本文摘要：内容摘要：为分析省级科技人才政策对科技人才集聚的空间影响机制，本文以31个省(区、市)20052018年政府工作报告和相关统计数据构成的面板数据为支撑，构建了空间计量分析模型。模型结果表明，在地理相邻和地理距离空间权重下，省级科技人才集聚呈现空间特征
内容摘要：为分析省级科技人才政策对科技人才集聚的空间影响机制，本文以31个省(区、市)2005—2018年政府工作报告和相关统计数据构成的面板数据为支撑，构建了空间计量分析模型。模型结果表明，在地理相邻和地理距离空间权重下，省级科技人才集聚呈现空间特征，省级出台的以人才激励、科研管理、人才服务、自主研发为主的人才政策对省内科技人才集聚起到了正向促进作用，政府对人才和科技关注度增大也具有正向调节作用;人才激励、人才服务政策的区域间溢出效应显著为负，即本地人才激励政策、服务政策强度越大越不利于周边省(区、市)科技人才集聚;科研管理政策区域间溢出效应不显著，自主研发政策区域间溢出效应显著为正;整体而言，邻近省级科技人才政策水平对本地区人才集聚的吸引作用大于抑制作用。研究结论对于提高省级科技人才政策效用具有重要的理论和实践意义。
关键词：科技人才政策;科技人才集聚;空间滞后模型;空间杜宾模型
一、引言与文献综述
当今世界正经历百年未有之大变局，我国发展面临的国内外环境也正发生着深刻复杂变化，我国需要更为强大且持久的科技支撑，这对科技创新提出了更迫切的要求[1]。国家科技创新力的根本源泉在于人，尤其是科技人才，科技人才集聚对技术创新有重大推动作用[2]。一般认为，科技人才政策为吸引科技人才提供了保障，为科技人才发展创造了环境，从而有利于集聚科技人才。
但不同区域制定人才政策时普遍存在模仿、竞争、攀比行为，非理性的“人才争夺战”频发、人才流动混乱，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，甚至是知识溢出性。因此本文重点关注省级科技人才政策对科技人才集聚的空间溢出效应，以期从区域空间视角拓展科技人才政策与科技人才集聚的关系，同时从制定科技人才政策的视角为推动区域科技人才集聚提供政策建议。
关于科技人才集聚的学术研究主要集中在分析人才集聚与产业经济的关系，学界普遍认为科技人才集聚有利于提升产业内部人才结构优化[3]，实现人才价值，提高产业整体发展水平[4]，对经济增长具有明显促进作用[5]。部分学者研究了影响人才集聚的主要因素，曾建丽等通过共生演化模型分析了科技人才集聚与区域创新环境的共生关系[6]。孙文浩等发现房价对科研人才集聚存在门限效应，建议调整以降低实际购房成本为核心的人才引进政策[7]。
陈亚会通过调查数据分析发现，公共服务及政策、中介机构、政府服务体制是影响科技型中小企业人才集聚的重要因素[8]。此外，人才聚集具有一定空间关联特征[9]，存在正向空间溢出效应[10]。但基于空间计量视角分析各因素对人才集聚影响、人才集聚影响力的研究均较少。苏楚等探讨了社会保障因素、宜居环境对R&D人才集聚的空间溢出效应[11]。孙红军等研究发现，在三种不同空间权重下，人才集聚对技术创新均有显著空间溢出效应，且效应为正[2]。
国外利用空间计量方法分析政策效果的文献相对成熟，而国内相关研究相对较少。国内的主要研究有陈升等基于空间计量视角研究了科技创新政策力度对省级创新绩效的空间影响机制[12]，孙攀等基于空间溢出效应视角分析我国碳减排政策[13]，杨宜研究了京津冀科技金融政策对区域创新的影响[14]，洪源等对环境财政政策影响地方环境污染的空间外溢效应进行了实证分析[15]。现有科技人才政策研究对全国及区域政策演变和发展进行了较全面的梳理，但对政策效果的探讨相对较少。相关研究已证实人才集聚对产业经济发展的正向作用，但对人才聚集影响因素的研究相对较少。本文拟从空间计量视角研究科技人才政策对省级人才集聚的空间影响机制，通过关键指标揭示不同政策措施对人才集聚溢出效应的影响，并基于此为提升科技人才政策质量提供理论和实证支撑。
二、研究设计
(一)变量及数据
