区域异质性视角下高技术产业人才聚集与技术创新的实证研究

陆涛 罗鄂湘

摘 要：为研究高技术产业人才聚集对技术创新的影响及其区域差异性程度，从区域异质性视角，理论分析高技术产业人才聚集对技术创新的作用机理并提出相应假设，利用2009—2016年我国25个省级区域面板数据，通过构建固定效应（FE）、随机效应（RE）模型并对比可行广义最小二乘法（FGLS）进行实证检验。研究结果表明：从成果产出和产品产出角度，高技术产业人才聚集均能显著促进技术创新能力的提升，但存在明显的区域差异，表现为东部地区人才聚集对技术创新成果产出的促进作用明显高于中、西部地区，而对产品产出的促进作用略低，表现为“中部最高，西部次之，东部最低”。此外，研发人员投入、研发经费投入和资产规模对技术创新也存在不同程度的正向影响，但区域差异性也十分明显。最后，依据研究结论提出相关政策建议。关键词：高技术產业;人才聚集;技术创新;区域差异中图分类号：C 96;F 124.3 文献标识码：A 文章编号：1672-7312（2019）05-0538-08

Abstract：In order to study the influence of talent gathering in high-tech industry on technological innovation and its regional differences，from the perspective of regional heterogeneity，the paper theoretically analyzes the mechanism of high-tech industry talent gathering on technological innovation and puts forward corresponding assumptions;Using the panel data of 25 province-level regions in China from 2009 to 2016，empirical tests were carried out by constructing fixed-effect（FE）and random effects（RE）models and comparing feasible generalized least squares（FGLS）.The results show that from the perspective of output and product output，high-tech industry talents can significantly promote the improvement of technological innovation capability，but there are obvious regional differences，which are reflected in the promotion of technological innovation output by talent gathering in the eastern region.The effect is significantly higher than that of the central and western regions，and the promotion effect on product output is slightly lower，showing “the highest in the central region，the second in the west，and the lowest in the east”.In addition，R&D personnel investment，R&D investment，and asset size have different positive effects on technological innovation，but regional differences are also obvious.Finally，based on the research conclusions，relevant policy recommendations are proposed.Key words：high-tech industry;talent gathering;technological innovation;regional differences

0 引 言改革开放40年来，我国经济发展迅速，这主要归因于传统劳动密集型产业的兴起和发展，但随着传统劳动力从过剩走向短缺，我国过去所依赖的“人口红利”逐渐消失[1]。因此，必须加快转变经济的发展方式，建设、引领新兴制造业的创新发展，坚持创新驱动，打造制造业强国，实现中国制造向中国创造的跨越，以促进我国经济的稳定增长及其可持续性发展。高技术产业作为新兴制造业的核心成分、国民经济发展的重要组成部分，通过创新驱动优化高技术产业内部结构、促进产业升级，是推动经济增长的重中之重。因而，提高高技术产业的技术创新能力显得尤为重要。当前，我国已初步形成了长三角、珠三角以及环渤海地区等高技术产业带，各地区为了促进其高技术产业的发展、提高技术创新能力、拉动区域经济增长，纷纷争夺高技术产业创新型人才，加大对人力资本的积累。人才聚集是一种具有不同人力资本要素的个体成员的组合行为，这种行为对技术创新可能产生2种不同效应：①人才聚集所产生的知识、技术溢出效应等正外部性能提高聚集区内的技术创新能力[2];②人才聚集使得聚集区内个体大量集中后，存在的相互模仿、投机从众等行为在一定程度上抑制技术创新能力的提升。因此，现阶段我国高技术产业的人才聚集还能否有效促进技术创新仍待研究，此外，区域异质性所带来的聚集区位的先天禀赋差异，势必影响人才聚集与技术创新之间的关系，这种区域差异性程度也是文中研究的重点所在。

