科技人才集聚对区域绿色创新绩效的影响研究——基于空间杜宾模型的实证分析

夏海力，李雨璇

（苏州科技大学 商学院，江苏 苏州 215009）

随着我国经济迈入高质量发展阶段，粗放式经济发展已难以为继，迫切需要探寻经济与生态双赢之路[1]。在此背景下，党的十九大报告中明确指出：要始终坚持创新是引领发展的第一动力，践行绿色发展理念、建立健全绿色低碳循环发展经济体系。国家“十四五”规划也着重强调了创新与绿色发展对于布局现代化建设、推进国家创新体系建设的重要作用。由此可见，绿色创新作为“绿色发展”与“创新引领”的融合点，已经成为中国实现经济提质增效的必然选择[2]。如何提升绿色创新绩效、促进经济社会发展绿色转型，也成为当前亟待解决的重要问题。科技人才作为科技创新和技术进步的主体，是实施人才强国战略、推动创新型国家建设的战略性人力资源，也是提高经济发展水平、实现绿色可持续发展目标的核心要素[3]。科技人才作为一种重要的人力资本，可以带来知识、技术、资本等创新资源的集聚[4]，当科技人才集聚达到一定程度后能够产生溢出效应和规模效应[5]，并通过空间溢出效应加快创新要素的扩散和优化资源配置结构，从而显著促进区域经济增长、产业结构优化与创新水平提升[6-8]。但就目前研究成果而言，尽管已有学者从环境规制[9]、数字金融[10]、产业集聚[11]、研发投入[12]、政府补贴[13]等角度解析了绿色创新绩效的影响因素，却鲜有文献聚焦于科技人才集聚与绿色创新绩效进行系统考察，且针对科技人才的异质性特征关注不足，缺乏对科技人才更为精准的分类与评估。因此，在当前经济社会发展绿色转型背景下，探讨如何通过优化科技人才集聚结构，以释放人才红利、促进区域绿色发展，对实现中国经济高质量发展、可持续发展具有重要的现实意义。

本文拟从以下三个方面进行拓展和完善：（1）将科技人才集聚与绿色创新绩效纳入同一分析框架，并对科技人才集聚与绿色创新绩效之间的作用机制进行深入的理论分析与实证检验，为科技人才与绿色创新关系的研究提供参考。（2）基于EES（economic、environment、society）协调发展视角，构建包含非期望产出在内的“经济—环境—社会”全面发展的绿色创新绩效指标测度体系，并采用非径向、非角度的Super-SBM模型对2010—2020年中国30个省份的绿色创新绩效进行更科学的测度与分析。（3）考虑到科技人才集聚和绿色创新绩效可能存在的空间溢出效应，本文采用空间杜宾模型（SDM）和空间回归模型的偏微分方法，实证检验科技人才集聚对绿色创新绩效的影响和溢出效应，并进一步分区域、分研发类型全面考察科技人才集聚对绿色创新绩效的异质性影响。

1 影响机制分析

波特竞争优势理论表明，以人才为核心的高级要素相较于以自然资源为核心的初级要素在促进地区发展方面更具优势。人力资本理论亦指出人力资本是影响经济增长的主要因素，且人力资本具有异质性特征，高质量人力资本与一般人力资本相比能够对创新产出、经济发展产生更显著的促进作用[14]。因此，科技人才作为科技创新和技术进步的主体，是促进地区经济高质量发展、实现绿色可持续发展目标的核心要素[15]。与一般资本要素不同，人力资本具有流动性，由于地区发展水平的差异，科技人才通常在低边际收入地区和高边际收入地区之间流动，从而呈现出局部集中的特征[16]。当科技人才集聚达到一定程度后将形成人才高地，并产生集聚效应，从而影响区域内部以及关联地区的创新产出与经济发展水平[17]。结合研究内容，本文从科技人才的集聚效应角度阐述科技人才集聚对绿色创新绩效的影响机理。

