EN中文

热带地理 >

2025 , Vol. 45 >Issue 2: 183 - 196

DOI: https://doi.org/10.13284/j.cnki.rddl.20240649

人才分布和流动格局

异质性视角下中国高学历人才分布格局及其影响因素——基于地级行政区尺度的考察

  • 武荣伟 , 1, 2 ,
  • 王远鑫 3 ,
  • 张钦 , 4, 5 ,
  • 周亮 2
展开
  • 1. 重庆工商大学 公共管理学院，重庆 400067
  • 2. 兰州交通大学 测绘与地理信息学院，兰州 730070
  • 3. 重庆工商大学 法学与 社会学学院，重庆 400067
  • 4. 中国科学院中国现代化研究中心，北京 100190
  • 5. 中国科学院文献情报中心，北京 100190
张钦（1989—），男，安徽亳州人，博士，助理研究员，主要研究方向为生态经济与区域可持续发展，（E-mail）。

武荣伟（1989—），男，山西忻州人，博士，副教授，硕士生导师，主要研究方向为人口地理、城市与区域规划，（E-mail）；

收稿日期: 2024-10-05

  修回日期: 2024-12-19

  网络出版日期: 2025-03-05

基金资助

重庆市社会科学基金项目(2021BS073)

国家自然科学基金青年项目(42001153)

中国科协2023年度科技智库青年人才计划(20230504ZZ07240019)

收起

Distribution Patterns and Driving Factors of Highly Educated Talent in China from a Heterogeneity Perspective: An Examination Based on Prefectural Administrative Regions

  • Rongwei Wu , 1, 2 ,
  • Yuanxin Wang 3 ,
  • Qin Zhang , 4, 5 ,
  • Liang Zhou 2
Expand
  • 1. School of Public Administration, Chongqing Technology and Business University, Chongqing 400067, China
  • 2. Faculty of Geomatics, Lanzhou Jiaotong University, Lanzhou 730070, China
  • 3. School of Law and Sociology, Chongqing Technology and Business University, Chongqing 400067, China
  • 4. China Center for Modernization Research, Chinese Academy of Sciences, Beijing 100190, China
  • 5. National Science Library, Chinese Academy of Sciences, Beijing 100190, China

Received date: 2024-10-05

  Revised date: 2024-12-19

  Online published: 2025-03-05

Fold

摘要

异质性视角下，基于各省2010、2020年人口普查与2015年1%人口抽样调查数据，采用基尼系数与可视化的方法，刻画了中国地级行政区大学专科、本科、研究生学历人才分布的时空格局，使用Beta回归模型，从空间类分、空间选择、空间集聚与舒适度偏好4个维度，揭示了不同学历层次人才分布的影响因素。结果发现：1）2010—2020年，不同学历人才占比的地区差距呈研究生＞本科＞专科；研究时段内专科、本科、研究生学历人才的地区差距呈缩小态势。2）专科、本科、研究生学历人才比重均呈现行政等级分异特征，即从首都―省会（副省级）城市―地级城市―地区，高学历人才比重逐级递减，其中研究生学历人才等级分异特征最为典型，专科学历人才最为弱化。3）胡焕庸线是高学历人才比重空间结构模式差异的分界线。胡焕庸线东南侧，高学历人才比重呈现中心（省会城市）―外围（一般地级行政区）的空间结构，其中，研究生学历人才空间结构最为典型。胡焕庸线西北侧形成东起大兴安岭林区西至哈密的专科学历、本科学历人才高值分布区。4）空间类分方面，不同学历人才均偏好收入更高、行政级别更高、城镇人口规模更大的地级行政区，且偏好程度总体呈研究生＞本科＞专科。空间选择方面，地级行政区住房成本越高，就业市场竞争越激烈，对人才的学历层次要求越高，总体呈现研究生＞本科＞专科。空间集聚方面，地级行政区城镇化水平会促进不同学历层次人才集聚，作用强度表现为专科＞本科≈研究生。舒适度方面，地级行政区社会环境舒适度越高，越吸引高学历人才集聚。

关键词： 高学历人才; 异质性; 地级行政区; 胡焕庸线; 中国

本文引用格式

武荣伟 , 王远鑫 , 张钦 , 周亮 . 异质性视角下中国高学历人才分布格局及其影响因素——基于地级行政区尺度的考察[J]. 热带地理, 2025 , 45(2) : 183 -196 . DOI: 10.13284/j.cnki.rddl.20240649

Abstract

The number of highly educated individuals continues to grow, and the internal heterogeneity of this group is becoming increasingly evident. Examining these differences in location selection mechanisms from the perspective of heterogeneity is crucial for optimizing talent distribution. In this study, we used population census data from 2010 and 2020, along with 1% population sampling survey data from 2015 across various provinces. We employed the Gini coefficient and visualization methods to depict the spatiotemporal patterns of talent distribution at college, undergraduate, and graduate education levels in Chinese prefecture-level administrative regions. Employing a Beta regression model, we identified the factors that influence talent distribution across four dimensions: spatial sorting, spatial selection, spatial agglomeration, and comfort preferences. The key findings were as follows: 1) From 2010 to 2020, regional disparities in educational talent were ranked as postgraduate > undergraduate > college, with a decreasing trend in disparities for all three categories. 2) The proportion of college-, undergraduate-, and graduate-level educated individuals exhibited a clear administrative hierarchy, with the proportion of highly educated individuals decreasing from capital cities to provincial capitals (vice-provincial cities), prefecture-level cities, and regions. Hierarchical differentiation was most pronounced for graduate-level individuals, and was least pronounced for college-level individuals. 3) The Hu Huanyong Line serves as a dividing line for spatial structural differences in the distribution of highly educated individuals. To the southeast of the line, the spatial structure follows a pattern from the center (provincial capitals) to the periphery (general prefecture-level regions), with graduate-level individuals demonstrating the most characteristic spatial structure. Northwest of the line, a high-talent area for college and undergraduates extends from the Daxinganling Forest region in the east to Hami in the west. 4) Urban agglomerations and metropolitan areas are gradually becoming important spatial carriers of highly educated individuals, with the most typical examples being national-level urban agglomerations, especially the Yangtze and Pearl River Deltas. 5) From 2010 to 2020, dynamic changes in the concentration of talented individuals at the associate degree, undergraduate, and graduate levels exhibited a reverse core-periphery spatial structure. Specifically, the location quotient for talented individuals in capital and provincial-level cities (including sub-provincial cities) decreased, whereas it increased in prefecture-level cities and regions. Additionally, the dynamic changes in the concentration of talented people demonstrated regional differentiation; the location quotient for talented people in areas northwest of the Hu Huanyong Line showed an upward trend, whereas it decreased southeast of the line. Similarly, the location quotient for talented people in the eastern region declined, whereas it increased in the central and western regions. 6) In terms of spatial sorting, talented people at different educational levels tended to prefer prefecture-level administrative regions with higher incomes, higher administrative ranks, and larger urban populations, with the order of preference being graduate > undergraduate > college. Regarding spatial selection, higher housing costs and more competitive job markets in prefecture-level administrative regions generally demand higher educational qualifications, following the trend: graduate > undergraduate > college. In terms of spatial agglomeration, urbanization levels in prefecture-level regions foster clustering of talented people at all educational levels, with the effect being strongest for college-educated people, followed by undergraduate and graduate people. With regard to comfort preferences, regions with higher levels of social environmental comfort are more attractive for the aggregation of highly educated individuals. Our research findings will be helpful for different cities and regions in formulating differentiated talent recruitment policies.

