人才集聚、科技創(chuàng)新與經(jīng)濟(jì)高質(zhì)量增長的交互效應(yīng)
——基于省級面板數(shù)據(jù)VAR模型的實證分析

王黎明，王 寧

(山東理工大學(xué) 經(jīng)濟(jì)學(xué)院，山東 淄博 255012)

一、引 言

人才是經(jīng)濟(jì)社會轉(zhuǎn)型和發(fā)展中最活躍的智力資源，同時也是衡量區(qū)域經(jīng)濟(jì)發(fā)展和技術(shù)創(chuàng)新競爭力的重要指標(biāo)。科技創(chuàng)新是建設(shè)現(xiàn)代化經(jīng)濟(jì)體系的戰(zhàn)略支撐，科技型人才集聚對經(jīng)濟(jì)高質(zhì)量發(fā)展具有一定的推進(jìn)作用。黨的十九大報告進(jìn)一步明確了創(chuàng)新在引領(lǐng)經(jīng)濟(jì)社會發(fā)展中的重要地位，作為經(jīng)濟(jì)發(fā)展的戰(zhàn)略支持，人才又是創(chuàng)新的能動力量。因此，如何以人才作為發(fā)展引擎，提升區(qū)域科技人才的存量和集聚水平，促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展具有重要的研究意義。本文在之前學(xué)者的研究基礎(chǔ)上，以三者互為因變量，研究彼此之間的影響，選取了中國31個省(直轄市、自治區(qū))的樣本數(shù)據(jù)(考慮數(shù)據(jù)可得性等問題，暫未包括港澳臺地區(qū))，研究人才集聚、科技創(chuàng)新與經(jīng)濟(jì)增長三者之間的交互作用及滯后影響，為制定相關(guān)政策提供參考。

二、文獻(xiàn)回顧

(一)人才集聚與經(jīng)濟(jì)增長

早在1960年，舒爾茨就提出資本應(yīng)該分成物質(zhì)資本和人力資本，其中人力資本指的是通過對人力的投資而形成的資本，并且認(rèn)為教育可以增加人力資本(1)西奧多·W.舒爾茨:《論人力資本投資》，吳珠華譯，北京經(jīng)濟(jì)學(xué)院出版社，1990年，第99頁。。Danilo Guaitoli研究了物質(zhì)資本和人力資本以及內(nèi)生增長之間的關(guān)系，該研究顯示了人力資本對人均GDP增長率與收入分配不平等的作用機(jī)制(2)Danilo Guaitoli,Human Capital Distribution,Growth and Convergence,Research in Economics,2000.。劉瑞翔等選取了全國31個省級行政區(qū)五年的相關(guān)變量數(shù)據(jù)，研究表明各省的人口城市化率以及人力資本水平的提高對于該省域的經(jīng)濟(jì)增長質(zhì)量具有明顯的促進(jìn)作用，但是對周邊省份具有反作用(3)劉瑞翔,夏琪琪：《城市化、人力資本與經(jīng)濟(jì)增長質(zhì)量：基于省域數(shù)據(jù)的空間杜賓模型研究》,《經(jīng)濟(jì)問題探索》，2018年第11期。。賀勇等也測算過人才集聚對我國區(qū)域經(jīng)濟(jì)增長的作用，認(rèn)為人才集聚水平較高的區(qū)域，其對經(jīng)濟(jì)增長的貢獻(xiàn)也較高，但兩者之間并不具有嚴(yán)格的正向關(guān)系(4)賀勇，廖諾,張紫君：《我國省際人才集聚對經(jīng)濟(jì)增長的貢獻(xiàn)測算》,《科研管理》，2019年第11期。。

