李良鑫 李文顏 李慧 魏興萍

摘要：為探究縣域尺度的人口平均受教育年限時空分異特征及其影響因素，以四川省183個區(qū)縣為研究對象，采用Morans I指數(shù)、冷熱點分析等方法，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間分布格局和演變特征及其影響因素。結(jié)果表明：四川省大部分區(qū)縣人口平均受教育年限處于初中水平，區(qū)域差距顯著，兩極分化明顯；成都平原區(qū)人口平均受教育年限相對較高，周邊低山丘陵區(qū)相對均衡，高山、高原和邊遠地區(qū)相對較低；空間集聚特征顯著，中間熱，西部冷，呈現(xiàn)出數(shù)字“10”字形分布格局，熱點區(qū)以成都市為核心呈類圓狀分布，冷點區(qū)多見于西部，隨著時間推移冷熱點區(qū)域變化不明顯；GDP、第一產(chǎn)業(yè)比重、城鎮(zhèn)化率、單位面積學(xué)校所服務(wù)范圍、小學(xué)生師比5個變量估計系數(shù)的空間分異明顯，且各因素間在空間上存在異質(zhì)性。未來四川省在保障教育資源、教育機會的公平性時，要明確西部地區(qū)與其他地區(qū)、冷點區(qū)與熱點區(qū)的差距，補齊落后與發(fā)達地區(qū)之間的平均受教育年限差距是實現(xiàn)教育脫貧的重要措施。

關(guān)鍵詞：平均受教育年限；地理加權(quán)回歸；空間分布；時空分異；四川省

中圖分類號：K901.3文獻標(biāo)志碼：A文章編號：1673-5072（2024）03-026708

教育是以培養(yǎng)人為中心的社會活動，受教育程度影響著社會的發(fā)展［1］。自1986年我國首次實施義務(wù)教育以來，教育水平和質(zhì)量大幅度提升。據(jù)2020年第七次全國人口普查公報，我國15歲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%下降為2.67%［23］。盡管如此，教育發(fā)展不平衡不充分問題在新時代背景下仍然明顯，東西部之間［45］、城鄉(xiāng)之間［67］、民族地區(qū)之間［89］都存在一定差距。區(qū)域性、結(jié)構(gòu)性等不平等問題將在一段時間內(nèi)依然存在。四川省作為集平原、高原、山地、丘陵、盆地于一身的省份，地形多樣，區(qū)域教育發(fā)展水平差異明顯。

教育發(fā)展同經(jīng)濟發(fā)展一樣表現(xiàn)出區(qū)域間的差序格局［10］，教育資源失衡影響著區(qū)域的人口平均受教育年限［1113］。人口平均受教育年限受教育資源配置的制約，可以很好地反映地區(qū)教育差距［14］?？臻g自相關(guān)主要反映空間數(shù)據(jù)整體和局部子系統(tǒng)的區(qū)域差異特征，可以很好地展現(xiàn)教育水平空間特征，常用指標(biāo)包括Morans I指數(shù)、Getis G統(tǒng)計量、Ripleys K系數(shù)等［15］。李陳和葉磊［16］基于泰爾指數(shù)、空間自相關(guān)Morans I指數(shù)分析了中國各省人口文化素質(zhì)指數(shù)區(qū)域差異。孫林等［17］利用Morans I指數(shù)對內(nèi)蒙古貧困聚集特征進行分析，發(fā)現(xiàn)平均受教育年限是該區(qū)域致貧的主要因素。Gao等［18］以中國2 873個縣為統(tǒng)計單元，利用Morans I指數(shù)和GetisOrd G*i空間分析工具并結(jié)合泰爾指數(shù)對其空間可達性進行了統(tǒng)計和圖形化分析。目前對教育年限和受教育水平的研究主要集中在資源配置的時空差異、影響因子、空間可達性、對策建議及其布局效率等方面，對教育年限的可視化研究較少。

