区域科技人才政策比较及实施效果分析——基于政策工具视角

马香媛，沈丽丽，黄 鹤

(杭州电子科技大学 管理学院，浙江 杭州 310018)

科技人才是科学技术的载体，对于实施创新驱动发展战略、人才强国战略，推进经济社会全面发展具有重大意义。在当今科技人才竞争日趋激烈的环境下，我国各级地方政府纷纷出台各类人才计划，诸如北京市推出“海外人才聚集工程”，深圳市实施“深圳市人才引进办法”，南京市颁布“321科技型领军人才政策”，上海市出台“雏鹰归巢计划”，杭州市推出“115”引进国外智力计划、“人才新政27条”，合肥市“人才新政”等。这些科技人才政策充分体现当地政府对人才工作的重视，但是基于政策工具视角，各地方政策是否有不同的特点？是否达到预期的实施效果？这些需要进一步研究。

一、理论基础

(一)国外科技人才政策研究

国外的科技人才政策研究相对较早，成果较多，尤其是在科技人才引进、评价、激励和流动等方面成果显著，总体来说，发达国家在科技人才政策的方面可以概括为：有竞争力的引进政策、宽进严出的培养政策、高额奖金的激励政策。在科技人才引进政策方面，Christian Reiner等人通过比较慕尼黑和维也纳两个发达城市的人才政策，发现经济结构和框架条件都非常相似，但政治因素成为影响引进成效的主要原因[1]；Brenda等人认为科技人才不仅受经济因素吸引，社会、文化和政治认同等共同构成科技人才引进宏观环境[2]。在科技人才评价方面，美、英、澳等发达国家均已发展完整的指标体系用于科技人才及团队评价，主要采用文献计量法，如采用产学研合作的金额、合作机构的数量、申请专利的数量、公开发表论文的数量等[3]。在科技人才激励方面，学者们认为(Marina[4]，Calvin[5])无论是货币奖励还是社会福利都是人才管理中非常重要的一环，奖励能够激发人才的最大潜力，将人才和组织价值、绩效目标密切结合起来，同时，为激发每一位科技人才的优势，需要实施有针对性的人才策略，才能提高满意度和忠诚度[6]。在科技人才流动方面，国外的学者主要从个体、组织和社会三个方面进行研究，有代表性的是基于个体层面的库克曲线、组织层面的“组织寿命”学说[7]以及社会层面的勒温的场论[8]，另外，随着全球化的进程，“人才外流”的传统观点正在被“人才循环”所取代，诸如中国和印度等国家正在利用全球的科技人才资源，不仅吸引本国公民从海外回国，还吸引了来自美国和欧洲的科学家[9]。

(二)国内科技人才政策研究

近年来国内科技人才政策研究主要集中于：科技人才政策比较研究和实施效果的研究。

1.科技人才政策比较研究可分为两大类：其一是按照科技人才发展阶段进行文本的比较分析，主要以内容分析法为主。大多学者从人才引进、人才培养与开发、人才激励、人才管理和流动等多个维度，对比分析单个或多个城市的科技人才政策[10-12]。其二是基于政策工具的多维度对比分析。李良成等从科技人才开发过程、政策工具、技术生命周期构建三维分析框架，纵向对比广东省科技人才政策[13]；李东升等基于政策制定主体、政策目标、政策内容和政策工具多维度对比分析天津市人才政策[14]；杨艳等从政策目标、政策工具和政策力度制定量化模型，对上海市人才政策进行对比分析[15]。宁甜甜和张再生从基本政策工具和人才强国价值两个维度，剖析我国人才政策中存在的缺失与冲突等问题[16]。

2.具体的科技人才政策实施效果的研究。一方面对国家或省出台的某个具体计划、纲要等政策的效果分析。从宏观角度，曾艳等归纳出政策环境、战略性政策、策略性政策三大板块作为效果分析要素，评价《中长期人才发展规划纲要(2010-2020)》为实施效果[17]；从微观角度，董丽娟和徐飞专门分析了近年来我国女性科技人才在科技奖励、杰青基金获得、两院院士性别比例等现状，评价我国女性科技人才政策的实施效果[18]。韩玮等人从人才引进申报与人才培育等微观视角，探索“321人才计划”的实施效果[19]。另一方面，针对具体区域的人才政策效果研究。有先通过实证探索再分析政策效果的，诸如，苏津津首先归纳天津市现有的科技人才吸引力影响因素，再判断天津市科技人才政策做的不到位之处[20]，陈志强对205位在闽科技人才先进行调研分析，得出福建省科技人才政策存在的问题[21]；也有直接利用因子分析和DEA模型对河南省的科技人才政策效果进行评估的[22]。

