我国研究生教育对区域创新的溢出效应研究

李立国 杜 帆

(中国人民大学 教育学院，北京 100872)

2019年中国人均GDP突破1万美元关口，2020年我国GDP总量突破了100万亿人民币，作为拥有14亿人口和世界第二大经济体的国家，我国进入了新发展阶段。2019年，我国各类高等教育在学总规模达4002万人,高等教育毛入学率达到51.6%，实现了高等教育普及化，建成了世界上最大规模的高等教育体系。在十四五和2035年的发展进程中，创新驱动引领的高质量发展成为了时代主题，京津冀协同发展、长三角一体化、粤港澳大湾区建设、成渝经济圈等区域发展在国家整体发展中处于重要地位。作为国民教育最高层次的研究生教育在区域创新发展中承担怎样的使命与责任，值得认真探索。培养高水平的研究型和创新型人才，持续推进知识创新和实践创新，是研究生教育的根本使命。研究生教育应该精准识别区域创新需求，根据区域创新发展需求来改革研究生教育的供给，充分发挥研究生教育对区域创新的支撑和引领作用。本文将从研究生教育空间布局与区域创新的视角，以研究生现有每年授予学位人数(培养规模)和区域劳动力人口中研究生学历人数占比(累计规模)来反映研究生人才培养能力，以单位面积的发明专利授权数来衡量区域创新水平，以此来分析研究生教育的空间溢出辐射效应，分析研究生教育与区域创新的关系。

一、文献综述

技术进步是经济增长的主要驱动力，如何将其内生化更成为在索罗模型以后经济增长理论发展的重要方向。创新大致分为横向和纵向两类，横向的创新是指罗默的水平创新增长理论(1)Paul M.Romer, “Endogenous Technological Change,”Journal of Political Economy 98,no.5(1990): S71-S102.，即产品数量的增加；纵向的创新是指熊彼特质量阶梯理论的“创造性破坏”(2)Philippe Aghion and Peter Howitt,“A Model of Growth through Creative Destruction,”Econometrica 60,no.2(1992): 323-351.，即产品质量的改进。2019年我国人均GDP突破1万美元，进入到创新引领的新发展阶段，需要以新发展理念为指导，形成以国内大循环为主体、国内国际双循环的新发展格局，为此我国经济增长方式必须要进行变革与重塑，不断加快科技创新，以创新引领区域经济社会发展。从现状看，我国科技创新有较强的空间集聚性。东部地区部分发达省份形成了高水平创新集聚的良性循环，而西部地区成为了低水平的创新洼地，东中西地区形成了较为明显的创新梯度(3)宋旭光,赵雨涵.中国区域创新空间关联及其影响因素研究[J].数量经济技术经济研究,2018,(7):22-40.。我国城市创新产出存在较大差异, 区域间的创新差异大于区域内部创新差异, 东部沿海城市对整体创新差异的贡献最大(4)王承云,孙飞翔.长三角城市创新空间的集聚与溢出效应[J].地理研究,2017,(6):1042-1052.。长三角地区整体创新空间差异和创新集中度呈下降趋势, 近年来已趋向稳定，基本形成以上海、南京为端点的创新高值集聚带(5)吴开俊,王一博.专业学位研究生教育结构与产业结构适切性分析——以广东省为例[J].教育研究,2013,(2):97-104.。

