中国人才集聚时空格局及影响因素研究

在知识经济时代，人才成为社会发展和科技进步的关键因素。同时，创新驱动发展战略的成功实施也需要人才的支持[1]。《国家中长期人才发展规划纲要(2010-2020年)》将人才定义为具有一定专业知识或专门技能，进行创造性劳动并对社会作出贡献的人，是人力资源中能力和素质较高的劳动者[2]。F Richard认为，人才是人力资本含量高的个人，通常用拥有本科及以上学历的人口衡量[3]。结合中国实际及现有研究成果[4]，本文认为人才是指拥有大专及以上学历的劳动者。但凡人力资本含量高的人才都具有显著的流动性[1]，而在人才流动过程中必然会产生人才集聚。人才集聚是指人才受多种因素影响，从不同区域向某一特定区域流动的过程[5]。人才集聚不仅有助于人才实现自身价值，还能产生集聚效应，使集聚地获得先行发展机会，促进经济和社会持续高效发展[5]。因此，研究中国人才集聚时空格局并分析人才集聚影响因素，对于我国人才强国战略和创新驱动发展战略实施，具有巨大的理论价值和现实意义。

关于人才集聚测算，孙健[6]用本地区人才占全国百分比衡量本地区人才集聚程度；张樨樨[12]从人才数量和质量两个维度测算人才集聚，用各地区受教育程度在本科及以上的就业人员数量衡量该地区人才数量，用研究生人数占人才总数的比重及每万人拥有专利数衡量人才质量；廖建桥[7]和李瑞[8]用基尼系数测算人才集聚程度；曹雄飞[1]和曹威麟[4]运用区位商理论测算人才集聚程度，该理论能较好反映某要素在各地区的专业化程度和集中程度，比较适合测算中国各地区人才集聚程度，并且由此方法计算所得人才集聚度前十的地区排名与《中国人才集聚报告(2014年)》基于人才学历结构集聚度的排名一致，说明运用区位商理论计算人才集聚度是合适的。因此，本文选用区位商理论计算我国各地区人才集聚程度。

关于人才集聚时空格局，李瑞等[8]以中国科学院1 192名院士为典型群体，分析高级科学人才集聚成长的时空格局演化及其驱动机制；洪进[9]分析了中国创意阶层(具有创新意识的人才)区域空间分布情况；方远平[10]分析了广东省创意阶层的空间集聚特征和演变趋势。但从整体来看，学界对于我国大专及以上学历人才集聚的时空分布状况关注较少。

关于人才集聚的影响因素，F Richard[3,11]认为公共服务水平、开放性和包容性对人才区域流动与集聚具有重要影响；洪进[9]指出，城市文化、公共服务能力、高等教育能力、生态设施水平、创意产出水平和高科技指标对中国创意人才分布具有显著影响；张樨樨[12]指出，城镇化进程推动人才集聚水平不断提升，为人才集聚提供了重要平台；方远平[10]研究表明，科技是持续影响广东省创意阶层空间集聚的首要因素，其次是社会人文因素和城市工资水平；Qian[13]将人才分为两类，一类是以受教育程度衡量的人力资本，另一类是以“专业技术人员”衡量的创意阶层，发现大学、开放性和公共服务水平对两类人才具有显著影响；李瑞[8]指出，自然环境、经济基础、政治环境、文化教育差异和变化不同程度地影响着中科院院士总体空间和时空格局演化；李乃文[14]采用系统动力学方法分析了产业经济环境、教育环境、社会文化环境对人才集聚的作用；李光红基于信息不对称理论及演化博弈理论，定量分析人才集聚的形成，构建组织与人才博弈模型，确定影响人才集聚的关键因素，包括机会成本、人才努力程度和激励措施。在已有研究中，学者们很少关注政府教育投入对人才集聚的影响。

对于研究方法，学者们运用线性回归[3,6-8]、线性回归中的最小二乘法或加权最小二乘法[13]、岭回归[9]、系统动力学[14]、Pearson相关分析[8]等方法对人才集聚影响因素进行分析，但未就各因素对人才集聚不同分位点的影响展开分析。此外，当作为因变量的人才集聚值呈非正态分布时，最小二乘法或岭回归分析方法不具有较好适用性，而分位数回归方法能反映出影响因素对人才集聚在不同分位点的影响方向及影响程度，且对因变量非正态分布估计具有优势，从而估计结果更为准确。

