中國高層次科技人才省際流動復雜網絡特征研究

靳軍寶，曲建升，吳新年，鄭玉榮，白光祖

(1.中國科學院西北生態環境資源研究院，甘肅蘭州 730000；2.中國科學院大學經濟與管理學院，北京 100049；)

人才是各國和各地區爭奪的寶貴社會資源。在全球科技競爭日趨激烈的背景下，科技人才的各類型遷移流動日趨頻繁［1］。目前對科技人才流動研究主要集中在科技人才流動特征研究、流動原因及影響因素分析、科技人才流動績效評價研究及人才流動網絡研究等［2-14］。

人才流動網絡中以國家/省份/機構等作為節點，人才流動路徑作為邊，則人才流動就構成了一個有向復雜網絡，通過人才流動，將知識流、技術流、信息流等要素在各節點間傳遞。目前，國內外對人才流動網絡的相關研究較多，多數研究的是以統計數據為數據源進行分析的。如陳銳［13］等人利用改進重力模型，以第六次人口普查數據為例，構建了省際人口流動復雜網絡，研究結果表明，大規模實際人口流動網絡呈現小世界特征，但無標度特征不明顯，社團間聯系較為頻繁，幫派特性較為明顯。李毅等人［15］基于復雜網絡分析方法對省際人口流動空間格局進行了分析，研究結果與我國實際省際人口流動格局現實相符，驗證了該方法的可行性和可靠性。馬學廣等人［16］也對我國省際人口流動空間聯系及其網絡進行了研究。葉明確等人［17］利用2005 年和2015 年國家統計局發布的省級人口流動數據，分析了我國省際人口流動網絡演化及其影響因素。侯純光等人［18］以聯合國教科文組織（UNESCO）數據庫為全球高等教育學生跨國流動信息數據源，對2001—2015 年全球人才流動復雜網絡特征進行了分析。盛廣耀［19］對1995—2015 年我國省際人流流動網絡演化進行了分析，并基于“關系－關系”的QAP方法分析了影響人口流動網絡變化的影響因素，結果發現省際人口流動網絡從最初的單向流動、結構系數的脆弱性網絡逐漸演變為關系復雜、結構緊密的穩健性網絡。。

也有學者采用網絡平臺數據對人口流動網絡進行研究，如潘竟虎等人［20］以“騰訊遷徙”數據平臺采集的2017 年國慶和中秋假期期間的299 個城市的人口流動數據構建網絡進行分析。梁林等人［21］以通訊位置大數據為數據源，對京津冀城市間人口流動網絡進行分析，結構表明，京津冀城市人口流動網絡復合“小世界”網絡特征，人口流動網絡具有明顯層次性。也有學者以履歷分析方法獲取數據，對人才流動網絡進行分析，如田瑞強等人［22］通過履歷分析法，采集到233 位海外華人高層次科技人才履歷信息，利用社會網絡分析方法對其流動網絡進行了分析，結果表明海外華人高層次科技人才流動主要集中在美國、英國、中國、新加坡和瑞士等5 個國家，通過凝聚子群分析，共得到3 個子群。此外，王寅秋等［23］通過文獻計量和履歷方法分析，對篩選出的我國科技人才流動網絡進行分析，并根據膚質網絡與人才流動所呈現的相似性關系，建立了科技人才流動復雜網絡定量化模型框架。

本研究以我國入選科睿唯安“高被引科學家”為高層次科技人才研究對象，對其跨省流動中網絡結構進行分析，研究結果對于我國進一步了解高層次科技人才流動網絡結構特征及其規律具有一定參考意義。

1 數據與方法

1.1 數據來源與研究對象

本研究以2014—2019 年我國入選科睿唯安（Clarivate）發布的“高被引科學家”為高層次科技人才研究對象，通過個人履歷信息、科學文獻表征信息、公開網絡信息等渠道構建高層次人才遷移數據庫。2014—2019 年中國（未含港澳臺地區，下同）共有817人/1 740人次（有科學家同時入選2個或多個學科）入選［24］，198 人在工作階段具有跨省流動經歷。

