城市科技型人才集聚的時空特征及影響因素
——基于285個城市的經驗數據

郭金花，郭淑芬，郭檬楠

(1.山西財經大學工商管理學院,山西 太原 030006；2.山西財經大學資源型經濟轉型協同創新中心,山西 太原 030006；3.山西財經大學會計學院，山西 太原 030006)

0 引言

科技型人才是區域創新發展的基礎，也是區域實現從要素驅動向創新驅動轉變的重要前提。目前許多地區對人才等創新資源的爭奪擺在首位，擬以高素質人才規?；蹘拥貐^技術創新，引領經濟高質量發展。2019年黨的十九屆四中全會提出，人才是七大生產要素中最為活躍的要素之一，需推進要素市場化配置，實現要素流動自主有序，以充分釋放人才紅利。目前中國大量科技型人才向東南沿海地區集聚，表現出 “孔雀東南飛”現象，而愈演愈烈的 “人才爭奪戰”進一步激化了東部地區人才集聚和西部、東北地區人才流失的矛盾[1]，加劇了地區間創新發展的不平衡格局。如何優化科技型人才空間布局是優化區域科技資源空間配置的重點，也是促進區域協調發展的關鍵。因此，明晰科技型人才集聚的空間格局、揭示其時空演化規律及影響因素，對各地區制定科學的人才引進政策以及深入貫徹落實創新驅動發展戰略，推進區域均衡協調發展意義重大。

科技型人才集聚是指大量同類型或相關的科技人才有序流動或遷移引起其在物理或其他虛擬空間上的集中或聚類現象[2-3]。梳理已有研究，一是學者們多采用單位面積人才密度[4-5]、人才集聚區位熵[6]、高學歷人才或R&D人員占比及探索性空間分析等[7]測度人才集聚度。二是學者們分析了區域創新活動集聚及人才等要素分布的空間格局與非均衡性，如有學者指出北京創新活動高度集聚并呈現 “中心—外圍”結構[8]，而中國省際科研人才集聚非均衡特征明顯，集聚熱點分布于北京、天津及上海等地，冷點集中在西部地區[9-10]；同時，也有研究分析創新集聚的動態演化規律，如有學者基于對縣域創新水平空間特征分析，指出鄰域創新水平對縣域創新趨同轉變影響顯著[11]；也有學者指出受鄰域環境影響中國十大重點產業創新產出水平發生類型轉移的單元集中在東、中部地區[12]。三是部分學者探討了人才集聚或分散的影響機制，指出經濟因素 (如經濟發展、收入水平等)、公共服務水平 (如生活便利度、文化教育及高校發展)及創新環境等是影響省際各類人才流動、集聚及其空間溢出的驅動因素[8-9,13-14]；但隨著各地人才競爭加劇，戶口、財政補貼等非市場化機制以及休閑娛樂設施、公共開放式空間可獲得性及地方品質等也成為城市吸引并留住人才的關鍵[15-17]。

綜上，已有研究進行了諸多有益探索，但也存在以下不足：一是關于人才集聚的研究多基于省級尺度，缺少更小尺度科技型人才集聚特征的細致研究，實踐中能產生創新集聚的空間尺度遠小于省級尺度，將研究下沉到地市級尺度深入探究其空間分異特征更具實踐價值；二是現有研究多基于靜態角度揭示人才等要素的空間格局，忽視了鄰域環境影響下不同類型間隨時間變化的動態演化規律，而深入考慮鄰域科技型人才集聚的關聯影響，可進一步揭示科技型人才空間集聚的新規律；三是已有研究多強調經濟、公共服務及高等教育等因素對人才分布的作用，而對科研環境和宜居環境等非經濟性因素的重視不夠。

鑒于此，本文以中國285個地級市為基本空間分析單元，在對城市科技型人才集聚水平測度基礎上，揭示其空間分異格局與動態變遷路徑；采用馬爾可夫鏈等方法分析科技型人才集聚不同類型間的轉移概率，以考察是否考慮鄰域背景條件下科技型人才集聚的趨同演化規律；探究導致城市科技型人才集聚空間分異的影響因素，以期為宏觀把控、引導與優化各城市人才流向，強化科技型人才對經濟高質量發展的支撐作用提供政策啟示。