因此，本文运用区位商理论分析2006-2015年中国内地31个省、直辖市、自治区(以下简称省市区)人才集聚度。我国于2006年发布了《国家中长期科学和技术发展规划纲要(2006-2020年)》，因而本文将起始时间定在2006年，旨在考察该纲要公布后中国人才集聚变化，并从时间和空间两个维度分析中国各省市区人才集聚情况。具体而言，采用分位数回归方法探析我国人才集聚的影响因素，揭示教育投入等因素对不同分位点的人才集聚影响，以期对各省市区成功实施人才战略提供理论支持。

1 研究方法

1.1 区位商

区位商(Location Quotient,LQ)，也称作地区专业化系数(Regional Specialization Coefficient，RSC)[15]，是区域经济学中的一个基本概念，通常用来判断一个产业是否构成地区专业化部门。区位商是指一个地区特定产业部门的产值在地区总产值中所占比重与全国该部门产值在全国总产值中所占比重的比值，其数学表达式如下[4]：

式(1)中，i表示第i个产业(i=1，2，3，……，m)；j表示第j个地区(j=1，2，……，n)。其中，X可以根据研究内容采用不同含义，如总产值、就业人数、销售收入等。一般来说，区位商越大，表示该地区该产业专业化水平越高。当LQ>1时，说明该地区该产业分布与全国平均水平相比更集中、比较优势更显著，一定程度上显示出该产业具备较强竞争力；当LQ=1时，表明该地区该产业分布与全国平均水平相等，并无明显优势；当LQ<1时，表明该地区该产业分布与全国平均水平相比更分散，处于比较劣势，竞争力较弱[1,4,15]。

本文借鉴曹威麟[4]对人才区位商的定义，将人才区位商TLQ定义为，某地区专科以上就业人员数量占该地区全部就业人员数的比重，与全国专科以上就业人员数量占全国全部就业人员数比重的比率。计算公式如下[4]：

其中，i表示受教育程度(i=1，2，3，4，5，分别对应于未受教育，受过小学、初中、高中、大专及以上教育)；j表示地区，包括全国31个省市区(j=1，2，……，31)；T表示就业人员数，则T5j表示j地区专科以上就业人员数，

表示j地区全部就业人员数，

表示全国专科以上就业人员数，

表示全国全部就业人员数。

1.2 分位数回归

分位数回归由Koenker和Bassett[16]于1978年提出，该方法是对以古典条件均值模型为基础的最小二乘法的延伸[17]。普通最小二乘法考察解释变量x对被解释变量y的条件期望E(y∣x)的影响，实际上是均值回归，而分位数回归能够描述出x对整个条件分布y∣x的影响。在进行估计时，选择条件分布y∣x若干重要的条件分位数，就能对条件分布y∣x有更全面的认识[18]，进而确定各因素与人才集聚度不同的地区关系及其影响。当运行数据存在重尾分布或非正态分布时，分位数回归方法比普通最小二乘法更有效和稳健[19]。普通最小二乘法的目标函数为残差平方和最小，而分位数回归方法的目标函数为残差绝对值加权平均最小。因此，相比普通最小二乘法，分位数回归受极端值影响较小，回归模型如下[16]：

式(3)中，y为人才集聚值，x为影响因素，β为待估系数，μ为残差变量，Quantθ(yit|xit)表示给定xit条件下yit的θ条件分位数，θ的取值范围为：0≤θ≤1。求解待估系数β的目标函数为残差绝对值的加权平均最小，公式如下：

当

即残差值为正时，赋予残差θ权重；当

即残差值为负时，赋予残差(1-θ)权重。

2 人才集聚影响因素选择

结合已有研究[3,6-12,19-20]，并考虑到数据的可获得性，本文未考察人才自身及对工作的满意度等，主要从经济基础、政策环境、文化教育和社会环境4个方面选取人才集聚影响因素。

经济基础方面选择人均地区生产总值和城镇单位就业人员平均工资两个指标。人均地区生产总值代表一个地区的经济发展水平，经济发展水平能在很大程度上反映出一个地区的经济发展潜力、就业机会和生活舒适程度；工资水平将直接影响人们对工作的满意度和对某个地区的向往程度。因此，经济发展水平和工资水平是影响人才集聚的两个重要因素。由于所选样本中各省市区人口规模差别较大，从而选用各省市区人均地区生产总值相对指标表示各地区经济发展水平。从我国人才职业分布看，除大学生村官等职业位于农村外，我国人才基本都选择城镇单位就业。由于官方未公布大专及以上学历就业人员工资，因而本文选取城镇单位就业人员平均工资表示中国人才工资水平。

