开放科学(资源服务)标识码(OSID)：
The study employs panel data from 192 universities during the period of 2016-2021 for empirical analysis. Firstly, through Global Moran's I and Local Moran's I tests in spatial econometrics analysis, the agglomeration effect of top talents in the selected sample institutions is identified in terms of academic vitality and research innovation level. Secondly, using the spatial information obtained from the spatial econometrics analysis, the study constructs a panel stochastic frontier model to estimate the agglomeration effect of top talents, which represents the influence on the academic vitality and research innovation level of universities. Finally, it constructs (absolute and conditional) β-convergence model with spatial effects to verify the spatial spillover effect and convergence process of the agglomeration of top talents in Chinese colleges and universities. This study abandons the geographical adjacency and geographical distance spatial weight matrix, highlights the spatial effects between universities according to the first law of geography, and sets the inverse distance spatial weight matrix as the core matrix for parameter estimation. On the basis of geographical distance, it fully measures the differences in faculty size and scientific research input among colleges and universities in space, constructs a nested space weight matrix for scientific research funds and a nested space weight matrix for faculty,respectively,so as to accurately depict the comprehensiveness and complexity of spatial effects and ensure the robustness of empirical results.
Through the theoretical analysis and empirical analysis, the main conclusions are drawn as follows. Firstly, the Global Moran's I test demonstrates a strong spatial clustering relationship in the scale of top talents between universities under three spatial weight matrices. However, the intensity of spatial effects varies significantly depending on the spatial weight matrices, indicating that the spatial agglomeration effect of top talents in regional higher education's imbalanced development process is influenced by geographical location and differences in educational conditions. Secondly, the Local Moran's I test reveals spatial heterogeneity in the agglomeration effect of top talents in the sample institutions within local regions, exhibiting a gradient pattern of "alliance between the tops", "supporting among the middles" and "isolation within the bottoms" respectively. Thirdly, the estimation results of the panel stochastic frontier model indicate that the spatial agglomeration effect of top talents in universities positively impacts the improvement of academic vitality and research innovation level in domain institutions. The influence is ranked as follows: "number of patent authorizations" (39.73%) >"number of highly cited papers" (27.36%) >"number of hot papers" (20.07%) >"number of national-level projects" (19.70%) >"research output