［摘 要］结合我国31省（市、自治区）2007—2016年的面板数据，运用Matlab2016a进行研发人才集聚的空间面板杜宾模型估计，分析研发人才集聚在邻接矩阵与经济距离矩阵两种空间关联模式下的溢出效应。结果显示，我国研发人才集聚存在显著的空间负相关性，人才集聚程度呈现由东向西依次递减现象；经济发展水平、研发投入强度、高技术产业发展水平、教育水平及交通便利度均存在正向的空间溢出总效应。因此，我国的人才政策应在促进研发人才省域间的均衡分布方面进行完善。
［关键词］研发人才集聚；空间溢出效应；空间面板杜宾模型
在大数据、人工智能快速发展的背景下，各国家及地区对创新的关注度持续提高，研发人才作为科学技术的载体和先进生产力的承担者，是城市发展的战略性资源，其数量与质量是衡量区域经济是否快速发展的核心指标。传统的人口红利使得人口要素价格水平低，从而为其带来竞争力，为各地区的快速发展提供了人才支持。但近年来传统人口红利逐渐消失，人才争夺现象越来越严重，因此，如何吸引研发人才形成“新的人口红利”，对城市发展非常重要。经济、交通等的发展，为人才流动提供了便利，城市之间的研发人才集聚相互影响，在此背景下，研究我国研发人才集聚的影响因素及其空间溢出效应具有重要的理论及现实意义。本文通过构建区位熵测度研发人才集聚，并在邻接矩阵及经济距离矩阵两种权重矩阵下，研究我国研发人才集聚的空间溢出效应，从而更加明确我国研发人才的分布情况、影响因素及各省市之间研发人才集聚的联动关系，为我国政府、企业等吸引研发人才、促进研发人才的合理流动提供相关政策建议。
一、文献回顾及问题提出
人才集聚是指人才由于受某种因素影响，从各个不同的区域（或组织）流向某一特定区域（或组织）的过程［1］。早期国内学者对人才集聚影响因素的研究较为关注，主要包括：张春海等运用2005—2008 年中国大陆30个省（市、自治区）的面板数据，实证分析了经济发展水平、教育环境、科研经费的投入、收入水平和生活环境对科技人才集聚的重要影响［2］。瞿群臻等以2010年长三角20个典型城市的横截面数据，运用主成分分析法构建评价模型，研究了经济环境、人文教育环境、生活环境、科研环境、生态环境对研发人才集聚的影响［3］。张利以包头市为例，研究了创新人才集聚的影响因素，分别从经济环境、社会环境、科技园区、企业环境、政府政策五方面进行分析，其中经济环境包括GDP、个人收入、科研经费，社会环境包括创新环境、出行环境、人文环境［4］。侯静茹等以江苏省13个城市为例，运用因子分析、聚类分析、差异分析和逐级回归分析等多种方法，研究了经济因素、收入因素、科技因素、教育因素、高技术产业发展对科技人才集聚的影响［5］。随着研究的深入，学者们发现地区之间的人才集聚相互影响，人才集聚存在着空间溢出效应，对人才集聚的溢出效应越来越关注。袁洪娟运用我国2004-2013年的省际面板数据，在邻接、地理距离、经济距离三种空间权重矩阵下，对科技创新人才集聚的空间溢出效应进行了研究，并认为经济发展水平、科研环境、高技术产业发展水平、科教文化水平与交通便利程度对科技创新人才集聚具有重要影响［6］。兰芳等以2008—2014年我国31省（市、自治区）为研究样本，运用空间面板杜宾模型研究了我国金融人才的空间溢出效应，并选择经济发展水平、金融业发展水平、教育水平以及交通便利度为重要影响因素［7］。
该方案的缺点为：由于地铁车站较宽(地下两层标准站宽约22.5 m)，造成门式桥墩跨度较大，梁高需4 m以上才能满足受力要求，这样导致结构受力不合理，对景观影响也大；车站与高架桥总宽度约43 m，占用地下空间资源较大。
分析现有研究文献可见，基于空间视角对人才集聚及其影响因素进行的研究较为匮乏，鲜有学者将地理位置、经济距离等因素对研发人才集聚的影响考虑在内，已有的研究也存在着数据陈旧、分析不够细化等问题。由此，本文在前人研究的基础上，引入空间计量经济学，运用空间面板杜宾模型，进一步细化、深化研究31省（市、自治区）①31省（市、自治区）分别为北京、天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、上海、江苏、浙江、安徽、福建、江西、山东、河南、湖北、湖南、广东、广西、海南、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆。研发人才集聚的空间溢出效应，依次进行研发人才集聚整体情况、空间面板杜宾模型回归及溢出效应的分解分析。
