摘 要：科技创新人才是结构转型和经济社会高质量发展的重要支撑力量。运用灰色系统GM(1,1)模型，对四川、陕西、上海三省市2017-2021年科技创新人才进行需求预测和比较分析。R语言求解结果表明，三地及高技术产业对科技创新人才的需求数量均呈稳步增长态势，但增速存在区域性差异，新的科技创新人才发展区域性非均衡态势将逐渐形成，区域性人才竞争将进一步加剧。加大科技创新人才培育力度，合理规范人才竞争应成为国家层面的人才政策；加快产业转型升级、优化人才生态环境、提高人才与产业匹配度既是优化人才资源配置效率的关键，也是区域性人才管理工作的重点。
关键词：科技创新人才；区域人才需求；人才需求预测
0引言
改革开放40年来，我国经济社会得到了快速发展，但随着劳动力等生产要素低成本优势的逐渐减弱、资源环境约束的不断加大，加快自主创新、提高全要素生产率以支撑经济高质量发展的重要性日渐突出[1]。科技创新人才是创新驱动发展战略实施的核心要素，依靠科技创新人才推动科学技术进步，形成新的经济增长点，从而激发经济增长内生动力，已成为新一轮经济繁荣和社会发展的关键所在。理论上，科技创新人才的作用发挥依赖于其与产业及相关环境的匹配，然而从全球范围来看，产业结构升级始终处于动态变化之中，科技创新人才与产业之间的不匹配现象广泛存在。同样地，国内不同地区也存在科技创新人才与产业之间的不匹配现象。据《中国科技统计年鉴》(2017年)的数据显示，高技术产业R&D人员占比不足全国R&D人员总量的20%，且存在明显的区域差异；西部地区高技术产业R&D人员总量仅为东部地区的12.22%，新产品开发数量和销售收入也显著低于东部地区，且东西部差距正在继续扩大。党的十九大将人才强国、创新驱动发展作为全面建成小康社会的新部署，并提出进一步鼓励人才合理流动，以达到人尽其才的政策目标。如果科技革命和产业变革依赖于创新驱动[2]，那么创新活动必然对科技创新人才产生新的需求，这对国家、地方政府和用人主体的科技创新人才公共政策和管理措施提出了新的挑战，构建开放、公平、有序的科技创新人才市场体系势在必行。在新的科技创新人才市场结构形成过程中，原有的科技创新人才区域性不平衡结构会发生什么样的变化，既需要结合区域性产业政策对不同区域的科技创新人才现状进行分析，也需要根据区域及高技术产业发展对科技创新人才需求进行预测，并以此为基础审视国家既有人才政策，进一步明确国家层面人才工作政策和区域层面人才工作重点。
如表2所示，观察组的总有效率高于对照组，分别为97.82%和78.26%，差异有统计学意义（P<0.05），说明采用氯沙坦、氨氯地平联合治疗高血压伴糖尿病疗效更显著。
1研究综述
创新人才是一个国家和地区重要的生产要素，与一般人力资源有着本质区别。早在1985年，Sternberg[3]就从心理学视角提出创新人才应具有自由、不墨守成规的思想和思维，并符合社会道德标准，开启了人们对创新人才特质的理论探讨。随着科教兴国、创新驱动发展等战略在中国的实施，创新人才的重要性引起了人们的重视。国内学者普遍认为，科技创新人才是人才队伍中具有研发和创新能力的特殊群体，他们具有专门的知识、技能和较高的创造力[4]，能够促进知识、技术的创新和流动，催生新产业，促进科学技术发展和社会进步[5]。基于科技创新人才对经济社会发展的重要作用，现有研究主要集中在其与产业升级、经济增长的关系及需求预测两个方面。
2018年年初，16岁华裔天才少女朱易夺得全美花滑锦标赛新人组女单冠军，超出第2名高达35分，成为令西方瞩目的新星。然而，她却毅然放弃在美国的发展机会，9月底加入中国国家队，成为偶像——“冰上蝴蝶”陈露的弟子，力争冲刺2022年北京冬奥会，为祖国夺金。而在这背后，是“科学大神”父亲的梦想，一直在激励着她！
1.1科技创新人才与产业升级、经济增长
除必备的心理特质和素质能力外，科技创新人才还表现出与产业升级、经济增长相互依存、相互适应的协同进化关系特征。一是科技创新人才与产业升级存在显著互动关系[6]。科技人才通过科技创新创造出新产品，发展形成新的产业部门，进而改变原有产品市场结构，形成新的产业结构[7-8]，有效推动产业转型升级[9]；而产业发展过程中建立起来的创新平台、创新合作机制，又能够有效地吸引科技人才向新产业、新区域流动和集聚[6]，产生集聚效应；二是科技创新人才与经济增长存在双向互动关系[10]。科技创新人才通过创新本身和环境的共同作用对经济增长作出贡献[11]；经济增长又能够为科技人才提供更有利的经济基础和物质条件[12]，进一步促进科技创新人才发展和发明、专利等知识性产品产出。如果人力资本存量的差异直接影响全要素生产率，进而影响长期经济增长率[13,14]，那么当前中国区域发展的不平衡则可以归因为科技创新人才在数量和质量上的差异。东部地区经济的高速增长和高层次科技人才快速集聚，而西部地区经济低速增长，科技人才缺乏与流失[15]。