scale" (18.48%) >"frequency of participation in high-level conferences at home and abroad" (14.51%) >"provincial-level and above scientific and technological awards" (11.59%). Lastly, the results of the β-convergence test with spatial effects demonstrate significant absolute and conditional β-convergence processes in the spatial agglomeration level of top talents in colleges and universities. This indicates that the spatial differences in the agglomeration level of top talents among colleges and universities will converge to their respective steady-state levels, contributing to the achievement of balanced development in regional higher education.
The novelty of this article lies in breaking away from the traditional binary view of talent outflow versus talent agglomeration and embracing the objective laws of talent mobility. From a spatial perspective, it investigates the spatial spillover effects and convergence of top talent agglomeration in Chinese colleges and universities. The study provides a sound theoretical framework and empirical evidence to guide the transition "from agglomeration to equilibrium" in the development of regional higher education.
开放科学(资源服务)标识码(OSID)：
一系列高等教育重点建设政策下的大学合并、学科调整,直至“211工程”“985工程”,奠定了中国高等教育的基本格局,形塑着“以资源配置为中介变量的结构质量化与质量结构化”的高等教育评价体系[1]。从资源投入力度上看,首轮“双一流”建设期间,除国防科技大学外的41所一流大学年均经费预算增长率为10.95%,合计投入经费20 057.28亿元。从人才吸引力上看,“双一流”建设高校入选中国科学院院士、工程院院士、杰青、万人领军和长江学者的人次占高等教育系统入选总人次的比例分别为91.7%、81.6%、93.7%、75.9%和95.4%。现有研究大多将上述人才称为“学术精英”“高层次人才”“高端人才”等,为突出创新型人才对于高校学术与科研的综合影响,本文统称为“顶尖人才”。从创新驱动力上看,2016—2020年以高校为第一完成单位获国家三大奖(国家自然科学奖、国家技术发明奖、国家科技进步奖)共695项,其中,“双一流”建设高校斩获585项,占比84.17%。与此同时,各地方政府开始主动对接“双一流”高校,配套落实省域高水平大学建设,以期推动省域内更多高校进入“双一流”。这促进了高校发展,也一定程度上加剧了区域间政策资源、财政资源、人才资源的不充分、不平衡,使高等教育布局结构相对固化并造成省域高等教育资源不均,产生一定的“马太效应”。
高校之间办学水平存在差异,区域间高等教育发展水平也存在差异,两者共同表征为区域高等教育动态非均衡发展。区域高等教育动态非均衡的背后隐含着高校间顶尖人才流动的失序、失衡问题,人才流失更是引起了社会普遍关注。高等教育资源配置优化的重点在于保证人才流动合理性,因此,剖析人才流动背后的底层逻辑,思考人才集聚与区域高等教育均衡发展的可能性,促进高校顶尖人才合理、有序流动,对于推动高等教育发展至关重要。
在人才流动的学理逻辑上,相关研究探讨了顶尖人才的空间分布特征及其流动态势[2],认为人才流动具有明显的本地空间黏滞性特征,形成东南沿海与长江沿岸分布的“弓形”格局,而且,优势区域的整体黏滞性更易形成人才高地[3]。我国高校顶尖人才的流动规模、流动频率和流动周期受区域经济社会发展的影响,均呈现出显著的非对称互动关系,即经济高质量发展会显著促进科技人才流动,而无效的科技人才流动会影响地区经济发展水平[4]。相关研究侧重探讨人才流动的地理分布特征、规模和态势,基于顶尖人才流动规模和路径分析,指出我国人才流动存在“中西部危机”和“东北部困境”(黄海刚,2018),并从创新环境空间差异视角解释了人才集聚的地区差异性,由此带来的虹吸效应要求不同区域改善创新环境[5]。就人才布局与流动特征来看,虽然高校顶尖人才大体上呈“中心—外围”式分布,但是,不同区域有着不同的人才流动模式,如京津冀、长三角、粤港澳的科技人才流动分别呈现为“单核吸引”“自产自销”“创新吸引”模式(李峰,2022),而且,中西部和东北部等地区的人才困局不仅仅体现为顶尖人才不足,更体现为相对封闭的学术劳动力市场对人才吸引力不足[6]。闭塞的学术劳动力市场导致高校科研拔尖人才无序流动,呈现出抢挖人才狂热化、稳才任务显像化、人才成本畸形化、引才风险扩大化等表征[7]。
对于人才流动影响因素及其与区域经济社会发展的关系,相关研究分析了欧盟促进人才自由流动的政策措施及其特点,并在此基础上提出对中国建设世界人才中心的政策启示[8]。人才流动是影响地区间协同创新的关键因素,相关研究证实了财政、规制、引资等地方政府竞争行为对区域人才流动均具有显著正向影响[9]。对于人才流动与区域经济社会发展的关系,强调改善区域人才配置[10]。李娟等[11]研究发现人才政策能够显著促进企业全要素生产率增长,人才政策出台数量平均每增加1条,会提高企业技术创新水平和纠正人力资本在企业间的错配,最终促进企业全要素生产率增长约0.005;韩凤芹等(2022)进一步检验了引才政策及其空间溢出对区域创新发展的影响,发现人才流动规模、速度与区域创新水平存在非线性关系,呈现U型空间溢出效应,推动区域整体创新能力提升,且具有地区异质性、边际效用递增特征。
