中國人才空間分布的變化及其影響因素

[摘要] 人才是我國全面建設社會主義現代化國家的基礎性、戰略性支撐，分析研究中國人才時空演變格局及其影響因素，對加快建設世界高水平人才高地、促進人才區域合理布局和協調發展至關重要。基于2000—2020年中國人口普查分縣數據，本文構建了人才集聚度指數，運用地理空間分析法等系統描繪中國人才空間分布格局及其時空變化過程，并采用面板負二項回歸模型分析影響不同類型人才集聚的因素。結果表明：①研究時段內，中國人才分布的不均衡性較為明顯，但不均衡程度在持續減弱，人才的空間集聚效應在持續增強。②東南沿海地區人才一直處于連片集聚狀態，中西部以省會城市為中心的城市群地區的人才集聚程度和輻射范圍在加深和擴展，而東北地區、內蒙古東部和河北省出現成片地區人才集聚度下降現象，且下降幅度較大。③收入水平、地區經濟發展水平、公共服務、生態環境和政策因素對人才集聚均具有顯著的正向影響，且不同類型人才的影響因素存在異質性。

[關鍵詞] 大專及以上學歷人才；時空變化；影響因素；人口普查；中國

[中圖分類號] F812.2" ［文獻標識碼］A" "［文章編號］1000-4211（2024）06-0052-12

人才是第一資源，是我國全面建設社會主義現代化國家的基礎性、戰略性支撐。作為引領驅動地區經濟社會發展的關鍵要素，如何吸聚和用好人才是當前和未來一個時期各地政府關注的重要議題。在城鎮化進程不斷加快、交通基礎設施飛速發展、各類人才政策層出不窮的大背景下，人才分布的區域格局也呈現出高度集聚、快速流動、不均衡發展等新態勢。歷次召開的全國/中央人才工作會議上，關于人才區域布局的論述從合理流動到區域協調再向高水平人才高地、戰略支點和雁陣格局進行轉變。黨的二十大報告也提到，深入實施人才強國戰略，要加快建設世界重要人才中心和創新高地，促進人才區域合理布局和協調發展。以上都充分反映了中央對人才工作的極度重視，特別是對人才區域布局的合理引導和規劃。

關于人才的區域分布特征及其演進模式，國外學者展開了大量有益研究。Krugman（1991）指出人才的區域分布會因為地區收入水平等因素的影響而逐漸演變為“核心-外圍”的結構模式。Marc（2009）發現英國大城市的人才分布呈現高度集聚和不均衡格局，這種人才格局決定了英國城市創新創業的潛在經濟結果。Oers（2013）等對荷蘭高技能移民的研究表明，荷蘭高技能移民受個人和外部環境的影響，空間分布特征較為復雜。在國內，中國人才格局通常呈現出高度集聚、不均衡東高西低等特點，胡煥庸人口地理分布線在中國人才分布格局中同樣適用。張波和丁金宏（2019）發現中國高端人才集中分布在以京、滬、蘇為核心的環渤海灣和長江三角洲地區，分布重心經歷了由北向南再向北變遷的發展歷程，并出現向中西部流動的態勢。聶晶鑫和劉合林（2018）將人才流動域模式總結為“本地-躍遷”型、“本地-半依附”型和“本地-依附”型，并利用2015屆本科畢業生數據展開實證研究，發現中國人才分布呈現出沿東南沿海與長江沿岸分布的“弓形”格局。孫康和司月芳（2022）揭示了華人科學家集聚分布于國內一線城市的現象，且該群體的流動空間范圍更大，超越了古典的人口遷移模型中的短距離流動規律。高技能人才作為推進新型城鎮化建設的關鍵群體，早期會因經濟因素而集聚于東部沿海城市，后期由于生活成本、公共服務等因素的阻礙影響，空間分布的集聚性又會出現顯著下降。一些學者還針對企業經營管理人才、設計創意人才、留學歸國人員等具體人群展開分析，中國人才地理的研究內容不斷豐富。

