葛雅青

（暨南大学经济学院，广东广州 510632）

1 研究背景

随着中国经济增速放缓，人口老龄化和创新能力不足等问题日益突出，人才资源成为推动区域可持续发展的重要动力。在经济全球化背景下，中国各地区开始实施更加开放的人才政策，吸引国际人才来华就业和创业，努力打造国际人才集聚高地，各城市之间展开了激烈的国际人才竞争大战。2018年1月，上海市正式推出“上海出入境聚英计划”，重点在于吸引国家急需、紧缺的高端外籍人才，同时不断创新举措、深化改革开放。2017年8月，武汉市政府印发《武汉市人民政府关于推出出入境便利措施、打造人才自由港的实施意见》，这将对武汉市集聚高层次人才和发展经济发挥重要作用。2017年6月，成都针对外国人才、外籍华人和外国留学生等推出出入境改革创新十五条政策措施，积极打造中国中西部出入境便利区。从国内各地区国际人才大战背后可以看出，虽然中国正在积极参与全球国际人才竞争，但是人才资源仍然十分匮乏，集聚度不高，同时，各地区国际人才集聚度也呈现出不同的特征。国际人才集聚不仅有利于人才之间进行交流，还能产生集聚效应，推动区域创新发展［1］。因此，客观分析中国区域国际人才集聚的空间格局状况及其对区域创新的贡献度，对于中国未来应如何更好地实施国际人才战略，集聚全球国际人才，推动区域创新发展具有重要意义。

目前，研究国际人才集聚的空间格局演化的文献并不多，大部分文献主要关注国内人才集聚的空间分布格局，如，Qian［2］分析了中国人才的地理分布及其与创新和区域经济绩效的关系；李瑞等［3］从国内籍贯或出生地、国内最高学历(位)获取地和国内长期工作地3个角度分析了高级科学人才集聚成长的时空格局演化及其驱动机制；张美丽等［4］基于区位商理论,从时间和空间两个维度分析中国人才集聚变化。可以看出，现有文献对于中国国际人才集聚的时空演变分析关注度较低。

关于国际人才与区域创新之间的关系，国外有较多学者研究移民对创新的影响,如，Chellaraj等［5］分析了海外研究生对美国创新的影响，发现外国研究生数量增加10%将使美国的专利申请增加4.5%；Bosetti等［6］研究了技术移民对欧洲20个国家创新的影响，发现高技能的外国人对欧洲的创新能力产生积极影响；Niebuhr［7］探究了劳动力文化多样性对德国各地区专利申请的影响，结果表明来自不同文化背景的工人的知识和能力差异提高了区域研发部门的绩效。但是目前几乎没有研究关注中国国际人才集聚对区域创新的影响。

基于此，本文采用2006—2015年中国30个省份（未含西藏和港澳台地区）的面板数据，首先，利用区位商指数和探索性空间分析法，对区域国际人才集聚的空间格局演化特征进行分析；其次，建立空间面板模型探究国际人才集聚对区域创新的贡献度，以期对各地区做好引智工作和实施创新驱动发展战略提供理论依据。数据来源于《境外来中国大陆工作专家统计调查资料汇编》（2006—2015年）。

2 空间演化研究方法

2.1 区位商

区位商（location quotient）,即专门化率，反映的是一个地区特定产业部门的产值在该地区总产值（GDP）中所占的比重，与全国该部门产值在全国总产值中所占比重方面的比率。该比率越大，说明该地区某产业相对于全国其他地区而言专门化程度越高［8］。公式如下：

作为空间分析中用以计量所考察的多种对象相对分布的方法［9］，区位商被扩展运用于其他相关领域的研究中，例如，李玲等［10］构建了城乡义务教育一体化区位商，用以衡量中国城乡义务教育一体化水平；曹威麟等［11］通过构建人才区位商，反映了中国人才集聚水平。本文用国际人才区位商（ITLQ）来分析中国各省份国际人才集中化程度及其空间分布特征；国际人才指境外来华工作专家。根据区位商的一般涵义，本文将国际人才区位商定义为：某地区境外专家人数在该地区全部就业人员数中所占比重，与全国境外专家人数在全国就业人员数中所占比重的比率。