对于人才流动的地理分布特征、人才流动影响因素及其与区域经济社会发展的关系,相关研究无不指出人才流动具有预测性,区域政府治理环境、金融环境、法治环境、技术环境等软环境是影响人才流动的主要推手,系数弹性分别为2.896%、0.381%、0.194%和0.071%(孙博,2022)。同时,对人才流动的宏观影响因素研究发现,经济发展水平和科研环境是影响省际科技人才流动的主要因素,不同地区的R&D经费投入强度对人才流动具有不同影响,其中,东、中部地区R&D经费投入的增加会显著提高人才虹吸效应,由此带动产业结构转型升级并提高人才吸纳能力(徐倪妮,2019)。有研究质疑中国高校顶尖人才是否存在过度流动问题,认为中西部和东北部“人才危机”并未表现在人才流出规模上,而表现为严重的人才逆差和较弱的人才吸引力[12]。如果人才流动符合市场经济规律、学术生命周期规律,那么,高校人才流失现象是否为一个伪命题,与区域高等教育均衡发展相悖?中西部高校人才流失问题一直备受学界关注,相关研究大多聚焦政府以行政手段干预人才流动,防止中西部高校人才流失,以公平为导向促进形成均衡的高校顶尖人才空间分布格局。但是,过去20年随着我国东部沿海地区经济高速发展,对高科技和高端人才表现出强烈需求,加剧了“孔雀东南飞”现象[13]。事实上,无论是人才流失还是人才集聚,往往只是人才流动置于不同主体的两面性,人才流失或人才集聚与区域高等教育均衡发展也不是对立关系。既然人才流动具有规律性、可预测性,那么,如何实现“从集聚走向均衡”就成为人才流动的核心命题。
人才流动态势是理解区域高等教育非均衡发展的关键,只有理解中国高校顶尖人才集聚效应对区域高等教育发展的影响,才能为区域高等教育均衡发展打好微观基础。然而,现有研究聚焦均衡发展,忽略了顶尖人才集聚所带来的空间集聚效应,难以为区域高等教育均衡发展的路径机制提供具有说服力的学理阐释。当前,中国高校顶尖人才流动频率加快,顶尖人才的空间集聚在区域高等教育发展过程中具有阶段性特征。其空间集聚效应如何推动区域高等教育均衡发展,充分发挥顶尖人才集聚和研发机构的资源优势,实现区域高等教育发展“从集聚走向均衡”?目前学界应对这些问题和挑战的理论准备是不足的。鉴于此,本文摆脱以往关于人才流失与人才集聚的二元对立观,遵循人才流动客观规律,结合空间视角探讨我国高校顶尖人才集聚的空间外溢效应及其收敛性,为区域高等教育发展“从集聚走向均衡”提供具有说服力的理论路径和实证逻辑。
我国不同地区在自然地理条件、区位和制度等方面存在较大差异,由此带来的办学条件、资源配置差异也会影响区域高等教育发展水平。本文纳入空间要素,将高校顶尖人才流动过程中存在的制度性和政策性因素纳入空间经济学分析框架,为理解区域高等教育的动态非均衡态势提供参照系,也为区域高等教育均衡发展提供理论路径。
经济活动中最突出的地理特征是空间集聚,世界各国经济一般都集聚在少数大城市或大都市圈,而且,越是发达的国家,其经济集聚程度越高[14]。经济地理学关注经济活动的空间性质,致力于描述、解释、调节经济活动的空间差别,其中,传统区位理论解释了港口作为交通枢纽等地理条件在经济集聚过程中的作用。然而,20世纪90年代以来,以“创新”为核心的知识经济崛起,经济活动中不同空间和区域之间的相互依赖性大大增强,要求从关系、动态视角看待空间的性质、作用、形成与演化的方法,由此构建新经济地理学,与传统的区位理论相互补充,提高对经济活动空间集聚现象的解释力度[15]。新经济地理学认为,只要存在规模报酬递增,并且存在运输成本,即使不存在外生差异,初始条件完全相同的两个区域在经济空间的自我演进过程中也会产生集聚。迪克西特—斯蒂格利茨垄断竞争模型、中心—外围模型(core-periphery model)等新经济地理学的数理模型,基于规模收益递增和垄断竞争,深刻揭示了规模经济、要素流动等相互作用如何推动经济空间格局演化,需求规模、市场关联、需求偏好、知识溢出及其外生差异等影响因素共同作用,使经济活动的空间集聚具有内在统一性[16]。也就是说,规模报酬累积效应是导致经济集聚的关键,规模经济的边际递增变化对经济活动的空间集聚具有决定性作用。规模经济在生产活动中通过产业集聚表现出来,并在产业集聚过程中促进人、财、物等生产要素的进一步集聚,其中,人才流动的空间集聚所产生的规模经济表征为知识溢出。相关研究指出,人才向大城市集聚的过程中,不仅会提高个人自身生产率,也会促进整个城市生产率提高,这就是知识、技术、信息在城市居民相互交流中产生和传播的“人力资本外部性”[17]。
由此可见,新经济地理学侧重集聚视角,以外部经济为关键概念,强调空间布局与知识溢出是创新产生的重要基础,认为经济系统的内生力量使得区域演化、空间分异、经济集聚不可避免,甚至形成极端的核心—边缘结构,并在集聚过程中进一步吸纳人口和产业转移,促进资本积累和知识创造。结合大学、政府和企业三重螺旋模型,人才流动的方向内嵌于经济集聚过程中,当某一区域的经济集聚程度较高时,产业集聚与规模经济的互动机制带动高校集中布局,人才就会随着高校布局而流动,形成人才集聚。人才集聚一旦形成,学术信息、创新氛围就会在空间集聚过程中产生知识溢出,进而产生虹吸效应,形成人才“高地”、学术中心,推动产学研协同一体化发展。表征为人力资本外部性的人才集聚效应有利于提高个人学术活力、创新水平,并在与他人的学术信息交流及互动中产生知识外溢,从而在整体意义上产生社会回报,即周边其他学者、机构能够在空间集聚过程中获益。
新经济地理学提供了区域经济不平衡空间发展的理论解释,记录并阐释经济发展过程的空间集聚性,揭示了经济活动的空间分布规律,解释了空间集聚现象的原因与形成机制,以及它们在不同地方之间和不同空间尺度之间变化的方式。那么,经济活动的空间集聚是否会持续下去并加剧区域发展失衡?事实上,经济集聚的空间过程并非只存在“向心力”(centripetal forces),由于某些不可流动或只具有部分流动性特征的生产要素、运输成本、贸易成本、拥挤导致的负面效应或不经济等因素的存在,还会产生与“向心力”相反的力量——“离心力”(centrifugal forces)[18];空间集聚“向心力”与“离心力”之间复杂的相互作用彰显着现实世界经济空间的复杂多样和富于变化,两种力量处于“拉锯战”状态,形塑着经济空间格局。由于“向心力”与“离心力”的存在,某一地区的空间集聚过程并不会一直持续下去,而是通过形成中心—外围结构,在空间外溢的作用下,帮扶带动周边地区发展,从而实现空间均衡。在空间均衡情境下,经济集聚保证了效率,而人口等生产要素的自由流动有利于不同地区之间实现人均意义上的平衡发展,因此,这是一条“从集聚走向平衡”的道路[19]。根据新古典经济学中的经济趋同理论,长期来看,生产要素的自由流动促进经济差距收敛,因为生产要素流动会使得要素回报均等化。就不同方向的空间相互作用而言,大中小城市之间形成人口增长的良性互动格局,通过回流效应使大城市发展有利于中等城市人均GDP增长[20]。这充分体现了空间要素的力量,即空间均衡的思想,只要区域内要素能够自由流动,就能通过空间集聚实现均衡发展。
