[摘要] 人才是我國全面建設(shè)社會主義現(xiàn)代化國家的基礎(chǔ)性、戰(zhàn)略性支撐，分析研究中國人才時空演變格局及其影響因素，對加快建設(shè)世界高水平人才高地、促進人才區(qū)域合理布局和協(xié)調(diào)發(fā)展至關(guān)重要?；?000—2020年中國人口普查分縣數(shù)據(jù)，本文構(gòu)建了人才集聚度指數(shù)，運用地理空間分析法等系統(tǒng)描繪中國人才空間分布格局及其時空變化過程，并采用面板負二項回歸模型分析影響不同類型人才集聚的因素。結(jié)果表明：①研究時段內(nèi)，中國人才分布的不均衡性較為明顯，但不均衡程度在持續(xù)減弱，人才的空間集聚效應(yīng)在持續(xù)增強。②東南沿海地區(qū)人才一直處于連片集聚狀態(tài)，中西部以省會城市為中心的城市群地區(qū)的人才集聚程度和輻射范圍在加深和擴展，而東北地區(qū)、內(nèi)蒙古東部和河北省出現(xiàn)成片地區(qū)人才集聚度下降現(xiàn)象，且下降幅度較大。③收入水平、地區(qū)經(jīng)濟發(fā)展水平、公共服務(wù)、生態(tài)環(huán)境和政策因素對人才集聚均具有顯著的正向影響，且不同類型人才的影響因素存在異質(zhì)性。

[關(guān)鍵詞] 大專及以上學(xué)歷人才；時空變化；影響因素；人口普查；中國

[中圖分類號] F812.2" ［文獻標(biāo)識碼］A" "［文章編號］1000-4211（2024）06-0052-12

人才是第一資源，是我國全面建設(shè)社會主義現(xiàn)代化國家的基礎(chǔ)性、戰(zhàn)略性支撐。作為引領(lǐng)驅(qū)動地區(qū)經(jīng)濟社會發(fā)展的關(guān)鍵要素，如何吸聚和用好人才是當(dāng)前和未來一個時期各地政府關(guān)注的重要議題。在城鎮(zhèn)化進程不斷加快、交通基礎(chǔ)設(shè)施飛速發(fā)展、各類人才政策層出不窮的大背景下，人才分布的區(qū)域格局也呈現(xiàn)出高度集聚、快速流動、不均衡發(fā)展等新態(tài)勢。歷次召開的全國/中央人才工作會議上，關(guān)于人才區(qū)域布局的論述從合理流動到區(qū)域協(xié)調(diào)再向高水平人才高地、戰(zhàn)略支點和雁陣格局進行轉(zhuǎn)變。黨的二十大報告也提到，深入實施人才強國戰(zhàn)略，要加快建設(shè)世界重要人才中心和創(chuàng)新高地，促進人才區(qū)域合理布局和協(xié)調(diào)發(fā)展。以上都充分反映了中央對人才工作的極度重視，特別是對人才區(qū)域布局的合理引導(dǎo)和規(guī)劃。

關(guān)于人才的區(qū)域分布特征及其演進模式，國外學(xué)者展開了大量有益研究。Krugman（1991）指出人才的區(qū)域分布會因為地區(qū)收入水平等因素的影響而逐漸演變?yōu)椤昂诵?外圍”的結(jié)構(gòu)模式。Marc（2009）發(fā)現(xiàn)英國大城市的人才分布呈現(xiàn)高度集聚和不均衡格局，這種人才格局決定了英國城市創(chuàng)新創(chuàng)業(yè)的潛在經(jīng)濟結(jié)果。Oers（2013）等對荷蘭高技能移民的研究表明，荷蘭高技能移民受個人和外部環(huán)境的影響，空間分布特征較為復(fù)雜。在國內(nèi)，中國人才格局通常呈現(xiàn)出高度集聚、不均衡東高西低等特點，胡煥庸人口地理分布線在中國人才分布格局中同樣適用。張波和丁金宏（2019）發(fā)現(xiàn)中國高端人才集中分布在以京、滬、蘇為核心的環(huán)渤海灣和長江三角洲地區(qū)，分布重心經(jīng)歷了由北向南再向北變遷的發(fā)展歷程，并出現(xiàn)向中西部流動的態(tài)勢。聶晶鑫和劉合林（2018）將人才流動域模式總結(jié)為“本地-躍遷”型、“本地-半依附”型和“本地-依附”型，并利用2015屆本科畢業(yè)生數(shù)據(jù)展開實證研究，發(fā)現(xiàn)中國人才分布呈現(xiàn)出沿東南沿海與長江沿岸分布的“弓形”格局。孫康和司月芳（2022）揭示了華人科學(xué)家集聚分布于國內(nèi)一線城市的現(xiàn)象，且該群體的流動空間范圍更大，超越了古典的人口遷移模型中的短距離流動規(guī)律。高技能人才作為推進新型城鎮(zhèn)化建設(shè)的關(guān)鍵群體，早期會因經(jīng)濟因素而集聚于東部沿海城市，后期由于生活成本、公共服務(wù)等因素的阻礙影響，空間分布的集聚性又會出現(xiàn)顯著下降。一些學(xué)者還針對企業(yè)經(jīng)營管理人才、設(shè)計創(chuàng)意人才、留學(xué)歸國人員等具體人群展開分析，中國人才地理的研究內(nèi)容不斷豐富。

