人才引進政策對城市創新績效影響幾何？
——基于人才引進政策的準自然實驗

劉中艷，胡守辰

（湖南工業大學 商學院，湖南 株洲 412007）

0 引言

黨的十九大報告指出，創新是國家經濟持續發展的第一動力，創新已成為推動我國經濟由高速增長向高質量發展轉型、進入創新型國家前列的重要動力。《國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》提出，要“堅持創新驅動發展，全面塑造發展新優勢”，強化國家戰略科技力量，提升企業技術創新能力，激發人才創新活力，完善科技創新體制機制。

創新驅動的實質是人才驅動。近年來，各大中城市高度重視城市人才引進工作，出臺了一系列人才引進政策：2017年，武漢市出臺“百萬人才留漢計劃”、成都市啟動“蓉漂計劃”、西安為引進人才實行“史上最寬松”的戶籍政策等。2022年以來，杭州市、深圳市等大中城市紛紛升級人才引進政策，城市之間的“人才引進大戰”進入更加注重質量的新階段。目前我國各城市的人才引進政策以提高城市創新活力、創新績效、城市競爭力作為目標，重點集中在高水平人才引進、創新創業團隊集聚，主要內容包括吸引人才落戶就業和促進人才科學研究和創新創業等。

本文從建設創新型城市的目標出發，嘗試分析人才引進政策對城市創新績效的影響機制。邊際貢獻主要體現在以下幾個方面：第一，研究角度上，以65個大中城市為研究主體，能有效排除城市規模差異過大帶來的干擾，確保研究的準確性。第二，研究方法上，運用多期雙重差分以及傾向得分匹配雙重差分方法，能有效減少樣本的內生性問題，確保研究的可靠性。第三，本文在肯定了人才引進政策有效性的同時，探究了人才引進政策對城市創新績效影響的空間異質性特征及其之間的中介機制。

1 文獻綜述與研究假設

1.1 人才引進與城市創新績效

我國城市人才引進和科技創新發展均取得了巨大成就，現有研究更多關注的是人才引進的經濟效應，如陳成艷[1]認為城市加大人力資本引進能有效提升城市的經濟發展水平；林怡[2]認為人力資本主要是通過技術創新作用于經濟增長；賀勇等[3]通過分析區域人才資本水平對經濟增長的影響機制發現，人才水平較高的區域對經濟增長的貢獻較高。

城市創新績效[4-5]是一個國家創新能力的重要體現，城市創新的重要動力源泉是人力資本，人力資本流動對城市創新也會產生重要影響，如何增華[6]實證研究了科技人才引進政策通過提升城市創新活力與創新數量對城市創新績效起到提升作用，同時科技人才引進政策還會通過空間溢出效應促進相近城市創新績效的提升。

綜上所述，人才引進政策一方面通過引導政府提高科技投入水平提高城市創新能力進一步充分發揮人力資本對城市創新績效的提升作用[7]；另一方面人才引進政策有助于利用城市優質資源激發城市“虹吸效應”，優化產業結構、提高企業創新能力提升城市創新能力[8]。因此本文提出假設:

H1人才引進政策對城市創新績效具有提升效應。

1.2 人才引進與區域異質性

區域異質性主要指城市間的等級、區位、資源稟賦源等方面的差異[9]。區域異質性對城市創新績效會產生影響，如劉中艷等[10]從國家收入層面比較分析了區域異質性會影響國家創新績效產出；范斐等[11]實證研究了中國城市等級提升對城市創新績效提升的正向影響；崔金寶等[12]研究表明，長三角地區城市間綠色創新效率因區域的技術、產業結構等異質性而表現出較大差別；夏海力等[13]實證研究了省域多中心空間結構對城市創新績效的提升作用。因此本文提出假設：

H2人才引進政策效果受到區域異質性的影響，在不同類型城市之間對城市創新績效的提升效果不同。

1.3 人力資本與城市創新績效

D.E.S.Winne等[14]對人才水平與創新關系的研究結果表明，人才水平是創新的重要決定因素。劉中艷等[15]研究認為，高水平CEO人才往往有利于企業高水平創新績效的產出，進而帶動城市創新績效。人才水平主要體現在人才存量和人才結構兩方面。

一方面，提高人才存量有利于城市生產要素的組合和效率的提高[16]，并且會通過城市整體知識溢出能力進一步影響城市創新活動的開展[17-18]。另一方面，合理的人才結構會促進人力資本與產業結構的適配性，提升城市會區域創新要素配置效率，誘導高水平人力資本適應產業升級方向。此外，人才結構合理化會提升區域資源協同能力，有利于相應的技術吸收、協同創新效率的提高[19]。因此本文提出假設：

