人力资本集聚对区域技术创新能力的影响效应研究

刘 伟

（1.兰州工商学院经济学院，兰州 730101；
2.甘肃省高校区域循环经济重点实验室，兰州 730101）

改革开放以来，尤其是1994年后的分税制改革后，中国经济经历了持续快速的发展，但也出现了人口、资源与环境之间的多重矛盾，人口老龄化、个别省（区、市）劳动力流失严重，人才的区域结构不合理，资源收紧，生态环境不断恶化等问题。为此，党的十九大提出：“创新是引领发展的第一动力”，粗放型的增长模式难以维系，因此，创新能力的提升就显得尤为重要。《科技体制改革三年攻坚方案（2021～2023年）》于2021年11月在中央相关会议上审议通过，再次强调了深化科技体制改革，不断提升我国创新能力的重要性。人口的迁徙、流动和集聚一定会对当地经济发展和创新能力产生影响，人力资本集聚对区域技术创新的影响效应是正还是负？这是新时代背景下亟须回答的现实问题。基于此，研究人力资本集聚对区域技术创新能力的影响具有重要意义。

近年来，创新能力的研究成为学界的热点之一。学者们有从普惠数字金融、技术流动、国际贸易技术溢出等视角[1-3]研究技术层面对创新能力的影响，也有以政府研发资助、环境补贴等制度层面[4-6]研究对创新能力的影响效应，更有学者采用不同的实证方法测度创新能力的影响效应[7][8]；
关于人力资本集聚效应，学者们更多地从经济发展、环境污染展开研究[9][10]，也有较多从产业、城镇化、房价等视角的研究成果[11-13]。学界对创新能力和人力资本集聚两个方面的研究，大大丰富了该领域的研究成果，为本文分析人力资本集聚与区域技术创新能力之间的逻辑关系提供了必要的理论支撑。

针对人力资本集聚与区域技术创新能力关系的研究文献还较少：Davis&Dingel（2019）[14]主要从人口集聚和人力资本之间的关系展开，认为人力资本集聚，有利于降低知识获取和信息共享的成本，进而有利于创新能力的提高；
刘晔、徐楦钫、马海涛（2021）[15]利用中国2007～2012市级数据研究了人口空间集聚对创新能力的影响，认为人力资本集聚强化了人力资本对创新能力提升的影响；
陈淑云，杨建坤（2017）[16]首先区分了人口集聚与人才集聚这两个概念，使用中国2005～2014年的面板数据研究了人口集聚对区域技术创新的影响，研究结果表明东部和西部地区人口聚集和区域技术创新之间存在显著的U型关系，但在中部地区不存在；
于潇、续伊特（2020）[17]以特大城市为样本，实证研究了人力资本集聚与创新集聚之间的逻辑关系，发现人力资本集聚有利于提升特大城市的创新集聚，同时，创新集聚对人力资本集聚也有促进作用。

已有文献对人力资本集聚与创新能力的逻辑关系进行了有益的研究，但还存在如下不足：一是研究人力资本集聚与创新能力的文献较少，研究方法较为陈旧，多数学者只是使用简单的面板数据，进行中介效应、门限效应分析，或者采用面板系统GMM模型避免模型的内生性问题，但忽略了变量之间的空间效应；
二是使用空间效应模型的少许文献中，对人力资本集聚对创新能力的影响效应的研究结论莫衷一是，有待使用最新的数据和模型进一步验证人口集聚对创新能力的影响。

基于此，本文使用中国2000～2019年的省级面板数据，采用空间杜宾模型实证研究人力资本集聚对区域技术创新能力的影响。文章的边际贡献可能体现在：第一，实证分析时，将空间溢出效应引进模型，并对空间效应模型进行选择甄别，得出的结论更为准确；
第二，验证了不同区域技术创新能力效应的空间异质性，为经济高质量发展提供有益借鉴；
第三，创新涵盖了文化创新、理论创新、技术创新等内容，本文将人力资本集聚对创新能力的影响，界定为对区域技术创新能力的影响，得出的结论更具针对性。

