科技人才集聚与绿色经济效率

杨浩昌, 孙聪敏

(南昌大学经济管理学院, 江西南昌 330031)

0 引言

改革开放以来, 我国经济的迅速增长令世界瞩目, 但随之而来的环境污染和自然资源短缺问题日益突出。 依托科技创新, 促进经济增长方式由要素驱动转向创新驱动逐渐成为当前经济发展的新理念。 而创新驱动发展的根本动力源于富有创新精神和实践能力的科技型人才[1]。 我国“十四五”规划提出, 在经济转型的重要时期, 要充分发挥人才在科技创新活动中的作用。 党的二十大报告也明确指出, 必须坚持科技是第一生产力、 人才是第一资源、创新是第一动力, 深入实施创新驱动发展战略和人才强国战略, 加快经济发展方式绿色转型。 科技人才作为关键要素, 绿色经济效率的提升离不开科技人才的有效支撑。 习近平总书记曾多次强调, 实现经济增长方式绿色转型要特别重视科技人才的培养。在自然资源有限性与生态环境保护的双重制约下,研究科技人才集聚对绿色经济效率的影响, 不仅有利于我国推进科技人才高地建设, 激发科技人才创新活力, 不断增强科技发展的后劲, 而且对于优化资源配置、 提高能源的使用效率, 改变当前高能耗、高污染、 低效率的经济增长模式, 加快实现经济发展绿色转型也具有指导意义。

1 文献综述

与本文研究主题密切相关的文献主要有两支。第一支是围绕科技人才集聚展开的研究, 主要集中在以下几点: 一是科技人才集聚与产业结构升级的关系。 王伟[2]认为人才集聚效应是人才流动的结果, 随着人才的不断流动和集聚, 人才集聚效应不断加强, 当人才集聚到一定程度就会对消费品及服务市场发展提出新要求, 促进产品不断更新换代和提高质量, 推动传统产业向高附加值、技术密集型产业转型, 继而加快产业结构高级化步伐。 裴玲玲[3]也发现科技人才的集聚能为高技术企业研发、 生产和运营提供丰富的知识、 技术、资金和其他重要资源, 有助于减少企业的交易成本, 进而推动产业结构转型和高技术产业发展。二是科技人才集聚与经济增长之间的关系。 黄维海等[4]、 王珊娜等[5]、 张桅等[6]都认为创新型人才作为一种高端生产要素, 是经济增长新旧动能转换中的重点, 是推动经济绿色转型的关键所在。 张治栋等[7]研究发现创新人才集聚对经济高质量发展的促进作用随着产业结构优化水平的提高而逐渐增强。刘兵等[8]利用综合层次分析法和灰色关联法, 研究发现科技创新人才集聚与区域经济发展呈正相关关系。 杨芝[9]也指出科技人才聚集与经济发展水平之间有较为明显的因果关系。 三是科技人才集聚的创新效应。 张梦江等[10]认为科技人才会利用所拥有的知识要素, 在数字经济等投入要素的基础上, 通过进一步提高绿色技术产品设计水平、 工艺成果的转化率和改进生产方式等推动绿色技术创新水平的提升。 郑兰祥等[11]研究发现人才集聚效应的创新补偿效应能提升示范城市绿色技术创新质量和数量。 鲍鹏程等[12]也认为科技人才集聚能驱动绿色技术创新和优化公共资源配置。

第二支主要是围绕绿色经济效率的测度和影响因素进行研究。 一方面, 绿色经济作为一种可持续发展的经济模式, 促进经济增长的同时兼顾资源环境优化, 如何客观准确地度量绿色经济是实证研究中的重点[13]。 林伯强等[14]、 Li[15]采用非径向的超效率数据包络分析(DEA)模型来测算绿色经济效率。 戴魁早等[16]、 Du 等[17]、 Zhao 等[18]选用基于非径向非角度的SBM 方向距离函数进行测算。 但在有非期望产出的情况下, 能耗与环境之间存在密不可分的径向关系, 而劳动力和资本等传统投入要素和产出又是可分的非径向关系,因此Tone 等[19]提出了一种同时包含径向和非径向的混合模型。 另一方面, 学者们对于绿色经济效率的影响因素研究主要集中在产业结构升级和绿色技术创新两点。 其一如李博等[20]、 Wu 等[21]认为促进产业转型升级是推进我国经济绿色转型和高质量发展的关键; 赵领娣等[22]研究发现, 产业结构高级化有利于降低能耗与污染排放增速、 改善要素配置, 进而提高绿色经济效率; 叶仁道等[23]也提出优化产业结构, 促进经济发展方式从粗放型向集约型转变, 进一步促进第二产业向第三产业转型, 从而逐步提高中国绿色经济效率。其二如王海龙等[24]认为要实现绿色发展, 必须依靠绿色技术创新来缓解经济发展对资源消耗的过度依赖和减少污染排放对环境的破坏; 孟望生等[25]指出绿色技术创新带来的绿色技术进步改变了城市经济主体的生产、 经营和管理方式, 实现节能减排, 促进试点城市经济绿色发展; 佘硕等[26]、 逯进等[27]从不同视角探究绿色经济发展的影响因素, 肯定了产业结构高级化和技术创新对绿色全要素效率的正向作用。

