聚集中走向均衡？

摘 要：以研究生人才作为考察对象，基于1997-2021年30省样本数据，研究省域层面我国研究生人才空间分布特征并使用双向固定效应模型分析影响研究生人才分布的主要因素。研究结果表明：省域层面研究生人才分布聚集趋势明显，在总量聚集的同时，人均层面走向进一步聚集；研究生人才分布聚集呈现出显著的空间相关性，空间聚集以低低聚集为主且伴随着时间推进，低低聚集区域得到进一步扩充；省域层面研究生人才空间聚集主要表现为经济主导型，发展水平和产业结构正向影响研究生人才分布；研究生培养能力显著影响研究生人才分布，但存在阶段性特征，影响逐渐由显著负向变为显著正向；舒适度对各省研究生人才分布的影响整体上显著，但存在异质性。着眼未来，省级政府部门应从研究生人才培养和人才环境入手，加快区域经济发展，促进研究生人才从高度聚集走向相对均衡。

关键词：研究生人才；空间分布；演变趋势；影响因素

20世纪90年代以来，我国高等教育取得了显著成就。近年来本科及以上学历毕业人数继续不断增长，以高层次人才为核心的人力资本成为影响我国全要素生产率的决定性因素。人才是指具有一定专业知识或专门技能，进行创造性劳动并对社会做出贡献的人，是人力资源中能力和素质较高的劳动者。^[1]作为专业知识和专门技能的载体，人才是实现民族振兴、赢得国际竞争主动的战略资源。当今世界正经历着百年未有之大变局，新一轮科技革命和产业变革迅猛发展，各地正积极探索建设人才高地的方法，人才作用不言而喻。^[2]为抢抓发展先机和人才红利先机，2017年以来，我国各省掀起“抢人大战”并逐渐白热化，全国约70%的城市出台了相关人才政策，措施包括直接落户以及随学历提升而阶梯式增加的安家费、生活补贴等，以此吸引高学历人才加盟。^[3] 当下人才政策势必影响我国现有高等教育人才空间分布格局，本文采用实证研究方法对我国以研究生人才为核心的高等教育人才空间分布特征及其演变趋势进行探究，分析影响人才空间分布的主要因素，旨在推动人才资源合理配置、促进人才与社会协调发展。

一、文献综述

人才研究在20世纪六七十年代成为管理学领域的一个重要课题。美国学者库克（Kuck）提出“库克曲线”，从可行性和必要性说明人才流动对人的创造力所发挥的作用。卡兹（Katz）通过对科研组织人员的寿命研究，发现“卡兹曲线”并提出组织寿命的长短与组织内的信息沟通和获得成果相关。经济学家舒尔茨（Theodore W.Schultz）、贝克尔（Gary Stanley Becker）、明瑟（ Jacob Mince）等对人力资本进行了深入研究。福罗里达（Richard Florida）指出，高素质人才是一种具有流动性的生产要素，大学毕业生常常在他们完成学业之后离开大学所在地区。年轻而又受过良好高等教育的人几乎是所有人口群体中最具流动性的。高BDGI（Brain Drain Gain Index， BDGI）地区拥有密集而繁荣的劳动力市场，创新吸收能力强，直接或间接地推动了经济增长，反过来又导致更高的人才生产率、保留率和吸引力。^[4]汪怿认为人才高地在国家战略体系中扮演着引领创新、驱动改革以及深化开放等重要作用。^[5]李楠等以国际高水平人才湾区实践经验为基础，提议创建人才柔性引进机制，探索人才跨域联合培养机制，创新优化产学研合作机制，建立多元主体参与、协调合作互促的人才管理体系。^[6]陈丽君等则将人才生态营造看作是人才与创新高地建设的重要工作。^[7]赵明仁等从协同融合发展的视角，提出提升引才制度的开放性、推进区域产教才融合发展。^[8]

·学位与研究生教育·聚集中走向均衡？

人才空间分布格局及其影响机制研究是教育经济学和人口地理学等学科关注的重点。^[9]围绕该问题，现有研究主要通过新古典迁移理论和均衡理论进行研究建构。^[10][11][12]前者认为人才迁移是个人理性计算经济成本收益的结果^[13]，就业机会、经济规模、工资水平和产业结构能够显著影响地区人才分布^{[14][15][16][17]}；后者则进一步强调舒适性在其中的作用，寻求环境舒适性与经济因素的均衡。第二次世界大战后，美国人口向“阳光地带”迁移，格列斯夫（Graves）发现气候舒适性显著影响人口流动^[18]，后续研究则进一步扩展了舒适性范围，大体包括自然环境舒适性和社会环境舒适性两大类，如空气质量^[19]、天气^[20]、绿地面积^[21]等自然环境舒适性和教育医疗^[22]、文化娱乐^[23]、城市包容和开放度^[24]等社会环境舒适性因素。另有研究注意到舒适性在发展中国家人才区位选择的适用问题，认为由于经济因素的主导作用，舒适性并未影响发展中国家人才的区位选择。^[25]杨等（Yeoh et al.）的研究表明，科技创新人才的流向不仅是由经济学逐利心理导致，还应该将文化地域等复杂的背景因素考虑进去。^[26]阿伦斯贝尔根等（Arensbergen et al.）通过分析参与科技创新人员评估的主体，指出人才评价过程中各阶段的公正性具有重要意义，同时发现某些看似对评价影响很大的因素却并不影响最终决策。^[27]

