来华留学生影响因素的实证分析

摘要加速国际学生流动被认为是促进高等教育国际化的最有效的途径之一。中国一直被认为是世界上最大的留学生输出国，到目前为止，这一地位依然没有改变，但是被忽视的一点是，2011年中国已经成为世界第十大留学生接收国。中国近30年来举世瞩目经济增长以及高等教育的空前发展是来华留学生数量迅速增长的主要推动因素。本研究将对其中的一些主要的经济因素和教育因素进行分析，试图找出这些因素在多大程度上影响着来华留学生的发展趋势。研究发现，中国的研究与开发投入占GDP的份额、高等教育入学率，以及中国与十大来华留学生输出国的GDP差距是影响来华留学生的最主要的三大因素。但是，世界前500名大学排名中中国大学数量，在所有因素中影响作用最小。由些可见，就目前来看，相对于中国的经济增长来说，中国高等教育的质量并不是主要吸引留学生来中国学习的主要因素。但是，目的国的高等教育质量才是吸引留学生的最根本因素。因此，本研究提出要进一步提升中国高等教育质量，保证我国留学生的教育的可持续性发展。

关键词：来华留学生，人均GDP，研究与发展支出、大学排名、高等教育入学率

 

一、导言

半个多世纪的全球化发展给世界各国带来了空前的机遇和挑战。各国在政治、经济、文化方面的交流和合作不断深入，但同时在能源、科技、和人才方面的争夺和竞争也日益激烈。高等教育，作为科技创新和知识传播重要的枢纽，在全球人才资源市场和智力支持的竞争中扮演着重要的角色。 高等教育国际化是全球化大背景下高等教育发展的必然趋势。在高等教育国际化的众多途径和指标当中，国际学生流动是其中重要途径之一 [1-3]。2010年全球有410万留学生，与2000年相比，增长了99%，而这十年间，全球高等教育学生总数仅增长了77%。美国、英国、澳大利亚、法国、德国是目前世界五大留学生接收国。

长期以来，我国一直在国际教育的市场上扮演着全球最大留学生输出国的角色。但是随着我国改革开放35年的发展，国家经济实力的不断增强，高等教育事业的日益蓬勃，2011年我国已经跻身全球十大留学生接收国之列，当年留学生人数达到292，611人，与2010年相比，增长了10%；其中40%的学生接受学历教育，研究生的人数也比上一年增加了25%。2010年9月国家教育部出台了《留学中国计划》，将2020年来华留学生的招收目标设定在50万人次，并成为亚洲最大的留学生接收国。

来华留学生的快速增长，很大程度上得益于我国过去30多年的经济高速增长。我国正从一个单一的留学生输出国逐渐转变成为一个同时具有输出和接受双重身份的国际教育的大国。但是，目前大量的文献中，还是将中国仅仅作为留学生输出国而非目的国进行研究，这显然已经不符合目前中国在国际教育市场上的地位。本文章中笔者将中国作为留学生目的国进行研究，考察哪些因素影响了来华留学生流动，并且这些因素在多大程度上造成了影响。

二、文献综述

在文献中，人力资本理论（Human Capital Theory）被广泛地引用来解释全球化背景下的留学生流动。该理论将获得学位、获取知识、掌握技能看作为人力资本投资，相应地获得经济上或社会地位上的回报。接受高等教育正可以满足人们获得学位、获取知识、掌握技能的要求，并在成功完成学业后，获得相应的回报。因此，从个人角度来说，如果接受高等教育能够提高他/她在劳动力市场上的竞争力，在条件允许的情况下，他/她愿意在高等教育上投资时间和金钱。从国家角度来说，一个国家的竞争力在很大程度上依赖其公民的知识储备和利用知识的能力。高等教育的天生属性即为知识的探索和传播，高质量的高等教育会为其国家培养高素质的公民，从而提高国家的国际竞争力。由此可见，获得高质量的高等教育的机会和追求高教育投资回报是国际学生的流动的两大动因。因此，国际学生从一个国家到另一个国家求学，通常发生在两种情况下：（1）输出国缺乏高质量的高等教育机会；（2）目的国具有较高的教育回报[4, 5]。

