区域协调发展背景下中国高学历人才的时空分异研究

刘雪茹, 王承云, 陈锦浩, 唐乃新

(上海师范大学 环境与地理科学学院,上海 200233)

0 引言

高学历人才是区域发展的核心竞争力,区域协调发展是实现共同富裕的关键引擎。习近平总书记在党的二十大报告中提出,要大力实施人才强国战略,推动区域的合理布局与协调发展,加速打造具有全球影响力的人才中心与创新高地[1]。因此,准确刻画高学历人才演化的特征,系统识别影响其空间分布的因素,对于区域人才战略的进一步优化,实现区域协调发展具有指导意义。

人才分布的研究一直是国内外相关学者普遍关注的焦点问题,目前主要集中在以下两个方面：(1)空间分布特征研究。古恒宇等[2]基于人口普查与抽样调查资料,对中国高学历人才的时空分布格局进行了分析,发现中国高学历人才高度集中且分布不平衡,但不平衡的程度有所减弱。武荣伟等[3]从城市层面调查发现中国高学历人才在个别城市高度集聚,这些城市尤其指直辖市、省会和计划单列市。崔丹等[4]解析了中国创新型人才的空间集聚特征,研究表明我国创新型人才不仅向东部地区集聚,而且向西部地区流动,不均衡性逐渐扩大。张佳宁等[5]以县级行政区为研究尺度,对珠三角区域人才资源的空间分布模式及其演化特点进行了探析。另外,也有学者对人力资本的空间分布模式特征进行了探索[6-7]。(2)驱动因素探究。现有研究指出,影响人才分布的主要因素有地区经济发展水平、工资等经济因素[8-9]和自然环境、生活便利性、包容性等非经济因素[10-14]。Gu等[15]认为经济因素对高等教育人才聚集模式的影响至关重要。张美丽等[16]认为人才聚集水平不同的区域,对人才聚集的影响也有所区别;刘晔等[8]认为,不同类别的劳动力在空间上的分配,其影响因素是不一样的。Broxterman等[17]认为房价的上涨会间接形成更高的人力资本集聚。Chen等[18]研究发现行政、大学和地区生活舒适性对高技术劳动力的空间分布有较大的影响。

现有研究大多是针对2010年之前的高学历人才进行研究,缺乏一定的时效性;其次缺乏结合时代大背景对空间异质性的探讨[19]。鉴于此,本文针对在区域协调发展背景下,基于中国2000、2010和2020年三次人口普查和《中国城市统计年鉴》(2000、2010、2020年)数据,系统刻画了中国高学历人才的时空演变过程,并揭示影响其分布的主要因素,为区域人才发展战略的制定、实施提供科学的依据,也为促进各城市实现区域协调发展提供参考性建议。

1 数据来源及研究方法

1.1 概念界定及数据来源

借鉴以往研究[1-2,10-12],本文将高学历人才定义为大专及以上学历的人。研究基于高学历人才密度(高学历人才数量与常住人口总数的比值)这一指标衡量高学历人才在空间上的聚集程度[9]。

研究区域为全国的31个省(自治区、直辖市),以地级及以上城市为基础研究单元。高学历人才数据来源于中国第五、六、七次全国人口普查,其余数据来源于《中国城市统计年鉴》(2000、2010、2020年)等。

1.2 研究方法

1.2.1 空间自相关

全局空间自相关。从全局的视角刻画研究对象的整体空间集聚程度。Moran’sI统计量是应用最为广泛的空间自相关探测的方法,Moran’sI的取值介于-1至+1之间,绝对值越大表明空间相关性越强。借助莫兰指数的计算结果可以评析高学历人才的空间溢出效应。全局莫兰指数计算公式为：

(1)

局部空间自相关。从局部精准揭示研究区域内空间单元与其邻近的空间单元之间的属性值之间的关联程度。局部莫兰指数通过LISA聚类图将研究区域分为高-高、低-低、高-低、低-高4种类型。借助局部莫兰指数和LISA聚类图更好地体现了高学历人才的局部空间集聚关联及其演化特征。局部莫兰指数计算公式如下：