中国高学历人才空间分布的研究显示，我国高学历人才表现出高度集中且不平衡的空间分布格局。从区域分布来看，我国大专及以上学历人才空间分布表现出东南高、西北低的区域聚集特征^[28]；从省域角度看，则表现出“东高西低”非均衡特征并形成了粤港澳大湾区及“京津”“江浙沪”核心聚集区^[29]；从市一级层面看，我国大专及以上学历人才分布则与城市等级关系密切，表现为高学历人才向直辖市、省会城市、计划单列市等行政区集中，普通地市人才获取量较少^[30]，部分研究将视角进一步聚焦到特殊人群的空间分布格局，诸如科技人才^[31]、社会科学研究人才^[32]、中国科学院院士^[33]、教授和研究人员及IT人才等^[34][35][36]，研究结果均证实中国高层次劳动力空间分布存在不均衡。对于高学历人才分布影响机制，相关研究结果显示经济因素是其共同且主导因素，但随着收入与生活水平的提升，教育、医疗、气候和交通等舒适性因素的作用逐渐凸显。^{[37][38][39][40][41][42]}

综上，既有研究对高学历人才及其空间分布问题进行了广泛关注，凸显问题研究的价值。但先行研究对于该问题的分析大多关注某一特定人群，如院士、教授、IT人才等，或者是将高等学历人才视为整体进行研究，关注其时空分布格局及其影响机制；对某特定学历群体的空间格局与机制探讨不足，尤其是对我国高层次人才的主要载体——研究生人才的研究更显不足。考虑到研究生人才对区域科技创新和经济高质量发展的突出作用，本文将研究对象高等教育人才限定为研究生人才，重点关注我国研究生人才空间分布及其影响机制。基于此，研究提出如下基本假设。

H：我国研究生人才省域层面分布存在总量聚集的同时，人均层面走向均衡。

H：我国研究生人才分布聚集呈现出显著的空间相关性，在省域层面主要向京津、粤港澳大湾区和长三角等地聚集。

H：经济因素是影响我国研究生人才分布的主要因素，舒适度和区域研究生人才培养能力对吸引和维持研究生人才发挥着重要作用。

二、研究设计

（一）研究对象

本文将高等教育人才聚焦为研究生人才。为有效调控我国研究生人才空间分布格局，本研究的“区域”以省（直辖市）为单位，拟对我国30个省（直辖市）^①的研究生人才空间分布及其影响机制进行分析。考虑到在校研究生毕业后流动性问题，本文在定义研究生人才时，使用各省（直辖市）就业人口中拥有研究生学历的劳动者作为代理变量。研究将分析各省（直辖市）研究生人才资源分布现状及其演变趋势，并对影响因素进行讨论，旨在加强省域研究生人才资源配置，为省域层面研究生人才调控政策的制定提供理论参考。

（二）研究方法

研究生人才的空间分布具有差异性并且是可以测量的。测量的方法包括多种，如基尼系数、变异系数、泰尔指数等。研究生人才的空间分布具有结构性，这种空间结构性可以采用空间自相关分析来揭示其空间聚集态势。本研究拟采用泰尔指数及空间自相关分析来探索研究生人才区域分布的差异性及其结构性特征。

1.泰尔指数

泰尔指数是衡量区域收入或其它差异的常用指标，具有一些良好的统计性质，如可加可分解性。可加可分解性是指总体不平等性指标可以写成组内不平等和组间不平等之和的形式，如研究生人才的分布可以分解为区域之间的差距和区域内各省之间的差距之和。因此泰尔指数在反映整体差异的同时，也能够反映区域内部和区域间的变化差异。由于泰尔指数具有完全相加可分的优点^[43]，且对数据高低两端变动相对基尼系数而言更为敏感^[44]，用泰尔指数来衡量区域人才之间的差异比基尼系数更为科学合理。由此，本文运用泰尔指数对我国研究生人才分布区域差异情况进行分析。借鉴姚昊等经验^[45]，研究将泰尔指数定义为：

Theil_=∑^knnyy1n∑ⁿyyLnyy+∑^knnyyLnyy=Theil_+Theil_ （1）

式1中，T为总体泰尔指数，用来衡量省域间研究生人才分布的不均等程度；K为分组项，本研究借鉴国家统计局八大经济区域划分方法^②，将样本省份分为8组；T为组内泰尔指数，主要衡量区域内研究生人才分布不均等程度；T为组间泰尔指数，衡量区域间不均等程度；Y为研究生人才规模，N代表K区域内各省。泰尔指数取值范围为[0，1]，数值越接近1，表明不均等程度越高，反之则表示均等程度越高。

2.空间自相关分析

泰尔指数虽然能较好反映我国研究生人才分布空间不均衡程度，但无法区分我国研究生人才集聚区域是否在地理空间上存在邻接关系，更无法反映我国研究生人才在哪些区域和省份出现了空间聚集。空间自相关分析能够有效弥补泰尔指数上述不足，因此研究进一步采用空间自相关分析。自相关指数（Moran’s I）可以测度空间自相关性。当位于一定距离d内的观测值相近时， Moran’s I 在显著水平下 （P 值小于 0.1） 为正，不相近时为负，当观测值随机排列时为零。Moran’s I可分为全局自相关指数（Global Moran’s I ，GMI） 和局部自相关指数（Local Moran’s I， LMI）。GMI 主要测量在全范围尺度下区域某一属性的聚集水平；LMI 可以定量识别区域某一属性的分布，进而探测区域极化的空间模式。

