王黎明，王 寧

(山東理工大學(xué) 經(jīng)濟(jì)學(xué)院，山東 淄博 255012)

一、引 言

人才是經(jīng)濟(jì)社會(huì)轉(zhuǎn)型和發(fā)展中最活躍的智力資源，同時(shí)也是衡量區(qū)域經(jīng)濟(jì)發(fā)展和技術(shù)創(chuàng)新競(jìng)爭(zhēng)力的重要指標(biāo)?？萍紕?chuàng)新是建設(shè)現(xiàn)代化經(jīng)濟(jì)體系的戰(zhàn)略支撐，科技型人才集聚對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展具有一定的推進(jìn)作用。黨的十九大報(bào)告進(jìn)一步明確了創(chuàng)新在引領(lǐng)經(jīng)濟(jì)社會(huì)發(fā)展中的重要地位，作為經(jīng)濟(jì)發(fā)展的戰(zhàn)略支持，人才又是創(chuàng)新的能動(dòng)力量。因此，如何以人才作為發(fā)展引擎，提升區(qū)域科技人才的存量和集聚水平，促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展具有重要的研究意義。本文在之前學(xué)者的研究基礎(chǔ)上，以三者互為因變量，研究彼此之間的影響，選取了中國31個(gè)省(直轄市、自治區(qū))的樣本數(shù)據(jù)(考慮數(shù)據(jù)可得性等問題，暫未包括港澳臺(tái)地區(qū))，研究人才集聚、科技創(chuàng)新與經(jīng)濟(jì)增長(zhǎng)三者之間的交互作用及滯后影響，為制定相關(guān)政策提供參考。

二、文獻(xiàn)回顧

(一)人才集聚與經(jīng)濟(jì)增長(zhǎng)

早在1960年，舒爾茨就提出資本應(yīng)該分成物質(zhì)資本和人力資本，其中人力資本指的是通過對(duì)人力的投資而形成的資本，并且認(rèn)為教育可以增加人力資本(1)西奧多·W.舒爾茨:《論人力資本投資》，吳珠華譯，北京經(jīng)濟(jì)學(xué)院出版社，1990年，第99頁。。Danilo Guaitoli研究了物質(zhì)資本和人力資本以及內(nèi)生增長(zhǎng)之間的關(guān)系，該研究顯示了人力資本對(duì)人均GDP增長(zhǎng)率與收入分配不平等的作用機(jī)制(2)Danilo Guaitoli,Human Capital Distribution,Growth and Convergence,Research in Economics,2000.。劉瑞翔等選取了全國31個(gè)省級(jí)行政區(qū)五年的相關(guān)變量數(shù)據(jù)，研究表明各省的人口城市化率以及人力資本水平的提高對(duì)于該省域的經(jīng)濟(jì)增長(zhǎng)質(zhì)量具有明顯的促進(jìn)作用，但是對(duì)周邊省份具有反作用(3)劉瑞翔,夏琪琪：《城市化、人力資本與經(jīng)濟(jì)增長(zhǎng)質(zhì)量：基于省域數(shù)據(jù)的空間杜賓模型研究》,《經(jīng)濟(jì)問題探索》，2018年第11期。。賀勇等也測(cè)算過人才集聚對(duì)我國區(qū)域經(jīng)濟(jì)增長(zhǎng)的作用，認(rèn)為人才集聚水平較高的區(qū)域，其對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)也較高，但兩者之間并不具有嚴(yán)格的正向關(guān)系(4)賀勇，廖諾,張紫君：《我國省際人才集聚對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)測(cè)算》,《科研管理》，2019年第11期。。

