安居政策下人才集聚效率测度及影响因素研究

徐 培，金泽虎

（1.安徽大学 经济学院，安徽 合肥 230000；2.铜陵学院 建筑工程学院，安徽 铜陵 244000）

一 引言

人才是衡量国家综合国力的重要指标，也是经济高发展的核心竞争力，如何强化凝聚人才“磁力场”成为当前中国建设重要人才中心和创新高地的重点和难点［1］。 住房是影响人才能否长期居留、稳定工作的重要因素［2］，高昂的住房成本降低了城市对人才的吸引力，造成人才的大量流失，不利于城市技术创新、产业升级和经济的高质量发展。 2010年深圳市颁布《关于实施人才安居工程的决定》，率先提出人才安居的概念，提出完善人才安居制度是人才引进培养和增强人才集聚效应的重要举措［3］。各级政府积极实施人才优先发展战略，针对性地出台了大量人才引进、培养和安居政策。

人才安居政策狭义上指政府和企事业单位为投资主体，解决引进人才的就业与居住生活的配套性住房优惠政策，包括人才优先购买商品房、人才安居房、购房补贴、人才租赁房和租赁补贴等多种住房优惠。 广义上，人才安居政策还包括放宽户籍门槛、解决子女教育、配偶就业、公积金提取支付、医疗保障、给予科研经费等激励性政策［2］。 实践中，人才安居政策是否能够有效促进人才集聚？各城市安居政策中人才的类型、保障方式、保障水平是否符合实际需求？ 是否存在公共资源的浪费，制约城市的发展？文章进一步探索政策背景下各种因素对人才集聚的影响机制和程度。

二、文献综述

（一）人才安居政策的研究

目前中国233 个地级市已经实施人才安居政策，其中，以北京市和上海市为代表的东部省份人才引进的门槛较高，目标主要集中于特定领域的高端人才；安徽、山东、陕西等中西部省份人才引进政策的重点在于吸引具有较大发展潜力的 “储备人才”“青年人才”等［4］，重视高水平人才的培养，着力做实高技能人才塔基。国内学者主要从人才安居政策动因、人才安居住房政策制定、实施问题和政策建议等方面进行研究。一是城市住房成本的不断攀升，高房价会造成严重的人才挤出效应，提供人才保障性住房或是给予住房政策优惠是城市吸引和留住人才的关键［4］。 青年人才存在住房困难问题，资本积累不足、政府保障范围有限等问题，且人才面临着居住质量不高、住房支出比大、居住满意度不高等问题。二是政策上，存在人才认定不科学、政策覆盖面窄、分配机制弹性不足等问题［2］，以及实施宣传不到位、选址布局不便利、设施配套不完善、供求结构不平衡、居住满意度不高等情况，同时人才引进结构不佳，“塔尖”人才严重缺乏。 针对当前人才安居住房政策存在的问题，研究提出的建议集中在完善住房保障制度、发展租赁市场、落实住房公积金制度、利用“共有产权”等举措［2］。

（二）人才政策和住房政策绩效评价的研究

在人才政策绩效评价方面，国外文献既考虑政策目标的落实，也考虑政策结果的实现程度，内容包括效果性、效率性、效益性和公平性［5］。 国内学者从初始的描述性统计分析， 逐渐引入模糊评价、博弈论、数据包络分析等研究方法，从政策效应、政策效率和政策环境三个角度构建人才引进政策评价指标体系。 由于模糊综合评价法、变异系数赋权法等方法确定指标权重具有主观性缺陷，学者们广泛应用DEA 模型， 通过建立投入-产出评价体系，研究公租房、经济适用房、廉租房项目运行的相对效率，从保障工作投入和保障工作产出两个方面选取指标，根据运算结果的比较及分析，找到绩效相对无效的问题及原因，并提出绩效优化策略［6］。 国内学者还在“3E”绩效审计基础上，建立了“4E”绩效审计模型［7］，基于问卷调查的描述性统计分析得到政策实施现状、问题和效果。