1.解释变量：科技人才政策。科技人才政策是政府管理和调控人才资源的规范和行动准则，最终目标多是培养和造就规模宏大、结构优化、布局合理、素质优良的科技人才队伍，确定区域人才竞争比较优势。通过梳理近年来出台的科技人才政策发现，政策主要分为培养政策、引进政策、激励政策、评价政策、流动政策、服务政策[16]，以及与科研体制机制改革、创新创业环境培育和自主研发能力提升的相关政策措施[17]。本研究也将从这9个方面测量科技人才政策，即本研究将科技人才政策细分为高层次人才引进(INT)、人才评价(EVA)、人才激励(AWA)、人才流动(FLO)、人才培养(CUL)、人才服务(SER)、科研管理(ADM)、创新创业(INN)、自主研发(RD)的相关政策。
在进一步梳理相关文献和政策的基础上，又将部分指标做了进一步细分，其中，人才激励政策包含成果转化收益和薪酬相关政策2个二级变量，人才培养政策包含技能人才培养、职业教育、高等教育相关政策3个二级变量，科研管理政策包含机构改革、项目管理、科研经费相关政策3个二级变量，创新创业政策包含空间、经费、服务相关政策3个二级变量，自主研发政策包含重大专项、R&D经费、基础建设相关政策3个二级变量。
考虑到各省(区、市)科技人才政策的出台频率、数量、体例均差异较大，而政府工作报告是政府的施政纲领，具有较强的权威性，且具有连续性、规范性等特点，故本研究采用2005—2018年31个省(区、市)的政府工作报告作为科技人才政策测量样本。在参考彭纪生等、陈升等所采用的创新政策量化标准的基础上，强调了具体数值、具体计划的作用，并在多次背对背打分的基础上不断明确解释变量的内涵和外延，不断修正评价标准[12、18]。
不含二级变量的4个一级变量以及14个二级变量的评价标准大致相同，相关内容若列在政府工作报告的本年工作中，有具体数值、具体名称或具体措施的记5分;内容列在本年工作中，有发展方向，且内容较为详尽的记4分;内容列在本年工作中，但仅仅提及的记3分;仅在上一年工作回顾中提及的记2分;没有提及的记1分。二级变量合成一级变量时采用等权赋权方法，考虑到变量间不存在明显交互关系，故采用线性合成方法。
2.被解释变量：科技人才集聚度。本研究基于产业区位熵理论，以科技人才区位熵表征科技人才集聚度(Y)[2]，科技人才集聚由地区R&D人员全时当量占地区城镇就业人口的比重除以全国R&D人员全时当量占全国城镇就业人口的比重而得。科技人才集聚度随Y值增加而增加，且1为临界值，即当Y等于1时表征地区科技人才集聚度一般;Y值大于1表征集聚度较高，小于1表征集聚度较弱。
由于政府工作报告每年年初发布，且本研究主要采集其中“本年度主要任务”中的相关信息，统计年鉴相关数据为年末数据，故已形成一年滞后期，因此本研究统计数据的时间范围同文本数据一致，也是2005—2018年，数据来源于历年《中国科技统计年鉴》和《中国统计年鉴》。2018年，天津、北京、山东、浙江、湖南、上海的科技人才集聚度相对较高，均超过1.2，而西藏、新疆、海南、青海、内蒙古、黑龙江、广西、甘肃的科技人才集聚度较低，均低于0.5。
与2008年相比，15个省(区、市)科技人才集聚度有所增加，其中，湖南、山东、天津的绝对增幅最大，海南、湖南、山东、贵州的相对增幅最大，均超过50%;16个省(区、市)科技人才集聚度有所下降，其中北京、陕西的绝对降幅最大，陕西、西藏、北京、黑龙江、甘肃的相对降幅最大，均超过40%。
3.调节变量：政府注意力。政府工作报告是一定时期政府部门的施政纲领，反映了重点工作内容和结构，一定程度上可以体现政府注意力的分配状况，因此本研究设置政府工作报告中“人才”注意力(M1)和“科技”注意力(M2)作为调节变量，分别使用“人才”“科技”在该年度政府工作报告中的词频表征注意力分配情况，关键词出现的次数越多，说明政府对其给予了更多注意力[19]。
通过分析2005—2020年政府工作报告相关词频发现，整体而言，上海、江苏、山东、广东政府对人才给予了更多的注意力，词频总和均在180以上，而陕西、青海、吉林政府的人才注意力相对较弱，词频总和均低于100。在科技方面，北京政府对科技发展给予了更多关注，词频总和达到419，天津、黑龙江、河北、广东排在第二梯队，词频总和均超过350，而青海、内蒙古、辽宁、海南政府的科技注意力较弱，词频总和均低于200。
4.控制变量：基础条件。