以往关于区域高等教育均衡发展的研究主要立足于区域高等教育规模绝对均衡视角,侧重于通过政府行政手段推动高等教育资源均衡配置。相关研究指出,如果不进行政府管制,顶尖人才会不断向少数高校集聚,而顶尖人才集聚会导致地区间差距越来越大[21]。然而,从空间集聚、外溢的角度出发,域内高校顶尖人才的空间集聚会通过知识外溢促使院校间办学水平差距不断缩小,推动区域高等教育发展水平经历先分化后趋同的收敛过程。而且,如果将均衡目标理解为高等教育资源的均匀分布,并且通过行政干预实现这一目标,那么,集聚、效率与均衡的内在冲突就会构成高等教育发展的“不可能三角”。这是因为,根据高等教育外部规律,区域经济社会活动的空间集聚意味着高等教育资源配置(人财物)的失衡,而高等教育活动的效率取决于资源要素集聚程度,反过来说,如果用行政力量配置高等教育资源,则会违背高等教育外部规律,追求资源要素的空间均匀分布,导致效率降低。要打破这个“三角悖论”,就必须结合空间要素,重新思考均衡的内涵。如果将高等教育资源均匀分布意义上的“均衡”转变为人均资源享有程度,那么,通过促进高等教育资源要素自由流动,就能在空间集聚过程中打破集聚、效率与均衡的“不可能三角”,实现区域高等教育均衡发展。因此,本文纳入空间要素,结合空间均衡思想[22],提出“区域高等教育的空间均衡”概念。其一般化理论模型如下:
其中,P为高校人才总数,E为域内高校人才数,则(P-E)为域外高校人才数,C(E)为人才流动的制度成本、竞争压力。某一区域内外具有不同比较优势,由此产生的高等教育资源差异对人才流动产生不同吸引力,从而形塑人才“流入地”或“流出地”。当某一区域形成空间集聚时,其域内高等教育总量会随着规模经济效应持续增加,对顶尖人才形成“虹吸效应”,造就人才“流入地”,形成学术中心;反之,则意味着域外高等教育资源配置能力处于弱势,降低人才吸引力,从而形成人才“流出地”。然而,由于制度成本、竞争压力的存在,人才流动不会持续集聚,随着制度成本、竞争压力的持续增大以及人才集聚的知识同质化现象愈发凸显,人才的空间集聚过程就会停止。通过人才集聚的知识溢出,在空间层面实现区域高等教育均衡发展。
为检验中国高校顶尖人才集聚的空间溢出效应及其收敛性,本文选取2016—2021年192所高校校际面板数据进行实证分析。首先,根据空间计量分析中的全局、局部莫兰指数检验,从学术活力与科研创新水平等方面识别所选样本院校的顶尖人才集聚效应。其次,借由空间计量分析结果所反映的样本院校空间信息,构建面板随机前沿模型,估测顶尖人才集聚效应及其对院校学术活力和科研创新水平的影响。最后,构建空间效应(绝对、条件)β收敛模型,验证中国高校顶尖人才集聚的空间溢出效应和收敛过程。
在空间计量分析中,通常使用全局莫兰指数(Global Moran′I)和局部莫兰指数(Local Moran′I),识别一定空间区域内观测单元之间的空间自相关性(Spatial Autocorrelation)聚集和离散情况,前者考虑的是区域整体内所有观测单元随着空间分布位置呈聚集或离散状态,后者则反映观测单元之间的空间异质性以及局部单元的空间聚集和离散信息。一般表达式为:
(1)
(2)
其中,Yi、Yj分别表示院校i和j在顶尖人才集聚程度上的观测值,本文以各高校的高被引学者数表征顶尖人才。“高被引”能够较为客观真实且直接地反映学者科研产出质量、创新水平,是衡量高校师资水平的合理依据,而且,高被引学者数往往作为衡量高校学术水平的重要依据,在各类大学排行榜的评比中占据较大比重[23]。Wij为空间权重矩阵,表示院校i与j之间的空间关系,本研究选用样本院校的地缘信息形成空间权重矩阵,基于192所样本院校的经纬度坐标生成地理直线距离,数据源于国家地理信息公共服务平台公布的全国基础地理数据库。由于我国东、中、西部地区社会经济发展水平呈现非均衡状态,各高校也处于不同发展阶段,使得地理相邻、地理距离矩阵的设定容易割裂高校之间的实际空间联系,无法考察高校间空间影响关系,因而本文舍弃地理相邻、地理距离空间权重矩阵,根据地理学第一定律,突出各高校间空间效应,将反距离空间权重矩阵(WG)设置为核心矩阵进行参数估计。此外,考虑到样本高校的非全面性以及院校间办学水平差异可能影响研究结论的可靠性,本文参考王丽君等(2022)的嵌套矩阵做法,将各高校师资队伍规模、科研投入嵌入地理距离空间权重矩阵,在地理距离的基础上充分衡量高校间师资队伍规模、科研投入在空间上的差异性,分别构建科研经费嵌套空间权重矩阵(WF)、师资队伍嵌套空间权重矩阵(WS),以期尽可能准确地刻画空间效应的综合性、复杂性,保证实证结果的稳健性。
鉴于顶尖人才集聚对院校学术活力和科研创新水平的影响具有动态性,本文构建“技术效率随时间变化”(time-varying technical efficiency)[24]的面板随机前沿模型,通过加入时间虚拟变量η,捕捉无效率项ui的时变效应(time varying change),检验顶尖人才集聚对院校学术活力与科研创新产出效率的影响。
lnoutputit=β0+β1LocalMoran_toptalentit+β2postgraduateit+β3laborit+β4capitalit+β5δit+νit-μit
(3)
μit=e-η(t-Ti)μi
(4)
其中,outputit为样本期内各高校学术活力与科研创新水平,本文以192所样本院校的国内外高水平会议参会频次、热点文献数、科研规模、高被引文献数、国家级项目、专利授权数和省部级以上科技获奖情况表征。LocalMoran_toptalentit为反映顶尖人才集聚的局部莫兰指数,用以表征样本院校顶尖人才的空间集聚效应。postgraduateit、laborit和capitalit反映各高校在学术与科研活动上的资源投入情况,本文分别选取在校研究生规模和专任教师数以及科研经费支出,表征人员投入和经费投入。考虑到高校顶尖人才集聚效应的发挥很可能受到地区高等教育宏观政策所带来资源配置差异的干预,在计量模型中纳入政策虚拟变量δit,反映样本期间地方政府在高等教育领域推行的重大政策,本文选用各省(自治区、直辖市)政府为对标国家战略而实施的省域“双一流”建设政策,用以识别地方高等教育政策对高校学术活力与科研产出效率的影响。β0为常数项;β1为随机前沿面的估计参数,用以衡量生产效率的程度;β2—β5为一系列控制变量的待估计参数;νit为时变误差(time-varying error),反映个体i因时间t而变化且受影响的非观测因素;uit代表无效率项(inefficiency term),反映不同时期个体i与效率前沿的距离;Ti为个体i的时间维度;ui表示随机前沿函数中的无效率项;η为时变参数,反映时间趋势对ui的影响,当η=0时,说明样本个体效率保持不变,当η>0时,说明样本个体效率递增,当η<0时,说明个体效率递减。