（三）人才集聚影响因素的研究

关于人才集聚的影响因素， 文献集中在经济、政策、教育和社会四种环境维度：（1）经济发展采用人均GDP 指标测度。刘贵文等认为，地区经济发展是影响人才集聚的主要因素，其中工资水平的影响尤为显著［8］。 （2）政策环境上，各大城市积极参与“抢人大战”，杜晓桐采用地方财政教育支出占比地区生产总值，反映地方政府对人才培养和未来发展的重视程度［9］。 （3）文化教育方面，人才无论对自身还是子女的要求， 都十分重视精神层次的提高，教育水平高、名校集聚、艺术文化氛围浓厚的地区更能吸引留住人才。吕增跃采用地区在校大学生人数占地区人口比重指标来衡量教育环境［10］。 此外，良好的科研创新环境有利于留住高水平人才，继续开展研发活动和对自身知识的投入，吸引外商带来新技术、新产品，促进产业结构升级。 （4）社会环境方面，包括居住条件和城市公共服务水平。 宜居条件一般具有适宜的气温、合理的城市规划、自然与居住相融合等，为人才提供舒适、方便、有序的物质生活基础，吸引人才集聚。 城市公共服务水平(如交通状况、市政设施等)直接影响人才生活的品质，配套设施舒适度和交通便利性对人才具有较强的吸引力。

综上所述， 构建人才集聚影响因素理论模型，提出假设：经济发展、政策环境、文化教育和社会环境，对地区人才集聚存在显著的影响（H1）。

三、研究设计

（一）DEA 方法的模型选择

通过分析DEA 方法的适用性和人才安居住房政策的特点， 运用DEA 方法评价人才安居住房政策绩效具有一定的可行性［5］。 首先，从研究对象来看，人才安居住房政策作为一项公共产品，涉及多主体、多层面的经济效益和社会效益，政策投入和政策产出较为复杂，DEA 方法适用于投入产出项目较多的情形。 其次，人才安居住房政策绩效评价中存在不同量纲的评价指标，DEA 方法无需统一计量单位。最后，从研究目的来看，人才安居住房政策资源投入的有效程度是地方政府和公众特别关注的问题，DEA 方法既可以定量反映政策产出与政策投入之间的转化关系。 此外，投入导向是指在目标产出不变的情况下，调整投入要素，达到政策目标产出所需的最小投入。 对于人才安居政策而言，政府希望能以最小的安居资源投入得到最优产出，因此选择投入导向，通过有效性的对比分析得到政策绩效不高的问题及原因，给出绩效提升的具体方向和具体程度。考虑到人才安居住房政策实施时间不长且政策产出存在滞后性， 面板数据难以采集，因此，文章选用CCR 和BCC 模型评价政策绩效。

（二）投入产出指标选择

投入指标主要包括财力指标和物力指标。财力指标是政府发放人才安居补贴专项资金，物力指标是人才安居住房供应面积。产出指标可分为直接产出和间接产出。直接产出表现为不同层次的人才数量，间接产出则表现为科技创新、发明专利授权量以及人才对于经济、社会的促进等影响。 初步选取指标如表1 所示。

表1 人才安居住房政策绩效评价投入产出指标初选

（三）产出指标因子分析

文章以安徽省9 市人才安居政策为研究对象，需要减少投入产出指标数目，减弱指标之间的交叉性和重叠性，利用因子分析法对拟定产出指标降维处理。

1.适用性检验

将拟定产出指标数据导入SPSS26.0 软件进行相关性分析，通过KMO 检验和Bartlett 球形检验，判断产出指标是否适合做因子分析。 根据表2 的检验结果，KMO 样本测度系数为 0.541，Bartlett 球形检验P 值为0.024＜0.05，说明原始指标之间并非相互独立，具有相关性，可以做因子分析。