（1）全局莫兰指数（GMI）

全局莫兰指数能够反映空间邻近区域或者空间邻接区域的属性值从全局层面上所具有的相关性差异程度。参照徐君等经验^[46]，全局GMI被定义为：

Moran’s I=∑ⁿ∑ⁿW（x-x）（x-x）S²∑ⁿ∑ⁿW（2）

式2中，Moran’s I为全局莫兰指数，x、x分别表示第p个区域和第q个区域的研究生人才数量，x表示省域层面平均研究生人才数量，S²表示方差，W表示使用空间相邻模式构建的空间权重矩阵。Moran’s I取值范围为[-1，1]，当 Moran’s I>0时，表明各省市研究生人才分布存在空间正相关，即研究生人才规模相似的省份（高高或低低）在空间上趋于聚集分布；当Moran’s I<0时，表示各省市研究生人才分布存在空间负相关，即研究生人才规模相异的省份（高低或低高）在空间上聚集；Moran’s I=0时，表明随机分布，不存在空间相关性。

（2）局部莫兰指数（LMI）

全局莫兰指数只能反映全国研究生人才分布是否具有空间相关性，而局部莫兰指数能够更准确地反映每个省市与相邻省市之间的研究生人才分布的相关性与集聚情况，因此研究进一步引入局部莫兰指数。借鉴徐君等经验^[47]，局部LMI被定义为：

Moran’s I=x-xS²∑ⁿW（x-x）（3）

与全局莫兰指数类似，式中x表示第p个区域研究生人才数量，x表示省域层面平均研究生人才数量，S²表示方差，W表示使用空间相邻模式构建的空间权重矩阵，Moran’s I则表示局部空间自相关程度。

3.多元线性模型建构

泰尔指数和空间自相关分析均指向我国研究生人才空间分布现状，但从调控角度来看，有必要对其可能影响因素做进一步分析。因此，研究借鉴新古典迁移理论和均衡理论，立足经济和舒适度两个维度因素并考虑地区研究生人才培养的影响，对我国研究生人才空间分布影响因素进行分析。在变量选择上，研究使用该年度研究生毕业生数作为研究生人才培养的代理变量；而经济因素则考虑地区收入、经济和产业结构等，使用各省平均工资水平、经济发展水平GDP^[48]和地区城市化水平^[49][50]及地区第三产业占比^[51][52]来表示。关于舒适度，研究主要考虑社会舒适度，使用地区每平方公里拥有公路里程数和每万人拥有公共交通车辆表示交通出行便捷性，使用人均公园绿地面积表示休憩环境舒适性，使用每万人床位数表示医疗服务设施舒适性。^[53]最后，研究使用民营企业就业人数占比来表示地区民营企业发展情况^[54]；使用专利授权数表示地区技术水平^[55]；使用是否为直辖市的虚拟变量表示各省份的行政定位。多元线性模型被定义为：

Y=β+βgraduate+βgdp+βTind+βln_city+βln_wage+βln_road+βln_med+βln_gre+βln_bus+βcontrols+ε （4）

其中，Y表示研究生就业人口，i、t分别表示省份和年份，graduate表示地区当年度研究生毕业生数，gdp表示地区国内生产总值（1978年不变价格），Tind表示第三产业产值占地区GDP比重，wag表示地区平均工资，road表示地区每平方公里拥有公路里程数，med表示每万人床位数，另外控制地区民营企业发展情况、地区技术水平及省份的行政定位。

（三）数据来源和描述统计

研究使用《中国教育统计年鉴（2004—2022）》《中国统计年鉴（1998-2022）》、各省统计年鉴和公报的数据，另以EPS（Easy Professional Superior）数据库数据作为缺失数据补充。“统计年鉴”作为官方年鉴，具有权威系统等特性，满足研究对于数据的质量需求；EPS数据库作为国内权威数据信息服务平台，其数据被广泛运用于当下经济学和管理学研究，显示出较高的学术研究价值和广泛的学术认可度。具体变量统计结果见表1。

三、结果分析

（一）研究生人才分布特征

1. 研究生人才空间分布总体格局

2021年我国各地区受高等教育人口分布如表2所示。我国省域层面研究生人才分布不均衡特征明显，呈现出高度集中态势。研究生人才存量超过50万的省（直辖市）有六个，分别为北京、上海、广东、浙江、山东、江苏，总占比超过全国的50%。与之相对的青海、宁夏、海南、新疆、贵州、甘肃，其研究生人才拥有量均不足10万，总占比不到全国的4%，省域层面研究生人才分布差距明显。从研究生人才地区分布来看，东部沿海和北部沿海地区研究生人才存量最高，最为密集；其次为南部沿海、西南地区、长江中游和黄河中游地区；而东北和西北地区研究生人才数量最少，尤其是西北地区，区域内各省研究生人才全国占比均低于1%，存量水平极低。进一步通过泰尔指数测算，得出我国省域层面研究生人才泰尔指数为0.377，其中组间差异T为0.208，组内差异T为0.169，组间差异贡献明显高于组内差异。考虑到泰尔指数更多地指向相对意义且不存在一个被广泛认可的绝对标准，研究进一步引入基尼系数作为补充，发现我国省域层面研究生人才分布基尼系数为0.471，接近0.5水平。由此判断，我国研究生人才地区分布差距较大，聚集特征明显并表现出较为显著的区域和省域聚集特征。