（一）人力资本集聚与区域技术创新能力的逻辑关系

人口集聚是指一个国家或一个地区内部人口不均匀分布的一种状态，在一个区域内部某一特定地区的人口数量占比相对较大，表现出人口规模的绝对优势。人力资本集聚更强调人才的集聚程度，人力资本集聚与区域技术创新能力的逻辑关系体现在：第一，人力资本集聚通常会带来该地区人口密度的提高，人口集聚缩短了人与人之间的空间距离，实现了资源共享（余泳泽，2015）[18]；
第二，人力资本集聚降低了人们之间的交易成本和信息成本（仇怡，2013[19]、陈宁远，2015[20]）等，使得人力资本集聚的规模效应更为明显；
第三，按照熊彼特的创新理论，人力资本集聚就是资源的重新配置，是一种广义的创新。因此，人力资本集聚通过空间距离缩短、交易成本下降、信息成本降低、规模效应强化、资源配置优化等中介变量的影响机理传导效应，会提升一个省（区、市）的区域技术创新能力；
第四，人力资本集聚意味着劳动力从一个区域流向另一个区域，人力资本集聚带来了竞争效应。不管是新来的局外人，还是本区域的局内人，为了避免失业和自我价值的缩水，他们会通过自主学习、职业培训获取更多的技能（牛冲槐，2006）[21]，“干中学”将会提升劳动力素质，劳动力素质提升又会带来区域技术创新能力的进一步提升。具体的作用机理如图1。

基于此，提出本文的第一个假说：人力资本集聚有利于提升区域技术创新能力，两者之间存在正向相关关系。

（二）人力资本集聚对区域技术创新能力影响的空间溢出效应分析

某一地区的人力资本集聚意味着本地区劳动力数量增加，其他地区的人口流出。这对不同地区的区域技术创新能力将会产生明显的空间异质性影响。人力资本集聚产生的规模效应和竞争效应，将对本地区区域技术创新能力会产生正向影响，对其他地区则会带来负向效应。

同时，由于目前中央政府对地方官员考核指标的进一步多元化，不再将经济增长作为唯一的指标，更加强调创新、协调、绿色、开放、共享的新发展理念。基于此，人力资本集聚一方面刺激地方政府把更多的人财物用于本地区区域技术创新能力提升，另一方面，也可能加大地方政府之间的人才争夺，出现“以邻为壑”的现象，不利于其他地区区域技术创新能力的提升。

鉴于此，提出本文的第二个假说：人力资本集聚程度的高低会对该地区的区域技术创新能力存在正向的空间效应，对其他地区的影响为负。

（一）指标选取与数据来源

本文的研究对象为区域技术创新能力，是被解释变量，人力资本集聚是影响区域技术创新能力的重要因素，为本文的核心解释变量，同时为了保证研究结论的准确性，还需要引入和区域技术创新能力高度相关的其他控制变量。具体的指标选取如下：

1.被解释变量：区域技术创新能力

衡量区域技术创新能力的指标很多，可以从投入角度分析，比如研发经费投入、科研人员数量等，也可以从产出角度分析，比如开发新产品种类、某省市一定时期的专利申请量、专利授权量等。为了充分捕获人口集聚对区域技术创新能力影响效应，借鉴朱万里、郑周胜[22]的选取方法，从省域创新投入视角出发，用当年申请的人均专利数量来衡量区域技术创新能力①稳健性检验时，将根据中国科技发展战略研究小组联合中国创新创业管理研究中心编写的《中国区域创新能力评价报告》中提供的分析方法和统计指标进一步验证变量之间的关系。。数据来源于EPS数据平台和国家知识产权局网站。

2.核心解释变量

人力资本集聚（pop）：人力资本集聚描述的是某个地区的人才或者劳动力的密集程度，因此，很多学者用劳动力密度来衡量人力资本集聚程度。常住人口密度和非农人口密度都能衡量人口密度，但这些指标不能很好地衡量农村、市辖区真实的人口密度。因此，本文仿照祝伟、张旭东（2021）[23]的做法，在他们的研究基础上，把地区范围由城镇拓展到城镇和农村。采用当年地区劳动力数量/地区建成区面积来衡量。原始数据主要来源于相关年份的《中国农村统计年鉴》《中国统计年鉴》《中国建设统计年鉴》等统计资料。

3.控制变量

除了人力资本聚集外，还有其他影响创新能力的指标，为了保证实证结论的真实性和稳健性，参照陈大峰（2020）[24]、李政（2018）[25]等学者的做法，引入地区经济增长水平（pgdp）、基础设施完善程度（infra）、受教育程度（edu）、和外商直接投资（FDI）①投资增加通常会对技术创新产生正向效应，考虑到政府投资额统计口径差异较大，以及外商直接投资的溢出效应可能更强，本文选择外商直接投资作为其中的控制变量之一。作为本文的控制变量。具体的衡量指标如下：

