我国区域科技创新人才政策比较分析

陈云，黄意夏，郭嘉宁

-摘要： 各地科技创新人才政策的颁布为人才发展战略提供强大的人才支撑和智力保障。基于政策工具视角，构建“政策工具—服务保障—政策目标—政策成效”四维分析框架，选取北京、上海、广州、深圳、武汉、西安、成都七地为样本城市，借助NVivo软件对七地2010—2020年间出台的科技创新人才政策文本进行编码并比较分析，研究发现：在政策工具、服务保障及政策目标视角下，七地人才政策发展态势各异；在政策成效方面，广深两地在人才引、培上成效显著；广深汉蓉在人才用、评、激上成效显著。

关键词： 科技創新人才； 扎根理论； 政策工具

中图分类号： C962文献标识码： ADOI： 10.3963/j.issn.1671-6477.2022.05.012

人才作为支撑发展的首要资源，也是科技创新力的关键所在，其本质是人才驱动的。近几年来，全国各地逐步加大科技创新要素的引聚力度，特别是在人才引进政策方面措施迭出，甚至爆发引才大战。例如，成都市深入实施“天府英才”工程，广州市制定“岭南英杰”工程和“广聚英才”计划，长沙推出“高精尖人才领跑工程”，北京市“首都科技领军人才培养工程”等。区域间的人才竞争有利有弊，但总体而言，利大于弊，因为有序的引才竞争可以促进科技人才资源的有效配置和价值发挥。这些政策的出台无疑推动了科技人才在创新驱动发展和社会主义现代化建设进程中更好地发挥第一资源的支撑与引领作用，对探索差异化区域人才政策的制定进行了完善。

未来，科技人才竞争将更趋激烈，人才政策不仅不会收缩，而且会呈现更多元化的发展态势。在政策工具视角下，各地政策的特点及差异、政策实施成效的区别仍是需要进一步探索研究的问题。本文从政策工具视角对区域科技创新人才引育留用进行四维度分析，这无疑具有一定的理论意义与实践意义。

一、 相关研究综述

（一） 科技创新人才的界定

对于科技创新人才的定义，目前学界尚未有统一的界定。林泽炎等[1]通过实证研究发现创新型科技人才具有创新意识和能力、敏锐观察力、深厚的专业积累与稳定的研究方向、严谨的方法和系统思维能力的特质。孙殿超等[2]认为创新作为科技人才的内核，以“科技创新人才”为表述更为精确。对于科技创新人才的界定不仅强调其创新的主要追求，亦要关注其在所处行业领域的卓越领先地位。陈文等[3]将聚焦科研领域具有精英、领跑者等特质的人才视为科技领军人才。在不同政策文件中，科技创新人才的表述也有所差异，包含科技领军人才、高层次人才、高精尖人才等。长沙市在《高层次人才分类认定目录》中设置了国际顶尖人才、国家级领军人才、省市级领军人才、高级人才4个层次分类，各层类下设的人才标准同时满足了科技工作领域和创新、卓越的属性。

因此，本文在参照前人学者研究的基础上，结合各地科技人才相关政策文本的概念，认为科技创新人才是服务于科技创新价值链的各工作环节之中，在政府、企业、高校、科研院所、科技中介机构等从事科技管理、科学基础研究、应用技术开发、成果转移转化、科技战略规划与咨询、科学传播和普及、科研支撑服务、科技创业等相关工作的人才。

（二） 我国科技创新人才的政策研究

作为实现科技创新中心建设及人才资源优化配置的重要手段，科技创新人才政策的相关研究受到广泛关注且成果丰富。基于我国的现实情境出发，国内对于科技创新人才领域的研究主要聚焦于科技人才政策演变[4]、政策效果评估[5]、评价体系[6]以及人才政策的对比。具体从比较研究和成效研究两个方面展开。