在产业结构升级过程中, 金融业作为重要的生产性服务业, 起着无可替代的推动作用[28]。 如,普惠金融通过强化对弱势群体的金融服务、 加大对中小微企业技术创新的资金支持, 直接或间接地推动产业结构升级[29]。 随着产业结构转型升级,新兴产业和高科技行业的发展往往需要大量资金投入, 金融机构通过提供贷款和风险管理等服务,为高级化产业提供更加灵活和专业化的金融支持,促进产业结构转型升级。 而绿色技术创新常与政府对科技创新的财政支持挂钩, 也有部分学者研究二者之间的关系。 由于政府在我国科技创新活动中发挥着重要角色, 明确应重点扶持哪类科技创新活动及扶持力度, 对推动创新驱动发展和建设高质量创新型国家至关重要[30]。 于克信等[31]研究发现以促进企业绿色研发为目的的政府创新补助可通过降低企业研发成本、 分散企业研发风险,达到增强企业开展绿色创新活动的意愿和动力。王婉等[32]提出应通过完善绿色技术创新财政政策支持体系, 为企业的绿色技术创新发展营造良好的外部环境并提供支持。

综上所述, 首先, 目前学术界对科技人才集聚的创新效应和经济效应的研究较为丰富, 但鲜有文献研究科技人才集聚对绿色经济效率的直接影响; 其次, 已有大量文献研究了科技人才集聚与产业结构高级化、 绿色技术创新之间的关系,且部分学者认为产业结构调整和绿色技术创新是影响经济绿色转型的重要因素, 但少有学者将其纳入统一框架中探究几者之间的关系; 最后, 有文献提到我国产业结构在转型升级的过程中会受到金融发展水平的影响, 绿色技术创新也需要政府财政的支持, 却少有学者将金融发展水平和政府支持作为调节变量对其进行深入研究。 鉴于此,本文的边际贡献体现在以下几点: (1)在研究视角上, 探究科技人才集聚对绿色经济效率的直接影响; 且由于科技人才集聚的分布格局和我国区域经济发展的不均衡, 进一步研究科技人才集聚对绿色经济效率影响的区域差异性。 (2)在研究机制上, 将产业结构高级化和绿色技术创新作为中介变量, 研究科技人才集聚对绿色经济效率的作用机制, 讨论科技人才集聚能否通过产业结构高级化和绿色技术创新促进区域绿色经济效率的提升。(3)在研究方法上, 将金融发展水平和政府支持视作调节变量, 构建有调节的中介模型, 探究金融发展和政府支持在科技人才集聚对绿色经济效率的影响路径中不同节点的调节作用。

2 理论分析与研究假设

2.1 科技人才集聚对绿色经济效率的直接影响

从人才集聚效应理论分析, 科技人才集聚对绿色经济效率的影响主要体现在创新能力提升、人力资源增量和知识交流共享3 个方面。 第一, 科技人才作为知识和技能的载体, 其在区域内集聚能够产生创新效应[2], 为企业提供创新的动力和源泉, 推动节能环保、 资源循环利用等绿色经济领域的发展, 提高经济增长的可持续性和效率。第二, 科技人才集聚能够提升人力资源增量, 区域科技人才数量越多, 技术储备和知识积累越丰富[33], 为企业提供强大的人才支持, 使绿色经济相关技术的研发、 应用和推广更加高效, 为绿色经济领域带来新的理论和实践成果, 推动经济向着更加持续的绿色方向发展。 第三, 在一个科技人才密集的环境中, 不同领域的专家和学者可以互相借鉴和合作, 分享最新的科研成果和经验,形成一个良性的互动和合作机制[3], 这种跨学科的合作能促进绿色经济领域的创新, 提高绿色技术的效率和可行性, 进而推动绿色经济效率的提升。 基于上述分析, 本文提出以下假设研究:

