科技金融政策能否提升科技人才集聚水平
——基于多期DID的經驗證據

謝文棟

(上海財經大學 公共經濟與管理學院，上海 200433)

0 引言

“人才聚則事業興”，隨著新一輪科技革命和知識經濟的快速發展，科技人才已成為推動經濟發展的關鍵要素之一。截至2020年，我國人才總量已逾1.8億，但人才隊伍“大而不強”的問題日益顯現。中共十九屆五中全會提出，“堅持創新在我國現代化建設全局中的核心地位，把科技自立自強作為國家發展的戰略支撐”。科技人才是現代科技發展和高技術產業發展必不可少的核心要素與先決條件[1]，沒有人才優勢，就不可能有科技優勢、創新優勢和產業優勢[2]。科技人才是科技創新的關鍵力量，而金融資本是科技創新的重要支撐。融資難、融資貴等問題是我國科技型中小企業科技創新能力提升的主要掣肘，也是導致地區科技人才匱乏的重要原因。為突破企業融資障礙，增強企業自主創新能力，轉變經濟發展方式和全面建設創新型國家，2011年科技部聯合一行三會在全國16個地區開始實施科技和金融結合試點政策(簡稱科技金融政策)，該項政策旨在通過金融手段助推企業突破融資約束，提高企業自主創新能力，推動科技產業和戰略性新興產業發展，促進產業結構優化升級。科技人才是推動高技術產業發展的核心要素，那么，科技金融政策的實施能否提升城市科技人才集聚水平，發揮科技人才集聚效應？若能，其影響科技人才集聚水平的作用機制是什么？存在怎樣的異質性？回答這些問題，對進一步發揮政策優勢，提升地區科技人才集聚水平，落實人才強國戰略，加快實現我國科技自立自強具有重要現實意義。

本文將科技金融政策作為一項準自然實驗，結合多期雙重差分法評估科技金融政策對城市科技人才集聚水平的影響。邊際貢獻在于：第一，在研究視角上，將科技金融政策的政策效應聚焦于科技人才集聚水平，豐富科技金融政策評估和科技人才集聚相關研究；第二，在識別策略上，立足于雙重差分估計框架，識別科技金融政策影響城市科技人才集聚水平的“凈效應”，同時，考慮到試點城市選擇的非隨機性，采用PSM-DID糾正潛在選擇性偏誤，并采用安慰劑檢驗等多種方法進行穩健性檢驗，提高研究結論可靠性；第三，在實證分析上，借助中介效應模型考察科技金融政策影響城市科技人才集聚水平的作用機制，有助于進一步厘清其內在邏輯和傳導路徑。考慮科技金融政策對不同行政級別城市科技人才集聚水平的差異化影響，為進一步推廣科技金融政策提供經驗證據。

1 文獻綜述與研究假設

1.1 文獻綜述

相關研究主要涉及3個方面內容：一是科技金融政策，二是科技人才集聚水平，三是科技金融政策對科技人才集聚水平的影響。本文將從這3個方面對現有文獻進行梳理。

(1)科技金融政策。從國外研究來看，有學者認為科技與金融結合是指新技術早期崛起階段資本家為了獲取高額利潤，將大量金融資本投入技術領域，使得科技創新與金融資本耦合發展[3]。也有學者認為金融與科技之間存在密切關聯性，一方面，金融資本能夠為創新活動提供資金支持，推動技術創新；另一方面，技術創新會產生多樣化金融需求，促進金融業發展，兩者相互影響、相互促進[4]。國內關于科技金融的研究主要聚焦于科技金融的經濟增長效應[5]、產業結構升級效應[6]和創新提升效應[7]。科技金融政策實施效果引起學者廣泛關注，已有研究表明，在宏觀層面，科技金融政策顯著促進地區產業結構高度化和合理化，推動產業結構轉型升級[8]，同時，顯著提升地區創新水平[9]，提高城市全要素生產率[10]，促進試點地區經濟增長[11]；在微觀層面，科技金融政策可以提升民營企業創新水平[12]和中小高新技術企業生產效率，推動科技型中小企業高質量發展[13]。