与创新集聚的空间分布类似，我国研究生教育也有较为明显的空间集聚特征。珠三角地区经济总量在全国居首位, 但研究生教育总规模乃至专业学位研究生教育规模都落后于京津冀及长三角地区, 难以满足经济社会发展对高层次人才的需求(6)高耀等.学位与研究生教育主动服务需求的动态调控机制研究——基于学位授权审核的视角[J].中国高教研究,2019,(6):87-93.。西部地区大多数省份一方面由于学位授权点的限制导致自身无法培养更多的高层次人才, 另一方面也很难招收到合适的人才, 即使花大力气引进也很难避免人才外流。研究生教育人才需求旺盛但供给缺乏导致的突出结构性矛盾严重制约了西部地区经济社会的进一步发展(7)Joao Ricardo Faria et al.,“Agglomeration Economies and University Program Creation in the Knowledge Economy,”Socio-Economic Planning Sciences 72, no.C(2020): 100800.。专业学位研究生教育的需求是非弹性的，往往产生在经济社会发展高度集聚的区域中，其规模至少在200万人口以上(8)徐志平,沈红.我国“双一流”大学博士毕业生就业特征分析[J].现代教育管理,2019，(3):106-111.。全国双一流大学超过80%的博士毕业生选择在东部就业, 主要集中在京津冀、长三角和珠三角三个核心区(9)方超,罗英姿.研究生教育对我国经济增长的影响研究——兼论研究生人力资本的空间流动性[J].高等教育研究,2017，(2):52-60.。

创新集聚的空间分布特征不仅受到区域内部科技创新所依赖的资源丰裕程度，也可能受到周围区域知识溢出的影响。这种影响机制大致有两种。第一种是人才的流动因素：研究生教育是最高层次的学历教育，科研工作者大部分具有研究生学历。在省市间往来的科研人员极大地降低了创新成本，对其周围省市的创新水平带来积极的推动作用，研究生教育规模也会对创新集聚有一定的溢出辐射效应，而且这种溢出效应要强于研究生人力资本作为生产要素的直接推动作用(10)Thomas Brekke, “What Do We Know About the University Contribution to Regional Economic Development? A Conceptual Framework,”International Regional Science Review 44,no.2(2020): 33.。此外，大学在为经济社会发展提供智力支撑的同时，其作为一种组织形态也会在交叉跨界的活动中促进区域创新的发展(11)Marjolein C.J.Caniels and Herman van den Bosch, “The Role of Higher Education Institutions in Building Regional Innovation Systems,”Papers in Regional Science 90,no.2(2011): 271-286.。大学的内部组织结构是与其周围经济发展结构密切相关的，这种结构上的相似性会为大学与社会之间知识传播、资源流动提供便利(12)Christopher S.Hayter, “Social Networks and the Success of University Spin-Offs: Toward an Agenda for Regional Growth,”Economic Development Quarterly 29,no.1(2015): 3-13.。从事科研工作的教师和研究生们一方面在大学里做学术研究，另一方面基于所从事的研究课题在校园外与投资者一起将科技成果转化，这部分学术创业者(academic entrepreneur)也会对区域创新做出积极的贡献(13)Joshua Drucker, “Reconsidering the Regional Economic Development Impacts of Higher Education Institutions in the United States,”Regional Studies 50,no.7(2016): 1185-1202.。

这种知识溢出效应的作用范围也是有限的。劳动力人口的学历越高，理工类专业比例越高以及人均受教育年限越高，那么区域的企业活动也会更加活跃，且高等教育的溢出效应大概在一百公里左右(14)Harvey A.Goldstein and Catherine S. Renault, “Contributions of Universities to Regional Economic Development: A Quasi-Experimental Approach,”Regional Studies 38,no.7(2004): 733-746.。这种溢出效应与区域规模也有关系，区域的规模越小，知识的溢出效应也越明显，研究型大学在规模较小的区域中对经济社会发展的集聚有显著的替代特性(15)Nobuya Fukugawa, “Knowledge Spillover from University Research before the National Innovation System Reform in Japan: Localization, Mechanisms, and Intermediaries,”Asian Journal of Technology Innovation 24,no.1(2016): 100-122.。研究型大学与企业之间的正式合作所起到的创新推动作用并不明显，反而企业招收毕业生、科研人员自愿的成果转化等形式的非正式合作起到了更大的作用(16)赵星,王林辉.中国城市创新集聚空间演化特征及影响因素研究[J].经济学家,2020，(9):75-84.。我国不同城市圈知识溢出辐射效应空间特征表现出非一致性，珠三角和长三角城市圈知识溢出辐射效应空间特征呈显著的倒U型关系，分别在125千米和150千米地域内达到峰值，而京津冀城市圈并未表现出显著的空间特征(17)中国科技发展战略研究小组，中国科学院大学中国创新创业管理研究中心.中国区域创新能力评价报告2019[M].北京：科学技术文献出版社,2019.。

