本文摘要：內容摘要：為分析省級科技人才政策對科技人才集聚的空間影響機制，本文以31個省(區、市)20052018年政府工作報告和相關統計數據構成的面板數據為支撐，構建了空間計量分析模型。模型結果表明，在地理相鄰和地理距離空間權重下，省級科技人才集聚呈現空間特征
內容摘要：為分析省級科技人才政策對科技人才集聚的空間影響機制，本文以31個省(區、市)2005—2018年政府工作報告和相關統計數據構成的面板數據為支撐，構建了空間計量分析模型。模型結果表明，在地理相鄰和地理距離空間權重下，省級科技人才集聚呈現空間特征，省級出臺的以人才激勵、科研管理、人才服務、自主研發為主的人才政策對省內科技人才集聚起到了正向促進作用，政府對人才和科技關注度增大也具有正向調節作用;人才激勵、人才服務政策的區域間溢出效應顯著為負，即本地人才激勵政策、服務政策強度越大越不利于周邊省(區、市)科技人才集聚;科研管理政策區域間溢出效應不顯著，自主研發政策區域間溢出效應顯著為正;整體而言，鄰近省級科技人才政策水平對本地區人才集聚的吸引作用大于抑制作用。研究結論對于提高省級科技人才政策效用具有重要的理論和實踐意義。
關鍵詞：科技人才政策;科技人才集聚;空間滯后模型;空間杜賓模型
一、引言與文獻綜述
當今世界正經歷百年未有之大變局，我國發展面臨的國內外環境也正發生著深刻復雜變化，我國需要更為強大且持久的科技支撐，這對科技創新提出了更迫切的要求[1]。國家科技創新力的根本源泉在于人，尤其是科技人才，科技人才集聚對技術創新有重大推動作用[2]。一般認為，科技人才政策為吸引科技人才提供了保障，為科技人才發展創造了環境，從而有利于集聚科技人才。
但不同區域制定人才政策時普遍存在模仿、競爭、攀比行為，非理性的“人才爭奪戰”頻發、人才流動混亂，科技人才政策一定程度上又抑制了科技人才集聚的溢出性，甚至是知識溢出性。因此本文重點關注省級科技人才政策對科技人才集聚的空間溢出效應，以期從區域空間視角拓展科技人才政策與科技人才集聚的關系，同時從制定科技人才政策的視角為推動區域科技人才集聚提供政策建議。
關于科技人才集聚的學術研究主要集中在分析人才集聚與產業經濟的關系，學界普遍認為科技人才集聚有利于提升產業內部人才結構優化[3]，實現人才價值，提高產業整體發展水平[4]，對經濟增長具有明顯促進作用[5]。部分學者研究了影響人才集聚的主要因素，曾建麗等通過共生演化模型分析了科技人才集聚與區域創新環境的共生關系[6]。孫文浩等發現房價對科研人才集聚存在門限效應，建議調整以降低實際購房成本為核心的人才引進政策[7]。
陳亞會通過調查數據分析發現，公共服務及政策、中介機構、政府服務體制是影響科技型中小企業人才集聚的重要因素[8]。此外，人才聚集具有一定空間關聯特征[9]，存在正向空間溢出效應[10]。但基于空間計量視角分析各因素對人才集聚影響、人才集聚影響力的研究均較少。蘇楚等探討了社會保障因素、宜居環境對R&D人才集聚的空間溢出效應[11]。孫紅軍等研究發現，在三種不同空間權重下，人才集聚對技術創新均有顯著空間溢出效應，且效應為正[2]。
國外利用空間計量方法分析政策效果的文獻相對成熟，而國內相關研究相對較少。國內的主要研究有陳升等基于空間計量視角研究了科技創新政策力度對省級創新績效的空間影響機制[12]，孫攀等基于空間溢出效應視角分析我國碳減排政策[13]，楊宜研究了京津冀科技金融政策對區域創新的影響[14]，洪源等對環境財政政策影響地方環境污染的空間外溢效應進行了實證分析[15]。現有科技人才政策研究對全國及區域政策演變和發展進行了較全面的梳理，但對政策效果的探討相對較少。相關研究已證實人才集聚對產業經濟發展的正向作用，但對人才聚集影響因素的研究相對較少。本文擬從空間計量視角研究科技人才政策對省級人才集聚的空間影響機制，通過關鍵指標揭示不同政策措施對人才集聚溢出效應的影響，并基于此為提升科技人才政策質量提供理論和實證支撐。
二、研究設計
(一)變量及數據
