Heterogeneous Human Capital, Spatial Spillover and Innovation of High-tech Industries

Zhang Han1, Yang Xiaoxin2

(1.College of Quality and Standardization, Qingdao University, Qingdao 266071, China;2.Institute of Defense Economics and Management, Central University of Finance and Economics, Beijing 100081,China)

Abstract：Based on the panel data of provincial high-tech industries, in the perspective of whole, regional and industrial dimensions, this paper empirically analyzes how the heterogeneous human capital make influences and spatial spillover effects on regional innovation of high-tech industries, finding that: Under the geo-economic matrix, there is a significant spatial correlation of both the innovation output of provincial high-tech industries and human capital from 2000 to 2016. On the whole, industrial, regional dimension, innovation output of high-tech industries has significant spatial spillover effect. Moreover, advanced human capital has obvious positive influences and spillover effects on innovation of high-tech industry, of which spatial indirect effect is higher than the direct effect of that. While the influences of low-skill human capital is not obvious, even may make adverse effect and spatial spillover effects. The promotion effect of male human capital is more significant and stronger than that of female human capital, especially male advanced human capital.

Key Words:Heterogeneous Human Capital; Spatial Spillover; High-Tech Industries; Technological Innovation

DOI：10.6049/kjjbydc.2019040063

开放科学(资源服务)标识码(OSID)：

中图分类号：F264.2

文献标识码：A

文章编号：1001-7348(2019)22-0051-09

收稿日期：2019-06-06

基金项目：教育部人文社会科学基金(19YJCZH229)

作者简介：张涵(1988-)，男，山东日照人，博士，青岛大学质量与标准化学院讲师，研究方向为金融科技与区域创新；杨晓昕(1993-)，女，山东青岛人，中央财经大学国防经济与管理研究院博士研究生，研究方向为军民融合与区域经济。

0 引言

当前中国经济已经进入高质量发展时代，党的十八大明确提出实施创新驱动发展战略，加快科技创新是我国突破发展瓶颈、提高综合国力的战略支撑，是实现经济高质量发展的核心驱动，也是各省新旧动能转换的有力抓手。人力资本在企业创造新知识、实现技术创新过程中发挥着重要作用。新经济增长理论强调人力资本、知识积累、技术创新对经济发展的推动作用，人力资本的形成过程，也是知识积累与创新要素形成的过程，人力资本还可以通过促进技术创新间接推动经济增长[1]。随着人才强国战略的实施，中国受教育人口规模与质量均有大幅提升，人力资本的需求结构也从低层次向高层次递进，为中国经济发展提供了充分的技术支持与智力保障。经验证明，获得适当技能已经成为技术创新的先决条件[2]，人力资本和技术创新正逐渐成为推动我国经济持续增长的重要因素[3-4]。2000-2017年，小学及以上受教育人口占6岁及以上人口比重从84.4%增至94.7%，大专及以上受教育人口的比重仅从3.6%增至13.9%，我国人口众多，高素质人才相对不足，各个地区教育资源、教育水平均存在差异，导致人力资本的非均衡性增长，不利于总体区域创新与经济增长。

国内外学者从企业、行业、理论与实践层面进行了论证，发现不同知识、经验或技能水平的人力资本，即异质性人力资本对区域经济、要素生产率、技术创新等作用。20世纪60年代，劳动经济学家从教育、培训、干中学等不同角度探讨了人力资本异质性。内生增长角度下人力资本投资与研发创新关系研究始于Nelson&Phelps[5]，他认为人力资本投资与研发创新之间具有互补性，人力资本不仅促进了经济增长，同样也促进了技术应用与扩散；Redding[6]构建理论模型探讨了非完全竞争劳动力市场中，异质性人力资本投资与创新研发间的互补性问题；Becker[7]针对竞争性的劳动力市场，指出人力资本不仅来自学校教育，还来自企业在职培训，并区分了一般通用培训(general training)和特殊专用培训(specific training)对企业创新研发的影响；Baldwin& Peters[8]指出，一些企业能够为低端和高端工人提供相对独立的培训，但也有一些公司只对从事创新活动的高端工人提供培训，而且人力资本的专业化培训在大型企业中更为常见；Ballot等[9]分析评估了法国、瑞典企业人力资本培训和创新研发支出对生产率的影响，其中法国企业为管理人员、工程师提供专业培训，有效提高了企业创新研发水平。国内学者欧晓万[10]基于面板数据模型，实证发现异质型人力资本对各省创新具有显著正向影响；倪进峰和李华[11]从异质性视阈下实证发现，产业集聚与人力资本有效互动有利于区域创新能力提升，协同集聚创新也更加依赖于本地人力资本水平。