關于影響人才分布格局的因素，英國學者雷文斯坦（1885）提出的經典推拉理論，揭示了影響勞動力遷移集聚的7條普遍規律，包括城市等級、距離等。博格（1959）進一步發展該理論，并將其總結為遷出地的推力和遷入地的拉力。一般而言，由于人們具有充分的經濟理性，選擇城市時主要考慮的是經濟利益。因此，工資收入、地區經濟發展水平等經濟因素被認為是影響人才分布的首要因素（武榮偉、王若宇、劉曄等，2020）。近年來，學者們對人才分布的影響因素分析更加細致全面，這是因為人才有別于普通的人口和勞動力，在滿足了一般的物質需求外，在生活品質、自然環境、個人偏好等方面擁有更加多樣化、個性化的需求。比如消費城市假說認為城市提供的消費品和服務質量是人才集聚的關鍵，創意階層理論認為快速便捷的城市生活和寬松包容的人文環境能夠吸引更多的創意人才進入，城市舒適性理論強調了城市自然風光、生態環境和工作舒適度對人才分布的影響。國內一些學者將地區公共服務、交通基礎設施、市場和消費環境、自然環境舒適度等總結為地方品質因素。此外，還有一些學者認為宏觀層面的地緣政治、社會認同、制度文化、政府政策等非經濟因素和微觀層面的個體經歷、個人外部感知、人際關系網絡等個體決策因素對人才分布也存在顯著影響，分析領域從經濟因素向非經濟因素轉變，分析層次也逐步涵蓋宏觀、中觀到微觀。

基于上述，現有研究還存在以下不足：一是以往文獻大多集中于國家或省級等大尺度研究，基于城市這一更小尺度的研究鮮有；二是沒有對人才分類型、分區域進行分析研究，得出的規律性結論和政策建議不夠精準；三是對人才集聚的測度不夠全面。本文擬利用最新的人口普查數據，從地級行政單元這一更加微觀的地理單元出發，構建更加精確反映人才集聚情況的人才集聚度指數，刻畫中國人才空間分布的時空變化過程，開展不同城市群、不同類型人才的異質性分析，揭示人才分布格局的驅動因素差異，找出影響不同類型人才空間集聚的一般規律和基本要素，為后續理論研究和政策實踐提供有益參考。

一、數據來源和研究方法

（一）數據來源

本文參考部分學者的研究，將人才定義為具有大專及以上學歷的人群。根據《國家中長期人才發展規劃綱要（2010—2020）》的相關內容，本文將人才隊伍劃分為黨政人才、專業技術人才、企業經營管理人才、高技能人才、鄉村振興人才和社會工作人才。其中，黨政人才對應職業大類人口中的黨的機關、國家機關、群眾團體和社會組織、企事業負責人，專業技術人才對應專業技術人員，企業經營管理人才對應辦事人員和有關人員，高技能人才對應生產制造及有關人員，鄉村振興人才對應農林牧漁業生產及輔助人員，社會工作人才對應社會生產服務和生活服務人員。由于目前數據源無法提供同時包含人口學歷和職業類型的綜合數據，以往部分研究通常依據職業歸類直接劃定人才類型，但此法無法區分人才和普通勞動者。本文將每個城市大專及以上學歷人口占總人口的比例作為基礎比例，乘以每種職業大類的人員總量，得出不同職業大類的人才總量，以大致反映不同類型人才的規模。人才數據來源于2000年、2010年、2020年《中國人口普查分縣資料》，其余數據來源于相關年份《中國城市統計年鑒》、《中國縣域統計年鑒》、統計公報等。

本文的研究范圍包括中國大陸31個省（自治區、直轄市），港澳臺地區由于數據缺失未納入研究范圍。分析的基本地理單元是地級（地級市、自治州、地區、盟）及以上行政單元（直轄市）。

