李春浩，牛雄鹰
(对外经济贸易大学 国际商学院，北京 100029)
摘要：构建随机前沿模型，基于2000-2015年中国内地30个省市(除西藏外)数据，分析国际人才流入、社会资本对中间产出及最终产出两类创新效率的影响。研究发现：①相比资本投入，劳动投入对两类创新效率的影响更大；②国际人才流入对两类创新效率均具有正向影响，且对中部(最终产出)、西部(中间产出)影响更大；③认知型社会资本对两类创新效率均呈显著负向影响，东中西部存在差异性，结构型社会资本对最终产出创新效率具有显著负向影响，东部则相反；④国际人才流入对两类创新效率的影响均与认知型社会资本和结构型社会资本有关；⑤最终产出创新效率远低于中间产出创新效率，两者均呈东-中-西下降趋势。
关键词：国际人才流入；社会资本；创新效率；随机前沿模型
科技创新是我国经济发展的主旋律之一。为了提高创新水平，中央与地方政府于2008年开始实施“外专千人计划”，大量引进国际人才。2015年，境外来中国大陆工作的专家达62.35万人次，相比2008年增加了17.78万人次；中国海外留学归国人员40.91万人，回国率由2008年的38.54%提高到2015年的78.12%。由此可见，我国已经逐渐转变为人才流入国，国际人才正成为我国地区经济发展和技术创新的主力。国际人才流入已引起国内学者关注，诸多学者[1-4]对海归回流的影响因素及其与出口贸易、技术溢出、技术创新效率之间的关联进行了研究;国外学者[5-7]也对国际人才跨国流动与技术创新的关系进行了实证研究。科技创新的过程较复杂，需要人力资本等有形资本和社会资本等无形资本共同参与。所谓社会资本是指信任、规范、网络等社会组织的特征，能通过协调和行动提高社会效率[8]。它有利于主体间信息交流和知识共享，降低交易成本，对技术创新具有显著影响[9-12]。
关于国际人才流入和社会资本对创新影响的研究虽然已经取得一定成果，但存在以下不足：一是研究成果不丰富，国内有关国际人才流入对技术创新影响的研究近年来才兴起，以往研究大多着眼于国际人才培养，而从区域层面考察社会资本对技术创新影响的研究较少；二是已有研究大多聚焦于国际人才流入和社会资本对技术创新的影响，对创新效率影响的研究甚少。同时，有关创新效率的研究大多集中于基础设施、政府支持、产业结构等显性或正式制度层面的因素，而隐性或非正式制度层面因素的作用常被忽略。三是国内许多学者通过FDI总额、教育经费投入等指标构建海归引力综合权数，以此作为国际人才的代理变量进行研究，结果有待商榷；四是有关创新效率的研究中，一般直接利用随机前沿模型进行研究，忽视了其应用条件以及投入产出之间的时滞。
本文以境外专家为对象，基于2000-2015年省际面板数据进行研究，理论上弥补了现有研究的不足，体现显性和隐性因素的交互作用，并强化随机前沿模型分析方法在此类研究中的规范性；实践上，不仅为国家及地方政府“千人计划”的实施提供理论支撑，也为国家和地方政府引才引智以及社会资本提升建言献策。
国际人才流入是人力资本跨国流动的重要形式，可以通过人力资本效应、竞争效应、网络效应等推动国家和地区技术创新，有利于中国技术进步和经济发展(李平,许家云,2011)。国外学者Walz认为发达国家与发展中国家之间的劳动力流动对区域间知识技术的流动起着重要作用。Burns A, Mohapatra认为相比国际贸易和对外直接投资，国际移民已经成为技术转移的新渠道。Le基于面板协整法研究发现，劳动力流动能够促进技术跨国界转移，对研发溢出过程有重要影响。Maré、 Fabling、 Stillman[13]认为根据创新理论可以预测知识产品和想法在不同人之间的传递，所以移民与创新成果有关系，并通过研究发现移民比例与当地企业的创新成果正向相关。Kerr研究发现高技能移民是美国创新和企业家精神的重要组成部分。许家云[14]认为人才跨国流动有利于推动国家经济发展与技术进步，但相比于印度，中国依靠国际人力资本推动技术创新的优势不明显。他们通过省际面板数据模型发现海归技术溢出效应显著，且东部沿海以及中部发达地区更明显。朱敏、许家云[15]认为海归回流引致的FDI技术溢出效应显著，东部、中部较为明显，西部不明显，而且会受到经济发展水平、金融市场效率等影响。陈怡安、杨河清[16]认为海外人才回流对中国技术进步具有正向影响，但受地区科研、人力资本等影响，具有明显的区域差异性，东部、中部、西部呈递减趋势。仇怡、聂萼辉[17]认为中国留学生回流技术外溢效应显著，但存在显著性的地区差异，其中环渤海地区效应最高，东北地区不显著，认为这与经济发展水平、基础设施以及开放程度有关。张信东、吴静以2009-2013年中国创业板企业为样本研究发现，海归高管对企业技术创新投入和产出均具有显著促进作用，而且原创性更强，对企业技术创新效率提升更有利。朱承亮等和梁文群等研究发现人力资本有利于创新效率，尤其是对中西部作用更大，由于国际人才属于异质型人力资本，我国东中西部社会经济发展差异大，各地区经济发展水平、基础设施、对外开放度不同，会导致国际人才的影响作用受限。因此，本文假设：
