价值链视角下科技人才分布对区域创新系统效率的影响

徐 斌，罗 文

(1.江西财经大学 协同创新中心；2江西财经大学 产业经济研究院，江西 南昌 330013)

0 引言

近年来，我国不断加大科技创新投入力度，着力培养、引进、挖掘各类人才，以期实现从要素驱动向创新驱动转变。2009-2017年，全国研究与实验发展(R&D)经费投入从5 802.1亿元增长至17 606.1亿元，R&D经费投入强度从1.66%提升至2.13%，每万人中R&D人员从23.9人增至44.7人。然而，中国科学技术发展战略研究院发布的《国家创新指数报告2018》、《中国区域科技创新评价报告2018》报告显示，相对于科技投入增长表现，我国科技产出效率以及科技对社会的影响与之不匹配。在向创新驱动目标转变下，各省一方面增加科技资金投入、提高研发投入强度；另一方面在人才引进上做文章，这一现象在近年来各城市上演的“抢人大战”中可见一斑。然而，在区域创新方面，各区域一味加大要素投入、摆开大摊子，只在乎量上的增长，而忽略了效率提升。在向创新驱动转型过程中，稀缺资金与科技人才资源未发挥应有潜力，无疑成为社会一大损失。如今，我国经济发展面临的艰难转型已经证明，纯粹依靠要素扩张驱动的发展模式不可持续，区域创新系统效率已成为一个必须重视的问题。

本文重点考虑创新要素省际分布对区域创新系统效率的影响，特别是科技人才的影响。因为资金投入内生于自身经济发展水平，而科技人才分布则具有更多外生性。在短期内，各区域可以提升研发经费占经济总量的比重，但国内科技人才数量与结构在某种程度上却是给定的，并且长时间以来大体延续着一定的分布特征，这种分布状况潜在影响着我国各区域创新系统效率。而从长期看，区域创新部分差异可能藉由扩散效应、趋同效应予以弥补，但由于各区域技术发展水平不同，某些差异难以缩小并将长期存在，其中就有地区科技人才长期演化带来的结果。

不同于一般文献对区域创新效率的分析，本文基于创新价值链理论，将区域创新看作是一个系统过程，将创新活动分解为3个有序联结的阶段，即知识创新—专利创新—产品创新，分别考察科技人才分布状况对3个阶段创新效率的影响。芮雪琴等[1]和修国义等[2]都研究了科技人才聚集与区域创新效率间的关系，将区域创新当作一个复合单阶段，但实证结果相左。鉴于此，有必要对区域创新效率进行深入分解，将区域创新分解成3个阶段。但这3个阶段产出不同，知识创新阶段产出为科技论文或者专著，专利创新阶段产出为技术专利，产品创新阶段为上市的新产品。同时，3个阶段主要创新主体也不同，高校与科研机构多从事基础研究、开展知识创新，企业多从事应用、实验与开发，进行专利与产品创新。

由此，考虑到区域创新系统包含多个子系统，而科技人才要素在地区层面以及子系统间流动，本文利用2009-2016年我国内地30个省级行政区(西藏由于数据缺失未纳入统计)人才分布与研发数据，对现阶段科技人才分布状况与区域创新系统效率间关系进入深入分析。与之前研究相比，本文在两个方面作了扩展：①将区域研发过程分解为3个有机结合阶段，在控制其它环境因素后，分别考察科技人才分布特征对各阶段研发效率的影响，进一步分析科技人才分布对区域创新效率的作用机理；②对科技人才分布状况进行较为全面的考察，除考虑数量维度外，还有结构维度，即科技人才队伍层次与性别结构。实际上，地区科技人才分布状况正是通过数量与结构两个维度共同影响创新效率。

1 文献综述与机理分析

1.1 科技人才与区域创新效率

我国科技人才分布区域演化状况与地区创新系统密切相关，围绕科技人才与区域创新系统效率，已有研究从以下几个方面开展：

(1)科技人才开发效率。这类研究着眼于人力资源开发视角，在挖掘效率影响因素的基础上，研究如何在科技活动中提升人才利用效率。张春海等[3]发现，东部与中西部地区效率差异集中在人均GDP、产业聚集度、企业平均规模和科技型人力资源丰裕度等方面，而科技企业孵化器与科技园建设可作为地区科技人才开发效率提升的有效路径。对于西部地区而言，经济、城市建设、教育与对外联系等因素作用较突出[4]；而对于中部六省，区域政府对科技人才的资助强度、经济发展水平、教育发展水平与基础设施状况等因素更为明显[5]。将研究对象延伸至全国，孙健和丁雪萌[6]发现，劳动者素质、产业结构、企业结构、创新环境与对外开放程度均对地区科技人才开发效率有显著正向影响，并且劳动者素质与创新环境对地区经济发展水平具有中介作用。

