夏基洋 ， 張 越

(1.浙江大學(xué) 建筑工程學(xué)院，杭州 310000； 2.浙大城市學(xué)院，杭州 310000)

0 引言

創(chuàng)新引領(lǐng)和驅(qū)動下的新發(fā)展模式是調(diào)整我國城市群產(chǎn)業(yè)結(jié)構(gòu)與增加城市競爭力的重要手段。創(chuàng)新的根本在于人才，黨的十九大報告中人才強國戰(zhàn)略指出要在城市與區(qū)域發(fā)展中充分發(fā)揮人才在提高城市創(chuàng)新與競爭能力中的重要作用。高學(xué)歷人才作為提高城市經(jīng)濟發(fā)展活力與創(chuàng)新水平的關(guān)鍵要素[1]受到多方青睞。近年來各地政府、企業(yè)紛紛出臺的人才政策將學(xué)歷作為重要的人才篩選指標。

高學(xué)歷人才通常被定義為具有普通高等學(xué)歷及以上的人口。現(xiàn)有研究多關(guān)注高學(xué)歷人才的空間分布格局與演化特征[2-4]、調(diào)控人才流動的驅(qū)動因素[1,5-6]等，并指出我國高學(xué)歷人才的空間分布格局表現(xiàn)出極大的不均衡性與高流動性[2-4]。然而，少有著眼于這一群體的流動對外部環(huán)境尤其是城市創(chuàng)新力可能產(chǎn)生的反作用力研究。此外，在城市創(chuàng)新研究中，學(xué)者普遍關(guān)注高等院校、科研機構(gòu)以及企業(yè)等創(chuàng)新主體的空間分布和創(chuàng)新差異[7-9]，或以作為城市常住人口的相關(guān)行業(yè)從業(yè)人員為目標[10-12]，上述群體在一定程度上體現(xiàn)著一個城市的顯性創(chuàng)新力。但高學(xué)歷流動人口作為隱性的城市創(chuàng)新力不應(yīng)該被地方政府與學(xué)者所忽視。相反，尊重高學(xué)歷人口的流動規(guī)律與特征，為他們提供更寬松、順暢的流動路徑，探索并利用流動過程可能產(chǎn)生的空間溢出效應(yīng)，如知識溢出與示范效應(yīng)等，有利于城市潛在創(chuàng)新能力的最大激發(fā)。

長三角地區(qū)作為高學(xué)歷流動人口流入規(guī)模最大的區(qū)域[1]以及我國的創(chuàng)新高地，高學(xué)歷流動人口對長三角地區(qū)城市乃至區(qū)域創(chuàng)新能力的影響值得關(guān)注。2018年長三角地區(qū)的流動人口數(shù)量達到2 905.89萬[13]，其中高學(xué)歷流動人口占比高于17%?；诖?，本研究以長三角城市群26個城市為研究對象，探討高學(xué)歷流動人口與城市創(chuàng)新能力的關(guān)系并進行相應(yīng)的空間效應(yīng)分析，揭示目標群體流動過程中可能產(chǎn)生的空間溢出效應(yīng)，為緩解區(qū)域人才發(fā)展趨于同質(zhì)化競爭的危機提供參考，為長三角地區(qū)高學(xué)歷流動人口的空間導(dǎo)控和優(yōu)化配置提供重要的理論支持。

1 研究區(qū)域、變量選取及研究方法

1.1 研究區(qū)域

2018年長三角城市群生產(chǎn)總值17.86萬億元，占全國地區(qū)生產(chǎn)總值的20%，專利申請數(shù)量121.9萬件，占全國專利申請數(shù)量的29%，創(chuàng)新能力表現(xiàn)突出。根據(jù)2016年國務(wù)院批準的《長江三角洲城市群發(fā)展規(guī)劃》，選取其中26個城市作為研究區(qū)域，包括上海，浙江省的杭州、寧波等8個城市，江蘇省的無錫、南京等9個城市以及安徽省的蕪湖、合肥等8個城市。

1.2 變量選取

本研究將城市創(chuàng)新能力作為因變量，將高學(xué)歷流動人口作為核心自變量，在參考相關(guān)研究[12,14]的基礎(chǔ)上設(shè)置創(chuàng)新環(huán)境、創(chuàng)新規(guī)模、創(chuàng)新綜合投入等控制變量。

