区域科技人才开发效率测度与影响因素研究——基于EBM-ML-Tobit模型

邹 娜，李小青

[河北工业大学，天津 300401]

引 言

科技创新是引领发展的第一动力，是产业结构优化、社会经济发展、综合国力提升的催化剂。而人才的培养和开发则是科技力量有效发挥的关键，尤其是掌握先进技术的科技人才，其在企业竞争、区域发展中起着核心作用。(1)徐明：《中国共产党百年人才思想的理论进路与实践向度》，《北京社会科学》2022年第2期。

区域科技人才的开发效率一直是学者们关注的问题，提高区域科技人才的开发效率对于我国区域可持续发展具有重要意义。学者们对于区域科技人才的开发状况也进行了多角度的研究，在模型上主要运用DEA模型测评中国或不同省域的效率。孙健等基于2005—2014年面板数据测算了中国的区域科技人才开发效率，(2)孙健，丁雪萌：《区域科技人才开发效率评价研究——基于2005—2014年省际面板数据的经验分析》，《广东社会科学》2018年第2期。王成军等则使用GRA-DEA模型测算陕西省科技人才的效率并进行了评价，(3)王成军，宋银玲，冯涛，刘勇：《基于GRA-DEA模型的创新型科技人才开发效率评价研究——以陕西省青年科技新星计划为例》，《科技管理研究》2016年第4期。丁刚等则利用DEA-LISA对全国30个省市科技人才投入产出效率进行综合评价。(4)丁刚，罗暖：《省域创新型科技人才队伍建设的投入产出效率评价及其空间关联格局分析——基于DEA模型和LISA方法》，《西北人口》2012年第4期。除利用模型测算不同省域科技人才开发效率之外，另外一部分学者则更加宏观地研究了不同地区整体的人才开发效率，李培园等运用Super-DEA模型和ML指数测算长江地区的科技人才开发效率，(5)李培园，成长春，严翔：《基于超效率DEA模型的长江经济带科技人才开发效率时空分异研究》，《南通大学学报(社会科学版)》2019年第1期。窦超等测算中部地区整体的人才开发效率并进行相关评价，(6)窦超，李晓轩：《中部科技人才开发效率评价及其影响因素研究》，《科研管理》2017年S1期。李梓测算西部科技人才的开发效率对西部大开发以来科技人才开发效率有待进行研究和检验。(7)李梓：《西部科技人才开发效率评价及影响因素》，《学术交流》2016年第4期。

纵观区域科技人才开发效率领域的研究，其研究方法均集中在DEA-SBM模型的构建，并辅以实证分析，研究视角大多聚焦在全国或省域区域，研究内容从人才开发效率测算到提出区域促进人才开发的对策及建议，研究成果相对丰硕，但仍存在以下局限性，本文也将针对这些问题进行深入研究。

一是基于松弛变量而获得最优值的DEA-SBM模型，会损失原始科技人才数据之间存在的比例关系；不利于目前测度人才开发效率这样复杂的系统，进而影响到整体对人才开发措施的提出，本文选取EBM模型则有效地解决了损失比例的问题，有利于增加测算的准确性，丰富区域科技人才开发的研究。

二是目前研究主要集中在静态效率的测算，缺少区域科技人才开发效率动态分析，不利于反应人才开发效率的整体情况，由于动态分析能够增强对于区域人才开发效率的时空演进特征分析，可以全面地观察到人才演进的变化，因此增加ML指数的动态分析对于目前人才开发领域具有比较重要作用。

三是目前研究对区域发展间科技人才效率提升的共性问题关注不足。本研究选择三大经济带，因其涉及22个省市，涵盖范围广阔，且非常重视科技人才的引育，人才引进力度不断加大，着力构建人才协调发展战略生态圈，同时经济带内也出现了人才发展不均衡性等问题，因此三个区域具有一定的共性，进行对比研究具有较重要的意义。

基于以上研究的局限性，本文尝试构建EBM-ML模型，应用在人才开发效率研究的领域，一定程度上解决了SBM损失比例的不足，并且增加了动态分析和时空演进分析。在此基础上将多层次指标纳入到了评价体系，并选取了三大经济带进行对比研究和综合评价，为区域人才协调发展提出建议，为不同省域和中国全域的科技人才开发效率研究提供参考。