(二)人才集聚與科技創(chuàng)新

修國義提出科技人才集聚規(guī)模和均衡度與區(qū)域科技創(chuàng)新效率顯著正相關(guān)，強(qiáng)度與區(qū)域科技創(chuàng)新效率顯著負(fù)相關(guān)(5)修國義，韓佳璇，陳曉華：《科技人才集聚對(duì)中國區(qū)域科技創(chuàng)新效率的影響：基于超越對(duì)數(shù)隨機(jī)前沿距離函數(shù)模型》,《科技進(jìn)步與對(duì)策》，2017年第19期。。劉曄等采用微觀數(shù)據(jù)，尋找與我國區(qū)域創(chuàng)新水平有關(guān)的因素，認(rèn)為僅在創(chuàng)新產(chǎn)出水平高的區(qū)域，科研人才知識(shí)的吸收能力對(duì)于某些創(chuàng)新投入要素起到正向調(diào)節(jié)作用(6)劉曄等：《科研人才集聚對(duì)中國區(qū)域創(chuàng)新產(chǎn)出的影響》,《經(jīng)濟(jì)地理》，2019年第7期。。趙青霞等通過對(duì)科技人才集聚、產(chǎn)業(yè)集聚及其交互作用對(duì)區(qū)域創(chuàng)新能力的影響研究，發(fā)現(xiàn)科技人才集聚水平較高的地區(qū)，需要結(jié)合高密度的產(chǎn)業(yè)集聚，可以提升區(qū)域創(chuàng)新能力(7)趙青霞，夏傳信，施建軍：《科技人才集聚、產(chǎn)業(yè)集聚和區(qū)域創(chuàng)新能力：基于京津冀、長(zhǎng)三角、珠三角地區(qū)的實(shí)證分析》,《科技管理研究》，2019第24期。。葛雅青應(yīng)用空間分析法，通過對(duì)我國30個(gè)省份國際人才的研究，得出國際人才數(shù)量每增加1%，區(qū)域?qū)＠麛?shù)增長(zhǎng)0.23%的結(jié)論(8)葛雅青:《中國國際人才集聚對(duì)區(qū)域創(chuàng)新的影響：基于空間視角的分析》,《科技管理研究》，2020第6期。。

(三)科技創(chuàng)新與經(jīng)濟(jì)增長(zhǎng)

徐佳楠等認(rèn)為科技金融投入與科技創(chuàng)新的經(jīng)濟(jì)增長(zhǎng)效應(yīng)均存在門檻效應(yīng)，當(dāng)二者協(xié)同發(fā)展時(shí)，才能更好地發(fā)揮對(duì)經(jīng)濟(jì)增長(zhǎng)的促進(jìn)作用(9)徐家楠,徐旭初:《科技金融投入、科技創(chuàng)新與經(jīng)濟(jì)增長(zhǎng)》,《南京航空航天大學(xué)學(xué)報(bào)》(社會(huì)科學(xué)版)，2020年第3期。。辛璐等研究了科技創(chuàng)新對(duì)經(jīng)濟(jì)增長(zhǎng)的滯后效應(yīng)，研究結(jié)果表明，科技創(chuàng)新對(duì)經(jīng)濟(jì)增長(zhǎng)在滯后1～2年具有促進(jìn)作用(10)辛璐,羅守:《科技創(chuàng)新促進(jìn)經(jīng)濟(jì)增長(zhǎng)的滯后效應(yīng)研究：基于省際面板數(shù)據(jù)的檢驗(yàn)》,《管理現(xiàn)代化》，2020年第3期。。閻東彬通過實(shí)證研究，認(rèn)為京津冀地區(qū)的科技創(chuàng)新有助于推動(dòng)經(jīng)濟(jì)增長(zhǎng)，但科技創(chuàng)新對(duì)經(jīng)濟(jì)發(fā)展的加速器作用還未充分顯現(xiàn)(11)閻東彬:《科技創(chuàng)新與經(jīng)濟(jì)增長(zhǎng)關(guān)系的實(shí)證：以京津冀城市群為例》,《統(tǒng)計(jì)與決策》，2020年第2期。。劉紅等研究了金融創(chuàng)新及技術(shù)創(chuàng)新對(duì)陜西省經(jīng)濟(jì)增長(zhǎng)的作用，發(fā)現(xiàn)技術(shù)創(chuàng)新投入或產(chǎn)出對(duì)經(jīng)濟(jì)增長(zhǎng)具有雙向影響(12)劉紅,溫軍,張森:《金融創(chuàng)新、技術(shù)創(chuàng)新與經(jīng)濟(jì)增長(zhǎng)的嵌合驅(qū)動(dòng)：以陜西省為例》,《統(tǒng)計(jì)與決策》，2020第2期。。