(2)

式中若Ii为正值,代表该研究单元与周边其属性呈现相似的趋势;若Ii为负值,则表示其属性具有相反的趋势。

1.2.2 多元线性回归

多元线性回归是一种用来研究两个及以上变量之间相关性的计量方法。当自变量是多个因素时,可运用多元线性回归方法,针对自变量对因变量影响的显著性进行分析。多元线性回归有助于解析中国高学历人才分布的影响因素,具备良好的分析能力。本研究将高学历人才密度当作因变量,识别影响其分布的因素。公式如下：

Y=α+β1X1+β2X2+β3X3+β4X4+β5X5+…

(3)

式中α为常数项,被解释变量Y代表各地级行政单元的高学历人才密度;β1～β5为解释变量系数,解释变量Xi为地级行政单元i的各项社会经济指标。

2 高学历人才的时空格局演化特征

2.1 高学历人才时空分布格局

基于2000、2010和2020年三个年份中国各地区的高学历人才密度数据,以地级市为基本研究单元,以高学历人才密度作为主要指标,借助GIS空间分析总体上刻画中国高学历人才密度的时空分布格局,其主要特征包括以下几个方面。

2.1.1 2000—2020年中国各地区高学历人才在空间尺度上呈现出极大的不平衡分布格局,以“胡焕庸线”为界,东部沿海发达地区、部分地级市以及城市群是高学历人才集聚地,高学历人才在西部地区和东北部分地区城市则相对较少。

2.1.2 北京市呈现出“单核吸引”的人才集聚特征。2000年北京市的高学历人才密度为284人/km2,2010年为919人/km2,2020年为2544人/km2,均位列全国第一且远超第二名。北京市是我国的首都,具有雄厚的科技、教育、文化、社会经济等方面的优势,同时也是一座高科技、高素质的城市,对人才具有强大的吸引力。

2.1.3 高学历人才在部分城市,特别是在直辖市、省会和计划单列市高度集聚。高学历人才分布较密集的区域,主要在东部的经济发达地区、省会直辖市以及城市群地区,其中,北京、上海、广州以及中部的省会城市南京、武汉等地级市都有大量的高学历人才集聚。2010年来,高学历人才集聚的低水平区域在不断缩小,并且在人才比例上有所提升,直辖市、省会城市和计划单列市都拥有比较高的行政级别,并且都是国家或区域性的中心城市,它们都是产业和资源的高度集聚区域,因此也会吸引到很多高学历人才。

2.1.4 部分地区高学历人才呈现出“核心集聚区-次集聚区-周边分散”分布格局。如2000年、2010年均集聚大量的高学历人才的江苏省南京市,在2020年其周围的苏州市、常州市、徐州市、南通市等都在高学历人才密度方面仅次于南京市,成为高学历人才集聚的较高水平区。苏州市拥有较高的政策扶持与地方品质,且受长三角一体化程度加强的溢出红利,在吸引人才方面有着较强的驱动作用。

2.2 高学历人才时空演化特征

2.2.1 高学历人才时空演化趋势分析

通过全局Moran’sI对我国高学历人才分布的空间相关性进行了分析。经过测算,中国2000、2010、2020年各城市的全局Moran’sI指数都是正数,且都通过了95%的显著性检验。从国家层面上看,我国城市的高学历人才密度呈现出明显的正向空间自相关即高值集聚或低值集聚,高学历人才密度在空间上呈现出明显聚集的特征。总体Moran’sI指数从2000年0.120到2010年0.152,2020年达到0.162,表明中国的高学历人才空间聚集效应不断加强,高学历人才聚集特征更加显著。