基于此，本研究以2010—2020年四川省183個區(qū)縣人口平均受教育年限為研究對象，采用Global Morans I和GetisOrd G*i分析四川省縣域之間人口平均受教育年限的空間分布特征，通過構(gòu)建OLS和GWR模型，分析2010—2020年四川省人口平均受教育年限的變化趨勢和影響因子，揭示四川省人口平均受教育年限的特征及其影響因素，以期為探討區(qū)域教育間的發(fā)展格局問題，縮小教育水平差距，提高人口素質(zhì)提供數(shù)據(jù)參考。

1材料與方法

1.1研究區(qū)域選取四川省全域183個區(qū)縣作為研究區(qū)域，對15歲以上人口的平均受教育年限進行研究。四川省總面積48.61萬km2［19］，整體地勢西高東低，自西由川西高原和橫斷山脈為主的高原山地向東以四川盆地為主的盆地、丘陵過渡，由西北向東南傾斜。全省共計21個市（州），其中地級市18個，自治州3個。在行政單元劃分的基礎(chǔ)上又可以劃分為五大區(qū)域，即成都平原地區(qū)、川東北地區(qū)、川南地區(qū)、川西北地區(qū)、攀西地區(qū)。

1.2數(shù)據(jù)來源及處理人口受教育年限基礎(chǔ)數(shù)據(jù)來源于各市（州）2010年第六次和2020年第七次人口普查公報、統(tǒng)計年鑒。GDP、城鎮(zhèn)化率等社會經(jīng)濟數(shù)據(jù)則來源于《四川省統(tǒng)計年鑒》?？臻g自相關(guān)采用ArcGIS 10.8軟件分析；數(shù)據(jù)統(tǒng)計分析采用Excel 2016和SPSS Statistics 23軟件；數(shù)據(jù)繪圖采用OriginPro 2022軟件。

1.3研究方法

1.3.1人口平均受教育年限結(jié)合我國學(xué)制、人口數(shù)量和教育權(quán)重系數(shù)將平均受教育年限分為4個不同等級［20］，具體的折算標(biāo)準是：0～6年為小學(xué)（含文盲）；6～9年為初中；9～12年為高中（含中專）；大于12年為大專及以上。計算公式為

式中：AEY表示平均受教育年限，i為以受教育程度為標(biāo)準劃分的等級，i=1，2，3，4，分別代表小學(xué)（含文盲）、初中、高中（含中專）、大專及以上教育水平；Pi為第i種受教育程度的人口數(shù)；Ei為第i種受教育程度折算成受教育年限的系數(shù)，小學(xué)取6，初中取9，高中取12，大專及以上取16；p為15歲以上人口總數(shù)。

1.3.2空間自相關(guān)分析空間自相關(guān)分析用于檢驗具有空間位置的某變量的觀測值是否顯著地與其相鄰空間點上的觀測值相關(guān)聯(lián)，主要涉及各變量與其鄰近統(tǒng)計分析變量的空間位置關(guān)系和屬性的數(shù)值特性。本文采用全局自相關(guān)Morans I指數(shù)［2122］描述整個研究區(qū)域各對象空間上的關(guān)聯(lián)程度；局部自相關(guān)分析采用GetisOrd G*i［2324］，以此揭示研究對象的空間聚集特征，識別具有統(tǒng)計顯著性的高值（熱點）和低值（冷點）的空間聚類。

1.3.3地理加權(quán)回歸地理加權(quán)回歸（GWR）［25］是基于局部光滑思想探究空間背后各因素之間關(guān)系的空間回歸模型，可實現(xiàn)不同區(qū)域回歸模型的系數(shù)隨空間地理位置的變化而變化，能夠反映出自變量在不同的區(qū)域?qū)σ蜃兞慨a(chǎn)生的不同影響。

