人才新政、就业规模与城市经济韧性

贾永飞，王振宇

（齐鲁工业大学（山东省科学院）a.智库中心；b.山东省科技发展战略研究所，济南 250000）

0 引言

党的二十大报告强调，要坚定实施人才强国战略。人才已经成为发展知识经济的决定因素，各级党委、政府对人才工作一直非常重视，颁布和实施了许多重要政策方针，这些政策方针为社会主义现代化建设提供了人才支持[1]。京津冀、长三角、珠三角城市群是我国具有活力和潜力的核心地区，为推动其经济平稳健康发展，中共中央、国务院于2018年11月提出，要以京津冀、长三角和珠三角城市群为抓手，推进国家重大区域战略融合发展，构建一线城市带动城市群发展的格局。城市如何增强自身经济韧性，最大限度地减轻外界及本身干扰因素造成的不利影响，成为城市发展中需要破解的一道难题[2,3]。

韧性被定义为一个系统抵御外部和内部干扰及破坏的能力，该系统结构和结构的某些方面发生变化可以保持或恢复某些核心功能[4]。目前已有的关于城市经济韧性影响因素的研究主要集中在产业结构和技术创新两个方面。一方面，在产业转型升级过程中，随着产业结构由低级到高级演化，其能在一定程度上提高城市经济韧性[5]。杨文捷等（2022）[6]研究发现，在宏观经济不稳定时，产业结构高级化和产业集聚对于经济增长有显著正向影响。另一方面，技术创新在城市经济韧性中所发挥的作用主要体现在经济受到冲击之后，能够在恢复和更新阶段，促进地区产业结构的适应性调整[7]。汪发元和何智励（2022）[8]研究发现，技术创新可以借助于先进知识与技术，对资源要素进行改造与整合，从而带动劳动者素质提高，管理制度健全，对于增强城市经济韧性有很强的影响。

随着城市经济韧性的相关研究在国内兴起，学者们开始将社会制度、生态环境、基础设施等因素引入城市经济韧性的相关研究之中。但从现有文献来看，从政策角度出发，尤其是探讨人才引进政策与城市经济韧性之间关系的文献较少，基于此，本文进一步研究人才新政如何影响城市经济韧性水平。

1 理论机制与研究假设

本文所研究的人才新政如何影响城市经济韧性，本质上是一个受政策干预的人才流动问题。人才新政在发挥政策效应时，具有一定的时效性，即存在窗口效应，在窗口未打开时，实施政策无法达到预期目标，只有经历一段时间，才能达到最大效果[9]。从长期来看，人才引进有利于让蛋糕变大，如果分配合理，就能提高整体福利水平；但在短期内，由于资源有限，对人才的偏好就意味着对其他群体的保障力度和资源配置将会减少，这将造成他们的福利损失，破坏社会公平[10]。人才新政推行之初，为了加快政策措施的落地实施，会加大政府财政资源的投放，增强科技人才的扶持力度，但却削弱了企业在创新中的参与热情，不利于产业生态发展[11]。政府通过实施人才新政配置社会资源时，常常忽略其他社会主体的利益，从而降低了经济活力，削弱了城市经济韧性。随着人才新政的持续实施，人才集聚效应不断凸显。人才集聚的集成规模效应与持续激励效应有利于知识溢出和“劳动力池”的形成，在技术示范效应的驱动下，企业将大力引进外部技术和高质量的人力资本，改善知识投入结构，提高企业生产力[12]，从而提升城市经济韧性。因此，人才新政的实施对城市经济韧性水平的影响表现出先减后增的“U”型作用。基于此，本文提出如下假设:

