中国异质性R&D人员时空分布差异比对研究

王高峰，杨浩东

(中国科学技术大学人文与社会科学学院，安徽 合肥 230026)

0 引言

在全球化受阻、疫情暴发的新形势下，中国经济处于新一轮发展节点。党的十九届五中全会将科技 “自立自强”的重要性提上历史新高度[1]。科技竞争的本质在于科技人才的竞争，而R&D人才是科技人才群体中的核心组成部分，亦是R&D资源重要构成之一[2-3]。目前，中国不同地区间R&D资源投入水平存在显著差异[4]。同时，由于政府行政干预、市场扭曲、信息不对称等因素的存在，R&D资源的错配会进一步造成效率损失，阻碍经济高质量发展[5]。研究表明，要素投入的规模、结构差异皆可能对创新发展产生重要影响[6-7]。因此，对近10年各地区R&D人员分布差异进行动态描绘，并从规模、结构端对差异程度展开测度分解，有助于制定更加符合发展需求的创新、人才政策。

自罗默等[8]建立内生增长理论并将高技能人才作为经济规模报酬递增的关键因素以来，国内外研究[9-11]在对人力资本区域分布、动态演进特征进行测度的基础上，进一步解构人力资本，根据劳动力接受教育程度[12]、技能水平[13]、性别[14]将其划分为不同层次。在科学共同体内部，默顿 《科学社会学》中对科学家群体有着更具针对性的研究。其研究范围涉及科研分层、科研合作等多个角度。前者包括科学人员的角色划分、年龄结构及性别比例的变化特征、科研人员年龄及性别差异对各学科发展的影响，对科学界中马太效应、老年统治、女性高位缺席等现象多有论述[15]；后者则主要集中于科研工作者的合作网络分析[16]。而在其与经济学交叉领域，延伸出Freeman[17]、Lundvall[18]的国家创新系统理论,国内学者对此进行阐释[19]。当创新理论由系统范式向生态系统范式演进，这为异质性R&D人才研究提供新的视角与框架[20]。对于如何构建富有活力的创新生态系统，思科前首席技术官朱迪-埃斯特林认为研究、应用和开发三大群落的健康平衡为创新生态可持续性发展提供重要保证[21]。Pique等[22]认为高校、企业、政府之间形成的一个相互重叠的 “三螺旋”互动系统为创新生态提供驱动内核。国内方面更强调通过以价值创造、创新产出为目的，以知识扩散、共享为途径的产学研协同创新构建国家创新体系[23]。总之，新节点下创新主体扮演的角色发生着变化，大学增加第三使命[24]，新型研究机构平台与研究型企业设立，三者间界限愈发模糊[25]，传统上在基础研究、应用研究、试验发展领域存在的角色分工体系愈发融通[26]。所以，描绘异质性R&D人才分布的动态变化，有助于反映三大创新群落、创新主体角色演变。

然而，现有与R&D资源相关的文献大多将R&D人员作为R&D投入的一部分，研究R&D资源投入与社会其他因素之间存在的关系。虽然部分学者对中国R&D投入区域差异的时空演变进行了研究[27]，但并没有对R&D人员空间分布进行具体深入的针对性探讨。同样的情况也出现在与人才相关的文献中，研究对象涉及高技能劳动力、高学历人才、顶尖科学家。例如，尹志欣等[28]运用汤森路透 “全球高被引科学家名单”中的国内学者数据，从具体工作经历与学术特征切入研究，古恒宇等[29]则以大专及以上学历群体定义高学历人才。刘晔等[30]将专业技术人员作为高技能劳动力的代理变量。针对R&D人员分布特征的研究，虽然李婧等[31]在对R&D人员流动测度的基础上考察R&D人员流动的空间特征及影响因素，但亦没有细化至R&D人员群体内部结构。因此本文从基础研究、应用研究、试验发展三大创新群落，以及企业、研发机构、高等学校三大创新主体出发，基于规模、结构双重视角，运用核密度估计、Dagum基尼系数、Moran指数法对中国异质性R&D人员省域时空分布差异进行比对研究。