H3城市人才存量、城市人才結構在人才引進政策和城市創新績效之間起中介作用。

2 研究設計

2.1 數據來源與及處理

為了控制內生性偏差和保證樣本的可比性，本文選擇中國65個大中城市作為研究樣本，其中，控制特大級別城市自身特異性帶來的偏差，剔除了4個“超一線”城市：北京、上海、廣州、深圳；取65個大中城市的數據作為最終分析樣本。

2.2 模型介紹

本文將城市實行人才引進政策作為一項擬自然實驗，將實行人才引進政策的城市視為處理組，未實行人才引進政策的城市視為控制組，使用多期雙重差分法（time-varying DID，多期DID）進行評估。人才引進政策實行當年及以后年份Vperiod取值1，否則Vperiod取值0。因此交互項Vdid=Vtreat×Vperiod即為人才政策的效應系數。具體模型設定如下：

式中：Vpatenti,t為被解釋變量，表示第i個城市第t年的每萬人人均專利申請或授權數量；Vcontrol為控制變量；μi為個體固定效應；λt為時間固定效應，εi,t為隨機擾動項；β0為常數項；γ1、γ2、β1為相應的系數；ηt為2015—2019年Vdid的系數和。

2.3 變量定義與測度

2.3.1 被解釋變量

被解釋變量為城市創新績效，專利數據是研究技術創新的重要資源，能夠很好地代表城市創新績效的水平[20-21]。本文選擇每萬人人均專利申請數和每萬人人均專利授權數作為城市創新績效的測度指標[22]，所用數據均來源于中國研究數據服務平臺（Chinese Research Data Services，CNRDS）數據庫。

2.3.2 解釋變量

人才引進政策是解釋變量，本文收集65個大中城市政府網站2011—2019年之間發布人才引進政策的情況確定城市實行人才引進政策與否，將發布人才引進政策的城市定義為實行人才引進政策的城市，以此作為實驗組，Vtreat賦值為1；未實行人才引進政策的城市作為控制組，Vtreat賦值為0；Vperiod為政策實施的時間變量，政策實行之前Vperiod賦值為0；政策實行之后Vperiod賦值為1。

2.3.3 控制變量

本文在多期DID模型中加入了以下指標作為控制變量：1）城市經濟發展水平（Vlngdp）。用城市GDP總值取對數表示；2）城市金融發展程度（Vfin）。用年末貸款余額與城市生產總值的比值表示；3）城市對外開放程度（Vfdi）。用實際利用外資金額占城市生產總值的比值表示；4）城市科技支出水平（Vscost）。用當年政府的科學支出占政府預算內支出占比來表示；5）城市教育支出水平（Vecost）。用當年教育支出占政府預算內支出占比來表示；6）地區產業結構（Vind32）。用第三產業產值與第二產業產值比值表示；7）政府干預力度（Vgov）。用城市政府預算內支出與城市生產總值的比值表示。以上數據均來自2011—2020年《中國城市統計年鑒》，并對其中缺失數據運用多重插補法進行插補。

2.3.4 中介變量

本文將城市人才結構（Vlabor32）和城市人才存量（Vstudent）作為中介變量，人才存量用城市普通高等學校在校人數與地區總人口的比值表示[23]，城市人才結構用第三產業從業人員數與第二產業從業人員數比值來表示[24]。變量描述性統計如表1所示。

表1 變量描述性統計Table 1 Descriptive statistics of variables

3 實證分析

3.1 初步回歸分析

本文采用分步加入控制變量法對模型（1）進行初步回歸，回歸結果如表2所示（其中樣本量為585），政策虛擬變量Vdid在完全不加入控制變量和加入所有控制變量之后均在1%水平上顯著為正，說明人才引進政策確實能夠有效地提升城市創新績效，驗證了假設H1。

表2 基準回歸結果Table 2 Benchmark regression results

第（2）～（7）列為分步加入控制變量。政府干預力度（Vgov）僅在第（4）列中顯著，說明政府干預力度對政策效應的提升并不顯著，可能是政府過多的干預會導致“重引進，輕培養”的現象，無法將引進人才轉化為創新績效。經濟發展水平（Vlngdp）均在5%的水平上顯著為正，說明地區經濟發展會吸引更多優質的人才和創新型企業。金融發展程度（Vfin）的回歸系數均不顯著，說明城市金融發展程度并未對城市的創新績效提升產生影響，可能是金融業的體系對創新型企業的金融配置效率不高。對外開放度（Vfdi）的回歸系數均顯著為負，說明對外開放在一定程度上抑制了城市創新績效的提升，可能是地方政府引進外商投資對本地區創新型產業造成了競爭性效應，導致地方創新型產業的發展受到擠壓，不利于城市創新績效的提升。科技支出水平（Vscost）和教育支出水平（Vecost）的回歸系數均顯著為正，說明城市對于科技和教育的投入會為城市創新績效提供科技人才儲備，進而會為創新績效的提升帶來正向的影響。產業結構（Vind32）的回歸系數并不顯著，說明城市的產業結構的優化并不會明顯提升城市創新績效。