(2)科技人才集聚水平。一是探討科技人才集聚的影響因素，主要包括：經濟因素，如地區經濟發展水平、工資水平和市場化程度[1]、房價、產業規模[14]等；社會環境因素，如公共服務水平[15]、城市化水平[16]、城市基礎設施[17]等；政策環境因素，如科技人才政策[18]、科研投入[19]、社會保障等[20]；文化教育環境因素[21]等。二是探討科技人才集聚效應，諸多研究表明科技人才集聚對地區經濟增長、技術創新和高新技術產業發展具有重要推動作用。在經濟增長方面，馬茹等[22]研究發現科技人才集聚促進中國經濟高質量發展，但目前這一促進效應的提升幅度總體較小，仍有巨大潛能可以釋放；郭金花等[23]研究發現，科技人才集聚對城市全要素生產率的影響呈倒U型。在技術創新方面，芮雪琴等[24]認為科技人才集聚與地區創新能力之間存在雙向因果關系，可以通過發揮科技人才集聚效應，提升地區技術創新水平；修國義等[25]研究發現科技人才集聚可以提升區域科技創新效率，但該提升效應存在區域差異性，東中西部地區依次遞減。在產業發展方面，李敏[26]等研究發現科技人才集聚與高新技術產業發展之間存在相互促進關系。

(3)科技金融政策對科技人才集聚水平的影響。目前國內外鮮有文獻直接對此進行探討，李志強等[27]研究科技金融對區域經濟增長質量的影響時發現，科技金融發展到一定程度會促進科技人才集聚，增加產業內競爭，提高經濟增長質量；孟添等[28]認為科技人才是科技金融創新主體，也是科技金融政策有效運行的重要支撐，科技人才不足會阻礙地區科技金融協調發展；呂途等[29]研究發現科技人才是科技金融影響區域綠色創新效率的重要因素，科技金融對區域綠色創新效率的促進作用以人力資本水平達到閾值為前提。

綜上可見，關于科技金融和科技人才集聚單方面的研究都較為充分，但關于科技金融對科技人才集聚影響的研究顯得不足，只有少量相關文獻而且只是稍加解釋和討論，尚未有學者深入探討科技金融政策對科技人才集聚的影響。

實際上，科技金融政策是影響城市科技人才集聚水平的重要因素，一方面，科技金融政策的實施促使地區為科技型中小企業提供優質的科技創新金融服務，推動大量金融資本參與企業創新活動，激發企業提高創新積極性和增加科技項目研發投入，促進地區科技產業發展和創新水平提升[9]，擴大企業科技人才需求，創造科技型就業崗位。另一方面，科技金融政策通過一系列優惠舉措，改善試點地區創新環境和創新基礎條件。在試點政策的推動下，諸多城市開啟“搶人大戰”，在安家落戶、教育醫療、科研經費、科研團隊建設等方面給予科技人才支持，在試點地區形成政策洼地，使得大量科技人才向試點地區流動，提升科技人才集聚水平。基于上述分析，提出如下假設：

H1:科技金融政策顯著提升城市科技人才集聚水平。

1.2 影響機制分析

根據科技金融政策實施方案和目標任務，科技金融政策的實施會加大地區財政科技支持力度，改善試點地區創新環境，推動產業結構優化升級，而政府政策支持、產業結構和創新環境均對科技人才集聚具有重要影響。本文從政府干預效應、結構升級效應和創新驅動效應3個方面，探討科技金融政策對科技人才集聚水平的影響機制，理論框架如圖1所示。

圖1 科技金融政策影響科技人才集聚水平的作用機制Fig.1 Mechanism of science and technology financial policy's impact on the agglomeration level of S&T talents

(1)政府干預效應。科技金融政策對科技人才集聚的影響除自身政策效應外，也依賴地方政府因勢利導的推動。對于科技金融政策試點城市，地方政府在橫向競爭壓力下，通常采取一系列舉措促進政策有效實施，例如，對企業科技創新活動實施更為積極的財政補貼政策，加大財政科技投入，完善創新基礎環境，強化科技創新激勵等。這些舉措都會增強試點城市對科技人才的吸引力，推動科技人才集聚。首先，按照試點政策的要求，試點城市將綜合運用多種創新補償方式，引導金融資本參與實施各項國家科技計劃，激勵企業開展創新活動，而這些創新計劃的實施和創新活動的開展都需要大量科技人才作為支撐，從而增加地區科技人才需求。其次，科技人才是科技創新活動的最核心要素，科技競爭歸根結底是人才的競爭。為滿足地區科技產業發展的人才需求，試點城市會出臺一系列人才激勵政策，完善科技創新配套服務，引進和吸引科技人才。最后，地方政府搭建科技服務平臺，深化科技保險工作，加大科技人員保險力度，維護科技人員合法權益，完善科技創新保障機制。在政府各項政策舉措的激勵下，試點城市對科技人才的吸引力不斷提升，促進城市科技人才集聚。據此，提出如下假設：