(二)人才集聚與科技創(chuàng)新

修國義提出科技人才集聚規(guī)模和均衡度與區(qū)域科技創(chuàng)新效率顯著正相關(guān)，強(qiáng)度與區(qū)域科技創(chuàng)新效率顯著負(fù)相關(guān)(5)修國義，韓佳璇，陳曉華：《科技人才集聚對中國區(qū)域科技創(chuàng)新效率的影響：基于超越對數(shù)隨機(jī)前沿距離函數(shù)模型》,《科技進(jìn)步與對策》，2017年第19期。。劉曄等采用微觀數(shù)據(jù)，尋找與我國區(qū)域創(chuàng)新水平有關(guān)的因素，認(rèn)為僅在創(chuàng)新產(chǎn)出水平高的區(qū)域，科研人才知識的吸收能力對于某些創(chuàng)新投入要素起到正向調(diào)節(jié)作用(6)劉曄等：《科研人才集聚對中國區(qū)域創(chuàng)新產(chǎn)出的影響》,《經(jīng)濟(jì)地理》，2019年第7期。。趙青霞等通過對科技人才集聚、產(chǎn)業(yè)集聚及其交互作用對區(qū)域創(chuàng)新能力的影響研究，發(fā)現(xiàn)科技人才集聚水平較高的地區(qū)，需要結(jié)合高密度的產(chǎn)業(yè)集聚，可以提升區(qū)域創(chuàng)新能力(7)趙青霞，夏傳信，施建軍：《科技人才集聚、產(chǎn)業(yè)集聚和區(qū)域創(chuàng)新能力：基于京津冀、長三角、珠三角地區(qū)的實證分析》,《科技管理研究》，2019第24期。。葛雅青應(yīng)用空間分析法，通過對我國30個省份國際人才的研究，得出國際人才數(shù)量每增加1%，區(qū)域?qū)＠麛?shù)增長0.23%的結(jié)論(8)葛雅青:《中國國際人才集聚對區(qū)域創(chuàng)新的影響：基于空間視角的分析》,《科技管理研究》，2020第6期。。

(三)科技創(chuàng)新與經(jīng)濟(jì)增長

徐佳楠等認(rèn)為科技金融投入與科技創(chuàng)新的經(jīng)濟(jì)增長效應(yīng)均存在門檻效應(yīng)，當(dāng)二者協(xié)同發(fā)展時，才能更好地發(fā)揮對經(jīng)濟(jì)增長的促進(jìn)作用(9)徐家楠,徐旭初:《科技金融投入、科技創(chuàng)新與經(jīng)濟(jì)增長》,《南京航空航天大學(xué)學(xué)報》(社會科學(xué)版)，2020年第3期。。辛璐等研究了科技創(chuàng)新對經(jīng)濟(jì)增長的滯后效應(yīng)，研究結(jié)果表明，科技創(chuàng)新對經(jīng)濟(jì)增長在滯后1～2年具有促進(jìn)作用(10)辛璐,羅守:《科技創(chuàng)新促進(jìn)經(jīng)濟(jì)增長的滯后效應(yīng)研究：基于省際面板數(shù)據(jù)的檢驗》,《管理現(xiàn)代化》，2020年第3期。。閻東彬通過實證研究，認(rèn)為京津冀地區(qū)的科技創(chuàng)新有助于推動經(jīng)濟(jì)增長，但科技創(chuàng)新對經(jīng)濟(jì)發(fā)展的加速器作用還未充分顯現(xiàn)(11)閻東彬:《科技創(chuàng)新與經(jīng)濟(jì)增長關(guān)系的實證：以京津冀城市群為例》,《統(tǒng)計與決策》，2020年第2期。。劉紅等研究了金融創(chuàng)新及技術(shù)創(chuàng)新對陜西省經(jīng)濟(jì)增長的作用，發(fā)現(xiàn)技術(shù)創(chuàng)新投入或產(chǎn)出對經(jīng)濟(jì)增長具有雙向影響(12)劉紅,溫軍,張森:《金融創(chuàng)新、技術(shù)創(chuàng)新與經(jīng)濟(jì)增長的嵌合驅(qū)動：以陜西省為例》,《統(tǒng)計與決策》，2020第2期。。

