赣南地区人才空间格局演变特征及其影响因素分析

徐竞潇，黄颖敏，朱雪颜

（江西理工大学建筑与测绘工程学院，江西 赣州341000）

0 引 言

伴随知识经济的兴起，人才作为知识和技术的载体，是城市在创新驱动发展阶段最重要的生产要素[1]。 20 世纪90 年代以来，在市场化、城市化和全球化的共同作用下，我国人才向沿海发达城市及省会城市流入[2-3]，推动了这些城市社会经济的快速发展[4]。在信息化时代的今天，城市发展及产业转型仍需大量创新人才，城市间对人才的竞争趋势持续并愈发激烈。

人才地理是西方学界长期关注的重要议题[5]，其研究主要关注两个方面：一是人才集聚对经济的推动作用。制度经济学认为劳动力是推动地区经济增长的基本生产要素[6]；内生增长理论则认为技术进步是经济持续繁荣的决定性因素，而人才集聚是实现技术进步的重要途径[7]。 二是关注人才分布规律，以及经济与非经济因素对其的影响。 研究表明，人才规模与城市规模呈“U”型非线性关系，人才偏好于大城市和小城市，中等城市对人才的吸引较弱[8]。 就经济因素而言，经济机会和潜在收入是吸引人才的重要因素，人才更关注经济发展所带来的薪酬提升[9-10]。 此外，人才分布还受个人偏好、生活质量、城市多样性等非经济因素的影响[11-12]，例如多样性水平高的地区社会融入门槛较低，可为人才提供多样的就业机会[5]。

国内人才地理的研究可追溯至20 世纪20 年代，丁文江等[13-14]以史料为基础对我国古代人才分布进行探讨，发现人才密集区以北宋为节点由黄河流域转向太湖流域。新中国成立后随着改革开放的深入，人才分布重心由内陆向东南沿海转移[15]，空间上集中于环渤海、长三角及东南沿海地区[3,16-20]，人才分布呈东密西疏的不均衡特征。就影响因素而言，除区位环境等自然因素[15]外，经济、教育、文化传统及政府政策等人文因素同样作用于人才分布，如科研院所数量及政府的R&D 规模投入，可吸引大量科技人才集聚[16,21-22]； “叶落归根”“安土重迁”等传统文化因素影响人才择居等[23]。

然而，当前对人才分布和影响因素的研究仍有待补充。 首先，研究尺度多集中于省级及以上，在中小地理尺度方面的研究相对较少[24-25]。 其次，地域选取多为发达地区，对中西部欠发达地区的研究略为缺乏[26]。 我国现正处于缩小区域发展差距、推动创新发展的新阶段，吸引人才也成为内陆地区发展的重点。 如何集聚人才既是欠发达地区推动区域发展、提高城市竞争力的重要战略，也是丰富我国人才地理学理论亟需解决的重要科学问题。 因此，以赣南地区为例，通过研究1990 年以来人才空间分布及影响特征，以期为欠发达地区人才队伍建设提供科学依据。

1 数据来源与研究方法

1.1 研究区域与数据来源

赣南地区地处赣粤闽湘四省交界处，国土面积占全省的1/4，人口占全省的1/5，下辖18 个县区市。 在《关于支持赣南等原中央苏区振兴发展的若干意见》的推动下，赣南社会经济快速发展，也面临高质量发展及持续吸引人才的需求。 在此背景下，政府出台一系列人才政策，加快城市化进程，改善公共服务水平，提升人才吸引力。 以赣南地区作为研究案例，具有欠发达地区和中小尺度人才研究的普遍意义。

研究将教育程度在本科及以上学历的人口定义为人才。 主要数据来源于第四、第五、第六次人口普查资料，《中国县（市）社会经济统计年鉴》《赣州统计年鉴》《赣州各县（区）经济与社会发展统计公报》等，选取自然环境质量、经济发展、社会发展、公共服务、空间距离、政策因素6 个方面14 个指标，见表1。

1.2 研究方法

1.2.1 人口分布不均衡指数

1）基尼系数

基尼系数原是评价收入分配公平的比例系数，数值在0 到1 之间。基尼系数越大，结构越不平衡。研究通过计算人才分布基尼系数G，定量评价人才在不同县区分布的不均衡性。 同时，依据国际上判断收入贫富差距的标准做法[27]，G＜0.2 表示人才分布“高度平均”，0.2≤G＜0.3 表示人才分布“相对平均”，0.3≤G＜0.4 表示人才分布 “比较合理”，0.4≤G＜0.5 表示人才分布 “差距偏大”，G≥0.5 表示人才分布“高度不均”，其中，G=0.4 是人才空间分布不均衡的警戒线。 基尼系数的计算方法如式（1）[28]：