通常认为，经济增长水平对区域技术创新能力有重要影响，采用各个省区市的历年人均GDP来衡量；
已有的研究认为，交通、通讯和能源是衡量基础设施完善程度的三个方面。和通讯、能源相比，交通领域的基础设施和区域技术创新能力的相关程度更高，因此，地方政府基础设施建设水平对当地区域技术创新能力的提高至关重要，学界通常从交通、通讯和能源方面衡量地方基础设施建设情况，文章采用的指标是和区域技术创新能力更为密切的交通基础设施（ptraff），计算公式为：地区交通运输仓储和邮电通信业支出/地区GDP；
受教育年限同样是影响区域技术创新能力的重要因素，其衡量指标也较多，参考谢沁怡等（2017）[26]，具体的做法是：把受教育程度分为大学、高中、初中、小学和文盲五种，对应的受教育年限分别为：16年、12年、9年、6年、1年，用受教育程度乘以对应的受教育年限的加总值，再除以各地区年末人口数即得；
外商直接投资（FDI）增加了各省（市、区）的资金总额，这将会对区域技术创新能力产生一定的影响。本文采用外商直接投资占GDP的比重来衡量。

由于西藏的一些指标数据缺失，予以剔除，选取中国2000～2019年30个省（市区）作为研究样本，分析人力资本集聚对区域技术创新能力的影响效应②数据来源为：2001～2020年《中国统计年鉴》、各省区市统计年鉴、《中国教育统计年鉴》《中国城乡建设统计年鉴》以及相关的统计局网站。。表1为被解释变量和解释变量的描述性统计值。

表1 变量的描述性统计

（二）模型选择

空间面板模型主要有空间面板模型、空间滞后模型和空间误差模型。本文把初始模型设定为空间杜宾模型，后文将对模型的选择做进一步分析：

其中，innovation为区域技术创新能力，矩阵X是包含人力资本集聚、经济增长、基础设施、受教育年限、外商直接投资等解释变量。矩阵W为空间权重矩阵，E n为单位矩阵，u i、γt、δit分别表示空间效应、时间效应和随机扰动项。这些指标中，区域技术创新能力、受教育年限、经济增长是绝对量指标，为了保证分析的可比性和一致性，对这三个指标分别进行对数化处理，取各自变量的自然对数。

常用的空间权重矩阵有邻接权重矩阵、反距离权重矩阵和经济距离权重矩阵。邻接权重矩阵的基本计算方法是：如果两个地区的空间位置接壤取1，相反则取0；
反距离权重矩阵主要通过测算样本期内两个地区的直线距离，取其倒数得出；
经济距离权重矩阵主要通过考察样本期内两个地区的经济增长水平的差异程度来衡量，两个地区的经济增长水平越接近，则空间效应越明显。

1.莫兰检验

根据上文的理论分析，人力资本集聚和区域技术创新能力很可能存在着空间效应，目前检验空间效应最常用的方法是莫兰指数检验。因此，本文首先使用Stata15.0软件，对2000～2019年被解释变量、核心解释变量和控制变量做莫兰指数检验。由于三种空间权重矩阵的检验结果相似，本文只报告邻接矩阵下的莫兰检验结果。表2中的数据为莫兰指数值，括号里的数据为莫兰检验统计量的值。对所有的经济变量做2000年到2019年的莫兰检验。从表2可以看出，被解释变量区域技术创新能力在大部分年份，至少在5%的显著性水平下通过了检验，表明存在明显的空间效应，同时，核心解释变量人力资本集聚以及其他的控制变量至少在10%的显著性水平下通过了莫兰检验，这就在某种程度上验证了文章第二个假说的前一部分，人力资本集聚和区域技术创新能力之间存在空间效应，应采用空间计量模型分析变量之间的具体关系。

表2 各变量Moran’s I检验

2.空间模型选择

面板数据模型首先要确定是采用固定效应还是随机效应，豪斯曼检验的统计值为153.72，显著拒绝了使用随机效应的原假设，表明应选择固定效应。空间固定效应模型又有四种：混合效应、时间固定、空间固定、时空固定，在这四种不同的固定效应模型中，LM检验均表明存在空间效应，再次契合了莫兰检验结果和本文的理论假说二。由于空间面板模型有空间滞后模型、空间误差模型和空间杜宾模型。应进一步检验空间杜宾模型是否退化为空间误差模型或者空间滞后模型。表3的Wald和LR检验结果表明，应使用空间杜宾模型。

