蓝色经济区科技创新人才对经济发展的影响研究

摘要：围绕蓝色经济区科技创新人才对经济发展的影响机制，选取具有代表性的指标变量，利用2002-2014年相关数据，对各变量进行Johansen协整检验，构建基于经济意义的SVAR模型，并在此基础上，进行脉冲响应函数分析和方差分解分析，探讨科技创新人才对经济发展的动态影响及贡献程度。结果表明，蓝色经济区科技创新人才与经济发展存在长期稳定的均衡关系，且科技创新人才对经济发展具有正向促进作用，但作用存在滞后期且效果不明显。因此，政府在培养科技创新人才的同时，应进一步加强科技创新成果产出及成果转化，以充分发挥蓝色经济区科技创新的人才优势。

关键词：蓝色经济区；科技创新人才；经济发展；动态影响

0 引言

2011年1月以来，国务院陆续批准了以山东半岛蓝色经济区为首的5大海洋经济试验示范区，在知识经济和经济全球化背景下，山东半岛蓝色经济区对科技创新协同发展的需求日益紧迫。由于科技创新人才是知识和技术的载体，是科技创新系统中关键要素[1]，山东省每年都设立财政专项资金培育科技创新人才，并取得了显著成效，蓝色经济区科技活动人员数量由2002年的75 488人增长到2014年的420 496人，研究与开发人员数量也由34 013人增长到210 248人。虽然科技创新人才数量增长势头良好，但现在政府部门和社会各界普遍关心的问题是：科技创新人才数量对蓝色经济区经济社会发展的影响到底有多大？科技创新人才绩效如何？怎样进一步提升科技创新人才对经济发展的贡献水平？

近年来，我国关于科技创新人才对经济发展影响的研究发展迅速，取得的成果较多，总结为以下两个方面：①科技创新人才对经济发展影响的相关理论研究。吴晓等[2]构建了地方高校“分子型”创新创业型人才培养模式，通过对其内涵进行解析，分析了区域经济发展与创新创业型人才培养的关系。徐静[3]通过分析当前区域产业升级转型时期科技创新人才培养过程中存在的问题，从人才培养的重要性、现状与不足、培养途径3个方面进行探讨，并对提升我国科技创新能力及人才培养水平提出了建设性建议。许爱萍[1]以京津冀区域为例，对区域科技创新人才聚集驱动要素及人才聚集动力不足的原因进行了探讨，并提出了切实可行的聚集动力提升路径。蒋甜甜[4]根据山东半岛蓝色经济区经济发展现状，基于区域内高职院校发展状况，提出了高职人才培养目标；②科技创新人才对经济发展影响的相关实证研究。孙洁等[5]基于1991-2001年的客观数据，以我国东、中、西区域12个省区为研究对象，利用柯布道格拉斯生产函数构建多元线性回归模型及其修正模型，对科技人才对区域经济发展的影响差异进行分析，发现不同地区科技人才对经济发展的作用不同，只有结合物质资本投入，科技人才才能更好地促进区域经济发展。田帆等[6]利用向量自回归(VAR)模型，基于中国、俄罗斯、印度和巴西4国1990-2010年的数据，研究了人才流失与经济增长之间的相互影响，认为更多的财政投入和更为开放的政策环境，可以更好地抑制人才流失，促进人才回流，提高经济发展水平。芮雪琴等[7]建立了包含规模、结构、水平、效应4个维度的指标体系，并利用东、中、西、东北地区及全国2002-2013年的客观数据，建立复合系统协同度模型，对科技人才聚集与区域经济发展的适配性进行了分析，结果显示两者适配性水平较低。宋之帅等[8]基于某市1992-2011年相关数据，运用向量自回归(VAR)模型，在经济增长与科技创新人才间建立了“双向互动关系”，并利用该回归模型对其进行了脉冲响应分析和方差分解分析，研究结果表明，我国科技创新人才和专利产出对经济增长存在一个渐进的促进过程。付瑶等[9]基于2006-2013年山东半岛蓝色经济区面板数据，对创新人才对区域经济发展的贡献和影响进行了实证分析，从高校角度提出加速培养创新人才、服务区域经济发展的建议，并进一步探讨了高校在推进人才战略方面的地位和作用。