假设H1: 科技人才集聚与绿色经济效率之间存在正向相关关系。

我国不同地区的经济发展水平、 政策和制度环境以及产业结构存在较大差异, 而这些又是影响人才流动的重要因素。 曹薇等[34]认为我国科技型人才聚集与区域经济发展及地理因素息息相关, 存在较强的空间异质性, 呈多层级“核心-外围”区域分布。 经济发展水平高的地区通常拥有较多的科研机构、 高校和创新型企业, 其绿色经济技术研发和应用相对先进, 能吸引更多的科技人才。 徐军海等[35]研究发现我国东部地区科技人才集聚程度均远高于中部和西部地区。 鼓励科技创新和绿色经济发展的地区, 往往具有较为完善的科研支持体系、 创新政策和制度环境, 能提供良好的创新氛围和资源支持, 从而有效提升区域绿色经济效率。 以高科技产业为主导的地区更需要科技人才的创新和技术支持, 而以传统工业发展为主的地区需要通过转型升级来调整产业结构, 培养和引进更多的科技人才, 推动绿色经济的发展。 基于上述分析, 本文提出以下研究假设:

假设H2: 科技人才集聚对绿色经济效率的影响效应存在显著区域异质性。

2.2 科技人才集聚对绿色经济效率的间接影响

产业结构转型升级是推动经济更高质量发展的重要手段, 被视为“资源转换器”和“污染物控制体”[27]。 产业结构调整能推动新旧产业更替, 更清洁高效的新兴产业的兴起能有效优化社会资源配置效率, 进而促进绿色经济效率的提升。 产业结构高级化有助于节约社会资源和能源、 减少环境污染, 继而对绿色经济效率的提升产生持续性的积极作用[36]。 张治栋等[7]认为科技人才的集聚可促使产业向技术密集型和知识密集型方向发展,这种转变有助于提高生产过程中的资源利用效率和产品附加值。 科技人才集聚能使生产要素从低效率部门转移到高效率部门, 实现生产要素合理配置, 提升经济体系资源配置效率, 解决资源有限性、 环境污染同经济增长之间矛盾关系, 进而促进绿色经济效率的提升。 基于上述分析, 本文提出以下假设:

假设H3: 产业结构高级化在科技人才集聚对绿色经济效率的影响中有显著中介效应。

绿色技术创新不仅是相应的技术发明和应用,还能在创新过程中充分考虑环境影响和资源效率,提高能源利用效率, 减少污染物的排放[37]。 而科技人才集聚产生的知识溢出和竞争激励效应, 能促进区域内的知识共享和技术交流, 有效激发区域创新活力, 提升整个区域的创新能力和学习能力, 为绿色技术创新提供良好的社会网络和合作平台, 提高绿色经济的效率和产出, 同时降低环境污染和资源浪费。 绿色技术创新作为经济发展的内生动力, 能有效降低单位产出能耗和资源消耗, 进而在长期内提高绿色经济效率[26]。 由此可知, 科技人才可将科技成果转化为实际应用, 提升绿色技术创新水平, 解决生态环境保护和能源领域的难题, 推动绿色经济发展, 实现经济、 社会和环境的协同发展。 冯锐[38]基于我国地级及以上城市群数据, 研究发现绿色技术创新是绿色经济效率提升的重要路径之一。 基于上述分析, 本文提出以下假设:

假设H4: 绿色技术创新在科技人才集聚对绿色经济效率的影响中有显著中介效应。

2.3 金融发展和政府支持对绿色经济效率提升的调节效应

产业结构升级和金融发展息息相关, 金融业作为重要的生产性服务业, 在促进产业结构优化升级进程中具有无可替代的地位。 商业银行在贷款等方面的优惠政策, 支持和鼓励企业根据市场需求积极发展生产性服务业, 推动区域产业结构向高级化转型升级[28]。 商业银行将信贷资金用于支持国家重点扶持项目和经济效益更高的产业,以及一些科技含量高的环境友好型企业或行业,以创新融资渠道推动区域内产业结构调整和优化[29]。 区域金融发展不仅可改善资本动态配置,有效引导社会资本向高回报率行业流动, 促进一些战略性新兴产业和高端制造业资本积累速度的提升, 还可对新兴服务产业和高科技产业的科技创新提供信贷支持, 使区域内资源配置更加合理,进而加快产业结构高级化对绿色经济效率的影响。基于上述分析, 本文提出以下假设:

