粵港澳大灣區高科技人才吸引力空間差異與收斂性研究
——以珠三角九市為例

鄧利方，陳 熙

(1. 中共廣東省委黨校 中國特色社會主義研究所，廣東 廣州 510053；2.中共廣東省委黨校 理論經濟學部，廣東 廣州 510053)

科技創新對推進產業升級、提升區域經濟高質量發展的影響日益突出，高科技人才資源作為科技創新載體，已成為各國綜合國力競爭的核心要素。而科技迅猛發展使得各國均面臨高科技人才供需失衡困境，國際社會迫切要求提升本地對人才特別是高科技人才的吸引力[1]，以在人才爭奪戰中掌握主動權。習近平總書記在中國共產黨第二十次全國代表大會上深刻闡明新階段人才工作的重點任務：“加快建設世界重要人才中心和創新高地，促進人才區域合理布局和協調發展，著力形成人才國際競爭的比較優勢?！盵2]面對逐步減退的“人口紅利”形勢，作為未來的高水平人才高地之一的粵港澳大灣區，亟須加速朝“人才紅利”轉變，通過實施兼收并蓄、包容開放的高科技人才引進政策，營造令人心馳神往的高科技人才環境，以形成戰略支點與雁陣格局。因此，定量研究粵港澳大灣區城市高科技人才吸引力，分析人才吸引力區域協調發展現狀，并提出具有競爭力的引才用才政策建議，對灣區城市提高自身高科技人才吸引力，打造利于全球高端科技人才集聚的人才環境，實現2035年人才強國戰略大有裨益。

一、文獻綜述

經濟合作與發展組織(Organization for Economic Co-operation and Development，OECD)起草的《堪培拉手冊》中將成功完成高等教育，與不具備學歷但在科技領域取得科技職業資格的兩類人員視為高科技人才。本文基于OECD定義進行探討，認為高科技人才吸引力是人力資本受某種驅動在空間上的流動結果，進一步說，是高科技人才充當生產要素在區域內的集聚外部表征[3]。

人才集聚的形成是人才自身微觀因素與經濟社會宏觀因素共同作用結果。人才自身的微觀因素包括人才的主觀流動意愿、人才成長預期、人才消費能力；經濟社會宏觀因素則囊括經濟發展水平、產業集聚、文化教育、政策制度。此外，對人才集聚因素的綜合分析也不斷涌現，其認為人才集聚的形成不囿于單一因素，而是多種因素共同形成的反映。經濟發展、科技創新、文化教育、社會保障、生活環境、制度環境及公共服務因素的組合常被納入科技人才集聚的影響體系研究范疇[4]。但對人才集聚的關鍵因素尚未達成普遍共識，霍麗霞等[5]通過多元線性回歸分析，將科技創新視為關鍵性因素。李作學等[6]則運用模糊集定性比較分析法發現文化教育是科技人才集聚的關鍵因素。

人才集聚的影響因素研究為高科技人才吸引力的定量分析提供理論基礎，目前對人才吸引力的定量分析主要圍繞指標體系構建法展開。早期研究中，學者多采用單一方法構建人才吸引力評價體系，大致可分為以層次分析法[7]為代表的主觀賦權法和以主成分分析法[8]為代表的客觀賦權法兩類。但鑒于兩類方法均存在局限性與不嚴謹性，人才吸引力評價體系的構建由單一法向復合法轉變。穆曉霞等[9]從經濟發展、文化教育、生活環境等方面篩選確立人才集聚指標，建立熵權法與灰色聚類法的復合評價模型，以對中西部六省人才集聚效應進行評價。葉曉倩等[10]基于舒適物理論復合熵值法與聚類分析法，對33個人口規模較大、人均可支配收入較高的代表性城市人才吸引力進行評分與分類。崔少澤等[11]綜合考慮經濟發展、科技創新及生活環境等影響因素，綜合等權賦值法、梯度賦值法、主成分分析法對指標體系的不同層級指標賦權，對深圳及同層次城市人才吸引力進行評價。

無論是從研究方法、研究層面，還是從研究對象來看，學界對人才吸引力的研究不斷深化?？v觀現有的研究成果，存在幾點不足：第一，大多數學者傾向于利用地區的截面數據對區域人才吸引力現狀進行解讀，對于相關指標的時間序列數據和面板數據缺乏分析；第二，研究大多從整體層面對區域人才吸引力進行探討，考慮群體間異質性，以高科技人才為研究對象的成果相對較少；第三，現有研究通過建立綜合評價指標體系測算人才吸引力后，僅通過簡單對比加以分析，對吸引力的空間差異及空間收斂性鮮有定量研究。

基于此，本文嘗試從以下三個方面對現有研究作出邊際貢獻：第一，選取2010—2020年珠三角九市的各項指標面板數據，綜合群決策法與極差標準化熵值法對高科技人才吸引力指標權重及吸引力得分進行測算，避免了唯主觀論與唯數據論所致的偏差；第二，將研究對象細化為高科技人才，充分考慮高科技人才的異質性需求，構建適用于評價高科技人才吸引力的評價指標體系；第三，基于Dagum基尼系數、Kernel核密度估計、σ收斂分析與β收斂模型對高科技人才吸引力區域空間差異及空間收斂性予以定量描述。

二、體系構建、研究方法與數據來源

(一)高科技人才吸引力評價指標體系的構建

個體心理學指出，涉及行為的發端、方向、強度和持續性，推動人從事某種事情的念頭常被稱為動機。高科技人才吸引力大小建立在人才受動機驅使強弱基礎上，而動機是在需求的基礎上產生的。當人才的某種需求沒有得到滿足時，它會推動人才去尋找滿足需求的對象，從而產生活動動機。當人才發現某區域更能滿足其生理或心理上的需求時，其將會遷移至該區域，多數人才的普遍性選擇使得該區域的人才吸引力水平更高。

