□ 王天宇 鐘 晶

黨的二十大報告提出，“深入實施人才強(qiáng)國戰(zhàn)略”。堅持人才是第一資源，發(fā)揮人才引領(lǐng)驅(qū)動中國式現(xiàn)代化建設(shè)的作用，方能開辟發(fā)展新領(lǐng)域新賽道，不斷塑造發(fā)展新動能新優(yōu)勢。作為我國經(jīng)濟(jì)發(fā)展最活躍、開放程度最高、創(chuàng)新能力最強(qiáng)的區(qū)域之一，長三角已逐步成為人才強(qiáng)國雁陣格局中的重要戰(zhàn)略支點(diǎn)。本文系統(tǒng)分析了黨的十八大以來經(jīng)濟(jì)發(fā)展成效和人才集聚效應(yīng)，以長三角地區(qū)三省一市為研究對象，通過引入工具變量，構(gòu)建面板數(shù)據(jù)模型進(jìn)行實證分析，探究人才集聚對區(qū)域經(jīng)濟(jì)增長的影響，提出集聚人才助力經(jīng)濟(jì)高質(zhì)量發(fā)展的建議。

| 長三角地區(qū)經(jīng)濟(jì)增長與人才集聚主要情況

（一）經(jīng)濟(jì)發(fā)展卓有成效

1.區(qū)域經(jīng)濟(jì)總量實現(xiàn)翻番，安徽首進(jìn)全國第一方陣。新時代十年長三角一體化發(fā)展取得新成效，2022 年長三角地區(qū)GDP 總量為29 萬億元，比2012 年增加16.2萬億元，其中江蘇、浙江、安徽和上海分別增加6.9 萬億元、4.3 萬億元、2.7 萬億元和2.3 萬億元。長三角地區(qū)GDP 總量占全國的比重由2012 年的23.7%提升至2022年的24%，提高0.3 個百分點(diǎn)，其中安徽、江蘇分別提高0.3 個和0.2個百分點(diǎn)，浙江持平，上海下降0.2個百分點(diǎn)。

黨的十八大以來安徽經(jīng)濟(jì)持續(xù)穩(wěn)定較快增長，2022 年GDP 總量由2012 年的18341.7 億元連跨三個萬億臺階，達(dá)45045 億元，首次進(jìn)入全國第一方陣，居全國第10 位，首次超過上海，居長三角地區(qū)第3 位。安徽GDP 總量占長三角地區(qū)的15.5%，比2012 年提高1.1 個百分點(diǎn)；相當(dāng)于上海的100.9%、浙江的58%和江蘇的36.7%，比2012年分別提高14.8個、4.6 個和2.5 個百分點(diǎn)，與江蘇、浙江經(jīng)濟(jì)總量差距進(jìn)一步縮小。

2.區(qū)域人均GDP 持續(xù)增長，安徽仍低于全國平均水平。2022 年長三角地區(qū)人均GDP①長三角地區(qū)人均GDP 取上海、江蘇、浙江和安徽人均GDP 的中位數(shù)。為131443元/人，比2012年增加67628元/人，其中上海、江蘇、浙江和安徽分別增加90294 元/人、77857 元/人、57399 元/人和42906 元/人。長三角地區(qū)人均GDP 相當(dāng)于全國人均GDP 的 比 重 由2012 年 的160.5%下降至2022 年的153.4%，下降7.1個百分點(diǎn)，其中安徽、江蘇分別提高8.7 個和1.2 個百分點(diǎn)，浙江、上海分別下降15.3 個和15.4 個百分點(diǎn)。

2022 年安徽人均GDP 由2012 年的30697 元/人增加至73063 元/人，居全國位次由2012 年的第21 位提升至2022 年的第14 位，實現(xiàn)從人均靠后向人均居中的歷史性轉(zhuǎn)變，但在長三角地區(qū)仍居末位。安徽人均GDP 相當(dāng)于全國人均GDP 的85.9%，比2012 年提高8.7 個百分點(diǎn)；相當(dāng)于浙江的62.1%、江蘇的51%和上海的40.9%，比2012 年分別提高11.9 個、4.9 個和6.6 個百分點(diǎn)，與滬蘇浙仍存在較大差距。