2.2 探索性空间数据分析技术（ESDA）

区位商指数仅仅可以衡量区域国际人才集聚水平，但是却无法区分这些集聚究竟是随机分布还是存在某种特定的分布规律，因此，若要进一步分析中国区域国际人才集聚的特征，需要对其进行空间自相关检验。探索性空间数据分析方法是近年来分析区域间数据的空间异质性和关联性的重要方法［12］。主要包括全局空间自相关和局部空间自相关。其中,全局空间自相关分析是探测整个研究区域空间分布特征，表明事物或现象在总体空间上的平均关联程度；而局部空间关联分析则是进一步揭示事物或现象在局部空间位置上的关联程度及其分布格局［13］。

第一，全局自相关分析。本文采用全局莫兰指数（Global Moran's I）指标对区域国际人才集聚进行全局自相关分析。公式如下：

第二，局部自相关分析。本文采用Moran 散点图对区域国际人才集聚进行局部自相关分析，如图1所示。图1中横轴所分析的是对应变量, 纵轴对应的是空间滞后向量。根据Moran 散点图的含义，第Ⅰ象限表示高国际人才集聚的区域被高国际人才集聚的其他区域所包围，为“高-高”（HH）区；第Ⅱ象限表示低国际人才集聚的区域被高国际人才集聚的其他区域所包围，为“低-高”(LH)区，第Ⅲ象限表示低国际人才集聚的区域被低国际人才集聚的其他区域包围，为“低-低”(LL)区 ；第Ⅳ象限表示高国际人才集聚的区域被低国际人才集聚度的其他区域包围，为“高-低”(HL)区。

图 1 区域国际人才集聚的莫兰散点图

3 中国区域国际人才集聚空间格局特征与演化

3.1 空间分布分析

由图2可知，总体来看，2006—2015年30省份的国际人才数总体呈现出增加趋势，其中2015年的人数比2006年增加178 636人，但是国际人才集聚度仍然较低，国际人才资源仍然不足。

图2 2006—2015年中国30省份国际人才变化趋势

从区域差异来看，由表1可知，2006—2015年30省份国际人才主要集聚于东部地区，2015年东部地区国际人才人数占30省份国际人才总数的88.93%；中西部地区的国际人才资源处于劣势，人才集聚度不高。可见中国国际人才分布存在明显的非均衡性。

表1 2006—2015年中国30省份的区域国际人才占比

由于国际人才人数仅仅反映人才资源的绝对规模，为进一步探究区域国际人才相对规模的空间分布特征，本文利用国际人才区位商指标对30省份国际人才集聚的空间分布特征进行分析。由表2结果显示，从空间来看，30省份的国际人才分布具有显著的非均衡性，呈现出东、中、西逐渐递减的特征。其中，2006—2015年区位商均值大于1的省份有上海、广东、北京、江苏、天津和辽宁，其中东部地区省份的国际人才集聚度高，在国际人才资源上具有比较优势；其余省份的区位商均值均小于1，其中河南和山西的区位商仅分别为0.08和0.07，远远低于30省份的平均水平以及其他中部省份。由此可以看出，中国中西部省份国际人才集聚度较低，且呈现出明显的两极分化状态。从时间上来看，2006—2015年30省份的国际人才集聚程度总体变化不明显，但是辽宁和浙江两省的国际人才集聚度发生较大幅度变化。其中，辽宁省的国际人才集聚程度不断降低，由2006年的1.68降低至2015年的0.92，逐渐失去国际人才资源优势；与之相反的是，浙江省的国际人才区位商由2006年度的0.95上升到2016年的1.21，国际人才集聚度不断提高。

表2 2006—2015年中国30省份国际人才集聚区位商

3.2 空间自相关分析

3.2.1 全局自相关分析

本文运用Stata软件计算出2006-2015年30省份国际人才的莫兰指数，并绘制其趋势变化图。从表3可以看出，30省份国际人才2006年和2007年的空间相关性并不显著，但是随着时间的推移，空间自相关性指数不断增加，并且2015年国际人才的莫兰指数通过1%显著性水平检验，国际人才在空间上的相关性不断加强，同时2006—2015年莫兰指数始终为正数。这一结果说明中国国际人才的集聚存在空间正相关性，具体表现为国际人才集聚度较高的区域趋向于和相应指标较高的区域相邻近，或者国际人才集聚度较低的区域趋向于和相应指标较低的区域相邻近。