H2：科技金融政策通過政府干預效應提升城市科技人才集聚水平。

(2)結構升級效應。科技金融政策的實施可以優化地區產業結構，通過結構升級效應提升城市科技人才集聚水平。一方面，地區產業結構變動與地區金融發展水平密切相關，地區金融發展水平越高，越有利于促進地區產業結構升級[30]，科技金融政策主要采用金融手段扶持科技型中小企業發展，培育戰略性新興產業，并通過創新財政科技投入方式，引導科技與金融市場對接，實現科技創新鏈條與金融資本鏈條的有機結合，為不同發展階段科技型企業提供差異化金融服務，增強科技型中小企業商業融資能力，降低企業融資成本。這一系列舉措的實施，為地區科技產業發展注入強大動力，推動大數據、云計算和人工智能等新興技術產業蓬勃發展，進而促進地區產業結構優化升級[8]。另一方面，新興技術產業發展與地區科技人才集聚存在相互促進關系[1]，地區新一代新興技術產業的發展為科技人才提供更好平臺和更多發展機會，而且新興技術產業往往具備充裕的研發資本和創新資源，能夠為科技人才發揮個人才能、提升個人素質和實現個人價值提供平臺支持，因而科技人才傾向于選擇創新資源豐富、科技成果轉化率高的新興技術產業。因此，科技金融政策推動地區產業結構升級的同時，也會帶動城市科技人才集聚。基于此，提出如下假設：

H3：科技金融政策通過結構升級效應提升城市科技人才集聚水平。

(3)創新驅動效應。科技金融政策通過提升城市創新水平、優化城市創新環境，提升科技人才集聚水平。一方面，科技創新具有投資大、周期長和風險高等特點，而且無法預期未來創新成果，傳統金融機構不愿將大量資金投入科技研發領域，導致地區科技創新面臨較大融資約束。而科技金融政策的實施，可以引導和促進銀行業、保險業等金融機構改進服務模式、創新金融產品等，為科技型中小企業提供信貸支持，緩解企業創新融資約束，增強企業創新動力。同時，深化科技保險工作，建立創新風險分散機制，鼓勵保險公司開展科技保險業務、創新科技保險產品，為科技創新企業提供保險綜合服務，分散企業科技創新和成果轉化風險，提升企業創新能力和創新效率，進而提高城市整體創新水平，優化城市創新環境[9]。另一方面，良好的創新環境是吸引科技人才集聚的重要因素，在某種程度上科技人才更加青睞于創新水平高和創新資源豐富的地區[31]。同時，科技人才作為創新活動的重要主體，與地區創新水平之間存在雙向影響關系，地區創新水平提升會增加科技人才需求，促進科技人才集聚，而科技人才集聚也會提升城市創新水平，形成“創新—集聚—再創新”的良性循環和自我發展模式[32]。因此，提出如下假設：

H4：科技金融政策通過創新驅動效應提升城市科技人才集聚水平。

1.3 政策效應異質性：“邊際效應遞增”規律

城市經濟發展水平和資源稟賦與其行政等級密切相關，城市行政級別一定程度上決定其能享有多少資源。因此，科技金融政策對不同行政級別城市科技人才集聚的影響必然有所不同。從城市資源稟賦角度來看，行政級別較高的城市在科技資源和金融發展水平等方面優于行政級別較低的城市，而且基礎設施更完善，開放水平更高，教育、醫療等公共服務方面也更具優勢[33]。因此，行政級別較高的城市實施科技金融政策能夠更好地利用原有優勢，更容易發揮科技人才集聚效應。國家對于不同行政級別城市的支持力度存在差異，行政級別較高的城市往往享有更多財政投入和經濟權限。而且，行政級別較高的城市通常是各個區域經濟中心或經濟特區，享有地方各種資源的優先支配權。科技金融政策實施過程中，在“蒂伯特機制”的作用下，科技人才會過度聚集于“富裕的城市”，而行政級別相對較低的城市囿于自身科技資源匱乏和創新環境落后，其科技人才集聚效應也難以短時間內顯現。基于上述分析，科技金融政策的實施對城市科技人才集聚的影響隨著城市行政級別的上升而增大，呈現遞增趨勢。因此，提出如下假設：