（二）人才集聚效應(yīng)顯現(xiàn)

1.區(qū)域人才①根據(jù)本文研究，人才指大專及以上學(xué)歷的就業(yè)人員。規(guī)模不斷擴(kuò)大，安徽保持平穩(wěn)增長。黨的十八大以來，習(xí)近平總書記把人才工作擺在黨和國家事業(yè)發(fā)展全局的突出位置來抓，區(qū)域人才規(guī)模不斷壯大。2021 年長三角地區(qū)人才總量為3762.3 萬人，比2012 年增加1637.1 萬人，其中江蘇、浙江、上海和安徽分別增加610 萬人、460.9 萬人、342.2 萬人和224 萬人。長三角地區(qū)人才總量占全國的比重由2012 年的20.4%提升至2021年的21.8%，提高1.4 個百分點(diǎn)，其中江蘇、上海和浙江分別提高0.7個、0.6 個和0.4 個百分點(diǎn)，而安徽下降0.3 個百分點(diǎn)。

2021 年，安徽人才總量由2012年的409.3 萬人增加至633.3 萬人，居長三角地區(qū)末位。安徽人才總量占長三角地區(qū)的16.8%，比2012年下降2.5 個百分點(diǎn)；相當(dāng)于上海的88.2%、浙江的59.5%和江蘇的47%，比2012 年分別下降20.7 個、8.5 個和8.4 個百分點(diǎn)，與滬蘇浙人才總量差距進(jìn)一步擴(kuò)大。

2.區(qū)域人才文化素質(zhì)穩(wěn)步提高，安徽仍存在較大差距。教育事業(yè)的快速發(fā)展，帶動區(qū)域就業(yè)人員學(xué)歷結(jié)構(gòu)持續(xù)優(yōu)化，為勞動力市場提供了豐富的高素質(zhì)人才。2021 年長三角地區(qū)就業(yè)人員中，大專及以上、高中受教育程度人員所占比重分別為28.2%和17.8%，比2012 年分別上升12.5 個和1.2個百分點(diǎn)；初中、小學(xué)及以下受教育程度人員所占比重分別為37.6%和16.4%，分別下降9.1 個和4.6個百分點(diǎn)。長三角地區(qū)就業(yè)人員平均受教育年限由2012 年的9.8 年提高到2021 年的10.9 年。

2021 年安徽就業(yè)人員中，大專及以上、高中受教育程度人員所占比重分別為19.7%和14.3%，比2012 年分別上升10 個和3.5 個百分點(diǎn)；初中、小學(xué)及以下受教育程度人員所占比重分別為41.8%和24.2%，分別下降10.7 個和2.8 個百分點(diǎn)。2021 年，安徽就業(yè)人員平均受教育年限由2012 年的9 年提高到9.8 年，居長三角地區(qū)末位。安徽就業(yè)人員平均受教育年限比長三角地區(qū)少1.1 年，比最高的上海少3.2 年，比江蘇、浙江分別少1.2年和1 年。

3.區(qū)域人才科創(chuàng)能力持續(xù)提升，安徽呈現(xiàn)指數(shù)級增長。黨的十八大以來，科技體制機(jī)制改革全面發(fā)力、縱深推進(jìn)?？萍紕?chuàng)新人才隊伍不斷壯大。2021 年，按折合全時工作量計算的長三角地區(qū)R&D 人員總量為180.2 萬人年，比2012 年增加86.6 萬人年，其中江蘇、浙江、安徽和上海分別增加35.4 萬 人 年、29.8 萬 人 年、13.2萬人年和8.2 萬人年。長三角地區(qū)R&D 人員總量占全國的比重由2012 年的28.8%提升至2021 年的31.5%，提高2.7 個百分點(diǎn)，其中浙江、安徽和江蘇分別提高1.5 個、0.9 個和0.9 個百分點(diǎn)，上海下降0.6個百分點(diǎn)。2021 年，安徽R&D 人員總量由2012 年的10.3 萬人年增加至23.5 萬人年，增長1.3 倍，增幅居長三角地區(qū)首位。

