創新型城市試點政策提升了科技人才集聚水平嗎
——來自240個地級市的準自然實驗

張 揚

(復旦大學 國際關系與公共事務學院，上海 200433)

0 引言

創新是引領發展的第一動力，是建設現代化經濟體系的戰略支撐。十八大報告指出，科技創新是提高社會生產力和綜合國力的戰略支撐，必須擺在國家發展全局的核心位置。城市既是經濟、文化以及各類創新要素的集合體，也承擔著推動創新發展的使命，同時受益于科學技術進步與創新環境改善。自2008年以來，我國先后批復深圳、北京、上海等78個創新型城市試點。新時代科技浪潮中，創新型城市試點作為一項推進國家創新能力提升、探索城市發展模式的政策，在創新體系建設中顯示出其獨特的功能及影響力。既有研究對創新型城市試點進行探討，部分學者分析創新型城市試點政策對城市創新水平或創新能力方面的影響，也有學者從影響機制入手，剖析其對創新績效的作用機制[1]。整體而言，創新型城市試點政策效應評估研究有待深入。

科技人才集聚既是入選創新型城市試點的關鍵指標，也是區域創新進步的重要追求。近年來，城市人才“爭奪”愈加激烈，凸顯出科技人才對于城市發展的重要性。在中美貿易摩擦背景下，我國整體科技創新水平亟待提升，由此進一步促進各地出臺科技人才扶持與吸引政策。例如，2016年科技部印發建設創新型城市工作指引；2019年，國家財政科學技術支出突破1萬億元；2020年，上海有條件放開高校畢業生落戶政策等。創新型城市試點是構建國家發展創新體系、培育創新動能的重要戰略政策，對其溢出效應尤其是科技創新人才集聚效應進行研究具有現實意義，可為合理擴大政策試點提供思路。

新時代背景下，創新型城市試點能否提升城市科技人才集聚水平？其效應差異與作用機制如何體現？如何結合試點政策與其它人才政策吸引科技人才集聚？上述問題對于優化試點政策、提升城市人才競爭力及國家整體科技創新水平具有重要意義。本文基于全國240個城市數據，通過實證分析回答以上問題，以期為優化科技人才吸引體系提出政策啟示與建議。

1 文獻綜述與機制假設

政府行為與城市發展緊密相連，但對于究竟是帶來“成本”還是“收益”存在一定爭議。一種觀點認為，政府行為將對經濟發展產生影響，不服從市場規則的政府行為可能導致資源錯配[2]。政府實施的不可持續政策是危及城市目標、帶來脆弱性的重要因素[3]；另一種觀點認為，政府政策創新能夠有效降低城市發展成本[4]。交易成本理論認為，合理的制度安排能降低互動中的交易成本并促進城市發展，即有效的政府行為能夠通過自上而下的政策等影響城市要素，進而形成溢出效應。

1.1 創新型城市試點與人才集聚水平

政策試點是我國政策制定過程中頗具特色的模式，自創新型城市試點開展以來，學界進行了大量研究。從實踐來看，2008年深圳成為我國首個創新型城市試點，2010年國家科技部印發《關于進一步推進創新型城市試點工作的指導意見》并提出相關評價指標，為試點篩選與評估提供標準和參考。截至2018年，共78個城市進入創新型城市試點行列。學界對于創新型城市的研究視角可分為理論—內涵、模式—經驗以及指標—評估3個角度。理論—內涵方面，有學者認為，創新型城市是一種以創新為主導戰略的城市發展模式，需通過完善創新系統驅動城市發展[5]。技術創新與制度創新是創新型城市研究的兩種理論脈絡，而創新型城市研究是國家創新及區域創新層面的繼承與延伸[6]。模式—經驗方面，聚焦于國內與國際比較案例分析，歸納主導產業、政府驅動及政策目標等視角下創新型城市模式，并提出創新型城市建設要素組合與側重點[7]。指標—評估方面，雖未形成一致觀點，但多數學者借鑒國外指標并結合國內實際，通過量化分析路徑探討創新型城市評價指標構建。其中，以創新能力、創新資源、創新過程等維度為切入點，對照國內典型城市案例進行分析，有學者在研究中構建了較為完善的城市創新水平評估指標[8]。