Key words： highly educated talent; heterogeneity; Prefecture-level administrative region; Hu Huanyong population line; China

高度专业化的人力资本积累与提升是区域经济增长的动力源泉（Lucas, 1999）。人力资本的改善可提高居民的就业与收入，增加私人教育回报率。同时，人力资本还具有鲜明的外部性，个体人力资本的提升不仅会增加其自身收入，还会对身边的人产生外溢效应，进而提升人力资本的社会回报（丁相元 等，2024）。当前，中国人口正发生历史性变化，人口峰值低于预期，负增长阶段更早到来，中国将有可能成为人口老龄化速度最快的国家（陈卫，2022；武荣伟 等，2024a），传统意义上的人口红利已经消失（蔡昉，2020）。在这个关键转折期，改善人力资本成为促进经济持续增长的关键。人才是人力资本积累最丰富的载体，是创新驱动的根本性要素。然而，人才分布格局具有典型的非均衡特征（古恒宇 等，2021a），这种高度的非均衡性对进一步缩小地区差距，促进区域协调发展提出挑战。为此，党的二十届三中全会提出，完善人才有序流动机制，促进人才区域合理布局（中共中央，2024）。人才的空间分布究竟有什么规律？人才集聚的形成机制是什么？对这些问题的解答，既可为城市和区域人才政策的制定提供借鉴参考，也是推动人才强国战略实现的基础性工作。
人才分布的时空格局与影响机制研究吸引了地理学、人口学、经济学等多领域学者的关注。研究对象主要涉及以学历为衡量标准的大学毕业生（王一凡 等，2021）、高学历人才（武荣伟 等，2020）；以职业为核心指标的高技能人才（刘晔 等，2019；敖荣军 等，2023；武荣伟 等，2024b）；以及其他各种类型的人才（段德忠 等，2018；周亮 等，2019）。由于微观主体间存在的共享、匹配和学习效应（Duranton & Puga, 2004），可以说，人才天然具有集聚倾向。无论是高学历人才密度还是人才占比，均呈现高度集聚特征，高学历人才密度分布呈“东北―西南”走向，在胡焕庸线东南半壁表现为“核心―边缘”的空间格局（古恒宇 等，2021a）；高学历人才占比呈现等级分异特征（刘晔 等，2023）。从其时间演化看，早在明清时期，以进士为代表的人才分布就呈现极不均衡的态势，清代江苏、浙江2省进士人数占全国总数的21.3%（李润强，2005）。20世纪90年代以来，人才分布重心由北方内陆地区持续向东南沿海地区转移（姜怀宇 等，2005；杨欢，2023），同时，高学历人才密度和占比的空间非均衡性呈下降态势（刘晔 等，2023）。人才，可被认为是更高人力资本的劳动力。人才的集聚，可理解为不同人力资本水平劳动力的差异化集聚。一般而言，劳动力的集聚机制包括新古典主义侧重的个人经济利益驱动（Lewis, 1954; Gu et al., 2020），新迁移经济理论关注的家庭经济收入最大化（Stark & Bloom, 1985）。均衡理论强调，不同发展阶段，影响劳动力迁移的因素有所变化，基本物质需求得到满足之后，舒适度因素（自然环境舒适度、包容性、多样性的人文环境等）对劳动力的吸引力增强（Glaeser et al., 2001; Clark et al., 2002; Florida, 2002; 张艳茹 等，2021）。实证研究方面，经济因素与行政因素是中国人才迁移与集聚的主要影响因素（Liu & Shen, 2014），基础教育、医疗等基本公共服务、交通可达性和城市消费设施等舒适度因素对人才集聚的作用也不容忽视（古恒宇 等，2021a）。然而，对人才集聚的研究，应在普遍性的作用机制之外，更多的关注异质性劳动力的差异化集聚。劳动经济学相关理论认为，劳动力存在自选择、正向与负向选择3类选择效应。劳动力根据自身技能水平和教育程度选择是否迁移，教育程度越高，迁移的倾向越大；人才倾向于从技能回报率低、不平等程度低的地区迁移到技能回报率高、不平等程度高的地区，一般劳动力迁移过程与此相反（Grogger & Hanson, 2010）。因此，技能回报越高，收入差异越大的区域，人才占比越高。空间经济学从空间视角重新审视劳动力迁移过程，提出空间类分（Spatial Sorting）和空间选择（Spatial Selection），并以城市为空间基本单元，拓展了异质性劳动力区位选择的研究框架（Behrens et al., 2014；张可云 等，2020）。空间类分指能力不同的劳动者会选择迁入不同规模的城市；而空间选择指特大、超大城市内存在激烈竞争，能力较低的劳动者会被淘汰，不得不离开（Diamond, 2016）。在类分与选择效应的形成过程中，集聚经济贯穿其中（梁琦 等，2018）。与此同时，由于差异化技能与知识结构，人力资本外部性以及消费外部性，特大、超大城市也可能会增加对一般技能或非技能劳动力的需求（Eeckhout et al., 2014；徐恺 等，2024）。如特大、超大城市高技能劳动力的工资较高，促使高技能劳动力将更多的家务活动外包，会增加对消费型服务业的需求，吸引一般劳动力（梁文泉 等，2015），这种普遍存在的高低技能劳动力之间的技能互补，影响人才集聚。可以发现，差异化集聚机制是理解人才分布格局的关键。总体而言，以经济发展水平、工资、产业结构、就业机会等代表的经济因素仍是塑造人才分布格局的主导力量，而对于舒适度因素、制度因素、文化因素的作用尚未达成一致结论（Liu & Shen, 2014；敖荣军 等，2023；马忠新 等，2024）。
伴随着中国高等教育从精英化逐步进入大众化、普及化阶段，劳动力群体内部的异质性日益凸显。学者逐步关注异质性劳动力迁移与集聚，对比高技能劳动力与一般技能劳动力迁移的格局、过程与影响机制（古恒宇 等，2021b；齐宏纲 等，2024）。然而，现有研究通常以大专及以上学历人才为对象，将高等学历人才视为一个同质化的群体，缺乏对群体内部的关注，尤其是缺乏专科、本科、研究生等不同学历劳动力分布的对比研究。同时，过去10年是中国高学历劳动力增长最快速的时期，专科、本科、研究生学历劳动力分别增加3 362.49万、3 384.52万、543.24万人。受统计数据发布周期影响，现有研究多以2010或2015年研究时限，亟需拓展研究时段。此外，除了经济因素与舒适度因素，中国是否存在异质性劳动力区位选择的类分、选择和集聚效应，也需进一步分析。对以上问题的探讨，将有益于理解不同学历水平劳动力集聚的相似性与差异性，也有助于丰富人才地理学的研究视角。
为此，本文基于各个省份2010、2020年的人口普查数据与2015年1%人口抽样调查数据，从异质性视角出发，基于地级行政区尺度，刻画2010—2020年中国专科、本科、研究生学历人才分布格局及其演变过程，并采用Beta回归揭示其影响机制，以期为不同城市与区域制定有效的人才政策提供思路和依据。

1 数据与方法

1.1　研究对象

人才，通常指具有一定的专业知识或专门技能，进行创造性劳动并对社会作出贡献的人，即高素质与高质量的劳动者。如何界定人才，通常有职业与学历2类维度。职业类别可以反映劳动者的职业技能，近年来逐步应用于技能劳动力的相关研究（刘晔 等，2019；敖荣军 等，2023）；学历标准可以较好的代表劳动力的人力资本水平，且是各城市人才政策制定的关键依据。本文着重关注人才群体内部的异质性，参考已有研究（古恒宇 等，2022；齐宏纲 等，2023），将人才定义为“大专及以上学历”劳动力。本文将人才群体划分为3类，即专科、本科、研究生学历劳动力。2005年1%人口抽样调查中，国家统计局首次调查了各个地级行政区就业人口的受教育程度，此后，历次人口普查和1%人口抽样调查均发布了分性别、受教育程度的就业人口这一重要指标，为本研究提供了重要支撑。