H1：国际人才流入对创新效率具有正向影响，且呈东部、中部、西部递减趋势。
社会资本最早由Bourdieu于1986年进行系统表述，Putanam(1993)将其由个体层面扩展到集体层面。社会资本的兴起为创新研究提供了新的视角，由于它有利于降低合作成本、获取信息资源、相互协作，从而有利于知识共享和传递，激发创新灵感，有利于国家创新体系构建[18-19]。许多学者对此进行了验证，如Dakhli、Clercq基于价值观调查数据研究发现，信任与社团活动有利于技术创新，而公民行为规范起相反作用。Akcomak、Weel研究发现，风险资本家和R&D人员的相互信任更有利于R&D资金投入，从而有利于知识生产和创新。Pérez Lu等[20]以西班牙制造业和服务业公司为对象，研究发现社会资本与创新显著相关。Laursen、Masciarelli等[21]以意大利21个地区2 413家制造企业为样本研究发现，高社会资本的地区创新倾向更强。但也有学者提出了不一致的观点，如Florida认为社会资本得分较高导致组织自满而阻碍外部信息获取，从而与创新之间存在相反关系[22]。Kaasa研究表明社会资本维度中公民参与度、有序规范性、风化和礼仪等对创新的作用效果有显著差异，分别呈显著正向影响、负向影响及影响不显著[23]。
国内学者陈劲、李飞宇通过理论和实证分析认为社会资本有利于企业获得技术、信息、资源、人才等，与技术创新相关性很大。施建刚、唐代中研究认为区域社会资本积累如网络、信任、互惠等有利于良好创新氛围形成，是实现区域创新的重要前提。杨宇、沈坤荣[24]研究发现，认知型社会资本和结构型社会资本对技术成交额均有显著正向影响，但对研发人员、专利申请数作用相反，其中认知型社会资本显著为正 。严成樑研究认为社会资本正向促进知识生产，而且对高水平创新的影响力更大。陈乘风、 许培源[25]研究发现社会资本从3个维度(社会网络、信息共享、信任)对技术创新均有显著正向影响，作用效果依次递减。李金龙、熊伟研究表明认知维度(社会信任)和结构维度(民间组织密度)对专利产出的作用分别是无影响和负面影响，对技术市场成交额均产生正向影响。马茹研究发现社会资本(信息交流维度、信任维度)有利于利用空间知识溢出正向推动区域创新，信息交流维度的作用更大。同时，相对于东部，中、西部创新更依赖于社会资本吸收空间知识溢出。此外，国内学者对社会资本与创新效率进行了研究，史欣向、梁彤缨[26]研究认为社会资本以及信任、规范两个维度对研发效率起显著正向作用，而社会网络对两者影响均不显著。
综上所述，社会资本与创新效率呈正相关关系是主流观点，但不同维度对创新效率的影响程度不一。同时，由于我国东部、中部、西部经济发展水平、基础设施、对外开放度等不同，社会资本对创新效率的影响也不同。目前，有关社会资本定义不尽相同，但大都包含信任、网络规范和社会网络3个方面的内容[27]，一般可以划分为认知型社会资本和结构型社会资本[28]。因此，本文假设：
H2：认知型社会资本对创新效率具有正向作用，且东部、中部、西部存在差异性。
H3：结构型社会资本对创新效率具有正向作用，且东部、中部、西部存在差异性。
隐性知识一般嵌入到组织成员、工具、任务和社会网络中，很难通过正式、系统的语言传递，通过国际人才跨国流动则可以克服隐性知识吸收、转化过程中的障碍。但国际人才先进知识、技术转移还与地区吸收能力或社会能力相关(陈怡安、杨河清，2013)。吸收能力体现了区域中企业识别、评价、消化和商业化利用外部新知识的能力[29]，社会能力除企业技术吸收能力外，还包括影响消化、吸收和利用新技术的能力，如基础设施、人力资本、研发投入、对外直接投资等[30]。社会资本体现了地区内各主体之间的信任、网络规范和社会网络，有利于信息获取、资源共享、知识转移，体现了地区的社会能力。因此，社会资本越强，越有利于地区各主体识别嵌入在国际人才身上的国际管理经验、市场知识、最佳实践、先进技术等，并通过学习、模仿、消化作用于地区经济发展和技术创新，从而有利于创新效率提升。因此，本文假设：