表 2 KMO 和Bartlett 球形检验

2.主成分分析

选用因子分析中的主成分分析法，产出指标旋转后总共提取两个主因子，这两个主因子累积贡献率达77.150%。表3 为旋转后提取出的两个主因子的成分结果。

表3 旋转成分矩阵

主因子F1代表人才申报数量、 服务企业数量这两个产出指标，因此可以将主因子F1命名为“基本产出指标”； 主因子F2代表缓解人才住房压力、实物配置数量、高层次人才占比、社会满意度、人才落户增长这5 个产出指标， 因此可以将主因子F2命名为“实施效益指标”，从产出指标所提取的两个主因子的得分系数出发，得出每个主因子的得分数值。 两个主因子得分的表达式分别为：

根据上述表达式（1），代入产出指标的标准化数值， 计算得到9 个决策单元在每个主成分的得分，结果如表4 所示。根据上述分析，最终构建以人才安居住房供应面积、人才安居补贴专项资金为投入指标，基本产出指标、实施效益指标为产出指标的人才安居住房政策绩效评价指标体系。

表4 因子得分

四、 安徽省人才安居住房政策绩效评价实证研究

鉴于数据可得性， 文章利用2018—2020 年安徽省9 个城市的统计局、 人力资源社会保障局、住房城乡建设局提供的人才安居住房政策数据，进行投入产出有效性的实证研究。 文章选择运用CCR和BCC 模型对安徽省不同城市人才安居住房政策绩效进行评价， 运用DEAP2.1 软件得到各城市人才安居住房政策的综合技术效率、纯技术效率及规模效率。

（一）原始数据归一化处理

由于文章所选用的DEA 方法的指标数据必须为正值，产出指标经因子分析降维后，产出指标得分出现负值，因此模型运算之前需要对数据进行归一化处理，消除非正数的影响。 具体数学表达式见公式(2)。

其中，maxj为第j 项指标的最大值，minj为第j项指标的最小值，1≤j≤n，经归一化处理后，将Xij的值保证在［0.1,1］之间。 运用 DEAP2.1 软件对 9 个决策单元的指标数据进行运算，将决策单元DMU 数量设置为9，产出指标个数设置为2，投入指标个数设置为2，模型为投入主导型。经DEAP2.1 软件运算后，各决策单元的模型运算结果如表5 所示。

表5 安徽省9 个区属人才安居住房政策相对效率计算结果

（二）投入产出有效性分析

1.综合技术效率分析

根据表5 的计算结果，安徽省人才安居住房政策的综合技术效率平均值为 0.856， 总体存在14.42%的资源浪费， 说明这部分的资源投入未得到完全有效的产出。合肥市、芜湖市、马鞍山市3 个决策单元的综合技术效率值等于1，表明这3 个决策单元构成了安徽省人才安居住房政策综合技术效率的生产前沿面。 安庆市、铜陵市、六安市、淮南市、阜阳市及蚌埠市这6 个决策单元的综合技术效率值小于1，表明这6 个决策单元政策运行效率有待提升。其中安庆市综合技术效率值为0.669，排名最末，该决策单元生产效率最低，需要调整资源投入结构，提高资源配置效率。

2.纯技术效率分析

纯技术效率体现管理水平、技术水平如何对政策效率产生影响。 根据表5 的计算结果，安徽省人才安居住房政策的纯技术效率平均值为0.970，说明政府人才安居管理有一定的合理性，其造成的资源浪费较少。 除安庆市、蚌埠市以外的其它7 市纯技术效率值均为1，说明这7 个决策单元的管理水平较高。

3.规模效率分析

安徽省人才安居住房政策的规模效率平均值为0.873，安庆市的规模效益递增，说明政策产出的增幅大于政策投入量的增幅，可以合理增加投入要素，增强政策实施效果。 铜陵市、六安市、阜阳市和蚌埠市的规模效益递减，说明这4 个城市需要适当控制、调整人才安居资源的投入规模与结构。

综合分析结果如表6 所示，决策单元综合技术效率为1 则决策单元DEA 相对有效， 已投入的资源产生了最大的基本产出和实施效益产出。 弱DEA 相对有效是决策单元纯技术效率为1，规模效率小于1，而纯技术效率、规模效率均小于1 且处于规模效益递增阶段，属于非DEA 相对有效。

