靳軍寶，曲建升，吳新年，鄭玉榮，白光祖

(1.中國(guó)科學(xué)院西北生態(tài)環(huán)境資源研究院，甘肅蘭州 730000；2.中國(guó)科學(xué)院大學(xué)經(jīng)濟(jì)與管理學(xué)院，北京 100049；)

人才是各國(guó)和各地區(qū)爭(zhēng)奪的寶貴社會(huì)資源。在全球科技競(jìng)爭(zhēng)日趨激烈的背景下，科技人才的各類型遷移流動(dòng)日趨頻繁［1］。目前對(duì)科技人才流動(dòng)研究主要集中在科技人才流動(dòng)特征研究、流動(dòng)原因及影響因素分析、科技人才流動(dòng)績(jī)效評(píng)價(jià)研究及人才流動(dòng)網(wǎng)絡(luò)研究等［2-14］。

人才流動(dòng)網(wǎng)絡(luò)中以國(guó)家/省份/機(jī)構(gòu)等作為節(jié)點(diǎn)，人才流動(dòng)路徑作為邊，則人才流動(dòng)就構(gòu)成了一個(gè)有向復(fù)雜網(wǎng)絡(luò)，通過(guò)人才流動(dòng)，將知識(shí)流、技術(shù)流、信息流等要素在各節(jié)點(diǎn)間傳遞。目前，國(guó)內(nèi)外對(duì)人才流動(dòng)網(wǎng)絡(luò)的相關(guān)研究較多，多數(shù)研究的是以統(tǒng)計(jì)數(shù)據(jù)為數(shù)據(jù)源進(jìn)行分析的。如陳銳［13］等人利用改進(jìn)重力模型，以第六次人口普查數(shù)據(jù)為例，構(gòu)建了省際人口流動(dòng)復(fù)雜網(wǎng)絡(luò)，研究結(jié)果表明，大規(guī)模實(shí)際人口流動(dòng)網(wǎng)絡(luò)呈現(xiàn)小世界特征，但無(wú)標(biāo)度特征不明顯，社團(tuán)間聯(lián)系較為頻繁，幫派特性較為明顯。李毅等人［15］基于復(fù)雜網(wǎng)絡(luò)分析方法對(duì)省際人口流動(dòng)空間格局進(jìn)行了分析，研究結(jié)果與我國(guó)實(shí)際省際人口流動(dòng)格局現(xiàn)實(shí)相符，驗(yàn)證了該方法的可行性和可靠性。馬學(xué)廣等人［16］也對(duì)我國(guó)省際人口流動(dòng)空間聯(lián)系及其網(wǎng)絡(luò)進(jìn)行了研究。葉明確等人［17］利用2005 年和2015 年國(guó)家統(tǒng)計(jì)局發(fā)布的省級(jí)人口流動(dòng)數(shù)據(jù)，分析了我國(guó)省際人口流動(dòng)網(wǎng)絡(luò)演化及其影響因素。侯純光等人［18］以聯(lián)合國(guó)教科文組織（UNESCO）數(shù)據(jù)庫(kù)為全球高等教育學(xué)生跨國(guó)流動(dòng)信息數(shù)據(jù)源，對(duì)2001—2015 年全球人才流動(dòng)復(fù)雜網(wǎng)絡(luò)特征進(jìn)行了分析。盛廣耀［19］對(duì)1995—2015 年我國(guó)省際人流流動(dòng)網(wǎng)絡(luò)演化進(jìn)行了分析，并基于“關(guān)系－關(guān)系”的QAP方法分析了影響人口流動(dòng)網(wǎng)絡(luò)變化的影響因素，結(jié)果發(fā)現(xiàn)省際人口流動(dòng)網(wǎng)絡(luò)從最初的單向流動(dòng)、結(jié)構(gòu)系數(shù)的脆弱性網(wǎng)絡(luò)逐漸演變?yōu)殛P(guān)系復(fù)雜、結(jié)構(gòu)緊密的穩(wěn)健性網(wǎng)絡(luò)。。

