EN中文

Economic geography >

2020 , Vol. 40 >Issue 9: 1 - 14

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.09.001

Spatio-Temporal Patterns Evolution and Impact Mechanism of the Agglomeration of Creative Talents in China

  • CUI Dan , 1 ,
  • LI Guoping 1 ,
  • WU Dianting , 2, ※ ,
  • SUN Yukang 3
Expand
  • 1. Government School，Peking University，Beijing 100871，China
  • 2. Faculty of Geographical Science，Beijing Normal University，Beijing 100875，China
  • 3. School of Urban Economics and Public Management，Capital University of Economics and Business，Beijing 100070，China

Received date: 2019-12-02

  Revised date: 2020-07-13

  Online published: 2025-04-23

Fold

Abstract

As an important factor of production,the scale and quality of creative talents determine the core competitive advantages of urban development and profoundly affect the development of urban social economy. Based on the urban amenity theory,this paper constructs an urban amenity theoretical model and an evaluation index system of impact factors of creative talent agglomeration,and explores the spatio-temporal pattern and impact mechanism of creative talent agglomeration in China. Conclusions are drawn as follows: 1) China has formed the agglomeration points of creative talents in the provincial capitals and municipality,showing the "Center-Peripheral" pattern of spatial distribution. The eastern region has always been the main gathering area of creative talents in China,while the central and western regions are the weak areas of creative talents in China from 2006 to 2016. However,in recent years,the creative talents show the trend of flowing to the western region,while they gather in the eastern region,and the growth rate of creative talents in the western regions has been accelerating. Nevertheless,the growth rate of creative talents in the northeast is the slowest,and the aggregation degree of creative talents in the major cities of the northeast tends to decrease in the national ranking. 2) Economic amenity is still the most important factor affecting the aggregation of creative talents. And while,the number of patents and the proportion of tertiary industry have the greatest impact on the spatial distribution of creative talents. 3) The impact of social amenity and leisure amenity on the aggregation of creative talents ranks the second and the third. Among them,the infrastructure of education,medical care,as well as museums and park areas have also become the main factors affecting the aggregation of creative talents. Accordingly,this paper suggests that it is essential for policy makers to focus on the humanistic needs of creative talents while enhancing their economic vitality,and increase investment in infrastructure and leisure facilities to attract creative talents.

Key words： the agglomeration of creative talents; urban amenity; economic amenity; social amenity; leisure amenity; impact mechanism

Cite this article

CUI Dan , LI Guoping , WU Dianting , SUN Yukang . Spatio-Temporal Patterns Evolution and Impact Mechanism of the Agglomeration of Creative Talents in China[J]. Economic geography, 2020 , 40(9) : 1 -14 . DOI: 10.15957/j.cnki.jjdl.2020.09.001

创新型人才 ① 是具有创新思维、创新能力，并在经济发展过程中创造新观念和新技术的人才[1]。，作为重要的生产要素，对促进城市社会经济增长具有决定性作用[2]，对缩小城市发展差距，促进区域经济均衡发展的重要性也被日益重视[3]。然而动态流失、空间分布不均，既是世界各国普遍存在的问题，也是中国面临的突出问题[1]。究竟是什么因素决定了的流向呢?
关于城市人才集聚能力较为公认的衡量指标是自然环境因素[4⇓⇓-7]等外生变量构成的“外生适宜性”，以及经济因素[2]、社会因素[8]和休闲文化因素[9]等内生变量构成的“内生适宜性”。实际上，在经济发展的早期阶段，外生适宜性中的自然环境因素和内生适宜性中的经济因素对人才集聚具有首要作用[5]。但当经济发展成熟或进入现代化发展阶段后，创新型人才逐渐成长为驱动城市经济发展的主要力量[10]，内生适宜性中的社会因素和休闲文化因素会成为决定人才去留的关键因素[1,11]。适宜性（Amenities）是使人感到舒适和愉悦的城市发展环境、设施、服务或情境[12-13]。基于Clark、王宁等的研究，城市适宜性一般被分为四种：经济适宜性（经济发展水平、创新活力、工资、房价等），社会适宜性（教育、医疗、交通、互联网等基础设施），休闲适宜性（博物馆、电影院、星级饭店、公园等休闲设施）和自然适宜性（气温、湿度、空气质量等）[6,11]。Falck等通过实证研究证明，德国的休闲适宜性，尤其是巴洛克歌剧院等休闲设施在吸纳创新型人才集聚方面有重要作用[14]。Cowling、Florida等分别分析了英国和美国创新型人才的分布，提出影响其分布的主要因素为社会适宜性和休闲适宜性[1,8]。Glaeser通过研究欧美一些城市的发展路径后发现，富有内涵的餐馆、剧院、图书馆、博物馆、酒吧、艺术馆等休闲适宜性能吸引大批创新型人才向城市集聚[15]。具体到中国的创新型人才集聚，是什么类型的城市适宜性能显著影响中国创新型人才的流向呢?
中国创新型人才分布的区域差异较大，造成这一现象的因素很多，但经济适宜性和自然适宜性无疑起着重要作用[16⇓⇓-19]。在工业革命以前，尤其是农业社会，中国创新型人才主要集中在黄河流域的中原地区和长江中下游的江浙一带，这与其适宜的气候和丰富的自然资源密不可分，这一时期影响创新型人才集聚的因素主要是自然适宜性因素[19]。在工业革命之后的200年里，影响中国创新型人才分布的因素逐渐转向经济适宜性和社会适宜性层面。这一时期受战争因素的影响，中国创新型人才结构以新型革命人才为主，主要集中在沿海（珠江三角洲、广西、福建、江苏、浙江等）和沿江（湖南、江西、安徽）地带，影响创新型人才分布的因素以经济适宜性（地区经济发展）为主，辅以社会适宜性（主要是新式革命教育）[19]。自1978年改革开放以来，经济适宜性逐渐占据影响中国创新型人才分布的主导地位[17]。Palivos等将吸纳创新型人才集聚的经济适宜性归纳为工资水平、外部规模经济、内部规模效应[20]。其中工资、福利等地区间经济利益差异一直被认为是导致中国创新型人才迁移的首要原因[21]。此外，影响中国创新型人才迁移的经济适宜性还包括房价、地区经济实力等。如Zhang通过实证研究证明高房价是高适宜性的价格反映[22]。温婷等对中国35个城市舒适性进行比较研究，指出北京、上海、广州、深圳等地区的经济实力提升了城市综合竞争力，吸纳多数创新型人才集聚[18]。然而，随着中国逐渐进入现代化社会，并且向后工业社会迈进，创新型人才选择到一个城市工作或生活，不仅是为了追求更好的经济机会，还会要求这个城市拥有更好的社会适宜性（完善的基础配套）和休闲适宜性（丰富多彩的人文设施）[18,23-24]。
虽然影响我国创新型人才集聚的因素众多，但是迄今为止我国还没有关于创新型人才集聚影响因素的综合衡量体系研究，这一方面是源于数据获取的困难，另一方面是源于区域间的差异，导致建立跨地区的综合衡量指标难度很大。这一体系的缺乏导致我们对各地区创新型人才分布与空间集聚缺乏系统的认知，进而影响各地区对创新型人才的吸引和培育。基于此，本文以全国272个城市为研究样本，以中国创新型人才集聚度为研究对象，在城市适宜性理论的框架下，尝试构建影响中国创新型人才空间集聚的综合指标体系，对研究区域内2006—2016年创新型人才集聚进行定量测度，揭示中国创新型人才，及各类型创新型人才时空格局演变特征及影响因素，为城市制定有效的创新型人才吸引政策提供思路和依据。

