EN中文

热带地理 >

2024 , Vol. 44 >Issue 9: 1667 - 1685

DOI: https://doi.org/10.13284/j.cnki.rddl.20230575

人才地理

长三角一体化下人才集聚、知识溢出的时空演化机制

  • 靳财 , 1 ,
  • 李坦 1 ,
  • 惠宝航 1 ,
  • 劳昕 2 ,
  • 沈体雁 , 3
展开
  • 1. 安徽农业大学 经济管理学院，合肥 230036
  • 2. 中国地质大学（北京） 经济管理学院，北京 100083
  • 3. 北京大学 政府管理学院，北京 100871
沈体雁（1971—），男，湖北天门人，教授，博士生导师，主要从事城市与区域规划、空间计量经济学研究，（E-mail）。

靳财（1998—），男，安徽阜阳人，博士研究生，主要从事农业经济学研究，（Email）；

收稿日期: 2023-07-22

  修回日期: 2023-12-09

  网络出版日期: 2024-09-05

基金资助

安徽省教育厅社会科学重点项目(SK2020A0131)

2022年度安徽省新时代育人质量工程项目(2022xscx048)

2021年北京大学沈体雁教授课题组空间计量实践营“空间计量经济学与空间人口研究”项目

收起

Spatiotemporal Evolution and Influence Mechanism of Talent Agglomeration and Knowledge Spillover under the Integration of the Yangtze River Delta

  • Cai Jin , 1 ,
  • Tan Li 1 ,
  • Baohang Hui 1 ,
  • Xin Lao 2 ,
  • Tiyan Shen , 3
Expand
  • 1. College of Economics and Management, Anhui Agricultural University, Hefei 230036, China
  • 2. School of Economics and Management, China University of Geosciences, Beijing 100083, China
  • 3. School of Government, Peking University, Beijing 100871, China

Received date: 2023-07-22

  Revised date: 2023-12-09

  Online published: 2024-09-05

Fold

摘要

为深入了解区域一体化政策对区域人才集聚和知识溢出的影响机理，运用渐进式双重差分和空间双重差分方法检验了长三角一体化政策对人才集聚与知识溢出的影响及作用机理。结果表明：1）一体化政策显著促进了长三角城市群的人才集聚和知识溢出，且具有显著的空间溢出效应。2）异质性分析表明，一体化政策显著促进了中心城市的人才集聚与知识溢出，对外围城市的影响并不显著。同时，从人口维度看，一体化政策对于大中型人口规模城市的人才集聚和知识溢出影响更积极。3）机制分析表明，城市化水平、市场一体化、教育、公共服务供给及交通基础设施水平越高的城市，一体化政策对人才集聚的正向作用越大；一体化政策还通过提升人力资本水平，显著促进了人才集聚。

关键词： 人才集聚; 知识溢出; 渐进式双重差分模型; 空间双重差分模型; 一体化政策; 长三角

本文引用格式

靳财 , 李坦 , 惠宝航 , 劳昕 , 沈体雁 . 长三角一体化下人才集聚、知识溢出的时空演化机制[J]. 热带地理, 2024 , 44(9) : 1667 -1685 . DOI: 10.13284/j.cnki.rddl.20230575

Abstract

The primary objective of a regional integration strategy is to foster talent agglomeration and knowledge spillover, thereby enhancing the high-quality development of the regional economy. Extant literature predominantly concentrates on talent distribution and the pattern of knowledge spillover under integration policy. However, scant attention has been paid to the causal inference of regional integration policy on talent aggregation and knowledge spillover. Under the new economic structure of establishing a unified national market and high-quality development, a comprehensive understanding of the evolutionary mechanisms of integration policy in relation to talent aggregation and knowledge spillover is pivotal for shaping regional talent policies and refining theories of population mobility. To address this gap, this study employs time-varying Difference-In-Differences (DID) and spatial DID approaches to empirically assess the influence and underlying mechanisms of regional integration policy within the context of the Yangtze River Delta Urban Agglomeration. The analysis reveals three key findings. First, the integration policy demonstrates a substantial facilitative impact on talent aggregation and knowledge diffusion within the Yangtze River Delta Urban Agglomeration, bolstering these processes by 10.5% and 14.8%, respectively, and exhibiting significant spatial spillover effects. This indicates that the policy not only attracts talent to specific regions but also encourages the spread of knowledge beyond the immediate geographical boundaries of the targeted areas. Second, heterogeneity analysis shows that the policy effectively enhances talent aggregation and knowledge spillover in central cities, with no significant influence observed in peripheral cities. This disparity suggests that central cities, with their advanced infrastructure and economic opportunities, are better positioned to capitalize on the benefits of the integration policy. Furthermore, from a demographic perspective, the policy exhibits a more pronounced positive effect on talent aggregation and knowledge spillovers in medium- and large-scale cities. This trend underscores the importance of city size and demographic factors in the successful implementation of integration policies. Third, mechanistic analysis indicates that the beneficial impacts of the policy on talent concentration are more pronounced in cities characterized by higher levels of urbanization, investment, market integration, education, income level, public service provision, and transportation infrastructure. These factors collectively create an environment conducive to talent attraction and retention, amplifying the effects of the integration policy. Furthermore, the policy has significantly enhanced talent agglomeration by increasing the stock of human capital, highlighting the role of education and skill development in fostering regional economic growth. In conclusion, this study provides a theoretical basis and practical reference for urban agglomerations aiming to spearhead the high-quality advancement of regional economies. By revealing the intrinsic laws and influence mechanisms of regional integration policy, the findings offer valuable insights for policymakers seeking to optimize talent policies and promote sustainable economic development. The empirical evidence highlights the importance of targeted policy interventions that consider the unique characteristics of different urban areas, thereby ensuring a balanced and inclusive approach to regional development. Future research should continue to explore the long-term effects of integration policies and their potential to drive innovation and economic resilience in an increasingly interconnected world.

Key words： talent agglomeration; knowledge spillover; time-varying difference in difference; spatial difference-in-differences; integration policy; Yangtze River Delta

当前中国已进入城市群引领区域经济高质量发展的新时期（魏后凯 等，2020）。长三角城市群是中国经济发展最快、吸纳人口最多和创新能力最强的区域之一（尹上岗 等，2022），大量劳动力不断向该区域集聚，推动区域经济的高质量发展，进而推动城市创新水平的提高，对全国的经济发展有积极的主导作用（孙燕铭 等，2021）。根据《中国城市统计年鉴（2021）》（国家统计局，2021），截至2020年底，长三角地区拥有全国约25%的“双一流高校”，其就业人口占全国就业总人口的21.7%，其专利授权数为全国专利总授权数的31.6%。在建立全国统一大市场和高质量发展的新经济格局下，深入了解长三角一体化政策对人才集聚和知识溢出的演化机理对优化长三角地区人才政策具有重要意义，对其他地区区域一体化政策的优化推进具有参考价值。
区域一体化战略的重要目的是促进人才集聚以提升区域经济高质量发展，这也是未来城市间竞争力的体现。近年来，不同城市群间、不同城市间人才竞争逐渐激烈，人才集聚的空间配置不平衡（余博 等，2022）、互动程度低（许泽宁 等，2022）等问题日益凸显，由此导致人才可持续发展受阻，对于吸引力有限的中小规模城市尤为严重。已有研究认为，政策因素对人才集聚的影响不容忽视（宋弘 等，2022）。此外，良好的经济（古恒宇 等，2021）、居住舒适度（齐宏纲 等，2022；古恒宇 等，2023）等因素也会对人才分布产生影响。区域一体化政策是中国特色发展战略下的重要政策工具，对于实现资金、人才和技术等要素的畅通流动、优化资源空间布局意义重大，也是中国城市与区域经济高质量发展时期的重大议题。
与此同时，促进知识技术的迭代创新也是区域一体化政策的发展目标之一。经验事实表明，创新产出通常存在显著的地区差异（张杨 等，2024），而自然禀赋条件（朱瑾 等，2022）、人才分布（张莉娜 等，2022）和市场需求（蒋冠宏，2022）等都是重要的影响因素。从经济外部性视角看，产业集聚差异是导致知识技术创新地区间差异的主要影响因素之一（凌永辉 等，2022）。根据知识溢出与创新的空间分布理论（Hippel, 1993; Riggs and Hippel, 1994），由于知识和技术在空间传播的时滞、衰减和扭曲，知识溢出会随着空间距离的改变而产生变化（彭向 等，2011）。可见，区域一体化政策下的产业集聚为知识溢出提供便利，也为后续的人才分布带来更多机会。大量来自产业集聚的人口汇聚到相同的地理空间，可充分营造创新环境，从而促进当地的创新产出（Glaeser et al., 1992）。总体上，区域一体化政策通过促进区域内的知识溢出，推动当地的产业技术创新，但从空间分布看，一体化区域内各地的知识溢出也因产业集聚水平差异而产生一定差距。
尽管目前关于区域一体化战略对人才分布、知识溢出格局的影响研究已较为丰富（皮亚彬 等，2019；袁平红 等，2022；李兰冰 等，2022；郭艺 等，2022），但一体化政策对人才集聚和知识溢出的因果推断仍不足。区域一体化政策如何影响人才集聚和知识溢出，对哪些地区贡献更大，具体的作用机制如何，是区域一体化战略下人才流动理论中需探讨的新兴话题，对于指导区域发展规模、人才集聚程度等均具有重要意义。基于此，本研究以长三角城市群为对象，刻画2007—2019年长三角地区人才集聚、知识溢出时空格局，构建渐进式双重差分模型和空间计量双重差分模型，分析长三角一体化政策对人才的集聚效应和知识溢出效应，并剖析其影响机制，以期为推进长三角区域经济一体化高质量发展提供借鉴。