也有學(xué)者采用網(wǎng)絡(luò)平臺(tái)數(shù)據(jù)對(duì)人口流動(dòng)網(wǎng)絡(luò)進(jìn)行研究，如潘竟虎等人［20］以“騰訊遷徙”數(shù)據(jù)平臺(tái)采集的2017 年國(guó)慶和中秋假期期間的299 個(gè)城市的人口流動(dòng)數(shù)據(jù)構(gòu)建網(wǎng)絡(luò)進(jìn)行分析。梁林等人［21］以通訊位置大數(shù)據(jù)為數(shù)據(jù)源，對(duì)京津冀城市間人口流動(dòng)網(wǎng)絡(luò)進(jìn)行分析，結(jié)構(gòu)表明，京津冀城市人口流動(dòng)網(wǎng)絡(luò)復(fù)合“小世界”網(wǎng)絡(luò)特征，人口流動(dòng)網(wǎng)絡(luò)具有明顯層次性。也有學(xué)者以履歷分析方法獲取數(shù)據(jù)，對(duì)人才流動(dòng)網(wǎng)絡(luò)進(jìn)行分析，如田瑞強(qiáng)等人［22］通過(guò)履歷分析法，采集到233 位海外華人高層次科技人才履歷信息，利用社會(huì)網(wǎng)絡(luò)分析方法對(duì)其流動(dòng)網(wǎng)絡(luò)進(jìn)行了分析，結(jié)果表明海外華人高層次科技人才流動(dòng)主要集中在美國(guó)、英國(guó)、中國(guó)、新加坡和瑞士等5 個(gè)國(guó)家，通過(guò)凝聚子群分析，共得到3 個(gè)子群。此外，王寅秋等［23］通過(guò)文獻(xiàn)計(jì)量和履歷方法分析，對(duì)篩選出的我國(guó)科技人才流動(dòng)網(wǎng)絡(luò)進(jìn)行分析，并根據(jù)膚質(zhì)網(wǎng)絡(luò)與人才流動(dòng)所呈現(xiàn)的相似性關(guān)系，建立了科技人才流動(dòng)復(fù)雜網(wǎng)絡(luò)定量化模型框架。

本研究以我國(guó)入選科睿唯安“高被引科學(xué)家”為高層次科技人才研究對(duì)象，對(duì)其跨省流動(dòng)中網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行分析，研究結(jié)果對(duì)于我國(guó)進(jìn)一步了解高層次科技人才流動(dòng)網(wǎng)絡(luò)結(jié)構(gòu)特征及其規(guī)律具有一定參考意義。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來(lái)源與研究對(duì)象

本研究以2014—2019 年我國(guó)入選科睿唯安（Clarivate）發(fā)布的“高被引科學(xué)家”為高層次科技人才研究對(duì)象，通過(guò)個(gè)人履歷信息、科學(xué)文獻(xiàn)表征信息、公開(kāi)網(wǎng)絡(luò)信息等渠道構(gòu)建高層次人才遷移數(shù)據(jù)庫(kù)。2014—2019 年中國(guó)（未含港澳臺(tái)地區(qū)，下同）共有817人/1 740人次（有科學(xué)家同時(shí)入選2個(gè)或多個(gè)學(xué)科）入選［24］，198 人在工作階段具有跨省流動(dòng)經(jīng)歷。

1.2 研究方法

1.2.1 整體網(wǎng)絡(luò)特征指標(biāo)

（1）網(wǎng)絡(luò)密度。網(wǎng)絡(luò)密度是測(cè)量網(wǎng)絡(luò)數(shù)據(jù)的指標(biāo)，表示網(wǎng)絡(luò)中節(jié)點(diǎn)聯(lián)系的緊密程度。整體網(wǎng)密度越大，對(duì)個(gè)體的影響越大，反映網(wǎng)絡(luò)節(jié)點(diǎn)之間的關(guān)聯(lián)越緊密，網(wǎng)絡(luò)自身越穩(wěn)健，反之，則表明網(wǎng)絡(luò)結(jié)構(gòu)越松散，網(wǎng)絡(luò)較多是通過(guò)其中一兩個(gè)核心節(jié)點(diǎn)產(chǎn)生關(guān)聯(lián)，網(wǎng)絡(luò)結(jié)構(gòu)“不穩(wěn)健”。