1 文献回顾现有关于高技术产业人才聚集与技术创新的研究文献，多集中在宏观层面的关系研究以及微观层面的作用机制分析且存在一定分歧。部分研究观点认为人才聚集对技术创新具有正向促进作用。Beaudry和Breschi（2003）运用因子分析法，实证分析了英、意两国的高技术产业，指出产业聚集所带来的人力资本聚集是影响创新的一个重要因素，能够促进创新能力的提升[3]。牛冲槐和杜弼云（2015）基于2006—2012年中国30个省级区域的相关数据，引入智力资本这一中介变量，研究发现区域内人才聚集对智力资本积累有正向促进作用，而智力资本积累也正向促进着技术创新[4]。杨浩昌（2016）通过对我国高技术产业省级区域的相关数据进行多元线性回归分析，发现聚集区内科技人员投入对创新能力的提升具有一定的促进作用[5]。Kukalis等学者（2010）从人才聚集产出的视角，分阶段对比分析了194家企业31年的面板数据，结果发现聚集区和非聚集区的财务绩效在早期阶段并不存在明显的差异性，但在企业发展的后期阶段，聚集区的财务绩效显著高于非聚集区[6]。曲晨瑶（2017）通过数据包络分析，采用DEA-BCC模型，在探究聚集产业创新效率的内在影响作用机制时，指出人力资本是促进技术创新的一个显著因子[7]。同样，汪锦熙（2018）在研究高新技术产业创新生态系统创新培育的影响因素时，也指出人才储备群落是高新技术企业进行技术创新的核心要素之一[8]。此外，也有部分研究观点与之不同。Yang和Lin（2013）通过对我国电子企业面板数据的实证分析，发现生产聚集对生产率（技术创新）有正向促进作用，但R&D人员聚集与技术创新之间存在负相关关系[9]。芮雪琴（2015）基于DEA-Tobit两步法分析了人才聚集对区域创新效率的影响，结果表明我国区域创新效率水平整体不高，发达区域高于欠发达区域，人才聚集规模和创新效率之间的不匹配使得人才聚集对创新效率存在负向影响[10]。王聪等（2017）运用社会网络分析法，在分析山西省人才聚集效应和区域创新协同网络的内在关系时，发现聚集区内人才之间的合作深度不够、层次不高，使得转化率较低，难以实现创新能力的提升[11]。黎攀群和陈关聚（2018）从创新生态系统视角，利用随机前沿模型测算了航空、航天器及设备制造业的创新效率，研究发现人员投入对创新效率无明显作用[12]。综合以上所述，关于人才聚集对技术创新的影响尚未有较为一致的结论，同时多数研究是以结果为导向，集中在区域创新评价体系的构建与应用上，而这种赋权分析对于地区之间的比较分析尚可，但分析对各地区的影响程度有失偏颇;另外，已有文献多是笼统的以整个高技术产业为主体，较少对比分析这种影响的区域差异性程度，但我国各地区高技术产业发展并不均衡，人才聚集不对等，存在较大空间异质性。因此，文中基于2009—2016年我国25个省级区域的高技术产业面板数据，预期从以下2方面弥补现有研究不足：

①方法上，基于创新产出的时滞性问题，同时引入成果产出和产品产出双因变量，构建FE、RE以及FGLS模型逐一进行对比回归分析;②内容上，从区域异质性的视角，以高技术产业为载体、从原因导向出发，比较分析我国各区域高技术产业人才聚集对技术创新影响程度的差异性，并提出相关政策建议。