果蔬外观色泽的变化，侧面反应了果蔬品质的变化。黄化现象是鲜切荸荠品质变化的重要指标之一。由图3知在13 d的贮藏期内，乙醇对鲜切荸荠亮度无显著影响（p＞0.05）。该结果与姜悦等的研究结果一致[13]。
1.2科技创新人才需求预测
近年来，有关科技创新人才需求预测的文献主要集中在总量预测和具体的产业人才预测两个方面[16]。一是人才总量预测。王建玲[17]、张延飞[18]、李春浩[19]等运用灰色系统模型、马尔科夫模型、回归模型对中国或区域科技人才的需求数量与总体趋势进行预测，并提出加大高层次科技创新人才引进和培养支持力度，改善科技人才的生活环境、流动环境、培养环境以及科研环境；二是产业人才预测。阳立高(2013)、李彦华(2018)等运用灰色系统模型、GBP-Bagging模型，对区域战略性新兴产业人力资源需求进行预测分析，其建议是注重人才质量的提高，并加强与周边地区的人才交流。
本文样本数据来源于《中国科技统计年鉴》、《中国高技术产业统计年鉴》2011-2016年四川、陕西、上海三省市的R&D人员数据，并以此为基础对四川、陕西、上海三省市2017-2021年科技创新人才的需求状况及发展趋势进行预测和研判，主要基于以下3个方面的原因：
科技创新人才与产业升级、经济增长的互动关系研究深化了人们对科技创新人才与经济社会发展关系的认识，研究成果对本文区域性科技创新人才需求预测有一定的启示作用。但是，从有关人才预测的研究不难看出，一是宏观层面的科技创新人才总量预测和趋势分析研究主要集中在中、东部省份，对西部地区的关注较少，缺少整体性和比较性；二是有关产业人才预测的文献，仅作了人才数量预测，缺乏对特定产业环境下科技创新人才的分类研究，弱化了研究结论对制定人才规划和产业技术创新的指导作用。基于此，本文对区域以及高技术产业科技创新人才的需求数量与发展趋势进行预测，选择四川、陕西、上海分别为东、西部地区典型代表，并进行比较分析，以形成科技创新人才区域性结构动态变化趋势的总体认识，对规范国家层面的人才竞争行为，提高区域科技创新人才配置效率，发挥人才和产业协同效应，实现创新驱动发展和人才强国战略具有重要的理论价值和现实意义。
2研究设计
2.1研究方法
人才需求预测常用的定量研究方法包括神经网络模型、马尔科夫模型、线性回归模型及灰色系统模型等。不同预测方法隐含着不同目的，且具有各自的优缺点。神经网络模型因其高度的非线性拟合能力而得到广泛应用，但对参数设置要求高，且难以从整体上获得最优解。马尔科夫模型虽然能实现人才需求预测，但难以充分反映人才需求变化的历史发展状态。线性回归模型虽能直观反映自变量与因变量的关系，但人才需求的影响因素多呈非线性关系，严重影响预测精度。因此，寻求科学而合理的预测方法对人才需求预测具有重要作用。
(3)科技创新人才增长趋势比较。根据四川、陕西、上海三省市高技术产业R&D人员需求预测结果，未来5年，虽然三地对科技创新人才的需求数量均呈增长态势，但增长速度和发展趋势却明显不同。
曾记否，在党的十八大会议上就明确而清晰地提出，倡导富强、民主、文明、和谐，倡导自由、平等、公正、法治，倡导爱国、敬业、诚信、友善，积极培养社会主义核心价值观。富强、民主、文明、和谐是立足国家层面的价值目标，自由、平等、公正、法治是立足社会层面的价值取向，爱国、敬业、诚信、友善是立足公民个人层面的价值准则，这24个字是社会主义核心价值观的基本内容。从不同层面规范了我们国家、社会和公民的核心价值追求，支撑着我们在实现中华民族伟大复兴道路上的行为指向和行为准则。从更深层次影响着全体国民在实现“中国梦”的伟大实践中思想方法和行为方式。
GM(1,1)模型的基本思路是：
运用四川、陕西、上海三省市高技术产业R&D人员总量构建GM(1,1)模型拟合结果并进行精度检验，三地的拟合关联度、C值以及小误差频率P值均达到相应精度要求，模型通过校验。需要说明的是，四川高技术产业2013年R&D人员在2012年的基础上出现了快速增长现象，增长比例达45%，其可能的解释是2012年10月，国家颁布《关于深化科技体制改革加快国家创新体系建设的意见》，并指出要强化企业技术创新的核心地位，进而促进技术、人才等创新要素向企业流动，使得R&D人员出现了大幅增长。根据模型精度检验结果，四川2013年R&D人员数量的快速增长并未对高技术产业R&D人员的发展趋势预测产生不利影响，因此，可用该模型对R&D人员需求数量进行预测。