1 研究方法与数据来源、处理

1.1 研究方法

(1)分布动态演变。本文采用核密度估计 (Kernel Density Estimator)方法分析中国R&D人员的分布动态特征，考察中国创新人力资源发展水平绝对差异的动态信息。核密度估计能够反映变量分布位置、形态以及延展性等特征，目前已被广泛运用于空间非均衡分析，公式为：

(1)

式中，n为观测值数量，h为窗宽，核密度估计对窗宽较为敏感，一般选择较小的窗宽以提高精确度，K(x)核函数为平滑转换函数，本研究采用常见的高斯核函数。公式为：

(2)

(2)差异程度及其来源。早期研究中，常用基尼系数对经济变量的区域差异进行分析，但传统基尼系数无法溯源总体差异。随后，统计学家在其基础上引入Theil指数和Dagum基尼系数等统计方法。然而，Theil指数无法克服因样本数据重叠而导致的有偏估计问题[9]，因此本文采用Dagum提出的基于子系统分解的基尼系数方法，将中国31个省份划分为东、中、西三大区域，进而刻画不同来源差异对总体差异的贡献程度，公式为：

(3)

式中，k、n分别代表区域 (子系统)及区域内省份个数，j、h为具体局域标识；i、r为具体省份标识。yji与yhr分别表示j和h区域内省市i和r的R&D人员数量或占比 (结构)；η表示所有省份R&D人员数量或占比 (结构)平均值。进一步，将总体基尼系数G分解为区域内差异贡献Gw、区域间差异贡献Gnb和由区域样本重叠所导致的不平衡贡献Gt(超变密度)。区域j的基尼系数Gjj和区域内差异Gw的计算见式 (4) (5)，区域j和h间基尼系数及区域间差异计算见式 (6) (7)，式 (8)表示超变密度贡献。公式为：

(4)

(5)

(6)

(7)

(8)

式中，pj=nj/n，sj=njηj/(nη)；Djh表示区域j和h间R&D人员规模或结构水平的相对影响；djh为区域间水平的差值，为区域j、h中所有省份差值yji-yhr>0的数学期望，pjh为超变一阶矩，为其中yhr-hji>0的数学期望。具体计算见式 (9)～ (11)，其中，Fj和Fh为j、h区域R&D人员发展水平的累积密度分布函数。

(9)

(10)

(11)

(3)空间关联特征。本文运用Moran’s I指数法检验空间因素是否对区域R&D人才规模产生显著影响。公式为：

(12)

1.2 数据来源及处理

本文研究数据来自国家统计局官方网站、 《中国科技统计年鉴》及各省统计年鉴。考虑到数据的准确性及可获得性，数据时间跨度为2010—2019年。在运用空间计量方法之前需构建空间权重矩阵，本文首先选用邻近空间权重矩阵 (w1)、地理距离空间权重矩阵 (w2)，同时为反映非地理特征因素的影响，构造经济距离权重矩阵经济距离空间权重矩阵 (w3)分别测算Moran指数。具体来说，空间邻近权重矩阵是根据区域间是否为邻近关系而构造的0～1矩阵；地理距离权重矩阵则是基于省会城市经纬度计算的球面地理距离倒数来构造的；经济距离权重矩阵中元素wij则为样本期内两个地区人均 GDP 均值之差的倒数[32]，其中GDP指标以2010年作为基期进行平减。

2 省域R&D人员规模及结构分布动态

本部分绘制全样本、三大创新群落、三大创新主体R&D人员数量及占比核密度图，对R&D人员规模、结构分布情况进行分析。

区域总的R&D人员全时当量的动态变化如图1所示。一方面，分布曲线呈现右移趋势，主峰高度降低且宽度增加，表明中国R&D人员在数量上增长的同时，各地区人员分布呈离散趋势。考虑到波峰右侧坡度较为平缓，也即意味着更多地区已脱离早期较低水平R&D人才数值区间；另一方面，分布曲线存在右拖尾现象且延展性呈拓宽趋势，表明区域R&D人员储备两极分化。进一步，对于基础、应用及试验发展三大创新群落，曲线位置、形态及延展性皆与总体特征相似。此外，相比早期，基础、应用研究分布曲线在后5年间变幅更显著，而试验发展分布曲线则表现出相反趋势。可知，全球科技竞争不断向知识链前移，上述变化反映中国对基础、应用研究源头创新作用愈发重视。

