年,中国的玫瑰的时空演化模式系统地分析。与此同时,9驱动因素与平均斜率的自然条件和社会经济条件,平均海拔,城市的位置,大小,高速铁路、高速公路、国内生产总值(GDP)密度、非农人口,人口密度为2000年和2010年市级构造。然后,驱动因素的分布消息灵通的使用geodetector模型进行了定量分析。结果表明,玫瑰的重心,从东北到西南,从2000年到2010年,明显不同于总人口的从2000年到2015年在中国。尽管不同的移动方向,两个重心之间的距离减少,表明这两个重要的地区差异在中国和一个消息灵通的玫瑰和缩小差距近年来人口总数。因素2000年和2010年的探测器的结果表明非农人口的比例和城市的位置的主要驱动因素是玫瑰的分布,与驱动力在0.494和0.627之间,其次是城市大小、公路、GDP和密度,在0.199和0.302之间的驱动力。这表明,城市化水平和城市地区的空间分布的主要影响因素是消息灵通的。交互检测的结果显示,非农人口和GDP密度之间的相互作用可以解释92.7%的空间各种消息灵通的2000年,而非农人口和人口密度可以解释97.6%的空间各种消息灵通的2010年,这反映了玫瑰更平衡的发展。此外,大部分的玫瑰从经济发达地区人口稠密的地区转移。

1。介绍

全球化和科学技术的进步,高科技已成为全球经济增长的主要推动力量和全球贸易争端的焦点。研究表明,高等教育人口(玫瑰)是一个重要的因素决定一个地区的科学技术水平(1,2]。自中国改革开放政策的实施,中国的经济高速增长,教育水平迅速上升。特别是,玫瑰的增长速度大大快于总人口的。然而,中国的经济增长是极其不平衡在不同地区(3]。因此,科学认识的时空演化模式和消息灵通的具有重要意义的驱动因素在促进经济发展和科技水平的地区(4,5]。

先前的研究已经研究了各种消息灵通的驱动因素,包括自然条件、经济水平、交通条件和教育服务(6- - - - - -8]。中国每年发布省级国家人口抽样数据,进行一个详细的全国人口普查每十年(9]。直到现在,六个国家已开展人口普查。基于这些数据,研究人员研究了分布特征方面的中国玫瑰的数量、地区不平衡、驱动力等。10]。胡锦涛等人讨论了影响社会和经济转型的空间分布在中国玫瑰,和结果显示地区内部的空间转换影响人口的分布(4]。秦分析了空间结构和教育质量从1982年到2005年在中国进化和得出结论,不同的玫瑰和经济发展之间存在的关系在不同的地区,包括地区教育质量的人口是中国的东北高,西南低,和教育质量的大大提高了不同程度在不同的省份,等等。11]。陈& Lei,基于从1982年到2010年四次人口普查的数据,得出的结论是,玫瑰的数量中的地区差异显示的趋势在中国“expansion-reduction”省级行政单位(12]。刘董&空间集聚研究及影响因素的玫瑰的京津冀地区,认为义务教育资源和经济集聚水平的主要影响因素是消息灵通的(13]。

然而,先前的研究不足。首先,分析单位是粗糙的。由于数据的限制,大多数省级研究选择数据检查分配的玫瑰14,15]。尽管如此,中国的省级行政非常大16]。例如,有8个省份人口超过5000万在2017年底。因此,省级聚合数据不能反映出玫瑰的分布。其次,尽管学者们研究了空间和时间分布的玫瑰17- - - - - -19),从一个完整的时空角度综合研究很少,而消息灵通的正是以“时空相关性”。第三,大多数研究侧重于定性分析,缺乏定量的描述消息灵通的的影响因素,这可能会忽略一些重要的驱动力分布和趋势的玫瑰(20.]。

先前的研究已经表明玫瑰和各种时空因素的交互作用(8,21- - - - - -23]。考虑之前的研究和数据可用性、9驱动因素的平均斜率,平均海拔,城市的位置,大小,高速铁路、高速公路、国内生产总值(gdp)密度、非农人口,通过构造和人口密度,可以表达自然条件和社会经济条件。本研究分为三个部分。在第一部分中,我们使用省级样本数据学习的时空演化模式的消息灵通的年度质心的玫瑰在中国从2000年到2015年。geodetector模型适用于第二部分的分析分布模式和驱动力的玫瑰与地区城市单位的分析基于中国2000年的人口普查数据和2010年。第三部分总结了驱动因素,研究前景和政策建议和消息灵通的。