H5：科技金融政策對城市科技人才集聚水平的影響隨著城市行政級別的上升而產生邊際遞增效應。

2 研究設計

2.1 識別策略與模型設定

2010年12月科技部聯合一行三會出臺《關于印發促進科技和金融結合試點實施方案的通知》，截至2020年底該項政策在全國先后開展了兩批試點。第一批于2011年在江蘇、上海等地區先行試點，涵蓋41個城市。2016年將廈門和南昌等9個城市作為第二批試點，前后兩批共50個城市作為科技金融政策試點區域。

本文采用雙重差分法，評估科技金融政策對科技人才集聚水平的影響。雙重差分法(difference-in-difference，簡稱DID)的主要思想在于考察外生政策沖擊對不同個體在某時間節點前后造成的雙重差異，識別政策“凈效應”，能夠有效避免內生性問題導致的估計偏差。科技金融政策分批實施，而傳統DID僅能評估單一時點政策實施效果，因此，借鑒Beck等[34]、劉瑞明(2015)等的做法，采用多期DID進行估計，即在不同政策時點分別進行雙重差分。根據各城市獲批科技金融政策試點的時間，設置政策虛擬變量did，若某城市在當年成為科技金融政策試點城市，則該城市當年及以后年份did=1，否則did=0。據此構建雙向固定效應模型進行雙重差分估計。

STAit=β0+β1didit+β2Xit+ui+λt+εit

(1)

其中，STAit表示城市i在t年的科技人才集聚水平；did表示科技金融政策虛擬變量;β1是核心參數，即科技金融政策效應；Xit代表控制變量集；ui代表城市固定效應；λt代表年份固定效應；εit為隨機誤差項。

2.2 變量說明

(1)被解釋變量：科技人才集聚水平(STA)。科技人才集聚水平反映科技人才資源在各地區分布的集中性和聚合程度。在已有研究中，科技人才集聚水平的衡量主要采用以下幾種方法：一是將從事科技工作的勞動者視為科技人才，采用城市科技從業人數占地區總人數的比重衡量[35]；二是以地區就業人員中具有本科以上學歷人員所占比重衡量[36]；三是采用區位熵指數進行測度，即各地市科技從業人數占該地市總從業人數的比重與全國科技從業人數占全國總從業人數的比重之比[23]。對比上述幾種衡量方式，區位熵指數能夠有效排除地區人口因素和地理差異的影響，更能反映地區科技人才集聚水平。借鑒郭金花等[23]的研究，以科研、技術服務從業人員表征科技人才，采用區位熵指數測量科技人才集聚水平。其計算公式如下：

(2)

(2)核心解釋變量：科技金融政策虛擬變量(did)。根據科技部官方網站公布的科技金融政策試點城市名單，按照試點城市批準的時間先后進行賦值，得到核心解釋變量did。

(3)控制變量：根據已有研究，本文控制可能影響城市科技人才集聚水平的因素，包括：①經濟發展水平(dev)，采用地區人均GDP的對數衡量；②對外開放水平(open)，采用當年實際利用外資額占地區GDP比重的對數衡量；③金融發展水平(finan)，采用年末金融機構存貸款余額占地區GDP比重的對數衡量；④信息化水平(infor)，采用互聯網寬帶接入用戶數占地區總人口比重衡量；⑤公共服務水平，主要包含醫療服務水平(medi)和教育發展水平(edu)，醫療服務水平用醫院和衛生院床位數占地區總人口比重衡量，教育發展水平用地區高等學校教師數占地區總人口比重衡量。

(4)中介變量：①政府干預(inter)，用財政科技支出占總財政支出的比重衡量；②產業結構(ind)，用第二和第三產業從業人數占地區總從業人數比重衡量；③創新水平(inno)，采用《中國城市和產業創新力報告》中的城市創新指數取對數衡量，具體計算方式參考寇宗來[37]等研究。

2.3 數據來源與描述性統計

本文數據主要來源于2004-2019年《中國城市統計年鑒》《中國城市和產業創新力報告》和科技部官方網站。數據缺失年份較多的城市予以剔除，只有部分缺失值的則采用線性插補法進行填補，最終得到2004-2019年281個城市平衡面板數據，主要變量描述性統計結果如表1所示。

