我国科技人才流动动因的实证研究＊

纪建悦 张学海

(中国海洋大学经济学院,山东青岛 266100)

我国科技人才流动动因的实证研究＊

纪建悦 张学海

(中国海洋大学经济学院,山东青岛 266100)

利用我国1998-2007年科技人才年增量与对科技人才流动具有影响的因素的数据,建立我国科技人才流动影响因素指标体系,通过相关分析法对影响我国科技人才流动的因素进行了分析,并通过VEC模型、格兰杰因果检验和脉冲响应分析明确因果方向和影响模式。结果表明,影响科技人才流动最主要的动因是R&D经费和高技术产业增加值,并且其对科技人才流动均为单向因果关系。

科技人才流动;相关分析;VEC模型;格兰杰因果检验;脉冲响应

一、引言

当今世界已迈入知识经济时代,以高科技为核心的竞争成为各个国家发展的主题。未来世界各国之间的竞争最根本的是人才的竞争,人才竞争才是未来世界竞争的主题。因此建立能够吸引人才的机制、有利于创新的机制,才能发挥人才的作用,促进发展。许多学者从微观和宏观的不同角度对科技人才流动动因展开分析。张仲有、周峰、周桂荣等认为科技人才之所以流动是受到社会资源、科技投入和分配政策等宏观因素影响的;[1][2][3]而靳铭、刘善敏、姚蓉则从微观角度对科技人才流动的原因进行阐述,认为薪酬、家庭和个人发展是促使科技人才流动的主因。[4][5][6]但实际上科技人才流动的原因比较复杂,因此有必要建立综合宏观与微观因素的科技人才流动影响因素指标体系分析科技人才流动的动因,找出影响科技人才流动的主要动因,从而有的放矢地制定相关政策促使科技人才的合理流动。

本文运用实证的方法,通过对科技人才流动动因进行分析,运用计量方法建立VEC模型,在对模型进行单位根检验和协整检验后,对其进行格兰杰因果检验和脉冲响应分析,分析所选因素在人才流动过程中的作用,以及因素变化对科技人才流动产生的变化影响。通过分析我国科技人才流动的主要动因,确定出我国科技人才流动中的主导性因素,为更有效地促进我国科技人才流动,合理制定科技人才流动政策提供了一种比较有效的参考手段。

二、科技人才流动影响因素的确定

(一)影响因素指标体系的建立

科技人才与其他人员相比有着教育程度高的显著特点,较高的受教育程度使得科技人才加速了对新知识的获取速度和经验的积累,这使科技人才对自身的需要和能力有了更深的了解,从而使其产生追求自身利益和发展机会的需求;同时,科技人才所处的发展环境对科技人才自身发展给予反馈,使科技人才选择最有利于实现自身价值的发展环境,并最终形成科技人才的流动。结合数据获得的可行性,影响科技人才流动的因素可以从宏观和微观两方面进行分析。

1、宏观因素。首先,由于人才的合理流动可以促进宏观经济更加高效、健康、平稳的运行,因此宏观经济运行的总体情况可以反映科技人才的流动情况,本文选取国内生产总值(X1)、国内生产总值指数(X2)作为影响因素;其次,由于我国处于过渡经济时期,随着社会的发展和科学技术的进步,整个社会的产业结构不断调整,新型的高科技产业不断涌现,从而使科技人才产生了由落后的低能产业向新兴的高能产业流动的需求,这也是科技人才流动不可忽视的一个重要方面,本文选取第三产业增加值(X3)、第三产业增加值指数(X4)作为因素;第三,国家在财政、科研、教育方面的投入也对科技人才有着重要的影响,也决定着科技人才的流向,选取因素国家财政科技拨款(X5)、R&D经费(X6)、R&D经费占 GDP比重(%)(X7)、国家财政性教育经费(X8)。

2、微观因素。首先,报酬是促使科技人才流动的不可忽视的重要因素,科技人才在形成自己认知的过程中必然有较大的资本投入和机会成本的损失,因此随着科技人才专业知识的累积,其自身的需求也有较大的提高,导致科技人才对报酬的预期期望较高,出现由高回报驱动的科技人才流动也就不足为奇,因此本文选取因素职工平均货币工资指数(X9)、职工平均实际工资指数(X10)、科学研究和综合技术服务业平均劳动报酬(X11);其次,科研环境对科技人才的流动决策能够产生极为重要的影响,好的科研环境可以为科技人才提供取得科研成果的必要保证,同时也可以促进科技人才的科技创新,同时为企业带来更高的净利润,这也会刺激企业对科研的投入从而形成“投入——产出——回报”的良性循环,因此本文选取因素专利申请量(X12)、技术市场成交金额(X13)、高新技术企业净利润(X14)。