關(guān)于影響人才分布格局的因素，英國學(xué)者雷文斯坦（1885）提出的經(jīng)典推拉理論，揭示了影響勞動力遷移集聚的7條普遍規(guī)律，包括城市等級、距離等。博格（1959）進一步發(fā)展該理論，并將其總結(jié)為遷出地的推力和遷入地的拉力。一般而言，由于人們具有充分的經(jīng)濟理性，選擇城市時主要考慮的是經(jīng)濟利益。因此，工資收入、地區(qū)經(jīng)濟發(fā)展水平等經(jīng)濟因素被認為是影響人才分布的首要因素（武榮偉、王若宇、劉曄等，2020）。近年來，學(xué)者們對人才分布的影響因素分析更加細致全面，這是因為人才有別于普通的人口和勞動力，在滿足了一般的物質(zhì)需求外，在生活品質(zhì)、自然環(huán)境、個人偏好等方面擁有更加多樣化、個性化的需求。比如消費城市假說認為城市提供的消費品和服務(wù)質(zhì)量是人才集聚的關(guān)鍵，創(chuàng)意階層理論認為快速便捷的城市生活和寬松包容的人文環(huán)境能夠吸引更多的創(chuàng)意人才進入，城市舒適性理論強調(diào)了城市自然風(fēng)光、生態(tài)環(huán)境和工作舒適度對人才分布的影響。國內(nèi)一些學(xué)者將地區(qū)公共服務(wù)、交通基礎(chǔ)設(shè)施、市場和消費環(huán)境、自然環(huán)境舒適度等總結(jié)為地方品質(zhì)因素。此外，還有一些學(xué)者認為宏觀層面的地緣政治、社會認同、制度文化、政府政策等非經(jīng)濟因素和微觀層面的個體經(jīng)歷、個人外部感知、人際關(guān)系網(wǎng)絡(luò)等個體決策因素對人才分布也存在顯著影響，分析領(lǐng)域從經(jīng)濟因素向非經(jīng)濟因素轉(zhuǎn)變，分析層次也逐步涵蓋宏觀、中觀到微觀。

基于上述，現(xiàn)有研究還存在以下不足：一是以往文獻大多集中于國家或省級等大尺度研究，基于城市這一更小尺度的研究鮮有；二是沒有對人才分類型、分區(qū)域進行分析研究，得出的規(guī)律性結(jié)論和政策建議不夠精準(zhǔn)；三是對人才集聚的測度不夠全面。本文擬利用最新的人口普查數(shù)據(jù)，從地級行政單元這一更加微觀的地理單元出發(fā)，構(gòu)建更加精確反映人才集聚情況的人才集聚度指數(shù)，刻畫中國人才空間分布的時空變化過程，開展不同城市群、不同類型人才的異質(zhì)性分析，揭示人才分布格局的驅(qū)動因素差異，找出影響不同類型人才空間集聚的一般規(guī)律和基本要素，為后續(xù)理論研究和政策實踐提供有益參考。

一、數(shù)據(jù)來源和研究方法

（一）數(shù)據(jù)來源

本文參考部分學(xué)者的研究，將人才定義為具有大專及以上學(xué)歷的人群。根據(jù)《國家中長期人才發(fā)展規(guī)劃綱要（2010—2020）》的相關(guān)內(nèi)容，本文將人才隊伍劃分為黨政人才、專業(yè)技術(shù)人才、企業(yè)經(jīng)營管理人才、高技能人才、鄉(xiāng)村振興人才和社會工作人才。其中，黨政人才對應(yīng)職業(yè)大類人口中的黨的機關(guān)、國家機關(guān)、群眾團體和社會組織、企事業(yè)負責(zé)人，專業(yè)技術(shù)人才對應(yīng)專業(yè)技術(shù)人員，企業(yè)經(jīng)營管理人才對應(yīng)辦事人員和有關(guān)人員，高技能人才對應(yīng)生產(chǎn)制造及有關(guān)人員，鄉(xiāng)村振興人才對應(yīng)農(nóng)林牧漁業(yè)生產(chǎn)及輔助人員，社會工作人才對應(yīng)社會生產(chǎn)服務(wù)和生活服務(wù)人員。由于目前數(shù)據(jù)源無法提供同時包含人口學(xué)歷和職業(yè)類型的綜合數(shù)據(jù)，以往部分研究通常依據(jù)職業(yè)歸類直接劃定人才類型，但此法無法區(qū)分人才和普通勞動者。本文將每個城市大專及以上學(xué)歷人口占總?cè)丝诘谋壤鳛榛A(chǔ)比例，乘以每種職業(yè)大類的人員總量，得出不同職業(yè)大類的人才總量，以大致反映不同類型人才的規(guī)模。人才數(shù)據(jù)來源于2000年、2010年、2020年《中國人口普查分縣資料》，其余數(shù)據(jù)來源于相關(guān)年份《中國城市統(tǒng)計年鑒》、《中國縣域統(tǒng)計年鑒》、統(tǒng)計公報等。