1.2　数据来源与研究区域

本研究涉及的劳动力数据来源于各个省份第六、七次人口普查数据资料、2015年1%人口抽样调查数据。分别提取人口总量、城镇人口总量、15~64岁劳动年龄人口，就业人口总数、专科、本科、研究生学历就业人数及卫生和社会工作从业人员数。湖北、湖南、吉林、云南和西藏5个省区未公布2005年1%人口抽样调查数据资料，西藏未发布2015年1%人口抽样调查数据资料，新疆未发布2020年人口普查年鉴。考虑到2005年数据缺失省份较多，因此本研究时段确定为2010—2020年。影响因素涉及到的城镇居民可支配收入、商品房平均销售价格、普通高校在校学生数、中学生师比等数据来源于《中国区域经济统计年鉴》（国家统计局国民经济综合统计司，2010—2015）、《中国城市统计年鉴》（国家统计局城市社会经济调查司，2010—2021）以及部分省份统计资料；1月与7月温差数据来源于国家地球系统科学数据共享平台 1。NDVI数据根据中国科学院资源环境科学与数据中心 2提供的年度数据进行提取、投影转换、重采样，分区统计获得。综上，本研究区域确定为中国大陆地区，不含港、澳、台，研究时段为2010—2020年。其中，2015年研究范围不包含西藏，2020年研究范围不包含新疆。研究的基本单元为地级行政区。

1.3　方法

1.3.1　人才集聚度

参考已有研究（武荣伟 等，2020；崔丹 等，2020；齐宏纲 等，2023），采用人才集聚度衡量某地区人才的空间分布特征。公式为：
T a d i t = T i t    / A i t / P i t    / A i t = T i t    / P i t
式中：Tad it 表示地级行政区i在t年的人才集聚度；Tit 和Ait 分别表示地级行政区i在t年的人才数量与区域土地面积；Pit 为就业人口总数。其实质含义为区域就业人口中不同学历就业人口的比例，反映区域人才集聚程度。

1.3.2　人才分布的地区差距

采用基尼系数测度地级行政区人才分布的地区差距，将地级行政区不同学历（专科、本科和研究生）人才占比由低到高进行排序，其近似计算公式为（徐建华，2014）：
G = 1 - ∑ i = 1 n p i 2 ∑ k = 1 i w k - w i
式中：wi 和wk 分别为地级行政区i和k中不同学历（专科、本科和研究生）人才占全国总人才的比例；pi 为地级行政区i的就业人口占全国总就业人口的比例。基尼系数取值范围为0~1，越接近0，代表地区差距越小，越趋近于1，代表地区差距越大。一般而言，G≤0.2代表人才分布高度均衡；0.2＜G≤0.3，表示人才分布比较均衡；0.3＜G≤0.4，表示人才分布相对合理；0.4＜G≤0.5，表示人才分布地区差距较大；G＞0.5，表示人才分布地区差距悬殊。

1.3.3　人才分布的影响机制

人才占比是典型的连续有界比例型数据，其取值范围始终为（0，1）。若利用经典的线性回归模型进行分析，估计结果通常有偏，最突出的局限在于其拟合值会超出上下限。Beta回归可以灵活有效地应对这一难题，在针对比例型数据的分析中被广泛应用（陈暮紫 等，2011）。Beta分布的概率密度函数为（Ferrari & Cribari-Neto, 2004）：
f y ; μ , φ = Γ φ Γ μ φ Γ 1 - μ φ y μ φ - 1 1 - y 1 - μ φ - 1 , y ∈ 0,1
式中：0＜y＜1，在本文中指高学历人才占比，y的均值与方差分别为E（y）=μ，Var（y）=μ（1-μ）/（1+φ），0＜μ＜1，φ＞0，φ是分散度参数且为正数，Γ（·）为伽马函数。
假设y1，…，yn 是独立的随机变量，且yi ~ Beta（μ，φ），则回归模型为：
g μ i = x i T β = η i
式中：β=（β 1，β 2，…，βk ） T 表示回归系数向量；xi =（xi 1，xi 2，…，xik ） T 为地级行政区i的k个自变量；η表示线性预测；g（·）为严格单调且二阶可导的连接函数，其作用是将（0，1）区间的比例数据映射到实数域上，通常采用Logit连接函数，其优势在于回归系数的解释更直接。
参考已有研究（敖荣军 等，2023；齐宏纲 等，2024），结合空间经济学相关进展，将人才分布影响机制归纳为空间类分、空间选择、空间集聚以及舒适度偏好4个方面。
空间类分指不同学历水平的劳动力会选择前往经济密度不一样的地级行政区工作。在均衡状态下，高学历劳动者会选择留在收入更高和高人力资本集聚的地区，而一般学历劳动者则选择其他地区。类分主要侧重从微观经济主体角度探讨区位选择行为，有个体主动、主观意愿上对居住地进行选择的含义，强调的是一种事前选择机制（张可云 等，2020）。因此，本文从2方面选取地级行政区空间类分变量：1）连续变量，常住城镇人口规模及其平方项；城镇居民可支配收入；2）类别变量，在中国现行制度背景下，不同行政等级地区在权限设置、资源配置、制度安排等方面存在显著差异，高级别行政中心成为人口、产业与要素的集聚中心（魏后凯，2014），采用是否为直辖市、省会城市与计划单列市的虚拟变量表示地级行政区的行政级别，是为1，否为0。
空间选择从城市角度探讨城市对个体的筛选，是一种被动的居住决策。较大规模的城市，市场竞争更为激烈，生活成本更高，天赋或技能较低的劳动力会逐步被淘汰，更有天赋或技能的劳动力才能留下。空间选择主要体现为优胜劣汰与事后进入机制。参考已有研究（敖荣军 等，2023），选择市场供求比反映城市就业市场的竞争程度，供求比越高，劳动力供给充足，则城市的劳动力市场竞争越激烈，反之亦然；由于高校毕业生就业具有显著的粘滞性，每万人普通高校在校学生数量直接关系到区域潜在的高学历劳动力数量，将其作为就业市场竞争程度的另一个代理变量；住房是影响劳动力区位选择的重要因素（张莉 等，2017），选择住宅平均销售价格衡量区域的生活成本。其中，供求比的计算公式为：
s d i = s i   / ∑ i = 1 n s i e i   / ∑ i = 1 n e i
式中：sd i 表示地级行政区i的劳动力供求比；si 和ei 分别为地级行政区i的劳动力供给数量和需求总量。其中，劳动力供给数量用15~64岁人口总量表示，需求总量用地级行政区就业人口总量表示。
在空间类分与选择效应的形成过程中，集聚经济贯穿始终（梁琦 等，2018），采用地级行政区城镇化水平衡量空间集聚效应。从社会环境舒适度与自然环境舒适度2个维度表征城市的舒适性。社会环境舒适度方面选择普通中学生师比反映区域基础教育水平；选择卫生和社会工作从业人员数占就业人员数的比例，反映区域医疗水平。自然环境舒适度方面，选择NDVI、近30年1月与7月温差2个指标表征。

2 不同学历人才的地区差距与分布格局

2.1　不同学历人才比重的地区差距

计算2010、2015和2020年专科、本科和研究生学历人才的基尼系数，发现：1）随着学历水平提升，人才分布的地区差距呈扩大态势。2010—2020年，专科学历人才的基尼系数为0.20~0.27，表明其空间分布比较均衡；本科学历人才的基尼系数为0.32~0.42，即空间分布相对合理；研究生学历人才的基尼系数始终高于0.5，表明研究生学历人才地区差距较为悬殊。上述结果表明不同学历劳动力存在差异化的集聚过程。2）近10年，不同学历水平人才分布的地区差距均呈缩小态势。2010—2020年，专科、本科、研究生学历人才的基尼系数分别降低0.08、0.10、0.09，不同学历人才的基尼系数下降程度相当，总体表明全国人才集聚程度有所降低。2010—2020年，中国普通高校由2 358增加至2 738所，高等教育毛入学率由26.5%增长到54.4%，已步入高等教育普及化阶段。高素质人才培养规模大幅度增加是地区差距减少的直接原因。