1.2.1因變量。專利申請行為在一定程度上代表了創(chuàng)新活動的發(fā)生,以城市專利的年申請量(PA)來測度城市的創(chuàng)新能力。

1.2.2核心自變量：高學(xué)歷流動人口(HEM)[2,15]。先通過各城市統(tǒng)計年鑒數(shù)據(jù)計算出年流動人口，再根據(jù)國家衛(wèi)健委和國家地球系統(tǒng)科學(xué)數(shù)據(jù)中心(http://www.geodata.cn/)提供的中國分市流動人口特征數(shù)據(jù)，利用其受教育程度項計算并剝離出目標人口。本研究將高學(xué)歷流動人口凈流出的區(qū)域HEM賦值為0。

1.2.3控制變量。① 高校在校大學(xué)生數(shù)(CS)：高校學(xué)生是高校創(chuàng)新活動的重要參與者與發(fā)起者，在提高城市創(chuàng)新能力中扮演十分活躍的角色。② 研發(fā)經(jīng)費投入強度(RG)：全社會研究與試驗發(fā)展經(jīng)費(R&D)占國內(nèi)生產(chǎn)總值(GDP)的比重被廣泛用于描述某地區(qū)在科技創(chuàng)新方面的投入程度。③ 人均生產(chǎn)總值(AGDP)：其代表的城市經(jīng)濟發(fā)展水平與城市創(chuàng)新的活躍度密切相關(guān)。④ 規(guī)模以上工業(yè)企業(yè)數(shù)(ASI)：規(guī)模以上的工業(yè)企業(yè)是城市創(chuàng)新活動的主要聚集地與發(fā)生地。⑤ 外商投資企業(yè)數(shù)(FIE)：外資企業(yè)具有的先進技術(shù)及設(shè)備能促進城市的相關(guān)創(chuàng)新活動。綜上，將CS作為城市創(chuàng)新環(huán)境因子，RG，AGDP作為城市創(chuàng)新綜合投入因子，ASI，F(xiàn)IE作為城市創(chuàng)新規(guī)模的控制變量。

1.3 數(shù)據(jù)來源

因變量及控制變量數(shù)據(jù)均來源于2015—2019年各城市的統(tǒng)計年鑒、各城市的國民經(jīng)濟和社會發(fā)展統(tǒng)計公報以及《中國城市統(tǒng)計年鑒》等，相關(guān)變量描述性統(tǒng)計見表1。由于城市創(chuàng)新活動的投入與產(chǎn)出在時間上具有滯后性，本研究將高學(xué)歷流動人口與城市創(chuàng)新能力的關(guān)系進行滯后1年處理，避免變量間的內(nèi)生性問題。

表1 變量描述性統(tǒng)計

1.4 研究方法

1.4.1莫蘭指數(shù)及雙變量LISA模型?？臻g上任何地理要素都具有相關(guān)性與異質(zhì)性。先對長三角城市群高學(xué)歷流動人口(HEM)及城市創(chuàng)新能力(PA)分別進行單變量的全局空間莫蘭指數(shù)(Global Moran’sI)檢驗[16]，以判別兩者是否具有空間自相關(guān)性。在單變量檢驗的基礎(chǔ)上，進一步計算雙變量全局空間莫蘭指數(shù)(Bivariate Moran’sI)[16]，以識別高學(xué)歷流動人口與城市創(chuàng)新能力在空間上的相互關(guān)聯(lián)程度和依賴特征。

全局空間自相關(guān)檢驗常忽略了局部空間的異質(zhì)性[17]。為進一步探究某區(qū)域高學(xué)歷流動人口與相鄰區(qū)域的創(chuàng)新能力之間的關(guān)聯(lián)程度和空間差異情況，進行雙變量局部空間自相關(guān)性檢驗[18]。雙變量局部莫蘭指數(shù)檢驗結(jié)果分為高-高、低-低、高-低、低-高4種集聚模式。其中前兩種表示某區(qū)域的高學(xué)歷流動人口(HEM)與周邊鄰接區(qū)域的創(chuàng)新能力(PA)呈正相關(guān)關(guān)系，高-高和低-低分別表示HEM與PA為高值或低值相關(guān)；后兩種說明HEM與PA的值呈負相關(guān)關(guān)系，高-低和低-高分別對應(yīng)HEM和PA的高低或低高相關(guān)。