表1 主要變量描述性統計結果Tab.1 Descriptive statistics of the main variables

3 實證分析

3.1 基準回歸

科技金融政策影響城市科技人才集聚水平的回歸結果如表2所示，模型(1)和模型(2)為采用OLS回歸得到的單差法估計結果，單一比較試點城市與非試點城市科技人才集聚水平差異。模型(3)和模型(4)為采用雙向固定效應的多期雙重差分法估計結果。從回歸結果來看，無論采用單差法還是雙重差分法，did回歸系數均在1%水平上顯著為正，表明科技金融政策顯著提升試點城市科技人才集聚水平。對比模型(1)和模型(3)回歸系數可知，使用單差法得到的結果大于雙重差分法的評估結果，表明單差法雖能解釋部分問題，但會高估科技金融政策對科技人才集聚的效果。因此，采用雙重差分法估計的結果更為準確。模型(2)和模型(4)分別在模型(1)與模型(3)的基礎上加入控制變量，回歸系數的大小和顯著性并未發生實質性改變，說明獲批科技金融政策試點的城市可以通過有效發揮政策激勵和政策引導的作用，提升城市科技人才集聚水平。因此，假設H1得到證實。

表2 基準回歸結果Tab.2 Benchmark regression results

3.2 共同趨勢與動態效應檢驗

使用雙重差分法的前提條件是滿足共同趨勢假設，即在政策實施前處理組和對照組科技人才集聚水平變化趨勢一致。同時，科技金融政策實施效果受到試點城市基礎稟賦和實施強度的影響，因此，政策實施效果可能存在時間上的異質性。基于此，借鑒Jacobson等[38]和宋弘等(2019)的做法，采用事件分析法進行檢驗。其動態效應模型如下：

(3)

其中，Di,t0+k表示科技金融政策試點這一“事件”，是一個系列虛擬變量；t0表示城市i實施科技金融政策試點的第一年，即政策實施當年，k表示科技金融政策實施后的第k年，研究樣本時間跨度涉及政策實施前后共16年，為了避免多重共線性，將政策試點實施前的第7年作為基準年份，即在回歸中不納入該年份的虛擬變量；βk是核心參數，表示科技金融政策實施的第k年處理組與對照組科技人才集聚水平差異，k<0時，若βk不顯著異于0，則說明滿足共同趨勢假設，反之，則不滿足共同趨勢假設。

政策實施前后處理組與對照組科技人才集聚水平差異變化趨勢如圖2所示，在政策實施當年及以前，βk的估計值均未達到顯著性水平，說明在政策實施前，試點城市和非試點城市科技人才集聚水平變化趨勢不存在顯著差異，因此，滿足共同趨勢假設。同時，科技金融政策對試點城市科技人才集聚水平的影響存在一定時滯性，政策效應在實施后的第二年開始顯現，隨著政策的推進，政策效果呈增強態勢，說明科技金融政策對城市科技人才集聚水平的提升效應具有持久性和穩定性。

圖2 共同趨勢與動態效應檢驗結果Fig.2 Tests of common trend and dynamic effect

3.3 穩健性檢驗

(1)PSM-DID。采用雙重差分法雖能有效識別科技金融政策對科技人才集聚水平的影響，但在實際操作過程中仍然可能存在一定選擇性偏誤，即政府選擇試點城市過程中可能存在一定選擇“標準”，如第一批試點城市大部分為直轄市和省會城市等經濟較為發達城市，因而不能嚴格滿足隨機分組的假設條件，直接對比試點城市和非試點城市間差異可能存在選擇性偏差。因此，采用傾向得分匹配法(PSM)來克服這一問題。

具體而言，采用較為嚴格的卡尺內(0.005)近鄰匹配(1∶1)法進行匹配，降低試點城市與非試點城市之間的系統性差異，使兩組樣本具有相似的城市特征。如圖3所示，匹配前各協變量之間存在較大偏差，匹配后各協變量標準化偏差明顯縮小，且接近于0，說明匹配后顯著削弱了兩組樣本的特征性差異。因此，匹配結果較好，采用PSM-DID估計具有較強適用性。

圖3 協變量標準化偏差Fig.3 Covariate standardized deviation

PSM-DID估計結果如表3所示，模型(1)只包含政策虛擬變量，模型(2)加入控制變量，回歸結果與基準結果基本保持一致。雖然回歸系數有所下降，但足以證明科技金融政策能夠顯著提升城市科技人才集聚水平。