图1 创新群落R&D人员规模及结构核密度估计

对于R&D人员占比变化，首先，较试验发展，基础、应用研究领域创新人才占比处于低位且总体分布曲线呈现右移趋势。相对应地，试验发展曲线则呈现左移倾向，这也与数量上的变化相互印证，意味着基础、应用研究群落占比变动方向在21世纪第2个10年的后半程出现拐点。其次，近5年内基础、应用研究分布曲线存在拖尾现象皆有所缓和，延展性呈现收敛态势，表明中国该类R&D人员区域间结构差异减小。最后，从政策上看，从2011年 《关于进一步加强基础研究的若干意见》到2018年1月国务院印发 《关于全面加强基础科学研究的若干意见》以来，地方政府先后响应并出台政策加强基础、应用科学研究。进一步，2020年5月，科技部、财政部、教育部、中科院、工程院、自然科学基金委等部门共同制定 《新形势下加强基础研究若干重点举措》，文件强调应完善适应基础研究特点和规律的经费管理制度，加大对基础研究人员的支持，建立对颠覆性创新研究的免责机制。总体而言，全国31个省 (区、市)试验发展R&D人员投入占当地总R&D人员投入比重达50%以上的区域有25个，80%以上的区域有10个。部分区域如浙江、江苏、广东、江西比重高达90%以上。简而概之，虽然目前基础、应用研究与试验发展间的R&D人员占比有很大差距，但中国于早期就将对基础、应用研究的支持置于战略层面，并于人才培养上已初具成效。基础、应用研究决定着技术创新的广度与深度、为解决 “卡脖子”问题及产业稳定发展坚实基础。

随着创新过程愈发复杂，创新资源的有限性倒逼创新主体转变传统封闭式创新模式，如何利用技术与制度促进创新资源融通循环成为建立创新生态系统的关键所在。党的十九届五中全会指出加强创新协同，推进产学研深度融合。因此，从不同创新主体角度解构R&D人员这一创新要素，可为新时代背景下 “人才驱动”战略发展提供基础。依企业、研发机构、高校等创新主体呈现R&D人员规模及结构分布的动态变化如图2所示。可以看出，首先，相比工业企业和研发机构，高校R&D人员整体数量在近10年中表现出明显提升。并且，这种数量上的扩张在后5年尤为明显，而前两者的变化则主要集中于前5年。其次，无论是企业、研发机构还是高校，分布曲线皆存在显著右拖尾现象，这与区域间R&D人员总量的动态变化特征相一致，说明创新人力资源禀赋最优与最差地区间差异并非限于单个主体方面。

图2 创新主体R&D人员规模及结构核密度估计

从占比情况看，相比研发机构与高校，企业R&D人员占据更高的比例，这也与将企业立为社会创新核心主体的发展目标相一致。进一步，企业与高校的占比前后5年间变化存在显著的不一致，高校分布曲线经历先左再右的移动且存在右拖尾现象。而对于规模以上工业企业，虽然波峰表现出持续右移的趋势，但因峰值降低及宽度增加，整体上占比存在下降倾向。区域具体数据表明，近5年内，大部分区域工业企业的R&D人员占比出现一定程度的下降，也即2010—2015年间，31个省 (区、市)内规模以上工业企业R&D人员占比上升的区域达23个。而在2015—2019年这一数量仅为6个，并且存在左拖尾现象。位于左侧尾部区域既包含经济落后的西藏，也包含发达地区北京，究其原因可能在于近年来国家采取推动京津冀协同发展、设立雄安新区等一系列集中疏解北京非首都功能的举措，从而对工业企业R&D人员造成一定的挤出效应。总之，一方面，企业作为创新主体地位仍十分显著；另一方面，企业与试验发展在R&D人员变动上存在耦合。这也意味着三大创新主体的传统角色定位仍较为鲜明，因此亦建立完善基础研究多元化投入机制，增加企业和社会力量对基础研究的投入。

