天津市人才配置效率动态演化及影响因素研究

刘兵 李青 梁林

摘 要： 人才对区域创新的驱动和战略性作用日益突出，但区域人才配置的合理性和有效性却成为制约落实人才发展战略和区域持续发展的主要瓶颈。基于投入和产出视角构建区域人才配置效率评价指标体系，采用2009—2016年天津市16个行政区作为样本，运用超效率DEA方法分析人才配置效率动态演化趋势，并使用Malmquist指数甄别人才配置效率变动的影响因素。结果表明，天津市人才配置效率除2011年有所上升，总体呈现下降趋势;中心城区、环城区和远郊区人才配置效率远低于滨海新区，但3个功能区人才配置效率呈现协同发展态势;16个行政区人才配置效率在变动方向和强度方面均存在较大差异。另外，从技术效率和技术进步水平来看，技术进步已成为天津市人才配置的主要影响因素。研究结果有助于天津市优化人才资源配置，并且为该方法应用于其他区域提供了依据。

关键词：区域人才配置效率;动态演化;影响因素;天津市;超效率DEA;Malmquist指数

中图分类号：G301   文献标志码：A   文章编号：1674-7356（2019）-02-0016-08

当前，我国正处在转型升级的关键节点，只有持续推动区域协调发展，在区域发展中补短板、强弱项，才能培育新的发展动能，实现全面协调可持续发展。人才作为第一资源，实现人才合理配置对区域协调发展具有重要支撑作用[1]。然而，在我国区域人才配置过程中，原有人才管理体制机制与区域快速发展需求之间的矛盾愈加凸显。并且，由于地区间在经济发展、社会服务和自然环境等方面的显著差异，造成了我国人才“短缺和饱和”共存的现象，导致人才配置效率偏低，削弱了人才对我国经济社会发展的推动力[2]。如何对我国区域人才配置效率进行测度，进而分析影响人才配置的影响因素，提出人才配置的优化方案，是本文力求解决的问题。

一、文献回顾

我国区域人才配置效率问题引起了学术界较为广泛的关注，现有文献围绕人才配置机制、人才配置影响因素和人才配置效率评价方法等方面开展了大量富有成效的研究。区域人才配置机制方面，桂昭明[3]提出建立政府部门宏观调控、市场主体公平竞争、中介组织提供服务的人才流动配置机制是促进人才合理流动、优化人才资源配置的保障。宋本江[4]针对我国短缺性人才分布失衡、流失严重的困境，提出了构建市场配置和行政调控结合的人才配置机制，以期实现短缺性人才资源科学配置的目的。区域人才配置影响因素方面，刘兵等[5]41识别京津冀人才配置的关键影响因素和配置模式，采用内容分析法，表明京津冀人才配置的影响因素体系主要包括区域环境、组织气候和个体意愿3个层次共12个关键影响因素。通过综合聚类分析，归纳出追赶型、发展型和进取型3类人才配置模式。区域人才配置效率评价方法方面，彭皓玥等[6]运用数据包络分析方法（DEA），对我国各地区科技人才配置的效率进行分析研究，并从分析的结果中总结归纳出影响科技人才配置效率的3个主要因素——科技人才结构、政府调控市场机制以及人才相关机制。牛冲槐[7]通过构建科技型人才聚集效应指标体系及其灰色关联投影模型，以中部六省数据为样本，对其进行了测度，进而对中部六省的科技型人才聚集效应强度进行评价。

通过梳理相关文献发现，现有研究偏重于对人才配置机制方面的定性探讨和人才配置效率的静态评价。鉴于此，首先，本文构建区域人才配置效率的测度模型;其次，对天津市2009—2016年的人才配置效率进行动态演化趋势分析，以揭示人才配置效率的分布差异与变迁规律;最后使用Malmquist指数识别人才配置效率变动的影响因素;最后，提出天津市优化人才资源配置的对策建议。