创新效应。创新驱动理论表明创新活动对于经济社会发展具有内生驱动作用[18]。科技人才是创新活动的主体，不同类型科技人才由于所具备的知识与技能不同，因而会在创新活动中产生差异性的创新表现，并形成创新效应[8]；同时，创新效应能够通过自反馈机制产生科技人才集聚条件下的创新积累优势，从而有效推动区域经济社会的可持续发展[19]。一方面，科技人才在区域内集聚，可以推动绿色创新技术的革新以及绿色新产品产出，并利用地理位置的集中性与邻近性优势加强彼此间的学习与交流，从而提升集聚区的绿色创新专业化水平[20]；另一方面，新的知识与技术能够引领企业与产业生产方式的变革，进而带动整个行业绿色转型，提高地区资源利用效率，最终促进整个地区绿色创新绩效的提升[2]。

规模效应。内生增长理论指出人口规模与创新能力具有高度相关性[21]，当科技人才集聚到一定规模后能够产生规模效应，并显著影响区域绿色创新绩效。一方面，科技人才在相邻地理范围内集聚能够形成创新高地，且有效降低知识信息搜索与共享成本，更利于区域内创新主体间开展项目交流与合作，从而提升科技人才整体的绿色创新水平[22]。另一方面，创新活动的风险分担与收益共享也能够为集聚区的创新主体带来规模报酬递增效应，有效减少创新过程中能源、资本等要素的投入与浪费，提高创新效率与资源利用率，从而提升地区整体的绿色创新绩效[23]。

激励效应。人才集聚与群体竞争往往相伴而生，随着科技人才集聚数量的增加，群体间的竞争也愈发激烈，“优胜劣汰”的竞争规则能够促使科技人才为了维持在绿色创新活动中的竞争优势而不断提升知识技能，从而有效提升区域整体的绿色创新绩效水平[24]。此外，合作竞争理论表明：适当的竞争不仅能够在区域内形成良好的创新创造氛围，还能够激发关联地区的“追赶意识”[25]。出于“趋优性”与“逐利性”，科技人才往往在经济发展水平、创新环境、生态适宜程度等多种因素的影响下，从边际收入低的地区向边际收入高的地区流动[3]，因此关联地区将在“忧患意识”的驱动下不断优化科技人才的引育与服务工作并改善创新环境与生态环境，从而间接提升关联地区的绿色创新能力[26]。

溢出效应。经济地理学理论认为，区域实现创新驱动发展主要经历创新要素的集聚和知识技术的扩散两个阶段[27]。在科技人才集聚过程中，区域内不同类型科技人才的知识储备、技能水平、教育背景的差异会导致知识从高位势科技人才向低位势科技人才溢出[24]，从而将不易传递的隐性知识显性化，实现知识的整合与重构，并在区域内形成创新场域。此外，由于创新要素的流动性，关联区域可以通过学习和模仿获取创新核心区域的知识和技术，从而触发创新溢出机制[28]。同时，关联地区还能够将习得的绿色新产品与新技术进行复制、整合与再创新，并通过溢出效应反过来影响邻近地区[29]。这种“互搭便车”行为促进了邻域创新空间的动态协调，并在溢出效应的作用下形成了区域间创新活动的良性循环，从而提升整体绿色创新绩效水平。

综上所述，本文认为科技人才集聚能够产生创新效应、规模效应与激励效应，并通过空间溢出效应影响本地区与关联地区的绿色创新绩效，如图1所示。值得注意的是，由于地区间发展水平与创新资源禀赋的不同，中国区域间科技人才集聚程度差异较大，这种差异可能致使科技人才集聚效应也存在一定的区域特征，从而对绿色创新绩效产生异质性影响[30]。此外，科技人才自身也具有异质性特征，从事不同类型研发活动的科技人才在绿色创新的过程中各有侧重[31]，从事基础研究的科技人才的创新成果主要包括前瞻性科学论文和学术著作等，有利于推动知识技术进步；从事应用研究的科技人才对绿色创新绩效的促进作用多体现在研发成果转化为现实生产力的过程；而试验开发研究人才能够利用已有知识开发新产品、新技术，将科学知识转化为绿色新产品的产出，因而不同类型科技人才集聚对绿色创新绩效的作用程度也存在差异[32]。针对这些异质性影响，本文将在下文进行更深入的探讨。