(四)人才集聚、科技創(chuàng)新、經(jīng)濟(jì)增長(zhǎng)三者之間關(guān)系

徐彬等認(rèn)為人才集聚、創(chuàng)新驅(qū)動(dòng)對(duì)經(jīng)濟(jì)發(fā)展的影響存在滯后效應(yīng)，并且認(rèn)為人才集聚帶來的創(chuàng)新效應(yīng)可能會(huì)外溢(13)徐彬,吳茜:《人才集聚、創(chuàng)新驅(qū)動(dòng)與經(jīng)濟(jì)增長(zhǎng)》,《軟科學(xué)》，2019年第1期。。葛李情等研究表明，人才集聚與科技創(chuàng)新分別在不同程度上拉動(dòng)了中國經(jīng)濟(jì)增長(zhǎng)，經(jīng)濟(jì)增長(zhǎng)吸引了人才集聚，人才集聚水平促進(jìn)了科技創(chuàng)新(14)葛李情,胡昊:《人才集聚、科技創(chuàng)新與經(jīng)濟(jì)增長(zhǎng)》,《福建商學(xué)院學(xué)報(bào)》，2019第5期。。

綜上所述，目前我國對(duì)人才集聚、科技創(chuàng)新與經(jīng)濟(jì)增長(zhǎng)的研究大多以單一指標(biāo)為因變量研究當(dāng)期影響。很少關(guān)注到三者間的交互作用及長(zhǎng)期的滯后影響。但實(shí)際上，經(jīng)濟(jì)增長(zhǎng)、人才集聚與科技創(chuàng)新并不只與單一指標(biāo)有關(guān)，也并不只局限于當(dāng)期影響，為了全方位考察各個(gè)指標(biāo)，本文以三者互為因變量，研究彼此之間的影響，首先應(yīng)用固定效應(yīng)模型分析三者間的交互效應(yīng)，又采用了面板數(shù)據(jù)VAR(PVAR)模型分析，PVAR模型是向量自回歸模型，即用模型中所有當(dāng)期變量對(duì)所有變量的若干滯后變量進(jìn)行回歸分析，關(guān)注了人才集聚、科技創(chuàng)新與經(jīng)濟(jì)增長(zhǎng)之間的滯后效應(yīng)。

三、變量選取與數(shù)據(jù)分析

(一)變量選取

為考察人才集聚、科技創(chuàng)新與經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系，本文將經(jīng)濟(jì)增長(zhǎng)水平、人才集聚水平、科技創(chuàng)新水平作為模型的解釋變量，首先對(duì)面板數(shù)據(jù)進(jìn)行固定效應(yīng)回歸分析，再采用面板數(shù)據(jù)PVAR模型分析變量之間的因果關(guān)系與影響程度以及滯后效應(yīng)。

(1)經(jīng)濟(jì)增長(zhǎng)量(EG)。經(jīng)濟(jì)增長(zhǎng)量采用人均GDP來衡量，為了便于計(jì)算，將人均GDP進(jìn)行對(duì)數(shù)處理，公式如下：

EG=LN(GDPpc)

(1)

(2)人才集聚水平(TAL)。該指標(biāo)采用各省就業(yè)人員的受教育程度來衡量，由于數(shù)據(jù)選取1998-2017年的受教育程度，考慮數(shù)據(jù)可得性，選取其中大專及以上就業(yè)人員的構(gòu)成比例來當(dāng)作衡量人才集聚水平的指標(biāo)，用TAL來表示，其中2000年就業(yè)人員受教育程度的數(shù)據(jù)部分缺失，根據(jù)線性插值法補(bǔ)全。