x(0)=(x(0)(1),x(0)(2),…,x(0)(k))
一阶累加生成新的数列：
x(1)=(x(1)(1),x(1)(2),…,x(1)(k))
科技创新人才对经济发展具有积极影响和巨大贡献已成为社会共识[15]。以创新驱动发展、人才强国和区域协调发展为背景，从区域层面对科技创新人才的需求总量、分布结构及其与产业发展之间的关系进行需求趋势预测，其结果将更加有利于国家层面的人才政策和区域层面的产业发展规划，更加有利于发挥人才对创新驱动发展的支撑作用。
求解时间响应序列：
油水煮法所适用的原料一般是纤维较短、质地细嫩、异味较小的鲜活原料，且必须加工切配为符合煮制要求的规格形态，如丝条、片、块、丁等。菜肴一般均带有比较多的汤汁，为半汤菜。而且加热时间不能太长，防止原料过度软散失味。
k=0,1,2,…,n
最后，利用x(1)的模拟值还原得出x(0)的模拟值：
2.2样本数据来源
近3年的多重耐药菌检测中，提示有逐年升高趋势，可见多重耐药菌日益增加，提示多重耐药菌的控制和预防工作需要给予足够的重视，并应大力推行。
(1)科技创新人才统计口径选择。2009年以后，《中国统计年鉴》、《中国科技统计年鉴》、《中国高技术产业统计年鉴》等在统计研究与实验发展(R&D)情况时，取消了科技活动人员、科学家和工程师指标，并以R&D人员折合全时当量作为标准量纲。R&D人员是科技活动人员中具有创新性科学研究的人员，使用R&D人员作为科技创新人才的替代变量既符合当前创新驱动发展战略对科技人才的要求，也能够避免因统计标准与统计口径差异带来的测量误差。
(2)数据时间跨度选择。2010年，中央颁布的《国家中长期人才发展规划纲要(2010-2020年)》明确指出，培养创新型科技人才队伍是未来人才优先发展战略布局的首要任务。各省市也相继出台了地方性人才发展规划纲要，制定了与之相对应的人才培养方案，科技创新人才总量增长明显。因此，选择2011年以后的科技创新人才数据，一方面能够避免因政策变化导致的科技创新人才数量激增对模型精度的干扰，另一方面也能满足预测模型对历史数据的要求。
(3)样本区域选择。首先，多数比较研究倾向于选择与“第一”进行比较分析，未考虑对比样本间实际差距，研究结果的现实指导意义不强。其次，既有关于东、中、西部的区域对比研究，其结果虽对国家有一定的宏观指导意义，但对各省、市中观层面实施主体的参考价值不大。基于此，本文通过对2011-2016年我国内地31个省、市、自治区高技术产业R&D人员折合全时当量进行排序，排除了前4位占有绝对总量优势的广东、江苏、浙江、山东4省，并立足于区域之间高技术产业发展不平衡的社会事实，选择四川、陕西和上海三省市作为研究样本，其主要原因是根据《中国科技统计年鉴》，2016年四川省R&D人员总量及排名在西部地区领先，但与上海(183 900人年)等科技创新人才集聚先进地区相比还存在比较明显的总量差距。四川高技术产业R&D人员数量虽排名靠前，但低于紧邻省份陕西(21 725人年)，且仅为排名第一的江苏省的18.48%，因而更能充分反映西部与东部的差距。
3四川、陕西、上海三省市科技创新人才需求预测
3.1科技创新人才需求预测
(1)数据拟合与模型检验。根据《中国科技统计年鉴》、《中国高技术产业统计年鉴》公布的数据，运用四川、陕西、上海三省市高技术产业2011-2016年R&D人员数据，建立GM(1,1)模型。通过R3.5.0求解得到三地2011-2016年高技术产业R&D人员拟合值，并根据拟合数据进行模型精度检验，结果如表1所示。
表1 四川、陕西、上海2011-2016年高技术产业R&D人员需求拟合结果
年份四川实际值拟合值关联系数陕西实际值拟合值关联系数上海实际值拟合值关联系数20116 5086 5081.00 13 628 13 628 1.00 19 05119 0511.00 201213 63815 7340.40 17 367 19 445 0.43 22 60623 6510.50 201319 81416 9730.33 21 120 20 149 0.62 26 86524 7490.33 201418 50918 3100.88 24 057 20 878 0.33 24 64925 8980.46 201518 75919 7530.59 20 250 21 634 0.53 27 37127 0990.80 201621 36821 3090.96 21 725 22 417 0.70 28 28328 3570.93 四川:相对精度92.7295%;拟合关联度 0.693 8>0.6;C值 0.237 0<0.35;小误差频率P=1 陕西:相对精度92.0405%;拟合关联度0.670 9>0.6;C值 0.333 3<0.35;小误差频率P=1 上海:相对精度96.2361%;拟合关联度0.6031>0.6;C值0.2603<0.35;小误差频率P=1