图1 科技人才集聚对绿色创新绩效的作用机制

2 研究设计

2.1 绿色创新绩效测算

绿色创新绩效作为衡量创新绩效绿色化程度的重要指标，综合考虑了创新产出效益和环境污染代价，与传统创新绩效有本质性区别。因此，为了准确测度绿色创新绩效水平，需要同时将“好产出”（期望产出）与“坏产出”（非期望产出）纳入同一测评框架。当前，绿色创新绩效的主流测算方法包括参数法和非参数法两种，其中以数据包络分析法（DEA）为代表的非参数方法运用较为广泛。然而传统数据包络分析思想属于线性分段与径向理论，会造成变量的“松弛”问题，因此本文将引入包含非期望产出且考虑投入要素“松弛”和“拥挤”问题的Super-SBM模型测度绿色创新绩效。

假设n个决策单元（DMU）中各包含三个向量：投入向量X、期望产出向量Yg和非期望产出向量Yb。若k个投入要素可以分别产出e单位“好产出”（期望产出）和u单位“坏产出”（非期望产出），则可以定义如下矩阵：X=(X1,X2, …,Xn)∈Ri×n、，考虑污染物排放和能源投入的生产技术模型可定义为：

为了避免不同地区的绿色创新绩效同时处于DEA生产前沿面而不利于评价决策单元，引入排除决策单元(x0,y0)的有限生产可能性集：

从而得到考虑非期望产出的超效率SBM模型：

式中：ρ*和θ分别为效率值和权重向量，当ρ*≥1时，表示决策单元（DUM）达到DEA有效，当ρ*＜1时，表示决策单元存在效率损失，需要调整投入产出以提高效率。

2.2 空间计量模型构建

关于实证模型的选择，考虑到科技人才集聚和绿色创新绩效可能存在空间溢出效应，因此本文选择采用空间计量模型进行研究。常用的空间计量模型主要有三种形式，分别为空间滞后模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM）。其主要区别在于：SAR考察因变量的空间依赖关系，SEM关注误差项的空间依赖关系，而SDM不仅能够观测因变量滞后因子对被解释变量的影响，还考虑了不同因素空间溢出效应对被解释变量的作用，且是三种模型中唯一能够得到无偏估计的模型[33]，因而更适用于探讨科技人才集聚对区域绿色创新绩效的空间作用。因此，本文采用空间杜宾模型（SDM）进行实证分析，具体设定如下：

式中：t为年份，i(j)为地区，Y为被解释变量——区域绿色创新绩效，X为区域人才集聚水平，Wij为空间权重矩阵，WijYjt与WijXjt分别表示绿色创新绩效与科技人才集聚水平的空间滞后项，β为解释变量科技人才集聚的待估参数向量，ρ为被解释变量绿色创新绩效的空间滞后系数，为空间自回归系数，μi、υt与εit分别代表空间效应、时间效应和随机误差项。

空间杜宾模型的另一优势是能够进行空间溢出效应分解，从而更好地考察解释变量对本地区被解释变量的影响（直接效应）以及解释变量对关联地区被解释变量的影响（间接效应）。一般情况下，总效应等于直接效应与间接效应之和。本文借鉴LESAGE等[34]的处理方法，采用偏微分法将空间溢出效应分解为直接效应和间接效应，公式（4）可转化为如下形式：