2 理论分析和假设人才作为一种特殊的创新资源，对于高技术产业的技术创新活动不可或缺，特定区域的大量集中所形成的物理空间（区域）聚集，形成聚集效应、带来规模经济，在一定程度上影响着高技术产业的技术创新能力。从人力资本角度分析，高技术产业人的人才聚集对技术创新的影响存在以下几点：①Lucas（1988）[13]指出人力资本具有“外在效应”和“内在效应”，对于初始人力资本存量较高的区域，更易形成人才聚集现象，进一步扩大了单一人力资本的外在效应，产生在离散状态下所不具备的集体高效率行为，从而促进聚集区内生产效率的提高;②高技术产业作为知识、技术密集型产业，在关于前沿知识或高新技术的获取、融合、改进以及再创新，人才的聚集在整个过程中均发挥着重要作用。其一，人才的积累是对既有知识、技术的丰富，尤其是弥补了区内企业在攻坚领域的高新技术和前沿知识的空白;其二，由于人才个体的异质性，决定了其对于同类知识、技术的认知存在差异性，因此能够形成认知上的互补，这对于区内企业来说，有利于解决不同层面的技术难题;其三，基于人才异质性所带来的不同知识、技术等创新资源，一方面扩大了聚集区域的创新资源存量，便于区内企业各取所需，另一方面有利于聚集区内创新体系的形成，从而带动创新低下企业，促进整个聚集区域创新能力的提升;其四，人才的聚集使得新兴知识、技术应用于产品的改造、升级或创新，提升了组织绩效，同时也产生了巨大的经济效益，为后续的创新活动提供充足的资金支持;③人力资本积累是高技術产业进行技术创新的核心要素，尤其是专业型技能人才，作为技术创新的内生动力，是高技术产业技术创新的直接创造者，在新产品、新技术的开发、生产以及维护整个生命周期中，其关键技术人才是完成整个创新活动的根本所在。

从聚集效应角度分析，聚集区域内的异质个体成员具有不同人力资本要素，通过内部环境的作用形成大于个体效应加总的聚集效应，所产生的信息共享效应、知识溢出效应以及竞争激励效应等[14]促进高技术产业技术创新，但往往个体成员的投机从众行为也会有一定的抑制作用。具体体现在

1）信息共享效应。人才聚集后的空间地理临近，克服了空间沟通障碍以及时滞性不足等问题，提升了信息扩散与共享效率。此外，这种临近性使得聚集区域创新网络体系构建成为可能，实现单独个体或组织间知识、技术和信息的互融互通，加速了区内企业对于前沿高新技术领域知识的搜索、加工。另外，人才的异质性决定了其对既有知识认知存在差异，同一体系下的交互式学习避免思维困境，产生突破式创新[15]。对于聚集区内的企业而言，可以从区域创新网络体系中高效获取当前行业发展的技术信息动态，并与现有技术加以结合、改进，进而投入生产运作。同时，在这一过程中，聚集区内人才的强流动性，有助于企业依据创新活动需求快速匹配所需专业型人才，增强资源的运营效率。

2）知识溢出效应。知识本身作为一种公共产品或准公共产品，无限性、流动性等固有属性使得知识溢出成为必然。区域内人才聚集后，通过团结协作、细化分工以及资源共享等，形成的Marshall外部性[16]对于显性知识和技术的溢出具有直接的促进作用。此外，聚集情形下使得非正式交流更为频繁，消除了正式沟通情形下的情景约束，使得不同创新思维的碰撞更为活跃，有利于加强对于隐性知识的探索与分享，促进人才之间的高效学习，为高技术产业的技术创新提供新的理论基础。

3）竞争激励效应。竞争和激励是一种共生形态，而人才作为一种特殊的经济要素，一定区域的空间聚集势必会产生合作与竞争。同一专业领域的人才聚集后更是加剧了竞争压力，为了避免被淘汰必须提高自身人力资本水平以增强个人的竞争能力。因此，激励其不断加强个人专业领域的专业化程度，既提升了创新效率也有利于Porter溢出的产生[17]。对于聚集区内企业亦是如此，若只是一味的模仿其他企业缺乏自主创新，将会落后于对手处于被动局面，最终无法生存直至淘汰，因此倒逼该类企业也不得不进行自主研发以提高创新能力。