(3)科技創(chuàng)新水平(TIL)。在衡量科技創(chuàng)新的指標(biāo)時(shí)，Alfranca等(15)Alfranca O,Huffman W E,Aggregate private R&D Investments in Agriculture:the Role of Incentives,Public Policies,and Institutions.Economic Development and Cultural Change, 2003.、Acemoglu等(16)Acemoglu D,Akcigit U,Intellectual Property Rights Policy,Competition and Innovation.Journal of the European Economic Association,2012.采用研發(fā)經(jīng)費(fèi)(R&D)作為輸入變量，Kim等(17)Kim Y K,Lee K,Park W G,et al,Appropriate Intellectual Property Protection and Economic Growth in Countries at Different Levels of Development.Research Policy, 2012.又把R&D在地區(qū)生產(chǎn)總值(GDP)中的占比作為輸入變量，F(xiàn)ang等(18)Fang L H,Lerner J,Wu C,Intellectual Property Rights Protection,Ownership,and Innovation:Evidence from China.The Review of Financial Studies, 2017.采用R&D在企業(yè)總資產(chǎn)中的占比作為輸入變量。在2005年，Hu等(19)Hu M C,Mathews J A. National Innovative Capacity in East Asia.Research Policy, 2005.、Schneider(20)Schneider P H. International Trade,Economic Growth and Intellectual Property Rights:a Panel Data Study of Developed and Developing Countries.Journal of Development Economics,2005.、Chen等(21)Chen Y,Puttitanun T,Intellectual Property Rights and Innovation in Developing Countries.Journal of Development Economics, 2005.將專利申請(qǐng)量看作創(chuàng)新輸出變量，有學(xué)者將產(chǎn)品銷售量、產(chǎn)品質(zhì)量的提升等作為創(chuàng)新輸出變量。基于已有學(xué)者的研究成果及考慮到數(shù)據(jù)的可獲得性，本研究選擇了全國除港澳臺(tái)地區(qū)之外的專利實(shí)際授權(quán)數(shù)作為衡量科技創(chuàng)新水平的指標(biāo)，采用專利的實(shí)際授權(quán)數(shù)更能體現(xiàn)一個(gè)地區(qū)的科技創(chuàng)新水平。為了模型的平穩(wěn)，這里將科技創(chuàng)新水平用專利授權(quán)數(shù)量取自然對(duì)數(shù)來表示。

(二)變量的描述性統(tǒng)計(jì)

本研究以中國31個(gè)省份(除港澳臺(tái)地區(qū))的經(jīng)濟(jì)增長(zhǎng)水平(EG)、人才集聚水平(TAL)、科技創(chuàng)新水平(TIL)為研究對(duì)象，選擇1998-2017年的數(shù)據(jù)，建立面板數(shù)據(jù)模型。其中經(jīng)濟(jì)增長(zhǎng)水平和科技創(chuàng)新水平數(shù)據(jù)來源于1999-2018年《中國統(tǒng)計(jì)年鑒》。人才集聚水平數(shù)據(jù)來源于1999-2018年的《中國勞動(dòng)統(tǒng)計(jì)年鑒》，三個(gè)變量的描述統(tǒng)計(jì)如表1所示。由表1可以看出，全國(除港澳臺(tái))經(jīng)濟(jì)增長(zhǎng)水平(EG)、人才集聚水平(TAL)與科技創(chuàng)新水平(TIL)每類指標(biāo)的最大值最小值都有很大的差距，也體現(xiàn)了三個(gè)變量在全國各省間發(fā)展的不均衡，在時(shí)間跨度上，從1998年到2017年各變量的水平也發(fā)生了很大的改變。

表1 相關(guān)變量的統(tǒng)計(jì)性描述

四、實(shí)證模型及結(jié)果分析

(一)面板數(shù)據(jù)的單位根檢驗(yàn)