表6 安徽省9 个区属人才安居住房政策规模效益类型

五、进一步分析

（一）投影分析

文章通过对非DEA 有效的决策单元投影分析， 以DEA 有效的决策单元为参照对象， 确定非DEA 有效的决策单元的差异， 完善政策调整方向与调整程度。 再对安庆市的投入与产出投影分析，得到导致决策单元无效的原因及与有效单元之间的差距。 以芜湖市和淮南市这两个决策单元为参照，调整的权重分别为0.832 和0.168，对投入冗余及产出不足进行调整，最终达到DEA 有效。

如表7 所示，安庆市在有效前沿面上的投影分布为：X1=0.400；X2=0.359；Y1=1816.559；Y2=4.392。根据投入投影分析，安庆市人才安居住房供应面积和人才安居补贴专项资金存在一定冗余，说明人才安居资源的投入并未得到应有的产出效果，存在过剩现象。 根据产出投影分析，安庆市基本产出指标和实施效益指标产出均存在不足，基本产出指标和实施效益指标是人才安居住房政策保障力与吸引力的具体体现，产出不足表明人才安居住房政策的投入未得到有效利用。

表7 安庆市投入产出投影分析

（二）影响因素分析

文章对上述安徽省各区属人才安居住房政策效益进行分析后，还针对铜陵市、阜阳市、六安市、淮南市4 个弱DEA 有效的决策单元， 进一步研究分析找到影响决策单元有效性的原因， 详细分析出需要强化投入的关键因素。参考相关研究，从城市经济发展、创新环境、居住品质、基础配套4 个方面，选取可能影响人才集聚的因素指标，如表8 所示。

表8 人才集聚影响因素指标说明

文章构建实证模型检验各类影响因素对城市人才集聚水平（Talent Gathering level）的影响:

人才集聚水平（TGLit）是被解释变量，表示城市人才集聚水平，数据主要来源于《安徽省市统计年鉴》( 2008—2018) 、《铜陵市统计年鉴》( 2008—2018) 、《六安市统计年鉴》( 2008—2018) 等。 其中β0为常数项，βt为各变量估计系数，i 代表不同城市，t 代表样本年度，εit为随机干扰项。 文章使用Stata15.0 软件对人力资源集聚影响因素面板模型进行回归，估计结果如表9 所示。

从全样本估计结果可知，人均生产总值、城市交通设施对人才集聚有显著促进作用，收入水平的影响未通过显著性检验， 对人才集聚的影响不明显；城市创新能力及科研教育水平对人才集聚的影响均不显著，表明目前创新环境因素是影响大部分城市人才集聚的短板因素，科学教育支持等投入不足难以有效支撑城市人才集聚；城市园林绿化与环境质量的影响均不显著，表明总体上城市园林绿化及环境质量等宜居环境仍有待改善，以有效促进人才集聚；居住成本的影响显著为负，表明政府应该控制城市房价上涨的幅度以促进人才集聚。结合表9 模型(2)—(5)列可知，4 市的城市创新水平、科研教育水平对人才集聚的影响均为负或不显著，表明城市创新水平和科研教育水平是制约各城市人才集聚的两个重要因素。

表9 OLS 模型回归结果

不同城市人才集聚的影响因素差异明显。铜陵市和淮南市，人均生产总值与交通设施对人才集聚的影响均显著为正，工资水平、创新水平和科研教育水平影响不显著；铜陵市环境质量、居住成本的影响显著为负， 而淮南市人均绿地面积的影响为负；阜阳市和六安市，仅人均绿地面积、居住成本、城市环境质量对人才集聚的影响显著为正，人均生产总值、工资水平影响不显著。综上可知，铜陵市和淮南市经济发展水平略高、 公共基础设施相对完善， 应加强创新科研氛围与提高城市环境质量；阜阳市、六安市经济较为滞后，人才收入水平较低，城市配套设施尚不完善。 因此，提升经济是促进这类城市科技型人才集聚的关键。