4）投机从众行为。不同人才受先天教育、环境、经济等因素的影响，所形成的个体意识决定了其行为方式。人才聚集在加强了组织成员之间沟通交流的同时，往往也会形成部分非正式组织，而这类组织的隐性价值观会影响企业的创新效率。若与企业的创新理念具有一致性，则会落实企业的创新决策，积极进行创新活动，提升创新效率;相反，若与之相悖，仅注重自身利益而不去考虑企业的长远发展，以逃避、投机等消极行为刻意规避企业的研发计划、创新活动等，无疑会降低企业的科创效率。此外，该类型非正式组织的扩张，不加以监督治理，甚至会使得聚集区内产生从众心理、羊群行为等扩散效应，使得组织成员的不作为或消极作为进一步放大，不利于区域技术创新能力的提升。从规模经济角度分析，人才聚集的外在表现为人才资源密集度的逐步提高，是量上的积累过程，达到一定程度后形成规模效应。规模效应的形成可以有效降低聚集区内信息、人力以及交易的成本，凸显聚集区内企业进行技术创新的成本优势，产生规模经济性。体现在

1）空间上，人才之间依靠区位临近优势，并在相似知识体系的共同作用下，其沟通、交流行为更为密切，降低了获取前沿知识、技术信息的成本，加快了对于隐性知识的挖掘与获取。另外，聚集区内人才规模的形成使得流动性加强，可以有效减少企业在人才的招聘、甄选、培训等方面的人力成本。

2）时间上，由于空间距离的缩短，聚集区内不同企业之间产品的运输成本得以减少，并且抑制了交易的滞后性，从而降低了交易成本。同时，也增强了企业可支配资金的流通性，可以将更多的资本注入企业的创新生产活动。

3）随着人才聚集规模的不断扩大，人才与人才、人才与资源以及人才与创新要素之间的沟通、接触频率显著提高，知识、技术的交流共享力度加强，人才个体的知识深度、广度也得以增强。而固有的溢出属性，将进一步推动人才聚集规模向更高层次的发展，由此产生更为显著的规模经济性。基于上述理论的分析，提出如下假设：H1a：高技术产业人才聚集水平对技术创新具有正向促进作用。H1b：高技术产业人才聚集水平对技术创新具有负向抑制作用。此外，由于我国各地区资源禀赋、地理位置、管理水平、政策支持等异质性问题，各区域人才聚集水平存在较大区位差异。一般经济发达地区的工资水平较高、基础设施相对完善，对人才的吸聚力更强，相应地，作为技术创新核心的专业型人才也更为集中。另外，政策引导型地区通过对人才市场环境的不断改善，采取一系列包括就业保障、薪资保障以及住房保障等措施，引导人才的迅速聚集，弥补了量上的不足，也会改变该类地区高技术产业的技术创新能力。基于此区域差异性，故提出假设2H2：高技术产业人才聚集对技术创新的影响程度存在明显区域差异性

3 实证分析

3.1 模型构建文中在探究高技术产业人才聚集对技术创新的影响时，基于前文文献回顾，可以发现除了人才聚集会对技术创新产生影响外，研发人员投入、研发经费投入以及资产规模等也会对技术创新产生影响。因此，为了得到更为准确的计量结果，将研发人员投入、研发经费投入、资产规模作为控制变量，故设定如下计量模型其中：inno为被解释变量，表示高技术产业技术创新能力;inno1为专利申请数;inno2为新产品产值;aggl为核心解释变量，表示高技术产业人才聚集水平;staf，fund，asse为控制变量，分别表示研发人员投入、研发经费投入、资产规模;α0为常数项;α1，α2，α3，α4分别为各个变量的系数;εit为残差项。

3.2 变量说明

3.2.1 被解释变量文中的被解释变量是技术创新能力（inno）。大多数学者在研究技术创新能力时，都将专利申请数作为衡量技术创新能力的一个指标，因此文中也将沿用这一指标，用inno1表示。此外，专利申请数作为一种成果产出指标，存在一定的滞后性，因此文中从研发产品产出的角度，将新产品产值作为衡量技术创新的第二种指标，用inno2表示。

3.2.2 解释变量文中的解释变量是高技术产业人才聚集水平（aggl），借鉴Duranton和Puga关于聚集度的测量方法[18]，采用高技术产业从业人口密度（人/平方千米）来衡量，即从业人数与地区面积的比值。计算公式如下agglit=mit/sit（3）其中：mit为地区i在t时刻的高技术产业的从业人数，人;sit为地区i在t时刻的面积，km2;两者比值表示人才聚集水平，且比值越大则说明聚集程度越高。