(2)区域研发效率影响因素及其测算改进建议。其中，早先一些学者专注于区域研发效率单一阶段测度并探寻各种关键影响因素，典型做法如分析东西部技术创新效率的差异及原因、对比中部区域与京沪地区创新绩效、评价各省市专利发展有效性，所考虑的因素从微观层面[7]企业制度、性质到中观层面[8-9]劳动者素质、基础设施、金融支持、市场化进程与创新阶段。与上文类似，但不同之处在于关于区域研发效率的测算没有局限于数据包络分析方法而同时采用随机前沿分析方法，并且在因素分析中更多考虑了区域异质性[10]与空间溢出效应[11]。另外一些学者[12-13]则不满足于传统“黑箱”处理做法——单一阶段测算，而是通过分解区域创新活动内部实际运作过程，全面考虑系统整体效率，在效率测度时将创新过程分解为两个前后关联的链式子阶段，以链式网络关联DEA模型测算阶段关联度、子阶段效率与整体效率；余永泽和刘大勇[11]基于Hansen & Birkinshaw[4]的创新价值链概念，结合我国区域技术创新实践，提出一个可操作的区域创新系统框架：知识创新—科研创新—产品创新，这正是本文考察区域创新系统效率的应用视角。

(3)科技人才聚集与区域创新效率关系。牛冲槐等(2006)对人才聚集最早进行了论述，认为人才聚集是人才流动与区域经济要素配置的结果，会出现聚集经济效应与不经济效应。科技人员聚集有助于提升该区域科技创新产出，且已得到一些研究证实[15]。聚集首先带来智力与知识资本积累，延伸至高校、企业或产业，而后增强主体消化吸收与自主创新能力，提升产出能力。以高技术产业为例，查成伟等[16]发现，科技人才聚集效应与技术创新复合系统协同度在整体上不断上升；牛冲槐等[17]也发现，科技型人才聚集、高技术产业聚集与区域技术创新间存在某种正向互动机制；此外，芮雪琴等[1]以科技人才空间结构系数表示聚集演化状况，指出科技人才区域演化对区域创新效率有重要影响，在经济发达地区出现了科技人才的过度聚集，欠发达地区是聚集不足；修国义等[2]直面科技人才聚集作用于区域创新效率的问题，与前者采用的度量人才聚集状况指标相类似，样本也大部分重合，但未发现明显的“过度聚集或不足”现象。

1.2 评述与机理分析

综上所述，关于科技人才与区域创新系统效率的文献较为丰富，对人才聚集效应也有相应理论探讨，但直接讨论科技人才分布状况对区域创新系统效率影响机理的实证研究较少，且结论并不一致，尤其是未考虑到区域创新系统是一个多阶段复合过程，而且科技人才在地区之间以及与区内子系统之间流动时还受到各类环境因素的影响。事实上，科技人才分布状况是地区人才不断演化与集聚的结果，经济发达地区人才规模扩张会产生典型的知识溢出效应、信息共享效应、规模效应及激励效应等[15]。在区内子系统中，高校、科研机构、企业等组织分别吸纳科技人才，面临着不同的环境与约束条件，进行不同阶段和领域创新，这些效应的性质和大小也存在着微妙差异。