為了防止檢驗(yàn)結(jié)果出現(xiàn)偽回歸現(xiàn)象，模型的建立首先要求各變量均平穩(wěn)，所以在對(duì)數(shù)據(jù)進(jìn)行回歸之前，必須對(duì)各變量數(shù)據(jù)的平穩(wěn)性進(jìn)行單位根檢驗(yàn)，如果變量序列不平穩(wěn)，則可能使模型的估計(jì)結(jié)果出現(xiàn)偏差。所以本研究采用了LLC檢驗(yàn)法、IPS檢驗(yàn)法以及ADF檢驗(yàn)法對(duì)三個(gè)變量分別進(jìn)行單位根檢驗(yàn)，經(jīng)濟(jì)增長(zhǎng)水平(EG)、人才集聚水平(TAL)、科技創(chuàng)新水平(TIL)的原始序列在個(gè)別檢驗(yàn)方法下皆為不平穩(wěn)序列，經(jīng)過差分后均處于平穩(wěn)狀態(tài)，此時(shí)可以對(duì)數(shù)據(jù)進(jìn)行下一步分析檢驗(yàn)，單位根檢驗(yàn)結(jié)果如表2所示。

表2 全國3個(gè)指標(biāo)變量的檢驗(yàn)結(jié)果

(二)面板數(shù)據(jù)估計(jì)結(jié)果

首先確立基本回歸方程，根據(jù)選取變量確立回歸方程如下：

EG=c0+c1TAL+c2TIL

(2)

TAL=c0+c1EG+c2TIL

(3)

TIL=c0+c1EG+c2TAL

(4)

對(duì)三個(gè)公式分別進(jìn)行估計(jì)，經(jīng)hauseman檢驗(yàn)，以99%以上的概率接受拒絕隨機(jī)效應(yīng)的原假設(shè)，說明三個(gè)模型均采用固定效應(yīng)模型為最佳選擇。所以三個(gè)模型均采用固定效應(yīng)模型進(jìn)行估計(jì)，估計(jì)結(jié)果如表3所示。

表3 面板數(shù)據(jù)估計(jì)結(jié)果

公式(2)的估計(jì)模型擬合優(yōu)度為0.9058，考察人才集聚及科技創(chuàng)新對(duì)經(jīng)濟(jì)增長(zhǎng)的影響，所有變量皆在1%的置信水平下通過了統(tǒng)計(jì)檢驗(yàn)。從彈性系數(shù)來看，科技創(chuàng)新水平(TIL)彈性系數(shù)為0.637，高于人才集聚水平(TAL)的彈性系數(shù)0.012，說明科技創(chuàng)新水平和人才集聚水平對(duì)經(jīng)濟(jì)增長(zhǎng)的正向作用前者更大，即科技創(chuàng)新水平每增加1%，經(jīng)濟(jì)增長(zhǎng)0.637%;人才集聚水平每增加1%，經(jīng)濟(jì)增長(zhǎng)0.012%。相較于科技創(chuàng)新水平，人才集聚對(duì)經(jīng)濟(jì)增長(zhǎng)的推動(dòng)力有限。

公式(3)的估計(jì)模型擬合優(yōu)度為0.7186，主要用來估計(jì)經(jīng)濟(jì)增長(zhǎng)及科技創(chuàng)新對(duì)人才集聚的影響，所有變量皆在1%的置信水平下通過了統(tǒng)計(jì)檢驗(yàn)。從彈性系數(shù)來看，經(jīng)濟(jì)增長(zhǎng)(EG)彈性系數(shù)為2.096，科技創(chuàng)新(TIL)的彈性系數(shù)3.187，說明經(jīng)濟(jì)增長(zhǎng)和科技創(chuàng)新對(duì)人才集聚起正向作用，經(jīng)濟(jì)增長(zhǎng)每增加1%，人才集聚增長(zhǎng)2.096%；科技創(chuàng)新每增加1%，人才集聚增長(zhǎng)3.187%。

