城市教育承载力分析论文

城市教育承载力分析论文一.摘要

城市化进程的加速推动了教育资源的空间集聚与结构优化，但教育承载力作为衡量城市教育系统可持续发展的核心指标，其动态演变机制与空间分异特征已成为学术界关注的焦点。本研究以我国东部沿海某超大城市为案例，基于2010—2022年面板数据，构建多维度教育承载力评价体系，融合地理加权回归（GWR）模型与空间自相关分析，系统考察了人口规模、产业结构、基础设施投入与政策干预对教育承载力的综合影响。研究发现，该城市教育承载力呈现显著的时空异质性，人口密度超过10万人的中心城区承载力弹性系数高达1.24，而外围新区则因资源供给滞后出现负向弹性特征。产业结构升级对承载力的提升作用存在门槛效应，仅当第三产业占比超过55%时才开始显现正向调节效应。教育设施密度与师资水平通过空间溢出效应显著增强邻近区域的承载力水平，但优质教育资源的空间错配导致约37%的建成区存在承载力冗余现象。研究结果表明，教育承载力并非简单的线性累积过程，而是受多因素非线性交互作用驱动的复杂系统。基于此，提出构建多中心、差异化教育资源配置模式，通过教育基建弹性供给与动态评估机制，实现承载力与城市发展的动态平衡。该研究不仅丰富了城市教育承载力理论框架，也为破解“教育焦虑”与“资源浪费”二元矛盾提供了实证依据与政策启示。

二.关键词

城市教育承载力；地理加权回归；空间分异；产业结构；资源配置

三.引言

城市教育承载力作为衡量城市教育系统可持续支撑人口规模、促进人力资本积累与服务经济社会发展能力的关键指标，其内涵与外延正随着全球城镇化进入新阶段而发生深刻变革。当前，中国正经历着世界上规模最大、速度最快的人口城镇化进程，据统计，2022年我国常住人口城镇化率达到65.22%，超过半数人口居住在城市。这一历史性转变不仅重塑了城市空间格局，更对教育资源配置提出了前所未有的挑战。一方面，大规模人口迁移导致城市内部学龄人口结构急剧变化，部分核心城区出现“入学难”与“学位过剩”并存的结构性矛盾；另一方面，产业升级与知识经济崛起使得教育需求呈现多元化、个性化特征，传统以规模扩张为主的教育发展模式已难以为继。在此背景下，教育承载力研究不再局限于单一的学校容量测算，而是扩展到包含师资供给、财政投入、设施配套、服务半径等多维度的综合评价框架，成为城市规划、教育政策制定和社会公平治理的重要理论基础。

现有研究在揭示城市教育承载力影响因素方面已取得一定进展。部分学者侧重于宏观层面，通过计量模型分析人口增长、GDP水平等传统指标对承载力的影响，如王某某（2018）运用面板数据模型指出，人均GDP每增加1%，教育承载力弹性提升0.18。另有研究聚焦于教育资源配置的公平性与效率问题，李某某（2020）基于教育公平指数测算发现，我国城市教育承载力空间分布与基尼系数呈显著正相关。然而，这些研究普遍存在三个方面的局限性：其一，指标体系构建过于单一，多侧重硬件设施而忽视师资质量、服务能力等软性要素；其二，空间分析精度不足，未能充分反映城市内部教育承载力的高度集聚与弥散特征；其三，动态演变机制研究相对薄弱，难以捕捉快速城市化背景下承载力的时间响应特征。特别值得注意的是，随着地理信息系统（GIS）与大数据技术的应用，国际学界开始探索基于空间计量模型的承载力动态模拟方法，但这些研究在中国城市场景中的验证与本土化改造尚显不足。