1 理论研究框架及指标体系构建

城市适宜性理论是关于创新型人才集聚最重要的理论之一[6]，其核心在于吸引创新型人才集聚[14,18,25]，目的在于推动城市经济发展，追求一种高品质和高质量的城市生活[9,14]。实际上创新型人才更偏好选择高适宜性的城市，而城市吸引创新型人才集聚的主要途径也是通过提高生活品质，提高城市适宜性来吸引创新型人才涌入[26]。借鉴已有的相关研究，高城市适宜性主要表现为高经济适宜性、高社会适宜性、高休闲适宜性和高自然适宜性。高经济适宜性，主要为经济发展水平高[18,27]、收入水平高[28]、产业结构合理[17,29]等等；高社会适宜性，即大学科研机构多[8]、医生数量多[8]、交通便利[11]、邻里环境宽容与包容[1,30]等；高休闲适宜性，即图书馆、博物馆[9]、歌剧院[14]、休闲步行街[31]等休闲设施充足；高自然适宜性，主要为年平均气温适宜、相对湿度舒适，以及自然环境舒适等[9,11]。基于国内外学者已有的研究成果，本文概括出基于城市适宜性理论的研究框架（图1），并依此构建了创新型人才空间集聚的影响因素综合指标体系（表1）。邻里环境的宽容度[6,32]也是影响创新型人才集聚重要的社会适宜性要素。但是由于宽容度的数据难以获得，且这类指标难以量化，因此本文的社会适宜性中不包含宽容度指标，后续通过补充数据会进行进一步研究。
图1 基于城市适宜性理论的研究框架

Fig.1 The conceptual framework of research

表1 中国创新型人才集聚影响因素的综合指标体系

Tab.1 Evaluation index system of impact factors of creative talents agglomeration in China

变量名 单位 指标释义与影响性质 权重 功效性
经
济
适
宜
性		 第二产业占GDP比重（Industry） % 衡量城市产业结构 0.0143 正向指标
第三产业占GDP比重（Tindustry） % 衡量城市第三产业发展 0.0131 正向指标
每万人拥有的专利授权量（Patent） 个/万人 衡量城市的创新活力 0.3675 正向指标
生活成本（Lcost） 房价收入比，用来衡量城市生活成本 0.0210 负向指标
人均GDP （Pgdp） 元 衡量城市的经济发展水平 0.0900 正向指标
外商投资企业份额（Finvest） % 衡量城市经济的对外开放程度度 0.1232 正向指标
港澳台投资企业份额（Hinvest） % 衡量城市经济的对外开放程度度 0.1846 正向指标
批发零售业份额 （Wholesale） % 衡量城市的消费活力 0.0720 正向指标
科学技术支出占总财政支出比（Sexpend） % 衡量城市的科学技术投入 0.0972 正向指标
教育支出占总财政支出比（Eexpend） % 衡量城市的教育投入 0.0171 正向指标
社
会
适
宜
性		 每万人拥有的中小学数量（PM） 所/万人 衡量城市教育基础设施配套 0.0059 正向指标
每万人拥有的大学数量（Unversity） 所/万人 衡量城市的人才储备 0.0969 正向指标
每万人拥有的医院数量（Hospital） 个/万人 衡量城市医疗设施配套 0.0575 正向指标
每万人拥有的床位数量（Hbed） 张/万人 衡量城市医疗设施配套 0.0159 正向指标
每万人拥有的出租车数量（Texi） 辆/万人 衡量城市公共交通设施配套 0.0903 正向指标
每万人拥有的公共汽车数量（Bus） 辆/万人 衡量城市公共交通设施配套 0.0456 正向指标
每万人拥有的道路面积（Roadway） 万m2/万人 衡量城市道路设施状况 0.0326 正向指标
每万人移动电话用户数量（Mobile） 户/万人 衡量城市的通信设施状况 0.0507 正向指标
每万人互联网接入用户数量（Internet） 户/万人 衡量城市的信息网络设施状况 0.0706 正向指标
生活垃圾无公害处理率（Waste） % 衡量城市的环保状况 0.1104 正向指标
污水处理厂集中处理率（Sewage） % 衡量城市的环保状况 0.0994 正向指标
休
闲
适
宜
性		 每万人拥有公园绿地面积（Parka） 万m2/万人 衡量城市的生态休闲环境 0.0718 正向指标
建成区绿地覆盖率（Greenc） % 衡量城市的绿化水平 0.0652 正向指标
每万人拥有的电影院数量（Cinema） 个/万人 衡量城市的休闲娱乐设施状况 0.1579 正向指标
每万人拥有的博物馆数量（Museum） 个/万人 衡量城市的休闲文化氛围 0.0563 正向指标
每万人公共图书馆藏书数量 （Books） 册/万人 衡量城市的公共资源状况 0.0698 正向指标
每万人拥有的文化馆数量（Gallary） 个/万人 衡量城市的休闲文化氛围 0.0590 正向指标
每万人拥有的艺术团数量（Art） 个/万人 衡量城市的休闲娱乐氛围 0.2112 正向指标
自
然
适
宜
性		 城市平均气温（Temperature） ℃ 衡量城市的舒适度 0.2765 正/负向指标
城市年平均相对湿度（Humidity） % 衡量城市的舒适度 0.6662 正/负向指标
每平方公里工业烟（粉）尘排放量（Smoke） t/km2 衡量城市的空气质量 0.0097 负向指标
每平方公里SO2排放量（SO2） t/km2 衡量城市的空气质量 0.0333 负向指标
每平方公里工业废水排放量（Effluent） 万t/km2 衡量城市的空气质量 0.0143 负向指标

注：生活成本=城市住宅房价/可支配收入。人均GDP是以2006年为基年，对每个城市2007—2016年的GDP进行不变价处理获得。

此外，由于人均GDP、城市专利数量、产业结构、政府科研经费支出、完善的教育、医疗、交通、信息化服务等等都对吸引人才集聚有显著正影响，因此，本文将这些指标作为正向指标来衡量城市适宜性。而对于生活成本，由于城市高房价会在一定程度上抑制创新型人才流入[50]，本文将生活成本作为负向指标来衡量城市适宜性。此外，虽然气温、相对湿度是影响人体舒适度最主要的气候要素[33]，但气温和湿度并不是越高越舒适，依据相关研究[33]，17℃~25℃被认为是人体感觉最舒适的温度，而40%~60%的相对湿度则是人体感觉最舒服的湿度。因此，人体最适宜温度的临界值应该是（17℃+25℃）/2=21℃，最适宜相对湿度的临界值应该是（40%+60%）/2=50%。本文将低于21℃的年平均气温定为正指标（当气温低于21℃时，气温越大越好），高于21℃的年平均气温定为负指标（当气温高于21℃时，气温越小越好）；同理将高于50%的年平均相对湿度定为负指标（年平均相对湿度高于50%时，相对湿度越小越好），低于50%的年平均相对湿度定为正指标（年平均相对湿度低于50%时，相对湿度越大越好）。

2 研究设计

2.1 研究对象

本文的研究目的是揭示中国创新型人才，及各类型创新型人才时空格局演变特征，并剖析其空间集聚的影响机理。因此，创新型人才为本文的主要研究对象。关于创新型人才的衡量标准，经典的人力资本研究中，是以高学历人才为主，如Lucas和Jacobs的人力资本研究[2,34]。近年来，国外关于创新型人才的衡量标准逐渐转向职业方面。Florida等人强调创新型人才并不一定都是高学历人才，他认为人力资本如何在实践中应用比仅有学历更有意义，创造力或者创新是技能和知识的使用，因此以职业为标准衡量人才要比以高学历为标准衡量人才效果更优[25]，而且近年的研究发现，在瑞典和荷兰用职业衡量创新型人才指标在区域发展核算方面明显优于用传统教育水平[35-36]
借鉴Florida关于创新型人才的分类[1]，结合我国职业的分类[37-38]，以及数据的可得性，本文将创新型人才分为两大类：超级创意核心人才和其他专业知识人才（表2）。依据Florida的分类标准，超级创意核心人才是与地区生产力提升关联度较高的创新型人才，其中信息传输、计算机服务和软件业人才，金融业人才，科学研究、技术服务和地质勘查业人才是与地区生产力提升高度关联的创新型人才，文化、体育、娱乐业人才和教育业人才则是与地区生产力提升关联度较高的创新型人才[39]。而其他专业知识人才则指与地区生产力提升关联度相对较低的创新型人才[1]，如房地产业人才，水利、环境和公共设施管理业等人才。
表2 本文关于创新型人才的分类