創新型城市試點是中國政府創新治理實踐模式。通過影響城市制度供給、資金支持、文化建設、基礎資源等方面，創新型城市試點可以為城市治理與建設創造條件[9]。目前，現有創新型城市試點政策效應研究大多集中于創新結果，如創新績效、創新能力、創新水平[10-11]，較少涉及創新型城市試點政策對人才集聚水平的影響。無論是國家之間還是特定地區或城市之間，人才在地理上的分布都是不均衡的，而城市在吸引、動員和組織經濟活動的人力資本方面具有重要作用[12]。在科技人才流動與分布影響因素的研究中，有學者注意到創新型城市與區域內創新主體的關聯，如創新型城市將吸引創新人才作為重要目標，而實際上創新型城市的確具備這一能力[13]。同時，創新型城市以各種政策吸引人才，作為一種城市品牌，其本身具有的創新潛質是吸引人才集聚的重要因素[14]。基于此，本文提出以下假設：

H1：創新型城市試點對城市科技人才集聚水平提升具有正向作用。

1.2 政策效應異質性

政策預期與政策實際效果之間的差異難以避免，在時間序列上，政策效應存在波動的可能性。既有研究提出政策遞減效應，即政策從制定、執行到最終落實的周期中存在走樣、變通等問題，導致政策效力逐漸減弱[15]。因此，政策評估不僅應關注短期效應，更需關注長期效應[16]。創新型城市試點政策效果受多重因素影響。理論上，試點政策的確立能夠有效激勵當地政府部門出臺相應辦法，這種先行效應能夠有效區分試點城市與非試點城市的人才集聚水平。在現實背景下，隨時間推移，經濟發展與人口結構變化等使得非試點城市也意識到人才對于城市創新發展的關鍵作用，人才政策對創新型城市試點的人才集聚效應產生擠出作用。由此，本文提出以下假設：

H2：創新型城市試點對城市科技人才集聚水平的提升效益呈現時間異質性。

創新型城市政策影響試點城市各類要素及不同領域發展水平。例如，創新型城市建設政策既能通過強化試點城市企業創新能力推動產業結構升級[17]，也能通過提升企業集聚度積極促進轄區內企業創新活動[18]。更重要的是，創新型城市對區域經濟增長具有溢出效應[19-20]。經濟視角下，人才集聚受區域經濟發展水平的影響，地區經濟發展水平可通過影響人們的預期收入引導科技人才流動，以此增強區域科技型人才吸引力, 形成科技型人才聚集高地[21]。制度視角下，政府通過政策引導、制度供給，調控科技人才流向、流速，完善人才聚集制度環境[22]。創新型城市在財政稅收方面向創新傾斜，在政策上給予科技人才更大的鼓勵與支持，推動科技創新，進而吸引人才集聚。

創新型城市試點影響科技人才集聚水平的路徑體現為人力資本水平與產業結構水平。高等院校既是推進協同創新的重要力量[23]，也是影響國家或地區人才分布的最重要因素[24]。創新型城市需要創新型大學提供人才載體及智力供給，形成知識、科技、人才支撐。充裕的高等教育人才不僅是城市科技人才的儲備力量，也是反映區域教育水平的重要因素。高校、產業結構變化、調整與科技人才培養結構密切相關[25]。因此，本文提出以下假設：