3.2 動態效應回歸分析

進一步地，對模型（3）進行回歸，分析人才引進政策的動態效應。結果如表3所示。

表3 動態效應回歸結果Table 3 Dynamic effect regression results

p1～p4表示人才政策實行的第1～4年。第（1）（2）（3）列和第（4）（5）（6）列是分別用專利申請數量和專利授權量作被解釋變量對政策的動態效應進行回歸的結果。

如表3第（2）列結果顯示，使用專利申請數量進行回歸時，p1～p4的系數不斷增大，且至少在5%水平上顯著為正，說明人才引進政策對城市創新績效的提升效應在逐年得到體現。加入控制變量后，第（3）列的結果與第（2）列保持相同的遞增趨勢，且至少在10%水平上顯著為正，進一步說明人才引進政策的效應存在一定的滯后效應，且在政策實施后對城市創新績效的提升體現出逐年增加的趨勢。

3.3 中介效應結果分析

表4是使用bootstrap調整估計偏差法對中介效應回歸的結果。第（1）和第（2）列是用專利申請數量作為解釋變量，人才引進政策對城市人才存量和人才結構的回歸系數為正，且BC置信區間均不含0，說明人才引進政策提升了城市的人才存量和人才結構，驗證了假設H3。第（3）和第（4）列采用專利授權數量作為解釋變量，同樣可以得出以上結論。

表4 中介效應結果Table 4 Intermediary effect results

因此可以驗證，人才存量和人才結構對城市創新績效提升的中介效應存在，且人才引進政策通過優化人才結構的中介效應相較于提升人才存量的中介效應更有效。

4 穩健性檢驗

4.1 平行趨勢檢驗

使用雙重差分法的前提之一是要滿足平行趨勢假設，因此本文建立模型（4）進行平行趨勢檢驗。

式中：ηt為2011—2019年Vdid的系數和；γ3為Vcontrol的系數。

本文取相對政策發布前5 年（pre5～pre1）和政策發布后4 年（post1～post4）為平行趨勢檢驗的時間區間，并將pre5作為基期，政策發布當年為current。平行趨勢圖如圖1所示。

圖1 平行趨勢圖Fig.1 Parallel trend chart

圖1的結果顯示，相對人才引進政策實施時間的之前4期的系數在0上下，且置信區間均與0相交，因此本模型滿足雙重差分法的平行趨勢假設。

4.2 PSM-DID檢驗

為了減少選擇性偏差問題，本文采用1:1最近鄰匹配方法對Vgov、Vlngdp、Vfin、Vfdi、Vscost、Vecost和Vind32變量進行傾向得分匹配，再使用傾向得分匹配得到結果重新進行回歸分析。匹配后除去未成功配對的31組數據，最后得到554組匹配后數據，匹配結果如表5，處理組和對照組匹配后各變量的標準偏誤均有明顯降低，分別降低了79%、71.9%、83.8%、8.4%、89.1%、0.8%、54.2%，說明本文選取的匹配變量和匹配方法是合理的。

表5 PSM結果Table 5 PSM results

使用傾向得分匹配得到結果重新進行回歸分析結果如表6所示，第（1）（2）和第（3）（4）列為分別采用專利申請數量和專利授權數量作為解釋變量進行回歸的結果，在進行PSM之后的DID回歸結果在加入控制變量前后的系數均顯著為正，這表明在使用更為精確地匹配樣本之后，回歸結果與基礎回歸的結論保持一致，證明了本文模型的穩健性。

表6 PSM-DID結果Table 6 PSM-DID results

5 異質性分析

5.1 城市級別異質性

國家統計局發布的大中城市名單顯示，其中包括直轄市、省會城市、自治區首府城市（不含拉薩市）和計劃單列市（共35個），以及唐山、秦皇島等其他35個城市。入選的依據主要參考了這些城市的經濟實力、住宅成交量、城市規模以及區域輻射力，同時也兼顧了樣本的區域代表性。參考政治地位、經濟實力、城市規模、區域輻射力、人口數量等指標專家學者通常又將城市劃分為一、二、三、四線城市。因此，由于衡量標準不同，65個大中城市與一、二、三、四線城市互有交叉。我國一、二線城市一般來說是區域經濟發展的中心和領先者。因此本文按照城市級別將控制組中一、二線城市分為一組，三、四線城市分為一組，對模型（1）進行回歸。表7為異質性分析結果。

表7 異質性分析結果Table 7 Heterogeneity analysis results

表7結果顯示，一、二線城市的人才引進政策變量Vdid的回歸系數在1%水平上顯著為正，而三、四線城市的政策變量Vdid的回歸系數并不顯著，說明人才引進政策對一、二線城市的創新績效有明顯的提升效應，而對三、四線城市的效果并不明顯。