二、研究指标与数据

（一）指标选取

人才资源是区域科技创新中的重要资源，也是区域科技创新效率研究中评价指标体系的重要因素。本文设计区域人才配置效率评价指标体系时，在人才配置、人才流动和人才聚集等相關研究的基础上，借鉴了区域技术创新效率指标体系的相关思想。但是，本文研究的区域人才配置效率评价与区域科技创新评价也有所不同。本文对区域人才配置的定义如下：为实现人才自由流动，采取内部培育以及外部聚集的手段，通过对区域内资源要素的整合，有序推动区域社会发展的过程[5]42。人才配置贯穿于经济社会发展的全过程，即人才配置不仅具有外部聚集的特性，同时也强调其内部培育的特性。因此，本文研究的人才并不仅仅关注科技创新本身，而是将人才配置着眼于经济发展、产业发展和社会发展之中，并由此构建人才配置效率评价指标体系。

本文对区域人才配置效率测度包括人才投入指数和人才产出指数。在人才投入指数方面，刘兵等[5]44，[8]认为以产业发展为基础的区域经济环境是人才配置关键影响因素，能够使该区域的人才聚集力增强;同时医疗保险、子女教育、基础设施水平等社会服务水平也影响着人才配置;张再生[9]认为经济发展状况、产业发展和社会保障体系等都会对人才的流动行为产生影响。在人才产出指数，魏浩等[10]指出人才集聚效应、相应的基础设施条件和经济水平都影响人才的流动;牛冲槐等[11-12]指出区域的科技资源配置、人才的科技素养和科技水平以及科技创新和转化能力等会影响人才聚集。遵循科学性、全面性、客观性以及数据可获得性的原则，构建了区域人才配置效率评价指标体系，如表1所示。

（二）数据来源

上述指标体系中的数据来源，除人才数量投入的每万人口R&D人员数、每万人口科技活动人员数，科技发展创新产出额专利申请量、技术合同成交额等数据来自《天津科技统计年鉴》，其他数据均来自《天津统计年鉴》。由于2009年是滨海新区的重要时间节点，国务院正式批复滨海新区行政体制改革方案，同意撤销天津市塘沽区、汉沽区、大港区，设立天津市滨海新区，以原塘沽区、汉沽区、大港区的行政区域为滨海新区的行政区域。即撤销滨海新区工委、管委会，撤销塘沽、汉沽、大港区现行建制，设立滨海新区行政区，辖区包括原塘沽、汉沽、大港三区全境。故本文研究2009—2016年的天津市人才配置效率。

三、研究方法

（一）超效率DEA

基于傳统的DEA模型下计算得到的有效单元，即效率值是1的评价单元可能出现多个，然而传统的DEA方法无法对这些有效评价单元进行进一步区分。因此Banker等[13]提出超效率数据包络分析（Super-Efficiency）法以弥补传统DEA的上述问题，Andersen等[14]于1993年进一步改进了超效率数据包络分析法。其中，超效率CCR-DEA模型主要考虑被评价决策单元相对于其他单元的效率，其构造的参考集并不含有被评价决策单元本身，因此该评价模型可对DEA有效决策单元做出进一步区分评价[15]。超效率CCR-DEA模型为：

（二）Malmquist指数

Malmquist指数又被称为“全要素生产率”（TEPCH），通常被用于计算生产效率的变化情况。最初由Malmquist在1953年提出，Caves等于1982年用其测算生产效率的变化，1994年RolfF？覿re等人将这一理论的一种非参数线性规划法与DEA理论相结合。Malmquist指数定义为：TFPCH = ECH × TECH = PECH × SECH × TECH。Malmquist指数可分解为技术效率变化指数（ECH）与技术进步变化指数（TECH）。技术效率变化指数又能够分解为纯技术效率变动指数（PECH）与规模效率指数（SECH）。Malmquist指数和分解的各类指数数值均有特定的含义：如果指数数值大于1，则表示在评价时间段里相应指数效率呈现上升态势;反之，则说明其处于下降的趋势[17]。

各指数在人才配置中所表示的具体含义如下：TEPCH反映人才的规模集聚效应、社会技术进步、人才要素资源配置和利用水平的发展情况。如果指数大于1，表明人才配置效率提高;若小于1，则表明人才配置效率下降。SECH反映人才的规模集聚效应对人才配置率的影响。PECH反映人才要素资源配置和利用水平的发展情况，通过管理水平的变化影响人才配置效率。ECH则总体反映人才的规模集聚效应、人才要素资源配置和利用水平的发展情况。TECH反映社会技术进步程度对人才配置效率的影响，指数小于1表示技术退步，大于1表示技术进步，而等于1则无变化。