假设H5: 金融发展水平能正向调节产业结构高级化对绿色经济效率的影响。

改革开放以来, 我国经济增长主要依靠的是高能耗、 高物耗、 高污染的“白色农业”和“黑色农业”为主体的传统旧经济结构[6]。 绿色技术创新存在高投入、 高风险的特点, 单纯依靠企业自身资源或市场力量很难实现快速发展。 部分学者研究发现政府支持能促进绿色技术创新效率的提升,如, 张梦江等[10]认为加大政府对绿色技术创新的财政支持力度, 有助于实现绿色技术创新质的突破, 逐步推动社会经济向绿色发展靠拢; 叶祥松等[39]认为在技术市场由于市场机制不完善造成的科技资源错配时, 政府扶持对科技创新效率影响作用具有明显门槛效应; 董景荣等[40]认为政府通常会搭配使用环境规制与支持政策来激励绿色技术创新, 减少对环境的污染继而推动绿色经济发展转变。 因此, 政府对科技创新的补贴政策能有效引导和鼓励科技人才及重污染行业承担起提升绿色技术创新效率责任, 从而加强绿色技术创新对绿色经济效率的影响。 基于上述分析, 本文提出以下假设:

假设H6: 政府支持能正向调节绿色技术创新对绿色经济效率的影响。

3 模型构建与变量说明

3.1 基准模型构建

为实证分析科技人才集聚对绿色经济效率的影响, 本文构建如下基准模型:

其中, Ecef 为被解释变量, 表示绿色经济效率; Agg 为解释变量, 表示科技人才集聚;X为控制变量, 表示影响绿色经济效率的重要指标, 本文主要考虑以下5 个变量: 环境规制(Er)、 人力资本水平(Hc)、 基础设施建设(Infra)、 对外开放程度(Fdi)、 城镇化率(Urban);α0为常数项;ε为随机误差项;β为解释变量所对应的系数;γ为控制变量所对应的系数; 下标i和t分别表示省份和时间。

3.2 变量选取和数据来源

3.2.1 被解释变量: 绿色经济效率(Ecef)

本文借鉴Tone 等[19]的方法, 计算各地绿色经济效率指数。 其中, 非期望产出为各地区工业废水中COD 排放量、 氨氮排放量和工业废气中的SO2排放量。 各投入要素的计算如下: 资产投入采用各省份资产存量来衡量, 借鉴张军等[41]的永续盘存法计算资产存量, 以2000 年为基期的固定资产投资额的10%作为基期资本存量, 计算公式为Kit =Kit-1(1-δit)+Iit, 其中Kit、Kit-1分别表示第i省份第t期和第t-1 期的资本存量,Iit表示第i省份第t时期的固定资产投资额, 经济折旧率为9.6;劳动力投入以各省份就业人数来衡量; 能源消耗则以各省份能源消费总量来衡量。

3.2.2 核心解释变量: 科技人才集聚(Agg)

借鉴孙红军等[33]的计算方法, 利用区位熵来构建科技人才集聚指数, 具体计算公式为Aggit =(zit/Zit)/(rt/Rt) , 其中zit、Zit分别表示i地区t时期R&D 人员全时当量和就业人数;rt、Rt分别表示t时期全国R&D 人员全时当量和就业人数。

3.2.3 中介变量: 产业结构高级化(Estr)和绿色技术创新(Green)

借鉴张丽娜等[42]的做法, 本文采用第三产业增加值与第二产业增加值的比值来度量产业结构高级化, 该比值数值越大说明区域产业结构越高级。 其次, 绿色技术创新是与生态环境保护密切相关的技术进步水平的直接反映, 借鉴邵帅等[43]的做法, 本文采用万人绿色专利申请数衡量区域内绿色技术创新水平。

3.2.4 调节变量: 金融发展(Fina)和政府支持(Gover)

本文借鉴王正新等[29]的做法, 用每万人拥有的银行业金融机构从业人员数来表示金融发展可得性, 该比值越高说明区域内金融发展水平越高。政府支持的方式主要是对科技人才参与的科技创新活动提供资金扶持, 借鉴杨浩昌等[44]的做法,选用R&D 活动经费筹集中政府资金占比来表示政府支持。

3.2.5 控制变量

除上述变量外, 本文还考虑将影响绿色经济效率的其他指标作为控制变量。 城镇化率(Urban), 借鉴史梦昱等[45]做法, 以各地区城镇人口数量与总人口数量的比值作为衡量指标。 基础设施建设(Infra), 借鉴禄进等[27]的做法, 采用人均道路面积来衡量。 对外开放程度(Fdi), 借鉴张栀等[6]的研究, 用各地区历年外商直接投资金额与当地生产总值(GDP)的比重来衡量, 外商投资额根据当年的美元汇率折算成人民币。 人力资本水平(Hc), 借鉴戴魁早等[16]、 赵领娣等[22]的做法, 采用就业人员的平均受教育年限表示, 平均受教育年限=(研究生人数占比×19+本科人数占比×16+大专人数占比×15+高中人数占比×12+初中人数占比×9+小学人数占比×6)。 环境规制(Er),借鉴刘伟江等[46]的做法, 采用工业污染治理投资完成额与主要污染物排放量的比值来度量环境规制。