假设1：人才新政对城市经济韧性水平存在非线性的“U”型影响。

被制定的政策通过有效执行达成目标,而目标的达成需要对资源进行合理化配置[13]。基于现有文献和现实逻辑，本文认为区域间人才新政实施可能会通过调动政府资源、配置市场资源和驱动企业资源三条路径来影响城市经济韧性。第一，政府资源。政府的一切活动本质上都是对资源进行开发、动员、整合和配置的活动[14]。为了吸引大量人才涌入，“人才新政”在实施时，政府能有效地利用其在技术、知识、人才、信息等高端资源上的集聚优势，形成资源配置效应、共享效应与知识溢出效应等正外部正效应，从而增强城市经济系统的抗冲击与吸收能力，即提高城市经济的持续性。第二，市场资源。“人才新政”除了能够直接影响资源配置效率外，更重要的是能够通过对要素市场化水平的介入来调控资源配置[15]。“人才新政”可以动员市场社会力量共同参与人才服务，增强社会资本参与的动机与参与度，提升人力资本水平，同时减少资源消耗，以相同的资源投入，产生更多的输出，让社会资源配置更具效率。第三，企业资源。“人才新政”的政策支点在于人，为企业集聚高层次人才、技能人才提供制度保障。受到“人才新政”的驱动，企业获得政策支持，实际上是对企业人才能力的肯定，向社会传递了企业有人才资源优势和发展能力的信号，更易促进企业产生实质性的创新绩效。基于此，本文提出如下假设：

假设2：人才新政实施会通过调动政府资源、配置市场资源、驱动企业资源影响城市经济韧性水平。

人才通过衡量不同城市提供的多元化条件或自身的满足程度，进而产生城市集聚的作用。政府通过出台相关人才新政和福利保障措施对高层次人才产生地区牵引力，从而提升地方人力资本水平，影响整个城市经济韧性。参照当地的就业规模进行人才新政的制定与实施，能够提高政策的有效性。就业规模与经济增长之间存在着一种衍生的需求关系，这种衍生需求关系使就业规模成为影响经济增长速度的重要变量之一。以上分析结果表明，各城市的经济发展状况、就业规模不同，制订的人才招引策略、政策实施水平和资源配置情况存在显著差异。为了评估人才新政的具体效力，在考察人才新政对我国城市经济韧性的影响时需将就业规模纳入考虑范围。因此，本文提出如下假设:

假设3:人才新政对城市经济韧性的影响存在就业规模的门槛效应。

2 研究设计

2.1 样本数据来源

本文选取2011—2020年京津冀、长三角、珠三角三大城市群共48个地级及以上城市的数据为分析样本。数据选取依照以下原则：第一，在政策时间线上，确定政策研究时期为2011—2020年，即《国家中长期科技人才发展规划（2010—2020 年）》发布以来，政府部门颁布的人才新政；第二，在政策来源上，通过在各城市的政府部门，例如科技局、财政局、教育局等官方网站以及北大法宝网站上搜索“人才引进”“人才奖励”等与人才引进直接相关的关键词，收集涉及人才引进的政策文本；第三，按照政策适用范围分类，包括通知、意见、规划、措施等，为便于对政策进行分类，提取出政策的颁布时间、执行部门、政策名称等数据字段。本文共收集2011—2020 年有关政策文本480个，其余数据来自各城市相关统计年鉴以及EPS数据平台。

2.2 变量选取

2.2.1 被解释变量

城市经济韧性主要反映城市经济体系在面对外部冲击时，缓冲外部不利影响的能力及恢复适应新环境的能力[16]。城市经济发展水平、社会保障和创新能力是降低城市经济风险和保持经济持续增长的重要保证。因此，本文以经济发展、社会保障和创新能力综合表征城市经济韧性水平（Resi）。其中，经济发展用人均生产总值、第三产业产值占比表示；社会保障用一般预算支出、城镇居民人均可支配收入表示；创新能力用发明专利授权量表示，并采用熵权法进行综合赋权，最终计算出城市经济韧性水平。

2.2.2 核心解释变量

对核心解释变量的考察中，本文在比较分析了不同种类样本城市覆盖面后，利用NLPIR-Parser大数据语义分析的智能分析平台进行研究，将文本挖掘与文本聚类相结合，对三大城市群48 个城市政府于2011—2020 年发布的地方性法规、地方政府规章、地方规范性文件等进行抓取，合计480 份文件，围绕文件中所涉及的人才引进相关内容，对文件中的文字进行分词、统计、聚类，而后经过人工浏览和机器筛选整理所有分词数据，对高频词（见表1）进行综合赋权，形成人才新政干预强度（policy）。

