城市科技型人才集聚的时空特征及影响因素——基于285个城市的经验数据

郭金花，郭淑芬，郭檬楠

(1.山西财经大学工商管理学院,山西 太原 030006；2.山西财经大学资源型经济转型协同创新中心,山西 太原 030006；3.山西财经大学会计学院，山西 太原 030006)

0 引言

科技型人才是区域创新发展的基础，也是区域实现从要素驱动向创新驱动转变的重要前提。目前许多地区对人才等创新资源的争夺摆在首位，拟以高素质人才规模化集聚带动地区技术创新，引领经济高质量发展。2019年党的十九届四中全会提出，人才是七大生产要素中最为活跃的要素之一，需推进要素市场化配置，实现要素流动自主有序，以充分释放人才红利。目前中国大量科技型人才向东南沿海地区集聚，表现出 “孔雀东南飞”现象，而愈演愈烈的 “人才争夺战”进一步激化了东部地区人才集聚和西部、东北地区人才流失的矛盾[1]，加剧了地区间创新发展的不平衡格局。如何优化科技型人才空间布局是优化区域科技资源空间配置的重点，也是促进区域协调发展的关键。因此，明晰科技型人才集聚的空间格局、揭示其时空演化规律及影响因素，对各地区制定科学的人才引进政策以及深入贯彻落实创新驱动发展战略，推进区域均衡协调发展意义重大。

科技型人才集聚是指大量同类型或相关的科技人才有序流动或迁移引起其在物理或其他虚拟空间上的集中或聚类现象[2-3]。梳理已有研究，一是学者们多采用单位面积人才密度[4-5]、人才集聚区位熵[6]、高学历人才或R&D人员占比及探索性空间分析等[7]测度人才集聚度。二是学者们分析了区域创新活动集聚及人才等要素分布的空间格局与非均衡性，如有学者指出北京创新活动高度集聚并呈现 “中心—外围”结构[8]，而中国省际科研人才集聚非均衡特征明显，集聚热点分布于北京、天津及上海等地，冷点集中在西部地区[9-10]；同时，也有研究分析创新集聚的动态演化规律，如有学者基于对县域创新水平空间特征分析，指出邻域创新水平对县域创新趋同转变影响显著[11]；也有学者指出受邻域环境影响中国十大重点产业创新产出水平发生类型转移的单元集中在东、中部地区[12]。三是部分学者探讨了人才集聚或分散的影响机制，指出经济因素 (如经济发展、收入水平等)、公共服务水平 (如生活便利度、文化教育及高校发展)及创新环境等是影响省际各类人才流动、集聚及其空间溢出的驱动因素[8-9,13-14]；但随着各地人才竞争加剧，户口、财政补贴等非市场化机制以及休闲娱乐设施、公共开放式空间可获得性及地方品质等也成为城市吸引并留住人才的关键[15-17]。

综上，已有研究进行了诸多有益探索，但也存在以下不足：一是关于人才集聚的研究多基于省级尺度，缺少更小尺度科技型人才集聚特征的细致研究，实践中能产生创新集聚的空间尺度远小于省级尺度，将研究下沉到地市级尺度深入探究其空间分异特征更具实践价值；二是现有研究多基于静态角度揭示人才等要素的空间格局，忽视了邻域环境影响下不同类型间随时间变化的动态演化规律，而深入考虑邻域科技型人才集聚的关联影响，可进一步揭示科技型人才空间集聚的新规律；三是已有研究多强调经济、公共服务及高等教育等因素对人才分布的作用，而对科研环境和宜居环境等非经济性因素的重视不够。

鉴于此，本文以中国285个地级市为基本空间分析单元，在对城市科技型人才集聚水平测度基础上，揭示其空间分异格局与动态变迁路径；采用马尔可夫链等方法分析科技型人才集聚不同类型间的转移概率，以考察是否考虑邻域背景条件下科技型人才集聚的趋同演化规律；探究导致城市科技型人才集聚空间分异的影响因素，以期为宏观把控、引导与优化各城市人才流向，强化科技型人才对经济高质量发展的支撑作用提供政策启示。