1.2 研究方法

1.2.1 整體網絡特征指標

（1）網絡密度。網絡密度是測量網絡數據的指標，表示網絡中節點聯系的緊密程度。整體網密度越大，對個體的影響越大，反映網絡節點之間的關聯越緊密，網絡自身越穩健，反之，則表明網絡結構越松散，網絡較多是通過其中一兩個核心節點產生關聯，網絡結構“不穩健”。

其中D表示網絡密度，Li表示遷移網絡中的高被引科學家流動網絡的實際關聯總數，n表示流動網絡中的網絡節點數。

（2）平均路徑長度。平均路徑長度（L）作為網絡中的一個重要特征度量，指網絡中所有節點對之間的平均最短距離，用來衡量網絡的可達性及傳輸性能與效率。

（3）平均聚類系數。平均聚類系數可以用來衡量網絡節點（如國家/地區）間的緊密程度，平均聚類系數越大，則表明網絡節點（如國家/地區）間的聯系越緊密，網絡節點（如國家/地區）間的潛在流動可能性越大。

1.2.2 網絡節點特征指標

（1）點度中心度。點度中心度是通過與該節點有直接聯系的節點數來測度，點度中心度越大的節點說明該階段與網絡中其他節點的聯系更為緊密，在網絡中居于更為中心的地位，相應的該節點在該網絡中的影響力越大。在科學家遷移網絡中，如果在遷移網絡中某一節點與網絡中其他節點直接關聯越多，則說明該節點對于科技人才的吸引力越強。

將公式（1）標準化后得到如下公式：

（2）接近中心度。接近中心度指網絡中一個節點與該網絡其他所有節點的捷徑距離之和，如果一個節點與網絡中所有其他節點的“距離”都很短，則說明該節點具有較高的接近中心度，也可以理解為該節點在多大程度不受其他節點的控制。接近中心度越大，則該節點越處于網絡中的邊緣地位，反之，則位于網絡中的核心地位。

將公式（1）標準化后得到如下公式：

（3）中介中心度。中介中心度指一個節點擔任其它兩個節點之間最短路徑的次數，一個節點充當“中介”的次數越高，它的中介中心度就越大。具體表示科學家遷移網絡中國家/省域/機構在網絡中的控制其他國家/省域/機構的能力，即分析某一或某幾個國家/省域/機構在網絡是否扮演“中間聯絡人”的角色。

如果一個節點處于許多其他兩點之間的路徑上，可以認為該節點居于重要地位，因為他是兩個節點之間交往的“中介”。如果一個節點在網絡中占據這樣的位置越多，則代表該節點對整個網絡的“控制”能力越強。

將公式（1）標準化后得到如下公式：

（4）入度與出度。在復雜有向網絡中，科技人才遷移有向網絡中分為入度和出度，入度揭示該地區對于其他地區科技人才的吸引程度，出度則反映出該地區對于其他地區的輻射能力。

入度定義為：

出度定義為：

1.2.3 空間聚類特征

（1）凝聚子群。凝聚子群又稱聚類分析、社團結構劃分等。凝聚子群可以分析出整個網絡中有多少群組，群組間具有什么關系及群組成員間的特點。相對而言，各群組內部成員間聯系更為緊密，頻次更高。

通常用模塊的函數Q衡量社團劃分的效果［18］。模塊度Q值越大，則表明社團劃分效果越好，Q值越低，則表明社團結構特征不明顯。在實際復雜網絡分析中，Q值通常為0.3～0.7。

（2）核心-邊緣結構分析。高層次科技人才流動核心-邊緣結構抽象為數學模型如圖1 所示，圖1 中行列交叉區域中的格子為塊，代表類別與其自身的關系或與其他類別之間的關系。通過分析鄰接矩陣中的塊則可以對其所表示的位置內或位置間的網絡結構關系進行分析。沿對角線分布的塊表示某個位置（類別）的內部關系流，遠離對角線分布的塊則代表類別之間的關系流。理想的核心-邊緣結構中核心頂點都是相互連接的（頂點n1 和n2），而邊緣頂點（m1 到m3）則并不直接相連［25］。從圖1 矩陣圖可以看出水平和垂直各有一條黑色分隔帶，社會關系流主要出現在核心內部和核心與邊緣之間。