一、区域科技人才开发效率测度指标的设计

本文研究范围选取京津冀地区、长江经济带、黄河经济带三大经济带。由于京津冀地区同属京畿重地，是以首都为核心的世界级城市群，引领区域整体协同发展，战略地位十分重要；长江经济带则是国内综合实力最强、战略支撑作用最大的区域；(8)周成，冯学钢，唐睿：《区域经济—生态环境—旅游产业耦合协调发展分析与预测——以长江经济带沿线各省市为例》，《经济地理》2016年第3期。而黄河经济带的大部分地区历史悠久，是中国社会经济发展的核心区域。但拥有重要战略地位的三大经济带区域，发展不协调不均衡的问题也日益突出，特别是区域人才的不均衡性问题尤为显著，在经济带之间、经济带内各省市间都存在不同程度的发展差距，在发展模式和增长方式上均亟待改善。为此，研究分析三大经济带整体和区域内部各省市科技人才开发效率及影响因素，对于区域内有针对性地做好科技人才战略工作、缩小区域发展差距、促进区域协调均衡发展具有重要指导意义，对国内其他地区的科技人才开发工作、区域人才协调发展战略具有一定的借鉴意义。

对科技人才开发效率评价时选取的投入指标为R&D人员全时当量、R&D项目经费；产出指标为技术市场成交额、国内专利授权数、国内专利申请书、技术市场技术输出地域合同数等多个指标，考虑数据的可获取性及数据的有效性，选择2007年至2020年为时间窗口期。研究采用的数据来源于《中国统计年鉴》《中国科技统计年鉴》等国家统计年鉴和地方统计年鉴，以及中国统计局公开发布的相关数据。

二、模型建立及求解

传统的DEA模型或SBM模型均不能处理投入变量和产出变量同时具有径向和非径向特征的情形。(9)林丽梅，赖永波，谢锦龙等：《环境规制对城市绿色发展效率的影响——基于超效率EBM模型和系统GMM模型的实证分析》，《南京工业大学学报(社会科学版)》2022年第5期。因此，Karu Tone提出Epsilon-Based Measure of Efficiency(EBM)模型，通过亲和矩阵计算各指标之间的离散关系，确定该数据的应用模型应为DEA模型或是SBM模型，相关性越高越适合DEA模型，反之则适合SBM模型。

在计算区域科技人才开发效率时，本文构建的EBM模型充分考虑了可比性问题，进而对区域科技人才的开发效率进行进一步的评价，进行测度时首先确定比例关系。

(一)亲和矩阵

确定各指标间的比例关系，需要确定亲和矩阵，进而确定比例关系，建模如下：

(1)

(2)

Cymax=max(Cyj)andCymin=min(Cyj)

(3)

(4)

使用亲和矩阵衡量指标间的亲和关系：

Sy=1-2Dy(0≤Sy≤1)

(5)

(6)

(7)

通过亲和矩阵确定投入、产出指标间的相对重要程度，权重分别为：0.5，0.5，0.24，0.26，0.24，0.26。

(二)区域科技人才开发效率测算

本文利用非角度EBM模型对三大经济带的科技人才开发效率进行测算，根据Karu Tone(10)Tone K，Tsutsui M，“An epsilon- based measure of efficiency in DEA：A third pole of technical efficiency”，European Journal of Operational Research，2010，207.等的研究：假设有n个决策单元DMU，对于t=1，2，…，T时期的任意一个DMUj(j= 1，2，…，n)均使用m种投入xj(i= 1，2，…，m)，联合生产s1种期望产出yk(k= 1，2，…，q)。

其投入、期望产出和非期望产出分别记为xj，yj的效率值可以通过如下EBM模型进行计算。

(8)

(9)