以往文献虽然分析了包括高等教育在内的知识溢出对于创新集聚的影响，但只是局限于对于知识整体溢出辐射效应的分析，没有细化到研究生教育对于区域创新的溢出辐射效应，更没有实证分析研究生教育溢出辐射效应空间的特征和具体数值。鉴于当前研究存在的不足之处，本文构建包含研究生教育变量的空间计量模型，测度研究生教育的空间布局和对区域创新的影响，分析研究生教育最佳的溢出辐射距离，为我国研究生教育空间布局的方向性调整提供可借鉴的参考。

二、研究方法

(一)理论模型

随着科技的飞速进步，我国交通运输网络愈加发达，各省联系也越来越紧密。距离较近的省份人才流动和贸易往来相对密切，距离较远的省份交流则相对较弱。同样，创新依靠的研究与开发(research and development，简称R&D)活动与研究生教育群体也是具有这种类似的空间自相关特点。城市内部创新资源丰裕程度受到很多因素的影响，主要有经济因素和教育因素，故建立如下模型：

CXit=α·lnGDPit+β·YJSit+ρ·lnHit+θ·JTit+γ·NETit+εit

其中CXit为创新因变量，GDPit为地区生产总值，代表地区的经济水平；YJSit为研究生教育水平，Hit为人力资本水平，代表省市的教育水平；JTit为交通水平，NETit为信息化水平。人力资本水平Hit为平均受教育水平EDUit与人口数POPit的乘积，平均受教育水平EDUit的计算公式为：

其中，当j=1，pop(1)it表示i省市t年6岁及6岁以上未上学人口数。考虑到幼儿园、学前班、扫盲班以及社会基础知识教育情况，取该层次受教育年限edu(1)it为1年。当j=2，pop(2)it表示i省市t年最高学历为小学学历的人口数，取该层次受教育年限edu(2)it为7年。当j=3，pop(3)it表示i省市t年最高学历为初中学历的人口数，取该层次受教育年限edu(3)it为10年。当j=4，pop(4)it表示i省市t年最高学历为高中(含中等职业)学历的人口数，取该层次受教育年限edu(4)it为13年。当j=5，，pop(5)it表示i省市t年最高学历为大学专科(含高等职业)学历的人口数，取该层次受教育年限，edu(5)it为16年。当j=6，pop(6)it表示i省市t年最高学历为大学本科学历的人口数，取该层次受教育年限edu(6)it为17年。当j=7，pop(7)it表示i省市t年最高学历为研究生(硕士及博士)学历的人口数，取该层次受教育年限edu(7)it为21年。

本文所采用的数据是从2001年到2018年，为时间序列，所以采用一般的空间面板模型：

考虑到区域的交通和信息水平会影响到创新知识的溢出，在此基础上将交通水平和信息水平，作为控制变量加入到方程中，其中交通水平以旅客周转量代表，其单位为亿人公里，信息化水平以电信业务总量为代表，其单位为亿元，最终得到：

其中JTit为交通水平，NETit为信息化水平，作为控制变量，故不参与空间杜宾模型的运算，空间滞后的解释变量为研究生教育变量JYSit，其空间权重矩阵与因变量城市水平CXit的空间权重矩阵相同，皆为W。模型中所用变量详见表1：

衡量区域创新水平的变量较多，比如专利数、科研论文数、研究与开发投入等等，也有基于基础指标进行二次计算的区域创新指标，例如全球创新指数(global innovation index，简称GII)，该指数包括了教育、基础设施和商业经验等八十项指标，为全球131个经济体进行计算；我国国内有《中国区域创新能力评价报告》，该报告认为2015-2019年，广东省创新能力提升步伐明显快于其他9个省市，实力指标排名第1位。为了考察各区域创新水平的空间依赖性，本文采用单位面积的专利授权数来衡量，数据来源为《中国科技统计年鉴》。