二、变量选取、空间权重矩阵的设定及模型的构建
（一）变量选取
本文利用朱云鹃基于共识理论的核心指标体系思想［8］，结合既有学者的研究成果等，将共识的核心要素挑选出来作为本文的被解释变量、解释变量及控制变量。选取结果如下:
1.1.2 试验地概况 2015-2016年连续2年试验在宁夏农林科学院农作物研究所试验基地(宁夏永宁县王太堡)进行，试验地属引黄灌区中温带干旱气候区，年平均气温8.7℃，夏季各月平均气温在20℃以上，无霜期平均167 d，早霜始于9月25日左右，年降水量为201.4 mm。地势平坦,肥力均匀，灌溉方便。
1.被解释变量
高技术产业发展水平（TECH）。作为研发人才集聚的重发区，高技术产业发展水平的高低严重影响研发人才的集聚。本文以地区高技术产业R&D经费内部支出占地区GDP的比例衡量其发展水平。
2.解释变量
“黄帝尧舜垂衣裳而天下治……剖木为舟，刻木为揖。”1记载所说的年代是否确切现在无从考证，但是从中我们可以得到一个大概的信息——在远古时代，我们的先民已经掌握了一定的木料加工技术。“刳器”制作就是早期木料加工技术的一种。它是最早的漆器胎骨，主要以竹、木为原料，通过挖、斫、镟（车制）等工艺制成。制作过程是先根据所需大小剖开木段，而后根据所需形状掏空木段内部，最后抛光外表。距今7000多年的浙江河姆渡遗址中出土的朱漆木碗是目前所见最早的“刳器”。到了夏商周时期，漆器的胎骨加工已采用镟制（即车制）技术。较之早期的“刳器”，镟制的胎骨更加规整、光滑，厚度也降低了不少。
教育水平（EDU）。教育水平是指一个地区各种教育的普及程度及其质量水平。教育水平的高低对研发人才研发、创新等能力的提升发挥着不可取代的作用。因此，本文选取教育水平作为变量之一，并用地方财政教育支出与地区人口的比值进行表示。
中国特色社会主义自信是对科学社会主义的坚持与创新发展，是文化自信的核心本质。“文化自信”作为理论逻辑与历史逻辑的统一在精神文化与思想观念领域的深层确证，多层面提示了中国特色社会主义文化实践的基本策略与限定性。
经济发展水平（CGDP）。侯静茹等实证得出，在影响人才集聚的各因素中，经济与生活水平的高低对人才集聚的影响最大［10］。故本文将经济发展水平作为解释变量之一，并用地区的人均GDP表示。
研发人才集聚度（RDT）。本文借鉴曹雄飞等的做法，以研发人才的区位熵表示其集聚程度［9］，即区域研发人才的数量与本区域全部工作人员的比值，与全国研发人员的数量与全国全部工作人员的数量相比的比值，以此来衡量研发人才的集聚度。
3.控制变量
研发人才集聚容易受到区域整体环境的影响，例如教育、交通等因素的影响，因此本文选取区域教育水平、交通便利度作为控制变量。
整合层。在该层将数据接口作为基础，对原始数据进行基础处理，主要处理对象为冗余数据、重要数据、失真数据等，在此层主要为保证数据的真是有效。
通过上面的分析,如果IGBT发生了断路故障,则势必会使In的波形发生变化,将其转换到频域中,可以很明显通过频谱分量的大小将其检测出来。根据离散傅里叶变换[5],可知在频域中进行数据的离散化可以得到DFT变换为:
1.空间相关性检验
研发投入强度（INVEST）。研发投入强度表明了政府对研发人才的重视程度，在很大程度上影响到研发人才研发结果的成功与否，较好的研发环境对研发人才具有很大的吸引力。本文以R&D经费投入与地区生产总值的比值表示。
除了依靠技术特点外，在与大股东魏银仓决裂后，其余股东都希望董明珠能带领银隆走出风暴旋涡。事实上，虽然银隆方面不太愿意承认，但如今的银隆已经打上了格力的烙印。
柳红头上蒙着一条红丝巾。苏石从她的头上剥了下来，红丝巾打着一个结，是个死结。他捏着红丝巾的那个结，硬梆梆的。苏石从大棚里爬了出来，瘫坐在地上，点上一支烟，他边抽烟边借着大棚里透出朦胧的灯光，审视着手上的红丝巾，好像不认识似的。