Tab.2 The classification of creative talents in this study

类型 职业类别
创新型人才 超级创意
核心人才		 信息传输、计算机服务和软件业人才
金融业人才
科学研究、技术服务和地质勘查业人才
文化、体育、娱乐业人才
教育业人才
其他专业
知识人才		 房地产业人才
水利、环境和公共设施管理业人才
公共管理和社会组织行业人才
职业医师和职业助理医师
租赁和商业服务业人才

2.2 研究区域

中国共有293个地级及以上城市，但是基于数据的可得性和有效性，本文共选取中国272个地级及以上城市作为研究样本。2016年，在这272个地级及以上城市，创新型人才存量共为6 051万人，覆盖全国十大行业。同时，272个城市2016年人口数量为118 310万人，占全国人口总量的85.56%。虽然272个城市2016年行政区总面积为4 329 339 km2，占全国行政区总面积的45%，但是其2016年GDP总量却占全国GDP总量的99%。2016年272个城市共有大学数量2 492所，占全国普通高等学校数量的96%。此外，公园个数、博物馆数量、星级饭店数量分别约占全国总数量的96%、99%和99%。总之，样本框内的地级市对研究中国的创新型人才集聚状况及其影响因素极具代表性。
图2 研究区范围

Fig.2 The scope of the study area

2.3 研究数据

本文数据主要来源于《中国劳动就业与经济社会发展统计数据库》《相数云数据云平台》，CEIC经济数据库，Patent Cloud专利检索平台，2007—2017年《中国城市统计年鉴》，2006—2016年中国272个城市国民经济和社会发展统计公报以及相关政府工作报告。部分数据是自行整理计算后所得结果，另有个别年份数据缺失采用相邻年份值插值法获取。

2.4 研究方法

2.4.1 创新型人才集聚度的衡量

借鉴前人的研究经验[40⇓⇓-43]，本文用“创新型人才集聚度”来衡量某一城市范围内创新型人才空间集聚的情况，具体的计算公式如下：
C d i t = T i t / A i t / P i t / A i t = T i t / P i t
式中： C d i t为第i个城市第t年的创新型人才集聚度； T i t表示第i个城市第t年创新型人才数量； A i t表示第i个城市第t年的城市行政区面积； P i t表示第i个城市第t年的城市常住人口数量。从这个角度来看，创新型人才集聚度具有“区位熵”的含义，但是本文关于创新型人才集聚度的计算方法比单纯照搬传统区位熵的计算方法更有意义 ② ，这主要是由于创新型人才是人口的一部分，若某一城市创新型人才密度（每平方公里的创新型人才数量）小于该城市人口密度，则该城市不是创新型人才的集聚区，而仅是人口的集聚区。若某一城市创新型人才密度大于该城市人口密度，即使该城市相较于全国其他城市人口密度较小，但创新型人才密度较大，那该城市也是创新型人才集聚区。

2.4.2 创新型人才分布不平衡程度的衡量

本文运用基尼系数和变异系数来测算全国272个地级行政单位创新型人才分布的不均衡程度。其中，基尼系数的具体计算公式如下[45]：
G i n i = ∑ i = 1 n l n u i × l n v i ∑ i = 1 n l n u i 2 - 1 / ∑ i = 1 n l n u i × l n v i ∑ i = 1 n l n u i 2 + 1
式中： u i为从1到i市，地市级行政单元创新型人才数量的累积比例； v i为i市创新型人才数量的累积比例。基尼系数国际通用的评价标准为：①Gini≤0.2，代表绝对平均，或绝对公平；②0.2<Gini≤0.3，代表差距很小，配置或分配比较平均；③0.3<Gini≤0.4，代表差距较小，配置或分配相对合理；④0.4<Gini≤0.5，代表配置或分配差距较大；⑤0.5<Gini，代表配置或分配差距悬殊，不公平性很大[46]。

2.4.3 城市适宜性的测算

本文运用熵值法来测算每类城市适宜性各个评价指标的权重，进而测算出每类城市适宜性。本文依据标准的熵值计算公式，在确定每类城市适宜性各个评价指标的基础上，对数据矩阵采用极值法进行标准化处理，并计算出每类城市适宜性每个指标的熵，以及信息熵冗余度，而后计算出各类城市适宜性的权重。最后将数据矩阵与各个权重相乘得出各城市的各类适宜性。

2.4.4 创新型人才集聚影响机理的实证分析方法

本文的实证分析主要采用面板回归分析方法进行。假定某些城市特征因素无法由方程中的解释变量解释，并且与误差项无关，则回归方程构建如下：
y i t = α i + β 1 x i t + ε i t
式中： y i t为第i个城市在t期的创新型人才集聚度，i∈[1,272]；t表示时间，t∈[1,11]； x i t为待考察的解释变量，主要包括经济适宜性、社会适宜性、休闲适宜性和自然适宜性。
由于创新型人才集聚度在整个样本期都存在持续变化过程，这会导致方程误差项 ε i t存在序列相关性，一般的面板回归会导致结果偏误；此外，采用Modified Wald statistic test和Wooldridge test分别对本文样本异方差性、组内自相关性和组间同期自相关进行检验，结果显示误差项 ε i t还存在组间异方差、组内自相关和组间同期自相关，因此本文采用Driscoll等提出的异方差—序列相关稳健性标准误，使估计结果较少受到异方差和自相关等问题的干扰[47]。计量模型修定如下：
ε i t = λ t f t + v i t
f t = ρ f t - 1 + μ i t
式中：误差项 μ i t和 v i t是均值为零、相互独立的正态随机变量，与时间和单位之间不相关。利用Drisc-kraay稳健型标准误估计，从而得到较为稳健的结果。