1.4.2空間面板杜賓模型(SPDM)。SPDM模型是考察地理事物空間關(guān)聯(lián)性的主要模型[18]，可以用來揭示高學(xué)歷流動人口等自變量和因變量城市創(chuàng)新能力的空間依賴效應(yīng)，并在此基礎(chǔ)上分析相關(guān)變量對城市創(chuàng)新能力的相關(guān)空間效應(yīng)。SPDM的基本形式如J.P.Elhorst[19]及J.Lesage等[20]所述。為排除SPDM模型中解釋變量的空間滯后項對反饋效應(yīng)帶來的影響，參考J.Lesage等[20]、王坤等[21]提出的偏微分法，測算模型中空間依賴的直接/間接效應(yīng)(即本地自變量對因變量/鄰近地區(qū)因變量的影響)和總效應(yīng)(直接效應(yīng)與間接效應(yīng)之和)。

2 空間格局與空間相關(guān)性檢驗

2.1 空間格局特征

研究時期內(nèi)，長三角城市群內(nèi)的相關(guān)流動人口總量以及專利申請總量總體呈上升趨勢。對2014—2018年長三角城市群高學(xué)歷流動人口規(guī)模及城市專利申請量所表征的城市創(chuàng)新能力進行空間可視化處理(圖1)。高學(xué)歷流動人口規(guī)模具有顯著的東高西低的分布特征，形成以上海為核心向周邊城市等級擴展的“核心-邊緣”分布格局。此外，長三角城市群創(chuàng)新人口凈流入的城市數(shù)量由2014年的9個上升至11個,新增城市為金華、鎮(zhèn)江，說明這兩個城市對流動人口的吸引增加，符合2016年以來各地政府廣泛出臺相關(guān)人才政策的背景。金華、鎮(zhèn)江分別臨近人口流入值較高的杭州與南京，高學(xué)歷流動人口的聚集呈現(xiàn)出空間相關(guān)性。此外，長三角城市群中人口凈流出城市數(shù)量占據(jù)了總體數(shù)量的58%，這提示如何充分發(fā)揮流動人口乃至高學(xué)歷流動人口的紅利是今后長三角一體化發(fā)展的重要問題。

長三角城市群多個城市的創(chuàng)新能力強度等級隨著時間變化而波動且總體呈現(xiàn)東高西低的分布特征(圖2)。創(chuàng)新能力中值區(qū)域隨時間在空間上發(fā)生變化，而創(chuàng)新能力高值與低值區(qū)域則較為穩(wěn)定。對比高學(xué)歷流動人口規(guī)模分布(圖1)發(fā)現(xiàn)，相對穩(wěn)定性較差的城市創(chuàng)新能力中值區(qū)域所包含的城市(如鎮(zhèn)江、泰州、紹興)多與高學(xué)歷流動人口規(guī)模中值區(qū)域的城市(如南京、無錫、杭州)相鄰，而相對穩(wěn)定性較好的城市創(chuàng)新型能力高值區(qū)(如上海、蘇州)與低值區(qū)的城市(如安慶、滁州)則分別對應(yīng)高學(xué)歷流動人口流入中心(如上海、蘇州)和凈流出地區(qū)(如安慶、滁州)，說明城市的創(chuàng)新能力受到自身或鄰近區(qū)域高學(xué)歷流動人口的影響并在高學(xué)歷流動人口聚集流動的區(qū)域表現(xiàn)明顯。總體來說，長三角城市群內(nèi)不同經(jīng)濟發(fā)展程度的城市創(chuàng)新能力差異明顯，江浙兩省的創(chuàng)新能力整體高于安徽??；高學(xué)歷流動人口對城市創(chuàng)新能力有顯著影響，在高學(xué)歷流動人口活躍區(qū)域，城市的創(chuàng)新能力在研究時期內(nèi)隨時間發(fā)生顯著變化。

圖1 2014—2018年長三角城市群高學(xué)歷流動人口規(guī)模分布

圖2 2014—2018年長三角城市群城市創(chuàng)新能力強弱分布

2.2 全局空間關(guān)聯(lián)