综上所述，目前学术界对科技创新人才与经济发展关系的研究取得了许多成就，为本研究提供了参考，但仍存在一些不足：①已有实证研究中，大多是对两者关系的静态分析，关于两者动态影响关系的研究相对较少；②在目前的研究中，以蓝色经济区为研究对象对两者关系进行分析的文献较为少见。因此，本文以山东半岛蓝色经济区为研究对象，对该区域内科技创新人才与经济发展的动态影响关系展开研究，研究结果对政府制定科技创新人才培养及经济持续发展相关政策具有重要实践意义。

1 模型构建与指标变量选取

1.1 概念模型与指标变量

基于已有研究，围绕蓝色经济区科技创新人才对经济发展的影响作用，创新性地构建了如图1所示的概念模型。本文将科技创新人才大致分为研究人员、开发人员与推广人员3类。其中，推广人员不仅在科创成果产出环节发挥作用，同时也参与到成果转化过程中。经济发展体现在水平提升、结构改善和效益提高3个方面，因而科技创新人才不仅能够作为人力资本直接对经济发展发挥作用，还能通过科技创新产出、成果转化环节间接推动经济增长。

付瑶等[9]在以山东半岛蓝色经济区为例对创新人才对区域经济发展贡献度进行实证分析时，选取了科技研发人员代替创新人才作为代理变量，用生产总值表示经济发展水平，进一步对经济增长和创新人才之间的关系进行了分析。王崇锋[13]在研究山东半岛蓝色经济区科技人才聚集效应时构建的指标体系中，也采用科技研发人员这一指标衡量经济区科技发展水平。由于本文研究的是蓝色经济区经济发展情况，所选经济发展指标不仅要体现出经济发展状况，还应反映出海洋经济特点。考虑到数据可获得性，选取海产品产量和高新技术产值两个指标变量，其中海产品产量代替海洋经济产值以体现海洋经济发展一特点，而高新技术产值则体现了海洋经济区的经济发展水平。芮雪琴等[7]曾在研究科技人才聚集与区域经济发展适配性时，采用高新技术产业产值占GDP比重测度区域经济子系统的经济发展水平。

综上所述，基于概念模型及相关文献，本文选取R&D人员数量测度科技创新人才，选取海产品产量与高新技术产值反映经济区经济发展状况。

1.2 计量模型选择

向量自回归模型即VAR模型，建立时基于数据的统计性质，指系统内每个方程等号右侧拥有相同的变量，这些变量包括所有内生变量的滞后值。西姆斯于1980年将VAR模型引入经济学领域，使经济系统动态性分析法得到广泛应用[10-11]。VAR模型是一种非结构化的多方程模型，不以经济理论为基础，单纯依靠数据确定模型的动态结构[6]。结构向量自回归模型即SVAR，该模型受经济意义的结构约束，对变量间当期关系进行分析，克服了VAR模型对内生变量间同期关系解释力不足的缺点，并且通过对参数空间施加约束条件以减少被估计参数数量，避免模型自由度的损失，有助于随机扰动对系统动态冲击的分析[12]。因此，SVAR模型能够较好地反映科技创新人才对经济发展的动态冲击效应。

SVAR(P)模型[10]可简单表示为：

式(1)中，矩阵C0反映了内生变量当期相互作用，若其满秩则可导出简化方程为：

但是，对于无约束VAR模型来说，可获得k2+(k+k2)/2个回归参数，而 SVAR(P) 模型(2)需要估计的参数个数为k2p+k2，超出回归参数个数k(k-1)/2个，因而需要施加相同数量的限制条件才能估算出结构式模型参数[10]。需要注意的是，若C0是一个下三角矩阵，此时的SVAR模型正好是可以识别的，则称其为递归SVAR模型[12]。

综上所述，本文构建包含R&D人员数量、海产品产量和高新技术产值3个变量的SVAR模型，并基于2002-2014年山东蓝色经济区统计数据，分析科技创新人才对经济发展的动态影响。

1.3 数据来源与处理

本文数据来自2003-2015年《山东统计年鉴》，除2015年外，其它年份均未对蓝色经济区作专门数据统计，其数据均由蓝色经济区内7个地市统计数据汇总而得。其中，滨州只有无棣、沾化2个县区位于经济区范围内，为保证数据的可获取性、准确性，以及最终研究结果对比分析的操作性，以滨州整个地市数据为研究样本。为消除各指标数据度量单位的影响，利用单指标评价方法将所有正向指标评价值转化成可以直接汇总的度量值[14]。计算公式如下：