3 结果与分析

3.1 中国创新型人才集聚的时空格局及演变特征

本文选取2006、2011和2016年三个时间断面，运用自然断裂法来分析全国272个城市创新型人才的空间集聚特征，这是由于2006、2011和2016年分别是我国“十一五”“十二五”“十三五”规划的第一年，选取这三个时间断面研究创新型人才的空间格局，更有助于丰富我国城市发展和创新型人才空间集聚的相关内容。
总体分布格局。2006年，我国创新型人才集聚度排名全国前20名的城市，分别为深圳、北京、海口、珠海、广州、上海、乌鲁木齐、厦门、克拉玛依、呼和浩特、银川、盘锦、太原、杭州、兰州、天津、武汉、昆明、乌海和贵阳，其中共有9个东部城市，8个西部城市，2个中部城市和1个东北城市。而后5名的城市为资阳、亳州、阜阳、六安、贵港，主要为中部城市。2016年，我国创新型人才集聚度排名全国前20名的城市分别为北京、深圳、克拉玛依、珠海、上海、广州、海口、厦门、杭州、东莞、成都、三亚、舟山、乌鲁木齐、南京、西安、嘉峪关、兰州、天津和呼和浩特，其中共有13个东部城市，7个西部城市。而后5名的城市则主要为我国中部城市，如阜阳、亳州、贵港、玉林、邵阳。
2016年我国创新型人才分布表现为如下特点：①北京和深圳是我国创新型人才集聚度最高的两座城市，其中北京的创新型人才集聚度为3 281人/万人，是全国平均水平的8倍，而深圳的创新型人才集聚度为3 067人/万人，是全国平均水平的7倍，均是中国典型的“创新型人才高地”。②创新型人才集聚度在589人/万人以上的城市主要集中在各省省会城市和直辖市，而创新型人才集聚度在343~589人/万人的城市则集聚在其周边地区，形成明显的中心—外围模式。
时空演变特征。第一，东部地区是我国创新型人才主要集聚区，创新型人才集聚度排名前20名的城市中，2006年东部占9席，2011年东部占10席，2016年更是增加到13席；中部地区是我国创新型人才薄弱区，创新型人才集聚度排名前20名的城市，中部城市从2006年的2个减少到2016年的0个。而创新型人才集聚度排名后5名的城市，则主要为中部城市；东北地区的创新型人才总体增长最为缓慢，2006—2016年，东北地区创新型人才集聚度年均增长率仅为2.00%，低于东部地区的3.21%，中部地区的2.38%和西部地区的3.34%。此外，东北地区主要城市，如长春、哈尔滨、盘锦等城市的创新型人才集聚度年均增长率远低于成都、西安、郑州、武汉、南昌、宜昌等中西部城市，且这些城市创新型人才集聚度占全国排名均呈现下降趋势。
图3 2006、2011和2016年中国创新型人才空间集聚图

Fig.3 The spatio-temporal evolution of creative talents agglomeration in China in 2006，2011 and 2016

第二，我国创新型人才在向东部地区集聚的同时，也呈现了向西部地区流动的趋势。2006—2016年，创新型人才集聚度增长率排名前20名的城市分别为成都、六安、三亚、嘉峪关、克拉玛依、东莞、舟山、宜昌、襄阳、苏州、上海、杭州、南京、重庆、西安、宿州、鄂尔多斯、厦门、中山和攀枝花，其中东部城市有9个，西部城市有7个。此外，2006—2016年，创新型人才集聚度年均增长率，西部地区高达3.34%，高于东部地区的3.21%、中部地区的2.38%和东北地区的2.00%。再次，创新型人才数量占全国的比例，西部地区由2006年的21.01%增长到2016年的21.94%，增长幅度为1.23%，仅次于东部地区的3.10%，而中部和东北地区这一比例则呈下降趋势。
第三，创新型人才分布不均衡性加剧，且空间极化现象持续扩大。2006、2011和2016年创新型人才分布的基尼系数分别为0.426、0.445和0.467。三个年份基尼系数均在0.4~0.5之间，表示研究范围内各城市创新型人才的分布差距悬殊。而且基尼系数呈逐年递增态势，说明创新型人才不平衡分布的趋势在加剧。此外，2006年创新型人才集聚度的极差为2 508，2016年增大至3 114。2006年创新型人才集聚度排名前20名的城市人才集聚度差距的平均值为109，而2016年则增加至125。这表明创新型人才空间极化现象一直存在，且呈现逐步扩大的态势，创新型人才在省会城市和直辖市局部集聚的态势越来越明显。

3.1.1 超级创意核心人才集聚的时空格局及演变特征

3.1.1.1 总体分布格局

2006年，我国超级创意核心人才集聚度排名前20名的城市分别为北京、深圳、上海、广州、海口、乌鲁木齐、珠海、呼和浩特、太原、银川、西安、武汉、杭州、兰州、厦门、大庆、天津、南京、昆明和克拉玛依，其中东部城市有10个，中部城市有2个，西部城市有7个，东北城市仅有1个。而排名后5名的城市为六盘水、亳州、六安、资阳和阜阳，主要为中部城市。2016年，我国超级创意核心人才集聚度排名前20名的城市分别为北京、深圳、上海、杭州、广州、珠海、厦门、成都、海口、南京、西安、济南、天津、太原、东莞、呼和浩特、武汉、舟山、克拉玛依和乌鲁木齐，其中东部城市有13个，中部城市有2个，西部城市有5个。而排名后5名的城市为汕尾、亳州、娄底、邵阳和阜阳，主要为中部城市。
2016年我国超级创意核心人才分布表现为如下特点：①北京和深圳是我国超级创意核心人才集聚度最高的两座城市，其中北京的超级创意核心人才集聚度为1 885人/万人，是全国平均水平的8倍，而深圳的创新型人才集聚度为1 327人/万人，是全国平均水平的6倍，均是中国典型的“超级创意核心人才高地”。②超级创意核心人才集聚度在482人/万人以上的城市，主要以省会城市和直辖市为主，“零星点状”地散落在我国东、中、西和东北地区。而超级创意核心人才集聚度在174~281人/万人的城市则集聚在这些省会城市和直辖市周围，形成中心—外围的空间分布格局。

3.1.1.2 时空演变特征

第一，东部地区是我国超级创意核心人才主要集聚区，超级创意核心人才集聚度排名前20名的城市中，2006和2011年东部地区均占10席，2016年增加到了13席。中部地区是我国超级创意核心人才薄弱区，超级创意核心人才集聚度排名前20名的城市，中部城市仅有2个，分别是太原和武汉。而超级创意核心人才集聚度排名后20的城市，中部城市则从2006年的8席增加到2016年的10席。2006—2016年，西部地区和东北地区的超级创意核心人才集聚度居中，但东北地区的超级创意核心人才增长最为缓慢。2006—2016年，东北地区超级创意核心人才集聚度年均增长率仅为1.50%，低于东部地区的3.16%，中部地区的1.60%，和西部地区的2.20%。
图4 2006、2011和2016年中国超级创意核心人才空间集聚图

Fig.4 The spatio-temporal evolution of the core creative talents agglomeration in China in 2006，2011 and 2016

第二，我国超级创意核心人才仍呈现向东部地区高度集聚的趋势。2006—2016年，超级创意核心人才集聚度增长速度排名前20名的城市分别为三亚、成都、六安、东莞、宜昌、嘉峪关、克拉玛依、舟山、苏州、重庆、中山、襄阳、西安、上海、南充、福州、鄂尔多斯、宣城、广州和佛山，其中东部城市占据12个。此外，2006—2016年，超级创意核心人才集聚度年均增长率，东部地区高达3.16%，远高于其他三大区域。再次，超级创意核心人才数量占全国的比例，东部地区也增长最快，从2006年的43.69%增长到2016年的48.03%，远高于其他三大区域。
第三，超级创意核心人才分布不均衡性加剧，且空间极化现象持续扩大。2006、2011和2016年超级创意核心人才分布的基尼系数分别为0.411、0.437和0.467。3个年份基尼系数均在0.4~0.5之间，表示研究范围内各城市超级创意核心人才的分布差距悬殊。而且基尼系数呈逐年递增态势，说明超级创意核心人才不平衡分布的趋势在加剧。此外，2006年超级创意核心人才集聚度极差为951，2016年增大至1 786。2006年超级创意核心人才集聚度排名前20名的城市人才集聚度差距的平均值为38，而2016年则增加至75。这表明超级创意核心人才空间极化现象一直存在，且呈现逐步扩大的态势，超级创意核心人才在省会城市和直辖市局部集聚的态势越来越明显。