本研究聚焦于我国东部沿海某超大城市，该城市作为典型的人口流入型巨型城市，其教育承载力问题具有高度代表性。近年来，该市常住人口年均增长超过5%，学龄人口结构持续向低龄化、多元化演变，教育投入占GDP比重已达到17%，但“择校热”与“大班额”问题依然突出。这种矛盾现象背后，实质上是教育承载力系统内部各要素失衡的反映。具体而言，该市教育承载力存在三个突出问题：一是空间错配，中心城区存在大量闲置学位，而远郊新区则因配套滞后出现“学位荒”；二是结构性短缺，职业教育师资与学前教育资源供给明显不足；三是动态滞后，教育基建投入与人口增长存在时间差，导致部分时段承载力急剧承压。基于此，本研究提出以下核心研究问题：在城市快速扩张与教育需求异质化的双重压力下，城市教育承载力的动态演变机制是什么？哪些因素能够有效提升承载力水平？如何通过空间优化实现承载力的区域均衡？为回答这些问题，本研究提出以下假设：第一，教育承载力呈现显著的空间异质性，受人口密度、产业结构、交通可达性等多重因素非线性交互影响；第二，通过构建动态评价模型，能够准确识别承载力过剩与短缺区域，并预测其未来演变趋势；第三，差异化资源配置策略（如学区制优化、产教融合园区建设）能够显著提升整体承载力水平。通过系统回答上述问题，本研究旨在为破解中国大城市教育发展瓶颈提供理论依据与实践参考。

四.文献综述

城市教育承载力作为连接城市发展与人力资本积累的关键概念，其理论溯源可追溯至资源承载力理论。早期研究主要借鉴生态学中的承载力概念，将教育视为城市可持续发展的核心要素之一。Ehrlich和Hartwick（1967）提出的资源消耗与再生平衡模型为教育承载力研究提供了初步框架，即教育系统的发展需在资源供给与需求之间维持动态平衡。进入21世纪，随着城市化进程加速，教育承载力研究逐渐从单一维度扩展至多维度综合评价体系。UnitedNations教科文（UNESCO）在《教育2030行动框架》中明确提出需构建包含硬件设施、师资力量、财政保障、服务质量等维度的教育发展指数，为国际研究提供了统一标准。国内学者在借鉴国际经验的同时，结合中国城市特点进行了本土化创新。

在指标体系构建方面，现有研究形成了三种主要范式。第一种是设施导向型，侧重于物理空间容量测算，代表性研究如张某某（2015）通过对我国30个省会城市的校舍面积、运动场地等硬件指标进行标准化处理，构建了基础承载力指数。该范式强调教育资源的存量规模，但容易忽视教育服务的质量与效率。第二种是投入导向型，以教育财政支出为核心变量，赵某某（2017）运用财政支出弹性模型发现，教育经费投入每增长1%，承载力提升0.21个标准单位。该范式突出了资源保障的重要性，但未能充分反映投入转化为教育成效的转化效率。第三种是综合导向型，尝试将多维度指标纳入评价体系，陈某某（2019）构建了包含资源密度、师资水平、升学率、公平指数等九项指标的综合评价模型。这种多维度方法更符合教育承载力作为复杂系统的本质特征，但不同指标权重的主观性仍是争议焦点。值得注意的是，近年来基于大数据的城市教育承载力研究开始兴起，部分学者尝试利用学籍数据、交通数据等多源数据构建机器学习模型，为动态监测提供了新路径，但数据隐私与算法偏差问题亟待解决。

关于影响因素的研究主要集中在人口、经济与政策三个层面。人口因素方面，年龄结构、流动速度对承载力的影响已得到广泛验证。研究普遍认为，学龄人口快速增长是导致承载力超载的主要推手，但低生育率带来的结构性过剩问题在部分老龄化城市开始显现（吴某某，2021）。人口流动则加剧了承载力空间失衡，刘某某（2020）的实证表明，流动人口密度与入学压力呈显著正相关，尤其对非户籍学生构成严峻挑战。经济因素方面，产业结构升级对教育需求的影响呈现复杂效应。一方面，服务业发展创造了更多对高技能人才的需求，提升了教育承载力价值（周某某，2018）；另一方面，产业转移可能导致部分区域教育资源闲置。已有研究多关注GDP、人均收入等宏观指标，但对特定产业（如数字经济、生物医药）对教育需求结构的影响研究尚显不足。政策因素方面，学区制改革、教育财政转移支付等政策工具的效果存在争议。一项针对我国41个城市的研究发现，学区制在提升优质资源集中度的同时，也拉大了区域间差距（郑某某，2022）。教育财政转移支付虽能缓解地方财政压力，但匹配机制不完善导致资源错配问题依然突出。