β收敛源自新古典经济学中的经济趋同现象,包括绝对β收敛与条件β收敛两个方面。本文中β收敛意指顶尖人才空间集聚程度较低的高校相比顶尖人才空间集聚程度较高的高校具有更快的增长速度,即不同高校顶尖人才空间集聚程度增长率与其初始水平负相关;绝对β收敛指在初始发展条件完全一致的情况下,不同高校的顶尖人才空间集聚程度随着时间的推移逐渐收敛到相同水平;条件β收敛指在不同办学条件下,相比于顶尖人才空间集聚程度较高的高校,顶尖人才空间集聚程度较低的高校具有更快的收敛速度。基于此,建构(绝对、条件)β收敛模型如下:
(5)
其中,
表示高校顶尖人才空间集聚程度的增长率,并取自然对数;α为常数项;νt、μi分别表示时间和个体的双向固定效应,用以控制时间累积效应和高校个体异质性;εit是随机扰动项。Controlit为一组控制变量,本文根据Galor[25]的检验思路,结合数据可获得性,增添在校研究生规模、获取社会捐赠额、国际化程度和课题经费作为控制变量;γ'为各控制变量的待估计系数。未放入控制变量时,式(5)为绝对β收敛模型;加入若干控制变量时,式(5)为条件β收敛模型。若β<0,则表明不同高校间的顶尖人才空间集聚程度存在收敛性,反之则为发散性。
为避免多重共线性并降低异方差出现的概率,保证实证结果具有统计学意义,除高校顶尖人才集聚程度的局部莫兰指数外,对其余变量均取自然对数,各变量描述性统计结果如表1所示。
表1 各变量描述性统计结果
Table 1 Descriptive statistics of variables
变量类型变量符号含义样本量均值标准差最小值最大值被解释变量meetings国内外高水平会议参会频次(个)1 344452.545 4570.476 844 089hots热点文献数(篇)1 3442.842 84.096 1041resscale科研产出规模(篇)1 3447 270.118 350.4531 03354 447highcites高被引文献数(篇)1 34446.801 347.468 42334nationlevel国家级课题数(项)1 344154.042 4169.433 241 258patent专利授权数(项)1 344666.845 2887.519 227 849department省部级以上科技获奖(项)1 3441.642 12.846 6031解释变量 LocalMoran_toptal-ent顶尖人才集聚程度的局部莫兰指数1 3440.064 60.615 0-0.7886.012toptalent顶尖人才数(人)1 3447.154 515.904 10238控制变量 postgraduate在校研究生规模(人)13441 313.1791 395.33609 364labor专任教师数(人)1 3442 446.2233 620.8492487 293capital科研经费(千元)1 344609 629.7821 1561 4886 260 711policy省域“双一流”建设政策1 3440.849 00.358 201reputation获取社会捐赠额(千元)1 34428 684.24118 192.201 601 438internationalization国际化程度(%)1 3440.020 20.095 203.39profunds课题经费(万元)1 3447 960.04611 479.95130.597 106.42
注:热点文献是将各学科Web of Science期刊论文按统计年下载频次降序排列(剔除下载频次为0的文献),遴选前1%的文献;高被引文献则是基于ESI对全球所有高校及科研机构的SCIE、SSCI库中近11年的论文数据进行统计,按被引频次高低确定衡量研究绩效的阈值,遴选出前1%的文献
为探究不同高校间顶尖人才聚集或离散的空间信息,本文基于3种空间权重矩阵分别测算2015—2021年中国高校顶尖人才集聚程度的全局莫兰指数,以此判断高校间顶尖人才是否存在空间集聚现象,结果如表2所示。在考察期内,不同空间权重矩阵下中国高校顶尖人才集聚程度的全局莫兰指数均显著为正,说明高校间已在顶尖人才方面形成空间集聚效应,且顶尖人才集聚程度会对周边其它高校产生影响,同时,高校顶尖人才集聚程度在空间上呈现高—高和低—低聚集的分布格局。就空间集聚程度而言,考察期内,在反距离空间权重矩阵下,全局莫兰指数从0.061提高至0.065,而在科研经费、师资队伍嵌套空间权重矩阵下,全局莫兰指数分别从0.086、0.091提高至0.098、0.099,说明中国高校顶尖人才的空间集聚程度持续提高。就空间权重矩阵强度而言,师资队伍嵌套空间权重矩阵>科研经费嵌套空间权重矩阵>反距离空间权重矩阵,表明高校间顶尖人才空间集聚受地理距离、办学水平的双重空间效应影响。
表2 中国高校顶尖人才集聚程度的全局莫兰指数
Table 2 Global Moran's I of the agglomeration effect of top talents in Chinese colleges and universities
年份WGWFWS20150.061**0.086***0.091***(1.984)(2.704)(2.853)20160.063**0.086***0.091***(2.052)(2.710)(2.862)20170.070**0.097***0.096***(2.266)(3.016)(3.005)20180.066**0.096***0.099***(2.142)(3.010)(3.119)20190.063**0.093***0.095***(2.052)(2.906)(2.982)20200.064**0.094***0.096***(2.090)(2.962)(3.025)20210.065**0.098***0.099***(2.116)(3.066)(3.104)
注:***、**、*分别表示1%、5%和10%的显著性水平,括号内为Z统计量
通过局部莫兰指数检验,进一步分析高校间顶尖人才集聚程度的空间异质性,结果如表3所示。在反距离空间权重矩阵下,尽管中国高校顶尖人才集聚程度的局部莫兰指数检验结果估计值较为接近,但呈现出不同的空间集聚梯度格局。根据空间集聚程度不同,可以划分为3个主要梯度,凸显不同的空间辐射效果,分别为第一梯度“强强联合”格局,这些高校大都位于第一象限(High-High),代表高观测值单元被高观测值单元所包围,即顶尖人才集聚程度较高的院校在局部区域内相互映照,呈现出“交相辉映”的空间聚集态势。第二梯度“帮扶带动”格局,这些高校落在第二象限(Low-High)和第四象限(High-Low),分别代表低值被高值包围、高值被低值包围的空间联系,即顶尖人才集聚程度突出的强势院校在局部区域内带动弱势院校发展,显现出“互帮互助”的空间聚集态势。第三梯度“孤立无援”格局,这些高校落在第三象限(Low-Low),代表低观测值单元被低观测值单元所包围,即顶尖人才集聚程度较低的弱势院校在局部区域内缺乏“领头羊”的引领,呈现“聚而不群”的空间集聚弱相关。
表3 中国高校顶尖人才集聚程度的空间分布
Table 3 Spatial distribution of the agglomeration effect of top talents in Chinese colleges and universities