3.2.6 数据来源

本文数据来源于《中国科技统计年鉴》(2005—2021 年)、 《中国能源统计年鉴》(2005—2021 年)、《中国统计年鉴》(2005—2021 年)、 《中国环境统计年鉴》(2005—2021 年)、 《中国工业统计年鉴》(2005—2021 年)、 《中国人口和就业统计年鉴》(2005—2021 年)以及各省份统计年鉴。 其中, 绿色专利申请量的数据来源于国家知识产权专利数据库和世界知识产权组织(WIPO)的国际专利分类绿色清单, 缺失数据用线性插值法补充。 各主要变量的描述性统计见表1。

表1 主要变量的描述性统计

4 实证结果及分析

4.1 内生性检验

科技人才集聚与绿色经济效率之间存在的内生性问题可能源于以下2 个原因: 一是由于科技人才集聚和绿色经济效率存在逆向因果导致的内生性问题。 科技人才集聚程度较高的地区, 更有利于开发新技术、 研发新产品、 提出解决环境问题的新方案, 其创新成果能降低资源消耗并提高能源使用效率, 推动经济向更可持续的绿色经济方向发展, 进而促进绿色经济效率的提升; 而绿色经济效率更高的地区对绿色技术和创新的支持力度也越全面, 能为科技人才提供更多的就业机会和研发项目, 从而可能通过企业和研发机构的扩张效应和虹吸效应吸引更多的科技人才, 继而促进该地区科技人才集聚程度的进一步提升。 二是遗漏变量引发的内生性问题, 由于绿色经济效率受多种因素的影响, 除模型中所提及的相关变量外, 还有很多无法量化或未考虑到的其他因素可能导致对科技人才集聚与绿色经济效率关系的解释存在偏差。

本文参考杨浩昌等[44]的做法, 引入区域土地面积作为工具变量缓解科技人才集聚和绿色经济效率之间的内生性问题, 并使用2SLS 方法进行回归,结果见表2。 首先, 在假定工具变量有效的情况下,本文进行了异方差稳健的DWH 检验, Durbin 和Wu-HAusman 的报告结果分别是48.5003 和53.0526, 且都在1%水平上显著, 表明科技人才集聚确实为内生变量。 其次, 进一步对科技人才集聚和工具变量之间的关系进行检验, 报告结果为0.590, 在1%水平上显著。 underidentification test 和weak identification test 值均大于10 且在1%水平上显著, 说明工具变量和内生解释变量之间存在高度相关性, 区域土地面积并不存在弱工具变量问题, 表明工具变量模型有效。 因此, 可以认为选择区域土地面积作为科技人才集聚的工具变量具有可行性。

表2 内生性检验结果

4.2 科技人才集聚对绿色经济效率影响的基准回归分析

根据如式(1)的模型, 基于2005—2020 年我国30 个省级地区(未含西藏和港澳台地区)面板数据进行总体和分区域基准回归分析, 探究科技人才集聚对绿色经济效率的影响及区域异质性, 估计结果见表3。

表3 基准回归分析结果

经过F检验(Prob >F= 0.000 1)和Hausman检验(Prob > chi2 = 0.000 1), 本文最终采用固定效应模型。 由表3 可知, 科技人才集聚对绿色经济效率的影响系数为0.149 且通过了1%的显著性检验, 表明从全样本来看, 科技人才集聚能有效促进绿色经济效率的提升, 研究假设H1得到了验证。 在控制变量中, 基础设施水平对绿色经济效率没有显著的正向影响作用, 主要原因可能在于基础设施建设对绿色经济效率的提升需要一定的时间和过程, 因此, 现阶段其对绿色经济效率的影响尚未显现。 城镇化率对绿色经济效率的提升没有显著作用, 主要原因可能在于早期城镇化主要体现为数量而非质量上的提升, 城市人口数量增多会导致拥挤现象, 短期内无法优化和协调经济增长和环境污染之间的矛盾关系。 环境规制的回归系数在1%的水平下显著为负, 表明过度的环境规制会对绿色经济效率产生负面影响, 其可能的原因在于环境规制往往需要企业安装治污设备、改善现有技术和生产流程, 会增加企业生产成本,导致企业短期内难以适应相关要求, 从而影响绿色经济效率的提升; 但随着时间的推移, 资源配置效率和技术创新能力的提高会弥补当期成本上升问题。 人力资本水平对绿色经济效率的影响正向但不显著, 主要原因可能在于人力资本转化为现实创造力需要时间, 不能及时地转变成生产过程中的投入要素, 导致其对绿色经济效率的促进作用不显著。 对外开放程度对绿色经济效率的影响系数显著为正, 表明对外开放程度越高越有利于绿色经济效率的提升, 主要原因可能在于外商直接投资会引发市场竞争, 迫使本地企业不断提升自身竞争力, 继而不断探索效率更高、 资源利用更充分的方式进行生产; 其次, 外商直接投资常伴随先进技术的引用、 更高的环保标准和更好的管理经验, 这些能推动本地企业在提升技术水平的同时增强环保意识, 不断优化其生产过程,提升绿色经济效率。