2.研究生人才分布空间格局演变

为更为全面掌握我国省域层面研究生人才分布演变特征，研究利用1997-2021年时间序列数据分析其演变趋势。表3为1997-2021年我国研究生人才分布泰尔指数演变情况。研究表明，我国从1997年以来省域层面研究生人才各年泰尔指数均大于0.300，各省研究生人才分布不均衡特征明显。从变化趋势上看，尽管各年泰尔指数存在一定程度的波动，但总体呈上升趋势。与1997年相比，2021年我国研究生人才分布泰尔指数值增加0.041，增长近13%，各省研究生人才分布不均衡状态进一步加剧。观察省域层面各年研究生人才分布组内差异T和组间差异T演变情况发现，多数年份的组间差异T 值大于组内差异T值。组间差异T值对整体泰尔指数的贡献明显更大，说明我国研究生人才分布存在更为明显的区域不均衡状态，研究生人才存在一定程度的区域聚集。观察组内差异T值可以发现T值均大于0.15，说明我国研究生人才分布所存在的区域内部不均衡也不可忽视。

考虑到地区人口基数，研究生人才绝对数量并不能完全反映地区研究生人才存量水平，因此，研究进一步引入各省每万人研究生数据，借此综合判断省域层面我国研究生人才走向，验证其是否如空间政治经济学所论述的“资源从聚集中走向均衡”^[56][57]，结果如表3所示。纳入人口权重因素后，我国省域层面研究生人才分布不均衡状态更加突出。在考虑人口基数后，省域层面各年研究生人才分布泰尔指数均大于0.5，表现出极不均衡状态。从趋势比较来看，我国人均层面研究生人才分布泰尔指数呈波动下降趋势（见图1），但到2015年以后，我国每万人研究生人才泰尔指数逐渐稳定在0.560左右水平。对比同期研究生人才分布泰尔指数发现，每万人研究生人才分布泰尔指数明显更高，包括组间差异T值和组内差异T值，这表明尽管每万人研究生人才分布泰尔指数有所下降，但是其绝对数值依然较大。因此从人均角度来说，省域层面研究生人才分布不均衡状态更为突出并伴随着更为明显的区域不均衡和省域不均衡特征。省域层面研究生人才区域分布并未走向均衡，而是走向进一步聚集。

综上，从研究生人才的空间总体分布及时空演变来看，研究假设1得到部分验证。但从人均层面来说，省域层面研究生人才分布演变并未表现出“资源在聚集中走向均衡”的变化特征，研究假设1不能成立。研究生人才总量聚集的同时，人均层面更进一步集中。

3.我国研究生层次就业人口空间自相关分析

泰尔指数可以反映我国研究生人才分布均衡程度和聚集情况，但在反映地理空间上的聚集情况和异常值上存在不足，因此研究利用空间自相关分析，运用全局莫兰指数和局部莫兰指数对研究生人才分布的空间特征进行进一步分析。

（1）全局莫兰指数

全局莫兰指数结果如表4所示。从2015年以来，我国省域层面研究生人才分布空间相关性显著，相邻省份研究生人才存量彼此相互影响，研究生人才分布在地理空间上走向聚集。表4显示，以2015年为界，1997-2015年，我国研究生人才分布的空间自相关检验并未得到通过。这说明在2015年之前，研究生人才分布虽然表现出较为明显的地区不均衡特征，但在地理空间上的聚集并不明显，表现出错落有致的空间分布态势，相邻省域的研究生人才存量差异较大。在2015年之后，我国研究生人才分布的空间自相关检验获得了通过，且方向为正。这说明我国研究生人才的省域集聚存在较显著的空间正相关，各省研究生人才分布在地理空间上具有明显的相关性，相邻空间彼此影响。省域层面研究生就业人口在地理空间上走向聚集，表现出高高、低低相邻区域空间靠拢状态。观察2015年之后的空间自相关系数可以发现，省域层面研究生就业人口空间自相关系数显著为正，在趋势上表现为波动下降，尤其是2018年后下降最为明显（见图2）。研究认为这可能是受到疫情影响，使得研究生就业选择多样化，而不再局限于经济考量，单纯流向经济发达地区。地理空间聚集趋势尽管有所减缓，但依然明显。研究生人才分布同样在地理空间上聚集。

考虑到人口基数，研究引入各省每万人研究生就业人口变量，从人均角度分析我国研究生人才分布的空间相关性，如表4第2列所示。研究发现，除2000年、2001年外，省域层面研究生人才分布均通过了空间自相关检验且方向为正。这说明从人均角度而言，我国省域层面研究生人才分布呈空间聚集状态，表现出“高高靠拢”“低低相邻”的空间分布特征，这与高晓清等研究的结果基本一致^[58]；各省每万人研究生人才分布空间自相关系数呈波动上升的趋势，在2015年以后稳定在0.140左右水平^③，地理空间上的聚集效应更加明显，相邻省份研究生人才分布相互作用更加明显。这说明我国研究生就业流向并不完全随机，而是受到其他相近空间特征区域研究生积累情况的影响，且这种影响逐渐增大，人均层面的研究生人才在地理空间上聚集得到进一步提升。