1 理论分析与假说

1.1　政策对人才集聚、知识溢出的影响

人才集聚是劳动力流动中的一种特殊现象，主要指人才受到一些政策或某些因素的影响，从不同区域流向一些特定区域的过程（Arntz, 2006；徐彬 等，2019）。长三角一体化政策反映区域经济和社会要素重塑整合的状态及过程。因此，其对要素的空间分布会产生直接、间接的影响。长三角一体化政策通过提高区域内各城市的竞争力，从而营造优越的人才服务环境，增加人才吸引力，进而扩大区域内各地市的人才规模和水平（王秀梅 等，2023）。总体上，长三角城市群在经济环境和人文环境方面均具有优势，主要表现在，一方面是城市群内各城市城镇规模的扩大和城市经济的增长；另一方面体现在一体化政策实施后区域内各城市人们生活水平的提高、社会基础设施和保障体系的日臻完善等。基于此，提出假说1：长三角一体化政策显著促进长三角城市群人才集聚。
在数字经济时代，知识和高新技术是促进区域经济增长的重要因素（袁淳 等，2021）。因此，衡量长三角地区知识和技术存量水平的核心指标是地区的自主创新能力（江小涓 等，2021）。长三角一体化政策通过以下途径影响自主创新能力，主要为：1）通过提高本地技术水平，实现本地资本和劳动力在更高层次上的匹配与衔接，改善地区知识结构（Holm and Ostergaard, 2015；胡森林 等，2022）；2）通过创造更活跃的创新氛围，改善本地技术服务的质量，提升本地创新理念，进而提高地区知识存量（Boschma and Iammarino, 2009；万媛媛 等，2022）。在此背景下，区域的自主创新能力的“开放特性”与长三角一体化政策实施下的知识生产所带来的“知识溢出”密切相关。已有研究表明，交流便利和联系紧密是区域获取知识溢出的重要条件（白俊红 等，2017）。基于此，提出假说2：长三角一体化政策显著促进长三角城市群的知识溢出。

1.2　政策影响的区域异质性

区域一体化政策的实施会影响要素流动和集聚。新经济地理学理论认为要素流动带来的集聚与扩散会使得区域经济规模与创新水平呈现空间分异格局，形成“中心－外围”空间结构（Krugman, 1991）。城市群的建设加快了资本、劳动力等传统生产要素的自由流动，也加速了知识、技术等创新要素在区域间的传播。传统意义上的生产要素与创新要素会遵循经济规律，从边际收益率低的城市流动到边际收益率高的城市（周力 等，2020）。随着交通基础设施的网络化与联通化发展，城市群的发展不断弱化城市边界，加剧经济活动进一步集聚，打破知识溢出和人才流动在空间范围上的限制，提升社会生产力（王雨飞 等，2016）。这也使得中心城市加速要素集聚，外围城市要素进一步流失（李煜伟 等，2013），形成中心城市主要承担管理和研发功能，外围城市主要承担制造和加工的空间功能分工格局。同时，对于不同人口规模城市也可能存在类似现象（范渊 等，2022；陈子真 等，2018）。
综上，提出假说3：一体化政策对长三角城市群的人才集聚与知识溢出的影响存在城市区域异质性。

1.3　政策影响的空间效应

对于长三角一体化政策影响下的空间效应可从两方面进行分析：一方面，一体化政策对长三角城市群周边城市产生“虹吸效应”。政策促使长三角城市群经济增长与产业升级，创造大量就业机会，促进服务业集聚，使得资本、劳动力等要素向城市群集聚，产生一定的“虹吸效应”（张学良，2012），这可能对长三角周边城市的经济发展不利。同时，对城市服务业增加投资可能会挤出工业生产型的投资，加速淘汰工业落后产能与低效产能（张明志 等，2019），促使其转移到周边城市，形成“污染避难所”现象。研发资本和研发人员也会向创新投资风险低、创新收益率更高的城市流动（白俊红 等，2015），不利于周边城市的产业升级和经济发展。
另一方面，政策也可能会对长三角城市群周边城市产生“同城化效应”和正向“溢出效应”。在一体化发展进程中，会激发形成更大规模的要素流通市场，促进有效的市场配置，进而提升周边城市的专业化生产能力，激发其后发优势，产生同城效应。根据已有研究，一个区域内的城市间创新水平差异会引起增长极效应，即经济增长由一个中心极点通过各种渠道产生正向扩散。区域经济增长伴随着区域间经济互动，如知识溢出和技术扩散等（张勋 等，2016）。正向的溢出与扩散效应，将会提升周边城市技术创新水平和人才集聚。
综上，提出假说4：政策对人才集聚和知识溢出的影响存在空间溢出效应，对周边城市影响的方向和程度取决于“虹吸效应”与“溢出效应”的程度。

2 数据来源与方法

2.1　研究区概况

近年来，长三角经历了飞速的一体化发展过程，经过不断扩容升级，合作日益深化，成为中国区域一体化发展的领跑者。从长三角一体化的演进历程看：2006年，国家“十一五”规划纲要中首次提出“把城市群作为推进城镇化的主体形态”，强调城市集聚对经济发展的驱动作用 1。2008年，“泛长三角”概念被首次提出，对于沪浙苏和安徽而言，均是对自身重新定位的新起点。2010年，国家出台《长江三角洲地区区域规划》 2，将上海市、南京市与杭州市等16个城市作为核心区，提出适度提高人口集聚度，积极引进高层次创新型人才，培育成具有较强国际竞争力的世界级城市群。2014年，《国务院关于依托黄金水道推动长江经济带发展的指导意见》 3将合肥都市圈纳入长江三角洲城市群规划，提出创新驱动促进产业转型升级，培育具有国际竞争力城市群的战略定位。2016年，《长江三角洲城市群发展规划》 4提出推动长江三角洲城市群人口趋于平衡发展，实施创新驱动发展战略，建设具有全球影响力的世界级城市群。2018年，长三角一体化发展正式上升为国家战略，并提出要建立世界级城市群，旨在以一体化的思路和举措打破行政壁垒，促进城市群内各城市的合作共赢和高质量发展。该战略措施包括：规划与政策协同、基础设施建设、产业协同发展、公共服务共建共享等。由以上演进历程看，长三角在一体化进程中，逐步突破地域限制，以“独木不成林”的发展动力在行政区划不改变的前提下，实现跨区域合作发展新模式，预期在科创产业、基础设施、生态环境、公共服务等领域基本实现一体化发展，全面建立一体化发展的体制机制。
从人口角度看，2010—2020年长三角城市群常住人口呈现稳步增长的趋势。总体上，10年间常住人口增加1 808.0万人，增幅为11.6%。其中，人口进一步向浙东北、苏南、浙西南集聚，增幅分别为22.9%，16.8%和13.5%。而苏北、皖北、苏中地区常住人口增幅最少，分别为0.6%、1.39%和2.7%。经济方面，长三角城市群是中国的重要经济支柱，拥有具有全球影响力的先进制造业基地和现代服务业基地。2020年长三角城市群地区生产总值合计占中国国内生产总值的比例高达24.1%，对中国经济增长的贡献率较高。在人才发展方面，长三角城市群具有较强的人才吸引力。根据《中国城市建设统计年鉴2017》（国家统计局，2017），长三角城市群有7个城市的人口净流入超过100万大关，主要分布在苏南和杭州湾沿岸。这些城市具备较好的就业机会、较高的生活水平和优质的教育资源，吸引大量人才涌入。此外，长三角城市群还积极制定人才政策，以促进人才跨区域流动，提升区域人才竞争力。长三角城市群作为中国经济发展的重要引擎和人才集聚地，其人口、经济和人才发展等方面表现出诸多亮点。

2.2　实证模型

2.2.1　渐进式双重差分模型

考虑到各个城市在政策实施的时间上有先后差异，采用渐进式双重差分（DID）模型，将长三角一体化政策冲击的不同时间放置在同一个模型中，由此可自动产生处理组、对照组及“处理前后”的双重差异（Li et al., 2016）。因此，该方法能尽可能地排除其他共时性因素产生的内生性和遗漏变量等问题，提取出政策实施对目标的净效应。DID模型构建为：
Y i t = β 0 + β 1 D I D i t + ∑ i = 1 I ω i C o n t r o l i t + γ t + μ i + ε i t
式中： i表示第 i个城市； t表示第 t年； Y i t为被解释变量，表示城市 i在 t年的人才集聚和知识溢出； D I D i t为城市 i在 t年的政策实施情况，当城市 i在 t年实施长三角一体化政策时， D I D i t在 t年及以后年份为1，否则为0，其系数 β 1反映了长三角一体化政策对人才集聚与知识溢出的影响效应； C o n t r o l i t为控制变量组， ω i为其系数； β 0为常数项； γ t为时间固定效应； μ i为不同城市的个体固定效应； ε i t为随机误差项。

2.2.2　空间双重差分模型

传统DID模型假设个体处理效应稳定假设。本研究认为，长三角一体化政策不仅会对实施的城市产生影响也会对周边的城市产生影响，可能存在溢出效应。因此，需对传统DID模型进行拓展和优化（Chagas et al., 2016），构建空间双重差分模型（SDID），测度可能存在的空间溢出效应（Dubé et al., 2014）。基于此，在式（1）的基础上构建空间双重差分模型，模型设定为：
Y = ρ W Y + α D I D + β W D I D + X γ + W X δ + u + v + ( 1 - λ W ) - 1 ε
式中： Y为被解释变量，表示人才集聚和知识溢出； W 为空间权重矩阵； ρ为因变量的空间自相关系数； D I D为城市的政策实施情况，具体见公式（1）； α为处理组的政策效应； β为政策实施的溢出效应； X为控制变量， γ为其系数， δ为控制变量的溢出效应； λ为随机误差项的空间自相关系数； u为城市固定效应； v为时间固定效应； ε为随机误差项。式（2）中，一般分为3种类型：若 ρ = β = δ = 0，则为空间误差模型（SEM）；若 ρ = δ = λ = 0，则为空间自回归模型（SAM）；若 λ = 0，则为空间杜宾模型（SDM）。
根据已有研究（崔祥民 等，2022），空间权重矩阵一般由考察地区间的空间溢出效应传导路径设定。为综合考虑地理距离的空间影响和经济因素的溢出和辐射效应，借鉴邵帅等（2016）的方法，使用经济地理嵌套权重矩阵 W 1，能更加全面客观地呈现截面单位间的空间关联程度。表达式为：
W 1 = α W 2 + ( 1 - α ) W 3
式中： α取值范围在0~1，本研究 α取值为0.5，表示经济权重矩阵和地理权重矩阵比例各占50%（严雅雪 等，2017）。 W 2为经济距离矩阵。公式如式（4），其中 Y ¯ i和 Y j ¯分别表示城市 i和 j的人均GDP。
W 2 = 1 / Y i ¯ - Y j ¯ i ≠ j 0      其他
W 3为反距离空间权重矩阵，以2个地区之间的经纬度地理距离平方的倒数构造反距离矩阵，2个地区之间的地理距离越近所赋予的权重越大。公式如式（5），其中， d i j为地区 i和地区 j之间的距离。
W 3 = 1 / d i j 2 0