已往文献多从企业或区域层面分析异质性人力资本对创新绩效或经济发展的影响，鲜有文献研究异质性人力资本对创新活动的溢出效应。因此，本文将以创新作为核心动力、人力资本为核心要素的高技术产业作为研究对象，从空间视阈深入分析我国各省异质性人力资本对高技术产业创新活动的影响及空间溢出效应。

1 理论机制与基本假设

古典经济增长理论模型强调物质与劳动力投入，但这两种要素具有“边际收益递减”性质，因而经济发展呈现收敛特性，即经济增长率与初始水平成反比。但实践经验表明，发展中国家经济增长并不比发达国家快。因此，Solow、Romer等经济学家针对该问题建立理论模型，给出了新的解释。Lucas基于Arrow、Hirofumi Uzawa、Romer的研究，提出人力资本内生增长模型[12]，将资本区分为物质资本和人力资本两种形式。人力资本是指经济主体为了获取未来收益，投入时间接受长期教育、培训等，获得特殊、专业化知识与技能，是具有边际收益递增效应的生产力形态[13]。经济增长的函数表达为：Y(t)=A·K(t)β·[u(t)·h(t)·N(t)]1-β·ha(t)γ。其中，Y(t)表示产出水平；A表示技术创新水平；K(t)是资本总存量；u(t)表示单位工人花费时间用于生产；h(t)表示人力资本水平；ha(t)表示人力资本的知识溢出效应，可以通过产业关联、跨国贸易、FDI等渠道促进知识应用，使得产出呈现边际收益递增特性[14]，即使劳动力增长率为0，经济增长依然可以实现。这种通过教育与“干中学”而获得技能的人力资本是各国经济增长未呈现出收敛性的本质原因[15]，也是导致各国技术创新水平差异的重要因素[16]。

由于高技术产品生命周期短，更新速度快，市场竞争激烈，故其对新知识、新技术要求较高，决定了高技术企业更强调技术创新。本质上，创新过程是由知识、技术等创新要素间互动演化驱动的，也是将缄默知识转化为外显知识的过程[17]。随着高技术产品复杂度递增，创新对于异质性人力资本的要求越来越高[18]。异质性人力资本可以通过企业内相互交流学习，吸收融合多种缄默知识和信息，将生产要素与生产条件进行新组合，创造新知识，形成创新竞争优势[19]。同时，高技术企业在投入异质性人力资本的过程中，获取、转化、创造、应用各种知识，尤其是个性化缄默知识，形成特有的知识转换能力，有效促进知识在企业内部交换、共享与创造，建立企业组织内的信任与合作机制，即产生异质性人力资本的共享创新效应，进而促进人力资本成长和企业创新[20]。

高技术企业人力资本基于投入成本与预期回报进行理性判断，决定选择接受教育或培训的时间长短。一般来说，经过长期教育或培训的高端人力资本对高技术产业创新的促进作用更为显著，主要是因为高端人力资本对新知识与新技术的掌握、应用能力更为突出，可以通过知识创造过程的中介效应与知识转换过程中的调节效应驱动技术创新。另外，高端人力资本更原意接受各种培训，从而进一步促进知识与经验积累，既减缓了知识技能随年龄增长而流失的趋势，也增强了高技术企业对技术变革冲击的抵抗力[21]。

综合以上理论机制分析，本文提出下列基本假设：

H1：人力资本有利于各省高技术产业创新发展；

H2：人力资本对各省高技术产业创新具有显著的知识溢出效应；

H3：高端人力资本比低端人力资本更能促进各地高技术产业创新水平提升。

2 计量模型

2.1 模型设定

最常用的知识生产函数模型是由Griliches[22]基于柯布-道格拉斯生产函数提出的。之后，Jaffe[23]提出基于空间观测单位的知识生产函数模型，Anselin等[24]在Griliches-Jaffe知识创新函数中加入空间因素。