目前，需求領域的代表性理論有馬斯洛需求層次理論、赫茨伯格需要雙因素理論、ERG需要理論等。相較其他理論，ERG需要理論與個體差異的常識相一致，且與國內學者關于人類需求多樣性、潛在性和可變性特征的觀點更為接近。

ERG需要理論是奧爾德弗在馬斯洛需要層次理論的基礎上，提出的一種新人本主義需要理論[18]。其認為，人們共存在三種核心的需要，即生存(existence)的需要、關系(relatedness)的需要和成長(growth)的需要。

本文通過結合ERG需要理論基礎，從高科技人才需求入手，選取人才流動生存動機、人才價值保障機制、人才成長環境作為高科技人才吸引力指標確立的子目標。

1. 人才流動生存動機

ERG需要理論中的“生存的需要”，即生理和安全需求(如衣、食、行等)，其關系到人的生存與生產活動踐行。該需要的滿足是區域提高高科技人才吸引力的首要前提，高科技人才生存需要遭到脅迫，生理機能下降，無法支撐其在高新技術領域進行后續的創新活動。在此，本文將高科技人才在區域的生存需要定義為“人才流動生存動機”，借鑒李燕萍等[13]、孫博等[14]對個體生存動機的衡量指標，用經濟發展水平、生活環境狀況以及自然環境狀況來衡量人才流動生存動機。

2.人才價值保障機制

除考慮高科技人才自身需求以提高區域短期人才吸引力外，還需考慮長期下的持續吸引力。從ERG需要理論中的“關系的需要”來看，高科技人才具有對家庭關系與社會關系的需求。家庭關系的需求從高科技人才家庭成員處獲取，因此區域對高科技人才的吸引，還應考慮人才相關家庭成員的需求。然而，由于本文基于宏觀視角展開研究，囿于對數據的可用性，對其家庭關系不展開深入探究。社會關系的需求則依靠人才價值保障機制的建立，其利于滿足高科技人才對社會地位的需要，加強了其在區域內社會關系網絡的建立，是區域提高高科技人才吸引力的后續保障。在此，將高科技人才在區域關系的需要定義為“人才價值保障機制”，借鑒侯慧麗[15]、林李月等[16]及崔少澤等[11]的研究成果，采用人才市場環境及社會保障管理來衡量人才價值保障機制。

3.人才成長環境

與一般的人力資源不同，高科技人才謀求發展的內在意愿更強烈。區域可提供的高科技人才成長環境條件越優越，高科技人才便越可能得到長足的發展，其受到的成就激勵越高。這也恰恰印證了ERG需要理論中的“成長的需要”，即個人自我發展和自我完善的需求，這種需求通過創造性地發展個人的潛力和才能、完成挑戰性的工作而得到滿足，是區域提高高科技人才吸引力的核心競爭力。在此，本文將高科技人才在區域的成長發展需要定義為“人才成長環境”，借鑒蔣茁等[17]及喬錦忠等[18]的研究成果，采用教育培訓機會、科技創新氛圍及信息共享條件來衡量人才成長環境。

結合現有研究成果和社會調查結論，進一步將影響高科技人才流動生存動機的主要因素歸納為經濟發展水平、自然環境狀況和生活環境狀況三個方面；影響高科技人才價值保障機制的主要因素歸納為人才市場環境和社會保障管理兩個方面；影響高科技人才成長環境的主要因素歸納為教育培訓機會、科技創新氛圍和信息共享條件三個方面。

此外，為了使指標體系易于量化，且基于城市統計工作的滯后性以及同一截面上數據的完全性、可操作性及可比性，本文進行了要素分析、資料篩選、專家評價，選取28個易于量化的二級指標，確立高科技人才吸引力評價指標體系架構(見表1)。

表1 珠三角高科技人才吸引力評價指標體系架構

(二)研究方法

為對粵港澳大灣區2010—2020年高科技人才吸引力水平及區域協調性進行分析，首先，本文結合群決策法與熵值法構造高科技人才吸引力評價模型并對各城市歷年高科技人才吸引力進行測度；其次，運用Dagum基尼系數測度三類都市圈高科技人才吸引力區域差距演變特征；再次，運用Kernel核密度估計測度高科技人才吸引力時變特征；最后，基于薛鵬飛等[27]于人才學領域運用收斂理論展開的拓展研究，嘗試運用σ收斂分析與β收斂模型探究粵港澳大灣區高科技人才吸引力收斂特征。

1. 高科技人才吸引力評價模型

(1)基于群決策法的一級指標權重確定

第一步，構造判斷矩陣。

專家根據1至9比較尺度，對準則層與一級指標層的同層屬性進行兩兩比較打分，得到互補判斷矩陣，如式(1)所示：

(1)

第二步，一致性檢驗。

對互補判斷矩陣進行一致性檢驗，保證專家在打分時對同層屬性重要性的比較具有邏輯上的一致性。

(2)

式中，λmax為判斷矩陣B(m)的最大特征值，m為矩陣B(m)的階數，CI為一致性指標。

(3)

式中，RI為平均隨機一致性指標，CR為一致性比例。

通過式(3)，對得到的每一個矩陣進行一致性比例的計算。若CR<0.1則表示通過一致性檢驗；反之則需重新構造互補判斷矩陣。

第三步，權重計算。

(4)