同上，公式(4)的估計(jì)模型擬合優(yōu)度為0.9133，主要用來估計(jì)經(jīng)濟(jì)增長(zhǎng)及人才集聚對(duì)科技創(chuàng)新的影響，所有變量皆在1%的置信水平下通過了統(tǒng)計(jì)檢驗(yàn)。從彈性系數(shù)來看，經(jīng)濟(jì)增長(zhǎng)(EG)彈性系數(shù)為1.098，人才集聚(TAL)的彈性系數(shù)0.032，說明經(jīng)濟(jì)增長(zhǎng)和人才集聚對(duì)科技創(chuàng)新起正向作用，即經(jīng)濟(jì)增長(zhǎng)每增加1%，科技創(chuàng)新增長(zhǎng)1.098%；人才集聚每增加1%，科技創(chuàng)新增長(zhǎng)0.032%。

(三)滯后階數(shù)確定及模型穩(wěn)定性檢驗(yàn)

PVAR模型由Holtz-Eakin 首次提出，這種模型在保留VAR模型優(yōu)點(diǎn)的前提下，加入了新的內(nèi)容，也就是既能體現(xiàn)出變量之間的互相沖擊，又引入個(gè)體效應(yīng)，表現(xiàn)出每個(gè)變量的變動(dòng)對(duì)自身變化的影響，而且在時(shí)間序列的基礎(chǔ)上加入了面板數(shù)據(jù)的情況(22)Douglas Holtz-Eakin,Whitney Newey,Harvey Sirosen.Estimating Vector Autoregressions with Panel Data,Econometrica,1988.。在進(jìn)行脈沖響應(yīng)及方差分解之前要進(jìn)行滯后階數(shù)的確定，在滯后階數(shù)選取時(shí)，根據(jù) AIC 準(zhǔn)則，經(jīng)過多次嘗試后確定最優(yōu)滯后階數(shù)為3階，因而三變量的回歸方程可表述為:

yit=αi+βt+Ayit-1+βyit-2+Cyit-3+εit,i=1，…，31；t=1,…,20

(5)

式(5)中，yit={EG,TIL,TAL}是一個(gè)包含 3 個(gè)因變量的向量， A、B、C 均為系數(shù)矩陣，也就是本文的待估參數(shù)。與 VAR模型相比， PVAR 模型引入了個(gè)體效應(yīng)αi。

在進(jìn)行PVAR脈沖響應(yīng)及方差分解之前，應(yīng)該對(duì)模型穩(wěn)定性進(jìn)行檢驗(yàn)，來判別模型整體的穩(wěn)定性，模型穩(wěn)定結(jié)果如圖1所示，三個(gè)變量中，所有特征根皆小于1，位于單位圓內(nèi)，說明模型是穩(wěn)定的，此時(shí)，可以繼續(xù)進(jìn)行脈沖響應(yīng)及方差分解。

在確定了滯后階數(shù)和模型穩(wěn)定性判別之后，又對(duì)三個(gè)變量進(jìn)行了格蘭杰因果檢驗(yàn)，格蘭杰因果關(guān)系檢驗(yàn)主要用于分析各變量之間是否存在因果關(guān)系，由此來判斷接下來的脈沖響應(yīng)及方差分解是否有意義。若格蘭杰檢驗(yàn)不通過，則說明三者之間并不存在顯著的因果關(guān)系，繼續(xù)進(jìn)行脈沖響應(yīng)或方差分解都沒有意義。格蘭杰檢驗(yàn)結(jié)果如表4所示，由Prob值可以看出，經(jīng)濟(jì)增長(zhǎng)(EG)、人才集聚(TAL)以及科技創(chuàng)新水平(TIL)三者之間有著顯著的因果關(guān)系，可以進(jìn)行下一步分析。

表4 格蘭杰因果檢驗(yàn)