由于数据样本来源于不同省区，高技术产业创新活动可能存在空间相关性，容易导致样本变量的非独立性。因此，本文借鉴Anselin等的空间计量方法，选择空间面板模型进行估计，基本表达式为：

Yit=αYi,t-1+ρWiYt+βXit+θWiXt+ui+γi+εitεit=λWiεt+vit

式中，Y 为因变量；X为自变量；α、β为待估系数，若α≠0，则为动态空间面板模型；W为空间权重矩阵，相邻区域变量发生改变会随着W传递到本区域，对本区域变量产生作用；ui为个体效应，γi为时间效应，ε为随机误差项，服从独立同分布假设。若λ=θ=0，则为空间自回归模型(Spatial Autoregressive Model，SAR)；若α=θ=0，则为空间自相关模型(Spatial Autocorrelation Model，SAC)；若α=ρ=θ=0，则为空间误差模型(Spatial Error Model，SEM)。本文设定空间模型基本形式为：

式中，innova表示创新产出水平；heter_human表示异质性人力资本；control表示其它控制变量。本文选取的空间权重矩阵W包括地理邻接矩阵和地理经济矩阵。地理邻接矩阵主要反映地理邻近地区各变量的空间溢出效应，若区域i与区域j相邻则W=1，否则W=0；地理经济权重可以反映出地理与经济发展水平均邻近地区的空间溢出效应，公式为：其中，Wg为地理距离；为i地区人均GDP的加权平均值，公式为为全国人均GDP的加权平均值，公式为考虑到因数值差距较大或数值遗漏可能引起误差，对后文模型回归中的所有空间权重矩阵进行标准化处理。

2.2 变量与数据说明

(1)因变量：创新产出(innova)。由于专利具有独创性和通用性，成为高技术产业创新研发的可靠衡量标准。专利变量可分为专利申请量和专利授权量，其中专利授予量受审查速度影响，不能及时反映高技术产业创新水平。因此，本文选取专利申请量(patent)表征创新水平。数据源于 《中国高技术产业统计年鉴》。

(2)核心变量：异质性人力资本(heter_human)。本文借鉴Casel(2006)的分类方法，按照受教育程度，将异质性人力资本分为高端与低端两种类型。其中，用受过专科、本科和研究生教育的人力资本表征“高端人力资本”(H_human)，具体公式为H_human =大专及以上人口比例×16；用受过小学、初中、高中教育的人力资本表征“低端人力资本”(L_human)，具体公式为L_human =6岁及以上的小学人口比例×6+初中人口比例×9+高中人口比例×12。数据源于《中国统计年鉴》。

(3)控制变量：①产业规模(scale)。产业规模会对区域创新活动产生影响[25]，本文借鉴聂辉华[26]的方法，用高技术产业从业人员平均数作为产业规模的代理变量，并且加入scale平方项，检验其与高技术产业创新活动的非线性关系，数据源于 《中国高技术产业统计年鉴》；②贸易强度(trade)。高技术产品生命周期短，对新知识、新技术要求较高，决定了高技术企业面临的市场竞争环境相对激烈。尤其是参与国际贸易的高技术企业，国际竞争压力迫使自身不断创新，实现技术突破。本文借鉴赵伟等[27]的研究，用高技术产业出口交货值占主营业务收入比重表征贸易强度，数据源于《中国高技术产业统计年鉴》；③外商直接投资(fdi)。随着中国对外开放程度加深，外国企业对本地高技术企业创新的作用不可忽视。外国企业通过投资与本地建立合作关系，将先进的知识、技术、管理经验传递给本地企业，甚至是直接对本地企业进行技术转移，产生示范效应，使本地企业利用新的技术理念，提升产品质量。另外，本地企业还可以对先进技术进行消化吸收、模仿甚至逆向创新，最终实现知识互惠与利益共赢。本文用各地区外商直接投资总额表征fdi，数据来自《中国区域经济统计年鉴》。

综上，本文空间模型形式为：

为避免回归模型出现异方差，所有变量取自然对数。由于新疆和西藏数据缺失严重，本文选用2000-2016年中国29个内陆省域为研究样本(N=493)，变量描述性统计如表1所示。