交通便利度（TRC）。交通便利度对人才集聚有很大影响，本文交通便利度用地区与全国客运量比值进行表示。
由于相应的实证数据具有较大的绝对关系，为了保证数据的精准性，本文对上述各变量的原始数据进行了对数预处理。对数函数在定义域内为单调增函数，因此，不会改变数据的相关关系。
（二）空间权重矩阵的确定
空间权重矩阵是一种与被解释变量的空间自回归过程相联系的矩阵。本文根据研究需要确定两种权重矩阵W（W1、W2），W1为邻接矩阵，当两个观测对象在空间地理上相邻时，矩阵中的元素取1，否则取0；W2为经济距离矩阵，以区域间人均GDP差值绝对值的倒数来衡量区域经济距离矩阵，其主对角元素为0，为便于解释，本文对W1、W2均进行了标准化处理。
（三）模型的构建
空间面板杜宾模型将因变量和自变量的空间滞后项同时引入模型中，不仅考虑到本地区各自变量对因变量的影响，也反映了相邻地区的因变量和各自变量分别对本地区因变量产生的影响。考虑到本文研究的是邻近地区的各自变量产生的溢出效应，为便于分析，本文选择空间面板杜宾模型。模型构建结果如下：
式（1）中，i表示省、直辖市及自治区（i=1,2，…，31），i=1表示北京市，i=2表示天津市，以此类推；t表示年份（t=1,2，…，10），t=1表示2007年，t=2表示2008年，以此类推；ρ为空间自相关回归系数，衡量的是关联地区研发人才的集聚对本地区研发人才集聚的影响；β1、β2、β3、β4、β5分别为经济发展水平、研发投入强度、高技术产业发展水平、教育水平、交通便利度的参数向量；θ1、θ2、θ3、θ4、θ5分别表示经济发展水平、研发投入强度、高技术产业发展水平、教育水平、交通便利度空间滞后项的参数向量；iα代表个体效应；tλ代表时间效应；itu代表随机干扰项；W为31*31的空间权重矩阵。
三、我国研发人才集聚的空间溢出效应实证分析
（一）样本及数据选取
考虑到数据的完整性，本文所用到的数据为除去香港、澳门、台湾后的31个省（市、自治区）2007—2016年间的数据，所有数据均来自2008—2017年的《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》《中国人口和就业统计年鉴》和《中国劳动统计年鉴》。
（二）研发人才集聚区位熵情况
首先计算研发人才区位熵，观察各地研发人才集聚程度的差异。在此选取2016年各地研发人才区位熵数值，结果如图1所示。由图1可见，各地研发人才的集聚存在显著差异，其中，数值超过1的地区有天津、江苏、浙江、北京、上海、广东、安徽、山东，数值大于0.5的地区有湖南、福建、湖北、陕西、河北、重庆、四川、辽宁、吉林、河南、内蒙古、黑龙江、宁夏、江西，而数值低于0.5的地区为山西、广西、甘肃、云南、贵州、海南、青海、新疆、西藏，总体而言，东部地区的人才区位熵数值高于中部，中部地区数值略高于西部，说明东部地区的研发人才集聚能力相比中部和西部地区的集聚能力略强，研发人才集聚能力总体呈现由东向西依次递减的趋势。
图1 2016年31省（市、自治区）研发人才区位熵
（三）实证结果
防治措施以药剂防治为主。对于炭疽病、斑点落叶病、锈病等真菌性病害，可用43%戊唑醇5 000倍液，或者其他三唑类药剂，或者用25%吡唑醚菌酯2 500～3 000倍液等甲氧基丙烯酸类药剂进行防治；对于绿盲蝽、桃小食心虫等，可用2.5%高效氯氟氰菊酯1 000～1 500倍液、2%甲维盐12 000倍液等进行防治；对于红蜘蛛、螨类等，可用20%螺螨酯2 500倍液等进行防治。
空间相关性是测试空间某点的观测值是否与其相邻点的值存在相关性的一种分析方法，只有各变量之间存在空间相关性时，将空间矩阵引入研发人才集聚研究才具有意义，此研究才具有可行性。本文利用Matlab2016a获得两种权重矩阵下我国31省（市、自治区）研发人才集聚的全局 Moran's I指数及p值（包括其后的实证分析）（见表1）。在邻接矩阵、经济距离矩阵两种空间权重矩阵下，2007—2016年各年的Moran's I指数均为负，且在1%水平上显著，因此，可得出结论，我国研发人才集聚在区域间不是相互独立的，存在显著的空间负相关。
2.基于空间面板杜宾模型的回归结果分析