综合考虑,本文可以对各种可能影响科技人才流动的指标因素总结(如表1所示)。

表1 科技人才流动影响指标因素表

(二)相关分析

相关分析(correlation analysis)是研究现象之间是否存在某种依存关系,并对具体有依存关系的现象探讨其相关方向和相关程度,是一种非确定性的关系,是研究随机变量之间的相关关系的一种统计方法。相关系数按以下公式计算:

计算母序列X以及Xi(i=1,2,3,……)的相关系数,所得相关系数(如表2所示)。

表2 相关系数表

由表2可以看出,分别选择宏观与微观因素中相关系数最大的因素X6、X14与母序列的相关系数最大,均达到了0.76以上。

我们使用Eviews6.0对数据进行主成分分析,结果如图1所示。

图1 主成分分析结果图

通过对总方差的累计解释比例(Cumulative Proportion)我们可以看出第一主成分占总方差的的86.25%,第二主成分占总方差的9.61%,前两个主成分已占到95.85%。

综上所述,我们应选择两个因素进行分析,因此我们选择因素X6(R&D经费)、X14(高新技术企业净利润)进行回归分析。

三、科技人才流动与其动因关系研究

通过前面的分析,本文找出了对科技人才流动影响作用最大的两个因素,但是仍然需要进一步明确科技人才流动与X6(R&D经费)和X14(高新技术企业净利润)之间是否确实存在因果关系及其因果方向和它们对科技人才流动的影响模式。本文采用格兰杰因果检验以及脉冲响应分析的方法讨论其因果关系及影响模式。

(一)模型设定

本文研究的是科技人才在1998—2007年时间段内影响其流动的主要因素的数据,考虑构建向量误差修正模型(Vector Error Correction Model,VEC):[7](P234-244)

其中,εt独立同分布且服从均值为零,方差为σ2的正态分布,对式(2)两边取期望,得到:

式(3)度量的是解释变量 X6,t,X14,t与因变量Xt的长期均衡关系。同时,对式(2)移项并整理得到:

式(4)所表示的模型即为本文建立的向量误差修正模型。模型(4)解释了因变量的短期变动ΔXt受两方面的影响:一是受自变量短期波动ΔX6,t和ΔX14,t的影响;二是受误差修正项ecmt-1的影响,即受变量之间在短期波动中偏离其长期均衡关系[式(3)]的影响。

(二)单位根检验

为了防止产生谬误回归,在采用经济计量方法进存检验之前,通常要考查时间序列变量是否是非平稳的、具有随机趋势,即要对序列变量及其差分进行单位根检验。如果变量不能拒绝有单位根,则接受原假设,认为序列是非平稳的,存在随机趋势。

本文采用ADF检验(Augment Dickey-Fuller test)对处理后的被分析序列进行单位根检验,从而得出它们的平稳性状况以及单整阶数。检验结果如表3。

表3 ADF单位根检验结果①检验形式(C,K,T)中,C为常数项,表示包含个体固定效应;K表示个体趋势项;T为滞后阶数。检验结论中,＊、＊＊、＊＊＊分别表示序列在10%、5%、1%的显著水平下,拒绝了原假设,即认为该序列平稳。

ADF检验结果表明,各变量水平序列和一阶差分序列数值的t检验值都大于显著性水平下相应的Mackinnon临界值,表明这些变量都是非平稳的;而二阶序列中的数值显示在显著性水平下,除dX6以外其余变量的二阶差分检验值均小于相应的Mackinnon临界值,即通过了单位根检验,且全部在5%的显著水平下拒绝了原假设,说明这些变量的二阶差分都是平稳的。因此,可以认为这些时间序列是平稳的,且都是二阶单整过程。

(三)协整检验

经过上述单位根检验证明了所有截面序列都是同阶单整的,因此,可以进一步进行面板数据的协整检验。假定一些经济指标被某些经济系统联系在一起,那么从长远看来这些变量应该具有均衡关系,这是建立和检验模型协整关系的基本出发点。本文采用Johansen极大似然法,用迹统计量与最大特征值统计量来检验向量间的协整性,结果见表4、表5。