2結(jié)果與分析

2.1人口平均受教育年限時空分布特征2010—2020年四川省人口平均受教育年限從8.35年提高至9.24年。2010年時四川省人口平均受教育年限為初中水平，2020年達到高中（含中專）水平。2020年文盲人口333萬，占比由544%下降到398%。處于義務(wù)教育階段（含文盲）的比重由8960%下降到73.76%；高中及以上階段的比例由1140%提升至26.24%；減幅最大為初中，增幅最大為高中（圖1）。從空間分布來看，成都平原地區(qū)的人口平均受教育年限為全省最高，川南地區(qū)和川東北地區(qū)處于中間水平，川西北地區(qū)和攀西地區(qū)相對較低。2020年，部分邊遠地區(qū)人口平均受教育年限還處在小學(xué)水平，而成都核心區(qū)部分區(qū)縣已達大專及以上水平，區(qū)域間差距較大，兩極分化明顯（圖2）。

2.2人口平均受教育年限的時空關(guān)聯(lián)特征對2010、2020年四川省人口平均受教育年限進行空間自相關(guān)分析，其Morans I指數(shù)分別為070和067，標(biāo)準化檢驗Z值分別為15.44和14.72，均在001的顯著性水平下通過檢驗，表明在空間上不是隨機分布，呈現(xiàn)出顯著的正自相關(guān)性，具有明顯的聚類趨勢。

據(jù)局部自相關(guān)分析結(jié)果（圖3）顯示，2010年人口平均受教育年限高高集聚類型以成都核心區(qū)及其周邊平原地區(qū)為主要分布區(qū)，2020年該聚類模式面積有所減少，原因在于成都平原地區(qū)區(qū)位優(yōu)勢明顯和資源稟賦優(yōu)異，為教育提供了良好的經(jīng)濟基礎(chǔ)，使得該區(qū)域人口平均受教育年限相比其他地區(qū)更高。成都作為四川省的經(jīng)濟、政治、文化中心起到巨大輻射作用推動區(qū)域集聚，教育發(fā)展水平高于同期其他區(qū)域。低低集聚類型以川西地區(qū)為主連片集中分布，2010年該類型集中分布于川西北和攀西地區(qū)，2020年數(shù)量有所下降，雅江縣、得榮縣、木里藏族自治縣和會東縣轉(zhuǎn)變?yōu)槠渌愋停R邊彝族自治縣和德昌縣轉(zhuǎn)變?yōu)榈偷图垲愋?。川西北地區(qū)和攀西地區(qū)屬成都平原向青藏高原的過渡帶，地形閉塞、交通受阻、經(jīng)濟發(fā)展緩慢，嚴重影響了該地區(qū)的教育水平，文化水平整體偏低。高低集聚類型2010年主要為馬爾康市、丹巴縣、西昌市和德昌縣4個區(qū)縣。馬爾康市和西昌市作為阿壩藏族羌族自治州和涼山彝族自治州首府，相對于周邊區(qū)域優(yōu)勢明顯，丹巴縣和德昌縣地緣上連接馬爾康市和西昌市，得益于區(qū)位優(yōu)勢及其與周邊地區(qū)的地緣關(guān)系，呈現(xiàn)出高低集聚，但受地形以及近年來交通發(fā)展水平落后的限制，影響了受教育年限的提高，逐漸落后于其他地區(qū)，從而轉(zhuǎn)變?yōu)榈偷图垲愋汀?020年高低集聚類型僅剩馬爾康市和西昌市。2010到2020年低高集聚類型增加了梓潼縣、中江縣、安居區(qū)、資中縣、仁壽縣、榮縣和洪雅縣等區(qū)縣，減少了沿灘區(qū)和瀘縣，由于這些區(qū)域鄰近成都，受成都集聚效應(yīng)影響，青年人口流失，從而導(dǎo)致人口平均受教育年限降低。