首先，人才聚集经济性效应的发挥取决于内外环境作用、组织动态变化是否适宜。在初始阶段，地区内知识、人才集聚效应随着规模扩大而增强，并与环境、组织状态相适应，从而促进知识溢出、激励效应等作用的有效发挥，使得区域创新效率提高；当达到某一阶段且超出一定规模时，则可能出现过度集聚的负效应，或因为人才资源积压浪费，或因为创新环境与组织体系变革不能适应创新队伍扩大而导致集聚中的运行阻滞、竞争冲突，创新效率反而被抑制，从而导致人才集聚经济效应转为不经济效应；其次，科技人才向局部地区聚集，全国人才集中度提高，将形成科技创新中心、人才高地，这些环境优良、配套完善的科技中心聚集了巨量知识、技术、人才等资源，知识溢出效应、信息共享效应、规模效应以及激励效应等将发挥巨大作用，从而在中心辐射扩散与空间溢出作用下，周边地区创新效率也能得到提升；最后，在创新活动中，不同性别与不同层次人员所处科研环境、工作经验、思维方法不尽相同，又分布在不同岗位上，致力于不同创新阶段或领域研究，因而这些区域层面结构因素也潜在影响着创新绩效。

2 研究设计与经验背景

本文采用DEA-Tobit两步法，先构建科技人才分布特征变量并测算出区域创新系统三阶段效率值，用Tobit模型进行回归。

2.1 科技人才分布特征

关于科技人才的定义不一而足，本文采用统计年鉴中对研究与试验(R&D)人员的定义。借鉴芮雪琴等[1]和修国义等[2]的做法，定义规模、强度与集中度指标。在此基础上，增加静态聚集指数与动态集聚指数，以反映科技人才发展数量特征。

2.1.1 数量维度指标

2.1.2 结构维度指标

除上述定义的5个指标外，可对科技人才加以限定，由此考虑地区人才结构维度，如测算时仅包括具备中级以上职称或博士毕业的R&D人员。基于掌握的数据，本文重点考察科技人才队伍层次结构与性别结构，即R&D人员中拥有博士学位的人员比重、R&D人员中女性比重。

2.2 价值链视角下创新效率测算

Cooke[18]认为，由地理上相互关联和分工的高校、研究机构、企业以及中介组织构成的区域创新组织体系，可看作是一个区域创新系统。系统内各要素相互作用使得创新投入转化为创新产出，而转化的投入产出比即为区域创新系统效率。在测算区域创新效率时，大多数学者根据研究重点有意识地选择投入与产出指标，但较少考虑区域创新活动层次性与延续性。Hansen&Birkinshaw[14]提出创新价值链概念，认为创新价值链由创意产生、创意转换和创意传播3个关联子阶段构成，于是创新活动可看作是从知识生产、知识应用到知识扩散的不同形态叠加转换的过程。基于此，考虑到我国统计中将创新活动分为基础研究、应用研究和试验发展3部分，余泳泽和刘大勇[11]认为创新是一个从创新要素投入(内含中间投入、追加投入)转化为创新成果产出的多阶段、多层次、多要素价值传递过程，具体可分为3个阶段：与创意产生和基础研究相对应的是知识创新，由高校与部分科研机构完成，寻求知识原理、规律方法或者基础理论模型；与创意转换和应用研究相对应的是科研创新，由科研机构和部分企业承担，进行研究开发、试制技术与技术测验；与创意传播和试验发展相对应的是产品创新，创新主体是各类企业，其有针对性地整合知识、成果化技术以及开展生产设计与营销推广活动，最终实现成果转化。结合我国区域创新实践动态变化和创新产出形式，本文将上述创新分为知识创新—专利创新—产品创新表述3个阶段。其中，专利创新不只由科研机构和部分企业承担，还包括高校乃至个人，主要成果形式为专利，其逻辑如图1所示。因此，本文将区域创新系统效率转化成对子阶段知识创新、专利创新及产品创新效率的测算，如表1所示。

图1 创新价值链视角下区域创新系统三阶段系统过程

表1 区域创新系统三阶段投入产出与环境因素

注：根据余永泽和刘大勇(2013，2014)的创新三阶段投入产出表改造而得

本文根据表1列示的投入产出分别测算各子阶段创新效率。值得注意的是，子阶段间的关联在于将前一阶段的部分产出作为后一阶段的投入要素。例如，知识创新阶段科技论文产出被当作专利创新阶段投入，专利创新阶段专利授权量被视作最终阶段产品创新投入之一。其中，R&D人员均以全时当量计算，经费支出根据合成价格指数(0.55*居民消费价格指数+0.45*固定资产投资价格指数)平减(朱平芳和徐伟明，2003)[19]，新产品销售收入与出口额则直接依据工业生产者出厂价格指数平减。考虑到3类专利的科技含量与商业价值，参考白俊红等[20]的做法，对发明专利、实用新型专利与外观设计专利分别赋权0.5、0.3与0.2，由此得到加权平均专利申请量与授权量。再者，考虑到从研发投入到产出存在一定的滞后期[21]，参照近来研究的通常做法，确定时滞为一年，即第t年投入对应于第t+1年产出。