空间权重矩阵是空间计量的核心，比照国际象棋中不同旗子的行走路线，相邻关系主要有三种：第一种车相邻指两个相邻的区域有共同的边，第二种象相邻指两个相邻的区域有共同的顶点但没有共同的边，第三种后相邻指两个相邻的区域有共同的顶点或共同的边，本文采用后相邻的相邻关系。空间权重矩阵种类也有很多种，比如地理距离权重矩阵，矩阵内元素表示城市间地理距离的倒数；还有经济距离权重矩阵，矩阵内元素为城市间人均GDP 绝对值差的倒数；第三种是经济地理权重矩阵，矩阵内元素为两城市间地理距离倒数与其人均GDP 占所有城市人均GDP 比重的乘积；第四种为矩阵为技术关联权重矩阵，矩阵内元素采用城市间地理距离平方倒数与两城市技术水平的乘积表示。为了计算我国研究生教育的溢出距离，本文采用地理空间权重矩阵来进行测算。对于地理空间权重矩阵，其距离测量主要有大圆距离(great circle distance)和欧式距离(Euclidean distance)，本文采用较为通用的欧式距离进行计算，数据来源为国家基础地理信息中心。

研究生教育水平的变量主要有四种，比如研究生招生数、研究生在校生数、研究生学位授予数和就业人口中具有研究生学历的人数，其中学位授予数代表了各省市研究生教育培养规模，时间序列较为完整，故选用学位授予数来代表研究生教育培养规模，数据来源为各年《中国学位与研究生教育发展年度报告》。考虑到研究生教育属于学历教育，研究生人力资本属于高层次的人力资本，区域流动性较强，而研究生招生数、在校生数与学位授予数是在研究生就业之前统计的，没有考虑到研究生就业地流动的因素，故本文采用研究生就业之后的数据来代表研究生教育的累计规模，即就业人口中具有研究生学历的人数，数据来源为《各省劳动统计年鉴》。区域的交通便利水平和信息化水平都会对创新的知识溢出产生影响，本文采用旅客周转量来计算交通水平，电信业务总量计算信息化水平，地区生产总值采用各年名义生产总值，各个省市的人口数采用年末常住人口数，数据来源为国家统计局。平均受教育年限根据各个受教育层次的所占比例计算，数据来源为《中国统计年鉴》。

三、实证结果

(一)创新的区域差异

为了衡量创新的区域差距，本文以专利授权数来代表创新产出。图1为全国创新产出及人均创新产出的趋势变化图，其中创新产出的单位为万项，人口的单位为十万人。从趋势图中，我们可以看出全国创新总产出与人均创新产出的变化趋势大体相同，从2001年以来，均取得了较大幅度的增长。从全国创新产出来看，2008年开始创新产出的增长速度加快。在2012-2017年的增长平缓期中，2014年出现小幅度增长。2017年以后，创新产出的增长速度再次增大。

图2为东中西部创新产出的相对分布情况(18)中部：山西省、河南省、湖北省、湖南省、江西省、安徽省；东部：北京市、天津市、河北省、山东省、江苏省、上海市、浙江省、福建省、广东省、海南省；西部：重庆市、四川省、广西壮族自治区、贵州省、云南省、陕西省、甘肃省、内蒙古自治区西部、宁夏回族自治区、新疆维吾尔自治区、青海省、西藏自治区。。从东部地区的相对创新产出来看，2001-2009年处于增长阶段，2009-2018年为减小阶段。中西部的相对创新产出与东部地区的变化趋势相反。总体来看，东部地区和西部地区的相对创新产出有所减小，东部地区的相对产出有所增加。从绝对创新产出来看，2001-2018年东部地区的创新产出增加量远大于中部和西部的创新产出的增加量总和。