2.2　不同学历人才比重的分布特征

2.2.1　不同学历人才分布均呈现典型的行政等级分异特征

2010—2020年，专科、本科、研究生学历人才均呈现典型的行政等级分异，即首都—省会（副省级）城市—地级城市—地区高学历人才占比逐级递减（图1、2）。可概括为3方面：1）首都北京在高层次学历人才集聚中具有超然地位。2010—2020年，北京市本科、研究生学历人才占比均位居第一。3个年份本科学历人才占比分别达到19.17%、25.75%和31.86%；研究生学历人才占比分别达到5.08%、7.84%和11.26%。以2020年为例，北京市本科、研究生学历人才占比超过上海市（位居第二）6.11、4.30个百分点，对比而言，上海市超过南京市（位居第三）仅0.90、1.10个百分点。北京市作为全国政治、文化、国际交往与科技创新中心，在行政与市场经济的双重作用下，其高学历人才集聚优势突出。2）省会城市―地级城市―地区人才占比逐级降低。以2020年为例，省级行政中心―地级城市―地区专科人才占比分别为16.42%、9.84%、8.86%；本科人才占比分别为16.98%、7.05%、6.53%；研究生人才占比分别为2.89%、0.48%、0.24%。可以发现，区域性中心城市是各个省份人才的主要集聚区。3）不同学历人才横向对比同样呈现行政等级分异。高行政级别城市，专科、本科、研究生学历人才占比呈倒“U”型特征，即本科学历人才占比最高，专科次之，研究生较低；而低行政级别地级行政区，专科、本科、研究生学历人才占比呈逐级递减态势。以2020年为例，北京、省级行政中心人才占比表现为本科 > 专科 >研究生，而地级城市与地区人才占比表现为专科 >本科 > 研究生。
图2 2020年不同地区专科、本科、研究生学历人才占比

Fig.2 Proportion of talents with college, undergraduate, and graduate degrees in different regions in 2020

图1 2010、2015、2020年中国地级行政区专科、本科、研究生学历人才占比分布

Fig.1 Distribution of the proportion of talent with college, undergraduate, and graduate degrees in Chinese prefectural administrative regions for the years 2010, 2015, and 2020

学历 2010年 2015年 2020年

专

科

本

科

研

究

生

注：基于自然资源部标准地图服务系统审图号为GS（2023）2763的标准地图制作，底图无修改；图3同。

2.2.2　胡焕庸线西北半壁沿边区域形成人才集聚连绵区

2010—2020年，东起大兴安岭林区，沿呼伦贝尔市、锡林郭勒盟、包头、鄂尔多斯、呼和浩特、阿拉善盟、嘉峪关、酒泉，西至哈密等形成专科学历、本科学历人才集聚的连绵区。从资源产品的产出规模判断，上述地级行政区几乎全部属于资源富集地区（余建辉 等，2018）。以最为典型的嘉峪关市为例，2010、2015、2020年，嘉峪关市专科人才占比分别达到15.38%、17.42%、28.25%，分别位居全国第2、3、1位。资源型富集区产业结构以工业主导，逐步形成资源开发—吸纳就业—相关服务业兴起的发展路径，在计划经济时期体现为“政府主导，国有企业主体”的格局，普遍存在“矿城一体”“政企合一”等现象。因此，资源型地区通常具备较高的产业专用性，要求从业人员具有一定程度的技术水平。同时，资源型地区又面临经济发展路径锁定，产业附加值较低，生态环境治理相对滞后等现实困境，对高端人才吸引力不足。在上述双重背景下，胡焕庸线西北半壁沿边区域的地级行政区的专科学历、本科学历人才占比普遍高于其他地区，而研究生学历人才占比并未呈现这一特征。

2.2.3　不同学历人才在空间结构上呈现差异化的集聚格局

将高学历人才分布行政等级分异特征映射于地图时，呈现典型的中心―外围空间结构特征，即省会城市（副省级城市）人才占比较高，其外围地级行政区人才占比较低。但这种中心―外围空间结构随着学历梯度的降低而受到破坏。从图1可以发现：研究生学历人才占比的中心―外围空间结构最为突出，本科学历人才占比次之，而专科学历人才占比呈现更多样的空间特征。对于本科、专科学历人才占比，胡焕庸线是这种空间结构的分界线。胡焕庸线东南侧，不同学历人才占比空间结构整体呈现中心―外围结构，而胡焕庸线西北侧，已很难发现这一分布模式。一方面，胡焕庸线西北侧仅有拉萨、西宁、兰州、银川、呼和浩特、乌鲁木齐6个省会城市，除个别城市外，资源型地区分布较广，这些区域往往人口规模较小，人才数量的变动对人才占比影响较大，伴随着资源开发相关企业的进入，迅速形成具有相对优势的人力资本结构。另一方面，长期以来，中央政府推动东西扶贫协作与对口支援工作，涉及干部挂职、“三支”人员帮扶、专技人才交流等，同样提高了胡焕庸线西北侧城市的高学历人才比例。在这2方面的共同作用下，胡焕庸线西北侧很多地级行政区专科、本科学历人才比例相对较高，没有一种典型的空间结构模式。

2.2.4　城市群与都市圈逐步成为人才集聚的重要空间载体

2010—2020年，以城市群为空间载体的高学历人才城市集群分布逐步显现，其中体现最为典型的是国家级城市群，尤其是长三角与珠三角城市群。2020年，长三角城市群涉及的中心区范围内，2/3的地级城市高学历人才占比超过全国平均水平；珠三角城市群1/2以上的地级城市高学历人才占比超过全国平均水平。在省级层面，围绕省会城市形成的都市圈也逐步成为区域性的人才集聚区。湖南省长株潭都市圈中，长沙、株洲、湘潭的专科、本科、研究生学历人才占比均位于湖南省前3名，且远远高于第4名。发育成熟的城市群，是一个有着合理分工协调和统筹优化的地域经济体，未来，劳动力的迁移决策可能不仅仅是对单个城市的选择，而是对城市群的选择（梁琦 等，2018）。

2.3　不同学历人才相对集聚的动态变化

将2010、2020 年各地级行政区人才占全国人才的比例除以同时期其就业人口占全国总就业人口的比例获得各地级行政区人才的区位熵，用2010和2020年人才区位熵的差值表示2010—2020年各地级行政区人才相对集聚的动态变化（图3）。
图3 2010—2020年专科、本科、研究学历人才集聚动态变化的分布格局

Fig.3 Distribution patterns of the dynamic changes in the concentration of talent with college, undergraduate, and graduate degrees from 2010 to 2020

2.3.1　人才集聚动态变化呈现典型的逆中心―外围空间结构

专科、本科、研究生学历人才集聚均呈现逆中心―外围的空间结构特征。即首都、省会城市（副省级城市）人才相对集聚程度均有所降低，而地级城市、地区人才集聚程度持续上升。以北京为例，2010—2020年，专科、本科、研究生学历人才区位熵分别由2.49、5.18、13.09降低为1.56、3.21、8.93。而地级城市总体的专科、本科、研究生学历人才区位熵分别增加至0.85、0.71、0.38。地区的专科、本科、研究生学历人才区位熵分别增加至0.71、0.65、0.21。上述发现进一步验证基尼系数的分析结果。这可能源于以下原因：首先，2010—2020年，中国步入高等教育普及化阶段，就业人口中专科、本科、研究生学历人口分别由4 263.21万、2 653.73万、275.91万人增加至7 625.70万、6 538.25万和819.16万人，高学历人才，尤其专科与本科学历人才的供给大幅度增长，稀缺性减弱；同时，高等院校布局的均衡性持续增加，地级行政区中，拥有高等院校的比例由90.80%增加至94.96%，由于就业具有很强的属地化特征，人才分布均衡性增强。其次，当前就业市场中的风险与竞争加剧，省会城市生活成本较高，越来越多的人才就业注重安全感和规避风险，从而选择普通地级行政区就业（李春玲，2023）。

2.3.2　人才集聚动态变化呈现区域分化特征

胡焕庸线西北侧城市总体呈现地广人稀的特征，人口规模较小，高等教育发展对地区人力资本结构优化的作用会更凸显。2010—2020年，胡焕庸线西北侧专科、本科、研究生学历人才区位熵分别增加至1.21、1.27、0.76，而东南侧专科、本科、研究生学历人才区位熵分别减少至0.99、0.99、1.01。从传统的东、中、西、东北四大地区看，东部地区专科、本科、研究生学历人才区位熵呈减少趋势；而中、西部地区呈增长态势；东北地区较为特殊，专科、本科学历人才区位熵有所降低，而研究生学历人才区位熵呈现增长态势。2010—2020年，东北地区普遍经历了人口收缩，高等教育人才流失严重，同时迁入率较低，对人口的吸引力不足，两者共同导致东北地区人才区位熵的降低。