表1 变量基本统计信息

其中，Gi为尼基系数； Xi为各县区人才数的累计百分比（由大到小）总和；X0=0。

2）集中化指数

集中化指数原是测度工业部门专门化（或集中化）程度的指数，值在0 到1 之间，值越大表示空间集聚程度越高[29]。 为了进一步分析赣南地区人才分布特征，借用该指数反映人才分布的集聚态势，公式如下：

其中，I 为集中化指数；A 为各县区人才数的累计百分比（由大到小）总和；R 为各县区人才均匀分布时的累计百分比总和； M 为各县区人才集中分布时的累计百分比总和。

1.2.2 偏最小二乘回归

偏最小二乘回归法集中了传统多元回归方法的优点，不仅能解决自变量多重共线性的问题，而且能较完整地保留原自变量携带的信息[30]。 本文通过SPSS22.0 软件实现偏最小二乘回归，其基本原理是以人才数为因变量y，影响人才分布的要素为自变量 x，设有 q 个因变量（y1,y2,…,yq）和 p 个自变量（x1,x2,…,xp），观测 n 个样本，构成自变量和因变量的数据表 X=（xij）n*p与 Y=（yij）n*q，分别对X 和 Y 提取成分 t1和 u1，要求 t1和 u1尽可能多携带各自数据中的变异信息，且与t1和u1最大相关。 提取第一个主成分t1和u1后，分别实施X和Y 对t1的回归，直至方程达到满意精度，否则提取下一组主成分。若最终对X 共提取r 个主成分 t1，t2，…,tr，将实施 yk（k=1，2，…，q）对 t1，t2，…,tr的回归，列出yk对原变量的回归方程。 对于模型的检验，则是利用变量投影重要性指标VIPj来度量自变量x 对因变量y 的解释能力，即人才影响因素 xj对人才数 y 的贡献大小。 一般而言，VIPj＞1 表示 xj对 y 的解释作用明显，即该要素为影响该地区人才数的主导因素；0.5＜VIPj＜1 表示xj对 y 的解释作用一般；VIPj＜0.5 表示 xj对 y 的解释作用较弱，即该要素与自变量人才数无显著关系。

2 赣南地区人才空间格局演变特征

2.1 人才规模特征

1）人才总体增长较快，增速高于同期人口增长。赣南地区1990—2010 年人才与人口规模均保持增长。 总体来看，20 年间人才增长11.7 万人，年增长率为12.43%，远高于2.97%的年人口增长率。 分阶段来看，1990—2000 年，人才增长 2.1 万人，年增长率为10.72%，同期人口年增长率为4.92%；2000—2010 年，人才增长 9.6 万人，年增长率提升至15.67%，而同期人口增速相对较慢，年增长率仅为1.38%，具体如表2 所列。 说明新世纪以来，全市人才规模加速增长，但人口增速趋于放缓。

2）章贡区为人才的高地，但增速低于市域平均水平。 章贡区作为全市政治、经济、文化中心，人才数量与密度远大于其他县区。章贡区的人才数量由1990 年的 0.9 万人增长至 2010 年的 6.6 万人，年增长率为10.99%，略低于市域人才12.43%的年增长率，见表2。 与此同期，章贡区3.95%的人口年均增长为全市最高，人口数占全市比重由0.64%增至7.68%，而人才数占全市比重则由64.34%降至50.36%。 也就是说章贡区人才规模最大，但与其他县区相比竞争力有所下滑。

3）人才密度与人口密度显著相关。 通过SPSS 22.0 软件对 1990 年、2000 年、2010 年赣南各县区人口密度与人才密度进行相关分析，各年份Pearson 简 单 相 关 系 数 分 别 为 0.942、0.956 和0.967，且在0.01 显著性水平上呈显著相关。 因此，可以初步判定人口密度是影响地区人才数量的因素之一，并可将该指标纳入回归假设，做进一步论证。

表2 1990—2010 年赣南地区各县区人口与人才变化统计表

2.2 空间格局特征

以人才密度为基本数据，借助ArcGIS 软件，对1990 年、2000 年和2010 年全市各县区人才密度进行自然间断点分级。 结果显示，人才密度共分为六类：高度集聚区（人才密度＞4.5 人/km2）、中度集聚区（人才密度2.5~4.5 人/km2）、相对集聚区（人才密度 1.7~2.5 人/km2）、相对稀疏区 （人才密度 0.35~1.7 人/km2）、中度稀疏区（人才密度 0.2~0.35 人/km2）、极端稀疏区（人才密度＜0.2 人/km2），见图 1。