2.3　变量与数据来源

2.3.1　被解释变量

1）人才集聚Y 1。不同于现有研究使用学历作为划分人才的标准（Liu and Shen, 2014），本文使用高端服务业人才密度衡量人才集聚。原因为：①高端服务业主要包括“科研、技术服务和地质勘查业”“信息传输、计算机服务和软件业”“金融业”和“租赁和商务服务业”4类行业（宣烨 等，2019），随着数字经济的蓬勃发展，近年来长三角地区的高端服务业成为新的就业增长点（于涛方，2012；陆大道，2015）；②高端服务业如“科研、技术服务和地质勘查业”“金融业”属于技术与知识密集型的生产性服务业，具有较高的知识溢出、人力资本投资特征，其就业状况能反映人才集聚程度，就业增长增加专业化劳动力的投入，从而推动要素的优化升级，形成人才驱动的经济发展，进而促进人才集聚（杨帆 等，2021）。因此，借鉴已有研究（杨东亮 等，2020；古恒宇 等，2021），使用人才密度即高端服务业从业人数与行政区域面积之比衡量城市人才集聚水平。
2）知识溢出Y 2。知识溢出目前已成为经济学新兴分支如内生增长理论、新经济地理学等用于解释创新和区域增长的重要概念之一（赵勇 等，2009）。由于知识的流动是无形的，一直以来，对知识溢出的测度存在较大难度。目前主流的测度方法包括：专利引用追踪法（王腾飞 等，2021）、指标法（王崇锋，2015）、全要素生产率模型（盛科荣 等，2021）、知识生产函数法（侯爱军 等，2015）和空间计量方法等（Parent and Lesage, 2008）。综合比较后，本文使用专利授权量来衡量知识产出量，进而实现对知识溢出的测度。原因在于，专利权受法律保护，除专利权所有者享有的大部分收益外，其带来的少部分收益会通过知识溢出扩散至其他社会主体，因此，为与“外部性”的概念内涵保持一致，以专利授权量来量化知识溢出，并对其取对数以消除异方差的问题（薛成 等，2020）。

2.3.2　解释变量

解释变量为DID项，基于政策颁布的年份为时间节点，分别为2010、2014和2016年。当城市划为长三角城市群时，当年及以后年份DID项为1，否则为0。样本中共包含119个城市，处理组为长三角城市群包括的27个城市，对照组为其周边92个城市。处理组中各城市划分依据及政策时间节点如表1所示。根据2019年颁布的长三角区域一体化发展规划，长三角城市群范围已覆盖至江浙沪皖4省全部地级市。但由于政策具有一定的滞后效应，只考虑2016年划定的长三角一体化区域内的各地市。
表1 长三角一体化政策时间节点

Table 1 Timeline of the Yangtze River Delta integration policy

依据 城市 城市数量/个 政策节点
合计 — 27 —
《长三角洲地区区域规划》

上海、南京、苏州、无锡、常州、镇江、扬州、泰州、南通、杭州、宁波、温州、湖州、

嘉兴、绍兴、舟山、金华、台州

 18 2010年

《国务院关于依托黄金水道推动

长江经济带发展的指导意见》

 合肥 1 2014年
《长江三角洲城市群发展规划》 芜湖、滁州、马鞍山、铜陵、池州、安庆、宣城、盐城 8 2016年

2.3.3　控制变量

参照已有文献（谭荣辉 等，2019；邵帅 等，2019；张治国 等，2022），选取一系列可能会对因果推断模型产生影响的变量作为控制变量。具体为：以人均地区生产总值（Pgdp）的对数衡量地区经济水平，以控制城市经济发展水平；以互联网宽带接入户数的自然对数（Inter）衡量城市信息化水平；金融发展水平可影响资源配置效率进而影响人才集聚和知识溢出，将年末金融机构存贷款余额的自然对数作为金融支出（Fin）的代理变量；外商直接投资（Fdi）对人才集聚和知识溢出的影响机理相对复杂，影响程度具有不确定性，通过实际使用外资金额自然对数衡量；产业结构与人才集聚和知识溢出息息相关，选取第二产业增加值占地区国内生产总值的比例（Ind2）和第三产业增加值占地区国内生产总值的比例（Ind3）表示该变量；城市教育水平，使用中学学校数（Sch1）以及高等学校数（Sch2）的自然对数衡量。此外，还控制了城市规模以上工业企业数（IE）对人才集聚和知识溢出的影响。

2.3.4　数据来源

基础数据来源于《中国城市统计年鉴（2008—2020）》（国家统计局，2008—2020）以及各省、市的年度统计公报，部分缺失数据通过插值法补齐。此外，在实证分析时，对非百分比指标度量的变量数据均取自然对数以降低样本数据的离散程度。主要变量的描述性统计如表2所示。
表2 主要变量说明及描述性统计

Table 2 Description of main variables and descriptive statistics

变量 定义 观测值/个 均值 标准差 最小值 最大值
Y 1 高端服务业从业人数与行政区域面积的比值 1 666 1.556 0.760 0.476 4.366
Y 2 专利授权量的自然对数 1 666 7.370 1.603 4.078 10.88
DID 政策虚拟变量 1 666 0.125 0.331 0.000 1.000
Pgdp 人均地区生产总值自然对数 1 666 10.532 0.705 8.296 12.201
Fdi 实际使用外资金额自然对数 1 666 10.668 1.308 7.066 14.460
Fin 年末金融存贷款余额的自然对数 1 666 17.225 1.146 14.441 21.402
Sch1 中学学校数的自然对数 1 666 5.364 0.556 3.584 6.736
Sch2 高等学校数的自然对数 1 666 1.600 0.972 0.000 4.431
Ind2 第二产业增加值占GDP的比值 1 666 0.496 0.087 0.147 0.807
Ind3 第三产业增加值占GDP的比值 1 666 0.388 0.085 0.157 0.727
Inter 互联网用户数的自然对数 1 666 13.189 1.061 10.054 17.762
IE 规模上工业企业数的自然对数 1 666 7.188 0.840 4.533 9.841

注：当被解释变量为Y 1时，控制变量为Pgdp、Fdi、Fin、Sch1、Sch2、Ind3、Inter；当被解释变量为Y 2时，控制变量为Pgdp、Fdi、Sch1、Sch2、Ind2、Ind3、Inter、IE。

3 实证结果

3.1　长三角人才集聚和知识溢出的空间分布演变格局

从人才集聚的空间分布格局看，首先，2007—2019年长三角人才分布空间呈现从“单核”到“多核”的演变格局（图1）。2007年，上海市为长三角人才中心；2013年，上海市、杭州市和南京市成为人才中心；2019年，上海市、苏州市、杭州市和南京市成为人才中心。这些城市在经济、科教和创新等方面均具有较强的实力，成为人才引进、人才集聚的中心。以上海市为例，作为长三角乃至世界的重要引才城市，先后出台一系列人才引进政策，如2005年启动“浦江人才计划”、2014年启动“扬帆计划”等来推动人才事业发展。由图2可知，邻近上海市的宁波、嘉兴等城市人才增长率与人才集聚水平逐年增加，在一定程度上说明上海市作为长三角经济与科技中心，对周边城市产生辐射带动效应。这也与马双等（2023）的研究相吻合。
图1 2007—2019年长三角城市群人才空间分布

Fig.1 Spatial distribution of talents in the Yangtze River Delta City Cluster during 2007-2019

图2 2007—2019年长三角城市群人才增长率

图注：正增长率表示人才流入该城市，负增长率表示人才流出该城市。柱状图的不同颜色表示城市人才数量分组，参见图1图例。

Fig.2 Growth rate of talents in the Yangtze River Delta City Cluster during 2007-2019

其次，长三角中部形成以合肥、南京、苏州、杭州等副中心城市的人才优势带（见图1），2019年高端服务业从业人员数量占长三角地区比例达到63.8%。由图1可看出，安徽北部、江苏北部与浙江西南部地区，人才集聚处于较低水平。可能的原因是，对于副中心城市而言，目前处于快速发展阶段，近年来不断出台各类人才引进政策，如合肥市在2014年加入长三角城市群后启动“领军人才计划”，杭州市在2018年实施“居住证积分落户办法”、苏州市在2020年出台“关于调整人才落户相关政策的通知”放宽落户条件等，各副中心城市人才的数量和质量快速提升，对周边城市的“虹吸效应”占据主导地位，导致皖北、苏北和浙江西南部地区处于人才流失状态。
最后，长三角不同城市的人才集聚程度参差不齐。如浙江省的嘉兴、湖州人才集聚水平小幅增加，绍兴人才集聚仍处于较低水平。可能的原因是，嘉兴与湖州在地理位置上与上海、苏州接壤，一体化政策实施后，行政边界被打破，促进人才的自由流动，并且上海等中心城市可能对周边城市产生扩散效应，提升人才集聚水平。同时，上海作为长三角地区经济、科教和创新中心，具有较高的人才准入门槛（徐军海 等，2020），导致人才向浙江与江苏流动。此外，杭州和宁波是浙江省内发展较快、经济实力较强的城市（马双 等，2023），加之较低的人才准入门槛，吸引绍兴、温州等省内城市人才的流入。值得注意的是，安徽南部始终处于较低水平，可能的原因是，2019年后安徽南部地区如黄山市才被纳入长三角一体化区域，尚未受到政策效应的影响。
从知识溢出的空间分布看（图3），2007—2019年长三角专利数空间扩散效应明显，由初期的以上海为主，到逐渐扩散至长三角各副中心。即在研究期内，上海、苏州、杭州和南京呈现极化现象，合肥仍在加速发展中。总体上，安徽省的知识溢出在长三角区域处于较为落后的地位，而江苏省、浙江省、上海市已呈现对周边地区的辐射带动现象。
图3 2007—2019年长三角城市群专利数空间分布

Fig.3 Spatial distribution of patent numbers in the Yangtze River Delta City Cluster during 2007-2019