(四)脈沖響應(yīng)及方差分解

對(duì)三個(gè)變量的固定效應(yīng)回歸分析及一系列檢驗(yàn)之后，我們繼續(xù)對(duì)三個(gè)變量進(jìn)行脈沖響應(yīng)以及方差分解，圖2為經(jīng)濟(jì)增長(zhǎng)水平(EG)、人才集聚水平(TAL)與科技創(chuàng)新水平(TIL)的脈沖響應(yīng)及方差分析結(jié)果，其所示脈沖響應(yīng)結(jié)果表明，人才集聚對(duì)自身的驅(qū)動(dòng)效應(yīng)主要體現(xiàn)在滯后1期，產(chǎn)生了正向效應(yīng)之后馬上恢復(fù)了平穩(wěn)?？萍紕?chuàng)新水平對(duì)人才集聚不僅在當(dāng)期顯示了顯著的正效應(yīng)，在滯后幾期依然存在著脈沖響應(yīng)。經(jīng)濟(jì)增長(zhǎng)水平對(duì)人才集聚水平的沖擊卻比較復(fù)雜，首先在1、2期表現(xiàn)出的是一個(gè)負(fù)向沖擊，這可能是由于經(jīng)濟(jì)增長(zhǎng)吸引人才集聚導(dǎo)致的集聚水平的分母變大，比值變小，從而導(dǎo)致滯后1、2期產(chǎn)生了負(fù)效應(yīng)，但隨后在第3期負(fù)效應(yīng)逐漸減弱，到第4期表現(xiàn)出正向沖擊，逐漸回歸平穩(wěn)且效應(yīng)依然為正。科技創(chuàng)新及經(jīng)濟(jì)增長(zhǎng)對(duì)自身的沖擊與人才集聚的自身沖擊曲線類似，都是在滯后1期有正向沖擊，到2、3期恢復(fù)平穩(wěn)；而經(jīng)濟(jì)增長(zhǎng)水平對(duì)科技創(chuàng)新水平是在第2期產(chǎn)生正向沖擊又恢復(fù)平穩(wěn)的。其他變量之間的滯后脈沖響應(yīng)相對(duì)平穩(wěn)。

脈沖響應(yīng)之后，又對(duì)三個(gè)變量進(jìn)行方差分解，探究滯后時(shí)期各變量所受影響的來源及影響程度，從表5、表6、表7可以看出三個(gè)變量的方差分解結(jié)果。

表5 經(jīng)濟(jì)增長(zhǎng)水平(EG)的方差分解表

表6 人才集聚水平(TAL)的方差分解表

表7 科技創(chuàng)新水平(TIL)的方差分解表

表5表明，從第1期開始，經(jīng)濟(jì)增長(zhǎng)水平的變動(dòng)對(duì)自身的變動(dòng)產(chǎn)生了100%的影響，從第2期開始自身效應(yīng)占比逐漸減弱。人才集聚的變動(dòng)對(duì)經(jīng)濟(jì)增長(zhǎng)變動(dòng)的影響從第1期到第10期是逐漸增長(zhǎng)的，第10期的影響達(dá)到0.3%。而同期科技創(chuàng)新水平變動(dòng)對(duì)經(jīng)濟(jì)增長(zhǎng)的影響達(dá)到了34.1%，與上文面板數(shù)據(jù)回歸估計(jì)結(jié)果相同，相比人才集聚，科技創(chuàng)新變動(dòng)對(duì)經(jīng)濟(jì)增長(zhǎng)變動(dòng)影響較大。

表6中人才集聚的方差分析結(jié)果顯示，從第1期開始，影響人才集聚水平變動(dòng)的因素主要為經(jīng)濟(jì)增長(zhǎng)及自身變動(dòng)，相比而言人才集聚對(duì)經(jīng)濟(jì)增長(zhǎng)的變動(dòng)更為敏感，達(dá)到了53.7%，對(duì)自身變動(dòng)影響為46.3%。在接下來的10年，經(jīng)濟(jì)增長(zhǎng)對(duì)人才集聚的影響逐漸增加，到第10年達(dá)到了64.4%，科技創(chuàng)新水平的變動(dòng)對(duì)人才集聚水平的變動(dòng)也產(chǎn)生了越來越大的影響，在第10期達(dá)到了35.3%。而人才集聚對(duì)自身的影響卻逐漸減小，到第10期僅為0.4%。