1）人才由中心城区高度集聚向县域均衡发展。1990 年以来，各县区人才密度均显著提高，人才集聚范围不断增加。 1990 年，98.78%的县区人才匮乏，稀疏区面积巨大而集聚区面积狭小，人才集中分布于章贡区；2000 年，人才稀疏区与集聚区的占比不变，但稀疏区的内部结构发生变化，大余、南康由中度稀疏区转为相对稀疏区，龙南、于都、瑞金由极端稀疏区转为相对稀疏区，除章贡区和安远县层级未改变外，其他县区均由极端稀疏向中度稀疏过渡。极端稀疏区比例大幅下降，中度和相对稀疏区比例大幅上升；2010 年，随着人才数量的激增，集聚区占市域总面积的比例由1.22%上升至近50%，如表3所列，其中南康、大余、上犹、龙南、宁都、于都、兴国均完成由稀疏区向集聚区的转变，稀疏区内部结构进一步优化，中度稀疏区和极端稀疏区已经消失。

2）人才空间分布呈组团式集中、片区式增长，由单中心向多中心集聚。 具体而言，1990 年市域人才集聚在章贡区，呈典型的单中心聚集，其余县区人才相对稀疏；2000 年，人才空间分布“一核两翼” 的雏形基本形成，“一核” 为章贡区核心，“两翼”指以于都、瑞金的东北翼及以龙南为中心的西南翼。 人才分布格局与总规中“一区、两群、三轴” 的市域城镇发展结构基本一致，人才分布呈北多南少的特征；2010 年，人才密度整体大幅提高，“一核两翼”片区式发展的空间格局得到巩固。 在章贡区核心的带动下，南康人才集聚水平由一般相对稀疏区提升至中度集聚区，上犹由中度稀疏区提升至相对集聚区，兴国、宁都纳入东北翼组团，为人才相对集聚区。

图 1 1990—2010 年赣南地区人才密度

表3 1990—2010 年赣南地区人才密度分级单元面积和人才比例统计表

3） 人才围绕经济区分布。 人才集聚于以章贡区、南康、赣县、信丰为主的“都市经济区”，以龙南、全南、定南为主的“三南加工贸易承接示范区”、以瑞金、兴国、于都为主的“瑞兴于经济振兴试验区”等，其人才密度高于周边县区。

2.3 空间分异特征

分别以1999 年、2000 年和2010 年各县区人才数据计算基尼系数和集中化指数，基尼系数分别为 0.69、0.68 和 0.57，集中化指数分别为 0.71、0.71和0.60，如表4 所列，表明赣南地区人才空间分布呈不均衡状态，但不均衡程度有所下降。

表4 1990—2010 年赣州人才分布的基尼系数、集中化指数

3 影响因素分析

3.1 偏最小二乘回归分析

以 1990 年、2000 年、2010 年 3 个年份的人才数为因变量，利用偏最小二乘法计算各县区人才数与各影响因素的标准化方程回归系数，以及各影响因素的投影重要性（VIP 值）。 回归结果显示，累积X 变异数为0.893，累积Y 变异数为 0.994，分别表示模型能够解释X 和Y 矩阵信息的百分比为89.3%和99.4%，调整后的R2=0.991，表示模型的预测效果较好。表5 显示，多数变量的VIP 值位于1.0以上，说明所选多数指标影响人才分布。

1990 年VIP≥1 的变量有7 个，从高到低排序为：固定资产投资、常住人口密度、人均储蓄存款余额、非农产比重、每千人卫生技术人员数、城镇化率、GDP，如图2 所示，表明以上因素对人才分布影响较大；每千人高中专任教师数、森林覆盖率、城镇职工年平均工资、是否位于赣州市中心城区、人均财政一般预算支出、县级以上自然保护区数等变量的VIP 值在0.5~1 之间，表明上述因素对人才分布的影响相对较弱。

2000 年VIP≥1 的变量有8 个，从高到低排序为：人均储蓄存款余额、每千人卫生技术人员数、常住人口密度、GDP、城镇化率、城镇职工年平均工资、固定资产投资、森林覆盖率，如图3 所示，表明上述因素对人才分布影响较大；县（区）政府所在地是否位于赣州市中心城区、人均财政一般预算支出和非农产比重3 项因子的VIP 值大于0.5 且小于1，表明这3 项变量对人才分布的影响相对较弱。

表5 偏最小二乘回归结果

图2 偏最小二乘回归结果的投影重要性（1990 年）

图 3 偏最小二乘回归结果的投影重要性（2000 年）

2010 年VIP≥1 的变量有 7 个，从高到低排序为：常住人口密度、固定资产投资、人均储蓄存款余额、城镇职工年平均工资、每千人卫生技术人员数、城镇化率和GDP，如图4 所示，表明上述指标对人才分布影响较大；VIP 值在0.5~1 之间的指标有3 个，依次是县（区）政府所在地是否位于赣州市中心城区、森林覆盖率、非农产比重，表明以上因素对人才分布的影响相对较弱。

