谷媛媛，Jhorland Ayala-García

（1.南京信息工程大學(xué)a.商學(xué)院；b.環(huán)境與健康研究院，江蘇 南京 210044；2.Central Bank of Colombia，Cartagena Colombia 130027）

一、引 言

隨著經(jīng)濟(jì)全球化的不斷深入，大量的國(guó)際移民和頻繁的人才跨國(guó)流動(dòng)已經(jīng)成為當(dāng)今世界經(jīng)濟(jì)發(fā)展的重要現(xiàn)象之一。UNDESA統(tǒng)計(jì)數(shù)據(jù)顯示，國(guó)際移民的數(shù)量從20世紀(jì)70年代的8 446萬(wàn)人增加至2019年的2.72億人（1）。與此同時(shí)，在過(guò)去的四十多年，海外留學(xué)生人數(shù)也急劇上升，全球從1975年80萬(wàn)人增長(zhǎng)至2017年的530萬(wàn)人，增長(zhǎng)了5倍多。海外高層次人才流入對(duì)中國(guó)技術(shù)進(jìn)步與創(chuàng)新具有重要的促進(jìn)作用，對(duì)我國(guó)而言，在各類來(lái)華國(guó)際人才中，國(guó)際留學(xué)生是中國(guó)吸引國(guó)際人才的重要群體之一，大規(guī)模國(guó)際人才流入將成為中國(guó)釋放“人才紅利”的重要突破口。本文是基于留學(xué)視角的研究，選擇來(lái)華的國(guó)際留學(xué)生作為研究對(duì)象，因此本研究主要關(guān)注的不是全部國(guó)際人才，而僅僅是國(guó)際留學(xué)生這一類人才。之所以選擇國(guó)際留學(xué)生作為研究對(duì)象，主要基于以下三個(gè)方面考慮：

首先，在各類來(lái)華國(guó)際人才中，國(guó)際留學(xué)生是中國(guó)吸引國(guó)際人才的重要群體。相關(guān)統(tǒng)計(jì)數(shù)據(jù)顯示，1999年，中國(guó)留學(xué)生總數(shù)為4.47萬(wàn)人，2010年增長(zhǎng)至26.51萬(wàn)人，并且為了推動(dòng)來(lái)華留學(xué)事業(yè)持續(xù)健康發(fā)展，教育部于2010年9月出臺(tái)了《留學(xué)中國(guó)計(jì)劃》，到2018年，國(guó)際留學(xué)生較1999年增長(zhǎng)了10多倍，達(dá)到49.22萬(wàn)人。其次，國(guó)際留學(xué)生畢業(yè)后可選擇留在中國(guó)工作。2016年4月首屆來(lái)華留學(xué)人才招聘會(huì)的調(diào)查問(wèn)卷顯示，參加招聘會(huì)的留學(xué)生中，計(jì)劃在中國(guó)進(jìn)行短期實(shí)習(xí)的留學(xué)生比例達(dá)到86.1%，希望留在中國(guó)工作的留學(xué)生比例高達(dá)95%（2）。最后，考慮數(shù)據(jù)的可得性問(wèn)題。由于國(guó)際組織官方數(shù)據(jù)庫(kù)以及中國(guó)相關(guān)數(shù)據(jù)庫(kù)均未提供中國(guó)省級(jí)層面國(guó)際人才流入的相關(guān)統(tǒng)計(jì)數(shù)據(jù)，而關(guān)于國(guó)際留學(xué)生方面的官方統(tǒng)計(jì)數(shù)據(jù)較為翔實(shí)，為本研究提供了良好的數(shù)據(jù)基礎(chǔ)。

本文分別從全要素生產(chǎn)率變化指數(shù)、技術(shù)進(jìn)步變化指數(shù)、技術(shù)效率變化指數(shù)三個(gè)維度，實(shí)證分析國(guó)際留學(xué)生人才流入對(duì)中國(guó)全要素生產(chǎn)率的促進(jìn)作用。本文可能的邊際貢獻(xiàn)是：第一，與國(guó)內(nèi)大多數(shù)關(guān)于全要素生產(chǎn)率的研究不同，本文重點(diǎn)分析國(guó)際留學(xué)生人才對(duì)中國(guó)全要素生產(chǎn)率的影響，具有一定的創(chuàng)新性；第二，本研究在處理可能存在的內(nèi)生性問(wèn)題時(shí)，同時(shí)使用留學(xué)生規(guī)模的滯后項(xiàng)和各省份空氣質(zhì)量狀況（PM2.5）作為國(guó)際人才流入規(guī)模的工具變量，使研究結(jié)論更加穩(wěn)??；第三，本研究在線性模型分析的基礎(chǔ)上，進(jìn)一步使用面板門(mén)限方法研究了國(guó)際留學(xué)生人才對(duì)全要素生產(chǎn)率的非線性影響機(jī)制。

二、文獻(xiàn)綜述與機(jī)制分析

（一）關(guān)于全要素生產(chǎn)率的相關(guān)研究

關(guān)于全要素生產(chǎn)率以及影響其增長(zhǎng)的相關(guān)因素研究，一直以來(lái)都是學(xué)術(shù)界關(guān)注的熱點(diǎn)問(wèn)題。新古典經(jīng)濟(jì)增長(zhǎng)理論認(rèn)為，全要素生產(chǎn)率（Total Factor Productivity）的增長(zhǎng)是經(jīng)濟(jì)持續(xù)增長(zhǎng)的重要源泉。Solow（1957）提出將技術(shù)因素納入經(jīng)濟(jì)增長(zhǎng)的理論模型，開(kāi)創(chuàng)了全要素生產(chǎn)率測(cè)算的先河［1］。Farrell（1957）進(jìn)一步將全要素生產(chǎn)率分解為技術(shù)進(jìn)步變化和技術(shù)效率變化［2］，技術(shù)進(jìn)步主要包括技術(shù)創(chuàng)新和技術(shù)效率兩個(gè)方面（蘇治和徐淑丹，2015）［3］，經(jīng)濟(jì)組織的變化、勞動(dòng)力人力資本存量的提升以及促使生產(chǎn)函數(shù)變化的各項(xiàng)因素均可納入“技術(shù)變化”，而創(chuàng)新則更加偏向于新技術(shù)和新方法的發(fā)明（周興和張鵬，2014）［4］。在封閉條件下，一國(guó)全要素生產(chǎn)率的高低主要取決于本國(guó)的研發(fā)（Research and Development，R&D）存量以及國(guó)內(nèi)企業(yè)的研發(fā)投資規(guī)模；而在開(kāi)放條件下，一國(guó)全要素生產(chǎn)率的高低不僅取決于本國(guó)的研發(fā)存量，同時(shí)還與國(guó)外的研發(fā)知識(shí)溢出有重要關(guān)系。因此，尤其對(duì)于技術(shù)水平相對(duì)較低的發(fā)展中國(guó)家和地區(qū)來(lái)說(shuō)，利用發(fā)達(dá)國(guó)家的技術(shù)溢出是促進(jìn)本國(guó)技術(shù)進(jìn)步的重要途徑之一。已有的關(guān)于影響全要素生產(chǎn)率因素的相關(guān)研究，主要包括國(guó)際投資與貿(mào)易（齊紹洲和徐佳，2018）［5］、基礎(chǔ)設(shè)施建設(shè)（劉生龍和胡鞍鋼，2010）［6］、金融發(fā)展水平（黃大為，2021）［7］以及人力資本水平（潘毛毛和趙玉林，2020；劉家悅等，2020）［8-9］。