式中，Wi′表示判斷矩陣對應的權重向量，ai′， j ′表示第i′個指標對第j′個指標的相對重要性。

(2)基于熵值法的二級評價指標權重確定

第一步，計算第i個城市在t年的第j個一級指標下第k個二級指標的樣本值占該指標的比重。

(5)

式中，xi，t，j，k為第i個城市在t年的第j個一級指標下第k個二級指標的樣本值；i=1，2，…，n；t=2010，2011，…，2020；j=1，2，…，9；k=1，2，…，m。

第二步，計算第j個一級指標下第k個二級指標的熵值。

(6)

第三步，信息熵冗余度計算。

dj，k=1-ej，k，j=1，2…9；k=1，2，…，m

(7)

式中，dj，k為信息熵冗余度。

第四步，二級指標權重計算。

(8)

式中，qj，k為二級指標權重。

(3)高科技人才吸引力計算

采用群決策法和熵值法分別對一級評價指標與二級評價指標權重確定，構造高科技人才吸引力測度模型。

(9)

式中，Ai，t表示第i個城市在t年高科技人才吸引力的值；Wj表示一級指標的權重；qj，k表示二級指標的權重。

2. Dagum基尼系數

(1)總體基尼系數的計算

運用Dagum基尼系數，對各城市高科技人才吸引力差異進行刻畫：

(10)

(2)總體基尼系數的分解

進一步根據Dagum基尼系數的分解方法，可將各區域高科技人才吸引力分解為組內差距貢獻Gw、 組間差距貢獻Gnb、超變密度貢獻Gt，后兩者共同衡量組間不平等Ggb=Gnb+Gt， 滿足等量關系式：

G=Gw+Ggb=Gw+Gnb+Gt

(11)

(3)組內差距貢獻Gw的計算

組內差距貢獻Gw的具體表達式為：

(12)

(13)

(14)

(15)

(4)組間差距貢獻Gnb的計算

組間差距貢獻Gnb的具體表達式為：

(16)

(17)

(18)

(19)

(20)

式中，Gjh為區域j與區域h的組間基尼系數；Djh為區域j與區域h間高科技人吸引力的相互影響；djh為區域間高科技人才吸引力差值，即區域j與區域h中所有Aj，i-Ah，r>0的樣本值加總的數學期望；pjh為超變一階矩陣，即區域j與區域h中所有Aj，i-Ah，r<0的樣本值加總的數學期望；Fj(A)為區域j的累計密度分布函數。

(5)超變密度貢獻Gt的計算

超變密度貢獻Gt的具體表達式為：

(21)

3. Kernel核密度函數

(1)核函數確定

Kernel核密度可分為線性核、高斯核、三角核等多種形式，本文選擇最為常用的高斯核函數進行估計，其表達式為：

(22)

(2)核密度估計式確定

當隨機變量X1，X2，…，Xn獨立同分布，假設Xi(i=1，2，…，n)的密度函數為f(x)，則核密度估計式可記為：

(23)

4.σ收斂

σ收斂通過研究高科技人才吸引力的離差隨時間推移發生的變化，旨在從存量角度揭示地區高科技人才吸引力的收斂特征。當離差趨于下降時，表明地區吸引力存在σ收斂，反之則存在σ發散，具體計算公式如下：

(24)

5.β收斂

β收斂通過研究高科技人才吸引力水平的增長速度隨時間推移發生的變化，旨在從增量角度揭示地區高科技人才吸引力的收斂特征。當收斂常數β顯著為負時，表明吸引力存在β收斂，反之則存在β發散。根據是否考慮外界因素，可將β收斂進一步劃分為絕對β收斂與條件β收斂[22]。

(1)絕對β收斂模型

絕對β收斂是指在外界條件完全相同時，各城市的高科技人才吸引力隨時間推移逐漸收斂至相同水平，即高科技人才吸引力低水平城市較高水平城市具有更高增速。借鑒Barro等[23]提出的經典研究范式，本文對城市個體進行固定，設定絕對β收斂模型形式為：

(25)

式中，β為收斂常數；μi為個體固定效應；εi，t為隨機誤差項。

(2)條件β收斂模型

條件β收斂模型則是在絕對β收斂模型基礎上，考慮其他變量對高科技人才吸引力水平的增長速度影響。借鑒Barro等[24]對條件β收斂模型的處理，在式(25)基礎上，加入其他控制變量，設定條件β收斂模型形式為：

(26)

式中，Xi，t，k為控制變量。

(3)收斂速度s與半生命周期c的計算

收斂速度s為高科技人才吸引力低水平地區追上高水平地區的速度，半生命周期c則為消除一半區域吸引力差距所耗費的時間，具體計算公式如下所示：

(27)

(28)

式中，T為考察周期，參考王維[25]的處理方法，本文設定T=1。

(三)數據來源

為研究粵港澳大灣區高科技人才吸引力水平空間差距及收斂狀況，本文選取珠三角九個地級市作為研究對象(由于港澳地區數據存在較多缺失值，故未將香港與澳門兩地納入考慮范疇)，選取2010—2020年為體系構建、空間差異與收斂特征的考察期。指標體系二級指標D1～D28數據來自廣東省及各地市歷年統計年鑒與《中國城市統計年鑒》；控制變量人口密度、金融機構貸款余額及法院案件一審結案率數據來自歷年《廣東統計年鑒》《中國城市統計年鑒》及《廣東社會統計年鑒》，對缺失數據則采用平均值進行賦值補充。