表4 序列协整关系的检验——迹(Trace)检验结果

表5 序列协整关系的检验——最大特征值(Maximum Eigenvalue)检验结果

从检验结果看,迹统计量中第一行“None”表示的原假设是:存在零个协整关系,该假设的迹统计量是80.532,5%的临界值等于42.915,迹统计量大于临界值,因此拒绝原假设,从而表明至少存在一个协整关系;再考查“At most 1”,其表示“至多存在一个协整关系”的原假设,该假设下的迹统计量等于20.194,小于5%的临界值25.872,因此不能拒绝原假设。同样,在最大特征值统计量检验中,第一行“None”假设的最大特征值为60.338,5%的临界值等于25.823,最大特征值统计量大于临界值,因此拒绝原假设,也表明至少存在一个协整关系;而类似“At most 1”该假设下的最大特征值统计量为12.767,小于5%临界值19.387,接受原假设。综合迹统计量检验与最大特征值统计量检验,我们可以得到序列X、X6和X14存在一个协整关系。

(四)格兰杰因果检验

由于具有协整关系的变量之间不一定具有因果关系,因此,还需要进行格兰杰因果检验以考察各自变量与因变量之间的因果关系。格兰杰因果关系检验可以用来确定经济变量间是否存在因果关系以及影响的方向,其检验思想为:如果 X的变化引起了Y的变化,则X的变化应当发生在 Y的变化之前。

由于本文中所有的时间序列都是平稳的且与因变量之间均存在协整关系,因此,可以进行各自变量与因变量之间的格兰杰因果检验。分别对各自变量与因变量之间的因果关系进行检验,结果详见表6。

表6 格兰杰因果检验结果②＊表示在10%的显著性水平上可以拒绝原假设,＊＊表示在5%的显著性水平上可以拒绝原假设,＊＊＊表示在1%的显著性水平上可以拒绝原假设,即认为存在格兰杰因果关系。

根据表6的分析结果可知,从滞后长度1至滞后长度2不存在X到X6和 X14的单向因果关系;对于滞后一阶在5%的检验水平上存在 X6和 X14到X的单向因果关系,另外10%的检验水平上滞后二阶也存在X6到X的单向因果关系。根据分析的结果,可以大致的认为存在 X6和X14到 X的单向因果关系,但是不存在反向的因果关系。

(五)脉冲响应函数

脉冲响应函数(Impulse Response Function,IRF)用于衡量来自某个内生变量的随机扰动项的一个标准差冲击(称之为“脉冲”)对模型中所有内生变量当前值和未来取值的影响。模型中的随机扰动项为革新(Innovation)。如果随机扰动项发生变化(即发生一个冲击),将使得变量的当前值立即发生改变。同时,通过模型的作用也会使得另一变量的下一期取值发生变化,由于滞后的影响,另一变量的变化又会引起原变量的未来值的变化。这样,随着时间的推移,扰动的最初影响在模型中的扩散将引起模型中所有内省变量的更大变化。

分别给 X6和 X14一个正向冲击得到X的脉冲响应函数图如下,图中横轴表示冲击作用的滞后期间数,纵轴表示 X,实线表示对相应变量冲击的反应,虚线表示正负两倍标准差偏离带。

从图2可以看到,X对来自X6的扰动并没有立即作出响应,X在第一期的响应等于零。在第三期X对X6的响应达到最大值为4.288,而在这一年科技人才增量也达到最大值。滞后X对X6的的影响有所下降,从第四期开始X对X6的扰动稳定的趋于零。从该脉冲响应长期趋势图中可以看出,X对X6的冲击的脉冲反映长期趋向于0,是有效的响应过程。

图3说明,X对来自X14的扰动并没有立即作出响应,X在第一期的响应等于零。X在第二期对X14的响应达到最大值为5.050,随后在第三期响应接近于零。明显可以看出的是X对来自X14的冲击均是作出正向的响应。从第三期至第五期响应缓慢增长,但在第五期滞后稳定的趋近于零,也是有效的响应过程。

图2 X6对X的脉冲响应

图3 X14对X的脉冲响应

(六)结果分析

通过以上实证分析,可以发现与我国科技人才增量密切相关的R&D经费和新技术企业净利润时间序列均为二阶单整序列。通过Johansen检验,它们之间具有协整关系。此外,由格兰杰因果检验,本文发现自变量科技人才年增量(X)与因变量R&D经费(X6)和新技术企业净利润(X14)之间不但具有因果关系,而且其因果均为单向因果关系,也就是说R&D经费(X6)和新技术企业净利润(X14)对科技人才年增量(X)具有单向的因果影响。另外,通过脉冲响应分析,本文得到,自变量科技人才年增量(X)并不是马上对R&D经费(X6)和新技术企业净利润(X14)的冲击作出相应而是有一定的时滞,其分别在第三期和第二期取得正向响应的最大值,但在长期中,以上两因变量对自变量的冲击较为稳定,结果与实际情况符合较好。