1 研究方法與數據說明

1.1 研究方法

(1)標準差橢圓。標準差橢圓方法是分析要素空間分布方向性特征的重要方法，橢圓的空間覆蓋范圍表示地理要素空間分布的主體區域，通過計算橢圓在主軸 (Y軸)和輔軸 (X軸)方向上的標準差以及橢圓地理分布的平均中心，以對研究對象的空間分布趨勢及變化軌跡予以刻畫。

(1)

X軸標準差：σx=

(2)

Y軸標準差：σy=

(3)

(2)馬爾可夫鏈方法。傳統的馬爾可夫鏈 (Markov Chain)通過把地理現象連續狀態的隨機序列離散化處理轉換成k種類型，以分析研究對象不同類型的概率分布及動態演化特征[18-19]。具體地，定義研究對象的隨機序列為{Xm(t),m∈M,t∈T}，并將其離散化為k種類型，則t年份研究對象不同類型的概率分布可表示為1×k的狀態概率向量Pt，即Pt=[p1t,p2t,……pkt]。相應地，可用一個1×k的轉移概率矩陣M (mij)表示研究對象不同類型間的轉移狀況，元素mij表示t年份屬于類型i的地區在t+1年轉化成j類型的概率，公式為：

mij=nij/ni

(4)

其中，nij為研究對象由t年份屬于i類型在t+1年份轉移為j類型的地區數，ni為研究期內屬于類型i的地區數。

空間馬爾可夫鏈則是在普通馬爾可夫鏈基礎上引入 “空間滯后”概念，以分析不同空間滯后條件下某區域單元的趨同演化規律。具體地，根據研究對象的類型劃分 (k種類型)及其所處的空間滯后條件，可將k×k的傳統馬爾可夫轉移概率矩陣分解為k個k×k條件轉移概率矩陣。其中，對第k個條件轉移概率矩陣而言，mij(k)表示以類型k為空間滯后條件時，某地區的研究對象在t年份屬于i類型而在t+1年轉化為j類型的概率，而空間滯后值的引入可通過地區屬性值和空間權重矩陣乘積計算，公式為：

Lag=∑YiWij

(5)

其中，Yi為某地區屬性值，Wij為空間權重矩陣，這里采用一階鄰接矩陣。

1.2 樣本與數據說明

《 “十三五”國家科技人才發展規劃》中指出，科技型人才指具有專業知識或專門技能，具備科學思維和創新能力，從事科學技術創新活動，對科學技術事業及經濟社會發展做出貢獻的勞動者。目前，較多學者以R&D人員、科技活動人員等表征科技人才[14,21]，但由于城市層面該指標數據獲取難度較大，參考劉曄等[10]的研究，本文以《國民經濟行業分類》 (GB-T4754-2017)中 “科學研究、技術服務和地質勘查業與信息傳輸、計算機服務和軟件業從業人員”表征科技型人才。

同時，參考相關研究[3,21]，本文將科技型人才集聚度定義為每百萬人中科技型人才擁有量，即 “各城市科學研究、技術服務和地質勘查業與信息傳輸、計算機服務和軟件業從業人員占城市總人口比重”，公式為：

aggit= (Pit+Qit)/Lit

(6)

其中，aggit表示t年i城市科技型人才集聚水平，Pit表示t年i城市科學研究、技術服務和地質勘查業從業人員，Qit表示t年i城市信息傳輸、計算機服務和軟件業從業人員，Lit表示t年i城市人口總數，i表示地區，t表示年份。

考慮到研究期間內巢湖、畢節、三沙、儋州等行政規劃新增城市數據不完整，本文選取除以上地市及拉薩 (數據缺失嚴重)之外的中國285個地級及以上城市作為研究樣本，數據主要來源于《中國城市統計年鑒》 (2008—2018)。

2 科技型人才集聚的空間分異特征與變遷趨勢

2.1 科技型人才集聚的空間分異格局

基于對285個城市科技型人才集聚水平測度，本文首先采用全域Moran’s I指數對其空間相關性進行檢驗，見表1?？疾炱趦龋萍夹腿瞬偶鄣腗oran’s I指數值均為正，且整體上呈現出波動式增長趨勢，絕大部分年份通過了5%水平下的顯著性檢驗，這表明中國城市科技型人才集聚水平存在明顯的空間正向相關性。

表1 科技型人才集聚的Moran’s I指數

為了直觀反映城市科技型人才集聚的空間分異，依據2007—2017年科技型人才集聚水平均值的45%、85%和125%作為分界點[11]，將其劃分為低集聚 (<0.45)、中低集聚 (0.45～0.85)、中高集聚 (0.85～1.25)與高集聚 (>1.25)4種類型，并運用Arcgis10.2軟件進行可視化。