H3：創新型城市試點通過經濟社會環境影響科技人才集聚水平。

H3a：創新型城市試點通過作用于人力資本水平影響科技人才集聚水平；

H3b：創新型城市試點通過作用于產業結構水平影響科技人才集聚水平。

圖1 創新型城市試點與科技人才集聚水平作用機制

2 研究設計

2.1 研究方法與模型設定

(1)基準模型。以往研究大多使用截面數據或線性回歸方法，難以避免內生性問題。本文借鑒實驗研究思路，將創新型城市試點視為一項準自然實驗，即以試點城市作為實驗組，以非試點城市作為對照組。在現實中，試點并不集中在同一年份出現，即研究對象是否接受政策干預在時間上存在差異性。因此，為得到該項政策的凈效應，利用連續雙重差分方法對數據進行分析。為減少樣本選擇偏差，選擇適當的協變量并通過傾向值匹配方法對實驗組城市與對照組城市進行匹配，由此對連續雙重差分結果進行再檢驗，本文基準模型如下：

aggit=α0+β1period_treatit+Controlsit+μit+λit+εit

(1)

其中，i表示城市，t表示年份，aggit代表城市科技人才集聚水平，period_treat代表獲批創新城市試點的虛擬變量，城市在成為試點后取值1，其余年份為0，Controls代表一系列控制變量，μ和λ分別為城市固定效應及年份固定效應，ε為隨機誤差。

(2)平行趨勢模型。使用雙重差分方法的前提是兩個組別在趨勢上具有可比性，即在試點之前，實驗組城市與對照組城市的科技人才集聚水平存在共同發展趨勢，由此將對照組的表現作為實驗組的反事實進行比較。因此，參考Beck (2010)和曾婧婧(2020)的研究成果，設定以下平行趨勢檢驗模型：

aggit=α0+β1period_treati,t-4+β2period_treati,t-3+…+β10periodtreati,t+6+Controlsit+μit+λit+εit

(2)

式中，period_treat依舊作為虛擬變量，本文選取試點前4年及試點后6年進行檢驗，t-4為試點前4年，以此類推，t+6為試點后6年。根據平行趨勢檢驗原理，本文基于估計系數β得到試點前后科技人才集聚水平的平行趨勢，如果試點前其趨勢具有共同性，則說明兩個組別間具有反事實關系，可進行雙重差分。

(3)傾向得分匹配模型。實證研究中，容易出現因混淆變量存在而導致樣本選擇偏差的情況。本文采取兩個組別間的可比較性檢驗，在保證可比性的基礎上，使用雙重差分方法使結果更具穩健性。學界大多以匹配方法處理準自然實驗中的可比性問題，例如傾向值匹配(PSM)。傾向值匹配的基本邏輯是選取匹配變量，據此將受自變量影響的個體與未受影響的個體進行配對，保證匹配后個體的傾向值相等或者近似[26]。本文中，成為創新型城市試點的傾向得分模型如下：

P=Pr{period_treat=1}={φXit}

(3)

其中，Xit表示第i個城市第t年的匹配變量，匹配變量即為成為創新型城市試點的影響因素,{φXit}為其線性函數。由傾向得分計算可為試點城市尋找到更為匹配的非試點城市樣本，此后繼續采用連續雙重差分方法進行估計，從而降低樣本選擇偏誤。

2.2 數據來源與變量描述

(1)數據來源。我國創新型城市試點始于2008年，后陸續設立多批創新型城市試點。考慮到政策效應短期內未形成，故僅對前5批試點城市進行研究。具體試點城市選取標準如下：前5批入選創新型城市試點；2003—2018年未發生重大行政區劃、級別等城市特征變化；相關變量數據可在EPS數據庫、《中國城市統計年鑒》以及政府網站上收集。由此，將59個試點城市納入實驗組，將181個非試點城市納入對照組。本文對數據進行以下處理：首先，將16年截面數據合并為多期面板數據；其次，根據研究使用的解釋變量、被解釋變量及控制變量，保留16年間均出現的城市及其數據，剔除不完整年份的城市數據；最后，使用線性插值法對被保留城市數據的缺失值進行估計與補充。由此，得到16年間240個城市面板數據。

