城市的經濟與人口對大眾心目中的高校排名影響研究

邱丹陽，韓筱璞

(杭州師范大學阿里巴巴復雜科學研究中心 杭州 311121)

高校評價指的是對高校教學、科研、社會協作等各方面水平的評估與定位，是測度高校發展狀況的主要手段，在高校管理與創新發展方面有著重要意義。一方面，高校評價可以強化高校自我認知，為高校發展提供明確的決策導向，促進高校自我管理與改進[1]，另一方面，高校評價還可以為大眾選擇高校提供信息和指導作用[2-3]。此外，高校作為地區創新發展的重要主導，高校評價也同創新人才的引進密切相關[4-6]。

由于高校的職能復合了人才培養、基礎創新、社會發展等多個方面，因此如何科學地評價高校的綜合水平成為了一個系統性問題。一般而言，為了保證評價結果的可靠性與全面性，評價方法往往綜合了各項社會發展需求[7-9]，從多個角度對高校水平進行考察評價。人才培養、科學研究、聲譽影響和國際化水平等一直以來都是最常見且最受關注的幾個維度[10-12]，而每一個維度也可以通過多種不同層次的指標來表現。常見的高校評價測度指標主要包括一系列的教學質量指標、師生比指標、各類的論文發表與引用指標、多種國際合作指標、學術聲譽指標、產業影響指標等[13-16]。

高校排名體系綜合了各項高校評價指標的比較表現形式。近年來，各類高校排名體系相繼出現，它們主要來自一些專門做高校評價的專業性機構。雖然這些排名體系存在一些局限性和固有的爭議[17-19]，但總體來說，它仍可以作為衡量和比較不同高校的綜合水平的參考依據[20-22]。由于不同的排名體系采用的高校評價方法和指標體系不完全一致，所產生的測度重心和評價導向也有所不同[23]，因此學者們也對各排名體系之間的衡量維度、指標及權重和排名結果進行了大量比較研究[24-28]?？梢源_定的是，學術研究績效一直是高校排名體系的核心，整個測評體系的主要權重往往被賦予各類基礎研究指標，其次是聲譽類指標[29]。

縱然各個專業性評價機構已經構建并發布了大量的高校評價指標及排名，但對于大多數民眾而言，對高校的評價與排名的認知往往并非直接來自這些專業的高校排名，更多來自于他們的日常感知與社會口口相傳。即使是面臨升學等重要選擇，民眾往往也僅查閱少數幾所高校的評價與排名，而難以對全國高校的排名建立整體性的記憶。這意味著，在人們做出涉及高校的行為選擇時，如升學、招聘、展開同高校的社會合作等，起到更多影響的往往不是來自專業機構的評價指標，而是大眾心目中對高校的評價。然而，至今罕有研究來挖掘分析高校的大眾評價與排名。

本文研究嘗試對大眾心目中的高校評價排名進行系統性的挖掘和分析。以在校大學生作為代表性社會群體，通過問卷調查手段獲得其心目中的高校排名(即該群體對高校的大眾評價)與實際高校排名之間的差異信息，并研究分析該差異與高校所在城市的人口、經濟指標的關系，發現受訪者更傾向于給于經濟發達地區的大城市內的高校超出其實際排名的評價，并通過擬構排名的手段定量刻畫了各項城市指標對高校的大眾評價的影響。

1 問卷設計與發放

在問卷設計中，考慮到排名較為靠前的高水平高校往往有著較高的知名度和社會關注度，為了有效獲取高校的大眾評價信息，選擇這些高水平高校作為調查對象。參考了4 個有著廣泛接受度的高校排名體系，包括軟科中國大學排名[30]、武書連[31]、校友會[32]及中國科教評價網[33]，從中挑選出2017年—2021 年的5 個年份里4 類排名全部進入全國前100 名的高校共有65 所，涉及高校所駐城市25個，其具體高校名錄和城市在后文表格中完整呈現。這65 所高校就是本次問卷調查所涉及的高校。