表3 PSM-DID與安慰劑檢驗結果Tab.3 Tests of PSM-DID and placebo

(2)安慰劑檢驗。借鑒Topalova[39]的做法，改變政策實施時間進行安慰劑檢驗。選擇政策試點實施前的2004-2010年，分別假設2006和2007年開始實施科技金融政策，并對虛擬的政策沖擊效果進行DID估計，結果如表3模型(3)和模型(4)所示。無論是將政策實施時間設置為2006年還是2007年，虛擬的did估計系數均未達到顯著性水平，表明虛擬的政策試點對城市科技人才集聚水平沒有顯著影響，這也從側面說明試點城市科技人才集聚水平的提升確實由科技金融政策引起，而非其它因素所致。

(3)其它穩健性檢驗。在上述檢驗的基礎上，展開一系列穩健性檢驗：一是刪除直轄市和省會城市。直轄市和省會城市在資源稟賦、經濟發展基礎和科技發展水平方面均優于一般城市，對科技人才具有天然吸引力，可能導致高估該區域科技金融政策對科技人才的集聚效應，故將此類樣本予以剔除；二是縮短研究跨期，原研究樣本跨期包含政策實施前后共16年，為了避免在此期間受到其它重大因素的干擾，將時間縮短為第一批政策實施前后3年，并采用單時點DID進行估計；三是控制潛在遺漏變量，雖然采用雙向固定的多期雙重差分法可以有效控制大部分遺漏變量帶來的問題，但仍然可能存在一些伴隨省份和時間變化而無法觀測的因素，因此，在基準模型的基礎上加入省份和年份的聯合固定效應進行控制；四是排除離群值干擾，為防止個別離群值對回歸結果產生干擾，對除政策虛擬變量外所有變量進行前后1%縮尾處理。檢驗結果如表4所示，各did回歸系數大小雖然有所波動，但均在1%水平上正向顯著，充分證明本文研究結論具有穩健性。

表4 穩健性檢驗結果Tab.4 Robustness test

4 進一步討論

4.1 影響機制檢驗

前文理論分析已初步推斷科技金融政策可以通過政府干預效應、結構升級效應和創新驅動效應提升城市科技人才集聚水平，但這三大效應是否真正成立，需要采用專門計量方法進行驗證。借鑒Baron等[40]提出的中介效應模型對其進行檢驗，模型設定如下：

STAit=β0+β1didit+β2Xit+ui+λt+εit

(4)

Medit=α0+α1didit+α2Xit+ui+λt+εit

(5)

STAit=φ0+φ1didit+φ2Medit+φ3Xit+ui+λt+εit

(6)

其中，Medit表示3個中介變量。三大影響機制檢驗結果如表5所示，模型(1)為基準回歸結果，反映科技金融政策對城市科技人才集聚水平的總效應，其余模型反映各中介效應。

表5 影響機制檢驗結果Tab.5 Test of the impact mechanism

(1)政府干預效應檢驗。模型(2)反映科技金融政策對政府干預的影響，did系數在1%水平上顯著為正，表明科技金融政策有利于激勵地方政府加大財政科技投入力度，為推動科技金融政策有效實施提供財力支持。模型(3)在基準模型的基礎上加入政府干預變量，結果顯示，政府干預變量和政策虛擬變量did均達到顯著性水平，說明政府加大財政科技投入能夠有效吸引科技人才集聚，而且did回歸系數由總效應的0.125降為0.107，表明政府科技干預在科技金融政策與城市科技人才集聚水平之間發揮部分中介作用，假設H2得到支持。

(2)結構升級效應檢驗。模型(4)反映科技金融政策對城市產業結構升級的影響，did系數在1%水平上正向顯著，說明科技金融政策顯著推動城市產業結構優化升級，加快城市產業結構高級化進程。模型(5)同時加入政策虛擬變量和產業結構升級變量，考察其對城市科技人才集聚的影響，結果顯示，did和產業結構升級變量均在1%水平上正向顯著，而且did系數由總效應的0.125降為0.089，表明產業結構升級是科技金融政策影響城市科技人才集聚水平的重要路徑，即科技金融政策推動城市產業結構轉型升級，進而提升城市科技人才集聚水平，假設H3得到證實。