其中D表示網(wǎng)絡(luò)密度，Li表示遷移網(wǎng)絡(luò)中的高被引科學(xué)家流動(dòng)網(wǎng)絡(luò)的實(shí)際關(guān)聯(lián)總數(shù)，n表示流動(dòng)網(wǎng)絡(luò)中的網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)。

（2）平均路徑長(zhǎng)度。平均路徑長(zhǎng)度（L）作為網(wǎng)絡(luò)中的一個(gè)重要特征度量，指網(wǎng)絡(luò)中所有節(jié)點(diǎn)對(duì)之間的平均最短距離，用來(lái)衡量網(wǎng)絡(luò)的可達(dá)性及傳輸性能與效率。

（3）平均聚類系數(shù)。平均聚類系數(shù)可以用來(lái)衡量網(wǎng)絡(luò)節(jié)點(diǎn)（如國(guó)家/地區(qū)）間的緊密程度，平均聚類系數(shù)越大，則表明網(wǎng)絡(luò)節(jié)點(diǎn)（如國(guó)家/地區(qū)）間的聯(lián)系越緊密，網(wǎng)絡(luò)節(jié)點(diǎn)（如國(guó)家/地區(qū)）間的潛在流動(dòng)可能性越大。

1.2.2 網(wǎng)絡(luò)節(jié)點(diǎn)特征指標(biāo)

（1）點(diǎn)度中心度。點(diǎn)度中心度是通過(guò)與該節(jié)點(diǎn)有直接聯(lián)系的節(jié)點(diǎn)數(shù)來(lái)測(cè)度，點(diǎn)度中心度越大的節(jié)點(diǎn)說(shuō)明該階段與網(wǎng)絡(luò)中其他節(jié)點(diǎn)的聯(lián)系更為緊密，在網(wǎng)絡(luò)中居于更為中心的地位，相應(yīng)的該節(jié)點(diǎn)在該網(wǎng)絡(luò)中的影響力越大。在科學(xué)家遷移網(wǎng)絡(luò)中，如果在遷移網(wǎng)絡(luò)中某一節(jié)點(diǎn)與網(wǎng)絡(luò)中其他節(jié)點(diǎn)直接關(guān)聯(lián)越多，則說(shuō)明該節(jié)點(diǎn)對(duì)于科技人才的吸引力越強(qiáng)。

將公式（1）標(biāo)準(zhǔn)化后得到如下公式：

（2）接近中心度。接近中心度指網(wǎng)絡(luò)中一個(gè)節(jié)點(diǎn)與該網(wǎng)絡(luò)其他所有節(jié)點(diǎn)的捷徑距離之和，如果一個(gè)節(jié)點(diǎn)與網(wǎng)絡(luò)中所有其他節(jié)點(diǎn)的“距離”都很短，則說(shuō)明該節(jié)點(diǎn)具有較高的接近中心度，也可以理解為該節(jié)點(diǎn)在多大程度不受其他節(jié)點(diǎn)的控制。接近中心度越大，則該節(jié)點(diǎn)越處于網(wǎng)絡(luò)中的邊緣地位，反之，則位于網(wǎng)絡(luò)中的核心地位。

將公式（1）標(biāo)準(zhǔn)化后得到如下公式：

（3）中介中心度。中介中心度指一個(gè)節(jié)點(diǎn)擔(dān)任其它兩個(gè)節(jié)點(diǎn)之間最短路徑的次數(shù)，一個(gè)節(jié)點(diǎn)充當(dāng)“中介”的次數(shù)越高，它的中介中心度就越大。具體表示科學(xué)家遷移網(wǎng)絡(luò)中國(guó)家/省域/機(jī)構(gòu)在網(wǎng)絡(luò)中的控制其他國(guó)家/省域/機(jī)構(gòu)的能力，即分析某一或某幾個(gè)國(guó)家/省域/機(jī)構(gòu)在網(wǎng)絡(luò)是否扮演“中間聯(lián)絡(luò)人”的角色。