(四)人才集聚、科技創(chuàng)新、經(jīng)濟(jì)增長三者之間關(guān)系

徐彬等認(rèn)為人才集聚、創(chuàng)新驅(qū)動對經(jīng)濟(jì)發(fā)展的影響存在滯后效應(yīng)，并且認(rèn)為人才集聚帶來的創(chuàng)新效應(yīng)可能會外溢(13)徐彬,吳茜:《人才集聚、創(chuàng)新驅(qū)動與經(jīng)濟(jì)增長》,《軟科學(xué)》，2019年第1期。。葛李情等研究表明，人才集聚與科技創(chuàng)新分別在不同程度上拉動了中國經(jīng)濟(jì)增長，經(jīng)濟(jì)增長吸引了人才集聚，人才集聚水平促進(jìn)了科技創(chuàng)新(14)葛李情,胡昊:《人才集聚、科技創(chuàng)新與經(jīng)濟(jì)增長》,《福建商學(xué)院學(xué)報》，2019第5期。。

綜上所述，目前我國對人才集聚、科技創(chuàng)新與經(jīng)濟(jì)增長的研究大多以單一指標(biāo)為因變量研究當(dāng)期影響。很少關(guān)注到三者間的交互作用及長期的滯后影響。但實際上，經(jīng)濟(jì)增長、人才集聚與科技創(chuàng)新并不只與單一指標(biāo)有關(guān)，也并不只局限于當(dāng)期影響，為了全方位考察各個指標(biāo)，本文以三者互為因變量，研究彼此之間的影響，首先應(yīng)用固定效應(yīng)模型分析三者間的交互效應(yīng)，又采用了面板數(shù)據(jù)VAR(PVAR)模型分析，PVAR模型是向量自回歸模型，即用模型中所有當(dāng)期變量對所有變量的若干滯后變量進(jìn)行回歸分析，關(guān)注了人才集聚、科技創(chuàng)新與經(jīng)濟(jì)增長之間的滯后效應(yīng)。

三、變量選取與數(shù)據(jù)分析

(一)變量選取

為考察人才集聚、科技創(chuàng)新與經(jīng)濟(jì)增長之間的關(guān)系，本文將經(jīng)濟(jì)增長水平、人才集聚水平、科技創(chuàng)新水平作為模型的解釋變量，首先對面板數(shù)據(jù)進(jìn)行固定效應(yīng)回歸分析，再采用面板數(shù)據(jù)PVAR模型分析變量之間的因果關(guān)系與影響程度以及滯后效應(yīng)。

(1)經(jīng)濟(jì)增長量(EG)。經(jīng)濟(jì)增長量采用人均GDP來衡量，為了便于計算，將人均GDP進(jìn)行對數(shù)處理，公式如下：

EG=LN(GDPpc)

(1)

(2)人才集聚水平(TAL)。該指標(biāo)采用各省就業(yè)人員的受教育程度來衡量，由于數(shù)據(jù)選取1998-2017年的受教育程度，考慮數(shù)據(jù)可得性，選取其中大專及以上就業(yè)人員的構(gòu)成比例來當(dāng)作衡量人才集聚水平的指標(biāo)，用TAL來表示，其中2000年就業(yè)人員受教育程度的數(shù)據(jù)部分缺失，根據(jù)線性插值法補(bǔ)全。

