曹 薇，刘春虎
(太原理工大学 经济管理学院，山西 太原 030600)
摘要：以科技型人才聚集区域为研究对象，创新性地引入复杂网络确定科技型人才聚集核心城市，并结合威尔逊模型和场强模型测度科技型人才聚集城市的辐射效应。研究发现：我国科技型人才聚集具有较强的空间异质性，呈多层级“核心—外围”区域分布；科技型人才聚集核心区域辐射范围、辐射强度存在较大差异。进一步地，给出我国科技型人才聚集核心区域分布情况及辐射效应强度，并据此对相关区域提出优化人才结构的政策建议。
关键词：科技型人才聚集；核心城市；复杂网络；威尔逊模型；场强模型
现实中，非均衡性是区域经济发展的普遍规律，区域核心城市扩散与协同发展是实现区域经济一体化的重要途径，也是未来经济发展的必然趋势。新常态下，消除区域经济发展不平衡已成为我国国民经济发展的新目标，而科技型人才作为一种特殊的经济要素，在区域系统中最为活跃，对区域经济均衡发展发挥着重要的“桥梁”作用。因此，本文从科技型人才能动性促使资源流动和配置出发，利用Friedman“核心—外围”理论，根据复杂网络研究范式，确定科技型人才聚集核心城市，在此基础上测度“核心区”辐射范围及周边“外围”区域的溢出效应，以打破科技型人才聚集区域的行政边界，缩小区域经济发展差距。
人才尤其是科技型人才在区域经济发展中扮演着十分重要的角色。已有关于科技型人才聚集的研究主要集中于人才聚集特性、科技型人才聚集与区域经济增长及创新成果等方面，鲜有从空间角度特别是将复杂网络研究范式应用于科技型人才聚集核心城市建设及核心城市辐射能力的研究。既有文献主要利用因子分析法、主成分分析法确定核心城市。关于核心城市辐射能力即城市腹地范围的研究已形成了很多成果[1,2]，但其中很大一部分聚焦于金融辐射能力方面[3-5]，并且研究框架为：首先，通过不同方法找出区域内的辐射源；然后，根据经验法(通过中心地与腹地间的度量指标确定腹地范围)或理论法(主要借助引力模型、断裂点公式等抽象模型进行推算)确定辐射半径[6-11]。
然而，一般意义上看，核心城市对外围城市的辐射并不是等幅辐射，辐射效应是否有效还因外围区域的辐射接受能力而异。梳理已有文献可知，以场强模型为代表的理论模型在中心城市辐射效应研究中得到了广泛应用。吴清等(2013)将场强模型与栅格技术相结合，对湖北城市旅游经济扩散强度进行分析；魏伟、高晓等[12]将引力模型和场强模型相结合，对石羊河流域城乡结构的辐射作用强度进行研究；潘竟虎、刘莹[13]以及邱岳、韦素琼等(2016)均采用场强模型对核心城市辐射效应进行了一系列实证研究。
综上可知，尚未有文献在全面考虑各种因素的基础上，探究科技型人才聚集核心区域的空间网络特征，虽然已有文献为核心城市辐射效应研究提供了理论基础，但仍存在不足之处。对于核心城市的确定，学者们主要采用因子分析法、主成分分析法或根据事实性经验推断，少有基于复杂网络视角研究核心城市影响的文献。鉴于此，本文首先基于复杂网络理论理论，利用科技型人才聚集指数确定科技型人才聚集区域的层级结构和核心节点；然后，利用改进后的威尔逊模型确定科技型人才聚集核心区域辐射半径及科技型人才辐射力；最后，运用场强模型对人才辐射效果作进一步实证检验。本研究创新性地将复杂网络理论、威尔逊模型和场强模型结合起来，以期得到更准确的实证结果，实现要素结构的互补效应和功能布局的协同效应，进而为构建科技型人才聚集核心城市体系结构、充分发挥核心城市辐射效果提供一定理论指导。