三、結果分析

(一)珠三角高科技人才吸引力得分

綜合運用群決策法與熵值法可對評價指標體系各級指標權重進行確定，權重結果如表1所示。據此建立高科技人才吸引力計量模型，可得2010—2020年珠三角高科技人才吸引力水平綜合與細項得分及排名結果，如表2和表3所示。

表2 2010—2020年珠三角高科技人才吸引力綜合得分及排名

表3 2010—2020年珠三角高科技人才吸引力細項得分及排名(一級指標)

續表

綜合表2與表3的研究結果可發現：第一，從珠三角整體層面來看，高科技人才吸引力得分由2010年的27.768增至2020年的48.582，增幅達74.957%，考察周期內珠三角高科技人才吸引力逐年增長，總體呈大幅上漲趨勢，未來仍有巨大提升潛力。第二，從細分指標來看，除生活環境狀況外，其余各項一級指標得分均較起始考察年份(2010年)有所提升，整體向好。具體來看，各項一級指標得分均值由高至低依次為：自然環境狀況(67.905)、生活環境狀況(50.923)、經濟發展水平(48.435)、信息共享條件(41.614)、教育培訓機會(33.382)、社會保障管理(26.557)、人才市場環境(23.056)、科技創新氛圍(22.750)，可見提升生活環境狀況，加大社會保障管理與完善人才市場環境，營造區域內良好的科技創新氛圍是提升大灣區高科技人才吸引力水平的關鍵所在。第三，從城市層面來看，樣本期內九個城市高科技人才吸引力水平均有不同程度提升，但城市間差異顯著。九城的高科技人才吸引力得分均值由高至低依次為：深圳(75.525)、廣州(60.241)、珠海(42.337)、東莞(37.959)、佛山(37.594)、惠州(26.927)、中山(25.717)、江門(20.923)、肇慶(20.329)。九城的高科技人才吸引力得分增幅由高至低依次為：江門(105.46%)、肇慶(97.28%)、深圳(95.30%)、珠海(91.87%)、廣州(83.60%)、惠州(73.44%)、東莞(65.56%)、佛山(51.05%)、中山(50.93%)。相較之下，人才吸引力水平越高(低)的地區得分增幅越小(大)，表明高科技人才低吸引力水平地區對高水平地區存在追趕趨勢。

(二)珠三角高科技人才吸引力區域差距及其分解

為了進一步探討粵港澳大灣區城市高科技人才吸引力的地區差異，運用Dagum 基尼系數及其分解方法，對2010—2020 年珠三角高科技人才吸引力總體基尼系數進行了計算，并且按照《珠江三角洲地區改革發展規劃綱要(2008—2020)》(下稱《規劃綱要》)中三大都市圈劃分，對廣佛肇、深莞惠和珠中江三個區域進行分解，測算區域內與區域間的高科技人才吸引力水平差距。

1. 珠三角高科技人才吸引力總體差異

從表4所呈現珠三角總體基尼系數結果來看，2010—2020年，高科技人才吸引力總體差距呈現逐步擴大趨勢，在11年間總體基尼系數由0.239上升至0.260，總體增長率達8.787%。2010—2015年吸引力的變動幅度較小，2016年后吸引力差距逐漸拉大，總體基尼系數同比增速加快，并于2015—2016年實現最高增速達6.250%。

表4 2010—2020年珠三角高科技人才吸引力區域差距及其分解

2. 三大都市圈高科技人才吸引力的組內差異

結合表4數據，對三大都市圈2010—2020年組內差異變動趨勢進行了可視化呈現，具體如圖2。

廣佛肇都市圈的組內高科技人才吸引力差距變動最小，總體波動幅度不超過0.050?？疾炱趦绕浣M內差距經歷“縮小—穩定—擴大—穩定”四大階段。深莞惠都市圈的組內高科技人才吸引力差距變動最大，總體波動幅度達0.073；從發展趨勢看，其組內吸引力差距總體上呈先縮小后擴大的態勢，相應基尼系數也呈“U”形變動趨勢。珠中江都市圈的組內高科技人才吸引力差距變動也相對較小，總體波動幅度以0.001的微弱差距略高于廣佛肇都市圈?？疾炱趦绕浣M內吸引力差距經歷“擴大—縮小—擴大—縮小”四大階段。

橫向對比來看，珠中江都市圈的組內高科技人才吸引力不平衡性遠低于其他兩大都市圈，其歷年組內基尼系數均遠低于其余兩組。此外，考察期起始與結束年份的數值對比結果表明，三大都市圈組內高科技人才吸引力差距均呈現擴大趨勢，特別是深莞惠都市圈組內吸引力不平等日益加劇。因此，在建設粵港澳大灣區高水平人才高地進程中，要統籌兼顧區域內部高科技人才吸引力的協調發展。

3. 三大都市圈高科技人才吸引力的組間差異

結合表4數據，三大都市圈兩兩構成三對組間差異。本文對三大都市圈2010—2020年組間差異的演變趨勢進行了繪制，具體如圖3所示。

廣佛肇-深莞惠都市圈在起始年份吸引力組間差距最小，相應組間基尼系數為0.249；從11年的變動趨勢來看，組間高科技人才吸引力差距先縮小后擴大。廣佛肇-珠中江都市圈組間吸引力差距變動范圍最小，其最大組間差距于初始年份即2010年便已達到，相應取值為0.261；從發展趨勢來看，2010—2020年組間高科技人才吸引力差距先縮小后震蕩擴大。與其他兩對都市圈組間差距變動趨勢不同，深莞惠-珠中江都市圈高科技人才吸引力的組間差距經歷“擴大—縮小—穩定”三大階段。