目前国外研究集中于引进、培养、激励、评价和流动等发展全过程，国内研究重点关注科技人才政策对比分析及实施效果。现有研究在这两方面尚有不足：一是科技人才政策比较研究的方法单一，要么对科技人才发展阶段进行纯文本的比较分析，要么基于政策工具进行比较分析；二是人才政策效果研究片面，现有研究对单个项目或单个地区的人才政策进行分析，缺少横向与纵向结合的深度对比分析。基于政策工具视角构建“科技人才发展阶段-政策工具-人才响应”的三维分析框架，有针对性的对各城市近七年科技人才政策进行横纵向对比，并探讨其政策实施效果。

二、研究框架

图1 三维分析框架图

在公共政策研究领域，政策工具被广泛应用于政策体系评价方面，近年来，国内外学者对政策工具的研究已经取得一系列理论与实践研究成果。欧文·修斯将政策工具定义为政府的某种行为方式，以及协调政府的行为方式而采取的重要手段或机制[23]。1983年，胡德的《政府的工具》成为这一时期最具影响力的著作。之后，莱斯特·M·萨拉蒙出版的《政府工具—新治理指南》和B·盖伊·彼得斯和弗兰斯·K·M·冯尼斯潘出版的《公共政策工具—对公共管理工具的评价》极大推动了政策工具的发展。其中，B·盖伊·彼得斯和弗兰斯·K·M·冯尼斯潘在其著作里提出了一个非常重要的政策工具选择的研究途径即修正工具途径。传统工具途径研究的焦点在于政策工具本身，忽略了环境背景，并且过于强调手段而忽略了目的。而修正工具途径则认为在选择有效的政策工具上，有四个条件发挥着重要作用：政策工具的特性、政策议题、环境因素和目标受众的特性。根据这种观点，一种政策工具只有在与政策工具特性为一方，政策环境、目标和目标受众为另一方之间相匹配的时候才是有效的[24]。基于此，以科技人才发展阶段对应政策环境，人才对政策响应对应于目标和目标受众，构建多维的科技人才政策分析框架。如图1所示。

(一)基本政策工具维度

根据Klein Woolthuis[25]的研究，将政策工具维度(X维度)分为信息型、权威型、组织型及财政型工具。其中信息型政策工具表现为建议、训练、报告和教育；权威型政策工具主要是执照、使用费和监督；组织型政策工具体现为人事调动和组织变动；财政型政策工具则是补贴、贷款和资助。

(二)科技人才发展阶段维度

在借鉴刘忠艳[26]和周小虎[27]对人才发展阶段划分方式的同时，结合科技人才自身发展的特点，将科技人才发展阶段维度(Y维度)分为引进、培养、激励和管理四个阶段。

(三)人才响应维度

根据刘洪银[28]提出的指标体系，人才响应维度(Z维度)选取“研究与实验发展(R&D)人员数量”代表科技人才政策引进与培养成效、“专利授权数”和“高新技术企业数”代表科技人才政策激励与管理的成效。

三、科技人才政策比较研究

(一)研究样本

选取2012-2018年间北京、上海、深圳、南京、合肥和杭州出台的科技人才相关政策为样本。样本采集分为三个过程，首先，从人力资源和社会保障局、科技信息网、政府网以及学术文献搜索引擎等多渠道收集研究所需的政策文本；其次，由于部分科技人才政策存在被修改、失效、内容为申报、考核等，并未对科技人才提供实质性建议的问题，在整理分析过程中进行了剔除；最终，整理得到有效政策文本147份，其中北京市29份、上海市32份、深圳市24份、南京市21份、合肥市20份、杭州市21份。

(二)研究工具

借助NVivo软件对六个城市的147份科技人才政策进行编码。对政策文本进行关键词提取或标签标注，建立节点系统，将整理过的147份科技人才政策导入软件，对其进行编码。

(三)政策工具维度统计分析

表1 X维度参照点数统计

在NVivo中对各城市人才政策文本进行编码后，可得到政策工具维度各节点的参照点数(表1)和各年的编码覆盖率(表2)。编码参照点数越多、编码覆盖率越大，表明对所关注信息的披露越充分。研究发现：

1.组织型和财政型政策工具居多，信息型最少。表1显示了六城市在近七年所使用政策工具参考点总数为449，其中信息型、权威型、组织型和财政型政策工具比例依次为7.3%、24.3%、33.4%和35.0%。