1.科技创新人才政策的比较研究。在研究对象上，现有的研究多为不同国家政策对比、同一省份下区域性政策对比及多省多地政策比较分析。李宁等[7]比较了上海和韩国科技创新人才培养政策在政策对象、目标及实施评价方面的异同点。刘媛等[8]将江苏省13市的科技人才政策进行对比，总结了苏南、苏中、苏北三大区域的人才政策特征并提出完善建议。在研究方法上，多是基于政策工具视角建立二维或多维政策文本分析框架。为剖析我国人才政策的中存在的问题，宁甜甜等[9]从基本政策工具和人才强国价值判断两个维度展开量化研究。马香媛等[10]构建了“政策工具-科技人才发展阶段-人才响应”三维分析框架，对六个城市的政策进行了横纵向对比。为更深入地选取契合所研究政策特点的维度，一些研究中政策分析框架的构建已演变至四维[11]。此外，亦有学者从人才的引进、培养、激励、评价等发展过程方面对政策内容进行纯文本比较分析[12]。

2.科技人才政策实施成效研究。一是聚焦某地人才政策的整体效果研究，多采用因子分析、DEA模型的方法。商勇等[13]运用DEM-Malmquist模型，以政策的投入产出效率评估郑州市科技创新人才政策实施效果。也有学者[14]基于统计年鉴数据从人才政策投入产出和效果持久度两个方面评估人才政策效能。二是进行区域差异的政策成效对比。刘洪银[15]等根据人才工作链不同过程标的对象的差异，以R&D人员数、专利授权数等可获得的统计数据对科技人才引、育、留、激励政策下的人才研发能力和产出效能进行评估。

从现有研究来看，研究方法上缺乏政策文本间对比分析与实施成效分析形成的横纵向深度对比，同时以典型代表区域的政策文件作为样本的研究较少。基于此，本文将在政策工具视角下构建四维分析模型，全面了解我国区域科技创新人才政策的发展现状、存在问题及政策实施成效。

二、  研究框架的构建

盖伊和弗兰斯[16]指出了在使用传统政策工具时容易过度聚焦于政策工具本身而忽略了政策目的的弊端。因此，本研究以政策工具为切入点，引入服务保障体系、政策目标以及政策成效维度，搭建一个四维度的科技创新人才政策研究分析框架。

（一） 政策工具维度

政策工具是政策目标实现的关键，是政府的某种行为以及协调政府行为的施政手段[17]。因此，国内外学者[18-19]在研究中借鉴政策工具的分类应用探寻科技创新政策的发展。但由于不同学者使用政策工具时的视角差异，导致国内外不同学者对政策工具的分类有别：（1）1983年，Hood[20]将政策工具分为信息、权威、组织和资材四大类；（2）随后，Mcdonnell[21]（1987年）将替代性政策工具分为命令性、激励性、系统变化以及能力建设；（3）Howlett等[22]则在其《政策循环与政策子系统》一书中将政策工具划分为强制性、自愿性以及混合性三种。

然而，学界广泛应用且最具代表性的分类研究当属Rothwell和Zegveld[23]的研究，他们根据政策工具对科创活动的作用层面不同，将政策工具分为供给面、环境面和需求面。因此本文参考该分类框架，并结合中国情境下科技人才政策的特征，进一步对政策工具维度进行划分和定义，最终在3大类政策工具基础上细分为16项子政策工具：（1）供给型政策工具：资金支持、技术支持、信息支持、项目支持、基础设施建设、教育培训；（2）环境型政策工具：科创氛围打造、财税优惠、策略型舉措、法规保障、目标规划；（3）需求型政策工具：政府采购、自主权下放、产学研合作、试点示范、机构设立。

（二） 政策目标维度

政策目标是政策实施主体预期的政策成效，而目标的实现往往通过政策工具的使用而实现。学者们依据其研究视角与研究目的将人才政策目标划分成不同的维度，例如宁甜甜等[9]将人才政策目标划分为投入、流动、规模、素质以及效益、创新等六个方面。杨艳等[24]则在探究上海市人才政策协同问题时将人才政策目标划分为规模、质量、流动和效益。张群[25]依据已有研究及政策文件中的分类标准，将上海科技人才政策目标分为八大维度，包括集聚、培养、评价、激励、保障、流动、使用以及交流。