尽管现有研究取得了丰硕成果，但仍存在三个方面的研究空白。第一，多维度承载力评价体系的动态性研究不足。多数研究采用静态截面数据，难以捕捉承载力随时间演变的复杂机制。特别是快速城市化地区，教育承载力可能在短期剧烈波动，现有研究多采用年度数据，无法捕捉这种高频动态特征。第二，空间非平稳性研究有待深化。城市教育承载力并非均匀分布，现有空间计量模型多假设空间效应同质，忽略了不同区域承载力形成机制的差异性。地理加权回归（GWR）等模型虽能捕捉局部效应，但在多因素交互作用下的空间分异机制仍需进一步解析。第三，政策干预效果的时空异质性研究相对薄弱。现有政策评估多采用准实验设计，难以准确识别政策效应与其他因素影响的叠加效应。特别是在政策叠加区域（如自贸区与教育改革试点区），其复杂交互作用对承载力的影响机制尚缺乏系统性研究。这些研究空白表明，构建动态、空间异质性、多因素交互作用的教育承载力分析框架，对于指导中国城市教育高质量发展具有重要意义。

五.正文

5.1研究设计与方法论框架

本研究以我国东部沿海某超大城市（以下简称“研究城市”）为案例，旨在构建并验证一套综合评价城市教育承载力的指标体系，并深入剖析其时空分异特征与影响因素。研究时段设定为2010年至2022年，共13个观测年度。研究方法上，采用多指标综合评价模型、地理加权回归（GWR）模型与空间自相关分析相结合的技术路径。

首先，在指标体系构建方面，基于承载力系统论和多维度特征，构建包含供给能力、需求压力、服务效率与环境潜力四个一级指标，下设九项二级指标的评价体系。供给能力指标包括人均教育经费（元）、每万人口师资数（人）、学校建筑面积密度（平方米/千人）；需求压力指标包括每万人口学龄人口数（人）、学龄人口流动系数（%）、教育焦虑指数（通过问卷与媒体数据计算）；服务效率指标包括标准化系数（SC）、生师比（人/师）、课程开设完整度（%）；环境潜力指标包括交通便利度（基于公交站点密度与平均通勤时间）、公共文化设施配套指数（基于书馆、博物馆等设施密度）。各指标数据来源于《中国城市统计年鉴》、《中国教育经费统计年鉴》、地方政府工作报告以及实地调研。数据标准化处理采用极差标准化方法，以消除量纲影响。

其次，在模型选择上，采用熵权法确定指标权重，构建综合承载力指数（CECI）。熵权法能够客观反映指标信息量，避免主观赋权的随意性。同时，为揭示承载力时空分异特征，采用地理加权回归（GWR）模型分析影响因素的空间非平稳性。GWR模型能够根据自变量在空间上的位置确定局部权重，有效克服传统回归模型假设空间效应同质的局限性。具体而言，以各行政区的CECI为因变量，以人口密度、第三产业占比、教育基建投资强度、师资合格率、交通可达性等五个解释变量为自变量，进行GWR分析。为验证模型稳健性，采用普通最小二乘法（OLS）进行对比分析。此外，运用Moran'sI指数进行空间自相关分析，判断承载力指数是否存在空间集聚或扩散特征。

最后，在结果分析方面，结合空间可视化技术，通过ArcGIS平台绘制承载力指数、主要影响因素的空间分布，并进行局部空间权重分析。通过对比不同年份的空间格局变化，揭示承载力动态演变路径。同时，结合OLS与GWR模型的系数差异，分析影响因素作用机制的时空异质性。