六、结论与建议

（一）研究结论

文章通过对安徽省人才安居住房政策绩效比较，试图分析各城市人才安居住房政策绩效不高的主要原因。 采用OLS 回归方法，总结影响人才集聚的重要影响因素，结合实际提出政策建议，主要研究结论如下：

1. 安徽省各地级市人才安居住房政策绩效存在明显差异，发展不平衡。 安庆市安居房提供范围较小，仅限于经开区和高科公司“职工之家”的购房补贴，未能与人才需求多元化相匹配。 安庆市纯技术效率小于1，相比而言，人才安居管理水平和技术条件有待提升。蚌埠市因引入门槛过高而处于规模递减状态，应合理调整人才划分结构。铜陵市、六安市、阜阳市和蚌埠市规模效率不为1，可能由于这四个城市的经济在安徽省不算特别突出，未形成产业集聚，不利于提升城市的研发创新活动，政策投入产出总体绩效水平不高。

2.基本产出指标的产出不足，主要由于政策信息宣传广度和深度不足。 合肥、芜湖、马鞍山、铜陵等地人才住房申请主要以线上为主，政府官网发布政策宣传动画和申请流程的海报，言简意赅，方便快捷。 但其他城市人才安居服务平台系统尚未完成，线下工作效率低，一些人才对申请条件、申请程序、房源分布等信息掌握不清楚，需要多次去政务服务中心提交材料，流程繁琐。

3.实施效益指标的产出不足，主要为社会满意度、高层次人才占比、人才落户增长等产出不足。一是蚌埠市人才认定标准不合理， 只引入高层次人才，申请门槛太高，不符合安徽省现实情况和人才现实需求；二是安庆、淮南、铜陵等城市人才项目选址较偏远，集中在高新区，项目周边交通、商业等配套不成熟，未能充分考虑区属产业规划和人才需求结构，居住满意度偏低。与之相比，阜阳市则采用柔性共享、高铁交通补助等灵活方式吸引人才。此外，多地区人才反映安居申请审核周期较长，补贴金额发放存在延期两至六个月的现象，满意度较低。

（二）对策建议

根据安徽省人才安居住房政策绩效进行实证结果和影响因素分析，政策建议如下：

1.合理分配投入要素，优化人才安居住房政策设计

合肥市、芜湖市、马鞍山是为DEA 有效组，实施政策效果良好，市政府应该眼光长远，以产业规划为导向，合理确定人才需求的规模与结构，细化和落实区级人才认定标准，提高人才发展规划与产业发展规划的匹配度。 动态调整人才安居保障标准，满足人才的梯度需求，考虑人才收入水平、收入增长、消费水平和市场价格等综合因素，确保人才安居政策的保障性与激励性。此外，重视高技术产业发展，建立企业、科研院所和高校数字平台协同创新，提高地区创新能力，为科技人才提供更好的发展平台。

2.重视产出指标的落实，丰富人才住房的供应体系

铜陵市、六安市、淮南市、阜阳市为弱DEA 有效组，投入与产出不匹配，因此下一阶段的主要任务在于规模配置优化， 增加共有产权房有效供给，提高人才落户稳定性，避免出现人才取得首次购房补贴后转而在其他城市置业的风险。规范人才住房建设选址，以产业集聚、服务设施、适度公共交通为导向， 加强新旧人才公寓和公租房周边配套设施，提高人才安居住房的投资效率。

3.注重管理制度的创新，提高政策实施效率

安庆市、蚌埠市为非DEA 有效组，需要提高政策信息的宣传广度和深度，完善官方网站的宣传功能，将政策内容、申请条件、申请手续、房源分配等各种信息整合形成独立版块，鼓励人才在线上完成申请，提高审批效率。建立动态的监管体系，监督人才住房建设资金是否得到落实， 跟踪及评价人才住房建设的计划，监督人才安居补贴资金流向。定期开展满意度调查， 及时了解人才对人才安居住房政策投入资源的分配方式、 分配结构以及分配效率的满意程度，提高人才安居住房政策的申请率和覆盖率。