2.各城市政策工具比例有规律的分布。政策工具虽然占比不同，但具有一定的趋同性，整体呈现出三种态势：第一种为“北京、上海、南京”型，政府实施政策主要是通过财政补贴以及人事调动和组织调动来实现的，财政型和组织型政策工具总和均大于50.0%；第二种为“深圳、合肥”型，采取的政策工具类型主要为权威型、财政型、组织型，三者占比均衡；第三种为“杭州”型，采用的政策工具主要是财政型和权威型，两者之和占比高达70.6%，而组织型政策工具占比17.9%，小于其它五个城市。

3.从时间变迁分析，2012-2018年之间六城市信息型节点的编码覆盖率基本持平；权威型和组织型节点的覆盖率逐渐上升；北京、南京、深圳、合肥在财政型节点上的覆盖率下降幅度较大，而上海和杭州在财政型节点上的覆盖率逐年上升。这说明七年间各城市政府发布科技人才政策时利用权威型、组织型政策工具越来越多。

表2 2012-2018年六城市X维度各节点编码覆盖率(%)

(四)科技人才发展阶段维度统计分析

表3 Y维度参照点数统计

通过NVivo对各城市人才政策文本进行编码，可得到科技人才发展阶段维度各节点的参照点数(表3)和各年的编码覆盖率(表4)。研究发现：

1.政策目的偏向激励与管理。表3显示了六城市近七年在科技人才发展阶段的参考点总数为449，其中引进、培养、激励和管理比例依次为12.0%、16.7%、35.4%和35.9%。

2.二线城市在激励、管理科技人才的后期投入与引进、培养科技人才的前期投入之间的差距较一线城市小。北京、上海、深圳的后期投入与前期投入比例差分别为43.8%、44.7%和57.0%，而南京、合肥、杭州则为35.6%、35.7%和28.4%，由此可见二线城市的投入差距明显小于一线城市。

3.从时间变迁分析，表4显示北京、南京、深圳、合肥在培养节点上的覆盖率下降幅度较大，而上海和杭州在培养节点上的覆盖率逐年上升；北京、上海和深圳在管理节点上的覆盖率上升幅度较大，而杭州、合肥和南京则逐年下降。这说明七年间各城市政府在引进、激励科技人才上越来越重视；北京、深圳、南京、合肥对科技人才培养的关注度有下降的趋势，更关注人才管理。

表4 2012-2018年六城市Y维度各节点编码覆盖率(%)

(五)政策工具-科技人才发展阶段二维统计分析

采用“城市首字母大写-政策编号-条目号”进行编码，对不同城市的科技人才政策做二维的对比分析。结合量化分布图的分布规律和形状特征汇总出三种不同类型图。

1.T型图

图2、图3和图4分别展示了上海市、北京市和南京市的政策工具与科技人才发展四环节的相互作用关系，三个城市所呈现的二维分布图是类似于“T”型的。其主要特点：(1)分布在管理方的政策工具量多面广，尤其权威型政策工具和组织型政策工具较高，可见政府在管理科技人才上是极其重视的。(2)在科技人才发展阶段中，组织型政策工具作用于各个环节，并且组织型政策工具对科技人才发展阶段后期激励与管理的支持较多，财政型政策工具主要用于激励和管理科技人才。

图2 上海市二维分布图

图3 北京市二维分布图

图4 南京市二维分布图

图5 深圳市二维分布图

2.O型图

图5和图6分别展示了深圳市和合肥市的政策工具与科技人才发展四环节的相互作用关系，呈现的二维分布图是类似于“O”型的。其主要特点：(1)政府主要通过权威型政策工具与组织型政策工具管理科技人才；人才的激励主要依靠财政型政策工具来实现；科技人才的培养依靠信息型政策工具居多。(2)在科技人才发展阶段中，信息型政策工具和组织型政策工具面较广，其中信息型政策工具主要用于培养科技人才，组织型政策工具主要用于管理科技人才；权威型政策工具与财政型政策工具的分布非常集中的，两个城市的权威型政策工具都用于管理上，财政型政策工具几乎全用于激励上。

3.点状图

图7展示了杭州市的政策工具与科技人才发展四环节的相互作用关系，呈现为点状。其主要的特点：(1)杭州市政府主要采用权威型政策工具管理科技人才；培养科技人才的政策工具面广，各种工具均有涉及。(2)杭州市权威型政策工具突出，占比29.9%。杭州发布科技人才相关政策时多借助权威型政策工具实施，而较少进行人事调动以及组织调动。(3)杭州市财政型政策工具超过一线城市，北京、上海、深圳财政型政策工具分别占比33.3%、37.0%、33.0%，而杭州的财政型政策工具占40.3%。说明杭州在实施科技人才政策的财政支持可以和一线城市相提并论的，更多依靠财政手段将科技人才政策落到实处。

