我国经济发展进入新常态阶段之后，经济增长从要素驱动、投资驱动转向创新驱动是必然之举。科技进步与全面创新可为经济增长提供不竭的新动力。毋庸置疑，创新的能动要素是科技人才，创新之本在于人才效能的创造性发挥。集聚地的人才涵养环境为该类人力资本的保值增值提供土壤与雨露，人才涵养力综合反映了该地区对人力资本的滋养与绵延能力，是地区综合竞争实力的重要彰显。
所谓科技人才涵养力，是指某地区集聚并能较好留存科技人才、保持科技人才稳定性的综合能力。它包含两重含义，一是指某地区对该地区之外科技人才的引致能力，二是某地区对该地区内原有科技人才的保留能力。因此，科技人才涵养力的提升也将直接达到这两个目的，即引导地区外部人才流入，维持地区内部人才不流失，从而保持地区发展适宜的人才储蓄量。
作为人才竞争力本质的重要体现之一，人才吸引力是引致新人才、保留现有人才的关键。在影响人才吸引力的各项因素中，薪资的作用仍至关重要，国外学者的研究也佐证了这一点。英国经济学家Hicks(1932)很早就通过实证得出地区间的工资差异是驱使人才流向的重要原因；Palivos和Wang(2008)指出区域工资水平依旧是影响人才吸引力众多因素中的关键因子。然而，随着经济社会的发展以及人才自身需求的提高，影响人才集聚的因素越来越多(Golicic，Foggin & Mentzer，2003)，薪资已经成为必要而非充分条件，尤其是以科技人才为代表的需求层次高、流动性强的高水平人才，对未来定居地的选择更多地转向关注地区环境、生活环境等方面。地区环境是当地特有的能够吸引人才且适合定居的所有环境设施的总和(Kenney & Florida，1998)，涉及的因素一般分为三个维度：(1)Where(如地理位置、气候条件等)；(2)Who(如人口、社会结构等)；(3)Infrastructure(如文化氛围、休闲设施等)(Florida，2002)。生活环境主要包括住房负担压力、环境质量、人口品质、犯罪率等(Yigitcanlar，Baum & Horton，2007)。美国学者Louis(2010)也将健全的生活设施、良好的延伸性地方服务视为吸引高水平国际人才的重要因素之一。另有一些学者指出，区域内部的科研氛围、科技人才的投入力度、科技成果的重视程度等会影响区域内科技人才的集聚与留存(Sahin，2000；Frenzen，2008)。
近几年国内相关领域学者的研究主要集中在人才环境与人才吸引力的评价与提升上。针对科技人才环境，李玉香、刘军(2009)等认为，科技人才对环境的感知将影响其工作绩效和工作嵌入；他们将这种感知分为人才政策环境感知、事业环境感知、生活环境感知三种。卢山、江可申(2011)运用PCA方法，对江苏省主要产业的182位科技创新人才进行样本分析的结果显示，目前科技人才环境并不能满足科技创新型领军人才的需求。李良成、杨国栋(2012)指出，政策环境、人文环境等难以量化的因素对创新型科技人才吸引力的影响情况很难得到反映。刘瑞波、边志强(2014)指出，良好的社会生态环境是吸引和留住人才的关键，每个地区除了共有的环境外还具有独特的个性环境；他们还找出了蓝色经济区内各地市最优的单一环境。从人才吸引力角度出发，产业集群的经济特性、生活环境、文化氛围等要素对集群内人才吸引力具有直接的正向效应(辜胜阻、李俊杰，2007；胡蓓等，2009)。王崇曦、胡蓓(2007)测算了全国31个省市的人才吸引力，指出总的趋势是从东部沿海地区向内地逐渐减弱。王宁(2014)认为，人的地理流动动因之一在于地方不平等，可用地方分层来测量(指标包括经济、消费、行政权力等级与地方形象等)，处于分层体系中较高层级的地方对外来人才具有较大吸引力。翁清雄等(2014)运用“承诺理论”建立了地区人才环境与人才根植意愿的中介作用模型，实证得出对人才需求满足的程度越高，其生成的地区承诺就越好，人才根植于当地的意愿也就越强烈。
为深入阐释不同类别的科技人才涵养力影响因素对不同地区的作用，本文将以一二三线代表城市北京、天津和西安为样本，深度系统探究其与房地产价格的双向效应，并比较各相关因素之间的数量关系。学界对住房与人才之间的关系也做过一定研究。问卷调研结果显示，科技人才对住房、医疗等社会环境与社会保障有着较高要求(苏津津、杨柳，2013)；相应地，住房价格、生活环境等因素会对人才流向产生一定影响(李中斌、郑文智，2009)。李嘉、刘渝渝(2013)对测算的北京人才吸引力综合指数与房地产泡沫指数进行了Granger因果关系检验，认为前者是后者的Granger原因，并指出可通过现阶段城市的人才吸引力状况预测将来一段时间内城市房地产泡沫水平的变动情况。