2。数据和方法

2.1。数据

人口抽样的省级面板数据的单位从2000年到2015年,2000年和2010年的全国人口普查数据收集(中国每十年进行的全国人口普查)。根据中国的统计口径,大专以上教育被认为是高等教育。本文定义了人口与教育大专以上水平随着高等教育人口(玫瑰)。消息灵通的分布受多种因素的影响。基于先前的研究[14,24),10个类型的社会经济和自然环境相关数据收集,包括人口、GDP、地形数据、行政区划数据、城市数据,铁路和公路数据(表1)。

基于多源数据,9因素反映了自然条件、经济发展、和交通条件,如表所示2。

市规模是国家经济管理的基本单位,被研究者认为是一个合适的单位人口研究[25,26]。自中国的行政区划经历了相当大的调整在2000年之前,第五和第六次全国人口普查的数据进行了2000年和2010年具有可比性的统计口径(25,27]。通过标准化、344个城市被选为分析单位。考虑不同的格式和各种数据的准确性,GIS技术是用于处理不同的数据。覆盖,纬向统计,area-weighting方法和其他方法应用于各种数据的集成到市政单位。

2.1.1。网格数据的处理

地形数据和GDP数据栅格数据具有不同的分辨率。因此,空间统计方法被用来处理数据。例如,城市的GDP数据聚合边界数据的GIS软件。城市的斜率计算值的平均网格覆盖的城市边界(28]: 在哪里我表示,j是一个栅格数据,k是一个网格j,n网格的数量吗j由的边界我。

2.1.2。矢量数据的处理

包含GIS图层的点、线和多边形矢量数据与城市边界层。我们城市名称分配给所有层的对象之前总结每个城市的指标与溶解操作。

所有上述操作ArcGIS10.3软件中进行。图1显示了一个示例数据的处理。

2.2。方法

2.2.1。时空模式的消息灵通的重心在省级规模

质心变化是一种有效的方法用于研究的发展大量的时空数据29日]。玫瑰的质心坐标为每个(从2000年到2015年)年计算。坐标和玫瑰在一年计算使用方程(2),省级行政区域被用作基本单位和消息灵通的重量: 在哪里一个表示,米是省级行政区域的数量,是指省级行政区的玫瑰的数量我年一个,和和显示坐标x和y几何中心的省级行政区我。

总人口的质心的计算方法类似于方程(每年2)。

2.2.2。探索空间相关性因素和消息灵通的

消息灵通的分布等因素有关的社会经济、自然环境和基础设施。在这项研究中,地理探测器模型空间相关性的计算来定量评估玫瑰上的驱动因素的影响,基于我们以前研究结果(刘et al。)30.]。

地理探测器模型基于地理空间分化理论,基于我们以前研究结果(刘et al。)30.]。这个工具被广泛用于空间分析,它是有价值的确定因变量之间的协会或覆盖Y和独立变量X根据他们的空间分布的一致性31日]。工具由一个因素检测器和一个交互探测器,用于分析在目前的研究。使用地理探测器进行分析,数据离散和连续因素分为10水平使用自然分类方法,基于以前的研究和实验的结果(31日,32]。

(1)因素检测器:黄芪丹参滴丸和变量之间的关系是决定使用行列式(PD)的力量,见以下方程: PD代表责任,这是一个有影响力的因素占的空间分布密度或玫瑰的比值;h= 1,…;l是指地层为一个变量因子的数量;N_h和N分别代表地层单位的数量h和所有的地层;和和 ,分别表示该指数的方差的消息灵通的地层h在所有的地层。PD的值范围(0,1),用较大的PD值表明一个更大的空间分布和指数之间的相关性的玫瑰。