3.2　基准模型结果

首先采用渐进双重差分模型进行估计，并控制城市固定效应和时间固定效应，结果如表3模型1和3所示。从模型1可见，长三角一体化政策在5%的水平上显著促进长三角城市群的人才集聚，影响系数为0.105，说明政策的实施可以使人才集聚水平平均提高10.5%；从模型3可见，政策在5%的水平上显著促进长三角城市群的知识溢出，影响系数为0.148，说明政策的实施可以使知识溢出平均提高14.8%。以上结果表明，实施长三角一体化政策有效促进区域内的人才集聚和知识溢出。
表3 双重差分模型结果

Table 3 Results of Differences-in-Differences model

变量 模型（1） 模型（2） 模型（3） 模型（4）
Y 1 Y 1 Y 2 Y 2
DID 0.105**（0.045） 0.090***（0.020） 0.148**（0.068） 0.172***（0.043）
W×DID ― ― ― 0.321***（0.118）
DID直接效应 ― 0.091***（0.021） ― 0.136***（0.046）
DID空间溢出效应 ― 0.029***（0.009） ― 0.396***（0.139）
DID总效应 ― 0.120***（0.028） ― 0.531***（0.130）
ρ ― 0.241***（0.044） ― 0.143***（0.048）
δ2 ― 0.023***（0.001） ― 0.090***（0.003）
控制变量 控制 控制 控制 控制
时间效应 控制 控制 控制 控制
个体效应 控制 控制 控制 控制
_cons 2.734*（1.557） ― -7.606***（1.832） ―
观测值/个 1 666 1 666 1 666 1 666
R 2 0.566 0.182 0.909 0.888

注：括号内为聚类到城市层面的稳健标准误。*、**、***分别表示在10%、5%、1%的显著性水平上显著。表4~10同。

为检验一体化政策的溢出效应，进行空间双重差分模型的构建。首先，需对被解释变量进行全局自相关检验（附表1）。结果显示，Y 1的莫兰指数均为正，呈先上升后下降的趋势，且在1%的水平上显著，说明城市之间人才集聚存在显著的空间正相关；Y 2的莫兰指数均为正，并在1%的水平上显著，表明城市之间的知识溢出具有显著的空间正相关。随后对Y 1和Y 2进行残差莫兰检验，均通过1%的显著性检验（附表2），可见，有必要构建空间双重差分模型。
为考察模型的适用性，采用LM检验、Robust LM检验、LR检验和Hausman检验对空间计量模型进行检验（王金杰 等，2020）。结果显示，LM值均通过1%的显著性检验，拒绝原假设，说明存在空间滞后效应和空间误差效应（附表2）。而Robust LM值表明（附表2），对于Y 1应采用空间自回归双重差分模型，对于Y 2应采用空间杜宾双重差分模型。随后，对Y 2进行LR检验。LR检验结果表明（附表3），P值均＜0.01，说明空间杜宾模型不会退化为空间自回归模型或空间误差模型，进一步说明选用空间杜宾双重差分模型的合理性。Hausman检验结果显示（附表4），在回归估计时应采用城市固定效应和时间固定效应。
表4 控制其他政策效应后的回归结果

Table 4 Regression results after controlling for other policy effects

变量 政策1 政策2
模型（1） 模型（2） 模型（3） 模型（4）
Y 1 Y 2 Y 1 Y 2
DID 0.090**（0.042） 0.174**（0.071） 0.103**（0.044） 0.170**（0.071）
政策1×时间虚拟变量 0.197***（0.049） -0.043（0.078） ― ―
政策2×时间虚拟变量 ― ― 0.124***（0.045） 0.006（0.082）
观测值/个 1 666 1 666 1 666 1 666
R 2 0.581 0.909 0.552 0.909
控制变量 控制 控制 控制 控制
城市固定效应 控制 控制 控制 控制
时间固定效应 控制 控制 控制 控制
_cons 2.505*（1.511） -7.540***（1.848） 2.666*（1.536） -7.611***（1.829）
经过上述检验，构建的空间双重差分模型估计结果如表3模型2和4所示， ρ的系数在模型2和4中均显著为正，表明其他城市的人才集聚对本地城市的人才集聚有显著正向影响，其他城市的知识溢出对本地城市知识溢出的影响也有显著正向影响； δ 2在1%的水平上显著，表明因变量与相邻城市的解释变量存在显著的空间自相关。可以看出，一体化政策影响具有显著的空间溢出效应，这也说明长三角一体化不仅提高了本地区的人才集聚和知识溢出，也有利于邻近城市的人才集聚和知识溢出。可能的原因是，区域一体化政策在实施进程中，各中心城市、副中心城市通过区域性联盟的打造，发挥技术示范和结构效应，促进产业链、创新链在长三角区域范围内的合作，以知识溢出和人才聚集等形式，对邻近城市形成示范和辐射效应，而各邻近地区通过一体化区域内的学习效应提高了自身的创新水平和人力资本等要素的聚集效应，从而提高了整个区域的人才集聚和知识溢出。
从DID项的空间溢出效应看，知识溢出的空间溢出效应远大于人才集聚的空间溢出效应，说明在一体化政策影响下，地区间通过广泛合作学习，能实现技术创新的合作共赢。而人才集聚的影响机理更为复杂，其空间溢出效应不仅仅由一体化政策单一决定，可能还受到一些其他因素的影响。

4 稳健性检验

4.1　平行趋势检验

对被解释变量Y 1和Y 2进行平行趋势检验。一个基本事实是，在政策实施前城市间的发展趋势应该不存在系统性差异，即事件发生前的趋势应该是一致的。基于此，采用事件分析法（Event Study）构建动态双重差分模型，模型结构为（Wang, 2013）：
Y = β 0 + ∑ k = 1 K F k D I D i , t - k + ∑ m = 0 M L m D I D i , t + m + ∑ j = 1 J ω j C o n t r o l i t + γ t + μ t + ε i t
式中： D I D i , t - k表示政策实施第 k ( k = 1 , ⋯ , k )期的前置项，若系数 F k均不显著，则说明在政策实施之前处理组和对照组之间有显著的系统性差异，平行趋势假定通过。 D I D i , t + m表示政策实施第 m ( m = 1 , ⋯ , m )期的滞后项，设定滞后项是为了识别政策的持续性影响， L m为其滞后项系数。其他变量的含义与式（1）一致，并以政策实施前1期为基期进行平行趋势检验。
从图4可看出，对于人才集聚而言，在区域一体化政策实施前，政策对人才集聚的影响均不显著，从政策实施后的第2年起产生显著的正向影响，并且回归系数逐期上升，通过平行趋势检验；对于知识溢出而言，在政策实施前，区域一体化政策对知识溢出的影响均不显著，在政策实施当期及以后，系数显著为正，通过平行趋势检验。
图4 平行趋势检验

Fig.4 Parallel trend test

4.2　安慰剂检验

参照已有文献（Lu et al., 2017），将119个城市随机选出27个城市作为伪处理组和对照组，每组随机生成政策发生的年份，重新构建政策交互项DID。为防止随机小概率事件对安慰剂检验的影响，进行500次重复循环实验，得到500个系数估计结果，绘制其核密度图，图5显示，一体化政策对这500次的随机分配实验并没有显著效果，再次表明基准回归结果稳健。
图5 安慰剂检验

Fig.5 Placebo test

4.3　剔除其他政策效应

为排除其他政策的干扰，选取2项对区域人才集聚和知识溢出可能有影响的政策进行控制（钟腾 等，2021）。政策1为国家创新型城市试点政策。入选国家创新型城市试点的城市，能获得更多研发与创新方面的补助与奖励，奖补措施会吸引更多创新型人才，从而影响入选城市的人才集聚与知识溢出。基于此，引入是否为国家创新型城市二元变量与时间二元变量的交叉项，以控制其影响。政策2为2008年开始实施的国家级人才计划“千人计划”。该计划主要针对全国重点实验室、国有企业以及科研高校，吸引海外高级人才流入，虽然此计划面向全国，但拥有重点实验室与高等院校的城市会得到更多政策资源，这一不均衡效应会对实验产生干扰。因此搜集了各样本城市拥有国家重点实验室的情况，在回归中引入是否拥有国家重点实验室的二元变量与“千人计划”出台时间二元变量的交叉项，以控制“千人计划”对城市知识溢出与人才集聚的影响。如表4所示，加入上述变量后回归结果依然稳健。

4.4　更换空间权重矩阵

为分析经济距离对城市群的影响，以经济距离矩阵 W 2重新进行回归以检验基准模型的稳健性，如表5所示。结果表明，更换空间权重矩阵后，模型结果与基准模型结果保持一致，说明结果稳健。
表5 基于经济距离矩阵的回归结果

Table 5 Regression results based on economic distance matrix

变量 模型（1） 模型（2）
Y 1 Y 2
DID 0.090***（0.020） 0.172***（0.043）
W×DID ― 0.201*（0.112）
DID直接效应 0.092***（0.021） 0.175***（0.044）
DID空间溢出效应 0.029***（0.009） 0.224*（0.120）
DID总效应 0.121***（0.028） 0.400***（0.118）
ρ 0.242***（0.043） 0.047（0.047）
δ 2 0.023***（0.001） 0.090***（0.003）
观测值/个 1 666 1 666
R 2 0.177 0.889
控制变量 控制 控制
城市固定效应 控制 控制
时间固定效应 控制 控制

4.5　更换被解释变量

长三角一体化政策实施后，对特定经济活动产生影响，但不一定对所有经济活动都会产生影响。因此，将被解释变量替换，可以排除其他可能的干扰因素。基于此，用高端服务业人才数量和专利申请量替换基准模型中的Y 1和Y 2。由表6可看出，模型结果依然稳健。
表6 更换被解释变量的结果

Table 6 Results of replacing the explanatory variables

变量 模型（1） 模型（2）
人才数量 专利申请量
DID 0.124***（0.044） 0.146**（0.069）
控制变量 控制 控制
时间效应 控制 控制
个体效应 控制 控制
_cons 6.402***（1.712） -6.720***（1.861）
观测值/个 1 666 1 666
R 2 0.638 0.909

5 异质性分析

5.1　“中心―外围”城市异质性分析

新经济地理学中关于城市体系的“中心—外围”理论对研究城市群一体化的溢出效应提供了有力的理论工具。依照《长江三角洲区域一体化发展规划纲要》（中共中央、国务院，2019）的“一核五圈”的都市圈格局，将27个城市中的上海、南京、宁波、杭州、苏州、无锡、常州、合肥设为中心城市，其余18个城市为外围城市。由表7可以看出，一体化政策显著了促进中心城市的人才集聚与知识溢出，但对外围城市的影响尚不显著。这说明，一体化政策对于中心城市向外围城市的人才集聚和知识溢出尚未显示出正向的溢出效应。
表7 “中心—外围”城市分样本回归结果