3 省域R&D人员规模及结构差异程度及来源

在展现R&D人员规模及结构分布特征基础上，根据Dagum的分解方式，将中国31个省 (市、区)划分为东、中、西三大区域，运用MATLAB2018b软件对中国省域R&D人员规模及结构差异程度及来源进行分解测算。

中国31个省 (市、区)R&D人员规模及结构的基尼系数动态演变趋势如图3所示。由结果可知，各领域及创新主体的R&D人员基尼系数皆达0.4以上。尤其地，隶属试验发展与规模以上工业企业R&D人员的基尼系数绝对值近年内皆达到0.6以上。在联合国开发计划署颁布的衡量标准中，以0.4作为分布差距程度的 “警戒线”，细化来看，低于0.2表明高度平均，高于0.6则意味差距悬殊。区域间研发人员分布规模差距较大甚至悬殊，企业研发人员数值最高的北京与最低的宁夏相差167倍之多 (108309/648)。除研发机构R&D人员基尼系数呈来回波动特征，其他皆有明显上升。这也意味着中国研发人员地区规模差异存在进一步扩大的趋势。最后，从差异来源看，组间差异是主要的来源，这种现象在试验发展领域及规模以上工业企业内尤为明显，并且随着时间变化，各来源占比皆不存在明显的变化。简而概之，中国创新人力投入于规模上存在显著的区域分布不均特征，并且非均衡性在试验发展、工业企业两大类主体中更为突出。这也意味着以宁夏、青海等地创新链条上与市场衔接上可能存在脱节，产业发展受限于 “低端锁定”。

图3 R&D人员规模Dagum基尼系数及差异来源贡献率

中国研发人员结构基尼系数的动态演变特征如图4所示。可以看出，试验发展与规模以上工业企业人员占比差异较小，前者不超过0.13，而后者不超过0.22，反映出中国省际科技人才队伍结构上的相似。然而，随着战略上从技术引进、模仿创新转向自主创新、科技自立自强，差异化发展导向从高校延伸至科技园区、产业园区，从而在全国范围内，基础研究与研发机构人员占比表现出较大差异，近10年内数值皆处于0.3至0.4之间。从时间趋势上看，仅应用研究人员结构差异呈下降态势，其他皆有不同程度的上升，其中基础研究变化幅度最大，截至2018年增幅达27%，2019年略有回落。

图4 R&D人员结构Dagum基尼系数及差异来源贡献率

进一步对差异源进行分解考察，区域内差异贡献率稳定保持在30%，除研发机构外，其他创新主体、群落内人员地区间差异贡献率呈递减趋势，超变密度贡献率皆上升至接近40%的占比。超变密度主要衡量区域间数据交叉重叠状况，即在整体结构水平较高的地区内部，部分省份的水平低于整体结构水平较低区域内的部分省市。这意味着区域间发展 “交叠”特征得以强化，也即各省份在R&D人员结构上的 “区位”特征得以削弱，R&D区域间结构差异有所下降。

4 省域R&D人员空间关联特征

考虑到中国地区创新人力要素间可能存在的空间关联，借助Stata15.0软件对R&D人员空间自相关进行检验，结果见表1。可以看出，一方面，对于区域R&D人员总数，邻近空间、地理距离、经济距离三种矩阵Moran’s指数皆为正值且在2013—2017年更显著，这意味着R&D人员分布存在正向空间自相关，并且这一特征于考察期内存在先增强后削弱的趋势；另一方面，相比另外两种矩阵类型，经济距离权重矩阵下R&D人员空间自相关表现出更为稳定的显著性，这也是由于R&D人员属于高技能人才，对地域发展水平、工作平台表现出更高的期望。