图6 合肥市二维分布图

图7 杭州市二维分布图

四、科技人才政策的效果研究

(一)科技人才政策实施效果

从YZ二维分析各城市七年间的科技人才政策，在人才发展不同阶段起到的效果。考虑到政策的滞后效应，从各地区2013年和2019年的统计年鉴以及2012年和2018年的统计公报获取相关数据，其中由于上海市和合肥市的2019年统计年鉴未公布，故采用2017年数据如表5。

表5 ZY二维指标统计

1.科技人才引进和培养政策效果

北京、合肥七年间的科技人才引进与培养政策成效显著。2012年的R&D人员数量排在前三的分别是北京市、深圳市和上海市，说明一线城市的R&D人员数量基数较大。从年平均增长率看，七年间，除南京外各城市基本保持稳步增长，合肥市与北京市的增长速度最快，增速分别达到11.6%和8.6%，北京市的R&D数量到2018年为止依然最高，而合肥市的R&D数量到2018年为止依然最低；七年间，南京市的R&D数量年平均增长率为-1.6%，说明南京市科技人才引进和培养政策成效不显著。

2.科技人才激励和管理政策效果

北京市、深圳市和南京市在七年间的科技人才激励与管理的政策成效显著。由表5知，2013年北京、上海、深圳和杭州的专利授权数相差无几，而南京市与合肥市的专利授权数与其他城市有较大差距。从年平均增长率来看，七年间各城市的专利授权数普遍增长的，其中深圳市和南京市的专利授权数增长最快，年平均增长率分别达到19.3%和15.5%，南京市虽然在2012-2018年间的专利授权数增长较大，但到2018年为止的专利授权数仍然较小，而北京市的年平均增长速度达到12.0%，到2018年的专利授权数依然是最高的。2012年各城市高新技术企业数的差距较大，北京市在2012年时的高新技术企业数最多，有1 461家，合肥市的高新技术企业数最少，有120家。从年平均增长率来看，七年间各城市的高新技术企业数是普遍增长的，其中合肥市和深圳市的增长速度最快，年平均增长率分别为61.3%和50.6%，其次分别是南京市、北京市、杭州市和上海市。这表明，七年北京市、深圳市和南京市的科技人才激励与管理的政策成效较好。

(二)科技人才政策的政策工具效果

根据科技人才政策的效果和XY的二维分布图，分析各城市七年间的政策工具效果。

1.组织型政策工具在引进与培养科技人才时的效果较好

北京、合肥七年间的科技人才引进与培养政策成效显著。结合XY二维分布图，北京、合肥在引进与培养科技人才主要采用的政策工具是信息型和组织型，杭州市在引进与培养科技人才主要采用的政策工具是信息型和财政型。由此可知，组织型政策工具在引进与培养科技人才时的效果较好。

2.组织型与财政型政策工具在激励与管理科技人才时的效果较好

北京市、深圳市和南京市七年间的科技人才激励与管理政策成效显著。结合XY二维分布图，北京市、深圳市和南京市为了激励与培养科技人才主要采用的政策工具是组织型和财政型，杭州市、合肥市和南京市主要采用的政策工具是权威型和财政型。由此可知，在激励与管理科技人才时，组织型与财政型政策工具的效果较好。

五、建议

(一)根据科技人才发展阶段，适时调整政策工具

科技人才的发展是动态过程，每个阶段的政策需求是不同的，这就需要政府在运用政策工具时根据实际情况及时调整。政府应该保持组织变动、岗位变动等组织型政策工具来吸引留住人才的同时，应多运用各种经济福利、岗位吸引力等进一步吸引与培养科技人才。

(二)加强组织型政策工具的使用

根据各城市七年政策实施后效果发现，组织型政策工具无论是在引进培养，还是在激励与管理科技人才方面的成效是高于其他政策工具的。建议在发布科技人才政策时应进一步优化组织型政策工具：围绕当地的产业链，建立高校、企业和科研机构的多向流动渠道，更好的发挥人才的作用；同时，优化政策反馈服务平台，根据科技人才的反馈与互动，采取相应的变动。

(三)不同经济发展地区侧重不同的政策类别

一线城市应加强科技人才后期的激励与管理，建立物质激励与精神激励相结合的体系和合理考核评价机制。二线城市应加强科技人才前期的引进与培养，建立科技人才信息库，制定好目标规划，精准引人。