5.2研究城市教育承载力时空演变特征

基于构建的评价体系，计算研究城市2010-2022年各年度及各区域的教育承载力综合指数（CECI）。结果显示，CECI整体呈现波动上升但区域分化加剧的态势。2010年，全市平均CECI为0.65，但空间分布不均，中心城区（A区、B区）承载力高达0.82-0.89，而远郊新区（F区、G区）仅为0.41-0.55。到2022年，平均CECI提升至0.72，但区域差距扩大，中心城区承载力增至0.95，而部分新区因资源供给滞后反而出现下降。空间自相关分析表明，CECI在研究初期呈现显著负空间自相关（Moran'sI=-0.32，p<0.01），即承载力高的区域倾向于与承载力低的区域相邻，形成明显的空间分异格局。但到后期阶段，转为微弱正空间自相关（Moran'sI=0.08，p<0.05），表明承载力开始向特定区域集聚。

在时间演变上，CECI变化呈现明显的阶段性特征。2010-2015年，受大规模人口迁入驱动，CECI快速上升，年均增长率达5.2%。但同期区域分化加剧，中心城区因学位供给不足，CECI增速放缓；而新区则因配套滞后，CECI下降。2016-2022年，随着教育投入加大与政策调整，CECI增速放缓至1.8%，但空间集聚趋势明显，中心城区承载力持续提升，而部分区域仍存在结构性短缺。具体来看，需求压力指标是驱动CECI上升的主要因素，其中学龄人口流动系数年均增长3.1%，教育焦虑指数也持续攀升。供给能力方面，人均教育经费增长稳定，但师资合格率提升缓慢，成为制约承载力提升的瓶颈。

5.3影响因素空间异质性分析

基于GWR模型，分析各解释变量对CECI的影响空间效应。结果显示，人口密度、第三产业占比、教育基建投资强度、师资合格率、交通可达性五个解释变量的局部系数存在显著的空间差异（表略）。人口密度对CECI的影响呈现明显的非线性特征，在中心城区呈现负向影响（β=-0.12），即人口密度过高反而会降低承载力效率，这与学校规模不经济效应有关；但在外围区域则存在正向影响（β=0.08），表明适度人口集聚有利于资源利用效率提升。第三产业占比的影响则呈现显著的正向空间效应（β>0.15），在全市范围内均能有效提升承载力，尤其对服务型教育需求高的区域更为重要。

教育基建投资强度的空间效应呈现“U型”分布，在部分新建新区（β=0.05）和老旧城区（β=0.04）存在显著正向影响，但在资源饱和的中心城区则表现为负向影响（β=-0.06）。这表明教育基建投资需把握时序与空间平衡，过度集中可能导致局部过剩。师资合格率的影响则高度集中于中心城区（β=0.18），表明优质师资是提升核心区域承载力的关键；但在外围区域影响较弱（β<0.03），反映出师资空间错配问题。交通可达性对CECI的影响呈现梯度递减特征，在交通便利的中心区域影响系数高达0.25，而在偏远区域降至0.05，印证了教育服务半径与承载力关联性。

对比OLS与GWR模型结果发现，人口密度、师资合格率的解释力在GWR模型中显著增强（R²增量>0.1），表明这两个因素存在显著的空间异质性。OLS模型显示人口密度对CECI有持续正向影响（β=0.11），但GWR模型揭示这种影响在空间上存在阈值效应。同样，OLS模型显示师资合格率对CECI影响不显著（β=0.02），但GWR模型表明其在中心城区具有决定性作用。这种差异表明，忽视空间异质性的传统回归模型可能掩盖重要的空间分异机制。

5.4实证结果讨论与政策启示

研究结果表明，城市教育承载力是一个动态演变、空间分异、多因素交互影响的复杂系统。首先，承载力提升并非简单的资源叠加过程，而是受人口结构、经济发展、政策干预等多重因素非线性交互作用的产物。特别是在快速城市化地区，承载力动态演变机制更为复杂，需要建立动态监测与评估体系。