Table 7 Regression results of the "center-periphery" city subsample

类别 变量 模型（1） 模型（2）
Y 1 Y 2

中心

城市

 DID 0.318***（0.123） 0.374***（0.093）
观测值/个 1 414 1 414
R 2 0.408 0.917
_cons 7.796（4.907） -7.747***（1.984）

外围

城市

 DID 0.044（0.169） 0.100（0.080）
观测值/个 1 554 1 554
R2 0.385 0.911
_cons -0.635（5.345） -7.805***（2.002）

注：模型（1）和（2）均控制了城市固定效应和时间固定效应以及控制变量。下表同。

5.2　人口规模维度异质性分析

根据2007年城区常住人口规模数据，将长三角城市进一步按照人口规模进行划分，以探究一体化政策对不同人口规模城市人才集聚和知识溢出影响的差异性。结果表明（表8），在人口规模为300万以下的小型城市中，一体化政策并未促进人才集聚，但对知识溢出在10%的显著性水平上有正向促进作用。在300万~500万人口规模的中型城市中，一体化政策显著促进人才集聚和知识溢出，并均在1%水平下显著。在500万以上人口规模的大型城市中，一体化政策同样在1%水平下显著促进人才集聚和知识溢出，但人才集聚的正向作用更大，而知识溢出较中等规模城市稍有降低。
表8 基于城区人口规模分样本回归结果

Table 8 Regression results based on urban population size subsample

人口规模/万人 变量 模型（1） 模型（2）
Y 1 Y 2
＜300 DID 0.034（0.042） 0.153*（0.083）
观测值/个 1 582 1 582
R 2 0.546 0.909
300~500 DID 0.190***（0.054） 0.305***（0.096）
观测值/个 1 330 1 330
R 2 0.544 0.918
＞500 DID 0.478***（0.093） 0.258***（0.093）
观测值/个 1 358 1 358
R 2 0.579 0.918
综合来看，长三角一体化政策对人才集聚随着城市人口规模的增加具有显著的正向增加效应，而在知识溢出方面存在一定的倒“U”型效应，即适度的人口规模城市如中等人口规模城市中，知识溢出的正向效应更显著。

6 机制分析

长三角一体化政策对区域内不同城市的人才集聚和知识溢出产生差异化影响。为进一步探明长三角一体化政策的作用机制，选取城市禀赋和人力资本及密度识别其潜在的作用机制。需要指出的是，由于数据的限制和研究的局限性，本文仅考虑区域一体化能否强化城市禀赋、人力资本等对人才的集聚效应，对于政策在知识溢出方面的作用机制未作进一步分析，而是将专利授权量作为科技水平的代表性指标，参与到城市禀赋的机制分析中。

6.1　影响机制I：城市禀赋的影响

考虑到城市群在吸引人才中拥有的自身禀赋如当地收入水平、教育水平、科研水平、基础设施水平、公共服务水平、城市化水平和市场化水平等，将这些变量纳入模型。参考已有研究（陈斌开 等，2020），依次在模型中加入DID项与专利授权量、城市化水平、市场一体化、教育、公共服务供给及交通基础设施水平等变量的交互项，以考察在一体化政策下这些变量对人才集聚的交互效应。其中，科技水平用专利授权量衡量；城市化水平由城镇人口占总人口之比衡量（汪伟 等，2015）；借鉴樊纲等（2011）研究，以政府与市场关系得分、非国有经济发展得分、产品市场的发育程度、要素市场的发育程度、市场中介组织发育和法律制度环境等5个方面构建城市市场一体化指数 5；以城市义务教育、高等教育在校生人数衡量城市教育水平（吕炜 等，2020），以医院、卫生院数衡量城市公共服务供给水平（陈珍珍 等，2021）；以公路里程数衡量城市交通基础设施（卞元超 等，2019）。以上原始数据来源于《中国城市统计年鉴（2008—2020）》（国家统计局，2008—2020）。
由表9可看出，科技水平、基本收入情况、城市化水平、市场一体化、教育、公共服务及交通基础设施水平越高的城市，一体化政策对人才集聚的正向作用越大。综上，当城市的人才服务与保障能力越强，人才集聚效应越显著。
表9 交互项对人才集聚的影响

Table 9 Impact of interaction terms on talent clustering

自变量 模型（1） 模型（2） 模型（3） 模型（4） 模型（5） 模型（6） 模型（7） 模型（8）
政策×专利数

政策×职工

平均工资

政策×义务教育

在校生人数

政策×高等教育

在校生人数

政策×城市化

水平

政策×市场

一体化

 政策×公共服务

政策×交通基础

设施
_cons

2.635*

（1.555）

2.701*

（1.558）

2.692*

（1.553）

2.715*

（1.556）

2.593*

（1.556）

2.224

（1.597）

2.728*

（1.549）

2.747*

（1.556）
回归系数

0.014***

（0.005）

0.010**

（0.004）

0.033***

（0.012）

0.011**

（0.004）

0.002**

（0.001）

0.007*

（0.004）

0.025***

（0.009）

0.011**

（0.005）

观测值/个 1 666 1 666 1 666 1 666 1 666 1 666 1 666 1 666
R2 0.569 0.567 0.569 0.569 0.570 0.549 0.569 0.566
控制变量 控制 控制 控制 控制 控制 控制 控制 控制
时间固定效应 控制 控制 控制 控制 控制 控制 控制 控制
城市固定效应 控制 控制 控制 控制 控制 控制 控制 控制

6.2　影响机制II：人力资本与人口密度的影响

已有研究认为，通过学习效应提高人力资本水平，通过匹配效果提高人口密度，可促进人才集聚（Schultz, 1993；于潇 等，2021）。魏东霞等（2021）指出，城市学习效应可通过个体向周围高技能者学习获得人力资本积累，促进人才集聚。此外，城市人口密度越高，高技能劳动者数量越多，学习效应的回报越高，因此也会促使人才集聚。基于此，为验证“一体化政策→人力资本水平→人才集聚”和“一体化政策→人口密度→人才集聚”两条作用渠道，对人才密度进行分解：即人才密度=人才数量/行政面积=（人才数量/常住人口）×（常住人口/行政面积），用人力资本水平指代第一个乘数，用人口密度指代第二个乘数，则有人才密度=人力资本×人口密度（刘晔 等，2021）。
以人力资本和人口密度分别作为被解释变量，其他变量设定与基准回归模型一致。由表10可发现，一体化政策对城市人力资本的提升具有显著的正向作用，而对人口密度没有显著影响。结果表明，人力资本是引起人才集聚的一个重要内在因素。
表10 政策对人力资本和人口密度的影响

Table 10 Impact of policies on human capital and population density

变量 模型（1） 模型（2）
人力资本水平 人口密度
DID 0.003***（0.001） 0.002（0.002）
控制变量 控制 控制
城市固定效应 控制 控制
时间固定效应 控制 控制
_cons 0.059**（0.025） 0.180***（0.040）
观测值/个 1 666 1 666
R 2 0.430 0.211

7 结论与建议

创新与人才是城市发展的关键因素，知识溢出与人才集聚共同影响城市经济系统的运行效率。本文首先对一体化政策影响长三角城市群的人才集聚与知识溢出的理论机制进行分析，并认为这一影响具有空间溢出效应。进一步地，基于2007—2019年长三角城市群及周边共119个城市的面板数据，以长三角一体化政策实施为“准自然实验”，运用渐进式双重差分模型和空间双重差分模型评估了一体化政策对城市人才集聚和知识溢出的本地效应和溢出效应。主要研究结论为：1）基准回归及一系列稳健性检验表明，一体化政策显著促进长三角城市群的人才集聚和知识溢出。2）空间计量模型的结果表明，一体化政策影响具有显著的空间溢出效应，一体化政策实施的城市会在1%的水平上显著促进邻近周围城市的人才集聚，在1%的水平上显著促进本地城市的知识溢出。3）异质性分析表明，一体化政策主要是显著促进中心城市的人才集聚与知识溢出，对外围城市的影响并不显著；一体化政策对于大中型人口规模城市的人才聚集和知识溢出影响更积极。4）机制分析表明，在城市化水平、市场一体化、教育、公共服务及交通基础设施水平越高的城市，一体化政策对人才集聚的正向作用越大；一体化政策可通过显著促进城市人力资本水平，从而促进长三角城市群的人才集聚。
依据本研究结论，提出政策建议：1）建立长三角城市间合作帮扶模式，通过飞地共建等形式，实现各类基础设施和资源的共享，推动跨区域要素流动；2）优化长三角地区公共管理体制机制，为小型规模城市吸引人才提供更多的制度保障；3）长三角城市间要合作进行人才政策制定，特别是中小规模城市。地理位置好的城市要带动周边中小型城市的人才发展与布局；4）在区域一体化进程中，不仅要关注产业发展，也要注重基本公共服务水平和基础设施建设水平，以提高人才服务与保障能力。
需要指出的是，前人多从单一系统视角出发研究区域一体化政策，主要集中于其对高质量发展（陈雯 等，2021）、绿色创新（周力 等，2020）或者人才流动与分布（许泽宁 等，2022）的影响，本研究基于长三角区域一体化政策背景，拓展了研究视角，将人才集聚与知识溢出相结合，系统分析了一体化政策对两者的影响，为相关研究提供思路。同时，本研究不仅考虑了政策的直接影响，还基于空间双重差分模型分析其空间溢出效应，拓展了柳美君等（2024）在计量分析视角下得出的结论。最后，本研究表明，区域一体化政策促进了人才集聚和知识溢出，进一步验证了马双（2023）和侯爱军（2015）等的研究发现与理论观点，并拓展了盛科荣等（2021）、王崇锋（2015）的研究结论。
本研究虽在一定程度上揭示了区域一体化下人才集聚与知识溢出的时空演化机制，但也存在一些不足：由于县级层面数据获取受限，仅选择城市层面数据，未来可将研究尺度下沉县域，围绕具体区域展开针对性的问题分析。
附表1 全局莫兰指数