3 实证分析

3.1 空间相关性检验

本文基于地理邻接和地理经济两种空间权重矩阵，采用全局Moran指数检验2000-2016年高端人力资本、低端人力资本及专利申请量的空间相关性(见表2和表3)。可以看出，在地理邻接矩阵下，2000-2016年各省高技术产业两大异质性人力资本的Moran指数绝大部分为负值，专利申请量Moran指数大部分为正值，但大部分未通过显著性检验。在地理经济矩阵下，除2000年专利申请数量的Moran指数为负值外，其它年份所有变量的Moran指数均显著为正，且基本保持平稳态势，总体表明人力资本与专利申请空间正相关性显著，即地理和经济邻近地区的人力资本与创新产出对本地产生正向带动作用。同时，高端人力资本的Moran指数普遍高于低端人力资本，可能是高端人力资本作为知识传播与信息流动的有效载体，在各地区间的需求较高，其就业空间更大，流动性较低端人力资本更优，对周边地区的正向辐射作用更为突出。

注：***、**、* 分别表示在1%、5%、10%的置信水平下显著，下同

3.2 空间模型回归分析

3.2.1 整体维度

首先，根据前文空间相关性分析，地理邻接矩阵下核心变量的Moran指数未通过显著性检验，而在地理经济矩阵下，普遍通过显著性检验。因此，本文在地理经济权重下，对后文空间模型进行回归分析。同时，为了检验回归结果的稳健性，也将地理邻接的回归结果列出，对各模型进行相互印证。整体样本结果如表3所示，以SAC模型作为主要分析依据，其中模型1给出高端与低端人力资本为自变量下的回归结果，模型2给出按性别划分的男性高端(MH_human)、男性低端(ML_human)、女性高端(FH _human)、女性低端(FL_human)4种异质性人力资本变量的回归结果，模型3和模型4分别在前两种模型基础上加入产业规模、产业规模平方项、贸易强度、外商直接投资4个控制变量。从整体维度层面上看：

(1)高技术产业区域创新的空间溢出效应显著。在两种空间权重下，模型1-4中空间自回归系数ρ均显著为正，而空间误差系数λ显著为负，且ρ普遍高于λ的绝对值，总体表明各省高技术产业创新产出存在显著正向空间溢出效应，即地理区位邻近或经济水平相近地区创新对本地区发生正向溢出，其它如文化、社会等误差项因素可能对本地创新产生负向溢出，但这种负向效应弱于正向效应。

(2)高端人力资本，尤其是男性高端人力资本对高技术产业创新的促进作用显著，低端人力资本作用有限。在两种空间权重下，模型1和模型3中的高端人力资本(H_human)估计系数非常显著，但低端人力资本(L_human)估计系数为负且不显著，表明在高技术产业创新活动中，高端人力资本发挥着更为重要的作用，部分满足H1；在模型2和模型4中，进一步将人力资本按性别区分，男性人力资本估计系数普遍高于女性，满足H3。其中，男性高端人力资本(MH_human)与男性低端人力资本(ML_human)估计系数普遍显著为正；而女性高端人力资本(FH_human)估计系数均为正值，但未通过检验，而女性低端人力资本(FL_human)估计系数普遍为负且多不显著。总体说明高端人力资本对各省高技术产业创新发展具有明显拉动效应，且男性高端人力资本的作用更为突出，女性人力资本的作用非常有限。其原因可能在于，高技术产业产品周期短、更新快，市场竞争激烈，创新技术人员的工作量普遍较大、压力也较大，故男性比重较高，更易形成正向规模效应，而女性人力资本占比较少，竞争力相对较弱，同时还需要承担如生育、抚养等家庭职能，从而分散了精力，影响企业工作进程，降低了企业创新效率。

(3)控制变量对高技术产业创新的影响具有差异性。中等规模高技术产业创新发展水平最高，外商直接投资的示范作用明显，但参与国际贸易强度的正向作用还未充分发挥。具体来说，地理经济矩阵下，产业规模(scale)的一次系数项显著为正，但平方项(scale2)系数均显著为负，表示产业规模与高技术产业区域创新呈现稳健倒U型关系。也就是说，规模较小和较大的高技术产业创新水平相对较低，可能是因为规模小的高技术产业创新基础薄弱、管理经验缺乏，而规模较大的高技术产业为巩固垄断地位，往往会投入大量资源打压对手，加上部门繁杂，管理运行成本较高，内耗较大，影响创新发展。规模适中的企业往往资本实力较强，人才与知识储备充足，初步具备规模效应，学习效率较高，创新意识较强，对新技术、新理念的洞察力敏锐，为争夺市场份额，研发创新投入普遍较高，往往采取差异化、特色化创新路径，因而创新能力较强。