(3)科技創(chuàng)新水平(TIL)。在衡量科技創(chuàng)新的指標(biāo)時，Alfranca等(15)Alfranca O,Huffman W E,Aggregate private R&D Investments in Agriculture:the Role of Incentives,Public Policies,and Institutions.Economic Development and Cultural Change, 2003.、Acemoglu等(16)Acemoglu D,Akcigit U,Intellectual Property Rights Policy,Competition and Innovation.Journal of the European Economic Association,2012.采用研發(fā)經(jīng)費(R&D)作為輸入變量，Kim等(17)Kim Y K,Lee K,Park W G,et al,Appropriate Intellectual Property Protection and Economic Growth in Countries at Different Levels of Development.Research Policy, 2012.又把R&D在地區(qū)生產(chǎn)總值(GDP)中的占比作為輸入變量，F(xiàn)ang等(18)Fang L H,Lerner J,Wu C,Intellectual Property Rights Protection,Ownership,and Innovation:Evidence from China.The Review of Financial Studies, 2017.采用R&D在企業(yè)總資產(chǎn)中的占比作為輸入變量。在2005年，Hu等(19)Hu M C,Mathews J A. National Innovative Capacity in East Asia.Research Policy, 2005.、Schneider(20)Schneider P H. International Trade,Economic Growth and Intellectual Property Rights:a Panel Data Study of Developed and Developing Countries.Journal of Development Economics,2005.、Chen等(21)Chen Y,Puttitanun T,Intellectual Property Rights and Innovation in Developing Countries.Journal of Development Economics, 2005.將專利申請量看作創(chuàng)新輸出變量，有學(xué)者將產(chǎn)品銷售量、產(chǎn)品質(zhì)量的提升等作為創(chuàng)新輸出變量?；谝延袑W(xué)者的研究成果及考慮到數(shù)據(jù)的可獲得性，本研究選擇了全國除港澳臺地區(qū)之外的專利實際授權(quán)數(shù)作為衡量科技創(chuàng)新水平的指標(biāo)，采用專利的實際授權(quán)數(shù)更能體現(xiàn)一個地區(qū)的科技創(chuàng)新水平。為了模型的平穩(wěn)，這里將科技創(chuàng)新水平用專利授權(quán)數(shù)量取自然對數(shù)來表示。

(二)變量的描述性統(tǒng)計

本研究以中國31個省份(除港澳臺地區(qū))的經(jīng)濟(jì)增長水平(EG)、人才集聚水平(TAL)、科技創(chuàng)新水平(TIL)為研究對象，選擇1998-2017年的數(shù)據(jù)，建立面板數(shù)據(jù)模型。其中經(jīng)濟(jì)增長水平和科技創(chuàng)新水平數(shù)據(jù)來源于1999-2018年《中國統(tǒng)計年鑒》。人才集聚水平數(shù)據(jù)來源于1999-2018年的《中國勞動統(tǒng)計年鑒》，三個變量的描述統(tǒng)計如表1所示。由表1可以看出，全國(除港澳臺)經(jīng)濟(jì)增長水平(EG)、人才集聚水平(TAL)與科技創(chuàng)新水平(TIL)每類指標(biāo)的最大值最小值都有很大的差距，也體現(xiàn)了三個變量在全國各省間發(fā)展的不均衡，在時間跨度上，從1998年到2017年各變量的水平也發(fā)生了很大的改變。

表1 相關(guān)變量的統(tǒng)計性描述

四、實證模型及結(jié)果分析

(一)面板數(shù)據(jù)的單位根檢驗

為了防止檢驗結(jié)果出現(xiàn)偽回歸現(xiàn)象，模型的建立首先要求各變量均平穩(wěn)，所以在對數(shù)據(jù)進(jìn)行回歸之前，必須對各變量數(shù)據(jù)的平穩(wěn)性進(jìn)行單位根檢驗，如果變量序列不平穩(wěn)，則可能使模型的估計結(jié)果出現(xiàn)偏差。所以本研究采用了LLC檢驗法、IPS檢驗法以及ADF檢驗法對三個變量分別進(jìn)行單位根檢驗，經(jīng)濟(jì)增長水平(EG)、人才集聚水平(TAL)、科技創(chuàng)新水平(TIL)的原始序列在個別檢驗方法下皆為不平穩(wěn)序列，經(jīng)過差分后均處于平穩(wěn)狀態(tài)，此時可以對數(shù)據(jù)進(jìn)行下一步分析檢驗，單位根檢驗結(jié)果如表2所示。

表2 全國3個指標(biāo)變量的檢驗結(jié)果

(二)面板數(shù)據(jù)估計結(jié)果

首先確立基本回歸方程，根據(jù)選取變量確立回歸方程如下：

EG=c0+c1TAL+c2TIL

(2)

TAL=c0+c1EG+c2TIL

(3)