象限 反距离矩阵(WG)第一象限(High-High)清华大学、北京大学、上海交通大学、复旦大学、南京大学、同济大学、东南大学、南开大学、北京航空航天大学、天津大学、北京师范大学、苏州大学、北京理工大学第二象限(Low-High)杭州师范大学、上海理工大学、华北电力大学、浙江工业大学第三象限(Low-Low)青岛大学、武汉科技大学、温州大学、天津师范大学、上海师范大学、中国药科大学第四象限(High-Low)浙江大学、中国科学技术大学、中山大学、哈尔滨工业大学、武汉大学、西安交通大学、四川大学、华中科技大学、电子科技大学、大连理工大学、福州大学、兰州大学
注:由于篇幅所限,仅列举2021年部分具有代表性的高校顶尖人才集聚程度的局部莫兰指数检验结果,其余各年份、不同空间权重矩阵的完整检验结果备索
面板随机前沿模型估计结果如表4所示,模型(1)(4)(6)的时变参数η均在1%显著性水平下具有统计学意义,其参数估计结果分别为-0.096 2、0.006 4和0.056 9,这就意味着,表征学术活力的国内外高水平会议参会频次指标可能存在低效生产的情况,生产无效率性在样本期内呈现递增趋势。一个可能的原因是,受疫情影响,自2020年开始,各高校间减少了以线下会议为载体的学术交流,而线上会议难以使学者更好地交流前沿学术信息。反观表征科研创新水平的高被引文献数和专利授权数两个指标,其时变参数η显著为正,表明2015—2021年高校科研创新活动的有效生产呈现上升趋势,而这种上升趋势在专利授权数指标上更为明显,说明在顶尖人才空间集聚程度提升过程中,空间集聚效应通过优质科研成果产出提高了院校科研创新水平。与此同时,模型(2)(3)的时变参数η估计结果为正值,尽管生产无效性在样本期内不断递增,但均未通过显著性检验,说明高校科研创新活动的有效生产并未通过热点文献数和科研产出规模两个指标显著表现出来。然而,国家级课题数、省部级以上科技获奖两个指标的时变参数η估计结果为负值,生产无效率性在样本期内呈下降趋势。可能是因为尽管顶尖人才空间集聚效应在一定程度上促进院校间学术交流,提高了科研创新水平,但在全国范围内的横向比较中,受制于地理区位、原有办学条件差异的双重影响,区域高等教育非均衡发展态势仍然突出,高校顶尖人才集聚的空间外溢效应亟待进一步加强。
表4 基于反距离空间权重矩阵的面板随机前沿模型估计结果
Table 4 Estimation results of the panel stochastic frontier model based on the inverse-distance spatial weight matrix
变量(1)(2)(3)(4)(5)(6)(7)meetingshotsresscalehighcitesnationlevelpatentdepartmentLocalMoran_toptalent0.145 1**0.200 7***0.184 8***0.273 6***0.197 0***0.397 3***0.115 9**(0.062 1)(0.043 9)(0.063 6)(0.070 7)(0.074 0)(0.147 9)(0.047 1)postgraduate0.028 1***0.030 1***0.020 2***0.009 0**0.010 3***0.001 8-0.001 5(0.006 7)(0.005 9)(0.002 4)(0.004 6)(0.003 2)(0.005 7)(0.010 6)labor0.141 1***0.047 30.055 5***0.072 8**0.096 2***0.024 20.124 8**(0.043 6)(0.035 2)(0.020 2)(0.035 8)(0.028 1)(0.041 8)(0.053 5)capital0.372 5***0.329 2***0.042 3***0.100 0***0.061 6***0.096 3***0.193 6***(0.037 1)(0.026 9)(0.013 7)(0.025 7)(0.018 4)(0.030 4)(0.040 2)policy0.315 3***0.094 6***0.166 3***-0.000 90.057 7***0.157 3***0.052 9(0.036 5)(0.035 9)(0.012 6)(0.025 7)(0.017 9)(0.033 7)(0.078 9)μ4.182 9***3.101 914.670 12.475 3***2.025 1***4.781 0***1.909 1(0.327 5)(2.788 0)(11.366 8)(0.210 6)(0.158 8)(0.449 9)(26.066 4)η-0.096 2***0.017 50.003 00.006 4***-0.002 40.056 9***-0.002 6(0.010 0)(0.015 1)(0.002 3)(0.002 0)(0.001 5)(0.004 4)(0.036 6)γ1.494 4***-0.152 53.610 0***1.856 9***3.007 6***1.969 3***-1.399 4***(0.131 2)(0.171 9)(0.121 8)(0.126 0)(0.132 4)(0.129 7)(0.301 9)σ2-0.242 4**-1.469 9***-0.439 7***-0.734 8***-0.378 4***-0.221 8**-0.784 0***(0.097 9)(0.075 7)(0.108 6)(0.099 2)(0.116 5)(0.104 3)(0.066 4)constant2.455 7***-0.513 822.158 5*4.160 1***5.015 4***9.638 4***-0.898 6(0.682 8)(2.799 5)(11.386 2)(0.383 2)(0.408 0)(0.691 6)(25.983 8)Log-likelihood-890.700 3***-698.687 9***-296.851 6***-438.846 6***-69.154 6***-759.184 4***-734.921 3***
注:括号内为标准误