本文的研究范圍包括中國大陸31個?。ㄗ灾螀^(qū)、直轄市），港澳臺地區(qū)由于數(shù)據(jù)缺失未納入研究范圍。分析的基本地理單元是地級（地級市、自治州、地區(qū)、盟）及以上行政單元（直轄市）。

（二）研究方法

1.人才集聚度指數(shù)

以往研究測度人才集聚度時主要從人才總量、人才密度（人才總量/行政區(qū)面積）或人才比例（人才總量/人口總量）等單一指標(biāo)進行測度，也有學(xué)者從人才密度和人才比例兩項指標(biāo)分別進行分析。然而，僅用人才總量表征會導(dǎo)致人口大市數(shù)據(jù)偏高，僅用人才密度表征會因行政區(qū)劃面積過大或過小導(dǎo)致部分地區(qū)的人才集聚度測度結(jié)果嚴重偏離現(xiàn)實情況，僅用人才比例會造成小城市數(shù)據(jù)偏高，同時也無法體現(xiàn)人才規(guī)模效應(yīng)。我們認為，人才集聚度應(yīng)包含人才規(guī)模和人才密度兩個方面，前者不受地區(qū)總?cè)丝诤托姓^(qū)劃面積的影響，直觀反映了人才總量情況；后者受地區(qū)總?cè)丝诤托姓^(qū)劃面積的影響，反映了人才在總?cè)丝诤偷乩砜臻g上的比例和分布情況。本文通過專家打分法對三個指標(biāo)的權(quán)重進行打分，并將5位專家的打分權(quán)重進行算術(shù)平均得到每個指標(biāo)的權(quán)重。最終，人才規(guī)模（人才總量）、人才密度（人才總量/行政區(qū)劃面積）、人才比例（人才總量/人口總量）三個指標(biāo)的權(quán)重分別為0.4、0.3和0.3，進行標(biāo)準(zhǔn)化后計算得到各地理分析單元的人才集聚度指數(shù)，此方法能較為全面綜合地反映城市的人才分布和發(fā)展情況。

2.基尼系數(shù)和泰爾指數(shù)

本文采用學(xué)界最常用的基尼系數(shù)和泰爾指數(shù)來表征人才分布的不均衡程度，兩者相互補充，可以更好反映人才分布的空間不均衡程度?；嵯禂?shù)（G）計算公式如下：

（1）

其中，n代表城市總數(shù)，x_代表平均人才集聚度，xi和xj代表任意兩市的人才集聚度?；嵯禂?shù)的取值區(qū)間是0到1，即完全平均分布到完全不平均分布。泰爾指數(shù)（T）的表達式為：

（2）

其中，n代表城市總數(shù)，x_代表平均人才集聚度，xi代表任意i的人才集聚度。泰爾指數(shù)的取值區(qū)間是0到無窮，即平均分布到極不平均分布。

3.空間自相關(guān)分析

莫蘭指數(shù)（Moran's I）是運用最為廣泛的探測空間自相關(guān)的方法，本文利用全局Moran’s I指數(shù)來分析中國人才分布是否存在整體的空間自相關(guān)關(guān)系。具體公式為：

（3）

其中，n為城市數(shù)量，wij為二階空間權(quán)重矩陣（鄰接為1，不鄰接為0）。xi和xj分別為城市i和城市j的人才集聚度，x_為所有城市的平均人才集聚度。莫蘭指數(shù)取值范圍在[-1，1]的區(qū)間內(nèi)，正值反映了空間正相關(guān)性，負值則反映空間負相關(guān)性。

4.面板回歸模型

基于前述分析，可以認為經(jīng)濟因素和非經(jīng)濟因素是影響人才區(qū)域分布的重要因素，由此可將基準(zhǔn)回歸模型設(shè)定為：

（4）

其中，y為因變量人才集聚度，xit為一系列解釋變量，εit為回歸殘差。本文在進行面板數(shù)據(jù)回歸時，首先采用LLC和Fisher-ADF兩種方法進行單位根檢驗，結(jié)果表明各變量序列平穩(wěn)。接著采用Kao方法進行協(xié)整檢驗，結(jié)果表明變量間協(xié)整關(guān)系，故可以直接對模型進行回歸。在面板數(shù)據(jù)模型形式的選擇方法上，通過Hausman檢驗最終選擇固定效應(yīng)模型。由于模型的被解釋變量人才數(shù)量為計數(shù)數(shù)據(jù)，因此采用負二項回歸進行分析，同時考慮到不同時期不同地區(qū)的殘差相關(guān)性會導(dǎo)致估計結(jié)果存在較大偏誤，故本文選取雙向固定效應(yīng)模型。