表3 2006—2015年中国30省份国际人才的省际空间自相关检验结果

表3 （续）

从图3发现，随着时间的推移，莫兰指数发生了较为显著的变化，2006—2008年呈现波动式上升，2008—2011年呈现平稳变化，2011年之后有较大幅度的上升。这说明中国国际人才集聚的空间自相关性不断加强。

图3 中国30省份国际人才集聚度的莫兰指数趋势

3.2.2 局部自相关分析

由于莫兰指数仅仅揭示了30省份国际人才集聚存在空间正相关，但无法表示各省份国际人才集聚的空间关联性，因此本文利用莫兰散点图对样本区域国际人才集聚进行LISA分析。限于篇幅和研究需要，本文仅展示2006、2010、2015年30省份的国际人才集聚莫兰散点图。由图4可知，以2015年为例，上海、浙江、江苏和山东位于第Ⅰ象限HH区，说明这些省市本身及其周边省市国际人才集聚度均较高；重庆、吉林、黑龙江、四川、内蒙、贵州、山西、宁夏、甘肃、湖北、陕西、河南、新疆、青海和云南均位于第Ⅲ象限LL区，表明这些地区的国际人才集聚度较低，其周边省份的国际人才集聚度也相似；广西、河北、江西、湖南、海南、福建和安徽位于第Ⅱ象限LH区，表明这些省份的国际人才集聚度低于其周边省份，被国际人才集聚度较高的区域所包围；广东和北京位于第Ⅳ象限HL区，说明这些省市的国际人才集聚度较高但是其周边省份的国际人才集聚度却较低；天津、辽宁则同时跨越了两个象限。2006和2010年30省份国际人才集聚的空间分布状况与2015年相差不大。

图4 中国30省份国际人才集聚莫兰散点图

对局部莫兰指数统计量的时空演化采用时空跃迁(space-time transitions)测度法来深入刻画30省份国际人才集聚的时空演化状况［14-15］，如表4所示。该时空跃迁可以分为如下4种类型：类型Ⅰ跃迁描述的是相对位移的省份跃迁，包括Ⅱ跃迁描述的是相关空间邻近省份的跃迁，包括类型Ⅲ跃迁描述的是某省份及其邻近省份均发生跃迁，包括：Ⅵ跃迁描述的是省份保持相同水平的跃迁，包括：从跃迁类型来看，2006—2015年较多的跃迁类型是省域保持了相同水平的Ⅵ类，跃迁类型为Ⅰ和Ⅱ的省份较少。其中，山东发生了Ⅰ类跃迁，从跨第Ⅰ、Ⅱ象限变化到第Ⅰ象限HH区；福建发生了Ⅰ类跃迁，从跨第Ⅰ、Ⅱ象限变化到第Ⅱ象限LH区；辽宁发生了Ⅰ类跃迁，从第Ⅳ象限HL区变化到跨第Ⅲ、Ⅳ象限；吉林发生了Ⅱ类跃迁，从第Ⅱ象限LH区变化到第Ⅲ象限LL区。跃迁类型为某份及其邻近省份均发生跃迁的类型Ⅲ的省份则最不普遍。

表4 2006、2010和2015年中国30省份国际人才集聚度的时空演化

表4 （续）

综上所述，从空间上看，中国30省份国际人才集聚存在显著的空间自相关性。其中，东部省份的国际人才集聚度较强，并且这些省份在地理空间上相互邻近，呈现出集聚状态；中西部省份的国际人才集聚度较低，人才资源相对不足。从时间来看，2006—2015年各省份国际人才集聚的空间正相关性保持相对稳定，这说明中国国际人才集聚性具有一定的路径锁定特征。由此可以看出，中国“东—中—西”国际人才优势逐渐递减的分布格局在未来一段时间内可能会保持不变。

4 中国国际人才集聚对区域创新影响的空间计量分析

随着中国经济发展进入新常态，创新成为驱动经济增长的重要力量。创新驱动实质为人才驱动，中国各省份为了提高竞争力，把引进国际人才作为提升自身创新能力的重要举措。那么国际人才的集聚是否促进了区域的创新？各省份应如何提高国际人才集聚度呢？这是本文接下来的分析重点。

4.1 变量选取与数据来源

4.1.1 被解释变量

区域创新水平可以用专利授权数、新产品产值和新产品销售收入等区域创新产出指标来衡量［16］，但是鉴于中国对于新产品理解和认识的不一致性，大多数学者仍然使用专利授权数对区域创新水平进行衡量［17-19］。首先，专利授权数数据获取容易，且更加客观；其次，专利授权数还能体现创新产出的质量和水平。因此，本文选取2006—2015年中国30省份专利授权数作为区域创新水平的衡量指标。