為進一步探測四川省縣域單元平均受教育年限的空間異質(zhì)性，將2010年和2020年人口平均受教育年限的GetisOrd G*i值由高到低劃分為5個等級，得到冷熱點空間分布圖（圖4）。四川省2010年與2020年冷熱點分布格局大體相似：中間熱，西部冷，呈“10”字形分布；熱點區(qū)以成都市為圓心向四周散開，呈類圓狀集中分布；次熱點區(qū)域分布在熱點區(qū)域外圍，相對分散；冷點區(qū)多見于四川西部，以理塘縣為中心，呈西北東南走向長條狀分布，與川西高原走向大致吻合。

2.3影響因素分析

2.3.1變量選取考慮四川地區(qū)的實際情況，選取GDP、人均GDP、一產(chǎn)比重、人均消費額、城鎮(zhèn)化率、65歲以上人口比重、小學(xué)生師比、中學(xué)生師比、單位面積學(xué)校服務(wù)范圍、人口密度等10個變量與2020年人口平均受教育年限進行變量相關(guān)性分析［2629］。

2.3.2OLS模型

以2020年人口平均受教育年限作為因變量，上述10個因子為自變量，構(gòu)建最小二乘法（OLS）模型，分析自變量對因變量的影響程度，并結(jié)合SPSS共線性檢驗。結(jié)果顯示（表1）：GDP、一產(chǎn)比重、城鎮(zhèn)化水平、小學(xué)生師比、單位面積學(xué)校服務(wù)范圍等5個自變量通過了顯著性檢驗，VIF值均小于5，擬合優(yōu)度R2為0.881，具有明顯的顯著性和模擬精度。

2.3.3GWR模型

基于空間異質(zhì)性，在OLS模型檢驗的基礎(chǔ)上，選取OLS模型中具有顯著相關(guān)性的自變量進一步利用GWR模型進行優(yōu)化檢驗?；貧w系數(shù)的計算在ArcGis10.8軟件中應(yīng)用GWR工具實現(xiàn)，其中模型列寬的計算運用AICc方法，核密度類型使用ADAPTIVE。結(jié)果顯示（表2）：擬合優(yōu)度R2由原來的0881提升至0887，說明GWR模型的擬合結(jié)果優(yōu)于OLS模型。

2.4結(jié)果分析

2.4.1GDP對人口平均受教育年限影響的空間變異特征GDP與人口平均受教育年限之間呈正向關(guān)系，系數(shù)自北向南呈梯度遞增趨勢（圖5）。川西北地區(qū)東北部阿壩藏族羌族自治州部分區(qū)縣人口平均受教育年限受GDP的影響弱于攀西地區(qū)南部的部分區(qū)縣。阿壩藏族羌族自治州和甘孜藏族自治州的自然和社會經(jīng)濟條件資源稟賦差，整體GDP較低，對教育的投入也相對較少，影響著教育年限的提高。攀西地區(qū)南部部分區(qū)縣為系數(shù)高值區(qū)域，表明GDP對人口平均受教育年限的作用更明顯。以攀枝花市東區(qū)和涼山州西昌市為代表，二者同作為市級政府駐地，GDP都為全市最高，同時教育年限也最高。此外，攀枝花市除東區(qū)和西區(qū)外其余區(qū)縣GDP均超過百億但人口最高僅有26萬人，而涼山州除西昌市外其余16區(qū)縣中11個區(qū)縣GDP不足百億，GDP都相對較低，反映到教育年限上則表現(xiàn)為攀枝花市人口平均受教育年限為9.17年，明顯高于涼山州的6.79年。

2.4.2一產(chǎn)比重對人口平均受教育年限影響的空間變異特征一產(chǎn)比重與人口平均受教育年限之間呈負向關(guān)系，絕大多數(shù)地區(qū)農(nóng)業(yè)比重越高通常經(jīng)濟越不發(fā)達，回歸系數(shù)絕對值自西北向東逐步減?。▓D6）。川西北地區(qū)的石渠、德格、甘孜、色達、白玉、巴塘等縣回歸系數(shù)絕對值最高，說明這個區(qū)域的人口平均受教育年限對一產(chǎn)比重的敏感度高于其他地區(qū)。2020年時該區(qū)域的農(nóng)業(yè)產(chǎn)業(yè)增加值占GDP的比重最低均超過30%，高于全省平均的15.6%的水平，人口平均受教育年限僅為721年，而一產(chǎn)比重相對較低的成都市人口平均受教育年限則為10.74年。川東北和川南地區(qū)絕大多數(shù)區(qū)縣一產(chǎn)比重對人口平均受教育年限的作用弱于川西北地區(qū)。