（2）局部莫兰指数

全局莫兰指数验证了我国各年研究生人才分布的空间自相关性。为了解各省研究生人才具体空间聚集情况，研究使用局部空间自相关分析方法对省域层面研究生人才空间聚集情况进行分析。考虑到现实层面沿海省份的研究生就业人口分布明显高于其他省份，尽管在2015年以前研究生人才分布的全局自相关未通过显著性检验，但研究借鉴姚昊等的做法，依然认为研究生就业人口可能存在一定程度的“局部空间自相关”。^[59]为了观察演变趋势，分别选取样本省份对研究区间的首尾年份及中间年份的研究生人才集聚值进行分析。

图3分别为1997年、2013年和2021年研究生人才局部莫兰指数散点图。由图可知，我国大部分省市集中在第三象限，表现出低低聚集状态。典型省域包括西北各省和西南大部省域以及部分东北地区省份。这些省份不仅自身研究生人才拥有量低，且与之相邻省份的研究生人才密集程度也较低。与之相对，第一象限则主要集中了江浙沪等东部沿海省份，表现出高高聚集态势，即自身研究生人才存量水平高的同时，相邻省份的研究生人才密集程度也较高。从地理空间来看，同质且集中连片。第二象限聚集了北部沿海河北等省份、南部沿海的海南和福建等省份、长江中游地区的江西和安徽等省份，表现出低高聚集特征，即自身研究生聚集水平低的同时，周围省份却表现出较高水平的聚集。观察各年散点图可以发现，第二象限内的省份并不是一成不变的，浙江等省份逐渐由第二象限进入第一象限。第四象限聚集了包括北京、广东、四川、湖北、辽宁等区域中心省市，表现出高低聚集特征，即本身研究生聚集程度较高，而周围省份却处于较低水平。第四象限内省份同样存在一定程度上的不稳定，诸如陕西、黑龙江等省逐渐由第四象限进入第三象限。可以发现，即使是高等教育发达、研究生培养能力强的陕西等省份，在没有良好的经济条件作为支撑的情况下，也从研究生人才密集地区逐渐变为优势地区研究生人才培养基地。

研究引入每万人研究生人才变量并对其进行局部自相关检验，结果如图4所示。如图所示，我国省域层面人均研究生人才聚集趋势明显，且绝大多数省份分布在第三象限，表现出更为明显的低低聚集趋势，这种趋势随时间推移得到进一步强化。第一象限主要集中了包括北京、天津、上海等直辖市，典型特征是经济和高等教育发达，同时还享有独特的直辖市政治地位，聚集了大量研究生人才。第二象限集中了河北、江苏、海南、吉林等省份，伴随时间的推进，部分省份逐渐进入到第三象限，这些省份的存量水平低的属性并未改变，部分是受到邻近省份研究生存量水平的影响由高向低转变，如江苏。第四象限最为特殊，原本属于该象限内省份逐年减少并实现清零，主要是流入第一、三象限，例如上海流向第一象限、辽宁和广东流向第三象限。可以看出，我国研究生人才进一步走向聚集，除北京、上海和天津等直辖市外，其余省（直辖市）研究生存量水平均走向了低低聚集水平。

可见，我国省域层面研究生人才分布无论是绝对数量还是相对数量，均进一步走向聚集并在聚集方向上表现出明显的一致性，即除了北京、上海等兼具经济与高等教育发展优势的省（直辖市）外，其他如辽宁、陕西等原本研究生人才存量水平高的地区逐渐变为低水平地区。作为粤港澳大湾区主要载体的广东省情况较为特殊，尽管其在研究生人才绝对规模上处于高存量水平，但由于其庞大的人口基数，加之省内发展差异巨大，粤东西北等地区发展滞后，研究生存量水平相对较低，使得广东地区研究生人才在人均层面位处第3象限的低低聚集水平。但仅从大湾区来看，区域内研究生人才分布在绝对规模和人均相对规模上表现出聚集趋势，假设2得到验证。

（二）研究生人才分布影响因素分析

就研究生人才分布的可能影响因素，研究基于1997年以来我国各省研究生人才数据构建了1997-2021年共25期的面板数据。研究先对模型进行Hausman检验以确定采用固定效应模型还是随机效应模型。结果显示P=0.000<0.05，因此研究采用固定效应模型并控制时间和省份固定效应。考虑到使用1996年以来省域层面研究生人才数据的时间跨度较大，整体分析结果可能掩盖其中的异质性，故借鉴李建伟^[60]关于中国经济四阶段划分方法^④，将数据分别以2000年、2010年、2020年为界，分割为4个时段数据。考虑到2000年和2020年两端样本量较少，研究将1997-2000年数据并入2000-2010年数据集，将2021年数据并入2010-2020年数据集，分别构建全时段模型一、分时段模型二和三（表5）。