另外, 从表3 可见, 科技人才集聚对绿色经济效率的影响存在显著的区域异质性。 其中, 中、西部地区科技人才集聚对绿色经济效率的影响系数为正, 并通过了1%的显著性检验; 而东部地区对绿色经济效率的影响是正向的但不显著。 这表明科技人才集聚对绿色经济效率的影响作用在我国东部、 中部、 西部地区之间存在显著差异性,研究假设H2成立。 主要原因可能在于东部地区经济发达、 地理位置优越、 基础设施完善、 资源更丰富等强劲优势, 更易吸引科技人才, 且东部地区持续存在的科技人才虹吸效应, 使其科技人才集聚水平较高, 一定程度上造成科技人才结构失调、 积压浪费、 恶性竞争、 内耗严重等现象, 进而降低了科技人才的边际效应。 东部地区由于大量科技人才集聚, 城市人口增速过快、 密度过高,加重了人口、 环境和资源之间的矛盾关系, 因此,东部地区科技人才集聚对绿色经济效率提升没有显著作用。 另一方面, 虽然西部地区各方面条件均逊色于东部, 但近年来, 我国积极推进“一带一路”倡议实施和精准扶贫工作, 也出台实施了西部大开发、 “西部之光”和“西部计划”等重要政策,为西部地区的发展提供了持续的人才保障和科技支持, 也推动了西部科技队伍结构的优化和梯队建设, 提高了西部地区的科技创新能力。 而中部地区在全国区域协调发展战略中扮演着重要角色,作为中国的“腰部”地区, 承担着承东启西、 连南接北的使命。 新时期, 国家高度重视中部崛起战略的实施和发展, 加大了中部地区人才引进、 创新创业和技能型人才培养等方面的投入。 在国家政策的支持下, 科技人才的集聚能弥补我国中、西部区域科技创新的不足, 从而促进绿色经济效率的提高。

4.3 科技人才集聚对绿色经济效率的作用机制检验

科技人才集聚分别通过产业结构高级化和绿色技术创新2 条路径间接影响绿色经济效率, 本文借鉴温忠麟等[47]对中介效应模型检验方法, 采用层次回归法进行模型构建, 实证检验产业结构高级化和绿色技术创新在科技人才集聚对绿色经济效率影响中的中介作用。 具体如下:

其中, 主效应检验模型与基准模型(1)一致,中介变量Med 包括产业结构高级化(Estr)和绿色技术创新(Green)2 个变量。

由表4 可知, 科技人才集聚对绿色经济效率的回归系数为0.1491%的水平下显著为正, 基准模型得到验证; 分别以产业结构高级化和绿色技术创新作为中介变量, 与科技人才集聚进行回归,结果表明科技人才集聚对2 个中介变量均有显著的促进作用, 其回归系数分别为0.106 和0.283; 将解释变量和中介变量同时纳入回归模型, 科技人才集聚的回归系数分别为0.137 和0.133 且在1%水平上显著为正, 与主效应回归中的系数相比有所下降, 而中介变量的回归系数为0.115 和0.059且在5%水平上显著为正, 表明产业结构高级化和绿色技术创新在科技人才集聚对绿色经济效率的影响中存在部分中介效应, 中介效应占比分别为8.18%、 11.21%, 研究假设H3和H4得到验证。在绿色经济向可持续性发展的过程中, 一方面,科技人才集聚能加强不同领域之间的交流与合作,激发创新思维并提高科研水平和经济效率, 推动新技术和新工艺的研发和应用, 从而提升区域内的绿色技术创新水平。 另一方面, 科技人才大部分集中于高新技术产业和战略性新兴产业, 这些行业具有绿色、 低碳、 高效率等特点, 因此, 科技人才集聚对促进产业向高级化转型升级具有重要作用。 综上所述, 产业结构高级化能推进能源和资源的高效利用, 绿色技术创新能通过技术改革降低生产成本, 减少对生态环境的污染。中介效应检验结果也表明科技人才集聚能通过产业结构高级化和绿色技术创新间接影响绿色经济效率。