关于研发效率测度方法，常用的是非参数数据包络分析DEA和参数随机前沿分析SFA。鉴于需要测算的3个阶段效率包括多种投入与多种产出，因而优先采用操作上较为简单的DEA。拓展后的SFA能在分离随机误差与非效率项的基础上定量分析各类因素对技术非效率的影响[22]，但需要与距离函数相结合才能处理多产出问题。然而，除需设定无效项与距离函数形式外，如果解释变量和组合误差项相关，距离函数不满足假设上的凹性或拟凹性，在论及投入产出、环境变量变化对效率的影响时可能出现有偏估计和一些有违常规的结论[23]。相比之下，DEA虽然没有考虑到数据噪声的影响，也不能研究传统经验假设，但毕竟主观选择随意性较小。依据Coelli等[24]列示的DEA-BBC模型和DEA-Malmquist模型，本文利用软件DEAP2.1计算区域创新系统各阶段投入导向的DEA效率值与分解的TFP变化。

2.3 计量模型

(1)

其中，xi表示上文所构造的反映科技人才分布特征的关键变量，包括数量与结构，其系数正负号及显著性是模型关注重点；zk系列作为控制变量，包括区域经济发展水平、产业技术水平、基础设施、区域研发投入强度、地区市场化指数、技术市场交易规模与劳动者素质。很多研究表明，地区科技人才分布演化很大程度上是经济与科技因素共同作用的结果[25]。由此可以推断，对科技人才分布演化有作用的因素也可能会对区域创新系统效率产生直接或间接影响。而上述诸变量都是相关文献中提及与二者有关的重要因素，因此理论上应在模型中予以适当控制，但之前相关研究却忽视了这一点。

本文所用基础数据均来源于历年《中国统计年鉴》(2010-2017)与《中国科技统计年鉴》(2010-2018)，受限于分析结构需求与年鉴数据列示，最终选取我国内地30个省级区域(因多年数据缺失，西藏未纳入统计)2009-2017年数据作为样本，预处理如前要求，整合成用于Tobit分析的30个省份2009-2016年的二次面板数据。综合以上3部分，本文变量定义如表2所示。

2.4 经验背景与特征事实

2.4.1 科技人才分布状况及变化

总体而言，表3反映的是我国科技人才分布状况。首先，东部地区吸纳了大部分科技人才，中部其次，西部再次，东北最少；其次，结合静态指数与动态指数看，东部地区人才原本相对集中、人才强度远高于全国平均水平，且集聚程度不断强化；中部人才聚集不足，但动态增长稍稍高于全国，处于集聚最初阶段；西部原本聚集不足，加之动态增长低于全国，依旧处于集聚劣势；东北地区人才聚集退化明显，2016年静态指数已低于中部，动态增长远落后于全国平均水平；最后，图2显示，我国科技人才集中度指数整体呈上升趋势，表明在演化的合力作用下，我国科技人才分布越来越集中。

表2 变量定义

图2 2009-2016年中国科技人才整体集中度指数

具体到板块内部，对于东部需要注意的是北京、上海动态聚集指数低于1，说明两地科技人才集聚出现退化，一般人才已经满足不了北京、上海科技创新发展需求，两地对科技人才标准的门槛在提高，对一般科技人才吸纳渐少而对高层次科技人才吸纳渐多，若将上述表中科技人才定义为仅包括博士毕业的部分，便能发现北京、上海在高层次科技人才集聚方面有所强化。至于中部六省，山西静态聚集指数持续降低、动态增长几乎停滞；湖北为科技大省，但静态指数有所降低、动态增长低于全国；江西则表现平平，动态增长与全国几乎一致、差距依然；其余三省动态增长高于全国、静态集聚指数有所提升，尤其是安徽。西部11个省份则分为两种情况：一类包括重庆、贵州、云南，其动态增长指数高于全国、静态集聚指数有所提升，与全国平均强度差距缩小；另一类是其余8个省份，其科技人才动态增长指数低于全国、静态集聚指数下降，与全国平均水平差距拉大。东北地区辽宁、吉林、黑龙江三省变化极为一致，静态指数持续走低、动态指数远低于1，呈现出明显的科技人才集聚退化现象。