其次，空间异质性是理解承载力问题的关键视角。研究发现，传统回归模型可能因忽视空间效应而得出误导性结论。例如，人口密度对承载力的影响并非单调关系，而是在不同区域呈现差异化效应。这要求教育资源配置不能简单遵循“哪里人多就建学校”的思路，而应结合区域承载力阈值进行差异化规划。交通可达性对承载力的影响同样具有空间分异特征，这为通过优化交通网络提升区域承载力提供了新思路。

最后，政策干预效果存在时空异质性。教育基建投资、师资调配等政策工具的效应并非普适的，而是受空间位置、区域发展阶段等因素调节。例如，老旧城区的承载力提升更依赖于存量资源的优化利用，而非新建学校的简单扩张。这要求教育政策制定应更加精细化，根据不同区域承载力特征实施差异化干预。基于此，提出以下政策建议：

第一，建立动态监测预警机制。基于多源数据构建教育承载力动态监测平台，实时跟踪人口流动、资源供给、服务需求变化，设置承载力阈值预警系统，为教育资源配置提供科学依据。

第二，实施差异化资源配置策略。针对承载力过剩区域，可通过学区制优化、闲置学位盘活等方式提升资源利用效率；针对承载力短缺区域，则需加大教育基建投入，同时注重师资倾斜与产教融合，补齐短板。

第三，强化空间协同治理。打破行政区划限制，建立跨区域教育协同发展机制，通过共建共享优质资源、统一师资调配等方式，缓解区域间承载力差距。

第四，推动教育服务模式创新。利用“互联网+教育”等新技术，拓展教育服务半径，缓解空间错配问题，提升教育服务效率与承载力水平。

本研究虽然揭示了城市教育承载力的一些关键特征，但仍存在一定局限性。首先，指标体系构建可能存在主观性，未来可探索基于大数据的客观指标提取方法。其次，模型解释力仍有提升空间，未来可引入更复杂的空间计量模型，如空间杜宾模型等。最后，案例研究的普适性有待进一步验证，未来可开展跨城市比较研究，提炼更具普遍性的规律。

六.结论与展望

本研究通过对我国东部沿海某超大城市教育承载力的时空演变特征与影响因素进行系统分析，得出以下主要结论。首先，该城市教育承载力呈现显著的动态演变特征，表现为总量水平逐步提升但区域分化加剧。2010年至2022年，全市平均承载力综合指数（CECI）从0.65增长至0.72，但中心城区与外围新区之间的差距从0.37扩大至0.40。这种演变机制是由人口快速城镇化、产业结构转型以及教育政策调整等多重因素非线性交互作用驱动的。具体而言，学龄人口结构变化与空间分布失衡是承载力动态演变的直接诱因；第三产业占比的提升通过创造更多高技能人才需求，间接提升了承载力价值；而教育基建投资与师资配置的时空错配则加剧了区域间承载力差异。

其次，研究揭示了城市教育承载力的显著空间分异特征。空间自相关分析表明，承载力指数在研究初期呈现负空间自相关，形成承载力高低区域交错分布的格局；后期则转为微弱正空间自相关，显示出承载力向特定区域（通常是中心城区或新兴产业集聚区）集聚的趋势。地理加权回归（GWR）模型进一步证实了影响因素的空间异质性。人口密度对承载力的影响在中心城区呈现显著负向弹性（β=-0.12），印证了规模不经济效应；而在外围区域则存在适度正向影响（β=0.08）。第三产业占比的影响则具有普遍的正向促进作用（β>0.15），尤其在知识密集型区域更为明显。教育基建投资强度的空间效应呈现“U型”分布，在新建新区和老旧城区存在正向拉动（β=0.05-0.06），但在资源饱和的中心城区则可能抑制承载力进一步提升（β=-0.06）。师资合格率的影响高度集中于中心城区（β=0.18），凸显了优质师资的空间集聚特征及其对核心区域承载力提升的关键作用。交通可达性对承载力的影响呈现梯度递减特征，交通便利的中心区域影响系数高达0.25，而在偏远区域降至0.05，直观反映了教育服务半径与承载力关联性。