利用原始数列：
(2)科技创新人才需求数量预测。根据GM(1,1)模型计算结果，四川、陕西、上海三省市发展系数分别为ɑ=-0.075 8、ɑ=-0.035 6、ɑ=-0.045 4，均小于0.3，适用于中长期预测。运用三地2011-2016年历史数据对2017-2021年高技术产业R&D人员需求数量进行预测，结果如表2所示。
表2 2017-2021年高技术产业R&D人员需求数量预测结果(单位：人年)
年份四川陕西上海201722 98723 22829 673201824 79824 07031 050201926 75224 94132 492202028 85925 84433 999202131 13326 78035 577
随着产业结构的调整、转型和升级，2017-2021年三地高技术产业R&D人员需求量占各区域R&D人员总量的比例均有所增长。其中，四川高技术产业R&D人员占比从2011年的7.89%提高至2021年的19.06%，年均增幅达到11.31%；陕西高技术产业R&D人员占比从2011年的18.54%提高至2021年的24.41%，年均增幅为2.99%；上海高技术产业R&D人员占比从2011年的12.83%提高至2021年的15.99%，年均增幅为2.44%，陕西高技术产业R&D人员占比居三地之首。
3.2科技创新人才需求趋势比较分析
通过白微分方程：
(1)科技创新人才需求总量比较。运用GM(1,1)模型对四川、陕西、上海三地R&D人员总量进行数据拟合和预测，得出2017-2021年三省市R&D人员需求总量，如表3所示。
从以上简析中我们可以得出，每个译者在翻译的过程是带有主观性的，他们会基于自己感知世界来认识意象，并通过自己的创造，呈现给读者一个被翻译过来的世界。如果翻译标准过度强调理性而压制主观性，这本身就不符合翻译规律。所以，翻译是一个认知行为的过程，是带有译者主观性和创造性的行为。当然，我认为这里所强调的“主观性”不是完全毫无理性的主观，这里的“主观”是相对于传统翻译观里“工具式的理性”，反对“译者的隐形”完全忽视译者个人倾向的主观，是在中国古诗词翻译中应该倡导的翻译方式。
根据对四川、陕西、上海R&D人员需求总量的预测结果：三地年均增长率分别为5.34%、2.54%、4.06%，四川对R&D人员的需求增长速度居三地之首。以上海为比较标准，2017年四川R&D人员需求总量差距为57 066人年，陕西R&D人员需求总量差距为90 460人年。2021年四川、陕西两地与上海R&D人员需求总量差距扩大为59 150人年、112 757人年。同时，陕西与四川的总量差距由2017年的33 394人年增长至2021年的53 607人年。
表3 2017-2021年R&D人员需求总量预测结果(单位：人年)
年份四川陕西上海2017132 61999 225189 6852018139 703101 747197 3962019147 167104 334205 4202020155 029106 986213 7722021163 312109 705222 462
(2)科技创新人才分布结构比较。根据表2、表3预测结果，得出2017-2021年三省市R&D人员需求总量与高技术产业R&D人员需求数量分布情况，如图1所示。
位于阿姆斯特丹的 De Kas餐厅，曾经是一个蔬菜花卉大棚，后被改造成了透明度玻璃房，视野宽广，气氛浪漫。现在已经成为非常有名气的米其林餐厅。还有许多餐厅会采用半透明的玻璃厨房，用来增加顾客对食材的信任，加强餐厅与顾客的交流。
在日前举办的“守护土壤安全，拒绝肥料染色”大型公益活动接力仪式暨2018中国土壤安全与生态用肥论坛上，生态肥与肥料分级标准等内容成为了与会者热议的话题之一。对于生态肥和肥料分级标准，田树刚表示，生态肥料符合产业的发展方向，完善农业投入品的管理，制定肥料的分级等标准是应有之义，实现了农业产业链各环节标准的合理对接。
图1 2017-2021年高技术产业科技创新人才分布结构