表1 人才新政高频词

2.2.3 中介变量

根据前文的理论框架阐述，人才新政会通过调动政府资源、配置市场资源、驱动企业资源三条路径影响城市经济韧性。其中，政府资源（Goven）主要从财政支出视角进行分析，指标包括科学技术支出、教育支出；各城市之间的“人才争夺战”本质上是市场配置资源的结果，政府通过补贴、降息、减费等方式引导各类资本投向人才引进，本文利用年末金融机构各项贷款余额表示市场资源（Mark）；城市中企业发挥对人才的吸引优势主要通过企业招聘主动吸引人才，以及依靠自身规模吸引人才，本文利用规模以上企业数和就业人数表征企业资源（Enter）。对于多指标变量，利用熵权法计算其综合指数。

2.2.4 控制变量

为了更好地研究人才新政对城市经济韧性的影响，本文对其他一些可能影响城市经济韧性的因素进行了控制。区域教育水平（Stu）不仅是地方公共服务供给水平的体现，而且会对区域人力资本积累产生较大影响，用普通本科在校生人数表征；工资水平（Salay）是推动人口要素流动的最主要经济因素，更高水平的工资水平会吸引人才流入，给区域经济增长带来劳动红利，推动了区域集聚优势的形成，加快资源流入，对区域经济发展产生“锁定效应”[17]，用职工平均工资表征。用社会消费品零售总额、人均绿地面积分别表示区域经济景气程度（Consumer）与城市居民生活质量（Area）对城市经济韧性的影响。

2.3 模型设定

2.3.1 基础模型

为了研究人才新政对城市经济韧性的具体影响，本文设定了一个时间空间双固定效应模型，同时为检验人才新政实施与城市经济韧性之间可能存在的非线性关系，进一步加入人才新政的二次项，设定基准模型如下:

其中，i和t分别表示城市和年份；Resi为被解释变量，即城市经济韧性水平；policy为核心解释变量，即人才新政干预强度；X为模型中相应的控制变量；δi表示城市固定效应，用以控制不随时间变化且可观察到的可能影响城市经济韧性水平的城市特征；γi表示时间固定效应，用以控制随时间变化的冲击；∊it表示随机误差项。

考虑到人才新政以及其他因素对城市经济韧性可能存在的滞后影响，即当年的城市经济韧性往往会受到上一年城市经济韧性的影响。因此，本文引入各城市经济韧性水平滞后一期数据，以控制其自身的内在冲击，并且可以更好地消除内生性对实证结果的冲击。建立如下动态面板回归模型:

其中，α1表示城市经济韧性水平滞后一期的待估参数。

2.3.2 机制检验模型

为考察人才新政对城市经济韧性的传导机制，本文运用多重中介模型进行逐步回归分析：

其中，X为控制变量；Mit为中介变量，主要包括政府资源、市场资源、企业资源。

2.3.3 门槛效应模型

本文借鉴范建红等（2022）[18]的研究思路，以就业规模为门槛变量，建立如下面板门槛回归模型:

其中，γ为待估算的门槛值；I（·）为示性函数；popul为就业规模，为本文的门槛变量，用城镇单位就业人员数表示。

3 实证分析

3.1 基准回归结果分析

本文依次对变量进行单位根检验，发现控制变量中社会消费品零售总额、普通本科在校生人数为不平稳序列，进行一阶差分，并进行协整检验，判断模型内部是否存在协整关系；采用系统GMM 模型实证分析人才新政对于城市经济韧性影响的估计结果，回归结果中Hansen 值为39.36，表明估计结果并没有出现工具变量被过度识别的情况，工具变量成立；AR（1）和AR（2）统计结果相伴概率显示该模型并没有出现二阶序列关联的情况，进而表明系统GMM 方法在回归结果中表现出较好的稳健性。在下页表2 的回归结果中，基于对时间与地区效应的控制，估算结果显示除受到其本身过去城市经济韧性水平影响外，也受到了人才新政的影响。从系数值来看，Resiit-1的系数为0.7989，表明城市经济韧性水平受到了自身前一年城市经济韧性水平的影响较大；人才新政的一次项系数为负（-0.1388），二次项系数为正（0.2044），说明城市人才新政的实施对城市经济韧性水平呈现先负后正的“U”型影响。为实现政策预期效果，人才新政初期政府部门在住房保障、科研支持、薪酬奖励等方面加大了财政支出，不利于区域经济活动开展和产业转型升级，但随着人力资本不断积累，集聚效应开始发挥，对相关领域的人才具有强大吸引力，有利于实现人才集聚，驱动城市经济韧性向高水平发展。控制变量中社会消费品零售总额的系数不显著，职工平均工资、普通本科在校生人数、人均绿地面积与城市经济韧性水平显著相关，系数分别为0.0450、-0.0006、0.2328。假设1成立。