1.解釋變量：科技人才政策。科技人才政策是政府管理和調控人才資源的規范和行動準則，最終目標多是培養和造就規模宏大、結構優化、布局合理、素質優良的科技人才隊伍，確定區域人才競爭比較優勢。通過梳理近年來出臺的科技人才政策發現，政策主要分為培養政策、引進政策、激勵政策、評價政策、流動政策、服務政策[16]，以及與科研體制機制改革、創新創業環境培育和自主研發能力提升的相關政策措施[17]。本研究也將從這9個方面測量科技人才政策，即本研究將科技人才政策細分為高層次人才引進(INT)、人才評價(EVA)、人才激勵(AWA)、人才流動(FLO)、人才培養(CUL)、人才服務(SER)、科研管理(ADM)、創新創業(INN)、自主研發(RD)的相關政策。
在進一步梳理相關文獻和政策的基礎上，又將部分指標做了進一步細分，其中，人才激勵政策包含成果轉化收益和薪酬相關政策2個二級變量，人才培養政策包含技能人才培養、職業教育、高等教育相關政策3個二級變量，科研管理政策包含機構改革、項目管理、科研經費相關政策3個二級變量，創新創業政策包含空間、經費、服務相關政策3個二級變量，自主研發政策包含重大專項、R&D經費、基礎建設相關政策3個二級變量。
考慮到各省(區、市)科技人才政策的出臺頻率、數量、體例均差異較大，而政府工作報告是政府的施政綱領，具有較強的權威性，且具有連續性、規范性等特點，故本研究采用2005—2018年31個省(區、市)的政府工作報告作為科技人才政策測量樣本。在參考彭紀生等、陳升等所采用的創新政策量化標準的基礎上，強調了具體數值、具體計劃的作用，并在多次背對背打分的基礎上不斷明確解釋變量的內涵和外延，不斷修正評價標準[12、18]。
不含二級變量的4個一級變量以及14個二級變量的評價標準大致相同，相關內容若列在政府工作報告的本年工作中，有具體數值、具體名稱或具體措施的記5分;內容列在本年工作中，有發展方向，且內容較為詳盡的記4分;內容列在本年工作中，但僅僅提及的記3分;僅在上一年工作回顧中提及的記2分;沒有提及的記1分。二級變量合成一級變量時采用等權賦權方法，考慮到變量間不存在明顯交互關系，故采用線性合成方法。
2.被解釋變量：科技人才集聚度。本研究基于產業區位熵理論，以科技人才區位熵表征科技人才集聚度(Y)[2]，科技人才集聚由地區R&D人員全時當量占地區城鎮就業人口的比重除以全國R&D人員全時當量占全國城鎮就業人口的比重而得。科技人才集聚度隨Y值增加而增加，且1為臨界值，即當Y等于1時表征地區科技人才集聚度一般;Y值大于1表征集聚度較高，小于1表征集聚度較弱。
由于政府工作報告每年年初發布，且本研究主要采集其中“本年度主要任務”中的相關信息，統計年鑒相關數據為年末數據，故已形成一年滯后期，因此本研究統計數據的時間范圍同文本數據一致，也是2005—2018年，數據來源于歷年《中國科技統計年鑒》和《中國統計年鑒》。2018年，天津、北京、山東、浙江、湖南、上海的科技人才集聚度相對較高，均超過1.2，而西藏、新疆、海南、青海、內蒙古、黑龍江、廣西、甘肅的科技人才集聚度較低，均低于0.5。
與2008年相比，15個省(區、市)科技人才集聚度有所增加，其中，湖南、山東、天津的絕對增幅最大，海南、湖南、山東、貴州的相對增幅最大，均超過50%;16個省(區、市)科技人才集聚度有所下降，其中北京、陜西的絕對降幅最大，陜西、西藏、北京、黑龍江、甘肅的相對降幅最大，均超過40%。
3.調節變量：政府注意力。政府工作報告是一定時期政府部門的施政綱領，反映了重點工作內容和結構，一定程度上可以體現政府注意力的分配狀況，因此本研究設置政府工作報告中“人才”注意力(M1)和“科技”注意力(M2)作為調節變量，分別使用“人才”“科技”在該年度政府工作報告中的詞頻表征注意力分配情況，關鍵詞出現的次數越多，說明政府對其給予了更多注意力[19]。
通過分析2005—2020年政府工作報告相關詞頻發現，整體而言，上海、江蘇、山東、廣東政府對人才給予了更多的注意力，詞頻總和均在180以上，而陜西、青海、吉林政府的人才注意力相對較弱，詞頻總和均低于100。在科技方面，北京政府對科技發展給予了更多關注，詞頻總和達到419，天津、黑龍江、河北、廣東排在第二梯隊，詞頻總和均超過350，而青海、內蒙古、遼寧、海南政府的科技注意力較弱，詞頻總和均低于200。
4.控制變量：基礎條件。