3.1.2 其他专业知识人才集聚的时空格局及演变特征

3.1.2.1 总体分布格局

2006年，我国其他专业知识人才集聚度排名前20名的城市分别为深圳、北京、海口、珠海、盘锦、克拉玛依、厦门、广州、乌鲁木齐、上海、银川、呼和浩特、兰州、乌海、杭州、贵阳、天津、东营、昆明、太原，其中东部城市有10个，西部城市有8个，中部和东北城市均仅有1个。而排名后5名的城市为揭阳、贵港、阜阳、资阳和亳州，主要为中部城市。2016年，我国其他专业知识人才集聚度排名前20名的城市分别为深圳、北京、克拉玛依、珠海、广州、上海、东莞、海口、三亚、厦门、乌鲁木齐、舟山、嘉峪关、杭州、成都、鄂尔多斯、兰州、贵阳、银川和盘锦，其中东部城市有11个，西部城市有8个，东北城市仅有1个。而排名后20名的城市分别为梧州、曲靖、达州、内江、随州、湛江、邵阳、滁州、资阳、周口、宿迁、潮州、汕尾、钦州、茂名、玉林、贵港、揭阳、亳州和阜阳，其中中部城市占大多数。
2016年我国其他专业知识人才分布表现为如下特点：①深圳和北京是我国其他专业知识人才集聚度最高的两座城市，其中深圳的其他专业知识人才集聚度为1 740人/万人，是全国平均水平的7倍，而北京的其他专业知识人才集聚度为1 396人/万人，是全国平均水平的5倍，均是中国典型的“其他专业知识人才高地”。②其他专业知识人才集聚度在298人/万人以上的城市呈“零星点状”分布在我国京津地区的北京，呼包鄂地区的鄂尔多斯和呼和浩特，酒嘉玉地区的酒泉和嘉峪关，辽中南地区的沈阳，长三角地区的上海和杭州，珠三角地区的深圳和广州，以及成渝地区的成都等区域中心城市，而其他专业知识人才集聚度在155~297人/万人的城市则呈片状集聚在这些区域中心城市周边，形成明显的中心—外围模式。

3.1.2.2 时空演变特征

第一，东部地区是我国其他专业知识人才主要集聚区，其他专业知识人才集聚度排名前20名的城市中，2006和2011年东部占10席，2016年增加到11席。中部地区是我国其他专业知识人才薄弱区，其他专业知识人才集聚度排名后20名的城市，中部城市2006年占据35%，2016年增加到40%。2006—2016年，西部地区和东北地区的其他专业知识人才集聚度居中，但东北地区的其他专业知识人才总体增长最为缓慢。2006—2016年，东北地区其他专业知识人才集聚度年均增长率仅为2.70%，远低于东部地区的4.45%，中部地区的3.39%，以及西部地区的4.76%。
第二，我国其他专业知识人才在向东部地区集聚的同时，也呈现了向西部地区流动的趋势。2006—2016年，其他专业知识人才集聚度增长速度排名前20名的城市分别为三亚、成都、六安、东莞、宜昌、嘉峪关、克拉玛依、舟山、苏州、重庆、中山、襄阳、西安、上海、南充、福州、鄂尔多斯、宣城、广州和佛山，其中东部城市有9个，西部城市有7个。此外，2006—2016年，其他专业知识人才集聚度年均增长率，西部地区高达4.76%，远高于其他三个区域。再次，其他专业知识人才数量占全国的比例，2016年西部地区也呈增长趋势，增长幅度为2.43%，高于东部地区的1.69%，中部地区的-2.13%和东北地区的-2.00%。
图5 2006、2011和2016年中国其他专业知识人才空间集聚图

Fig.5 The spatio-temporal evolution of the technical creative talents agglomeration in China in 2006，2011 and 2016

第三，其他专业知识人才分布不均衡性加剧，且个别城市空间集聚非常明显。2006、2011和2016年其他专业知识人才分布的基尼系数分别为0.454、0.459和0.476。2006和2011年的基尼系数均在0.4~0.5之间，表示研究范围内各城市其他专业知识人才的分布差距较大。而且基尼系数呈逐年递增态势，表明其他专业知识人才不平衡分布的趋势在加剧。此外，2006年其他专业知识人才集聚度排名前20名的城市人才集聚度差距的平均值为73，而2016年却下降至69，这表明其他专业知识人才集聚度空间极化现象有所改变。但是深圳和北京一直是其他专业知识人才的极度集聚区。2006—2016年，深圳和北京的其他专业知识人才集聚度一直处于全国最高水平。

3.2 中国创新型人才空间集聚的影响因素及机理

基于计量模型方程（3）、（4）和（7），以2006—2016年中国创新型人才集聚度为被解释变量，以四大城市适宜性为解释变量，采用Drisc-kraay稳健型标准误进行估计，结果见表3。
表3 2006—2016年创新型人才空间集聚影响因素分析的面板回归结果

Tab.3 Results of panel analysis predicting the impact factors of creative talents agglomeration from 2006 to 2016

解释变量 被解释变量
创新型人才 超级创意核心人才 其他专业知识人才
方法
Drisc-kraay稳健
型标准误估计		 Drisc-kraay稳健
型标准误估计		 Drisc-kraay稳健
型标准误估计
ln Em 0.2540***（10.25） 0.1779***（4.87） 0.3250***（8.90）
ln Sm 0.2442***（8.89） 0.1710***（8.47） 0.2911***（5.52）
ln Lm 0.1298***（8.67） 0.0602***（6.01） 0.1196***（10.54）
ln Nm 0.1151*（1.96） 0.1286***（1.95） 0.0974*（1.81）
常数项 6.9183***（48.83） 5.9273***（57.11） 6.5322***（34.99）
F值 327.91*** 233.14*** 303.13***
R2 0.5008 0.6385 0.6081
观测值 2992 2992 2992
城市数 272 272 272

注：括号中的数字为面板校正标准误估计的z值。***表示1%置信水平上显著；**表示5%置信水平上显著；*表示10%置信水平上显著。

表3回归结果发现创新型人才的空间集聚受城市经济适宜性、社会适宜性、休闲适宜性和自然适宜性的共同影响，而其中经济适宜性与创新型人才、超级创意核心人才和其他专业知识人才集聚的相关性最高，这与国内学者的研究结果基本一致[43,48]，即经济因素是影响我国创新型人才集聚最重要的因素。然而，值得关注的是休闲适宜性是影响创新型人才，尤其是其他专业知识人才集聚的第三大要素，然而对于超级创意核心人才的影响却较小，这可能是由于在当前中国，以信息技术、金融和科研人才为主力的超级创意核心人才，加班加点已成为生活的常态，相对于休闲设施，他们更关注城市的经济环境，对影响速度和效率的基础设施更为敏感（这在本文后面的研究中得到了印证）。
表4以创新型人才及各类创新型人才集聚度为因变量，以各个适宜性中包含的变量为自变量（表1），来进一步探索吸纳创新型人才及各类创新型人才的核心要素。
表4 2006—2016年创新型人才空间集聚核心要素分析的面板回归结果

Tab.4 Results of panel analysis predicting the core factors of creative talents agglomeration from 2006 to 2016

