高教层次结构(本专科比)

字段字典

• Province [省份名称] — 省份的中文名称.
• ProvinceCode [省份代码] — 省份的相关统计部门代码 (6 位字符串).
• Year [年份] — 统计年份.
• UnivBachEnr [普通高等学校本科在校学生数(万人)] — 普通高等学校本科在校学生数指在普通高等学校接受本科教育的注册学生总数，包括一年级至毕业年级的所有在校生，不含专科生和研究生。单位：万人。
• UnivJrColEnr [普通高等学校专科在校学生数(万人)] — 普通高等学校专科在校学生数指在普通高等学校接受专科教育的注册学生总数，涵盖所有年级的专科在校生，不含本科生和研究生。单位：万人。
• HigherEduStructure [高教层次结构(本专科比)] — 高教层次结构(本专科比)。计算公式：UnivBachEnr / UnivJrColEnr。

常见问题

「高教层次结构(本专科比)」是什么数据集？

高教层次结构(本专科比)，隶属公共服务。衡量各省高等教育层次结构，反映本科与专科在校生规模的比值（本科在校生/专科在校生），体现人力资本培养中“质”与“量”的权衡。

该数据集的时间范围是？

覆盖 1949-2024 年。

包含哪些变量/指标？

共 6 个变量。核心指标包括：普通高等学校本科在校学生数(万人)、普通高等学校专科在校学生数(万人)、高教层次结构(本专科比)。完整字段清单（变量名·中文名·说明）见页面「字段字典」。

数据频率和层级是怎样的？

频率为年度，省级层级。

样本量有多大？

约 2,210 条观测。

数据是如何测算/获取的？

指标定义与计算方法 高教层次结构（本专科比）是衡量高等教育系统内部层次配置的关键结构性指标，其经济学含义在于反映人力资本积累过程中“质量深化”与“规模扩张”之间的权衡关系。该指标通过计算普通高等学校本科在校生人数与专科（高职）在校生人数的比值，揭示高等教育体系在培养高层次研究型与应用型人才之间的相对侧重程度。引入该指标的主要动机在于：在高等教育大众化乃至普及化阶段，单纯关注入学率已不足以刻画教育系统的内部效率与结构变迁，本专科比能够更精细地捕捉人力资本存量的层次分布及其对经济增长、技术创新和劳动力市场匹配的潜在影响。数据来源为相关统计部门年度公开数据中的“普通高等学校本科在校生数”（UnivBachEnr）与“普通高等学校专科在校生数”（UnivJrColEnr）。完整计算公式如下： $$ \text{HigherEduStructure}{it} = \frac{UnivBachEnr{it}}{UnivJrColEnr{it}} $$ 其中，下标 \(i\) 表示省份（Province），\(t\) 表示年份（Year）。计算步骤为直接比值，无需中间步骤。该指标为无量纲比值，取值范围为 \((0, +\infty)\)。典型量级：当本科在校生数大于专科时，比值大于1；反之小于1。中国省级层面，该比值通常在0.5至3.0之间波动，经济发达省份或高等教育资源集聚地区往往比值较高。 补充说明 本指标基于简化假设：所有本科与专科在校生均按相关统计部门统一口径统计，未区分不同办学层次（如“专升本”衔接学生）或成人高等教育。边界条件：年份覆盖范围为1997年至今（相关统计部门自1997年起公布分省本专科在校生数据）；缺失处理：若某省份某年份UnivBachEnr或UnivJrColEnr数据缺失，则该年该省份指标记为缺失值，不进行插补；单位换算：原始数据单位为“人”，直接相除无需换算。计算粒度：以Province（省份）为主键，与ProvinceCode和Year字段一一对应。已知限制：该指标仅反映在校生数量结构，未考虑培养质量、毕业生就业去向或学科专业分布差异，因此不能完全代表人力资本的实际层次差异；此外，专科教育中部分“五年一贯制”学生可能被重复统计，导致分母轻微高估。 参考文献 [1] Hanushek, E. A., & Woessmann, L. (2008). The role of cognitive skills in economic development. Journal of Economic Literature, 46(3): 607-668. [2] 闵维方, 丁小浩, 岳昌君, 等 (2017). 高等教育与经济发展: 基于中国省级面板数据的实证研究. 教育经济学评论, 2(1): 3-22.

如何获取该数据集？

通过站内对应淘宝链接下单后，客服发放兑换码；在站内"兑换"页输入兑换码即可获得下载权益并下载。