除了科技人才政策的影響作用外，科技人才集聚必然受到地區經濟社會發展水平、科技水平等基礎條件的影響。本研究從三個方向選取控制變量，一是經濟水平(C1)，采用各省(區、市)GDP表征;二是科研水平(C2)，采用各省(區、市)R&D經費內部支出表征;三是交通條件(C3)，采用各省(區、市)鐵路運營里程表征。變量數據來源于《中國統計年鑒》和《中國科技統計年鑒》。
(二)空間計量模型本研究首先采用莫蘭指數檢驗科技人才集聚的空間相關性。在顯著性水平下，莫蘭指數大于0表征變量間正相關，且越趨近于1時表征空間性越緊密;莫蘭指數小于0表征變量間負相關，且越趨近于1時表征空間性越分散;莫蘭指數越趨近于0，表征變量間越不相關。
三、結果分析
(一)未考慮空間因素的模型估計
本研究首先采用OLS估計科技人才政策對科技人才集聚的作用，模型1以政府的人才注意力(M1)為調節變量，模型2以科技注意力(M2)為調節變量。人才激勵、人才服務、科研管理、自主研發的相關政策對科技人才集聚具有顯著正向影響，而高層次人才引進、人才評價、人才流動、人才培養、創新創業政策對區域科技人才集聚的影響不顯著，因此后續模型分析中將不再考慮這五個變量。政府科技、人才注意力對科技人才政策與科技人才集聚的關系具有正向調節作用。
(二)空間相關性檢驗
為確保空間計量模型的有效性，本文首先使用Matlab2019軟件檢驗科技人才集聚的空間關聯性。基于地理相鄰矩陣W1和地理距離矩陣W2，科技人才集聚的莫蘭指數為正且顯著，表明省級科技人才集聚在空間上存在顯著的正向關聯，有明顯的空間集聚特征，人才集聚呈現空間溢出效應。
(三)空間計量模型選擇
首先，通過對數據進行LM檢驗、LR檢驗、WALD檢驗、Hausman檢驗判斷模型適用于空間滯后模型、空間誤差模型還是空間杜賓模型。展示了模型3~6在不同空間權重下的LM檢驗、LR檢驗和WALD檢驗值，其中模型3~6均僅包含人才激勵、人才服務、科研管理、自主研發政策變量，模型3是W1空間權重下以M1為調節變量的模型，模型4是W2空間權重下以M1為調節變量的模型;模型5是W1空間權重下以M2為調節變量的模型，模型6是W2空間權重下以M2為調節變量的模型。
檢驗結果表明，在兩種空間權重下的模型3、模型4和模型6，均不顯著拒絕轉化為空間滯后模型的假設，故采用空間滯后模型;模型5顯著拒絕轉化為空間滯后或空間誤差模型的原假設，故采用空間杜賓模型。本文利用Hausman檢驗對兩種空間矩陣下SAR、SDM進行了固定效應和隨機效應回歸，固定效應又分為個體固定、時間固定、個體時間雙固定，最終確定四個模型均采用雙固定效應，即模型5采用空間杜賓模型的雙固定效應，其他三種均采用空間滯后模型的雙固定效應。
四、政策建議
本文針對模型分析結果，提出以下政策建議。樹立科技人才空間關聯意識。各級政府長期致力于培養和造就規模宏大、結構優化、布局合理、素質優良的人才隊伍，確立人才競爭比較優勢，而科技人才集聚具有一定的空間依賴性，因此各級政府在制定科技人才政策時，不僅要考慮自身引才留才環境，還需要關注其他地區科技人才發展集聚情況，以便及時迭代更新科技人才政策措施，明確本地人才發展的優勢和短板，進而提高科技人才政策的有效性。
對于引才留才資源有限的地區，為實現科技人才集聚的目標，建議政府在出臺科技人才政策時優先考慮加大人才激勵、優化科研管理流程、提高人才服務能力和加強自主研發能力方面的政策措施，并從整體上進一步加大對人才發展和科技發展的關注度。提高自主研發能力、增強新基建的相關政策的區域內和區域間空間溢出效應均正向顯著，建議從國家層面持續組建國家實驗室，優化布局，形成我國實驗室體系，在助力各省(區、市)實現科技人才集聚最優值的同時也有利于助推全國人才集聚的最優發展。
參考文獻
[1]習近平.在科學家座談會上的講話[M].北京:人民出版社,2020:2.
[2]孫紅軍,張路娜,王勝光.科技人才集聚、空間溢出與區域技術創新——基于空間杜賓模型的偏微分方法[J].科學學與科學技術管理,2019,40(12):58-69.
[3]王世杰.戰略新興產業科技人才集聚與內育雙螺旋耦合模式研究[D].湖北:武漢理工大學,2013.
[4]裴玲玲.科技人才集聚與高技術產業發展的互動關系[J].科學學研究,2018,36(5):814-824.
作者：李慷黃辰鄧大勝
轉載請注明來自發表學術論文網：http://www.zpfmc.com/jjlw/27457.html