3 不同学历人才集聚的影响机制

由于2010和2020年不同学历人才数据为10%抽样数据，而2015年为1%人口抽样数据，不同抽样方式获取的数据可比性不足，故影响因素分析部分不包含2015年份的数据集。同时，考虑到仅有2个年份的数据，即使采用面板数据分析，变量的时间效应（如时间趋势或时间的固定效应）也难以被有效估计。因此，采用截面数据进行回归。为应对反向因果导致的内生性问题，回归分析选取的自变量为因变量的一期（或两期）滞后。由于在回归中，纳入城镇人口规模及其二次项，两者间存在严重的多重共线性，基于Robinson等（2009）的研究，采用数据中心化的方法，降低两者的共线性，数据处理后发现，变量间均不存在严重的多重共线性。使用Beta回归模型，采用稳健标准误，识别2010和2020年中国地级行政区人才集聚的主要影响因素，回归结果如表1所示。整体而言：
表1 Beta模型的回归结果

Table 1 The regression results of the Beta model

指标 2010年 2020年
专科 本科 研究生 专科 本科 研究生
城镇人口规模 -0.124***（0.017） -0.136***（0.019） 0.018（0.037） -0.091***（0.015） -0.125***（0.015） -0.057（0.038）
城镇人口规模平方项 0.010（0.008） 0.021***（0.007） 0.081***（0.021） 0.038***（0.008） 0.022**（0.009） 0.048*（0.026）
城镇居民可支配收入 0.362***（0.063） 0.601***（0.087） 0.771***（0.187） 0.165**（0.075） 0.615***（0.093） 0.607***（0.170）
行政等级 0.248***（0.038） 0.464***（0.050） 0.616***（0.109） 0.129***（0.040） 0.365***（0.046） 0.623***（0.096）
住房价格 0.035（0.038） 0.186***（0.046） 0.207**（0.088） 0.025（0.037） 0.126***（0.035） 0.198**（0.078）
万人高校在校学生数 0.044***（0.011） 0.053***（0.014） 0.331***（0.048） 0.073***（0.014） 0.049***（0.016） 0.300***（0.033）
劳动力供需比 0.434***（0.111） 0.035（0.129） -0.115（0.337） 0.285***（0.068） 0.459***（0.079） 0.447***（0.141）
城镇化率 0.514***（0.110） 0.336**（0.132） 0.183（0.257） 0.850***（0.087） 0.425***（0.101） 0.526**（0.206）
中学生师比 -0.196***（0.074） -0.385***（0.079） -0.199（0.150） -0.161***（0.052） -0.264***（0.052） -0.131（0.103）
医疗卫生条件 0.370***（0.038） 0.575***（0.050） 0.584***（0.109） 0.097***（0.024） 0.297***（0.025） 0.133**（0.054）
NDVI -0.522***（0.077） -0.470***（0.088） -0.293（0.220） -0.401***（0.072） -0.370***（0.089） -0.206（0.172）
1月与7月平均温差 0.116***（0.035） 0.145***（0.048） 0.145*（0.084） 0.143***（0.033） 0.183***（0.033） 0.520***（0.064）
常数项 -7.129***（0.639） -11.022***（0.818） -17.604***（1.714） -5.007***（0.674） -10.924***（0.829） -16.806***（1.462）
分数常数项 6.857***（0.094） 6.956***（0.103） 8.459***（0.115） 6.072***（0.088） 6.208***（0.086） 7.617***（0.097）
AIC -2 213.676 -2 459.254 -3 920.482 -1 762.522 -1 887.761 -3 220.509
BIC -2 160.963 -2 406.541 -3 867.769 -1 709.809 -1 835.049 -3 167.796

注： *、**、***分别表示通过10%、5%、1%的显著性水平检验。

1）高学历人才集聚存在空间类分效应。地级行政区城镇人口规模与不同学历层次人才比例均呈“U”型曲线关系。即在城镇人口规模较小或较大的地级行政区，高学历人才占比均较高。在规模经济与集聚经济作用下，城镇人口规模较大地级行政区的生产率往往更高，大城市普遍存在工资溢价。高学历人才根据自身技能水平，优先迁往城镇人口规模较大的地级行政区。对于城镇人口规模较小的地级行政区，在自然资源禀赋或政策因素作用下，即使仅吸引少数高学历人才迁入，人才比例也会迅速提升，形成人力资本相对优势。2010年，这种“U”型关系在本科学历层次表现最为典型；2020年，这种“U”型关系在专科、本科学历层次均通过显著性检验。城镇居民可支配收入与不同学历层次人才比例呈正相关。高学历人才通常会选择收入水平较高的地级行政区，而一般学历劳动者会进入与其技能水平相匹配的中等或一般水平收入地级行政区。地级行政区的行政等级与人才比例呈正相关。在中国的制度背景下，高行政等级区域，如省会城市（副省级城市）往往集聚了全省大多数的党政管理、科教文卫、创新型企业及各类区域分支机构，为高学历人才提供充分的就业机会与发展平台，高学历人才对高行政级别区域具有明显偏好。
2）高学历人才集聚存在空间选择效应。城市的生活成本越高，就业市场竞争越激烈，高学历人才的比例越高。对于迁入人才，住房成本是城市生活成本的重要构成部分，相对于一般学历劳动力，高学历劳动力对住房成本的负担能力更强，在高昂生活成本的挤压下，一般学历劳动力被迫迁出。因此，住房成本越高的城市，人才比例越高。劳动力供需比反映城市整体就业市场的竞争激烈程度，城市潜在的劳动力越多，提供给劳动力的岗位越少，就业市场竞争越激烈。由于高学历劳动力对于就业通常具有向下兼容的特点，既可以从事对学历要求较高的研发、设计等创新性工作，也可以从事相关体力劳动工作，在产业结构转型升级背景下，一般学历劳动力又面临高失业风险，故竞争激烈的就业市场对一般技能劳动力产生“挤出效应”。本研究表明，就业市场竞争越激烈，人才比例越高。每万人高校在校学生数与区域人才比例呈正相关。一方面，地级行政区每万人高校在校学生数越多，人才培养能力越高，大学毕业生就业普遍具有很强的属地化特征，粘滞率较高，学生就业的主要区域即为高校所在城市（王强 等，2023）；另一方面，地级行政区人才培养能力越强，表明进入就业市场的高校毕业生越多，就业市场竞争更加激烈，激烈的就业竞争使得一般学历水平的劳动力面临更大的就业压力，从而被迫离开这类区域，使得人才比例增加。
3）空间集聚是一种强化作用机制。城镇化水平与高学历人才占比呈正相关。城镇化加速了地级行政区人口与产业的集聚，特别是新兴产业的协同集聚，从而吸引人才。集聚优势一旦形成，就会形成自我强化。城镇化过程中人力资本要素集聚引发的集聚经济可产生全方位的外部经济效应，推动不同学历人才进一步集聚。
4）自然环境舒适度与社会环境舒适度因素对人才集聚的影响有所差异。回归结果表明，社会环境舒适度因素与人才比例呈显著相关性，其中，普通中学生师比与人才比例呈负相关，医疗卫生条件与人才比例呈正相关。地级行政区普通中学生师比越高，基础教育的水平越低，越难以吸引人才。而医疗卫生条件越好，越吸引人才迁入。自然环境舒适度方面，一般而言，NDVI越低，1月与7月温差越大，地区的自然环境舒适度越差。NDVI与人才比例整体呈负相关，超大、特大城市在持续扩张过程中，对林地、草地等生态用地侵蚀严重，区域植被覆盖度受损，中小城市植被覆盖显著高于特大、超大城市，使得两者之间呈负相关。1月与7月温差与人才比例呈正相关，北方地区温差指数普遍较高，在就业能力不足的情况下，人口流失严重，2010—2020年，人口收缩省份均处于北方地区，一般学历劳动力的流出提升了地级行政区的人才占比。
5）不同层次学历人才集聚机制有所差异。空间类分方面，不同学历层次人才均偏好城镇人口规模较大或者规模很小的地级行政区，但回归系数在研究生组显著性水平最低，表明研究生学历人才对城镇人口规模较小地级行政区偏好最弱；3类人才均偏向于选择省会城市（副省级城市）与人均收入较高的地级行政区，2类变量回归系数总体呈现研究生组＞本科组＞专科组，表明人才的学历层次越高，对高行政级别与高收入地级行政区的偏好越强。空间选择方面，地级行政区的住房成本越高，对专科学历人才有很强的“挤出效应”，而本科与研究生学历人才可以负担更高的住房成本。地级行政区就业市场竞争激烈程度回归系数总体呈现研究生组＞本科组＞专科组，说明地级行政区就业竞争越激烈，留下的人才学历层次越高。空间集聚方面，城镇化与3类人才占比均呈正相关，在专科学历组的系数最高，在研究生组的显著性最低，可见地级行政区城镇化促进不同学历层次人才集聚，作用强度表现为专科组＞本科组≈研究生组。舒适度方面，医疗卫生条件回归系数总体呈现研究生组≈本科组＞专科组，而普通中学生师比回归系数呈现本科组＞专科组，研究生组不显著的特点，说明地级行政区医疗条件、基础教育资源越好，吸引的人才学历层次越高；但研究生层次人才对地级行政区基础教育水平的关注较弱。自然舒适度方面，2个变量的作用方向均与预期相反，表明当前自然舒适因素仍不是驱动人才集聚的主导因素。