Appendix table 1　Global Moran index

年份 Y 1 Y 2
莫兰指数 P值 莫兰指数 P值
2006 0.332 0.000 0.382 0.000
2007 0.327 0.000 0.375 0.000
2008 0.323 0.000 0.378 0.000
2009 0.338 0.000 0.383 0.000
2010 0.350 0.000 0.385 0.000
2011 0.353 0.000 0.385 0.000
2012 0.378 0.000 0.386 0.000
2013 0.378 0.000 0.372 0.000
2014 0.382 0.000 0.386 0.000
2015 0.380 0.000 0.391 0.000
2016 0.365 0.000 0.381 0.000
2017 0.362 0.000 0.358 0.000
2018 0.353 0.000 0.353 0.000
2019 0.346 0.000 0.324 0.000
附表2 LM及Robust LM检验结果

Appendix table 2　Results of LM and Robust LM tests

模型 Y 1 Y 2
LM P值 LM P值
空间误差模型 莫兰指数 4.415 0.000 7.460 0.000
拉格朗日乘数法检验（LM检验） 18.270 0.000 53.142 0.000
稳健拉格朗日乘数法检验（Robust LM检验） 0.091 0.762 6.329 0.012
空间滞后模型 拉格朗日乘数法检验（LM检验） 26.772 0.000 81.281 0.000
稳健拉格朗日乘数法检验（Robust LM检验） 8.593 0.003 34.467 0.000
附表3 LR检验

Appendix table 3　LR tests

因变量 检验值 P值 结论
Y 2 22.85 0.007 拒绝退化SAR模型
Y 2 24.81 0.003 拒绝退化SEM模型
附表4 Hausman检验

Appendix table 4　Hausman test

因变量 P值 结论
Y 1 0.001 选择固定效应模型
Y 2 0.000 选择固定效应模型

脚注

1 参见《中华人民共和国国民经济和社会发展第十一个五年规划纲要》，http://www.gov.cn/gongbao/content/2006/content_268766.htm。

2 参见《国家发展改革委关于印发长江三角洲地区区域规划的通知》，https://www.gov.cn/zwgk/2010-06/22/content_1633868.htm。

3 参见《国务院关于依托黄金水道推动长江经济带发展的指导意见》，http://www.gov.cn/zhengce/content/2014-09/25/content_9092.htm。

4 参见《国家发展改革委 住房城乡建设部关于印发长江三角洲城市群发展规划的通知》，https://www.ndrc.gov.cn/xxgk/zcfb/ghwb/201606/t20160603_962187.html？code=&state=123。

5 为避免因为改变指标的权重而导致不同年份数据不可比，市场一体化指数采用算术平均法计算各分项指数和方面指数的权重。更详细的计算方法可参见《中国市场化进程对经济增长的贡献》（樊纲 等，2011）

靳 财：论文撰写与修改；

李 坦：论文修改指导及科研基金支持；

惠宝航：数据获取与分析、论文撰写；

劳 昕、沈体雁：论文修改指导。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Arntz M. 2006. What Attracts Human Capital? Understanding the Skill Composition of Interregional Job Matches in Germany. Regional Studies, 44(4): 423-441.

白俊红，蒋伏心. 2015. 协同创新、空间关联与区域创新绩效. 经济研究，50（7）：174-187.

Bai Junhong and Jiang Fuxin. 2015. Synergy Innovation, Spatial Correlation and Regional Innovation Performance. Economic Research Journal, 50(7): 174-187.

白俊红，王钺，蒋伏心，李婧. 2017. 研发要素流动、空间知识溢出与经济增长. 经济研究，52（7）：109-123.

Bai Junhong, Wang Yue, Jiang Fuxin, and Li Jing. 2017. R&D Element Flow, Spatial Knowledge Spillovers and Economic Growth. Economic Research Journal, 52(7): 109-123.

卞元超，吴利华，白俊红. 2019. 高铁开通是否促进了区域创新? 金融研究，（6）：132-149.

Bian Yuanchao, Wu Lihua, and Bai Junhong. 2019. Does High-Speed Rail Improve Regional lnnovation in China? Journal of Financial Research, (6): 132-149.

Boschma R and Iammarino S. 2009. Related Variety, Trade Linkages, and Regional Growth in Italy. Economic Geography, 85(3): 289-311.

Chagas A L S, Azzoni C R, and Almeida A N. 2016. A Spatial Difference-in-Differences Analysis of the Impact of Sugarcane Production on Respiratory Diseases. Regional Science and Urban Economics, 59: 24-36.

陈斌开，李银银. 2020. 再分配政策对农村收入分配的影响——基于税费体制改革的经验研究. 中国社会科学，（2）：70-92，205-206.

Chen Binkai and Li Yinyin. 2020. The Influence of Redistribution Policy on Rural Income Distribution—An Empirical Research Based on the Tax and Fee System Reform. Social Sciences in China, (2): 70-92, 205-206.

陈雯，孙伟，刘崇刚，刘伟. 2021. 长三角区域一体化与高质量发展. 经济地理，41（10）：127-134.

Chen Wen, Sun Wei, Liu Chonggang, and Liu Wei. 2021. Regional Integration and High-Quality Development in the Yangtze River Delta Region. Economic Geography, 41(10): 127-134.

陈珍珍，何宇，徐长生. 2021. 国家级新区对经济发展的提升效应——基于293个城市的多期双重差分检验. 城市问题，（3）：75-87.

Chen Zhenzhen, He Yu, and Xu Changsheng. 2021.The Enhancement Effect of State-Level New Areas on Economic Development: Based on 293 Cities by Multi-Period Difference-in-Difference Model. Urban Problems, (3): 75-87.

陈子真，雷振丹. 2018. 产业协同集聚对区域经济的影响研究. 区域经济评论，（3）：50-58.

Chen Zizhen and Lei Zhendan. 2018. Research on the Effect of Industry Co-Agglomeration on Regional Economy. Regional Economic Review, (3): 50-58.

崔祥民，柴晨星. 2022. 创新人才集聚对经济高质量发展的影响效应研究——基于长三角41个城市面板数据的实证分析. 软科学，36（6）：106-114.

Cui Xiangmin and Chai Chenxing. 2022. Research on the Effect of Innovative Talent Agglomeration on the Development of High Quality Economy—Empirical Analysis Based on 41 Urban Panel Data in Yangtze River Delta. Soft Science, 36(6): 106-114.

Dubé J, Legros D, Thériault M, and Des R F. 2014. A Spatial Difference-in-Differences Estimator to Evaluate the Effect of Change in Public Mass Transit Systems on House Prices. Transportation Research Part B: Methodological, 64: 24-40.

樊纲，王小鲁，马光荣. 2011. 中国市场化进程对经济增长的贡献. 经济研究，46（9）：4-16.

Fan Gang, Wang Xiaolu, and Ma Guangrong. 2011. Contribution of Marketization to China's Economic Growth. Economic Research Journal, 46(9): 4-16.

范渊，姜欣辰，冯婷婷. 2022. 京津冀协同发展下世界级机场群规划布局模式研究. 宏观经济管理，（1）：68-91.

Fan Yuan, Jiang Xinchen, Feng Tingting. 2022. Study on the Planning and Layout Model of World-Class Airport Clusters under Beijing-Tianjin-Hebei Synergistic Development. Macroeconomic Management, (1): 68-91.

Glaeser E L, Kallal H D, Scheinkman J A, and Shleifer A. 1992. Growth in Cities. Journal of Political Economy, 100(6): 1126-1152.

古恒宇，沈体雁. 2021. 中国高学历人才的空间演化特征及驱动因素. 地理学报，76（2）：326-340.

Gu Hengyu and Shen Tiyan. 2021. Spatial Evolution Characteristics and Driving Forces of Chinese Highly Educated talents. Acta Geographica Sinica, 76(2): 326-340.

古恒宇，李薇，刘晔，武荣伟. 2023. 异地养老、家属随迁与中国流动老人居留意愿. 热带地理，43（6）：1123-1133.

Gu Hengyu, Li Wei, Liu Ye, and Wu Rongwei. 2023. Off-Site Pension, Migrant Families, and the Settlement Intention of Older Migrants in China. Tropical Geography, 43 (6): 1123-1133.

国家统计局. 2008—2020，2021. 中国城市统计年鉴. 北京：中国统计出版社.

National Bureau of Statistics. 2008-2020, 2021. China City Statistical Yearbook. Beijing: China Statistics Press.

国家统计局. 2017. 中国城市建设统计年鉴. 北京：中国统计出版社.

National Bureau of Statistics. 2017. China Urban Construction Statistical Yearbook. Beijing: China Statistics Press.

郭艺，曹贤忠，魏文栋，曾刚. 2022. 长三角区域一体化对城市碳排放的影响研究. 地理研究，41（1）：181-192.

Guo Yi, Cao Xianzhong, Wei Wendong, and Zeng Gang. 2022. The Impact of Regional Integration in the Yangtze River Delta on Urban Carbon Emissions. Geographical Research, 41(1): 181-192.

Hippel V Eric. 1993. "Sticky Information" and the Locus of Problem Solving: Implications for Innovation. Working Papers, 40(4): 429-439.

Holm J R and Ostergaard C R. 2015. Regional Employment Growth, Shocks and Regional Industrial Resilience: A Quantitative Analysis of the Danish ICT Sector. Regional Studies, 49(1): 95-112.

侯爱军，夏恩君，李森. 2015. 区域人才流动知识溢出效应的实证研究. 技术经济，34（9）：7-13，20.

Hou Aijun, Xia Enjun, and Li Seng. 2015. Empirical Study on Knowledge Spillover Effect of Regional Talent Mobility. Journal of Technology Economics, 34(9): 7-13, 20.

胡森林，鲍涵，郝均，曾刚. 2022. 环境规制对长三角城市绿色发展的影响——基于技术创新的作用路径分析.自然资源学报，37（6）：1572-1585.

Hu Senlin, Bao Han, Hao Jun, and Zeng Gang. 2022. Research on the Impact of Environmental Regulation on Urban Green Development in the Yangtze River Delta: An Analysis of Intermediary Mechanism Based on Technological Innovation. Journal of Natural Resources, 37(6): 1572-1585.

蒋冠宏. 2022. 企业并购如何影响绩效：基于中国工业企业并购视角. 管理世界，38（7）：196-212.

Jiang Guanhong. 2022. How M&A Effect the Performance of Acquired Firms: Based on the Perspective of Merge and Acquisition of Chinese Industrial Firms. Journal of Management World, 38(7): 196-212.