分别来看，在邻近矩阵下，除群体总数以外，仅试验发展领域和隶属于规模以上工业企业R&D人员存在空间自相关。一方面，试验发展指运用基础、应用研究知识，以产生新应用为目的，进行价值创造活动。试验发展并不直接创造科学技术知识，而与生产活动直接挂钩。因此，这也进一步解释为什么在邻近矩阵下，各地区试验发展与规模以上工业企业R&D人员空间自相关特征演变存在协同。另一方面，工业企业R&D人员聚集能够有效促进产业结构升级，空间集聚产生的外部性通过降低生产销售成本、知识技术外溢等方式影响创新产出。

对于地理距离矩阵，从R&D人员类型看,与邻近矩阵类似，除试验发展和规模以上工业企业，研发机构R&D人员的Moran指数表现出显著的空间相关性。这在验证了邻近矩阵结论的同时也体现出研发机构这一创新主体空间上的集聚特征。政策端表现在响应 《中共中央 国务院关于建立更加有效的区域协调发展新机制的意见》及教育部 “2011协同创新计划”，各地区先后将区域协调发展与城市群建设上升至国家战略层面，区域内部纷纷成立协同创新发展联盟，推动研发机构空间上的聚集协同。从时间趋势看，Moran指数先增后减，意味着R&D人员的空间关联近些年有所降低，反映出城市群发展尚未到达深层次的协同，制度对接、平台建设、发展规划缺乏统筹制定。

对于经济距离矩阵，首先可以看出，试验发展、应用研究、基础研究这3种R&D人员的Moran指数呈阶梯上升，并且，经济因素对基础、应用研究R&D人员空间分布表现出更为显著的正向影响。考虑到创新要素的有限性，因此地区对R&D资源的投入取决于地方资源禀赋与经济发展水平。由于存在创新过程复杂及不确定性所引发的知识悖论，发展初期政府往往侧重于引进技术、整合创新，也即加大对试验发展和应用研究的支持力度。而当经济发展到一定门槛，产业内技术水平与前沿相差较小时，创新发展战略从而向以基础研究具化的自主创新转变。因此，相比试验发展，基础、应用研究对经济基础有着更高的门槛要求，也即在经济距离权重背景下，基础、应用研究R&D人员的经济空间相关性更为显著。

表1 全国31个省份R&D人员Moran指数及其波动

5 研究结论与政策启示

5.1 研究结论

本文围绕基础研究、应用研究、试验发展三大创新群落及企业、研究与发展机构、高等学校三大创新主体，基于2010—2019年中国R&D人员相关数据，运用核密度估计法 (KDE曲线)、Dagum基尼系数法、Moran指数，对科研人才规模和结构的时空分布差异特征进行描绘分析，主要研究结论如下。

(1)异质性创新群落、主体R&D人员规模及结构的KDE曲线分布差异性显著。一方面，中国R&D人员总规模上升的同时，区域间分布存呈离散特征，并且时间演进上，人员规模两极差异不断加大；另一方面，分阶段看，早期试验发展先于基础、应用研究，而企业则先于高等学校，这也从R&D人员结构变化上得以验证。基础研究占比变化于20世纪第2个10年中出现拐点。总的来说，近5年内，基础、应用研究和高校R&D人员占比提升，而试验发展、企业及研发机构人员比重略有下降，各地区三大创新群落及研发机构R&D人员占比两极差异有所缩小。

(2)中国R&D人员规模基尼系数呈波动上升趋势，反映出省际R&D人员投入不平衡有所加剧。具体而言，R&D人员规模非均衡差异大于结构非均衡差异，试验发展和工业企业R&D人员规模的地区非均衡程度尤为凸显。三大创新群落规模基尼系数大体呈上升趋势，而工业企业R&D人员区域结构差异较小，反映出现有创新模式下省域研发人才结构的相似性。高等学校基尼系数在2019年骤然上升，很大程度上由当年部分地区高校人员大规模增加致使。此外，对R&D人员地区差异分解表明，区域间差异是规模差异第一来源。人才结构上，区域间差异贡献的主导地位逐渐被超变密度贡献的提升所削弱，也即早期存在的依东中西区块分割不同而在R&D人员结构上具有显著差异的现象有所消解。