地区1到地区N，解释变量X对应的被解释变量Y的期望值的偏导数矩阵可以写成：

式中：Wij为空间权重矩阵第i行j列的元素，式（6）中右边矩阵对角线元素均值即为直接效应，非对角线元素的行和或列和的均值即为间接效应。

2.3 变量说明

（1）绿色创新绩效。现有大多数有关绿色创新绩效（gip）评价的文献中都只强调了经济绩效和环境绩效，而绿色创新活动不仅可以提高知识存量与经济效益，还可以通过增加就业岗位数、提高劳动生产率进而改善居民生活、增进社会福祉[35]。因此，为了在充分体现绿色创新的本质内涵与价值表现的基础上，更科学准确地评价区域绿色创新绩效水平，本文基于EES协调发展视角（经济、社会和环境协同发展）对区域绿色创新绩效进行评价[36]，并根据现有的成熟统计指标与《中国区域创新能力评价报告2020》《长江经济带绿色创新发展指数报告2021》等权威机构的经典指标从投入产出两个维度建立指标体系（表1）。

投入指标包括：①劳动投入，采用R&D人员全时当量表征。②资本投入，采用研发经费内部支出与新产品开发经费反映绿色创新活动的资本投入力度。③能源投入，采用城市建成区面积、供水总量、电力消耗量来衡量绿色创新活动过程中伴随的资源投入水平。

期望产出包括：①知识创造，选取发明专利授权数与国外主要检索工具收录科技论文数来衡量。②经济增益，选取新产品销售收入与技术市场合同成交额衡量绿色创新的潜在市场收益与经济价值，选取人均GDP衡量绿色创新活动对区域整体经济的影响。③社会效益，选取城镇单位就业人员平均工资与城镇居民恩格尔系数反映绿色创新对社会发展的作用。④环境效益，选取建成区绿化覆盖率、人均公园绿地面积与生活垃圾无害化处理率测量绿色创新产生的环境效益。

非期望产出：现有研究多采用工业“三废”（废水、废气、废物）排放量测算伴随绿色创新活动产生的环境污染，考虑到数据可得性，本文选取废水中氨氮排放量（万吨）、废气中SO2排放量（万吨）、烟（粉）尘排放量（万吨）测算发展过程中由于废弃物排放对生态环境造成的价值亏损。

（2）科技人才集聚。目前学术界针对科技人才集聚水平的测算方法主要包括区位熵指数、空间基尼系数等，部分学者采取R&D人员数量作为代理指标表征科技人才的集聚程度。由于区位熵指数可以消除区域之间的人口规模与资源禀赋差异，从而更合理科学地刻画区域科技人才集聚水平，因此本文选取区位熵指数进行测算，计算公式如下：

式中：agg代表人才集聚水平，i与t分别代表地区和时间，sit与Sit分别代表i地区第t年的R&D人员全时当量和全社会从业人数，qt与Qt分别代表第t年全国R&D人员全时当量和全国总从业人数。

（3）控制变量。本文的控制变量主要包括：①人力资本（hum），采用高校本专科生在校人数占总人口的比重测算；②对外开放水平（fdi），采用进出口总额与GDP的比值衡量；③政府干预（gov），采用政府一般预算支出占一般预算收入的比重测度；④信息化水平（post），采用邮电业务量占GDP的比重衡量；⑤产业结构（indus），采用第二产业产值占GDP的比重衡量。

2.4 数据来源及处理

本文选取中国30个省份（由于数据缺失，故不含西藏和港澳台地区）作为研究对象，研究跨期为2010—2020年。涉及数据均来自《中国统计年鉴》《中国城市统计年鉴》《中国高技术产业统计年鉴》《中国环境统计年鉴》《中国科技统计年鉴》《中国人口和就业统计年鉴》以及各省份的统计年鉴。考虑到空间异质性问题，30个省份参照《中国统计年鉴2021》划分为东部、中部、西部、东北四大板块。