如果一個(gè)節(jié)點(diǎn)處于許多其他兩點(diǎn)之間的路徑上，可以認(rèn)為該節(jié)點(diǎn)居于重要地位，因?yàn)樗莾蓚€(gè)節(jié)點(diǎn)之間交往的“中介”。如果一個(gè)節(jié)點(diǎn)在網(wǎng)絡(luò)中占據(jù)這樣的位置越多，則代表該節(jié)點(diǎn)對(duì)整個(gè)網(wǎng)絡(luò)的“控制”能力越強(qiáng)。

將公式（1）標(biāo)準(zhǔn)化后得到如下公式：

（4）入度與出度。在復(fù)雜有向網(wǎng)絡(luò)中，科技人才遷移有向網(wǎng)絡(luò)中分為入度和出度，入度揭示該地區(qū)對(duì)于其他地區(qū)科技人才的吸引程度，出度則反映出該地區(qū)對(duì)于其他地區(qū)的輻射能力。

入度定義為：

出度定義為：

1.2.3 空間聚類特征

（1）凝聚子群。凝聚子群又稱聚類分析、社團(tuán)結(jié)構(gòu)劃分等。凝聚子群可以分析出整個(gè)網(wǎng)絡(luò)中有多少群組，群組間具有什么關(guān)系及群組成員間的特點(diǎn)。相對(duì)而言，各群組內(nèi)部成員間聯(lián)系更為緊密，頻次更高。

通常用模塊的函數(shù)Q衡量社團(tuán)劃分的效果［18］。模塊度Q值越大，則表明社團(tuán)劃分效果越好，Q值越低，則表明社團(tuán)結(jié)構(gòu)特征不明顯。在實(shí)際復(fù)雜網(wǎng)絡(luò)分析中，Q值通常為0.3～0.7。

（2）核心-邊緣結(jié)構(gòu)分析。高層次科技人才流動(dòng)核心-邊緣結(jié)構(gòu)抽象為數(shù)學(xué)模型如圖1 所示，圖1 中行列交叉區(qū)域中的格子為塊，代表類別與其自身的關(guān)系或與其他類別之間的關(guān)系。通過(guò)分析鄰接矩陣中的塊則可以對(duì)其所表示的位置內(nèi)或位置間的網(wǎng)絡(luò)結(jié)構(gòu)關(guān)系進(jìn)行分析。沿對(duì)角線分布的塊表示某個(gè)位置（類別）的內(nèi)部關(guān)系流，遠(yuǎn)離對(duì)角線分布的塊則代表類別之間的關(guān)系流。理想的核心-邊緣結(jié)構(gòu)中核心頂點(diǎn)都是相互連接的（頂點(diǎn)n1 和n2），而邊緣頂點(diǎn)（m1 到m3）則并不直接相連［25］。從圖1 矩陣圖可以看出水平和垂直各有一條黑色分隔帶，社會(huì)關(guān)系流主要出現(xiàn)在核心內(nèi)部和核心與邊緣之間。

圖1 理想化核心-邊緣結(jié)構(gòu)模型

2 結(jié)果分析

2.1 網(wǎng)絡(luò)整體特征

從表1 來(lái)看，2014—2019 年我國(guó)高被引科學(xué)家跨省遷移復(fù)雜網(wǎng)絡(luò)密度為0.126。網(wǎng)絡(luò)平均路徑長(zhǎng)度為2.043，即平均經(jīng)過(guò)網(wǎng)絡(luò)中的任意兩個(gè)省份就能夠建立聯(lián)系。從表2 可以看出，網(wǎng)絡(luò)距離為1（即1 個(gè)省份）的頻次為124，占13.3%，網(wǎng)絡(luò)距離為2 的頻次為334，占35.9%，網(wǎng)絡(luò)距離為3 的頻次為132，占14.2%，網(wǎng)絡(luò)距離為4 的頻次為9，占1.0%。