从表2可以看出，2017-2021年，四川、陕西、上海三省市高技术产业R&D人员需求均呈现不同程度增长。其中，2017-2019年四川高技术产业R&D人员需求增长幅度较小，2019-2021年却增长较快，年均增长量超过2 000人年，年均增长率为7.88%，2021年R&D人员需求数量达到31 133人年；陕西高技术产业R&D人员需求增长量较小，年均增长量在900人年以下，年均增长率为3.62%，2021年R&D人员需求数量达到26 780人年；上海高技术产业R&D人员年均需求增长量1 476人年，年均增长率为4.64%，2021年R&D人员需求数量达到35 577人年。
作为西方生态学领域的“马克思主义者”，莱斯在其著作中也表达了一定的制度批判思维。例如《满足的限度》就写到，“现代社会将稳定与权威建立在经济生产与需求得到满足的成就之上……出现于现代社会发祥之初的资本主义是这一倾向的始作俑者”㉒。但以真正的马克思主义政治经济学批判尺度来衡量，莱斯的制度批判却是抽象的。
灰色系统GM(1,1)模型表示一阶、单变量的线性动态预测，通过对部分已知信息的生成、开发，实现对其演化规律的正确描述，进而实现对未来变化的定量预测[20]。影响人才需求的因素错综复杂，且相互之间呈非线性关系，具有历时性，在人才需求影响因素关系不确定、历史数据缺失的情况下，人才需求预测本身就是一个典型的灰色系统。因此，本文根据人才需求预测数据的基本特征，采用灰色系统GM(1,1)模型对区域性科技创新人才需求进行预测，可以有效解决人才系统动态性和不确定性对需求预测结果的不利影响[21]，具有方法上的优势。
一是从四川、陕西两地高技术产业R&D人员需求增长趋势看：2011年，四川高技术产业R&D人员总量仅为陕西的47.76%，相差7 120人年；2012、2013年差距明显缩小，2013年仅相差1 306人年；2014年二者差距再次扩大为5 548人年，2014-2016年又开始明显缩小，至2017年，陕西与四川高技术产业对R&D人员的需求总量差距仅为241人年，但从2018年开始，四川赶超陕西，到2021年，四川高技术产业R&D人员需求总量将是陕西省的1.16倍。
二是从四川、上海两地高技术产业R&D人员需求增长趋势看：2017-2021年上海高技术产业对R&D人员的需求总量仍然高于四川高技术产业，但增速却比四川低，二者总量差距也呈逐年缩小趋势。根据历史数据和预测结果，2011年四川与上海高技术产业R&D人员总量相差12 543人年，2017年差距缩小到6 686人年，预计到2021年，需求总量差距将进一步缩小至4 444人年。
图2 2017-2021年高技术产业R&D人员的区域发展趋势比较
三是从陕西、上海两地高技术产业R&D人员需求增长趋势看：陕西与上海的差距有逐年扩大趋势。根据2011-2016年历史数据，2011-2013年两地高技术产业R&D人员总量差距为5 469人年，2014年差距迅速缩小至592人年，2015年总量差距又迅速扩大至7 121人年。两地高技术产业对R&D人员的需求总量差距将从2017年的6 686人年逐步扩大到2021年的8 797人年，上海的需求增速高于陕西。
3.3预测结果讨论
(1)国家全面创新改革试验区的示范效应明显。2015年9月7日，《关于在部分区域系统推进全面创新改革试验的总体方案》公布，深刻影响区域创新和科技创新人才需求走势。四川作为全面创新改革试验区，到2021年初，对R&D人员需求总量将达到163 312人年，高技术产业对R&D人员的需求总量将达到31 133人年，其高技术产业R&D人员需求数量与需求总量基本呈同比增长趋势，增长速度超过陕西和上海。数据表明，在国家全面创新改革试验区的政策支持下，随着省级层面创新驱动发展战略的实施，区域性高技术产业科技创新活动在经历了快速发展后将会进入重大项目突破、关键技术攻坚的质变阶段，产业转型升级将在维持科技创新人才总量规模增长的同时，对科技创新人才的素质能力提出更高要求。
(2)高技术产业的科技创新人才占比直接影响高技术产品产出。从四川与陕西的区域对比情况来看，两省在科技创新方面既有很多相似之处，又具有各自区域发展特色。虽然陕西高技术产业的优势在与四川的比较中逐渐消失，但高技术产业科技创新人才占比仍然高于四川，结果是其经济产出优于四川。根据《中国区域科技创新评价报告》(2018年)，四川与陕西综合科技创新水平指数均属于第二梯队，指数得分低于全国综合科技创新水平69.63%，但陕西的科技促进经济社会发展指数和高新技术产业化指数均比上年上升4位，四川仅比上年上升1位和2位。究其原因是陕西高技术产业R&D人员总量高于四川，且高技术产业R&D人员在全省R&D人员的占比也高于四川，这说明科技创新人才与产业匹配或者科技创新人才合理配置的重要作用。
