中国城市人才吸引力评价指标体系研究——以35个主要城市为例

□ 孙 博 刘善仕 彭璧玉 彭秋萍

(1.华南师范大学 经济与管理学院, 广州 510631; 2.华南理工大学 工商管理学院, 广州 510640)

一、引 言

“环境好,则人才聚、事业兴。”近年来,从中央到地方出台了一系列改善人才发展环境的方针政策,以期吸引和保留人才,实现以人才为支撑的经济高质量发展。但在实际中,出现了过于强调经济补贴、家属安置等引才政策同质化的问题。事实上,同质化政策容易引发城市间的恶性竞争,而不同城市在自然资源、经济发展、政府治理等方面各具优势。因此,各城市需要利用自身优势展开差异化引才竞争。为此,关键的一步是系统、准确地评估城市人才吸引力及其优势,做到精准发力,高效改善人才发展环境。

回顾相关文献发现,有关我国城市人才吸引力评价的研究已取得较为丰硕的成果[1-3]。从评价方法看,可将这些研究大致分为“基于环境影响因素的人才吸引力评价指标体系研究”以及“基于真实人才流动情况的人才吸引力评估指数研究”两大类。其中,“基于环境影响因素的研究”强调对影响城市人才吸引力的多方面环境因素的分析,尝试构建一个全面的、相对客观的评价指标体系,帮助城市有针对性地改善人才环境。例如,叶晓倩和陈伟[1]基于舒适物理论,从自然生态、经济发展、社会生活、公共服务以及科教创新等五大方面,构建了城市科创人才吸引力评价指标体系,并通过专家评价确定各指标权重。而“基于真实人才流动情况的研究”则重视对引才结果的评估,力图构建一个精准的城市人才吸引力评价指数,帮助城市认识自身整体人才吸引力强弱。例如,任泽平联合智联招聘[2]发布的中国城市人才吸引力报告利用简历的职业流动数据所构建出的人才吸引力复合评估指数。

总体而言,城市人才吸引力评价研究仍然存在一定研究空间。首先,从构建方法看,当前研究未能很好兼顾评价结果的准确性与可操作性。虽然“基于影响因素的研究”可以根据不同评价维度的评价结果,有针对性地改善人才环境。但该评价方法的具体评价维度是依据理论或文献提出的[1],未通过实证分析确定其是否对人才具有显著的吸引力,这就使得该评价方法的准确性可能存在一定偏差。与此同时,“基于真实人才流动情况的研究”虽然可以相对真实地反映各城市整体人才吸引力强弱[2],但该方法难以有针对性地提出可操作的人才环境改善方案。其次,从指标体系构成因素看,“基于影响因素”的相关研究多关注自然环境、经济环境等硬环境因素[1],忽视了政府治理、金融环境等软环境因素在人才吸引上的重要作用。孙博等[4]指出软环境可以通过满足人才就业和创业的需求,而对人才产生显著的吸引力。

基于此,本文拟兼顾评价体系的准确性和可操作性,系统总结和归纳影响人才流动的软、硬环境因素,并基于简历的流动数据识别影响人才流动的显著性环境因素及其影响值。在此基础上,构建人才吸引力评价指标体系及其权重,并分析2019年我国35个主要城市的人才吸引力状况。

二、中国城市人才吸引力评价指标体系构建

个体的生存和发展离不开外部环境的资源供给。个体与环境匹配理论认为,个体特征与外部环境特征的互补程度会影响个体的行为和态度[5]。孙博等[4]的研究也发现个体流动受到了自身职业发展需求与外部环境资源供给之间匹配程度的影响，更能满足个体职业保障需求、职业发展需求以及事业实现需求的地域对人才的吸引力越大。事实上,个体流动除了受到以上职业需求的影响,还受到了个体健康、生活质量、心理情感等安居需求[6]的影响。相关研究也显示空气污染[7]、房价[8]、公共服务[9]等与个体安居需求相关的环境因素对个体流动也具有显著影响。