表2为31省（市、自治区）研发人才集聚的空面面板杜宾模性的回归结果。由表2可知，各效应下的拟合优度（R2）均大于80%，说明模型的拟合效果很好，能较好反映各变量间的相互关系。各效应中，通过显著性水平检验的空间自回归系数（ρ）均为负，表明我国省际间的研发人才集聚存在显著的空间负相关，本省研发人才的集聚情况不仅受到本省内各解释变量、控制变量的影响，同时也受到关联地区研发人才集聚的负向冲击，即关联地区的研发人才集聚程度越高，则本地区研发人才集聚的程度越低，在邻接矩阵的无固定效应下，空间自回归系数（ρ）效果最显著，其值为-0.168，意味着关联地区的研发人才集聚度每提高1%，本地区的研发人才集聚度将减少0.168%，全国各地区间容易形成研发人才资源争夺的竞争关系。
表1 我国研发人才集聚度Moran's I值
邻接矩阵 经济距离矩阵年份 I值 P值 年份 I值 P值2007 -0.025 0.000 2007 -0.081 0.000 2008 -0.016 0.000 2008 -0.130 0.000 2009 -0.012 0.000 2009 -0.034 0.000 2010 -0.044 0.000 2010 -0.070 0.000 2011 -0.035 0.000 2011 -0.022 0.000 2012 -0.064 0.000 2012 -0.061 0.000 2013 -0.019 0.000 2013 -0.055 0.000 2014 -0.066 0.000 2014 -0.066 0.000 2015 -0.060 0.000 2015 -0.019 0.000 2016 -0.081 0.000 2016 -0.003 0.000
表2 空间面板杜宾模型估计结果
注：括号中的数字为估计系数的t值；***、**、*分别表示1%、5%和10%的显著性水平
变量名称邻接矩阵 经济距离矩阵无固定效应 空间和时间双固定效应无固定效应空间和时间双固定效应intercept -5.370***（-8.859）-2.639**（-1.952）CGDP 0.419***（ 8.420 ）0.507***（2.661）0.837***（ 8.586 ）0.76***（4.185）INVEST 0.508***（13.639）0.635***（6.974）TECH 0.048***（3.626）0.779***（7.628）0.669***（18.505）0.028*（1.761）EDU 0.302***（5.060）0.036**（2.156）0.040***（3.022）0.261*（1.625）0.282***（4.252）0.291**（1.888）TRC 0.011（0.637）0.006（0.149）0.046**（2.410）0.037（1.004 ）W*CGDP -0.054***（-3.034）-0.003（-0.008）-0.673***（-3.853）-1.373***（-3.855）W*INVEST 0.367***（4.277）0.294（1.351）W*TECH -0.006（-0.260）0.031（0.135）0.006（0.080）0.049（1.368）W*EDU -0.270***（-5.332）-0.015（-0.624）0.009（0.451）0.011（0.034）-0.081（-0.904）0.605**（2.072）W*TRC 0.033（1.007）0.015（0.208）0.026（1.069 ）-0.045（-0.560）R2 0.878 0.923 0.874 0.930 Hausman检验 30.001（P=0.612） 7.907（P=0.722 ）0.005（0.053）W*RDT -0.168**（ -2.195）-0.072（-0.927）-0.028（ -0.368）
3.两种空间权重下空间溢出效应的分解结果分析