(3)創新驅動效應檢驗。模型(6)反映科技金融政策對城市創新水平的影響，did系數在1%水平上對城市創新水平具有顯著正向影響，表明科技金融政策顯著提升城市創新水平，優化城市創新環境。模型(7)將科技金融政策和城市創新水平同時納入回歸模型，結果顯示，政策虛擬變量did和城市創新水平均對城市科技人才集聚水平具有顯著正向影響。同時，科技金融政策對城市科技人才集聚的促進作用由總效應的0.125下降至0.118，說明城市創新水平在科技金融政策與城市科技人才集聚水平之間發揮部分中介作用。因此，創新驅動的中介效應得到證實，假設H4成立。

4.2 異質性分析：“邊際效應遞增”規律檢驗

為了檢驗假設H5，借鑒劉瑞明等(2015)的思路，設定直轄市、副省級城市、省會城市和一般城市4個級別，構建模型如下：

STAit=γ0+γ1didit*levelit+γ2Xit+ui+λt+εit

(7)

其中，levelit表示城市級別，包括直轄市(level1)、副省級城市(level2)、省會城市(level3)和一般城市(level4)；γ1是交互項系數，衡量不同行政級別城市實施科技金融政策對城市科技人才集聚水平的影響。如果科技金融政策對城市科技人才集聚水平的影響在城市級別上存在邊際遞增效應，那么，γ1估計值將隨著城市行政級別的升高而增大，呈現遞增規律。

估計結果如表6所示，模型(1)-模型(4)分別反映不同行政級別城市實施科技金融政策對城市科技人才集聚水平的影響。回歸結果顯示，did與直轄市、副省級城市、省會城市的交互項均在1%水平上顯著為正，而did與一般城市的交互項未達到顯著性水平。同時，交互項系數隨著城市等級的上升而逐步增加，說明不同行政級別城市實施科技金融政策對科技人才集聚水平的影響呈現逐級遞增規律。也就是說，行政級別越高的城市，科技金融政策越能發揮科技人才集聚效應。因此，假設H5得到證實。

表6 “邊際效應遞增”規律檢驗結果Tab.6 Test results of the law of marginal utility increase

5 主要結論與政策建議

5.1 主要結論

本文將科技金融政策的實施視為一項準自然實驗，基于2004—2019年281個城市面板數據，利用多期雙重差分法實證分析科技金融政策對城市科技人才集聚水平的作用機制。得出如下結論：首先，科技金融政策顯著提升城市科技人才集聚水平，政策效應存在兩年滯后期，并且政策效應逐年增強；其次，科技金融政策通過政府科技干預效應、結構升級效應和創新驅動效應三大作用路徑，促進城市科技人才集聚水平提升；最后，科技金融政策的科技人才集聚效應在城市行政級別上呈現邊際效應遞增規律，城市行政級別越高，科技金融政策越能發揮科技人才集聚效應。

5.2 政策建議

(1)推進科技金融政策有序擴散，強化科技金融政策的科技人才集聚效應。應以科技金融政策實施為契機，創新人才管理體制和人才激勵機制，完善科技人才引進和培養體系。同時，以各種科技攻關、科技支撐計劃等項目為依托，以“筑巢引鳳”的方式吸引科技人才集聚，并借助高校科技創新能力和人才培養優勢，推進區域產學研深度合作，培育重點專項科技人才，打造科技人才蓄水池，形成區域創新生態系統良性循環。

(2)拓展和優化科技金融政策提升科技人才集聚水平的作用路徑。首先，配合試點政策出臺相應人才政策，在住房、醫療等公共服務方面提供政策支持，解決科技人才“后顧之憂”，增強科技人才穩定性；其次，推動試點城市大數據、人工智能等知識密集型產業發展，以產業結構轉型升級為契機，發揮新興產業發展對科技人才集聚的帶動作用，實現科技人才與新興產業發展的有機耦合；最后，搭建和完善科技創新創業載體，構建科技人才集聚的創新生態，同時，優化科技資源配置，完善知識產權保護制度，營造良好和寬松的科技創新環境。

(3)設計科技金融政策梯度發展戰略，促進地區間均衡協調發展。從實證結果看，科技金融政策的科技人才集聚效應在城市行政級別上表現出明顯異質性，因此，推動地區科技金融發展的同時，也要注意地區間科技人才非平衡性發展趨勢，避免產生大城市“虹吸效應”。人力資本尤其是科技人才區域分布不均是阻礙我國經濟均衡發展的重要因素，推進科技金融政策實施的同時，應考慮城市因素帶來的政策效應差異，采取差異化配套措施，加強區域間科技人才交流與合作，推動區域間創新資源互聯互通。