因此,本文将围绕个体的安居需求和职业发展需求,分别从个体“安居”和“兴业”两个方面出发,系统总结和归纳在以往研究中被认为对人才流动具有重要影响的宏观环境因素。参考叶晓倩和陈伟[1]、孙博等[4]、徐倪妮和郭俊华[10]等的研究,本文初步构建了中国城市人才吸引力评价指标体系,包括2个一级指标、5个二级指标以及23项具体评估内容。具体介绍如下。

1.宜居环境。宜居城市是由自然环境与社会人文环境构成的复杂系统[6]。围绕个体安居需求中对个体健康、生活质量、心理情感等[6]的追求,本文从自然环境、公共环境以及人文环境等三个主要方面总结了13项宜居指标。

自然环境。与个体健康相关的自然环境,包括水、空气以及绿化等构成因素,可能对个体身心健康产生重要影响,从而影响其流动决策。相关研究显示,空气污染、水污染会引发个体呼吸系统和心脑血管系统等方面的疾病[11],个体为降低环境污染带来的疾病风险,可能流向环境更好区域[12]。与此同时,城市绿化率越高,越有助于空气净化以及个体居住舒适度提升[13],更能吸引和保留人才。因此,本文采用空气质量、水质量以及城市绿化率表征自然环境。

公共环境。与个体生活相关的公共环境,包括社会保障、城市固定资产投资、教育、医疗、交通、房价等因素,可能对个体生活质量和主观幸福感产生影响,从而影响其流动决策。首先,社会保障是个体退休生活的重要经济保障,直接影响个体退休生活质量[14]。其次,城市固定资产投资越大,城市公共设施越完善,市容市貌和城市卫生情况也越好,这也将提升个体生活质量[15]。第三,教育、医疗、交通越好的城市,能够提高个体子女养育质量,为个人及家庭提供更好医疗保障以及减少通勤时间,从而提高个体主观幸福感[16]。最后,房价更合理的城市,能够帮助个人节约居住成本,使得个体有更多资金用于提高生活质量[17]。因此,本文采用社会保障、城市固定资产投资、教育、医疗、交通、房价等因素表征公共环境。

人文环境。与个体心理情感相关的人文环境,包括外企数量、公园、影剧院、博物馆等因素,可能对个体认同感和归属感产生影响,从而影响其流动决策。首先,外企数量越多,意味城市对外开放程度越大[18],更能接纳外来人口。其次,公园、影剧院以及博物馆越多,说明城市能提供更多文化休闲场所,也更能营造出独具特色的城市文化,丰富个体文化生活,促进个体对城市产生认同感和文化归属感[19],从而对人才的保留和吸引产生积极作用。因此,本文采用外企数量、公园、影剧院、博物馆等因素表征人文环境。

2.兴业环境。围绕个体兴业需求中对职业保障、职业发展和事业实现等[4]的追求,本文从经济环境和事业环境两个方面总结了10项兴业指标。

经济环境。与个体收入和就业相关的经济环境,包括经济增长率、就业率、第二产业占比、第三产业占比、人均收入等因素,可能对个体职业保障和职业发展产生影响,从而影响其流动决策。首先,经济增长率越高,意味区域能够为个体提供更多工作机会和更高工作收入[20]。其次,就业率越高也说明个体能够获得更多工作机会。第三,相比于第一产业,第二、三产业可以创造更多就业岗位[20],因此第二、三产业占比越高的区域可以为个体提供更多就业机会。最后,人均收入越高意味着区域消费水平越高、消费需求越大,这也将为区域创造更多就业岗位。因此,本文采用经济增长率、就业率、第二产业占比、第三产业占比、人均收入等因素表征经济环境。

事业环境。与个体事业发展相关的事业环境,包括政府治理、科技环境、法治环境、金融环境以及市场环境等因素[21],可能对个体的就业和创业产生影响,从而影响其流动决策。首先,政府治理环境越好的区域,能够为区域内企业的生存和发展创造更好的营商环境以及创业环境[22],促进人才就业和创业,满足个体职业发展和事业实现需求。其次,法治环境越好的区域,可以更好地保护个体劳动权益和个体创新成果[21],满足个体职业保障需求。第三,金融环境越好的城市,可以为企业经营和个体创业提供更多资金支持[23],这不仅有助于企业扩大经营规模为区域提供更多就业岗位,而且还能更好地帮助个体创业,从而满足个体职业发展需求和事业实现需求。第四,市场环境越好的城市,可以为企业提供更公平的经营环境和成熟的要素市场[24],促进企业的扩大经营和新创企业的发展,满足个体对更好工作机会和创业目标实现的追求。第五,科技环境越好的城市,意味其拥有更成熟的科技产业体系和丰富的科技人才资源[25],这将有助于企业产品的研发和生产,促进新创企业的生存和发展,帮助创业人才实现事业目标。因此,本文采用政府治理、科技环境、法治环境、金融环境以及市场环境等因素表征事业环境。