二、中國人才分布格局的時空演變

（一）中國人才空間分布的整體情況

運用基尼系數(shù)和泰爾指數(shù)來衡量2000年、2010年和2020年3個時期中國人才分布的不均衡情況，運用全局Moran’s I指數(shù)來衡量3個時期的全局空間自相關(guān)情況。從表1可以看出，2000—2020年中國人才分布的不均衡性較為明顯，基尼系數(shù)和泰爾系數(shù)分別維持在0.5和0.7以上，但不均衡程度在持續(xù)減弱，基尼系數(shù)和泰爾指數(shù)分別從0.598和0.930下降至0.580和0.799。從全局Moran’s I指數(shù)來看，研究時段內(nèi)一直是正值且顯著性較好，指數(shù)從2000年的0.153持續(xù)上升至2020年的0.269，表明中國人才的空間集聚在持續(xù)增強。

（二）中國人才分布格局的時空演變

2000年，人才集聚度較高的區(qū)域主要分布在沿海地區(qū)、東北地區(qū)和中西部以省會城市為中心的城市群地區(qū)。21世紀初，中國改革開放不斷深化，率先開發(fā)開放的沿海地區(qū)、產(chǎn)業(yè)基礎(chǔ)較好的東北地區(qū)和中西部部分省會城市成為經(jīng)濟和產(chǎn)業(yè)快速發(fā)展的增長極，不斷引發(fā)對人才的旺盛需求。其中，長三角城市群26個城市的人才集聚度平均值達到0.164，是人才集聚度最高的城市群，上海、南京、杭州、合肥、蘇州、寧波等發(fā)達城市的人才集聚度較高，而珠三角（9個城市）和京津冀（13個城市）的人才集聚度則分別達到0.163和0.160。東北地區(qū)重工業(yè)發(fā)達，產(chǎn)業(yè)承載了大量技術(shù)和技能人才，呈現(xiàn)出人才成片集聚分布的格局，黑吉遼三省36個地級行政單元的人才集聚度平均值達到0.144，哈爾濱、大慶、長春、吉林、沈陽、撫順、大連、鞍山等地人才集聚度超過0.2。從城市來看，人才集聚度排名前五的城市依次為北京、上海、武漢、南京和西安，其中北京和上海的人才集聚度分別達到0.838和0.826，比第五名的西安多了近1倍，這表明當(dāng)時北京和上海人才集聚的極化現(xiàn)象十分明顯。北京和上海人才極化現(xiàn)象的背后，是大量內(nèi)外資企業(yè)、集團總部、科研機構(gòu)、商會、社會團體等機構(gòu)爭相落地的結(jié)果，也從側(cè)面展示出政治、科技、文化和經(jīng)濟對人才的吸引力。

2020年，人才集聚度排名前五的城市依次為北京、上海、深圳、廣州和武漢，其中北京和上海的人才集聚度均超過0.8，深圳、廣州和武漢的人才集聚度則在0.57～0.60區(qū)間，北京和上海的人才極化現(xiàn)象依舊明顯，但稍有減弱。人才集聚度較高的地區(qū)也發(fā)生了一些變化，東南沿海地區(qū)人才依舊連片集聚，中西部以省會城市為中心的城市群地區(qū)也仍然零星分布，且輻射區(qū)域和集聚程度在擴展和加深，但東北地區(qū)和京津冀地區(qū)的人才集聚度和輻射范圍有明顯縮減，除北京、天津、哈爾濱、長春、沈陽、大連、吉林等城市還保持原有的人才集聚水平，其他東北地區(qū)城市和京津冀城市人才集聚度不再處于高水平。以上現(xiàn)象表明，隨著中國經(jīng)濟社會的不斷發(fā)展和區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略的提出，中國人才的空間分布跟隨著經(jīng)濟和產(chǎn)業(yè)的趨勢在變得均衡，北京上海等首位城市因戶籍政策、生活成本等經(jīng)濟社會多重因素對人才產(chǎn)生擠出效應(yīng)，中西部的后發(fā)城市不斷發(fā)展追趕從而吸引了越來越多的人才集聚。東北地區(qū)因產(chǎn)業(yè)大量流失失去了以往的人才承載力，人才集聚程度不斷萎縮。

從兩階段變化來看，東北地區(qū)、內(nèi)蒙古東部和河北省出現(xiàn)成片地區(qū)人才集聚度下降現(xiàn)象，且下降幅度較大，哈爾濱、鞍山、撫順、牡丹江、雞西、佳木斯、延邊、丹東、本溪等城市的下降值均在0.1以上，而湖南西部、湖北西部、青海南部、湖北東部、廣東北部等地也出現(xiàn)了零星的人才集聚度衰退情況。相反，長三角地區(qū)、珠三角地區(qū)、京津地區(qū)、山東半島、福建東南沿海都出現(xiàn)了不同程度的人才集聚度上升情況。