被解释变量 创新型人才 被解释变量 超级创意核心人才 被解释变量 其他专业知识人才
Drisc-kraay稳健型
标准误估计		 Drisc-kraay稳健型
标准误估计		 面板校正标准
误估计PSCE
ln Lcost -0.0563***（-4.77） ln Industry -0.1684***（-5.27） ln Lcost -0.0772***（-6.27）
ln Industry -0.1830***（-10.46） ln Patent 0.1909***（12.19） ln Industry -0.1748***（-7.30）
ln Patent 0.1288***（12.67） ln Hinvest -0.0082***（-4.30） ln Patent 0.1396***（12.03）
ln Hinvest -0.0093***（-8.27） ln Wholesale 0.0294**（2.26） ln Hinvest -0.0079***（-5.10）
ln Wholesale 0.0370***（3.08） ln University 0.0079***（3.94） ln Wholesale 0.0412***（3.50）
ln PM 0.0717***（2.93） ln Hbed 0.0856**（2.56） ln Pm 0.0665***（3.26）
ln University 0.0083***（2.63） ln Taxi 0.0474***（2.80） ln University 0.0093**（2.15）
ln Hbed 0.1145***（3.50） ln Roadway 0.0290***（4.94） ln Hbed 0.1410***（4.36）
ln Taxi 0.0392***（2.96） ln Waste -0.0098***（-3.94） ln Taxi 0.0334***（2.98）
ln Roadway 0.0345***（3.40） ln Mobile 0.0101*（1.88） ln Waste -0.0082***（-3.72）
ln Waste -0.0085***（-3.87） ln Cinema 0.0094***（3.65） ln Mobile 0.0189***（2.84）
ln Mobile 0.0161**（2.58） ln Humidity 0.0794**（2.54） ln Internet 0.0119***（4.72）
ln Books 0.0305**（2.61） 常数项 3.2928***（3.48） ln Books 0.0331**（2.00）
ln Parka 0.0359***（3.89） F值 7 376.20*** ln Parka 0.0565***（5.89）
ln Greenc 0.0119***（4.77） R2 0.5795 ln Greenc 0.0121***（3.93）
ln Museum 0.0194***（7.94） 观测值 2992 ln Museum 0.0262***（8.40）
ln Humidity 0.1068**（2.55） 城市数 272 ln Gallary 0.0326**（2.35）
常数项 4.0901***（5.22） ln Temperature 0.1025*（1.65）
F值 1 251.27*** ln Humidity 0.1029**（3.04）
R2 0.5808 常数项 2.4573***（2.77）
观测值 2 992 F值 48.17***
城市数 272 R2 0.6182
观测值 2 992
城市数 272

注：括号中的数字为面板校正标准误估计的z值。***表示1%置信水平上显著；**表示5%置信水平上显著；*表示10%置信水平上显著。

由表4可知，代表城市创新活力的每万人拥有的专利授权量与创新型人才和超级创意核心人才集聚的正相关性最大，与其他专业知识人才集聚的正相关性也较大，且每万人拥有的专利授权量（lnPatent）每提升1个百分点，将分别带动创新型人才（lnCd）和超级创意核心人才（lnCor）提升12.88和19.09个百分点。这说明“创新活力”越高的城市“才气”越足，即创新型人才选择适宜发展和生活的集聚地虽然主要依赖经济适宜性，但已经不再是为了谋求生存而选择经济发展高地，而是为了追求创意而选择创新活力较高的城市，这与国内的研究结果有些出入。国内的研究结果普遍认为，收入水平与中国人才集聚的相关性最大[43,48]，这主要是由于国内得出此结论的文献的研究期间主要集中在1990—2005年。其实在1979—2010年，中国经济正处于L类型经济增长阶段，这一阶段的主要特点是有大量剩余的劳动力资源和无限供给的非农部门。这一时期中国经济正经历着从计划经济向市场经济转型的过程，制度的改革释放了中国丰富的劳动力资源，物质资本和人力资本的激励机制（人才考核和晋升制度改革等等）促使中国人才迁移[49]。因此，这一时期，中国人才集聚与收入水平和收入水平密切相关。而2010年之后，中国经济进入T类型增长阶段，这一阶段的主要特征为人力资本短缺和普通劳动力工资上涨[49]。这一时期，中国经济逐渐发展成熟，之前有效的物质资本和人力资本激励机制在吸引人才，尤其是创新型人才集聚方面难以奏效[49]。创新型人才更注重追求创意[1]，更偏好创新活力高的城市。
此外，表4显示，第二产业占比对创新型人才与其他专业知识人才集聚的相关性最大，与超级创意核心人才集聚的相关性也较大，这说明创新型人才不倾向于集聚在第二产业发达的城市。这主要是由于本文的数据选取的均是服务业相关的创新型人才，因此不倾向于集聚在工业或制造业发达的城市。此外，消费流动也是导致创新型人才不集聚在第二产业发达城市的原因[22,50]，以北京、上海、深圳等为代表的消费型城市，创新型人才的集聚度远高于以宁波、泉州、沈阳、长春等为代表的生产型城市。另外，本文的结果也显示生活成本（城市住宅房价/可支配收入）对创新型人才集聚有显著的负影响，这说明高房价城市会在一定程度上抑制创新型人才流入[51]。但是对于超级创意核心人才来说，生活成本（房价/可支配收入）并不影响其集聚，这是因为房价和可支配收入都对其有正相关影响。相对于其他专业知识人才来说，超级创意核心人才倾向于集聚到高房价的城市，是因为在高房价的地区，基础设施等配套完善，此外，投资这些房子还会带来更高的利润回报[52]。
另外，批发零售业份额也是影响创新型人才空间分布的重要要素。这与前人的研究结果基本一致。王宁、牛冲槐等也提出创新型人才倾向于集聚在消费活力较高的地区[23,53]。然而，港资企业对创新型人才集聚有显著的负影响，这主要是因为港资企业对中国高科技产业的溢出效应呈逐年下降的趋势[54]。此外，港资企业多为劳动密集型企业，对廉价劳动力需求较大，而对创新型人才需求较小[55]。
其次，每万人拥有的床位数量与其他专业知识人才集聚的正相关性最大，而与创新型人才和超级创意核心人才集聚的正相关性较大。这可能是由于其他专业知识人才中约11%的人才为职业医师和职业助理医师，设施或产业的集聚的必然会导致专业人才在该城市集聚[13,28]。另外也说明创新型人才倾向于集聚在医疗设施完善的城市。此外，教育、交通、通信等基础设施，以及博物馆、图书馆藏书数量、公园绿地面积等也成为影响创新型人才集聚的主要要素，这说明创新型人才集聚对人文因素较为敏感，创新型人才喜欢集聚在教育资源和文化资源丰富、交通和休闲设施便利的城市。其实中国的这个现象不是“新现象”，它印证了国际发展的经验事实。最近15年来的研究表明，在西方世界，以基础设施和休闲文化设施为代表的社会适宜性和休闲适宜性已经超越经济适宜性和自然适宜性，成为城市吸引创新型人才集聚的最重要因素[6,11]。但是在当前中国，图书馆藏书数量、博物馆、公园绿地面积等休闲设施与中国创新型人才集聚的相关性还较小。
此外，相较于创新型人才，特别是其他专业知识人才，超级创意核心人才与电影院数量有正相关性，而与博物馆数量和公园绿地面积却无相关性，这可能是由于以信息技术、金融和科研人才为主力的超级创意核心人才，对速度和效率非常敏感[6,11,56]，因此能提供简单休闲体验的电影院更能满足其基本文化消费需求。
最后，本文的结果显示，城市年平均相对湿度与创新型人才集聚有较强的正相关性，这说明创新型人才倾向于集聚在气候湿润舒适的城市。此外，其他专业知识人才更倾向于集聚在气候湿润舒适，气温相对较高的城市。

3.3 中国创新型人才空间集聚的影响机理分析

根据前文的分析框架，本文概括出创新型人才空间集聚的影响机理：
①经济适宜性是影响创新型人才集聚最主要的因素。本文的结果显示经济适宜性（lnEM）每提升1个百分点，将带动创新型人才（lnCd））提升25.40个百分点。而经济适宜性中，专利授权量、产业结构、批发零售企业、生活成本等等都是影响创新型人才集聚的核心要素，即创新型人才倾向于集聚在创新活力较高、消费活力较高、生活成本较低的经济适宜性较高的城市。
②社会适宜性和休闲适宜性成为影响创新型人才集聚的第二和第三大因素。本文的结果显示，社会适宜性（lnSM）每提升1个百分点，将带动创新型人才（lnCd）提升24.42个百分点；休闲适宜性（lnLM）每提升1个百分点，将带动创新型人才（lnCd）提升12.98个百分点。具体到影响要素上，即创新型人才集聚在受经济适宜性影响的基础上，还受到交通、教育、医疗等基础设施，以及博物馆、公园绿地面积等休闲文化设施的影响，即创新型人才喜欢集聚在基础设施丰富等社会适宜性较高，以及博物馆数量较多、公园绿地面积较大等休闲适宜性较高的城市。但是对于超级创意核心人才，休闲适宜性却是影响其集聚的第四大因素。
③自然适宜性对创新型人才集聚的影响相对较小。本文的结果显示自然适宜性（（lnSM）每增加1个百分点，仅带动创新型人才（lnCd）提升11.51个百分点。这主要由于我国大部分城市处于亚热带和温带，从短期来看（2006—2016年），创新型人才的空间分布受自然气候影响较小。总体来看，创新型人才倾向于集聚在气候湿润舒适的城市。