直接讓受訪者列出這65 所高校的口碑信息是不現實的。本次問卷調查中，讓受訪者從一系列成對列出的高校中選擇出他們認為排名靠前者，來獲取高?？诒南鄬ε琶畔?。把這65 所高校兩兩組合出高校對，然后篩選出同時滿足以下兩個條件的高校對：

1)這兩所高校所在城市不同；

2)這兩所高校(如排名靠前者為高校甲，排名相對靠后者為高校乙)的排名次序在2017 年—2021 年的5 個年份的4 個排名體系均滿足同一序列，即在這20 項排名列表中，高校甲均排名在高校乙之前。

同時滿足這兩個條件的高校對共1 325 對。但不同城市所涉及的高校數目差異巨大，如果問卷題目直接從這些高校對中隨機抽取，會使得各個駐在城市在問卷中的出現頻次很不均勻。因此需要在構建問卷時對這些高校對進一步抽取，使其可以較為均勻地覆蓋各個駐在城市。這里分兩步進行高校對的篩選。

1) 確定城市。先在1 325 個高校對所對應的城市對中篩選出所有不重復的城市對，共392 個城市對，涉及25 個不同的城市。再在392 個城市對中最大程度地抽取出符合特定條件的若干組城市對，其中每組城市對的抽取結果均要同時滿足以下3 個條件：①每組都包含25 個城市對，每個城市對不重復出現；②每組的25 個城市對中，都涉及到25 個不同的城市；③這25 個不同的城市，每個城市在該組的25 個城市對中出現的次數都為2(不限制每個城市在其對應的城市對中的排列位置)。

為了同時滿足以上3 個條件，每組城市對的抽取方法如下：

首先，基于待抽取的392 個城市對總體，先對這25 個不同的城市按照它們在總體中出現的總次數按從少到多的順序進行排序；接著，從排序結果中依次抽取城市，并連續抽取同一城市兩次，每抽出一個城市后，按以下規則從城市對總體中抽取一個城市對：根據抽出的城市，從城市對總體中篩選出所有涉及到該城市的城市對，并從中選出一個城市對，要求被選出的這個城市對中的兩個城市都滿足未出現過或只出現過一次在這組已抽取到的城市對中，并從城市對總體中剔除這個城市對；

當抽取到的某個城市在這組已抽取到的城市對中出現過兩次，就依次抽取下一個城市，同樣按上述規則抽取城市對；一直抽取到這組的最后一個城市，并完成其城市對的抽取。

按上述抽取方法，每抽取出一組同時滿足以上3 個條件的城市對，就進行下一組的抽取，直到抽取不出同時滿足以上3 個條件的一組城市對。最終抽取到9 組，共225 個不重復的城市對。

2)確定高校。在1 325 個高校對中篩選出與225 個城市對分別對應的一個高校對，當存在同一個城市對包含多個高校對的情況時，只需要在這些高校對中隨機抽取一個即可。最后確定9 組高校對，其中共包含225 個高校對，涉及58 個不同的高校。

在問卷編制中，將這9 組高校對分別納入9 份問卷中，每份問卷包含25 個高校對。從這9 組中隨機抽取一組高校對來生成問卷，在問卷中，要求被調查者在每一個高校對中選出他心目中認為排名更靠前的一所高校。為了保障問卷回答的有效性，將問卷發放對象集中在在校大學生群體中，因為在校大學生群體剛經歷了對高校的選擇，對高校評價這一問題往往有著更高的關注。問卷中還包括對被調查者中學所在城市、目前就讀的高校及所在城市等基本信息，方便統計了解和比較全國各地區學生的答題情況。為了最大程度地避免被調查者在回答問卷時檢索高校的實際排名，限定被調查者必須在4 分鐘內完成對高校對的問題回答并提交問卷。

2 問卷信息分析

此次問卷調查共收集到有效問卷1 245 份，其中博士研究生(連讀或直博)問卷7 份，博士研究生(非連讀或直博)問卷9 份，碩士研究生問卷146 份，本科生問卷1 056 份，?？粕鷨柧?7 份?？紤]到本科生剛剛經歷高校選擇不久，且所收有效問卷數量最多，因此本文將受訪者為本科生的1 056份問卷作為主要分析對象，共包含26 390 個有效的問題回答。1 056 份本科生問卷的省份來源、該省份的總有效問卷數N以及問卷來源最多的3 所高校如表1 所示。