（二）關(guān)于技術(shù)溢出效應(yīng)的相關(guān)研究

TFP的增長(zhǎng)來(lái)源于本國(guó)研發(fā)能力和對(duì)海外研發(fā)資本知識(shí)溢出的吸收能力，已有大量文獻(xiàn)對(duì)國(guó)際知識(shí)溢出的潛在渠道進(jìn)行了研究。知識(shí)溢出（Knowledge Spillovers）是知識(shí)外部性的一種表現(xiàn)，是指包括信息、技術(shù)、管理經(jīng)驗(yàn)在內(nèi)的各種知識(shí)通過(guò)交易或非交易的方式流出原先擁有知識(shí)的主體（3）。傳統(tǒng)觀點(diǎn)認(rèn)為，國(guó)際知識(shí)溢出效應(yīng)主要是通過(guò)國(guó)際貿(mào)易、外商直接投資、對(duì)外直接投資等渠道產(chǎn)生的（吳哲等，2015；蔡偉毅和陳曉薇，2018；蔣含明，2019）［10-12］。FDI可以通過(guò)技術(shù)外溢效應(yīng)提高中國(guó)的全要素生產(chǎn)率，同時(shí)通過(guò)技術(shù)尋求型對(duì)外直接投資獲取東道國(guó)的技術(shù)溢出也是促進(jìn)本國(guó)技術(shù)進(jìn)步的重要途徑之一（Kee，2015）［13］。Keller（2002）發(fā)現(xiàn)，進(jìn)口貿(mào)易會(huì)產(chǎn)生技術(shù)溢出效應(yīng)，且產(chǎn)業(yè)內(nèi)貿(mào)易比產(chǎn)業(yè)間貿(mào)易更容易吸收相關(guān)技術(shù)知識(shí)，從而加速國(guó)際知識(shí)溢出［14］。人力資本流動(dòng)是知識(shí)溢出的另一個(gè)重要渠道，勞動(dòng)力在發(fā)達(dá)國(guó)家與發(fā)展中國(guó)家間的流動(dòng)，將通過(guò)知識(shí)技術(shù)的流動(dòng)促進(jìn)發(fā)展中國(guó)家的技術(shù)進(jìn)步和經(jīng)濟(jì)增長(zhǎng)（Gagliardi，2015）［15］。國(guó)際人才流動(dòng)是促進(jìn)科技在全球范圍內(nèi)迅速擴(kuò)散的重要機(jī)制，Le（2008）研究發(fā)現(xiàn)勞動(dòng)力跨國(guó)流動(dòng)能有效地促進(jìn)技術(shù)轉(zhuǎn)移，由于人力資本的流入增強(qiáng)了東道國(guó)吸收國(guó)外技術(shù)的能力［16］，因此對(duì)研發(fā)溢出過(guò)程起著決定作用（王芳，2016）［17］。此外，相關(guān)研究也發(fā)現(xiàn)，海歸回流和國(guó)際人才流入能夠有效促進(jìn)我國(guó)的技術(shù)進(jìn)步和創(chuàng)新效率的提升（牛雄鷹等，2018）［18］。

（三）人力資本流動(dòng)與技術(shù)進(jìn)步

1.人力資本的外部性

人力資本的外部性主要是指技術(shù)和知識(shí)的外溢和擴(kuò)散，現(xiàn)代經(jīng)濟(jì)增長(zhǎng)理論強(qiáng)調(diào)人力資本外部性如何改變特定工人的生產(chǎn)率。一個(gè)突然被許多高技能工人包圍的工人將通過(guò)接觸新的思想和觀念來(lái)提高自己的生產(chǎn)力（Borjas，2014）［19］。然而，這種生產(chǎn)力溢出效應(yīng)總是與經(jīng)濟(jì)學(xué)分析中的核心法則，即傳統(tǒng)的稀缺性法則和收益遞減法則并存。根據(jù)Jones and Romer（2010）［20］的研究，本文假設(shè)生產(chǎn)函數(shù)取決于研究思想存量A、資本存量K、工人的數(shù)量L，并假設(shè)K和L有不變的回報(bào)。因此，生產(chǎn)函數(shù)可以進(jìn)一步寫(xiě)為：

其中，φ表示“外部性的彈性”，即研究思想存量每增長(zhǎng)1%所帶來(lái)的產(chǎn)出增長(zhǎng)的百分比。在已有文獻(xiàn)中，通常假定研究思想存量與工人數(shù)量成正比（或者簡(jiǎn)化為A=L）。因此，高技能移民的邊際產(chǎn)出可表示為：

高技能移民的大量流入同時(shí)增加了研究思想和工人數(shù)量，這里可以從短期和長(zhǎng)期兩個(gè)角度來(lái)闡釋該模型的含義。根據(jù)經(jīng)濟(jì)學(xué)定義，資本存量K在短期內(nèi)是固定的，但長(zhǎng)期來(lái)看是完全可調(diào)整的。如果投入品市場(chǎng)是具有競(jìng)爭(zhēng)性的，那么額外的資源將不斷地進(jìn)入投入品市場(chǎng)，直到這些資源的回報(bào)率r再次等于世界水平，同時(shí)資本存量變化率等于勞動(dòng)力規(guī)模變化率。那么，引起高技能工人邊際產(chǎn)出的變化可表示為：

其中：m=dlogL；s k表示資本在收入中所占的份額。通過(guò)（3）式，可以清楚地看出短期內(nèi)溢出效應(yīng)與收益遞減規(guī)律之間的關(guān)系。如果彈性φ足夠大，那么高技能工人邊際產(chǎn)出的價(jià)值則會(huì)增加。否則，短期內(nèi)對(duì)工人邊際產(chǎn)出的影響將是負(fù)面的。該式還表明，從長(zhǎng)期來(lái)看，當(dāng)資本存量完全適應(yīng)高技能供給的沖擊之后，高技能工人邊際產(chǎn)出必然上升。因此，長(zhǎng)期來(lái)看人口規(guī)模增加能夠帶來(lái)收益，這主要是因?yàn)榕c資源稀缺性的負(fù)面影響相比，可利用的研究思想存量的增加帶來(lái)的正面影響處于主導(dǎo)地位（Jones and Romer，2010）［20］。