(2)交互检测器:探测器显示是否的交互因素X1,X2(和更多的X)有一个交互影响的目标Y。GIS软件是用于堆栈X1,X2地理图层和获得新地理图层E(图2)。

通过比较PD之间的值X1,X2层E,我们能够确定相互作用的影响,以及互动关系是由PD的位置(X1∩X5间隔(表2)3)[30.]。

3所示。结果与讨论

3.1。时空演化的玫瑰

图3显示所有省份的消息灵通的密度的变化从2000年到2015年。图4显示所有省份的人口密度的变化在同一时期。

图3显示消息灵通的增加在所有省份,尽管增长速度明显不同。总的来说,消息灵通的显示浓度的趋势在中国东南部,与十省东部海岸显著增加超过25%。七个省和宁夏中部相邻增加超过10%。其余省份主要位于西北部,与增加1 - 10%。相比之下,尽管大多数省份的人口总数也增加,四川、重庆、湖北有所下降。发现这三个省份的玫瑰不受人口减少的影响,表明这三个省份的人口减少主要是由于non-higher-education人口。数据之间的比较3和4表明,玫瑰的生长速率明显低于总人口在云南,在中部省份,如河南、湖北、湖南、重庆、辽宁和吉林在中国东北,玫瑰的增长率明显高于省总人口。它揭示了玫瑰的流入或流出的non-higher-education人口在这些省份高于其他省份。

图5地图玫瑰的质心和总人口多年来,揭示他们的不平衡的发展。结果(图5)与数据相一致3和4。图5显示三个突出的特点:(1)的位置消息灵通的质心总人口的很大的不同,表明玫瑰的区域不平衡。同时,玫瑰和总人口的重心逐渐临近,表明失衡正在萎缩。(2)消息灵通的更彻底的质心(更多的离散点在地图上),表明更大的流动性的玫瑰。(3)质心的一般趋势的玫瑰从东北到西南,而相反,那些总人口从西北向东南移动,这是与不同地区的经济发展模式和玫瑰的要求。有趣的是,2011年的重心是局外人。我们检查数据和发现这是因为玫瑰的增长率在广西、贵州、云南和西南2011年增加了近20%,与前一年相比,但在中国2012年增长率相对较低。原因可能与当地人才吸引策略。

3.2。空间相关性的因素和消息灵通的

我们也计算比率的玫瑰在每个城市在2000年和2010年(图6)。我们可以看到在图6的空间格局,玫瑰没有改变两个时期。有两个主要的消息灵通的比例:中国北部和东北部。尽管这两个地区的经济发展水平不是最高的,人口密度不大,玫瑰的比率非常高。主要原因是这两个地区的城市化率高(32,34]。消息灵通的比率的差异之间的省会城市和其他城市是引人注目的。统计数据显示,平均消息灵通的省会城市和其他城市的比率分别为8.63%和2.72%,2000年为18.48%,2010年为6.85%,分别。此外,全球总人口的莫兰我和玫瑰在2000年和2010年计算(35]。索引总人口的0.36和0.31,和那些消息灵通的0.10和0.13,分别。莫兰我表明,总人口和消息灵通的空间聚合,聚合度的玫瑰低于总人口的。时间变化,玫瑰的聚合度2010年略有增加,而总人口的下降。

地理探测器模型用于计算每个因素的力量行列式(PD)在2000年和2010年玫瑰。结果如表所示4- - - - - -6。表4显示的结果单因素探测器在2000年和2010年玫瑰。表5和6目前交互检测的结果在2000年和2010年,分别。

表4显示最大的驱动力在2000年和2010年玫瑰是非农人口和城市的位置,两者都是接近或超过0.5,其次是城市规模,高速公路,和国内生产总值,这都是在0.2和0.3之间。人口密度、高速铁路、坡度和高程产生最小的影响,接近或低于0.2。非农人口城市化水平密切相关,和结果表明,城市化的水平直接影响着玫瑰。图6显示消息灵通的比率最高出现在城市在中国的北部和东北部,与城市化水平的分布相一致(32]。然而,在2010年,这两个之间的PD下降了10%,表明一个更大的消息灵通的转向城市化地区较低。PD的城市规模达到0.5,这表明玫瑰往往集中在中心城市,特别是省会城市(图6)。例如,统计数据显示,北京消息灵通的比例是最高的城市在2000年和2010年,分别超过10%和30%。高速公路PD大于高速铁路;然而,在2010年和2000年数据的比较表明,高速铁路的PD缓慢增加。一个可能的原因是,高速铁路的建设开始前只有10年,尚未完全反映和影响。