H4：国际人才流入对创新效率的影响与认知型社会资本有关。
H5：国际人才流入对创新效率的影响与结构型社会资本有关。
2.1.1 投入产出变量
(1)投入变量。R&D经费支出和R&D人员全时当量是创新效率研究中常用的投入变量，分别代表了创新资本投入和劳动投入[31]。为反映前期投资的累计效果，本文采用R&D资本存量代替R&D经费支出，计算方式采用永续盘存法，具体如下[32]：
RDKit=(1-δ)RDKit-1+RDit
RDKi0=RDi0/(φ+δ)
(1)
其中，RDKit、RDKit-1分别表示第i省第t期和第t-1期的R&D资本存量，RDitRDit为R&D经费支出。RDKi0和RDi0RDi0分别表示基期R&D资本存量和基期R&D经费支出。δ为折旧率，一般设定为15%；φ为实际R&D经费支出的平均增长率。受物价变动影响，根据朱平芳、徐伟民研究中构造的R&D支出价格指数(=0.55*居民消费价格指数+0.45*固定资产投资价格指数)，以2000年为基期对名义R&D经费支出进行平减[33]。
(2)产出变量。专利与创新具有较高的相关性，常被用来衡量创新产出，其中发明专利技术含量高，而且其受理量较少受到审查机构的约束，此类创新一般不直接以市场化为最终导向，本文选择发明专利受理量作为中间产出，反映非市场导向的技术创新。新产品销售收入常用来衡量创新产出，它反映了技术创新活动得到市场检验，更加直接地作用于经济发展。因此，本文选择规模以上工业企业新产品销售收入作为最终产出，反映市场导向的技术创新(余泳泽、刘大勇,2013;肖文、林高榜,2014)。
2.1.2 非效率影响因素
(1)国际人才流入。海外留学回国人员数和来华留学生数是许多学者常用衡量国际人才流入的替代指标，但由于来华留学生主要目的是学习，对创新效率的影响较小；海外留学人员归国就业不久，创新能力发挥具有明显的时滞性，而且通过海归引力综合权数获得各省市海归数据进行分析的结果有待商榷。因此，本文选择境外来中国大陆工作的专家数作为国际人才流入的衡量指标。境外专家指我国境内除国际组织以外的各类型企业、事业、行政单位、社会团体以及大型建设项目聘用的国外和港澳台专家。
(2)社会资本。社会资本具有多维度，其衡量方法也较为多样，如社会信任、无偿献血率、电话和互联网普及率、社会组织密度等均可作为社会资本的替代指标。其中认知型社会资本一般采用信任作为代理指标。信任数据来源有多种，一些学者采用世界价值观信任调查数据进行跨国层次研究，但数据时间上不连续，缺乏中国省际截面数据。国内学者则采用张维迎、柯荣住的信任调查数据，但该调查是针对企业进行的，不具有普遍性，而且仅有一年数据，不符合我国社会经济变化。无偿献血率、劳动争议处理也常被用于信任程度衡量，但受到医疗卫生条件、献血回报等因素的影响，无偿献血率并不能有效衡量信任程度。由于社会信任环境好，经济主体关系融洽，劳资关系和谐度也就高。因此，本文采用地区生产总值/劳动争议案件受理数衡量认知型社会资本，比值越大，表明消耗的社会资源越多，社会资本积累越薄弱。结构型社会资本一般采用社会组织(也称非营利性组织、志愿协会等)进行衡量(Putnam,1993;Dakhli,Clercq,2004;Kaasa,2009;杨宇、沈坤荣,2010;陈乘风、许培源，2015)。社会组织属于非盈利型中介组织，具有自律机制，社会参与性较强，能够一定程度上弥补市场失灵和政府失灵，对技术经济发展具有重要促进作用。因此，本文采用社会组织单位数/年末从业人员数衡量结构型社会资本。
(3)控制变量。创新效率不仅受国际人才流入及社会资本的影响，还与地区外商直接投资、产业结构、政府支持、金融支持、人力资本水平等因素相关，体现了地区吸收能力和社会能力。人力资源丰富、基础设施完备和经济环境稳定，有利于吸收大量人才并从学习和模仿中受益(Almeida, Kogut,1999)，根据学者相关研究，本文选取实际利用外商直接投资、产业结构、政府支持作为控制变量[34]，分别采用实际利用外商直接投资额、第二产业增加值、地方财政一般预算支出与地区生产总值的比值表示。
非参数的数据包络分析方法(DEA)和参数的随机前沿生产函数方法(SFA)是技术效率的常用测算方法，相比DEA方法，SFA方法稳健性更好，可以对模型本身进行检验，而且可以衡量随机扰动、环境变量对个体差异的影响，直接估算环境变量对效率值的影响，能有效避免DEA两步法的假设矛盾(田刚,李南， 2011)。由于我国各省份社会经济发展差异明显，创新效率受各省自身环境的影响很大，所以本文选择SFA方法对创新效率进行研究。