由文献梳理可知，目前国内外尚未正式提出人才涵养力的说法，在学术研究上往往更关注人才吸引力的提升而忽视了地区人才稳定性的维持，缺乏能有效促进地区人才引致与保留协同提升的策略和方法。学者们也已经认识到人才流动与房价之间存在着相关关系，但仍然需要大量的实证检验作为支撑，分区域进行比较研究则是必不可少的。鉴于此，本研究在对科技人才涵养力进行合理界定的基础上，综合运用多因素评价与现代计量经济学方法，全面而又有侧重地挖掘影响科技人才涵养力的关键要素，并提炼其中具有深刻影响及时代背景的核心要素——房地产价格进行双向效应分析，最后提出有针对性的建议。
二 科技人才涵养力影响因素评价指标体系构建本文指标体系的设计理念是在数据可获取的前提下，尽可能多地囊括对科技人才涵养力具有影响的指标，构建出不同于以往研究的三层次个性化评价指标体系。
(一) 指标选取与评价体系构建影响科技人才涵养力的因素众多。集聚地的经济发展水平普遍被认为是吸引科技人才集聚的首要因素；良好的教育环境意味着该地区能成为科技人才的人力资本充值站，浓厚的科研氛围是科技人才聚集及创新发展不可或缺的平台；优越的自然和人文环境是科技人才同样关注的重要因素。根据以上思路，综合专家意见，本文选取了5个一级指标、12个二级指标和33个三级指标。详见表 1。
为消除由于各因素物理意义不同所带来的单位不同、不便于比较的问题，本文对各影响因素的原始数据进行了初值化预处理，即将每一时间序列所有数据分别除以该序列第一项。
(二) 灰色关联度测算本文运用灰色关联分析法对2006—2014年科技人才涵养力影响因素(三级指标)进行分析，对测算出的关联系数排序，由此来描述因素间的关联程度。关联系数由Matlab软件编程处理获得，如表 1所示。对一级指标下的三级指标关联系数取算术平均值，可进一步分析各一级指标与科技人才涵养力之间的关联程度。经计算，各一级指标的关联度排序为A4人文环境(0.9361)、A5自然环境(0.9160)、A2教育因素(0.8961)、A3科研因素(0.8748)、A1经济因素(0.8718)。
(三) 结果解析1.影响因素综合评述。通过测算得出的灰色关联系数使得各级影响因素与科技人才涵养力之间的相关性一目了然。首先，所有三级影响因素指标相关系数均在0.65以上，其中有21项指标的相关系数大于0.9，所有一级指标平均相关系数均超过0.85。这说明指标体系中涉及的影响因素与科技人才涵养力均有着较为密切的关联，进而证明了各层次指标选择的合理性。其次，在五大类一级指标中，系数较高的为人文环境和自然环境，两者相关系数均在0.9以上，相关性十分显著。教育因素排在第三位，科研因素与经济因素的相关系数接近，分别位于第四、第五。可见，科技人才在选择集聚地时更多地会受到该地区人文与自然环境的影响，该结论与认为经济发展水平起关键作用的传统观点并非完全吻合。
2.单项指标分析。从单项指标系数及排名来看，位居第一的是C26(养老保险参加比例)，为0.9964；排名前五的其他四项指标为C19(医疗机构床位数)、C31(人均公园绿地面积)、C27(城镇职工基本医疗保险参加比例)、C32(生活垃圾无害化处理率)，其中有三项(C26、C19、C27)隶属于一级指标中的人文环境。此外，人文环境下的三级指标系数排名基本在中前段，充分说明了人文环境是科技人才集聚与留存的重要影响因素，人文环境的改善将会极大提升集聚地的科技人才涵养力。自然环境因素的六个三级指标中，有五项占有相对靠前的位置，尤其是C31(人均公园绿地面积)、C32(生活垃圾无害化处理率)关联系数都在0.95以上，揭示了集聚地宜居的自然环境同样是科技人才涵养力的重要组成部分。相较而言，教育因素与科研因素的指标影响度一般，经济因素中反映发展水平的相关指标在评价体系中的排名均相对靠后，影响程度较低。
3.异动值分析。从表 1数据及上述分析中可以看出，三级指标的排名基本符合以上趋势，但仍存在一些异动指标，比较典型的有经济因素中的C7(商品房平均销售价格)，其相关系数为0.9623，排在第六位，而经济因素中的其他指标仅列于20位以后。这表明房地产价格与科技人才涵养力之间的依存度较高。此外，除去人文自然环境及房价因素，前十位的还有教育因素中的C10(教育经费占GDP比例)及科研因素中的C13(R&D经费支出占GDP比例)，分别排在第八位和第十位。可见，教育与科研经费投入依然是科技创新的重要保障和科技人才重点关注的因素。