(2)變量描述。被解釋變量為城市科技人才集聚水平。既有研究對于科技人才集聚水平的衡量標準如下：其一，與學歷水平掛鉤，有學者將就業人員中本科及以上學歷人員所占比例定義為科技人才含量，以此作為衡量科技人才集聚水平的代表性指標[27]；其二，基于區位熵理論，以地區科技人才集聚程度與全國科技人才水平之比衡量整體集聚水平[28]；其三，直接以區域內科技人才占人口總數的比重表示對科技人才的吸引程度[29]。本文選取城市中科學技術從業人員與地區總人口數之比作為科技人才集聚水平衡量指標。

解釋變量是成為創新型城市試點與否的分組虛擬變量(treatit)、時間虛擬變量(periodit)以及二者交互項(period_treat)。在分組虛擬變量中，對成為創新型城市試點的城市統一賦值為1，其余為0。由于出現多批次不同年份設立創新型城市試點的情況，因而在時間虛擬變量中，對城市成為試點當年及之后的年份賦值為1，其余為0。交互項表示某城市在組別及時間上是否成為創新型城市試點，同樣可區分為0-1變量，以此作為本文主要解釋變量。

控制變量為人均國內生產總值、人均科技財政支出、人均教育財政支出、固定投資水平及對外開放水平。Golicic等[30]認為，地區經濟發展水平是創新型人才集聚的主要影響因素。還有學者認為，公共服務水平、開放性與包容性顯著影響人才區域流動和集聚[31]。政府財政投入對于人才集聚的表征為政策環境優劣，同時教育水平對人才集聚也具有一定影響[32]。人均財政支出體現了城市政府對科技創新與人才教育的重視程度，對外開放水平則說明一個城市的包容程度。

表1為各變量及指標描述性統計分析結果。本文共計3 840個樣本量，就科技人才集聚水平而言，最大值與最小值相差極大，說明不同城市間科技人才吸引力與科技人才擁有量具有明顯的不平衡性，探究創新型城市試點政策是否是其中的原因為本文主要研究目的。在創新型城市試點這一虛擬變量上，試點城市年份占比為11%，因而可從非試點城市中選取具有可比性的樣本進行匹配，并估計組間科技人才集聚水平差異性，進一步檢驗結果的穩健性。就其余控制變量而言，標準差較大說明離散程度較高，城市間水平差異較大。

表1 變量描述性統計結果

3 實證結果分析

3.1 連續雙重差分模型適用性檢驗

使用連續雙重差分方法的重要前提為研究對象在政策發生前具有變化趨勢的一致性，即在創新型城市試點設立前，各城市之間的科技人才集聚水平發展趨勢是一致的。因此，本文首先基于模型(2)進行平行趨勢檢驗以驗證連續雙重差分方法的適用性。

在檢驗過程中，選取創新型城市試點設立發生的前4年(以y_j表示)及后6年(以yj表示)作為考察周期。由于試點設立時間存在差異，城市之間考察周期也不同，為避免多重共線性問題，本研究對回歸模型進行如下處理：使用縮尾處理解決樣本稀疏問題；將基期即試點城市設立當年數據剔除。表2為估計系數，創新型城市試點設立前4年，估計系數在統計上均不顯著，說明包括實驗組和對照組在內的城市間科技人才集聚水平發展趨勢不存在顯著差異，即滿足共同趨勢條件。圖2再次驗證其共同趨勢假設，因而可使用連續雙重差分方法對創新型城市試點政策與城市科技人才集聚水平關系進行估計。

表2 平行趨勢檢驗回歸結果

圖2 創新型城市試點前4年及后6年平行趨勢檢驗

3.2 基準模型回歸

平行趨勢檢驗成立后，本文利用基準回歸模型對創新型城市試點政策效應進行估計，將城市固定效應與時間固定效應納入模型(1)和模型(2)。模型(1)僅對創新型城市試點中分組變量及時間變量的交互項與科技人才集聚水平進行計算，創新型城市試點這一虛擬變量在0.01的水平上顯著且系數為正，說明試點設立對科技人才集聚水平具有顯著提升作用，這一政策效應為16.2%。模型(2)納入控制變量，為了使數據量級差距縮小，取對數進行計算。其中，創新型城市試點政策變量在0.01的水平上仍顯著為正，政策效應為15.5%，說明與非創新型城市試點相比，創新型城市試點更有效地提升了城市科技人才集聚水平。因此，H1得到驗證。