江小涓，孟丽君. 2021. 内循环为主、外循环赋能与更高水平双循环——国际经验与中国实践. 管理世界，37（1）：1-19.

Jiang Xiaojuan and Meng Liiun. 2021. Mainly Inner Circulation, Outer Circulation Empowerment and Higher Level Double Circulation: International Experience and Chinese Practice. Journal of Management World, 37(1): 1-19.

Krugman P. 1991. Increasing Returns and Economic Geography. Journal of Political Economy, 99(3): 483-499.

李兰冰，张聪聪. 2022. 高速公路连通性对区域市场一体化的影响及异质性分析. 世界经济，45（6）：185-206.

Li Lanbing and Zhang Congcong. 2022. Effects and Heterogeneity Analysis of Highway Connectivity on Regional Market Integration. The Journal of World Economy, 45(6): 185-206.

柳美君，李伟平，杨斯杰，黄奕淇. 2024. 长三角区域一体化政策对科技人才流动的影响研究. 科学学研究，42（4）：733-745，862.

Liu Meijun, Li Weiping, Yang Sijie, and Huang Yiqi.2024. The Effect of Regional Integration Policy on Scientific Mobility: Evidence from the Yangtze River Delta. Studies in Science of Science, 42(4): 733-745, 862.

Li P, Lu Y, and Wang J. 2016. Does Flattening Government improve Economic Performance? Evidence from China. Journal of Development Economics, 123: 18-37.

Liu Y and Shen J. 2014. Spatial Patterns and Determinants of Skilled Internal Migration in China, 2000‒2005. Papers in Regional Science, 93(4): 749-771.

李煜伟，倪鹏飞. 2013. 外部性、运输网络与城市群经济增长. 中国社会科学，（3）：22-42，203-204.

Li Yuwei and Ni Pengfei. 2013. Externality, Transport Network and the Economic Growth of Megalopolises. Social Sciences in China, (3): 22-42, 203-204.

凌永辉，查婷俊. 2022. 我国地方创新集群形成与演化研究——基于产业链整合视角. 经济学家，（5）：69-77.

Ling Yonghui and Zha Tingjun.2022. Research on the Formation and Evolution of Local Innovation Clusters in China—Based on the Perspective of Industrial Chain Integration. Economist, (5): 69-77.

刘晔，徐楦钫，马海涛. 2021. 中国城市人力资本水平与人口集聚对创新产出的影响. 地理科学，41（6）：923-932.

Liu Ye, Xu Xuanfang, and Ma Haitao. 2021. Impact of Human Capital Stock and Population Concentration on Innovative Output in China. Scientia Geographica Sinica, 41(6): 923-932.

陆大道. 2015. 中速增长：中国经济的可持续发展. 地理科学，35（10）：1207-1219.

Lu Dadao. 2015. Moderate-Speed Growth: Sustainable Development of China's Economy. Scientia Geographica Sinica, 35(10): 1207-1219.

Lu Y, Tao Z, and Zhu L. 2017. Identifying FDI Spillovers. Journal of International Economics, 107: 75-90.

吕炜，郭曼曼，王伟同. 2020. 教育机会公平与居民社会信任：城市教育代际流动的实证测度与微观证据. 中国工业经济，（2）：80-99.

Lyu Wei, Guo Manman, and Wang Weitong. 2020. Equity of Educational Opportunity and Social Trust of Residents: Empirical Measurement and Micro-Evidence from Urban Intergenerational Mobility of Education. China Industrial Economics, (2): 80-99.

马双，汪怿. 2023. 人才政策对人才跨区域流动的影响——以长三角城市群为例. 中国人口科学，（1）：101-113.

Ma Shuang and Wang Yi. 2023. The Impact of Talent Policy on Talents' Inter-City Flows: Evidence from the Yangtze River Delta Urban Agglomeration. Chinese Journal of Population Science, (1): 101-113.

Parent O and Lesage J P. 2008. Using the Variance Structure of the Conditional Autoregressive Spatial Specification to Model Knowledge Spillovers. Journal of Applied Econometrics, 23(2): 235-256.

彭向，蒋传海. 2011. 产业集聚、知识溢出与地区创新——基于中国工业行业的实证检验. 经济学（季刊），10（3）：913-934.

Peng Xiang and Jiang Chuanhai. 2011. Industrial Agglomeration, Technological Spillovers and Regional Innovation: Evidences From China. China Economic Quarterly, 10(3): 913-934.

皮亚彬，陈耀. 2019. 大国内部经济空间布局：区位、禀赋与一体化. 经济学（季刊），18（4）：1289-1310.

Pi Yabin and Chen Yao.2019. Distribution of Economic Activities in Big Country: Location, Endowments and Integration. China Economic Quarterly, 18(4): 1289-1310.

齐宏纲，赵美风，刘盛和，高苹，刘振. 2022. 2000—2015年中国高学历人才省际迁移的演化格局及影响机理. 地理研究，41（2）：456-479.

Qi Honggang, Zhao Meifeng, Liu Shenghe, Gao Ping, and Liu Zhen.2022. Evolution Pattern and Its Driving Forces of China's Interprovincial Migration of Highly Educated Talents from 2000 to 2015. Geographical Research, 41(2): 456-479.

Riggs W and Hippel E V. 1994. Incentives to Innovate and the Sources of Innovation: the Case of Scientific Instruments. Research Policy, 23(4): 459-469.

Schultz T W. 1993. The Economic Importance of Human Capital in Modernization. Education economics, 1(1): 13-19.

邵帅，李欣，曹建华，杨莉莉. 2016. 中国雾霾污染治理的经济政策选择——基于空间溢出效应的视角. 经济研究，51（9）：73-88.

Shao Shuai, Li Xi, Cao Jianhua, and Yang Lili. 2016. China's Economic Policy Choices for Governing Smog Pollution Based on Spatial Spillover Effects. Economic Research Journal, 51(9): 73-88.

邵帅，张可，豆建民. 2019. 经济集聚的节能减排效应：理论与中国经验. 管理世界，35（1）：36-60，226.

Shao Shuai, Zhang Ke, and Dou Jianmin. 2019. Effects of Economic Agglomeration on Energy Saving and Emission Reduction: Theory and Empirical Evidence from China. Journal of Management World, 35(1): 36-60, 226.

盛科荣，王丽萍，孙威. 2021. 网络权力、知识溢出对中国城市绿色经济效率的影响. 资源科学，43（8）：1509-1521.

Sheng Kerong, Wang Liping, and Sun Wei. 2021. Impacts of Network Power and Knowledge Spillovers on China's Urban Green Economic Efficiency. Resources Science, 43(8): 1509-1521.

宋弘，罗吉罡，蒋灵多. 2022. 城市落户门槛变化如何影响人才流动与产业创新. 财贸经济，43（5）：82-95.

Song Hong, Luo Jigang, and Jiang Lingduo. 2022. The Effect of the Change in the Urban Household Registration Criteria on Talent Flow and Business Innovation. Finance and Trade Economics, 43(5): 82-95.

孙燕铭，谌思邈. 2021. 长三角区域绿色技术创新效率的时空演化格局及驱动因素. 地理研究，40（10）：2743-2759.

Sun Yanming and Shan Simiao. 2021. The Spatio-Temporal Evolutionary Pattern and Driving Forces Mechanism of Green Technology Innovation Efficiency in the Yangtze River Delta Region. Geographical Research, 40(10): 2743-2759.

谭荣辉，张天琦. 2019. 高速铁路对城市用地扩张的影响——基于多期双重差分法的验证. 中国土地科学，33（11）：39-50.

Tan Ronghui and Zhang Tiangi. 2019. Evaluating the Impact of High-Speed Railway on Urban Land Expansion Based on Multi-Period Difference-in-Difference Model. China Land Science, 33(11): 39-50.

王崇锋. 2015. 知识溢出对区域创新效率的调节机制. 中国人口·资源与环境，25（7）：77-83.

Wang Chongfeng. 2015. Moderating Effects about Knowledge Spillover and Regional Innovation Efficiency. China Population, Resources and Environment, 25(7): 77-83.

Wang Jin. 2013. The Economic Impact of Special Economic Zones: Evidence from Chinese Municipalities. Journal of Development Economics, 101(1): 133-147.

王腾飞，谷人旭，马仁锋，朱雯美，苏心怡. 2021. “集聚―扩散”视角下中国区域创新极及其知识溢出区位. 经济地理，41（5）：11-18，185.

Wang Tengfei, Gu Renxu, Ma Renfeng, Zhu Wenmei, and Su Xinyi. 2021. Regional Innovation Pole and Its Location of Knowledge Spillovers in China from the Perspective of "Agglomeration-Diffusion". Economic Geography, 41(5): 11-18, 185.

汪伟，刘玉飞，彭冬冬. 2015. 人口老龄化的产业结构升级效应研究. 中国工业经济，（11）：47-61.

Wang Wei, Liu Yufei, and Peng Dongdong. 2015. Research on Effects of Population Aging on Industrial Upgrading. China Industrial Economics, (11): 47-61.

王秀梅，黄春晓，许宏福，杨志强. 2023. 高端人才流动的网络关联特征与影响因素分析——对长三角地区高端人才流动的观察. 热带地理，43（8）：1489-1500.

Wang Xiumei, Huang Chunxiao, Xu Hongfu, and Yang Zhiqiang. 2023. Network Correlation Characteristics and Influencing Factors of High-Level Talent Flow: Observation of the High-Level Talent in the Yangtze River Delta. Tropical Geography, 43(8): 1489-1500.

万媛媛，王秋玉，曾刚，曹贤忠，郭艺. 2022. 高校与生物医药企业创新结网的影响机制——以长三角为例. 经济地理，42（7）：146-158.

Wan Yuanyuan, Wang Qiuyu, Zeng Gang, Cao Xianzhong, and Guo Yi. 2022. Influencing Mechanism of Formation of Innovation Network between Universities and Biomedical Firms: A Case Study of Yangtze River Delta. Economic Geography, 42(7): 146-158.

王金杰，盛玉雪. 2020. 社会治理与地方公共研发支出——基于空间倍差法的实证研究. 南开经济研究，（1）：199-219.

Wang Jinjieand Sheng Yuxue. 2020. Social Governance and Local Public R&D Expenditure: A Spatial Difference-in-Differences Analysis. Nankai Economic Studies, (1): 199-219.