4.1.2 解释变量

结合本文的研究目的和以往对于区域创新影响因素的研究［16，20］，本文从国际人才、创新基础和创新环境3个方面考虑，选取以下变量作为解释变量：

第一，国际人才。国际人才流入可以通过人力资本效应、竞争效应和网络效应等途径对区域创新产生一定程度的影响［21］，本文用境外来华工作专家人数表示国际人才集聚规模。

第二，创新基础。创新基础主要是指研发投入，研发投入是推动区域创新的关键因素。研发投入包括R&D人员投入和R&D经费支出，但是经检验，这两者相关系数较高，因此本文选择R&D人员全时当量来衡量创新基础。

第三，创新环境。创新环境是制约区域创新能力的关键因素，良好的创新环境是激发区域创新能力的保证，本文选用每万人在校大学生数表示区域教育水平，技术市场成交额表示区域技术流动环境，进出口总额表示区域开放度，人均邮电业务量表示区域信息化水平。

4.1.3 数据来源

关于区域创新，本文采用2006—2015年30省份的专利授权数对区域创新进行衡量，数据来源于2006—2015年的《中国统计年鉴》；其余变量分别来自于2006—2015年《中国统计年鉴》和《中国科技统计年鉴》。

4.2 模型设定

4.2.1 空间面板模型

相对于普通面板模型，空间面板模型的特点是引入了空间滞后，考虑了空间依赖性。根据前文分析，30省份的国际人才具有明显的空间集聚特征，因此以下采用空间面板模型来分析国际人才对区域创新的影响。具体而言，本文考虑两类空间面板模型，即空间滞后模型（SAR）和空间误差模型（SEM）。

（1）空间滞后模型。空间滞后模型假设被解释变量存在空间依赖性，具体模型为：

（2）空间误差模型。空间误差模型假设不同单元之间的空间相关性表现在模型的误差项上，研究的是周边地区通过误差项影响对本地区观测值的影响程度。具体模型为：

4.3 模型选择

30省份国际人才集聚度的空间面板模型判别检验结果如表1所示。 由表5可知，除R-LMLAG不显著外，其余空间自相关检验指标均显著，说明传统的面板模型不再适用，应建立空间计量模型进行估计。其次，关于SAR和SEM模型的选择，根据Anselin等［22］提出的判别准则得到本文的检验，可以看出LMERR比LMLAG在统计上更加显著，且R-LMERR显著而R-LMLAG不显著，说明SEM模型要优于SAR模型。此外，本文采用空间Hausman检验方法进行固定效应和随机效应检验。从样本选择来看，本文选择中国30个省份进行研究，固定效应模型更为合适；从Hausman检验结果显示，固定效应模型要好于随机效应模型。因此，本文选择固定效应下的SEM模型分析国际人才集聚对区域创新的贡献度，并且进一步对空间固定模型、时间固定模型和时空固定模型进行估计。

表5 国际人才集聚度的空间面板模型判别检验结果

4.4 实证分析

本文建立固定效应下的SEM模型分析国际人才集聚对于区域创新的影响程度，为进行对照，同时给出普通面板固定效应模型、SAR模型和SEM模型的分析结果。从表6可以看出，SAR模型和SEM模型的空间自回归系数和空间误差自相关系数均显著，说明空间因素会对区域创新产生影响，因此，未考虑空间因素的普通面板模型估计会产生误差。从各模型回归结果看出，与空间面板模型相比，普通面板固定效应模型显然高估了国际人才集聚对区域创新的影响程度。这再一次表明，在检验国际人才集聚对区域创新的贡献度时，空间面板模型更加合适。

关于SEM模型空间固定效应、时间固定效应和时空固定效应模型的选择，根据相关研究，拟合优度和对数似然函数值越大，模型解释力越强［23-24］。从拟合优度来看，空间固定效应和时间固定效应的拟合优度显著高于时空固定效应；从对数似然函数值来看，空间固定效应模型的对数似然函数值显著大于时间固定模型。此外，空间固定效应模型中，绝大多数系数均通过了1%显著性水平检验，同时空间误差自相关系数也显著高于另外两个模型。因此，本文采用空间固定效应模型作为解释模型。