表3 2009-2016年中国内地30个省级区域科技人才分布状况

注：公式2.1.1小节定义

2.4.2 区域创新系统效率分析

本文用DEAP2.1软件分别测算区域创新系统各子阶段的DEA效率值与全要素生产率(TFP)的Malmquist分解，表4依次给出了各地区综合技术效率的多年均值(TE)、分解的技术效率变化(effch)与技术进步变化(techch)。值得注意的是，由于生产技术前沿面不同，单纯比较各阶段效率没有意义，但可以通过TFP变化发现一些动态特点。就全国整体而言，在考察期内，知识创新、专利创新与产品创新均在技术效率变化上有所改善，但在技术进步方面只有专利创新得到提高，知识创新与产品创新则表现为下降。最终，中间阶段(专利创新)全要素生产率得到提升，知识创新与产品创新阶段全要素生产率下降，在生产率变化上呈现出“两头降中间升”的特点。

理论上讲，技术效率改善是指向现有生产技术前沿面逼近，技术进步则是指生产技术前沿面扩张。对应着现实，表明我国知识创新、产品创新仍然未突破原有创新体制障碍，只在固有框架内发挥作用，而专利创新在挖掘效率潜力的同时也在突破原有体制实现技术前沿扩张。区域创新系统3个阶段过程与特点、风险与体制很不一样，知识创新由高校与科研机构主导，近来科研体制变化较小，成果多以论文和著为导向；产品创新则以企业为主，其整合现有知识、转化技术、分析市场需求，营销并制造产品，但新时代面对人民的“美好生活需求”，我国企业供给高质量新产品的能力有待提升；专利创新体制则出现了巨大变革，高校、各级研发机构、企业乃至于个人都成为专利创新活跃主体，专利从申请到授权环节简化、效率得以提升，以及专利交易规范化与规模化都进一步降低了各类交易成本，从而推动了近年来专利申请量与授权量的井喷式增长。这些或许就是区域创新系统3个阶段TFP变化呈现“两头降中间升”特点的原因。

3 实证结果分析

3.1 数量维度与区域创新效率

对地区科技人才特征变量作皮尔逊相关分析，表5结果显示，聚集强度I与静态指数C的相关系数为0.962，且在0.001显著性水平上异于0，而其它关键特征变量的相关系数不超过0.6，因此在实际回归中以分布规模D、聚集强度I、整体集中度E作为反映地区科技人才发展特征的关键变量。另外，考虑到之前一些实证研究发现科技人才聚集规模对区域创新效率有负向或正向影响[1-2〗，本文在进一步检验中加入分布规模的二次项。

表4 2009-2016年区域创新系统三阶段效率及其TFP分解

注：为节约篇幅，略去详细的分省效率及TFP分解结果

表6和表7分别给出了未加入和加入控制变量情况下的Tobit回归结果，所有模型的LR检验都强烈拒绝“H:=0”，认为存在个体效应，所以使用随机效应面板Tobit回归是恰当的。两种情况下关键解释变量系数符号基本一致，只是在值大小与显著性水平方面存在差别。其中，差异最大的是产品创新阶段，未加入控制变量时，科技人才分布规模对产品创新阶段效率具有显著正向影响，在引入系列控制变量后则不再显著、甚至变成不显著的负向影响。这说明，创新环境中的经济发展水平、基础设施、市场化程度与劳动者素质等因素变量不仅影响地区创新能力、创新效率，还潜在作用于地区科技人才演化过程，故而研究后者对前者的实际作用，最好对其加以控制，因此本文主要讨论加入控制变量后的结果，见表7。