2.“干中學(xué)”效應(yīng)

國(guó)際人才的流入一方面可以通過(guò)自身的專業(yè)技術(shù)優(yōu)勢(shì)直接促進(jìn)流入國(guó)的技術(shù)進(jìn)步，另一方面還可以通過(guò)本國(guó)企業(yè)間的技術(shù)擴(kuò)散進(jìn)一步提升當(dāng)?shù)丶夹g(shù)水平。首先，跨國(guó)人才較多企業(yè)通過(guò)自身?yè)碛械娜藛T和技術(shù)優(yōu)勢(shì)，借助研發(fā)合作協(xié)議等形式對(duì)當(dāng)?shù)仄髽I(yè)實(shí)行技術(shù)轉(zhuǎn)移，促進(jìn)行業(yè)整體技術(shù)水平的提高；其次，國(guó)際人才較多企業(yè)具有較強(qiáng)的國(guó)際化視野，其先進(jìn)的技術(shù)知識(shí)和生產(chǎn)管理經(jīng)驗(yàn)可能會(huì)對(duì)本土人才較多企業(yè)產(chǎn)生一定的示范效應(yīng)，本土人才較多企業(yè)通過(guò)對(duì)跨國(guó)人才較多企的模仿與學(xué)習(xí)可以實(shí)現(xiàn)“干中學(xué)”（Learning By Doing）式的技術(shù)進(jìn)步（Zucker and Darby，2009）［21］；最后，兩類企業(yè)間的人才流動(dòng)也可能通過(guò)技術(shù)外溢效應(yīng)，帶動(dòng)本土高技術(shù)人才的培養(yǎng)，本土勞動(dòng)力通過(guò)“干中學(xué)”不斷向國(guó)際人才學(xué)習(xí)，吸收掌握先進(jìn)技術(shù)，員工間的示范效應(yīng)產(chǎn)生“干中學(xué)”式的技術(shù)擴(kuò)散與普及，從而進(jìn)一步提高勞動(dòng)力的總體素質(zhì)。

本研究重點(diǎn)關(guān)注的是國(guó)際人才流入對(duì)技術(shù)進(jìn)步的影響，一方面，國(guó)際人才流入無(wú)疑會(huì)直接增加當(dāng)?shù)氐娜肆Y本存量水平；另一方面，國(guó)際人才在流動(dòng)過(guò)程中也會(huì)進(jìn)一步促進(jìn)知識(shí)溢出和技術(shù)擴(kuò)散。因此，基于上述分析，本文提出如下研究假設(shè)：國(guó)際人才流入可以通過(guò)人力資本的外部性產(chǎn)生知識(shí)溢出效應(yīng)，從而有效地促進(jìn)地區(qū)全要素生產(chǎn)率的提升。

三、計(jì)量模型構(gòu)建與變量選取

（一）計(jì)量模型構(gòu)建

借鑒郭家堂和駱品亮（2016）［22］、Beugelsdijk et al.（2018）等有關(guān)全要素生產(chǎn)率的實(shí)證研究模型［23］，本文構(gòu)建如下回歸方程：

其中：i表示地區(qū)；t表示時(shí)間；Y為被解釋變量，指各省份的全要素生產(chǎn)率（TFP）及其分解指標(biāo)，包括技術(shù)進(jìn)步（Tech）和技術(shù)效率（Eff）；fore_stu表示國(guó)際人才流入規(guī)模；CV表示控制變量；μi表示非觀測(cè)的個(gè)體固定效應(yīng)；τt表示時(shí)間固定效應(yīng)；εit表示隨機(jī)誤差項(xiàng)。

（二）變量選取與數(shù)據(jù)來(lái)源

1.被解釋變量

全要素生產(chǎn)率及其分解指標(biāo)為被解釋變量。本文運(yùn)用Malmquist指數(shù)法計(jì)算全要素生產(chǎn)率，其理論方法已相對(duì)較為普及（許培源，2012；肖挺，2021）［24-25］。該方法將TFP分解為技術(shù)進(jìn)步和技術(shù)效率兩個(gè)部分，可以避免在研究中技術(shù)進(jìn)步與技術(shù)效率的相互掩蓋，結(jié)論更加準(zhǔn)確（郭家堂和駱品亮，2016）［22］。采用該方法測(cè)算全要素生產(chǎn)率時(shí)所用的產(chǎn)出變量和投入變量如下：

（1）產(chǎn)出變量。采用1999—2018年中國(guó)31個(gè)省份的生產(chǎn)總值和生產(chǎn)總值指數(shù)，以此計(jì)算中國(guó)各省份實(shí)際生產(chǎn)總值（以1978年為基期）來(lái)衡量各省份的產(chǎn)出，數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》。

（2）投入變量。包括勞動(dòng)力投入和資本存量。勞動(dòng)力投入以中國(guó)各省份的就業(yè)人口來(lái)衡量；關(guān)于資本存量數(shù)據(jù)，鑒于中國(guó)目前尚無(wú)這方面的直接統(tǒng)計(jì)數(shù)據(jù)，本章借鑒單豪杰（2008）的估算方法［26］，采用永續(xù)盤(pán)存法進(jìn)行估算，即某期物質(zhì)資本的存量由上期的資本存量減去當(dāng)期的折舊再加上當(dāng)期物質(zhì)資本投資得到。估算公式為：

其中：i代表省份；t代表年份；K代表實(shí)際的資本存量；I代表固定資產(chǎn)總額（當(dāng)年價(jià)）；P為固定資產(chǎn)投資價(jià)格指數(shù)；δ為折舊率，參考單豪杰（2008）的做法，取值10.96%。

2.核心解釋變量：國(guó)際人才流入規(guī)模

本研究是基于留學(xué)視角的研究，選擇國(guó)際留學(xué)生作為研究對(duì)象，因此主要關(guān)注的是國(guó)際留學(xué)生這一類人才。因此，核心解釋變量的選擇，參考谷媛媛和邱斌（2019）［27］的研究，使用各省份國(guó)際留學(xué)生數(shù)量作為國(guó)際人才流入規(guī)模的代理變量，包括學(xué)歷留學(xué)生（大專學(xué)生、本科生、碩士生和博士生）和非學(xué)歷留學(xué)生（訪問(wèn)學(xué)生、高級(jí)訪問(wèn)學(xué)生、語(yǔ)言訪問(wèn)生和短期留學(xué)生）。這里使用的中國(guó)留學(xué)生統(tǒng)計(jì)數(shù)據(jù)包括畢業(yè)生、在中國(guó)留學(xué)的新生以及同年繼續(xù)留學(xué)的學(xué)生，該統(tǒng)計(jì)數(shù)據(jù)僅包括中國(guó)大陸的留學(xué)生。