在表征院校学术活力、科研创新水平等各项指标的局部莫兰指数的解释变量中,所有模型均表明顶尖人才的空间集聚效应对周边其它高校的学术活力与科研创新水平的提升具有积极影响,模型(1)—(7)的系数估计值分别为0.145 1、0.200 7、0.184 8、0.273 6、0.197 0、0.397 3和0.115 9,且均达到显著性水平。按其影响程度高低,具体表现为:专利授权数(39.73%)>高被引文献数(27.36%)>热点文献数(20.07%)>国家级课题数(19.70%)>科研产出规模(18.48%)>国内外高水平会议参会频次(14.51%)>省部级以上科技获奖(11.59%)。在院校资源要素投入协变量中,模型(1)—(7)的估计结果表明,人员和经费投入对高校学术活力与科研创新水平的提高具有正向影响,且在不同程度的显著性水平下具有统计学意义。经费投入对高校学术活力和科研产出效率的影响整体表现为弹性系数高于人员投入,说明当前高校顶尖人才集聚效应的发挥以经费投入为主,处于规模效应累积阶段。相较于高等教育内涵式发展,未来高校顶尖人才集聚空间外溢作用的发挥更需要以人为主,通过扩大高层次人才队伍,更能激发人力资本外部性,提高学术活力与科研创新水平。而对于政策虚拟变量来说,模型(1)(2)(3)(5)和(6)的参数估计结果都具有统计学意义上的显著性水平,政策虚拟变量的产出效率弹性较为明显,说明地区宏观政策显著影响高校学术活力和科研创新水平。这是因为随着高等教育地方化趋势的持续加强,地方政府成为内生于省域高等教育事业的推动者,省域经济社会发展差异持续投射到地方高等教育事业上,加剧区域高等教育非均衡发展,资源投入力度等政策强度愈发凸显对院校学术与科研创新活动等方面的正向引导作用。需要说明的是,受篇幅所限,表4仅以反距离空间权重矩阵进行面板随机前沿模型估计,而科研经费、师资队伍嵌套空间权重矩阵的估计结果在方向和显著性上均与其一致,结果备索。由此可见,高校顶尖人才的空间集聚效应估计结果具有可靠性、稳健性。
模型适配性检验结果显示,空间杜宾模型(SDM)相比于空间滞后模型(SLR)、空间误差模型(SER)更具解释力,且SDM 的Hausman检验在1%显著性水平下拒绝原假设。因此,本文使用双向固定效应的SDM模型,检验中国高校顶尖人才集聚程度的空间效应β收敛过程,结果如表5所示。模型(1)—(3)显示,无论是在反距离空间权重矩阵下,还是在科研经费、师资队伍嵌套空间权重矩阵下,各高校顶尖人才空间集聚程度均存在显著的绝对β收敛过程,系数估计值分别为-0.040 3、-0.055 8和-0.050 3,且均在5%的显著性水平下具有统计学意义。空间外溢系数(ρ)分别为0.658 8、0.036 9和0.148 5,且在反距离空间权重矩阵下具有1%的显著性水平,即在高校顶尖人才的空间集聚发展过程中,域内院校凭借其空间邻近的优势,形成空间聚集态势,由此产生空间外溢、辐射作用,促使周边高校广泛开展学术交流,并在学术活力与科研创新方面的产出效率具有显著且稳健的正向作用。这说明在空间外溢的扩散效应下,某一区域内顶尖人才集聚程度较高的高校将产生示范效应,带动周边其它高校的学术活动和科研产出提高,最终,各高校间顶尖人才集聚程度的差异水平将趋于一致,由此促进区域高等教育均衡发展。模型(5)—(8)显示,在3种空间权重矩阵下,中国高校顶尖人才空间集聚效应的条件β收敛系数显著为负,系数估计值分别为-0.038 1、-0.056 7和-0.050 4,且均在5%的显著性水平下具有统计学意义;受制于在校研究生规模、获取社会捐赠额、国际化程度和课题项目经费的校际差异,空间效应β收敛过程表现出不同速度,亦即随着校际差异的缩小,顶尖人才的空间集聚程度将以更快速度走向均衡;反过来也就是说,当高校间办学条件、资源配置水平相当时,高校间顶尖人才的空间集聚程度会以更快速度在空间外溢的扩散效应下收敛到各自稳态水平,实现“从集聚走向均衡”。
表5 中国高校顶尖人才集聚程度的空间效应β收敛检验结果
Table 5 β-convergence test of the agglomeration of top talents in Chinese colleges and universities
变量绝对β收敛(1)WG(2)WF(3)WS条件β收敛(4)WG(5)WF(6)WStoptalent-0.040 3**-0.055 8**-0.050 3**-0.038 1**-0.056 7**-0.050 4**(0.017 2)(0.023 1)(0.023 9)(0.016 8)(0.023 9)(0.024 3)W×toptalent0.004 60.033 9**0.040 0**0.000 90.034 6***0.040 4**(0.015 0)(0.013 6)(0.018 1)(0.015 0)(0.013 0)(0.017 2)postgraduate0.000 50.000 20.000 5(0.000 4)(0.000 7)(0.000 5)reputation0.000 8*0.002 0**0.001 3(0.000 4)(0.001 0)(0.000 8)internationalization-0.013 0-0.013 1-0.011 5(0.007 9)(0.013 4)(0.010 6)profunds0.012 4*0.011 30.010 4(0.007 5)(0.011 4)(0.009 4)控制变量空间滞后项是是是ρ0.658 8***0.036 90.148 50.662 9***0.050 30.159 6*(0.134 8)(0.092 0)(0.094 4)(0.132 7)(0.093 1)(0.095 7)R20.034 10.027 80.025 70.038 00.039 20.034 8Log-likelihood2 882.867 3***2 212.485 5***2 599.804 2***2 890.377 8***2 220.602 9***2 606.628 0***Hausman TestFEFEFEFEFEFE
注:括号内为稳健的标准误,FE表示固定效应
基于区域高等教育发展过程中高校顶尖人才的空间集聚现象,为验证顶尖人才集聚效应对区域高等教育发展的影响,本文选择192所院校作为研究对象,并收集2015—2021年校际面板数据,通过构建3种空间权重矩阵(反距离、科研经费嵌套、师资队伍嵌套),检验高校顶尖人才的空间集聚现象,分别采用面板随机前沿模型和空间效应β收敛模型,估计高校顶尖人才空间集聚效应对周边其它高校的学术活力与科研创新水平的影响,并从空间溢出视角判断高校顶尖人才集聚效应如何促进区域高等教育均衡发展。总体结果显示,中国高校顶尖人才空间集聚效应对域内院校学术活力与科研创新水平的提高产生了积极影响,同时,高校顶尖人才的空间外溢效应能够带动区域高等教育发展“从集聚走向均衡”,且估计结果具有稳健性。主要结论如下:
(1)全局莫兰指数检验结果显示,在3种空间权重矩阵下,各高校间顶尖人才规模均呈现出空间聚集强关系,但不同空间权重矩阵下的空间聚集程度在考察期内的空间效应强度具有较大差异,说明在区域高等教育非均衡发展过程中,高校顶尖人才空间集聚效应受地理区位、办学条件差异的双重影响。
(2)局部莫兰指数检验结果显示,在3种空间权重矩阵下,样本院校在局部区域上的顶尖人才集聚效应均表现出空间异质性特征,且分别呈现出“强强联合”“帮扶带动”和“孤立无援”3种梯度格局。