,...,m，j=1,2,3,...,n

式(3)中，xij为第i年第j个评价指标的统计值，xmaxj为第j个评价指标统计最大值，yij为第i年第j个指标的单项评价得分。经上述处理，得到的指标数据如表1所示。

为了方便叙述，下文中R&D人员数量、海产品产量和高新技术产值分别简称为RDRY、HCPCL和GXCZ。

2 科技创新人才与经济发展关系定量测算

2.1 序列平稳性检验

理论上讲，在对时间序列进行分析之前，要进行平稳性检验，以避免出现“伪回归”现象，保证模型的有效性[15]。本文利用EVIWS 8.0、采用ADF检验方法对3个指标变量的时间序列进行单位根检验，由SIC准则确定滞后阶数。检验结果如表2所示。

注：显著性水平为5%；(C，T，L)表示序列ADF检验形式，C、T、L分别代表常数项、时间趋势和滞后阶数；D*表示对时间序列*取一阶差分

检验结果显示，原序列RDRY、GXCZ和HCPCL的ADF统计量在5%的显著性水平下均大于临界值，即原序列非平稳。对原序列取一阶差分后，在同样的显著性水平下，其ADF检验值均小于临界值，即一阶差分平稳。因此，可以确定各变量的时间序列为I(1)。

本文采用Johansen法对变量RDRY、GXCZ及HCPCL进行协整性检验，以考察变量之间是否存在长期稳定的均衡关系[16]。检验结果显示，在5%的显著性水平下，变量RDRY、GXCZ与HCPCL间存在协整关系，且至少存在1对关系(如表3所示)可用于建立VAR模型。

2.3 SVAR模型识别

平稳性检验结果显示，若采用原始序列构建VAR模型，则模型不稳定且脉冲响应函数失去应用价值，因而要对原始序列进行一阶差分处理，利用一阶差分序列构建VAR模型。综合考虑PEF最终预测误差、AIC信息准则、SC信息准则及HQ信息准则值(各准则的检验结果如表4所示)，确定各变量的滞后阶数为2。

估计出VAR(2)模型后，对其施加约束条件进一步构造SVAR(2)模型。经过分析，本文构建的SVAR(2)模型为AB型，假设A、B均为3×3的满秩矩阵，设A为对角线为1的下三角矩阵，设B为对角线矩阵，则A、B的参数估计结果如下：

在进行脉冲响应分析前，需对SVAR(2)模型进行稳定性检验，检验结果如图2所示，模型所有AR根的模均小于1，位于单位元内部，表明构建的SVAR(2)模型稳定，可以进行脉冲响应分析和方差分析。

2.4 格兰杰因果检验

理论上讲，如果一个变量受到其它变量的滞后影响，则称这些变量间存在格兰杰(Granger)因果关系[17]。进行格兰杰因果检验时要求变量的时间序列稳定，因而本文对变量原序列进行对数化处理，即利用LNRDRY、LNGXCZ和LNHCPCL的对数序进行检验。根据滞后阶数的检验结果，对3个变量进行滞后2期Granger因果检验，结果如表5所示。

由检验结果可知，R&D人员数量够较好地表现为海产品产量的格兰杰原因，而非高新技术产值的格兰杰原因。此外，在高新技术产值与海产品产量间也存在格兰杰因果关系，且高新技术产值是R&D人员数量的格兰杰原因。

3 脉冲响应分析与方差分析

3.1 脉冲响应分析

在实际应用中，构建VAR模型的主要目的是分析系统内在的动态影响，具体分析工具为脉冲响应函数。该方法并非描述一个变量的变化对另一变量的影响，而是分析一个给定的随机扰动，或当一个误差项发生变化时，分析系统内生变量当前值及未来值带来的动态影响[18-19]。本文基于SVAR模型，采用广义脉冲响应函数对经济区内科技创新人才冲击对经济发展的影响进行分析，各变量的响应过程设置为10期，结果如图3所示，图中横轴表示冲击作用的滞后期数，纵轴表示各转型指标变量对冲击的响应程度。

