長三角人才集聚與區域經濟增長效應研究

□ 王天宇 鐘 晶

黨的二十大報告提出，“深入實施人才強國戰略”。堅持人才是第一資源，發揮人才引領驅動中國式現代化建設的作用，方能開辟發展新領域新賽道，不斷塑造發展新動能新優勢。作為我國經濟發展最活躍、開放程度最高、創新能力最強的區域之一，長三角已逐步成為人才強國雁陣格局中的重要戰略支點。本文系統分析了黨的十八大以來經濟發展成效和人才集聚效應，以長三角地區三省一市為研究對象，通過引入工具變量，構建面板數據模型進行實證分析，探究人才集聚對區域經濟增長的影響，提出集聚人才助力經濟高質量發展的建議。

| 長三角地區經濟增長與人才集聚主要情況

（一）經濟發展卓有成效

1.區域經濟總量實現翻番，安徽首進全國第一方陣。新時代十年長三角一體化發展取得新成效，2022 年長三角地區GDP 總量為29 萬億元，比2012 年增加16.2萬億元，其中江蘇、浙江、安徽和上海分別增加6.9 萬億元、4.3 萬億元、2.7 萬億元和2.3 萬億元。長三角地區GDP 總量占全國的比重由2012 年的23.7%提升至2022年的24%，提高0.3 個百分點，其中安徽、江蘇分別提高0.3 個和0.2個百分點，浙江持平，上海下降0.2個百分點。

黨的十八大以來安徽經濟持續穩定較快增長，2022 年GDP 總量由2012 年的18341.7 億元連跨三個萬億臺階，達45045 億元，首次進入全國第一方陣，居全國第10 位，首次超過上海，居長三角地區第3 位。安徽GDP 總量占長三角地區的15.5%，比2012 年提高1.1 個百分點；相當于上海的100.9%、浙江的58%和江蘇的36.7%，比2012年分別提高14.8個、4.6 個和2.5 個百分點，與江蘇、浙江經濟總量差距進一步縮小。

2.區域人均GDP 持續增長，安徽仍低于全國平均水平。2022 年長三角地區人均GDP①長三角地區人均GDP 取上海、江蘇、浙江和安徽人均GDP 的中位數。為131443元/人，比2012年增加67628元/人，其中上海、江蘇、浙江和安徽分別增加90294 元/人、77857 元/人、57399 元/人和42906 元/人。長三角地區人均GDP 相當于全國人均GDP 的 比 重 由2012 年 的160.5%下降至2022 年的153.4%，下降7.1個百分點，其中安徽、江蘇分別提高8.7 個和1.2 個百分點，浙江、上海分別下降15.3 個和15.4 個百分點。

2022 年安徽人均GDP 由2012 年的30697 元/人增加至73063 元/人，居全國位次由2012 年的第21 位提升至2022 年的第14 位，實現從人均靠后向人均居中的歷史性轉變，但在長三角地區仍居末位。安徽人均GDP 相當于全國人均GDP 的85.9%，比2012 年提高8.7 個百分點；相當于浙江的62.1%、江蘇的51%和上海的40.9%，比2012 年分別提高11.9 個、4.9 個和6.6 個百分點，與滬蘇浙仍存在較大差距。

（二）人才集聚效應顯現

1.區域人才①根據本文研究，人才指大專及以上學歷的就業人員。規模不斷擴大，安徽保持平穩增長。黨的十八大以來，習近平總書記把人才工作擺在黨和國家事業發展全局的突出位置來抓，區域人才規模不斷壯大。2021 年長三角地區人才總量為3762.3 萬人，比2012 年增加1637.1 萬人，其中江蘇、浙江、上海和安徽分別增加610 萬人、460.9 萬人、342.2 萬人和224 萬人。長三角地區人才總量占全國的比重由2012 年的20.4%提升至2021年的21.8%，提高1.4 個百分點，其中江蘇、上海和浙江分別提高0.7個、0.6 個和0.4 個百分點，而安徽下降0.3 個百分點。

2021 年，安徽人才總量由2012年的409.3 萬人增加至633.3 萬人，居長三角地區末位。安徽人才總量占長三角地區的16.8%，比2012年下降2.5 個百分點；相當于上海的88.2%、浙江的59.5%和江蘇的47%，比2012 年分別下降20.7 個、8.5 個和8.4 個百分點，與滬蘇浙人才總量差距進一步擴大。

2.區域人才文化素質穩步提高，安徽仍存在較大差距。教育事業的快速發展，帶動區域就業人員學歷結構持續優化，為勞動力市場提供了豐富的高素質人才。2021 年長三角地區就業人員中，大專及以上、高中受教育程度人員所占比重分別為28.2%和17.8%，比2012 年分別上升12.5 個和1.2個百分點；初中、小學及以下受教育程度人員所占比重分別為37.6%和16.4%，分別下降9.1 個和4.6個百分點。長三角地區就業人員平均受教育年限由2012 年的9.8 年提高到2021 年的10.9 年。