5.2 城市區位異質性

我國東部城市因其沿海、交通發達等優勢，在經濟發展水平、創新資源等方面具有一定區位優勢，而中、西部地區的優勢相對較低。為了驗證這一區位異質性對政策效應產生的影響，本文將控制組按照城市區位分成東部、中部和西部城市組分別代入模型（1）進行回歸，結果如表7的第（3）（4）和（5）列所示。從中可以看出，人才引進政策虛擬變量Vdid的回歸系數均在5%水平上顯著為正，說明人才引進政策對城市創新績效提升的促進作用在東部、中部和西部城市之間均顯著，且對東部城市的提升效應要強于中部和西部城市。原因可能是由于東部城市的經濟發展水平、城市自身的人才吸引力、創新資源配置效率等方面要優于中部城市，而中部城市則優于西部城市。

5.3 高校資源異質性

高校能為社會輸送高素質人才，是城市科學研究和科技創新的前沿陣地，入選“211工程”已成為高校科教高質量發展的重要標準。為了驗證高校資源異質性，本文將控制組按照是否有“211工程”院校分組代入模型（1）進行回歸，結果如表7的第（6）和（7）列所示。人才引進政策虛擬變量Vdid的回歸系數均在5%水平上顯著為正，有“211工程”院校城市的回歸系數要高于無“211工程”院校城市，可能是有“211工程”院校城市在創新資源上更有優勢，更有利于其留住創新人才，有利于集聚城市創新要素、提高城市創新績效。以上異質性檢驗驗證了假設H2。

6 結論和啟示

6.1 研究結論

本文使用擇多期雙重差分法，實證研究了人才引進政策對城市創新績效的提升效果，主要結論如下：1）整體來看，人才引進政策能夠顯著地提升城市創新績效，證明了政府實行人才引進政策的正確性。2）人才引進政策對城市創新績效的提升作用呈現滯后效應，在出臺后呈現出逐年上升的趨勢。3）人才引進政策通過優化城市人才存量和人才結構對城市創新績效產生中介影響。4）人才引進政策對一、二線城市的創新績效的提升作用要強于三、四線城市；對東部城市的創新績效提升作用強于中部和西部城市；對高校資源較好的城市創新績效的提升作用強于高校資源一般的城市。

6.2 啟示

基于本文的上述結論，對于人才引進政策的啟示如下：1）堅定政策執行力度，保證人才引進持續性。人才引進政策能夠顯著提升城市創新績效，并存在滯后效應。一方面，已實行人才引進的城市應堅定執行現有人才引進政策，積極深化人才引進政策執行力度，保證人才引進的持續性，保證人才引進滯后效應的完全體現。另一方面，還未實行人才引進政策的城市應根據自身城市情況，積極跟進出臺實施相應人才引進政策，引進適合城市創新發展的人才，促進城市創新績效提升。

2）提高城市創新人才存量，促進城市人才結構多元化。一是重視城市人才存量的提升，首先是發揮高校為城市輸送人才的動力作用，加強城市高校資源配置，提升高校教育質量，從根本提升人才水平；其次是鼓勵社會青年人才自主學習、自我提升，建立健全青年人才培養激勵機制，強化城市人才的再培養，不斷充實城市人才力量。二是重視技術型、服務型等職業人才的培養和引進，建立健全技術人才的培養和認證體系，構建多元化人才高地，形成人才廣度和深度的相結合。

3）因地制宜制定人才引進政策，提升政策的包容性與靈活性。一是人才引進政策在實施的過程中，應避免單一化做法，倡導多元化發展戰略，因地制宜借鑒和汲取相關城市經驗，從政策工具、戶籍和社會保障制度、財政保障等角度構建具有地方特色的人才引進政策。二是針對人才引進在實行過程中呈現出“重引進，輕培養”的特點，各城市應加強對人才引進的效果跟蹤評價與監測，構建創新型人才服務平臺，從“引進-培養-創新”等各環節服務人才引進，加強人才培養和監督的同時，做到“引得進、留得住、用得好”，使人才引進的效果最大化。

4）提升城市實力，創造優質城市創新環境。一是著力提升城市經濟水平，積極構建區域發展新格局，縮小城市間經濟差距。二是加強重點區域和重點人才合作，推動城市人才協同發展，構建區域間人才共享平臺，促進區域間產學研合作，提升區域內科教資源質量，提高城市人才水平。三是大力扶持城市科教和培育創新企業，鼓勵大眾創新創業，擴大創新規模，引導社會資源向科技創新領域加大投入；同時完善市場競爭環境，建立健全以市場競爭促進城市創新的發展機制，進一步優化創新營商環境，保護創新知識產權，創造優質的城市創新環境。