表1 1 056 份本科生問卷的基本信息(括號內為有效問卷數量)

把受訪者對每一個高校對的選擇進行匯總，并根據高校實際排名，統計出每一個高校對的正答率。受訪者可能對他們所在一級行政區(省、自治區、直轄市、特別行政區)的高校存在一定的心理傾向性，因此首先需要確定這種心理傾向性是否真實存在。

問卷中的問題涉及受訪者所在一級行政區主要存在兩種情況：1)問卷中的高校對涉及受訪者高中所在一級行政區，這里所涉及高校在高校對排名靠前和靠后的情況分別標記為HF 和HL；2)問卷中的高校對涉及受訪者大學所在一級行政區，這里所涉及高校在高校對排名靠前和靠后的情況分別標記為CF 和CL。對這兩種情況的題目回答的正答率同同一題目但完全不涉及受訪者高中和大學所在一級行政區的情況進行比較，計算其正答率比值。以情況HF 為例，正答率比值QHF為：

式中，AHF為該題目情況HF 下的正答率；A0為該題目在完全不涉及受訪者高中和大學所在一級行政區的情況下的正答率。

每一題目在HF、HL 及CF、CL 情況下的正答率比值的分布分別如圖1a 和圖1b 所示，其中橫軸為高校實際綜合排名的對數差：

圖1 各題目在HF、HL、CF、CL 情況下的正答率比值Q 與實際排名的對數差Δlog(R)的關系。

式中，RL、RF表示在每個高校對的兩所高校中，名次分別位于后、前的高校的實際綜合排名。注意，本文中高校的實際綜合排名指的是各高校在2017 年—2021 年共5 個年份的4 種排名的平均名次。

由圖1 可以看出，受訪者所在一級行政區涉及排名靠前高校時其正答率總體偏高(QHF和QCF均大于1)，而涉及排名靠后的高校時，正答率相對偏低(QHL和QCL均小于1)。兩者的正答率均值差異都較為顯著(兩者差異的P值均小于0.001)。由此可見，高估受訪者所在的一級行政區內的高校的心理傾向性是客觀存在的。因此，為了使各高校之間的比較結果相對客觀，在后續分析中，把以上4 種涉及受訪者所在一級行政區的情況(HF、HL、CF、CL)的回答全部剔除，僅保留高校對完全不涉及受訪者所在一級行政區的情況下的回答，共余23 184個回答。

3 高校實際排名與正答率的關系

首先觀察高校實際綜合排名與正答率的關系。圖2 顯示了每個高校對的兩所高校的實際綜合排名的對數差Δlog(R)與正答率A0的關系，其Pearson 相關性系數r= 0.484(顯著性P＜ 0.001)，Spearman 相關性系數ρ = 0.490(顯著性P＜ 0.001)，Kendall’s tau 相關性系數τ= 0.343(顯著性P＜0.001)，顯示出中等強度的正相關性，A0的均值為0.689，說明大眾對于問卷所涉及的各高校的實際水平有一定了解，但了解程度非常有限。

圖2 剔除4 種情況(HF、HL、CF、CL)后，各高校對的正答率A0 與高校實際綜合排名的對數差Δlog(R)的關系

圖2 中正答率的散布呈現隨Δlog(R)增大而收窄的趨勢。在Δlog(R) ＞ 0.8 的區域，正答率分布較窄，集中在0.8～1.0 的較高區間，顯露出當兩所高校的實際綜合排名差距較大時，受訪者能夠較為準確地對高校排名進行判斷。然而，在Δlog(R) ＜0.6 的區域，正答率散布在0.2～1.0 的寬大區間中，不但顯示出當兩所高校的實際綜合排名差距不大時受訪者難以準確判斷高校排名，而且暗示受訪者對高校的評價可能受到其他因素的干擾。猜測高校駐在城市的規模、經濟發展水平等因素可能包含在這些影響因素之中，并對此進一步分析。