圖2 三大都市圈組內基尼系數差距

圖3 三大都市圈組間基尼系數差距

橫向對比來看，在三對組間差距中，深莞惠-珠中江都市圈的組間高科技人才吸引力不平衡性明顯高于其他兩對都市圈，除2019年，其歷年組間基尼系數均高于其余兩對。此外，珠三角三大都市圈組間吸引力差距呈現不斷擴大趨勢，特別是廣佛肇-深莞惠都市圈組間吸引力不平等性隨時間推移而加劇。這表明各都市圈在高科技人才吸引力方面仍存在較為明顯的區域間差異，且這一差距并未隨經濟社會的發展而趨于平衡。

4. 三大都市圈高科技人才吸引力差異的貢獻

為進一步揭示粵港澳大灣區高科技人才吸引力差距的原因，本文對三大都市圈的組內差距Gw、組間差距Gnb及超變密度Gt的貢獻值及其貢獻率進行測算，結果如表5所示?？疾炱趦热咂骄暙I率為28.250%、40.593%及31.157%，故造成三大都市圈吸引力差異的影響因素依次為組間差距、超變密度與組內差距，組間不平等為造成高科技人才吸引力差異的最主要因素。

表5 2010—2020年珠三角高科技人才吸引力區域差距來源分解

從各項指標的貢獻率來看，三大都市圈組內差距貢獻率整體變動較為平緩，保持在28.250%的貢獻率水平上下波動。三大都市圈組間差距貢獻率則呈先升后降的倒U形趨勢，并于該期間始終為珠三角高科技人才吸引力差異的最主要因素。鑒于組間差距貢獻率與超變密度貢獻率的互補關系，三大都市圈超變密度貢獻率于考察期呈先降后升的U形趨勢，并于2018年超過組間差距貢獻率，成為影響珠三角高科技人才吸引力區域差異的最主要因素。

由此可得出三點結論：第一，對三大都市圈自身而言，其內部吸引力水平差距在11年間始終維持穩定水平，各地對高科技人才的吸引力同步增長或同步衰退；第二，在前期組間差距始終作為珠三角吸引力差異的最主要因素，表明考察期內各都市圈之間高科技人才吸引力差距較大，地區間發展不平衡，人才吸引力極可能并不存在顯著收斂現象；第三，在后期，用于識別與衡量組間發展交叉重疊程度的超變密度貢獻成為新階段的主要來源，意味著不同都市圈間交叉重疊問題是造成珠三角高科技人才吸引力不均衡的主要原因。

(三)珠三角高科技人才吸引力的時間動態演進

上文對珠三角三大都市圈高科技人才吸引力的相對組內差異、相對組間差異及來源貢獻進行刻畫，而對于吸引力絕對差異的分布動態與延展性、極化性演進規律則可借助Kernel密度估計法進行描繪。同樣，除了對珠三角總體進行描繪，本文也將按三大都市圈劃分，分別對其高科技人才吸引力核密度分布進行描繪，其動態演變特征概括如表6所示。

表6 珠三角及珠三角三大經濟圈高科技人才吸引力動態演變特征

1. 珠三角高科技人才吸引力時間動態演進

珠三角城市高科技人才吸引力核密度分布如圖4所示。從分布曲線形態來看，珠三角人才吸引力有所上升，且城市間吸引力絕對差異有所縮小。從分布曲線延展性來看，珠三角內吸引力高水平城市數量逐漸增多，低水平城市數量逐漸減少。從分布曲線極化性來看，珠三角吸引力出現初步的兩極分化。

2. 廣佛肇都市圈高科技人才吸引力水平的時間動態演進

廣佛肇都市圈高科技人才吸引力核密度分布如圖5所示。從分布曲線形態來看，都市圈吸引力略有下降，但降幅不大，城市間吸引力差距不斷減小。從分布曲線延展性來看，圈內吸引力高水平城市與低水平城市比例總體保持不變。從分布曲線極化性來看，單極化現象持續存在。

圖4 珠三角城市高科技人才吸引力核密度分布

圖5 廣佛肇都市圈高科技人才吸引力核密度分布

3. 深莞惠都市圈高科技人才吸引力水平的時間動態演進

深莞惠都市圈高科技人才吸引力核密度分布如圖6所示。從分布曲線形態來看，都市圈吸引力呈小幅提升態勢，城市間吸引力絕對差異仍保持擴大態勢。從分布曲線延展性來看，圈內吸引力高水平與低水平城市比例總體保持不變。從分布曲線極化性來看，深莞惠都市圈吸引力具有顯著梯度效應，呈兩級分化趨勢。

4. 珠中江都市圈高科技人才吸引力水平的時間動態演進

珠中江都市圈高科技人才吸引力核密度分布如圖7所示。從分布曲線形態來看，都市圈吸引力呈下降態勢，擴大態勢為圈內吸引力絕對差異的變動態勢。從分布曲線延展性來看，圈內吸引力高水平與低水平城市比例總體保持不變。從分布曲線極化性來看，其都市圈人才吸引力變動情形與深莞惠都市圈一致。

圖6 深莞惠都市圈高科技人才吸引力核密度分布

圖7 珠中江都市圈高科技人才吸引力核密度分布

(四)珠三角高科技人才吸引力的收斂機制分析

為進一步揭示高科技人才吸引力收斂性機制，本文運用新古典增長模型中的σ收斂和β收斂理論對珠三角及三大都市圈吸引力收斂性進行檢驗。

1.σ收斂檢驗

利用σ收斂模型對珠三角及珠三角三大都市圈高科技人才吸引力進行測算，測算結果如圖8所示。從珠三角地區測算結果來看，2010—2013年σ收斂系數處于小幅下降期，相應變異系數由0.433下降至0.431；2013—2020年σ收斂系數則處于波動上升期，2020年σ收斂系數達0.447，較2010年上升3.195%。這表明珠三角地區吸引力并未呈現σ收斂，存在一定的發散傾向，即整體來看珠三角高科技人才吸引力地區差異有小幅擴大趨勢。