（二）研究方法

1.人才集聚度指數

以往研究測度人才集聚度時主要從人才總量、人才密度（人才總量/行政區面積）或人才比例（人才總量/人口總量）等單一指標進行測度，也有學者從人才密度和人才比例兩項指標分別進行分析。然而，僅用人才總量表征會導致人口大市數據偏高，僅用人才密度表征會因行政區劃面積過大或過小導致部分地區的人才集聚度測度結果嚴重偏離現實情況，僅用人才比例會造成小城市數據偏高，同時也無法體現人才規模效應。我們認為，人才集聚度應包含人才規模和人才密度兩個方面，前者不受地區總人口和行政區劃面積的影響，直觀反映了人才總量情況；后者受地區總人口和行政區劃面積的影響，反映了人才在總人口和地理空間上的比例和分布情況。本文通過專家打分法對三個指標的權重進行打分，并將5位專家的打分權重進行算術平均得到每個指標的權重。最終，人才規模（人才總量）、人才密度（人才總量/行政區劃面積）、人才比例（人才總量/人口總量）三個指標的權重分別為0.4、0.3和0.3，進行標準化后計算得到各地理分析單元的人才集聚度指數，此方法能較為全面綜合地反映城市的人才分布和發展情況。

2.基尼系數和泰爾指數

本文采用學界最常用的基尼系數和泰爾指數來表征人才分布的不均衡程度，兩者相互補充，可以更好反映人才分布的空間不均衡程度。基尼系數（G）計算公式如下：

（1）

其中，n代表城市總數，x_代表平均人才集聚度，xi和xj代表任意兩市的人才集聚度。基尼系數的取值區間是0到1，即完全平均分布到完全不平均分布。泰爾指數（T）的表達式為：

（2）

其中，n代表城市總數，x_代表平均人才集聚度，xi代表任意i的人才集聚度。泰爾指數的取值區間是0到無窮，即平均分布到極不平均分布。

3.空間自相關分析

莫蘭指數（Moran's I）是運用最為廣泛的探測空間自相關的方法，本文利用全局Moran’s I指數來分析中國人才分布是否存在整體的空間自相關關系。具體公式為：

（3）

其中，n為城市數量，wij為二階空間權重矩陣（鄰接為1，不鄰接為0）。xi和xj分別為城市i和城市j的人才集聚度，x_為所有城市的平均人才集聚度。莫蘭指數取值范圍在[-1，1]的區間內，正值反映了空間正相關性，負值則反映空間負相關性。

4.面板回歸模型

基于前述分析，可以認為經濟因素和非經濟因素是影響人才區域分布的重要因素，由此可將基準回歸模型設定為：

（4）

其中，y為因變量人才集聚度，xit為一系列解釋變量，εit為回歸殘差。本文在進行面板數據回歸時，首先采用LLC和Fisher-ADF兩種方法進行單位根檢驗，結果表明各變量序列平穩。接著采用Kao方法進行協整檢驗，結果表明變量間協整關系，故可以直接對模型進行回歸。在面板數據模型形式的選擇方法上，通過Hausman檢驗最終選擇固定效應模型。由于模型的被解釋變量人才數量為計數數據，因此采用負二項回歸進行分析，同時考慮到不同時期不同地區的殘差相關性會導致估計結果存在較大偏誤，故本文選取雙向固定效應模型。

二、中國人才分布格局的時空演變

（一）中國人才空間分布的整體情況

運用基尼系數和泰爾指數來衡量2000年、2010年和2020年3個時期中國人才分布的不均衡情況，運用全局Moran’s I指數來衡量3個時期的全局空間自相關情況。從表1可以看出，2000—2020年中國人才分布的不均衡性較為明顯，基尼系數和泰爾系數分別維持在0.5和0.7以上，但不均衡程度在持續減弱，基尼系數和泰爾指數分別從0.598和0.930下降至0.580和0.799。從全局Moran’s I指數來看，研究時段內一直是正值且顯著性較好，指數從2000年的0.153持續上升至2020年的0.269，表明中國人才的空間集聚在持續增強。