四、结论

科技人才流动的原因很多,且十分复杂。本文通过对影响科技人才流动的诸多因素进行了系统分析,从而证明对科技人才流动影响较大的因素主要有以下两个:R&D经费和新技术企业净利润。

1、R&D经费是影响科技人才流动的最主要的因素。作为R&D活动主体的企业,为了提高自身竞争力必然会在其自身的研发能力上下大力气,加大R&D经费投入量。美国心理学家勒温指出,一个人所能创造的绩效不仅与他的能力和素质有关,而且与他所处的环境有着密切的关系。这充分说明了研发条件对科技人才的吸引,企业的发展离不开高水平的科技人才,高水平的科技人才往往对其所处的科研环境有着较为严格的要求。因此,企业必然会通过加大其R&D经费投入的方式改善其科研环境,从而吸引更高水平的科技人才,这使得科技人才的流动具有了主观上的可能。

2、新技术企业净利润是推动科技人才流动的动力之一。新技术企业相对于其他传统技术企业在环境上具有不可比拟的优势,并且它们善于运用最先进的技术,善于学习国外先进的生产管理经验,致力于为其科研提供最优越的环境,营造良好的团队氛围,这些都是对科技人才发挥其优势,使其利益最大化的巨大吸引。其次,从产业角度来看,我国近年来新技术企业在能源、化工、航空航天等领域有了长足的发展,使得这些产业相对于国内其他产业具有较为明显的创利优势。这些企业凭借其所在产业的垄断地位取得了发展优势,优势带来的不单单是净利润的大幅提升,还带来了科研经费的大幅增加,科研条件的改善,科研工作者待遇的提高,这些都是吸引科技人才由原行业向这些高新技术高利润企业流动的诱因。第三,我们从R&D经费来源上可以看到,2008年来源于政府的资金为1088.9亿元,占23.6%;来源于企业的资金3311.6为亿元,占71.7%。企业,尤其是新技术企业,在科研投入上占据了主体位置,在这样的情况下,新技术企业的净利润就对吸引科技人才产生了巨大作用,其净利润越高,企业可用于投入扩大再生产、产品升级研发的资金也就越多,科研资金的高投入往往对应的是优越的科研条件和待遇,这对科技人才来说都是极大的吸引,科技人才在流向新技术高利润企业的同时也极大的增强了企业的自主创新能力,提高了产品更新换代的速度,加快了企业的技术进步,使得企业在国际市场上的竞争力极大地得到了提升,这也为企业技术的进一步发展提供了动力,同时也是企业继续保持高效增长的重要保证。这样就形成了一种科技人才流动——企业高效发展的良性循环。

[1]张仲有.科学共同体分层和科技人员流动观的差异[J].黑龙江矿业学院学报,1999,(4):54-58.

[2]周峰.遏制人才外流——欧盟面临的重大挑战[J].世界教育信息,2005,(3):28-29.

[3]周桂荣,刘文江.我国科技人才布局中存在的问题及对策[J].科学学与科学技术管理,2006,(1):99-102.

[4]靳铭,韩平.高科技人才的流动和使用[J].人才开发,2003,(7):10-11.

[5]刘善敏.人才流动现状、原因和对策研究[J].广东科技,2004,(Z1):14-16.

[6]姚融,严良.我国科技人才流动的现状、原因及发展趋势[J].科技进步管理,2003,(2):107-109.

[7]易丹辉.数据分析与EViews应用[M].北京:中国人民大学出版社,2008.

Abstract:The talent-flow indicator system is established by making use of the annual increment of talents and factors influencing talent flow.Taking data from 1998 to 2007 as samples,analysis of factors is conducted with correlation analysis.Then causal directions and impact mode are clarified by applying VEC model,Granger causality test and impulse response analysis.Results show that the main influencing factors are R&D funds and the added value of hi-tech industry,which is a one-way causality of talent flow.

Key words:sci-tech talent flow;correlation analysis;VEC model;Granger causality test;impulse responsee

责任编辑:王明舜

An Empirical Study on the Causes of Sci-Tech Talent Flow in China

Ji Jianyue,Zhang Xuehai
(School of Economics,Ocean University of China,Qingdao 266100,China)

F24

A

1672-335X(2010)03-0065-05

2010-01-08

教育部社科研究基金规划项目“科技人才流动的理论分析与实证研究”(06JC790040)

纪建悦(1974- ),男,山东青岛人,中国海洋大学经济学院副教授,主要从事国民经济学与金融学研究。