圖8 珠三角及珠三角三大都市圈高科技人才吸引σ收斂演變趨勢

截至2020年，廣佛肇都市圈σ收斂系數為0.455，較2010年數值下降8.01%。這表明其都市圈吸引力呈現σ收斂特征，即廣佛肇都市圈吸引力地區差異有所縮小。深莞惠都市圈σ收斂系數于2020年達0.510，較2010年數值增長25.48%。這表明其吸引力呈明顯的σ發散特征，即近年來深莞惠都市圈吸引力地區不平衡性日益加劇。珠中江都市圈σ收斂系數在考察期內呈M形變動趨勢，但2020年數值較2010年仍小幅增長7.91%。這表明其吸引力具有σ發散特征，即珠中江都市圈吸引力地區差異存在擴大趨勢。

總體來看，σ收斂與前文Dagum基尼系數和Kernel核密度估計結果較為一致，表明廣佛肇都市圈高科技人才吸引力地區不平等性逐步縮小，呈現σ收斂特征，而珠三角整體區域及深莞惠與珠中江都市圈高科技人才吸引力不平等性日趨擴大，存在σ發散特征。

2. 絕對β收斂檢驗

首先采取固定效應模型與隨機效應模型進行參數估計，Hausman檢驗結果顯示卡方統計量在1%的顯著性水平下拒絕“接受隨機效應”的原假設，固定效應模型優于隨機效應模型。通過構建年份虛擬變量，發現年份虛擬變量聯合顯著性未通過檢驗，無法顯著拒絕“無時間效應”的原假設?；诖?，本文構建個體固定效應最小虛擬變量二乘法(LSDV)模型，以此作為絕對β收斂檢驗的參數估計基準。此外，為了進一步研究不同維度中高科技人才吸引力的收斂情況，除對吸引力總得分進行絕對β收斂檢驗，還對八項一級指標得分進行絕對β收斂檢驗，回歸結果如表7 所示。

表7 2010—2020年絕對β收斂情況

由表7可得，珠三角高科技人才吸引力絕對β收斂系數為負且通過1%顯著性檢驗，表明珠三角吸引力差距存在絕對β收斂，即當前低吸引力城市發揮了其對高吸引力城市的“追趕效應”，隨時間推移高吸引力與低吸引力城市對高科技人才的吸引力差距將收斂于恒定穩態水平，這與珠三角九市高科技人才吸引力綜合得分增速結果一致。一級指標檢驗結果表明，除人才市場環境外，其余七項指標的絕對β收斂系數均顯著為負，這表明珠三角在該七項細分領域也存在絕對β收斂，即當前低水平城市通過提升經濟發展水平、自然環境狀況、生活環境狀況、教育培訓機會、科技創新氛圍、信息共享條件及社會保障管理領域的增長速率以實現高科技人才吸引力差距的穩態收斂。此外，從收斂速度s以及半生命周期τ來看，珠三角地區吸引力收斂速度為0.151，半生命周期為4.596。橫向對比八項一級指標收斂速度及半生命周期，社會保障管理收斂速度最快為3.270，相應半生命周期最短為0.212年；經濟發展水平收斂速度最慢為0.191，相應半生命周期最長為3.626年。

3. 條件β收斂檢驗

絕對β收斂假定珠三角城市為空間中性，而條件β收斂則認為不同城市會受到外界因素的不同影響，故對珠三角高科技人才吸引力進行條件β收斂檢驗時需對相關的控制變量進行設置。參考已有文獻，本文設置的控制變量為：

城市人口規模(popu)。城市人口規模引起的經濟集聚與擁擠效應共同作用于所有個體，而高科技人才是否向城市集聚則取決于經濟集聚效應與擁擠效應的大小。城市面積與城市人口密度均被用于衡量城市人口規模，但城市人口密度更能反映擁擠效應的大小，使用范圍更廣[32]。借鑒扈爽等[33]的做法，本文采用城市人口密度指標以衡量城市人口規模。

城市金融環境(fin)。良好的城市金融環境通過為人才安居創業與企業擴大經營規模提供便捷高效、成本低廉與需求適配的借貸服務，從直接與間接層面影響高科技人才向城市集聚[34]。借鑒方芳等[35]的做法，本文采用年末金融機構存貸款余額衡量城市金融環境。

城市法治環境(law)。良好的城市法治環境通過保障人才個人勞工權益與企業知識產權，營造社會良性就業氛圍與企業競爭環境，同樣從直接與間接層面影響城市對高科技人才的吸引力[34，36]。本文在借鑒孫博等[31]的做法之余，考慮數據可得性，采用法院案件一審結案率衡量城市法治環境。

同樣地，本文構建個體固定效應LSDV模型，以此作為條件β收斂檢驗的參數估計基準，對高科技人才吸引力總得分進行條件β收斂檢驗，回歸結果如表8所示。

表8 2010—2020年條件β收斂情況

由表8可知，珠三角高科技人才吸引力條件β收斂系數為負且通過1%顯著性檢驗，表明在考慮城市人口規模、金融環境與法治環境因素，固定城市個體的情況下，珠三角吸引力呈現條件收斂特征。此外，對比絕對收斂與條件收斂的收斂系數，后者收斂系數絕對值更大，相應的收斂速度與半生命周期也有所提升，表明控制變量的加入，對縮小灣區吸引力差距產生促進作用。未來粵港澳大灣區可通過控制區域人口規模、改革金融環境、優化法治環境加速來改變灣區高科技人才吸引力不平衡現象。