2.2.2 高学历人才时空演化特征

通过局部空间自相关分析,整理出2000、2010和2020年中国高学历人才密度的LISA聚类结果,更好地描述我国各地级市的高学历人才分布状况,有助于探究高学历人才集聚时空演化规律。

2.2.2.1 中国东部沿海经济发达地区分布着高-高型聚集的城市,具有较强的溢出带动作用,从而逐步形成了长三角高-高型聚集区、珠三角高-高型聚集区。东部沿海地区由于经济发展较快,教育资源丰富,区位优越,经济、文化、教育等多个领域具有较强的竞争优势,因此,对高学历人才的集聚与培育具有重要的现实意义。

2.2.2.2 长三角、珠三角地区的一些高-高聚集性城市,对周边的其他城市产生了虹吸作用,从而形成了一些低-高聚集特征的城市。其主要原因是这些城市本身的经济发展水平较差,对周边的城市没有足够的吸引力等。

2.2.2.3 低-低型集聚的城市集中于西部,与周边城市相比,这类城市的高学历人才密度较低,构成了一种低集聚格局的高学历人才聚集区域,表明西部一直处于人才稀缺的状态[13]。这主要跟西部区域的经济发展、财政支持低以及高校总体规模、分布和层次结构不够合理有关系。

2.2.2.4 中国西部的省会城市分布着高-低型聚集的城市,这些城市对省内其他城市的高学历人才产生了一种虹吸作用,从而产生了一种“马太效应”。省会城市是全省的经济发展中心,它享受着国家和全省的政策扶持,是全省的产业和资源的聚集高地,它持续地将其他非省会城市的高学历人才吸引到这里来,从而构成了中心-外围的高学历人才分布格局。

3 高学历人才集聚的影响因素分析

3.1 指标选取

参照既有文献,本研究选取以下六组变量：经济机会[11,16,20]、公共服务[9,21-22]、教育环境[20]、社会环境[20]、政策环境[23]、自然环境[24],测度指标如表2所示。在对变量进行选择时,主要根据如下几个方面的考量。(1)经济环境包括三项指标：经济发展水平、产业结构和工资水平。经济发展水平在很大程度上能够体现出某地的发展潜力,吸引高学历人才集聚于此;工资水平对区域内的人才工作满意度有直接的影响;产业结构是区域就业容量的重要指标,也是高学历人才集聚的重要因素。(2)公共服务包括三项指标：医疗水平、交通设施和医生数量,这些都是影响区域生活质量、舒适度、便利度等的关键,也是高学历人才选择工作的区域时要考虑的主要因素。(3)教育环境包括学生数量和高校数量两项指标。高校众多的大都市,在储备和招揽人才上具有独特的优势。(4)社会环境包含图书馆藏量、网络发展、人口规模三项指标。一种文化和精神氛围,也是一个人成长和发展的必需品[25]。(5)政策环境选取科教支持作为指标,它是国家重视高学历人才发展的体现,通过科技教育投入与总投入的比例来描述。(6)自然环境包含工业污染和绿化率两项指标,工业污染关系到一个城市的舒适度,以绿化率来刻画生态环境,可提升高学历人才的生活质量与生活经验。

表2 高学历人才聚集影响因素指标

3.2 模型诊断

在现有资料的基础上,对原始数据进行了规范化,在SPSS软件运用Z-score变式,得到规范化的数据矩阵。模型拟合程度较高,自变量与因变量之间存在着紧密的相关性。模型的显著性值在0.00～0.05之间,通过了显著性水平检验,具有统计学意义,在多重共线性的诊断中各变量VIF值都小于10,说明各变量之间几乎不存在多重共线性。本文借助SPSS 26.0软件对各变量统计数据进行多元线性回归分析,表3为高学历人才密度的影响因素评估结果。