（三）不同類型人才分布變化情況

對2000—2020年中國9個主要城市群的不同類型人才的分布變化情況進行分析（表2）。總體而言，受經(jīng)濟衰退和產(chǎn)業(yè)轉(zhuǎn)型等多種因素影響，哈長城市群和遼中南城市群各類型人才集聚度出現(xiàn)不同程度的下降，而其他城市群的人才集聚度大都經(jīng)歷了增長。研究時段內(nèi)，黨政人才在各城市群中的集聚度變化不大，專業(yè)技術(shù)人才集聚度增減幅度較小，這表明機關(guān)和事業(yè)單位等“體制內(nèi)”人才的空間分布保持穩(wěn)定。其中長三角城市群的專技人才集聚度增長最快，到2020年已達到0.280，這與長三角地區(qū)科技、教育事業(yè)的快速發(fā)展息息相關(guān)。企業(yè)經(jīng)營管理人才在長三角城市群和珠三角城市群提升較快，都超過了0.1，側(cè)面反映出中國市場經(jīng)濟在這兩個地區(qū)不斷發(fā)展壯大的過程。高技能人才在珠三角城市群不斷集聚，人才集聚度從2000年的0.175快速增長至2020年的0.257，這與珠三角城市群制造業(yè)和外向型經(jīng)濟的快速發(fā)展密不可分。鄉(xiāng)村振興人才增長最快的前三位依次為長三角、珠三角和成渝城市群，而社會工作人才增長最快的前三位依次為長三角、海峽西岸和山東半島城市群。

三、中國人才空間分布變化的影響因素

參考已有文獻并考慮數(shù)據(jù)可得性，本文認為影響人才空間分布的因素大體可分為以下4類：

（一）經(jīng)濟因素。新古典遷移理論認為人才和勞動力傾向于往高勞動報酬和低生活成本地區(qū)遷移，經(jīng)濟發(fā)展水平較高的城市也意味著更多的就業(yè)機會和市場機遇。本文采用城鎮(zhèn)在崗職工平均工資（income）和地區(qū)生產(chǎn)總值（GDP）進行表征。

（二）社會因素。良好的社會公共服務(wù)（涉及醫(yī)療、教育、文化、信息等）正日益成為人才選擇定居地的重要考量，相比于普通人口和勞動者，人才會更加關(guān)注公共服務(wù)品質(zhì)。本文選擇萬人醫(yī)生數(shù)（health）和中小學(xué)在校師生比（education）作為衡量指標(biāo)。

（三）生態(tài)環(huán)境因素。城市舒適物理論認為，城市的自然風(fēng)光、生態(tài)環(huán)境和工作舒適度會極大地影響人才的集聚。本文采用建成區(qū)綠化覆蓋率（environment）表示。

（四）政策因素。為吸引更多優(yōu)質(zhì)人才，國內(nèi)城市爭相制定人才，其普遍做法是加大經(jīng)濟性的吸引力度，同時降低社會性的制度門檻。

本文參考以往研究，對各城市的《政府工作報告》涉及人才或人才相關(guān)的描述進行文本分析并打分，文本提到設(shè)置明確指標(biāo)數(shù)值或具體實施項目的記2分，只是泛化表述記1分，最終得到各城市的人才政策強度（policy）。對所有指標(biāo)進行共線性檢驗，VIF值均小于10，表明不存在共線性問題。表3展示了各變量的描述性統(tǒng)計結(jié)果。

表4展示了模型的回歸結(jié)果。模型I（全部樣本）結(jié)果表明，工資收入、地區(qū)經(jīng)濟發(fā)展水平、醫(yī)療水平、教育水平、生態(tài)環(huán)境和政策因素都對人才集聚具有顯著的正向影響。具體而言，經(jīng)濟因素仍然是影響人才集聚的首要因素，工資收入和地區(qū)經(jīng)濟發(fā)展水平的影響系數(shù)較大。人才追求高額報酬以實現(xiàn)理想抱負和價值體現(xiàn)，較高的地區(qū)經(jīng)濟發(fā)展水平也代表著更好的城市發(fā)展前景和更多的市場就業(yè)機會。表征社會因素的公共服務(wù)水平同樣也是吸引人才集聚的關(guān)鍵，但影響系數(shù)不如經(jīng)濟因素。隨著人口遷移和城市落戶模式的轉(zhuǎn)變，人才選擇城市將更多考慮雙方父母和自身家庭的需求，而不單單是個人的工作事業(yè)需求，人才會更加重視子女教育、健康醫(yī)療，因此城市的“后勤保障”水平也變得更受重視。此外，人才對生態(tài)環(huán)境和人才政策也具有較強的敏感性。