(3)区域内高技术产业发展阶段与科技创新人才需求的量和质关系密切。从四川与上海的区域对比情况来看，2018年开始，四川高技术产业对R&D人员的需求增速会超过上海，需求总量差距进一步缩小。一个可能的解释是上海人力资本和研发机构的集聚水平、创新投入强度、知识创造规模、技术成果扩散效应等显示出迈向国际科技创新中心的强劲势头，更加注重高层次科技创新人才引进以及人才集聚效应的发挥，相反地，虽然四川作为西部省份的代表，面对上海的创新转型，其在高技术产业和科技创新人才方面具备一定优势，但由于其正处于工业化、城镇化加速期以及市场化、国际化提升期，经济全球化和产业转移进程的加快，对科技创新人才的更大需求更多体现在量上，而前者对科技创新人才的需求增加更多体现在质上。
(4)区域性人才生态环境建设迫在眉睫。在过去很长一段时间内，陕西作为西部地区创新发展的先行省份，在科技创新人才方面优势明显，但随着整个国家发展战略的转型和区域性人才竞争的加剧，陕西的科技创新人才优势正在逐渐消失。这从另一方面充分说明科技创新人才作用的发挥既离不开技术创新，也离不开组织创新、制度创新和人才生态环境的营造，是一项系统性工程。从陕西与上海的区域对比情况来看，2014年陕西高技术产业R&D人员仅与上海相差592人年，此后两地R&D人员的需求总量差距进一步扩大，其可能的解释是：排除区域位置、资源禀赋等方面的不足外，陕西人才竞争的综合实力正在减弱，其应借鉴上海创新发展的先进经验，加强人才生态环境培育和优化，尽快弥补科技创新人才生态环境建设方面的不足。
4启示与建议
创新驱动发展是我国在经济新常态下的总体战略选择之一。虽然四川、陕西、上海仅为我国一部分，但通过构建GM(1,1)模型对三省市科技创新人才需求趋势的预测和比较分析，本文研究发现在国家创新驱动发展战略引领下，与全国其它省市一样，四川、陕西、上海对科技创新人才的需求总量以及高技术产业的需求数量均呈现出增长态势，政策效应明显，但三地在增速和对人才需求的质量上存在差异。本文主要研究结论如下：
(1)加大科技创新人才培育以满足创新驱动战略需要应成为国家层面的人才政策重点。随着国家创新驱动发展战略的实施，各省市根据自身战略发展要求出台相应的产业发展政策，既带动了科技创新人才的需求增长，也加剧了科技创新人才的区域性竞争。从人才成长规律看，科技创新人才的成长是一个长期的人力资本投资过程，其内在特征决定了一定时间内其数量的恒定性。如果说创新驱动发展战略的实施将会导致整个国家对创新人才的需求增加，那么在科技创新人才数量一定的情况下，势必会引发不同地区之间的人才竞争。总体上，健康有序的人才竞争格局有利于提高人力资本效率。考虑到我国不同地区经济发展水平差异和人才生态系统的优劣，以此为背景的人才竞争有可能是无序的，其结果可能会出现人才虹吸现象，欠发达地区的人才大量流入发达地区，进一步加剧经济社会发展不平衡。一方面，除建立正常的人才流动机制外，更为重要的是国家应立足于我国未来经济社会发展需要，从宏观层面加大科技创新人才培育，在对我国科技创新人才进行总体性预测的基础上，出台相应制度和政策，并充分发挥高校、科研院所、企业在科技创新人才培育方面的积极性，实现技术、人才、信息、资金和管理等创新要素的有效整合[22]，增强科技创新人才供给能力。另一方面，加大对科技创新人才的空间支持，以优势互补为原则，通过跨区域人才合作与交流，以资源共享、信息共享、技术共享、成果共享等方式，推动区域性人才资源优化配置。
(2)加快产业转型升级以推动科技创新人才与产业协调发展，应成为区域层面人才工作重点。产业是科技创新人才才能发挥的载体，两者的匹配和协调决定了其经济社会价值。从四川、陕西、上海的科技创新人才需求趋势看，高技术产业科技创新人才分布结构以及产业结构的不同会导致科技创新人才在量和质上的区域性差异。如果中国各地区的产业水平存在梯度，有着横向差异，那么在加快产业转型升级的大趋势下，各地区原有的产业结构、资源禀赋有所不同，其转型升级必然会存在速度上的差异。这种差异决定了不同地区、不同产业发展阶段对科技创新人才的需求存在量的差异和质的区别。产业转型升级与科技创新人才需求之间的内在逻辑关系客观上要求：①各地应在做好产业转型升级规划的前提下，从两者之间的关系出发，在对现有的人才存量、人才素质和人才效能进行综合评价的基础上，做好区域性科技创新人才需求预测和总体规划，以事业发展主导区域性科技创新人才发展规划，做到事业与人才合理匹配，通过合理的人才供给，提高科技创新效率；②应加大对高技术产业发展的扶持力度，尤其是西部地区，应通过发展产业集群、支持科研成果应用转化等举措，引导科技创新人才流入；三是应加大科技创新人才管理体制和机制创新。根据科技创新人才的特征属性，构建相应激励机制，鼓励科技创新人才紧紧围绕区域性战略性新兴产业发展进行创新活动，充分发挥科技创新人才的主动性和积极性，做到人尽其才，以科技创新人才的主体作用发挥，促进产业生态的形成和发展。