圖1 理想化核心-邊緣結構模型

2 結果分析

2.1 網絡整體特征

從表1 來看，2014—2019 年我國高被引科學家跨省遷移復雜網絡密度為0.126。網絡平均路徑長度為2.043，即平均經過網絡中的任意兩個省份就能夠建立聯系。從表2 可以看出，網絡距離為1（即1 個省份）的頻次為124，占13.3%，網絡距離為2 的頻次為334，占35.9%，網絡距離為3 的頻次為132，占14.2%，網絡距離為4 的頻次為9，占1.0%。

表1 2014—2019 我國高被引科學家跨省流動網絡特征

表2 流動網絡距離頻次與占比

表2（續）

圖2 為2014—2019 年我國入選高被引科學家省際遷移網絡圖，圖中箭頭方向代表流動方向，線條粗細代表人才流動規模，節點大小代表中心度大小。可以看出，我國高被引科學家省際遷移主要集中在北京、上海、江蘇、浙江、安徽、四川等省區，其中流入省區主要有北京、上海、江蘇、廣東、四川等地區，流出省區主要有北京、上海、遼寧、安徽等地區。

圖2 我國高被引科學家省際流動復雜網絡

2.2 網絡節點特征

（1）點度中心度分析。由于高被引科學家省際遷移網絡為有向復雜網絡，因此每個節點有入度和出度兩個值，入度表示該節點對于其他省份科技人才的吸引出度，出度則反映出該節點對于其他省份的輻射能力。從表3 可以看出我國高被引科學家入度排名前五位的省份為北京、上海、江蘇、廣東和四川，說明這些省級行政區具有較強的人才吸引力。出度排名前五位的省份為北京、上海、遼寧、安徽和江蘇，說明這些省級行政區具有較強的人才輻射力。從入度盈余來看，北京入度盈余僅為0，說明北京高被引科學家人口流動高度均衡。入度盈余值排名前五位的省級行政區分別為廣東、江蘇、四川、上海和山東，說明這些地區高被引科學家均為凈流入狀態，對人才吸引優勢較為明顯，而吉林、安徽、遼寧、湖南等地入度盈余值最低，說明這些城市均為人次凈流出狀態，對在人才省際流動網絡中具有輻射控制的作用。西藏、內蒙古、寧夏等地區出度、入度及入度盈余值均為0，是因為這些地區未有高被引科學家入選。總度值排名前五位的省區為北京、上海、江蘇、遼寧和廣東，其中北京的總度值超排名第二位的上海近55，對其他地區有著絕對的吸引力和影響力。網絡地位較低（度值較低）的省區均為邊疆、少數民族聚集區或科教資源不發達的省區。

表3 2014—2019 年我國入選高被引科學家入度、出度及入度盈余

表3（續）

從圖3 可以看出，我國高被引科學家省際遷移網絡基本一致，如表4 所示，通過SPSS22 相關性檢驗，Pearson 相關性系數高達0.874，入度與出度值相關性在0.01 上是顯著性。可以看出，節點出度與入度是顯著相關的。

圖3 人才流動入度與出度

表4 入度與出度相關性分析

（2）接近中心度分析。從表5 我國高被引科學家省際遷移網絡接近中心度值可以看出，出接近中心度排名前10 位的省際行政區為北京、上海、江蘇、吉林、安徽、湖北、天津、浙江和湖南，代表這些節點越容易到達其他節點，人才輻射能力也較強。入接近中心度排名前10 位的省際行政區為北京、江蘇、四川、上海、山東、廣東、天津、遼寧、陜西和安徽，說明其他節點越容易到達這些節點，這些節點的整合力也較強。

表5 2014—2019 年我國入選高被引科學家接近中心度

表5（續）

（3）中介中心度分析。從表6 我國高被引科學家省際遷移網絡中介中心度值可以看出，北京的中介中心度值最大，且占絕對優勢，代表該節點對整個網絡的“控制”能力最強。中介中心度排名前十位的省份除北京外，其他依次為江蘇、上海、四川、安徽、天津、湖北、浙江、遼寧和吉林。整個網絡的標準化中間中心勢（Network Centralization Index）為0.284 3，這個值是比較大的，說明整個網絡表現出明顯向節點北京靠近的趨勢，這也與事實相符。中介中心度或相對中介中心度為0，意味著該點不能控制任何行動者，處于網絡的邊緣位置。