4 城市指標影響挖掘

4.1 正答率與各城市指標的關系

首先觀察各高校駐在城市的規模、經濟發展水平與相關高校對的正答率的關系。這里采用城市總常住人口、城鎮人口占比、第三產業產值占地區生產總值的比重、人均地區生產總值4 個指標來表征城市規模與經濟發展水平信息，其具體數據獲取自2021 年《中國城市統計年鑒》，為2020 年各城市的統計指標。

考慮到不同城市之間各項指標常常差異巨大，用每一個高校對的兩個城市的指標的對數差作為其差異的測度。以城市的總人口為例，對每一個高校對，相應駐在城市的總人口的對數差為：

式中，pF和pL分別是高校對中排名靠前和靠后的高校的駐在城市的總人口值。

每一個高校對相應駐在城市的總常住人口p、城鎮常住人口占比U、第三產業產值占地區生產總值的比重VT、人均地區生產總值GC，其對數差(Δlogp、ΔlogU、ΔlogVT、ΔlogGC)與該高校對的正答率A0的關系如圖3 所示，其各項相關性系數(r，ρ，τ)在表2 中列出，其中各個指標的對數差均表現出較為顯著的正相關關系。表2 還顯示了以上各關系在排除ΔlogR的影響后的偏相關系數rp依然顯著，而偏相關性最強的指標則是城鎮常住人口占比U，其次為第三產業占比VT。這說明，受訪者對高校對的判斷與高校駐在城市有著顯著的關系：如果城市指標次序與高校排名次序一致，即靠前高校位居指標較高的城市，則城市指標相差越大，受訪者對該高校對的判斷正確率越高；反之，若城市指標次序與高校排名次序相反，則可以明顯干擾受訪者的判斷。換句話說，對一些駐于城鎮規模較大、第三產業較發達的城市的高校，受訪者傾向于靠前估計其排名。

表2 正答率A0 與各項城市指標的對數差的相關性系數

4.2 擬構最優虛擬高校排名

為了進一步分析各項城市指標的影響，需要把受訪者心目中的高校排名同實際排名進行對比分析。問卷信息中并不能直接獲得這個心目中的高校排名，但是，如果能夠構建出一個虛擬的高校排名Rr，使得實際問卷中根據該虛擬高校排名所得的正答率(下文中稱其為虛擬正答率)Ar達到最高，那么這個Rr就最為接近受訪者心目中的高校排名。

獲得這一最優的虛擬高校排名的基本方法是對高校的實際綜合排名進行調整，翻轉正答率小于0.5 的高校對的排名順序來逐步提高虛擬正答率。具體步驟如下。

1)調整高校次序生成一個有著最高虛擬正答率的序列。按照實際綜合排名順序，把58 所高校依次排列，獲得從1～58 的次序序號(為了和排名區分，這里用次序序號來表示每個高校在該排序中的位置，并稱該序列為高校次序序列)。然后，篩選出所有正答率小于0.5 的高校對，并按照正答率由低到高的順序，逐個確定出每個高校對的兩所高校在次序序列中的新位置。以高校i和高校j構成的高校對(i,j)為例，確定該新位置的步驟如下。

①關聯高校對集合的篩選。在其余224 個高校對中，篩選出涉及高校i和j的所有高校對，并從中再篩選出兩組高校對的集合：集合F，高校i和j均位于高校對中排序位置靠前的所有高校對；集合L，高校i和j均位于高校對中排序位置靠后的所有高校對。

②確定次序調整前后限。在集合F中處于靠后位置的所有高校的次序序號中，取其最前次序序號為后限；在集合L中處于靠前位置的所有高校中，取其最后次序序號為前限；

③次序調整條件判斷。若后限大于前限，則將前后限之間的范圍作為高校對(i,j)的次序序號調整的目標區間，對該高校對的次序進行下一步的調整；反之，則說明調整該高校對(i,j)會影響到其他高校對，放棄對該高校對的調整，按照正答率由低到高順序選擇下一個高校對，重復以上操作。

④次序調整。將高校i和j顛倒其前后次序，并一起插入到目標區間范圍內，即次序序列中前后限對應高校之間，并根據調整后的高校次序序列獲得每個高校新的次序序號。這里，考慮到擬構的虛擬排名并不宜對實際排名做出太大變動，因此，選擇目標區間內使這兩所高校的次序改變量的絕對值之和最小的位置作為其目標，調整前后高校的次序改變量定義為：