分人才類型來看（模型II-VII），工資收入和地區(qū)經(jīng)濟發(fā)展水平對六類人才呈現(xiàn)出不同程度的吸聚效應(yīng)，其中對企業(yè)經(jīng)營管理人才和高技能人才影響最大，黨政人才、鄉(xiāng)村振興人才同樣受經(jīng)濟因素的正向影響，但系數(shù)較小。醫(yī)療服務(wù)水平和教育水平對黨政人才、專業(yè)技術(shù)人才、企業(yè)經(jīng)營管理人才和社會工作人才的吸引較強。生態(tài)環(huán)境對鄉(xiāng)村振興人才的影響較大，人才政策則對專業(yè)技術(shù)人才、企業(yè)經(jīng)營管理人才和社會工作人才產(chǎn)生顯著正向影響。

本文通過改變樣本的方法對研究結(jié)果進行穩(wěn)健性檢驗。將人才標(biāo)準(zhǔn)從“具有大專及以上學(xué)歷”改為“具有本科及以上學(xué)歷”。從表5穩(wěn)健性檢驗的結(jié)果可以看出，除顯著性有差異外，回歸結(jié)果與原結(jié)果一致，因此結(jié)論可信。

四、 結(jié)論與討論

（一） 結(jié)論

基于2000—2020年中國人口普查分縣數(shù)據(jù)，本文從人才規(guī)模、人才密度、人才比例三個維度構(gòu)建人才集聚度指數(shù)，運用地理空間分析法系統(tǒng)描繪中國人才分布格局及其時空變化過程，重點考察9個主要城市群的人才變化情況，構(gòu)建回歸模型測度影響不同類型人才集聚的因素。經(jīng)過前述研究，得出如下結(jié)論：

1.2000—2020年，中國人才分布的不均衡性較為明顯，但不均衡程度在持續(xù)減弱，基尼系數(shù)和泰爾指數(shù)均有不同程度的下降。從全局Moran’s I指數(shù)來看，研究時段內(nèi)中國人才的空間集聚效應(yīng)在持續(xù)增強。

2.2000年，人才集聚度較高的區(qū)域主要分布在沿海地區(qū)、東北地區(qū)和中西部以省會城市為中心的城市群地區(qū)。北京、上海、武漢、南京和西安是人才集聚度最高城市，且北京和上海的極化現(xiàn)象十分明顯。2020年，北京、上海、深圳、廣州和武漢排名城市前五，但北京和上海的人才極化現(xiàn)象稍有減弱。就區(qū)域而言，東南沿海地區(qū)人才依舊連片集聚，中西部以省會城市為中心的城市群地區(qū)的人才集聚程度和輻射范圍在加深和擴展，而東北地區(qū)、內(nèi)蒙古東部和河北省出現(xiàn)成片地區(qū)人才集聚度下降現(xiàn)象，且下降幅度較大。

3.回歸分析結(jié)果表明，收入水平、地區(qū)經(jīng)濟發(fā)展水平、公共服務(wù)水平、生態(tài)環(huán)境和政策因素對人才集聚均具有顯著的正向影響。企業(yè)經(jīng)營管理人才、高技能人才對工資收入和地區(qū)經(jīng)濟水平較為敏感，優(yōu)質(zhì)的公共服務(wù)促進了黨政人才、專業(yè)技術(shù)人才、企業(yè)經(jīng)營管理人才和社會工作人才的集聚，人才政策對專業(yè)技術(shù)人才、企業(yè)經(jīng)營管理人才和社會工作人才更具吸引力。

（二）討論

有關(guān)人口、勞動力和人才的空間分布和影響因素文獻已有很多，但研究內(nèi)容和結(jié)論較為籠統(tǒng)，無法精準(zhǔn)分析不同類型人才的分布變化和影響因素情況。研究方法上，以往文獻僅使用人才分布的地理密度來表征人才集聚情況，會因行政區(qū)劃面積過大或過小導(dǎo)致部分地區(qū)的人才集聚度測度結(jié)果嚴重偏離現(xiàn)實情況。本文嘗試在以上方面做出貢獻，研究結(jié)論也提供了諸多啟示。一方面，經(jīng)濟因素仍然是吸引人才集聚的首要因素，人才實現(xiàn)理想抱負和價值體現(xiàn)會更加看中報酬收入和發(fā)展機會；另一方面，城市生活品質(zhì)同樣重要，尤其是在當(dāng)前教育醫(yī)療資源匱乏、競爭越發(fā)激烈的大背景下，人才將更加注重子女教育、健康醫(yī)療等城市公共服務(wù)。此外，良好的生態(tài)環(huán)境和合適的人才政策也同樣能夠吸引人才。