三 科技人才涵养力与房地产价格的双向效应分析众所周知，随着住房商品化改革进程的推进，房地产价格是诸多商品价格中最饱受热议的敏感价格之一。由以上分析可知，房地产价格是科技人才涵养力的重要影响因素之一，灰色关联度较高，达到0.9623。从人才流动集聚的实践可知，房地产价格已经成为科技人才选择集聚地的重要参考校标，突出反映了集聚地的生活成本状况。科技人才的收入较高，加之受传统的买房成家思想的影响，该类人才具有购房刚需。因而，定量解析房地产价格与科技人才涵养力的作用力与反作用力具有较强的理论探索意义与实践应用价值。
(一) 模型设定根据房地产价格与科技人才涵养力之间的经济关系，构建包括如下内生与外生变量的联立方程组模型。(1)内生变量包括：Pt，房地产价格，即商品房本年平均销售价格(元/平方米)；Tt，科技人才涵养力，即科技活动人员(人)①。(2)内生滞后变量包括：Pt-1，前期房地产价格，即商品房本年平均销售价格的前期数值(元/平方米)。(3)外生变量包括：It，居民收入水平，即城镇居民家庭人均可支配收入(元)；Gt，经济发展水平，即人均地区生产总值(元/人)；Dt，房地产需求，即商品房销售面积(万平方米)②；Rt，科研投入，即R&D经费内部支出占当地生产总值的比例(%)。考虑到某些自变量的前期数值对因变量的影响更为直接，因而，经济发展水平和房地产价格两个变量选用前期数值进入方程。故本文构造的联立方程组如下：
| $ P_{t}=\alpha_{1} \times T_{t}+\alpha_{2} \times G_{t-1}+\alpha_{3} \times I_{t}+\alpha_{4} \times D_{t} $ | (1) |
| $ T_{t}=\beta_{1} \times P_{t-1}+\beta_{2} \times I_{t}+\beta_{3} \times R_{t}+\beta_{4} \times G_{t-1} $ | (2) |
本文选取一线城市北京、二线城市天津与三线城市西安为样本，收集2001—2014年相关指标数据，运用EVIEWS6.0，选择3SLS(三阶段最小二乘法)对联立方程组中两个方程的设定进行检验与系统估计。首先，模型检验以北京为例，通过观察散点图(见图 1)，可以大致确定变量Pt与Tt之间存在线性关系。由模型输出结果可知(见图 2)，R2为0.92，接近于1，模型的拟合优度较为理想。t统计量的相伴概率P值小于0.01，表明各回归参数显著。F统计量的相伴概率P值为0，说明方程总体回归显著。
|
图 1 北京Pt与Tt散点图 |
|
图 2 北京Pt与Tt之间线性关系输出结果 |
本文得到的各地区联立方程线性回归结果，如表 2所示。
|
表 2 各地区联立方程线性回归结果 |
由以上的回归结果可知，某些变量未通过显著性检验，可理解为该变量无法保留在回归方程中或者原假设的表达式设定欠妥当。最终成功构建的回归模型如表 3所示。本文对已成立方程的残差进行异方差性white检验，结果表明异方差性不显著。
|
|
表 3 联立方程组3SLS估计结果 |
1.基于地区差异，科技人才涵养力与房地产价格之间的相互作用力呈现出方向与力度上的显著差异。从方程(1)即科技人才涵养力对房价的影响看，北京和天津的方程(1)均成立，说明以北京、天津为典型代表的一二线城市，其科技人才涵养力对房价有直接正向影响。北京的科技人才涵养力对房价的影响力略小，系数仅0.04；而天津较为明显，系数为0.94。西安的方程(1)由于有两个变量没有通过显著性检验而无法列出，科技人才涵养力对房价的影响系数为0.018，影响力也较为微弱。以上结果说明，一二线城市的房价水平虽然主要由城市综合发展水平决定，但依然受人才因素的影响。科技人才涵养力高意味着更大密度的人才集聚与更加旺盛的房地产需求，因而对房价形成一定支撑与推动。三线城市的科技人才涵养力对房价没有显著影响，其不占比较优势的科技人才涵养力无法拉动房价的上升。从方程(2)即房地产价格对科技人才涵养力的影响看，北京的方程(2)中的Pt-1没有通过显著性检验，说明房价对科技人才涵养力几乎没有影响。即使北京的高房价增加了人才的生活成本，但由于其他方面的人才环境优越，比如教育、科研、公共服务等，高房价无法构成阻滞人才集聚与留存的根本性条件。天津和西安的方程(2)成立，说明房价对科技人才涵养力具有直接负向影响，对西安的影响更为明显，系数为-2.18。作为中西部城市，人才环境缺乏优势，房价是人才选择长期集聚地的重要考虑因素，如果房价像一线城市一样高企，其科技人才涵养力将会大大减弱，人才吸引与保持将会更加艰难。