通过模型计算效率时，为更好地完成分析，对人才开发的全局效率及非全局综合效率均进行计算，其中全局效率及非全局效率如表1，综合效率如表2。

表1 全局效率及非全局效率对比表

表2 综合效率表

通过2007年至2020年的非全局效率值和全局效率值的对比，北京、上海、浙江地区整体的开发效率较高，非全局效率值为1.000、0.930、0.961，但是全局效率降为0.5左右，差距较为明显，随着时间的推移，科技人才开发的效率在不断地上升，因此表明存在多个影响当地人才开发效率的因素：包括人才引进的政策、外资的进入情况、金融情况等因素，由于前期存在全球金融危机和重大自然灾害，会影响中国整体的经济，经济对于人才开发的影响较大，因此会间接影响区域科技人才的开发效率。甘肃、青海、宁夏三个省份的非全局效率值较高，同时全局效率值也位于前三名，根据2008年及之后十年的数据，表明金融危机对于西部省份的影响波及较小，这得益于西部省份的产业结构对于金融的依赖较低，受到的影响较小。纵观所有效率值与全局效率值差距较小的省份，其大都属于产业结构并不过分依赖金融等第三产业，可见人才的开发效率易受到外部环境的影响。

通过表2对比三大经济带2007年至2020年的人才开发综合效率，京津冀地区处于最高水平，长江经济带紧随其后，与京津冀地区差距甚小，黄河经济带综合效率最低，但是整体数值为0.818，也处于较高的水平，可以发现现阶段几大经济带的整体发展较好，京津冀地区的发展处于全国较高的水平，北京的人才开发效率均值最高，这与北京的综合实力密切相关。

不同地区的效率平均值有所不同，京津冀地区的北京、黄河经济带的青海、长江经济带的贵州效率最高，效率平均值分别为1.000、0.945、0.924，这主要得益于北京作为中国首都、科技创新中心，对于科技人才的开发一直处于最高的水平。青海在2005年后陆续颁布多项人才相关政策，《青海省促进人才柔性流动的实施意见》等对青海的整体科技人才开发起到了较高的促进作用。(11)王胜今，王智初：《中国人口集聚与经济集聚的空间一致性研究》，《人口学刊》2017年第6期。贵州省交通改善，依据能源优势精准定位于十大产业，尤其是烟酒产业、电子信息工业、旅游产业的快速发展，经济发展动力大大加强，同时开展了多项科技创新人才团队建设工作，较大地促进了当地的科技人才开发效率。

除此之外，上海、浙江、宁夏、甘肃的人才开发效率也处于较高水平，且2007—2020年各地区的人才开发效率不断提升，这主要得益于“人才强国，科教兴国”的整体推进，上海、浙江、宁夏、甘肃各地对人才重视程度的加深、对人才引进力度的加大以及当地政策的支持。

从三大经济带的全局效率值来看，2007年人才的开发效率全国处于较高水平，影响因素包括人才强国战略成为我国人才事业发展的重要方向，同时北京奥运会的举办拉动了内需，促进了经济的增长，人才的需求加大，使得人才的开发效率处于很高的水平；但是2008年全球金融危机使得全国范围的人才开发受到了较大程度的影响，其中京津冀地区的下降最快，受到的影响最大，2008年至2013年期间人才开发的效率值整体上缓慢下降，此期间我国的经济发展速度持续放缓，影响了全国整体的人才开发效率。通过图1数据显示，可以发现此期间影响最小的为黄河经济带，这与“西部大开发”战略有一定的关联性，(12)师博，任保平：《中国省际经济高质量发展的测度与分析》，《经济问题》2018年第4期。此后西部整体的经济不断增长，人才的开发效率也得到不同程度的提升，长江经济带中有一部分西部省份，因此在2009年至2014年期间，人才开发的效率受到的影响最小。

图1 全局效率图

如图1所示，2007—2013年之间人才开发效率值整体上持续下降，在2013年实现转折，2013—2020年呈现持续上升趋势。2013年“长江经济带发展”概念提出，2014年“京津冀协同发展”提出，各地区间优势互补，同时此段时间全国经济开始回升，使得2014年之后人才开发效率存在不同程度的上升，尤其是京津冀地区一直保持高速发展，在2018年已经成为三大经济带中人才开发效率最高的经济带，且一直保持；2014年之后，长江经济带的人才开发效率整体平稳上升，且在2018之后，一直维持在平均水平以上，人才开发程度进入新的阶段；值得注意的是长江经济带，2014年至2016年存在短暂的上升，但是2017年出现下降，2017年至2020年期间处于整体波动的趋势，长江经济带在此期间发展重点进行了一定程度上的改变，创新产业转型升级、因地制宜地促进改革创新等举措间接影响了长江经济带的人才开发效率。