式中，Sr為調整后高校的次序序號；S0為調整前高校的次序序號。

⑤按照正答率由低到高的順序選擇下一個高校對，重復以上操作，直到全部正答率小于0.5 的高校對都被處理一遍。

2)維持虛擬正答率在最高水平不變，調整高校次序來縮小高校的次序改變量。完成第一步的處理后，就得到這58 所高校的一組新的次序序列，這個序列的虛擬正答率達到最高值0.708。隨后對全部高校對逐一進行次序調整，調整方法同第1)步中的步驟①～步驟⑤，區別僅在于：在步驟④進行次序調整時，不顛倒所處理的高校對中兩所高校的前后次序；并且若目標區間中的位置無法滿足次序改變量絕對值之和小于調整之前，則放棄調整。

完成第2)步調整后，所獲得的這一最優虛擬高校次序序列滿足虛擬正答率在最大值0.708 且各高校的次序改變量的絕對值之和最小。然后，考慮到不宜調整這58 所高校之外的高校排名，根據這58 所高校的實際綜合排名及其次序，按照最優虛擬高校次序序列的相應位置進行替換。如南京大學的實際綜合排名是6.45，在這58 所高校中排第6 位，經過調整后的最優序列中武漢大學位居第6 位，因此將原南京大學的排名值6.45 賦給武漢大學作為其最優虛擬排名。由此，獲得最終的虛擬高校排名序列。各高校的實際綜合排名和其最優虛擬排名如表3 所示。

表3 在5 個年份里4 種大學排名均進入前100 名的65 所高校在2020 年的排名信息及其實際綜合排名R和最優虛擬排名Rr

4.3 各項高校排名及最優虛擬排名的關聯性分析

進一步對各項實際高校排名和最優虛擬排名之間的關系進行挖掘。各高校的4 種實際排名(軟科榜、武書連、校友會、中評網)的5 年均值以及最優虛擬排名Rr之間的Kendall’s tau 相關性系數τ和互信息值I如表4 所示(括號內為互信息值)?？梢钥吹?，中評網同其他3 種實際排名之間的相關關系相對強烈；而最優虛擬排名同武書連、校友會兩種排名的相關性則相對較弱，說明最優虛擬排名的測度傾向性同它們的差異更大，包含更多這兩種排名中未被納入的信息。

表4 4 種高校排名中各高校的5 年均值及最優虛擬排名Rr 之間的Kendall’s tau 相關性系數τ 和互信息值I

4.4 高校排名變化量同城市指標的關系分析

觀察各個高校的排名改變量同駐在城市的各項城市指標的關系，這里高校的排名改變量定義為高校的最優虛擬排名和實際綜合排名的比值的對數log(Rr/R)。排名改變量的正負分別意味著高校的最優虛擬排名相對其實際綜合排名靠后和靠前。

對城市總常住人口、城鎮人口占比、第三產業產值占地區生產總值的比重、人均地區生產總值這4 個城市指標進，相對于全國平均水平的比值進行分析，即4 個相對性城市指標(相對城市總常住人口q、相對城鎮常住人口占比u、相對第三產業產值占比vT、相對人均地區生產總值gC)。高校的排名改變量同這4 個相對性城市指標的關系如圖4所示，均呈現負相關關系。其中，相對城鎮常住人口占比u、相對第三產業產值占比vT有著最為強烈的負相關關系，其3 項相關性指標(Pearson 相關性系數r、Spearman 相關性系數ρ 和Kendall tau 相關性系數τ)均較為顯著(P＜ 0.05)，如圖4b 和4c 所示。而相對城市總常住人口q、相對人均地區生產總值gC的相關性相對較弱，只有部分相關性指標顯著，如圖4a 和4d 所示。