王雨飞，倪鹏飞. 2016. 高速铁路影响下的经济增长溢出与区域空间优化. 中国工业经济，（2）：21-36.

Wang Yufei and Ni Pengfei. 2016. Economic Growth Spillover and Spatial Optimization of High-Speed Railway. China Industrial Economics, (2): 21-36.

魏东霞，陆铭. 2021. 早进城的回报：农村移民的城市经历和就业表现. 经济研究，56（12）：168-186.

Wei Dongxia and Lu Ming.2021. The Returns to Early Migration to Cities: Rural Migrants' Life Experiences and the Labor Market Performances. Economic Research Journal, 56(12): 168-186.

魏后凯，年猛，李玏. 2020.“十四五”时期中国区域发展战略与政策. 中国工业经济，（5）：5-22.

Wei Houkai, Nian Meng, and Li Le.2020. China's Regional Development Strategy and Policy during the 14th Five-Year Plan Period. China Industrial Economics, (5): 5-22.

徐彬，吴茜. 2019. 人才集聚、创新驱动与经济增长. 软科学，33（1）：19-23. [Xu Bin and Wu Xi. 2019. Talent Agglomeration, Innovation Driven and Economic Growth. Soft Science, 33(1): 19-23.]

徐军海，黄永春，邹晨. 2020. 长三角科技人才一体化发展的时空演变研究——基于社会网络分析法. 南京社会科学，（9）：49-57.

Xu Junhai, Huang Yongchuan, and Zou Chen. 2020. An Analysis on Spatio-Temporal Evolution of the Integrated Development of Scientific and Technological Talents in the Yangtze River Delta: Based on Social Network Analysis. Nanjing Journal of Social Sciences, (9): 49-57.

许泽宁，陈子韬，甄茂成. 2022. 区域一体化政策对城市高学历人才分布的影响与作用机制——以长三角地区为例. 地理研究，41（6）：1540-1553.

Xu Zening, Chen Zitao, and Zhen Maocheng.2022.The Influence Mechanism of Regional Integration Policy on the Distribution of Urban Talents:Take the Yangtze River Delta As An Example. Geographical Research, 41(6): 1540-1553.

宣烨，陆静，余泳泽. 2019. 高铁开通对高端服务业空间集聚的影响. 财贸经济，40（9）：117-131.

Xuan Ye, Lu Jing, and Yu Yongze. 2019. The Impact of High-Speed Rail Opening on the Spatial Agglomeration of High-End Service Industry. Finance and Trade Economics, 40(9): 117-131.

薛成，孟庆玺，何贤杰. 2020. 网络基础设施建设与企业技术知识扩散——来自“宽带中国”战略的准自然实验. 财经研究，46（4）：48-62.

Xue Cheng, Meng Qingxi, and He Xianjie. 2020. Network Infrastructure and the Diffusion of Technological Knowledge: Evidence from a Quasi-Natural Experiment. Journal of Finance and Economics, 46(4): 48-62.

严雅雪，齐绍洲. 2017. 外商直接投资与中国雾霾污染. 统计研究，34（5）：69-81. [Yan Yaxue and Qi Shaozhou. 2017. FDI and Haze Pollution in China. Economic Research Journal, 34(5): 69-81.]

杨东亮，任志超，李朋骜. 2020. 中国省会城市人口密度对人才集聚的影响研究. 人口学刊，42（4）：82-92.

Yang Dongliang, Ren Zhichao, and Li Peng'ao. 2020. Studies on the Influence of Population Density of China's Provincial Capital Cities on High Skill Labors Agglomeration. Population Journal, 42(4): 82-92.

杨帆，杜云晗. 2021. 创新与高端服务业人才集聚对经济增长影响的共轭效应研究——基于西部地区城市面板数据的分析.中国软科学，（10）：82-91.

Yang Fan and Du Yunhan. 2021. Research on the Conjugate Effect of Innovation and Talent Agglomeration in High-End Service Industry on Economic Growth—Based on the Analysis of Urban Panel Data in Western China. China Soft Science, (10): 82-91.

尹上岗，杨山，李在军.2022.长三角地区生态城镇化空间格局及影响因素. 自然资源学报，37（6）：1494-1506. [Yin Shanggang, Yang Shan, and Li Zaijun. 2022. Spatial Pattern and Influencing Factors of Ecological Urbanization in the Yangtze River Delta. Journal of Natural Resources, 37(6): 1494-1506.

余博，潘爱民. 2022. 数字经济、人才流动与长三角地区高质量发展. 自然资源学报，37（6）：1481-1493.

Yu Bo and Pan Aimin.2022. Imbalance of Talent Flow, Digital Economy and High-Quality Development of Yangtze River Delta Economic Zone. Journal of Natural Resources, 37(6): 1481-1493.

袁淳，肖土盛，耿春晓，盛誉. 2021. 数字化转型与企业分工：专业化还是纵向一体化. 中国工业经济，（9）：137-155.

Yuan Chun, Xiao Tusheng, Geng Chunxiao, and Sheng Yu. 2021. Digital Transformation and Division of Labor between Enterprises: Vertical Specialization or Vertical Integration. China Industrial Economics, (9): 137-155.

袁平红，王珍珠. 2022. 区域一体化对供应链效率的影响研究——以长三角先进制造业为例. 华东经济管理，36（7）：10-20.

Yuan Pinghong and Wang Zhenzhu. 2022. The Influence of Regional Integration on Supply Chain Efficiency: A Case Study of Advanced Manufacturing Industry in Yangtze River Delta. East China Economic Management, 36(7): 10-20.

于涛方. 2012. 中国城市人口流动增长的空间类型及影响因素. 中国人口科学，（4）：47-58，111-112.

Yu Taofang. 2012. Spatial-Temporal Features and Influential Factors of the China Urban Floating Population Growth. Chinese Journal of Population Science, (4): 47-58, 111-112.

于潇，王琪汇. 2021. 人口集聚、人才集聚与人力资本效率——基于流动人口的视角. 经济问题探索，（11）：67-80.

Yu Xiao and Wang Qihui. 2021. Population Agglomeration, Talent Agglomeration and Human Capital Efficiency—Based on the Perspective of Migrant Population. Inquiry into Economic Issues, (11): 67-80.

张莉娜，倪志良. 2022. 科技人才集聚与区域创新效率——基于空间溢出与门槛效应的实证检验. 软科学，36（9）：45-50.

Zhang Li'na and Ni Zhiliang. 2022. Scientific and Technological Talent Agglomeration and Regional Innovation Efficiency-Empirical Test Based on Spatial Spillover and Threshold Effect. Soft Science, 36(9): 45-50.

张明志，余东华，孙婷. 2019. 高铁开通对城市生产体系绿色重构的影响. 中国人口·资源与环境，29（7）：41-49.

Zang Mingzhi, Yu Donghua, and Sun Ting. 2019. The Impact of High-Speed Railway's Opening on the Green Reconstruction of Urban Production System. China Population, Resources and Environment, 29(7): 41-49.

张学良. 2012. 中国交通基础设施促进了区域经济增长吗——兼论交通基础设施的空间溢出效应. 中国社会科学，（3）：60-77，206.

Zhang Xueliang. 2012. Has Transport Infrastructure Promoted Regional Economic Growth? With an Analysis of the Spatial Spillover Effects of' Transport Infrastructure. Social Sciences in China, (3): 60-77, 206.

张勋，乔坤元. 2016. 中国区域间经济互动的来源：知识溢出还是技术扩散? 经济学（季刊），15（4）：1629-1652.

Zhang Xun, and Qiao Kunyuan. 2016. Regional Economic Interactions in China: Knowledge Spillover or Technological Diffusion? China Economic Quarterly, 15(4): 1629-1652.

张杨，袁宝龙，郑晶晶，邓亚玲. 2024. 策略性回应还是实质性响应？碳排放权交易政策的企业绿色创新效应. 南开管理评论，27（3）：129-140.

Zhang Yang, Yuan Baolong, Zheng Jingjing, and Deng Yaling. 2024. Strategic Response or Substantive Response? The Effect of China's Carbon Emissions Trading Policy on Enterprise Green Innovation. Nankai Business Review, 27(3):129-140.

张治国，欧国立. 2022. 高铁网络、虹吸效应与城市群引资. 经济问题，（2）：34-41，78.

Zhang Zhiguo and Ou Guoli. 2022. High Speed Rail Network, Siphon Effect and FDI Inflow for Urban Agglomeration. On Economic Problems, (2): 34-41, 78.

赵勇，白永秀. 2009. 知识溢出：一个文献综述. 经济研究，44（1）：144-156.

Zhao Yong and Bai Yongxiu. 2009. Knowledge Spillovers:A Survey of the Literature. Economic Research Journal, 44(1): 144-156.

中共中央、国务院. 2019. 长江三角洲区域一体化发展规划纲要.（2019-12-01）[2024-08-05]. https://www.gov.cn/zhengce/2019-12/01/content_5457442.htm.

The CPC Central Committee and the State Council.2019. Outline of Development Plan for Regional Integration in the Yangtze River Delta. (2019-12-01) [2024-08-05]. https://www.gov.cn/zhengce/2019-12/01/content_5457442.htm.

钟腾，罗吉罡，汪昌云. 2021. 地方政府人才引进政策促进了区域创新吗?——来自准自然实验的证据. 金融研究，（5）：135-152.

Zhong Teng, Luo Jigang, and Wang Changyun. 2021. Do Local Government Talent Introduction Policies Promote Regional Innovation? Evidence from a Quasi-Natural Experiment. Journal of Financial Research, (5): 135-152.

周力，沈坤荣. 2020. 国家级城市群建设对绿色创新的影响. 中国人口·资源与环境，30（8）：92-99.

Zhou Li and Shen Kunrong. 2020. National City Group Construction and Green Innovation. China Population, Resources and Environment, 30(8): 92-99.

朱瑾，许智颖，刘文政. 2022. 基于非对称创新理论的中国区域绿色技术创新实现路径. 中国人口·资源与环境，32（2）：128-139.

Zhu Jin, Xu Zhiying, and Liu Wenzheng. 2022. China's Regional Green Technological Innovation and Realization Path Based on Asymmetric Innovation Theory. China Population, Resources and Environment, 32(2): 128-139.

Options
文章导航

/

〈 〉