借鉴上述文献对政策目标的划分维度，参考《国家中长期人才发展规划纲要（2010—2020）》等政策文件的划分标准，本文将科技创新人才政策目标分类归纳为人才引进、人才培育、人才激励、人才使用和人才评价，以此刻画政府对科技创新人才的政策注意力配置。

（三） 服务保障维度

目前，学界对于科技创新人才服务体系的分类并没有形成统一的划分标准。因此，本研究以人才服务相关政策文件以及多个城市人才服务中心中对人才服务体系的划分为参考依据，将科技创新人才服务保障划分为社会化公共服务、创新创业服务、信息服务、金融服务、咨询服务六大类。其中，社会化公共服务主要是指科技创新人才社会化过程中的政府提供的出入境停居留服务、落户服务、工作与就业服务、住房服务以及其他的基本生活保障服务（如子女升学入学、医社保便利化服务等）；创新创业服务指政府主导建设创新创业服务载体，同时在科创人才创新创业过程中提供帮扶指导等服务内容；信息服务主要是指对于科创人才政策以及科创相关信息的提供、传播以及共享；金融服务主要是指为科技人才的创新创业提供科创金融服务（股权质押、知识产权质押等）以及贷款融资等服务；咨询服务则包括法律、管理、政策等全方面多维度的咨询与指导。

（四） 政策成效维度

在科技人才政策成效方面，本文参考前人文献中科技人才政策成效指标及创新产出、创新绩效指标中与人才创新成果相关的指标[26-28]，结合七个城市的资料可获得性情况，在人才引进与培育方面选取R&D人员数量和R&D经费支出占当地GDP的比率来度量。而人才政策中的使用、激励与评价目标在于激发科创人才的科研创新热情以及科技创造动力，因此本文选取专利申请数、专利授权数作为三个政策目标效果的测度指标。

三、 我国区域科技创新人才政策及成效研究设计

（一） 样本选择

为了比较分析我国区域科技创新人才政策及成效，选取七地作为样本城市，包括上海市、北京市、深圳市、广州市、武汉市、西安市以及成都市。以《国家中长期人才发展规划纲要（2010—2020年）》的出台时间为参考点，本文选取2010年到2020年间，七地施政主体所颁布的与“科技创新人才”密切相关的政策文本为研究样本。政策文本原始资料主要来源于各地市人民政府、市委办公厅、市科学技术局/科技创新委员会、市财政局、市人力资源与社会保障局等多个政府官方网站。

政策文本资料库的建构步骤主要包括：（1）以“科技”、“创新”、“科技创新”等为关键词，于政府官方网站摘录具有任一关键词的政策文本，以保障政策资料库的完整与全面；（2）赋予科技创新人才以具体内涵，从科技创新政策文件中依据“科技人才”、“创新人才”、“科创人才”以“高层次人才”为关键词，对政策内容展开进一步的检索与筛选；（3）剔除已经废止、重复转发、相关度不高/不含人才支持内容的政策文件，并剔除信息缺失较多的政策文件。最终整理获得有效政策文件226份，上海市40份、北京市30份、深圳市35份、广州市25份、武汉市39份、西安市36份、成都市21份。