表5和6交互检测的结果是所有的因素。21和23对PDs的非线性增强的在2000年和2010年,分别显示,玫瑰的空间格局是许多因素综合影响的结果,它是在2010年。2000年,PDs的非农人口和GDP是最高的,而在2010年,PDs的非农人口和信息排名最高,有一定关系的数量,质量的政策在中国的经济发展。尽管低PDs的自然条件(坡度和高程),PDs与其他因素的相互作用大大增强,表明自然条件是一个基本因素。其他研究也得出类似的结论自然条件不能决定经济发展的水平;然而,良好的自然条件是经济快速发展的必要条件。

3.3。讨论

消息灵通的对经济发展的影响远远高于总人口的比例。存在明显的空间差异在不同地区之间的比例的玫瑰。GDP的因素显示了经济发展对玫瑰的影响。在2000年和2010年,GDP的影响消息灵通的仅为0.2;然而,国内生产总值(GDP)的交互和其他因素显示了PD的增加显著,尤其是坡度和海拔,代表自然条件。这表明影响消息灵通的经济水平是一个重要的因素在地区自然条件的差异。

在这篇文章中,自然环境和人类活动是集成创新,和GIS的空间分析方法用于数字转换各种因素对玫瑰的空间分布的影响。本研究的方法和结论是不同于以前的定量分析方法,它是一些创新领域的人口和地理。

空间统计方法被用来分析时空演化模式在2000年和2010年玫瑰和定量评估的相关因素之间的关系和消息灵通的。尽管不同年份的统计数据有一些抽样比例的差异,分析结果可以反映实际情况的玫瑰,因为有效的抽样数据的质量控制。此外,数据采集的日期也要考虑一个问题。例如,玫瑰和GDP之间的关系是复杂的。它可能的情况是,GDP的发展先于后者的玫瑰或燃料的聚合前者。因此,后续研究应该考虑类似的效果。

虽然结果表明,有一种强烈的玫瑰之间的统计相关性的因素,由于玫瑰之间的复杂的相互作用和自然条件和社会经济等因素,它们之间的逻辑连接可能不直接,这需要考虑全面考虑各种因素,如严重的空气污染和户籍制度限制。

在研究期间,中国经历了社会经济和高等教育的快速发展,包括招生的扩张和合并高校自1999年以来,中国互联网行业的快速增长。这些事件在玫瑰产生重大影响。九个因素,如自然条件、经济发展、交通状况等采用分析影响消息灵通的。然而,不包括其他一些重要的因素。例如,近年来,中国北方的雾和霾和国家宏观政策等带和道路倡议,海南自由贸易区的建设,高速铁路建设,户籍政策和其他政策肯定会影响就业地点的选择消息灵通的,因此需要考虑在后续研究。

4所示。结论

基于年度人口抽样统计从2000年到2015年和2000年中国人口普查数据和2010年在市级层面,本文系统地分析了玫瑰的时空演化模式和影响因素的影响在空间分布上的玫瑰。结果表明,每年重心可以有效地揭示了时间和空间演化的玫瑰,和地理探测器模型可以定量地评价各种因素的影响在消息灵通的。

从2000年到2015年,中国玫瑰的重心从总人口的明显不同,与玫瑰的重心主要在东北。然而,从2000年到2016年,玫瑰的重心已经开始从东北到西南的转变。虽然不符合的转移方向的总人口,它们之间的距离越来越近,表明玫瑰的大型区域性差距近年来在中国已经关闭。分析影响因素的空间分布消息灵通的表明,午睡和CL是消息灵通的分布的主要影响因素,与驱动力在0.494和0.627之间,其次是CS, HW,和国内生产总值,0.199和0.302之间的驱动力。午睡和GDP之间的相互作用可以解释92.7%的空间各种消息灵通的2000年,午睡和兼总经理可以解释2010年的97.6%,表明一个更平衡的比例在2010年玫瑰。

随着社会的进步,玫瑰已成为经济发展的主要驱动力之一,其追求工作和生活的地方包括各种社会方面如环境、交通、就业机会,甚至是房价和义务教育。本文的主要目的是使消息灵通的影响因素的定量分析。本研究可以为不同地区进行经济规划提供重要的参考或熟知的景点计划。

数据可用性

使用的数据来支持本研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究是由国家重点支持和资助中国的研究和发展项目(批准号2016 yfc0401404和2017 yfb0503005)和中国科学院的战略重点研究项目(批准号XDA23100301)。