2.基于方程比较，相同先决变量①对内生变量的影响程度也体现出地区差异。除科技人才涵养力与房地产价格之间的相互作用分析外，对已成立的方程进行同变量系数比较，可进行如下剖析：第一，针对方程(1)的北京与天津系数比较。北京前一期的经济发展水平对本期房地产价格的影响程度略大于天津，系数分别为0.29、0.21，居民收入水平和房地产需求对房价的影响则反之，天津高于北京。以上结果表明，北京的经济发展水平对房价的作用力比天津略强，而居民收入水平和房地产需求对房价的影响则低于天津。北京作为政治、经济与文化中心，其经济发展水平在国内首屈一指，故相较于二线城市天津，高速发展的经济成为高房价的重要推动力。居民收入也随经济的发展呈现较高水平，大量人才集聚使得对房地产的刚需与投资需求均较高。长期以来的高收入与高需求使得北京房价对该地区的居民收入水平与房地产需求的变动反应并不敏感。天津则不然，经济发展水平的提高会在房价上得以体现，并且居民收入的提升、人才集聚带来的房地产需求的增加会对房价产生较为显著的影响。第二，针对方程(2)的天津与西安系数比较。除前一期房价影响因素外，居民收入水平、科研投入和经济发展水平对科技人才涵养力的影响程度均为西安大幅度高于天津，尤其是西安的科研投入系数为153.5，说明该项因素对西安科技人才涵养力至关重要。而天津除了科研投入外，居民收入与经济发展水平对该地科技人才涵养力的作用均比较微弱。因此，如改变某项先决变量的数值，内生变量科技人才涵养力的变动弹性也将是西安远大于天津。即采取同样措施提高经济发展水平、增加居民收入、加大科研投入，西安的科技人才涵养力提升效果将更为显著。这也印证了西部地区重塑人才涵养环境的可操作空间更为广阔。
四 提升科技人才涵养力的对策经济新常态下，科技创新对科技人才的数量和质量提出了更高要求，成功的人才涵养意味着科技人才能够长期服务于地方经济发展。掌控科技人才涵养力的关键影响因素，更为明晰人才真实的关注点，是各地的当务之急。本文对科技人才密切关注的房价与地区科技人才涵养力之间作用力与反作用力的深度解析，也可为各梯队城市科技人才涵养力的提升提供差异化决策指导。为此，本文提出如下对策建议。
(一) 重塑自然人文环境，打造地区新名片各地频出的科技人才引致与保留优惠政策的边际效应可能会递减，而自然与人文环境的涵养则相对持久稳定。自然环境的宜居是地区引才的名片，各地应从点滴做起，减少污染，整肃环境。在人文环境中，相较于博物馆、图书馆等公共场所建设，科技人才对医疗卫生与社会保障的需求更为迫切，各地应将进一步健全养老、医疗、失业等社保体系作为提升科技人才涵养力的第一要务。同时，各地应致力于逐步沉淀形成别具一格的地方文化，打造特色品牌，形成其他地区难以复制的独特城市气质与魅力，以逐渐感召与滋养科技人才。
(二) 找准地区定位，明确涵养人才的优劣势，扬长避短以北京为代表的一线城市，集中了国家大量的优质资源，对国内人才的集聚力较强，应着眼于国际人才市场，对国际人才需求做到先知先觉，努力汇聚国际高端科技人才。与此同时，要防止人才过度集聚带来的非经济效应对经济效应的折抵，首防的是对周边地区人才的抽干。为此，需构建并启用过度集聚预警机制，实时监测。以天津、西安为代表的二三线城市，可通过解决人才安居问题大幅度降低生活成本，为其提供购房优惠，或建设人才公寓等；至于是给予居住权还是所有权，可据实际情况相机决策。“以房聚才”在西安等三线城市会产生更为显著的效果。
(三) 优化科研教育投入结构，推进科技人才载体建设教育与科研基础较为薄弱的地区，应优化经费投入结构，加强管理，提高经费使用效益。对不同层级类别项目的投入在侧重点上应有不同，教育科学规划与自然学科项目着重应用研究，人文社科项目侧重基础研究，省市级项目侧重区域性、地方性和民族性特色研究，以坚决避免重复研究。应健全经费管理制度，在加强财务监督的同时提高科研经费使用弹性。应推进包括高科技产业、高等院校、科研院所等科技人才载体的建设与发展，提供再创业资助、项目补助、税收奖励等政策支持。应引进社会资金，加强政府与银行的合作力度，打造科技融资平台，助推科技成果转化，将“产学研”一体化落地。应对创新性的科技载体形式，如企业孵化器、企业院士工作站等提供政策扶植与资金支持。
综上所述，科技人才的观念在不断转变，其流动决策趋于理性，扎根决策更是多元杂糅信息汇总后的综合判断，而他们对人文自然环境的青睐则给予相关部门重要提示。科技人才涵养环境的塑造与涵养力的提升是一个长期复杂的过程，中西部地区也有聚才养才的独特优势，各地区应因地制宜，为获取本地人才优势制定长期规划。
辜胜阻、李俊杰, 2007, 《区域创业文化与发展模式比较研究——以中关村, 深圳和温州为案例》, 《武汉大学学报(哲学社会科学版)》第1期。 |
