加载中...
Spatial Clustering of Top Talent and Innovation Development in Latecomer Countries: Evidence from Individual Patent Data in China
创新是引领发展的第一动力，后发国家受限于人才资源约束，可依托战略性新兴产业、集聚创新高端人才，从而实现创新发展。中国作为当前拥有新增专利数量最多的国家，是创新后发国家的重要代表。本文基于2001—2019年中国战略性新兴产业的个体专利数据，从国家创新发展阶段差异入手拓展传统集聚经济理论，从创新个体集聚的微观视角，定量分析了后发国家创新高端人才集聚对个体创新产出的影响和机制，并利用反事实分析了人才空间分布差异对整体创新产出的影响。研究发现：其一，后发国家创新高端人才的集聚可以有效提升个体创新数量和质量，该提升主要通过建立更紧密的本地知识网络、合作知识溢出、国际知识网络，以及市场化集聚等渠道实现；其二，优化创新高端人才空间分布能够有效提升后发国家的整体创新产出。创新高端人才完全平均化分布会导致后发国家整体创新产出下降，将人才高度集中于战略性新兴产业的重点集聚城市则可有效提升后发国家的整体创新产出。本文为后发国家制定更有效的科创政策、人才政策和区域发展政策提供了来自中国的参考。
Abstract
创新是引领发展的第一动力，后发国家受限于人才资源约束，可依托战略性新兴产业、集聚创新高端人才，从而实现创新发展。中国作为当前拥有新增专利数量最多的国家，是创新后发国家的重要代表。本文基于2001—2019年中国战略性新兴产业的个体专利数据，从国家创新发展阶段差异入手拓展传统集聚经济理论，从创新个体集聚的微观视角，定量分析了后发国家创新高端人才集聚对个体创新产出的影响和机制，并利用反事实分析了人才空间分布差异对整体创新产出的影响。研究发现：其一，后发国家创新高端人才的集聚可以有效提升个体创新数量和质量，该提升主要通过建立更紧密的本地知识网络、合作知识溢出、国际知识网络，以及市场化集聚等渠道实现；其二，优化创新高端人才空间分布能够有效提升后发国家的整体创新产出。创新高端人才完全平均化分布会导致后发国家整体创新产出下降，将人才高度集中于战略性新兴产业的重点集聚城市则可有效提升后发国家的整体创新产出。本文为后发国家制定更有效的科创政策、人才政策和区域发展政策提供了来自中国的参考。
人才集聚显著提升个体创新数量
基于2001-2019年中国战略性新兴产业个体专利数据，使用多维固定效应模型，核心解释变量为创新高端人才集聚程度（城市×产业层面），被解释变量为个体发明专利产出数量。结果显示，发明人集聚程度提高10%，其当年创新产出数量提高约1.3%（系数0.130，在1%水平显著），表明创新高端人才空间集聚显著提升了个体创新产出数量。
人才集聚显著提升个体创新质量
以发明专利被引数衡量创新质量，基准回归显示人才集聚程度提升10%，个体发明专利被引数提高约3.46%（系数0.346，在5%水平显著）。采用剔除自引、专利原创性、通用性等多种指标后，结论依然稳健，表明人才集聚对创新质量的提升是多维度的。
本地知识网络与知识溢出是重要机制
机制分析表明：人才集聚提高后，发明人引用同一城市专利数量显著上升（系数0.645），被同一城市其他专利引用数显著上升（系数0.710），形成紧密本地知识网络；同时，普通发明人与高端发明人合作（交乘项系数0.0555）才能从集聚中获益，验证了合作知识溢出渠道。
国际知识网络与市场化集聚均有效
人才集聚促使发明人更多引用国外专利（系数0.348）和更古老的经典专利（系数0.266），接入国际知识网络；在户籍制度放松（市场化程度高）的城市，人才集聚的创新提升效应更显著（系数0.159 vs 0.113），表明市场化人才集聚更为有效。
人才高度集中于重点城市可显著提升整体创新产出
基于反事实分析框架，若将创新高端人才高度集中于各产业集聚程度最高的前10大城市，2019年全行业创新产出数量平均提升25.16%，专利引用提升54.66%；若完全平均化分布，则全行业创新产出数量下降21.82%，专利引用下降51.84%，说明优化人才空间分布对后发国家整体创新至关重要。
核心解释变量
核心解释变量为创新高端人才集聚程度（Cluster），定义为除本人以外所在城市-战略性新兴产业的高端发明人数量占全国该产业高端发明人总数的比重。
被解释变量
被解释变量为创新高端人才的个体创新产出，数量维度用发明人发明专利（申请）数量衡量，质量维度用发明专利被引数（多种调整指标）衡量。
样本与数据
样本为2001—2019年中国战略性新兴产业个体专利数据，共55003个高端发明人、230954个观测值，涉及1218058个发明专利、27507个机构、308个国际专利分类小类、9个战略性新兴产业和327个城市。
识别方法 / 模型设定
识别方法为多维固定效应模型（城市×产业、城市×年份、发明人、机构等固定效应），并使用1952年高校理工科院系调整情况作为人才集聚的工具变量处理内生性。
内生性及稳健性检验
稳健性检验包括：工具变量回归、排除序列相关（引入前后三期集聚度）、变换样本区间与高端人才划分标准（前5%和10%）、使用多种取值形式（IHS、PPML）、变换集聚定义（城市层面）、改变聚类标准误、多种集聚指标构建方式、控制首次专利申请年份固定效应、不折算专利数量、控制年份趋势等，核心结论均保持稳健。