SFA方法早期由Aigner，Lovell & Schmid 和 Meeusen & Broeck分别提出， Battese & Corra通过引入时间等因素，构建面板随机前沿模型，通过一次回归得到生产函数和技术效率影响因素的参数估计结果，从而使SFA方法得到广泛运用，其一般表现形式为[35]：
Yit=βiXit+(νit-μit)
(1)
μit=δiZit+ωit
(2)
Yit表示i地区第t年的产出，Xit表示i地区第t年投入要素，βi、δi表示待估计的参数。νit-μit为复合扰动项，呈非对称分布。其中
为随机误差项；μit为技术无效率项，服从截断正态分布，即
和μit相互独立。Zit表示i地区第t年影响技术无效率的因素，
表示随机误差。同时，Battese & Corra设定了方差参数
用来检测复合扰动项中无效率项占比。γ～(0,1)，当γ=0，表明
技术无效率不存在，生产函数中的误差项完全由统计上的误差造成，直接运用OLS方法分析即可。当γ=1时，表明实际产出偏离生产前沿面完全由技术无效率引起。因此，γ=0，γ越趋向1，越适合采用随机前沿模型。
相比Cobb-Douglas生产函数，Trans-Los生产函数能够突破技术中性、产出弹性固定等苛刻假定，避免估计偏差，同时也考虑了前沿技术进步与投入要素的交互效应和投入要素间的替代效应。因此，本文选择Trans-Los生产函数对公式(1)进行刻画，即:
(3)
μit+2=δ0+δ1Tait+δ2Disit+δ3Orgit+δ4FDIit+δ5Indit+δ6Govit+ωitμit+2=δ0+δ1Tait+δ2HCit+δ3FDIit+δ4Indit+δ5Infit+δ6IGovit+ωit
(4)
其中，YitYit+2为i地区第t年的创新产出，包括中间产出(Patit)和最终产出(Proit)，时间变量t表示技术变化，RDKit、RDPit分别表示i地区第t年的资本投入变量和劳动投入量。βi(不包括常数项β0)表示待估计变量的系数。技术无效率影响因素包括国际人才流入(Tait)、认知型社会资本(Disit)、结构型社会资本(Orgit)、实际利用外商直接投资(FDIit)、产业结构(Indit)、政府支持(Govit)。δi(不包括常数项δ0)为待估计变量的系数，若为负，说明变量对技术效率有正向影响；反之，则有负向影响。
采用为2000-2015年30个省市(西藏由于数据缺失剔除)数据。其中，资本投入、劳动投入以及最新产出数据来源于《中国科技统计年鉴》；国际人才流入来源于《境外来中国大陆工作专家统计调查资料汇编》；外商直接投资数据来源于各省统计年鉴；结构型社会资本数据来源于《中国民政统计年鉴》；中间产出、产业结构、政府支持及认知型社会资本数据来源于《中国统计年鉴》。变量说明见表1。
表1变量描述和统计
在使用SFA模型前，需要利用广义似然比(LR)对模型进行适用性检验。LR检验的原假设和备择假设分别为H0、H1。L(H0)、L(H1)L(H0)L(H1)分别为含有约束条件模型的似然函数值和不含约束条件模型的似然函数值，广义似然比的统计量LR如式(5)，且
为自由度，α为显著性水平。如果LR统计量大于临界值，则拒绝原假设，否则接受。
HC=-2×[ln(H0)-ln(H1)]
(5)
利用Frontier4.1软件进行操作，检验结果如表2所示，在1%显著性水平，除第四项外，其余零假设均被拒绝，需要对模型进行修正(文中其它模型均经过检测并修正)，即：
(6)
表2随机前沿生产函数的假设检验结果
创新是一个复杂过程，从投入到产出转化需要相应的时间间隔，不同学者在研究创新活动时所设置的滞后期不同，部分学者直接采用当期或者参考已有研究设置一定的时间间隔(刘和东，2011；朱承亮、师萍、岳宏志,2011；余泳泽、刘大勇,2013)。同时，已有研究证明，国际人才流入对技术创新影响具有时间滞后性(李平、许家云,2011；陈怡安、杨河清,2013)。为保证研究的全面性，本文同时考察无滞后期(模型1和模型4)、滞后1期(模型2和模型5)、滞后2期(模型3和模型6)3种情形。结果如表3所示，在[0,1]之间，模型经适应性检验符合要求。在前沿生产函数部分，资本投入和劳动投入均对创新产出产生正向影响，且劳动投入作用更大；最终产出模型中，时间因素系数为正，表明技术进步明显。模型1、模型5、模型6显示，资本投入的交互作用有利于非市场导向的技术创新，但不利于市场导向的技术创新，同时劳动投入的交互作用也不利于市场导向的技术创新，而资本投入与劳动投入的交互作用对市场导向的技术创新有利，表明两者相互匹配更有利于技术创新。