4 结论与讨论

4.1　结论

异质性视角下，基于就业人口受教育程度数据，采用人才集聚度和基尼系数刻画了中国地级行政区大学专科、本科、研究生学历人才分布的时空动态，并采用Beta回归模型，在空间类分、空间选择、空间集聚、舒适度偏好4个维度，探讨了大学专科、本科、研究生学历人才分布的影响因素。结果发现：
1）随着学历水平提升，人才分布的地区差距呈扩大态势，研究生学历人才地区差距最大，本科学历人才地区差距次之，专科学历人才地区差距最小；2010—2020年，专科、本科、研究生学历人才的基尼系数均有所下降，不同学历人才的地区差距呈缩小态势。
2）2010—2020年，专科、本科、研究生学历人才均呈现典型的行政等级分异，即首都―省会（副省级）城市―地级城市―地区高学历人才占比逐级递减。不同学历人才横向对比同样呈现等级分异。高行政级别地级行政区，专科、本科、研究生学历人才占比呈倒“U”型特征，即本科学历人才占比最高，专科次之，研究生较低；而低行政级别地级行政区，专科、本科、研究生学历人才占比呈逐级递减态势。
3）胡焕庸线是人才占比空间结构模式差异的分界线。在胡焕庸线东南侧，高学历人才比例呈中心―外围的空间结构，其中，研究生学历人才的中心―外围空间结构最为典型，本科、专科学历依次有所降低。胡焕庸线西北侧形成东起大兴安岭林区，沿呼伦贝尔市、锡林郭勒盟、包头、鄂尔多斯、呼和浩特、阿拉善盟、嘉峪关、酒泉，西至哈密等形成专科学历、本科学历人才占比高值集中分布区。
4）城市人才集聚存在空间类分、空间选择、空间集聚与舒适度偏好机制。空间类分方面，不同学历人才均偏好收入更高、行政级别更高、城镇人口规模更大的地级行政区，且偏好程度总体呈研究生组＞本科组>专科组。空间选择方面，地级行政区住房成本越高，就业市场竞争越激烈，对人才的学历层次要求越高，总体呈研究生组＞本科组＞专科组。空间集聚方面，地级行政区城镇化水平促进不同学历层次人才集聚，作用强度表现为专科组＞本科组≈研究生组。舒适度方面，地级行政区社会环境舒适度越高，越吸引高学历人才集聚。

4.2　讨论

由于人口受教育程度相关数据具有可获取性高，数据质量较好的特点，学历一直是人才研究的重要界定标准。然而，受数据限制，在城市尺度或县域尺度，已有文献（武荣伟 等，2020；刘晔 等，2023）通常基于≥6岁各种受教育程度人口数据进行人才地理相关研究。然而，此类数据包含大量的在校生、以及未参与经济活动人口，使得在分析人才集聚时，不同区域存在高估或低估现象。为此，本文基于各个省份的就业人口受教育程度相关数据，更精确地反映区域的人才集聚程度。同时，已有研究（梁文泉 等，2015；古恒宇 等，2021a）通常以专科及以上或本科及以上学历的劳动力界定人才，将人才作为一个同质性的群体。伴随着中国高等教育进入普及化阶段，本科、研究生学历人才规模大幅度增长，人才群体内部的异质性日益凸显。亟需从异质性的视角，关注不同学历人才的分布特点及其影响因素（古恒宇 等，2021b；齐宏纲 等，2023）。在上述背景下，从异质性的视角，揭示中国地级行政区就业人口中专科、本科、研究生学历人才的分布特征与影响因素具有重要意义。一直以来，中国高学历人才分布呈现典型的行政等级分异特征，以及资源型城市人才占比较高的特点（刘晔 等，2023），本研究进一步发现，研究生学历人才分布行政等级分异特征最为典型，而本科、专科学历人才分布的行政等级分异特征逐步减弱，资源型城市人才占比较高的原因主要在于专科与本科学历人才的集聚，而非研究生学历人才。空间类分、选择、集聚与舒适度偏好共同影响人才集聚，在异质性视角下，本文进一步验证已有研究（敖荣军 等，2023；孙三百 等，2023）。人才的学历层次越高，对高行政级别、高收入、城镇人口规模大的地级行政区偏好越强；而地级行政区就业市场的竞争激烈程度越高，生活成本越高，对人才的学历层次要求越高。这一结论对各地区提出差异化的引才策略具有参考价值。
不同类别的地级行政区应制定差异化的引才策略，对于高行政级别地级行政区，高学历层次人才集聚度较高，应聚焦于构建激发人才潜力的制度环境，如加强知识产权保护力度，完善人才激励制度；营造包容性的社会环境，助力人才成长。同时，高行政级别地级行政区仍存在一定程度的户籍门槛，一般学历劳动力与高学历劳动力之间存在的两端技能互补，可以促进城市综合生产率的提高，上述区域未来应进一步降低落户门槛，推进流动人口市民化相关工作。胡焕庸线东南侧国家级城市群区域，人才集聚程度较高，应通过区域教育协同、产业协同，服务协同等多种形式推动人才深度合作。胡焕庸线东南侧普通地级城市，人才集聚度相对较低，不应将关注点仅聚焦于高层次人才，而应结合地方特色产业，提升人才引进的精准度；同时改善地区的基础教育、医疗卫生等服务水平，吸引人才。胡焕庸线西北侧，资源型城市吸引较多的专科、本科学历人才，应立足资源禀赋，提升创新与研发能力，结合产业转型，构建高水平科研平台，吸引研究生学历人才集聚，推动高质量发展。
本研究存在一定不足，首先，人才的内涵极为丰富，基于学历的界定标准虽然应用广泛，但无法表征人才的全部内涵，未来应考虑结合学历与职业等多类指标，更全面地界定人才；其次，人才集聚涉及复杂的微观机制，本文主要关注影响人才集聚的宏观社会经济背景，对人才的个体与家庭因素关注不足；此外，制度要素，如户籍制度变革，人才政策体系等，同样会影响城市人才集聚，由于相关数据受限，暂未考虑上述因子；最后，人才集聚的空间载体已逐步从单个城市，转向城市群与都市圈，未来的研究单元应不局限于现有的行政区划，而应从流空间入手，空间分析尺度应更具灵活性。

脚注

1 https://www.geodata.cn/main/

2 https://www.resdc.cn

武荣伟：论文选题、方案设计、论文撰写、论文修改；

王远鑫：数据整理、图表制作；

张 钦：论文选题、基金支持；

周 亮：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
敖荣军，伊尔凡江·艾合买提江，杨彬，王涛. 2023. 技能劳动力区位选择的时空格局及影响因素. 地理研究，42（9）：2451-2465.