图 4 偏最小二乘回归结果的投影重要性（2010 年）

3.2 人才空间分布回归结果及成因分析

分析 1990 年、2000 年、2010 年各变量 VIP 值可以看出，3 个年份中VIP 值均≥1 的变量有6 个，分别为：常住人口密度、固定资产投资、人均储蓄存款余额、每千人卫生技术人员数、城镇化率和GDP。这些变量代表着社会发展水平、经济发展水平和公共服务水平等方面具体结果及成因解释如下：

1） 城镇化与人口规模是影响人才分布的主要原因。人口密度指标反映出地区的人口规模和集聚程度，说明人口集聚的规模效应对人才有较强吸引；城镇化率综合反映该地城镇化发展水平，城镇化水平高的地区产业更多元，可为人才提供充足的就业空间。 同时，城镇化高的地区往往人居环境优越、配套服务设施完备，方便人才的起居生活，这与Glaeser 提出的吸引高技能劳动力到大城市工作的原因相吻合[31]。

2） 经济发展与投资规模是驱动人才集聚的直接动力。 一般来说，经济发展是驱动人才分布的直接要素，GDP 越高的地区产业分布越多，对人才的吸引力就越强。同样人才的集聚会促进生产力和经济的发展，二者互为因果，符合人口推拉力假说，也与本文所观察的人才集中于“经济区”的特征相吻合。固定资产投资指标反映的是通过固定资本投入实现扩大再生产，代表社会财富创造潜力的提高，表明人才更愿留在有较大经济发展潜力的地区。

3）公共服务水平是吸引人才的内在动力。优质的公共服务对人才集聚的影响主要在两方面：一是较高的服务水平提高了生活质量，吸引人才定居；二是科教文卫机构自身作为智力密集型机构，直接吸引高学历人才就业。公共服务水平代表了区域的“软实力”，是对高品质生活的要求。 本模型中每千人卫生技术人员数的回归系数逐年上升，说明了在物质生活得到满足后，优质的公共服务水平对人才集聚的影响逐年加深，成为地区吸引人才的内生动力。

除上述主要驱动要素外，空间距离、自然环境因素，其 VIP 值位于 0.5～1 之间，表明这 2 项因素对人才分布影响有限，为次要驱动要素。具体而言，对于空间距离要素，其因子系数在1990—2010 年间不断增大，表明其对人才集聚的影响程度不断加深，但并非主导。而由于地理尺度较小的原因，自然环境对赣南地区人才空间格局的影响并未起到决定性作用。

4 结 论

文中基于第四、第五、第六次人口普查分县资料，研究了1990—2010 年赣南地区人才空间格局演化特征及其影响因素，研究结果表明：

1）赣南地区人才规模持续增大，尤其在2000 年以来愈发显著，增速高于同期人口增长，反映了我国人口受高等教育的水平不断提高。在人才空间格局演变特征上，中心城区始终为人才集聚的高地，但增速却低于县域人才的增速。赣南地区大部分县区实现了人才集聚水平的显著提升。 此外，人才分布格局与市域城镇发展空间结构基本一致，并围绕经济区始终呈组团式集中，经历了由单中心向多中心集聚演变，并呈现片区式增长的特征。 人才空间分异逐渐缩小，人才分布虽仍不均衡，但趋势有所减缓。

2）城镇化与人口规模、经济发展与投资规模及公共服务水平是影响赣南人才空间格局的重要因素。 其中，人口密度大、城市化率高的县区，也是人才密度较高的区域； 与国内外人才分布规律相似，赣南人才分布同样受经济发展水平的影响，人才偏好经济发达并具有发展潜力的地区，空间上与“经济区”的布局基本一致，人才与经济发展存在相互促进的关系；与发达地区一样，公共服务水平是影响赣南人才分布的主要因素，同时公共服务机构与部门也是吸引人才就业的重要渠道。

3）值得讨论的是，1990 年以来赣南地区各县人才增长速度高于章贡区，而且距离中心城区的空间距离没有成为吸引人才集聚的主要因素。 究其原因，一是1990 年代初期，赣南地区县域人才稀缺，以至于进入21 世纪以来，人才增长速度相对于中心城区更快； 二是赣南中心城区缺乏吸引人才的强大动力，无法为人才提供较好的经济收入和就业机会。

当前，我国处在缩小区域差异的关键时期，也是城市进入创新发展阶段的重要时期，城市间的竞争成了人才的竞争。欠发达地区肩负着经济跨越发展与提高城市竞争力的重要任务，深入认识内陆地区中小城市的人才分布规律，不仅有助于制定科学合理的人才政策，也可为城市发展与产业转型提供一定帮助。