4 结论与建议

4.1 结论

本文基于城市适宜性理论，以中国272个城市为研究样本，系统测度了2006—2016年我国创新型人才的时空格局，并进一步剖析我国创新型人才空间集聚的影响因素和影响机理，主要的研究结论如下：
①我国形成了以各省省会城市和直辖市为聚点，“中心—外围”模式的创新型人才空间分布格局。其中，北京和深圳是我国创新型人才集聚度最高的两座城市，是中国典型的“创新型人才高地”。此外，我国较高和高创新型人才集聚度的城市主要集中在各省省会城市和直辖市，而中等创新型人才集聚度的城市则集聚在其周边地区，形成明显的“中心—外围”模式。
②东部地区是我国创新型人才的主要集聚区，而中部地区则是我国创新型人才集聚的薄弱区。西部地区的创新型人才增速较快，尤以成都、克拉玛依、重庆、西安等城市表现最为明显。我国创新型人才在向东部地区集聚的同时，也呈现了向西部地区流动的趋势。东北地区的创新型人才总体增长最为缓慢，且长春、哈尔滨、盘锦等主要城市的创新型人才集聚度在全国排名呈下降趋势。
图6 中国创新型人才空间集聚的影响因素及机理

注：“+”代表正向影响，“-”代表负向影响。直线箭头代表主要影响因素，虚线箭头代表次要影响因素。数据代表影响程度，来源于表3面板回归的结果。

Fig.6 Determinants and mechanism of spatial agglomeration of creative talents in China

③各类型的创新型人才时空演变差异明显。空间上，高超级创意核心人才集聚度的城市主要呈“零星点状”分布在各省省会城市和直辖市；而高其他专业知识人才集聚度的城市则呈“零星点状”分布在我国京津地区的北京、呼包鄂地区的鄂尔多斯和呼和浩特、长三角地区的上海和杭州、珠三角地区的深圳和广州，以及成渝地区的成都等区域中心城市。时间上，超级创意核心人才和其他专业知识人才分布的不均衡性随时间演变不断加剧，且超级创意核心人才集聚度空间极化现象持续扩大，在省会城市和直辖市局部集聚的态势也越来越明显；其他专业知识人才集聚度空间极化现象却有所改变，但在北京和深圳等个别城市空间集聚的现象却比较明显。
④整体来看，经济适宜性是影响我国创新型人才空间集聚的最主要因素。其中，专利授权量和第二产业规模与创新型人才集聚的相关性最高。社会适宜性和休闲适宜性对创新型人才集聚的影响分居第二和第三位，其中，教育、医疗等基础设施，以及博物馆、公园绿地面积等休闲设施成为影响创新型人才集聚的主要要素。自然适宜性对创新型人才集聚的影响最小，且城市年平均相对湿度与创新型人才集聚有较强的正相关性，这说明创新型人才倾向于集聚在气候湿润舒适的城市。分类来看，超级创意核心人才更倾向于集聚在创新活力高、房价高、交通设施发达和电影院数量丰富的城市；而其他专业知识人才则倾向于集聚在创新活力高、生活成本相对较低、医疗设施，以及博物馆、公园绿地面积等休闲设施丰富的城市。

4.2 建议

中国城市经济转型升级的压力不断增大，需要“建设知识型、技能型、创新型劳动者大军”，“凝聚起创新人才的强磁场”，将“人口红利”转化为“人才红利”提高全要素生产率，这就要求各地区、各城市注重创新型人才的集聚和培养。本文的研究为中国各城市吸引和集聚创新型人才提供了具体而有效的“抓手”：
第一，增强经济适宜性，为创新型人才集聚奠定基础。合理的产业结构是创新型人才集聚的基础，而城市的创新活力是创新型人才成长和发展的保障。增强城市创新活力、优化城市产业结构，增强城市经济适宜性，才能为创新型人才提供更多、更好的工作岗位，才能更好地吸引和留住创新型人才。
第二，关注创新型人才的特殊性，提升城市社会适宜性和休闲适宜性。超级核心创意人才选择城市时会重点考虑城市的教育、医疗配套和交通设施的便利程度，而其他专业知识人才则倾向于集聚在教育、医疗配套设施完善，并拥有丰富休闲设施的城市。因此，城市建设不仅要注重增强经济适宜性，也应不断提升城市的社会适宜性和休闲适宜性，以提高城市生活品质，满足创新型人才对教育、艺术和社交的人文需求。
第三，欠发达地区“留住人才”重于“吸引人才”。欠发达地区在自然适宜性方面具有先天劣势，进而在经济适宜性上也具有劣势。然而，相较于外来创新型人才，本地创新型人才对当地气候和经济更加适应。因此，欠发达地区为本地创新型人才营造更合理、更优良的城市适宜性，能充分留住本地创新型人才，这比通过高昂的经济优惠政策吸引外来创新型人才更务实、更见效。
本文的不足之处和研究展望：首先，由于缺乏数据，本文的创新型人才并未能完全涵盖我国经济发展过程中创造新观念和新技术的人才，有些创新型人才，如制造业中的研发人员等，还需要在今后的研究中不断补充数据进行分析；其次，由于地方人才政策很难量化，且宽容度的数据难以获得，本文中创新型人才集聚影响因素的综合指标体系并未涵盖这些指标。今后将通过不断收集数据，在指标选取、机理分析等方面进行进一步探索，构建更为科学合理的创新型人才集聚影响因素综合指标体系；再次，受部分城市数据缺失的限制，本文主要采用面板回归分析方法来分析影响创新型人才集聚的主要因素，并未考虑各类影响因素的空间溢出效应。今后将通过补充数据，转化非平衡面板数据为平衡面板数据，采用空间面板回归方法，进一步探究各类影响因素的空间溢出效应，以及这些影响因素对创新型人才集聚的直接效应和间接效应。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Florida R. The rise of the creative class,revised[M]. New York: Basic Books, 2012.

[2]
Lucas R E. On the mechanism of economic development[J]. Journal of Monetary Economics, 1988(22):3-42.

[3]
Acemoglu D, Autor D. What does human capital do?A review of Goldin and Katz's the race between education and technology[J]. Journal of Economic Literature, 2012, 50(2):426-463.

[4]
Roback J. Wages,rents,and amenities:Differences among workers and regions[J]. Economic Inquiry, 1988, 26(1):23-41.

[5]
Gyourko J, Tracy J. The structure of local public finance and the quality of life[J]. Journal of Political Economy, 1991(99):774-806.

[6]
Clark T N. Urban amenities:Lakes,opera and juice bars:Do they drive development?[M]. Bradford: Emerald Group Publishing Limited, 2003:103-140.

[7]
Glaeser E. Review of Richard Florida’s the rise of the creative class[J]. Regional Science and Urban Economics, 2005(35):593-596.

[8]
Cowling M, Lee N. How entrepreneurship,culture and universities influence the geographical distribution of UK talent and city growth[J]. Journal of Management Development, 2017, 36(2):178-195.

[9]
Glaeser E. Cities,productivity,and quality of life[J]. Science, 2011, 333(6042):592-594.