TIL=c0+c1EG+c2TAL

(4)

對三個公式分別進(jìn)行估計，經(jīng)hauseman檢驗，以99%以上的概率接受拒絕隨機(jī)效應(yīng)的原假設(shè)，說明三個模型均采用固定效應(yīng)模型為最佳選擇。所以三個模型均采用固定效應(yīng)模型進(jìn)行估計，估計結(jié)果如表3所示。

表3 面板數(shù)據(jù)估計結(jié)果

公式(2)的估計模型擬合優(yōu)度為0.9058，考察人才集聚及科技創(chuàng)新對經(jīng)濟(jì)增長的影響，所有變量皆在1%的置信水平下通過了統(tǒng)計檢驗。從彈性系數(shù)來看，科技創(chuàng)新水平(TIL)彈性系數(shù)為0.637，高于人才集聚水平(TAL)的彈性系數(shù)0.012，說明科技創(chuàng)新水平和人才集聚水平對經(jīng)濟(jì)增長的正向作用前者更大，即科技創(chuàng)新水平每增加1%，經(jīng)濟(jì)增長0.637%;人才集聚水平每增加1%，經(jīng)濟(jì)增長0.012%。相較于科技創(chuàng)新水平，人才集聚對經(jīng)濟(jì)增長的推動力有限。

公式(3)的估計模型擬合優(yōu)度為0.7186，主要用來估計經(jīng)濟(jì)增長及科技創(chuàng)新對人才集聚的影響，所有變量皆在1%的置信水平下通過了統(tǒng)計檢驗。從彈性系數(shù)來看，經(jīng)濟(jì)增長(EG)彈性系數(shù)為2.096，科技創(chuàng)新(TIL)的彈性系數(shù)3.187，說明經(jīng)濟(jì)增長和科技創(chuàng)新對人才集聚起正向作用，經(jīng)濟(jì)增長每增加1%，人才集聚增長2.096%；科技創(chuàng)新每增加1%，人才集聚增長3.187%。

同上，公式(4)的估計模型擬合優(yōu)度為0.9133，主要用來估計經(jīng)濟(jì)增長及人才集聚對科技創(chuàng)新的影響，所有變量皆在1%的置信水平下通過了統(tǒng)計檢驗。從彈性系數(shù)來看，經(jīng)濟(jì)增長(EG)彈性系數(shù)為1.098，人才集聚(TAL)的彈性系數(shù)0.032，說明經(jīng)濟(jì)增長和人才集聚對科技創(chuàng)新起正向作用，即經(jīng)濟(jì)增長每增加1%，科技創(chuàng)新增長1.098%；人才集聚每增加1%，科技創(chuàng)新增長0.032%。

(三)滯后階數(shù)確定及模型穩(wěn)定性檢驗

PVAR模型由Holtz-Eakin 首次提出，這種模型在保留VAR模型優(yōu)點的前提下，加入了新的內(nèi)容，也就是既能體現(xiàn)出變量之間的互相沖擊，又引入個體效應(yīng)，表現(xiàn)出每個變量的變動對自身變化的影響，而且在時間序列的基礎(chǔ)上加入了面板數(shù)據(jù)的情況(22)Douglas Holtz-Eakin,Whitney Newey,Harvey Sirosen.Estimating Vector Autoregressions with Panel Data,Econometrica,1988.。在進(jìn)行脈沖響應(yīng)及方差分解之前要進(jìn)行滯后階數(shù)的確定，在滯后階數(shù)選取時，根據(jù) AIC 準(zhǔn)則，經(jīng)過多次嘗試后確定最優(yōu)滯后階數(shù)為3階，因而三變量的回歸方程可表述為:

yit=αi+βt+Ayit-1+βyit-2+Cyit-3+εit,i=1，…，31；t=1,…,20

(5)

式(5)中，yit={EG,TIL,TAL}是一個包含 3 個因變量的向量， A、B、C 均為系數(shù)矩陣，也就是本文的待估參數(shù)。與 VAR模型相比， PVAR 模型引入了個體效應(yīng)αi。