表2为各省份的创新能力(19)创新能力来自：中国科技发展战略研究小组，中国科学院大学中国创新创业管理研究中心.中国区域创新能力评价报告2019[M].北京：科学技术文献出版社,2019.排名与变化。从创新能力的前列省份来看，近两年来保持平稳，广东省、北京市、江苏省分别位列全国前三名，长三角地区与珠三角地区的创新能力排名较为靠前。从创新能力上升的省份来看，江西省和宁夏回族自治区的创新能力有较大幅度的上升。从创新能力下降的省份来看，天津市、吉林省等省份创新能力下降比较明显，其中东北地区辽宁省、吉林省的创新能力排名均有所下降，且东北地区整体排名也较靠后，反映出东北地区经济结构调整压力较大。

(二)区域创新的影响因素

表3为区域创新影响因素的回归结果，其中第(1)-(6)列为多元线性回归，第(7)和(8)列分别为随机效应模型和固定效应模型。在多元线性回归中，第(1)列为经济因素对区域创新的影响，结果表明地区生产总值越高的区域，其区域创新水平也越高。第(2)列为省市因素对区域创新的影响，结果表明区域信息化水平越高，区域创新水平越高，旅客周转量越高，区域创新水平越低，这可能是因为区域地理面积越大，在一定程度上不利于地区间充分交流，从而对区域创新水平有一定的负面影响。第(3)列为教育因素对区域创新水平的影响，结果表明地区研究生教育培养规模越小，研究生教育累计规模越大，区域的创新水平越高，人力资本存量对区域的创新水平也有一定的负面影响。第(4)列为经济因素与教育因素，第(5)列为经济因素与省市因素，第(6)列为三类因素对区域创新水平的影响，回归结果与第(1)-(3)列并未有显著变化。

在面板回归的结果中，在第(8)列的F检验的F值为31.44，P值为0.0000，故强烈拒绝原假设，即认为固定效应模型明显优于混合回归。豪斯曼检验结果显示选用固定效应模型进行回归分析，故选取第(8)列固定效应的回归结果进行分析。从经济因素上来看，不同于混合回归的结果，面板回归的结果表明地区生产总值越高，其区域创新水平越低，这说明地区的经济水平与创新水平并未相协调。从省市因素来看，旅客周转量越高，区域创新水平越低。从教育因素来看，研究生教育累计规模越大，区域创新水平越高。与混合回归结果不同的是，面板回归的结果表明研究生教育培养规模越大，人力资本存量越大，则区域创新水平越高，这说明不仅是研究生教育的累计规模，研究生教育培养规模以及其他学历教育也同样会对区域创新水平有一定的正向影响。

(三)研究生教育对区域创新的溢出效应

表4为研究生教育空间溢出对区域创新集聚影响的实证结果，其中第(1)列和第(2)列分别为随机效应模型RE和固定效应模型FE。从时间序列的回归结果来看，研究生教育对区域创新水平有着显著的正向影响，说明研究生教育培养和累计规模越大，该区域创新水平也越高。第(3)-(7)列为空间计量的实证结果，其中第(3)-(6)列为固定效应模型，第七列为随机效应模型。在固定效应模型中，第(3)列为包含个体效应的固定效应模型，第(4)列包含了时间效应，第(5)列包含了个体效应和时间效应，第(6)列为动态面板的固定效应模型。在个体效应的固定效应模型中，虽然研究生教育对区域创新水平有正向影响，但其空间特征并不明显。在时间效应的固定效应模型中，研究生教育培养规模的溢出对创新集聚存在显著的负向作用，且周围区域的创新集聚会对本省创新水平有一定的负向影响，但研究生教育累计规模对创新集聚存在显著的正向作用。当同时考虑到个体效应与时间效应时，第(5)列的回归结果表明，研究生教育培养规模的负向溢出效应不再显著，但研究生教育累计规模的正向溢出效应依旧显著为正。在动态面板的回归结果中，研究生教育的溢出效应不再明显。对比固定效应模型中动态面板与静态面板的实证结果，动态面板的拟合优度低于个体效应的固定效应模型，说明较短时间序列的数据更适合静态面板模型。对比固定效应模型和随机效应模型的实证结果，随机效应的模型拟合优度要高于固定效应模型，故随机效应模型更适合本文数据。从第(7)列的回归结果来看，研究生教育培养规模和累计规模对创新集聚的溢出效应均不存在显著特征。