根据区域金融中心辐射效应的内涵[14]，将科技型人才聚集辐射效应定义为：资本、技术、信息、思想观念等以人力资本为载体，在区域科技人才聚集的中心城市与其腹地之间传播，进而促进区域整体经济发展。科技型人才既是区域经济资源，又是社会资源，对提升区域创新能力、推动国家科技进步、促进经济发展发挥着重要作用[15]。
科技型人才聚集是指，科技型人才在区域内流动，并按其所属行业类型而聚类的现象，集中体现了人才流动的空间指向性[16]。科技型人才空间聚集现象具有复杂网络的分布特征，并且在区域要素边际收益和区域经济、社会发展等因素共同作用下，还会产生溢出效应，进而形成局部聚集。由于我国地理空间分布的不均衡性及区域经济发展的差异性，导致科技型人才聚集具有较为显著的空间异质性，整体呈现出多层级“核心—外围”区域分布。
科技型人才聚集是一种具有层级结构的复杂网络，其层级结构正是形成网络高聚类系数、无标度拓扑性质的根本原因——实际上每个区域的资源禀赋各不相同，其在科技型人才集聚网络中扮演的角色也有所差异。鉴于此，本文以K-core为参数，对网络核心节点进行层次划分，再通过聚类系数、网络密度、最短距离等变量对网络核心子层进行融合，以更好地了解人才聚集网络的层次结构，展现网络的微观形态，同时揭示人才聚集的辐射路径分化、交叉衍生形式。
随着区域间人力、资本、技术、信息等生产要素快速流动，科技型人才在区域资源禀赋、经济发展差异以及自我价值实现需求推动下，在某一区域内依据行业或产业聚集[17]。由于在科技型人才聚集核心区域内，聚集了大量人才，而在对人才异质性知识整合、消化、吸收过程中，更容易促进知识与技能创新，提升区域科技成果转化能力，实现资源互补。同时，人力资源集聚有助于优化区域内资源配置，提高区域经济运行效率[18]。从这个角度讲，科技型人才聚集中心作为区域经济增长极，会随着人才的区域内流动，逐步优化区域人才结构、完善产业布局。同时，还会产生辐射效应，进而提升区域整体实力、带动区域整体经济快速发展。
那么如何度量科技型人才聚集辐射效应？威尔逊认为，如果两个地区(或城市)经常发生资源交换，则两地空间作用程度与两地距离、区域规模和资源同质性具有密切关联。国内学者经过多年摸索、探讨，对威尔逊模型逐步改进，得到了较为准确的空间扩散范围测度模型[19]。基于威尔逊模型，得到区域i对区域j的人才辐射力计算公式如下：
Tij=KOiDjexp(-βrij)
(1)
式(1)中，Tij是区域i从区域j吸引到的资源总量；Oi是区域i的人力资源强度；Dj是区域j的人力资源总量；rij表示两区域间的距离；β是衰减因子，表示人力资源辐射衰减速度；K是归一化因子，一般取1。由式(1)可以看出，区域间的辐射效应强度主要由区域间的地理距离及衰减因子决定。因此，借鉴王铮等[20]的观点，将其简化为：
θ=Djexp(-βrij)
(2)
式(2)进一步揭示了区域间吸引强度与区域间距离以及衰减因子之间的联系。其中，θ为给定阈值，当某区域人才聚集指数衰减到该阈值以下时，就可以认为核心区域对该区域没有产生辐射效应。进一步地，为了消除异方差影响，对式(2)取对数，有：
(3)
根据给定θ值计算出Dj、β，即可得出核心区域人才聚集辐射半径r。β计算公式如下：
(4)
式(4)中，D是相互作用域的域元；T为区域内传递因子总数；tmax为区域内具有扩散功能的最多因子数。
根据威尔逊模型测度核心区域的辐射半径。通常情况下，辐射并不是等幅辐射，不能仅依靠辐射半径就完全确定核心区域人才聚集的辐射效应，辐射效应是否有效还需考虑外围地区的辐射接受能力。