四、穩健性檢驗及進一步研究

(一)Dagum基尼系數的穩定性檢驗

圖9 2010—2020年珠三角及珠三角三大都市圈泰爾指數測度結果

同樣作為刻畫區域非均衡性指標，泰爾指數也通過計算組內差異與組間差異實現對區域總體差異的分解。故本文采用泰爾指數測度珠三角及三大都市圈高科技人才吸引力的非均衡性，以期檢驗前文Dagum基尼系數結論。但考慮到泰爾指數在處理樣本間交疊問題存在缺失，在此僅對珠三角總體泰爾指數與各都市圈組內泰爾指數變動趨勢進行對比。2010—2020年珠三角及珠三角三大都市圈泰爾指數測度結果如圖9所示。

對比圖2與圖9，不難看出無論在珠三角總體層面，還是在廣佛肇、深莞惠及珠中江三大都市圈層面，泰爾指數的變動趨勢均與Dagum基尼系數結果保持一致，表明本文使用Dagum基尼系數對高科技人才吸引力區域差距進行衡量的測度結果基本穩定。

(二)空間計量下的β收斂檢驗

β收斂檢驗以樣本間相互獨立為檢驗前提，然而隨著高科技人才吸引力指標要素流動日趨頻繁，樣本間可能出現除地理因素外的空間經濟依賴性[32]。對2010—2020年珠三角九市高科技人才吸引力水平空間依賴性進行驗證，全局莫蘭指數在統計意義上顯著且小于0，表明高科技人才吸引力水平存在空間相關性?；诖?，本文進一步使用空間β收斂檢驗對空間分布加以考慮。

基于無空間交互項的OLS模型殘差進行LM檢驗，結果表明R-LM-lag顯著優于R-LM-err。進一步的利用LR統計量與wald統計量對空間杜賓模型(SDM)的適用性進行檢驗，檢驗結果不能拒絕原假設，不支持選擇SDM模型。Husman檢驗拒絕原假設，納入固定效應模型分析。因此，本文基于空間滯后回歸模型(SRA)，設定高科技人才吸引力水平的空間絕對β收斂模型和空間條件β收斂模型如式(29)和式(30)所示。

(29)

(30)

式中，ρ為空間自回歸系數，用于反映高科技人才吸引力的空間關聯性，即相鄰區域的人才吸引力水平對本地區人才吸引力水平的影響；Wij為空間權重矩陣。

為了對高科技人才吸引力的空間關聯特征予以系統考察，本文分別構建了地理空間權重矩陣與經濟地理空間權重矩陣。

地理空間權重矩陣：

(31)

式中，dij為城市i與城市j之間的地理距離(dij>0)，本文使用地級市間行政中心的最短公路線網里程進行衡量。

經濟地理空間權重矩陣：

(32)

eij=|pGDPi-pGDPj|

(33)

式中，eij為城市i與城市j之間的經濟地理距離，本文使用2010—2020年城市i與城市j人均GDP均值的差值絕對值進行衡量。

2010—2020年珠三角高科技人才吸引力空間絕對β收斂結果與空間條件β收斂結果如表9和表10所示。從表9與表10的結果來看，高科技人才吸引力總得分空間絕對β收斂系數與空間條件β收斂系數均在1%的水平下顯著為負；除人才市場環境一級指標外，其余七項一級指標的空間絕對β收斂系數也均顯著為負?；居嬃糠治鼋Y果并未發生改變，表明前文所闡述的β收斂機制具備較高的穩健性。

表9 2010—2020年珠三角高科技人才吸引力空間β收斂結果

續表

表10 2010—2020年珠三角高科技人才吸引力各分項空間絕對β收斂結果

(三)基于ASDNTY的俱樂部收斂

鑒于2010年之前所選取的二級指標統計數值存在時空的不連續性與缺失，致使本文對研究年份的選取局限于2010—2020年，所能計算的樣本數據量受限。對此，本文借鑒劉逸等[33]的處理方法，使用自適應綜合過采樣算法(ADASYN)擴大樣本容量，以進行俱樂部收斂檢驗。

ADASYN的算法原理是以樣本數據集的密度分布為標準，自動確定需平衡樣本的適宜權重，并為處理樣本生成相應數量的合成樣本，最終構造模擬樣本集以豐富原始樣本集[34]。本文通過利用ADASYN算法，依次對珠三角中的一個城市與其余八個城市的數據進行數據樣本平衡處理，利用少數類樣本的原始信息擬合趨近于真實高科技人才吸引力的模擬樣本，總計將數據量由99條提升至765條。

同樣依據《規劃綱要》中的三大都市圈劃分，本文將廣佛肇、珠中江和深莞惠都市圈視為三類發展俱樂部，同樣采取個體固定效應LSDV模型對其高科技人才吸引力水平進行俱樂部收斂檢驗，結果如表11所示。

對比表7和表11檢驗結果，ADASYN算法處理前后，珠三角總體回歸結果均在1%的統計性水平下顯著為負，回歸系數相差不大，表明新生成的模擬樣本具有一定的穩健性。此外，從俱樂部檢驗結果來看，廣佛肇、珠中江和深莞惠都市圈β收斂系數均顯著為負，這表明三大都市圈吸引力均呈現顯著收斂特征，具備俱樂部收斂機制。從收斂速度s以及半生命周期τ來看，深莞惠俱樂部收斂速度最快為0.323，相應半生命周期最短為2.146年；廣佛肇俱樂部收斂速度次之為0.268，相應半生命周期為2.588年；珠中江俱樂部收斂速度最慢為0.247，相應半生命周期最長為2.804年。