由上述回归结果可知，空间自相关回归系数ρ不等于零，根据Lesage和Pace的研究，如果模型估计结果中空间系数ρ不为零，那么，模型回归系数β和θ不能直接用来对自变量的空间溢出效应进行解释［11］，故现用偏微分方法，将各自变量、控制变量对研发人才集聚的空间溢出效应分解为直接效应、间接效应以及总效应。所谓直接效应是指本地区相关变量的变动对本地区研发人才集聚的影响，间接效应指关联地区相关变量的变动对本地区研发人才集聚的影响，在不考虑诱发效应时，总效应等于直接效应与间接效应之和。据表2可知，两种权重矩阵下的Hausman 检验均未通过检验，故随机效应优于固定效应，可在无固定效应下进行空间溢出效应的分解（见表3）。
表3 两种空间权重矩阵下的空间溢出效应分解结果
注：括号中的数字为估计系数的t值；***、**、*分别表示1%、5%和10%的显著性水平
效应 变量 邻接矩阵 经济距离矩阵0.843***（8.464）INVEST 0.497***（9.204）CGDP 0.427***（8.605）0.668***（18.941）TECH 0.048***（3.490）直接效应0.041***（3.073）EDU 0.298***（4.954）0.283***（4.385）TRC 0.0439（1.221）0.046**（2.465）-0.685***（-4.129）INVEST 0.252***（4.298）CGDP -0.113***（-3.396）0.013（0.225）TECH -0.0133（-0.596）间接效应-0.007（-0.384）EDU -0.194***（-3.460）-0.069（0.396）TRC 0.051（0.556）0.028（1.158）CGDP 0.315***（6.808）0.158*（1.545）INVEST 0.749***（14.077）0.656***（11.746）TECH 0.035*（1.659）总效应0.034**（2.352）EDU 0.104***（12.969）0.018（0.590）0.213***（5.256）TRC 0.095（0.935）
（1）解释变量的空间溢出效应分析
首先是解释变量对研发人才集聚省域内的溢出效应（即直接效应）。根据表3的分解结果，两种权重矩阵下经济发展水平的直接效应均为正，且通过了1%的显著性水平检验，且经济距离权重下的直接效应最大，为0.843。由此可知，经济发展水平对省域内的研发人才集聚具有显著的正向空间溢出效应，经济发展水平的提高将提高研发人才的集聚水平。在两种权重矩阵下，研发投入强度的直接效应均为正且通过了1%的显著性水平检验。其中在经济距离矩阵下的直接效应最大，为0.668，说明研发投入强度对省域内的研发人才集聚具有显著的正向空间溢出效应，且在经济距离矩阵下的效果更为明显。两种权重矩阵下，高技术产业发展水平的直接效应均为正且通过了1%的显著性水平检验，且在邻接权重矩阵下的溢出效应更大。由此可知，高技术产业发展水平对省域内的研发人才集聚具有显著的正向溢出效应，高技术产业水平的提高将提高研发人才的集聚度。综上可得，经济发展水平、研发投入强度、高技术产业发展水平均对省域内的研发人才集聚存在正向溢出效应，其中，经济发展水平及研发投入强度的影响程度较大，高技术产业的发展水平影响程度较小。
其次是解释变量对研发人才集聚省域间的溢出效应（即间接效应）。由表3可得，两种权重矩阵下，经济发展水平对省域间的研发人才集聚具有负效应且均通过了1%的显著性水平检验，且在经济距离矩阵下的溢出效应更大，说明经济发展水平对省域间的研发人才集聚具有显著的阻碍作用，经济水平的提高将阻碍关联省域研发人才集聚的提高。在两种权重矩阵下，研发投入强度的间接效应均为正，但只有在邻接权重矩阵下才通过了显著性水平检验，说明研发投入强度对省域间的研发人才集聚具有正向溢出效应，研发投入强度的提高将有助于关联省域研发人才集聚水平的提高，且这种溢出效应在邻接矩阵下更为显著。两种权重矩阵下，高技术产业发展水平的间接效应均为负但并未通过显著性检验，说明高技术产业水平对省域间的研发人才集聚具有负的溢出效应，高技术产业水平的提高将不利于关联省域研发人才集聚水平的提高，但这种影响并不显著。综上所述，经济发展水平、高技术产业发展水平对省域间的研发人才集聚均存在负向溢出效应，而研发投入强度则存在正向溢出效应，且这三种因素中，高技术产业发展水平的影响力最小。