因此，无论从理论角度还是实证角度来说，目的国高质量的高等教育是吸引留学生的主要因素之一 [4, 6, 7]。尽管在学术领域对大学排名存在许多质疑的声音，但是大学排名还是被普遍认为是评估高等教育质量的指标之一。Perkins & Neumayer [7] 对欧洲18个国家进行研究证实了拥有大学排名靠前高校越多的国家，吸引了越多的留学生。另外其它研究发现[8]，论文的引用率也是衡量该国的高等教育质量的因素之一。因此，拥有高论文引用率的国家，同样也吸引了较多的留学生 [8]。

除了高质量的高等教育外，国内优质高等教育资源的缺乏也是促使本国学生前往另一个国家寻求教育机会的原因之一[9]。文献[e.g.,10]有这样的结论：国内高等教育机会与学生流出呈负相关。这里我们需要注意的是，政府对高等教育及科研的重视程度促进了国际学生的流动 [9, 11, 12]。文献中通常使用“研究与开发投入占GDP的份额”来衡量政府对高等教育和科研的重视程度。Hayrapetyan & Hayrapetyan [6]的研究发现，对研究与开发投入越大的国家，吸引越多的国际学生。

除了教育因素外，一个国家的经济因素也对国际学生的流动起到了非常重要的作用。人均GDP即为其中之一。但是，目前在文献中对于接收国人均GDP与国际学生的数量呈正相关还是负相关，还没有定论。Thissen & Ederveen [13] 的研究指出，国际学生倾向于前往高人均GDP及低失业率的国家，Perkins 和 Neumayer’s [7]的研究同意上述观点，并强调接收国与来源国的平均国民收入差距在很大程度上促进了国际学生的流动。 但是，Hayrapetyan & Hayrapetyan [6]的研究结论却认为接收国的人均GDP与国际学生数量呈负相关，换句话说，该研究认为国际学生倾向于前往人均GDP较小的国家留学。

除了人均GDP，该国家在世界经济中的参与程度与国际学生的流动的关系也有提及。Nadioo [10] 对在英国留学学生的来源国进行分析，发现那些在世界经济中参与程度较高的国家，鼓励学生出国留学。但是，目前文献中从接收国角度，对该因素进行分析的研究还较少。因此，本研究提出假设，国家在世界经济中参与程度越高会吸引越多的国际学生。

综上所述，目前文献中对留学生的流动因素的分析多是从地区或全球角度进行研究，尽管这样的研究对全球或某一地区国际学生的流动趋势进行全面的把握，但是忽视了各个国家自已的经济和教育特征对国际学生流动的影响。另外，在大多数文献中，中国始终是作为一个留学生输入国的角色出现在研究中，这也忽视了其做为留学生目的国的特征。因此，本研究基于上述两个方面，将目光聚集一个国家--- 中国，并将其作为留学生接收国进行来华留学生影响因素的分析。

三、变量的定义和假设的提出

在本研究中，中国将被定义为留学目的国，2011年前十大在来华留学生输送国被定义为来源国。其中：

因变量为1980年-2011年期间来华留学生的数量。该数据采集于中国教育部《全国来华留学生数据统计》（1980年-2011年）。

解释变量：本研究中一共采集了9个解释变量来分析来华留学生流动的影响因素。

-1980-2011年间中国的人均GDP (Xgdp)。采集于世界银行数据库（The World Bank database）。假设：中国人均GDP与来华留学生数量呈正相关。

-中国与留学生来源国人均GDP的差距(XdisGDP)。从世界银行数据库中分别采集1980-2011年间中国和10大来华留学生输送国的人均GDP数值，然后通过计算，得出中国与这些国家人均GDP的差值。假设：中国和来源国人均GDP的差距与来华留学生数量呈正相关。