(3)依不同矩阵类型，隶属于不同创新群落、主体的R&D人员具有的空间关联存在异质性。不同矩阵下，各个省份R&D人员规模皆存在正向关联，且相关性在经济权重矩阵下更为稳定。在空间邻近、地理距离权重矩阵下，试验发展和工业企业R&D人员空间相关性更为显著，而基础研究和高校R&D人员则经济距离权重矩阵下表现出更强的空间关联。地理距离相近的低成本和经济对于基础研究的支撑作用是导致不同R&D人员空间相关差异化的主要原因。对于考察期内的时间趋势，三大矩阵权重矩阵下，Moran指数及其显著性皆呈现先上升再下降趋势，也即近年来邻近区域间的空间关联性有所削弱。

5.2 政策启示

(1)依区域禀赋差异化布局基础研究，破解三大创新主体的传统角色 “锁定”，设立围绕着企业开展基础研究参与主体的奖励评价机制。以科技创新实现高水平自立自强，基础、应用研究占比分布的核密度曲线于考察期内出现拐点，虽然Dagum基尼系数分解结果体现出区域差距较大，但一定程度反映出各地区基础研究布局当前并未出现盲目性的一拥而上。因此，各地区域在制定发展规划过程中应克制政策下的 “应激”反映，依技术禀赋、产业高度和市场需求开展差异化、针对性的基础研究长期发展布局。前文研究表明企业与试验发展R&D人员变动上存在协同，反映出三大创新主体传统角色定位仍较为鲜明，因此亦需在中、微观创新主体层面建立基础研究的多元化投入机制，增加企业和社会力量对基础研究的投入，并建立健全参与者奖励评价机制，提高各类创新主体参与意愿，推进产学研深协同。

(2)考虑到研发路径依赖下形成的高调整成本，应避免科研人才队伍结构上同质化发展，减少研发投入 “过剩”。R&D人员同质化问题也即区际、甚至城市内部人员规模、结构上存在相似性。陷于同质化人才结构所引发的零和恶性竞争不仅会造成科研资源投入浪费及效率低下，更严重的是在基础研究层面存在较高程度的路径依赖，且后果呈现较长的滞后期。人才分布的空间溢出基于区域间产业发展梯度差异，这恰可视为一种差异性的互补，而Moran指数V形变化趋势表明近年来区域间R&D人员存在空间关联效应减少。因此，应做好跨区域发展统筹规划，消除人才流通阻碍，避免同质恶性竞争。此外，微观主体上需避免一把尺子量对所有高校进行衡量的同时，对于刚起步的企业基础研究，尤其涉及重点投入领域的项目，需严格把控、统筹兼顾，以差异化发展为导向，从而规避科研领域产出 “过剩”。

(3)缓解区际上的创新要素投入差异，促进人员规模、结构平衡发展。基于Dagum基尼系数分解的各地区R&D人员规模差异表明，各地区研发人员投入非均衡性较高且马太效应显著。因此，应利用各类R&D人员在不同权重矩阵下空间相关性，扩大科研人才的空间溢出效应，完善R&D人员合作共享机制，促进区域协同创新联盟建设。一方面，地理上的临近不仅可以降低企业生产成本，亦可缓解研发人员的思乡情绪。另一方面，考虑到研发机构、高校R&D人员对区域经济因素的高敏性特征，在大力推动教育发展、根据资源禀赋、产业特色设立研究机构、增量上扩充人才队伍的同时，健全创新激励与保护机制，完善创新生态建设，强化金融体系对创新活动的支撑，让科研人员不会因非科研压力而放弃或回避更有利于学术创造的机会。