圖4 各高校的最優虛擬排名相對真實排名的改變量log(Rr/R)同各城市指標的相關關系

為了確定各項城市指標同排名改變量之間的定量關系，考慮到這4 個城市指標之間的相關性，采用主成分變量進行回歸分析的方法。所構造的主成分變量形式為：

式中，q*、u*、分別為4 個相對性城市指標q、u、vT、gC的z-score 標 準 化 值；ak、bk、ck、dk為常數因子。4 個主成分變量分別為：

所得的回歸方程為：

根據該回歸方程，對某高校i，其最優虛擬排名同其實際綜合排名及各城市指標的關系為：

式中，指數β 為：

根據式(8)和式(9)，可以看出城市的城鎮常住人口占比和第三產業產值占比對于人們心目中的高校排名有著相當強烈的影響。如果一個城市的城鎮常住人口占比超過90%的城市，則可導致人們對其駐在高校的排名靠前估計平均超過7%，而若其第三產業產值占比超過90%的城市，可以導致靠前估計平均超過9%。該結果說明，對于城市化程度較高、第三產業發達的地區，人們會傾向于高估它們所駐高校的實際水平。而一些經濟發展較為遲緩的地區，其高?？诒矔虼耸艿截撁嬗绊?。如吉林大學，其駐在城市長春市的城鎮人口占比和第三產業占比在這58 所高校的駐在城市中均處于后進位置，導致其最優虛擬排名大大落后于其實際綜合排名(其排名改變量高達0.383)。

以上結果暗示出，提升一個城市的城市化水平、促進其第三產業發展，可以大大推動該城市所駐高校的社會評價的提升，更有利于鞏固高校與城市經濟之間的正反饋作用。反過來從高校角度來看，特別是處于經濟落后地區的高校，在難以搬離所駐城市的前提下，要改善其公眾認知，需要更加重視大眾口碑的建設。文獻[34]對網絡問答社區學生選擇高校信息的分析在這方面提供了重要的參考信息：除了反映高校自身教學科研水平的各項因素以及同所駐城市經濟水平關聯的因素之外，學校類型及學術聲譽、學校氛圍及校園環境、畢業生的職業前景與行業認可度、行政管理效率與方式等因素也被學生重點關注。這暗示了經濟落后地區的高校改善其大眾口碑的幾個潛在突破口，即：

1)要高度重視學術聲譽建設，增加重大科研成果、重大社會服務或社會協作成果在社交媒體上的科普推廣頻率與曝光強度；

2)需要重視高校產業影響力的建設，推動產學雙方的協作聯動，提升畢業生的行業認可度；

3)需要提升行政管理效率，構建高效且適應師生需求的新型管理方式，并改善教學生活環境與生活學習氛圍；

4)根據當前口碑傳播的現實，高校的口碑建設還必須充分結合各類新媒體手段，加強網絡渠道的高校形象宣傳與傳播。

最后，把問卷所涉及的58 所大學的實際綜合排名和最優虛擬排名分別在表5 中列出，方便讀者進行對比。

表5 問卷調查涉及的58 所高校的實際綜合排名R 和最優虛擬排名Rr

5 結 束 語

本文研究盡管存在一系列明顯的局限，如調查對象主要局限于在校大學生、問卷數量有限、涉及高校和城市數目有限等，但其基本研究結論已經得到相當清晰的呈現，即：大眾心目中的高校排名與專業評價機構所發布的排名信息有著顯著區別，一些位居于城市化水平較高、第三產業發達的城市的高?？赡芤蚱涞赜蚨@得大大超越其實際水平的評價。一般而言，城市化水平較高、第三產業發達的城市，其整體經濟常常也處于較發達的層次。相比于來自專業的高校評價機構的高校排名，這種大眾評價可能對高校的生源質量、畢業生就業乃至社會合作有著更為直接的影響，暗示著即使不考慮經濟發達地區本身的社會資源和吸引力，其高校也會直接受益于駐在城市本身。這也說明，如果要改善一所高校在大眾心目中的評價，除了加強對高校的管理與投入實現更高水平的科研教學產出之外，大力推進其駐在城市的經濟發展與市區人口的聚集也是一條重要途徑。說明大眾對高校的評價可能給高校自身發展帶來的影響，地區經濟與所駐高校之間的發展共軛效應可能比以往的估計更加強烈[35-36]。