五、結論與建議

本文通過對2010—2020年珠三角地區高科技人才吸引力水平進行定量測度，借助Dagum基尼系數與Kernel核密度函數對珠三角高科技人才吸引力區域空間差異機理及動態演進規律予以描繪，并運用σ收斂與β收斂模型對吸引力空間收斂性進行特征分析，最后借助空間β收斂模型及ADASYN算法對模型進行穩健性檢驗與拓展分析。主要結論為：

第一，高科技人才吸引力呈向好發展態勢。2010—2020年珠三角高科技人才吸引力逐年增長，總體呈大幅上漲趨勢。第二，高科技人才吸引力空間相對不平衡性特征顯著，珠三角吸引力空間相對差距呈逐步擴大趨勢。第三，高科技人才吸引力空間絕對不平衡性略微縮小。第四，高科技人才吸引力存量收斂性不顯著，增量收斂性特征顯著。

為提高粵港澳大灣區城市高科技人才吸引力與區域協調發展，本文基于上述研究結論提出以下建議：

第一，補齊發展短板，打造粵港澳大灣區高科技人才高地。從本文構建的吸引力指標體系中各項指標的變動態勢及相對得分來看，生活環境狀況的改善，人才市場環境的規范與科技創新氛圍的營造應被作為未來一段時間內大灣區提升高科技人才吸引力的工作重點。改善生活環境狀況是吸引力提升的重中之重，需進一步在住房、醫療、交通領域保障人才基本生活需求，防止“人才擠出”現象的發生，使人才在灣區安身、安心、安業。在人才市場環境方面，要遵循高科技人才的培養與科研規律，破除“四唯”傾向的管理機制障礙；在經費支配、資源調度與技術路線上賦予人才更高的自主決策權，做到以人才為本，為人才松綁。在科技創新氛圍方面，積極培育建設一大批國家實驗室、大型系列研究平臺、高水平研究型大學、科技領軍企業等創新機構，支持高科技人才緊跟當前全球科技發展大勢，對標世界一流水平，讓事業激勵人才，讓人才成就事業。

第二，發揮比較優勢，實施補短板鑄長板并重的戰略方針?；诨浉郯拇鬄硡^高科技人才吸引力時空分布不均的空間特征，因地制宜地對不同吸引力水平區域分類施策。廣州市與深圳市作為高吸引力地區，應強化其經濟發展與市場化長板優勢，持續深化簡政放權、放管結合，充分發揮市場在資源配置中的決定性作用；提升生活環境短板劣勢，加大對高科技人才住房、交通及醫療等補貼投入，解決人才日常生活難題。珠海市、佛山市與東莞市作為中吸引力地區，應找準其支柱產業，發揮長板優勢，注重與現有優勢產業相匹配的專項高科技人才吸引，找準特色人才吸引力定位；挖掘本地盲區短板劣勢，優化人才吸引的軟硬件條件?；葜菔?、中山市、江門市與肇慶市作為低吸引力地區，應發揮人居環境長板優勢，通過加強城市宜居性，以較低成本聚攏高科技人才；正視產業落后等短板劣勢，發揮政府職能主導作用，利用政策手段加快本地落后產業轉型升級，借助供給側結構性改革吸引人才流入。

第三，擴大輻射效應，統籌高科技人才吸引力區域協調發展?；诖鬄硡^的高科技人才吸引力空間相對不平衡性與絕對不平衡性特征，廣州市、深圳市與珠海市除進一步穩固當前高科技人才吸引力水平外，還應發揮高科技人才的正向知識溢出效應，加大對都市圈內低吸引力城市的扶持力度，發揮引領作用縮小各都市圈組內及組間吸引力差距，統籌兼顧區域人才吸引力協調發展。目前，深圳市通過轉移過剩產能，輻射帶動圈內其他城市提升高科技人才吸引力已有成效，廣州市與珠海市也可借鑒這一方案，以縮小圈內高科技人才吸引力不平等性。此外，粵港澳大灣區各級政府間還應建立聯席協商機制，制定人才跨區域流動體制機制，打破行政區間高科技人才流動障礙，實現高科技人才資源跨區域轉移優化，以利于區域間優勢互補，協同共促高科技人才吸引力提升。

第四，發揮追趕效應，注重收斂速度與發展差距之間的協調性。絕對β收斂檢驗、條件β收斂檢驗及俱樂部收斂檢驗結果均表明，當前區域內低吸引力城市發揮了其對高吸引力城市的“追趕效應”，且隨時間推移城市間吸引力差距將收斂于恒定穩態水平。從條件β收斂系數來看，未來粵港澳大灣區的確可進一步通過控制區域人口規模，改革金融環境，優化法治環境，加快低吸引力城市的追趕速度，進而加速縮小地區間高科技人才吸引力不平衡。與此同時，各地政府需樹立科學認知：縮小地區間吸引力不平衡的最終目的不是使各城市高科技人才吸引力相等。不同城市對高科技人才的吸引力將收斂于各自的恒定穩態，低吸引力城市不能限于指標陷阱，盲目追趕高吸引力城市以期達到同等吸引力水平，提升本地吸引力收斂速度才是縮小地區間不平等性的關鍵所在。從各項一級指標的收斂速度來看，在社會保障管理、信息共享與教育培訓領域著手施策，將有助于更快提升本地高科技人才吸引力收斂速度。