3.2.3 控制变量文中的控制变量包括研发人员投入（staf）、研发经费投入（fund）和资产规模（asse），其具体度量方式为：研发人员投入用各个地区高技术产业的R&D人员全时当量來衡量，一般研发人员越多，该地区技术创新能力越强;研发经费投入用各个地区高技术产业的R&D经费来衡量，一般用于新技术或新产品研发的经费越多，相对来说更容易创新出新的产品;资产规模用各个地区高技术产业的总资产来衡量，一般资产规模越大的地区可用于创新的资源越多，如资金、设备等。

3.3 数据来源文中分析的数据是2009—2016年我国25个省级区域（剔除了西藏、青海、宁夏、新疆、甘肃和内蒙古等省级区域的数据，是由于这些地区部分年份的数据缺失，而且有些地区也并非高技术产业人才聚集区）高技术产业的面板数据，所有数据均来源于《中国高技术产业统计年鉴2009—2016》和《中国科技统计年鉴2009—2016》。数据中主要变量的描述性统计见表1.可以看出，整体上各区域的高技术产业人才聚集水平波动幅度较大，最大值为4.572 0，最小值仅有-2.714 5，其变异系数显著大于1（即标准差显著大于均值绝对值），说明区域异质性明显。

3.4 计量结果及分析

文中将采用固定效应（FE）、随机效应（RE）以及可行广义最小二乘法（FGLS）3种方法分别进行系数估计。此外，由于可行广义最小二乘法（FGLS）在做回归时考虑了面板数据中存在的异方差和序列相关性，其得到的结果相较于FE和RE的估计结果一般更为稳健。因此，若FE、RE和FGLS的估计结果无较大差异，则以FGLS的估计结果为准。数据分析的软件为Stata 14.

3.4.1 总体回归结果及分析

引入双因变量，分别以专利申请数和新产品产值为被解释变量，使用固定效应（FE）、随机效应（RE）和可行广义最小二乘法（FGLS）进行估计，得到的估计结果见表2.

通过观察总体回归结果，从成果产出角度，采用专利申请数作为被解释变量，使用FE、RE和FGLS进行估计得到的估计系数符号均相同。对比方程1和方程2，Hausman检验的P值为0.036 7，在5%的显著性水平下拒绝了原假设，则选择方程1的估计结果;对比方程1和方程3，我们发现FGLS估计的变量系数均高度显著，因此认为方程3得到的结果更为稳健，最终选择方程3。通过方程3的回归结果可以发现：在控制了研发人员投入和研发经费投入以及资产规模条件下，高技术产业人才聚集水平对技术创新有正向促进作用，并且通过了1%的显著性检验，证实了假设H1a，故H1b未得到验证。此外，人才聚集水平每提高1%，专利申请数提高0086 4%，说明人才聚集水平仍是影响我国高技术产业技术创新的一大因素，人才聚集水平的提升可以提高高技术产业整体技术创新能力;另外，研发人员投入、研发经费投入和资产规模对技术创新也有正向影响。从产品产出角度，采用新产品产值作为被解释变量，使用FE，RE和FGLS回归得到的变量系数也均相同。对比方程4和方程5，Hausman检验的P值为0.220 1，无法拒绝原假设，则选择方程5;对比方程5和方程6，各系数的显著性水平一样，但FGLS估计更为稳健，因此选择方程6得到的估计结果。其变量系数显著为正，也验证了假设H1a.高技术产业人才聚集水平每提高1%，新产品产值提高0.392 6%，表明人才聚集对产品产出的促进作用更为明显。

3.4.2 分区域回归结果及分析

通过前文的回归结果分析可以发现：可行广义最小二乘法（FGLS）估计得到的结果在一定程度上更为稳健，因此在研究区域差异时，分别以东部、中部、西部地区为研究对象，仅使用FGLS进行分区域回归分析。得到的估计结果见表3.