由图3可以看出，给定一个标准差的RDRY结构性正向冲击，GXCZ和HCPCL在第1期均没有响应。如图3(a)所示，GXCZ在第2期的正向响应明显增强，并达到最大，随后正向响应开始减弱，到第3期首次产生负响应，经过4-6期小幅波动后，响应趋近于0，最后消失。HCPCL的正向响应维持到第4期，并在第3期时达到最大，随后响应开始减弱，第5期出现微弱负响应，响应经过小幅波动后，第9期趋近于0，最终消失，如图3(b)所示。

总体来看，GXCZ对RDRY的冲击表现更为敏感，RDRY对其正向拉动作用更为显著，但持续时间短于HCPCL，且GXCZ和HCPCL对RDRY正向冲击的整体响应均不明显。也就是说，蓝色经济区内科技创新人才对经济发展有正向作用，作用效果时滞期在1年左右，且作用效果不强，这与科技创新人才对经济发展产生影响的中间环节，即与成果产出与成果转化体制不够完善的结论相符。

方差分析方法由Sims于1980年提出，主要通过分析每一个结构冲击对内生变量变化的贡献程度，定量地但相当粗略地评价不同结构冲击的重要性[20]。图4为各经济变量标准误差的方差分解情况，横轴表示滞后期间数，纵轴表示科技创新人才变量对经济指标变动的贡献率，贡献率具体数值见表6。

结果显示，高新技术产值受高新技术变化的贡献率较大，其贡献率一直维持在90%以上，在第1期达到了100%，而R&D人员数量对高新技术产值变化的贡献程度除第1期外，均维持在2.5%左右，并一直处于平稳状态。对海产品产量贡献率较大的是高新技术产值，保持在80%以上，而R&D人员数量对海产品产量的贡献率在前2期低于1%，从3期开始逐渐上升，最终维持在2.9%的贡献率水平上。整体来看，蓝色经济区内科技创新人才对经济发展的贡献率较小但比较稳定，未来科技创新人才对经济发展的作用仍有很大的提升空间。

4 结语

本文基于SVAR模型，对蓝色经济区内科技创新人才与经济发展的动态影响关系进行了分析，得出以下结论：从Johansen协整检验结果可以看出，科技创新人才与经济发展间具有长期稳定的均衡关系；通过脉冲响应函数分析及方差分析可知，科技创新人才对经济发展具有正向促进作用，但存在1年左右的滞后期，且作用效果不显著。研究结论符合蓝色经济区发展现状，即目前区域内高端科技创新人才较为紧缺，科研成果产出与转化机制不够完善，导致蓝色经济区人才培养对经济发展的推动作用有限，由此提出如下建议：

(1)人才培养与人才引进并重，构建适应区域经济发展的人才结构。首先，打破传统“高分低能”式教育的桎梏，正确培养人才能力维度，具体以实践能力、知识学习能力、科技创新能力与综合分析能力为核心，对人才进行培养与考核；再者，充分利用高校教育平台，加强科技创新人才培养，如加大对大学生创业基地的资金扶持，建立并完善大学生项目、论文申请与资助体系；第三，吸引留学人才和海外高层次人才，制定和实施海外人才回国工作和为国服务计划，重点吸引高层次人才和紧缺人才。

(2)改进科技创新成果奖励与保护机制，提高人才的科研积极性。由模型检验结果可知，蓝色经济区科技创新人才对经济发展的作用效果不明显，一部分原因在于人才的成果产出率不够理想。因此，首先应建立科学的成果奖励机制，改变奖励制度单一、随意的现状，提高对不同类型科技创新活动的针对性；其次，进一步加大知识产权保护力度，如扩大知识产权申请与维护的资金补贴范围，加大对发明、实用新型专利研发的经费支持，严惩违法侵犯他人知识产权的行为等。

(3)优化科技创新成果转化机制，提高成果利用率，促进区域经济发展。只提高科技创新成果产出效率，而不重视产出成果转化率，同样不会对经济持续发展发挥推动作用，反而会造成人力、财力和物力浪费。为改善成果转化现状，首先应打破现有科研评价的陈规，变“重项目论文”为“重实用性成果”，提高科技创新人才对科研成果转化的重视程度；其次，加大对成果转化相关人才的培养力度，改变该环节人才缺乏现状；最后，建立成果转化平台，统筹制定政策制度，以更好地协调各部门工作，提高其工作效率，进而提高成果转化率。

[1] 许爱萍.区域科技创新人才聚集驱动要素分析——以京津冀为例[J].科技与经济，2012(6):81-85.