三大经济带2007年至2020年科技人才开发效率整体处于先下降后缓慢回升的状态，下降主要是因为经济环境的影响，全球金融危机造成世界经济疲软，人才市场低迷，之后的回升则主要得益于国家政策的大力扶持、各省对于科技人才引进与开发的创新举措不断推进。

(三)区域科技人才开发时空演进分析

使用GML生产率指数评价三大经济带的科技人才开发效率的动态变化情况，能有效减少指数线性规划的无解性等问题，进行GML指数的构建与分解，有助于对不同时期的经济带人才开发效率进行比较，可有效分析经济带的人才开发效率的变化趋势，讨论人才开发的时空演进状况，丰富区域人才开发研究。本文基于EBM模型，借鉴Paster 等关于生产率指数的研究成果，(13)Jesus T. Pastor，C.A. Knox Lovell，“A Global Malmquist Productivity Index”，Economics Letters，2005，pp.266-271.参考GML指数分解思路计算三大经济带整体及京津冀地区、长江经济带、黄河经济带2007—2020年人才开发效率。

以GML表示生产率指数，并将其分解为技术效率变动EC和技术差距变动BPC。以GML表示生产率指数，其中分解为：

(10)

(11)

(12)

式中：D表示集合在同一前沿上所测算的效率值；xt，yt和xt-1，yt+1的分别表示决策单元在t和t+1时期的投入、期望产出值；GML表示人才开发效率值，GML>1表明人才开发效率提升，人才开发层面存在上升，GML <1则表明人才开发效率下降。

通过对GML指数进行分解，可以获得动态效率的变化，求解结果如表3。

表3 GML及指数分解

从上表中可以得出：技术效率方面，整体而言，2007—2020年三大经济带的人才开发的技术效率变动指数以年均1.0%的速度降低，技术差距以年均2.2%的差距增大，人才开发效率以年均2.6%的速度降低。2007—2013年间，人才开发效率指数只有2009—2010年大于1，其他时间均小于1，说明此段时间人才开发效率不断下降，经济环境不利于人才的开发，与前面的论断一致。

2007年至2013年，技术差距变动值仅有2011—2012年大于1，说明其他时间三大经济带的技术差距缩小，三大经济带存在一定程度上的趋同，京津冀地区、长江经济带的发展在此阶段变缓明显，2013年至2020年，技术差距变动加大，技术规模效率整体变动也增大，说明京津冀地区、长江经济带的经济回升，开始加大人才开发力度，进而人才效率的动态效率增大。不同经济带的GML及指数分解见表4。

表4 不同经济带GML及指数分解

通过表4可以发现2007年至2020年期间，人才开发效率最高的为黄河经济带、其次为京津冀地区、最后为长江经济带，人才开发效率指数分别为1.001，0.996，0.980。黄河经济带的技术效率差距变动最大，规模效率提升最大，说明2000年后我国通过西部大开发以及对部分地区的优化配置产生了正面的影响。

图2代表全国的MBPC、MEC和ML指数图以及三大经济带的具体值，通过全国的MBPC、MEC和ML指数图对比可以发现，整体趋势来看人才开发动态效率随着综合技术效率和技术进步的升高而升高，因此人才开发动态效率与综合技术效率、技术进步的变化十分相关，大致为综合技术效率升高、技术差距下降，人才的动态开发效率变动升高；综合技术效率下降、技术差距上升，人才的动态开发效率下降，因此技术差距增大、效率下降拉低了人才开发效率的上升。

图2 MBPC、MEC、ML指数及三大经济圈的具体值

三、 区域科技人才效率演进影响因素分析

(一)收敛分析

由于“人才强国，科教兴国”等政策的推进，全国科技人才开发进入新的阶段，人才开发效率低的省份在其发展过程中可以向效率高的省份趋同，因此本文利用Burro提出的收敛模型研究人才开发的演进过程，(14)Barro R. X，Sala-i-Martin X.，“Convergence”，Journal of Political Economy，1992，100，pp.223-251.公式如下：

ln(DEi，t/DEi，0)=α+βlnDEi，t+ui，t

(13)