為進一步探索高學(xué)歷流動人口與城市創(chuàng)新能力之間的空間關(guān)聯(lián)特征，對兩者的單變量與雙變量全局莫蘭指數(shù)和顯著性進行檢驗(表2)。研究時期內(nèi)高學(xué)歷流動人口的Moran’sI值(HEM)均大于0(p<0.01)，說明高學(xué)歷流動人口高聚集的城市在空間上趨于鄰近、低聚集的城市亦相鄰。2014—2018年長三角城市群城市創(chuàng)新能力的Moran’sI值(PA)及其顯著性(p值)均呈現(xiàn)先下降后上升的趨勢，且僅在0.1水平上顯著，說明區(qū)域中城市創(chuàng)新能力的空間相關(guān)性發(fā)生波動且顯著性較低。上述變化說明，在研究時期內(nèi)長三角城市群的創(chuàng)新空間格局不穩(wěn)定，具有明顯的復(fù)雜性與空間異質(zhì)性，這與王承云等[11]的研究結(jié)論相符。

雙變量Moran’sI值(HEM&PA)的范圍為0.133～0.170(p<0.05)(表2)，說明高學(xué)歷流動人口與城市創(chuàng)新能力總體的空間關(guān)聯(lián)程度顯著且穩(wěn)定?？傮w來說，在長三角城市群中，高學(xué)歷流動人口與城市創(chuàng)新能力的空間自相關(guān)性均呈現(xiàn)先下降后上升的變化趨勢。究其原因可能是高學(xué)歷流動人口的空間集聚受到相關(guān)政策的影響[22]。2016年人才政策進入初級發(fā)展階段，人才政策門檻較高，各地政府對大多數(shù)具有普通高等及以上學(xué)歷的人才引進和培養(yǎng)不足。2017年后，隨著人才政策的完善[23]，區(qū)域內(nèi)高學(xué)歷流動人口的Moran’sI值(HEM)有所提升。

表2 高學(xué)歷流動人口和城市創(chuàng)新能力的單變量和雙變量Moran’s I統(tǒng)計值

2.3 局部空間關(guān)聯(lián)

高學(xué)歷流動人口與城市創(chuàng)新能力雙變量LISA聚類結(jié)果(圖3)顯示，研究期間內(nèi)，除不顯著區(qū)域外，高學(xué)歷流動人口與城市創(chuàng)新能力主要呈現(xiàn)高-高、低-低型的正相關(guān)集聚模式。隨著時間推移，高-高、高-低型集聚模式的城市增加，低-低、低-高型城市減少，長三角城市群的創(chuàng)新格局變得復(fù)雜。具體來看，2014—2018年低-低型城市全部位于安徽省，說明池州、蕪湖、合肥所在區(qū)域為長三角城市群高學(xué)歷流動人口和城市創(chuàng)新能力冷點區(qū)域，這與安徽省的經(jīng)濟發(fā)展程度普遍弱于江浙兩省且多數(shù)城市人口的凈流出相關(guān)；低-高型城市為江蘇省的南通市與浙江省的嘉興市和湖州市，這與該三市分別在地理空間上鄰接高-高型集聚模式的蘇州和上海、形成高-高型的外圍過渡區(qū)相關(guān)。2017—2018年，南京市表現(xiàn)為高-低型城市，說明南京的高學(xué)歷流動人口規(guī)模增加但周圍城市的創(chuàng)新能力水平較低。對比上海(高-高型)可以發(fā)現(xiàn)，高學(xué)歷流動人口的空間溢出效應(yīng)還與周邊城市創(chuàng)新能力本值大小有關(guān)?？傮w來說，長三角城市群高學(xué)歷流動人口與城市創(chuàng)新能力的局部空間關(guān)聯(lián)有較大的異質(zhì)性且核心城市表現(xiàn)出多種集聚模式。因此，有必要進一步考察高學(xué)歷流動人口對城市創(chuàng)新能力的空間溢出效應(yīng)。