(3)充分发挥市场和政府的作用应是优化科技创新人才生态环境的主要方式。科技创新人才作为人力资源中具有创造力的群体，是一个国家和地区经济社会发展中最具活力的生产要素。在各种因素的驱动下，科技创新人才从综合收益低的区域向综合收益高的区域流动[23]，这有利于增加社会福利，是一种帕累托改进，但不是帕累托最优，其结果可能会加剧要素在不同区域之间的不合理配置，从而导致落后地区或欠发达地区的恶性循环。显然，上述现象的出现是一种市场机制作用的结果，是一种典型的“市场失灵”。为防治科技创新人才要素流动过程中的市场失灵，应充分发挥政府有形之手的作用。对科技创新人才而言，政府有形之手的作用应体现在人才生态环境的培育上。除努力提高区域经济社会发展水平外，政府应加强制度建设，形成科技创新引领、各类人才共生共存和相互促进的生态系统。一方面，应着力形成具有区域特色的政策环境。各地应立足于自身经济发展和优势产业，重点围绕产业链和创新链，破除在人才引进、培养、激励、评价与保障等方面的体制障碍，避免区域性人才政策的同质性[24]，提高政策、制度的灵活性与竞争性。另一方面，应着力形成具有区域特色的科技环境。东部地区应围绕高层次科技创新人才的创新需求，放眼全球，打造具有国际竞争力的科技发展环境，激发科技创新人才自主研发的内生动力和科研成果应用、转化的积极性，继续发挥科技创新的引领、带动和示范作用；西部地区则应借助“一带一路”倡议带来的创新资源流入，进一步加大科技创新的投资支持力度，形成有利于人才潜心钻研和创新的科技环境，吸引、留住更多科技创新人才。
5结语
未来2～3年，是落实创新驱动发展战略和全面建成小康社会的关键之年，也是科技创新、产业转型升级发展的关键时期。以创新引领和高质量发展为目标已成为社会共识，创新驱动和高质量发展势必引发区域性人才竞争。科技创新人才作为知识和科技的载体，其对经济社会发展的价值和贡献决定了其必将成为区域性竞争的新要素，是提高全要素生产率的关键。科技创新人才的重要价值客观上要求，必须做好国家和区域层面的科技创新人才需求预测，并以创新驱动战略对人才的需求为时代背景提出相关人才工作政策。因此，有效实施科技创新人才培育战略，加快产业转型升级，进一步优化科技创新人才生态环境已成为当务之急，通过人才集聚、产业与人才协调发展提高科技创新人才生产率，对创新驱动和区域协调发展意义重大。
本文使用GM(1,1)模型对科技创新人才的需求数量和发展趋势进行预测和区域比较分析，为政府制定具有竞争性的人才政策和人才发展规划提供了依据，并丰富了中观层面的产业人才预测研究。在产业科技创新人才需求总量已知的情况下，如何实现不同层级科技创新人才协调发展，以及如何进一步优化产业内部各个行业的科技创新人才资源配置应是下一步研究工作的重点。一方面可根据产业特征和发展阶段，形成科技创新人才素质能力模型，并结合科技创新人才供给能力评价，纳入人才结构和质量等因素，构建基于动态匹配的人才供需模型以及差异化的科技创新人才发展机制；另一方面，可对产业内部各细分行业的科技创新人才需求作更进一步预测和分析，以形成从宏观到中观再到微观的系统性科技创新人才管理体系。
鉴于以上对合同文本特征和翻译的探讨，我们知道合同翻译并非易事，因此经常容易出现翻译错误。常见的翻译错误包括专业术语翻译错误、理解失误、中文语言欧化、长句逻辑混乱和表达不准确等。出现这些翻译错误与译者的文化背景、专业知识、译者素养不足有密切联系。
参考文献:
[1] 宁吉喆.贯彻新发展理念 推动高质量发展[J].求是,2018(3):29-31.
[2] 陈建武,张向前.我国“十三五”期间科技人才创新驱动保障机制研究[J].科技进步与对策,2015,32(10):138-144.
[3] ROBERT J STERNBERG.Implicit theories of intelligence, creativity, and wisdom [J].Journal of Personality, 1985(3):607-627.