3.3 時間異質性檢驗

在創新型城市試點時間效應檢驗中，本文考察政策沖擊后8年的結果，圖3為科技人才集聚水平效應在置信區間為1%的情況下隨時間變化的趨勢。創新型城市試點設立后對科技人才集聚水平產生了提升作用，相比之下，前3年增長較為快速，第4～6年增長較為平緩。第6年后，創新型城市試點政策效應有較大提升。一方面，由此驗證創新型城市試點這一政策對于城市科技人才集聚水平的效應在時間上存在異質性，但整體呈波動上升的過程。政策后期，政策效應態勢與各城市人才吸引政策存在潛在相關關系。另一方面，近年來，城市間人才爭奪更激烈，各地密集出臺城市人才引進政策，吸引各類科技人才涌入并推動城市科技創新[33]。由此，影響科技人才流動與區域選擇傾向強度，H2得到驗證。

表3 基準回歸模型

圖3 創新型城市試點時間效應

3.4 穩健性檢驗

(1)更換被解釋變量。在上述基準回歸模型中使用的被解釋變量為城市科技人才數量與城市總人口數量之比，進一步地，本文將城市科技人才數量作為替代變量再次進行基準回歸模型估計。二者間的區別在于前者考慮城市規模，后者直接衡量城市科技人才集聚水平。表4為替換被解釋變量后的回歸結果，模型(1)控制了城市固定效應及時間固定效應，但未納入影響城市科技人才數量的控制變量，回歸系數在0.01的水平上顯著為正，說明創新型城市試點對科技人才集聚水平產生了1.59個單位的溢出效應。模型(2)考慮了城市固定效應、時間固定效應及所選取的一系列控制變量，結果顯示，回歸系數雖有所下降但仍在0.01的水平上顯著且正相關。因此，在更替被解釋變量且控制雙向固定效應及控制變量后，估計結果說明創新型城市試點仍能顯著提升1.56個單位的城市科技人才集聚水平。

表4 替換被解釋變量后的基準回歸模型檢驗結果

(2)PSM-DID檢驗。描述性統計分析發現，試點城市與非試點城市之比約為1∶9，因此，可對實驗組及對照組城市作進一步匹配以縮小組間差異，從而降低樣本選擇偏差對結果的影響。本文使用傾向得分匹配方法，并按照1∶1 最鄰近匹配有放回抽樣對創新型城市試點與非試點城市進行逐年匹配。在此過程中，匹配變量是成為創新型城市試點的影響因素。根據科技部發布的《建設創新型城市工作指引》，選取較具代表性、可進行量化分析的指標作為匹配變量，分別是人均生產總值、規模以上工業企業數量、對外開放水平、人均科技財政支出以及人均教育財政支出等。其中，規模以上工業企業數量能夠有效衡量城市產業水平，外商直接投資是城市創新要素集聚的標志之一。

在選取合適的匹配變量后，本文對匹配效果進行檢驗，即對試點城市與非試點城市在匹配前后進行T檢驗，表5為T檢驗結果。匹配前，創新型城市試點與非試點均在0.05的置信水平下差異顯著，說明兩個組別之間的匹配變量差異較大，有可能產生統計上的樣本選擇偏差。匹配后，相較于匹配前，各匹配變量的T值顯著性有所下降，且非試點城市變量均值有所上升，與試點城市之間差距縮小，說明匹配方法有效縮小了試點城市與非試點城市之間的選擇偏差。