總體上，中國各城市科技型人才空間集聚不均衡特征明顯，高集聚水平城市空間上呈 “點狀”分布特征。2007—2017年北京、西安、深圳、上海等一線城市始終在科技型人才集聚排序中位于前列，而低集聚與中低集聚水平城市占據絕大多數，特別是中西部地區多數城市屬于科技型人才低集聚類型，具體分析如下：①高集聚類型，包括北京、深圳、上海、杭州、廣州及西安等省會城市或局域范圍內中心城市，其在地理區位、經濟基礎等方面優勢特征較為明顯；與2007年相比，2017年科技型人才高集聚水平城市數量有所增加，且北京、深圳、上海、廣州、西安、杭州、南京等城市科技型人才呈穩定集聚發展態勢，始終保持領先地位。顯然，這些城市構成了中國科技創新集聚的增長極，具有較強的示范效應和擴散效應。②中高集聚類型，包括包頭、大連、哈爾濱、青島、鄭州、長沙和宜春等，科技型人才初具集聚規模，提升空間較大；但這類城市空間分布較為分散，且其輻射帶動周圍城市的能力較為有限。③中低集聚類型，2007年屬于中低集聚水平的城市主要集中在東北地區及西北部大部分地區，也有部分散落在中部地區；2017年該類城市表現出一定的時空慣性，地理分布范圍沒有發生較大變化，且屬于該類型的城市由2007年的49個增加到2017年的75個。④低集聚類型，這類城市目前占絕大多數，且中西部地區大部分城市屬于此類型，但總體上相比于2007年，2017年該類型城市數量有所減少。

2.2 科技型人才集聚的局域特征與變遷路徑分析

為了揭示近10年城市科技型人才集聚的局部核密度特征與變遷路徑，本文基于核密度分析并借助標準差橢圓方法，對其核密度特征與變遷軌跡進行可視化分析(核密度圖與標準差橢圓分布圖省略)。

總體上，科技型人才核密度分布呈現出 “東熱西冷”空間特征，高密度 “熱點”城市主要集中在京津冀、長三角和珠三角城市群范圍內。具體地，2007年京津冀與珠三角城市群城市為科技型人才集聚的高密度地區，該城市群內北京、深圳及廣州等核心城市科技型人才集聚水平遠高于周邊城市，呈現局域范圍 “高—高”集聚特征，表現出較強的集聚效應；2017年除了京津冀與珠三角城市群外，長三角城市群科技型人才集聚密度顯著提升，由以上海為核心的 “單核心”集聚格局，2017年逐漸演化形成以上海、杭州及南京等為核心的局域 “多核”格局。此外，以西安、蘭州為主的蘭西城市群以及成都、重慶為主的成渝城市群等科技型人才集聚核密度也明顯提升。2017年以西安為核心的蘭西城市群以及以成都、重慶等為核心的成渝城市群科技型人才集聚態勢凸顯，相比于周邊城市具有相對較高的科技型人才集聚密度；但這類城市分布比較分散且多被低集聚水平城市包圍，從而空間上形成了中間高、周圍低的分化格局。

結合標準差橢圓覆蓋范圍，整體呈現出以 “北京—天津—鄭州—長沙—深圳—廣州”等為主軸，以 “西安—鄭州—南京—上?！钡葹檩o軸的空間分布特征，北京、天津、上海、南京、杭州、西安、成都、太原等科技型人才高集聚城市均位于標準差橢圓圈內；從2007—2017年間標準差橢圓的變遷軌跡看，整體呈現 “東北—西南”格局。2007年科技型人才分布的平均中心位于河南省漯河市的北部；2010年科技型人才集聚的標準差橢圓分布向東南方向移動，平均中心移動到河南省周口市；2014年科技型人才集聚的標準差橢圓分布再次向東南方向移動，平均中心由河南省周口市移動到河南省駐馬店市；2017年則整體向西南方向移動，平均中心也略微朝西南方向移動，由2014年的駐馬店市北部逐步移動到駐馬店市中部，表明在近十年的變遷過程中，中國西南部城市科技型人才集聚水平有所提高。

3 科技型人才集聚的趨同演化規律分析

為了刻畫城市科技型人才集聚的演化規律，這里根據馬爾可夫方法的實現原理，模擬得出了2007—2017年科技型人才4種類型間趨同演化的轉移概率矩陣與條件轉移概率矩陣，以揭示其趨同演化規律。