表5 地区科技人才分布数量特征Pearson系数

注：*p< 0.05,**p< 0.01,***p< 0.001

表6 无控制变量下科技人才数量维度估计结果

注：括号内为相应t值，*p< 0.1,**p< 0.05,***p<0.01，下同

表7 有控制变量下科技人才数量维度估计结果

注：本表及以下各表σ_u、σ_e等有关参数均通过检验，为节约篇幅，之后省略类似部分

在知识创新阶段，模型(1)显示，仅有地区科技人才聚集强度对区域研发效率有负向显著作用；模型(2)加入科技人才分布规模的二次项，聚集强度依旧是负向显著，而分布规模系数在1%显著性水平上为正，二次项系数显著为负，表明现阶段我国地区科技人才分布规模对知识创新阶段效率具有非线性倒U型影响(转折点约为6.93%)。初始，科技人才逐渐增多、规模日益扩大，科技人才聚集发挥正面效应，对知识创新效率有提升作用；当分布规模集聚到一定程度后，集聚效应的发挥需要组织和配套设施进行相应变革，即知识创新主体——高等院校和研发机构采取适应性变革，否则地区科技人才规模继续扩张将转而抑制知识创新效率，生产率研究中有投入冗余致使等产量线向后弯折的现象即对应此种情况。另外，聚集强度负系数结果表明，在其它要素投入或资源既定情况下，过高强度使得人员间发生资源争夺，由此有损于效率。例如，在现实中，东部发达地区高校与科研机构凭借雄厚财力，提供优越条件到中西部“挖掘”人才而往往忽视改善本校人员的科研条件，致使内外融合集聚效应难以显现，“引得进用不好”反而在科技人员内部产生诸多矛盾。

在专利创新阶段，模型(3)显示，科技人才分布规模与集中度均对区域研发效率有显著正向作用，在加入规模平方项的模型(4)中依旧如是，同时二次项系数在5%显著性水平上为负。这也说明，地区科技人才分布规模与专利创新效率间存在非线性倒U型关系，且这一转折点(11.24%)相对知识创新(6.93%)更为靠后，表明发挥集聚规模效应的区间更长。但是，由于专利创新参与者众多，包括高校、科研机构、企业及个人，科技人才分布规模达到阈值后，上述微观个体更加密集，彼此间无序竞争造成专利重复建设，在产学研一体化体系尚不健全情况下更加严重，加之各自分散研发、平均规模有限，直至集聚导致的过度竞争效应超过集聚规模效应，人才集聚规模对专利创新效率的影响由促进转向抑制——倒U型关系。另外，集中度正向作用显著表明，全国科技人才分布相对集中有助于提升各地区专利创新效率，作为人才高地的科创中心将通过扩散效应提高周边地区创新效率，如具有国际影响力的北京、上海等科技创新中心以及粤港澳国际科技创新中心都将发挥出可观的技术扩散效应和知识溢出效应。

在最终产品创新阶段，模型(5)和模型(6)显示仅集中度系数显著为正，而地区科技人才分布规模、聚集强度对产品创新效率无显著影响。产品创新主体为企业，对市场需求最为敏感，创新边界清晰、目标明确，由微观企业选择和配置的科技人才往往接近最优状态，“市场起决定性作用”的机制使其能够充分发挥出与能力相适应的产出效率。因此，地区层面科技人才规模与强度可能不会对产品创新效率产生显著影响，与人才要素聚集有关的大部分效应都被市场与企业适当内部化，效率高低最终被充分定价。但国内科技人才高地扩散效应仍在一定程度上存在，如市场需求、产品设计与创新经验等对产品创新较为重要的信息会由“中心高地”向“周边低地”溢出，因而部分地区可通过减少不必要的步骤与投入来提升产品创新效率。

3.2 结构维度与区域创新效率

从结构维度方面考察，依次在模型(1)、模型(3)、模型(5)中加入性别结构变量(R&D人员中女性比重)，在模型(2)、模型(4)、模型(6)中加入层次结构变量(R&D人员中博士比重)，结果见表8。其中，性别变量与层次变量系数虽然在6个模型中均为负，但只有在知识创新阶段才较为显著。模型(1)、模型(2)表明，在知识创新对应基础研究阶段，女性与博士研发人员越来越高的比重对创新效率具有抑制作用。