表5 匹配前后實驗組與控制組T檢驗結果

基于新樣本再次進行多期雙重差分回歸估計，表6為PSM-DID模型估計結果。模型(1)控制了城市固定效應與時間固定效應但未納入控制變量，回歸系數在0.01的置信區間下顯著為正，說明創新型城市試點政策提升了試點城市0.1%的科技人才集聚水平。模型(2)納入雙向固定效應與控制變量，估計結果在0.05的水平上顯著，同時該模型可解釋整體的30.8%。因此，創新型城市試點對城市科技人才集聚水平具有促進作用，獲批成為創新型城市試點的城市，其科技人才集聚水平比未獲批城市高0.087%。

表6 PSMDID模型檢驗結果

(3)安慰劑檢驗。本文從如下3個方面進行安慰劑檢驗：剔除部分樣本、更改樣本周期、增加潛在控制變量。

首先，原有樣本中，試點城市包含全國大部分省會城市以及直轄市，由此可能產生因城市自身實力、環境及其它方面條件導致的人才吸引效應，從而削弱創新型城市試點政策帶來的科技人才集聚效應。因此，將省會城市及直轄市樣本刪除并對結果進行估計。表7中的模型(1)和模型(2)分別表示剔除部分樣本后未納入控制變量與納入控制變量的估計結果，二者均在0.01的水平下顯著為正，驗證了創新型城市試點對于城市科技人才集聚水平的正向作用。

表7 安慰劑檢驗結果

其次，將考察周期縮短為2006—2014年。模型(3)與模型(4)為相應的多期雙重差分估計結果，無論是否納入控制變量，回歸系數均顯著為正且無數值差異，說明在更改樣本考察周期后，創新型城市試點仍能促進試點城市科技人才集聚水平顯著提升。

最后，考慮到城市內規模以上工業企業可能傾向于采取創新行為，對于科技人才需求較大，具有較強的人才吸引效應，故將這一變量納入控制變量進行估計。模型(5)和模型(7)的估計結果與前述實證分析結果一致，試點政策這一虛擬變量回歸系數在1%的置信區間內顯著為正，且納入控制變量后的模型能夠解釋整體的29.2%，具有較強解釋力，驗證了創新型城市試點對于城市科技人才集聚水平的正向溢出效應。

4 作用機制檢驗

一方面，創新型城市試點影響科技人才集聚水平的過程既存在制度性因素也存在經濟性因素，還改變著城市各類創新要素水平。人口環境中，人才集聚影響因素主要有3個方面，即人口規模、人口質量以及人口就業結構[34]。人口質量考察城市中的人力資本水平，創新型城市試點能夠促進教育財政支出增加、提升城市對高等教育的重視程度并促使當地高校擴大培養規模，而人力資本水平之所以能夠吸引人才集聚是因為該指標反映了區域教育水平，可成為科技人才潛在補充力量。人力資本水平越高意味著地區教育水平越高，考慮到長遠發展以及后代教育需求，科技人才可能產生更強的流動意愿。

另一方面，創新型城市試點設立能夠從財政補貼、政策激勵等渠道促進城市內產業結構水平提升，進而壯大包括高新技術產業在內的第二、三產業力量。科技人才集聚受就業機會的影響，城市第二、三產業越發達，意味著其對科學、技術、科研等方面的崗位需求就越大。同時，得益于城市政府的重視，在待遇、補助以及科技創新獎勵等方面也有相對優勢。因此，可以從人力資本水平與產業結構水平兩個途徑探討創新型城市試點對科技人才集聚水平的作用機制，前者以城市內高等學校在校學生數量占城市人口數量的比例表示，后者以第二及第三產業從業人員數量表示。

根據溫忠麟等[35]對中介效應的描述，本文采用依次檢驗回歸系數的方法進行檢驗，當同時滿足解釋變量顯著影響被解釋變量、解釋變量顯著影響中介變量，以及中介變量顯著影響被解釋變量時，可以認為存在不完全中介效應。表8中的模型(1)說明，創新型城市試點這一虛擬變量顯著影響科技人才集聚水平；模型(2)說明，創新型城市試點對城市人力資本水平具有正向作用且通過0.01的顯著性水平檢驗；模型(3)納入解釋變量、被解釋變量及中介變量，結果顯示，控制中介變量和控制變量后，創新型城市試點仍顯著影響科技人才集聚水平，其溢出效應為0.144%。