表6 2006—2015年中国30省份国际人才集聚对区域创新影响的检验结果

根据空间固定效应模型回归结果，得出以下结论：

第一，核心解释变量国际人才集聚水平在5%水平上显著，说明国际人才集聚提升了区域创新能力，国际人才人数每增加1%，区域专利授权数增加0.23%。国际人才一般具有国外相关技术领域的工作经验，掌握相关核心技术，其流入可以直接提高中国区域人力资本水平；同时，不同背景的国际人才集聚还可以通过专业交流、技术合作促进当地人才对专业知识的运用，从而提升区域的创新能力。

第二，从控制变量来看，R&D人员投入对区域创新有显著的正向影响，说明科技人员投入是推动区域创新的基础和关键要素。在校大学生系数估计结果为正，且通过了10%显著性水平检验，表明高技能人才储备有利于提升区域创新能力。技术市场成交额系数估计结果显著为正，表明区域技术流动环境是区域提升创新能力的保障，技术市场越开放，区域创新能力越高。进出口总额系数估计结果为负，说明目前中国各地区人力资本尚且不足，无法充分吸收技术溢出带来的好处。人均邮电业务量系数估计结果为正却并不显著，说明信息化水平对区域创新有正向影响但是程度不强。

5 结论与建议

5.1 结论

本文采用2006—2015年中国30个省份的国际人才和区域创新相关数据，利用区位商和探索性空间分析方法，对各省份国际人才集聚的空间格局演变特征进行分析，并建立空间面板模型考察国际人才集聚对区域创新的贡献度，得出以下结论：

第一，中国国际人才分布呈现出显著的非均衡性。东部地区的上海、北京、广东、江苏、天津和辽宁等省市利用其自身发展优势，吸引了大量的国际人才，人才资源优势明显；中部地区国际人才集聚呈现出明显的两极分化格局，湖北和安徽两省国际人才集聚度处于全国中上等水平，但是河南和山西两省国际人才资源匮乏；西部地区大部分省份国际人才集聚度较低，人才资源处于劣势。从时间上来看，2006—2015年除浙江和辽宁省国际人才集聚度有明显变化外，其余省份国际人才集聚度变化不明显。

第二，中国国际人才集聚存在显著的空间正相关性，国际人才资源丰富的地区趋向于和具有较高国际人才集聚度的地区邻近，例如上海、浙江、江苏和山东等省市位于HH区，国际人才资源匮乏的地区趋向于和国际人才集聚度较低的地区邻近，例如重庆、吉林、黑龙江、四川、内蒙、贵州、山西、宁夏、甘肃、湖北、陕西、河南、新疆、青海和云南等省份位于LL区，并且随着时间的推移，这种趋势不断强化。由此可以看出，区域国际人才流动不仅受本地区环境的影响，还受到周边地区环境的影响；同时，国际人才集聚度较高的省份临近更加有利于区域国际人才之间进行交流与合作，从而促进区域创新。

第三，国际人才集聚显著提升了区域创新能力。国际人才流入为区域带来了国外专业领先技术，促进了区域创新，同时通过与本地区人才的交流与合作，提高了本地区人才的专业水平，从而提升了区域人力资本的质量；与此同时，不同背景的国际人才还为区域带来了多元的文化，文化的多样性激发了区域创新活力。此外，R&D人员的投入、区域教育水平、技术市场流动性都对区域创新能力有正向影响，同时本地区创新水平还与其周边地区创新水平的随机冲击有密切联系。

5.2 建议

随着中国改革开放进一步加深，需要引进更多的国际人才推动中国转型发展，提升创新能力；同时在中国参与全球治理体系过程中，也需要更多通晓国际语言文化、了解全球治理规则的专业人才。因此，就国家层面而言，应继续扩大开放度，积极引进海外人才，同时还应做好国际人才管理服务工作，进一步完善国际人才相关法律，明确和保障国际人才的义务和权利。就区域层面而言，对于国际人才集聚度较低的地区，应该加强区域环境建设，从自然环境、社会环境、创新环境等方面提升自身对国际人才的吸引力；对于国际人才集聚度较高的地区，应继续落实国际人才政策，集聚海外优秀人才，同时还应发挥自身优势，辐射带动其他区域国际人才集聚度的提高，从而全面提升中国国际人才集聚水平，促进区域创新。