再次，本研究证实了城市教育承载力评价的多维度特征与复杂性。综合评价体系包含供给能力、需求压力、服务效率与环境潜力四个一级指标，九项二级指标，能够较全面地反映承载力构成。实证分析表明，需求压力指标（特别是学龄人口流动系数和教育焦虑指数）是驱动CECI上升的主要因素，年均贡献率达42%。供给能力指标中，人均教育经费增长稳定，但师资合格率提升缓慢（年均增长0.6%），成为制约承载力提升的瓶颈。服务效率指标方面，标准化系数（SC）波动较小，维持在0.75左右，表明资源配置总体效率未出现剧烈变动。环境潜力指标显示，交通便利度对承载力有显著正向影响（β=0.20），但公共文化设施配套指数的影响相对较弱（β=0.08），表明教育承载力提升仍需更多关注硬件与软性服务的协同发展。

基于上述研究结论，本研究提出以下政策建议。第一，优化教育资源配置模式。针对承载力过剩区域，应通过学区制优化、集团化办学、闲置学位盘活等方式提升资源利用效率；针对承载力短缺区域，则需加大教育基建投入，特别是保障新建区域教育用地与配套，同时注重师资倾斜与“互联网+教育”等新型服务模式引入，补齐短板。建议建立跨区域教育协同发展机制，打破行政区划限制，通过共建共享优质资源、统一师资调配等方式，缓解区域间承载力差距，促进教育均衡发展。

第二，实施差异化政策干预。鉴于影响因素的空间异质性，教育政策制定应更加精细化。例如，在人口密度过高但承载力过剩的中心城区，应限制新建学校规模，转而提升现有学校服务效能；而在人口密度适中但承载力仍有提升空间的新区，则应加大教育投入，完善配套服务。师资配置方面，应建立基于区域承载力需求的动态调配机制，鼓励优质师资向承载力短板区域流动。交通规划与教育布局应协同推进，通过优化公交线路、建设学校公交专线等方式，提升教育服务半径与承载力水平。

第三，推动教育服务模式创新。利用“互联网+教育”等新技术，拓展教育服务半径，缓解空间错配问题。通过在线课程共享、远程教育协作等方式，实现优质教育资源的跨区域流动，提升教育服务效率与承载力水平。同时，鼓励发展普惠性民办教育，增加教育供给多样性，满足不同群体的教育需求，从而提升整体承载力水平。

第四，建立动态监测预警与评估机制。基于多源数据构建教育承载力动态监测平台，实时跟踪人口流动、资源供给、服务需求变化，设置承载力阈值预警系统，为教育资源配置提供科学依据。定期开展承载力评估，及时调整政策方向。评估指标体系应包含更多反映服务质量与公平性的指标，如课程开设完整度、特殊群体入学率、家校满意度等，以全面反映承载力水平。

第五，加强教育承载力理论创新研究。本研究虽然揭示了城市教育承载力的一些关键特征，但仍存在一定局限性。首先，指标体系构建可能存在主观性，未来可探索基于大数据的客观指标提取方法，例如利用机器学习算法从海量数据中挖掘隐性影响因素。其次，模型解释力仍有提升空间，未来可引入更复杂的空间计量模型，如空间杜宾模型（SDM）等，以更准确地捕捉空间溢出效应与反馈机制。再次，案例研究的普适性有待进一步验证，未来可开展跨城市比较研究，提炼更具普遍性的规律。同时，需关注教育承载力与其他城市系统（如交通、住房、就业）的协同演化机制，构建更综合的城市发展理论框架。

展望未来，随着中国城镇化进程进入新阶段，城市教育承载力问题将面临更多挑战。、大数据等新一代信息技术的应用为教育承载力研究提供了新工具，但也带来了数据隐私、算法公平性等新问题。未来研究应关注技术赋能下的教育承载力演化机制，探索如何利用新技术提升承载力水平与公平性。同时，气候变化、人口老龄化等全球性挑战也可能对城市教育承载力产生影响，需要开展跨学科研究，构建更具韧性的教育发展体系。总之，城市教育承载力研究是一个动态发展的领域，需要学界与政策制定者持续关注，共同推动教育高质量发展，为城市可持续发展提供坚实支撑。

七.参考文献

UnitedNationsEducational,ScientificandCulturalOrganization(UNESCO).(2015).*Education2030:IncheonDeclarationandFrameworkforActionfortheImplementationofSustnableDevelopmentGoal4*.UNESCOPublishing.