科技創(chuàng)新產(chǎn)出質(zhì)量不斷提升。2021 年，長三角地區(qū)發(fā)明專利申請授權(quán)量為18.2 萬件，比2012 年增加14 萬件，其中江蘇、浙江、安徽和上海分別增加5.3 萬件、4.5萬件、2.1 萬件和2.1 萬件。長三角地區(qū)發(fā)明專利申請授權(quán)量占全國的比重由2012 年的29.4%提升至2021 年的31.1%，提高1.7 個百分點(diǎn)，其中安徽、浙江和江蘇分別提高1.9 個、1.6 個和0.5 個百分點(diǎn)，而上海下降2.3 個百分點(diǎn)。2021 年，安徽發(fā)明專利申請授權(quán)量由2012年的0.3 萬件增加至2.4 萬件，增長7 倍，增幅居長三角地區(qū)首位。

| 面板數(shù)據(jù)模型構(gòu)建與實證

（一）變量選取和預(yù)處理

1.變量選取。

被解釋變量：人均GDP（pgdp）。人均GDP 指GDP 與常住人口的比值，它能較好地反映一個地區(qū)的富裕程度和經(jīng)濟(jì)發(fā)展水平。

解釋變量：（1）人才集聚度（ta）。本文定義人才集聚度指大專及以上學(xué)歷的就業(yè)人員占全部就業(yè)人員的比重。（2）科技創(chuàng)新效率（patent）：由于科技創(chuàng)新效率難以有效測量，按照國際通用做法，本文選用發(fā)明專利申請授權(quán)量作為科技創(chuàng)新效率的替代變量。

2.變量預(yù)處理。由于搜集到的原始數(shù)據(jù)單位具有數(shù)量級差異，從而使數(shù)據(jù)大小產(chǎn)生波動，因此選擇對所有變量取對數(shù)處理。需要說明的是，人均GDP 取對數(shù)之后，可以解釋成增長率的變化。本文數(shù)據(jù)處理和實證分析均使用Eviews10.0軟件。

（二）面板數(shù)據(jù)模型構(gòu)建

1.模型構(gòu)建。本文構(gòu)建面板數(shù)據(jù)模型，實證研究人才集聚度對人均GDP 增長率的影響。假定面板數(shù)據(jù)模型的一般形式如下：

其中，yit為被解釋變量，xit為解釋變量，σ是總體效應(yīng)，μi是截面效應(yīng)，ωt是時期效應(yīng)，φit是隨機(jī)擾動項。

2.單位根檢驗。本文的面板數(shù)據(jù)模型是N=4,T=10,T＞N 結(jié)構(gòu)，可能存在面板數(shù)據(jù)是非平穩(wěn)的問題。對面板數(shù)據(jù)進(jìn)行單位根檢驗，本文采 用LLC 檢 驗、Breitung 檢 驗 和Hadri 檢驗進(jìn)行同質(zhì)單位根檢驗，同時采用IPS 檢驗、Fisher-ADF 檢驗和Fisher-PP 檢驗進(jìn)行異質(zhì)單位根檢驗。結(jié)果表明，所有變量都存在單位根，但一階差分序列都是平穩(wěn)的（表1）。

表1 單位根檢驗結(jié)果

3.解釋變量內(nèi)生性檢驗。本文利用Durbin-Wu-Hausman test 外生性檢驗，結(jié)果表明，lnta 和lnpatent都是內(nèi)生變量（表2）。