類似地，表8中的模型(4)、模型(5)及模型(6)依次檢驗創新型城市試點對科技人才集聚水平與產業結構水平的影響，以及產業結構水平對科技人才集聚水平的影響。結果顯示，產業結構水平在創新型城市試點與科技人才集聚水平間具有不完全中介效應，且對于整體的解釋力超過90%，驗證了產業結構水平這一變量在其中的作用機制。

表8 中介效應檢驗結果

5 結語

5.1 研究結論

創新是國家發展的強大驅動力，創新人才培養與科技人才隊伍建設是國家創新水平提升的重要環節，城市則為這一環節提供載體與環境。創新型城市試點作為推進區域創新的政策之一，承擔著發揮人才集聚效應的使命。在經濟轉型及人口結構變遷的現實背景下，多個城市已經意識到人才的作用并參與到人才“搶奪”中，加速人才在區域間流動。在全球科技浪潮涌動下，科技人才需求更為強烈。因此，揭示創新型城市試點對于城市科技人才集聚水平的政策效應，既有必要性，也具有現實意義。

本文基于2003—2018年240個城市數據進行實證分析，以創新型城市試點設立作為一項準自然實驗，通過連續雙重差分方法對試點城市與非試點城市的科技人才集聚水平效應進行逐年估計，并借助傾向值匹配及其它多種方法進行穩健性檢驗，以減少樣本選擇偏誤和內生性問題。研究發現，創新型城市試點政策能夠顯著提升試點城市科技人才集聚水平。但從時間上看，政策效應存在異質性，大致呈現波動提升趨勢，其原因與近年來多地出臺的人才政策有關。研究還發現，創新型城市試點政策通過影響城市人力資本水平與產業結構水平兩個中介變量作用于科技人才集聚水平。

5.2 啟示與展望

首先，創新型城市試點能夠有效提升城市科技人才集聚水平，進而推動城市創新發展。因此，應有序推進創新型城市試點設立。在中國政策擴散實踐中，“政策試驗”是最典型和普遍的擴散形式，即從試點到推廣的形式是總結經驗、避免彎路的有效手段[36]。目前，創新型城市試點已設立了6個批次，其成功經驗可為進一步擴大試點范圍提供參考。

其次，在時間上，創新型城市試點政策效果存在差異，體現出先試先行效應。因此，可對創新型城市試點政策進行優化與改進，并與當前各地人才政策相結合，加大科技創新人才優惠政策出臺力度。創新型城市試點范圍需進一步擴大，但不能僅依賴于創新型城市試點設立，各地方政府要提升人才資源重視程度，通過增加財政投入、優化就業環境等方式創新人才引進政策。

最后，創新型城市試點的影響機制是通過提升城市人力資本水平與產業結構水平發揮作用，因此，各地應在教育條件、產業結構等方面完善相關配套措施。一方面，優化教育文化環境，突出高校在城市科技人才集聚方面的作用，為人才集聚提供后備資源與集聚動力；另一方面，政府應意識到企業在城市創新發展過程中的前沿作用，優化營商環境，扶持第二、三產業發展，鼓勵企業加大創新研發力度與科技人才引進力度。

5.3 不足與展望

本研究存在以下不足之處：本文選取按照行業分組的科技從業人員作為科技人才指標進行分析，相比之下，R&D從業人員這一指標更能代表科技人才。限于現有條件，目前R&D數據僅能以省份而非地級市為單位獲得。此外，科技人才集聚水平受城市異質性影響，如城市所處地理區位、所屬行政級別以及城市自身規模等因素。因此，后續可針對城市異質性進一步探討創新型城市試點對于科技人才集聚水平的作用機制。