全文总字数：3479字

1. 研究目的与意义及国内外研究现状

改革开放以来，随着经济、科技和文化的快速发展，教育作为国家竞争力的关键因素，已经成为国家和社会发展不可缺少的动力源泉。普通高等教育作为我国教育的重要力量支柱，每年都为国家培养了大批量的优秀人才。自从我国的人均达到1000美元之后，意味着我国的经济水平已经发展到了一定的水平，目前我国的高等教育发展状况已经进入了大众化阶段，根据统计结果显示我国高等教育的毛入学率已经超过了40%，教育已经从快速发展向高质量发展方向迈进。所以有必要对我国高等教育发展状况进行研究，但是由于各地区的经济发展和高等院校的分布格局都具有较大差异，所以选取我国31个省、市、自治区各自的高等教育发展水平作为研究对象，既可以代表性地概括我国高等教育大体上的发展水平，又可以找出各个地区教育发展不平衡的影响因素，有助于政府部门从宏观上把握不同地区的高等教育发展现状，对缩小地区间高等教育的差异性提出有效的对策和建议。 通过对本课题的研究，可以有效地获知我国各省、市、自治区在近10年内高等教育的发展水平和趋势，以及影响各地区高等教育发展的主要指标，为各个地方提升高等教育发展水平提供有效的建议。

国内外研究现状

2. 研究的基本内容

本文选取我国31个省、市、自治区2008年至2017年相应的教育统计数据作为研究对象，数据主要来源于《中国统计年鉴》、《中国教育年鉴》和《中国教育经费执行公告》。首先使用因子分析法对影响高等教育发展水平的10个影响因素：平均每所学校在校生数、每百万人口学校数、国家财政性教育经费占国内生产总值比例、生均教育经费、每十万人口教职工数、每十万人口专人教师数、高级职称占专任教师比例、每十万人口招生数、每十万人口在校生数和每十万人口毕业生数，提取公因子，确定3个公共因子，并根据这三个因子对于总体信息的贡献率得出综合因子得分。先对得分进行简单的排序处理，大致看出各省、市、自治区的高等教育发展情况，然后根据综合因子得分对各省、市、自治区的高等教育发展水平进行聚类分析。为了更客观对我国高等教育进行综合评价，引入熵权法来确定各指标的权重，根据算出的权重求得31个省、市、自治区2008—2017年的综合指标值。选择幂函数非线性回归模型和灰色人工神经网络模型分别对北京市10年的综合指标值做拟合并计算拟合值与实际值的相对误差。最后，选取相对误差较小的灰色人工神经网络模型来预测我国31个省、市、自治区2018—2022的综合指标值，这部分通过spss和灰色系统建模软件来实现。

3. 实施方案、进度安排及预期效果

实行方案：首先对选取的数据进行标准化处理，利用spss软件的因子分析法提取3个主成分因子，计算这三个公共因子在2008—2017年的平均得分即综合因子得分，根据综合因子得分分别对省、市、自治区进行排名，并利用spss软件的聚类分析法，将具有相同教育水平的地区划分为对应的类别。其次选择熵权法对10个指标赋权，计算各个指标的权重，得出各地区每年的教育综合指标值，然后分别选择幂函数非线性回归模型和灰色人工神经网络模型对各地区综合水平指标值进行拟合，分别对两个模型进行误差检验，选择误差较小拟合度较优的模型作为最终的预测模型，运用这个模型得出2018-2022年综合指标的预测值，这部分通过灰色系统建模软件和spss来实现。

进度：

4. 参考文献

[1] johnstone, j. n.indicators of education systems[j]. london: kogan page press,1981: 2-6.