表3全国层面随机前沿模型估计结果
注：*、** 、***分别表示显著性水平为10%、5%、1%(双侧)，限于篇幅，未标出t值
在无效率方程部分，国际人才流入对创新效率具有正向影响，表明国际人才流入对中国技术创新具有积极作用；认知型社会资本对创新效率均有显著负向影响，表明劳动争议消耗的经济成本越高，越不利于创新效率提升，即加强社会诚信建设，减少劳动纠纷，有利于提高主体间的凝聚力，促进资源共享，从而降低交易成本，提高创新效率。仅在模型6中，结构型社会资本对创新效率具有显著性负向影响，可能原因在于中国社会组织发展缓慢，网络不密集，且大多具有官办特色，缺乏自主性，同时受限于资金，导致社会组织的作用十分有限，尤其是在技术市场转化过程中有可能产生不利影响(杨宇、沈坤荣,2010;史欣向、梁彤缨,2013)。因此，需要进一步验证。
此外，外商直接投资对创新效率具有正向影响，说明中国目前的技术创新一定程度上仍由较高的资源投入和FDI技术溢出为代表的国际技术扩散推动。但在中间产出模型中，产业结构对创新效率的影响显著为负，政府支持对创新效率正向影响不显著。在最终产出模型中，产业结构对创新效率影响显著为正，政府支持对创新效率的影响显著为负。产业结构的作用相反，可能原因是本文采用第二产业增加值与GDP比值衡量产业结构，更多地体现了产品市场价值，即企业在短期内倾向于扩大新产品价值，容易弱化技术研发投入。产业结构的积极作用更易体现在以市场为导向的技术创新上(李婧、谭清美、白俊红,2009)。政府支持并未起到积极作用，可能原因在于政府资金支持的远期偏好和企业的短期利益相冲突，企业申请到项目和资金后有可能用于设备、厂房建设，并不是直接用于创新活动。同时，过多的政府干预也会影响企业的创新主体地位[36]。
由表3可以发现，在中间产出模型中，相对于模型1和模型2，模型3国际人才流入作用比较小，结构型社会资本作用的显著性并没有变化，而且非常大，接近1，模型并非最优。同时，考虑投入到产出存在一定的滞后性，本文选择模型2对地区层面的中间产出进行分析。在模型6中，结构型社会资本对创新效率具有显著负向影响，说明结构型社会资本对创新效率的影响在时间上具有一定滞后性，模型适用性检验均通过，因此本文选择模型6对地区层面最终产出进行分析。
区域层面中间产出中部地区模型和最终产出西部地区模型随机前沿模型不成立，不再列出。如表4所示，在中间产出模型中，相比东部，西部国际人才流入对创新效率的影响更大，为0.208。在最终产出模型中，相比东部，中部国际人才流入对创新效率的影响更大，为0.097。可能原因是区域创新系统是一个复杂的社会系统，而东部区域创新系统各子系统通过复杂作用形成了协同效应，资源能够有效组合，处于较为高阶的状态，具有较高阈值，即要想向更高阶的创新系统升级，需要外界投入更多的人力、资本、信息、技术等，陕西、河南、广西、河南、内蒙古、重庆、宁夏等中西部地区阈值较低，投入较少的人力、物力等就会促进区域创新系统提升(苏屹,姜雪松,雷家骕，2012)。同时，中西部具有后发优势，随着国家西部大开发战略、中部崛起战略的实施以及产业升级和转移的影响，中西部科技创新活动获得大量的人、财、物的支持，实现与东部地区的充分技术交流与合作，国际人才流入更加速了区域创新的发展。因此，假设H1部分成立。
表4区域层面随机前沿模型估计结果
注：*、**、***分别表示显著性水平为10%、5%、1%(双侧)，限于篇幅，未标出t值
中间产出模型中西部认知型社会资本对创新效率具有显著负向影响；最终产出模型中东部和西部认知型社会资本对创新效率具有显著负向影响，且东部、中部影响作用分别为-0.652、-0.414，这与全国层面结果一致，但由于缺少西部结果，因此假设H2部分成立。无论是中间产出模型还是最终产出模型，东部结构型社会资本均对创新效率具有显著正向影响；在中间产出西部模型和最终产出中部模型中，结构型社会资本均对创新效率具有显著负向影响。可见，相比于中、西部，东部社会组织发展更为完善，自主性更强，资金来源更多，更有利于知识共享，对创新效率的积极作用明显。因此，假设H3部分成立。