本文借鉴封福育[21]的研究，采用改进的人才聚集辐射场强模型，即人才辐射场强E和辐射力F模型，全面考察人才聚集核心区域在全国范围内的辐射效应。此处定义人才聚集水平较高的区域为辐射源，人才聚集程度较低的区域为受力点，以区域间人才流动为辐射媒介，借助科技型人才这一活跃要素，促使各种知识、信息等资源从辐射源向受力点流动。人才聚集场强模型数学定义如下：
(1)辐射源对受力城市的辐射强度：
(5)
式(5)中，Eij表示辐射源i在受力城市j处产生的辐射场强，代表辐射源产生的辐射强度；
表示辐射源城市i的城市人才质量；dij表示从区域i到区域j的最短时间间隔，时间间隔是指人才在两个区域间流动所需的最短时间。
(2)受力城市接受辐射程度：
(6)
式(6)中，
表示受力城市j的城市人才质量；Fij表示辐射源i对受力城市j的辐射力。其中，Pi表示区域i内高技术产业R&D人员折合全时当量(人)；Di表示高技术产业R&D内部经费支出(亿元)；
表示辐射源人才质量
表示受力城市人才质量
表示从区域i到区域j的最短时间距离(小时)，不包括飞机运输时间；Eij表示辐射源i在受力城市j处产生的辐射场强(N/kg)；Fij表示辐射源i对受力城市j的辐射力(N)。
由于本文测量对象是全国范围内的科技型人才聚集辐射效应，但我国地理因素较为复杂，单以两地之间的直线距离作为其通达性指标测量所得结果的科学性欠佳。因此，本文参考曹芳东等(2012)的方法，选用两地间公路、铁路交通最短时间里程作为两城市间距离量度，即本文设定的两地之间通达性测度所需的时间距离。同时，基于其它数据的可获得性和统计口径的差异性，本文选取2008—2015年我国内地各省、直辖市、自治区高技术产业省际数据作为研究样本(由于西藏和新疆数据严重缺失，予以剔除)，数据均来源于《中国统计年鉴2016》、《中国高技术产业统计年鉴2016》。
首先，确定辐射源，即人才聚集核心区域。本文采用改进的区位熵系数测度科技型人才聚集指数TAI(Talent Aggregation Index)；然后，利用复杂网络方法构建科技型人才聚集网络。以此为基础，探究科技型人才聚集的层级结构，进而确定核心城市。该方法避免了现有研究中普遍以某个行政级别作为中心城市判定标准的不足。人才集聚指数TAI计算公式如下：
(7)
式(7)中，Eil代表区域i内高技术产业R&D人员折合全时当量,Ei代表区域i的行政面积，Ekl代表全国高技术产业R&D人员折合全时当量，Ek代表全国行政面积。人才聚集指数TAI值越大，说明该地区科技型人才聚集程度越高。对我国2008-2015年TAI指标进行测算，得到科技型人才聚集程度分布如表1所示。
表1我国2008-2015年TAI指数
由表1可知，本文可选取2009、2012、2014、2015年为代表年份，对我国科技型人才聚集情况进行研究。
借助Ucinet软件，根据构建的指标及所获数据，用网络密度、网络紧密度、凝聚力指数、节点距离等对科技型人才聚集网络的整体性质进行描述，如表2所示。
由表2可以看出，我国科技型人才聚集网络呈逐年集聚发展趋势，网络节点间的联系趋于紧密，人才聚集网络整体性质与人才聚集现实情况相吻合，同时也验证了指标选取的合理性。为了更直观地展现对比分析结果，运用Ucinet软件绘制人才聚集网络的空间拓扑图，如图1所示。
表2我国TAI网络演进性质