表2 人才新政对城市经济韧性水平的影响

3.2 稳健性检验

为了考察实证结果的稳健性，本文使用替换回归模型、删除极端值和缩短样本周期三种策略来检验基准结果的稳健性，结果如下页表3所示。（1）替换回归模型。分别采用普通最小二乘法与双固定效应模型进行回归，结果如列（1）、列（2）所示，人才新政的二次项通过显著性检验，并再次验证了人才新政与城市经济韧性呈非线性的“U”型关系，与基准模型一致。（2）删除极端值的影响。普通本科在校生人数、社会消费品零售总额的标准差大于平均值，说明存在极端值。为此，本文对存在极端值的指标进行了1%的缩尾处理，结果见列（3）。缩尾之后，人才新政系数在显著性和数值上基本符合基准模型。（3）缩短样本周期。本文只保留2011—2017 年的城市面板数据，并进行系统GMM 回归分析，回归结果如列（4）所示，回归结果基本相同，进一步证明了结果的稳建性。

表3 稳健性检验结果

3.3 机制分析

本文在理论分析中明确指出人才新政可能通过调动政府资源、配置市场资源、驱动企业资源三条路径影响城市经济韧性水平。本文借助于多重中介效应，并采用逐步检验回归对其中介效应机制进行了分析[19]。为保障所得结果的可行性，利用Bootstrap方法对上述中介效应进行检验。表4 显示了模型估计结果，其中，列（1）至列（3）、列（4）和列（5）、列（6）和列（7）分别为政府资源、市场资源、企业资源的估计结果，列（2）检验人才新政对政府资源的影响，估计系数为0.0846，并在1%的水平上显著，表明人才新政能够有效调动政府资源。在列（3）中，人才新政对城市经济韧性水平的估计系数为0.0489，但不显著，表明政府资源起到完全中介作用；在列（4）和列（5）中，人才新政的系数分别为0.0694和0.0882，在5%的水平上显著，且市场资源的系数为0.7897，在1%的水平上显著，说明市场资源能够起到部分中介作用。在列（6）和列（7）中，在总效应模型中加入企业资源后，人才新政变量不再显著，表明企业资源起到完全中介作用。再对比列（1）的回归结果可知，在分别加入政府资源、市场资源、企业资源后，人才新政系数的显著性及数值均有所下降，说明人才新政实施会通过调动政府资源、配置市场资源、驱动企业资源三条路径影响城市经济韧性，假设2成立。

表4 影响城市经济韧性的多重中介效应检验结果

受中介效应非线性分布的影响，本文采用Bootstrap 方法对上述中介效应进行检验，由表5 可知，政府资源在人才新政对城市经济韧性水平影响中的中介效应为0.0940，95%的置信区间为（0.0216，0.1662），不包含0，说明政府资源的中介作用显著；市场资源在人才新政对城市经济韧性影响中的中介效应为0.0548，95%的置信区间为（0.0017,0.1218），不包含0，说明市场资源的中介作用显著；企业资源在人才新政对城市经济韧性影响中的中介效应为0.0753，95%的置信区间为（0.0753，0.1936），不包含0，说明市场资源的中介作用显著，进一步验证了假设2。

表5 中介效应Bootstrap检验

3.4 门槛效应检验

本文采用Stata 15 统计软件估计门槛效应，并在每组回归中采用Bootstrap自抽样门槛检验，在对门槛数量进行检验时，设定显著性水平在5%以下。结果显示，在分析人才新政对城市经济韧性影响的问题上，三大城市群均应对就业规模进行单门槛分析检验，具体检验结果见表6。