2.4.3單位面積學(xué)校服務(wù)范圍對人口平均受教育年限影響的空間變異特征單位面積學(xué)校服務(wù)范圍能夠反映出教育資源的分布，學(xué)校服務(wù)范圍小，說明教育資源密集，反之，教育資源稀疏。當(dāng)教育資源稀疏時，學(xué)生可選擇的空間小，或受距離的影響而被迫中斷學(xué)習(xí)，受教育程度受到影響。通過GWR擬合發(fā)現(xiàn)，單位面積學(xué)校服務(wù)范圍與人口平均受教育年限在四川省全域范圍內(nèi)均呈負向關(guān)系。從空間分布來看，回歸系數(shù)絕對值呈現(xiàn)兩邊低中間高的分布格局。高值區(qū)分布在川西北地區(qū)絕大多數(shù)區(qū)縣以及攀西地區(qū)西北部部分區(qū)縣，表明該區(qū)域人口平均受教育年限受單位面積學(xué)校服務(wù)范圍作用更敏感。該區(qū)域地處川西高原腹地，山地面積大，學(xué)校數(shù)量少，導(dǎo)致學(xué)校服務(wù)輻射的范圍更廣，學(xué)生上學(xué)的距離更遠，增加了受教育的難度，從而影響人口平均受教育年限的提高。

2.4.4城鎮(zhèn)化率對人口平均受教育年限影響的空間變異特征城鎮(zhèn)化率與人口平均受教育年限呈正向關(guān)聯(lián)。空間上，回歸系數(shù)呈現(xiàn)自東向西逐漸降低的趨勢，分布較為分散，但是區(qū)域異質(zhì)性還是相對明顯（圖8），說明西部地區(qū)的區(qū)縣人口平均受教育年限受城鎮(zhèn)化率影響的敏感度低于東部地區(qū)。城鎮(zhèn)化的加快帶來人口的快速流動和農(nóng)業(yè)勞動力的轉(zhuǎn)移，農(nóng)村高學(xué)歷人口向城市流失，甚至將自己子女帶入城市就讀，進一步擴大了區(qū)域間人口平均受教育年限的差距。

2.4.5小學(xué)生師比對人口平均受教育年限影響的空間變異特征小學(xué)生師比通常被用作教育質(zhì)量的替代指標(biāo)，而一個地區(qū)的教育質(zhì)量與該地區(qū)受教育年限的高低息息相關(guān)。通過GWR分析發(fā)現(xiàn)，小學(xué)生師比回歸系數(shù)在四川全域均呈負值，絕對值由東向西呈“低—高—低”的分布趨勢（圖9），川西高原及其周邊部分區(qū)縣受自然和社會條件的制約，學(xué)校服務(wù)范圍輻射更廣，學(xué)校數(shù)量相對其他經(jīng)濟發(fā)達的地區(qū)數(shù)量更少，影響了受教育年限的提高。中東部地區(qū)的教育資源和教育質(zhì)量要優(yōu)于西部地區(qū)，這與四川省人口平均受教育年限的空間分布格局相一致。

3結(jié)論與討論

對四川省183個縣域單元人口平均受教育年限進行可視化并利用空間自相關(guān)方法分析了其時空分布特征，識別了人口平均受教育年限的冷點區(qū)和熱點區(qū)，選取了經(jīng)濟因素、社會因素和教育因素3個維度10個變量，運用OLS和GWR模型探測其人口平均受教育年限的影響因素，得出如下結(jié)論。