(4)外商直接投资(fdi)的估计系数显著为正，表明各省通过优化投资营商环境，制定政策优惠吸引外国企业投资，引进国外先进技术与理念，较为有效地对本地高技术企业产生示范效应，促进本地企业不断学习先进技术知识与管理经验，通过模仿、改进实现逆向创新，增强高技术产业创新实力。

(5)贸易强度(trade)的估计系数为正，但均未通过显著性检验，原因可能是：虽然各省鼓励高技术产业参与国际竞争，但本地企业竞争实力不足、准备不充分，知识产权重视和保护意识普遍薄弱，对外国产品标准、法律体制以及贸易运行规则不了解，影响了高技术企业创新发展。

根据空间模型回归，还得到各变量对高技术产业创新产出的空间直接与间接溢出效应，具体结果见表4。可以看出，异质性人力资本的空间溢出效应结果部分满足H2，其中高端男性人力资本对高技术产业区域创新产出的空间直接和间接效应均显著为正，且间接效应均高于直接效应，即扩散效应强于本地效应。也就是说，相对本地而言，周边地区高端男性人力资本对本地区高技术产业创新的促进作用更强，可能是由于男性高端人力资本流动性较高，能更好地促进知识、信息传播与扩散，尤其是经验、直觉等缄默知识显性化传播，进而引发新的知识外溢，打破区际边界，产生知识与技术的共享效应，节约高技术企业培训成本，有利于知识升华，促进创新研发及转化；女性高端人力资本的空间直接效应与间接效应均不显著，而女性低端人力资本的空间直接效应与间接效应均显著为负，可能是因为女性低端人力资本的知识水平较低、学习能力较弱，不能满足高技术企业创新需求，若周边地区低端人力资本过多，就会扩大人力资本市场，增加了高技术企业人才搜寻成本，降低创新生产效率。

注：估计系数下方括号中为t统计量，下同

3.2.2 行业维度

为探析异质性人力资本对不同类型高技术行业创新活动的影响与溢出效应，本文借助各省医药制造业(简称“医药”)、医疗器械设备及仪器仪表制造业(简称“医疗设备”)、航空航天器及设备制造业(简称“航空设备”)、电子及通信设备制造业(简称“电子通讯设备”)、计算机及办公设备制造业(简称“计算机设备”)五大类高技术产业面板数据，从行业维度进行分样本回归，具体结果见表5和表6。

空间溢出效应看，模型6-7中的空间自回归系数ρ均显著为正，尤其是计算机设备。空间误差系数λ均显著为负，尤其是航空设备。总体来看，周边各高技术行业创新对本地区存在显著空间溢出效应，且误差项因素对本地各行业创新发展具有负向空间溢出效应。异质性资本变量中，高端人力资本对除电子通讯设备外的其它高技术行业均具有显著促进作用，而低端人力资本未通过显著性检验。产业规模同电子通讯与设备、医疗设备创新活动均存在显著的正U型关系，而与其它行业创新活动呈显著倒U型关系。贸易强度与五大高技术产业不存在显著作用。外商直接投资的促进作用较为明显，说明各省引进外资有助于各高技术行业对标国际先进企业，学习国际先进技术，从而不断提升自身创新实力。

从空间效应分解看，高端人力资本对医药、航空设备、计算机设备及医疗设备创新产出具有明显正向直接效应与间接效应，且间接效应高于直接效应，而低端人力资本仅在10%置信水平下对电子设备具有正向间接效应。

3.2.3 区域维度

本文以东北、东部、中部、西部四大经济区为考察对象，从区域维度探究异质性人力资本对四大经济区高技术产业创新活动的影响作用与空间溢出效应，结果如表7和表8所示。篇幅原因，这里未将控制变量回归结果列出。