表6 门槛效应估计及检验结果

门槛效应检验过后，进行门槛回归分析，结果如表7所示。京津冀城市群以就业规模为门槛变量的门槛值为717.4万人，数据分析结果表明当就业规模低于717.4万人时，核心解释变量的系数为-0.0483，人才新政对于城市经济韧性水平产生负向影响，而随着就业规模的提升，核心解释变量的系数由负转正，系数变为0.6157，人才新政对城市经济韧性的正向影响愈发明显，呈现先减后增的“U”型作用，与假设1的趋势相同。北京作为京津冀城市群的核心功能区，在2011—2020年的就业人数中，仅有北京达到了门槛值，其余城市均在门槛值之下。长三角城市群的门槛值为293.4万人，远远低于京津冀城市群，但在测算范围内，人才新政对于城市经济韧性一直呈现正向促进作用，表明人才新政对于城市经济韧性会随着就业规模的提高而显著增强，当跨越门槛值后，系数从0.0491 提高到0.4581。珠三角城市群的门槛值在三大城市群中最低，仅为42.3 万人，当就业规模处在低水平区间（poaul≤42.3）时，人才新政对城市经济韧性具有显著的抑制作用，系数为-0.9286，在2011—2017年，珠三角城市群中各个城市颁布了大量人才引进政策，可能导致政策数量、政策工具上存在政策供给过溢问题，当就业规模跨过门槛值（poaul＞42.3）后，人才新政对城市经济韧性的抑制作用显著降低，系数为-0.1586，在门槛变量作用下，人才新政与城市经济韧性之间的冲突逐渐缓和。综合上述估计结果，对于三大城市群，随着就业规模的不断提高，人才新政对城市经济韧性的影响作用越来越显著。在未超过门槛值时，珠三角城市群颁布的人才新政对城市经济韧性的影响程度最大，但呈显著负向影响，随着当地就业人数的不断增多，负向影响逐渐减缓；当就业规模超过门槛值后，京津冀城市群颁布的人才新政对城市经济韧性的影响系数为0.6157，呈现显著的正向影响，从京津冀城市群中各城市的就业规模来看，北京的就业规模最高，人才新政对于城市经济韧性的激励效应最为明显。通过以上分析，各城市群所颁布的人才新政对于城市经济韧性的影响受到了就业规模的门槛作用，假设3成立。

表7 面板门槛模型的固定模型

下页图1至图3表示三大城市群以就业规模为门槛变量的“似然比”序列LR值作为门槛函数的趋势图。可以发现，3 个门槛估计值对应的LR 值小于临界值7.35（取95%的置信水平，用虚线表示），因而通过门槛模型测算出来的门槛值真实有效。

图1 京津冀城市群就业规模估计值

图2 长三角城市群就业规模估计值

图3 珠三角城市群就业规模估计值

4 结论

本文以京津冀、长三角、珠三角城市群为例，收集整理了2011—2020 年所颁布的人才新政480 件，对其进行分词、统计、聚类、整理，构建了人才新政量化指标作为解释变量，采用系统GMM模型以及门槛效应模型，实证分析了人才新政对城市经济韧性的影响机制、传导机制以及门槛效应。研究发现:（1）人才新政与城市经济韧性之间呈现“U”型关系，在政策实施初期，需要花费一定的实施成本，而且政策效应发挥存在一定的时间滞后效应，不能迅速对城市经济韧性产生正向驱动作用，随着人才新政不断推进，形成人才与产业相互促进的循环累积效应，共同促进经济平稳增长。（2）通过中介效应检验发现，地方政府可以通过调动政府资源、配置市场资源、驱动企业资源三条路径，进一步提升城市经济韧性水平。（3）随着区域内就业规模不断提高，人才新政对城市经济韧性的贡献越来越大。到2020年，长三角、珠三角城市群大部分城市都越过门槛值，人才新政的效应越来越显著，但由于京津冀城市群的门槛水平较高，到2020 年，除北京以外，其余城市均未达到门槛值。