3.1 不考慮鄰域背景下科技型人才集聚的趨同演化規律

就全國整體而言，從2007—2017年4種類型發生的累計頻次看，低集聚、中低集聚、中高集聚和高集聚類型城市累計數依次為910、1076、349、505，表明研究期內大部分城市仍屬于科技型人才低集聚與中低集聚類型，僅少數城市跨入了高集聚水平行列，見表2。具體演化特征為：①各城市科技型人才集聚的趨同演化呈現明顯的路徑依賴特征。所有位于主對角線上的概率值均大于非主對角線上的概率值，以科技型人才低集聚與高集聚兩類為例，初期為低集聚類型的城市在下一年仍屬于該類型的概率為0.895，而向中低集聚及以上類型轉變的概率僅為0.105；初期屬于高集聚類型的城市在下一年保持原類型的概率為0.903，而向中高集聚及以下類型轉移的概率僅為0.097。②不同集聚水平類型間存在相互轉化的可能，但短時期內低集聚、中低集聚類型等城市均很難實現跨越式躍遷。科技型人才低集聚城市向中低集聚、中高集聚與高集聚類型轉變的概率依次為0.093、0.009和0.003，表明低集聚類型實現跨越式躍遷的概率極低；同理，中低集聚類型城市向中高集聚與高集聚類型趨同轉變的概率為0.051與0.016。這反映了城市科技型人才低集聚與中低集聚類型在短期內不可能實現躍遷，可能原因在于，地區科技型人才集聚水平提升是循序漸進的，低集聚水平城市配套產業、創新基礎設施等不完善，尚未形成有利于科技型人才集聚的長效機制。

表2 2007—2017年科技型人才集聚的馬爾可夫轉移概率矩陣

就區域差異而言，表現在兩個方面：①東部與中西部地區科技型人才集聚均存在一定的趨同特征，特別是對于高集聚和低集聚類型城市而言，東部地區科技型人才趨同演化的轉移概率明顯高于中西部地區，這表明東部地區城市科技型人才集聚存在明顯的強者愈強、弱者愈弱的 “馬太效應”現象，高集聚水平城市依靠長期的優勢積累可通過虹吸效應吸引更多科技型人才集聚，而低集聚水平城市則易陷入人才匱乏的陷阱。②低集聚水平和中低集聚水平城市都有一定的向上轉移可能性，相比于東部地區，中西部城市科技型人才向上轉移概率較高，如中西部地區初期處于低集聚水平的城市第二年向上轉移為中低集聚水平的概率為12.22%，而東部地區低集聚水平城市向上轉移的概率為5.1%。

3.2 考慮鄰域背景影響下科技型人才集聚的趨同演化規律

就全國整體而言，科技型人才集聚趨同演化規律表現在兩個方面：①鄰域科技型人才集聚水平越高，越有利于該類城市向更高集聚類型趨同轉變。對低集聚類型城市而言，在低集聚、中低集聚、中高集聚和高集聚水平鄰域背景下，向中低集聚類型趨同轉變的概率依次為0.029、0.081、0.129和0.153，且整體而言低集聚水平城市在不同鄰域背景下向上一級趨同轉變的概率偏低。②城市科技型人才集聚類型向上或向下轉移的概率與該城市和鄰域城市創新人才集聚類型間的差異程度不成比例。如對低集聚水平城市，若與中低集聚類型城市為鄰域，向上轉移的概率比與低集聚類型城市為鄰域時增加5.2%，但以中高集聚類型城市為鄰域時，其向上轉移的概率比與中低集聚類型為鄰域時增加4.76%。

就區域差異而言，在不同鄰域背景下，東部和中西部地區不同集聚水平城市向上或向下轉移的概率存在明顯差異。對于高集聚類型和低集聚類型城市而言，無論在何種空間滯后條件下，東部地區維持原有狀態的趨同演化概率均明顯高于中西部地區。另外，不能忽視的是處于中高集聚水平和高集聚水平的城市存在向下轉移的可能，特別對于中西部地區，在高集聚水平城市為空間滯后條件下，其高集聚類型向下轉移的概率為12%，而東部地區僅為4.4%，表明中西部地區科技型人才集聚力不足、人才流失的概率較大，可能與中西部地區經濟發展水平較低、創新基礎設施不完善等影響人才發展空間有關，見表3。