表3 高学历人才密度的影响因素评估结果

3.3 回归分析

经济机会方面,经济发展水平与高学历人才密度存在显著的正相关关系,并且这种关系随着时间的推移而增强。相比于文化程度较低的人,高学历人才更加敏感于地区的经济发展状况,更倾向于选择经济发展较好的地区作为安家落户的地点。产业结构对人才的聚集也有重要影响,随着第三产业占比的提升,城市的产业结构代表了城市发展的质量维度,第三产业占比高的城市能够吸引更多的人才。另外,职工平均工资与高学历人才密度也呈正相关关系,高的工资水平能够吸引更多的人才迁入,而且这种吸引力随着时间的推移而增强。

公共服务方面,医疗水平、交通设施都对高学历人才的聚集存在显著正向影响。良好的医疗水平是高学历人才追求生活质量的基础,便捷的公共交通网络提高了人才在城市之间的流动性,从某种程度上降低了人才在工作地与居住地之间的出行成本。医生数量对高学历人才的影响并不显著,说明尽管医疗行业的需求与日俱增,但如果医疗行业在某个地区的发展相对滞后或存在不稳定因素,高学历人才可能会选择其他地区。

教育环境方面,每万人在校大学生数量与普通高等院校的数量对高学历人才的聚集影响基本上是一致的,存在明显的正相关关系。高校数量较多的城市能够扩大高学历人才基数,为本地的发展提供人才支持;教育水平较高的城市能够为人才的职业和学业发展提供良好的学习和提升环境,从而增强该城市的人才吸引力和聚集力。

社会环境方面,图书馆藏量与高学历人才关联关系并不显著,人均公共图书馆图书藏量并不能全面反映一个地区的文化环境,而网络发展、人口规模在数据可获得的前提下呈现显著正相关关系,城市要吸引人才并留住人才,除了注重物质保障之外,也需要重视科技进步与社会文化建设。

在政策环境方面,科教支持与高学历人才密度呈现先增加再减少的明显正相关关系。这表明科研投入对于吸引人才的作用在一定阶段有所增强,但之后却有所减弱。科研投入的增加可以提高人才的待遇,为他们提供高质量的研究设备和充足的研究经费,从而吸引本地人才和外地人才集聚。科教支持占比越高,越能彰显政府对科学创新和人才培养的重视。

自然环境方面,工业污染和绿化率对高学历人才的影响并不显著,没有证据表明工业污染和绿化率会影响高学历人才的分布。说明高学历人才在选择工作和居住地时,可能更注重的是发展机会、工资待遇、职业发展前景等因素,而对于工业污染和绿化率的关注相对较低,他们更倾向于在经济发达的城市、科技创新中心等地发展,而不太考虑当地的环境质量。

4 结论

本文基于第五、六、七次人口普查及《中国城市统计年鉴》(2000、2010、2020年)等数据,运用GIS空间分析法,对中国各地级市的高学历人才集聚进行了时间与空间上的定量研究,并运用计量模型探究了中国高学历人才分布的影响因素。

4.1 总体看,中国的高学历人才在全国各地的分布具有极大的不平衡性,高学历人才分布呈现东南部集聚密度高,西北部集聚密度低的特点;北京市呈现出“单核吸引”的人才集聚特征;高学历人才在部分城市,特别是在直辖市、省会和计划单列市高度集聚;部分地区呈现出“核心集聚区-次集聚区-周边分散”特点的高学历人才分布格局。

4.2 局部看,中国的高学历人才分布呈现出明显的正向空间自相关,高学历人才聚集效应越来越明显。长三角、珠三角城市群逐步形成了高-高人才集聚区域,并对周边的其他城市产生虹吸作用,从而形成了一些低-高聚集特征的城市;低-低集聚的城市集中于西部;我国西部各大省会城市具有明显的高-低人才集聚特点。

4.3 回归分析结果看,经济机会、公共服务、教育环境都与高学历人才密度存在显著的正相关关系,并且这种关系随着时间的推移而增强,社会环境、政策环境对高学历人才分布存在一定的影响,没有证明表面工业污染和绿化率会影响高学历人才的分布。