4.工具變量選擇與檢驗。本文引入工資水平、高等教育水平和醫(yī)療水平作為工具變量。工具變量定義如下：

工資水平（wage）：衡量地區(qū)工資水平選用的指標(biāo)是城鎮(zhèn)單位就業(yè)人員平均工資。

高等教育水平（hedu）：衡量地區(qū)高等教育水平選用的指標(biāo)是每十萬人口高等學(xué)校平均在校生數(shù)。

醫(yī)療水平（medical）：衡量地區(qū)醫(yī)療水平選用的指標(biāo)是每萬人醫(yī)療機(jī)構(gòu)床位數(shù)。

本文采用過度識別Hansen J檢驗用于檢驗工具變量的外生性，其中過度識別檢驗僅在工具變量個數(shù)大于內(nèi)生變量個數(shù)時生效。結(jié)果表明，p 值大于0.05，所有工具變量都是外生的（表3）。

表3 過度識別檢驗

5.面板數(shù)據(jù)模型類型選擇。面板數(shù)據(jù)模型類型有三種，分別是混合POOL 模型、固定效應(yīng)FE 模型和隨機(jī)效應(yīng)RE 模型。結(jié)果表明，F(xiàn) 檢驗呈現(xiàn)出5%顯著性水平下p值為0，意味著相對POOL 模型而言，F(xiàn)E 模型更優(yōu)。BP 檢驗呈現(xiàn)出5%顯著性水平下p 值為0，意味著相對POOL 模型而言，RE 模型更優(yōu)。Hausman 檢驗得出在5%顯著性水平下p 值為0.304，意味著相對FE 模型而言，RE 模型更優(yōu)。綜合上述分析，最終選擇隨機(jī)效應(yīng)RE 模型（表4）。

表4 模型類型選擇結(jié)果

（三）實證分析

1.數(shù)據(jù)來源。本文所用數(shù)據(jù)主要由長三角地區(qū)三省一市2012—2021 年度《中國統(tǒng)計年鑒》《中國社會統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》《上海統(tǒng)計年鑒》《江蘇統(tǒng)計年鑒》《浙江統(tǒng)計年鑒》《安徽統(tǒng)計年鑒》整理所得。

2.實證分析。本文對隨機(jī)效應(yīng)RE 模型進(jìn)行GMM 估計，可以看出模型R2為0.939，意味著lnta 和 lnpatent 可 以 解 釋lnpgdp 的93.9%變化原因。對模型進(jìn)行Wald卡方檢驗時發(fā)現(xiàn)模型通過Wald 卡方檢驗p 值為0 小于0.05，也即說明lnta 和lnpatent 中至少一項會對lnpgdp 產(chǎn)生影響關(guān)系。lnta 的回歸系數(shù)值為0.859(p=0＜0.01)，意味著lnta 會對lnpgdp 產(chǎn)生顯著的正向影響關(guān)系；lnpatent 的回歸系數(shù)值為0.229(p=0＜0.01)， 意 味 著lnpatent會對lnpgdp 產(chǎn)生顯著的正向影響關(guān)系。因此，lnta 和lnpatent 全部會對lnpgdp 產(chǎn)生顯著的正向影響關(guān)系（表5）。

表5 隨機(jī)效應(yīng)RE模型GMM估計結(jié)果

3.主要結(jié)論。通過觀察模型可以得到如下結(jié)論：人才集聚度和科技創(chuàng)新效率都與長三角地區(qū)經(jīng)濟(jì)增長呈正相關(guān)關(guān)系，兩個解釋變量都對人均GDP 起到促進(jìn)作用。其中，人才集聚度對人均GDP 的影響程度最大。具體來說，人才集聚度的回歸系數(shù)為0.859，表明人才集聚度每提高1 個單位，人均GDP將提高0.859 個單位；科技創(chuàng)新效率的回歸系數(shù)為0.229，表明科技創(chuàng)新效率每提高1 個單位，人均GDP 將提高0.229 個單位。