[2] 吴晓，覃永晖.论区域经济发展与创新创业型人才培养的关系[J].求索，2010(10)：102-103.

[3] 徐静.产业转型升级中科技创新人才培养模式研究[J].科技管理研究，2013(1)：101-104.

[4] 蒋甜甜.谈高职教育与区域经济的适应性——以山东半岛蓝色经济区为例[J].教育探索，2011(12)：32-33.

[5] 孙洁，姜兴坤.科技人才对区域经济发展影响差异研究——基于东、中、西区域数据的对比分析[J].广东社会科学，2014(2)：15-21.

[6] 田帆，方卫华.人才流失与经济增长之间的相互影响——基于金砖四国的面板数据[J].北京理工大学学报：社会科学版，2014(3)：89-95.

[7] 芮雪琴，李亚男，牛冲槐.科技人才聚集与区域经济发展的适配性[J].中国科技论坛，2015(8)：106-110.

[8] 宋之帅，杨善林，龙丹.科技创新人才与经济增长关系的实证研究[J].工业技术经济，2013(8)：68-72.

[9] 付瑶，徐维林.创新人才对区域经济发展贡献度的实证分析——以山东半岛蓝色经济区为例[J].理论探索，2014(4)：98-101.

[10] 高铁梅.计量经济分析方法与建模[M].北京：清华大学出版社，2009：267-295.

[11] C A SMI. Macroeconomics and reality，econometric[J].Econometrica，1980，48(1)：1-48.

[12] 张超.产品创新、供求互动与中国经济内生增长研究[J].科研管理，2011(10)：18-26.

[13] 王崇锋.山东半岛蓝色经济区科技人才聚集效应实证研究[J].科技管理研究，2014(12)：100-105.

[14] 王桂月，徐瑶玉，王圆圆，等.我国科技创新对产业转型升级的影响分析[J].华东经济管理，2016(3)：83-90.

[15] DICKEY，D A,W A FULLER.Distribution of the estimators for auto-regressive time serious with a unit root[J].Journal of the American Statistical Association，1979(74):427-431.

[16] 和瑞亚，张玉喜.中国科技财政对科技创新贡献的动态估计研究——基于结构向量自回归模型的实证分析[J].研究与发展管理，2013(5)：127-134.

[17] GRANGER C W J.Investigating causal relation by econometric model and cross-spectral methods[J].Econometrica，1969(37)：424-438.

[18] KOOP G，PESARAN，POTTER S M. Impulse response analysis in nonlinear multivariate models[J]. Journal of Econometrics,1996(74):119-147.

[19] H HASHEM PESARANA,YONGCHEOL SHINB. Generalize impulse response analysis in linear multivariate model[J].Economics Letters,1998(58):17-29.

[20] C A SIMS. Comparison of interwar and postwar business cycles[J].American Economic Review，1980(70):250-257.

Research on the Influence of Technological-Innovative Talents on Economic Development based on SVAR Model

(School of Management Science and Engineering,Shandong University of Finance and Economics,Jinan 250014,China)

Abstract：Based on the interaction mechanism between technological-innovative talents and economic development in the blue economic zone, selected some representative indicator variables, tested on each variable by Johansen co-integration using the data from 2002 to 2014, then build a SVAR model.With the model, made the analysis of impulse response function and variance to explore the dynamic influential relationship and the degree of contribution between technological-innovative talents and economic development. The results shows that in the blue economic zone, the relationship between technological-innovative talents and economic development is perennial、stable and balanced, moreover the talents can promote the economic development but the role is lag and the effect is not obvious. Therefore, the government should promote cultivating technological-innovative talents at the same time should further emphasize on the technological-innovative output and the output achievements' transformation so that the technological-innovative talents can give full play to their advantages.

Key Words：Blue Economic Zone; Scientific and Technological Innovative Talents; Economic Development; Dynamic Effect

基金项目：国家自然科学基金项目(41501606)；教育部人文社会科学研究项目(15YJA630002);研究生教育创新计划项目(SDYY15059)

作者简介：陈洁(1966-)，男，山东济南人，博士，山东财经大学管理科学与工程学院教授，研究方向为管理科学与工程；刘君(1991-)，女，山东临沂人，山东财经大学管理科学与工程学院硕士研究生，研究方向为区域经济；李新运(1960-)，男，山东菏泽人，博士，山东财经大学管理科学与工程学院教授，研究方向为区域经济。