四、实证结果分析

（一）天津市人才配置效率动态演化分析

利用EMS1.3统计软件求解产出角度的超效率CCR-DEA模型，可得2009—2016年天津市16个行政区的人才配置效率与排名情况如表2所示。

首先，2009—2016年天津市人才配置效率总体呈现先下降后上升再下降的发展趋势。2009—2010年天津市人才配置效率处于规模报酬递减阶段，从2010—2011年处于规模报酬递增阶段，2011—2016年天津市人才配置效率处于规模报酬递减阶段。其次，2009—2016年天津市各区的人才配置效率存在显著的地区差异。和平区和滨海新区的人才配置效率平均值分别为8.751和8.707，排名前两名，而宝坻区的人才配置效率平均值仅为0.962，排名处于最末位，约为和平区和滨海新区人才配置效率的1/9。最后，和平区和滨海新区的人才配置效率平均值显著高于其他区，虽然南开区的人才配置效率排名第三，但是也仅为和平区和滨海新区的约1/4。

第一，中心城区、环城区和远郊区人才配置效率远低于滨海新区，但3个功能区人才配置效率呈现协同发展态势

由表3和图1可知，一是2009—2016年滨海新区人才配置效率平均值显著高于其他区，排名第一。滨海新区的区位优势、资源优势、工业基础优势和体制创新优势有助于人才向其内部流动，从而为其人才优化配置提供良好的环境基础。以2016年的指标数据为例，人才投入方面：其实际利用内外资1 591.458亿元，约占天津市总量的2/7;每万人口科技活动人员数171.742人/万人，约占天津市的1/7。人才产出方面：专利申请量为28 967件，约占天津市的2/7;技术合同成交额为299.48亿元，约占天津市的1/2。由此滨海新区一直保持“高投入-高产出”的人才配置模式，从而使得其人才配置效率保持高水平。二是2009—2016年中心城区、环城区和远郊区的人才配置效率差距缩小，呈现趋同的变化趋势。中心城区优质的公共服务、成熟的商业商务环境以及良好的城市基础设施水平，是其吸引人才、留住人才的绝对优势。环城区距离中心城区较近，随着轨道交通体系逐步完善和优质公共资源由中心城区向环城区逐步转移，加之区域之间的产业发展，从而促进了环城区的人才配置。远郊区由于受历史、自然和区位等诸多因素的影响，人才配置水平与其他城区相比，存在着较大的差距。

第二，中心城区的人才配置效率整体呈现下降的发展态势，6个行政区间的人才配置效率存在较大差距

2009—2016年中心城区的人才配置效率整体呈现下降的发展态势，下降幅度为0.818。和平区、南开区和红桥区的人才配置效率平均值处于天津市前列，其中和平区的人才配置效率远大于其他区，而河东区、河西区和河北区则处于天津市末尾，成为中心城区人才配置效率的低洼地区。人才配置效率的变动值由大到小依次为，和平区>河北区=红桥区>南开区>河东区>河西区，变动值分别为：1.947、1.129、1.129、1.032、0.630、0.577。和平区、河西区和南开区在教育和医疗等社会发展方面具有明显优势。和平区一直保持“较高投入-较高产出”的人才配置模式，在人才投入方面：人均GDP和第三产业比重一直为天津市的2倍左右，并且聚集了大量的优质教育资源和三级医院;在人才产出方面，个人所得税和一般公共预算收入一直位于天津市前列，因此和平区的人才配置效率排名一直为天津市第二。河东区的人才配置效率一直处于低级阶段，河东区在第三产业比重和街道办事处与基民委员会数等人才投入方面处于天津市的较高水平，但其人才产出方面却处于天津市的较低水平，这种“较高投入-较低产出”的人才配置模式，直接导致河东区人才配置的低效率。