1 研究方法与数据说明

1.1 研究方法

(1)标准差椭圆。标准差椭圆方法是分析要素空间分布方向性特征的重要方法，椭圆的空间覆盖范围表示地理要素空间分布的主体区域，通过计算椭圆在主轴 (Y轴)和辅轴 (X轴)方向上的标准差以及椭圆地理分布的平均中心，以对研究对象的空间分布趋势及变化轨迹予以刻画。

(1)

X轴标准差：σx=

(2)

Y轴标准差：σy=

(3)

(2)马尔可夫链方法。传统的马尔可夫链 (Markov Chain)通过把地理现象连续状态的随机序列离散化处理转换成k种类型，以分析研究对象不同类型的概率分布及动态演化特征[18-19]。具体地，定义研究对象的随机序列为{Xm(t),m∈M,t∈T}，并将其离散化为k种类型，则t年份研究对象不同类型的概率分布可表示为1×k的状态概率向量Pt，即Pt=[p1t,p2t,……pkt]。相应地，可用一个1×k的转移概率矩阵M (mij)表示研究对象不同类型间的转移状况，元素mij表示t年份属于类型i的地区在t+1年转化成j类型的概率，公式为：

mij=nij/ni

(4)

其中，nij为研究对象由t年份属于i类型在t+1年份转移为j类型的地区数，ni为研究期内属于类型i的地区数。

空间马尔可夫链则是在普通马尔可夫链基础上引入 “空间滞后”概念，以分析不同空间滞后条件下某区域单元的趋同演化规律。具体地，根据研究对象的类型划分 (k种类型)及其所处的空间滞后条件，可将k×k的传统马尔可夫转移概率矩阵分解为k个k×k条件转移概率矩阵。其中，对第k个条件转移概率矩阵而言，mij(k)表示以类型k为空间滞后条件时，某地区的研究对象在t年份属于i类型而在t+1年转化为j类型的概率，而空间滞后值的引入可通过地区属性值和空间权重矩阵乘积计算，公式为：

Lag=∑YiWij

(5)

其中，Yi为某地区属性值，Wij为空间权重矩阵，这里采用一阶邻接矩阵。

1.2 样本与数据说明

《 “十三五”国家科技人才发展规划》中指出，科技型人才指具有专业知识或专门技能，具备科学思维和创新能力，从事科学技术创新活动，对科学技术事业及经济社会发展做出贡献的劳动者。目前，较多学者以R&D人员、科技活动人员等表征科技人才[14,21]，但由于城市层面该指标数据获取难度较大，参考刘晔等[10]的研究，本文以《国民经济行业分类》 (GB-T4754-2017)中 “科学研究、技术服务和地质勘查业与信息传输、计算机服务和软件业从业人员”表征科技型人才。

同时，参考相关研究[3,21]，本文将科技型人才集聚度定义为每百万人中科技型人才拥有量，即 “各城市科学研究、技术服务和地质勘查业与信息传输、计算机服务和软件业从业人员占城市总人口比重”，公式为：

aggit= (Pit+Qit)/Lit

(6)

其中，aggit表示t年i城市科技型人才集聚水平，Pit表示t年i城市科学研究、技术服务和地质勘查业从业人员，Qit表示t年i城市信息传输、计算机服务和软件业从业人员，Lit表示t年i城市人口总数，i表示地区，t表示年份。

考虑到研究期间内巢湖、毕节、三沙、儋州等行政规划新增城市数据不完整，本文选取除以上地市及拉萨 (数据缺失严重)之外的中国285个地级及以上城市作为研究样本，数据主要来源于《中国城市统计年鉴》 (2008—2018)。

2 科技型人才集聚的空间分异特征与变迁趋势

2.1 科技型人才集聚的空间分异格局

基于对285个城市科技型人才集聚水平测度，本文首先采用全域Moran’s I指数对其空间相关性进行检验，见表1。考察期内，科技型人才集聚的Moran’s I指数值均为正，且整体上呈现出波动式增长趋势，绝大部分年份通过了5%水平下的显著性检验，这表明中国城市科技型人才集聚水平存在明显的空间正向相关性。

表1 科技型人才集聚的Moran’s I指数

为了直观反映城市科技型人才集聚的空间分异，依据2007—2017年科技型人才集聚水平均值的45%、85%和125%作为分界点[11]，将其划分为低集聚 (<0.45)、中低集聚 (0.45～0.85)、中高集聚 (0.85～1.25)与高集聚 (>1.25)4种类型，并运用Arcgis10.2软件进行可视化。