三、数据来源与构建方法

1.城市选取与数据来源

受限于统计年鉴相关城市级数据的可获得性,同时参考叶晓倩和陈伟[1]的研究,我们选取了内陆各省会城市(拉萨市因缺失数据过多而不包含在内)、直辖市以及五个计划单列城市(深圳、厦门、宁波、大连、青岛)等共计35个城市。本文数据主要来源于ESP全球统计数据平台《中国城市统计年鉴》、各相关城市统计局网站以及领英在线个人简历门户等。具体数据收集、处理步骤如下:首先,参照孙博等[4]的方法,我们收集了165299份包含376378条工作经历的个人在线公开简历。其次,我们按照本科以上学历、跨城市职业流动以及流入城市属于本文35个样本城市等三个标准,筛选出时间区间为2010—2015年的273662条个体跨城市职业流动数据。第三,我们进一步构建了以34个城市为目的地的人才跨城市流动数据集。第四,本文从ESP平台收集了时间跨度为2010—2019年表征主要影响因素的相关指标,其中缺失数据从相关城市统计局网站所公布的数据库及统计公报等公开来源渠道予以摘抄补全。

2.变量说明

(1)人才流动数据集

在本文样本中,当流动人才在选择流入地时,有34个城市可供其选择,而其最终只能选其中一个作为最终目的地。于是,我们在回归分析中构造了流动选择结果变量(choiceijt),将个体实际选定的流入城市标记为1,其余33个城市则标记为0。

(2)流动影响因素

综合参考以往相关文献[1,4,9],本文主要从自然环境、公共环境、人文环境、经济环境以及事业环境等五个维度考察影响人才跨城市流动的宏观因素。其中,自然环境采用水质量、空气质量、绿化覆盖率等因素表征;公共环境采用社保参加率、城市固定资产投资、交通、医疗、教育、房价等因素表征;人文环境采用外企数量、公园、影剧院、博物馆等因素表征;经济环境采用经济增长率、第二产业占比、第三产业占比、就业率、人均收入等因素表征;事业环境采用政府治理、法治环境、科技环境、金融环境、市场环境等因素表征。

具体测量方法如下:(1)水质量,采用1减去归一化后的城市当年污水排放量表征(数据来源于《城市建设统计年鉴》)。(2)空气质量,采用1减去归一化后的城市当年空气质量指数(AQI)表征(数据来源于《全国城市空气质量日报》)。(3)绿化覆盖率,采用城市当年绿化面积占总城市面积的比重表征。(4)社保参加率,采用城市当年参保人数占常住人口的比重表征。(5)房价,采用城市当年住宅商品房平均价格表征(数据来源于国家统计局官网数据库)。(6)固定资产投资,采用城市当年城市固定资产投资占GDP的比重表征。(7)交通,采用城市当年人均道路面积表征。(8)医疗,采用城市当年人均医院数表征。(9)教育,采用城市高等教育师生比表征。(10)外企进驻,采用城市当年外企总数表征(数据来源于各城市市场监督管理局官网、天眼查)。(11)公园,采用城市当年公园总数表征。(12)影剧院,采用城市当年影剧院总数表征。(13)博物馆,采用城市当年博物馆总数表征。(14)经济增长,采用城市当年GDP增长率表征。(15)就业率,采用1减去归一化后的城市当年失业率表征。(16)第二产业占比,采用城市当年第二产业产值占总产值的比重表征。(17)第三产业占比,采用城市当年第三产业产值占总产值的比重表征。(18)预期收入,采用城市当年人均收入表征。(19)政府治理环境,采用政府当年财政支出占当年 GDP 的比重表征。(20)法治环境,采用城市当年中(高)级人民法院结案数与立案数的比重表征(数据来源于中(高)级人民法院年度工作报告)。(21)金融环境,采用城市金融机构贷款余额表征。(22)市场环境,采用城市外商直接投资总额表征。(23)技术环境,采用城市当年研发投入占当年 GDP的比重表征。以上指标在回归前均做归一化处理,取值范围为0-1,数值越大说明城市该因素表现越好。此外,需要说明的是,以上指标如无特殊说明,其数据均来源于《中国城市统计年鉴》。