1.全时段回归结果

表5的所有模型调整R²均大于0.85，模型具有较好的拟合效果。从全时段回归结果来看，地区研究生培养能力、经济条件、社会舒适度和是否为直辖市等因素对地区研究生人才空间分布具有显著影响，但在方向上存在差异，假设3得到验证。就地区研究生培养能力而言，其对地区研究生人才获得的影响显著为负，这说明我国在研究生人才培养与使用上存在脱钩，供给和使用存在错位。如前所述，研究生人才分布的莫兰指数分析结果显示，研究生人才使用地集中在经济发达地区，因此经济弱势地区培养的研究生人才越多，流失越严重，并且逐渐成为人才培养基地。就经济因素而言，地区GDP产值、城市化水平和第三产业发展情况对地区研究生人才获得影响显著为正，地区研究生人才获得随地区经济、城市化水平和第三产业占比水平提高而提高。地区工资水平的回归结果不显著，与市一级数据分析中工资水平显著正向的结果明显不一致^[61][62][63]，可能的原因一方面是省域层面城市平均工资差异相对较小；另一方面是我国研究生人才就业选择更多地倾向于地区GDP产值和第三产业发展情况所代表的就业机会。就社会舒适度而言，每万人床位数和每万人拥有公共交通车辆数对研究生人才分布的影响显著正向，说明在研究生人才就业空间选择中，医疗条件和公共交通条件是重要因素。直辖市对我国省域层面研究生人才分布影响显著为正，说明城市地位对研究生人才空间选择具有重要影响。

2.分时段回归结果

分时段回归结果显示，经济因素是影响省域研究生人才分布的最稳定因素。在不同时间段，地区经济发展水平和第三产业发展水平对省域层面研究生人才分布的影响均显著正向，说明就业机会一直是我国研究生就业区位选择的重要因素。同经济因素影响一致，不同时间段研究生人才培养对于研究生人才获得的影响显著，但研究生人才培养在不同时间段影响方向上存在差异：1997-2010年的影响系数为-0.244；2010-2021年的影响系数变为0.442。剔除上海等极端值，结果依然稳健，这说明对于研究生人才分布而言，伴随时间的向前推进，地区研究生培养与使用长期错位得到修正，研究生培养地对研究生人才吸引力逐年增强。就区域经济弱势省份而言，该地区研究生培养对其解决自身建设所需研究生人才需求意义重大。就社会舒适度而言，其对研究生人才分布的影响逐渐转向不显著，可能原因是随着中国社会的发展，包括公共交通和医疗在内，各地基础设施建设大力推进，尤其是经济弱势省份的建设，使得省域间基础设施差异变小。对于控制变量而言，地区民营企业发展情况和技术水平对研究生人才分布的影响均不显著，是否为直辖市对研究生人才分布的影响由模型二的不显著逐渐转向模型三的显著，进一步说明研究生人才逐渐向北京、上海等直辖市聚集。

3.稳健性检验

为了检验地区研究生人才培养、经济发展水平和经济结构对地区研究生就业人口获得的影响的稳健性，研究参考陈强远等做法^[64]，对主要变量按1%进行缩尾处理，构建模型四（见表6）；借鉴刘晖等的做法^[65]，对主要自变量进行滞后一期处理，构建模型五（见表6）。对比模型一、模型四和模型五可以发现，地区研究生培养、经济因素和社会舒适性等因素对省域层面研究生人才分布的影响在上述三个模型中均显著，且方向一致，只是在系数值上存在小幅度变化，研究结果总体平稳，具有一定的预测性。

四、政策建议

（一）研究结论

研究使用泰尔指数和空间自相关方法对我国省域层面研究生人才分布特征、演进趋势及其影响因素进行了实证分析，得到以下结论。第一，我国省域层面研究生人才分布并未表现出“从聚集中走向均衡”，而是进一步聚集，即在总量聚集的同时，人均走向进一步集中。第二，我国省域层面研究生人才分布表现出显著的空间相关性且在地理空间上走向聚集，表现出“高高靠拢，低低聚集”的空间分布特征。第三，我国研究生人才空间聚集类型以低低聚集为主，伴随时间推进，陕西、辽宁、黑龙江等原本研究生人才存量水平高的地区逐渐变为低水平地区，低低聚集类型区域进一步增多。第四，特殊地区如广东省，尽管其在研究生人才绝对规模上处于高存量水平，但由于区域内发展不均衡再加上庞大的人口基数，导致广东省人均研究生人才水平呈现出低水平积聚特征，整体的聚集模式是高低模式。研究对影响研究生人才分布的可能因素进行了分析，并得到如下结论：地区经济是影响研究生人才分布稳定且最有效的因素，地区经济发展水平和第三产业发展状况均长期正向影响研究生人才分布，研究生人才分布经济主导型特征明显；各省研究生培养能力和社会舒适度的影响表现出明显的不稳定特征；研究生培养能力对各省研究生人才存量的影响逐渐转向正向；社会舒适性对各省研究生人才分布影响转为不显著；薪资待遇对省域层面研究生人才分布的影响不显著，个中原因值得深思。

（二）政策建议

我国人才区位选择是传统的经济要素驱动型，经济因素是我国人才区位选择的第一要素。^[66]研究进一步在省域层面证实了该观点，即经济因素是影响我国省域层面研究生人才分布的首要因素。各省研究生人才培养能力显著影响各省研究生人才分布，社会舒适性也在一定程度上能够产生影响。相比于已有研究，本研究的主要学术贡献是：从全面的视角分析了我国省域层面研究生人才分布空间演变特征，证明了“资源在聚集中走向均衡”在研究生人才分布上并不适用；探究了省域层面研究生人才培养、工资水平、经济因素和舒适性等因素对研究生人才区位选择的影响，并在此基础上进一步做阶段性差异分析。总体来看，各省经济因素和研究生培养能力是研究生人才分布第一、第二性驱动因素，而社会舒适性是不容忽视的因素。考虑到我国研究生人才进一步走向聚集，且聚集方向均指向京、沪等经济发达区域的现状，为保障经济弱势地区研究生人才需求，促进我国研究生人才省域分布均衡化，研究提出如下政策建议：缩小各省研究生培养能力差距，适度扩大经济弱势省份研究生教育规模，匹配相应中央转移支付资金以加强其研究生培养能力；建议政府在“引智留人”上下功夫，除传统的经济补贴及落户等政策外，加快经济弱势地区产业转型，发挥服务业在吸引高学历人才上的基础性作用，并在此基础上完善地区基础设施建设，筑牢公共服务设施在吸引人才上的辅助性作用，优化我国研究生人才分布格局。