表7為科技創(chuàng)新的方差分解表，可以看出經(jīng)濟(jì)增長(zhǎng)及科技創(chuàng)新本身對(duì)科技創(chuàng)新的變動(dòng)影響較大，分別為35%左右和60%左右，并且持續(xù)時(shí)間較長(zhǎng)，10年內(nèi)也沒有顯著減小。人才集聚對(duì)科技創(chuàng)新的變動(dòng)雖然相對(duì)較弱但也在逐年增強(qiáng)，第10期的影響也達(dá)到了4.9%。

五、結(jié)論與建議

通過建立PVAR模型，從理論和實(shí)證兩方面對(duì)人才集聚、科技創(chuàng)新以及經(jīng)濟(jì)增長(zhǎng)之間的交互效應(yīng)及滯后影響進(jìn)行了研究。實(shí)證研究結(jié)果表明，人才集聚及科技創(chuàng)新皆為經(jīng)濟(jì)增長(zhǎng)的重要?jiǎng)恿Γ瞬偶鬯矫吭黾?%，經(jīng)濟(jì)增長(zhǎng)0.012%；科技創(chuàng)新水平每增加1%，經(jīng)濟(jì)增長(zhǎng)0.637%。經(jīng)濟(jì)增長(zhǎng)和科技創(chuàng)新對(duì)人才集聚起正向作用，經(jīng)濟(jì)增長(zhǎng)每增加1%，人才集聚增長(zhǎng)2.096%；科技創(chuàng)新每增加1%，人才集聚增長(zhǎng)3.187%。經(jīng)濟(jì)增長(zhǎng)和人才集聚對(duì)科技創(chuàng)新起正向作用，經(jīng)濟(jì)增長(zhǎng)每增加1%，科技創(chuàng)新增長(zhǎng)1.098%；人才集聚每增加1%，科技創(chuàng)新增長(zhǎng)0.032%。從固定效應(yīng)模型來看，科技創(chuàng)新對(duì)經(jīng)濟(jì)增長(zhǎng)影響較大，人才集聚對(duì)經(jīng)濟(jì)增長(zhǎng)影響較小，同時(shí)經(jīng)濟(jì)增長(zhǎng)對(duì)科技創(chuàng)新的帶動(dòng)作用相對(duì)比其對(duì)人才集聚的帶動(dòng)作用影響較大。從脈沖響應(yīng)函數(shù)及方差分解結(jié)果來看，經(jīng)濟(jì)增長(zhǎng)及科技創(chuàng)新對(duì)人才集聚的正向沖擊較為顯著，科技創(chuàng)新對(duì)經(jīng)濟(jì)增長(zhǎng)產(chǎn)生的正向沖擊大于人才集聚對(duì)經(jīng)濟(jì)增長(zhǎng)產(chǎn)生的正向沖擊，且產(chǎn)生的影響持久穩(wěn)定。因此，政府應(yīng)加大創(chuàng)新投入，增加科研經(jīng)費(fèi)的支出，采取激勵(lì)手段，提高自主創(chuàng)新能力。在實(shí)施人才政策上，要優(yōu)化人才政策和人才標(biāo)準(zhǔn)，引進(jìn)高端人才帶動(dòng)優(yōu)質(zhì)團(tuán)隊(duì)及項(xiàng)目，并提供良好的創(chuàng)業(yè)氛圍，加大科技創(chuàng)新分配占比，將資源進(jìn)行合理布局。同時(shí)，應(yīng)加強(qiáng)經(jīng)濟(jì)增長(zhǎng)(EG)、人才集聚(TAL)及科技創(chuàng)新(TIL)三者之間的良性循環(huán)，讓三者之間保持相互促進(jìn)的關(guān)系。