3.指标体系构建方法

(1)数据无量纲化

由于本文所采用的各项具体测量指标的量纲存在较大的差异,为便于不同指标之间的比较和权重计算,我们采用归一法按照年份将不同指标进行无量纲处理。归一化公式如下:

(1)

(2)回归模型

本文采用多值条件logit模型分析环境因素对人才跨城市流动选择的影响,以确定对人才流动具有显著影响的环境因素及其影响值。具体回归模型如式(2)所示:

choiceijt=aXjt+Pj+uijt.

(2)

其中,下标i代表流动人才;j表示流入城市;t代表年份。被解释变量choiceijt是哑元变量。X代表本文解释变量集,即本文23个具体三级指标的表征因素,α代表相应的影响系数。P为区域固定效应。u为误差项。

(3)构成指标及其权重的确定

依据多值条件logit回归的结果,我们可以得到各影响因素的系数及其显著水平。当某个因素的显著水平小于0.1时(p<0.1),说明该因素对流动人才具有显著的吸引作用,于是我们将该因素保留在指标体系中;反之,我们将该因素从指标体系中剔除。最终,经过显著性筛选,我们确定人才吸引力指标体系的具体构成指标。

进一步地,我们依据被保留下来作为构成指标的因素的回归系数计算各因素的权重。本文所采用的数据均为归一化后的数据,因此各因素的回归系数均表示,该因素变动1单位时人才流动概率相应变动的程度。也就是说,某个因素的回归系数占所有因素回归系数总和的比重,即为该因素在整个指标评价体系中的权重。具体计算公式如式(3):

(3)

其中,C表示第三级指标的权重系数,α为因素的回归系数值,Xk表示某个因素,n表示第n个显著因素。

(4)城市人才吸引力水平计算

本文城市人才吸引力水平计算包括两步,具体步骤如下:首先,我们根据第三级指标权重(C),按照各因素所属的上一级指标进行权重加总,得到上一级指标的权重,直至指标体系第一级；其次,我们用第三级指标的归一值乘以其相应的权重,计算出该指标的得分,而后按其所属的上一级指标进行加总,得到最终的人才吸引力水平。需要说明的是,我们最终将人才吸引力水平排在第一的城市设置为100分,其他城市则相应按照换算比例进行调整。

四、实证结果与分析

1.人才吸引力评价指标及其权重

城市人才吸引力评价体系构建的关键在于具体构成因素及其权重的确定。为提升人才吸引力评价体系的客观程度,本文采用了回归分析法来确定对人才流动具有显著影响的宏观因素及其影响水平。

回归结果显示,水质量(α=0.464,p<0.01)、空气质量(α=0.214,p<0.05)、绿化覆盖率(α=0.160,p<0.05)、社保参加率(α=0.375,p<0.01)、房价(α=0.890,p<0.01)、城市固定资产投资(α=0.859,p<0.01)、外企数量(α=4.096,p<0.01)、公园(α=0.945,p<0.01)、影剧院(α=0.153,p<0.01)、经济增长率(α=1.436,p<0.01)、第三产业占比(α=0.319,p<0.1)、就业率(α=0.567,p<0.01)、政府治理(α=8.890,p<0.01)、法治环境(α=0.122,p<0.01)、科技环境(α=0.406,p<0.01)、金融环境(α=2.242,p<0.01)等16个因素对人才流入具有显著的积极作用,且均在0.1的水平上显著。交通(α=0.963,p>0.1)、医疗(α=2.622,p>0.1)、教育(α=0.172,p>0.1)、博物馆(α=0.017,p>0.1)、第二产业占比(α=2.333,p>0.1)、人均收入(α=0.967,p>0.1)、市场环境(α=0.135,p>0.1) 等因素则不显著。因此,本文保留以上16个显著因素,将其作为城市人才吸引力评价指标体系的具体构成因素。