（二）中國人才分布格局的時空演變

2000年，人才集聚度較高的區域主要分布在沿海地區、東北地區和中西部以省會城市為中心的城市群地區。21世紀初，中國改革開放不斷深化，率先開發開放的沿海地區、產業基礎較好的東北地區和中西部部分省會城市成為經濟和產業快速發展的增長極，不斷引發對人才的旺盛需求。其中，長三角城市群26個城市的人才集聚度平均值達到0.164，是人才集聚度最高的城市群，上海、南京、杭州、合肥、蘇州、寧波等發達城市的人才集聚度較高，而珠三角（9個城市）和京津冀（13個城市）的人才集聚度則分別達到0.163和0.160。東北地區重工業發達，產業承載了大量技術和技能人才，呈現出人才成片集聚分布的格局，黑吉遼三省36個地級行政單元的人才集聚度平均值達到0.144，哈爾濱、大慶、長春、吉林、沈陽、撫順、大連、鞍山等地人才集聚度超過0.2。從城市來看，人才集聚度排名前五的城市依次為北京、上海、武漢、南京和西安，其中北京和上海的人才集聚度分別達到0.838和0.826，比第五名的西安多了近1倍，這表明當時北京和上海人才集聚的極化現象十分明顯。北京和上海人才極化現象的背后，是大量內外資企業、集團總部、科研機構、商會、社會團體等機構爭相落地的結果，也從側面展示出政治、科技、文化和經濟對人才的吸引力。

2020年，人才集聚度排名前五的城市依次為北京、上海、深圳、廣州和武漢，其中北京和上海的人才集聚度均超過0.8，深圳、廣州和武漢的人才集聚度則在0.57～0.60區間，北京和上海的人才極化現象依舊明顯，但稍有減弱。人才集聚度較高的地區也發生了一些變化，東南沿海地區人才依舊連片集聚，中西部以省會城市為中心的城市群地區也仍然零星分布，且輻射區域和集聚程度在擴展和加深，但東北地區和京津冀地區的人才集聚度和輻射范圍有明顯縮減，除北京、天津、哈爾濱、長春、沈陽、大連、吉林等城市還保持原有的人才集聚水平，其他東北地區城市和京津冀城市人才集聚度不再處于高水平。以上現象表明，隨著中國經濟社會的不斷發展和區域協調發展戰略的提出，中國人才的空間分布跟隨著經濟和產業的趨勢在變得均衡，北京上海等首位城市因戶籍政策、生活成本等經濟社會多重因素對人才產生擠出效應，中西部的后發城市不斷發展追趕從而吸引了越來越多的人才集聚。東北地區因產業大量流失失去了以往的人才承載力，人才集聚程度不斷萎縮。

從兩階段變化來看，東北地區、內蒙古東部和河北省出現成片地區人才集聚度下降現象，且下降幅度較大，哈爾濱、鞍山、撫順、牡丹江、雞西、佳木斯、延邊、丹東、本溪等城市的下降值均在0.1以上，而湖南西部、湖北西部、青海南部、湖北東部、廣東北部等地也出現了零星的人才集聚度衰退情況。相反，長三角地區、珠三角地區、京津地區、山東半島、福建東南沿海都出現了不同程度的人才集聚度上升情況。