政策环境能够反映政府对人才的重视程度，因此本文重点考察政府在人才培养方面的投入情况，用地区教育投入表示。为消除各地区经济发展水平可能造成的影响，选用各省市区地方财政教育支出占地方生产总值的比例表示政府教育投入。教育投入在一定程度上反映了地区生活质量[21]及人才在该地区的发展潜力，对人才集聚具有一定影响。

文化教育方面，高等教育发展水平较高的地区是大学生就业流向比较集中的区域[21]，拥有较多高等院校的城市在培养、吸引和留住人才方面优势较大[10]，故当地大学创办情况及质量对地区人才集聚具有一定影响。在指标选择方面，部分学者选择高等院校数[10]，还有部分学者选择大学生数占当地人口比例[13]。考虑到大学招生规模和地区人口的影响，本文认为在校大学生数占当地人口的比例表征大学对人才集聚的影响更为有效。

社会环境方面，本文选择城镇化率、开放性和公共服务水平3个指标。城镇化快速推进为人才集聚提供了契机与平台[12]，所以城镇化对人才集聚具有促进作用，用城镇人口占年末常住人口的比例表示城镇化率[13]；开放性代表了一个地区接纳其它地区人口的意愿和难易程度，一个地区越开放，人才越容易融入该地区并为其创造财富，地区开放性对人才集聚有促进作用，用该地区没有当地户口的人数占人口总数比例表示[13]；公共服务水平直接影响中国人才在该地区生活的舒适度和便利性，有学者用公共服务业从业人员数表示公共服务水平[10,13,20]。为消除各省市区人口规模的影响，本文用公共服务业从业人员数占城镇就业人员总数的比例表示。关于公共服务业内涵界定，本文在杨凤丽[20]对公共服务业定义的基础上，增加文化、体育和娱乐业，即本文的公共服务业包含交通运输、仓储及邮电通信业，批发和零售业，住宿和餐饮业，租赁和商务服务业，水利、环境和公共设施管理业，居民服务和其他服务业，卫生、社会保障和社会福利业，文化、体育和娱乐业，以及公共管理和社会组织。人才集聚影响因素如表1所示。

3 实证分析

3.1 数据来源

中国人才集聚时空格局的研究对象为我国内地31个省市区，时间范围为2006-2015年。虽然分位数回归不易受极端值影响，但西藏自治区人才集聚值偏小，为避免回归效果受其影响，剔除西藏，最终样本为我国内地30个省市区。所选影响因素指标缺乏2006年数据，因而人才集聚影响因素时间范围设定为2007-2015年。各省市区就业人口中大专及以上学历所占比例的原始数据来源于《中国人口和就业统计年鉴(2007-2016)》；人才集聚影响因素的原始数据来源于《中国统计年鉴(2008-2016)》，其中统计年鉴缺乏宁夏回族自治区2007-2012年居民服务和其它服务业从业人员数，该地区原始数据由《中国城市统计年鉴(2008-2013年)》获取；在衡量地区开放性时，没有当地户口的人数由《中国统计年鉴》中“住本乡、镇、街道，户口在外乡、镇、街道，离开户口登记地半年以上人口数”和“住本乡、镇、街道，户口待定人口数”加和得到，统计年鉴中缺乏各省市区2010年这两个指标的原始数据，因此本文中2010年两个指标数据由2009年和2011年数据利用线性插值法计算得来。

3.2 人才集聚时空格局分析

根据公式(2)计算中国各省市区2006-2015年共十年的人才集聚值，如表2所示，四大经济区域人才集聚值如表3所示。

注：东部地区包括北京、天津、河北、福建、山东、广东、上海、海南、江苏和浙江，东北地区包括辽宁、吉林和黑龙江，中部地区包括山西、安徽、江西、河南、湖北和湖南，西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆

如表2所示，我国内地31个省市区中北京人才集聚度最大，远超国内平均水平，因为北京是我国政治文化中心，吸引了大量人才。上海和天津是中国首批沿海开放城市，其优越的地理位置和经济条件也使其具有很强的人才吸引力。10年均值大于1的省市区有16个，分别为北京、上海、天津、新疆、浙江、辽宁、青海、陕西、宁夏、内蒙古、福建、江苏、山西、广东、吉林和湖北，说明这16个省市区人才相对集中，在人才资源方面具有比较优势；其它省市区人才集聚值小于1，在人才资源方面处于比较劣势，人才集聚度最低的省份是西藏，说明西藏人才资源拥有量远远低于中国平均水平。2006-2009年，西藏人才集聚度特别低，人才占有量不足全国平均水平的1/10，仅有2011年的人才集聚度突破了1，推测其原因可能是国家在2010年发布了《国家中长期人才发展规划纲要(2010-2020年)》，西藏顺应政策引进了部分人才，但之后几年西藏人才集聚度普遍较低，需要引起国家重视。2006-2015年全国人才集聚均值逐年减小，说明中国各省市区人才集聚差距在逐年缩小，同时在一定程度表明，《国家中长期科学和技术发展规划纲要(2006-2020年)》发布对我国人才合理分布起到一定促进作用。

如表3所示，四大经济区域中，东部地区人才集聚程度最高、东北地区第二、西部地区第三、中部地区最低。具体而言，东部地区依靠优越的地理位置和经济条件吸引大量人才；东北地区高等院校较多，人才密度相对较高；西部地区地处内陆，但随着西部大开发战略实施，大批人才支援西部建设，此时人才相比中部地区更为密集；中部地区处于内陆，受经济水平影响，人才资源处于劣势。

3.3 人才集聚影响因素分析

(1)变量描述性统计。为消除变量的异方差性，本文对所有变量取对数。同时，考虑到宏观经济形势影响，将年份作为控制变量[22-23]，以2015年数据为对比组。各变量描述性统计如表4所示。

正态分布偏度为0，峰度为3，由表4可以看出，因变量不服从正态分布。从JB统计量看，因变量JB统计量较大，P值为零，拒绝了“因变量服从正态分”的原假设，从而本文所选变量不适用于最小二乘法，更适合用分位数回归。

(2)回归结果及分析。本文运用Eviews8软件进行分位数回归，将Bootstrapping的重复次数设为1 000次，回归结果如表5所示。

注：(1)回归方程中还包括年份的虚拟变量。(2)#、*、**、***分别表示在10%、5%、1%、1‰水平上显著

表5中，第5列的分位数从左到右分别是0.1、0.25、0.5、0.75和0.9。回归结果分析如下：

(1)人均地区生产总值对人才集聚具有显著正向影响。在所有影响因素中，人均地区生产总值影响系数最高，说明经济发展水平对人才集聚具有重要影响。随着人才集聚条件分布分位点提高，人均地区生产总值系数逐渐减小，说明经济发展水平对人才集聚值较低地区的作用强于对人才集聚值较高地区的作用。

(2)工资水平对人才集聚具有重要影响。工资水平除了对人才集聚在0.9分位点时没有显著影响外，在其它分位点均有显著的正向影响。随着人才集聚值提高，工资水平的影响系数大致呈下降趋势，说明地区人才集聚值越低，工资水平对其影响程度越大。

(3)财政性教育支出对人才集聚具有显著正向影响。随着人才集聚分位点提高，财政性教育支出对人才集聚的影响系数逐渐增大。作为西部地区的新疆和青海在人才集聚方面具有比较优势，查看影响因素原始数据可发现，新疆和青海财政性教育支出占地区生产总值比重在中国内地各省市区中排名靠前，新疆将逐步实现全区15年免费教育，财政性教育投入大可能是新疆人才集聚值高的一个重要因素。

(4)公共服务水平对人才集聚条件分布在较低分位点具有显著正向影响，且随着人才集聚分位点的提高，影响系数逐渐减小，在0.75和0.9分位点时，公共服务水平对人才集聚的影响不显著，说明在人才集聚较高的地区，公共服务水平影响不显著，而在人才集聚值较低的地区，公共服务水平是重要的影响因素。

(5)大学对人才集聚值在条件分位点0.25、0.5和0.75时具有显著正向影响，而对人才集聚在条件分位点0.1和0.9时影响不显著，说明大学对人才集聚值特别高和特别低地区的影响不明显，而对人才集聚值处于中间水平的地区具有显著影响。

(6)城镇化率对人才集聚在条件分位点0.75和0.9时具有显著正向影响，而当人才集聚处于低分位点时，城镇化率的影响不显著。

(7)开放性对人才集聚在不同条件分位点的影响不一致。在人才集聚0.1分位点时，开放性对人才集聚具有显著负向影响；在人才集聚0.5分位点时，开放性对人才集聚具有显著正向影响；在人才集聚0.9分位点时，开放性对人才集聚具有显著负向影响。