为了验证假设H4，同时为了避免多重共线性，采用李平、许家云[14]“对中”法对国际人才流入与社会资本进行处理，以降低变量间的共线程度，由此形成新的变量以及两个新变量的交互项，并进行检验。同上，仅列出部分模型，结果如表5所示，在中间产出西部模型中，国际人才流入与结构型社会资本的交互作用对创新效率具有负向影响，表明西部社会组织发展水平低，不足以吸收国际人才流入所携带的知识、技术以提高技术创新效率。在最终产出全国模型中，国际人才流入与认知型社会资本的交互作用对创新效率具有正向影响，表明目前我国劳动纠纷消耗的经济成本比较高，我国还处于较低的信任水平(张维迎、柯荣住，2002)，不利于中国情境下主体间的技术合作，因此难以吸收国际人才流入所携带的新技术、新知识，不利于技术市场转化。在中部模型中，国际人才流入与结构型社会资本的交互作用对创新效率具有正向影响，表明中部社会组织虽然并不完善，但其所构建的社会网络对知识传播和共享依然有利，能够促进经济主体间的信息共享、相互学习、自发合作，从而有利于提高科研成果转化率(杨宇,沈坤荣,2010;史欣向,梁彤缨,2013)。因此，假设H4、H5部分成立。
中国创新效率如表6所示，就整体水平而言，最终产出效率水平不到中间产出效率的一半，仅为0.268，可见我国科研成果市场转化率较低，创新效率提升空间很大。就区域层面而言，我国中间产出创新效率呈东部(0.777)、中部(0.550)、西部(0.528)下降趋势，最终产出创新效率也呈东部(0.490)、中部(0.183)、西部(0.108)下降趋势，表明东部区域创新系统处于较高阶段，资源利用较为充分，而中部、西部区域创新系统还处于较低阶段，尤其是西部。同时，东部地区创新效率存在不均衡情况，如河北、福建等与北京、上海、广东等相比差距较大。
表5国际人才流入、社会资本的交互作用对创新效率影响的估计结果
注：*、**、***分别表示显著性水平为10%、5%、1%(双侧)，限于篇幅，未标出t值
表62001-2015年两种产出年均创新效率比较
本文在文献回顾的基础上总结已有研究存在的不足，基于2000-2015年中国内地各省市面板数据，构建随机前沿超越对数模型，并对其验证。结果表明：
(1)资本投入和劳动投入均对创新产出产生正向影响，且劳动投入作用更大。同时，资本投入与劳动投入的交互作用对市场导向的技术创新有利。
(2)国际人才流入对中间产出创新效率和最终产出创新效率均具有正向影响，相比东部，中部(最终产出)、西部(中间产出)国际人才流入对创新效率的影响更大。
(3)认知型社会资本对中间产出创新效率和最终产出创新效率均有显著负向影响，即信任维度有利于创新效率，东部、中部(中间产出)、西部与全国结果一致；结构型社会资本对最终产出创新效率具有显著负向影响，东部(中间产出和最终产出)结构型社会资本均对创新效率具有显著正向影响，西部(中间产出)和中部(最终产出)结构型社会资本均对创新效率具有显著负向影响。
(4)中间产出中，西部国际人才流入与结构型社会资本的交互作用对创新效率具有负向影响；最终产出中，全国国际人才流入与认知型社会资本的交互作用对创新效率具有正向影响，中部国际人才流入与结构型社会资本的交互作用对创新效率具有正向影响。
(5)就整体水平而言，最终产出创新效率水平远低于中间产出创新效率；区域层面，我国中间产出创新效率和最终产出创新效率均呈东部、中部、西部下降趋势，且东部、中部、西部内部创新效率存在不均衡性。
基于以上研究，本文建议如下：
首先，提升劳动资本水平。由于劳动资本的作用更大，因此须加快推动教育养才、产业育才、项目引才，并借助“一带一路”倡议、“西部大开发战略”等推动人才“走出去”，提高国内人才价值水平。比如吸引“一带一路”沿线国家学生来华留学，放宽来华留学生在华就业条件，并借助媒体广泛宣传。同时，除了传统媒体宣传，还需借助于新媒体推动国内学生出国留学。
其次，树立“不求所有、但求所用”的理念。上述实证分析表明，国际人才对创新效率提升作用明显，尤其是对中西部而言。一方面，应培养国际化人才，实施长期引才引智；另一方面，需要注重短期引才引智。尤其是中西部地区人才吸引力相对较弱，这要求地方政府必须树立“不求所有、但求所用”的思想观念。目前，人才国际流动已经转变为人才环流，包括人才、知识、智力的环流，对中西部而言是重大机遇。具体而言，一是加强政策支持，消除人才自由流动的机制体制障碍；二是推动人才参与国际交流与培训，地方政府可设立人才交流专项资金，支持人才交流，建立沟通桥梁；三是重视“海待”问题，吸引“海待”3～5年服务于中西部地区，与落户、就业等挂钩，形成良性循环。