圖3 2014—2018年長三角城市群高學(xué)歷流動人口與城市創(chuàng)新能力雙變量LISA聚類圖

3 空間溢出效應(yīng)分析

3.1 模型識別

對變量進行的相關(guān)性及多重共線性檢驗結(jié)果表明，因變量與自變量的p值均通過顯著性檢驗；方差膨脹系數(shù)VIF檢驗(<10)顯示各自變量通過多重共線性檢驗，可進行下一步分析。OLS回歸分析檢驗結(jié)果為0.546(p<0.01)，表明長三角城市群中高學(xué)歷流動人口對城市創(chuàng)新能力具有顯著正向作用；在Queen空間鄰接權(quán)重矩陣下，拉格朗日乘數(shù)(LM)檢驗結(jié)果說明高學(xué)歷流動人口對城市創(chuàng)新能力有空間作用且應(yīng)采用空間面板滯后模型(SPEM)進行下一步分析[24]。利用SPDM模型進行瓦爾德(Walds)和似然比(LR)檢驗以對模型進行識別篩選。Walds和LR的檢驗結(jié)果顯著拒絕了原假設(shè)(p<0.01)，說明高學(xué)歷流動人口對城市創(chuàng)新能力影響的SPDM不能簡化為SPEM。SPDM模型的Hausman檢驗結(jié)果表明本研究應(yīng)采用固定效應(yīng)(表3)。

表3 空間面板計量模型的檢驗結(jié)果

3.2 模型估計結(jié)果

分別采用時間固定、空間固定、時空雙固定的SPDM模型進行參數(shù)估計(表4)。結(jié)果顯示，時空雙固定模型的對數(shù)似然值LogL(-60.500)和擬合優(yōu)度R2(0.603)均優(yōu)于時間固定模型；空間固定和時空雙固定模型進行聯(lián)合顯著性檢驗的結(jié)果在1%水平上拒絕了選擇空間固定模型的原假設(shè)，說明時空雙固定的SPDM是本研究最優(yōu)的模型。

在時空雙固定模型SPDM模型估計下(表4)，HEM估計系數(shù)(0.063)和加權(quán)空間滯后項Wx的HEM系數(shù)(0.111)均在0.01水平上顯著，說明高學(xué)歷流動人口對城市創(chuàng)新能力有顯著的正向空間作用，在高學(xué)歷流動人口流動聚集的情況下城市創(chuàng)新能力將會持續(xù)增長。此外，高學(xué)歷流動人口在空間的聚集存在明顯的知識溢出效應(yīng)與示范效應(yīng)。

表4 城市創(chuàng)新能力空間杜賓模型估計結(jié)果

3.3 空間效應(yīng)分解

運用SPDM偏微分方法對時空雙固定SPDM模型的估計系數(shù)進行分解(表5)，進一步考察區(qū)域高學(xué)歷流動人口對城市創(chuàng)新能力的影響和邊際效應(yīng)，揭示其他控制變量對本地及其鄰近城市創(chuàng)新能力的影響。從表5看出，長三角城市群高學(xué)歷流動人口(HEM)對城市創(chuàng)新能力的直接效應(yīng)為0.055(p<0.01)，表明本地區(qū)高學(xué)歷流動人口規(guī)模每增加1%，在現(xiàn)有的經(jīng)濟社會發(fā)展條件和創(chuàng)新發(fā)展理念推動下，創(chuàng)新能力將增加0.055%。間接效應(yīng)為0.070(p<0.01)，即本地區(qū)高學(xué)歷流動人口規(guī)模每增加1%，會使鄰近城市的創(chuàng)新能力增加0.070%，說明高學(xué)歷流動人口的聚集存在知識溢出現(xiàn)象。此外，高學(xué)歷流動人口的空間溢出效應(yīng)大于直接效應(yīng)，這可能是因為在現(xiàn)有經(jīng)濟發(fā)展條件和人才政策下創(chuàng)新人才聚集對城市創(chuàng)新能力提升的“邊際效應(yīng)”顯著。

此外，研發(fā)經(jīng)費投入強度(RG)、規(guī)模以上工業(yè)企業(yè)數(shù)量(ASI)、外資投資工業(yè)數(shù)(FIE)、人均生產(chǎn)總值(AGDP)和高校在校學(xué)生數(shù)量(CS)對長三角城市群創(chuàng)新能力的影響不盡相同(表5)。其中，RG對本地區(qū)而不是周邊城市的創(chuàng)新能力提高具有顯著作用，說明加大對本市研發(fā)經(jīng)費的投入強度將有效地提高其創(chuàng)新能力；FIE對本地的創(chuàng)新能力影響為正，對周邊地區(qū)的創(chuàng)新影響為負，但其相關(guān)性并不顯著；AGDP對區(qū)域及周邊地區(qū)的創(chuàng)新能力的正向影響未通過顯著性檢驗，其原因可能為城市GDP增長與城市創(chuàng)新能力的提高相輔相成[25-26]。