注释：

①因西藏自治区和港澳台地区相关数据缺失，研究在样本省份选取上将上述地区剥离，选用余下30个省份数据进行分析。

②国家统计局将全国划分为八大地区，分别为北部沿海，包括北京、天津、河北、山东；东部沿海，包括上海、江苏、浙江；南部沿海，包括福建、广东、海南；西南地区，包括广西、重庆、四川、贵州、云南；东北地区，包括辽宁、吉林、黑龙江；黄河中游，包括山西、内蒙古、河南、陕西；长江中游，包括安徽、江西、湖北、湖南；西北地区，包括西藏、甘肃、青海、宁夏、新疆。

③相比较而言，2015年以前每万人研究生人才空间自相关系数普遍在0.100以下水平。2015年之后空间自相关系数变大，说明研究生人才分布相邻省份关联性更强，也就说明人才在区域分布上更加集中，聚集效应明显。

④基于经济增长要素驱动模式的不同，李建伟将改革开放以来的中国经济划分为四个阶段，分别为1978-1990年，以劳动要素驱动为主的经济增长阶段；1990-2000年，以资本要素与劳动要素共同驱动为主的经济增长阶段；2000-2010年，以资本要素驱动为主的经济增长阶段；2010-2020年，以资本要素与自主创新共同驱动为主的经济增长阶段。

参考文献：

[1]国家中长期人才发展规划纲要（2010-2020年）［Z］.北京：人民出版社，2010.

[2]陈慧青.高校人才高地结构设计的思路及对策[J].中国高等教育，2022（7）：16-18.

[3][37][51][61]齐宏纲，戚伟，刘振，等.中国人才分布的学历梯度分异性：时空格局及影响机理[J].地理科学进展，2023，42（5）：821-836.

[4]FLORIDA R.The Rise of the Creative Class.New York：Basic Books，2002.

[5]汪怿.高水平人才高地建设：基本内涵、核心角色与发展对策[J].中国党政干部论坛，2021（12）：57-61.

[6]李楠，刘晓琪，时芸婷.粤港澳大湾区人才高地建设中的问题及对策建议[J].广东经济，2021（4）：42-49.

[7]陈丽君，李言，傅衍.激发人才创新活力的生态系统研究[J].治理研究，2022，38（4）：39-50.

[8]赵明仁，柏思琪，王晓芳.粤港澳大湾区高水平人才高地制度体系建构研究[J].杭州师范大学学报（社会科学版），2022，44（3）：76-83.

[9][39]张艳茹，喻忠磊，胡志强，等.城市舒适物、经济机会、城市规模对中国高学历劳动力空间分布的影响[J].热带地理，2021，41（2）：243-255.

[10]刘晔，沈建法，刘于琪.西方高端人才跨国流动研究述评[J].人文地理，2013，28（2）：7-12.

[11][28]王若宇，薛德升，刘晔，等.基于空间杜宾模型的中国高学历人才时空分异研究[J].世界地理研究，2019，28（4）：134-143.

[12]王若宇，黄旭，薛德升等.2005-2015年中国高校科研人才的时空变化及影响因素分析[J].地理科学，2019，39（8）：1199-1207.

[13]SJAASTAD L A. The Costs and Returns of Human Migration[J]. Journal of Political Economy， 1962，70：80-93.

[14]GREENWOOD M J. Research on Internal Migration in the United States： A survey.Journal of Economic Literature，1975，13（2）：397-433.

[15]CARREE M A， KRONENBERG K. Locational Choices and the Costs of Distance： Empirical Evidence for Dutch Graduates. Spatial Economic Analysis， 2014， 9（4）： 420-435.

[16]ALPEROVICH G， BERGSMAN J，EHEMANN C. An Econometric Model of Migration Between US Metropolitan Areas. Urban Studies， 1977， 14（2）：135-145.

[17]ARNTZ M. What Attracts Human Capital？ Understanding the Skill Composition of Interregional Job Matches in Germany. Regional Studies， 2010， 44（4）： 423-441.

[18]GRAVES P E. A Reexamination of Migration， Economic Opportunity， and the Quality of Life [J]. Journal of Regional Science， 1976， 16（1）： 107-112.

[19]MCLEMAN R， MONIRUZZAMAN M， AKTER N. Environmental Influences on Skilled Worker Migration from Bangladesh to Canada [J]. The Canadian Geographer， 2018， 62（3）：352-371.

[20]RAPPAPORT J. Moving to Nice Weather. Regional Science & Urban Economics， 2007， 37（3）： 375-398.

[21]LOTTRUP L， GRAHN P，STIGSDOTTER U K. Workplace Greenery and Perceived Level of Stress： Benefits of Access to a Green Outdoor Environment at the Workplace. Landscape and Urban Planning，2013，110（1）：5-11.