-中国的对外贸易额(Xtrd)。采集于中国统计局《中国统计年鉴》，但只能追溯到1991年。考虑到数据的统一性，笔者并没有使用其它数据值进行替代。假设：中国的对外贸易额与来华留学生数量呈正相关。

-中国的人口失业率(Xune)。采集于世界银行数据库，但只能追溯到2000年。考虑到数据的统一性，笔者并没有使用其它数据值进行替代。假设：中国人口的失业率与来华留学生数量呈负相关。

-中国大学在世界前500名大学排名中的数量(Xuni)。本研究使用的是上海交通大学“世界大学学术排名”。但该数据仅可追溯到2003年。考虑到数据的统一性，笔者并没有使用其它数据值进行替代。假设：中国大学在世界前500名大学学术排名的数量与来华留学生数量呈正相关。

-中国高等教育入学率(Xenl)。采集于世界银行数据库（The World Bank Database）。提出的假设：中国高等教育入学率与来华留学生数量呈正相关。

-中国科技文章发表数量 (Xarl)[科技文章指的是在物理、生物、化学、数学、医学、生物医学、工程技术、地球与空间等领域发表的文章（世界银行）。]。采集于世界银行数据库（The World Bank Database）。但仅囊括了1981-2009年的数据。假设：中国科技文章的发表数量与来华留学生数量呈正相关。

-中国研究与开发的投入占GDP的比率(Xexp)。采集于世界银行数据库（The World Bank Database），但仅可追溯到1996年。假设：中国研究与开发的投入占GDP的比率与来华留学生数量呈正相关。

-中国从事研究与开发的研究者人数（每百万人）(Xres)。采集于世界银行数据库（The World Bank Database），但仅囊括了1996-2008年的数据。假设：中国从事研究与开发的研究者人数与来华留学生数量呈正相关。

 

来华留学生流动因素的模型：

Yenl =β0 + β1 Xgdp + β2 XdisGDP + β3 Xtrd + β4 Xune + β5 Xuni + β6 Xenl + β7 Xarl + β6 Xexp + β7 Xres + ε    (1)

四、数据分析与结果

本研究采用多元回归的方法分析因变量与解释变量之间的关系。在进行多元回归的测试之前，首先做了共线性诊断，判断解释变量有无线性相关，即多重共线性。 多重共线性是由于变量之间存在高度相关关系而使回归估计失真[14]，因此在回归测试应尽量避免。

共线性诊断发现本研究的解释变量之间存在显著的共线性关系。因此，采用主成分分析（PCA）方法，在保留变量原始意义的情况下，减少变量的数量。通过主成分分析（PCA），9个解释变量被归纳为2个主成分，其中第一主成分特征根为6.161，方差贡献率68.461%，且两个主成分的累积贡献率达到了99.26%，即所包含的信息量为原始数据信息量的99.261%。请见表1

 

表1. 主成分提取情况

 

 

Factors Initial Eigenvalues Extraction Sum of Squared loading Rotation Sums of Squared Loadings

total % of Variance Cumulative % total % of Variance Cumulative % total % of Variance Cumulative %

1 8.313 92.366 92.366 8.313 92.366 92.366 6.161 68.461 68.461

2 .621 6.895 99.261 .621 6.895 99.261 2.772 30.800 99.261

3 .063 .696 99.958 　 　 　 　 　 　

4 .004 .042 100.000 　 　 　 　 　 　

5 .000 .000 100.000 　 　 　 　 　 　

6 .000 .000 100.000 　 　 　 　 　 　

7 .000 .000 100.000 　 　 　 　 　 　

8 .000 .000 100.000 　 　 　 　 　 　

9 .000 .000 100.000 　 　 　 　 　 　

 

 

 