表4 科技人才集聚对绿色经济效率的影响机制检验结果

4.4 金融发展和政府支持在传导路径中的调节效应检验

为检验金融发展和政府支持在科技人才集聚与绿色经济效率之间的调节作用, 借鉴冯锐[38]、叶祥松等[30]的做法, 利用层级回归方法对二者的调节效应进行验证分析。 本文为检验调节变量是否仅在路径的后半段发挥作用, 构建如下模型:

模型(4)至(8)中, Mer 是调节变量, 包括金融发展(Fina)和政府支持(Gover)。 模型(4)和模型(5)的参数估计主要是用来检验金融发展和政府支持在科技人才集聚对中介变量影响中的调节作用。 模型(2)和模型(6)的参数估计主要用来检验金融发展和政府支持在科技人才集聚对绿色经济效率影响机制的调节作用。 模型(2)和模型(7)的参数估计主要用来检验金融发展和政府支持在中介变量对绿色经济效率影响机制中的调节作用。模型(2)和模型(8)的参数估计主要用来确定金融发展和政府支持同时在科技人才集聚对中介变量、中介变量对绿色经济效率、 科技人才集聚对绿色经济效率影响机制中的调节作用。 回归结果分别见表5、 表6。

表5 金融发展的调节效应回归分析

表6 政府支持的调节效应回归结果

由表5 可知, 金融发展在科技人才集聚对产业结构高级化的影响路径中调节作用不显著, 在科技人才集聚对绿色经济效率的主效应中的调节作用不显著, 正向调节产业结构高级化对绿色经济效率的影响(β=0.278,P<0.01), 研究假设H5成立; 金融发展对前段路径的调节作用不显著,而对后段路段的调节作用显著(β= 0.276,P<0.01), 再次验证了假设H5成立。 综上所述, 在科技人才集聚通过产业结构高级化提升绿色经济效率的路径中, 金融发展能显著发挥作用的节点仅存在于产业结构高级化向绿色经济效率传导的过程中。 其可能的原因在于, 金融发展能在产业结构转型升级过程中为新兴产业提供风险管理和资产管理等专业化服务, 并提供多元化的融资方式, 不仅能降低新兴产业的融资成本和金融风险,还能优化资金配置效率。 因此, 区域内的金融发展水平越高, 其对产业结构高级化促进绿色经济效率提升的正向调节作用越大。

绘制了金融发展的调节效应图, 以直观体现金融发展在产业结构高级化对绿色经济效率影响中的调节作用(见图1)。 当金融发展较强时, 产业结构高级化对绿色经济效率的正向影响较大(y=0.237x-0.952,P<0.01); 当金融发展较弱时, 产业结构高级化对绿色经济效率的正向影响会弱化(y=0.043x-1.070,P<0.01)。

图1 金融发展水平的调节效应

为进一步确定金融发展的影响边界, 使用Johnson-Neyman 法对金融发展的调节作用进行简单斜率检验, 并绘制了JN 图(见图2)。 结果表明,当区域金融发展小于0.502 7 时, 简单斜率95%的Bootstrap 置信区间为[0.090, 0.910], 不包含0,简单斜率显著, 即金融发展对产业结构高级化与绿色经济效率之间关系的调节作用显著, 进一步验证了假设H5成立。

图2 金融发展水平调节作用的简单斜率

由表6 可知, 政府支持在科技人才集聚对绿色技术创新的影响路径中调节作用不显著, 负向调节科技人才集聚对绿色经济效率的促进作用, 正向调节绿色技术创新对绿色经济效率的影响(β=0.027,P<0.05), 研究假设H6成立; 政府支持对前段路径产生显著的负向调节作用, 而对后段路径则为显著的正向调节作用(β= 0.028,P<0.05), 再次验证了假设H6成立。 综上所述, 在科技人才集聚通过绿色技术创新提升绿色经济效率的路径中, 政府支持能显著发挥正向调节作用的节点仅存在于绿色技术创新向绿色经济效率传导的过程中。 其可能的原因在于一方面, 政府支持可能会引导科技人才将注意力转移到政府所关注的领域, 分散科技人才对技术创新的精力, 从而削弱科技人才集聚对绿色经济效率提升的影响;另一方面, 政府支持能帮助企业或研发机构解决资金不足问题, 加速创新成果的转化和推广, 为绿色技术创新提供政策支持, 降低企业绿色技术创新的风险。 因此, 政府支持越高, 对绿色技术创新促进绿色经济效率提升的正向调节作用越大。