（二） 政策文本编码

借助NVivo质性研究软件，对七个城市的226份科技创新人才政策文件进行编码分析。三步编码过程提炼出了63个一阶概念、13个二阶范畴，最终编码结果见表1。

四、 七地科技创新人才政策工具相关数据统计分析

（一） 政策工具维度比较分析

依据不同政策工具类型加总各市政策工具比率可知，供给型政策工具的使用占比最高，需求型政策工具次之，最后才是环境型政策工具。分城市讨论分析，除上海市以外，北京、深圳、武汉等六市均以供给型政策工具与需求型政策工具为主，环境型政策工具占比最少，即“供给型+需求型”，这意味着各市政府对于科技创新人才的政策注意力主要集中在两个方面，一是为人才的引进、培育与发展提供良好的资源支持，二是利用需求侧工具拉动科创人才参与到研发、创新与创业活动中，目的在于深化产学研合作深度、拓宽产学研合作广度，充分发挥科创人才的使用价值。与此同时，六地的环境型政策工具比例均低于20%，这一定程度上反映了各地政府对当地科技创新氛围与人才发展环境的打造重视度不足的问题。而上海市实行供给型为主、环境型为辅的政策工具方案，即“供给型+环境型”，有助于为科创人才的引育留用提供资金、信息、技术等资源方面的供给与支持，为科技创新人才的成长与发展打造良好的科技创新氛围与环境，而需求型政策工具占比较低则会在一定程度上影响人才科创活动与科技创新产业的发展，不利于整体创新链条的优化与提升（如图1所示）。

在比较七地政策工具政策支持比的基础上，对各地子政策工具使用比例也进行了对照，据统计可知：（1）各地供给型子政策工具主要侧重于资金支持、基础设施建设方面，两类子政策工具之和占比均大于50%，为科创人才提供了充分的资金与载体支持，而在教育培训、技术支持、信息支持与项目支持这四个方面政策支持则较为薄弱，单项指标最高占比不超过25%，这也在一定程度上反映了供给型子政策工具发展不均衡的问题。（2）各地环境型子政策工具的使用可以依据占比排名分为四类：一是“北京、深圳、西安、武汉”型，此类型对于财税优惠、法规保障以及科创氛围打造的子政策工具较为重视，而对于策略型举措与目标规划这两类子政策工具使用较少；二是“成都”型，环境型子政策注意力集中于法规保障、科创氛围打造与目标规划方面，而对于财税优惠与策略性举措的关注度不足；三是“广州”型，对于财税优惠、法规保障以及策略性举措等环境子政策工具使用较多，而对科创氛围打造与目标规划工具使用较少；四是“上海”型，环境型子政策支持主要集中于法规保障、策略性举措以及目标规划等，而财税优惠与科创氛围打造等子工具的比重较小。（3）各地需求型子政策工具的使用可以依据最低占比排名分为两类：一是“上海、北京、西安、成都”型在自主权下放、产学研合作方面较为重视，注重对示范性试点及工程的打造，但在政府采购与机构设立方面则较为欠缺；二是“深圳、广州、武汉”型的主要特征在于政府采购及自主权下放政策工具使用较少，政府需求侧拉力不足，组织与机构在用人、收益分配以及岗位设置方面的自主权不足。

（二） 服务保障维度比较分析

政府对于科技创新人才的服务保障主要分为社会化公共服务、创新创业服务、信息服务、金融服务以及咨询服务五个维度。加总各城市的服务保障维度后可知，社会化公共服务、创新创业服务与金融服务占比最高，信息服务与咨询服务占比较低。从整体来看，七地对于社会化公共服务、创新创业以及金融服务比较重视，而人才的信息服务与咨询服务则为多地共同的服务弱项、均低于10%，这不利于创新要素的流动与科技创新产业的发展。

从细分维度来看：第一，上海市、武汉市与西安市的社会化公共服务占比低于50%，三市创新创业服务与金融服务发展较为均衡，反映了政府对科技创新人才的金融支持与帮扶指导，关注于为科技创新人才创新创业保驾护航。第二，北京市、深圳市、广州市与成都市的社会化公共服务占比均超过50%，一方面有利于加速各市人才引进后的社会化进程，为人才的基本生活需求提供了充分保障，但另一方面也反映了服务保障体系发展不平衡、不健全、不成熟的三大问题。第三，上海市在创新创业服务方面的服务明显高于其他六市，说明在创新创业服务支持方面与上海市存在较为明显的差距，相关政府部门应引起重视（如图2所示）。