从表2中可以看出，第一主成分包括8个解释变量(Xgdp, XdisGDP, Xtrd, Xune, Xenl, Xarl, Xexp, and Xres)，第二主成分包括1个解释变量(Xuni). 根据主成分中包括的变量的含义，将第一主成分定义为“社会经济因素”，第二主成分定义为“大学排名因素”。

 

表 2. 方差旋转因素结果

Variable Factor loadings

Factor 1: Socio-economical factor 

-中国人均GDP (Xgdp) .774

-中国与留学生来源国人均GDP的差距(XdisGDP) .894

-中国的对外贸易额(Xtrd) .853

-    中国的人口失业率(Xune) -.814

-中国高等教育入学率(Xenl) .943

-中国科技文章发表数量(Xarl) .875

-中国研究与开发的投入占GDP的比率 (Xexp) .974

-中国从事研究与开发的研究者人数（每百万人）(Xres) .827

Factor 2: University ranking factor

-中国大学在世界前500名大学排名中的数量(Xuni) .956

 

根据旋转后的因子载荷矩阵（表3），因子得分系数表达式如下：

F1= -.007 Xgdp + 0.181 XdisGDP + 0.110 Xtrd – 0.066 Xune – 0.483 Xuni + 0.292 Xenl + 0.147 Xarl             +0.376 Xexp +0.081 Xres                                                                    (2)

F2 = .237 Xgdp - 0.064 XdisGDP + 0.052 Xtrd – 0.118 Xune + 0.946 Xuni—0.249 Xenl—0.010 Xarl – 0.389Xexp +0.095 Xres                                                (3)

表 3. 旋转后的因子载荷矩阵

  Component

1 2

人均GDP (Xgdp) -.007 .237

中国与留学生来源国人均GDP的差距(XdisGDP) .181 -.064

中国的对外贸易额(Xtrd) .110 .052

中国的人口失业率(Xune) -.066 -.118

中国大学在世界前500名大学排名中的数量(Xuni) -.483 .946

中国高等教育入学率(Xenl) .292 -.249

中国科技文章发表数量(Xarl) .147 -.010

中国研究与开发的投入占GDP的比率 (Xexp) .376 -.389

中国从事研究与开发的研究者人数（每百万人）(Xres) .081 .095

 

因此，9个解释变量可以用F1和F2替换，并且将F1和F2作为自变量代入到回归测试当中，因此，方程式（1）可以写成：

Yenl =β0 + δ1F1 + δ2F2                                (4)

 

通过SPSS多元回归计算，结果如下表（表4），R2 = 0.995，p= 0.005 < 0.050。这说明，因变量Yenl (来华留学生数量) 的99.5%的信息可以被上述回归方程式所解释，并且该回归方程式具有显著的统计学意义（p < 0.050）

 

表4. 模式概况

Model R R Square Adjusted R Square Std. Error of the Estimate

1 .998 .995 .991 4395.525

 

除此之外，表5中显示，自变量（F1和F2）与因变量Yenl之间存在显著的线性关系。因此，公式（2）可以写成：

Yenl =137569.8 + 40747.566F1 + 20103.916F2              (5)

 

表5. 系数

Model Unstandardized coefficients Standardized coefficients t Sig.

B Std. Error Beta

1 constant 137568.800 1965.738 　 69.983 .000

REGR factor score 1 for analysis 1 40747.566 2197.762 .895 18.540 .003

REGR factor score 2 for analysis 1 20103.916 2197.762 .441 9.147 .012

 

公式中的F1和F2可以用公式（2）和（3）替换，因变量（来华留学生数量）与自变量（中国人均GDP (Xgdp), 中国与留学生来源国人均GDP的差距(XdisGDP), 中国对外贸易额(Xtrd), 中国人口失业率 (Xune), 中国大学在世界前500名大学排名中的数量(Xuni), 中国高等教育入学率(Xenl), 中国科技文章发表数量(Xarl), 中国研究与开发的投入占GDP的比率(Xexp), 和中国从事研究与开发的研究者人数（每百万人）(Xres) 的关系可以用公式（6）表示：