Ao Rongjun, Yierfanjiang Aihemaitijiang, Yang Bin, and Wang Tao. 2023. Spatio-Temporal Pattern and Influencing Factors of the Location Choice of Skilled Labor Forces. Geographical Research, 42(9): 2451-2465.

Behrens K, Duranton G, and Frédéric Robert-Nicoud. 2014. Productive Cities: Sorting, Selection, and Agglomeration. Journal of Political Economy, 122(3): 507-553.

蔡昉. 2020. 如何开启第二次人口红利？国际经济评论，（2）：9-24，4.

Cai Fang. 2020. The Second Demographic Dividend as Driver of China's Growth. International Economic Review, (2): 9-24, 4.

陈暮紫，陈浩，马宇超，王博，唐跃，黄意球，陈敏，杨晓光. 2011. 基于广义Beta回归的不良贷款回收率模型.数理统计与管理，30（5）：810-823.

Chen Muzi, Chen Hao, Ma Yuchao, Wang Bo, Tang Yue, Huang Yiqiu, Chen Min, and Yang Xiaoguang. 2011. Recovery Rate Models Based on General Beta Regression for Non-Performing Loan. Journal of Applied Statistics and Management, 30(5): 810-823.

陈卫. 2022. 中国人口负增长与老龄化趋势预测. 社会科学辑刊，（5）：133-144.

Chen Wei. 2022. Forecasting Negative Population Growth and Population Ageing in China. Social Science Journal, (5): 133-144.

Clark T N, Lloyd R, Wong K K, and Jain P. 2002. Amenities Drive Urban Growth. Journal of Urban Affairs, 24(5): 493-515.

崔丹，李国平，吴殿廷，孙瑜康. 2020. 中国创新型人才集聚的时空格局演变与影响机理. 经济地理，40（9）：1-14.

Cui Dan, Li Guoping, Wu Dianting, and Sun Yukang. 2020. Spatio-Temporal Patterns Evolution and Impact Mechanism of the Agglomeration of Creative Talents in China. Economic Geography, 40(9): 1-14.

Diamond R. 2016. The Determinants and Welfare Implications of US Workers' Diverging Location Choices by Skill: 1980-2000. American Economic Review, 106(3): 479-524.

丁相元，张子尧，黄炜. 2024. 大学教育的社会回报——扩招与人力资本外溢效应. 经济学（季刊），24（2）：412-430.

Ding Xiangyuan, Zhang Ziyao, and Huang Wei. 2024. The Social Returns to College Education: College Expansion and Human Capital Externalities. China Economic Quarterly, 24(2): 412-430.

段德忠，杜德斌，桂钦昌，段吕晗. 2018. 中国企业家成长路径的地理学研究. 人文地理，33（4）：102-112.

Duan Dezhong, Du Debin, Gui Qinchang, and Duan Lvhan. 2018. The Geography of Chinese Entrepreneurial Development. Human Geography, 33(4): 102-112.

Duranton G and Puga D. 2004. Micro-Foundations of Urban Agglomeration Economies. Handbook of Regional and Urban Economics, (4): 2063-2117.

Eeckhout J, Pinheiro R, and Schmidheiny K. 2014. Spatial Sorting. Journal of Political Economy, 122(3): 554-620.

Ferrari S L P and Cribari-Neto F. 2004. Beta Regression for Modeling Rates and Proportions. Journal of Applied Statistics, 31(7): 799-815.

Florida R. 2002. Bohemia and Economic Geography. Journal of Economic Geography, 2(1): 55-71.

Glaeser E L, Kolko J, and Saiz A. 2001. Consumer City. Journal of Economic Geography, 1(1): 27-50.

Grogger J and Hanson H G. 2010. Income Maximization and the Selection and Sorting of International Migrants. Journal of Development Economics, 95(1): 42-57.

Gu H Y, Meng X, Shen T Y, and Wen L G. 2020. China's Highly Educated Talents in 2015: Patterns, Determinants and Spatial Spillover Effects. Applied Spatial Analysis and Policy, 13(2): 631-648.

古恒宇，沈体雁. 2021a. 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. 2021a. Spatial Evolution Characteristics and Driving Forces of Chinese Highly Educated Talents. Acta Geographica Sinica, 76(2): 326-340.

古恒宇，沈体雁. 2021b. 1995—2015年中国省际人口迁移网络的演化特征——基于异质性劳动力视角. 地理研究，40（6）：1823-1839.

Gu Hengyu and Shen Tiyan. 2021b. Evolution Patterns of China's Interprovincial Migration Networks between 1995 and 2015: Based on Labour Heterogeneity. Geographical Research, 40(6): 1823-1839.

古恒宇，沈体雁. 2022. 中国省际高技能人才迁移的时空演化机制. 地理学报，77（10）：2457-2473.

Gu Hengyu and Shen Tiyan. 2022. Spatio-Temporal Evolution Mechanism of China's Internal Skilled Migration. Acta Geographica Sinica, 77(10): 2457-2473.

国家统计局城市社会经济调查司. 2010—2021. 中国城市统计年鉴. 北京：中国统计出版社.

Department of Urban Socio-Economic Surveys, National Bureau of Statistics. 2010-2021. China City Statistical Yearbook. Beijing: China Statistics Press.

国家统计局国民经济综合统计司. 2010—2015. 中国区域经济统计年鉴. 北京：中国统计出版社.

Department of Comprehensive Statistics of National Economy, National Bureau of Statistics. 2010-2015. China Regional Economic Statistical Yearbook. Beijing: China Statistics Press.

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

Jiang Huaiyu, Xu Xiaopo, and Li Tieli. 2005. An Analysis to the Spatial Disparities of Talent in China, 1990—2002. Economic Geography, 25(5): 702-706.

Lewis W A. 1954. Economic Development with Unlimited Supplies of Labour. The Manchester School, 22(2): 139-191.

李春玲. 2023. 大学生就业选择的趋同与分化——理性选择与社会分化. 北京大学教育评论，21（3）：51-68，188-189.

Li Chunling. 2023. The Convergence and Differentiation of Employment Choices among College Students: Rational Choice and Rational Choice of Social Differentiation. Peking University Education Review, 21(3): 51-68, 188-189.

李润强. 2005. 清代进士的时空分布研究. 西北师大学报（社会科学版），（1）：62-68.

Li Runqiang. 2005. A Study of Jinshi's Time and Space Distribution in Qing Dynasty. Journal of Northwest Normal University(Social Sciences), (1): 62-68.

梁琦，李建成，陈建隆. 2018. 异质性劳动力区位选择研究进展. 经济学动态，（4）：122-137.

Liang Qi, Li Jiancheng, and Chen Jianlong. 2018. The Progress of Research on Location Selection of Heterogeneous Labor Force. Economic Perspectives, (4): 122-137.

梁文泉，陆铭. 2015. 城市人力资本的分化：探索不同技能劳动者的互补和空间集聚. 经济社会体制比较，（3）：185-197.

Liang Wenquan and Lu Ming. 2015. The Divergence of Skill Composition: Exploring the Skill Complementarity and the Agglomeration of Labors. Comparative Economic & Social Systems, (3): 185-197.

刘晔，黄翠盈，李晴，武荣伟. 2023. 2000—2020年中国高学历人才分布格局及其影响因素研究. 地理研究，42（11）：2827-2844.

Liu Ye, Huang Cuiying, Li Qing, and Wu Rongwei. 2023. Spatial Patterns and Determinants of Highly Educated Talent in China, 2000-2020. Geographical Research, 42(11): 2827-2844.

Liu Y and Shen J F. 2014. Jobs or Amenities? Location Choices of Interprovincial Skilled Migrants in China, 2000-2005. Population, Space and Place, 20(7): 592-605.

刘晔，王若宇，薛德升，曾经元. 2019. 中国高技能劳动力与一般劳动力的空间分布格局及其影响因素. 地理研究，38（8）：1949-1964.