表1 2014—2019 我國(guó)高被引科學(xué)家跨省流動(dòng)網(wǎng)絡(luò)特征

表2 流動(dòng)網(wǎng)絡(luò)距離頻次與占比

表2（續(xù)）

圖2 為2014—2019 年我國(guó)入選高被引科學(xué)家省際遷移網(wǎng)絡(luò)圖，圖中箭頭方向代表流動(dòng)方向，線條粗細(xì)代表人才流動(dòng)規(guī)模，節(jié)點(diǎn)大小代表中心度大小?？梢钥闯觯覈?guó)高被引科學(xué)家省際遷移主要集中在北京、上海、江蘇、浙江、安徽、四川等省區(qū)，其中流入省區(qū)主要有北京、上海、江蘇、廣東、四川等地區(qū)，流出省區(qū)主要有北京、上海、遼寧、安徽等地區(qū)。

圖2 我國(guó)高被引科學(xué)家省際流動(dòng)復(fù)雜網(wǎng)絡(luò)

2.2 網(wǎng)絡(luò)節(jié)點(diǎn)特征

（1）點(diǎn)度中心度分析。由于高被引科學(xué)家省際遷移網(wǎng)絡(luò)為有向復(fù)雜網(wǎng)絡(luò)，因此每個(gè)節(jié)點(diǎn)有入度和出度兩個(gè)值，入度表示該節(jié)點(diǎn)對(duì)于其他省份科技人才的吸引出度，出度則反映出該節(jié)點(diǎn)對(duì)于其他省份的輻射能力。從表3 可以看出我國(guó)高被引科學(xué)家入度排名前五位的省份為北京、上海、江蘇、廣東和四川，說(shuō)明這些省級(jí)行政區(qū)具有較強(qiáng)的人才吸引力。出度排名前五位的省份為北京、上海、遼寧、安徽和江蘇，說(shuō)明這些省級(jí)行政區(qū)具有較強(qiáng)的人才輻射力。從入度盈余來(lái)看，北京入度盈余僅為0，說(shuō)明北京高被引科學(xué)家人口流動(dòng)高度均衡。入度盈余值排名前五位的省級(jí)行政區(qū)分別為廣東、江蘇、四川、上海和山東，說(shuō)明這些地區(qū)高被引科學(xué)家均為凈流入狀態(tài)，對(duì)人才吸引優(yōu)勢(shì)較為明顯，而吉林、安徽、遼寧、湖南等地入度盈余值最低，說(shuō)明這些城市均為人次凈流出狀態(tài)，對(duì)在人才省際流動(dòng)網(wǎng)絡(luò)中具有輻射控制的作用。西藏、內(nèi)蒙古、寧夏等地區(qū)出度、入度及入度盈余值均為0，是因?yàn)檫@些地區(qū)未有高被引科學(xué)家入選?？偠戎蹬琶拔逦坏氖^(qū)為北京、上海、江蘇、遼寧和廣東，其中北京的總度值超排名第二位的上海近55，對(duì)其他地區(qū)有著絕對(duì)的吸引力和影響力。網(wǎng)絡(luò)地位較低（度值較低）的省區(qū)均為邊疆、少數(shù)民族聚集區(qū)或科教資源不發(fā)達(dá)的省區(qū)。

表3 2014—2019 年我國(guó)入選高被引科學(xué)家入度、出度及入度盈余

表3（續(xù)）

從圖3 可以看出，我國(guó)高被引科學(xué)家省際遷移網(wǎng)絡(luò)基本一致，如表4 所示，通過(guò)SPSS22 相關(guān)性檢驗(yàn)，Pearson 相關(guān)性系數(shù)高達(dá)0.874，入度與出度值相關(guān)性在0.01 上是顯著性。可以看出，節(jié)點(diǎn)出度與入度是顯著相關(guān)的。