当被解释变量为专利申请数时，对比方程7、方程8和方程9，东部地区高技术产业人才聚集水平对技术创新成果产出的影响系数为0.089 6，且通过了5%的显著性检验，表现为人才聚集水平每提高一倍，专利申请数将提高8.96%;而中部、西部地区的影响系数分别为0.087 5，0.107 5，且均未通过显著性检验。因此可以看出，东、中、西部地区高技术产业人才聚集对技术创新的影响程度存在显著差异，验证了假设2.东部地区高技术产业人才聚集水平是影响其技术创新成果产出的重要因素，而中西部地区的人才聚集水平已不再是制约其高技术产业技术创新成果产出的主要瓶颈，而是其创新效率低下，规模无效率。主要原因是东部地区的高技术产业多从事尖端高新技术的研发工作，对人才的需求量大，加上人才与地区之间的双向选择以及政策倾向，促使中低端制造业产业转移至中、西部地区，因此该类地区的产业倚重策略造成对创新型技术人才的需求相对较低。对于中部地区，研发经费投入的影响系数为0.6303且高度显著，说明进行创新活动的研发资金投入是提升技术创新能力的主要因素;对于西部地区，研发人员投入、研发经费投入、资产规模均显著正向影响技术创新，表明西部高技术产业应该注重产业内部资源合理分配，加大研发人员投入、资金支持力度，同时要避免规模不经济性，以促进创新效率的提升。当被解释变量为新产品产值时，对比方程10、方程11和方程12，东部地区高技术产业人才聚集水平对技术创新产品产出的影响系数为0.227 3，且通过了1%的显著性检验;中部、西部地区的影响系数分别为0.479 1，0.257 9，均通过了5%的显著性检验。通过观察图1所示系数对比结果，可以发现东、中、西部地区的影响系数并非处于同一三角形，存在明显的区域差异，也验证了假设2，其中中部地区高技术产业人才聚集水平对技术创新产品产出的促进程度最为明显。这主要由于产业转移情形下，我国部分中低端制造业实现东部向中、西部地区跨区域转移，使得相应地区进行产品改造、升级、再生产的专业型人才需求增大，中部地区作为该类制造业的集中区域，人才聚集的促进作用也最为显著。此外，中、西部地区高技术产业研发人员的投入对创新产品产出并没有促进作用，甚至产生负向影响但不显著，表明中、西部地区主要从事创新产品活动，对进行技术创新的研发人员无明显需求;而研发经费投入创新产品产出具有显著促进作用，主要由于我国区域发展异质性，导致中、西部地区經济水平较东部偏低，尤其是西部地区，存在严重的技术创新资金短缺，资本积累不足制约了该地区高技术产业的技术创新活动。

4 稳健性检验为了验证前文回归分析结果的稳健性，文中借鉴了刘军[19]的研究方法，采用各个地区的区位熵值来度量区域的人才聚集水平，采用可行广义最小二乘法（FGLS）进行回归分析，分别进行了总体稳健性检验和分区域稳健性检验，其结果见表4.

从总体稳健性检验结果可以看出，方程13，方程14分别和方程3，方程6估计结果中的变量系数符号一致，且都高度显著，这说明了前文中的总体回归分析结果具有较高的稳健性;对比分区域稳健性检验的结果与前文中分区域回归得到的结果，可以看出变量的系数也是一致的，显著性水平有所不同，但仍足以说明前文中分区域回归分析结果稳健。

5 结 语

1）总体上来说，2009—2016年我国各地区高技术产业技术创新能力呈上升趋势，在控制了研发人员投入、研发经费投入和资产规模外在条件下，人才聚集水平对技术创新成果产出和产品产出均存在显著的正向影响，同时也通过了稳健性检验。其中研发人员投入对技术创新成果产出的促进作用显著，对产品产出无显著促进作用，但研发经费投入均表现出高度显著的促进作用，而资产规模也均有正向影响。