为了进一步探究研究生教育溢出空间特征，本文按照不同的欧式距离来分析研究生教育对区域创新的溢出性。表5为研究生教育溢出空间特征的实证结果，其中第(1)-(7)列回归使用的是400公里以下的空间权重矩阵，第(8)-(14)列回归使用的是400公里以上1000公里以下的空间权重矩阵，第(9)-(21)列回归使用的是1000公里以上的空间权重矩阵，第(21)列使用的全国范围的空间权重矩阵。

从研究生教育与矩阵的空间回归系数来看，虽然在全国范围上，研究生教育规模的溢出效应尚不明显，但当将空间权重矩阵的距离阈值限定在不同公里数时，研究生教育的培养规模和累计规模的溢出辐射效应空间特征均在300公里附近达到峰值。具体来说培养规模在380公里处的溢出效应最大，最大值为0.184，累计规模在260公里处的溢出效应最大，最大值为354.9。回归结果表明，虽然研究生教育对区域创新水平有着正向影响，但研究生教育培养和累计规模的正向溢出辐射效应却是有限的，这可能是因为研究生教育的人力资本流动是有限的。

从研究生教育的培养规模来看，280公里以内一直增加，300-400公里之间保持稳定，并在380公里处达到峰值，峰值为0.184，400-1000公里之间逐渐变小，回归系数变得不显著，在600-700公里区间，回归系数由正变为负值，1000公里以内倒U型特征明显，说明研究生培养对周围省市创新集聚的影响在350公里左右。江苏省、上海市和浙江省的研究生培养不仅对本省市创新水平有着显著的正向影响，也对长三角经济圈临近省市的创新集聚产生着积极的影响。南京大学2019年硕士毕业生中有46.62%继续留在江苏省就业，其次有15.31%的毕业生选择在上海市就业，9.69%选择在浙江省就业。山东大学2019年毕业研究生有接近90%选择在东部省份就业，其中有9.95%的硕士毕业生选择在北京市就业。浙江大学2019年分别有12.21%和8.78%的硕士毕业生选择上海市和广东省就业。

1000公里以外研究生教育的空间溢出性开始增大并趋于逐步稳定，说明某些本地省份培养的研究生人才外流的现象较为明显。2019年北京大学和清华大学分别有24.12%和21.6%的硕士毕业生去往广东省就业。在长三角地区以外，南京大学分别有9.02%和5.74%的硕士毕业生选择在广东省和北京市就业。重庆市及四川省研究生学历就业人口从2015年的40.9万人下降到2016年的37.4万人。虽然西南和西北地区研究生培养规模较大，2018年陕西省的硕士及博士培养规模均排在全国前五，但只有约三分之一的毕业生选择继续留在陕西省，西部地区当地培养的研究生往往倾向于东部发达地区就业，2019年西安交通大学有14.92%选择到广东省就业，导致其对本地及西部地区的创新水平影响不明显。

从研究生教育的累计规模来看，在260公里处达到峰值，峰值为354.9，之后会逐渐减小，330公里处下降到了186.7，350公里以后回归系数变得不显著，这说明研究生累计规模对创新集聚的影响在地理距离上是负相关的，在450-500公里之间，回归系数由正变为负值。2018年江苏省的创新专利授权数位居全国第二，其就业人口中研究生学历人数位居全国第三，其临近的浙江省的创新专利授权数位居全国第三。2018年广东省虽然研究生培养规模只占到全国研究生培养规模的4.64%，但诸多省份的毕业研究生将广东省作为除生源地省份之外的最优就业省份，使得广东省研究生教育的累计规模的全国占比增加，具有研究生学历的就业人口比例增加，创新专利授权数稳居全国第一。相比于研究生教育培养，研究生教育累计规模的空间特征较为线性，对创新集聚的影响往往发生在本地及周边省市。