注：图中1区域代表科技型人才聚集集中区域，即TAI大于1的聚集区域；2区域代表科技型人才聚集优势地区，即TAI接近1的聚集区域；3区域代表人才聚集明显地区，即TAI在0.5浮动；而4区域代表人才聚集不显著地区，即TAI远小于0.5。
图12009、2012、2014、2015年TAI网络空间拓扑结构
注：图中1区域代表科技型人才聚集集中区域，即TAI大于1的聚集区域；2区域代表科技型人才聚集优势地区，即TAI接近1的聚集区域；3区域代表人才聚集明显地区，即TAI在0.5浮动；而4区域代表人才聚集不显著地区，即TAI远小于0.5。
图22009、2012、2014、2015年TAI网络基于K-Core的Gower度量分布
图1显示，我国科技型人才聚集度逐年增加，人才聚集影响区域逐年扩大，人才聚集现象愈渐显著。为了更清晰地展现网络核心节点分布，本文使用网络Gower进行度量，以此探讨网络层次结构与微观形态，以更好地从微观上解析网络性质。
图1、图2显示，人才聚集网络的核心区域包括陕西、广东、山东、贵州以及重庆等省市。进一步地，结合我国科技型人才聚集指数排名(见表3)以及区域经济、地理等因素，确定我国科技型人才聚集核心区域。
随着我国改革开放深入推进，全国经济一体化进程逐渐加快，大都市在区域经济竞争与合作中崭露头角，发挥着关键作用。自法国学者戈特曼于1957年提出“大都市经济圈(带)”概念以来，大都市经济带质量逐渐成为衡量一个国家经济、社会发展的重要指标。在我国，大都市经济圈(带)从最初的经济特区逐渐发展成现在的环渤海湾经济圈、长三角经济圈和珠三角经济圈，并且这3个经济圈已成为我国经济总量的代表。刘斌夫在《中国城市走向》中提出了“西三角”地理经济概念，即由成都、重庆及西安这3个重要西部城市构成的西三角经济圈。目前，西三角经济圈已成为联结我国中西部、促进中西部交流，提高西部经济发展效益的重要枢纽。西三角经济区的建立促成了我国在更大范围内的经济合作布局。因此，本文根据复杂网络层级结构分布、TAI排名及对我国经济影响最大的四大经济圈质量，最终确定科技型人才聚集中心为：上海、北京、天津、广东、江苏、浙江、山东、福建、陕西、重庆。其中，北京、天津、山东隶属于环渤海湾经济圈；上海、江苏、浙江隶属于长江三角洲经济圈；广东、福建隶属于珠江三角洲；陕西、重庆隶属于西三角经济圈。
表32009、2012、2014、2015年全国TAI排名
注：本文选取2008-2015年TAI数据中的代表年数据；仅对科技型人才聚集指数大于1的地区进行排序，表中所有数据为作者计算整理所得
2.3.1 科技型人才聚集辐射半径测度
本文利用威尔逊模型确定十大人才聚集核心区域的辐射半径。其中，域元面积D用各省、直辖市的行政面积表示；T用所有选取省、直辖市数目表示；tmax则用全国人才聚集核心区域数目表示。显然，T=29，tmax=10。将所选值代入式(4)即可得到β。此外，一般选用人才聚集指数最小数量级确定θ，这里取θ=0.001，即当人才聚集能量衰减到0.001时，可认为该中心区域的人才聚集辐射力达到了辐射界限。同时，本文用科技型人才聚集指数表示人力资源总量Dj，将上述数据代入式(3)即可得到十大核心区域人才辐射半径。此处选用2015年的数据，结合半径测度原理以及场强模型，进一步对我国科技型人才聚集程度进行实证分析。十大核心区域的人才辐射半径如表4。
表4十大核心区域科技型人才聚集辐射半径
根据表4分析结果，利用Photoshop以及百度地图绘制十大科技型人才聚集核心区域的辐射区域，如图3所示。四大人才聚集辐射区包含的主要城市如表5所示。