| 期望與建議

（一）聚焦一體化，精準(zhǔn)聯(lián)動聚合力

一是推動人才市場共建。探索共同成立長三角人才集團(tuán)，成立“長三角人才發(fā)展基金”，通過市場化主體對接人才政策、人才服務(wù)、用人主體，精準(zhǔn)匹配產(chǎn)業(yè)需求，以市場化的手段高效配置人才。二是推動人才標(biāo)準(zhǔn)共定。建立健全長三角地區(qū)人才交流合作工作機(jī)制，推進(jìn)人才評價標(biāo)準(zhǔn)統(tǒng)一。進(jìn)一步深化長三角地區(qū)專業(yè)技術(shù)人才和技能人才資格、職稱和繼續(xù)教育學(xué)時互認(rèn)，實現(xiàn)“一次評審、四地互認(rèn)”。三是推動人才資源共享。堅持“不求所有、但求所用”，支持企業(yè)采取項目合作、技術(shù)咨詢、掛職兼職、周末工程師等方式柔性引智。高標(biāo)準(zhǔn)建設(shè)區(qū)域創(chuàng)新中心，打造服務(wù)長三角的人才創(chuàng)新“共同體”，鼓勵科技人才在區(qū)域內(nèi)自主流動、擇業(yè)創(chuàng)業(yè)。

（二）聚焦產(chǎn)才融合，精準(zhǔn)施策強(qiáng)引力

一是等高對接集聚人才。圍繞重點(diǎn)產(chǎn)業(yè)發(fā)展需求，常態(tài)化分析研究國內(nèi)外人才政策，對標(biāo)對表定期迭代升級。進(jìn)一步破解人才政策部門化、碎片化問題，優(yōu)化整合人才計劃，集成出臺人才政策，實現(xiàn)“一口出”“一單清”。二是夯實平臺吸引人才。聚焦新興產(chǎn)業(yè)，支持建設(shè)國家級創(chuàng)新中心、重點(diǎn)實驗室等重大創(chuàng)新載體，提升眾創(chuàng)空間、孵化器能級。進(jìn)一步加強(qiáng)與國內(nèi)外一流大學(xué)、知名科研院所戰(zhàn)略合作，設(shè)立天使基金、種子基金，深化政產(chǎn)學(xué)研合作機(jī)制。三是賦權(quán)企業(yè)激活人才。打破固有模式，探索在政策框架內(nèi)將人才認(rèn)定權(quán)交給企業(yè)、還給市場。進(jìn)一步完善企業(yè)職稱評價自主權(quán)，構(gòu)建新興產(chǎn)業(yè)人才評價體系，實現(xiàn)人才“企業(yè)自評、政府審批、全國通用”。

（三）聚焦人才關(guān)切，精準(zhǔn)服務(wù)提動力

一是健全人才服務(wù)云平臺。推進(jìn)上線“長三角人才碼”，建立健全惠企惠才云平臺，實現(xiàn)各類人才政策“一站查”，各項人才補(bǔ)貼“一站領(lǐng)”，各種涉才服務(wù)“一站辦”。實現(xiàn)一碼在手、人才無憂。二是完善人才談心交流制度。完善黨委聯(lián)系服務(wù)專家人才制度，為重點(diǎn)企業(yè)和人才提供專班服務(wù)，對高層次人才實行“一事一議”。定期邀請各類人才與黨委和政府主要負(fù)責(zé)同志面對面談心交流，頂格傾聽企業(yè)人才訴求，頂格推進(jìn)涉才事項辦理。三是優(yōu)化人才服務(wù)綠色通道。建立“人才白名單”，為重點(diǎn)產(chǎn)業(yè)領(lǐng)域?qū)＜胰瞬蓬C發(fā)“人才綠卡”，在醫(yī)療衛(wèi)生、子女入學(xué)、配偶安置等方面開辟綠色通道。