总体上，中国各城市科技型人才空间集聚不均衡特征明显，高集聚水平城市空间上呈 “点状”分布特征。2007—2017年北京、西安、深圳、上海等一线城市始终在科技型人才集聚排序中位于前列，而低集聚与中低集聚水平城市占据绝大多数，特别是中西部地区多数城市属于科技型人才低集聚类型，具体分析如下：①高集聚类型，包括北京、深圳、上海、杭州、广州及西安等省会城市或局域范围内中心城市，其在地理区位、经济基础等方面优势特征较为明显；与2007年相比，2017年科技型人才高集聚水平城市数量有所增加，且北京、深圳、上海、广州、西安、杭州、南京等城市科技型人才呈稳定集聚发展态势，始终保持领先地位。显然，这些城市构成了中国科技创新集聚的增长极，具有较强的示范效应和扩散效应。②中高集聚类型，包括包头、大连、哈尔滨、青岛、郑州、长沙和宜春等，科技型人才初具集聚规模，提升空间较大；但这类城市空间分布较为分散，且其辐射带动周围城市的能力较为有限。③中低集聚类型，2007年属于中低集聚水平的城市主要集中在东北地区及西北部大部分地区，也有部分散落在中部地区；2017年该类城市表现出一定的时空惯性，地理分布范围没有发生较大变化，且属于该类型的城市由2007年的49个增加到2017年的75个。④低集聚类型，这类城市目前占绝大多数，且中西部地区大部分城市属于此类型，但总体上相比于2007年，2017年该类型城市数量有所减少。

2.2 科技型人才集聚的局域特征与变迁路径分析

为了揭示近10年城市科技型人才集聚的局部核密度特征与变迁路径，本文基于核密度分析并借助标准差椭圆方法，对其核密度特征与变迁轨迹进行可视化分析(核密度图与标准差椭圆分布图省略)。

总体上，科技型人才核密度分布呈现出 “东热西冷”空间特征，高密度 “热点”城市主要集中在京津冀、长三角和珠三角城市群范围内。具体地，2007年京津冀与珠三角城市群城市为科技型人才集聚的高密度地区，该城市群内北京、深圳及广州等核心城市科技型人才集聚水平远高于周边城市，呈现局域范围 “高—高”集聚特征，表现出较强的集聚效应；2017年除了京津冀与珠三角城市群外，长三角城市群科技型人才集聚密度显著提升，由以上海为核心的 “单核心”集聚格局，2017年逐渐演化形成以上海、杭州及南京等为核心的局域 “多核”格局。此外，以西安、兰州为主的兰西城市群以及成都、重庆为主的成渝城市群等科技型人才集聚核密度也明显提升。2017年以西安为核心的兰西城市群以及以成都、重庆等为核心的成渝城市群科技型人才集聚态势凸显，相比于周边城市具有相对较高的科技型人才集聚密度；但这类城市分布比较分散且多被低集聚水平城市包围，从而空间上形成了中间高、周围低的分化格局。

结合标准差椭圆覆盖范围，整体呈现出以 “北京—天津—郑州—长沙—深圳—广州”等为主轴，以 “西安—郑州—南京—上海”等为辅轴的空间分布特征，北京、天津、上海、南京、杭州、西安、成都、太原等科技型人才高集聚城市均位于标准差椭圆圈内；从2007—2017年间标准差椭圆的变迁轨迹看，整体呈现 “东北—西南”格局。2007年科技型人才分布的平均中心位于河南省漯河市的北部；2010年科技型人才集聚的标准差椭圆分布向东南方向移动，平均中心移动到河南省周口市；2014年科技型人才集聚的标准差椭圆分布再次向东南方向移动，平均中心由河南省周口市移动到河南省驻马店市；2017年则整体向西南方向移动，平均中心也略微朝西南方向移动，由2014年的驻马店市北部逐步移动到驻马店市中部，表明在近十年的变迁过程中，中国西南部城市科技型人才集聚水平有所提高。

3 科技型人才集聚的趋同演化规律分析

为了刻画城市科技型人才集聚的演化规律，这里根据马尔可夫方法的实现原理，模拟得出了2007—2017年科技型人才4种类型间趋同演化的转移概率矩阵与条件转移概率矩阵，以揭示其趋同演化规律。