在四大经济区模型结果中，空间自回归系数ρ均显著为正，空间误差系数λ则显著为负，与整体及行业维度的分析结果保持一致。高端人力资本对四大经济区高技术产业创新具有显著正向影响，尤其是对中部和东部地区，而低端人资本均未起到显著正向作用。高端男性人力资本对东、中及西部大经济区高技术产业创新均具有显著拉动作用，未对东北产生有效推动作用，可能是由于东北地区创新意识相对落后，文化、制度等创新环境过于保守，对高端人才重视程度不够，相应的招才引智政策滞后或缺乏，导致人才流失严重。高端女性人力资本仅对东部产生显著正向推动，但比男性高端人力资本的正向作用弱。总体说明，东部地区教育资源丰富，高端人才吸引力强、储备充足，高端劳动力市场成熟，较少存在性别歧视，能够给予女性平等的晋升空间与创新机遇，部分地区专门为女性设立了政策或财政支持，鼓励其进行创新活动，保障怀孕女性待遇，从而激励了女性高端人力资本的创新动力，拓宽了知识溢出渠道，促进了高技术产业创新发展。

从空间效应看，高端人力资本对四大经济区高技术产业创新活动具有显著正向空间直接效应，对东、中、西部具有显著正向空间间接效应，且间接效应均高于直接效应，未对东北产生明显间接效应。其原因可能在于东北地区为了留住本地人才而实施地方保护政策，设立人才流动壁垒，未形成高端人才要素交流互动机制，阻碍了知识溢出对创新活动正向外部作用的有效发挥。

4 结论及启示

4.1 研究结论

本文以2000-2016年各省高技术产业为研究样本，基于空间计量模型，测算了各省异质性人力资本与高技术产业创新产出的空间相关性，从整体、区域、产业3个维度，对比分析异质性人力资本对高技术产业区域创新的影响作用与空间溢出效应。得到如下结论：

(1)2000-2016年各省高技术产业创新产出存在显著的空间正相关性。在地理经济矩阵下，异质性人力资本普遍具有显著正向空间相关性且呈现稳态趋势，其中高端人力资本的空间相关性最强。

(2)整体、行业、区域维度上，地理区位邻近或经济水平相近地区的高技术产业创新对本地区存在正向溢出效应，但其它因素对本地创新存在负向溢出，这种负向效应低于正向水平。

(3)在三大维度上，高端人力资本对高技术产业创新普遍具有正向作用与溢出效应，且空间间接效应均高于直接效应，而低端人力资本的作用与溢出效应普遍不明显，仅对电子设备行业存在显著正向间接效应，其中女性低端人力资本对整体创新具有负向空间间接效应。男性人力资本比女性人力资本的促进作用更为普遍且强烈，尤其是男性高端人力资本。

(4)产业规模与整体高技术产业创新呈现倒U型关系，但存在与部分高技术行业创新活动呈现U型关系的现象。在各维度上，外商直接投资普遍具有正向示范效应，但参与国际贸易强度普遍未产生显著作用。

4.2 实践启示

基于以上结论，得出以下政策启示：

(1)各省应加强地理与区位经济发展邻近省区之间的信息交流和产业联系，合理规划高新技术产业空间布局，利用高技术产业创新活动中的空间溢出效应，提高技术匹配度与兼容性，更加注重人才专业化与知识多样性，减少区际壁垒，更好地发挥空间溢出效应的正向推动作用.

(2)高端人力资本已经成为各省高技术产业创新发展的可靠动力及知识溢出的重要载体。因此，各省一方面应不断增加优质教育资源投入，出台政策鼓励企业开展人力资本技能培训与挂职锻炼，加强高素质创新人才的积累与储备；另一方面，积极实施招才引智战略，提高薪资待遇、优化创新环境，增强对高端海外人才的吸引力，尤其需要合理制定女性高端人才在怀孕、生育等特殊时期的保障政策，如延长产假、带薪休假等，优化女性人才创新空间与竞争机制。同时，发达地区不能一味争夺落后地区的高端人才，应根据区域整体创新发展需要，及时给予落后地区反哺与回馈，促进人才双向流动。东北地区需防范区际间恶性竞争，增强区域间人才协同性与互补性。

(3)各省要以市场为导向，循序渐进地鼓励高技术企业参与国际贸易竞争，提高知识产权保护意识与法律纠纷处理能力，注重企业自身的知识储备和高端资本积累，提升对国际竞争环境与规则的适应性，主动参与制定技术与产品国际标准。同时，业参与国际贸易的步伐应有序稳健，合理统筹短期与长期发展战略，避免盲目、短视行为。应充分重视国外先进企业投资，加强对接与学习，杜绝盲目招商引资，维护健康的高技术产业竞争生态。

参考文献:

[1] ROMER P M. Increasing returns and long-run growth[J]. Journal of Political Economy, 1986, 94(5):1002-1037.