3.控制變量

Mankiw et al.（1995）認(rèn)為，教育在技術(shù)進(jìn)步外生的新古典增長(zhǎng)模型中是一個(gè)附加的生產(chǎn)性因素［28］，能夠有效地促進(jìn)生產(chǎn)率增長(zhǎng)。為了得到無(wú)偏的估計(jì)結(jié)果，參考已有文獻(xiàn)（郭家堂和洛品亮，2016）［22］，本研究進(jìn)一步加入各省份的專利申請(qǐng)水平（Patent）、國(guó)有企業(yè)改革（Noe）、外商直接投資（FDI）、對(duì)外開(kāi)放程度（Open）、基礎(chǔ)設(shè)施狀況（Infra_stru）、人均教育支出（Edu_exp_pc）等控制變量。

本研究使用各省份歷年的專利申請(qǐng)數(shù)量來(lái)衡量其技術(shù)創(chuàng)新水平；使用非國(guó)有企業(yè)的就業(yè)人數(shù)在總就業(yè)人口中所占的比例來(lái)衡量我國(guó)國(guó)有企業(yè)的改革程度；使用各省份外商直接投資額來(lái)衡量其外商投資水平；使用進(jìn)出口貿(mào)易總額來(lái)衡量各地區(qū)的對(duì)外開(kāi)放程度；使用各省份鐵路公里數(shù)與公路公里數(shù)之和與其面積之比衡量地區(qū)的基礎(chǔ)設(shè)施水平；關(guān)于人均教育支出，使用各省份歷年地方政府教育支出經(jīng)費(fèi)額除以各地區(qū)的小學(xué)、初中、高中以及高等院校的在校生人數(shù)總和得到，所有控制變量中使用外幣表示的均折算為人民幣價(jià)格，同時(shí)相應(yīng)的價(jià)格指數(shù)調(diào)整為2018年不變價(jià)格，以剔除價(jià)格因素的影響。

此外，考慮在樣本期間內(nèi)所發(fā)生的重大政策變化或外部沖擊可能會(huì)對(duì)被解釋變量產(chǎn)生一定的影響，2008年一場(chǎng)始發(fā)于美國(guó)的金融危機(jī)對(duì)全球經(jīng)濟(jì)產(chǎn)生了重要影響，因此，本研究在實(shí)證分析部分還加入了衡量經(jīng)濟(jì)環(huán)境突變的虛擬變量Dummy2008，即在2008年之前該變量取值為0，在2008年及2008年之后取值為1。

通過(guò)檢驗(yàn)方差膨脹因子方法得到，所有變量VIF均值為4.12，小于10，從而排除了模型可能存在的多重共線性問(wèn)題；同時(shí)，考慮31個(gè)樣本省份在人文地理、經(jīng)濟(jì)發(fā)展、社會(huì)風(fēng)俗等方面存在一定的差異，為控制住個(gè)體效應(yīng)和時(shí)間效應(yīng)，最終將模型確定為包含個(gè)體效應(yīng)和時(shí)間效應(yīng)的雙向固定效應(yīng)模型。

（三）數(shù)據(jù)來(lái)源與描述性統(tǒng)計(jì)

鑒于來(lái)華留學(xué)生統(tǒng)計(jì)的相關(guān)數(shù)據(jù)始于1999年，且目前最新資料只更新至2018年，故本文選取1999—2018年31個(gè)省份（不包括港澳臺(tái)地區(qū)）共計(jì)562個(gè)觀測(cè)值的面板數(shù)據(jù)作為研究樣本。其中計(jì)算各省份人均人力資本數(shù)據(jù)來(lái)源于2000—2019年《中國(guó)人口和就業(yè)統(tǒng)計(jì)年鑒》，各省份國(guó)際留學(xué)生規(guī)模數(shù)據(jù)來(lái)源于1999—2018年《來(lái)華留學(xué)生簡(jiǎn)明統(tǒng)計(jì)》，其他相關(guān)數(shù)據(jù)來(lái)源于2000—2019年《中國(guó)統(tǒng)計(jì)年鑒》。

從表1可以看出，1999—2018年，31個(gè)省份全要素生產(chǎn)率變化指數(shù)（TFP）、技術(shù)進(jìn)步變化指數(shù)（Tech）和技術(shù)效率變化指數(shù)（Eff）3個(gè)指標(biāo)的對(duì)數(shù)均值分別為0.995 3，1.001 1和0.994 3。在國(guó)際流入人才規(guī)模方面，人才規(guī)模的對(duì)數(shù)均值為7.593 5，標(biāo)準(zhǔn)差為1.957 5，與被解釋變量以及其他控制變量相比，國(guó)際流入人才規(guī)模的離散程度較大。至于專利申請(qǐng)水平（Patent）、國(guó)有企業(yè)改革（Noe）、外商直接投資（FDI）、對(duì)外開(kāi)放程度（Open）、基礎(chǔ)設(shè)施狀況（Infra_stru）、人均教育支出（Edu_exp_pc）等7個(gè)控制變量，各省份之間或同一省份的不同時(shí)期也存在一定差異。從標(biāo)準(zhǔn)差看，技術(shù)創(chuàng)新水平和外商直接投資2個(gè)變量的離散程度相對(duì)較為明顯，國(guó)有企業(yè)改革變量的離散程度最??；而從最大值與最小值之間的差距看，技術(shù)創(chuàng)新水平和基礎(chǔ)設(shè)施狀況2個(gè)變量差距較為明顯。

表1 變量的描述性統(tǒng)計(jì)

四、實(shí)證結(jié)果分析

該部分利用1999—2018年省級(jí)層面的面板數(shù)據(jù)分析國(guó)際人才流入對(duì)我國(guó)全要素生產(chǎn)率的影響。

（一）基準(zhǔn)回歸結(jié)果分析

如上文所述，本研究在分析中使用了全要素生產(chǎn)率變化指數(shù)（TFP）、技術(shù)進(jìn)步變化指數(shù)（Tech）、技術(shù)效率變化指數(shù)（Eff）3個(gè)指標(biāo)分別作為被解釋變量。表2匯報(bào)了全樣本下國(guó)際人才流入影響全要素生產(chǎn)率的固定效應(yīng)估計(jì)結(jié)果。