（三） 政策目标维度比较分析

按政策目标各维度加总各市政策目标占比分析可以发现，人才引进、人才培育与人才激励是各地政府的主要侧重点，人才使用与人才评价目标的关注度相对欠缺。分城市来看，上海市与西安市对于人才引进、培育、使用、激励与评价等各方面的政策供给较为全面，科技创新人才发展的各个目标协同共进、均衡配比。而相比之下，北京市、深圳市、广州市、武汉市以及成都市现行有效的科技创新人才政策以人才引进、人才培育为主，政策供给对人才的评价与使用两大目标关注度还不够（如图3所示）。

从政策目标细分维度来看：（1）人才引进目标重视度排名前三的城市为北京（34.43%）、武汉（32.35%）与深圳（28.47%）；（2）人才培育目标重视度排名前三的城市为武汉（39.71%）、深圳（37.96%）、广州（33.67%）；（3）人才激励目标重视度排名前三的城市为成都（27.35%）、广州（23.47%）、西安（22.75%）；（4）人才使用目标重视度排名前二的城市为上海（21.70%）、西安（13.76%），其余城市人才使用目标维度占比均在3%～6%左右；（5）人才评价目标重视度排名前三的城市为北京（18.85%）、成都（18.80%）与上海（17.40%）。

五、 科技创新人才政策效果比较

综合考虑科技创新人才政策的滞后效应，分别选取七个城市2011年与2021年统计年鉴并结合新闻报道、国家统计局数据等作为数据补充依据，构建各市2010年与2020年科技创新人才政策成效指标对比统计表（表2）。具体分析如下。

（一） 科技创新人才引进和培养效果

十年间，广州市、深圳市的科技人才引进与培养政策成效显著。2010年规模以上工业企业科技活动R&D人员数量（万人）排在前三的分别是深圳市、上海市和北京市，说明三市科创人才储备丰富、人才基数较大。从年增长率来看，十年间各城市基本保持稳步增长，深圳市与广州市的增长速度最快，从2010年到2020年深圳与广州规模以上工业企业科技活动R&D人员数量增长率分别达到115.68%和122.83%，“R&D经费支出/当地GDP”的增长率分别为64.98%和71.27%。上海市规模以上工业企业科技活动R&D人员数量稳居第二，十年间增长率为43.24%。值得一提的是，成都市近年来不断提高R&D经费支出，“R&D经费支出/当地GDP”增长率为83.85%。

（二） 科技创新人才激励、评价与使用效果

广州市、成都市、深圳市与武汉市在十年间的科技创新人才政策的激励、评价与使用效果成效显著。由表2可知，2010年上海、北京、深圳的专利授权量旗鼓相当，而广州、武汉、成都与科技发展更为先进城市专利储量相比存在较大差距。2020年，专利授权数排名前三的城市分别为深圳、北京、广州，由此可见，广州市在十年间专利授权量呈倍数增长，人才激勵评价与使用效果显著。从十年间各指标增长率来看，各城市专利授权量稳步增长，其中成都与广州、深圳与武汉以及北京分别以9倍、5倍、4倍左右速度增长。2010年—2020年，深圳市专利申请数排名稳居第一，其他城市专利申请数增长率稳步增长，其中广州市、成都市与深圳市在十年内分别呈现12倍、7倍及5倍左右增长，再次印证三市十年以来的科技创新人才激励评价与使用的政策成效显著。

六、 科技创新人才政策优化建议

最后，结合上述分析结果，针对我国科技创新人才政策存在的不足，本文提出以下几条优化建议：

其一，在优化现有供给型、需求型政策工具的基础上，应改善环境型政策工具助推力不足的问题。各市科技创新人才政策制定主体应合理优化供给型、环境型与需求型三政策工具的结构比，在保障人才基本需求，例如住房、子女升学入学、家属随迁、落户等基础上，搭建互联网+社会化公共服务平台，整合各类供给型工具包，建立包括出入境停居留等“一站式”供给体系，实现人才工作的“一网通办”，优化供给型政策工具。此外，政府还应加大需求型工具的供给力度，拓宽人才市场的开放性与包容度，将用人自主权、职称评审自主权、收益分配自主权、岗位设置自主权以及经费使用自主权等下放给机构与企业，增大需求侧拉动力。政府应当重视对于信息支持的投入，顺应数字化转型趋势，着力推动科技创新相关的基础设施建设，实施数字化与数智化转型，建设科技创新人才库与后备人才培育库，提高科技创新人才的政策智能化水平。各地政府还应辅以环境型政策工具的应用，吸引与培育人才发展，为科创人才成长提供良好的市场环境、营商环境与科创氛围。