2021 年安徽就業人員中，大專及以上、高中受教育程度人員所占比重分別為19.7%和14.3%，比2012 年分別上升10 個和3.5 個百分點；初中、小學及以下受教育程度人員所占比重分別為41.8%和24.2%，分別下降10.7 個和2.8 個百分點。2021 年，安徽就業人員平均受教育年限由2012 年的9 年提高到9.8 年，居長三角地區末位。安徽就業人員平均受教育年限比長三角地區少1.1 年，比最高的上海少3.2 年，比江蘇、浙江分別少1.2年和1 年。

3.區域人才科創能力持續提升，安徽呈現指數級增長。黨的十八大以來，科技體制機制改革全面發力、縱深推進。科技創新人才隊伍不斷壯大。2021 年，按折合全時工作量計算的長三角地區R&D 人員總量為180.2 萬人年，比2012 年增加86.6 萬人年，其中江蘇、浙江、安徽和上海分別增加35.4 萬 人 年、29.8 萬 人 年、13.2萬人年和8.2 萬人年。長三角地區R&D 人員總量占全國的比重由2012 年的28.8%提升至2021 年的31.5%，提高2.7 個百分點，其中浙江、安徽和江蘇分別提高1.5 個、0.9 個和0.9 個百分點，上海下降0.6個百分點。2021 年，安徽R&D 人員總量由2012 年的10.3 萬人年增加至23.5 萬人年，增長1.3 倍，增幅居長三角地區首位。

科技創新產出質量不斷提升。2021 年，長三角地區發明專利申請授權量為18.2 萬件，比2012 年增加14 萬件，其中江蘇、浙江、安徽和上海分別增加5.3 萬件、4.5萬件、2.1 萬件和2.1 萬件。長三角地區發明專利申請授權量占全國的比重由2012 年的29.4%提升至2021 年的31.1%，提高1.7 個百分點，其中安徽、浙江和江蘇分別提高1.9 個、1.6 個和0.5 個百分點，而上海下降2.3 個百分點。2021 年，安徽發明專利申請授權量由2012年的0.3 萬件增加至2.4 萬件，增長7 倍，增幅居長三角地區首位。

| 面板數據模型構建與實證

（一）變量選取和預處理

1.變量選取。

被解釋變量：人均GDP（pgdp）。人均GDP 指GDP 與常住人口的比值，它能較好地反映一個地區的富裕程度和經濟發展水平。

解釋變量：（1）人才集聚度（ta）。本文定義人才集聚度指大專及以上學歷的就業人員占全部就業人員的比重。（2）科技創新效率（patent）：由于科技創新效率難以有效測量，按照國際通用做法，本文選用發明專利申請授權量作為科技創新效率的替代變量。

2.變量預處理。由于搜集到的原始數據單位具有數量級差異，從而使數據大小產生波動，因此選擇對所有變量取對數處理。需要說明的是，人均GDP 取對數之后，可以解釋成增長率的變化。本文數據處理和實證分析均使用Eviews10.0軟件。

（二）面板數據模型構建

1.模型構建。本文構建面板數據模型，實證研究人才集聚度對人均GDP 增長率的影響。假定面板數據模型的一般形式如下：

其中，yit為被解釋變量，xit為解釋變量，σ是總體效應，μi是截面效應，ωt是時期效應，φit是隨機擾動項。

2.單位根檢驗。本文的面板數據模型是N=4,T=10,T＞N 結構，可能存在面板數據是非平穩的問題。對面板數據進行單位根檢驗，本文采 用LLC 檢 驗、Breitung 檢 驗 和Hadri 檢驗進行同質單位根檢驗，同時采用IPS 檢驗、Fisher-ADF 檢驗和Fisher-PP 檢驗進行異質單位根檢驗。結果表明，所有變量都存在單位根，但一階差分序列都是平穩的（表1）。

表1 單位根檢驗結果

3.解釋變量內生性檢驗。本文利用Durbin-Wu-Hausman test 外生性檢驗，結果表明，lnta 和lnpatent都是內生變量（表2）。

4.工具變量選擇與檢驗。本文引入工資水平、高等教育水平和醫療水平作為工具變量。工具變量定義如下：

工資水平（wage）：衡量地區工資水平選用的指標是城鎮單位就業人員平均工資。

高等教育水平（hedu）：衡量地區高等教育水平選用的指標是每十萬人口高等學校平均在校生數。

醫療水平（medical）：衡量地區醫療水平選用的指標是每萬人醫療機構床位數。

本文采用過度識別Hansen J檢驗用于檢驗工具變量的外生性，其中過度識別檢驗僅在工具變量個數大于內生變量個數時生效。結果表明，p 值大于0.05，所有工具變量都是外生的（表3）。