DOI PMID

[10]
Knudsen B, Florida R, Stolarick K, et al. Density and creativity in U.S. regions[J]. Annals of the Association of American Geographers, 2008, 98(2):461-478.

[11]
Glaeser E L, Kolko J, Saiz A. Consumer city[J]. Journal of Economic Geography, 2001, 1(1):27-50.

[12]
Clark T, Lloyd K, Wong K. Amenities drive urban growth[J]. Journal of Urban Affairs, 2002, 24(5):493-515.

[13]
Argent N, Tonts M, Jones R, et al. A creativity-led rural renais-sance?Amenity-led migration,the creative turn and the uneven development of rural Australia[J]. Applied Geography, 2013(44):88-89.

[14]
Falck O, Fritsch M, Heblich S. The phantom of the opera:Cultural amenities,human capital,and regional economic growth[J]. Labour Economics, 2011(18):755-766.

[15]
Glaeser E. Triumph of the City[M]. New York: Penguin Press, 2011.

[16]
孙健, 尤雯. 人才集聚与产业集聚的互动关系研究[J]. 管理世界, 2008(3):177-178.

[17]
林毅夫, 陈斌开. 发展战略、产业结构与收入分配[J]. 经济学(季刊), 2013, 12(4):1109-1 140.

[18]
温婷, 林静, 蔡建明, 等. 城市舒适性:中国城市竞争力评估的新视角及实证研判[J]. 地理研究, 2016, 35(2):214-226.

DOI

[19]
朱翔. 中国人才时期与人才地理研究[J]. 人文地理, 2001, 16(5):11-15.

[20]
Palivos T, Wang P. Spatial agglomeration and endogenous growth[J]. Regional Science and Urban Economics, 1996, 26(6):645-669.

[21]
王宁. 地方消费主义、城市舒适物与产业结构优化:从消费社会学视角看产业转型升级[J]. 社会学研究, 2014(4):24-48.

[22]
Zhang W. Leisure,amenity and capital accumulation in a multi-region model[J]. The Annals of Regional Science, 2008(42):183-207.

[23]
王宁. 消费流动:人才流动的又一动因——“地理流动与社会流动”的理论探究之一[J]. 学术研究, 2014(10):29-37.

[24]
杨开忠. 京津冀协同发展的新逻辑:地方品质驱动型发展[J]. 经济与管理, 2019(1):1-3.

[25]
Florida R, Mellander C, Stolarick K. Inside the black box of regional development:Human capital,the creative class and tolerance[J]. Journal of Economic Geography, 2008, 8(5):615-649.

[26]
Rogerson R J. Quality of life and city competitiveness[J]. Urban Studies, 1999, 36(5):969-985.

[27]
Golicic S, Foggin J H, Mentzer J T. Relationship magnitude and its role in inter-organizational relationship structure[J]. Journal of Business Logistics, 2003, 24(1):57-75.

[28]
Behrens K, Duranton G, Robert-Nicoud F. Productive cities: Sorting,selection and agglomeration[J]. Journal of Political Economy, 2014, 122(3):507-553.

[29]
Krugman P. Geography and trade[M]. Cambridge: The MIT Press, 1991.

[30]
Rao Y X, Dai D Y. Creative class concentrations in Shanghai,China:What is the role of neighborhood social tolerance and life quality supportive conditions?[J]. Social Indicators Research, 2017(132): 1 237-1 246.

[31]
Durmaz B S. Analyzing the quality of place:Creative clusters in Soho and Beyoğlu[J]. Journal of Urban Design, 2015, 20(1):93-124.

[32]
Zheng L. What city amenities matter in attracting smart people?[J]. Papers in Regional Science, 2016, 95(2):309-327.

[33]
周后福. 气候变化对人体健康影响的综合指标探讨[J]. 气候与环境研究, 1999, 4(1):121-126.

[34]
Jacobs J. The economy of cities[M]. New York: Vintage, 1969.

[35]
Mellander C, Florida R. Human capital or the creative class-explaining regional development in Sweden[R]. KTH/CESIS Working Paper Series in Economics and Institutions of Innovation, 2006.

[36]
Marlet G, Van Woerkens C. Skills and creativity in a cross-section of Dutch Cities (Discussion Paper No.04-29)[Z]. Netherlands: Tjalling C. Koopmans Research Institute, 2004.

[37]
国家职业分类大典修订工作委员会. 中华人民共和国职业分类大典2015年修订版[M]. 北京: 中国劳动社会保障出版社, 2015.

[38]
国家统计局,中国标准化研究院. 中华人民共和国国家标准GB/T 4754-2017国民经济行业分类[S]. 中华人民共和国国家质量监督检验检疫总局和中国国家标准化管理委员会发布, 2017-06-30.

[39]
Florida R. The economic geography of talent[J]. Annals of the Association of American Geographers, 2002, 92(4):743-755.

[40]
郭鑫鑫, 杨河清. 中国省际人才分布影响因素的实证研究[J]. 人口与经济, 2018(3):47-55.

[41]
张波, 丁金宏. 中国省域高端人才空间分布及变动趋势:2000-2015年[J]. 干旱区资源与环境, 2019, 33(2):32-36.

[42]
李瑞, 吴殿廷, 鲍捷, 等. 高级科学人才集聚成长的时空格局演化及其驱动机制——基于中国科学院院士的典型分析[J]. 地理科学进展, 2013, 32(7):1123-1 138.

[43]
姜怀宇, 徐效坡, 李铁立. 1990年代以来中国人才分布的空间变动分析[J]. 经济地理, 2005, 25(5):702-706.

[44]
吴殿廷. 区域经济学(第三版)[M]. 北京: 科学出版社, 2017.

[45]
Cowell F. Measuring inequality[M]. Oxford: Oxford Universi-ty Press, 2011.

[46]
Sinclair V G, Wallston K A. The development and validation of the psychological vulnerability scale[J]. Cognitive Therapy & Research, 1999, 23(2):119-129.

[47]
Driscoll J C, Krnay A C. Consistent covariance matrix estimation with spatially dependent panel data[J]. Review of Economics and Statistics, 1998,80:549-560.

[48]
Liu Y, Shen J. Skilled and less-skilled interregional migration in China:A comparative analysis of spatial patterns and the decision to migrate in 2000-2005[J]. Habitat International, 2016(57):1-10.

[49]
蔡昉. 理解中国经济发展的过去、现在和将来——基于一个贯通的增长理论框架[J]. 经济研究, 2013(11):4-16.

[50]
Brueckner J, Thisse J, Zenou Y. Why is central Paris rich and downtown Detroit poor? An amenity-based theory[J]. European Economic Review, 1999, 43(1):91-107.

[51]
赵海益, 李永刚, 尚俊松. “高房价”对中国地区间人才竞争影响的实证研究[J]. 南京财经大学学报(双月刊), 2019(1):26-35.

[52]
Cheng Z F, Zhou S Y, Young S. Place, Capital flows and property regimes:The elites’ former houses in Beijing’s south luogu lane[J]. Sustainability, 2015, 7(1):398-421.

[53]
牛冲槐, 张帆, 封海燕. 科技型人才聚集、高新技术产业聚集与区域技术创新[J]. 科技进步与对策, 2012, 29(15):46-51.

[54]
汤清. 广东省金融支持下的产业转移溢出效应研究[D]. 广州: 华南理工大学, 2011.

[55]
He C F, Chen T M, Mao X Y, et al. Economic transition,urbanization and population redistribution in China[J]. Habitat International, 2016, 51:39-47.

[56]
Mellander C, Florida R, Rentfrow P. The creative class,postindustrialism and the happiness of nations[J]. Cambridge Journal of Regions Economy and Society, 2012, 5(1):31-43.

Options
Outlines

/

〈 〉