胡蓓、周均旭、翁清雄, 2009, 《高科技产业集群特性对人才吸引力的影响——基于武汉光谷, 北京中关村等产业集群的实证》, 《研究与发展管理》第1期。 |
李嘉、刘渝渝, 2013, 《基于熵值法的城市人才吸引力与房地产泡沫相关性的实证研究》, 《北京邮电大学学报(社会科学版)》第4期。 |
李良成、杨国栋, 2012, 《广东省创新型科技人才竞争力指标体系构建及评价》, 《科技进步与对策》第19期。 |
李玉香、刘军, 2009, 《人才环境感知对研发人才工作绩效, 工作嵌入的影响研究——以深圳227家高新技术企业为例》, 《软科学》第8期。 |
李中斌、郑文智, 2009, 《福建省人才吸纳力评估及其影响因子探析》, 《人口与经济》第2期。 |
刘瑞波、边志强, 2014, 《科技人才社会生态环境评价体系研究》, 《中国人口·资源与环境》第7期。 |
卢山、江可申, 2011, 《科技创新型领军人才培养与吸纳环境实证分析》, 《科学学与科学技术管理》第9期。 |
苏津津、杨柳, 2013, 《天津市科技人才吸引影响因素研究》, 《科学管理研究》第3期。 |
王崇曦、胡蓓, 2007, 《产业集群环境人才吸引力评价与分析》, 《中国行政管理》第4期。 |
王宁, 2014, 《地方分层, 人才流动与城市人才吸引力——地理流动与社会流动"理论探究之二》, 《同济大学学报(社会科学版)》第6期。 |
翁清雄、杨书春、曹威麟, 2014, 《区域环境对人才承诺与根植意愿的影响》, 《科研管理》第6期。 |
Florida, R., 2002, The Rise of the Creative Class and How It's Transforming Work, Leisure, Community and Everyday Life, New York: Basic Books..
|
Frenzen, P. D., 2008, "Economic Cost of Guillain-Barré Syndrome in the United States", Neurology, Vol.71, No.1. |
Golicic, S.L., Foggin, J.H. and Mentzer, J.T., 2003, "Relationship Magnitude and Its Role in Interorganizational Relationship Structure", Journal of Business Logistics, Vol.24, No.1. |
Hicks, J.R., 1932, The Theory of Wages, London: Macmiilan..
|
Kenney, M. and Florida, R., 1994, "Japanese Maquiladoras: Production Organization and Global Commodity Chains", World Development, Vol.22, No.1. |
Louis, M., 2010, "A Tale of Ten Cities: Attracting and Retaining Talent", The 2nd Annual Meeting of the International Regions Benchmarking Consotium, Spain, Barcelona.
|
Palivos, T. and Wang, P., 1996, "Spatial Agglomeration and Endogenous Growth", Regional Science Urban Economics, Vol.26, No.6. |
Sahin, F., 2000, "Manufacturing Competitiveness: Different Systems to Achieve the Same Results", Production and Inventory Management Journal, Vol.41, No.1. |
Yigitcanlar, T., Baum, S. and Horton, S., 2007, "Attracting and Retaining Knowledge Workers in Knowledge Cities", Journal of Knowledge Management, Vol.11, No.5. |