3.1 不考虑邻域背景下科技型人才集聚的趋同演化规律

就全国整体而言，从2007—2017年4种类型发生的累计频次看，低集聚、中低集聚、中高集聚和高集聚类型城市累计数依次为910、1076、349、505，表明研究期内大部分城市仍属于科技型人才低集聚与中低集聚类型，仅少数城市跨入了高集聚水平行列，见表2。具体演化特征为：①各城市科技型人才集聚的趋同演化呈现明显的路径依赖特征。所有位于主对角线上的概率值均大于非主对角线上的概率值，以科技型人才低集聚与高集聚两类为例，初期为低集聚类型的城市在下一年仍属于该类型的概率为0.895，而向中低集聚及以上类型转变的概率仅为0.105；初期属于高集聚类型的城市在下一年保持原类型的概率为0.903，而向中高集聚及以下类型转移的概率仅为0.097。②不同集聚水平类型间存在相互转化的可能，但短时期内低集聚、中低集聚类型等城市均很难实现跨越式跃迁。科技型人才低集聚城市向中低集聚、中高集聚与高集聚类型转变的概率依次为0.093、0.009和0.003，表明低集聚类型实现跨越式跃迁的概率极低；同理，中低集聚类型城市向中高集聚与高集聚类型趋同转变的概率为0.051与0.016。这反映了城市科技型人才低集聚与中低集聚类型在短期内不可能实现跃迁，可能原因在于，地区科技型人才集聚水平提升是循序渐进的，低集聚水平城市配套产业、创新基础设施等不完善，尚未形成有利于科技型人才集聚的长效机制。

表2 2007—2017年科技型人才集聚的马尔可夫转移概率矩阵

就区域差异而言，表现在两个方面：①东部与中西部地区科技型人才集聚均存在一定的趋同特征，特别是对于高集聚和低集聚类型城市而言，东部地区科技型人才趋同演化的转移概率明显高于中西部地区，这表明东部地区城市科技型人才集聚存在明显的强者愈强、弱者愈弱的 “马太效应”现象，高集聚水平城市依靠长期的优势积累可通过虹吸效应吸引更多科技型人才集聚，而低集聚水平城市则易陷入人才匮乏的陷阱。②低集聚水平和中低集聚水平城市都有一定的向上转移可能性，相比于东部地区，中西部城市科技型人才向上转移概率较高，如中西部地区初期处于低集聚水平的城市第二年向上转移为中低集聚水平的概率为12.22%，而东部地区低集聚水平城市向上转移的概率为5.1%。

3.2 考虑邻域背景影响下科技型人才集聚的趋同演化规律

就全国整体而言，科技型人才集聚趋同演化规律表现在两个方面：①邻域科技型人才集聚水平越高，越有利于该类城市向更高集聚类型趋同转变。对低集聚类型城市而言，在低集聚、中低集聚、中高集聚和高集聚水平邻域背景下，向中低集聚类型趋同转变的概率依次为0.029、0.081、0.129和0.153，且整体而言低集聚水平城市在不同邻域背景下向上一级趋同转变的概率偏低。②城市科技型人才集聚类型向上或向下转移的概率与该城市和邻域城市创新人才集聚类型间的差异程度不成比例。如对低集聚水平城市，若与中低集聚类型城市为邻域，向上转移的概率比与低集聚类型城市为邻域时增加5.2%，但以中高集聚类型城市为邻域时，其向上转移的概率比与中低集聚类型为邻域时增加4.76%。

就区域差异而言，在不同邻域背景下，东部和中西部地区不同集聚水平城市向上或向下转移的概率存在明显差异。对于高集聚类型和低集聚类型城市而言，无论在何种空间滞后条件下，东部地区维持原有状态的趋同演化概率均明显高于中西部地区。另外，不能忽视的是处于中高集聚水平和高集聚水平的城市存在向下转移的可能，特别对于中西部地区，在高集聚水平城市为空间滞后条件下，其高集聚类型向下转移的概率为12%，而东部地区仅为4.4%，表明中西部地区科技型人才集聚力不足、人才流失的概率较大，可能与中西部地区经济发展水平较低、创新基础设施不完善等影响人才发展空间有关，见表3。