4 结语

本文首先以2006-2015年中国内地31个省市区为研究对象，运用区位商理论分析中国人才集聚时空格局；然后以2007-2015年中国内地30个省市区为研究对象，选取经济基础方面的人均地区生产总值和工资水平、政策环境方面的财政性教育支出、文化教育方面的大学、社会环境方面的城镇化率、开放性和公共服务水平共7个影响因素，采用分位数回归方法分析其对人才集聚不同分位点的影响，得到主要结论如下：

(1)从时间上看，2006-2015年全国人才集聚均值逐年减小，说明中国各省市区人才集聚差距正在逐年缩小，一定程度表明，《国家中长期科学和技术发展规划纲要(2006-2020年)》的颁布对我国人才合理分布起到了一定促进作用；从空间上看，31个省市区中，北京、上海、天津和新疆的人才集聚程度较高，西藏人才集聚程度最低，此排名与曹威麟等[4]得出的结论基本一致。在四大经济区域中，东部地区人才集聚程度最高、东北地区第二、西部地区第三、中部地区最低。

(2)人均地区生产总值和财政性教育支出对人才集聚具有显著正向影响，且人均地区生产总值对人才集聚的影响程度随着人才集聚条件分位点提高而降低，而财政性教育支出对人才集聚的影响程度随着人才集聚条件分位点提高而上升。工资水平对人才集聚除在0.9分位点没有显著影响外，在其它分位点均具有显著正向影响。方远平等[10]研究表明，工资水平是影响广东省创意阶层(专业技术人员)数量空间发展的重要因素，但本研究发现，当一个城市人才集聚程度非常高时，工资水平不再是影响人才集聚的主要因素，人才是否留在该城市发展还受工资水平以外的因素影响；公共服务水平对人才集聚在低分位点时具有显著正向影响；大学对人才集聚在0.25、0.5和0.75分位点时具有显著正向影响。方远平等[10]发现高等教育水平是影响广东省创意阶层数量空间发展的关键因素，而本文研究发现，当地区人才集聚程度较低或较高时，大学不再是影响人才集聚的主要因素；城镇化率对人才集聚在高分位点时具有显著的正向影响。Qian等[13]研究表明，城市指数与人力资本指数、创意阶层指数密切相关，但本研究发现，当一个地区的人才集聚程度较低时，仅提高城镇化率并不能显著提高该地区人才集聚程度，还应考虑工资水平、公共服务水平等因素。但是，当一个地区人才集聚程度较高时，提高该地区城镇化率能显著提高人才集聚程度；开放性对人才集聚在不同分位点的影响不一致，在0.5分位点时具有显著正向影响，在0.1和0.9分位点时具有显著负向影响。本文开放性用没有当地户口人数占人口总数比例衡量，一个地区接纳外来人口的意愿较强有助于吸引人才。但当一个地区没有当地户口人员比例较高时，在一定程度上说明该地区落户政策比较严格，会对吸引及留住人才产生一定抑制作用。

根据上述研究结果，对我国各省市区实施人才战略提出以下建议：①对于人才密度较低地区，应该大力发展经济，通过优良的经济环境吸引并留住人才。同时，教育投入在一定程度上反映了人才在该地区的发展潜力，因而加大教育投入、培养本土人才，能够显著提高地区人才集聚程度；②在人才集聚程度较低的地区，工资水平和公共服务水平是人才集聚程度的重要影响因素，因而可考虑提高工资水平和公共服务水平以集聚人才。另外，在政府允许的情况下，还可以适当增加大学招生数量或建设新的高等院校，以提高地区人才密度；③城镇化率对人才集聚在高条件分位点具有显著影响，对人才集聚在低分位点时的影响不显著，说明人才密度较高的地区可以通过提高城镇化率进一步增加人才数量，而人才密度较低地区应考虑以上其它途径增加人才数量；④为增加地区对人才的吸引力，提高人才集聚程度，各地区应适当放宽落户政策。