表8 科技人才结构维度估计结果

第四次全国科技工作者状况报告(2017)显示，女性R&D人员比重逐渐提升、科技人才队伍高学历化趋势明显，尤其是在高校与研发机构，这对应着知识创新阶段。实际上，女性R&D人员比重对效率的抑制作用在于其所处的不公平的职业环境。于巧玲等[26]指出，相较于男性，女性面临的科研阻碍更多，如可支配科研时间不足、工作中不受重视、科研项目与课题承接难度大，于是显示出较少的科研产出，由此使得更高的女性比重表现出对知识创新效率的抑制作用。科技人才队伍高学历化是高层次科技人才比重提高的体现，而高层次科技人才通常掌握着先进技术、具有超强的研究能力[27]，其表面上的效率抑制作用可以这样理解：一方面，地区要吸引、留住并支持高层次人才需要高昂的投入与良好的配套设施；另一方面，高层次人才研究工作多集中于目标与层级更高、风险与难度更大的领域，周期长、短期成果少，简单地以论文和著作数量为导向的效率评价并不恰当，这里知识创新产出没有考虑科技论文和著作的质量及层次，说明若与一般层次科技人才单纯比较投入、产出数量，高层次科技人才并无数量效率上的优势。模型(2)验证了这一说法，即真正识别高层次科技人才结构维度对研发效率的作用，还需兼顾创新产出数量与质量维度。

更进一步地，本文将高层次范围扩大，即把表征高层次科技人才的博士比重换成博硕士比重，见表9，发现其系数负向程度有所降低。通俗地讲，虽同为“高层次”，但硕士层次比博士层次低，“数量—质量”产出反差更小，所以囊括硕士后的结果显示出负向效应更低。

表9 高层次变量替换后的估计结果

3.3 稳健性讨论

首先，上述科技人才都是按照一般省级R&D人员总量口径，为检验结论的稳健性，采纳R&D人员中的全时人员口径，根据表7和表8中的模型依次回归，表10和表11给出了全时人员口径下数量与结构维度估计结果。数量维度方面，分布规模对区域知识创新效率、专利创新效率的倒U型影响依然稳健，整体集中度系数依旧为正，但只对产品创新显著而不再对专利创新显著；结构维度方面，女性比重、博士比重同样显著为负，总体上表现出一定程度的稳健性。其次，考虑到之前效率测算所用平减后的R&D经费支出是流量数据，将R&D经费支出转换成R&D资本存量重新进行效率计算[28]，得到的效率值变化与估计结果同样稳健，表略。

表10 数量维度估计结果

表11 结构维度估计结果

4 结论与启示

本文主要探究现阶段科技人才分布状况对区域创新系统效率的影响，考虑到区域创新系统包含多个子系统，而科技人才在地区层面及子系统间流动，根据创新价值链理论将区域研发活动分解成前后有机相连的3个阶段：知识创新—专利创新—产品创新，并分别从数量与结构维度考察地区科技人才分布特征对各阶段创新效率的影响。

实证结果表明，就地区科技人才发展数量维度而言，分布规模对区域知识创新效率、专利创新效率具有非线性倒U型影响，都先后从人才规模聚集经济效应转向不经济效应，但规模转折点略有差异，原因也不同。其中，前者主要是知识创新主体——高校与研发机构未能适应人才规模扩张带来的组织和配套设施变革，后者在于产学研缺位情况下的重复建设与各自为战的小规模研发；整体集中度提高即全国科技人才分布相对集中有助于提升各地区专利创新效率、产品创新效率，作为人才高地的科技创新中心将经由扩散效应促进周边地区创新效率提升。就结构维度而言，在知识创新阶段，女性科技人员处于更加不利的科研环境，所以创新效率受到较大程度的抑制；而以博士比重为表征的高层次科技人才在以论文为导向的知识创新效率测度中也表现为负向作用。

在新旧动能转换背景下，地区间的人才竞争日趋激烈，而不少地区也陷入了“误区”，以上结论则从效率方面提供了以下几点启示：①针对科技人才聚集地区，如东部诸省份，应着力挖掘人才集聚的经济效应而降低不经济效应，推进高校与各级科研机构改革，形成与人才规模扩张相适应的组织架构和配套设施体系，提高倒U型转折临界点；②推进和完善产学研一体化，避免彼此间无序竞争造成的专利重复建设，改变现存条件下各自为战的小规模研发现状，实现规模经济效应；③促进科技人才在全国范围内合理而高效地流动，形成科技人才聚集高地，发挥北京科创中心、上海科创中心及粤港澳国际科技创新中心的创新扩散效应，促进周边地区创新效率提升；④有针对性地营造有利于女性科技人员发挥聪明才智的科研环境，并改善针对高层次科技人才的支撑体系与评价体系，以适应新时代科技人才队伍发展新趋势。