對于不同類型人才而言，黨政人才和專業(yè)技術(shù)人才大多來自“體制內(nèi)”的機關(guān)和事業(yè)單位，經(jīng)濟收入較為穩(wěn)定且變化小，加上這些人才因自身所處行業(yè)和教育成長經(jīng)歷，會更加看中城市的醫(yī)療、教育等公共服務(wù)水平，而對經(jīng)濟因素的敏感度較小。企業(yè)經(jīng)營管理人才、高技能人才等“市場化”人才受市場活力、產(chǎn)業(yè)發(fā)展和就業(yè)機遇影響大，加之其掌控的社會資源也相對較少，因此會更看重城市的收入水平和經(jīng)濟發(fā)展水平。此外，各地出臺的人才政策對專業(yè)技術(shù)人才、企業(yè)經(jīng)營管理人才和社會工作人才的吸引力更大。對于地方政府而言，如何根據(jù)自身發(fā)展實際、主導(dǎo)產(chǎn)業(yè)定位進行人才類型需求分析，制定一套精準(zhǔn)有效的引才聚才策略，將成為實現(xiàn)高質(zhì)量發(fā)展的重要途徑。

囿于數(shù)據(jù)的可獲得性，本文使用規(guī)模和總體比例相乘進行近似估算的處理方法得到不同類型人才的數(shù)量，可能會因?qū)W歷比例差異存在結(jié)果偏差，未來在不同類型人才隊伍測算方面還有較大改進和完善空間。

參考文獻：

[1]Bogue D.J. Internal Migration[M]. University of Chicago Press， 1959.

[2]Delisle F.， Shearmur R. Where does All the Talent Glow？ Migration of Young Graduates and Nongraduates， Canada 1996-20—2001[J]. The Canadian Geographer. 2010， 54（3）： 305-323.

[3]Florida R. The Rise of the Creative Class and How It's Transforming Work， Leisure， Community， and Everyday Life[M].New York： Basic Books， 2002.

[4]Glaeser E L， Kolko J， Saiz A. Consumer city[J]. Journal of Economic Geography， 2001， 1（1）： 27-50.

[5]Krugman P. History and industry location： the case of the manufacturing belt[J]. American Economic Review， 1991，81（2）： 80-83.

[6]Liu Y ， Shen J .Spatial patterns and determinants of skilled internal migration in China， 2000-20—2005[J].Papers in regional science， 2014， 93（4）：749-771.

[7]Marc C. The geographical distribution of UK talent： causes and consequences[J]. Institute for Employment Studies， 2009，27（1）： 1-22.

[8]Oers R V ， Minderhoud P E . Integration of High Skilled Third Country Nationals in Europe. A new proposal for circular talent management[J]. Nijmegen Migration Law Working Papers， 2013.

[9]Peixoto J. Migration and Policies in the European Union： Highly Skilled Mobility， Free Movement of Labour and Recognition of Diplomas[J]. International Migration. 2001， 39（1）： 33-61.

[10]Ravenstein E.G. The Laws of Migration[J]. Journal of the Statistical Society of London. 1885， 48（2）： 167-198.

[11]崔璨，于程媛，王強.人才流動的空間特征、驅(qū)動因素及其對長三角一體化高質(zhì)量發(fā)展的啟示——基于高校畢業(yè)生的分析[J].自然資源學(xué)報，2022，37（6）：1440-1454.

[12]古恒宇，沈體雁.中國高學(xué)歷人才的空間演化特征及驅(qū)動因素[J].地理學(xué)報，2021，76（2）：326-340.

[13]古恒宇，沈體雁.中國省際高技能人才遷移的時空演化機制[J].地理學(xué)報，2022，77（10）：2457-2473.

[14]海駿嬌. 城市環(huán)境可持續(xù)性政策的驅(qū)動因子和成效研究[D].上海： 華東師范大學(xué)博士學(xué)位論文，2019.

[15]何金廖，彭玨，胡浩.設(shè)計創(chuàng)意人才的空間集聚及其影響機理研究——基于城市舒適性視角[J].地理科學(xué)，2021，41（9）：1525-1535.

[16]姜海寧，張文忠，許樹輝等.中國留學(xué)人員創(chuàng)業(yè)園分布及產(chǎn)業(yè)特征[J].地理科學(xué)，2018，38（12）：1943-1951.

[17]李琴，謝治.青年流動人才空間分布及居留意愿影響因素——基于2017年全國流動人口動態(tài)監(jiān)測數(shù)據(jù)[J].經(jīng)濟地理，2020，40（9）：27-35.

[18]劉艷軍，湯爽爽，吳康，等.經(jīng)濟地理學(xué)視角下中國人口研究熱點與展望[J].經(jīng)濟地理，2021，41（10）：97-105+142.

[19]劉曄，黃翠盈，李晴等.2000—2020年中國高學(xué)歷人才分布格局及其影響因素研究[J].地理研究，2023，42（11）：2827-2844.

[20]劉曄，徐楦鈁，馬海濤.中國城市人力資本水平與人口集聚對創(chuàng)新產(chǎn)出的影響[J].地理科學(xué)，2021，41（6）：923-932.

[21]馬雙，汪懌.人才政策對人才跨區(qū)域流動的影響——以長三角城市群為例[J].中國人口科學(xué)，2023（1）：101-113.