表5 各因素對城市創(chuàng)新能力影響的SPDM時空雙固定效應(yīng)分解結(jié)果

綜上，長三角城市群的創(chuàng)新能力主要受高學(xué)歷流動人口聚集水平、研發(fā)經(jīng)費(R&D)投入強度、高校在校學(xué)生數(shù)量等因素的影響。其中，區(qū)域高學(xué)歷流動人口的規(guī)模將會對本地及周邊城市的創(chuàng)新能力帶來顯著的正向作用，各市對研究與試驗發(fā)展經(jīng)費(R&D)投入的增加也會顯著提高本市的創(chuàng)新能力。

4 結(jié)論與討論

4.1 結(jié)論

(1)2014—2018年長三角城市群高學(xué)歷流動人口規(guī)模與城市創(chuàng)新能力具有明顯的東高西低分布特征，形成以上海為核心向周邊城市等級擴展的“核心-邊緣”分布格局；長三角城市群高學(xué)歷流動人口的空間格局隨時間變化表現(xiàn)平穩(wěn)，而城市創(chuàng)新能力空間格局則隨時間發(fā)生波動。長三角城市群高學(xué)歷流動人口規(guī)模與城市創(chuàng)新能力強弱空間分布的中心城市效應(yīng)明顯。

(2)研究期內(nèi)長三角城市群創(chuàng)新格局具有動態(tài)性和復(fù)雜性，表現(xiàn)為高學(xué)歷流動人口具有隨時間波動的顯著空間自相關(guān)性。區(qū)域內(nèi)高學(xué)歷流動人口與城市創(chuàng)新能力呈現(xiàn)出穩(wěn)定依賴空間的空間關(guān)聯(lián)性。此外，長三角城市群內(nèi)本地區(qū)高學(xué)歷流動人口會對鄰近城市創(chuàng)新能力產(chǎn)生明顯影響，但兩者局部空間所表現(xiàn)出的異質(zhì)性提示它們之間的復(fù)雜關(guān)系。

(3)長三角城市群中的高學(xué)歷流動人口會對區(qū)域的創(chuàng)新能力帶來顯著的正向空間效應(yīng)，并且由于創(chuàng)新人才集聚存在的“邊際效應(yīng)”，所產(chǎn)生的間接效應(yīng)大于直接效應(yīng)。其間接效應(yīng)主要表現(xiàn)為在區(qū)域創(chuàng)新協(xié)作或產(chǎn)學(xué)研結(jié)合下，本地區(qū)高學(xué)歷流動人口規(guī)模的增加會加速知識和技術(shù)在區(qū)際間的傳遞和擴散，降低鄰近區(qū)域的創(chuàng)新成本從而促使鄰近區(qū)域創(chuàng)新能力的提升。

4.2 討論

高學(xué)歷流動人口已成為城市乃至區(qū)域創(chuàng)新能力提高的主要因素。在以創(chuàng)新為驅(qū)動的發(fā)展中，如何吸引高學(xué)歷流動人口并發(fā)揮其空間溢出效應(yīng)，是區(qū)域協(xié)調(diào)健康發(fā)展的關(guān)鍵因素。在未來對區(qū)域內(nèi)各類要素的精細化管理中，地方管理者應(yīng)完善對高學(xué)歷流動人口的優(yōu)化配置，尊重高學(xué)歷人才的流動特性，避免區(qū)域內(nèi)對人才吸引的同質(zhì)化競爭，同時構(gòu)建區(qū)域人才流動平臺，鼓勵人才在區(qū)域中自由流動，促進區(qū)域健康協(xié)調(diào)發(fā)展。此外，還應(yīng)綜合考慮研發(fā)經(jīng)費投入強度、外資投資企業(yè)數(shù)量、高校在校學(xué)生數(shù)量等其他因素，才能更好地實現(xiàn)在新發(fā)展理念下提高城市發(fā)展競爭力的目標。

由于代表城市創(chuàng)新能力的控制變量尚無統(tǒng)一選取標準，加之研究數(shù)據(jù)的可獲取性有限，本研究仍存在不足。在后續(xù)研究中，可以通過構(gòu)建更為完善的指標體系、建立多樣的空間權(quán)重矩陣等方法來進一步探究高學(xué)歷流動人口與城市創(chuàng)新能力的關(guān)系。