5 研究不足与展望

本文基于区位商理论研究我国人才集聚在时间和空间维度的特点及变化情况，从经济基础、政策环境、文化教育和社会环境4个方面选取影响因素，运用分位数回归方法分析所选影响因素对人才集聚不同条件分位点的影响方向和影响程度，与已有的研究相比得到了一些新的发现，但同时也存在以下不足：①文中人才是根据教育程度划分的高学历人才，该标准对人才的定义稍显片面性，未来研究可将人才范围拓展至专业技术水平较高的工匠及劳模人才，分析其集聚情况及其影响因素；②本文运用区位商理论分析我国人才集聚程度，区位商理论可以计算某一要素在各地区的集中程度，而基尼系数在测算人才集聚度方面也具有一定优势，未来研究可将两种方法结合使用，以更加准确、全面地分析我国人才集聚特点；③在人才集聚影响因素方面，本文仅选取了人均地区生产总值、工资水平、财政性教育支出、大学、城镇化率、开放性和公共服务水平等7个因素，未来研究应选取尽可能多的因素，以更加全面地揭示人才集聚影响因素，为我国人才政策制定提供更加有力的理论支撑。

[1] 曹雄飞, 霍萍, 余玲玲.高技术人才集聚与高技术产业集聚互动关系研究[J].科学学研究, 2017, 35(11):1631-1638.

[2] 新华社.国家中长期人才发展规划纲要(2010-2020年)[EB/OL].http://www.gov.cn/jrzg/2010-06/06/content_1621777.htm,2010-06-06.

[3] RICHARD FLORIDA.The economic geography of talent [J].Annals of the Association of American Geographers, 2002, 92(4):743-755.

[4] 曹威麟, 姚静静, 余玲玲,等.我国人才集聚与三次产业集聚关系研究[J].科研管理, 2015, 36(12):172-179.

[5] 朱杏珍.人才集聚过程中的羊群行为分析[J].数量经济技术经济研究, 2002(7):53-56.

[6] 孙健, 尤雯.人才集聚与产业集聚的互动关系研究[J].管理世界, 2008(3):177-178.

[7] 廖建桥, 黄书毅, 刘智强.中国区域人才集聚合理性及其评价——中美500强企业地区分布的对比视角[J].经济管理, 2007, 29(19):76-81.

[8] 李瑞, 吴殿廷, 鲍捷,等.高级科学人才集聚成长的时空格局演化及其驱动机制——基于中国科学院院士的典型分析[J].地理科学进展, 2013, 32(7):1123-1138.

[9] 洪进, 余文涛, 杨凤丽.人力资本、创意阶层及其区域空间分布研究[J].经济学家, 2011(9):28-35.

[10] 方远平, 曾庆, 唐瑶,等.广东省创意阶层集聚的时空演变及其影响因素分析[J].人文地理, 2016(6):58-65.

[11] RICHARD FLORIDA.Bohemia and economic geography [J].Journal of Economic Geography, 2002(2):55-71.

[12] 张樨樨.我国人才集聚与城镇化水平互动关系的建模研究[J].西北人口, 2010, 31(3):63-67.

[13] HAIFENG QIAN.Talent, creativity and regional economic performance: the case of China [J].The Annals of Regional science, 2010(45):133-156.

[14] 李乃文, 刘会贞.基于系统动力学的产业发展不同阶段人才集聚的决定因素分析[J].科技进步与对策, 2012, 29(5):152-155.

[15] YUTAO SUN, FENGCHAO LIU.A regional perspective on the structural transformation of China's national innovation system since 1999[J].Technological Forecasting & Social Change, 2010(77):1311-1321.

[16] ROGER KOENKER, GILBERT BASSETT JR.Regression quantile [J].Econometrica, 1978, 46(1):33-50.

[17] 杨立勋, 陈晶, 程志富.西北五省区旅游产业绩效影响因素分析——基于面板数据分位数回归[J].旅游学刊, 2013, 28(8):94-101.

[18] 王周伟, 崔百胜, 朱敏,等.经济计量研究指导:实证分析与软件实现[M].北京:北京大学出版社, 2015:28-45.

[19] WEI F, FENG N, ZHANG K H.Innovation capability and innovation talents: evidence from China based on a quantile regression approach [J].Sustainability, 2017, 9(7):1218-1232.

[20] 杨凤丽, 洪进, 赵定涛.中国创意阶层区域分布及其影响因素的实证研究[C].Proceedings of International Conference on Engineering and Business Management(EBM2011),2011.

[21] 孙祥.大学生就业区域流向及引导策略研究[D].合肥:合肥工业大学, 2011:46-50.

[22] 张维迎, 周黎安, 顾全林.高新技术企业的成长及其影响因素:分位回归模型的一个应用[J].管理世界, 2005(10):94-101, 112, 172.

[23] SU YI, LIN ZHOU-ZHOU, WANG CHEN-GANG.The relationship between foreign competition and innovation activities based on quantile regression [J].Science Technology & Society, 2017, 22(2):165-181.