在進(jìn)行PVAR脈沖響應(yīng)及方差分解之前，應(yīng)該對模型穩(wěn)定性進(jìn)行檢驗，來判別模型整體的穩(wěn)定性，模型穩(wěn)定結(jié)果如圖1所示，三個變量中，所有特征根皆小于1，位于單位圓內(nèi)，說明模型是穩(wěn)定的，此時，可以繼續(xù)進(jìn)行脈沖響應(yīng)及方差分解。

在確定了滯后階數(shù)和模型穩(wěn)定性判別之后，又對三個變量進(jìn)行了格蘭杰因果檢驗，格蘭杰因果關(guān)系檢驗主要用于分析各變量之間是否存在因果關(guān)系，由此來判斷接下來的脈沖響應(yīng)及方差分解是否有意義。若格蘭杰檢驗不通過，則說明三者之間并不存在顯著的因果關(guān)系，繼續(xù)進(jìn)行脈沖響應(yīng)或方差分解都沒有意義。格蘭杰檢驗結(jié)果如表4所示，由Prob值可以看出，經(jīng)濟(jì)增長(EG)、人才集聚(TAL)以及科技創(chuàng)新水平(TIL)三者之間有著顯著的因果關(guān)系，可以進(jìn)行下一步分析。

表4 格蘭杰因果檢驗

(四)脈沖響應(yīng)及方差分解

對三個變量的固定效應(yīng)回歸分析及一系列檢驗之后，我們繼續(xù)對三個變量進(jìn)行脈沖響應(yīng)以及方差分解，圖2為經(jīng)濟(jì)增長水平(EG)、人才集聚水平(TAL)與科技創(chuàng)新水平(TIL)的脈沖響應(yīng)及方差分析結(jié)果，其所示脈沖響應(yīng)結(jié)果表明，人才集聚對自身的驅(qū)動效應(yīng)主要體現(xiàn)在滯后1期，產(chǎn)生了正向效應(yīng)之后馬上恢復(fù)了平穩(wěn)。科技創(chuàng)新水平對人才集聚不僅在當(dāng)期顯示了顯著的正效應(yīng)，在滯后幾期依然存在著脈沖響應(yīng)。經(jīng)濟(jì)增長水平對人才集聚水平的沖擊卻比較復(fù)雜，首先在1、2期表現(xiàn)出的是一個負(fù)向沖擊，這可能是由于經(jīng)濟(jì)增長吸引人才集聚導(dǎo)致的集聚水平的分母變大，比值變小，從而導(dǎo)致滯后1、2期產(chǎn)生了負(fù)效應(yīng)，但隨后在第3期負(fù)效應(yīng)逐漸減弱，到第4期表現(xiàn)出正向沖擊，逐漸回歸平穩(wěn)且效應(yīng)依然為正?？萍紕?chuàng)新及經(jīng)濟(jì)增長對自身的沖擊與人才集聚的自身沖擊曲線類似，都是在滯后1期有正向沖擊，到2、3期恢復(fù)平穩(wěn)；而經(jīng)濟(jì)增長水平對科技創(chuàng)新水平是在第2期產(chǎn)生正向沖擊又恢復(fù)平穩(wěn)的。其他變量之間的滯后脈沖響應(yīng)相對平穩(wěn)。

脈沖響應(yīng)之后，又對三個變量進(jìn)行方差分解，探究滯后時期各變量所受影響的來源及影響程度，從表5、表6、表7可以看出三個變量的方差分解結(jié)果。

表5 經(jīng)濟(jì)增長水平(EG)的方差分解表

表6 人才集聚水平(TAL)的方差分解表

表7 科技創(chuàng)新水平(TIL)的方差分解表

表5表明，從第1期開始，經(jīng)濟(jì)增長水平的變動對自身的變動產(chǎn)生了100%的影響，從第2期開始自身效應(yīng)占比逐漸減弱。人才集聚的變動對經(jīng)濟(jì)增長變動的影響從第1期到第10期是逐漸增長的，第10期的影響達(dá)到0.3%。而同期科技創(chuàng)新水平變動對經(jīng)濟(jì)增長的影響達(dá)到了34.1%，與上文面板數(shù)據(jù)回歸估計結(jié)果相同，相比人才集聚，科技創(chuàng)新變動對經(jīng)濟(jì)增長變動影響較大。