3 实证分析

3.1 特征性描述

根据MaxDEA Ultra软件的测算结果，得到2010—2020年中国30个省份的绿色创新绩效值，并据此绘制出全国及四大板块绿色创新绩效各年均值的时间演化趋势图（图2）与中国省域绿色创新绩效平均水平图（图3）。从测度结果可以看出，2010—2020年全国绿色创新绩效均值从2010年的0.558提升至2020年的0.689，说明近年来中国“绿色发展”与“创新驱动”战略均取得了较为显著的成果。从空间异质性角度来看，四大板块的绿色创新绩效水平均呈现波动上升的态势，但区域间绿色创新绩效水平差距较为明显。其中，东部与中部绿色创新绩效平均水平分别为0.841和0.626，而东北和西部地区仅有0.464和0.411，绿色创新水平整体呈现“东部—中部—东北—西部”阶梯式分布。

从省域层面来看，绿色创新绩效水平处于领先区的省份有北京、上海、广东、天津等，这些地区大多集中于中国东部，普遍具备良好的经济基础与优越的资源禀赋，因此绿色创新优势较为显著。大部分中部省份如湖北、安徽、河南等均位于绿色创新绩效水平的第二方阵，这些地区主要得益于“承东启西”的地理优势与“中部崛起”的战略扶持，能够较快地承接东部先进绿色技术与知识的溢出，从而提升地区绿色创新绩效。绿色创新绩效水平明显靠后的地区有新疆、内蒙古、贵州、云南、宁夏、辽宁等，这些省份的共同特点是长期受到绿色创新资源匮乏、人才引育留困难等问题的掣肘，且承接了来自其他区域高污染产业的转移，导致新旧产能转换乏力、创新活力不足等负面效应显著。以上结果也说明中国绿色创新绩效存在显著的空间差异，区域间发展不平衡问题较为突出。

3.2 空间相关性检验

为验证科技人才集聚对绿色创新绩效的影响及空间溢出效应，首先需要考察数据是否存在空间依赖性和相关性，本文采用Moran’s I指数来检验30个省份科技人才集聚与绿色创新绩效的空间相关性。具体测算结果如表2所示。

表2 2010—2020年Moran’s I指数

由表2可知，研究期内科技人才集聚的Moran’s I指数值均为正且均通过了1%的显著性检验，表明科技人才集聚存在明显的空间相关性。绿色创新绩效的Moran’s I指数值也均大于0，且均通过5%的显著性检验，表明各地区绿色创新绩效增长并不是随机的，而是受相邻省份空间溢出的影响。因此实证检验采用空间计量模型较为合适。

3.3 模型识别与检验

由于不同空间计量模型的本质内涵差异较大，模型选取不当将对结果产生偏误，因此需要进一步对模型进行识别检验。从LM检验结果来看，相关检验结果均在1%的水平下显著，表明误差项与滞后项均存在空间相关性。同时，LR检验和Wald检验结果均在1%的水平下显著，这意味着SDM模型无法退化为SAR模型或SEM模型，表明SDM的设定是合理的。此外，Hausman检验指数为14.47，且P值通过了1%的显著性水平检验，表明使用固定效应较为合适。进一步利用LR检验选取固定效应形式，结果表明空间固定效应拟合度优于时间固定效应和时空固定效应。因此，本文基本模型确定为空间固定效应的空间杜宾模型。