其二，应调整升级科技创新人才服务保障体系的结构，构建针对于整体服务体系的效果评估机制。总体来看，各市科技创新人才服务体系在社会化公共服务、金融服务、咨询服务等维度健康有序发展，但在创新创业服务维度与信息服务维度则存在较大差距，这反映了整体服务体系发展不均衡的问题。而随着社会的进步与人才需求结构的升级，科技创新人才需求不仅仅局限于基础公共服务与金融、咨询等服务措施，在创业创新的时代背景下，人才对于创新要素与信息共享的需求与日俱增，而政府如果没有依据人才实际需求动态调整服务重点，就会产生需求与服务之间的偏差距离。而城市的进步离不开科创人才这一中坚力量的推动，科创人才的成长与发展又离不开信息服务的支持，因此各市必须加强创新创业服务以及信息服务的政策倾斜力度，建立科技创新人才服务保障体系的整体效果评估机制，保障对于科技创新人才更加精准化、科学化服务，及时调整服务与需求之间的偏差。

其三，应解决人才评价和人才使用政策供给不充分的偏差问题。政府应当从自主权下放、多元主体评价体系构建等方面优化人才评价政策供给。政府应建立灵活用人机制，将岗位设定、职称评定以及职务评聘等自主权下放给机构与企业，同时增加科技创新人才评价改革试点，包括机构试点、企业试点以及高校试点等。对于高层次人才实行多元主体人才评价体系，主要包括市场、企业、高校等多个主体，建立符合国际标准的人才评价体系，健全人才合理分配科创成果收益的制度保障，充分激发科技创新人才的能动性与科创潜能。

［参考文献］

[1] 王广民，林泽炎.创新型科技人才的典型特质及培育政策建议：基于84名创新型科技人才的实证分析[J].科技进步与对策，2008（07）：186-189.

[2]孙殿超，刘毅，王春明.粤港澳大湾区科技创新人才政策演化特征及关系网络分析[J].世界科技研究与发展，2022，44（02）：199-209.

[3]陈文，胡翔，李燕萍.江苏省科技领军人才引进与培育政策演进脉络：2003-2017年政策文本内容分析[J].科技进步与对策，2018，35（23）：43-51.

[4]李燕萍，刘金璐，洪江鹏，李淑雯.我国改革开放40年来科技人才政策演变、趋势与展望：基于共词分析法[J].科技进步与对策，2019，36（10）：108-117.

[5]顾玲琍，王建平，杨小玲.科技人才政策实施效果评估指标体系构建及其应用研究[J].中国人力资源开发，2019，36（04）：100-108.

[6]孙锐，孙雨洁.青年科技人才引进政策评价体系构建及政策内容评估[J].中国科技坛，2020（11）：120-128，146.

[7]李宁，顾玲琍，杨耀武.上海与韩国科技创新人才培养政策的比较研究[J].科技管理研究，2019，39（16）：73-78.

[8]刘媛，吴凤兵.江苏三大区域科技创新人才政策比较研究[J].科技管理研究，2012，32（01）：72-75.

[9]宁甜甜，张再生.基于政策工具视角的我国人才政策分析[J].中国行政管理，2014（04）：82-86.

[10]马香媛，沈丽丽，黄鹤.区域科技人才政策比较及实施效果分析：基于政策工具视角[J].杭州电子科技大学学报（社会科学版），2020，16（02）：7-14.

[11]谭春辉，梁远亮，魏温静，刁斐，陈晓琪.基于四维分析视角的我国科技人才评价政策文本计量与优化[J].情报科学，2022，40（03）：63-71.

[12]黄怡淳.北上广深四市人才政策对比分析及广州市人才政策建议[J].科技管理研究，2017，37（20）：49-54.