表6中人才集聚的方差分析結(jié)果顯示，從第1期開始，影響人才集聚水平變動的因素主要為經(jīng)濟(jì)增長及自身變動，相比而言人才集聚對經(jīng)濟(jì)增長的變動更為敏感，達(dá)到了53.7%，對自身變動影響為46.3%。在接下來的10年，經(jīng)濟(jì)增長對人才集聚的影響逐漸增加，到第10年達(dá)到了64.4%，科技創(chuàng)新水平的變動對人才集聚水平的變動也產(chǎn)生了越來越大的影響，在第10期達(dá)到了35.3%。而人才集聚對自身的影響卻逐漸減小，到第10期僅為0.4%。

表7為科技創(chuàng)新的方差分解表，可以看出經(jīng)濟(jì)增長及科技創(chuàng)新本身對科技創(chuàng)新的變動影響較大，分別為35%左右和60%左右，并且持續(xù)時間較長，10年內(nèi)也沒有顯著減小。人才集聚對科技創(chuàng)新的變動雖然相對較弱但也在逐年增強(qiáng)，第10期的影響也達(dá)到了4.9%。

五、結(jié)論與建議

通過建立PVAR模型，從理論和實證兩方面對人才集聚、科技創(chuàng)新以及經(jīng)濟(jì)增長之間的交互效應(yīng)及滯后影響進(jìn)行了研究。實證研究結(jié)果表明，人才集聚及科技創(chuàng)新皆為經(jīng)濟(jì)增長的重要動力，人才集聚水平每增加1%，經(jīng)濟(jì)增長0.012%；科技創(chuàng)新水平每增加1%，經(jīng)濟(jì)增長0.637%。經(jīng)濟(jì)增長和科技創(chuàng)新對人才集聚起正向作用，經(jīng)濟(jì)增長每增加1%，人才集聚增長2.096%；科技創(chuàng)新每增加1%，人才集聚增長3.187%。經(jīng)濟(jì)增長和人才集聚對科技創(chuàng)新起正向作用，經(jīng)濟(jì)增長每增加1%，科技創(chuàng)新增長1.098%；人才集聚每增加1%，科技創(chuàng)新增長0.032%。從固定效應(yīng)模型來看，科技創(chuàng)新對經(jīng)濟(jì)增長影響較大，人才集聚對經(jīng)濟(jì)增長影響較小，同時經(jīng)濟(jì)增長對科技創(chuàng)新的帶動作用相對比其對人才集聚的帶動作用影響較大。從脈沖響應(yīng)函數(shù)及方差分解結(jié)果來看，經(jīng)濟(jì)增長及科技創(chuàng)新對人才集聚的正向沖擊較為顯著，科技創(chuàng)新對經(jīng)濟(jì)增長產(chǎn)生的正向沖擊大于人才集聚對經(jīng)濟(jì)增長產(chǎn)生的正向沖擊，且產(chǎn)生的影響持久穩(wěn)定。因此，政府應(yīng)加大創(chuàng)新投入，增加科研經(jīng)費的支出，采取激勵手段，提高自主創(chuàng)新能力。在實施人才政策上，要優(yōu)化人才政策和人才標(biāo)準(zhǔn)，引進(jìn)高端人才帶動優(yōu)質(zhì)團(tuán)隊及項目，并提供良好的創(chuàng)業(yè)氛圍，加大科技創(chuàng)新分配占比，將資源進(jìn)行合理布局。同時，應(yīng)加強(qiáng)經(jīng)濟(jì)增長(EG)、人才集聚(TAL)及科技創(chuàng)新(TIL)三者之間的良性循環(huán)，讓三者之間保持相互促進(jìn)的關(guān)系。