3.4 空间计量模型估计结果

基于2010—2020年中国30个省份的面板数据，构建经济距离权重矩阵（以各省份人均GDP差值表征经济距离），运用空间杜宾模型（SDM）进行实证检验，具体估计结果见表3。表3中列（1）～列（4）依次为全样本及从事基础研究、应用研究和试验开发等研发活动科技人才集聚对绿色创新绩效水平影响的回归结果。列（1）显示全样本下科技人才集聚对绿色创新绩效影响的回归系数为0.228，且在1%水平下显著，表明科技人才集聚能明显促进绿色创新绩效增长。进一步考察发现，科技人才集聚空间滞后项对绿色创新绩效的影响为正且通过1%的显著性检验，说明科技人才集聚不仅能够显著促进本地区绿色创新发展，同时也会有效带动周边地区绿色创新绩效水平的提升。同样，由表3中列（2）～列（4）的回归结果可知：从事基础研究、应用研究和试验开发等研发活动科技人才集聚也与绿色创新绩效增长具有高度相关性，且存在不同程度的空间溢出效应。其中，应用研究与试验开发型科技人才集聚对绿色创新绩效增长的促进作用更为明显，基础研究型科技人才集聚对绿色创新绩效提升作用较弱。主要原因在于，中国技术创新存在“引进—消化吸收—再创新”的路径依赖，导致当前中国基础科学研究环节较为薄弱，基础研究人员整体规模与素质偏低。同时，基础研究具有成本高、风险大且研发周期长的特点，而应用研究和试验开发活动可以在短期内将绿色创新成果转化为现实生产力。因此，应用研究和试验开发型科技人才集聚能够对绿色创新绩效产生更为显著的促进作用。

表3 空间杜宾模型回归结果

控制变量的估计结果显示：人力资本水平和区域绿色创新绩效显著正相关，表明人力资本水平愈高，对绿色创新成果的转化能力越强，越能够为绿色创新活动提供源源不断的活力，从而提升区域绿色创新绩效。对外开放水平与绿色创新绩效呈正向影响，说明对外开放有利于创新要素流入，促进先进技术和经验的交流与绿色发展观念的渗透，推动区域绿色创新能力提升。政府干预也能够显著促进区域绿色创新绩效提升，政府的介入不仅能够提供资金与政策的支持，还能够通过环境规制手段激发“创新补偿效应”，从而促使各地区不断改善绿色创新水平。信息化水平的系数为正但不显著，可能的解释是当前中国各地区信息化施建设并未达到相对完善水平，导致信息化建设对地区绿色创新活动没有发挥出该有的促进作用。产业结构与绿色创新绩效呈现出显著负相关，可能是由于第二产业能源利用效率较低、产业增长率不高，因此不利于绿色创新发展[37]。

进一步考察偏微分效应分解结果（表4）可知：全样本下，科技人才对区域绿色创新绩效的直接效应与间接效应系数分别为0.230和0.518，分别在1%和5%的水平下显著，表明科技人才集聚对本地及关联地区的绿色创新绩效都具有显著的正向影响。进一步分析不同研发类型科技人才集聚的溢出效应发现，基础研究型科技人才集聚对本地绿色创新绩效的影响并不显著，对关联地区的间接影响系数为0.236且在10%的水平下显著。说明由于基础研究时间成本较高，因此短期内对本地区绿色创新绩效的提升并不明显，而关联地区科技人才通过溢出效应能够直接学习模仿其既有的研究成果，节省了前期研发投入的时间与资源成本并获得“后发优势”，从而对关联地区的绿色创新绩效具有一定促进作用。应用研究科技人才与试验开发科技人才集聚的三种效应均通过了显著性检验，且直接效应的显著水平更高。表明应用研究和试验开发型科技人才集聚对本地区及邻近地区绿色创新绩效均能够产生显著的正向影响，但对本地区的直接影响相较于空间外溢效应而言更为显著。综上，结合各类科技人才集聚对绿色创新绩效提升总效应的影响系数可知，在对绿色创新绩效的促进作用方面，试验开发人才＞应用研究人才＞基础研究人才，这也表明吸引应用研究型与试验开发型科技人才集聚在一定程度上比较有利于区域绿色创新绩效的提升。

表4 空间杜宾模型效应分解

3.5 稳健性检验

借鉴已有的稳健性检验方法，本文采用更换空间权重矩阵的方法进行检验，将经济距离矩阵更换为地理距离权重矩阵（采用地区间的地理距离平方的倒数构建）。回归结果（表5）表明，在地理距离权重矩阵下科技人才集聚依然能够显著促进绿色创新绩效提升，且不同类型科技人才集聚对绿色创新绩效的作用水平与前文基本一致。在控制变量方面，除对外开放水平外，其余变量对绿色创新绩效的影响方向与显著性均未出现明显变化。综上，地理距离权重矩阵的测算结果与前文基准模型所得结论基本相符，再次证明了空间计量模型的稳健性。