由表5可以看出，除黑龙江、吉林、辽宁北部、云南、西藏以及新疆等地区外，核心城市辐射区域基本覆盖了全国各省，进一步说明科技型人才要素的能动性能在优化区域资源配置、促进区域协同发展中发挥了重要作用。
综上所述，结合图3-图5可知：①环渤海湾三省两市经济区域拥有丰富的人才资源，人才集中度高，与区域内其它城市差距较大，环渤海湾人才聚集辐射区域的资源共享整体格局还未完全形成；②长江三角洲人才聚集区域呈现了辐射交互模式，各辐射源的辐射区域相互重叠、彼此影响，中心地带可以接受来自多核心城市的人才资源辐射，人才资源共享网络已基本形成；③珠江三角洲人才聚集辐射区域基本覆盖整个珠江三角洲区域。广东、福建以及江西的人才聚集程度较高，但其它大部分区域仍处于边缘状态；④西三角地区的陕西、重庆拥有较强的人力资源辐射效应。陕西的辐射范围基本覆盖了整个中西部地区，对中西部地区人才交流发挥着关键作用。重庆的辐射范围较广，有利于西北与西南区域交流，促进人才流动。
2.3.2 科技型人才聚集辐射场强和辐射效果测度
由于核心城市对外围城市的辐射不是等幅辐射，辐射效应是否有效还需分析外围区域的辐射接受能力。因此，本文进一步采用人才辐射场强和辐射力模型确定辐射源对受力城市的辐射强度及受力城市的辐射接受程度。在计算人才辐射场强时，将10个核心城市作为辐射源，四大人才聚集辐射区域内的其它城市作为受力点，结果如表6所示。
图3人才聚集核心城市的辐射区域
表5四大人才聚集辐射区域覆盖的主要城市群
表6环渤海湾人才聚集区域核心城市对受力城市的人才辐射
由表6可知，北京、天津以及济南作为环渤海湾的人才辐射源，其辐射强度各不相同，而受力城市的辐射接受力也存在较大差异；以北京、天津以及济南为辐射源，对石家庄的人才辐射强度最高、武汉最低。在所有受力城市中，南京的辐射接受能力最强、呼和浩特最弱。
由表7可知，以上海、南京为辐射源，对合肥的人才辐射强度最高、福州最低。在所有受力城市中，济南的辐射接受能力最强、南昌最弱；以杭州为辐射源，对合肥的人才辐射强度最高、济南最低。在所有受力城市中，济南的辐射接受能力最强、郑州最弱。
表7长江三角洲人才聚集区域核心城市对受力城市的人才辐射
表8珠江三角洲人才聚集区域核心城市对受力城市的人才辐射
表9西三角地区人才聚集区域核心城市对受力城市的人才辐射
由表8可知，以广州为辐射源，对南宁的人才辐射强度最高、上海最低。在所有受力城市中，南昌的辐射接受能力最强、合肥最弱；以福州为辐射源，对南昌的人才辐射强度最高、贵阳最低。在所有受力城市中，南京的辐射接受能力最强、海口最弱。
由表9可知，以西安为辐射源，对郑州的人才辐射强度最高、贵阳最低。在所有受力城市中，武汉的辐射接受能力最强、西宁最弱；以重庆为辐射源，对成都的人才辐射强度最高、石家庄最低。在所有受力城市中，成都的辐射接受能力最强、西宁最弱。
在对既有文献回顾分析和对经验性事实统计观察的基础上，利用2008-2015年我国内地各省、市、自治区(除新疆和西藏外)高技术产业数据，创新性地将复杂网络与威尔逊模型、场强模型相结合，分析科技型人才聚集核心区域影响力，测度我国科技型人才聚集空间构成，并进一步明晰我国科技型人才聚集的核心省市、核心省市人才辐射效应范围及强度，得到以下结论：
(1)我国科技型人才聚集与区域经济发展及地理因素息息相关，存在较强的空间异质性，呈多层级“核心-外围”区域分布。通过区位熵和复杂网络相结合的方法确定了我国科技型人才聚集核心区域，进一步改进了已有研究中仅依靠经验性事实确定核心城市的研究方法[22]。