（三）不同類型人才分布變化情況

對2000—2020年中國9個主要城市群的不同類型人才的分布變化情況進行分析（表2）。總體而言，受經濟衰退和產業轉型等多種因素影響，哈長城市群和遼中南城市群各類型人才集聚度出現不同程度的下降，而其他城市群的人才集聚度大都經歷了增長。研究時段內，黨政人才在各城市群中的集聚度變化不大，專業技術人才集聚度增減幅度較小，這表明機關和事業單位等“體制內”人才的空間分布保持穩定。其中長三角城市群的專技人才集聚度增長最快，到2020年已達到0.280，這與長三角地區科技、教育事業的快速發展息息相關。企業經營管理人才在長三角城市群和珠三角城市群提升較快，都超過了0.1，側面反映出中國市場經濟在這兩個地區不斷發展壯大的過程。高技能人才在珠三角城市群不斷集聚，人才集聚度從2000年的0.175快速增長至2020年的0.257，這與珠三角城市群制造業和外向型經濟的快速發展密不可分。鄉村振興人才增長最快的前三位依次為長三角、珠三角和成渝城市群，而社會工作人才增長最快的前三位依次為長三角、海峽西岸和山東半島城市群。

三、中國人才空間分布變化的影響因素

參考已有文獻并考慮數據可得性，本文認為影響人才空間分布的因素大體可分為以下4類：

（一）經濟因素。新古典遷移理論認為人才和勞動力傾向于往高勞動報酬和低生活成本地區遷移，經濟發展水平較高的城市也意味著更多的就業機會和市場機遇。本文采用城鎮在崗職工平均工資（income）和地區生產總值（GDP）進行表征。

（二）社會因素。良好的社會公共服務（涉及醫療、教育、文化、信息等）正日益成為人才選擇定居地的重要考量，相比于普通人口和勞動者，人才會更加關注公共服務品質。本文選擇萬人醫生數（health）和中小學在校師生比（education）作為衡量指標。

（三）生態環境因素。城市舒適物理論認為，城市的自然風光、生態環境和工作舒適度會極大地影響人才的集聚。本文采用建成區綠化覆蓋率（environment）表示。

（四）政策因素。為吸引更多優質人才，國內城市爭相制定人才，其普遍做法是加大經濟性的吸引力度，同時降低社會性的制度門檻。

本文參考以往研究，對各城市的《政府工作報告》涉及人才或人才相關的描述進行文本分析并打分，文本提到設置明確指標數值或具體實施項目的記2分，只是泛化表述記1分，最終得到各城市的人才政策強度（policy）。對所有指標進行共線性檢驗，VIF值均小于10，表明不存在共線性問題。表3展示了各變量的描述性統計結果。

表4展示了模型的回歸結果。模型I（全部樣本）結果表明，工資收入、地區經濟發展水平、醫療水平、教育水平、生態環境和政策因素都對人才集聚具有顯著的正向影響。具體而言，經濟因素仍然是影響人才集聚的首要因素，工資收入和地區經濟發展水平的影響系數較大。人才追求高額報酬以實現理想抱負和價值體現，較高的地區經濟發展水平也代表著更好的城市發展前景和更多的市場就業機會。表征社會因素的公共服務水平同樣也是吸引人才集聚的關鍵，但影響系數不如經濟因素。隨著人口遷移和城市落戶模式的轉變，人才選擇城市將更多考慮雙方父母和自身家庭的需求，而不單單是個人的工作事業需求，人才會更加重視子女教育、健康醫療，因此城市的“后勤保障”水平也變得更受重視。此外，人才對生態環境和人才政策也具有較強的敏感性。

分人才類型來看（模型II-VII），工資收入和地區經濟發展水平對六類人才呈現出不同程度的吸聚效應，其中對企業經營管理人才和高技能人才影響最大，黨政人才、鄉村振興人才同樣受經濟因素的正向影響，但系數較小。醫療服務水平和教育水平對黨政人才、專業技術人才、企業經營管理人才和社會工作人才的吸引較強。生態環境對鄉村振興人才的影響較大，人才政策則對專業技術人才、企業經營管理人才和社會工作人才產生顯著正向影響。