表5 稳健性检验结果

3.6 区域异质性分析

分区域回归结果（表6）显示，东部、中部、西部、东北各区域科技人才集聚对绿色创新绩效的作用强度存在显著差异，且不同研发类型科技人才集聚对绿色创新绩效的影响程度具有明显的地域差异。从科技人才整体来看，回归结果显示科技人才集聚能够显著促进东部、中部、西部地区绿色创新绩效的提升，回归系数分别为0.537、1.177、0.672，且依次通过了10%、5%、10%的显著性检验，虽然科技人才集聚能够对东北地区的绿色创新绩效产生正向影响，但作用效果并不显著。进一步考察科技人才类型发现，基础研究型科技人才集聚仅对东部地区的绿色创新绩效产生显著的正向促进作用，对中部、西部地区绿色创新绩效的影响并不显著，对东北地区的绿色创新绩效甚至产生显著的负向影响。而应用研究和试验开发型科技人才集聚仅对中部、西部地区的绿色创新绩效产生较为显著的正向影响，对东部及东北地区绿色创新绩效的促进作用并不显著。

表6 分区域面板分析结果

究其原因，东部地区经济基础与绿色创新能力均领先于全国其他地区，其创新活动也已经由模仿创新阶段跃迁到超越发展阶段，需要提升原始创新能力以实现创新水平“蛙跳”式发展，因此基础研究型科技人才集聚对东部地区绿色创新绩效的边际贡献更大。此外，基础研究研发成本高、不确定性强的特点也致使中部、西部及东北地区难以承受相应的高投入成本与高创新风险，因此基础研究型科技人才集聚对其他地区绿色创新绩效水平的促进效用并不显著甚至产生负向影响。对于中部、西部地区而言，其创新模式仍处于引进吸收与模仿创新阶段，因此应用研究与试验开发型科技人才集聚更有利于相关地区更新迭代产品技术、优化资源配置、提高生产率从而实现区域绿色创新绩效的提升。对于东北地区而言，由于长期受到经济发展滞缓、产业结构失衡等问题的困扰，近年来人才“焯水”效应显著，“孔雀东南飞”现象持续加剧，导致东北地区内科技人才基数较小且年龄偏高、创新活力不足，因此区域内科技人才集聚水平尚不能满足绿色创新发展的需要。科技人才集聚对区域的异质性影响也进一步说明，各区域需要根据自身的发展需求合理配置科技人才的集聚结构。

4 结论与政策启示

4.1 结论分析

基于2010—2020年30个省份的面板数据，采用Super-SBM模型测算了30个省份的绿色创新绩效，利用区位熵指数测算各地区科技人才集聚水平，综合运用空间杜宾模型（SDM）和偏微分方法实证检验了科技人才集聚对绿色创新绩效的影响及空间溢出效应，并进一步分区域、分研发类型全面考察了科技人才集聚对绿色创新绩效的异质性影响。主要结论如下：

（1）中国区域绿色创新绩效水平演化趋势整体呈现波动中上升的态势，但长期存在区域发展不平衡问题，四大区域的绿色创新绩效整体呈现“东部—中部—东北—西部”的阶梯式空间分布特征。在省域层面，各省份绿色创新绩效水平离散性特征显著，高绿色创新绩效水平地区主要集中在中国东部。中部地区除个别年份波动较大外，整体与全国平均水平持平，且近年来呈现赶超态势。东北及西部地区由于绿色创新基础薄弱，绿色创新绩效水平相对落后，且常年处于全国平均水平之下。