 

Yenl = 137569.8+4479.395Xgdp+6088.659Xdisgdp+5527.635Xtrd–5061.601Xune +662.769Xuni+6892.416Xenl+5788.853Xarl+7500.662Xexp+5210.425Xres          (6)

 

五、基本结论与政策建议

本研究针对来华留学生流动所做的实证分析的数据结果如下：

对来华留学生数量影响程度最大的三个因素依次为：中国研究与开发的投入占GDP的比率(Xexp)会（Beta =7500.662），高等教育入学率（Xenl) (Beta = 6892.416), 以及中国与留学生来源国人均GDP的差距(XdisGDP) (Beta=6088.659)。来华留学生人数与这些因素呈显著正相关。

中国科技文章发表数量 (Xarl) (Beta=5788.853)、中国的对外贸易额(Xtrd) (Beta= 5527.635)、中国从事研究与开发的研究者人数（每百万人）(Xres) (Beta=5210.425)与来华留学生人数成正相关，但影响程度仅次于上述三大因素。

来华留学生人数与中国人口失业率 (Xune) 呈显著负相关（Beta=5061.601）；与中国人均GDP（Xgdp）（Beta= 4479.395），和中国大学在世界前500名大学排名中的数量(Xuni)（Beta=662.769）呈显著正相关，但是相关系数与其它因素相比数值较小，表明这些因素对来华留学生人数的影响与其它因素相比相对较小。

根据上述的数据分析结果，本文得出的基本结论及政策建议包括： 

第一、来华留学生数量与我国国家软实力的建设有着更为紧密的关系，特别是科研开发的实力，包括中国对研究与开发的投入、科技文章的发表数量、及从事科研开发的人数等。从这一角度来说，加大对科技创新能力的建设是发展我国国际教育的主要推动力量之一。因此，针对此结论，笔者提出以下政策建议:

政府继续加大对科研开发的投入，提升国家的科研创新能力，这其中最主要的是要重视对高端科技人才的引进和培养，提高我国科研人员的比重。首先，我国要加大资助额度，将国内理论知识扎实、科研能力强、具有国际前瞻视野的年轻科学技术人员派出国外，加强国际交流，学习国外先进的经验。目前，我国的公派留学生的数量较少，2012年仅为1.6万人，无法满足我国对大量科研人才的需要。尽管过年的几十年中，我国自费留学占了出国留学的绝大部分，但是自费留学受国家计划控制较小，受个人选择因素影响较大，而公派留学受国家计划控制性较强，可以针对我国科研开发中较薄弱的领域，对留学生进行有目的的、有计划的培养。另外，我们可以引入政府、企业、及其它科研开发单位三方资助机制，扩大派出科研开发的人员的数量。其次，我们要通过国际科研合作和国际交流等方式加大国外高端科技人才的引进。目前，我国对海外高端人才引进的政策和手段很多，但是引进并不难，难的是如何将这些人才留住，这才是值得我们思考的问题。目前我国的引进力度主要放在吸引海外学子和华人华侨上，其实上，我们也应考虑引进非华裔的科学家，可以在工作时间上灵活安排，简化签证手续，通过与国外科研机构合作等方式吸引更多的海外科学家。

第二、本研究发现，我国的经济高速发展以及与全球经济发展的亲密程度是促进来华留学生数量大幅度增长的根本动力（与中国与留学生来源国人均GDP的差距、中国的对外贸易额、中国人均GDP呈正相关；与我国的人口失业率成负相关）。 在经过长达30多年的GDP高速增长之后，如何在未来几十年可持续地发展才是值得我们思考的问题。2012年党的“十八大”会议上提出，中国急需转变经济增长方式，从过去过分依赖投资、出口、以及低劳动力成本的经济增长方式向集约型、创新经济转变。对外贸易要从规模速度型向质量效益型转变，推动我国产业在全球分工中提升位势。因此，继续保持稳定的经济增长，也是推动我国留学生教育的重要力量之一。