(2)科技型人才聚集核心区域辐射范围存在较大的区域差异。除黑龙江、吉林、辽宁北部、云南、西藏以及新疆等地区外，核心城市的辐射区域基本覆盖全国各省市。此外，四大经济圈形成了不同的科技型人才辐射模式。本文创新性地采用了改进的威尔逊模型确定人才辐射半径，同时利用Photoshop及百度地图精准界定辐射覆盖区域，进一步扩充了以往研究中仅基于个案的区域辐射效应研究[23]，更加全面地分析了我国各区域的人才辐射效应。
(3)科技型人才聚集核心区域辐射效果存在较大的区域差异。四大经济圈核心城市(辐射源)对辐射城市(受力城市)的辐射强度以及辐射城市接受能力不同，辐射效果即受力城市的辐射接受能力强弱不仅与区域间距离有关，还与该区域人才质量密切相关。本文利用改进的威尔逊模型及场强模型探究了人才聚集的辐射效果以及影响辐射效果的具体因素，给出了精确的核心区域对周边区域的辐射强度，完善了已有研究[10,12,13]。
科技型人才聚集不仅对我国区域经济、社会发展发挥着重要作用，还有助于区域协同发展。基于上述实证结果，提出以下政策建议：
(1)增强核心区域非核心城市能级。区域内人才资源分布不均衡导致核心区域人才辐射效应得不到充分发挥，因而需加大对区域内非核心城市的扶持力度，增强非核心城市能级，优化人才配置，推进经济建设，提升城市集聚能力。对于部分在区域内发挥桥梁作用的非核心城市，其能级不强将抑制核心区域人才集聚效应，因而加强其在区域内的区位作用更显重要。
(2)加强四大经济圈之间人才资源的良性互动。由于四大经济圈人才聚集辐射效应存在差异，区域间人才资源辐射互动能力不强，四大经济圈中人才资源竞争趋势强于合作趋势。因此，应该加强区域间人才的良性互动，探索适宜的合作发展模式，引导人才资源在区域间合理流动。
(3)优化各区域资源配置。人才集聚核心城市对其它城市产生的辐射效果，不仅取决于城市间距离，还与城市质量有关，城市质量越高，其辐射接受能力越强，从而核心城市的辐射效果越好。因此，需要统筹优化配置区域内各种资源，按照各城市的区位条件合理进行产业转移、优化产业布局，科学引导区域内人才流动，最终实现区域经济利益最大化。
参考文献:
[1] GREEN H I.Hinterland boundaries of New York city and Boston in southern New England[J].Economic Geography, 1955,10(4):283-300.
[2] 聂春祺,谷人旭.城市空间自相关特征及腹地空间格局研究——以福建省为例[J].经济地理, 2017(10):74-81.
[3] 李凯风,张卓.我国区域金融中心金融辐射力的金融效率分析[J].统计与决策, 2017(2): 171-173.
[4] 兰芳, 邓黎桥, 董亮.金融人才聚集的空间溢出效应研究——基于空间Durbin面板模型的实证分析[J].现代财经, 2017(5):16-24.
[5] 李延军, 史笑迎, 李海月.京津冀区域金融集聚对经济增长的空间溢出效应研究[J].经济与管理, 2018(1): 21-26.
[6] 潘竟虎,刘伟圣.基于腹地划分的中国城市群空间影响范围识别[J].地球科学进展, 2014, 29(3):352-360.
[7] 周一星.城市地理学[M].北京：商务印书馆，1995.
[8] 黄金川,刘倩倩,陈明.基于GIS的中国城市群发育格局识别研究[J].城市规划学刊, 2014(3):37—44.