表3 2007—2017年科技型人才集聚的空间马尔可夫转移概率矩阵

4 城市科技型人才集聚的影响因素分析

基于前文分析，本文进一步探讨导致城市科技型人才集聚的因素。通过梳理，将影响科技型人才集聚的因素归纳为4种类型。

(1)经济发展因素。经济发展水平较高的城市一般在城市竞争力、产业结构方面具有比较优势，如高新技术产业、现代服务业等竞争力较强，有利于为科技人才提供更好的就业契机与发展平台[14]。另外，经济发展水平高的城市一般当地的收入水平也较高，可为科技人才生活条件改善及实现自我价值需求提供物质保障，进而吸引科技型人才集聚[20]。因此，本文从城市发展水平、产业结构和工资水平3个方面进行衡量。

(2)创新环境因素。良好的创新环境有利于科技人才研发活动的开展和潜能发挥[14]，创新能力、科技教育经费投入等是反映城市创新环境的重要方面，创新能力较高的城市一般具有较强的研发效率将知识等要素转化为新产品、新技术等，而科研活动开展、科技基础设施建设等离不开资金支撑，政府科教投入及补贴能为科技人才创造较为丰厚福利待遇和创新激励[21]；同时，城市外商投资活跃度也是创新环境的重要体现，外商投资可引进国外先进管理经验、技术等并激发其创新积极性，进而有利于吸引科技人才集聚。因此，本文从城市创新能力、政府科学及教育支持和外商投资水平3个方面进行衡量。

(3)宜居环境因素。宜居城市一般具有良好的居住空间环境、自然生态环境和清洁高效的生产环境，适宜的气温条件、清晰的城市平面、宽广的林荫道系统等，能为各类人才提供舒适、方便、有序的物质生活基础，进而吸引科技人才集聚。因此，本文从城市园林绿化与城市环境质量两个方面进行衡量。

(4)公共服务因素。城市公共服务水平 (如交通状况、市政设施等)直接影响着各类人才在该地区生活的舒适度和便利性[6]，较高的生活便利度可以改善居民的生活质量，对科技人才具有较强的吸引力。同时，大数据、云计算、移动互联网等数字经济发展重塑了要素的配置形式，城市网络基础设施的不断完善能降低信息交易成本等进而促进创新集聚。因此，本文从城市交通设施与互联网设施建设两个方面进行衡量。

基于此，本文构建如下实证模型检验各类影响因素对城市科技型人才集聚的影响：

aggit=β0+β1cityit+β2indusit+β3wageit+β4innovit+β5govit+β6fidit+β7greenit+β8envirit+β9infurit+β10interit+μi+vt+εit

其中，aggit为被解释变量，表示城市科技型人才集聚水平；解释变量包括影响科技型人才集聚的各类因素，测度指标见表4，数据主要来源于《中国城市统计年鉴》 (2008—2018)；β0为常数项，βi为各变量估计系数，i代表不同城市，t代表样本年度，εit为随机干扰项。

表4 科技型人才集聚的影响因素指标体系

基于回归模型，估计结果见表5。从全样本估计结果知，经济因素中城市化水平对科技型人才集聚有显著促进作用，而产业结构、收入水平的影响未通过显著性检验，表明目前后两者对科技型人才集聚的影响不明显；创新环境因素中城市创新能力及科学教育支持对科技型人才集聚的影响均不显著，外商投资为显著负向影响，表明目前创新环境因素是影响大部分城市科技型人才集聚的短板因素，科学教育支持等投入不足难以有效支撑城市科技人才集聚；宜居环境因素中城市园林绿化与环境质量的影响均不显著，表明总体上城市园林绿化及环境质量等宜居环境仍有待改善，以有效促进科技型人才集聚；公共服务因素中城市交通设施对科技人才集聚促进作用明显，而互联网基础设施的影响显著为负，表明应该改善城市网络基础设施以促进科技型人才集聚。