[22]NAVARRO C J， MATEOS C， RODRIGUEZ M J. Cultural Scenes， the Creative Class and Development in Spanish Municipalities. European Urban and Regional Studies， 2014， 21（3）： 301-317.

[23]MURPHY E， REDMOND D. The Role of ‘Hard’ and ‘Soft’ Factors for Accommodating Creative Knowledge： Insights from Dublin’s ‘Creative Class’. Lrish Geography，2009，42（1）： 69-84.

[24]FLORIDA R. The Rise of the Creative Class： And How It’s Transforming Work， Leisure， Community， and Everyday Life. Canadian Public Policy，2002，29（3）：90-91.

[25]LIU Y， SHEN J. Spatial Patterns and Determinants of Skilled Internal Migration in China， 2000-2005. Papers in Regional Science， 2014，93（4）：749-771.

[26]YEOH BSA， HUANG S. Introduction： Fluidity and Friction in Talent Migration. Journal of Ethnic and Migration Studies，2011，37（5）：681-690.

[27]VAN ARENSBERGEN P， VAN DEN BESSELAAR P. The Selection of Scientific Talent in the Allocation of Research Grants.Higher Education Policy. 2012，25（3）：381-405.

[29][58]高晓清，杨洋.我国研究生人力资本集聚的地区差异及分布动态演进[J].学位与研究生教育，2022（7）：70-79.

[30][63]武荣伟，王若宇，刘晔，等.2000-2015年中国高学历人才分布格局及其影响机制[J].地理科学，2020，40（11）：1822-1830.

[31]张建伟，杜德斌，姜海宁.江苏省科技人才区域差异演变研究[J].地理科学，2011，31（3）：378-384.

[32]蔡晓梅，黄莉葱.中国女性竞技体育人才的时空分布特征及其形成原因：以历届亚运会女性冠军为例[J].热带地理，2012，32（1）：79-86.

[33]李瑞，吴殿廷，鲍捷，等.高级科学人才集聚成长的时空格局演化及其驱动机制：基于中国科学院院士的典型分析[J].地理科学进展，2013，32（7）：1123-1138.

[34]李双双，延军平.中国当代地理教授、研究员地域分异[J].地理科学进展，2011，30（10）：1298-1304.

[35]SONG H， ZHANG M，WANG R. Amenities and Spatial Talent Distribution： Evidence from the Chinese IT Industry[J]. Cambridge Journal of Regions Economy and Society， 2016，9（3）： 517-533.

[36]刘晔，王若宇，薛德升，等.中国高技能劳动力与一般劳动力的空间分布格局及其影响因素[J].地理研究，2019，38（8）：1949-1964.

[38][48][62]古恒宇，沈体雁.中国高学历人才的空间演化特征及驱动因素[J].地理学报，2021，76（2）：326-340.

[40]张波，丁金宏.中国省域高端人才空间分布及变动趋势：2000-2015年[J].干旱区资源与环境，2019，33（2）：32-36.

[41]齐宏纲，赵美风，刘盛和，等.2000-2015年中国高学历人才省际迁移的演化格局及影响机理[J].地理研究，2022，41（2）：456-479.

[42]张佳宁，李立勋.珠三角人才空间分布格局演变与影响因素[J].中山大学学报（自然科学版），2020，59（2）：120-130.

[43]苑林娅.中国收入差距不平等状况的泰尔指数分析[J].云南财经大学学报，2008，23（1）：30-37.

[44]王少平，欧阳志刚.我国城乡收入差距的度量及其对经济增长的效应[J].经济研究，2007，53（10）：44-55.

[45][59]姚昊，刘琪.我国高等师范类专业空间布局对教师供给的影响[J].湖南师范大学教育科学学报，2022，21（4）：55-67.

[46][47]徐君，郭鑫，蒋雨晨.中国区域数字创新能力评价及空间相关性与分异性研究[J].软科学，2022，36（11）：49-58.

[49]郭丛斌，方晨晨，何菲.博士研究生教育对经济增长的影响：基于博士学位授权点区域差异的视角[J]. 教育研究，2022，43（5）：124-138.

[50]李锋亮，王瑜琪.研究生教育规模对经济增长影响的实证研究：基于国别面板数据[J]. 中国高教研究，2020（8）：43-49.

[52][54][55]李萌.中国经济增长与就业关系的时空差异研究[D].吉林大学，2023.

[53]赵庆年，刘克.高等教育何以促进经济高质量发展：基于规模、结构和质量要素的协同效应分析[J].教育研究，2022，43（10）：62-82.

[56]陆铭，陈钊，等.大国治理：发展与平衡的空间政治经济学[M].上海：上海人民出版社， 2021.

[57]陆铭.大国大城：当代中国的统一、发展与平衡[M].上海：上海人民出版社， 2016.

[60]李建伟.中国经济增长四十年回顾与展望[J].管理世界，2018，34（10）：11-23.

[64]陈强远，林思彤，张醒.中国技术创新激励政策：激励了数量还是质量[J].中国工业经济，2020（4）：79-96.

[65]刘晖，马浚锋.竞争型政府：中国高等教育规模扩张的一种解释[J].华东师范大学学报（教育科学版），2022，40（10）：42-53.

[66]曾志嵘，王慧，师璐.基于世界大学第三方指数评价的粤港澳大湾区高等教育竞争力态势分析[J].高教探索，2020（12）：84-92.

（责任编辑 刘第红）