表3 2007—2017年科技型人才集聚的空間馬爾可夫轉移概率矩陣

4 城市科技型人才集聚的影響因素分析

基于前文分析，本文進一步探討導致城市科技型人才集聚的因素。通過梳理，將影響科技型人才集聚的因素歸納為4種類型。

(1)經濟發展因素。經濟發展水平較高的城市一般在城市競爭力、產業結構方面具有比較優勢，如高新技術產業、現代服務業等競爭力較強，有利于為科技人才提供更好的就業契機與發展平臺[14]。另外，經濟發展水平高的城市一般當地的收入水平也較高，可為科技人才生活條件改善及實現自我價值需求提供物質保障，進而吸引科技型人才集聚[20]。因此，本文從城市發展水平、產業結構和工資水平3個方面進行衡量。

(2)創新環境因素。良好的創新環境有利于科技人才研發活動的開展和潛能發揮[14]，創新能力、科技教育經費投入等是反映城市創新環境的重要方面，創新能力較高的城市一般具有較強的研發效率將知識等要素轉化為新產品、新技術等，而科研活動開展、科技基礎設施建設等離不開資金支撐，政府科教投入及補貼能為科技人才創造較為豐厚福利待遇和創新激勵[21]；同時，城市外商投資活躍度也是創新環境的重要體現，外商投資可引進國外先進管理經驗、技術等并激發其創新積極性，進而有利于吸引科技人才集聚。因此，本文從城市創新能力、政府科學及教育支持和外商投資水平3個方面進行衡量。

(3)宜居環境因素。宜居城市一般具有良好的居住空間環境、自然生態環境和清潔高效的生產環境，適宜的氣溫條件、清晰的城市平面、寬廣的林蔭道系統等，能為各類人才提供舒適、方便、有序的物質生活基礎，進而吸引科技人才集聚。因此，本文從城市園林綠化與城市環境質量兩個方面進行衡量。

(4)公共服務因素。城市公共服務水平 (如交通狀況、市政設施等)直接影響著各類人才在該地區生活的舒適度和便利性[6]，較高的生活便利度可以改善居民的生活質量，對科技人才具有較強的吸引力。同時，大數據、云計算、移動互聯網等數字經濟發展重塑了要素的配置形式，城市網絡基礎設施的不斷完善能降低信息交易成本等進而促進創新集聚。因此，本文從城市交通設施與互聯網設施建設兩個方面進行衡量。

基于此，本文構建如下實證模型檢驗各類影響因素對城市科技型人才集聚的影響：

aggit=β0+β1cityit+β2indusit+β3wageit+β4innovit+β5govit+β6fidit+β7greenit+β8envirit+β9infurit+β10interit+μi+vt+εit

其中，aggit為被解釋變量，表示城市科技型人才集聚水平；解釋變量包括影響科技型人才集聚的各類因素，測度指標見表4，數據主要來源于《中國城市統計年鑒》 (2008—2018)；β0為常數項，βi為各變量估計系數，i代表不同城市，t代表樣本年度，εit為隨機干擾項。

表4 科技型人才集聚的影響因素指標體系

基于回歸模型，估計結果見表5。從全樣本估計結果知，經濟因素中城市化水平對科技型人才集聚有顯著促進作用，而產業結構、收入水平的影響未通過顯著性檢驗，表明目前后兩者對科技型人才集聚的影響不明顯；創新環境因素中城市創新能力及科學教育支持對科技型人才集聚的影響均不顯著，外商投資為顯著負向影響，表明目前創新環境因素是影響大部分城市科技型人才集聚的短板因素，科學教育支持等投入不足難以有效支撐城市科技人才集聚；宜居環境因素中城市園林綠化與環境質量的影響均不顯著，表明總體上城市園林綠化及環境質量等宜居環境仍有待改善，以有效促進科技型人才集聚；公共服務因素中城市交通設施對科技人才集聚促進作用明顯，而互聯網基礎設施的影響顯著為負，表明應該改善城市網絡基礎設施以促進科技型人才集聚。