[9] 邓羽,刘盛和,蔡建明,等.中国中部地区城市影响范围划分方法的比较[J].地理研究，2013,32(7)：1220—1230.
[10] 方大春, 孙明月.长江经济带核心城市影响力研究[J].经济地理, 2015,35(1): 76-81，20.
[11] 彭健, 陈云谦, 胡智超,等.城市腹地定量识别研究进展与展望[J].地理科学进展.2016,35(1):14—24.
[12] 魏伟,高晓,陈莉，等.基于引力和场强模型的干旱内陆河流域城乡体系相互作用及空间表达[J].干旱区资源与环境,2012,26(10):156-161.
[13] 潘竟虎,刘莹.基于可达性与场强模型的中国地级以上城市空间场能测度[J].人文地理,2014(1):80-88.
[14] 支大林, 于尚艳.区域金融理论与实证研究[M].北京：商务印书馆, 2008.
[15] 廖诺, 张紫君，李建清，等.基于C-C-E链的人才集聚对经济增长的贡献测度[J].人口与经济, 2016(5): 74-83.
[16] 牛冲槐,张敏,段治平，等.科技型人才聚集效应与组织冲突消减的研究[J].管理学报,2006(3): 303-308.
[17] 唐朝永,牛冲槐.科技型人才聚集系统组织化与劣质化机理研究[J].科技进步与对策, 2016(3):146-150.
[18] 朱杏珍.浅论人才集聚机制[J].商业研究, 2002(8):65-67.
[19] 栾强,罗守贵,郭兵.都市圈中心城市经济辐射力的分形测度及影响因素——基于北京、上海、广州的实证研究[J].地域研究与开发, 2016(4):58-62.
[20] 王铮, 邓岳, 葛昭攀.理论经济地理学[M].北京：高等教育出版社, 2006.
[21] 封福育.中、日、韩长期购买力平价的非线性检验——基于1994-2009年的经验分析[J].统计与信息论坛, 2011,26(1):51-54.
[22] 刘璇,邓向荣.技术空间扩散范围测度研究——以我国四大直辖市为例[J].科学学研究, 2010,28(9):1331-1337.
[23] 张晓燕,邓向荣.金融中心及其辐射域研究——以环渤海经济圈为例[J].经济问题, 2014(10):43-46.
Cao Wei, Liu Chunhu
(College of Economics & Management，Taiyuan University of Technology, Taiyuan 030600,China)
Abstract：Taking the science and technology talent pooling area as the research object, the paper creatively introduces complex networks to determine the concentration of science and technology talents in the core cities.At the same time, the Wilson model and the field strength model are combined for the first time to measure the radiation effect of science and technology talent pooling cities.The results show that there is a large spatial heterogeneity in the gathering of science and technology talents in our country, with a multi-level core-periphery distribution; there is a big difference in the radiation range and radiation intensity in the core area where science and technology talents gather;At the same time, the paper gives the core area distribution and radiation effect intensity of the science and technology talents in our country.Based on this, some suggestions on how to optimize the development of talent structure are put forward to relevant regions in order to provide some theoretical reference for narrowing the development of the region.
KeyWords:Science and Technology Personnel Gathering; Core City; Complex Network; Wilson Model; Field Strength Model
文章编号：1001-7348(2018)20-0038-08
文献标识码：A
中图分类号：F290
DOI：10.6049/kjjbydc.2017120601
作者简介：曹薇(1983- )，女，山西临汾人，博士，太原理工大学经济管理学院讲师，研究方向为区域经济、经济计量模型构建与应用；刘春虎(1990-)，男，山西朔州人，太原理工大学经济管理学院硕士研究生，研究方向经济计量模型构建与应用、复杂网络建模。
基金项目：国家自然科学基金项目(71473174)；山西省软科学研究项目(2016041016-2)
收稿日期：2018-03-06
(责任编辑：林思睿)