本文通過改變樣本的方法對研究結果進行穩健性檢驗。將人才標準從“具有大專及以上學歷”改為“具有本科及以上學歷”。從表5穩健性檢驗的結果可以看出，除顯著性有差異外，回歸結果與原結果一致，因此結論可信。

四、 結論與討論

（一） 結論

基于2000—2020年中國人口普查分縣數據，本文從人才規模、人才密度、人才比例三個維度構建人才集聚度指數，運用地理空間分析法系統描繪中國人才分布格局及其時空變化過程，重點考察9個主要城市群的人才變化情況，構建回歸模型測度影響不同類型人才集聚的因素。經過前述研究，得出如下結論：

1.2000—2020年，中國人才分布的不均衡性較為明顯，但不均衡程度在持續減弱，基尼系數和泰爾指數均有不同程度的下降。從全局Moran’s I指數來看，研究時段內中國人才的空間集聚效應在持續增強。

2.2000年，人才集聚度較高的區域主要分布在沿海地區、東北地區和中西部以省會城市為中心的城市群地區。北京、上海、武漢、南京和西安是人才集聚度最高城市，且北京和上海的極化現象十分明顯。2020年，北京、上海、深圳、廣州和武漢排名城市前五，但北京和上海的人才極化現象稍有減弱。就區域而言，東南沿海地區人才依舊連片集聚，中西部以省會城市為中心的城市群地區的人才集聚程度和輻射范圍在加深和擴展，而東北地區、內蒙古東部和河北省出現成片地區人才集聚度下降現象，且下降幅度較大。

3.回歸分析結果表明，收入水平、地區經濟發展水平、公共服務水平、生態環境和政策因素對人才集聚均具有顯著的正向影響。企業經營管理人才、高技能人才對工資收入和地區經濟水平較為敏感，優質的公共服務促進了黨政人才、專業技術人才、企業經營管理人才和社會工作人才的集聚，人才政策對專業技術人才、企業經營管理人才和社會工作人才更具吸引力。

（二）討論

有關人口、勞動力和人才的空間分布和影響因素文獻已有很多，但研究內容和結論較為籠統，無法精準分析不同類型人才的分布變化和影響因素情況。研究方法上，以往文獻僅使用人才分布的地理密度來表征人才集聚情況，會因行政區劃面積過大或過小導致部分地區的人才集聚度測度結果嚴重偏離現實情況。本文嘗試在以上方面做出貢獻，研究結論也提供了諸多啟示。一方面，經濟因素仍然是吸引人才集聚的首要因素，人才實現理想抱負和價值體現會更加看中報酬收入和發展機會；另一方面，城市生活品質同樣重要，尤其是在當前教育醫療資源匱乏、競爭越發激烈的大背景下，人才將更加注重子女教育、健康醫療等城市公共服務。此外，良好的生態環境和合適的人才政策也同樣能夠吸引人才。

對于不同類型人才而言，黨政人才和專業技術人才大多來自“體制內”的機關和事業單位，經濟收入較為穩定且變化小，加上這些人才因自身所處行業和教育成長經歷，會更加看中城市的醫療、教育等公共服務水平，而對經濟因素的敏感度較小。企業經營管理人才、高技能人才等“市場化”人才受市場活力、產業發展和就業機遇影響大，加之其掌控的社會資源也相對較少，因此會更看重城市的收入水平和經濟發展水平。此外，各地出臺的人才政策對專業技術人才、企業經營管理人才和社會工作人才的吸引力更大。對于地方政府而言，如何根據自身發展實際、主導產業定位進行人才類型需求分析，制定一套精準有效的引才聚才策略，將成為實現高質量發展的重要途徑。

囿于數據的可獲得性，本文使用規模和總體比例相乘進行近似估算的處理方法得到不同類型人才的數量，可能會因學歷比例差異存在結果偏差，未來在不同類型人才隊伍測算方面還有較大改進和完善空間。

參考文獻：

[1]Bogue D.J. Internal Migration[M]. University of Chicago Press， 1959.