表2 國(guó)際人才流入影響全要素生產(chǎn)率的基準(zhǔn)回歸結(jié)果（OLS）

回歸結(jié)果顯示，國(guó)際人才流入規(guī)模能夠顯著促進(jìn)地區(qū)全要素生產(chǎn)率的提升：國(guó)際人才流入規(guī)模每增加1%，全要素生產(chǎn)率變化指數(shù)（TFP）將增加0.000 055，且在5%水平下顯著；其對(duì)技術(shù)效率變化指數(shù)（Eff）的影響為：國(guó)際人才流入規(guī)模每增加1%，技術(shù)效率變化指數(shù)（Eff）將增加0.000 047，且在5%水平下顯著；對(duì)技術(shù)進(jìn)步變化指數(shù)（Tech）沒(méi)有顯著的影響。正如前面理論機(jī)制部分的分析，這主要是因?yàn)椋环矫?，?guó)際人才的流入直接充裕了流入地區(qū)的知識(shí)庫(kù)，提升了人力資本存量（魏浩和袁然，2018）［29］。流入中國(guó)的國(guó)際人才是在國(guó)外接受過(guò)或正在接受高等教育或者擁有一定國(guó)外相應(yīng)技術(shù)領(lǐng)域工作經(jīng)驗(yàn)的短期移民，這類人群一般具有較高的技能水平，掌握相關(guān)領(lǐng)域一定的專業(yè)技術(shù)知識(shí)，其流入中國(guó)可以提升中國(guó)勞動(dòng)力的平均技術(shù)水平，從而直接促進(jìn)中國(guó)人力資本量的積累和質(zhì)的提升（李平和許家云，2011）［30］。另一方面，國(guó)際人才的流入不僅可以通過(guò)人力資本的外部性促進(jìn)國(guó)際知識(shí)溢出，促進(jìn)技術(shù)進(jìn)步，同時(shí)還可以通過(guò)促進(jìn)對(duì)外貿(mào)易、外商直接投資以及專利的投資和引用，間接促進(jìn)國(guó)際知識(shí)溢出水平。

其他控制變量中，基礎(chǔ)設(shè)施水平對(duì)提升全要素生產(chǎn)率具有顯著的積極作用。同時(shí)回歸結(jié)果還顯示，技術(shù)創(chuàng)新水平和對(duì)外開(kāi)放程度也可以在一定程度上促進(jìn)地區(qū)全要素生產(chǎn)率的提升，而經(jīng)濟(jì)環(huán)境的突變對(duì)全要素生產(chǎn)率具有顯著的負(fù)影響。

（二）分樣本回歸結(jié)果分析

1.按國(guó)際留學(xué)生人才是否獲得學(xué)歷證書(shū)分組分析

為了進(jìn)一步探索來(lái)不同類型的國(guó)際留學(xué)生人才是否對(duì)全要素生產(chǎn)率存在不同的促進(jìn)作用，這里將樣本分為學(xué)歷留學(xué)生組和非學(xué)歷留學(xué)生組進(jìn)行子樣本分析，表3匯報(bào)了子樣本的回歸結(jié)果。根據(jù)回歸結(jié)果，可以發(fā)現(xiàn)國(guó)際留學(xué)生人才對(duì)全要素生產(chǎn)率的促進(jìn)效應(yīng)主要來(lái)自學(xué)歷留學(xué)生。這可能是由于：一方面，學(xué)歷留學(xué)生通常學(xué)習(xí)周期較長(zhǎng)，其在中國(guó)生活和學(xué)習(xí)的時(shí)間較長(zhǎng)，有更多的機(jī)會(huì)參與到高校企業(yè)的項(xiàng)目研究開(kāi)發(fā)或到企業(yè)中積累實(shí)習(xí)工作經(jīng)驗(yàn)，而非學(xué)歷留學(xué)生則在中國(guó)的學(xué)習(xí)時(shí)間較短，因此產(chǎn)生的影響并不明顯；另一方面，學(xué)歷留學(xué)生在取得中國(guó)的學(xué)歷學(xué)位證書(shū)后，一旦有機(jī)會(huì)，更有可能選擇繼續(xù)在中國(guó)工作和生活，因此其對(duì)全要素生產(chǎn)率產(chǎn)生的促進(jìn)效應(yīng)更為明顯。

表3 按是否獲得學(xué)歷證書(shū)分組回歸結(jié)果

2.按國(guó)際留學(xué)生人才是否獲得中國(guó)政府獎(jiǎng)學(xué)金分組分析

為了促進(jìn)中國(guó)與世界各國(guó)在各個(gè)領(lǐng)域的交流與合作，中國(guó)政府于20世紀(jì)50年代開(kāi)始設(shè)立中國(guó)政府獎(jiǎng)學(xué)金，用于資助世界各國(guó)學(xué)生、學(xué)者到中國(guó)高等學(xué)校學(xué)習(xí)和研究。中國(guó)政府獎(jiǎng)學(xué)金按學(xué)生類別分為本科生獎(jiǎng)學(xué)金、碩士研究生獎(jiǎng)學(xué)金、博士研究生獎(jiǎng)學(xué)金，漢語(yǔ)進(jìn)修生獎(jiǎng)學(xué)金、普通進(jìn)修生獎(jiǎng)學(xué)金和高級(jí)進(jìn)修生獎(jiǎng)學(xué)金。因此，這里分別檢驗(yàn)了獲得中國(guó)政府獎(jiǎng)學(xué)金留學(xué)生和自籌經(jīng)費(fèi)來(lái)華學(xué)習(xí)留學(xué)生對(duì)地區(qū)全要素生產(chǎn)率的不同效應(yīng)。表4的回歸結(jié)果顯示，國(guó)際留學(xué)生人才對(duì)全要素生產(chǎn)率的促進(jìn)效應(yīng)更多地來(lái)自自籌經(jīng)費(fèi)留學(xué)生，而獲中國(guó)政府獎(jiǎng)學(xué)金留學(xué)人才的促進(jìn)效應(yīng)相對(duì)較弱，僅在10%的水平下顯著，此外，自籌經(jīng)費(fèi)人才還對(duì)技術(shù)效率有一定的正向影響。