表3 模型选择

（三）总体实证结果分析

综合以上实证检验结果，模型采用空间杜宾模型，如上所示，固定效应模型有四种不同的情况，通过观察比较表4中各个模型对应的判定系数R2、对数似然率LogL、标准差σ2，发现，时间固定效应的判定系数最大，对数似然率最高，标准差最小。因此，表4报告了时间固定效应模型下，各经济变量在不同权重矩阵下的回归结果。

从表4的实证结果可知，核心变量方面，人力资本聚集与区域技术创新能力之间存在正相关关系，不管是邻接矩阵、反距离矩阵还是经济距离矩阵，时间固定效应下的杜宾模型的实证结果都通过了显著性检验，人力资本集聚每提高一个百分点，平均来看，区域技术创新能力将提高1.816%到2.137%。这就验证了理论假说一：人力资本集聚提升了区域技术创新能力，两者之间存在正向关系。这是由于人力资本集聚带来的规模效应和竞争效应，促进了资源的有效重组、提高了信息和基础设施共享程度，降低了人们之间的交易成本，进而提高了区域技术创新能力。

表4 空间杜宾模型总体回归结果

控制变量方面，经济增长水平与区域技术创新能力之间存在正相关关系，经济增长水平越高，用于区域技术创新能力资源就越多，两者之间是否存在双向的因果关系，学者们也进行了有益的研究（廖文龙等，2020；
海琴等，2020；
刘跃等，2016）[27-29]；
基础设施的完善同样有利于创新能力的提高，基础设施越完善，区域的生产、流通、交换、分配的效率就越高，资源配置的优化提高了区域技术创新能力；
从省级层面看，受教育年限提高也能促进区域技术创新能力提高，但不管是哪一种空间权重下，都没有通过显著性检验。一个可能的原因是，目前来看，技术创新能力的人才支撑力度至少从省级层面看还比较小，多数省份的技术创新能力提升更多依赖于传统的粗放型要素投入模式。

其他周边地区的人力资本集聚不利于本地区的区域技术创新能力提高。根据实证结果可知，其他地区人力资本集聚程度每提高一个百分点，本地区的区域技术创新能力将下降0.558%～1.235%。其他地区人力资本集聚提高，就意味着本地区的劳动力外流，显然是不利于其技术创新能力提高的；
其他地区的经济增长水平、基础设施、受教育年限和外商直接投资都不同程度地影响到了本地区的技术创新能力，具体结果详见表4，在此，不再一一赘述。

（四）效应分解：直接效应与间接效应

表4仅仅是空间杜宾模型的总体回归结果，解释变量对被解释变量具体的影响效应还需做具体的效应分解，根据LeSage&Pace（2009）[30]研究，应使用微积分中偏微分方法，进一步考察直接效应和间接效应。直接效应是人力资本集聚等对本地区区域技术创新能力的作用程度，间接效应是对其他地区区域技术创新能力的影响程度。由于各权重矩阵结果相似，表5只报告邻接权重矩阵下各解释变量的影响效应。

观察表5的实证结果，人力资本集聚的直接效应为2.945，表明人力资本集聚显著地正向作用于本地区的区域技术创新能力，间接效应为-1.412，在5%的显著性水平下，对其他地区的区域技术创新能力产生了负效应，但最终的总效应为1.533，这表明，整体上看，人力资本集聚有利于区域技术创新能力的提高。

表5 直接效应、间接效应和总效应

其他控制变量的分析方式类似，经济增长的直接效应和间接效应都为正，基础设施完善程度和外商直接投资对本地区区域技术创新能力的影响为正，对其他地区为负，受教育年限的影响效应不显著，一个可能的原因是，全国层面受教育程度参差不齐，对区域技术创新能力的整体影响效应不明显。

（四）稳健性检验

为了保证所得结论的稳健性，根据《中国区域创新能力评价报告》设定的指标体系，考虑数据可得性，用科研经费投入额、新产品销售收入以及其他衡量区域创新能力的指标作为本文区域技术创新能力的替代变量，实证结果没有明显的变化，结论依然成立①限于篇幅，不再报告具体结果，若需，备索。。