绘制了政府支持的调节效应图, 以直观体现政府支持在绿色技术创新对绿色经济效率影响中的调节作用(见图3)。 当政府支持较强时, 绿色技术创新对绿色经济效率的正向影响较大(y=0.081x-1.227,P<0.05); 当政府支持较弱时, 绿色技术创新对绿色经济效率的正向影响会弱化(y=0.051x-1.124,P<0.05)。 为进一步确定政府支持的影响边界, 使用Johnson-Neyman 法对政府支持的调节作用进行简单斜率检验, 并绘制了JN 图(见图4)。结果表明, 当政府支持大于0.292 7 时, 简单斜率95%的Bootstrap 置信区间为[0.308, 0.691], 不包含0, 简单斜率显著, 即政府支持对绿色技术创新与绿色经济效率之间关系的调节作用显著, 进一步验证了假设H6成立。

图3 政府支持力度的调节效应

图4 政府支持力度调节作用的简单斜率

5 结论和政策建议

基于科技人才集聚视角, 本文采用2005—2020 年我国30 个省级区域的面板数据, 研究科技人才集聚对绿色经济效率的影响机制, 得出以下结论:

(1)从全国总体来看, 科技人才集聚能显著促进绿色经济效率提高。 从区域层面来看, 中、 西部地区科技人才集聚能显著促进绿色经济效率的提升, 而东部地区科技人才集聚对绿色经济效率的影响虽为正但不显著。

(2)产业结构高级化和绿色技术创新在科技人才集聚对绿色经济效率影响中均存在部分中介效应, 这表明科技人才集聚能通过产业结构高级化和绿色技术创新促进绿色经济效率的提升。

(3)在科技人才集聚通过产业结构高级化提升绿色经济效率的影响路径中, 金融发展加强了产业结构高级化对绿色经济效率的影响, 即金融发展水平越高, 产业结构高级化对绿色经济效率的正向影响越大。 在绿色技术创新为中介变量的传导路径中, 政府支持能正向调节绿色技术创新对绿色经济效率的影响, 即政府支持力度越强, 绿色技术创新对绿色经济效率的促进作用越大。

以上结论为推进我国科技人才高地建设, 加快实现高水平科技自立自强以及经济发展绿色转型提供了以下启示:

(1)加快科技人才集聚, 推进经济发展绿色转型。 一方面, 我国应加快科教融合理念下的科技人才培养, 加强区域间的科技人才交流和协同合作, 推动区域科技人才一体化发展, 努力缩小中西部地区同东部地区之间的科技人才规模差距,东部地区应合理且有选择性地向中西部地区输送一些有经验的科技人才, 促进区域人才协同发展。另一方面, 中西部地区应根据自身区域特色和比较优势, 在提升经济发展的同时出台吸引科技人才的相关政策, 积极推动当地高等教育发展和产业转型升级, 培养和吸引高素质与高质量的科技型人才, 推动中西部高水平科技人才集聚, 最终实现区域优势互补、 人才互动的协调发展。

(2)推动产业结构升级, 发挥绿色技术创新的支撑效应。 加快培育和发展战略性新兴产业, 深化产业内部结构层次, 促进产业内部各生产要素自由流动, 打破地方保护主义和行政约束壁垒,吸引低能耗、 低污染的高新技术产业代替传统产业。 优化地区资源配置, 解决人才、 技术和资金等要素在产业内部的配置, 注重三产协调发展的同时促进产业结构向高级化转型升级。 加快推进绿色技术创新和科技成果转化, 把优化改造高能耗、 高污染、 低效率的传统产业同高水平科技人才高地建设有机结合, 着力增强区域技术创新动能, 强化科技人才在技术创新活动中的核心地位,充分发挥绿色技术创新和科技人才集聚对绿色经济效率提升的支撑作用。

(3)提升金融发展水平, 发挥政府的调控作用, 促进绿色经济效率提升。 在提升区域内金融发展水平的同时, 重视金融发展在产业结构高级化促进绿色经济效率提升中的推动作用, 加强金融服务和产业结构高级化之间的协调配合, 形成合力, 发挥“1+1>2”的政策效果。 同时, 地方政府应完善对绿色技术创新的财政支持体系和运行机制, 通过税收优惠、 降污激励等方面激发研发机构、 企业的绿色创新活力, 避免其因资金投入高、风险大、 周期长和收益不确定性等特点而抵触绿色技术创新, 着力解决企业或研发机构在资金筹集方面的困境, 提高绿色技术创新成果的转化效率, 进而有效提升绿色经济效率。