[4] 吴江.尽快形成我国创新型科技人才优先发展的战略布局[J].中国行政管理,2011(3):11-16.
[5] 崔颖.基于层次分析法的河南科技创新人才创新能力评价研究[J].科技进步与对策,2012,29(6):112-116.
[6] 裴玲玲.科技人才集聚与高技术产业发展的互动关系[J].科学学研究,2018,36(5):813-824.
[7] SENGUPTA J.Theory of innovation: a new paradigm of growth[M].Switzerland: Springer International Publishing,2014．
[8] 李政,杨思莹.科技创新、产业升级与经济增长：互动机理与实证检验[J].吉林大学社会科学学报,2017,57(3):41-52+204-205.
[9] 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.
[10] 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,2013,32(8)68-72.
[11] 柳希.适应创新驱动的中国科技人才与经济增长关系研究[J].现代经济信息,2017(23):7.
[12] 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.
[13] LUCASRE.On the mechanics of economic development[J].Journal of Monetary Economics, 1988(22):3-42.
[14] ROMERPM.Increasing returns and long- run growth [J].Journal of Political Economy,1986(94):37-1002.
[15] 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.
[16] 李朋波,张庆红.国内人才需求预测研究的进展与问题分析[J].当代经济管理,2014,36(5):72-80.
[17] 王建玲,刘思峰,邱广华,等.苏州市科技创新人才建设现状及供给预测研究[J].科技进步与对策,2010,27(12):141-144.
[18] 张延飞,颜七笙.马尔科夫方法修正的SVM模型在科技人才资源预测中的应用[J].统计与决策,2011(11):171-173.
[19] 李春浩,张向前.我国创新驱动战略对科技人才发展的需求与趋势[J].科技管理研究,2016,36(15):43-50.
[20] 刘思峰,等.灰色系统理论及其应用(第8版)[M].北京:科学出版社,2017:92-109.
[21] PAUL H K HO.Forecasting construction manpower demand by gray model [J].Journal of Construction Engineering and Management, 2010,136(12):1299-1305.
[22] 徐思思,张红方.科技型人才聚集与高新产业协同度研究——基于武汉市的分析[J].武汉理工大学学报:社会科学版,2018,31(2):113-119.
[23] 杨明海,李倩倩,袁洪娟.高层次科技创新人才集聚效应的现状与提升战略研究——基于山东省的调研数据[J].经济与管理评论,2015,31(4):129-134.
[24] 杨河清,陈怡安.海外高层次人才引进政策实施效果评价——以中央“千人计划”为例[J].科技进步与对策,2013,30(16):107-112.
ResearchonRegionalDemandTrendofScientificandTechnologicalInnovativeTalents ——Prediction and Comparative Analysis based on Sichuan, Shanxi and Shanghai
Yao Juan, Liu Hongyuan, Liu Jianxian
(School of Economics and Management, Southwest Petroleum University, Chengdu 610500, China)
Abstract：Scientific and technological innovative talents are an important supporting force for structural transformation and high-quality economic and social development. By using the grey system GM (1,1) model, this paper predicted and compared the demand of innovative talents in Sichuan, Shaanxi and Shanghai from 2017 to 2021.The results of R show that the demand for scientific and technological innovative talents of the three regions is increasing steadily, but there are regional differences in the growth rate. A new regional imbalance of the development of scientific and technological innovative talents will gradually take shape, and the regional competition for talents will further intensify. Increasing the cultivation of scientific and technological innovative talents and regulating talent competition should become the national talent policy. Accelerating the industrial transformation and upgrading, optimizing the talent ecological environment and improving the matching degree between talent and industry are not only the key to optimize the allocation efficiency of talent resources, but also the focus of regional talent management.
KeyWords:Scientific and Technological Innovative Talents; Regional Talent Demands; Talent Demand Forecast
收稿日期：2019-01-24
基金项目：四川省软科学项目(19RKX0259)
作者简介：姚娟(1987-)，女，四川绵阳人，西南石油大学经济管理学院博士研究生，研究方向为人力资源管理与开发；刘鸿渊(1965-)，男，四川广安人，博士，西南石油大学经济管理学院教授、博士生导师，研究方向为产业经济学、人力资源管理与开发；刘建贤(1977-)，男，湖南衡阳人，西南石油大学经济管理学院博士研究生，研究方向为人才政策与管理。
DOI：10.6049/kjjbydc.2018120087
开放科学(资源服务)标识码(OSID)：
中图分类号：C969：G3
文献标识码：A
文章编号：1001-7348(2019)14-0046-07
(责任编辑：万贤贤)
标签：科技创新论文; 人才论文; 陕西论文; 人员论文; 人年论文; 《科技进步与对策》2019年第14期论文; 四川省软科学项目(19RKX0259)论文; 西南石油大学经济管理学院论文;