Liu Ye, Wang Ruoyu, Xue Desheng, and Zeng Jingyuan. 2019. The Spatial Pattern and Determinants of Skilled Laborers and Lessskilled Laborers in China: Evidence from 2000 and 2010 Censuses. Geographical Research, 38(8): 1949-1964.

Lucas R E. 1999. On the Mechanics of Economic Development. Quantitative Macroeconomics Working Papers, 22(1): 3-42.

马忠新，伍凤兰. 2024. 重教文化传承与创新型人才培养——基于进士与科学家、企业家空间分布考察. 教育与经济，40（1）：10-19，57.

Ma Zhongxin and Wu Fenglan. 2024. Inheritance of Educational Culture and Cultivation of Innovative Talents: Analyses Based on the Spatial Distribution of Jinshi, Scientists, and Entrepreneurs. Education & Economy, 40(1): 10-19, 57.

齐宏纲，戚伟，刘振，赵美风. 2023. 中国人才分布的学历梯度分异性：时空格局及影响机理. 地理科学进展，42（5）：821-836.

Qi Honggang, Qi Wei, Liu Zhen, and Zhao Meifeng. 2023. Heterogeneity of Educational Attainment of Talents in China: Spatial and Temporal Patterns and Driving Factors. Progress in Geography, 42(5): 821-836.

齐宏纲，赵美风，刘振，戚伟. 2024. 中国高技能人才和一般技能劳动力省际迁移的空间格局及影响机理.地理科学，44（2）：192-203.

Qi Honggang, Zhao Meifeng, Liu Zhen, and Qi Wei. 2024. Spatial Pattern and Its Driving Forces of China's Interprovincial Skilled and Less-Skilled Migration. Scientia Geographica Sinica, 44(2): 192-203.

Robinson C and Schumacker R E. 2009. Interaction Effects: Centering, Variance Inflation Factor, and Interpretation Issues. Multiple Linear Regression Viewpoints, 35(1): 6-11.

Stark O and Bloom D E. 1985. The New Economics of Labor Migration. American Economic Review, 75(2): 173-178.

孙三百，申文毓. 2023. 劳动力空间类分和选择效应存在吗——异质性集聚理论的实证检验与机制分析.财贸经济，44（6）：51-68.

Sun Sanbai and Shen Wenyu. 2023. Does Labor Spatial Sorting and Selection Exist? Empirical Research and Mechanism Analysis Based on the Agglomeration Theory of Heterogeneous Agents. Finance & Trade Economics, 44(6): 51-68.

王强，崔璨，劳昕. 2023. 基于空间计量交互模型的人才流动影响因素研究——以中国“双一流”高校毕业生为例.地理学报，78（6）：1392-1407.

Wang Qiang, Cui Can, and Lao Xin. 2023. Talent Migration and Its Influencing Factors Using Spatial Econometric Interaction Model: A Case Study of China's "Double First-Class" University Graduates. Acta Geographica Sinica, 78(6): 1392-1407.

王一凡，崔璨，王强，宁越敏，杨振山. 2021. “人才争夺战”背景下人才流动的空间特征及影响因素——以中国“一流大学”毕业生为例. 地理研究，40（3）：743-761.

Wang Yifan, Cui Can, Wang Qiang, Ning Yuemin, and Yang Zhenshan. 2021. Migration of Human Capital in the Context of Vying for Talent Competition: A Case Study of China's "First-Class" University Graduates. Geographical Research, 40(3): 743-761.

魏后凯. 2014. 中国城市行政等级与规模增长. 城市与环境研究，1（1）：4-17.

Wei Houkai. 2014. Administrative Hierarchy and Growth of City Scale in China. Journal of Eco-Civilization Studies, 1(1): 4-17.

武荣伟，王若宇，刘晔，古恒宇. 2020. 2000—2015年中国高学历人才分布格局及其影响机制. 地理科学，40（11）：1822-1830.

Wu Rongwei, Wang Ruoyu, Liu Ye, and Gu Hengyu. 2020. Spatial Pattern and Determinants of Highly Educated Talents in China, 2000-2015. Scientia Geographica Sinica, 40(11): 1822-1830.

武荣伟，王堠崟，王远鑫，陈利. 2024a. 2000—2020年中国县域人口老龄化分布格局及其影响因素. 热带地理，44（8）：1500-1512.

Wu Rongwei, Wang Houyin, Wang Yuanxin, and Chen Li. 2024a. Spatial-Temporal Patterns and Driving Factors of Population Aging in China at the County Level during 2000-2020. Tropical Geography, 44 (8): 1500-1512.

武荣伟，王远鑫，王堠崟，陈利. 2024b. 2010—2020年中国县域高技能人才时空格局及其影响因素. 世界地理研究，1-16[2024-05-17]. https://link.cnki.net/urlid/31.1626.P.20240516.1716.002.

Wu Rongwei, Wang Yuanxin, Wang Houyin, and Chen Li. 2024b. Spatio-Temporal Patterns and Determinants of Highly Skilled Talents in China, 2010-2020. World Regional Studies, 1-16[2024-05-17]. https://link.cnki.net/urlid/31.1626.P.20240516.1716.002.

徐建华. 2014. 计量地理学. 2版. 北京：高等教育出版社.

Xu Jianhua. 2014. Quantitative Geography. 2nd Edition. Beijing: Higher Education Press.

徐恺，彭晴，李杰. 2024. 中国城市间不同技能劳动力的分布合理吗?——基于高、低技能劳动力互补的视角. 经济学（季刊），24（2）：554-569.

Xu Kai, Peng Qing, and Li Jie. 2024. Is the Distribution of Skilled Labor Across China's Cities Optimal? A Study Based on the Complementarity between High-And Low-Skilled Labor. China Economic Quarterly, 24(2): 554-569.

杨欢. 2023. 中国人才高质量发展的时空分异及影响因素研究. 中国人口科学，37（6）：19-33.

Yang Huan. 2023. Research on the Spatial-Temporal Variation in Talents' High-Quality Development and Its Determinants in China. Chinese Journal of Population Science, 37(6): 19-33.

余建辉，李佳洺，张文忠. 2018. 中国资源型城市识别与综合类型划分. 地理学报，73（4）：677-687.

Yu Jianhui, Li Jiaming, and Zhang Wenzhong. 2018. Identification and Classification of Resource-Based Cities in China. Acta Geographica Sinica, 73(4): 677-687.

张可云，何大梽. 2020. 空间类分与空间选择：集聚理论的新前沿. 经济学家，（4）：34-47.

Zhang Keyun and He Dazhi. 2020. Spatial Classification and Spatial Selection: New Frontiers of Agglomeration Theory. Economist, (4): 34-47.

张莉，何晶，马润泓. 2017. 房价如何影响劳动力流动？经济研究，52（8）：155-170.

Zhang Li, He Jing, and Ma Runhong. 2017. How Housing Price Affects Labor Migration? Economic Research Journal, 52(8): 155-170.

张艳茹，喻忠磊，胡志强，苗长虹. 2021. 城市舒适物、经济机会、城市规模对中国高学历劳动力空间分布的影响. 热带地理，41（2）：243-255.

Zhang Yanru, Yu Zhonglei, Hu Zhiqiang, and Miao Changhong. 2021. The Influence of Urban Amenities, Economic Opportunities and City Size on the Spatial Distribution of Highly Educated Workers in China. Tropical Geography, 41(2): 243-255.

中共中央. 2024. 中共中央关于进一步全面深化改革 推进中国式现代化的决定. 人民日报，2024-07-22（001）.

Central Committee of the Communist Party of China. 2024. Resolution of the Central Committee of the Communist Party of China on Further Deepening Reform Comprehensively to Advance Chinese Modernization. People's Daily, 2024-07-22(001).

周亮，张亚. 2019. 中国顶尖学术型人才空间分布特征及其流动趋势——以中国科学院院士为例. 地理研究，38（7）：1749-1763.

Zhou Liang and Zhang Ya. 2019. The Spatial Distribution and Flow Trends of Chinese Top Academic Talents: Based on the Case Study of Academicians of Chinese Academy of Sciences. Geographical Research, 38(7): 1749-1763.

Options
文章导航

/

〈 〉