四、政策建议

受高等教育的历史布局、人口分布及地理环境差异、经济发展不均衡等因素的影响，我国研究生教育发展呈现出地域分布不均衡特征。北京、上海、湖北、江苏、陕西等省域研究生教育较为发达，一直处于全国前列。近年来，在经济发展的大背景下，广东、山东、浙江等地的研究生教育也得到较快发展。由于国家实施西部开发战略和中西部高等教育振兴计划，中西部特别是青海、宁夏、云南、海南、新疆、广西、西藏等地的研究生教育增速较快。

但从全国看，省域研究生教育布局与省域经济发展呈现出一定的非均衡。并且，研究生教育的布局结构没有发生重要改变，呈现出“存量决定增量”的增长模式，即存量越大，规模扩张就越快。2019年，全国授予硕士学位685395人，博士学位69409人。从1999年至2019年，研究生学位授予人数从61652人增长到754804人，增长693152人，增长了11.24倍。硕士研究生学位授予人数从51554人增长到685395人，增长633841人，增长了12.29倍。博士研究生学位授予规模从10098人增长到69409人，增长59311人，增长了5.87倍。从布局看，区域格局变化不大，北京、江苏、上海、湖北、陕西排在前五名。博士学位授予量最多的五个地区分别为：北京、上海、江苏、湖北和陕西。北京所占比重为28.93%，其他省份所占比重均低于10%。从各省分布情况来看，北京是我国研究生教育尤其是博士研究生教育的中心。上海的硕士学位授予量为全国第三，博士学位授予量仅次于北京。江苏、湖北是全国的教育大省，其学士、硕士、博士学位授予量均位列全国前五。陕西硕士学位授予量和博士学位授予量位居全国前五。

研究生教育与区域创新有一定的相关性，但是各省之间的研究生教育与经济发展并不均衡。有些地区的研究生教育发展快于其经济发展，有些地区的研究生教育水平落后于其经济发展水平，尤其是东部沿海地区的一些省份，研究生教育滞后于该地区的经济发展。在研究生教育布局中，既要考虑依靠政策和创新环境吸引人才，也要根据区域发展需求积极布局研究生教育。在发展机制方面，既要发挥政府的主导作用，也要注重发挥市场和社会机制的作用。

1.研究生教育布局要进一步适应区域创新发展需求

研究生教育与创新发展相互联系。如果研究生教育快于区域发展，则有可能研究生教育得不到充足的经费支持，也不能为人才的发展提供发展空间；如果经济发展快于研究生教育发展，则该地区会出现人才短缺、技术发展滞后等问题。要努力使研究生教育的发展与区域创新与经济发展相互协调。

2.积极发展东部地区研究生教育，努力提高中西部地区研究生教育质量

我国东部地区部分省份的研究生教育总体而言要滞后于各省的经济发展水平。研究生教育的落后会使这些地区的发展缺少人才和智力支持，有必要加大力度促进东部地区一些省份研究生教育的发展。当然，这并不意味着我们可以不再发展其他区域的研究生教育，关键是从质量和结构上改进研究生教育，争取为当地创新发展提供更高质量和更具适用性的人才。

3.促进研究生人才资源的区域流动，推动区域创新发展

我国研究生就业总体趋势是南强北弱、东强西弱。这与我国当下的区域经济发展程度布局具有高度的相似性，体现了地区留人能力与发展程度之间的关系。东部一流大学的研究生接近或超过半数都流向了经济更为发达的北京、上海、广东、浙江、江苏五个地区。如清华大学2019年毕业的硕士生中，有44.5%都去到了江浙沪以及广东一带，占到了离开北京就业硕士的78%，其中广东更是吸引了当年清华大学五分之一的硕士毕业生。南开大学2019年的硕士毕业生中有42.75%的同学流向了经济五强地区，占离津就业硕士的61%。这一规律在浙江大学、南京大学等南方高校同样存在，前者有68.5%的硕士毕业生去了经济发达地区，后者这一比例达到74.5%。东北地区则在全国范围内的人才吸引力最低，每所双一流大学只有1%左右的研究生选择去东北就业。在研究生教育区域布局差异化显著，各省研究生教育发展与创新发展不完全匹配的情况下，有必要加快人才流动，合理配置人才资源、推动区域经济与创新发展水平。