第三，环城区的人才配置效率整體呈现下降的发展态势，4个行政区间的人才配置效率存在较大差距

由图3可知，2009—2016年环城区的人才配置效率整体呈现下降的发展态势，下降幅度为0.341。津南区的人才配置效率平均值在天津市排名第八，西青区排名第九，而北辰区和东丽区分别排名第十二、第十五，成为环城区人才配置效率的低洼地区。人才配置效率的变动值由大到小依次为，北辰区>津南区>东丽区>西青区，变动值分别为：1.447、1.241、0.480、0.453。东丽区一直处于“较高投入-较低产出”的人才配置模式，其人才配置效率一直处于较低水平，以2016年的指标数据为例，东丽区的人才投入方面：实际利用内外资353.58亿元，约占天津市的1/9;每万人口R&D人员数229.33人/万人，约占天津市的1/5;每万人口科技活动人员数373.18人/万人，约占天津市的2/9;人才产出方面：专利申请量3661件，约占天津市的1/30;技术合同成交额10.7亿元，约占天津市的1/54。

第四，远郊区的人才配置效率整体呈现较小幅度上升的发展态势，5个行政之间的人才配置效率存在较大差距

由图4可知，2009—2016年远郊区的人才配置效率整体呈现较小幅度上升的发展态势，上升幅度为0.041。武清区、静海区和蓟州区的人才配置效率平均值在天津市排名分别为第四、第五、第七，而宝坻区和宁河区排名天津市最末位。人才配置效率的变动值由大到小依次为，武清区>静海区>宝坻区>蓟州区>宁河区，变动值分别为：0.835、0.686、0.682、0.285、0.133。武清区位于《天津市空间发展战略规划》 “一轴两带”中“京滨综合发展轴”上，该轴依次连接武清区、中心城区、海河中游地区和滨海新区核心区，有效聚集先进生产要素，承载高端生产和服务职能，实现与北京的战略对接其人才配置效率整体呈现较大幅度的增长趋势。宁河区的人才配置效率整体呈现大幅度下降趋势，一方面，由于其地理位置偏北导致中心城区和滨海新区的辐射带动作用偏弱;另一方面，其人才配置模式长期处于“低投入-超低产出”模式，以2016年的指标数据为例，宁河区人才投入中的人均GDP、平均R&D经费支出和每万人口R&D人员数等均约占天津市的1/9;但是其人才产出中的企业所得税和专利申请量却仅仅约占天津市的1/99。

（二）天津市人才配置效率影响因素分析

1.天津市2009—2016年的人才配置效率Malmquist指数分析

为了更好地探究不同时期天津市人才配置效率的变动状况，利用DEAP2.1软件计算投入角度CCR模型的Malmquist指数，对2009—2016年天津市人才投入与产出的面板数据进行分析，可得到2009—2016年天津市分年份的全要素生产率指数及其分解的计算结果，如表4所示。

一是全要素生产率角度：2009—2016年八年的全要素生产率平均值为0.922，说明天津市人才配置效率呈现8.8%下降趋势。其中，天津市人才配置的技术效率下降0.2%，但是其技术进步指数下降了7.7%，从而导致其全要素生产率下降8.8/%，说明技术进步下降是天津市人才配置效率下降的主要影响因素。二是技术效率角度：2009—2016年技术效率的平均值为0.998。天津市人才配置的纯技术效率一直为1，说明天津市人才要素资源配置和管理水平处于较高水平;天津市人才配置的规模效率则呈现与技术效率同步的变化趋势，其中2009—2010年、2011—2012年、2012—2013年和2014—2015年的规模效率小于1，说明人才配置规模结构不合理，需要进一步调整优化;同时由于2009—2016年纯技术效率不变，则规模效率的变化是技术效率变化的直接原因。三是技术进步：2009—2016年八年的技术进步指数平均值为0.923，整体呈现先减少、后增加、再减少、后增加的变化趋势。其中，只有2011—2012年、2013—2014年、2015—2016年的技术进步指数大于1，该年的技术进步促进了天津市人才配置效率的提高，同时也说明技术进步是制约天津市人才配置效率提高的主要影响因素。

2.天津市16个行政区的人才配置效率Malmquist指数分析

为了更好地探究不同时期天津市人才配置效率的变动状况，利用DEAP2.1软件计算投入角度CCR模型的Malmquist指数，对2009—2016年天津市人才投入与产出的面板数据进行分析，可得到2009—2016年天津市分区的全要素生产率指数及其分解的计算结果，如表5所示。