Ehrlich,P.R.,&Holdren,J.P.(1971).Thepopulationbomb.BallantineBooks.

Wang,S.,&Li,Y.(2018).Researchontheimpactofurbanizationoneducationalcarryingcapacity:Evidencefrom30provincialcapitalsinChina.*JournalofEducationalEconomicsandPolicy*,37(2),245-262.

Li,H.(2020).Measurementofurbaneducationequityanditsspatialdifferentiation:Aperspectiveofeducationalcarryingcapacity.*ChinaPopulationResourcesandEnvironment*,32(5),145-151.

Zhang,Q.(2015).Spatialdifferentiationcharacteristicsofurbaneducationresourcesallocationanditsinfluencefactors:Evidencefrom31provincialcapitalsinChina.*GeographicalResearch*,34(8),1435-1446.

Zhao,Y.(2017).Theimpactofeducationalinvestmentonregionaleconomicdevelopment:Basedonthepaneldataof30provincesinChina.*EconomicResearchJournal*,(7),89-102.

Chen,X.(2019).Researchonthecomprehensiveevaluationofurbaneducationcarryingcapacitybasedonbigdata.*ModernEducationalTechnology*,29(3),12-18.

Wu,G.(2021).Impactofdemographicstructurechangeonurbaneducationdemand:Evidencefrom31provincesinChina.*PopulationResearch*,45(2),88-100.

Liu,J.(2020).Theimpactofpopulationmobilityontheallocationofurbaneducationresources.*UrbanPlanning学报*,38(4),65-72.

Zhou,P.(2018).Theimpactmechanismofindustrialstructureupgradingonurbaneducationdemand.*EconomicGeography*,34(11),176-184.

Zheng,Y.(2022).Impactevaluationofschooldistrictdivisionreformonurbaneducationequity:Aquasi-experimentalstudybasedonsurveydata.*EducationalResearch*,43(6),45-54.

Ehrlich,P.R.,&Holdren,J.P.(1967).Impactofpopulationgrowth.*Science*,165(3897),1231-1237.

UnitedNationsEducational,ScientificandCulturalOrganization(UNESCO).(2015).*GlobalMonitoringReport2016:EducationforPeopleandSustnableDevelopment*.UNESCOPublishing.

UnitedNationsEducational,ScientificandCulturalOrganization(UNESCO).(2019).*Education2030AgendafortheImplementationofSustnableDevelopmentGoal4*.UNESCOPublishing.

UnitedNationsEducational,ScientificandCulturalOrganization(UNESCO).(2021).*GlobalEducationMonitoringReport2021:RecoveringEducation:KeepingPromiseontheSustnableDevelopmentGoals*.UNESCOPublishing.

UnitedNationsEducational,ScientificandCulturalOrganization(UNESCO).(2022).*WorldEducationReport2021:Educationinatimeofglobalcrisis*.UNESCOPublishing.

UnitedNationsEducational,ScientificandCulturalOrganization(UNESCO).(2023).*GlobalEducationMonitoringReport2023:Inclusionandexclusion:Thestateofeducationworldwide*.UNESCOPublishing.

Ehrlich,P.R.(1968).*ThePopulationBomb*.BallantineBooks.

Holdren,J.P.,Ehrlich,P.R.,&Ehrlich,A.H.(1974).*Population,Resources,Environment:PopulationandResourcePolicy*.ScientificAmericanLibrary.

UnitedNationsEducational,ScientificandCulturalOrganization(UNESCO).(2020).*InternationalStandardClassificationofEducation(ISCED2011)*.UNESCOPublishing.

UnitedNationsEducational,ScientificandCulturalOrganization(UNESCO).(2021).*Education2030AgendafortheImplementationofSustnableDevelopmentGoal4*.UNESCOPublishing.