最后，提高社会资本水平，一方面构建诚信体系，提升各经济主体诚信意识，分类别设立“黑名单”排行榜，以法律法规加强约束惩罚，并加大诚信人员奖励力度。另一方面，加强社会组织建设，尤其是加强与国际民间组织的合作，申请政策支持。如环保NGO、扶贫开发NGO、社区建设NGO 等，以实现短期或长期聘用外国专家和外国志愿者来中西部工作，并将其与中国绿卡、签证挂钩，构建评分体系，为新技术新知识传播和共享奠定基础。
参考文献:
[1] 李平,许家云.国际智力回流的技术扩散效应研究——基于中国地区差异及门槛回归的实证分析[J].经济学,2011,10(3):935-964.
[2] 魏浩,王宸,毛日昇.国际间人才流动及其影响因素的实证分析[J].管理世界, 2012(1):33-45.
[3] 魏浩,陈开军.国际人才流入对中国出口贸易影响的实证分析[J].中国人口科学, 2015(4):72-82.
[4] 张信东,吴静.海归高管能促进企业技术创新吗?[J].科学学与科学技术管理,2016, 37(1):115-128.
[5] WALZ U.Innovation,Foreign direct investment and growth[J]. Economica, 1997, 64(253):63-79.
[6] LE T. Brain drain or brain circulation:evidence from oecd's international migration and r&d spillovers[J]. Scottish Journal of Political Economy, 2008,55(5)：618-636.
[7] KERR W R. High-skilled immigration, innovation, and entrepreneurship: empirical approaches and evidence[J]. Social Science Electronic Publishing, 2014, 72(35):1-32.
[8] PUTNAM R D. The prosperous community: social capital and public life[J]. American Prospect, 1993, 4(13):35-42.
[9] MOURAD DAKHLI, DIRK DE CLERCQ. Human capital, social capital, and innovation: a multi-country study[J]. Entrepreneurship & Regional Development, 2004, 16(2):107-128.
[10] AKOMAK I S, TER WEEL B. Social capital, innovation and growth: evidence from Europe[J]. European Economic Review, 2009, 53(5): 544-567.
[11] 严成樑.社会资本、创新与长期经济增长[J].经济研究,2012(11):48-60.
[12] 马茹.社会资本对中国区域创新的影响分析——基于空间知识溢出视角[J].软科学,2017, 31(2):29-32.
[13] MAR D C, FABLING R, STILLMAN S. Immigration and Innovation[J]. Social Science Electronic Publishing, 2011(4):561-562.
[14] 李平,许家云.基于国际人力资本流动视角的中印技术创新模式比较研究[J].中国人口科学, 2011(3):54-63.
[15] 朱敏,许家云.海外人才回流与FDI技术溢出——地区差异及影响因素的实证分析[J].科学学研究, 2013,31(11):1663-1670.
[16] 陈怡安, 杨河清.海归回流对中国技术进步的影响效应实证[J].经济管理,2013(4):82-93.
[17] 仇怡, 聂萼辉.留学生回流的技术外溢效应——基于中国省际面板数据的实证研究[J].国际贸易问题, 2015(2):34-42.
[18] TSAI W,GHOSHALS.Social capital and value creation: the role of intrafirm networks[J].Academy of Management Journal, 1998, 41(4):464-476.