表5 OLS模型回归结果

结合表5的 (2)～ (4)列可知，不同地理区位城市科技型人才集聚的影响因素差异明显。对东部城市，城市化水平、产业结构与收入水平等经济因素对科技型人才集聚的影响均显著为正；创新环境因素中外商投资的影响显著为负，另两类因素影响不显著；宜居环境因素中城市园林绿化的影响显著为正，而城市环境质量的影响不显著；公共服务因素中城市交通设施影响显著为正，互联网设施的影响显著为负。对中部城市，经济因素中仅城市化水平对科技型人才集聚的影响显著为正，产业结构与收入水平的影响不显著；宜居环境因素中城市园林绿化与环境质量均显著为负；公共服务类因素的影响未通过显著性检验。对于西部城市，整体上经济因素、创新环境因素、宜居环境因素与公共服务因素均影响不显著。综上可知，东部城市经济发展水平较高、公共基础设施相对完善，而创新环境与宜居环境因素提升对促进东部城市科技型人才集聚更为重要；中西部城市经济发展较为落后，配套产业发展不完善、整体收入水平较低，因此，提升经济类因素是促进这类城市科技型人才集聚的关键。

同理可知，不同经济发展水平城市科技型人才集聚的影响因素差异明显。就经济因素而言，一、二线城市城市化水平、产业结构与收入水平均对科技型人才集聚的影响显著为正；三线城市城市化水平的影响显著为正，产业结构的影响显著为负；三线及以下城市仅城市化水平的影响显著为正，表明产业结构是制约三线及以下城市科技人才集聚的重要因素。就创新环境因素而言，无论是一、二线城市还是线及以下城市，城市创新能力、科学教育支持等对科技型人才集聚的影响均为负或不显著，表明创新环境因素是制约各城市科技人才集聚的重要因素。就宜居环境因素而言，仅一、二线城市园林绿化与环境质量的影响显著为正，而三线及以下城市的影响不显著或为负。就公共服务因素而言，仅三线及以上城市交通基础设施影响显著为正。综上可知，一、二线城市经济因素与宜居环境因素良好，对科技型人才集聚促进作用明显，但创新环境因素与公共服务因素仍有待完善；三线以下城市在经济实力、基础设施等方面均存在不足，导致其科技型人才集聚水平整体偏低。

5 结论与讨论

本文基于2007—2017年中国地级市数据，揭示了城市科技型人才集聚的空间特征、演化规律及影响因素，对优化科技人才配置及各城市深入推进创新驱动发展战略实施有重要启示。主要结论有：第一，高集聚水平城市空间上呈现 “点状”分布，且多集中于省会城市或区域中心城市，高密度 “热点”城市分布在京津冀、长三角和珠三角城市群范围内。第二，各城市科技型人才集聚受到原有状态影响，呈现增长惯性与路径依赖；不同邻域背景下，城市科技型人才集聚向上或向下转移的概率差异明显，邻域科技型人才集聚水平越高，越有利于该类城市向更高集聚类型趋同转变。第三，总体上，经济因素与公共服务因素对城市科技型人才集聚促进作用明显，创新环境与宜居环境因素对科技型人才集聚的影响不显著；不同地理区位与不同经济发展水平城市影响因素存在差异，东部和中部城市及一、二线城市经济因素与公共服务因素对科技型人才集聚促进作用明显。

综上，目前中国各城市科技型人才空间非均衡特征明显，值得关注的是科技型人才集聚可促进城市创新发展，但也可能拉大城市创新发展差距，进而导致区域创新极化，因此，各城市应采取一定政策措施优化科技型人才空间配置。一是协调中心城市与周边城市科技型人才空间布局，省会城市、城市群等科技型人才集聚高地需强化创新的空间溢出效应，通过 “柔性”政策与外围区共享创新人才，如采取人才派遣、客座教授、校企合作等柔性方式，辐射带动周边城市创新发展，逐步形成中心城市引领带动、区域间密切配合的协同发展格局。二是科技型人才短缺的城市也可积极探索 “反向飞地”育才模式，加强同国内技术发达省市及国外创新机构的人才交流合作，通过跨地区合作实现人才需求与供给有效对接。三是各城市要关注硬环境与软环境建设，积极营造有利于科技型人才集聚的优良环境，如东部城市及其他经济发展水平较高的城市可通过强化创新创业载体、创客空间建设等优化创新环境，营造包容创新的氛围以吸引、汇集科技型人才；同时，各城市也要解决好教育、交通网络等公共服务，以及营造空气清新、环境优美的宜居城市环境等吸引科技型人才汇聚。