[2] ACEMOGLU D. Search in the labor market: incomplete contracts and growth[C]. CEPR, 1994.

[3] 徐维祥,姜丽佳,徐志雄.人力资本、科技创新与信息经济发展关系研究——异质性视角[J].科技进步与对策,2019，36(14)：76-84.

[4] 赵莎莎.R&D资本、异质型人力资本与全要素生产率——基于空间相关性和区域异质性的实证分析[J].现代经济探讨,2019(3):44-56.

[5] NELSON R R, PHELPS E S. Investment in humans, technological diffusion, and economic growth[J]. The American Economic Review, 1966, 56(1/2): 69-75.

[6] REDDING S. The low-skill, low-quality trap: strategic complementarities between human capital and R&D[J]. The Economic Journal, 1996, 106(435): 458-470.

[7] BECKER G S. A theoretical and empirical analysis with special references to education[M]. Human Capital,1964.

[8] BALDWIN J R, PETERS V. Training as a human resource strategy: the response to staff shortages and technological change[M]. Statistics Canada:Analytical Studies Branch,2001.

[9] BALLOT G, FAKHFAKH F, TAYMAZ E. Firms' human capital, R&D and performance: a study on French and Swedish firms[J]. Labour economics, 2001, 8(4): 443-462.

[10] 欧晓万.异质型人力资本、市场需求对技术创新的影响——基于跨省的面板数据(Panel Data)实证检验[J].上海经济研究,2007(4):83-90.

[11] 倪进峰,李华.产业集聚、人力资本与区域创新——基于异质产业集聚与协同集聚视角的实证研究[J].经济问题探索,2017(12):156-162.

[12] LUCAS JR R E. On the mechanics of economic development[J]. Journal of Monetary Economics, 1988, 22(1): 3-42.

[13] 胡凤玲,张敏.人力资本异质性与企业创新绩效——调节效应与中介效应分析[J].财贸研究,2014,25(6):121-128.

[14] GROSSMAN G M, HELPMAN E. Endogenous innovation in the theory of growth[J]. Journal of Economic Perspectives, 1994, 8(1): 23-44.

[15] LUCAS JR R E. On the mechanics of economic development[J]. Journal of Monetary Economics, 1988, 22(1): 3-42.

[16] KEKLIK M. Schumpeter, innovation and growth: long-cycle dynamics in the post-WWII American manufacturing industries[M]. Routledge, 2018.

[17] NONAKA I, VON KROGH G, VOELPEL S. Organizational knowledge creation theory: evolutionary paths and future advances[J]. Organization Studies, 2006, 27(8): 1179-1208.

[18] GATHMANN C, SCHÖNBERG U. How general is human capital? a task-based approach[J]. Journal of Labor Economics, 2010, 28(1): 1-49.

[19] HUBER G P. Organizational learning: the contributing processes and the literatures[J]. Organization Science, 1991, 2(1): 88-115.

[20] RAHIMI G, SEYYEDI M H, DAMIRCHI Q Z. The role of tacit knowledge in innovation of public management[C].2012 International Conference on Education and Management Innovation,2012.

[21] OK W, TERGEIST P. Supporting economic growth through continuous education and training. some preliminary results[C].Meeting of National Economic Research Organisations, OECD headquarters, 2002.

[22] GRILICHES Z. Issues in assessing the contribution of research and development to productivity growth[J]. Bell Journal of Economics, 1979, 10(1): 92-116.

[23] JAFFE A B. Real effects of academic research[J]. American Economic Review, 1989, 79(5): 957-970.

[24] ANSELIN L, VARGA A, ACS Z. Local geographic spillovers between university research and high technology innovations[J]. Journal of Urban Economics, 1997, 42(3): 422-448.

[25] 马述忠,许光建.政府扶植、产业规模与区域科技创新——以浙江省为例[J].财经论丛,2016(2):11-17.

[26] 聂辉华,谭松涛,王宇锋.创新、企业规模和市场竞争:基于中国企业层面的面板数据分析[J].世界经济,2008(7):57-66

[27] 赵伟,韩媛媛,赵金亮.异质性、出口与中国企业技术创新[J].经济理论与经济管理,2012(4):5-15.

(责任编辑：林思睿)