表4 按是否獲得中國(guó)政府獎(jiǎng)學(xué)金分組回歸結(jié)果

（三）內(nèi)生性問(wèn)題處理

為了進(jìn)一步驗(yàn)證上述結(jié)果的穩(wěn)健性，避免由于模型存在內(nèi)生性問(wèn)題而導(dǎo)致參數(shù)估計(jì)不一致情況的出現(xiàn)，在該部分進(jìn)一步采用工具變量二階段最小二乘法（IV-2SLS）進(jìn)行分析。由于國(guó)際留學(xué)生規(guī)?？赡芘c地區(qū)科技水平之間存在雙向因果關(guān)系，即國(guó)際留學(xué)人才的流入可以促進(jìn)地區(qū)科技水平的提升，同時(shí)科技水平較高的地區(qū)也可能吸引更多的國(guó)際留學(xué)人才，因此，這里選擇國(guó)際留學(xué)生規(guī)模的滯后項(xiàng)作為工具變量進(jìn)行分析。表5中的回歸系數(shù)較OLS的結(jié)果有所增大，但無(wú)論是對(duì)TFP還是其分解變量的影響及顯著性均未發(fā)生變化，結(jié)論與OLS的結(jié)論保持一致，這說(shuō)明本文的研究結(jié)論是穩(wěn)健的。進(jìn)一步地，本文還使用各省份空氣質(zhì)量狀況（PM2.5）作為工具變量再次進(jìn)行穩(wěn)健性檢驗(yàn)。一方面，考慮空氣質(zhì)量狀況具有較強(qiáng)的外生性，滿足工具變量的外生性條件，另一方面，不同省份空氣質(zhì)量以及環(huán)境污染狀況的確是影響國(guó)際人才選擇的一個(gè)重要因素（李明和張亦然，2019）［31］，在其他條件不變的情況下，空氣質(zhì)量狀況越好的地區(qū)越容易吸引更多的國(guó)際人才流入，因此滿足工具變量的相關(guān)性條件。表5中第一階段回歸結(jié)果顯示F統(tǒng)計(jì)量的值為71.77，根據(jù)一個(gè)經(jīng)驗(yàn)規(guī)則，只要F統(tǒng)計(jì)量大于10，則不必?fù)?dān)心弱工具變量問(wèn)題，因此，空氣質(zhì)量狀況是一個(gè)較好的工具變量?；貧w結(jié)果顯示，在使用空氣質(zhì)量狀況（PM2.5）作為工具變量進(jìn)行回歸時(shí)，基本結(jié)論依然穩(wěn)健，即對(duì)TFP的影響結(jié)論是一致的，但是對(duì)于tech和eff的顯著性發(fā)生了變化。出現(xiàn)這一結(jié)果可能是由于使用PM2.5作為國(guó)際留學(xué)生規(guī)模的工具變量時(shí)，考慮在其他條件不變的情況下，空氣質(zhì)量狀況越好的地區(qū)越容易吸引更多的國(guó)際人才流入，而環(huán)境狀況的好壞可能更多地是與技術(shù)進(jìn)步（Tech）相關(guān)，而不是技術(shù)效率（Eff）?？傮w來(lái)看，在使用工具變量法時(shí)，并沒(méi)有改變本文的核心結(jié)論。

表5 工具變量法回歸結(jié)果（2SLS）

續(xù)表5

五、門(mén)檻效應(yīng)分析

以上使用線性分析框架檢驗(yàn)了各省份國(guó)際人才流入對(duì)全要素生產(chǎn)率的影響，然而31個(gè)省份在經(jīng)濟(jì)發(fā)展水平方面存在較大差異，國(guó)際人才流入對(duì)地區(qū)全要素生產(chǎn)率的影響很可能隨著某個(gè)變量（門(mén)檻變量）而變化（呂延方等，2015）［32］。根據(jù)Hansen（1996）提出的“門(mén)檻回歸”方法，該部分通過(guò)構(gòu)建門(mén)檻回歸模型進(jìn)一步考察國(guó)際人才流入對(duì)全要素生產(chǎn)率的非線性影響［33］。

（一）門(mén)檻模型構(gòu)建

根據(jù)Hansen（1999）提出的門(mén)檻面板回歸模型［34］，同時(shí)考慮數(shù)據(jù)自身特點(diǎn)，采用如下兩區(qū)制回歸模型：

其中：i表示個(gè)體；t表示時(shí)間；Y it表示被解釋變量；X it表示受到門(mén)檻變量影響的核心解釋變量；q it表示門(mén)檻變量；φ表示給定的門(mén)檻值；CVit表示一組除核心解釋變量以外的控制變量，θT表示控制變量的系數(shù)向量；λ1和λ2分別表示在門(mén)檻值q it≤φ和q-it＞φ時(shí)核心解釋變量的系數(shù)；I(·)為示性函數(shù)，即當(dāng)滿足括號(hào)里的條件時(shí)取值為1，反之取值為0；εit為隨機(jī)擾動(dòng)項(xiàng)。

在回歸模型（6）中，φ相應(yīng)的殘差平方和為S(φ)，根據(jù)已有研究，如果回歸中的τ越接近真實(shí)的門(mén)檻值水平，則回歸模型的殘差平方和越小。因此，可以采用最小化S(φ)得到φ的估計(jì)值，即

在得到φ的估計(jì)值之后，進(jìn)一步可估計(jì)出其他相關(guān)系數(shù)。

得到門(mén)檻回歸的參數(shù)值后，應(yīng)對(duì)門(mén)檻效應(yīng)進(jìn)行兩個(gè)方面的檢驗(yàn)，即門(mén)檻效應(yīng)的顯著性檢驗(yàn)和門(mén)檻值的真實(shí)性檢驗(yàn)，具體如下：

第一個(gè)顯著性檢驗(yàn)是檢驗(yàn)回歸模型（6）中的λ1和λ2是否具有顯著的差異，如果通過(guò)檢驗(yàn)發(fā)現(xiàn)λ1=λ2，則意味著該模型不存在顯著的門(mén)檻特征。這里檢驗(yàn)門(mén)檻效應(yīng)的原假設(shè)為H0：φ1=φ2，相應(yīng)的備擇假設(shè)為H1：φ1≠φ2。Hansen（1999）提出的檢驗(yàn)統(tǒng)計(jì)量如下［34］：

其中：S0表示在原假設(shè)（即無(wú)門(mén)檻效應(yīng)）條件下的殘差項(xiàng)平方和；S表示具有門(mén)檻效應(yīng)時(shí)的殘差項(xiàng)平方和；σ^2表示擾動(dòng)項(xiàng)方差的一致估計(jì)。在無(wú)門(mén)檻效應(yīng)H0假設(shè)條件下，門(mén)檻參數(shù)φ無(wú)法識(shí)別。因此，F(xiàn)統(tǒng)計(jì)量的分布是非標(biāo)準(zhǔn)的χ2分布。Hansen（1996）提出以統(tǒng)計(jì)量本身的大樣本分段函數(shù)來(lái)轉(zhuǎn)換［33］，得到大樣本下的P值。在H0成立的條件下，證明P值統(tǒng)計(jì)量在大樣本下漸近服從均勻分布。本文對(duì)F統(tǒng)計(jì)量的臨界值使用自抽樣法（Bootstrap）以檢測(cè)門(mén)檻效應(yīng)的顯著性，并在此基礎(chǔ)上構(gòu)造其P值。如果接受原假設(shè)H0:φ1=φ2，則模型為線性模型，反之，則表示存在門(mén)檻效應(yīng)。

第二個(gè)門(mén)檻值的真實(shí)性檢驗(yàn)則是檢驗(yàn)門(mén)檻估計(jì)值與真實(shí)值是否相等。Hansen（1996）使用極大似然法檢驗(yàn)門(mén)檻值［33］，其似然比檢驗(yàn)統(tǒng)計(jì)量如下：