与此同时,按照本文权重计算方法,我们得到如表1所示的城市人才吸引力评价指标体系及其权重。

表1 城市人才吸引力评价指标体系构成因素及其权重比例

其中,一级指标包括宜居环境和兴业环境,其权重分别为36.84%、63.16%;二级指标包括自然环境、公共环境、人文环境、经济环境、事业环境等五个维度,其权重分别为3.79%、9.59%、23.46%、10.49%、52.67%;三级指标包括水质量、空气质量、绿化覆盖率、社保参加率、房价、城市固定资产投资、外企数量、公园、影剧院、经济增长率、第三产业占比、政府治理、法治环境、科技环境、金融环境等16个因素,其权重分别为2.10%、0.97%、0.72%、1.69%、4.02%、3.88%、18.5%、4.27%、0.69%、6.49%、2.56%、1.44%、40.16%、0.55%、1.83%、10.13%。

从不同层级指标的权重看,相同层级的不同维度存在较大差异。第一层级指标及其权重显示,改善兴业环境对人才的吸引作用远大于改善宜居环境;第二层级指标及其权重显示,改善事业环境、人文环境、经济环境、公共环境、自然环境对人才吸引的改善程度具有依次下降趋势;第三层次指标及其权重则显示出了更大程度分化,其中政府治理、外企进驻以及金融环境的权重均超过了10%,且三者总和达到了68.79%,而绿化覆盖率、影剧院、空气质量以及法治环境等因素的权重均未超过1%。以上因素的权重分布说明,城市在改善自身人才吸引力时,首先需要对自身情况进行评估,然后根据自身实际情况和优势有所侧重地改善相关环境,以实现人才吸引力改善效率和效果的双提升。

2.主要城市综合得分以及重点城市间的比较

按照上文城市人才吸引力评价计算方法和2019年相关城市的指标数据,本文研究的35个城市的人才吸引力总得分以及二级指标得分如表2所示。

表2 主要城市人才吸引力综合得分及二级指标得分情况

首先,从综合得分看,上海的得分最高,其次为深圳、北京、广州、天津、重庆以及成都等,说明这些城市对人才的综合吸引力在35个城市中排名前列。具体来说,上海综合分最高,且与其他城市综合得分形成了较大差距。作为我国最大的港口城市,上海着力于成为国际经济、金融、贸易、航运中心。得益于国家相关政策的支持,以及上海自身不断优化的金融环境和外商投资环境,使得其在事业环境、人文环境以及经济环境的表现上十分出色。而深圳作为我国首批改革开放试点城市之一,获得了大量的外商投资,特别是以地理优势承接了大量香港、东南亚等地域的产业和投资,使得其在政府治理、产业发展和企业经营环境的营造上具有先发优势,在事业环境和人文化环境上表现出色。北京是我国政治、文化中心,同样在事业环境和人文环境上具有十分出色的表现,特别是事业环境排名全国首位。但随着北京着力于提升首都功能,而将非首都功能向外疏解,其在外商投资引进上的表现远低于上海,使得其在以对外开放为主的人文环境得分上弱于上海和深圳,从而导致其整体得分落后于上海。广州、天津这两个城市分别是珠三角地区和环渤海地区的重点城市,拥有大型海港,均定位为海洋城市和贸易中心。特别是广州,具有悠久的贸易开放历史,在营商环境营造和对外开放上具有很好的基础。而天津近年来得益于北京向外疏解非首都功能,承接了大量北京外溢的产业和经济,这也使得天津在经济环境上表现优异。

第二,从第二层次指标得分看,综合排名前6城市具有一定共性,即这六个城市均在“事业环境”和“人文环境”上具有较好的表现,而非在所有二级维度上均有很好表现。

第三,从城市地理位置看,东部沿海城市综合得分普遍高于中西部内陆城市,但重庆、成都、昆明、西安等西部城市例外。

最后,从城市行政级别看,直辖市上海、北京、天津、重庆综合得分依次下降,并整体高于其他非直辖市城市;省会城市中,广州、成都、杭州、武汉综合得分依次下降,且表现出了一定的差异;非省会城市深圳综合得分最高。