（2）科技人才集聚能够显著促进绿色创新绩效水平的提升且具有明显的空间溢出效应。其中，试验开发和应用研究型科技人才集聚对绿色创新绩效水平的促进作用较为显著，而基础研究型科技人才集聚对绿色创新绩效水平的促进作用相对有限。分区讨论的估计结果表明，由于各地区创新水平与发展需求存在差异，因此不同研发类型科技人才集聚对绿色创新绩效的影响程度具有明显的地域异质性特征。基础研究型科技人才集聚对东部地区绿色创新绩效水平有明显正向影响，对东北地区绿色创新绩效水平有显著负向影响；应用研究与试验开发型科技人才集聚对中部、西部地区绿色创新绩效水平有显著的促进作用，对其他地区绿色创新绩效水平的影响不显著。

（3）除科技人才集聚外，人力资本、对外开放水平与政府干预也能够对区域绿色创新绩效水平的提升产生显著促进作用，表明营造良好的创新环境能够为绿色创新活动提供有力支撑。然而，现阶段信息化建设与产业结构尚不能满足绿色创新的需要，信息化水平的回归系数为正但并不显著，且产业结构对区域绿色创新绩效具有显著负向影响。因此，需进一步完善信息化建设、优化产业结构以充分发挥影响要素对绿色创新绩效的促进作用。

4.2 政策启示

（1）吸引科技人才集聚，优化科技人才配置结构。各地区应加强科技人才对绿色创新的意识和共识，发挥科技人才集聚对绿色创新的动力和智力支持优势。此外，各地区还应考虑异质性科技人才与发展需求的适配性，制定差异化人才战略以充分发挥科技人才对区域绿色创新绩效的促进作用。如东部地区作为中国绿色创新与技术进步的“增长极”，需要不断加强基础研究科技人才集聚水平，及时把握技术的最新的发展方向和发展趋势，以提升科技人才集聚对绿色创新促进的阈值水平。中部、西部地区当前应继续加强应用研究科技人才与试验开发科技人才的集聚，追赶绿色创新水平前沿，提升对绿色技术与绿色新产品的引进吸收与转化应用能力，从而提高全域资源利用效率，推动区域经济可持续发展。东北地区需要推动产业结构绿色转型升级，补齐本地区绿色创新的短板，同时加强人才的引育留政策力度，为绿色创新活动注入新动能和新活力。

（2）强化空间关联意识，实现绿色创新联动发展。各地区在加强对科技人才进行针对性、前瞻性引育的同时，还需要充分考虑创新活动的空间关联，利用科技人才的流动性、技术知识的外溢性特征实现区域联动发展。高绿色创新绩效水平的地区要充分发挥示范效应与扩散效应，利用经济基础和创新资源优势，构建区域间人才共享、协同创新发展模式，实现区域绿色创新联动发展。此外，要打破区域间行政与资源壁垒，推动科技人才由“核心”向边缘地区辐射，弱化地区间的“虹吸效应”，促进区域协调发展。绿色创新绩效水平相对落后的地区，在提高自身科技人才集聚水平的同时，需要增强外部学习与转化能力，加快绿色创新绩效水平提升。

（3）构建协同创新体系，营造绿色创新社会环境。要充分挖掘影响要素的正向效应，重视人力资本培育，要加大教育投入，提升高水平人力资本存量；鼓励各地区加强信息基础设施建设，借助信息通信网络促进绿色生产知识的扩散、削弱技术间的空间距离隔阂，从而加强区域间绿色创新资源的流动、整合与共享，提高其对外开放的质量和发展的内外联动性。同时，要积极发挥政府在绿色创新活动中的激励引导作用，一方面政府要为区域创新活动、科技人才引育提供良好的政策环境，破除区域间人才与知识流动的壁垒；另一方面，要合理利用规制手段推动产业结构转型升级，同时引导各地区因地制宜地开展产业布局，实现各地区由资源依赖型经济向依靠创新驱动的绿色循环型经济转变。