圖3 人才流動(dòng)入度與出度

表4 入度與出度相關(guān)性分析

（2）接近中心度分析。從表5 我國(guó)高被引科學(xué)家省際遷移網(wǎng)絡(luò)接近中心度值可以看出，出接近中心度排名前10 位的省際行政區(qū)為北京、上海、江蘇、吉林、安徽、湖北、天津、浙江和湖南，代表這些節(jié)點(diǎn)越容易到達(dá)其他節(jié)點(diǎn)，人才輻射能力也較強(qiáng)。入接近中心度排名前10 位的省際行政區(qū)為北京、江蘇、四川、上海、山東、廣東、天津、遼寧、陜西和安徽，說(shuō)明其他節(jié)點(diǎn)越容易到達(dá)這些節(jié)點(diǎn)，這些節(jié)點(diǎn)的整合力也較強(qiáng)。

表5 2014—2019 年我國(guó)入選高被引科學(xué)家接近中心度

表5（續(xù)）

（3）中介中心度分析。從表6 我國(guó)高被引科學(xué)家省際遷移網(wǎng)絡(luò)中介中心度值可以看出，北京的中介中心度值最大，且占絕對(duì)優(yōu)勢(shì)，代表該節(jié)點(diǎn)對(duì)整個(gè)網(wǎng)絡(luò)的“控制”能力最強(qiáng)。中介中心度排名前十位的省份除北京外，其他依次為江蘇、上海、四川、安徽、天津、湖北、浙江、遼寧和吉林。整個(gè)網(wǎng)絡(luò)的標(biāo)準(zhǔn)化中間中心勢(shì)（Network Centralization Index）為0.284 3，這個(gè)值是比較大的，說(shuō)明整個(gè)網(wǎng)絡(luò)表現(xiàn)出明顯向節(jié)點(diǎn)北京靠近的趨勢(shì)，這也與事實(shí)相符。中介中心度或相對(duì)中介中心度為0，意味著該點(diǎn)不能控制任何行動(dòng)者，處于網(wǎng)絡(luò)的邊緣位置。

表6 2014—2019 年我國(guó)入選高被引科學(xué)家省際遷移網(wǎng)絡(luò)中介中心度

表6（續(xù)）

2.3 空間聚類特征

（1）凝聚子群分析。凝聚子群是研究社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)常用的分析方法，常見(jiàn)的有派系、n-派系、成分、n-宗派、k-叢、k-核、Lambda 集合、社會(huì)圈等分析方法。本研究是建立在互惠性基礎(chǔ)上的凝聚子群派系分析，設(shè)置最小規(guī)模為5，得到9 個(gè)派系。詳見(jiàn)表7，可以看出，9 個(gè)派系成員中，上海出現(xiàn)在9 個(gè)派系中，安徽出現(xiàn)在6 個(gè)派系中，廣東和北京出現(xiàn)在5 個(gè)派系中。說(shuō)明我國(guó)高被引科學(xué)家省際流動(dòng)主要集中在上海、北京、安徽、廣東等省區(qū)。從共享矩陣也可以看出，山西、新疆、甘肅、內(nèi)蒙等省區(qū)不屬于任何派系，是網(wǎng)絡(luò)中的孤點(diǎn)，說(shuō)明科學(xué)家很少在這些地區(qū)間流動(dòng)。吉林、廣東、天津、浙江、山東和四川等省區(qū)處于核心位置，其余省區(qū)處于邊緣位置。

表7 派系分析結(jié)果

3 結(jié)論與討論

本研究通過(guò)構(gòu)建有向復(fù)雜網(wǎng)絡(luò)，對(duì)2014—2019年我國(guó)具有省際流動(dòng)的高被引科學(xué)家流動(dòng)網(wǎng)絡(luò)結(jié)構(gòu)、網(wǎng)絡(luò)節(jié)點(diǎn)特征及核心-邊緣結(jié)構(gòu)進(jìn)行分析，初步結(jié)論如下：