五、结 论

本文以“宜居”与“兴业”两大要素为城市人才吸引力评价指标体系的构建核心,在以往研究的基础上,收集和整理了可能影响人才流动的一系列宏观环境因素,并将其进一步归类为“自然环境、公共环境、人文环境、经济环境、事业环境”等五个维度。在此基础上,我们从《中国城市统计年鉴》等渠道收集了衡量这23个三级指标的城市数据,同时利用爬虫程序获取了来源于在线简历的人才流动数据。在通过多值逻辑回归后,我们得到了各三级指标的显著程度及其影响值。于是,我们确定了构成城市人才吸引力评价指标体系的16个最终具体指标及其权重系数。由此,构建出了相对客观的、兼顾准确性和可操作性的中国城市人才吸引力评价指标体系。需要指出的是,医疗、教育等以往被认为对吸引人才具有显著影响的因素,在本研究的回归分析中未显示出其显著性。这可能是因为教育和医疗所反映的信息被其他效果指标替代,也可能是因为这两个具体因素并非是影响人才流动决策的主要因素。

本文具有以下理论贡献:

1.丰富了人才吸引力评价指标体系构建方法,推动了人才吸引力评价研究向更客观、更准确的方向发展。利用来自海量真实人才简历的流动数据,采用回归分析方法,识别了影响人才流入的显著性影响因素及其影响水平,并最终在此基础上确定了城市人才吸引力评价指标体系的构成因素及其权重,兼顾了“基于环境影响因素的研究”的结果可指导性[1]以及“基于真实人才流动情况的研究”的结果准确性[2]。

2.拓展了城市人才吸引力评价指标体系的构成研究。以往有关人才吸引力评价指标体系的指标构成研究,多关注自然环境、经济环境和公共服务等硬环境因素[1],而忽视了与人才流动密切相关的金融、科技、法治、政府治理等软环境因素的重要作用[4],这在一定程度上影响了城市人才吸引力评价结果的全面性和准确性。本文在以往研究的基础上,进一步纳入了对人才吸引具有重要影响的事业环境等软环境因素,拓展了人才吸引力评价指标体系的构成研究。

本文可以获得以下实践启示:

1.城市人才吸引力改善需要有所取舍。从最终人才吸引力评价指标体系和2019年各城市的量化分析看,尽管不同环境对人才吸引力的改善均有显著的积极影响,但其在影响力上具有相当大的差异。其中,事业环境和人文环境的比重和占整体评价体系的76.13%,而自然环境、公共环境、经济环境所占比例相当有限。因此,改善城市人才吸引力,需要在平衡发展各维度环境的同时,重点优化事业环境和人文环境。

2.不同城市需要根据自身优势,做好城市定位,重点发展事业环境和人文环境中与城市定位相匹配的因素,以吸引差异化人才的流入,避免人才的同质化竞争。从总得分的前四个层次看,虽然各城市均得益于地理禀赋和行政级别优势,但各城市却发展出了差异化的城市定位。例如,上海、深圳、广州、天津均在港口贸易上具有优势。贸易为这些城市带来了大量金融资源,促进了其金融体系的发展和成熟。在此基础上,各城市又进一步发展出各具特色城市定位,从而对不同人才形成了差异化吸引力。

本文也存在一些不足之处,未来研究可以加以改进。参考朱顺应等[26]的研究,本文采用归一化后的回归系数作为具体三级指标的计分权重。虽然在一定程度上使得不同指标具有可比性,但由于标准误的存在,特定指标的系数可能在标准误的范围内波动。即我们所得的系数可能属于这个波动范围中的某个具体数值。但将本文得到的吸引力评价结果与任泽平联合智联招聘“基于真实人才流动情况”的吸引力报告[2]进行比较后,发现本文结果与真实城市吸引力排名具有较高程度的重合。不可否认,虽然我们尽可能地采取数据归一化等措施控制系数波动,但本文基于回归系数所得到的指标权重可能存在一定误差,这也是本文基于这种方法的不足之处。□