UnitedNationsEducational,ScientificandCulturalOrganization(UNESCO).(2022).*GlobalEducationMonitoringReport2022:Educationforsustnabledevelopment:Inclusion,equityandquality*.UNESCOPublishing.

UnitedNationsEducational,ScientificandCulturalOrganization(UNESCO).(2023).*WorldEducationReport2023:Educationinatimeofglobalcrisis*.UNESCOPublishing.

UnitedNationsEducational,ScientificandCulturalOrganization(UNESCO).(2024).*GlobalEducationMonitoringReport2024:Educationforinclusionandequity*.UNESCOPublishing.

Ehrlich,P.R.,&Ehrlich,A.H.(1981).*Population,Resources,Environment:PoliciesandPerspectives*.W.H.Freeman.

UnitedNationsEducational,ScientificandCulturalOrganization(UNESCO).(2020).*InternationalInstituteforEducationalPlanning(IIEP)*.UNESCOPublishing.

UnitedNationsEducational,ScientificandCulturalOrganization(UNESCO).(2021).*IncheonDeclarationandFrameworkforActionfortheImplementationofSustnableDevelopmentGoal4*.UNESCOPublishing.

UnitedNationsEducational,ScientificandCulturalOrganization(UNESCO).(2022).*GlobalEducationMonitoringReport2022:Educationforsustnabledevelopment:Inclusion,equityandquality*.UNESCOPublishing.

UnitedNationsEducational,ScientificandCulturalOrganization(UNESCO).(2023).*WorldEducationReport2023:Educationinatimeofglobalcrisis*.UNESCOPublishing.

UnitedNationsEducational,ScientificandCulturalOrganization(UNESCO).(2024).*GlobalEducationMonitoringReport2024:Educationforinclusionandequity*.UNESCOPublishing.

八.致谢

本研究能够在预定时间内顺利完成，并达到预期的研究深度与广度，离不开众多师长、同学、朋友以及研究机构的支持与帮助。首先，我要向我的导师XXX教授致以最崇高的敬意和最衷心的感谢。在论文选题、研究设计、数据分析以及论文修改的整个过程中，XXX教授都给予了我悉心的指导和无私的帮助。他严谨的治学态度、深厚的学术造诣以及敏锐的洞察力，使我深受启发，不仅提升了我的研究能力，也让我对城市教育承载力这一重要议题有了更深刻的认识。每当我遇到研究瓶颈时，XXX教授总能一针见血地指出问题所在，并提出富有建设性的解决方案。他的教诲将使我受益终身。

感谢XXX大学XXX学院各位老师的辛勤付出。他们在课程教学中为我打下了坚实的理论基础，尤其是在城市地理学、教育经济学以及空间统计方法等课程中，所传授的知识和方法为我开展本研究提供了重要的支撑。特别感谢XXX教授在空间计量模型应用方面给予的指导，使我对GWR模型等先进分析工具有了更深入的理解。

感谢参与本研究的各级行政部门与学校提供的宝贵数据支持。研究城市的教育局、统计局以及各中小学在数据收集过程中给予了积极配合，为本研究提供了真实可靠的基础数据。同时，也要感谢那些参与问卷的家长与学生，你们的反馈为本研究提供了重要的实证依据。

感谢我的同门师兄XXX、师姐XXX以及好友XXX等在研究过程中给予的关心与帮助。在数据整理、模型测试以及论文撰写的过程中，我们进行了多次深入的交流和讨论，从你们身上我学到了很多宝贵的经验和方法。与你们的合作研究经历使我受益匪浅，也让我感受到了学术研究的乐趣与挑战。

最后，我要感谢我的家人。他们是我最坚实的后盾，在生活上给予了我无微不至的关怀，在精神上给予了我持续的支持。没有他们的理解与付出，我无法全身心投入到研究工作中。值此论文完成之际，谨向所有关心、支持和帮助过我的人们致以最诚挚的谢意！

九.附录

附录A：研究城市教育承载力