除了科技人才政策的影响作用外，科技人才集聚必然受到地区经济社会发展水平、科技水平等基础条件的影响。本研究从三个方向选取控制变量，一是经济水平(C1)，采用各省(区、市)GDP表征;二是科研水平(C2)，采用各省(区、市)R&D经费内部支出表征;三是交通条件(C3)，采用各省(区、市)铁路运营里程表征。变量数据来源于《中国统计年鉴》和《中国科技统计年鉴》。
(二)空间计量模型本研究首先采用莫兰指数检验科技人才集聚的空间相关性。在显著性水平下，莫兰指数大于0表征变量间正相关，且越趋近于1时表征空间性越紧密;莫兰指数小于0表征变量间负相关，且越趋近于1时表征空间性越分散;莫兰指数越趋近于0，表征变量间越不相关。
三、结果分析
(一)未考虑空间因素的模型估计
本研究首先采用OLS估计科技人才政策对科技人才集聚的作用，模型1以政府的人才注意力(M1)为调节变量，模型2以科技注意力(M2)为调节变量。人才激励、人才服务、科研管理、自主研发的相关政策对科技人才集聚具有显著正向影响，而高层次人才引进、人才评价、人才流动、人才培养、创新创业政策对区域科技人才集聚的影响不显著，因此后续模型分析中将不再考虑这五个变量。政府科技、人才注意力对科技人才政策与科技人才集聚的关系具有正向调节作用。
(二)空间相关性检验
为确保空间计量模型的有效性，本文首先使用Matlab2019软件检验科技人才集聚的空间关联性。基于地理相邻矩阵W1和地理距离矩阵W2，科技人才集聚的莫兰指数为正且显著，表明省级科技人才集聚在空间上存在显著的正向关联，有明显的空间集聚特征，人才集聚呈现空间溢出效应。
(三)空间计量模型选择
首先，通过对数据进行LM检验、LR检验、WALD检验、Hausman检验判断模型适用于空间滞后模型、空间误差模型还是空间杜宾模型。展示了模型3~6在不同空间权重下的LM检验、LR检验和WALD检验值，其中模型3~6均仅包含人才激励、人才服务、科研管理、自主研发政策变量，模型3是W1空间权重下以M1为调节变量的模型，模型4是W2空间权重下以M1为调节变量的模型;模型5是W1空间权重下以M2为调节变量的模型，模型6是W2空间权重下以M2为调节变量的模型。
检验结果表明，在两种空间权重下的模型3、模型4和模型6，均不显著拒绝转化为空间滞后模型的假设，故采用空间滞后模型;模型5显著拒绝转化为空间滞后或空间误差模型的原假设，故采用空间杜宾模型。本文利用Hausman检验对两种空间矩阵下SAR、SDM进行了固定效应和随机效应回归，固定效应又分为个体固定、时间固定、个体时间双固定，最终确定四个模型均采用双固定效应，即模型5采用空间杜宾模型的双固定效应，其他三种均采用空间滞后模型的双固定效应。
四、政策建议
本文针对模型分析结果，提出以下政策建议。树立科技人才空间关联意识。各级政府长期致力于培养和造就规模宏大、结构优化、布局合理、素质优良的人才队伍，确立人才竞争比较优势，而科技人才集聚具有一定的空间依赖性，因此各级政府在制定科技人才政策时，不仅要考虑自身引才留才环境，还需要关注其他地区科技人才发展集聚情况，以便及时迭代更新科技人才政策措施，明确本地人才发展的优势和短板，进而提高科技人才政策的有效性。
对于引才留才资源有限的地区，为实现科技人才集聚的目标，建议政府在出台科技人才政策时优先考虑加大人才激励、优化科研管理流程、提高人才服务能力和加强自主研发能力方面的政策措施，并从整体上进一步加大对人才发展和科技发展的关注度。提高自主研发能力、增强新基建的相关政策的区域内和区域间空间溢出效应均正向显著，建议从国家层面持续组建国家实验室，优化布局，形成我国实验室体系，在助力各省(区、市)实现科技人才集聚最优值的同时也有利于助推全国人才集聚的最优发展。
参考文献
[1]习近平.在科学家座谈会上的讲话[M].北京:人民出版社,2020:2.
[2]孙红军,张路娜,王胜光.科技人才集聚、空间溢出与区域技术创新——基于空间杜宾模型的偏微分方法[J].科学学与科学技术管理,2019,40(12):58-69.
[3]王世杰.战略新兴产业科技人才集聚与内育双螺旋耦合模式研究[D].湖北:武汉理工大学,2013.
[4]裴玲玲.科技人才集聚与高技术产业发展的互动关系[J].科学学研究,2018,36(5):814-824.
作者：李慷黄辰邓大胜
转载请注明来自发表学术论文网：http://www.fbxslw.com/jjlw/27457.html