式中ln(DEi，t/DEi，0)表示从基期t与i时期地区的人才开发平均增长率，α为截距项；ui，t为随机扰动项。

本文利用三大经济带及各区域面板数据进行估计，Hausman检验判断应采用面板数据固定效应模型。通过计算绝对收敛，获得收敛性情况，如表5所示。

表5 收敛性情况

由上表可以发现2007年至2020年间三大经济带整体及三大区域的人才开发效率均表现出1%水平上显著收敛性。β值为负值，说明各地区间存在β收敛，在不同的人才开发效率下，人才开发效率较低的地区相对于人才开发效率较高的地区效率提升速度更快，长江经济带的收敛速度要高于ML指数较高的京津冀地区及黄河经济带区域，存在落后者对先进者的“追赶效应”，各地区的人才开发效率存在趋同的趋势。其主要原因是长江经济带虽然受金融危机、经济受挫、当地相关政策的影响，出现了人才开发效率降低的状况，但其作为我国重要的经济带，由众多实力较强的省份组成，且科技创新能力较强，从而促进了长江经济带的人才效率提升速度。

(二)区域科技人才开发效率影响因素

研究影响静态、动态效率的因素对于当地的发展具有重要意义，在本节中对于不同的影响因素进行量化分析，上述分析中发现EBM方法测算的效率值在0～1之间，符合Tobit模型对于不同自变量对因变量的处理，因此，选用Tobit回归进行量化分析。

区域科技人才的开发效率受到多方面的影响，在本文中选取八个影响因素：个人发展、当地基础设施建设水平、当地产业结构、当地经济水平发展、当地政府资助强度、当地的企业结构、当地教育水平、当地对外开放程度。本节将探讨八个影响因素对于人才开发效率的影响。

(1)个人发展：一个地区对于个人的发展越关注，对科技人才的激励政策越多，对高科技人才的吸引力就越大，有利于促进区域人才的开发，预计当地个人发展政策对人才开发效率有正向作用。

(2)当地基础设施建设水平：一个地区基础设施的建设水平决定该地科技人才生活的舒适程度及交流的便捷性，进而影响科技人才的地区间流动，影响人才开发效率，预计当地基础设施建设水平对人才开发效率有正向作用。

(3)当地的产业结构：不同的产业结构对于人才的吸引力度不同，产业结构对于科技人才开发效率也有着重要影响。一个地区第三产业的产值所占比重越高，该地区的总体创新性相对较高，该地区的科技人才效率相对较高，(15)张杰飞，尚建华，乔彬：《数字普惠金融对绿色创新效率的影响研究——来自中国280个地级市的经验证据》，《经济问题》 2022年第11期。预计当地的产业结构对人才开发效率有正向作用。

(4)当地经济水平发展：一个地区的经济越发达，对科技人才的吸引力越高，进而产生人才集聚效应，促进科技转化，提升科技人才的开发效率。预计当地经济发展水平对人才开发效率有正向作用。

(5)当地政府资助强度：政府加大科技创新的投资力度也能一定程度上促进该地区人才开发效率的提升，预计当地政府资助强度对人才开发效率有正向作用。

(6)当地的企业结构：有效并且合理的企业结构有利于发挥人员的创新能力，提高市场竞争力，进而提升人才开发效率。预计当地企业结构对人才开发效率有正向作用。

(7)当地教育水平：教育水平能促进提高人员素质，素质越高，对于新技术的接受能力越强，创新作用发挥就越强，(16)白俊红，江可申，李婧：《应用随机前沿模型评测中国区域研发创新效率》，《管理世界》2019年第10期。从而促进该地区科技人才开发效率的提高，预计当地教育水平对人才开发效率有正向作用。

(8)当地对外开放程度：经济开放地区对投资的吸引力越大，越能引进先进的技术和管理理念，加快科技转化，从而提高科技人才开发效率。预计当地对外开放程度对人才开发效率有正向作用。

以科技人才开发综合技术效率值作为 Tobit 模型的被解释变量，以当地个人发展状况、当地基础设施等八个要素作为 Tobit 模型的解释变量，对科技人才开发效率的影响因素进行定量分析。回归结果见表6。