最后是解释变量对研发人才集聚的空间溢出总效应。在两种权重矩阵下，经济发展水平对研发人才集聚的溢出总效应为正且通过了显著性水平检验。由此可知，经济发展水平对省域内的正向溢出大于关联省域对本省的负向溢出，致使总效应为正，经济发展水平的提高有利于改善研发人才集聚水平。研发投入强度的总效应在两种权重矩阵下均为正且都通过了1%显著性检验，邻接矩阵下的总效应大于经济距离矩阵下的总效应，在直接、间接两种效应的叠合下，研发投入强度对研发人才集聚呈现促进作用，且邻接矩阵下的促进作用要大于经济距离矩阵下的促进作用。高技术产业水平在两种权重矩阵下均为正，且通过了显著性水平检验。因此，高技术产业水平的直接效应对研发人才集聚的正向溢出要大于省域间间接效应的负向溢出，使得高技术产业发展水平的总体效应为正。综上可得，直接效应的影响力度普遍大于间接效应，经济发展水平、研发投入强度、高技术产业发展水平均呈现正向溢出总效应。
（2） 控制变量的空间溢出效应分析
首先是教育水平。在两种权重矩阵下均具有正向的直接效应且均通过了1%的显著性水平检验，这表明教育水平的提高有利于本省区研发人才集聚的提高。同时，在两种权重矩阵下，教育水平在区域间存在着负向的间接效应，但经济距离矩阵下未通过显著性水平检验。综合直接、间接两种溢出效应，教育水平的总溢出效应为正，即教育水平的提高将促进研发人才集聚。
其次是交通便利度。由表4可知，交通便利度的直接效应为正且在经济距离矩阵下通过了水平性检验。由此可知，交通便利度对区域内存在正向溢出效应，交通便利度的提高将有助于研发人才集聚的提高。除此之外，其间接效应也均为正，但并未通过显著性水平检验，表明关联省域交通便利度的提高将带动本省域人才集聚的提高。在两种效应的正向叠加下，交通便利度也存在着显著的正向溢出总效应。总体而言，交通便利度的提高将带动研发人才的集聚。
四、结论与建议
（一）研究结论
第一，我国研发人才在省域间存在着显著的空间负相关性，且在各省域分布不均衡，总体呈现由东向西依次递减情形。第二，与东部、中部地区相比，西部地区内的人才竞争压力更大、研发人才资源的争夺更加激烈，关联地区的研发人才集聚会显著抑制本地的研发人才集聚水平。第三，经济发展水平、研发投入强度、高技术产业发展水平、教育水平和交通便利度在邻接矩阵、经济距离矩阵两种矩阵中依据直接效应、间接效应而有很大的不同。综合两种溢出效应而呈现的总体溢出效应为：经济发展水平、研发投入强度、高技术产业发展水平、教育水平和交通便利度总效应均为正。
（二）建议
第一，促进研发人才在各省域的分布均衡。研发人才主要集聚在东部地区，造成了我国东西部经济发展的不平衡，为改善这一状况，各省市应在充分尊重市场配置人才资源的基础上，促进人才合理有序流动，改革人才培养机制，提出吸引研发人才的政策。第二，转变经济发展方式，提高经济发展水平。转变传统的粗放式管理方式，通过精细化管理促进经济持续增长，以创新带动经济，以经济吸引人才。第三，适当提高研发投入强度，提高科研环境，完善科研基础设施，提高对研发人才的重视程度及待遇。第四，提高对高技术产业的重视程度，优化产业结构，通过高技术产业的集聚促进研发人才的集聚。第五，增加教育投入，提高教育发展水平，充足的人才供应可有效保持人才集聚的持续进行。第六，加大交通设施的投入力度，通过完善交通设施促进研发人才的流动与集聚。
［参考文献］
［1］李光红，孙丽丽，李文喜．演化博弈视角下人才集聚关键影响因素及发展路径研究［J］．东岳论丛，2013（3）：141-144．
［2］张春海，孙健．我国科技人才集聚的动因研究—基于省际数据的实证分析［J］．科技与经济，2011（2）：81-84．
［3］瞿群臻，刘珊珊．港口物流业创新型研发人才集聚评价模型—基于长三角20个城市实证研究［J］．中国渔业经济，2013（6）：138-144．
［4］张利．创新人才集聚影响因素浅析［J］．合作经济与科技，2014（18）：41-43．
［5］侯静茹，杨倚奇．人才环境对科技创新人才集聚的作用分析—江苏区域人才环境的实证分析［J］．企业改革与管理，2016（7）：44-46．
［6］袁洪娟．区域科技创新人才集聚的空间溢出效应研究［D］．济南：山东财经大学，2016：1-66．