1）四川省縣域單元人口平均受教育年限東西區(qū)域差異大，兩極分化嚴重。成都及其周邊地區(qū)人口平均受教育年限較高，部分已經(jīng)達到大專及以上水平。川西北甘孜藏族自治州與攀西地區(qū)的布拖縣、昭覺縣、美姑縣、雷波縣等地區(qū)人口平均受教育年限最低，目前部分仍處于小學(xué)水平。川南地區(qū)自貢、瀘州、內(nèi)江、宜賓等區(qū)域和川東北地區(qū)南充、巴中、廣元和達州等地人口平均受教育年限差距相對較小且多處于初中水平。時間變化上，處于義務(wù)教育階段水平的縣域數(shù)量下降，高中和大專及以上水平縣域數(shù)量上升。

2）四川省縣域單元人口平均受教育年限具有較強的空間集聚性，2010年與2020年均呈現(xiàn)出較為相似的數(shù)字“10”字形分布特征，中間熱，西部冷。熱點主要集中在以成都市為中心向外拓展的類圓型區(qū)域。冷點區(qū)主要分布在以理塘縣為中心向西北和東南方向延伸的區(qū)縣。

3）GDP、一產(chǎn)比重、單位面積學(xué)校服務(wù)范圍、城鎮(zhèn)化率、小學(xué)生師比對人口平均受教育年限具有顯著的影響。其中，GDP和城鎮(zhèn)化率為正向作用，一產(chǎn)比重、小學(xué)生師比和單位面積學(xué)校服務(wù)范圍為負向作用。各要素對人口平均受教育年限的影響程度隨區(qū)域的差異而不同，異質(zhì)性明顯。

通過對四川省人口平均受教育年限的時空分異及其影響因素研究發(fā)現(xiàn)，在分布格局上，四川縣域人口平均受教育年限西部低于東部，成都平原地區(qū)最高；大部分區(qū)縣人口平均受教育年限處于初中水平，這與前人關(guān)于四川省人口平均受教育年限的研究結(jié)論基本一致［30］。空間集聚上呈現(xiàn)中間熱、西部冷，熱點區(qū)以成都市為核心呈類圓狀分布，冷點區(qū)多見于四川西部，這與地理條件緊密相關(guān)［31］。為此，四川省在保障教育資源、教育機會的公平性時要明確西部地區(qū)與其他地區(qū)之間的差距，對縣域單元教育資源布局應(yīng)充分考慮人口密度、經(jīng)濟水平、校園布點位置、師資質(zhì)量和分配。生師比對人口平均受教育年限的作用除受師生數(shù)量影響之外，還受教育資源配置、師生自身狀況等因素的影響，因此生師比對人口平均受教育年限的影響還需要進一步深入研究。本文對四川省縣域單元人口平均受教育年限進行分析，但是未具體探討城鄉(xiāng)之間、性別之間與民族之間的差異，對這些方面的探討有待后續(xù)研究，進一步揭示四川省人口平均受教育年限發(fā)展特點和歷程。

參考文獻：

［1］文輔相.關(guān)于教育與高等教育本質(zhì)的討論［J］.高等工程教育研究，1995（1）：9-14.

［2］龍開元，孫翊，戴特奇.科技創(chuàng)新支撐成渝雙城經(jīng)濟圈建設(shè)路徑研究［J］.華中師范大學(xué)學(xué)報（自然科學(xué)版）2021，55（5）：791-797.

［3］第七次全國人口普查公報（第六號）：人口受教育情況［J］.中國統(tǒng)計，2021（5）：11-13.

［4］游小珺，趙光龍，杜德斌，等.中國高等教育經(jīng)費投入空間格局及形成機理研究［J］.地理科學(xué)，2016，36（2）：180-187.

［5］汪凡，白永平，周亮，等.中國基礎(chǔ)教育公共服務(wù)均等化空間格局及其影響因素［J］.地理研究，2019，38（2）：285-296.

［6］吳磊，焦華富，葉雷，等.中國省際教育城鎮(zhèn)化的時空特征及影響因素［J］.地理科學(xué)，2018，38（1）：58-66.