一是全要素生产率角度：只有滨海新区、武清区和西青区的全要素生产率大于1，其余各区均小于1，说明只有滨海新区、武清区和西青区的人才配置效率总体呈现增长态势，增长幅度分别为29.6%、17%和5.3%，其余各区的人才配置效率均表现为不同程度的下降态势。天津市各区人才配置的技术效率的变化幅度显著小于其技术进步指数的变化，说明技术进步是影响天津市人各区才配置效率的主要影响因素。二是技术效率：除东丽区、宝坻区和宁河区的技术效率小于1，其他各区均为1，说明东丽区、宝坻区和宁河区的人才的规模集聚效应、人才要素资源配置和利用水平需要进一步提高。其中各区的纯技术效率均为1，说明各区的人才要素资源配置和管理水平处于较高水平。但是东丽区、宝坻区和宁河区的规模效率小于1，说明三区的人才配置规模结构需要进一步优化，并且规模效率是影响东丽区、宝坻区和宁河区技术效率变化的主要影响因素。三是技术进步：除西青区、武清区和滨海新区的技术进步指数大于1，呈现正增长，其他各区的技术进步指数均呈现负增长，说明技术进步促进了西青区、武清区和滨海新区的人才配置效率，抑制了其他各区的人才配置效率。

五、结论与建议

本文构建了区域人才配置效率评价指标体系，利用超效率DEA方法测度了天津市16个行政区2009—2016年的人才配置效率，并运用Malmquist指数识别了天津市人才配置效率的影响因素。主要研究结论为：（1）天津市人才配置效率总体呈现下降的发展趋势，16个行政区之间的人才配置效率平均值存在较大差距，在变动方向和变动强度方面存在较大差异;（2）滨海新区人才配置效率显著高于其他3个功能区，中心城区、环城区和远郊区各年的人才配置效率呈现协同发展态势;（3）根据Malmquist指数分析天津市人才配置的平均全要素效率TFPCH小于1，技术进步是天津市人才配置的主要影响因素。基于以上结论，本文提出以下建议：

一是为应对天津市人才配置效率整体呈下降的不良趋势，建议根据各区实际情况，采取差异化人才政策，协同各行政区的经济资源、产业发展、社会服务等人才投入要素和人才累积、财政税收、社会发展等人才产出要素，以提高天津市整体的人才配置水平。例如，河东区在R&D经费支出等人才投入方面一直处于天津市前列，但是其专利申请量等人才产出方面却一直低于天津市平均水平，因此河东区需充分发挥人才投入资源的基础性作用和人才创造的关键作用，着力提升人才成果转化能力;宁河区的卫生机构数、一般公共预算支出等社会发展投入一直低于天津市平均水平，需增加其人才配置的基础资源，摆脱“低投入-低产出”的人才配置模式。

二是为进一步提高中心城区、环城区和远郊区的人才配置效率，滨海新区应带动该3个功能区协同发展，不断加强资源要素流动，优势互补，优化城区间的人才配置资源。中心城区的人才配置效率整体呈现下降趋势，急需着力提高其效率，进而扭转该不良趋势。而环城区、远郊区的由于受历史、自然和区位等诸多因素的影响，人才配置水平与其他城区相比，存在着较大的差距。通过加速中心城区的教育、医疗、交通等优质公共资源以及滨海新区的优质产业资源、体制创新优势等与人才息息相关的资源与环城区、远郊区之间进行辐射转移，优化人才配置的相关资源，并形成高效互动，从而实现滨海新区对中心城区、环城区和远郊区的“协同带动”作用，提高该3个功能区的人才配置效率。

三是为应对技术进步是影响人才配置效率下降的主要因素，应深入实施创新驱动发展战略和京津冀人才一体化发展规划。通过对天津市人才配置效率的动态分析发现，天津市人才配置的平均全要素效率TFPCH小于1，人才配置效率呈现下降趋势，技术进步是主要影响因素。因此天津应继续将创新驱动发展作为优先发展战略，以科技创新为核心带动社会全面创新，以产业创新为重点不断推产业进优化升级，以人才建设为支撑构筑人才资源竞争优势，不断提升科技创新能力、推动科技进步。落实京津冀人才一体化发展规划，着力打造京津冀人才协同创新共同体，破除人才体制机制的障碍，积极探索建立区域协同创新机制、科技资源共享机制和人才合作开发流动机制。提高科技创新能力，推动科技进步，从而提高人才配置效率。

[参考文献]

[1]  ARISS A A，CASCIO W F，PAAUWE J. Talent management：current theories and future research directions[J]. Journal of World Business，2013，49（2）：173-179.