表6 2014—2019 年我國入選高被引科學家省際遷移網絡中介中心度

表6（續）

2.3 空間聚類特征

（1）凝聚子群分析。凝聚子群是研究社會網絡結構常用的分析方法，常見的有派系、n-派系、成分、n-宗派、k-叢、k-核、Lambda 集合、社會圈等分析方法。本研究是建立在互惠性基礎上的凝聚子群派系分析，設置最小規模為5，得到9 個派系。詳見表7，可以看出，9 個派系成員中，上海出現在9 個派系中，安徽出現在6 個派系中，廣東和北京出現在5 個派系中。說明我國高被引科學家省際流動主要集中在上海、北京、安徽、廣東等省區。從共享矩陣也可以看出，山西、新疆、甘肅、內蒙等省區不屬于任何派系，是網絡中的孤點，說明科學家很少在這些地區間流動。吉林、廣東、天津、浙江、山東和四川等省區處于核心位置，其余省區處于邊緣位置。

表7 派系分析結果

3 結論與討論

本研究通過構建有向復雜網絡，對2014—2019年我國具有省際流動的高被引科學家流動網絡結構、網絡節點特征及核心-邊緣結構進行分析，初步結論如下：

（1）我國高被引科學家跨省遷移復雜網絡密度為0.126。網絡平均路徑長度為2.043，即平均經過網絡中的任意兩個省份就能夠建立聯系。我國高被引科學家省際遷移主要集中在北京、上海、江蘇、浙江、安徽、四川等省區，其中流入省區主要有北京、上海、江蘇、廣東、四川等地區，流出省區主要有北京、上海、遼寧、安徽等地區。

（2）從網絡節點特征來看，我國高被引科學家入度排名前五位的省份為北京、上海、江蘇、廣東和四川，說明這些省級行政區具有較強的人才吸引力。出度排名前五位的省份為北京、上海、遼寧、安徽和江蘇，說明這些省級行政區具有較強的人才輻射力。從入度盈余來看，北京入度盈余僅為0，說明北京高被引科學家人口流動高度均衡。入度盈余值排名前五位的省級行政區分別為廣東、江蘇、四川、上海和山東，說明這些地區高被引科學家均為凈流入狀態，對人才吸引優勢較為明顯，而吉林、安徽、遼寧、湖南等地入度盈余值最低，說明這些城市均為人次凈流出狀態，對在人才省際流動網絡中具有輻射控制的作用。

（3）從空間聚類特征來看，根據凝聚子群派系分析共得到9 個派系，9 個派系成員中，上海出現在9 個派系中，安徽出現在6 個派系中，廣東和北京出現在5 個派系中。說明我國高被引科學家省際流動主要集中在上海、北京、安徽、廣東等省區。根據核心-邊緣結構分析，北京、上海和江蘇處于網絡核心位置。

根據以上研究結論發現，我國高層次科技人才流動中存在“馬太效應”，未來如何對欠發達地區的人才流出值得引起重視，特別是通過國家和相關地方完善區域政策，吸引和穩定高層次科技人才流入對于縮小區域科技發展水平差距至關重要。

（2）核心-邊緣結構分析。核心-邊緣結構是由若干元素相互聯系構成的中心緊密連接、外圍稀疏分散的特殊結構。核心-邊緣結構分析根據網絡中節點間聯系緊密程度，可以分析哪些階段網絡網絡核心位置，哪些階段處于網絡邊緣位置。

本研究使用UCINET 軟件對我國高被引科學家省際遷移復雜網絡核心-邊緣結構分析發現，北京、上海和江蘇處于網絡核心位置，其他省區均處于網絡邊緣位置。由于核心節點非常集中，邊緣省區節點數量較多，作者對邊緣省區節點抽出，對其再進行核心-邊緣結構分析。結構表明，遼寧、安徽、