[19] 柳剑平,程时雄.社会资本的双重特性及其对国家创新体系构建的作用机理[J].管理世界,2012(5):172-173.
[20] PEREZLUNO A, MEDINA C C, LAVADO A C, et al. How social capital and knowledge affect innovation[J]. Journal of Business Research, 2011, 64(12): 1369-1376.
[21] LAURSEN K, MASCIARELLI F, PRENCIPE A. Regions matter: how localized social capital affects innovation and external knowledge acquisition[J]. Organization Science, 2012, 23(1):177-193.
[22] CUSHING R, FLORIDA R, GATES G. When social capital stifles innovation[J]. Harvard Business Review, 2002, 80(8):20-20.
[23] KAASA A. Effects of different dimensions of social capital on innovative activity: evidence from Europe at the regional level[J]. Technovation, 2009, 29(3):218-233.
[24] 杨宇,沈坤荣.社会资本对技术创新的影响——基于中国省级面板数据的实证研究[J].当代财经,2010(8):5-13.
[25] 陈乘风,许培源.社会资本对技术创新与经济增长的影响——基于中国的经验证据[J].山西财经大学学报,2015, 37(10):23-32.
[26] 史欣向,梁彤缨.社会资本影响了研发效率——基于中国省际面板数据的经验研究[J].科研管理,2013, 34(5):73-79.
[27] KNOWLES S. Social capital and national environmental performance: a cross-sectional analysis[J]. The Journal of Environment &Development, 2004,13(4):336-370.
[28] UPHOFF N. Understanding social capital: learning from the analysis and experience of participation[M]. Sociological Perspectives on Development Series，1999:215-252.
[29] COHEN W M, LEVINTHAL D A. Absorptive capacity: a new perspective on learning and innovation[J]. Administrative Science Quarterly, 1990,35(1): 128-152.
[30] ABRAMOVITZ M. Catching up, forging ahead, and falling behind[J]. Journal of Economic History, 1986, 46(2):385-406.
[31] GUAN J, CHEN K. Measuring the innovation production process: a cross-region empirical study of China’s high-tech innovations [J]. Technovation, 2010, 30(5-6):348-358.
[32] 吴延兵.R&D存量、知识函数与生产效率[J].经济学,2006,5(3):1129-1156.
[33] 朱平芳,徐伟民.政府的科技激励政策对大中型工业企业R&D投入及其专利产出的影响——上海市的实证研究[J].经济研究,2003(6):45-53.
[34] 李婧,谭清美,白俊红.中国创新效率及其影响因素[J].中国人口·资源与环境, 2009, 19(6):142-147.
[35] BATTESE G E, COELLI T J. A model for technical inefficiency effects in a stochastic frontier production function for panel data[J]. Empirical Economics, 1995, 20(2):325-332.
[36] WALLSTEN S J. The effects of government-industry R&D programs on private R&D: the case of the small business innovation research program[J]. Rand Journal of Economics, 2000, 31(1):82-100.
Li Chunhao，Niu Xiongying
(Business School, University of International Business and Economics, Beijing 100029，China)
Abstract：Construction of stochastic frontier model, based on mainland China in 2000-2015 data of 30 provinces and municipalities except Tibet, analysis of international talent, social capital inflows on the output and the final output among two classes of innovation efficiency. Results show that:①compared with capital investment, labor input has a greater impact on the innovation efficiency；②The international talent inflow has a positive effect on the two types of innovation efficiency, and the central (final output) and the western (intermediate output) have a greater impact；③Cognitive social capital has significant negative effects on the two types of innovation efficiency, and there are differences in the east, central and west. The influence of the structural social capital on the innovation efficiency of final output is significant, and the east is opposite；④The impact of international talent inflow on the two types of innovation efficiency is related to structural social capital and cognitive social capital；⑤The average innovation efficiency of final output is much lower than the average innovation efficiency of intermediate output, showing a downward trend in the east, middle and west.
KeyWords:International Talent Inflow;Social Capital; Innovation Efficiency; Stochastic Frontier Model
作者简介：李春浩(1989-)，男，河南驻马店人，对外经济贸易大学国际商学院博士研究生，研究方向为人才国际化、国际人力资源开发等；牛雄鹰(1967-)，男，山东枣庄人，对外经济贸易大学国际商学院教授、博士生导师，研究方向为人力资源管理、国际人才开发与国际劳务合作。
基金项目：国家自然科学基金应急管理项目(71640037)；国家自然科学基金面上项目(71772041)
收稿日期：2017-12-20
文章编号：1001-7348(2018)15-0152-09
文献标识码：A
中图分类号：C96
DOI：10.6049/kjjbydc.2017100384
(责任编辑：陈福时)