［7］兰芳，邓黎桥，董亮．金融人才聚集的空间溢出效应研究—基于空间Durbin面板模型的实证分析［J］．现代财经（天津财经大学学报），2017（5）：16-25．
［8］朱云鹃．共识性创新型企业核心评价指标统计分析［J］．经济管理，2009（3）：159-162．
［9］曹雄飞，霍萍，余玲玲．高科技人才集聚与高技术产业集聚互动关系研究［J］．科学学研究，2017（11）：1631-1638．
［10］侯静茹，杨倚奇．人才环境对科技创新人才集聚的作用分析—江苏区域人才环境的实证分析［J］．企业改革与管理，2016（7）：44-46．
［11］Lesage J，Pace R K．Introduction to Spatial Econometrics［M］．Boca Raton，FL: CRC Press，2009．
Research on the talent agglomeration and its spatial spillover effect in China—based on Durbin model of spatial panel
ZHU Yun-juan, WANG Jie, JIANG Wen-jun
（School of Business, Anhui University, Hefei 230039, China）
Abstract： Based on the panel data of 31 provinces (municipalities and autonomous regions) from 2007 to 2016, this paper analyzes the spillover effect of R&D talent agglomeration under two spatial association modes: adjacency matrix and economic distance matrix by using Matlab2016a to estimate the spatial panel Durbin model of talent agglomeration. The results show that there is a significant negative spatial correlation in the agglomeration of R&D talents of China, with the degree of talent agglomeration decreasing successively from east to west, and there is a positive overall spatial spillover effect in economic development level, R&D investment intensity, high-tech industry development, and education and transportation convenience.Therefore, China's talent policy should be improved in promoting the balanced distribution of R & D talents among provinces.
Key words： R&D talent agglomeration; the effects of spatial spillover; space panel Durbin model
［中图分类号］C939
［文献标识码］A
［文章编号］1671-8372（2019）01-0007-06
［收稿日期］2019-02-03
［作者简介］朱云鹃（1962-），女，安徽淮南人，安徽大学商学院教授。
［责任编辑 张桂霞］
标签：人才论文; 效应论文; 矩阵论文; 水平论文; 空间论文; 社会科学总论论文; 人才学论文; 世界各国人才调查及其研究论文; 《青岛科技大学学报(社会科学版)》2019年第1期论文; 安徽大学商学院论文;