（1）我國(guó)高被引科學(xué)家跨省遷移復(fù)雜網(wǎng)絡(luò)密度為0.126。網(wǎng)絡(luò)平均路徑長(zhǎng)度為2.043，即平均經(jīng)過(guò)網(wǎng)絡(luò)中的任意兩個(gè)省份就能夠建立聯(lián)系。我國(guó)高被引科學(xué)家省際遷移主要集中在北京、上海、江蘇、浙江、安徽、四川等省區(qū)，其中流入省區(qū)主要有北京、上海、江蘇、廣東、四川等地區(qū)，流出省區(qū)主要有北京、上海、遼寧、安徽等地區(qū)。

（2）從網(wǎng)絡(luò)節(jié)點(diǎn)特征來(lái)看，我國(guó)高被引科學(xué)家入度排名前五位的省份為北京、上海、江蘇、廣東和四川，說(shuō)明這些省級(jí)行政區(qū)具有較強(qiáng)的人才吸引力。出度排名前五位的省份為北京、上海、遼寧、安徽和江蘇，說(shuō)明這些省級(jí)行政區(qū)具有較強(qiáng)的人才輻射力。從入度盈余來(lái)看，北京入度盈余僅為0，說(shuō)明北京高被引科學(xué)家人口流動(dòng)高度均衡。入度盈余值排名前五位的省級(jí)行政區(qū)分別為廣東、江蘇、四川、上海和山東，說(shuō)明這些地區(qū)高被引科學(xué)家均為凈流入狀態(tài)，對(duì)人才吸引優(yōu)勢(shì)較為明顯，而吉林、安徽、遼寧、湖南等地入度盈余值最低，說(shuō)明這些城市均為人次凈流出狀態(tài)，對(duì)在人才省際流動(dòng)網(wǎng)絡(luò)中具有輻射控制的作用。

（3）從空間聚類特征來(lái)看，根據(jù)凝聚子群派系分析共得到9 個(gè)派系，9 個(gè)派系成員中，上海出現(xiàn)在9 個(gè)派系中，安徽出現(xiàn)在6 個(gè)派系中，廣東和北京出現(xiàn)在5 個(gè)派系中。說(shuō)明我國(guó)高被引科學(xué)家省際流動(dòng)主要集中在上海、北京、安徽、廣東等省區(qū)。根據(jù)核心-邊緣結(jié)構(gòu)分析，北京、上海和江蘇處于網(wǎng)絡(luò)核心位置。

根據(jù)以上研究結(jié)論發(fā)現(xiàn)，我國(guó)高層次科技人才流動(dòng)中存在“馬太效應(yīng)”，未來(lái)如何對(duì)欠發(fā)達(dá)地區(qū)的人才流出值得引起重視，特別是通過(guò)國(guó)家和相關(guān)地方完善區(qū)域政策，吸引和穩(wěn)定高層次科技人才流入對(duì)于縮小區(qū)域科技發(fā)展水平差距至關(guān)重要。

（2）核心-邊緣結(jié)構(gòu)分析。核心-邊緣結(jié)構(gòu)是由若干元素相互聯(lián)系構(gòu)成的中心緊密連接、外圍稀疏分散的特殊結(jié)構(gòu)。核心-邊緣結(jié)構(gòu)分析根據(jù)網(wǎng)絡(luò)中節(jié)點(diǎn)間聯(lián)系緊密程度，可以分析哪些階段網(wǎng)絡(luò)網(wǎng)絡(luò)核心位置，哪些階段處于網(wǎng)絡(luò)邊緣位置。

本研究使用UCINET 軟件對(duì)我國(guó)高被引科學(xué)家省際遷移復(fù)雜網(wǎng)絡(luò)核心-邊緣結(jié)構(gòu)分析發(fā)現(xiàn)，北京、上海和江蘇處于網(wǎng)絡(luò)核心位置，其他省區(qū)均處于網(wǎng)絡(luò)邊緣位置。由于核心節(jié)點(diǎn)非常集中，邊緣省區(qū)節(jié)點(diǎn)數(shù)量較多，作者對(duì)邊緣省區(qū)節(jié)點(diǎn)抽出，對(duì)其再進(jìn)行核心-邊緣結(jié)構(gòu)分析。結(jié)構(gòu)表明，遼寧、安徽、