(3)面板随机前沿模型估计结果显示,高校顶尖人才的空间集聚效应对域内院校学术活力与科研创新水平的提高具有正向影响,按其影响程度的高低,具体表现为:专利授权数(39.73%)>高被引文献数(27.36%)>热点文献数(20.07%)>国家级课题数(19.70%)>科研产出规模(18.48%)>国内外高水平会议参会频次(14.51%)>省部级以上科技获奖(11.59%)。
(4)空间效应β收敛检验结果显示,3种空间权重矩阵下各高校顶尖人才的空间集聚程度均存在显著的绝对β收敛和条件β收敛过程,意味着高校间顶尖人才集聚程度的空间差异将在空间外溢的扩散效应下收敛到各自稳态水平,在空间维度下实现区域高等教育均衡发展。
(1)完善项目激励机制,做好人才自主培养工作。推进科技自立自强,顶尖人才是基础,激励机制是关键。如通过设立长期稳定、滚动支持的研究项目,造就一批能够心无旁骛、长期聚焦和深耕专业领域的基础研究拔尖人才和团队;通过选聘制度和人才引进制度,不断发现、培养优秀科技人才,推动培养一批服务国家战略需要的科技领军人才和团队等;通过实行“揭榜挂帅”“赛马制”等制度,引导科研人员主动服务国家重大战略需求,瞄准“卡脖子”技术领域持续攻关。
(2)打破“块状”分割、地方主义,通力构建高等教育资源要素自由流动的常态化机制。院校间顶尖人才集聚效应具有空间异质性,而且,顶尖人才集聚的空间收敛过程也呈现出不同的梯度格局。这意味着促进院校间顶尖人才学术交流,加快院校间、区域间高等教育资源整合,是提高顶尖人才空间集聚效应、知识溢出效应的有效手段。构建高等教育资源要素自由流动的常态化机制,打破原来的通过行政手段配置资源的区域高等教育发展模式,不仅能够克服区域高等教育资源布局“南弱北强”的结构性矛盾所造成的资源错配、学科重复建设与区域高等教育失衡,而且能够通过资源再配置释放出巨大的效益改进空间,摆脱以往“高投入”“低效益”的规模陷阱,从而为中国高等教育发展水平的提高注入新动力。最终,通过高等教育集聚的空间外溢效应,带动区域高等教育发展“从集聚走向均衡”。
(3)不同层次的高校间应构建人才定期访学的交流机制。顶尖人才的空间集聚效应会产生知识溢出,这种知识溢出通过其正外部性强化学术信息和知识交流与传播的空间过程,进而提高周边其它院校的学术活力与科研创新水平。然而,知识溢出本质上是一个动态过程,其正外部性需要人才交流的长效机制提供保障。短期来看,空间集聚的“向心力”表征为顶尖人才的相互接近和面对面的交流,有利于知识传播和获得;但是,长期来看,空间集聚的“离心力”会使顶尖人才集聚产生知识同质性倾向,且在一定程度上削弱知识溢出的外部性。因此,在不同层次的高校间构建人才定期访学的交流机制,将空间集聚的“离心力”转化为“向心力”,能够不断注入新的知识要素,促进不同知识和学术信息在不同高校间传播,充分发挥顶尖人才空间集聚的知识溢出效应。
[1] 刘晖,马浚锋.高等教育结构与质量的中国经验[J].教育发展研究,2020,40(7):22-28.
[2] 周亮,张亚.中国顶尖学术型人才空间分布特征及其流动趋势——以中国科学院院士为例[J].地理研究,2019,38(7):1749-1763.
[3] 聂晶鑫,刘合林.中国人才流动的地域模式及空间分布格局研究[J].地理科学,2018,38(12):1979-1987.
[4] 李培园,成长春,严翔.科技人才流动与经济高质量发展互动关系研究——以长江经济带为例[J].科技进步与对策,2019,36(19):131-136.
[5] 郭淑芬,张文礼.科技人才区域集聚为何不同——基于创新环境空间差异的解释[J].科技进步与对策,2022,39(11):152-160.
[6] 柳瑛,薛新龙,苏丽锋.中国高端人才布局与流动特征研究——以长江学者特聘教授为例[J].中国科技论坛,2021,36(2):100-108,131.
[7] 童锋,秦秋明,饶敏.高校科研拔尖人才无序流动的表征、根源及对策[J].科技管理研究,2020,40(20):105-110.
[8] 曾凯华.欧盟人才流动政策对粤港澳大湾区发展的启示[J].科学管理研究,2018,36(3):87-90.
[9] 曹薇,董文婷.政府竞争行为对区域人才流动的影响机制研究——区域对外开放的中介效应[J].科技进步与对策,2022,39(11):42-51.
[10] 房逸靖,李静,司深深.政府干预、创新驱动与区域人才配置[J].科技进步与对策,2023,40(3):21-29.
[11] 李娟,杨晶晶,赖明勇.人才政策可以促进企业全要素生产率增长吗——基于地方政府人才治理视角的研究[J].经济理论与经济管理,2022,42(9):38-51.
[12] 黄海刚,曲越,连洁.中国高端人才过度流动了吗——基于国家“杰青”获得者的实证分析[J].中国高教研究,2018,34(6):56-61.
[13] 李磊,王天宇.“孔雀东南飞”:经济高质量发展与人才流动[J].数量经济技术经济研究,2023,40(2):5-24.
[14] 世界银行.2009年世界发展报告:重塑世界经济地理[M].胡光宇,译.北京:清华大学出版社,2009:56.
[15] MASKELL P, MALMBERG A. Myopia, knowledge development and cluster evolution[J]. Journal of Economic Geography, 2007,7(5):603-618.
[16] 安虎森.新经济地理学原理(2版)[M].北京:经济科学出版社,2009:27.
[17] 梁文泉,陆铭.后工业化时代的城市:城市规模影响服务业人力资本外部性的微观证据[J].经济研究,2016,51(12):90-103.
[18] 藤田昌久,克鲁格曼,维纳布尔斯.空间经济学——城市、区域与国际贸易[M].梁琦,译.北京:中国人民出版社,2012:55-68.
[19] 陆铭.大国大城:当代中国的统一、发展与平衡[M].上海:上海人民出版社,2016:38.
[20] 丁嵩,孙斌栋.空间相互作用与城市经济增长——来自长三角的证据[J].人口与经济,2016,37(4):71-81.
[21] 段从宇,伊继东.高校教师流动的本质内涵及合理性判别——兼论“双一流”建设背景下的高校引才[J]. 高校教育管理,2019,13(3):89-96.
[22] 陆铭,李鹏飞,钟辉勇.发展与平衡的新时代——新中国70年的空间政治经济学[J].管理世界,2019,35(10):11-23,63,219.
[23] 贝努瓦·米洛特,李璐.高等教育支出与产出:错综复杂的关系[J].北京大学教育评论,2013,11(2):46-63,188-189.
[24] 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.
[25] GALOR O. Convergence? inferences from the theoretical models[J]. The Economic Journal, 1996,106(437):1056-1069.