其中，S()和依次表示在H0下估計(jì)參數(shù)時(shí)得到的殘差平方和以及殘差平方。Hansen（2000）得出在給定的顯著性水平α（0.1，0.05或0.01）下，當(dāng)時(shí)，則拒絕原假設(shè)。

以上是僅考慮單一門(mén)檻的情形，無(wú)論是從計(jì)量角度來(lái)看還是在實(shí)際的經(jīng)濟(jì)分析中，都有可能出現(xiàn)同時(shí)存在多個(gè)門(mén)檻值的情形。在此，以雙重門(mén)檻模型為例：

這里的估計(jì)方法為假定單一門(mén)檻模型中估計(jì)出的1為已知，并在此基礎(chǔ)上使用相同的方法進(jìn)一步搜索φ2，即殘差平方和最小時(shí)對(duì)應(yīng)的2。接著對(duì)2進(jìn)行門(mén)檻效應(yīng)檢驗(yàn)，原假設(shè)為H0：只存在單一門(mén)檻；H1：存在雙門(mén)檻。其對(duì)應(yīng)的檢驗(yàn)統(tǒng)計(jì)量如下：

接著使用自抽樣法來(lái)模擬似然比統(tǒng)計(jì)量的漸近分布，構(gòu)造相應(yīng)的P值，并判斷是否接受原假設(shè)。這里需要注意的是，Bai（1997）研究表明，2是漸近有效的，但1不具有此性質(zhì)［35］。因此，可以固定φ^2對(duì)1進(jìn)行重新搜索，繼而獲得其優(yōu)化后的一致估計(jì)量1。然后仍需進(jìn)行門(mén)檻值的真實(shí)性檢驗(yàn)，如檢驗(yàn)結(jié)果依舊拒絕原假設(shè)，則繼續(xù)重復(fù)上述步驟，直至接受原假設(shè)，則可確定具體的門(mén)檻個(gè)數(shù)，多重門(mén)檻模型即為雙重門(mén)檻模型的擴(kuò)展。

（二）門(mén)檻效應(yīng)檢驗(yàn)

由于地區(qū)基礎(chǔ)設(shè)施水平是吸引人才流入的重要影響因素之一，因此本文選擇地區(qū)基礎(chǔ)設(shè)施建設(shè)水平作為門(mén)檻變量?；诨貧w模型（4），分別設(shè)定單一門(mén)檻模型和雙重門(mén)檻模型，具體如下：

其中：i表示地區(qū)；t表示時(shí)間；Y為被解釋變量，指各省份全要素生產(chǎn)率（TFP）以及其分解指標(biāo)，包括技術(shù)進(jìn)步（Tech）和技術(shù)效率（Eff）；fore_stu表示受門(mén)檻變量影響的核心解釋變量；CV表示其他控制變量；q it為門(mén)檻變量。

1.門(mén)檻檢驗(yàn)

首先對(duì)模型進(jìn)行門(mén)檻效果檢驗(yàn)，從而確定門(mén)檻的個(gè)數(shù)，進(jìn)而確定具體的模型形式。該部分分別對(duì)模型在不存在門(mén)檻、存在一個(gè)門(mén)檻以及存在兩個(gè)門(mén)檻的假設(shè)下進(jìn)行估計(jì)，表6匯報(bào)了F統(tǒng)計(jì)量和采用自抽樣法（Bootstrap）得到的P值。門(mén)檻檢驗(yàn)結(jié)果顯示，模型通過(guò)了單一門(mén)檻效應(yīng)檢驗(yàn)，且在1%水平下顯著，但雙重門(mén)檻效應(yīng)則未通過(guò)檢驗(yàn)，說(shuō)明該模型只存在一個(gè)門(mén)檻值。同時(shí)，在表6中還列出了各門(mén)檻的估計(jì)值和相應(yīng)的95%的置信區(qū)間。

表6 門(mén)檻效果檢驗(yàn)

2.模型參數(shù)估計(jì)結(jié)果

表2的模型（4）匯報(bào)了以地區(qū)基礎(chǔ)設(shè)施水平作為門(mén)檻變量的門(mén)檻回歸模型結(jié)果。這里以門(mén)檻值0.139 9為標(biāo)準(zhǔn)，將基礎(chǔ)設(shè)施水平劃分為較高水平和較低水平，lnfore_stu_1和lnfore_stu_2兩個(gè)變量分別對(duì)應(yīng)于基礎(chǔ)設(shè)施水平較低和基礎(chǔ)設(shè)施水平較高兩個(gè)區(qū)間的lnfore_stu變量?；A(chǔ)設(shè)施水平對(duì)全要素生產(chǎn)率的影響則呈現(xiàn)出單一門(mén)檻特征，當(dāng)基礎(chǔ)設(shè)施水平小于或等于門(mén)檻值0.139 9時(shí)，國(guó)際人才流入規(guī)模對(duì)全要素生產(chǎn)率變化指數(shù)的彈性系數(shù)為0.001 2，當(dāng)基礎(chǔ)設(shè)施水平跨越門(mén)檻值后，彈性系數(shù)則上升為0.007 5，且在1%水平下顯著。這說(shuō)明地方基礎(chǔ)設(shè)施水平的提升能夠顯著吸引國(guó)際人才流入，但前提是基礎(chǔ)設(shè)施要達(dá)到一定門(mén)檻值，這種促進(jìn)效應(yīng)才能更為有效地發(fā)揮出來(lái)。