表6 回归结果统计

通过表6的统计结果可以发现：个人发展、当地基础设施建设水平、当地产业结构对人才开发效率存在十分显著影响；当地政府资助强度、当地教育水平、当地对外开放程度均对科技人才开发效率存在影响。

产业结构、个人发展水平、经济发展状况等几个因素中只有当地经济发展情况这个因素对人才效率的开发起到负作用，可能原因为在三大经济带中，经济发展情况相对落后的地区更加重视人才对发展的促进作用，近年来加大了人才引进与投资，促进了科技人才的开发效率。随着人才强国战略在全国范围内的逐步推进，各地区加大了人才方面的投入，部分新一线、二线城市人才引进的力度不断加大，超过一线城市，进而增加了人才的开发效率。

从影响因素的作用强度分析，三大经济带驱动因素的作用强度表现为政府资助强度>教育水平>产业结构>个人发展>基础设施水平>对外开放程度，由此可见，三大经济带的关键性驱动因素为政府资助强度、教育水平、产业结构等。说明政府提出的人才相关政策以及创新计划等可以促进人才开发战略的打造与实施，政府相关的资助和扶持政策能够为人才开发提供强有力的支持；同时教育水平的提升可以发挥教育的基础性作用，能够提供创新后备人才，促进人才开发；在产业结构方面，加大第三产业、高科技产业的发展，我国的中小企业是促进产业结构发展的重要支撑，因此有效促进中小型企业的创新活力，有利于区域科技人才的引进及开发。

从关键性驱动因素作用效果分析，政府资助强度对于三大经济带开发效率发挥着重要的正向驱动作用，这说明政府资助强度高有助于提升人才开发效率，表现出积极作用。政府具有信息优势，能够汇总分散的行业信息，在制定创新战略的过程中做出合理决策；同时政府资助能够发挥市场信号作用，引导人才资源汇聚。

四、区域科技人才开发效率提升建议

(一)增加政府资助强度，完善科技人才政策

通过上述实证分析发现政府资助强度对于人才开发效率的提升具有重要作用，因为基础设施建设，包括城市建设，舒适度、便捷度等因素可以促进人才的引进与开发，科研项目顺利开展的基础要素包括资金支撑和科研设备保障，这些均可以通过加大政府资助强度提供保障。长期以来发达国家高度重视对重大科技项目和科技人才的政府资助，加大资金投入科学研究的基础设施建设，出台多个吸引科技人才的优惠政策，并为其发展提供雄厚的科研资金支持，从而取得的一系列科研成果，建设高水平的科研平台，更是再次引才聚才的核心基础，形成了人才开发的良性循环。因此，在我国的区域科技人才开发过程中，应借鉴发达国家的人才引进政策，增加政府资助强度，加大基础设施建设，优化人才引进和培养政策，为科技人才提供良好的环境，营造尊重人才的氛围。

(二)增强教育水平，营造良好的科创氛围

实证分析结果显示当地的教育水平也对提升人才开发效率具有重要作用，人才是知识的载体，提升区域教育水平，能为人才的成长与发展提供良好的发展机会与平台，进而提升人才的开发效率。在人才开发过程中，不断建设完善我国科技人才体系，营造尊重人才、爱惜人才的科技创新氛围。政府增加资金投入，加大基础教育与高等教育的建设力度，为人才的培育和继续教育提供有力的支撑；高校在提升教育教学质量的同时，也要重视整合城市资源、优势产业资源、校友资源等各类资源，为城市发展提供丰富的青年人才供给。同时加强人才政策的制定、搭建创新平台，营造良好科创氛围，提高人才吸引力度，不断提升区域人才开发效率。

(三)促进产业结构升级，推动人才与产业高度融合

产业结构的升级也是影响人才开发效率的重要因素，因为产业结构的优化可以促进经济的增长，进而吸引人才聚集，提升人才开发的效率。为提高人才开发的效率，政府可以通过加大规模投资，促进第三产业及高科技产业的发展，实行适度的产业优惠政策，实现区域经济结构的优化。对于区域的产业结构升级与优化，地方政府应加大政府投入力度，推动人才与产业的高度融合，以产业集聚人才，进而人才引领产业，形成人才与产业融合的良性循环。