第三、本研究还发现，中国高等教育的相关因素，比如高等教育入学率和中国大学在世界前500名大学排名中的数量对来华留学生数量也具有一定的影响力。但是，从数据分析结果来看，中国高校入学率影响程度更大，而大学排名在所有因素中影响程度最小。我国自上个世纪九十年代后期实行“高校扩招”政策之后，政府投入了大量的经费用于高校设施建设，以满足迅速增长的学生数量的要求，这也是保证来华留学生数量持续增长的重要保障之一。但是，值得注意的是，中国大学排名并没有对来华留学生产生很大程度上的影响。由此可见，留学生选择来中国学习，中国大学本身的教育质量目前并不是留学生关注的重点。这与文献中提出的目的国的高等教育质量是吸引留学生最主要的影响因素相悖。

因此，针对这一点，笔者所提的政策建议是：在保证我国高等教育入学率的同时，也要注意对高等教育质量的提升。就目前我国的留学生教育来说，首先要制定出适合留学生发展的培养计划和目标，同时借鉴国外先进的留学生培养模式，探索适合我国国情的留学生培养模式。第二、打造高水平师资队伍。培养出一批理论知识扎实、有国际视野、外语水平高、理解不同文化冲突的高素质教师。第三、加强留学生管理。探索合理高效的留学生管理模式，提供完善的后勤保障服务，包括住宿、餐饮、保险、信息咨询等。第四、促进留学生与本国学生的交流。让留学生了解中国文化和社会。

 

参考文献

[1] F. Maringe, "Globalisation and Internationalisation in HE: A survey of UK universities," presented at the ICHEM Conference at the University of Minho, Portugal, 2008.

[2] J. Knight, "Internationalization remodelled: Definition, approaches, and rationales," Journal of Studies in International Education, vol. 8, pp. 5-31, 2004.

[3] J. Knight, "Internationalisation of Higher Education," in Quality and Internationalisation in Higher Education, J. Knight and H. d. Wit, Eds., ed Paris: OECD Publishing, 1999.

[4] M. Beine, R. Noel, and L. Ragot, "The determinants of international mobility of students," CESifo Working Paper Series, vol. 3848, 2011.

[5] J. L. Waters, "Geographies of cultural captial: Education, international migration and family strategies between Hong Kong and Canada," Gransactions of the Institute of British Geographers, vol. 31, pp. 179-192, 2006.

[6] G. Hayrapetyan and V. Hayrapetyan, "The determinants of the attractives of national higher education systems," in EERC Working Paper Series ed, 2009.

[7] R. Perkins and E. Neumayer. (2011, 12 Dec 2012). Geographies of education mobilities: Exploring unevenness, difference and changes in international student flows. Available: http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1857523

[8] L. Van Bouwel and R. Veugelers, "Does university quality drive international student flows? ," presented at the the summer conference, CBS- Copenhagen Business School, 2009.

[9] P. G. Altbach, D. Kelly, and Y. G. M. Lulat, Research on foreign students and international study: An overview and bibliography. New York: Praeger, 1985.

[10] V. Nadioo, "Research on the flow of international students to UK university: Determinants and implications," Journal of research in international education, vol. 6, pp. 287-307, 2007.

[11] W. Cumming, "Going overseas for higher education: the asian experience," Comparative Education Review, vol. 28, pp. 241-257, 1984.

[12] M. McMahon, "Higher education in a world market: An historical look at a global context of international study," Higher Education, vol. 24, pp. 465-482, 1992.

[13] L. Thissen and S. Ederveen, "Higher education: Time for coordination on a European level?," in CPB discussion Paper No.68, ed, 2006.

[14] R. Matignon, Neural Network Modeling Using Sas Enterprise Miner. Bloomington: AuthorHouse 2005.

职称论文发表---博途论文网