2）分区域来说，高技术产业人才聚集水平对技术创新的正向影响存在明显的区域差异。从成果产出角度来看，表现为东部地区的促进作用显著高于中、西部地区，且通过了稳健性检验;从产品产出角度来看，东、中、西部地区均有显著促进作用，但影响程度表现为“中部最高，西部次之，东部最低”。此外，研发人员投入仅对技术创新成果产出有正向影响并存在显著性差异;研发经费投入均表现出高度显著的正向影响。综上所述，提出如下政策建议：①加强我国各地区高技术产业聚集区建设，鼓励人才聚集，尤其是中部地区，特别是西部地区，同时依据区域产业发展层次适度进行产业的跨区域转移;②充分利用各地区高技术产业经营特征，结合其地理、经济以及资源等优势，打造区域特色产业，增强与之匹配人才的吸聚力，通过政策引导等方式促进其人才聚集水平的提升，有效减小东部和中西部地区之间的差距，避免继续扩大，但也应防止人才聚集过度现象的产生;③加强区内企业内部环境建设，合理分配创新活动资源，如研发人员、研发经费等，避免规模无效率、不经济;④落实相关政策法规，制定出长期有效的激励机制，加快区域创新网络的构建，实现各区域创新网络的互联互通;⑤政府部门应提供各地区创新资源保障，完善人才市场机制，吸引人才、培养人才、留住人才，充分发挥人才效应，同时加大创新研发资金支持力度，并合理监管力度以保证资金利用的高效性。

参考文献：

[1] 蔡 昉.人口转变、人口红利与刘易斯转折点[J].经济研究，2010（04）：4-13.

[2]Gilbert B A，Mcdougall P P，Andresen D B.Clusters，knowledge spillovers and new venture performance：an empirical examination[J].Journal of Business Venturing，2008，23（04）：405-422.

[3]Beaudry C，Breschi S.Are firms in clusters really more innovative？[J].Economics of Innovation and New Technology，2003，12（04）：325-342.

[4]牛冲槐，杜弼云，牛 彤.科技型人才聚集对智力资本积累与技术创新影响的实证分析[J].科技进步与对策，2015，32（10）：145-150.

[5]杨浩昌，李廉水，刘 军.高技术产业聚集对技术创新的影响及区域比较[J].科学学研究，2016（02）：212-219.

[6]Kukails S.Agglomeration economies and firm performance：The case of industry cluster[J].Journal of Management，2010，17（03）：1-29.

[7]曲晨瑶，李廉水，程中华.高技术产业聚集对技术创新效率的影响及区域差异[J].科技管理研究，2017，37（11）：98-104.

[8]汪锦熙.高新技术产业创新生态系统创新培育影响因素研究[J].技术与创新管理，2018，39（02）：148-152.

[9]Yang C H，Lin H L，Li H Y.Influences of production and R&D agglomeration on productivity：Evidence from Chinese electronics firms[J].China Economic Review，2013，27：162-178.

[10]芮雪琴，李亚男，牛冲槐.科技人才聚集的区域演化对区域创新效率的影响[J].中国科技论坛，2015，12：126-131.

[11]王 聪，周立群，朱先奇，等.基于人才聚集效应的区域协同创新网络研究[J].科研管理，2017，38（11）：27-37.

[12]黎攀群，陈关聚.创新主体关系对高技术产业创新效率的影响——创新生态系统视角[J].技术与创新管理，2018，39（06）：664-670+681.

[13]Lucas J R.On the mechanics of economic development[J].Journal of Monetary Economics，1988，22（01）：3-42.

[14]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（04）：118-123.

[15]ZHOU Li-jun，HE Zi-li.Research on the operation of technological innovation networks：a compressive frame based on the knowledge，learning and social capital[J].Journal of Intelligence，2009，28（03）：71-74.

[16]马歇尔.经济学原理[M].北京：华夏出版社，2005.

[17]Porter M E.Clusters and the new economics of competition[J].Harvard Business Review，1998，76（06）：77.

[18]Duranton G，Puga D.Nursery cities：urban diversity，process innovation，and the life cycle of products[J].Cepr Discussion Papers，2000，91（05）：1454-1477.

[19]劉 军，徐康宁.产业聚集、经济增长与地区差距——基于中国省级面板数据的实证研究[J].中国软科学，2010（07）：91-102.（责任编辑：王 强）