人力资本集聚和区域技术创新能力之间可能存在内生性问题，为此，文章尝试通过使用Arellano和Bover提出的两种检验方法，来验证是否需要使用工具变量法解决可能存在的内生性问题。二阶序列相关检验AR（2）的检验结果表明存在二阶自回归序列相关，该方法失效；
使用Sargan检验法验证是否存在过度识别问题，进一步证实存在过度识别问题。工具变量法失效。格兰杰因果检验结果再次表明，人力资本集聚提升了区域技术创新能力，但反之不成立。

AR（2）序列相关检验和Sargan过度识别检验仅仅表明工具变量法在本文处理内生变量问题时失效，格兰杰因果检验也仅仅只是从因果关系上做了检验，还不能完全确定是否存在内生性问题。基于此，使用动态空间杜宾模型做进一步的检验。把被解释变量区域技术创新能力的滞后一期innovait-1引入模型，作为解释变量继续做实证分析。不管是在邻接权重矩阵、反距离权重矩阵还是空间距离权重矩阵下的实证结果，都没能通过显著性检验。滞后一期的区域技术创新能力不是显著的影响因素。因此，模型不存在内生性问题。

为了区分空间效应的异质性，把中国30个省区市按照现行的分类方法，分成不同区域，进一步验证人力资本集聚对区域技术创新能力的影响效应①按照现行的分类标准：东部地区：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西、海南12个省（区、市），中部地区：山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南9个省（区、市），西部地区：四川、重庆、贵州、云南、陕西、甘肃、宁夏、青海、新疆9省（区、市）。。不同区域的实证结果，再次印证了人口集聚等经济变量对区域技术创新能力的显著影响，但也表现出了明显的空间异质性。

本文利用中国30个省区市2000～2019年的面板数据实证研究了人力资本集聚对区域技术创新能力的影响效应。得出的结论有：第一，经济变量之间存在空间溢出效应，最佳模型为时间固定效应的空间杜宾模型；
第二，全国层面，人力资本集聚有利于区域技术创新能力提升，经济增长、基础设施和外商直接投资都不同程度地对区域技术创新能力产生了影响，改变经济变量的统计指标，结论依然成立；
第三，效应分解的结果表明，人力资本集聚对本地区的区域技术创新能力之间有显著的正向效应，但对其他地区的影响效应为负，不利于其他地区区域技术创新能力的提升。基于此，提出如下建议：

第一，人力资本集聚与区域技术创新能力提升方面，应充分考虑我国不同区域的经济发展实情，合理促成不同区域间的人口集聚。如上所示，人口集聚效应在我国表现出了显著的区域异质性，应在继续保持东部地区人才集聚创新效应的优势地位的同时，进一步强化中部和西部地区人才集聚程度，不断提升这些地区区域技术创新能力水平。

第二，经济增长水平、基础设施建设、受教育程度和外商直接投资等经济变量不同程度地提升了区域技术创新能力。因此，应赋予地方政府更多的财税和人事权力，通过地区经济合理增长，地方基础设施不断完善，教育投资进一步加大，利用外资合理化、高效化等途径，加快区域技术创新能力的持续提高，为实现我国经济的高质量发展贡献边际力量。

第三，由于经济变量之间存在着空间溢出效应，人力资本集聚和其他经济变量通常会促进本地区区域技术创新能力提升，但对周边地区的区域技术创新能力表现出了一定的抑制性。基于此，应从国家顶层整体推进宏观制度再设计，统筹不同地区的经济资源，在保证对本地区区域技术创新能力正向促进效应的前提下，降低对其他省区市创新能力负向的影响效应，由“以邻为壑”向“以邻为友”的新的区域发展格局演进、转变。✿

猜你喜欢 矩阵变量效应 抓住不变量解题小学生学习指导(高年级)(2021年4期)2021-04-29懒马效应今日农业(2020年19期)2020-12-14多项式理论在矩阵求逆中的应用读与写·教育教学版(2017年10期)2017-11-10应变效应及其应用中学物理·高中(2016年12期)2017-04-22矩阵南都周刊(2015年4期)2015-09-10矩阵南都周刊(2015年3期)2015-09-10矩阵南都周刊(2015年1期)2015-09-10偶像效应小樱桃·童年阅读(2014年11期)2014-12-01分离变量法：常见的通性通法新高考·高二数学(2014年7期)2014-09-18不可忽视变量的离散与连续福建中学数学(2011年9期)2011-11-03