[13]商勇，丁新兴.基于DEA-Malmquist模型的科技创新人才政策实施效果评估[J].统计理论与实践，2021（10）：37-42.

[14]李锡元，边双英，张文娟.高层次人才政策效能评估：以东湖新技术产业开发区为例[J].科技进步与对策，2014，31（21）：114-119.

[15]刘洪银.科技人才政策成效的区域性差异[J].开放导报，2015（01）：88-92.

[16]B·盖伊·彼得斯，弗兰斯·K·M·冯尼斯潘.公共政策工具：對公共管理工具的评价[M].北京：中国人民大学出版社，2007．

[17]欧文·休斯.公共管理导论[M].彭和平，周明德，金竹青，译.北京：中国人民大学出版社，2001．

[18]张骁，周霞，王亚丹.中国科技服务业政策的量化与演变：基于扎根理论和文本挖掘分析[J].中国科技论坛，2018（6）：6-13.

[19]Ma L，Liu Z，Jiang M，et al.A Study on regional innovation policy under innovation paradigm 3.0：a case of Jiangsu province in China[C].2016 Portland International Conference on Management of Engineering and Technology （ PICMET）.Honolulu：Institute of Electrical and Electronics Engineers，2016：1055-1064.

[20]Xu L，Huang C，Li Z，et al.A new typology and transition of innovation policy instruments in China：evidences from the new energy vehicle industry[C].2015 Portland International Conference on Management of Engineering and Technology （ PICMET）.Portland：Institute of Electrical and Electronics Engineers，2015：211-219.

[21]Mcdonnell M L，Elmore F R.Getting the job done：alternative policy instruments[J].Educational Evaluation and Policy Analysis，1987，9（2）：133-152.

[22]豪利特，拉米什.公共政策研究：政策循環与政策子系统[M].庞诗，译.北京：生活·读书·新知三联书店出版社，2006：134.

[23]Rothwell R，Zegveld W.Industrial innovation and public policy：preparing for the 1980’s and 1990’s[M].London：Frances Printer，1981：17.

[24]杨艳，郭俊华，余晓燕.政策工具视角下的上海市人才政策协同研究[J].中国科技论坛，2018（4）：148-156.

[25]张群.供需视角下上海科技人才政策评估[J].科技管理研究，2022，42（02）：26-35.

[26]袁志红.城市创新指数的设计与选择研究：以太原为例[J].科技管理研究，2012，32（15）：79-83.

[27]谢远涛，李虹，邹庆.我国资源型城市创新指数研究：以116个地级城市为例[J].北京大学学报（哲学社会科学版），2017，54（05）：146-158.

[28]倪芝青，林晔，沈悦林，徐燕椿，徐克庄.城市创新指数指标选择研究：以杭州为例[J].科技进步与对策，2011，28（06）：123-126.

（责任编辑文格）

Policy Comparison for Regional Scientific and

Technological Innovation Talents in China

CHEN Yun， HUANG Yi-xia， GUO Jia-ning

（School of Management，Wuhan University of Technology，Wuhan 430070，Hubei，China）

Abstract：The promulgation of scientific and technological innovation talent policy provides strong talent support and intellectual guarantee for talent development strategy.From the perspective of policy tools，this study constructs a four-dimensional analysis framework of “policy tools-service guarantee-policy objectives-policy effectiveness”.This paper selected Beijing，Shanghai，Guangzhou，Shenzhen，Wuhan，Xi’an，Chengdu as the sample cities，and used NVivo software to encode and compare the text of scientific and technological innovation talent policy issued by the seven cities from 2010 to 2020.The research finds that the development trend of talent policies in the seven regions is different from the perspective of policy tools，service guarantee and policy objectives.In terms of the results，Guangzhou and Shenzhen have achieved remarkable results in talent introduction and training.Guangzhou，Shenzhen，Wuhan and Chengdu have achieved remarkable results in talent use，evaluation and incentive.

Key words：scientific and technological innovation talents; grounded theory; policy tools