[2]Delisle F.， Shearmur R. Where does All the Talent Glow？ Migration of Young Graduates and Nongraduates， Canada 1996-20—2001[J]. The Canadian Geographer. 2010， 54（3）： 305-323.

[3]Florida R. The Rise of the Creative Class and How It's Transforming Work， Leisure， Community， and Everyday Life[M].New York： Basic Books， 2002.

[4]Glaeser E L， Kolko J， Saiz A. Consumer city[J]. Journal of Economic Geography， 2001， 1（1）： 27-50.

[5]Krugman P. History and industry location： the case of the manufacturing belt[J]. American Economic Review， 1991，81（2）： 80-83.

[6]Liu Y ， Shen J .Spatial patterns and determinants of skilled internal migration in China， 2000-20—2005[J].Papers in regional science， 2014， 93（4）：749-771.

[7]Marc C. The geographical distribution of UK talent： causes and consequences[J]. Institute for Employment Studies， 2009，27（1）： 1-22.

[8]Oers R V ， Minderhoud P E . Integration of High Skilled Third Country Nationals in Europe. A new proposal for circular talent management[J]. Nijmegen Migration Law Working Papers， 2013.

[9]Peixoto J. Migration and Policies in the European Union： Highly Skilled Mobility， Free Movement of Labour and Recognition of Diplomas[J]. International Migration. 2001， 39（1）： 33-61.

[10]Ravenstein E.G. The Laws of Migration[J]. Journal of the Statistical Society of London. 1885， 48（2）： 167-198.

[11]崔璨，于程媛，王強.人才流動的空間特征、驅動因素及其對長三角一體化高質量發展的啟示——基于高校畢業生的分析[J].自然資源學報，2022，37（6）：1440-1454.

[12]古恒宇，沈體雁.中國高學歷人才的空間演化特征及驅動因素[J].地理學報，2021，76（2）：326-340.

[13]古恒宇，沈體雁.中國省際高技能人才遷移的時空演化機制[J].地理學報，2022，77（10）：2457-2473.

[14]海駿嬌. 城市環境可持續性政策的驅動因子和成效研究[D].上海： 華東師范大學博士學位論文，2019.

[15]何金廖，彭玨，胡浩.設計創意人才的空間集聚及其影響機理研究——基于城市舒適性視角[J].地理科學，2021，41（9）：1525-1535.

[16]姜海寧，張文忠，許樹輝等.中國留學人員創業園分布及產業特征[J].地理科學，2018，38（12）：1943-1951.

[17]李琴，謝治.青年流動人才空間分布及居留意愿影響因素——基于2017年全國流動人口動態監測數據[J].經濟地理，2020，40（9）：27-35.

[18]劉艷軍，湯爽爽，吳康，等.經濟地理學視角下中國人口研究熱點與展望[J].經濟地理，2021，41（10）：97-105+142.

[19]劉曄，黃翠盈，李晴等.2000—2020年中國高學歷人才分布格局及其影響因素研究[J].地理研究，2023，42（11）：2827-2844.

[20]劉曄，徐楦鈁，馬海濤.中國城市人力資本水平與人口集聚對創新產出的影響[J].地理科學，2021，41（6）：923-932.

[21]馬雙，汪懌.人才政策對人才跨區域流動的影響——以長三角城市群為例[J].中國人口科學，2023（1）：101-113.

[22]聶晶鑫，劉合林.中國人才流動的地域模式及空間分布格局研究[J].地理科學，2018，38（12）：1979-1987.

[23]彭川宇，劉月.城市科技創新人才政策擴散動力因素時空差異研究[J].科技進步與對策，2022，39（24）：81-90.

[24]齊宏綱，趙美風，劉盛和，等.2000-20—2015年中國高學歷人才省際遷移的演化格局及影響機理[J].地理研究， 2022，41（2）： 456-479.