[22]聶晶鑫，劉合林.中國人才流動的地域模式及空間分布格局研究[J].地理科學(xué)，2018，38（12）：1979-1987.

[23]彭川宇，劉月.城市科技創(chuàng)新人才政策擴散動力因素時空差異研究[J].科技進步與對策，2022，39（24）：81-90.

[24]齊宏綱，趙美風(fēng)，劉盛和，等.2000-20—2015年中國高學(xué)歷人才省際遷移的演化格局及影響機理[J].地理研究， 2022，41（2）： 456-479.

[25]孫康，司月芳.創(chuàng)新型人才流動的空間結(jié)構(gòu)與影響因素——基于高被引華人科學(xué)家履歷分析[J].地理學(xué)報，2022，77（8）：2113-2130.

[26]王珩，龔岳.中國流動人才居留意愿和時長的空間分布及影響因素[J].地理科學(xué)，2023，43（1）：61-71.

[27]王若宇，黃旭，薛德升等.2005-20—2015年中國高?？蒲腥瞬诺臅r空變化及影響因素分析[J].地理科學(xué)，2019，39（8）：1199-1207.

[28]王一凡，崔璨，王強，等.“人才爭奪戰(zhàn)”背景下人才流動的空間特征及影響因素——以中國“一流大學(xué)”畢業(yè)生為例[J]. 地理研究， 2021，40（3）： 743-761.

[29]武榮偉，王若宇，劉曄等.2000—2015年中國高學(xué)歷人才分布格局及其影響機制[J].地理科學(xué)，2020，40（11）：1822-1830.

[30]徐倪妮，郭俊華.科技人才流動的宏觀影響因素研究[J].科學(xué)學(xué)研究，2019，37（3）：414-421+461.

[31]楊開忠. 京津冀協(xié)同發(fā)展的新邏輯：地方品質(zhì)驅(qū)動型發(fā)[J].經(jīng)濟與管理， 2019， 33（1）： 1-3.

[32]姚先國，馮履冰，周明海.中國勞動力遷移決定因素研究綜述[J].中國人口科學(xué)，2021，202（1）：117-125+128.

[33]于瀟，陳筱樂，解瑯卓.流動效應(yīng)與戶籍歧視效應(yīng)對流動人口工資收入的影響——基于雙邊隨機前沿模型的分析[J].人口研究，2022，46（2）：61-74.

[34]張波，丁金宏.中國省域高端人才空間分布及變動趨勢：2000-20—2015年[J].干旱區(qū)資源與環(huán)境，2019，33（2）：32-36.

[35]張維陽，錢雨昕，崔璨.基于地理學(xué)視角的“雙一流”高校學(xué)生就學(xué)遷移網(wǎng)絡(luò)——格局、驅(qū)動因素與公平性[J].地理科學(xué)，2023，43（4）：668-678.

[36]朱鵬程，張宇，曹衛(wèi)東等.長三角企業(yè)經(jīng)營管理人才空間分布及其地理流動網(wǎng)絡(luò)——基于上市公司董監(jiān)高團隊數(shù)據(jù)分析[J].人文地理，2020，35（4）：121-129.

Spatiotemporal Evolution and Influencing factors of China's Talent Distribution： Analysis Based on Three National Census Data from 2000 to 2020

Ma Shuang

（Information Research Institute， Shanghai Academy of Social Sciences，Shanghai 200020）

Abstract： Talents are the fundamental and strategic support for China's comprehensive construction of a socialist modernized country. Analyzing the spatio-temporal evolution pattern of talent and its influencing factors， is crucial for accelerating the construction of global talent highlands and rational layout and coordinated development between regions. Based on the national census data from 2000 to 2020， this paper builds the talent agglomeration index， uses the spatial analysis and other methods to describe the pattern and spatiotemporal evolution of China's talent distribution， and the panel negative binomial regression model is used to measure the influencing factors. The results indicate that： ① During the research period， the imbalanced distribution of talents in China was relatively significant， but the degree continued to weaken， and the spatial agglomeration effect of talents continued to strengthen. ② Talents in the southeastern coastal areas have always been in a state of continuous agglomeration， and the degree and scope of talent agglomeration in the central and western regions are deepening and expanding. Meanwhile， there has been a significant decline in areas such as northeast China， eastern inner Mongolia， and Hebei province. ③ Income， GDP， public service， environment， and policy all have a significant positive impact on talent aggregation. There is heterogeneity in the influencing factors of different types of talents.

Key Words：Talents with junior college education or above; Spatio-temporal evolution; Influencing factors; Census; China

[基金項目]本研究受國家自然科學(xué)基金面上項目（項目編號：42271197）、國家自然科學(xué)基金青年項目（項目編號：42401219）、教育部人文社會科學(xué)研究重大項目（項目編號：22JJD790018）共同資助。

[作者簡介]馬雙，上海社會科學(xué)院信息研究所副研究員，研究方向：區(qū)域創(chuàng)新、人才發(fā)展。