六、結(jié)論與建議

（一）簡(jiǎn)要結(jié)論

本文采用1999—2018年中國(guó)省級(jí)層面面板數(shù)據(jù)，分別從全要素生產(chǎn)率變化指數(shù)（TFP）、技術(shù)進(jìn)步變化指數(shù)（Tech）、技術(shù)效率變化指數(shù)（Eff）三個(gè)維度實(shí)證分析了國(guó)際人才流入對(duì)中國(guó)全要素生產(chǎn)率的影響。研究發(fā)現(xiàn)，國(guó)際人才流入規(guī)模能夠顯著促進(jìn)地區(qū)全要素生產(chǎn)率的提升：國(guó)際人才流入規(guī)模每增加1%，全要素生產(chǎn)率變化指數(shù)（TFP）將增加0.000 055，且在5%水平下顯著；其對(duì)技術(shù)效率變化指數(shù)（Eff）的影響為：國(guó)際人才流入規(guī)模每增加1%，技術(shù)效率變化指數(shù)（Eff）將增加0.000 047，且在5%水平下顯著；對(duì)技術(shù)進(jìn)步變化指數(shù)（Tech）沒(méi)有顯著的影響。為了進(jìn)一步探索來(lái)不同類型的國(guó)際人才是否對(duì)全要素生產(chǎn)率存在不同的促進(jìn)作用，本研究還將樣本分為學(xué)歷留學(xué)生組、非學(xué)歷留學(xué)生組和獲得中國(guó)政府獎(jiǎng)學(xué)金留學(xué)生、自籌經(jīng)費(fèi)來(lái)華學(xué)習(xí)留學(xué)生進(jìn)行兩組子樣本分析，研究發(fā)現(xiàn)，國(guó)際人才對(duì)全要素生產(chǎn)率的促進(jìn)效應(yīng)主要來(lái)自學(xué)歷留學(xué)生，流入的國(guó)際人才無(wú)論是否獲取政府獎(jiǎng)學(xué)金，均對(duì)全要素生產(chǎn)率有顯著促進(jìn)效應(yīng)。同時(shí)，為了進(jìn)一步檢驗(yàn)本文實(shí)證結(jié)果的穩(wěn)健性，分別使用留學(xué)生規(guī)模的滯后項(xiàng)和地區(qū)PM2.5作為工具變量，采用工具變量二階段最小二乘法（IV-2SLS）進(jìn)行檢驗(yàn)。此外，考慮國(guó)際人才流入對(duì)全要素生產(chǎn)率的影響可能是非線性的，本文還通過(guò)構(gòu)建門(mén)檻回歸模型進(jìn)一步分析，選擇基礎(chǔ)設(shè)施水平作為門(mén)檻變量，研究發(fā)現(xiàn)，基礎(chǔ)設(shè)施水平對(duì)全要素生產(chǎn)率的影響均呈現(xiàn)單一門(mén)檻特征。

（二）政策建議

（1）由于國(guó)際留學(xué)人才對(duì)中國(guó)的全要素生產(chǎn)率有顯著的促進(jìn)作用，政府應(yīng)高度重視國(guó)際人才因素在提升全要素生產(chǎn)率中的重要作用。在吸引國(guó)際留學(xué)生人才方面，Raycbaudburi et al.（2007）指出，人均GDP、高等教育入學(xué)率和生活成本等因素會(huì)影響留學(xué)生的目標(biāo)決策［36］。因此，一方面，政府部門(mén)可以通過(guò)進(jìn)一步擴(kuò)大獎(jiǎng)學(xué)金的覆蓋范圍和增設(shè)獎(jiǎng)學(xué)金在各個(gè)地區(qū)的名額，從而吸引更多來(lái)自發(fā)達(dá)國(guó)家以及新興發(fā)展中國(guó)家的人才；另一方面，在優(yōu)惠政策覆蓋面上可以適當(dāng)?shù)叵騺?lái)自發(fā)展中國(guó)家的留學(xué)生人才傾斜，盡可能地為有需要的學(xué)生提供幫助，以此來(lái)吸引更多的優(yōu)秀人才。此外，還可創(chuàng)設(shè)專門(mén)針對(duì)海外華人華僑子女來(lái)華留學(xué)的獎(jiǎng)學(xué)金政策，他們將有助于傳播中國(guó)的文化思想，并在中國(guó)與世界各國(guó)的對(duì)接中發(fā)揮出重要的橋梁作用。

（2）大力推動(dòng)中國(guó)各類人才合作項(xiàng)目的多元化發(fā)展。雖然本文重點(diǎn)關(guān)注的是國(guó)際留學(xué)生人才，但是國(guó)際人才的內(nèi)涵遠(yuǎn)遠(yuǎn)超過(guò)留學(xué)生的范疇，因此在吸引國(guó)際留學(xué)生人才的同時(shí)，還應(yīng)重視各類國(guó)際人才的引進(jìn)，尤其是一些攜帶的先進(jìn)技術(shù)和知識(shí)的高端國(guó)際人才。中國(guó)政府在設(shè)立各類外國(guó)留學(xué)生項(xiàng)目時(shí)應(yīng)兼顧制定面向各類外國(guó)專家學(xué)者的一些高端人才項(xiàng)目，比如通過(guò)開(kāi)展一些專門(mén)針對(duì)世界各國(guó)的政府官員和社會(huì)精英的高端培養(yǎng)項(xiàng)目。如美國(guó)的“富布萊特項(xiàng)目”（Fullbright Program）已與160多個(gè)國(guó)家和地區(qū)簽訂合作協(xié)議，據(jù)美國(guó)國(guó)務(wù)院教育文化局統(tǒng)計(jì)，包括“富布萊特項(xiàng)目”在內(nèi)的美國(guó)國(guó)際學(xué)術(shù)交流項(xiàng)目中有395位項(xiàng)目成員成為各國(guó)國(guó)家或政府首腦，21位成員成為國(guó)際組織負(fù)責(zé)人，77位成員成為諾貝爾獎(jiǎng)獲得者。

（3）高校應(yīng)依托國(guó)家政策支持，不斷提升大學(xué)的國(guó)際聲譽(yù)和教育水平。大學(xué)的國(guó)際聲譽(yù)是影響國(guó)際留學(xué)生流動(dòng)的重要因素之一（Beine et al.，2014）［37］，因此高校也應(yīng)進(jìn)一步提高自身辦學(xué)質(zhì)量及其國(guó)際知名度。如通過(guò)與國(guó)際知名高校合作，加大國(guó)際化課程比重，制定高層次國(guó)際化人才培養(yǎng)計(jì)劃，同時(shí)采用聯(lián)合培養(yǎng)的方式吸引生源，在國(guó)外與當(dāng)?shù)馗咝Ｂ?lián)合辦學(xué)；從最新公布的2020“QS世界大學(xué)排名來(lái)看”，中國(guó)共有42所高校入圍，除排名最高的清華大學(xué)名列第16位以外，還有12所高校也進(jìn)入世界百?gòu)?qiáng)。高校在不斷提升國(guó)際聲譽(yù)與教育水平的同時(shí)，本就承擔(dān)著為留學(xué)生提供教育的重要使命，因此還應(yīng)努力構(gòu)建一個(gè)包容開(kāi)放的校園環(huán)境，盡可能地將世界各地的文化元素融合在校園里，并且向來(lái)自世界各地的國(guó)際留學(xué)生傳遞出所有師生的熱情與友好，幫助他們更好地融入校園、融入中國(guó)。

注 釋：

（1）數(shù)據(jù)來(lái)源于《世界移民報(bào)告2020》。

（2）數(shù)據(jù)來(lái)源于趙曉霞“來(lái)華留學(xué)生：在中國(guó)工作是個(gè)好選擇”，載于人民日?qǐng)?bào)海外版，2017年4月28日。

（3）數(shù)據(jù)來(lái)源于百度百科（https://doc.mbalib.com/tag/知識(shí)外溢）。