[25]孫康，司月芳.創新型人才流動的空間結構與影響因素——基于高被引華人科學家履歷分析[J].地理學報，2022，77（8）：2113-2130.

[26]王珩，龔岳.中國流動人才居留意愿和時長的空間分布及影響因素[J].地理科學，2023，43（1）：61-71.

[27]王若宇，黃旭，薛德升等.2005-20—2015年中國高校科研人才的時空變化及影響因素分析[J].地理科學，2019，39（8）：1199-1207.

[28]王一凡，崔璨，王強，等.“人才爭奪戰”背景下人才流動的空間特征及影響因素——以中國“一流大學”畢業生為例[J]. 地理研究， 2021，40（3）： 743-761.

[29]武榮偉，王若宇，劉曄等.2000—2015年中國高學歷人才分布格局及其影響機制[J].地理科學，2020，40（11）：1822-1830.

[30]徐倪妮，郭俊華.科技人才流動的宏觀影響因素研究[J].科學學研究，2019，37（3）：414-421+461.

[31]楊開忠. 京津冀協同發展的新邏輯：地方品質驅動型發[J].經濟與管理， 2019， 33（1）： 1-3.

[32]姚先國，馮履冰，周明海.中國勞動力遷移決定因素研究綜述[J].中國人口科學，2021，202（1）：117-125+128.

[33]于瀟，陳筱樂，解瑯卓.流動效應與戶籍歧視效應對流動人口工資收入的影響——基于雙邊隨機前沿模型的分析[J].人口研究，2022，46（2）：61-74.

[34]張波，丁金宏.中國省域高端人才空間分布及變動趨勢：2000-20—2015年[J].干旱區資源與環境，2019，33（2）：32-36.

[35]張維陽，錢雨昕，崔璨.基于地理學視角的“雙一流”高校學生就學遷移網絡——格局、驅動因素與公平性[J].地理科學，2023，43（4）：668-678.

[36]朱鵬程，張宇，曹衛東等.長三角企業經營管理人才空間分布及其地理流動網絡——基于上市公司董監高團隊數據分析[J].人文地理，2020，35（4）：121-129.

Spatiotemporal Evolution and Influencing factors of China's Talent Distribution： Analysis Based on Three National Census Data from 2000 to 2020

Ma Shuang

（Information Research Institute， Shanghai Academy of Social Sciences，Shanghai 200020）

Abstract： Talents are the fundamental and strategic support for China's comprehensive construction of a socialist modernized country. Analyzing the spatio-temporal evolution pattern of talent and its influencing factors， is crucial for accelerating the construction of global talent highlands and rational layout and coordinated development between regions. Based on the national census data from 2000 to 2020， this paper builds the talent agglomeration index， uses the spatial analysis and other methods to describe the pattern and spatiotemporal evolution of China's talent distribution， and the panel negative binomial regression model is used to measure the influencing factors. The results indicate that： ① During the research period， the imbalanced distribution of talents in China was relatively significant， but the degree continued to weaken， and the spatial agglomeration effect of talents continued to strengthen. ② Talents in the southeastern coastal areas have always been in a state of continuous agglomeration， and the degree and scope of talent agglomeration in the central and western regions are deepening and expanding. Meanwhile， there has been a significant decline in areas such as northeast China， eastern inner Mongolia， and Hebei province. ③ Income， GDP， public service， environment， and policy all have a significant positive impact on talent aggregation. There is heterogeneity in the influencing factors of different types of talents.

Key Words：Talents with junior college education or above; Spatio-temporal evolution; Influencing factors; Census; China

[基金項目]本研究受國家自然科學基金面上項目（項目編號：42271197）、國家自然科學基金青年項目（項目編號：42401219）、教育部人文社會科學研究重大項目（項目編號：22JJD790018）共同資助。

[作者簡介]馬雙，上海社會科學院信息研究所副研究員，研究方向：區域創新、人才發展。