［7］趙思敏，芮旸，楊鈺華.鄉(xiāng)村學(xué)前和義務(wù)教育階段學(xué)生跨尺度流動研究：基于陜西省淳化縣的管窺［J］.地理研究，2022，41（3）：810-829.

［8］萬明鋼，楊金香.新時代我國民族教育差別化支持政策價值分析［J］.西南民族大學(xué)學(xué)報（人文社會科學(xué)版），2022，43（10）：207-214.

［9］周自波，廖水明.試論民族地區(qū)解決教育發(fā)展不平衡不充分的根本途徑［J］.貴州民族研究，2018，39（7）：203-208.

［10］張志勇.教育的區(qū)域差距與政策選擇［J］.北京師范大學(xué)學(xué)報（社會科學(xué)版），2005（3）：32-39.

［11］中國地區(qū)教育差距的定量分析［J］.市場與人口分析，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］葛強·瓊達，次旦歐珠，次卓嘎.新型城鎮(zhèn)化背景下西藏農(nóng)牧民再教育質(zhì)量提升［J］.西華師范大學(xué)學(xué)報（自然科學(xué)版），2022，43（4）：481-486.

［14］劉宏燕，陳雯.中國基礎(chǔ)教育資源布局研究述評［J］.地理科學(xué)進展，2017，36（5）：557-568.

［15］陳彥光.基于Moran統(tǒng)計量的空間自相關(guān)理論發(fā)展和方法改進［J］.地理研究，2009，28（6）：1449-1463.

［16］李陳，葉磊.中國分省人口文化素質(zhì)的區(qū)域差異研究：1982—2010［J］.干旱區(qū)資源與環(huán)境，2018，32（1）：1-7.

［17］孫林，王艷慧，柯文俊，等.內(nèi)蒙古自治區(qū)農(nóng)村人口多維貧困特征測算與分析［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］張晨.四川省近10年土地利用景觀格局破碎化研究［D］.成都：四川農(nóng)業(yè)大學(xué)，2018.

［20］四川省統(tǒng)計局，四川省第七次全國人口普查領(lǐng)導(dǎo)小組辦公室.四川省第七次全國人口普查公報（第五號）人口受教育情況［J］.四川省情，2021（6）：41-42.

［21］李頡，鄭步云，王勁峰.2008—2018年中國手足口病時空分異特征［J］.地球信息科學(xué)學(xué)報，2021，23（3）：419-430.

［22］肖航，張明斗.縣域經(jīng)濟發(fā)展水平的空間差異與空間集聚研究：基于重慶市的個案分析［J］.西華師范大學(xué)學(xué)報（自然科學(xué)版），2018，39（2）：202-209.

［23］王少劍，高爽，陳靜.基于GWR模型的中國城市霧霾污染影響因素的空間異質(zhì)性研究［J］.地理研究，2020，39（3）：651-668.

［24］王琪林，楊霞，方怡.四川省紅、綠、古色旅游景區(qū)分布格局及空間相關(guān)性分析［J］.西華師范大學(xué)學(xué)報（自然科學(xué)版），2023，44（4）：400407.

［25］張耀軍，任正委.基于地理加權(quán)回歸的山區(qū)人口分布影響因素實證研究：以貴州省畢節(jié)地區(qū)為例［J］.人口研究，2012，36（4）：53-63.

［26］任棟，張捷，曹改改，等.基于人類發(fā)展指數(shù)框架的中國教育指數(shù)的編制和比較研究［J］.華東師范大學(xué)學(xué)報（教育科學(xué)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］廖亞菲.四川省居民受教育程度對消費結(jié)構(gòu)的影響研究［D］.成都：西南財經(jīng)大學(xué)，2020.

［31］岳斯瑋.基于主成分聚類分析對區(qū)域教育綜合發(fā)展水平評價［J］.西南民族大學(xué)學(xué)報（自然科學(xué)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