表5 OLS模型回歸結果

結合表5的 (2)～ (4)列可知，不同地理區位城市科技型人才集聚的影響因素差異明顯。對東部城市，城市化水平、產業結構與收入水平等經濟因素對科技型人才集聚的影響均顯著為正；創新環境因素中外商投資的影響顯著為負，另兩類因素影響不顯著；宜居環境因素中城市園林綠化的影響顯著為正，而城市環境質量的影響不顯著；公共服務因素中城市交通設施影響顯著為正，互聯網設施的影響顯著為負。對中部城市，經濟因素中僅城市化水平對科技型人才集聚的影響顯著為正，產業結構與收入水平的影響不顯著；宜居環境因素中城市園林綠化與環境質量均顯著為負；公共服務類因素的影響未通過顯著性檢驗。對于西部城市，整體上經濟因素、創新環境因素、宜居環境因素與公共服務因素均影響不顯著。綜上可知，東部城市經濟發展水平較高、公共基礎設施相對完善，而創新環境與宜居環境因素提升對促進東部城市科技型人才集聚更為重要；中西部城市經濟發展較為落后，配套產業發展不完善、整體收入水平較低，因此，提升經濟類因素是促進這類城市科技型人才集聚的關鍵。

同理可知，不同經濟發展水平城市科技型人才集聚的影響因素差異明顯。就經濟因素而言，一、二線城市城市化水平、產業結構與收入水平均對科技型人才集聚的影響顯著為正；三線城市城市化水平的影響顯著為正，產業結構的影響顯著為負；三線及以下城市僅城市化水平的影響顯著為正，表明產業結構是制約三線及以下城市科技人才集聚的重要因素。就創新環境因素而言，無論是一、二線城市還是線及以下城市，城市創新能力、科學教育支持等對科技型人才集聚的影響均為負或不顯著，表明創新環境因素是制約各城市科技人才集聚的重要因素。就宜居環境因素而言，僅一、二線城市園林綠化與環境質量的影響顯著為正，而三線及以下城市的影響不顯著或為負。就公共服務因素而言，僅三線及以上城市交通基礎設施影響顯著為正。綜上可知，一、二線城市經濟因素與宜居環境因素良好，對科技型人才集聚促進作用明顯，但創新環境因素與公共服務因素仍有待完善；三線以下城市在經濟實力、基礎設施等方面均存在不足，導致其科技型人才集聚水平整體偏低。

5 結論與討論

本文基于2007—2017年中國地級市數據，揭示了城市科技型人才集聚的空間特征、演化規律及影響因素，對優化科技人才配置及各城市深入推進創新驅動發展戰略實施有重要啟示。主要結論有：第一，高集聚水平城市空間上呈現 “點狀”分布，且多集中于省會城市或區域中心城市，高密度 “熱點”城市分布在京津冀、長三角和珠三角城市群范圍內。第二，各城市科技型人才集聚受到原有狀態影響，呈現增長慣性與路徑依賴；不同鄰域背景下，城市科技型人才集聚向上或向下轉移的概率差異明顯，鄰域科技型人才集聚水平越高，越有利于該類城市向更高集聚類型趨同轉變。第三，總體上，經濟因素與公共服務因素對城市科技型人才集聚促進作用明顯，創新環境與宜居環境因素對科技型人才集聚的影響不顯著；不同地理區位與不同經濟發展水平城市影響因素存在差異，東部和中部城市及一、二線城市經濟因素與公共服務因素對科技型人才集聚促進作用明顯。

綜上，目前中國各城市科技型人才空間非均衡特征明顯，值得關注的是科技型人才集聚可促進城市創新發展，但也可能拉大城市創新發展差距，進而導致區域創新極化，因此，各城市應采取一定政策措施優化科技型人才空間配置。一是協調中心城市與周邊城市科技型人才空間布局，省會城市、城市群等科技型人才集聚高地需強化創新的空間溢出效應，通過 “柔性”政策與外圍區共享創新人才，如采取人才派遣、客座教授、校企合作等柔性方式，輻射帶動周邊城市創新發展，逐步形成中心城市引領帶動、區域間密切配合的協同發展格局。二是科技型人才短缺的城市也可積極探索 “反向飛地”育才模式，加強同國內技術發達省市及國外創新機構的人才交流合作，通過跨地區合作實現人才需求與供給有效對接。三是各城市要關注硬環境與軟環境建設，積極營造有利于科技型人才集聚的優良環境，如東部城市及其他經濟發展水平較高的城市可通過強化創新創業載體、創客空間建設等優化創新環境，營造包容創新的氛圍以吸引、匯集科技型人才；同時，各城市也要解決好教育、交通網絡等公共服務，以及營造空氣清新、環境優美的宜居城市環境等吸引科技型人才匯聚。