表3 過度識別檢驗

5.面板數據模型類型選擇。面板數據模型類型有三種，分別是混合POOL 模型、固定效應FE 模型和隨機效應RE 模型。結果表明，F 檢驗呈現出5%顯著性水平下p值為0，意味著相對POOL 模型而言，FE 模型更優。BP 檢驗呈現出5%顯著性水平下p 值為0，意味著相對POOL 模型而言，RE 模型更優。Hausman 檢驗得出在5%顯著性水平下p 值為0.304，意味著相對FE 模型而言，RE 模型更優。綜合上述分析，最終選擇隨機效應RE 模型（表4）。

表4 模型類型選擇結果

（三）實證分析

1.數據來源。本文所用數據主要由長三角地區三省一市2012—2021 年度《中國統計年鑒》《中國社會統計年鑒》《中國科技統計年鑒》《上海統計年鑒》《江蘇統計年鑒》《浙江統計年鑒》《安徽統計年鑒》整理所得。

2.實證分析。本文對隨機效應RE 模型進行GMM 估計，可以看出模型R2為0.939，意味著lnta 和 lnpatent 可 以 解 釋lnpgdp 的93.9%變化原因。對模型進行Wald卡方檢驗時發現模型通過Wald 卡方檢驗p 值為0 小于0.05，也即說明lnta 和lnpatent 中至少一項會對lnpgdp 產生影響關系。lnta 的回歸系數值為0.859(p=0＜0.01)，意味著lnta 會對lnpgdp 產生顯著的正向影響關系；lnpatent 的回歸系數值為0.229(p=0＜0.01)， 意 味 著lnpatent會對lnpgdp 產生顯著的正向影響關系。因此，lnta 和lnpatent 全部會對lnpgdp 產生顯著的正向影響關系（表5）。

表5 隨機效應RE模型GMM估計結果

3.主要結論。通過觀察模型可以得到如下結論：人才集聚度和科技創新效率都與長三角地區經濟增長呈正相關關系，兩個解釋變量都對人均GDP 起到促進作用。其中，人才集聚度對人均GDP 的影響程度最大。具體來說，人才集聚度的回歸系數為0.859，表明人才集聚度每提高1 個單位，人均GDP將提高0.859 個單位；科技創新效率的回歸系數為0.229，表明科技創新效率每提高1 個單位，人均GDP 將提高0.229 個單位。

| 期望與建議

（一）聚焦一體化，精準聯動聚合力

一是推動人才市場共建。探索共同成立長三角人才集團，成立“長三角人才發展基金”，通過市場化主體對接人才政策、人才服務、用人主體，精準匹配產業需求，以市場化的手段高效配置人才。二是推動人才標準共定。建立健全長三角地區人才交流合作工作機制，推進人才評價標準統一。進一步深化長三角地區專業技術人才和技能人才資格、職稱和繼續教育學時互認，實現“一次評審、四地互認”。三是推動人才資源共享。堅持“不求所有、但求所用”，支持企業采取項目合作、技術咨詢、掛職兼職、周末工程師等方式柔性引智。高標準建設區域創新中心，打造服務長三角的人才創新“共同體”，鼓勵科技人才在區域內自主流動、擇業創業。

（二）聚焦產才融合，精準施策強引力

一是等高對接集聚人才。圍繞重點產業發展需求，常態化分析研究國內外人才政策，對標對表定期迭代升級。進一步破解人才政策部門化、碎片化問題，優化整合人才計劃，集成出臺人才政策，實現“一口出”“一單清”。二是夯實平臺吸引人才。聚焦新興產業，支持建設國家級創新中心、重點實驗室等重大創新載體，提升眾創空間、孵化器能級。進一步加強與國內外一流大學、知名科研院所戰略合作，設立天使基金、種子基金，深化政產學研合作機制。三是賦權企業激活人才。打破固有模式，探索在政策框架內將人才認定權交給企業、還給市場。進一步完善企業職稱評價自主權，構建新興產業人才評價體系，實現人才“企業自評、政府審批、全國通用”。

（三）聚焦人才關切，精準服務提動力

一是健全人才服務云平臺。推進上線“長三角人才碼”，建立健全惠企惠才云平臺，實現各類人才政策“一站查”，各項人才補貼“一站領”，各種涉才服務“一站辦”。實現一碼在手、人才無憂。二是完善人才談心交流制度。完善黨委聯系服務專家人才制度，為重點企業和人才提供專班服務，對高層次人才實行“一事一議”。定期邀請各類人才與黨委和政府主要負責同志面對面談心交流，頂格傾聽企業人才訴求，頂格推進涉才事項辦理。三是優化人才服務綠色通道。建立“人才白名單”，為重點產業領域專家人才頒發“人才綠卡”，在醫療衛生、子女入學、配偶安置等方面開辟綠色通道。