[2]  侯爱军，夏恩君，陈丹丹，李森. 基于供需视角的我国区域人才流动研究[J]. 科技进步与对策，2015，32（9）：141-145.

[3]  桂昭明. 改进完善人才流动配置机制的路径[J]. 中国人才，2010（11）：22-23.

[4]  宋本江. 我国短缺性人才资源配置机制探讨[J].中国人力资源开发，2011（01）：73-75.

[5]  刘兵，曹文蕊，梁林. 京津冀人才配置关键影响因素识别及模式研究[J]. 科技进步与对策，2017，34（19）：41-46.

[6]  彭皓玥，王树恩. 我国科技人才配置的效率[J]. 工业工程. 2008（02）：17-20+28.

[7]  牛冲槐，黄娟，李秋霞. 基于灰色关联投影模型的科技型人才聚集效应测度——以中部六省为例[J]. 科技进步与对策，2013，30（1）：150-154.

[8]  刘兵，李嫄，许刚. 开发区人才聚集与区域经济发展协同机制研究 [J]. 中国软科学，2010（12）：89-96.

[9]  张再生. 人才流动态势及影响因素分析——以天津市为例[J]. 人口学刊，2001（1）：8-12.

[10]  魏浩，王宸，毛日昇. 国际间人才流动及其影响因素的实证分析 [J]. 管理世界，2012（1）：33-45.

[11]  牛冲槐，接民，张敏，等. 人才聚集效应及其评判[J]. 中国软科学，2006（4）：118-123.

[12] 牛冲槐，江海洋. 硅谷与中关村人才聚集效应及环境比较研究[J].管理学报，2008，5（3）：396-401.

[13]  R D BANKER，A CHARNES，W W COOPER. Constrained game formulations and interpreations for data envelopment analysis[J]. European Journal of Operational Research，1989，40（3）： 299 - 308.

[14]  ANDERSEN P，PETERSEN N C. A procedure for ranking efficientunits in data envelopment analysis[J]. Management Science，1993，39（10）： 1261 - 1264.

[15]  楊力，王舒鸿，吴杰. 基于集成超效率DEA模型的煤炭企业生产效率分析[J].中国软科学，2011（3）：169-176.

[16]  周平. 基于超效率DEA模型的区域低碳效率空间分异——以湖南省各市州为例[J]. 经济地理2017，37（3）：188-192.

[17]  李闻一，朱祥波，王宇. 政府科技投入成本效益分析——基于超效率CCR模型与Malmquist指数模型[J]. 科技进步与对策，2016，33（21）：132-136.

Abstract： Talents play a decisive role in boosting regional innovation， whether regional talent allocation is rational and effective will affect talent development and sustainable regional development. Based on the input and output perspective， the evaluating index system about regional talent allocation efficiency is constructed. Using the 16 administrative districts of Tianjin from 2009 to 2016 as samples， the Super-efficient DEA is used to analyze the dynamic evolution trend of talent allocation efficiency. Meanwhile， the Malmquist index is used to analyze the influencing factors of changes about talent allocation efficiency. The results show that the talent allocation efficiency in Tianjin has presented a downward trend except in 2011; the efficiency of talent allocation in the downtown， ring area and suburbs is much lower than that in Binhai New District， but the talent allocation efficiency of the three functional areas shows a synergistic development trend; the efficiency of talent allocation in 16 administrative districts vary greatly in terms of direction and intensity. In addition， technological progress has become the main influencing factor of talent allocation in Tianjin from the perspective of technological efficiency and level of technological progress. The foregoing results will help the government of Tianjin optimize the allocation of talent resources and provide a basis for the application of this method to other fields.

Key words： regional talent allocation efficiency; dynamic evolution; influencing factors; Tianjin; Super-efficiency DEA; Malmquist index